기업용 AI 구독료, 지금 가격이 진짜 가격이 아닐 수 있음

• AI 구독료가 지금처럼 계속 쌀 거라고 보면 꽤 위험하다는 글임

  • 핵심 주장은 단순함. 오픈AI, 앤트로픽, 구글 같은 업체들이 기업 사용자에게 실제 원가보다 훨씬 낮은 가격으로 AI를 팔고 있다는 것
  • 월 20달러짜리 구독이 싸 보이는 이유가 기술이 충분히 저렴해져서가 아니라, 시장을 장악하려고 손실을 감수하는 구조라는 얘기임

• 숫자를 보면 느낌이 확 달라짐

  • 클로드 프로는 월 20달러인데, 같은 사용량을 API 가격으로 계산하면 지식노동자 한 명당 월 200~400달러까지 갈 수 있다고 봄
  • 마이크로소프트는 깃허브 코파일럿에서 사용자당 월 20달러 이상 손실을 봤다는 보도가 있었고, 파워 유저는 월 10달러 구독으로 80달러어치 컴퓨트를 태웠다는 분석도 있음
  • 앤트로픽 사용자는 구독 매출 1달러당 8달러 이상의 컴퓨트를 소비했다는 추정도 나옴. 이쯤 되면 할인이라기보다 보조금임

• 문제는 AI가 이제 챗봇에서 에이전트로 넘어가고 있다는 점임

  • 챗봇은 질문하고 답변 받는 구조라 토큰 소비가 어느 정도 예측 가능했음
  • 그런데 클로드 코드 같은 에이전트는 파일을 읽고, 코드를 수정하고, 여러 번 추론하고, 명령을 실행하면서 긴 세션을 자율적으로 돌림
  • 사용자들이 5시간 제한을 90분도 안 돼 소진했다는 사례가 나왔고, 깃허브는 2026년 6월 1일부터 코파일럿을 사용량 기반 과금으로 옮기겠다고 발표함

• 엔지니어링 팀에서는 이 차이가 더 크게 터질 수 있음

  • 개발자 한 명이 코딩 에이전트 34개를 동시에 돌리면 채팅 사용량의 34배가 아니라 한 자릿수 더 큰 비용 증가가 날 수 있음
  • 에이전트가 기본 워크플로가 되면 AI 비용은 사내 복지성 SaaS 구독이 아니라 빌드 인프라나 클라우드 비용에 가까워짐

• 기업 입장에서 진짜 함정은 이미 업무에 깊게 박혔다는 거임

  • 마케팅은 카피를 쓰고, 개발팀은 코드 작성과 리뷰를 맡기고, 리서치팀은 문서를 요약하고, 고객지원팀은 티켓을 정리함
  • 50명이 클로드 프로를 쓰면 월 1,000달러지만, 실제 토큰 원가 기준으로는 월 15,000~40,000달러가 될 수 있다는 계산이 나옴
  • 싸게 쓰는 동안 의존도가 올라가고, 의존도가 올라간 뒤 가격이 오르면 빼기도 어려움. 이게 제일 아픈 포인트임

• 상장도 가격 인상의 방아쇠가 될 수 있음

  • 오픈AI와 앤트로픽은 기업공개를 준비 중이고, 공개 시장은 매출 성장뿐 아니라 마진과 단위 경제성을 요구함
  • 오픈AI는 2029년까지 누적 현금 소모가 1,150억달러에 이를 것으로 전망되고, 2030년까지 컴퓨트 지출 약정은 6,650억달러 규모로 언급됨
  • 벤처 자금으로 손실을 메우는 동안은 월 20달러 플랜이 가능하지만, 상장 후에는 가격 인상, 사용량 제한, 사용량 기반 과금 중 하나로 갈 압력이 커짐

• 이미 플레이북은 보이기 시작함

  • 깃허브 코파일럿은 정액제 프리미엄 요청을 토큰 기반 AI 크레딧으로 바꾸려 함
  • 오픈AI는 월 100달러 프로 티어를 내놨고, 앤트로픽은 월 200달러 맥스 티어로 고사용량 가격의 힌트를 줬음
  • 마이크로소프트도 AI 인프라 비용을 이유로 마이크로소프트 365 가격을 올린 바 있음

• 기업이 지금 해야 할 일은 'AI 몇 좌석 샀나'가 아니라 '얼마나 태우고 있나'를 보는 것임

  • 팀별 토큰 소비량을 측정하고, 현재 가격의 2배, 5배, 10배 시나리오를 CFO와 같이 봐야 함
  • 특정 벤더 하나에 워크플로를 과하게 묶어두면 가격 정책 하나로 예산이 터질 수 있음
  • AI 도입의 다음 단계는 프롬프트 잘 쓰기가 아니라 비용 관측성, 사용량 제한, 벤더 선택권 확보에 가까워질 가능성이 큼

---

기술 맥락

• 여기서 중요한 선택은 좌석 기반 구독을 계속 믿을지, 토큰 기반 원가를 내부 지표로 볼지예요. 좌석 수는 예산 설명이 쉽지만, 에이전트형 AI에서는 실제 비용을 거의 설명하지 못하거든요.

• 에이전트형 AI가 비용 구조를 흔드는 이유는 작업 하나가 여러 번의 모델 호출로 쪼개지기 때문이에요. 코드 읽기, 수정안 생성, 테스트 결과 해석, 재수정 같은 루프가 자동으로 돌면 사용자는 한 번 요청했는데 내부에서는 꽤 많은 추론이 발생해요.

• 기업 입장에서는 벤더 선택도 기술 의사결정이에요. 특정 모델의 응답 품질이 좋아서 전사 워크플로를 묶어두면 편하지만, 가격이 사용량 기반으로 바뀌는 순간 마이그레이션 비용까지 같이 떠안게 돼요.

• 그래서 개발 조직은 AI 사용량을 클라우드 비용처럼 봐야 해요. 팀별 소비량, 고비용 작업, 에이전트 병렬 실행 수를 추적해야 나중에 가격이 올라도 어떤 업무를 줄이고 어떤 업무는 유지할지 판단할 수 있어요.