---
title: "기업 60%가 인공지능 지출에 제동…오픈소스 모델엔 기회가 열림"
published: 2026-07-02T21:05:03.284Z
canonical: https://jeff.news/article/4554
---
# 기업 60%가 인공지능 지출에 제동…오픈소스 모델엔 기회가 열림

유비에스 애널리스트들이 기업 정보기술 임원들과 대화한 결과, 약 60%가 인공지능 지출을 어떤 형태로든 제한하고 있는 것으로 나타났다. 토큰 비용 부담이 커지면서 오픈에이아이, 앤트로픽 같은 상용 모델 업체에는 압박이 되고, 딥시크 같은 오픈소스 모델에는 기회가 될 수 있다는 분석이다.

- 기업들이 인공지능 지출에 슬슬 브레이크를 밟고 있다는 분석이 나옴
  - 유비에스 애널리스트들이 최근 몇 주 동안 십여 명의 기업 정보기술 임원과 대화한 결과임
  - 그중 약 60%가 인공지능 관련 지출을 어떤 형태로든 억제하거나 제한하고 있다고 함

- 가장 직접적인 압박은 토큰 비용임
  - 대기업에서는 최고재무책임자와 최고기술책임자가 인공지능 비용 증가를 직접 보고 있음
  - 우버 운영 책임자 앤드루 맥도널드는 5월에 투자 대비 효과가 낮으면 비용 상승을 정당화하기 어렵다고 말함
  - 이제 인공지능은 실험 예산이 아니라 운영비 항목으로 들어가기 시작한 셈임

> [!IMPORTANT]
> 핵심 숫자는 약 60%임. 기업 인공지능 도입이 꺾였다는 뜻은 아니지만, 비용 제한 없이 마구 쓰는 구간은 빠르게 지나가고 있음.

- 유비에스는 이 흐름을 ‘공포 신호’보다는 건전한 조정으로 봄
  - 기업들이 인공지능 도입을 멈추려는 건 아니라고 해석함
  - 다만 토큰 지출 최적화가 대부분 기업의 중요한 과제가 됐다는 점은 분명함
  - 도입 초기 기업이나 투자 대비 효과가 뚜렷한 조직은 지출 장벽을 덜 느낄 수 있음

- 비용 절감 압박은 상용 모델 업체에 먼저 영향을 줄 가능성이 큼
  - 오픈에이아이와 앤트로픽 같은 모델 개발사가 단기적으로 영향을 받을 수 있다는 분석임
  - 특히 코딩이 아닌 업무용 모델을 찾는 기업은 딥시크 같은 오픈소스 중국산 모델을 더 적극적으로 검토할 수 있음
  - 성능이 아주 최고가 아니어도, 충분히 쓸 만하고 싸면 기업 입장에서는 계산이 달라짐

- 개발팀 입장에서는 모델 선택 기준이 바뀌고 있음
  - 예전에는 ‘제일 똑똑한 모델’이 기본 선택지였다면, 이제는 작업별로 비용 대비 성능을 따져야 함
  - 간단한 분류, 문서 요약, 내부 검색 보조 같은 작업은 더 저렴한 모델로 라우팅하는 전략이 현실적임
  - 다음 세대 칩으로 훈련된 새 모델이 나오면 토큰 비용이 더 낮아질 가능성도 언급됨

---

## 기술 맥락

- 기업들이 지금 고민하는 건 인공지능을 쓸지 말지가 아니라, 어떤 작업에 어떤 모델을 붙일지예요. 모든 요청을 최고가 모델로 보내면 구현은 쉽지만, 사용량이 늘어나는 순간 비용이 통제하기 어려워지거든요.

- 토큰 최적화가 중요한 이유는 입력과 출력이 모두 돈이기 때문이에요. 프롬프트가 길어지고, 사내 문서를 많이 붙이고, 사용자 수가 늘어나면 비용이 선형으로 커질 수 있어서 재무팀까지 보는 운영비가 돼요.

- 오픈소스 모델이 기회를 얻는 지점도 여기예요. 자체 운영과 튜닝 부담은 있지만, 반복적인 비코딩 업무나 내부 문서 처리처럼 성능 요구가 상대적으로 낮은 작업에서는 비용을 줄이는 대안이 될 수 있어요.

- 그래서 실제 도입에서는 모델 라우팅이 중요해져요. 어려운 추론은 고성능 모델로 보내고, 단순 분류나 초안 작성은 저렴한 모델로 처리하면 품질과 비용 사이에서 균형을 잡을 수 있거든요.

## 핵심 포인트

- 기업 정보기술 임원 약 60%가 인공지능 지출을 억제하거나 제한 중이라고 조사됨
- 대기업에서는 토큰 비용이 최고재무책임자와 최고기술책임자가 직접 보는 비용 이슈로 커짐
- 코딩이 아닌 업무에서는 딥시크 같은 오픈소스 모델이 비용 절감 대안으로 주목받을 수 있음
- 유비에스는 이를 인공지능 도입 중단이 아니라 건전한 비용 최적화로 해석함

## 인사이트

인공지능 도입의 다음 단계는 ‘쓸 수 있냐’가 아니라 ‘계속 써도 비용이 버티냐’로 넘어가고 있음. 기업 내부 도입을 하는 팀이라면 모델 성능표만 볼 게 아니라 토큰 사용량, 캐싱, 라우팅, 오픈소스 모델 혼합 전략까지 같이 봐야 함.