AI 구독료가 한국의 달러 유출 통로가 되고 있다는 얘기

• 국내 생성형 AI 사용이 너무 빠르게 늘면서, AI 구독료가 ‘달러 유출 통로’가 될 수 있다는 분석이 나옴

  • 챗GPT, 제미나이, 클로드 같은 주요 서비스가 대부분 미국 회사 제품임
  • 유료 플랜은 월 20달러 안팎이고, 결제는 매달 반복됨
  • 개인 입장에선 생산성 도구 구독이지만, 국가 단위로 보면 정기적인 달러 지급 구조가 생기는 셈임

• 숫자로 보면 확산 속도가 꽤 무섭다

  • 지난 4월 챗GPT 국내 월간활성이용자수는 2345만명으로 역대 최대치
  • 제미나이는 845만명, 클로드는 241만명으로 역시 최대치
  • 1년 새 클로드 사용자는 12배, 제미나이는 11배 증가
  • 국내 스마트폰 사용자 두 명 중 한 명이 한 달에 한 번 이상 생성형 AI 앱을 켜는 수준임

• 해외 플랫폼 구독이 늘면서 지식서비스수지 적자도 커질 전망임

  • 신한금융지주 미래전략연구소는 해외 플랫폼 이용 확산에 따른 지식서비스수지 적자를 2023년 55억9000만달러에서 2027년 206억3000만달러로 전망
  • 원화 기준으로 약 8조6000억원에서 약 32조원까지 커지는 그림임
  • OTT, 클라우드, 소프트웨어 구독에 생성형 AI까지 붙으면서 적자 폭을 키우는 구조임

• 더 골치 아픈 건 AI 서비스 단가가 계속 올라갈 수 있다는 점임

  • 앤트로픽의 최상위 모델 클로드 페이블5는 기존 월정액에 포함되지 않고, 쓴 만큼 크레디트를 충전하는 종량제 방식을 도입
  • 요금은 직전 최상위 모델 오퍼스 4.8의 두 배 수준으로 제시됨
  • 개발자용 상위 요금제인 클로드 맥스는 월 100~200달러로 일반 유료 플랜의 최대 10배
  • 실제로 한 개발자는 월 200달러 플랜도 금방 소진돼 추가 크레디트까지 사면 월 100만원 이상 지출을 각오해야 한다고 말함

• 기업의 AI 에이전트 도입도 해외 서비스 수요를 더 키울 수 있음

  • 단순 개인 구독을 넘어 컨설팅, 클라우드, AI 에이전트 구축 비용까지 해외 업체로 흘러갈 수 있음
  • 기업 업무에 AI가 깊게 들어갈수록 비용은 개인 앱 구독보다 훨씬 커짐
  • 이 흐름이 서비스수지 적자와 구조적인 달러 수요를 키울 수 있다는 게 기사 핵심임

• 그래서 소버린 AI 얘기가 다시 나오는 중임

  • 일본 사카나AI는 여러 거대언어모델(LLM)을 연결해 쓰는 AI 오케스트레이션 시스템 후구로 주목받음
  • 중국 딥시크는 보안 우려에도 압도적 가성비로 점유율을 키우는 중
  • 한국은 정부 주도의 국가대표 AI 프로젝트를 추진 중이지만 아직 뚜렷한 성과는 없다는 평가가 붙음

• 글로벌 소비자 AI 지출 전망도 이 문제를 더 크게 만든다

  • 카운터포인트리서치는 생성형 AI 글로벌 소비자 지출이 2023년 2250억달러에서 2030년 6690억달러로 늘 것으로 봄
  • 원화 기준 약 344조원에서 약 1018조원으로 세 배 가까이 커지는 시장임
  • 한국이 이 시장에서 지분을 못 잡으면, 성장하는 시장 자체가 한국 입장에선 달러 유출 확대가 될 수 있음

---

기술 맥락

• 여기서 핵심 선택지는 해외 최고 성능 AI 서비스를 그대로 쓰느냐, 국내 모델과 클라우드 인프라를 키워 일부라도 대체하느냐예요. 개발자 개인에게는 성능 좋은 도구를 쓰는 게 당연하지만, 국가 단위에서는 그 결제가 전부 반복적인 달러 수요가 되거든요.

• 왜 소버린 AI가 나오는지도 이 맥락이에요. 단순히 한국형 챗봇 하나 만들자는 얘기가 아니라, 모델, 클라우드, 데이터 인프라를 묶어서 해외 플랫폼 의존도를 낮추자는 전략이에요.

• 요금 구조도 중요해요. 월 20달러 구독은 작아 보여도 사용자가 수백만 명이면 거대한 반복 결제가 되고, 개발자용 상위 플랜이나 종량제 모델은 1인당 지출을 훨씬 빠르게 키워요.

• 기업 AI 에이전트가 확산되면 영향 범위가 더 넓어져요. 개인 생산성 도구 비용에서 끝나는 게 아니라, 컨설팅, 클라우드, 운영 비용까지 해외 서비스로 묶일 수 있어서 서비스수지 적자에 더 직접적으로 반영될 수 있어요.

• 그래서 이 이슈는 기술 선택과 거시경제가 만나는 지점이에요. 어떤 모델이 더 똑똑한지만 볼 게 아니라, 그 모델을 쓰는 비용이 어디로 빠져나가고 어떤 인프라를 남기는지도 같이 봐야 해요.