2026년 7월 7일 개최된 한경 AX 서밋에서 기업들의 AI 도입 전략이 근본적으로 바뀌고 있음이 드러났다. 이진형 KT AX사업본부장의 발표에 따르면, 더 이상 "어떤 모델을 선택할 것인가"가 아니라 "얼마나 효율적으로 운영할 것인가"가 핵심 과제가 되었다.

토큰 비용, 예상을 뛰어넘는 속도로 증가

가장 충격적인 사례는 우버다. 우버는 클로드 코드 도입 후 연간 AI 예산을 단 4개월 만에 소진했다. 이후 회사는 월 사용량 한도와 승인 절차를 도입하는 수밖에 없었다.

KT AX사업본부장의 사례도 심각하다. 비개발자인 워크플로우 디자이너도 월 70만~80만원 수준의 AI 사용 비용을 발생시키고 있다. 단순한 로또 번호 분석 애플리케이션을 AI로 구축하는 데 토큰 사용량이 "순식간에 불어나는 모습"을 보여줬을 정도다.

모델 가격 인하가 전체 비용을 오히려 증가시키는 역설

놀라운 지점은 모델 단가 인하가 전체 AI 도입 비용 절감으로 이어지지 않는다는 것이다. 오히려 역설적 구조가 작동한다:

  • 토큰 단가 인하 → 더 많은 업무가 AI로 이전 → 전체 토큰 사용량 증가 → 결국 전체 비용 상승

이진형 본부장은 "모델 성능보다 실행 역량이 중요해졌다"고 강조했다. 기업용 에이전트 영역에서 토큰 사용량이 특히 빠르게 늘 수 있기 때문이다.

개인 수준 vs 기업 수준: 토큰 사용량의 차이

기업에서 AI를 활용하는 방식은 개인 사용자와 완전히 다르다:

  • 개인: 간단한 앱 1개 생성 → 낮은 토큰 사용량
  • 기업: 파일 시스템 확인 → 도구 호출 → 테스트 → 재검증 → 에이전트형 자동화 → 훨씬 높은 토큰 소비

본부장은 "기업에서 쓰는 AI는 단순히 앱을 한 번 만들어보는 수준이 아니다"라고 지적했다.

토큰 비용 제한의 딜레마

토큰 비용을 줄이기 위해 무조건 사용량을 제한하면 개발자에게 또 다른 압박이 된다는 우려도 제기됐다. 이 본부장은 "복잡한 기업 업무에서는 토큰 예산이 단순한 비용 변수가 아니라 성능 변수로 작동한다"고 설명했다.

즉, 토큰 사용을 무조건 제한하면 AI의 성능 자체가 떨어지는 모순이 생긴다.

결론

2026년 기업의 AI 전환(AX) 경쟁력은 더 이상 최신 모델 도입 속도가 아니라 토큰 비용을 감당할 수 있는 운영 체계와 효율적 인프라 설계에서 결정된다.

다음 단계:
- 부서별·업무별로 필요한 모델과 토큰 예산을 사전에 분석하기
- 단순 사용량 제한이 아닌 비용-성능 균형점을 찾는 거버넌스 구축하기
- 에이전트형 AI 업무부터 토큰 효율성 모니터링 시작하기