Forbes AI & LLM

AI Costs More Than The People It Replaced - Forbes

2026년 7월 2일 오후 04:21 원문 보기

AI Economics Benchmark AI Tech Bubble Inference Cost

📝 한국어 요약

현재 테크 산업은 인적 자원을 감축하며 AI 투자를 늘리고 있으나, 실제 AI 운영 비용이 대체된 인력의 인건비보다 높은 역설적 상황에 직면해 있습니다. 무분별한 토큰 소비를 장려하는 'Tokenmaxxing' 문화와 보조금 기반의 낮은 추론(Inference) 비용이 만들어낸 거품이 시장의 건전성을 위협하며 강력한 시장 조정기를 예고하고 있습니다.

🧠 기술적 의미

Uber의 경우 2026년 AI 코딩 예산의 84%가 Claude Code 도입으로 인해 4개월 만에 소진되었으며, 전체 코드의 70%가 AI 생성물로 채워지는 등 토큰 소비량과 실질적 기능 배포(Feature shipping) 간의 상관관계가 불분명한 상태입니다. 현재 기업용 AI 사용의 95%가 과도하게 높은 비용의 Frontier Model(최첨단 모델)에 집중되어 있으며, 이는 모델의 성능 최적화보다는 단순 소비 위주의 아키텍처를 형성하고 있습니다. 또한, AI 도입 이후 코드 체인지(Code churn, 추가 대비 삭제된 코드 비율)가 800% 증가하는 등 무분별한 코드 생성이 오히려 기술적 부채를 가중시키고 있습니다.

🔑 핵심 포인트

• 인적 자원 감축을 통한 AI 재배치 전략이 경제적 타당성 부족(MIT 연구 결과, AI 자동화의 경제적 효용은 전체 역할의 23%에 불과)으로 인해 위기에 직면했습니다.
• 현재의 낮은 추론 비용은 OpenAI와 Anthropic 등이 VC 자금을 투입해 손실을 감수하며 시장 점유율을 확보하는 보조금 모델에 기반하고 있어, 가격 정상화 시 막대한 비용 충격이 예상됩니다.
• 소프트웨어의 가치가 UI/UX 디자인에서 도메인 로직(Domain Logic)과 전문 지식으로 이동함에 따라, 단순 생성형 AI 모델을 활용한 수평적 SaaS 기업들의 밸류에이션 하락이 가속화되고 있습니다.
• 생산성 지표가 아닌 토큰 소비량 자체를 성과로 측정하는 'Tokenmaxxing' 문화가 무의미한 연산 낭비와 기술적 비효율을 초래하고 있습니다.