[AI 토큰 청구서①] AI 토큰, 새 원가가 되다…‘비용’보다 ‘운영...

월정액부터 억대 지출까지…생성형 AI 확산에 비용관리·인재전략도 재편생성형 AI는 국내 SW기업의 개발 방식뿐 아니라 원가 구조와 인재 기준까지 바꾸고 있다. <디지털데일리>는 국내 주요 SW기업 답변을 바탕으로 AI 토큰 지출 규모, 비용 효율화, R&D 투자 판단, 채용 트렌드의 변화를 짚었다. 이번 기획을 통해 ‘AI를 쓰는 기업’과 ‘AI를 운영하는 기업’의 격차가 어디서 벌어질지 진단해본다. <편집자>2026년 전 세계 핀테크 기업 및 전통 금융 기관의 인공지능(AI) 연간 지출액 [자료=스태티스타][디지털데일리 이상일기자] 국내 소프트웨어 기업들의 AI 활용이 실험 단계를 지나 일상 업무와 제품 개발 영역으로 빠르게 확산하고 있다. 지금까지 AI 도입 논의가 “어떤 모델을 쓸 것인가”에 집중됐다면 이제 기업 현장에서는 “얼마나 쓰고, 어떻게 통제하며, 어떤 인재가 이를 운영할 것인가”가 핵심 질문으로 떠오르고 있다.<디지털데일리>는 국내 SW 및 IT서비스, AI 스타트업을 대상으로 AI를 활용한 개발에 필수적인 토큰 사용량에 대한 설문 조사를 진행했다. 저마다 공개 가능한 범위가 다르긴 했지만 공통적인 변화는 AI 토큰 비용이 더 이상 일부 개발자의 개인 생산성 도구 비용에 머물지 않는다는 점이다. 일부 기업은 여전히 월정액이나 개인 유료 플랜 수준에서 AI를 활용하고 있지만 전사적으로 AI 도구를 개방한 기업에서는 월 수천만원에서 수억원대 비용까지 발생하고 있다.예를 들어 웹케시그룹은 월평균 AI 토큰 비용이 약 1억5000만~2억원 수준이며 전년 대비 3144% 증가했다고 밝혔다. 개발 부서를 넘어 경영지원·관리 부서까지 AI 도구를 쓰기 시작하면서 토큰 소비가 급증했다는 설명이다.다만 기업들은 이를 단순한 비용 부담으로만 보지는 않고 있다. 상당수 기업은 AI 토큰과 인프라 지출을 R&D 투자, 생산성 투자, 전사 AX 전환 비용으로 인식하고 있다. 웹케시그룹은 7월 말까지 임직원의 AI 활용에 사실상 제한을 두지 않고, 이후 사용량 통제 시스템을 도입하는 방식의 단계적 전략을 제시했다. 먼저 충분히 쓰게 해 조직의 AI 활용 역량을 끌어올린 뒤, 효율화를 추진하겠다는 접근이다.반대편에서는 비용 관리 체계도 빠르게 고도화되고 있다. 프롬프트 경량화나 캐싱처럼 비교적 기본적인 방법을 넘어, 사내 LLM 호출을 단일 게이트웨이로 통합하고, 업무 난이도에 따라 적정 모델로 라우팅하거나, 장애 시 대체 모델로 연결하는 구조까지 등장했다.한컴은 통합 LLM Gateway를 통해 사용량과 비용 가시성을 확보하고, 모델 라우팅·폴백·프롬프트 표준화·캐싱을 결합하는 방식을 설명했다. 엔디에스(NDS) 역시 LiteLLM 기반 게이트웨이를 통해 비용 모니터링, 토큰 제어, 캐싱을 통합 적용하려 하고 있다.AI 토큰 비용 증가는 인프라 전략에도 영향을 주고 있다. 일부 기업은 대용량 토큰이 필요한 작업을 자체 GPU에서 수행하거나 도메인 특화 경량 모델을 활용하고 있다. 또 오픈소스 모델, 온프레미스 vLLM, 오픈웨이트 모델 등을 검토하는 사례도 나왔다. 이는 단순히 API 비용을 줄이기 위한 선택만은 아니다. 폐쇄망 환경, 데이터 주권, 보안 요건까지 함께 고려한 결과다.채용 시장에서도 변화가 감지된다. 기업들이 찾는 인재상은 “AI 도구를 써본 개발자”에 그치지 않는다. 문제를 정의하고 적절한 모델과 워크플로우를 설계하며 AI를 활용해 실제 업무 성과를 내는 능력이 중요해지고 있다.웹케시그룹은 기존 개발자가 AX 컨트롤러로 전환돼야 한다는 관점을 제시했고 보안기업 S2W는 단순 코딩 개발자보다 문제 정의부터 구현까지 수행하는 FDE 성격의 개발자를 찾고 있다고 답했다. 엔디에스와 사이냅소프트는 AI 도구 활용 경험, LLM 기반 서비스 개발 경험, 비용 최적화 감각 등을 평가 요소로 언급했다.흥미로운 점은 기업들이 AI 비용 최적화를 말하면서도 무조건적인 절감을 목표로 삼지는 않는다는 점이다. 익명을 요청한 한 AI 데이터 기업은 비용 절감보다 사용 효율성과 생산성 극대화에 초점을 맞추고 있다고 설명했다. AI 사용량 제한이 오히려 생산성의 병목이 될 수 있다는 판단에서 더 높은 요금제를 지원한 사례도 있었다. 반면 크라우드웍스는 목적이 불분명한 반복 실험이 비용을 키울 수 있다며 기업별 거버넌스의 필요성을 강조했다.결국 AI 토큰 비용은 기업의 새로운 “AI 청구서”이자 “AI 운영 성숙도”를 보여주는 지표가 되고 있다. 지금 당장은 상당수 기업이 이를 경영 실적을 흔드는 부담으로 보지 않는 것으로 보인다.그러나 AI가 개발, 문서 작성, 검색, 고객 프로젝트, 내부 자동화로 확산될수록 토큰 사용량은 더 이상 방치할 수 없는 관리 항목이 된다. 클라우드 비용 관리가 핀옵스(FinOps)라는 운영 체계를 불러왔듯 생성형 AI 확산은 AI FinOps와 LLM 거버넌스라는 새로운 과제를 제시하고 있다.국내 SW업계의 경쟁은 이제 모델 도입 여부가 아니라, AI를 얼마나 빠르게 조직에 스며들게 하고 얼마나 정교하게 비용과 성과를 관리하느냐로 옮겨가고 있다. AI 토큰은 기업이 AI를 실제 업무와 제품 경쟁력으로 전환하고 있는지를 보여주는 가장 현실적인 지표가 되고 있다.