우버의 AI 예산 대참사: 토큰 소비 경쟁이 부른 재앙과 실종된 투자 수익

예산이 고갈된 속도는 충격적이었다. 우버는 2025년 말 클로드 코드를 도입하고 개발자들의 토큰 사용량을 기준으로 순위를 매기는 사내 리더보드를 통해 적극적으로 사용을 장려했다 . 2월까지 클로드 코드 사용량은 거의 두 배로 증가했다. 3월에는 우버 개발자의 84%가 에이전트 코딩 사용자로 분류되었고, IDE 기반 도구 내 코드의 65~72%가 AI에 의해 생성되고 있었다 . 우버의 사내 AI 코딩 에이전트는 현재 매주 약 1,800건의 코드 변경을 생성하고 있다 . 회사는 사실상 최대 토큰 사용을 게임처럼 부추겼고, 그 결과는 의도했던 그대로였다.

완전히 틀어진 예산 책정 모델

근본 원인은 단순한 열정 과잉이 아니었다. 우버는 지난 20년간 소프트웨어 라이선스 구매에서 잘 작동했던 좌석당 구독(SaaS) 방식의 예산 모델을 적용한 것이었다 . 하지만 생성형 AI 과금은 근본적으로 다른 원리로 작동한다. 처리하는 모든 토큰에 비용이 발생하며, 청구서는 도구를 얼마나 많은 사람이 사용하는지가 아니라 얼마나 집중적으로 사용하는지에 따라 늘어난다. 가트너는 에이전트 워크플로우가 단순 챗봇 상호작용보다 작업당 5배에서 30배 더 많은 토큰을 소모하므로, 기존 예측 방식으로는 도저히 따라잡을 수 없는 비용 곡선을 만든다고 지적한다 .

우버는 비용만 측정했을 뿐, 얻은 것은 측정하지 않았다. 엔지니어당 얼마나 많은 시간이 절약되었는가? 얼마나 많은 버그가 사전에 방지되었는가? 매출이나 승객 경험에 어떤 변화가 있었는가? 회사는 이러한 질문에 대한 명확한 답을 가지고 있지 않았다 .

COO가 칼을 빼 들다

2026년 5월, 우버의 운영 총괄 앤드류 맥도널드는 비즈니스 인사이더(Business Insider)와의 인터뷰에서 이러한 긴장 관계를 명확히 드러냈다. 맥도널드는 수석 엔지니어링 리더들과의 면담 후 회사가 '토큰맥싱'에 지출하는 돈을 "정당화하기가 점점 더 어려워지고 있다"고 말했다 . 그는 높은 토큰 사용량이 유용한 소비자 기능의 비례적인 증가로 이어지지 않는다고 지적하며 이렇게 반문했다. "그 연결고리는 아직 존재하지 않습니다. 맞습니까? 아마 묵시적으로 더 많은 것이 출시되고 있을지는 모르지만, 그런 통계 수치와 '좋아, 이제 사업이 더 빨리 움직이네'라고 말할 수 있는 지점 사이에 직결된 선을 긋는 것은 매우 어렵습니다." .

CTO 자신도 회사가 AI 비용 관리에 대해 "처음부터 다시 시작해야 하는 상황"이라고 인정했다 . 이러한 내부 역학은 전형적인 인센티브 불일치를 드러낸다. 경영진은 도구 도입을 리더보드, 공개 순위, CTO의 독려 등을 통해 공격적으로 밀어붙였고, 그 결과 제한 없는 토큰 소비가 자연스러운 통제 장치 없이 감당할 수 없는 비용을 초래한다는 것을 나중에 발견한 것이다 . 엔지니어들은 보상을 많이 받을수록 이성적으로 도구를 더 많이 사용했다. 이제 회사는 그러한 소비가 마진, 승객 경험, 수익에 실질적인 영향을 미치는지 이성적으로 의문을 제기하고 있다.

업계 전반으로 퍼지는 패턴

우버만의 문제가 아니다. 마이크로소프트 역시 AI 기반 코딩 도우미가 대체하려던 인건비보다 더 많은 비용이 들 수 있다는 유사한 조사 결과를 보고했다 . 구조적 문제는 기업 전반에 걸쳐 동일하다. 생성형 AI 도구는 토큰 단위로 가격이 책정되고, 그 가치를 분리하여 측정하기 어려우며, 엔지니어링 조직 내부의 인센티브는 최대 효율성이 아닌 최대 소비 쪽으로 밀어붙인다.

가트너가 언급한 에이전트 워크플로우의 5~30배 토큰 배수는 업계 전체에 적용되는 현상이다 . 앤트로픽의 클로드 코드 하나만 해도 2026년 2월까지 연간 환산 매출이 25억 달러에 달했는데, 이는 불과 2025년 11월의 10억 달러에서 급증한 것으로 역사상 가장 빠른 기업용 소프트웨어 성장세다 . 지출은 분명히 증가하고 있다. 그러나 그에 따른 수익은 아직 가시화되지 않았다.

업계가 반드시 풀어야 할 숙제

우버 사례는 그 어떤 대기업도 아직 해결하지 못한 근본적인 과제를 제기한다. 비용이 사용량에 따라 늘어나고, 결과물의 품질은 측정하기 어려우며, 경쟁력을 유지하기 위해 도입을 장려해야만 하고, 그 와중에 CFO(최고재무책임자)가 명확한 손익 영향을 확인해야 하는 기술에 대해 어떻게 예산을 책정할 것인가? 기업들이 토큰 지출을 구체적이고 측정 가능한 비즈니스 결과물과 연결 짓는 거버넌스 모델을 구축하기 전까지, '토큰맥싱' 문제는 우버를 넘어 확산될 것이다. AI의 실제 투자 수익률(ROI)을 토큰 소비량만이 아니라 가치로 측정하고 최적화하는 방법을 알아내는 기업은 그 어떤 리더보드 순위보다 훨씬 더 중요한 경쟁 우위를 확보하게 될 것이다.