우버의 AI 전략 대전환: '토큰맥싱(Tokenmaxxing)'에서 '에이전틱 포드(Agentic Pods)'로

2026년 5월, 우버의 COO 앤드루 맥도널드(Andrew Macdonald)는 Business Insider와의 인터뷰에서 업계를 주목시키는 발언을 했다. 그는 회사가 AI 지출이 실제 비즈니스 성과로 이어지는지 명확히 증명하지 못한 채 막대한 비용을 소진하고 있다고 밝혔다 . 불과 몇 주 전, 우버는 2026년 AI 코딩 도구 예산 전체를 4개월도 안 돼 소진한 사실이 알려졌다 . 우버 내부에서는 이 현상을 '토큰맥싱(Tokenmaxxing)'이라고 불렀다. 이는 AI 토큰 사용량 자체를 진전의 척도로 삼는 행위를 의미한다 .

두 달 후, 우버의 CTO 프라빈 네팔리 나가(Praveen Neppalli Naga)는 완전히 다른 접근법을 공개했다. 그 결과는 놀라웠다. 재무 기획 과정이 15시간에서 30분으로, 보고서 작성이 2일에서 10분으로 단축되면서, 이 사례는 올해 가장 주목받는 기업 AI 도입 사례 중 하나가 되었다 . 이제 우버가 어떻게 '에이전틱 포드'를 운영하는지, 그리고 이것이 회사의 AI 사고 방식을 어떻게 근본적으로 바꾸었는지 자세히 살펴보자.

에이전틱 포드(Agentic Pods)란?

에이전틱 포드는 2인 1조로 구성된 소규모 팀이다. AI에 능숙한 엔지니어 1명과 특정 업무 부서(재무, 법무, 마케팅 등)의 현업 전문가 1명이 짝을 이룬다. 이 팀에게는 2주라는 짧은 기간이 주어지며, 이 기간 동안 특정 수동 업무 프로세스를 관찰하고 AI 에이전트로 재구축하는 것이 임무다 . 나가 CTO는 2026년 중반 이 프로그램을 시작했으며, 약 30개의 포드를 구성해 2개월 동안 재무, 법무, 마케팅, 인사, 고객 지원, 조달 등 16개 비즈니스 기능 부서에 투입했다 .

정확한 10일 실행 플레이북

나가 CTO는 2026년 7월 7일 자신의 LinkedIn 계정에 이 작업의 정확한 워크플로우를 공개했다 :

• 1~2일차: 엔지니어가 현업 전문가를 밀착 관찰하며 실제 업무의 모든 단계를 파악한다.
• 3일차: 포드 팀이 자동화할 가장 영향력이 큰 작업의 우선순위를 정한다.
• 4~9일차: 두 사람이 협력하여 AI 에이전트를 구축하고, 현업 전문가 동료들의 검증을 받는다.
• 10일차: 완성된 AI 에이전트를 실제 운영 환경에 배포한다.

엄격한 마감일은 우연이 아니다. 이는 팀이 무한정 제품을 다듬기보다는 실제로 작동하는 무언가를 내놓도록 강제한다 . 나가 CTO는 "AI를 값비싼 실험으로 다루는 것을 멈추고, 복잡한 수동 업무 프로세스를 재설계하는 도구로 사용하는 것"이 목표라고 설명했다 .

측정된 생산성 향상

여러 매체를 통해 보도된 우버의 내부 데이터에 따르면, 그 결과는 다음과 같다 :

업무 프로세스	개선 전	개선 후	단축 시간
자본 배분 분석 (150개 도시 대상)	15시간	30분	30배
재무 페이싱 보고서 작성	2일	10분	약 288배
마케팅 웹 품질 보증	2주	약 50분	약 400배

이는 핵심 업무 프로세스의 처리 시간을 30배에서 최대 400배까지 단축한 것이다. 나가 CTO는 또한 9,000개의 수동 지원 업무 워크플로우가 셀프 서비스 방식으로 전환되었다고 보고했다 .

'토큰맥싱(Tokenmaxxing)'에서 '목표 지향적 자동화(Targeted Automation)'로

이전 전략, 즉 '토큰맥싱'은 엄청난 지출을 수반하는 접근법이었다. 우버의 약 5,000명 엔지니어 중 거의 95%가 클로드 코드(Claude Code)나 커서(Cursor)와 같은 AI 코딩 도구를 매일 사용했지만 , 회사는 이렇게 소비된 토큰의 양을 측정 가능한 비즈니스 성과와 연결 지을 수 없었다. 2026년 5월, 맥도널드 COO는 Business Insider와의 인터뷰에서 "토큰 사용량과 생산성 사이의 연결고리가 아직 없다"며 AI 지출을 정당화하기가 점점 더 어려워지고 있다고 말했다 . 더 많은 토큰을 사용한다고 해서 고객을 위한 제품이 비례적으로 개선되지는 않았던 것이다 .

두 전략의 주요 차이점은 다음과 같다:

• 토큰맥싱 시대: 모든 엔지니어에게 AI 코딩 도구를 무차별적으로 제공; 지출은 토큰 사용량으로 측정; 리더십 차원에서 명확한 투자 수익률(ROI)이 확인되지 않음 .
• 에이전틱 포드 시대: 특정 업무 프로세스(워크플로우)를 최우선으로 하는 목표 지향적 접근법; 엔지니어가 엔지니어링 부서가 아닌 현업 부서에 직접 투입; 성과는 구체적인 업무 시간 단축으로 측정 .

포드 구조가 성공한 이유

에이전틱 포드 구조는 토큰맥싱 방식으로는 해결할 수 없었던 두 가지 문제를 해결했다. 첫째, 엔지니어가 무작정 토큰을 쌓기 전에 문제를 처음부터 끝까지 이해하도록 강제했다. 둘째, AI 지출을 '몇 시간 절약', '보고서 작성 시간 단축', '워크플로우 제거'와 같은 측정 가능한 비즈니스 성과에 직접 연결시켰다 .

불과 두 달 만에 16개의 포드가 16개의 비즈니스 기능 부서에서 운영되었다 . 이 모델은 이후 더욱 확대되었다. 나가 CTO에 따르면, 포드 운영 후 우버 엔지니어의 99%가 AI 도구를 사용하고 있지만, 이제는 그 사용이 회사가 추적할 수 있는 비즈니스 성과를 내도록 보장하는 프레임워크가 갖춰졌다 .