우버 내부에서 AI 사용량이 빠르게 늘어났지만, 토큰 소비가 실제 제품 기능 증가로 이어졌는지는 아직 뚜렷하지 않다는 문제 제기가 나왔습니다. 이 사례는 “AI를 많이 쓰는가”보다 “비용을 어떤 결과 지표와 연결할 수 있는가”가 더 중요해지고 있음을 보여줍니다.

핵심 요약

  • The Verge는 우버가 2026년이 시작된 지 약 4개월 만에 연간 AI 예산을 소진한 뒤 투자 대비 효과를 다시 따져보고 있다고 보도했습니다.
  • 우버 사장 겸 COO 앤드루 맥도널드는 Rapid Response 인터뷰에서 Claude Code 토큰 소비 증가와 “소비자에게 유용한 기능” 증가 사이의 연결이 아직 명확하지 않다고 말했습니다.
  • 우버는 2025년 연구개발에 34억 달러를 썼고, 이는 전년보다 9% 늘어난 규모라고 The Verge는 전했습니다.
  • AI 비용을 인력 비용 절감으로만 설명하면 위험합니다. 토큰 사용량, 기능 출시, 품질, 고객 영향, 보안 리스크를 같은 표에서 추적해야 합니다.

무엇이 바뀌었나

The Verge 보도에 따르면 우버의 질문은 “AI를 쓸 것인가”가 아니라 “AI 사용량 증가를 어떤 성과로 증명할 것인가”에 가깝습니다. 맥도널드는 Claude Code 같은 도구의 토큰 소비가 빠르게 늘고 있지만, 그것이 실제로 더 많은 유용한 소비자 기능으로 이어진다고 선을 긋기는 어렵다고 설명했습니다. 내부 지표가 “천문학적인 방향”으로 움직여도, 그 지표가 곧바로 제품 가치와 같지는 않다는 취지입니다.

이 발언이 중요한 이유는 기업의 AI 운영비가 이제 실험비 수준을 넘어섰기 때문입니다. 모델 호출, 코드 에이전트, 개발자 보조 도구는 사용하기 쉬운 만큼 비용도 조용히 누적됩니다. 특히 토큰 기반 과금은 사람 수처럼 직관적으로 보이지 않아, 누가 어떤 업무에서 얼마를 쓰고 어떤 결과를 얻었는지 추적하지 않으면 예산 논의가 늦게 시작됩니다.

AI 비용 논의가 달라지는 지점

우버 사례에서 가장 눈에 띄는 대목은 토큰 소비와 헤드카운드를 같은 대화 안에 놓기 시작했다는 점입니다. The Verge는 앞서 우버 CEO 다라 코스로샤히가 늘어나는 AI 투자를 상쇄하기 위해 인력 채용을 줄이고 있다고 말했다고 전했습니다. 맥도널드 역시 “토큰 소비와 관련 비용 대 헤드카운드”를 이야기해야 한다고 언급했습니다.

다만 이 비교는 조심해야 합니다. AI 도구가 반복 작업을 줄일 수는 있지만, 그 결과가 자동으로 좋은 제품이나 안정적인 운영으로 바뀌지는 않습니다. 코드 생성량이 늘어도 리뷰 부담이 커질 수 있고, 기능 출시 속도가 빨라져도 장애·보안·고객지원 비용이 함께 증가할 수 있습니다. 따라서 AI 예산은 단순한 사용량 합계가 아니라 결과와 품질을 함께 보는 운영 지표로 관리해야 합니다.

실사용·운영 기준

항목 확인할 질문 실무 기준
비용 토큰·좌석·API 비용이 팀/제품/프로젝트 단위로 분리되는가? 월말 합산이 아니라 기능 단위 비용을 볼 수 있어야 합니다.
성과 사용량 증가가 실제 출시 기능, 해결된 버그, 줄어든 리드타임으로 연결되는가? “AI 사용 횟수”는 보조 지표이고, 결과 지표를 따로 둬야 합니다.
품질 생성 코드나 자동 제안 때문에 리뷰 시간, 롤백, 장애 대응이 늘지 않는가? 속도와 결함률을 함께 기록해야 비용 절감 여부를 판단할 수 있습니다.
권한 에이전트가 어떤 저장소, 문서, 고객 데이터에 접근하는가? 읽기/쓰기 권한, 로그 보존, 민감정보 전송 범위를 제한해야 합니다.
책임 AI 비용 초과를 누가 보고 멈출 수 있는가? 예산 알림, 사용량 상한, 예외 승인 절차가 필요합니다.

작은 파일럿으로 확인하기

  1. 한 업무 흐름만 고릅니다. 예를 들어 버그 수정, 테스트 작성, 문서 요약, 고객 문의 분류처럼 시작과 끝이 분명한 작업을 선택합니다.
  2. 비교 기간을 둡니다. AI 도구를 쓰지 않은 2주와 도구를 쓴 2주를 나누고, 처리 건수·리드타임·리뷰 시간·재작업률을 같은 방식으로 기록합니다.
  3. 비용을 작업 단위로 나눕니다. 전체 토큰 비용만 보면 판단이 어렵습니다. 해결된 티켓 1건, 머지된 PR 1건, 문서 1건당 비용으로 환산해야 합니다.
  4. 중지 기준을 정합니다. 비용이 일정 비율을 넘거나, 리뷰 시간이 줄지 않거나, 보안 예외가 반복되면 자동 확산을 멈추도록 합니다.

결론

우버의 발언은 AI 도입 자체를 부정하는 신호라기보다, AI 지출을 더 엄격하게 설명해야 하는 단계에 들어섰다는 신호에 가깝습니다. Claude Code 같은 도구의 토큰 소비가 늘어나는 것은 사용성이 좋아졌다는 증거일 수 있지만, 그것만으로 생산성이 개선됐다고 말하기는 어렵습니다. 팀이 실제로 봐야 할 것은 “얼마나 많이 호출했는가”가 아니라 “그 호출이 어떤 제품 결과와 비용 구조를 만들었는가”입니다.

개인 개발자나 작은 팀도 같은 원칙을 적용할 수 있습니다. AI 도구를 끄라는 이야기가 아니라, 도구별 예산·권한·결과 지표를 먼저 정하라는 뜻입니다. 이 기준이 있어야 좋은 도구는 더 넓게 쓰고, 비용만 커지는 사용 패턴은 빠르게 줄일 수 있습니다.

출처와 검증