Date: 2026-06-11 Topic: AI Primary source: Business Insider
Business Insider는 2026년 6월 10일, 기업들이 생성형 AI 사용을 무제한 확장하던 분위기에서 벗어나 사용량과 비용을 세밀하게 관리하는 단계로 들어섰다고 보도했다. 보도에 따르면 Coinbase, Salesforce, Walmart, Amazon, Uber 등은 AI 코딩 도구와 업무용 AI 사용이 빠르게 늘면서 토큰 비용, 내부 예산, 성과 측정 방식을 다시 점검하고 있다.
변화의 배경에는 가격 구조 전환이 있다. GitHub는 2026년 6월 1일부터 Copilot을 사용량 기반 과금으로 옮겼고, OpenAI와 Anthropic도 토큰 사용량, 캐싱, 느린 처리 옵션, 마켓플레이스형 과금 같은 비용 관리 방식을 더 전면에 내세우고 있다. AI가 실험용 도구에서 일상 업무 인프라로 들어오면서, 기업의 질문은 “얼마나 많이 쓰게 할 것인가”에서 “어떤 업무에 어떤 모델을 어느 비용 한도 안에서 쓸 것인가”로 바뀌고 있다.
What Happened
Business Insider 보도는 2026년 상반기 기업 AI 도입의 초점이 빠른 확산에서 비용 통제로 이동하고 있다고 설명한다. 특히 AI 코딩 도구가 긴 작업을 자율적으로 수행하면서, 과거의 정액제나 느슨한 사용 한도로는 실제 컴퓨팅 비용을 감당하기 어려워졌다는 점이 핵심이다.
공식 발표로 확인되는 가장 뚜렷한 변화는 GitHub Copilot이다. GitHub는 2026년 4월 27일 공지에서 모든 Copilot 플랜이 6월 1일부터 GitHub AI Credits를 쓰는 사용량 기반 과금으로 전환된다고 밝혔다. 기존에는 프리미엄 요청 수가 중요한 기준이었지만, 새 방식은 입력 토큰, 출력 토큰, 캐시된 토큰을 포함한 실제 토큰 사용량을 기준으로 크레딧을 차감한다.
Key Details
- GitHub는 Copilot Pro, Pro+, Business, Enterprise의 기본 월 구독료는 유지하되, 각 플랜에 월별 AI Credits를 포함시키고 초과 사용은 예산 통제나 추가 과금으로 관리하도록 바꿨다.
- GitHub는 짧은 질문과 여러 시간 동안 이어지는 자율 코딩 작업이 같은 비용으로 취급되던 기존 구조가 더 이상 지속 가능하지 않다고 설명했다.
- Business Insider는 Coinbase가 직원 역할과 직급에 따라 주간 AI 비용 한도를 두고 있으며, 대규모 코드 분석 같은 작업은 한 번에 수만 달러가 들 수 있다는 내부 사례를 전했다.
- 같은 보도에서 Walmart는 내부 프로그래밍 도구 사용량을 제한했고, Amazon은 내부 토큰 사용 경쟁 성격의 지표를 중단했으며, Uber는 이미 연간 AI 예산을 빠르게 소진한 사례로 언급됐다.
- OpenAI 문서는 비용 최적화 방법으로 요청 수 줄이기, 입력 토큰 최소화, 더 작은 모델 선택, Flex processing 같은 저비용·저우선순위 처리 방식을 제시한다.
- Anthropic의 Claude API 문서는 일부 마켓플레이스 과금에서 토큰 사용액을 Claude Consumption Units로 환산해 청구하는 구조를 설명한다.
| Actor | 확인된 변화 | 의미 |
|---|---|---|
| GitHub | Copilot을 AI Credits 기반 사용량 과금으로 전환 | AI 코딩 작업의 길이와 모델 선택이 비용에 직접 연결 |
| OpenAI | 비용 최적화와 Flex processing 안내 | 빠른 응답이 필요 없는 작업은 더 싸게 처리하는 선택지 확대 |
| Anthropic | 토큰 사용액을 기준으로 한 API·마켓플레이스 과금 구조 안내 | 기업 구매 채널에서도 사용량 가시성이 중요해짐 |
| 기업 고객 | 예산 한도, 모델 라우팅, 내부 성과 측정 도입 | AI 사용 자체보다 업무별 ROI가 판단 기준으로 이동 |
Background
토큰은 AI 모델이 읽고 쓰는 텍스트 단위다. 사용자가 긴 문서를 넣거나, 모델이 긴 답변을 만들거나, 에이전트가 여러 번 파일을 읽고 수정하면 토큰 사용량이 늘어난다. 일반 챗봇 대화에서는 비용이 작아 보여도, 코드베이스 전체를 분석하거나 여러 에이전트를 병렬로 돌리는 업무에서는 비용이 빠르게 커질 수 있다.
이 문제는 AI 코딩 도구에서 더 잘 드러난다. 단순 자동완성은 짧고 반복적인 작업이지만, 최근의 에이전트형 도구는 저장소를 훑고, 테스트를 실행하고, 실패 원인을 다시 분석하며, 여러 차례 수정안을 낸다. 사용자 입장에서는 “작업 하나”처럼 보여도 서비스 제공자 입장에서는 많은 모델 호출과 긴 컨텍스트 처리가 쌓인다.
그래서 공급자는 무제한에 가까운 경험을 계속 제공하기 어렵고, 기업 고객은 비용을 회계 처리할 수 있는 단위로 나누려 한다. 모델 성능만 보는 단계에서 벗어나, 같은 문제를 더 작은 모델로 풀 수 있는지, 캐시를 활용할 수 있는지, 비긴급 작업을 느린 처리로 돌릴 수 있는지가 운영 기준이 된다.
Core Lens
이번 변화는 AI 열기가 식었다는 신호라기보다, AI가 실제 비용을 가진 업무 인프라로 편입되고 있다는 신호에 가깝다.
What It Means
가장 큰 변화는 AI 도입의 성공 기준이 사용량 증가에서 비용 대비 결과로 이동한다는 점이다. 2023~2025년의 많은 조직은 “직원이 AI를 쓰게 만드는 것”을 목표로 삼았다. 2026년에는 같은 질문이 더 까다로워진다. 어떤 팀이 어떤 모델을 써서 어떤 산출물을 만들었고, 그 비용이 기존 방식보다 낫다는 것을 보여줘야 한다.
개발자에게도 습관 변화가 생긴다. 거대한 요구사항을 한 번에 에이전트에게 던지는 방식은 편하지만, 토큰 비용과 실패 비용을 함께 키운다. 앞으로는 작업을 작게 나누고, 먼저 계획을 검토하고, 고성능 모델은 어려운 판단이나 복잡한 수정에 집중시키는 사용법이 더 중요해질 가능성이 높다.
기업 입장에서는 중앙 통제가 너무 강하면 생산성이 떨어질 수 있고, 통제가 너무 약하면 예산이 빠르게 새어 나간다. 따라서 단순 차단보다 예산 알림, 팀별 한도, 모델별 라우팅, 캐시 재사용, 내부 교육을 함께 설계하는 쪽이 현실적이다.
What To Watch
앞으로 확인할 부분은 세 가지다.
- GitHub의 사용량 기반 Copilot 과금이 실제 개발팀 비용을 얼마나 바꾸는지
- OpenAI, Anthropic, Google, xAI 등 모델 제공사가 더 싼 지연 처리나 캐싱 옵션을 얼마나 확대하는지
- 기업들이 AI 사용량이 아니라 실제 코드 품질, 출시 속도, 고객 지원 효율 같은 성과 지표로 비용을 정당화할 수 있는지
AI 비용 논쟁은 단순한 가격 인상 이슈로 끝나지 않을 가능성이 크다. 더 강한 모델이 나올수록 한 번의 작업에 쓰이는 컨텍스트와 계산량은 늘어날 수밖에 없다. 결국 기업 AI 운영의 성숙도는 “최신 모델을 얼마나 빨리 도입했는가”보다 “비싼 모델을 필요한 곳에만 쓰도록 설계했는가”에서 갈릴 것이다.