AI 시장 약세의 또 다른 측면: OpenAI도 가격 인하를 피할 수 없었다

TL;DR

· 우버 고위 임원은 토큰 소비와 실제 제품 개선 간의 연결고리가 "아직 존재하지 않는다"고 직설적으로 말했다. 오픈AI 역시 기업의 AI 비용이 점점 더 현실적인 문제가 되고 있음을 인정했다.

· AI 수요는 사라지지 않았지만, 기업들은 시범 사용에서 ROI 감사로 전환하기 시작했으며, 모델 제공업체들은 가격 인하를 논의하기 시작했다. 클라우드, GPU 및 데이터센터의 성장 탄력성은 재검증이 필요하다.

· 관련 종목: NVDA, MSFT, AMZN, GOOG, MU, AVGO, AMD, TSM, ARM, ORCL.

두 달 연속 상승하던 AI 미국 주식 시장이 최근 약세로 돌아서며 조정을 받고 있으며, 시장도 표면적인 원인을 찾기 시작했다.

금리, 밸류에이션 과밀, 실적 변동성 등으로 이번 조정을 설명할 수 있지만, 시장은 더 근본적인 가정을 감사하고 있다: 기업이 더 많은 토큰을 소비하는 것이 반드시 더 많은 수익, 효율성 및 이익으로 이어질 것인가?

지난 2년 동안 AI 거래에는 매우 순조로운 연결고리가 있었다. 기업들이 AI를 대량으로 사용하면서 토큰(모델이 텍스트를 처리하는 측정 단위) 소비가 증가하고, 모델 제공업체의 수익이 성장하며, 클라우드 업체는 더 많은 컴퓨팅 파워를 판매하고, GPU, HBM(고대역폭 메모리), 서버, 데이터센터 및 전력 수요가 계속 확장되었다. 토큰 사용량이 계속 증가하기만 하면, 시장은 이를 AI 도입 가속화로 이해하고 상류 하드웨어와 자본 지출에 더 높은 밸류에이션을 부여할 수 있었다.

하지만 최근 나타난 변화는 모델 공급업체 스스로도 비용 문제를 논의하기 시작했다는 점이다.

월스트리트저널 보도에 따르면, 오픈AI는 기업의 예산 압박과 Anthropic 등 경쟁사의 도전에 대응하기 위해 모델 호출 가격을 추가로 인하하는 방안을 연구 중이다. 동시에 오픈AI CEO 샘 알트만은 최근 공개적으로 점점 더 많은 기업이 AI 비용을 중요한 문제로 간주하기 시작했으며, 일부 고객은 1분기에 이미 연간 계획된 AI 예산을 모두 소진했다고 밝혔다.

이 사건 자체만으로 업계 구도를 바꾸기에는 충분하지 않을 수 있지만, 주목할 만한 신호를 보내고 있다: 시장이 논의하는 것은 더 이상 모델 성능뿐만 아니라 비용, 가격 책정 및 투자 수익률이다.

현재 흔들리고 있는 것은 "기업이 AI를 사용할지 말지"가 아니라 "기업이 계속해서 높은 가격의 토큰을 무조건 지불할 의향이 있는지"이다.

우버의 사장 겸 COO 앤드류 맥도날드는 팟캐스트에서 토큰 소비 증가와 "유용한 소비자 기능" 간의 연결고리가 "아직 존재하지 않는다"고 말했다. 이 발언은 판매자, 투자은행 또는 모델 스타트업이 아닌 구매자 측에서 나온 것이다.

과거 시장이 '사용량이 곧 성공'이라고 믿었다면, 이제는 두 번째 단계에 접어들었습니다. 토큰이 결국 수익 증가, 인건비 절감 또는 이익률 개선으로 이어질 수 있을까 하는 문제입니다. 이 질문이 재무 부서에서 체계적으로 제기되면, AI 산업 체인의 평가 언어는 '무한한 수요'에서 '수익 검증'으로 전환됩니다.

Uber의 높은 채택률, 예산 압박 드러내

Uber의 사례는 주목할 만합니다. AI를 이해하지 못하거나 사용을 꺼려서가 아니라, 정반대입니다. Uber 내부에서 AI 코딩 도구의 채택률은 매우 높았습니다. 여러 매체에 따르면, 회사의 약 5,000명 엔지니어 중 월 사용률이 한때 84%에서 95%에 달했으며, 엔지니어 개인별 월 청구액은 수백 달러에서 2,000달러까지 다양했습니다.

문제는 바로 여기에 있습니다. 사용률이 충분히 높아지면, 청구서는 더 이상 혁신 부서의 소규모 실험 비용이 아니라 운영 부서가 설명해야 할 실제 비용이 됩니다. 회사 CTO가 이전에 밝힌 바에 따르면, Uber의 연간 Claude Code 예산은 4개월 만에 소진되었습니다. Macdonald는 이를 '머리가 터질' 순간이라고 표현했습니다.

기업 내부에서 AI 도구는 처음에 '효율성 향상'이라는 명목으로 예산에 포함되는 경우가 많습니다. 엔지니어가 더 빠르게 코드를 생성하고, 고객 서비스가 더 빠르게 질문에 답하며, 운영 팀이 더 빠르게 보고서를 작성하는 등, 이는 모두 쉽게 체감되는 변화입니다.

하지만 사용 규모가 확대되면, 재무 부서는 더 엄격한 질문을 보게 됩니다. 더 많은 수익을 창출했는가? 실제 인건비를 줄였는가? 이익률을 개선했는가?

Macdonald이 언급한 'tokenmaxxing' 현상은 높은 사용량이 높은 가치와 분리될 수 있음을 보여줍니다. 소위 tokenmaxxing은 팀이나 개인이 AI 도구 사용을 극대화하기 위해 토큰을 대량 소비하는 것을 의미합니다. 사용 데이터는 좋아 보일 수 있지만, 반드시 더 나은 제품 결과로 이어지지는 않습니다. AI 서비스 제공자에게는 수익이지만, 기업에게는 통제 불능의 또 다른 클라우드 청구서일 수 있습니다.

Uber의 신호는 일반적인 'AI 도구가 너무 비싸다'는 주장보다 더 주목할 가치가 있습니다.

이는 AI가 쓸모없다는 말이 아니라, AI가 실험 예산에서 운영 예산으로 이동할 때 기업이 모든 토큰 지출 1달러가 측정 가능한 비즈니스 결과를 가져온다는 것을 증명해야 한다는 의미입니다. 높은 채택률은 더 이상 자동으로 성공을 의미하지 않으며, 오히려 비용 구조를 먼저 드러냅니다.

비용 압력, 산업 체인을 따라 전파되기 시작

기업 구매자들이 비용 계산을 시작했고, 플랫폼도 과금 방식을 바꾸고 있다.

GitHub는 2026년 6월 1일부터 Copilot을 사용량 기반 과금 모델로 전환하고, 월간 AI 크레딧(AI 사용 한도)을 도입한다고 발표했다. 가벼운 사용자에게는 단순히 청구 구조 변화일 수 있지만, 에이전트 기능을 자주 사용하는 개발자에게는 일부 헤비 유저들이 단일 세션 비용이 수십 달러에 달할 수 있다고 지적하며 커뮤니티 논의가 뜨거워지고 있다.

이 사건이 의미하는 바는, 플랫폼이 더 이상 무제한 사용 토큰 비용을 고정 구독료에 완전히 포함시키지 않겠다는 것이다.

과거에는 사용자가 월 요금을 내면 플랫폼이 뒤에서 발생하는 모델 호출 비용을 부담했다. 하지만 이제는 에이전트 호출 횟수, 컨텍스트 길이, 다중 작업 증가로 인해 비용 압박이 표면화되기 시작했다. 많이 사용할수록 더 많이 지불하는 구조는 '무한 AI' 서사에 대한 수정이다.

더 주목할 점은, 이러한 압박이 애플리케이션 계층에서 모델 계층으로 전이되고 있다는 것이다.

지난 2년간 대규모 언어 모델 업계의 주류 서사는 비용 절감, 효율성 증대, 규모 확장이었다. 하지만 기업 구매 부서가 ROI 감사를 시작하면서 모델 공급업체도 새로운 문제에 직면했다: 고객이 계속해서 높은 가격의 토큰 비용을 지불하려 하지 않는다면, 성장을 무엇으로 유지할 것인가?

OpenAI가 최근 보낸 신호는 매우 전형적이다. 한편으로는 Sam Altman이 기업 예산이 압박을 받고 있다고 인정했고, 다른 한편으로는 시장에서 OpenAI가 추가 가격 인하 방안을 연구 중이라는 소식이 전해졌다. 이는 업계의 관심이 '모델 성능이 앞서는가'에서 '단위 지능 비용이 충분히 낮은가'로 이동하고 있음을 의미한다.

기업 고객에게 가장 중요한 문제는 더 이상 어떤 모델이 가장 강력한가가 아니라, 동일한 예산 내에서 어떤 모델이 더 많은 비즈니스 결과를 창출할 수 있는가이다.

마이크로소프트가 내부적으로 Claude Code 라이선스를 축소한 것도 같은 방향이다. The Verge, Axios, TechRadar 등의 보도에 따르면, 마이크로소프트 Experiences & Devices 부서는 대부분의 내부 Claude Code 라이선스를 취소하고 자체 Copilot 도구로 전환했다. 구체적인 규모와 이유는 아직 더 많은 공개가 필요하며, 마이크로소프트가 비용 때문에 외부 도구 구매를 줄였다고 단정할 수는 없다.

하지만 이 움직임은 적어도 대형 기술 기업들도 외부 모델 호출 비용을 재분배하고 있음을 시사한다.

AI 산업 체인에 미치는 영향은 특정 도구의 수익이 얼마나 줄었는가가 아니라, 구매자 규율이 상위 계층으로 전파되기 시작했다는 점에 있다. 기업은 한도를 제한하고, 더 저렴한 모델을 선택하며, 일부 작업을 오픈소스나 자체 구축 솔루션으로 전환하거나, 공급업체에 할인을 요구할 수 있다. 모델 제공업체와 애플리케이션 계층 기업은 여전히 수요가 있겠지만, 가격 결정권은 더 이상 '모델이 더 강력한가'에 의해서만 결정되지 않고, '고객이 비용 계산을 통과할 수 있는가'에 의해서도 결정될 것이다.

클라우드 업체들도 영향을 받을 수 있습니다. 과거에는 클라우드 수익에서 AI 부분의 스토리가 강력했습니다. 모델 학습, 추론, 기업 애플리케이션 모두 컴퓨팅 파워가 필요했고, Token 사용량이 많을수록 클라우드 수요는 더 확실해졌습니다. 하지만 기업들이 단위 Token 비용을 낮추기 시작하거나, 빈도는 높지만 가치가 낮은 작업을 더 저렴한 추론 경로로 전환한다면, 클라우드 업체들의 수익 탄력성은 시장의 기존 예상보다 낮아질 수 있습니다.

높은 사용량은 높은 가치를 증명해야 한다

기업들이 이 시점에서 감사를 시작하는 한 가지 이유는 AI 사용이 충분히 큰 샘플 단계에 진입했기 때문에 비효율적인 부분을 더 이상 무시하기 어려워졌기 때문입니다.

Entelligence.AI가 2026년 5월에 발표한 연구는 2,444개 조직과 100만 개 이상의 Pull Request를 분석했습니다. 추산에 따르면, AI Token 비용 1달러당 실제로 사용자에게 도달하는 가치를 창출한 것은 0.18달러에 불과했으며, 0.44달러는 AI가 도입한 버그를 수정하는 데, 0.27달러는 재작업에, 0.11달러는 검토 마찰로 소비되었습니다.

이 데이터를 업계 전체의 결론으로 일반화할 수는 없습니다. 이는 공급업체 자체 연구 페이지에서 나온 것이며, 주로 소프트웨어 엔지니어링 시나리오를 반영한 것으로, 독립적인 감사나 학술 논문이 아닙니다. 하지만 이는 기업 측에서 ROI 감사 압력이 존재한다는 점, 특히 AI 생성 콘텐츠에 인간의 검토, 수정 및 통합이 필요한 시나리오에서 그러하다는 점을 설명하기에 충분합니다.

AI 도구가 가장 쉽게 보여주는 것은 생성 속도이지만, 기업이 실제로 비용을 지불하는 것은 전달 가능한 결과물입니다. AI가 생성한 코드가 더 많은 버그를 초래하고, 이후 더 많은 검토, 재작업 및 테스트가 필요하다면, 프런트엔드에서 절약된 시간이 백엔드에서 다시 나타날 수 있습니다. 개인 사용자에게는 단순한 경험 문제일 수 있지만, 대기업에게는 재정 문제이자 조직 관리 문제가 됩니다.

이는 또한 Token 사용량 증가가 더 이상 단순히 AI 성공과 동일시될 수 없는 이유를 설명합니다.

Token은 수익 청구 단위이자 비용 측정 단위입니다. 모델 제공업체에게 더 많은 Token은 더 많은 수익을 의미합니다. 기업에게 더 많은 Token은 더 많은 수익, 더 낮은 비용 또는 더 높은 이윤율을 가져올 때만 지속적으로 확장할 가치가 있는 예산 항목입니다.

시장이 이전에 Token 성장을 하드웨어 수요의 선행 지표로 간주했다면, 이제는 나머지 절반인 Token의 가치 전환율을 보완해야 합니다. Token 소비가 안정적으로 비즈니스 결과로 전환될 수 있을 때만 클라우드 업체의 AI 수익, GPU 주문, HBM 생산 확대 및 데이터 센터 구축이 더 견고한 최종 지원을 받을 수 있습니다.

지불 의향이 산업 체인을 따라 상류로 전달된다

거시 전략가 Andreas Steno Larsen은 최근 Silicon Data 관련 LLM Token Expenditure Index(대형 모델 토큰 지출 지표)가 현재 시장에서 주목할 만한 차트 중 하나라고 지적했습니다. 관련 보도에 따르면, 이 지표는 기업이 백만 토큰당 지출하거나 지불하는 가격 수준을 추적하며, 2026년 초에 뚜렷이 상승한 후 5월 말경 하락 조짐을 보였습니다.

여기서 경계를 유지할 필요가 있습니다. Silicon Data의 공개 페이지는 주로 제품 소개이며, 지표 방법론과 전체 과거 데이터는 충분히 공개되지 않았습니다. 이를 확정적인 결론으로 받아들일 수는 없지만, 기업의 지불 의향 변화를 관찰하는 하나의 신호로 활용할 수 있습니다.

토큰 지출 지표의 하락이 AI 사용량 감소를 의미하는 것은 아닙니다.

사실, 현재 시장은 AI 산업이 '연산 경쟁'에서 '단위 지능 비용 경쟁'으로 전환되는 과정을 목격하고 있는 것으로 보입니다. 기업은 여전히 AI를 필요로 하지만, 과거의 가격 체계에 따라 AI를 조달할 의향이 없을 수 있습니다.

OpenAI가 결국 새로운 가격 조정을 시작한다면, 기업 측의 예산 압박이 완화되는 동시에 모델 산업이 본격적인 가격 경쟁 단계에 진입했음을 의미합니다. 그때 시장은 미래 성장이 새로운 수요에서 오는지, 아니면 가격 하락에 따른 사용량 확장에서 오는지 재평가해야 합니다.

AI 수요는 여전히 성장할 수 있지만, 성장의 수익 질과 상류 전달 탄력성은 변화할 수 있습니다.

이는 각 부문에 미치는 영향이 다릅니다. 애플리케이션 계층과 모델 계층은 먼저 가격 압력에 직면합니다: 기업은 더 명확한 ROI를 요구하고, 저가치 호출을 줄이거나, 다른 모델 간 비용 전환을 시도할 것입니다.

클라우드 업체는 수익 탄력성 문제에 직면합니다: 동일한 사용량에서 단위 가격이 하락하고, 캐싱 및 배치 처리가 증가하며, 자체 구축 솔루션이 늘어나면 클라우드 AI 수익 성장률이 토큰 총량 증가만큼 좋지 않을 수 있습니다.

더 상류로 가면, GPU, HBM, 고급 패키징, 서버 및 데이터 센터 구축은 미래 자본 지출과 거래됩니다. 기업의 지불 규율이 모델 업체와 클라우드 업체로 하여금 미래 수익에 대해 더 신중하게 만들면, 하드웨어 주문과 데이터 센터 구축 속도는 재평가될 것입니다.

Larsen의 경고는 하드웨어 수요가 즉시 사라진다는 의미가 아니라, 토큰 가격이 계속 약세를 보이면 시장이 이번 AI 인프라 투자 주기의 기울기에 의문을 품기 시작할 것이라는 점입니다.

AI 주식 조정과 토큰 청구 감사 사이에는 단순한 인과관계가 존재하지 않습니다. 칩 주식이 하락한 이유가 우버가 예산을 소진했기 때문이라고 말할 수는 없지만, 이들은 동일한 연결고리에 있습니다. 즉, 밸류에이션이 이미 장기적인 고성장을 반영하고 있을 때, 최종 지불 의향과 ROI에 관한 어떤 신호든 상류 자본 지출의 재평가로 확대됩니다.

다음 단계는 실적 보고서의 수익 탄력성과 주문 리듬을 살펴보는 것

현재 증거만으로는 'AI 거품이 이미 꺼졌다'고 단정할 수 없습니다. 기업들은 AI 사용을 중단하지 않았으며, 개발자들도 Copilot, Claude 또는 기타 에이전트 도구가 없는 상태로 돌아가지 않을 것입니다. 더 합리적인 판단은 AI 도입이 초기 열광 단계에서 예산 규율 단계로 접어들고 있으며, 시장이 어떤 사용 사례가 수익을 증명할 수 있고 어떤 것이 단순히 청구서를 만드는지 구분하기 시작했다는 것입니다.

다음으로 가장 중요한 검증은 다른 회사가 AI가 너무 비싸다고 말하는 것이 아니라, 클라우드 업체와 소프트웨어 회사의 실적 보고서 언어가 변화하는지 살펴보는 것입니다. 마이크로소프트, 아마존, 구글의 AI 클라우드 수익 성장률이 높은 탄력성을 계속 유지할 수 있는지, Copilot, Claude Code 등 기업 도구가 사용량 기반 과금 후 갱신, 다운그레이드, 불만이 어떻게 변화하는지 등이 단기 주가보다 구매자 규율이 체계적으로 강화되고 있는지를 더 잘 설명해줄 것입니다.

하드웨어 측면에서는 GPU, HBM 및 데이터센터 주문에 하향 조정 징후가 있는지 살펴봐야 합니다. 클라우드 업체의 자본 지출이 계속 상향 조정되고 첨단 칩 주문이 여전히 타이트하다면, 토큰 지불 의향 하락은 건강한 조정에 가깝습니다. 만약 클라우드 AI 수익 탄력성이 약화되고 동시에 상류 주문과 데이터센터 건설 속도가 둔화되기 시작한다면, 시장은 이를 더 깊은 사이클 전환점으로 가격에 반영할 것입니다.

AI 거래는 끝나지 않았지만, 그 가격 책정 언어는 변화하고 있습니다. 이전에는 시장이 '얼마나 많은 토큰을 사용했는가'를 물었다면, 이제는 '이 토큰들이 결국 얼마나 많은 이익으로 전환되었는가'를 묻습니다. 이 차이가 향후 AI 산업 체인 밸류에이션 분화의 방향을 결정할 것입니다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia