🅰️ AI 토큰 많이 쓰는 일잘러? 사실 길 잃은 오디세우스일지도 🤔

미국 경제지 포춘(Fortune)에 따르면, 메타의 한 직원이 사내 인트라넷에 '클로드노믹스'라는 순위표를 만들었어요.
85,000명이 넘는 직원의 AI 토큰 사용량을 집계해 상위 250명을 보여주는 화면이었죠. 많이 쓴 사람에게는 '토큰 레전드', '캐시 위저드' 같은 칭호가 붙었는데요. 😂

1위 사용자 한 명이 쓴 토큰은 평균 2,810억 개, 회사 전체로는 30일 동안 60조 개를 넘겼어요. 🫠
이렇게 AI를 얼마나 많이 쓰는지 겨루는 문화를 '토큰맥싱(Tokenmaxxing)'이라고 불러요.
실리콘밸리에서는 토큰 사용량이 생산성의 척도처럼 여겨지고 있거든요.

참고로 저커버그는 상위 250위 안에 못 들었다는…😅 

이처럼 AI하면 빠지지 않는 '토큰' 이야기, 도대체 뭐길래 이렇게 난리일까요? 토큰은 AI가 읽고 쓰는 데이터의 최소 단위예요. 레고 블록을 떠올리면 쉬운데요. AI는 우리가 쓴 문장을 통째로 보는 게 아니라, 잘게 쪼갠 블록 더미를 보고 다음에 어떤 블록이 붙을지 예측하거든요. 

그래서 우리가 입력하는 건 뭐든 블록이 돼요. 한동안 "AI한테 '고마워'라고 인사하는 것도 토큰 낭비"라는 말이 돌았던 것도 이런 이유죠. 인사말 한마디도 결국 블록 몇 개니까요. 🙏

이 작은 블록들 100만 개를 쌓으면 책 세 권 정도 분량인데요. 그러면 토큰 사용량 1위 직원이 한 달 동안 쓴 2,810억 개는? 책 84만 권을 쌓아 올린 셈이죠.

그런데 토큰을 많이 썼다는 건 일을 많이 했다는 뜻이 아니에요. 그만큼 재료를 썼다는 뜻일 뿐이죠. 다리를 놓으려면 블록을 산더미처럼 쌓아둔다고 되는 게 아니잖아요. 중요한 건 그 블록으로 강을 건넜느냐죠. 어느 순간부터 이 블록의 개수가 실력의 증거처럼 쓰이기 시작한 거예요.

크리스토퍼 놀란 감독의 영화 <오디세이> 보셨나요?
트로이에서 고향 이타카까지, 배로 단 며칠이면 닿을 거리를 10년이나 걸려 돌아간 오디세우스의 이야기죠. 오디세우스는 정말 열심히 노를 저었지만… 문제는 방향이었죠.

경제학에는 이 상황을 설명하는 오래된 법칙이 있어요. 굿하트의 법칙이에요.
어떤 지표가 목표가 되는 순간, 그 지표는 더 이상 좋은 지표가 아니게 된다는 건데요. 사람들이 지표 자체를 올리는 데 집중하기 시작하기 때문이죠.

토큰은 특히 이 함정에 빠지기 쉬워요. 쓰는 사람이 자기가 얼마나 쓰는지 볼 수 없거든요.
AI는 매번 그때까지의 대화 전체를 다시 읽고, 에이전트 하나가 다른 에이전트를 부르면서 작업이 여러 갈래로 번져요. 심지어 아무도 안 볼 때도 돌아가죠. 사람이라면 "이건 안 되겠네" 하고 멈췄을 지점에서 주말 내내 재시도하는 거예요. 😵

그래서 우버에서는 이상한 일이 벌어졌어요. 엔지니어 약 5천 명에게 AI 코딩 도구를 열어준 지 넉 달 만에 2026년 AI 예산을 다 써버린 거죠. 그런데 우버의 AI 도입이 실패한 건 아니었어요. 같은 기간 엔지니어 95%가 AI 도구를 매달 사용했고, 실제 제품에 반영된 코드의 약 70%가 AI에서 나왔거든요. 도구는 기대대로 작동했어요. 다만 아무도 비용이 얼마가 나올지 몰랐을 뿐이죠. 

토큰은 얼마나 쓰는지 보이지 않았고, 청구서는 나중에 왔어요. AI가 비싸서 생긴 문제가 아니에요. 무엇을 측정할지 정하지 않은 채 세기부터 시작해서 생긴 문제죠. 🧭

그럼 답은 토큰을 아껴 쓰는 걸까요? 그것도 아니에요. 많이 쓰기 경쟁을 효율적으로 쓰기 경쟁으로 바꾸는 것뿐이니까요. 여전히 사용량을 재고 있는 거죠.

컨설팅사 베인(Bain)이 6월에 낸 보고서를 보면, 매출 1억 달러 이상 기업 951곳 중 AI 비용 절감을 실제로 측정한 곳의 40%가 10% 이하 절감에 그쳤어요. 베인은 그 이유 중 하나로 망가진 프로세스를 고치지 않고 그대로 자동화한 것을 꼽았어요. 일하는 방식은 그대로 둔 채 AI만 얹으면, 비효율까지 같이 자동화된다는 거죠.

그래서 AI를 성과로 연결한 조직들은 세 가지를 먼저 정했어요.
무엇을 맡길지(목적), 결과를 어떻게 확인할지(검증 기준), 어디까지 맡길지(범위).

이 세 가지가 정해지면 낭비는 알아서 줄어요. 어디까지가 필요한 일인지 아니까요.
이건 도구 설정 화면에서 찾을 수 있는 게 아니라, 사람이 배우고 판단해야 하는 영역이에요. 실제로 앞서 본 메타의 토큰 순위표도 보도가 나간 지 이틀 만에 문을 닫았어요. 무엇을 세는지가 왜 중요한지, 만든 사람들이 먼저 알아차린 셈이죠. 

영화 <오디세이>는 약 609km의 필름을 썼다고 해요. 어마어마한 숫자죠. 그런데 이 영화를 본 사람 중에 "필름을 609km나 써서 좋았다"고 말하는 사람은 없어요. 우리가 기억하는 건 172분짜리 영화 한 편이니까요.

AI도 마찬가지예요. 얼마나 썼는지는 과정이고, 무엇이 나왔는지가 결과예요. AI가 어떻게 작동하는지 이해하고, 결과를 의심할 줄 알고, 실제 업무에 쓸 수 있는 힘. 이걸 AI 리터러시라고 부르거든요. 토큰을 얼마나 쓰는지는 도구가 알려줘요. 하지만 그 토큰을 무엇을 위해 쓸지는 사람이 정해야 하죠.

다행히 우리에겐 오디세우스에게 없던 내비게이션이 있어요. 대신 목적지는 직접, 정확히 입력해야 하죠. "서울 어딘가"라고 찍으면 아무리 좋은 내비게이션도 헤맬 수밖에 없으니까요. 
무엇을 맡길지, 결과를 어떻게 확인할지, 어디까지 맡길지. 이 세 가지를 정하는 게 목적지를 제대로 입력하는 일이에요. 🚀

목적지를 정했다면, 그다음은 그곳까지 갈 사람을 준비하는 일이죠. 그런데 이번엔 교육비가 새로운 걱정거리가 되곤 하는데요. 고용보험을 내는 사업장이라면 어디든 활용할 수 있는 법정 제도가 있어요. 이미 납부한 보험료를 기업 교육비로 환급받는 방식이죠.

다만 어떤 모델을 쓰느냐에 따라 환급률이 달라져요. 일반 훈련 과정은 기업 규모에 따라 50~70%를 돌려받는데, 인재키움 프리미엄 훈련은 자부담금이 5% 내외까지 낮아지거든요.

조직에 필요한 AI 교육이라면 대부분 설계할 수 있어요. 예를 들어 신규입사자 AX 온보딩이라면, 우리 회사에서 어떤 도구를 쓸 수 있는지부터 어떤 정보는 입력하면 안 되는지까지 입사 첫날부터 기준을 잡아주는 식이죠.
--
💰 교육비 최대 95% 지원
 ⏰ 예산 소진 시 마감

[우리 회사가 받을 수 있는 AX 지원금 확인하기]👇