미국 기업 AI 사용량 통제 확산, 보스턴 커리어 시장의 기준도 ‘성과 측정’으로
미국 기업들이 생성형 AI 도입을 멈추는 것은 아니지만, 사용량과 비용을 더 엄격하게 따지는 단계로 들어서고 있다. 초기에는 직원들이 여러 AI 도구를 자유롭게 써보도록 장려했다면, 이제는 어떤 업무에 어떤 모델을 쓰고 실제 산출물이 얼마나 늘었는지를 확인하려는 움직임이 강해지고 있다.
월스트리트저널 보도에 따르면 일부 대기업은 AI 사용 비용이 예상보다 빠르게 늘면서 연간 예산을 몇 달 만에 소진하거나 청구액이 두세 배로 증가한 사례를 겪고 있다. 이는 AI 수요가 사라졌다는 뜻이라기보다, 실험 중심의 도입 방식이 운영 예산과 성과 검증의 문제로 바뀌고 있다는 신호에 가깝다.
이 흐름을 보여주는 대표적인 수치가 토큰 사용량이다. 구글은 Google I/O 2026에서 월간 토큰 처리량이 3.2 quadrillion개를 넘었고 1년 전보다 7배 늘었다고 밝혔다. 이를 한국어 수치로 옮기면 약 3,200조 개, 또는 0.32경 개에 해당한다. 토큰은 AI가 처리하는 글자와 데이터의 기본 단위로, 사용량이 늘수록 기업이 부담하는 비용도 커진다.
우버, 마이크로소프트, 메타, 세일즈포스 등은 모두 AI 사용과 생산성의 연결고리를 더 구체적으로 보려는 움직임을 보이고 있다. 우버는 AI 코딩 도구 예산을 예상보다 빠르게 소진한 뒤, AI 사용량 증가가 실제 소비자 기능 출시로 이어지는지 따지고 있다. 마이크로소프트는 일부 조직에서 Anthropic의 Claude Code 사용을 줄이고 자체 GitHub Copilot CLI 쪽으로 표준화하는 절차를 진행 중이다. 메타의 기술 책임자도 직원들에게 AI 도구를 쓰는 것 자체가 성과의 기준은 아니라고 강조했다.
배경에는 AI 에이전트의 비용 구조가 있다. AI 에이전트는 단순히 질문에 답하는 챗봇보다 한 단계 더 나아가 여러 작업을 순서대로 계획하고 실행하는 시스템이다. 편리해 보이지만 한 번의 업무를 처리하는 과정에서 여러 차례 모델 호출, 데이터 검색, 검증, 외부 시스템 연결이 필요하다.
Gartner는 고급 AI 모델의 추론 비용이 2030년까지 2025년보다 90% 이상 낮아질 수 있다고 보면서도, 기업 고객의 최종 비용이 자동으로 낮아지지는 않을 것이라고 분석했다. 에이전트형 모델은 일반 챗봇보다 작업당 5~30배 많은 토큰을 쓸 수 있고, 고급 추론 기능을 더 많이 쓰게 되면 전체 사용량이 더 빠르게 늘 수 있기 때문이다.
보스턴권 독자에게 이 흐름은 꽤 현실적인 신호다. 보스턴은 빅테크 본사가 몰린 지역은 아니지만, 헬스케어, 바이오테크, 금융, 대학 연구소, 로보틱스, 엔터프라이즈 소프트웨어 기업이 AI를 실제 업무에 붙이는 시장이다. 병원 문서 처리, 임상 데이터 분석, 연구 자동화, 고객 지원, 내부 개발 생산성 같은 영역에서 AI 수요는 계속 남아 있을 가능성이 크다. 다만 이제는 ‘AI를 쓴다’가 아니라 ‘비용 대비 어떤 결과가 나왔는가’를 설명할 수 있어야 한다.
취업 준비생과 유학생에게는 포트폴리오의 기준이 조금 달라진다. 단순히 최신 AI 도구를 써봤다는 설명보다, 작은 업무라도 입력 데이터, 모델 선택, 비용, 정확도, 검토 절차, 실제 결과를 함께 정리한 경험이 더 설득력을 가질 수 있다. 특히 데이터 엔지니어링, 모델 평가, 클라우드 비용 관리, 보안과 권한 관리, 규제 산업의 AI 운영 경험은 보스턴권 산업 구조와도 맞닿아 있다.
현직자에게는 회사의 AI 정책이 더 세분화될 가능성이 있다. 모든 직원에게 여러 AI 도구를 자유롭게 열어두는 방식보다, 승인된 도구를 중심으로 사용량을 제한하거나 저비용 모델과 고성능 모델을 나누어 쓰는 방식이 늘 수 있다. 개발자라면 AI 코딩 도구를 쓰는 능력 자체보다 코드 리뷰, 디버깅, 테스트 자동화, 시스템 설계처럼 AI 산출물을 실제 제품 품질로 연결하는 역량이 중요해진다.
WSJ가 인용한 EntelligenceAI 자료에 따르면 고급 AI 코딩 도구를 쓰는 2,000개 이상 기업의 데이터에서 토큰 지출 중 실제 사용자에게 배포된 코드 제품으로 이어진 비중은 18%로 집계됐다. 이 수치는 AI가 개발 업무에 도움이 되지 않는다는 의미라기보다, AI 사용량 자체와 제품 성과 사이에는 검토, 품질 관리, 배포 역량이라는 별도의 과정이 있다는 점을 보여준다.
비자나 스폰서십을 고려하는 독자에게도 간접적인 의미가 있다. AI 비용 부담이 커지면 기업은 채용에서도 더 구체적인 업무 효과를 요구할 수 있다. 이는 비자 스폰서 여부가 단순히 AI 직무라는 이유만으로 넓어지기보다, 회사가 필요로 하는 데이터, 인프라, 제품 운영 역량과 얼마나 맞는지가 더 중요해질 수 있다는 뜻이다. 다만 취업비자 판단은 회사 정책과 개인 상황에 따라 달라지므로, 구체적인 결정은 학교 국제학생 오피스나 이민 전문가에게 확인하는 것이 필요하다.
창업 관심자에게는 투자자와 기업 고객의 질문이 바뀌고 있다는 점이 중요하다. AI 데모가 인상적인 것만으로는 부족하고, 고객이 월별 사용량을 어떻게 통제할 수 있는지, 더 저렴한 모델로 보낼 작업과 고성능 모델이 필요한 작업을 어떻게 구분하는지, 보안과 데이터 접근 권한을 어떻게 관리하는지가 구매 판단의 핵심이 되고 있다. 특히 보스턴의 헬스케어·바이오 고객을 대상으로 한다면 비용뿐 아니라 개인정보, 연구 데이터, 규제 준수까지 함께 설명해야 한다.
지금 당장 나타나는 변화는 AI 투자 축소라기보다 AI 예산의 성숙 과정에 가깝다. 앞으로 봐야 할 변수는 대기업의 실적 발표에서 AI 비용과 생산성 지표가 어떻게 설명되는지, 클라우드·반도체 비용이 기업 소프트웨어 가격에 얼마나 반영되는지, 그리고 채용공고에서 ‘AI 활용’이 어떤 구체적 직무 역량으로 바뀌는지다. 보스턴권 커리어 시장에서도 AI를 많이 쓰는 사람보다, AI를 업무 성과와 비용 구조 안에서 다룰 수 있는 사람이 더 분명한 신호를 줄 가능성이 커지고 있다.