올해 6월, 채용 플랫폼 Mercor의 CEO는 자사의 AI 토큰 비용이 처음으로 전체 직원 급여 총액을 넘어섰다고 공개했습니다. 4월에는 엔비디아 경영진이 내부 계산에서 AI 비용이 급여 규모를 초과했다고 밝혔습니다. 개별 발언처럼 들리던 이 말들을 뒷받침하는 외부 데이터가 6월에 나왔습니다. 법인카드 지출 데이터를 집계하는 Ramp가 발표한 AI Index에 따르면, 미국 내 AI 도입에 가장 적극적인 상위 1% 기업들은 직원 1인당 매달 $7,500, 한화로 약 1,000만 원 이상을 AI 관련 비용으로 지출하고 있습니다. 이 수치가 한국의 1인 사업자와 실무 관리자에게 어떤 판단 기준을 주는지가 이 글의 질문입니다.

$11.38과 $7,500이 가리키는 다른 세계

Ramp AI Index는 세 구간의 수치를 제시합니다. 상위 1% 기업의 직원당 월 $7,500, 상위 10%의 $611, 그리고 전체 중간값 $11.38입니다.

$11.38이라는 중간값을 구체화하면 이렇습니다. ChatGPT Plus 구독 하나가 월 $20이니 중간값 기업들의 지출은 그 절반 수준입니다. 무료 플랜을 간헐적으로 쓰거나, 업무용 이메일에 자동 연동된 Copilot 라이선스 하나 정도가 이 구간에 해당합니다. 사용하고는 있지만 업무 흐름에 깊이 연결된 상태는 아닙니다.

$7,500 구간에는 다른 종류의 지출이 들어 있습니다. API 직접 호출을 통한 자동화 파이프라인, 멀티모달 처리, 여러 모델을 비교하며 비용과 성능을 최적화하는 운영 체계가 이 수준에서 돌아갑니다. Ramp는 이 기업들이 단일 서비스에 의존하지 않고 오픈소스 모델과 상용 API를 혼합해 비용을 관리하고 있다고 설명합니다. 같은 "AI 도입 기업"이라는 이름 아래 이만큼 다른 내용들이 공존합니다.

속도도 중요합니다. 상위 기업군의 AI 지출은 매달 14.1%씩 증가하고 있습니다. 월 복리로 환산하면 1년 후 같은 기업의 인당 지출은 약 $36,000에 이릅니다. 현재 미국 소프트웨어 엔지니어의 평균 월급은 약 $16,000입니다. 지금의 $7,500은 엔지니어 연봉의 절반에 못 미치지만, Ramp는 이 사실을 "아직은(yet)"이라는 단서와 함께 제시합니다. 지금의 숫자가 아니라 방향을 보라는 뜻입니다.

지출이 크다고 가치가 비례하지는 않습니다

이 수치들을 벤치마크처럼 받아들이는 것에는 주의가 필요합니다. AI 지출과 실제 성과의 연결이 아직 불명확하다는 비판은 여러 경로에서 나옵니다.

맥킨지의 2025년 조사에서 AI 도구를 도입한 기업의 절반 이상이 생산성 향상을 정량적으로 측정하지 못한다고 응답했습니다. 가트너는 기업 AI 프로젝트의 약 30%가 기대한 성과를 내지 못한 채 축소되거나 종료될 것으로 전망했습니다. 지출이 늘어난다는 사실과 그 지출이 실질적인 업무 산출을 만들어낸다는 사실은 아직 분리된 이야기입니다.

구독 숫자가 곧 활용도를 의미하지 않는다는 점도 있습니다. "AI를 쓰고 있다"는 신호 자체가 내부 구성원에게, 혹은 투자자와 고객을 향해 긍정적 인상을 만든다는 점을 부정하기 어렵습니다. 이 때문에 실제 필요보다 많은 도구를 구독하거나 도입 자체를 목적으로 움직이는 조직도 존재합니다. 지출이 전략이 아니라 신호로 기능하는 경우, 그 숫자를 쫓는 것은 비용 낭비로 끝납니다.

상위 1%의 지출 수치가 언론을 통해 반복 인용될수록, 충분한 검토 없이 도입을 서두르는 조직이 늘어날 위험이 있습니다. 큰 숫자는 그 자체로 압박이 됩니다.

AI 비용이 인건비와 같은 줄에 섰을 때

그럼에도 이 데이터가 한국의 1인 사업자와 소규모 팀에게 의미 있는 이유는 따로 있습니다. AI 지출이 "소프트웨어 구독료"에서 "노동 대체 비용"으로 분류 기준이 이동하기 시작했다는 점입니다.

지금까지 AI 도구는 기존 업무를 더 편하게 만들어주는 추가 기능으로 예산 처리됐습니다. 월 몇만 원짜리 SaaS 요금이고, 인건비와는 별개의 항목이었습니다. 그런데 API 기반 자동화가 확산되면서 성격이 달라집니다. 주기적인 조사, 초안 작성, 데이터 정리, 고객 응답 처리를 AI로 돌릴 경우, 그 비용은 소프트웨어 비용이 아니라 특정 역할의 노동을 대신하는 비용입니다.

2030년을 향한 직업 환경의 변화를 장기 추적한 분석에서는, 인간과 AI의 협업 방식이 단순한 도구 사용을 넘어 역할 구조 자체를 재편하는 단계로 이동 중이라고 봅니다. AI가 어떤 업무를 처리하는가가 아니라, 어떤 판단과 책임을 사람이 유지하는가가 조직 설계의 핵심 질문이 된다는 것입니다. Ramp의 수치는 그 이동이 이미 비용 항목에 반영되기 시작했음을 보여줍니다.

저는 이 계산이 한국 시장에서 더 날카롭게 작동한다고 봅니다. 경력직 채용 비용, 프리랜서 외주 단가, 반복 업무에 소모되는 내부 인건비를 지금의 AI 운영 비용과 비교해본 사람은 많지 않습니다. $7,500은 한국 중소기업에서 여전히 큰 금액이지만, $11에서 출발해 어떤 업무를 어느 속도로 자동화할 수 있는지를 실험하는 데 드는 비용은 그보다 훨씬 낮습니다.

점검할 항목은 두 가지입니다. 첫째, 지금 반복적으로 외주를 주거나 내부 인력이 소모하는 업무 중 AI 워크플로로 처리할 수 있는 항목이 있는지, 있다면 그 처리 비용이 외주 단가의 몇 분의 일인지를 수치로 파악하는 것입니다. 이 계산 없이는 AI 지출이 비싸다거나 싸다는 판단 자체가 불가능합니다. 둘째, AI 지출 규모가 커질 때 실제 결과물의 품질이나 처리 속도가 그에 비례해 올라가는지를 추적하고 있는지입니다. 구독 수가 늘어나는 것과 성과가 늘어나는 것은 다른 문제입니다.

$7,500이라는 수치를 따라가야 하는 이유도, 피해야 하는 이유도 없습니다. 이 숫자가 말하는 것은, 특정 기업들이 AI를 소프트웨어 항목이 아닌 인력 구조의 일부로 다루기 시작했다는 사실입니다. 그 판단이 옳은지는 아직 입증 중이지만, 그 판단이 이미 비용으로 찍히고 있다는 것은 숫자로 보입니다. 자신의 조직에서 그 판단을 어느 자리에 어떻게 적용할지를 먼저 정한 사람이 그 숫자를 제대로 쓸 수 있습니다.