제번스의 역설과 AI: 토큰이 싸질수록 청구서가 커지는 이유

올해 AI 예산을 승인한 모든 CFO는 같은 말을 들었다: 토큰 가격이 폭락하고 있으니 AI 비용은 떨어질 것이다. 그런데 청구서가 도착했고, 작년보다 컸다. 아무것도 고장 나지 않았고, 누구도 과소비하지 않았으며, 토큰당 가격은 정말로 떨어졌다. 그런데도 청구서는 올라갔다. 이것이 실수처럼 들린다면, 실수가 아니다. 160년 된 경제 법칙이 언제나 해 왔던 일을 정확히 하고 있는 것이며, 오늘날 기업 AI 계획에서 가장 잘못 이해되고 있는 단 하나의 사실이다.

그 법칙은 제번스의 역설이라 불린다. AI 애널리스트 Nate B Jones는 지난 한 해 동안 노동 시장, 컴퓨팅 공급, 기업 지출을 다룬 에피소드에서 이 역설로 거듭 돌아왔다. 조직이 AI에 예산으로 잡는 금액과 실제로 지불하는 금액 사이의 간극을 설명해 주기 때문이다. Big Hat Group에서는 모든 프로젝트에서 같은 간극을 본다: 하락하는 가격 곡선을 기준으로 계획했지만 지금은 상승하는 소비 곡선 위에서 살고 있는 리더들이다. 이 글은 역설을 소개하고, 숫자를 펼쳐 놓고, 무엇을 해야 하는지를 제시한다. 조직이 어떻게 진화하는지를 다룬 AI 성숙도 모델과 짝을 이루는 글로, 이번 글은 그 진화에 얼마가 드는지를 다룬다.

제번스의 역설이란 무엇인가?

1865년 영국의 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)는 영국의 석탄 소비를 연구하다가 상식에 어긋나는 현상을 발견했다. 제임스 와트(James Watt)의 증기기관은 그것이 대체한 기관들보다 훨씬 효율적이었으므로, 영국이 석탄을 덜 태울 것이라 기대할 법했다. 그런데 석탄 소비는 폭발적으로 늘었다. 효율적인 기관은 이전에는 연료 값을 치를 가치가 없었던 용도——공장, 철도, 선박, 펌프——에서 증기 동력을 경제적으로 만들었다. 효율은 비용 장벽을 제거했고, 수요가 그 빈자리로 밀려들었다.

이 패턴은 이후 모든 주요 자원에서 반복되었다. 클라우드 컴퓨팅이 가장 가까운 현대의 비유다. 2010년대를 거치며 컴퓨팅의 단위당 가격은 극적으로 싸졌고, 클라우드 청구서는 올라갔다. 값싼 컴퓨팅이 누구도 서버를 따로 마련하지 않았을 워크로드를 돌리는 것을 합리적으로 만들었기 때문이다. 지금 같은 일이 AI 추론에서 벌어지고 있으며, 역사상 어떤 자원보다 빠르게 벌어지고 있다.

사티아 나델라(Satya Nadella)는 DeepSeek의 저비용 모델이 잠시 시장을 뒤흔든 뒤인 2025년 초에 제번스의 역설을 이름 그대로 언급했다. 그의 답은 AI가 더 효율적이고 접근하기 쉬워질수록 그 사용은 폭증할 것이라는 것이었다. 그가 옳았고, 그 이후의 데이터는 단호했다.

반대 방향으로 달리는 두 곡선

AI 경제는 동시에 반대 방향으로 움직이는 두 곡선에 지배된다. 가격 곡선은 빠르게 떨어지고 있다. 소비 곡선은 더 빠르게 오르고 있다. 당신의 예산이 추적해야 하는 것은 두 번째 곡선이다.

가격 곡선. 토큰당 추론 비용은 무어의 법칙이 완만해 보일 정도의 속도로 떨어지고 있다: 어떤 벤치마크로 재느냐에 따라 연간 10배에서 200배 사이다. 원자재 자체는 역사상 어떤 컴퓨팅 자원보다 빠르게 디플레이션을 겪고 있다.

소비 곡선. 가격이 떨어지는 동안 사용량과 지출의 모든 지표는 오르고 있으며, 가장 많이 지출하는 조직들은 세계에서 가장 빠르게 성장하는 기업에 속한다. 그들은 소비 곡선이 그 베팅을 입증해 줄 것이라 기대하기에 매출보다 더 많이 쓰고 있다.

Google의 숫자는 다시 한번 볼 가치가 있다. Google은 지구상에서 가장 정교한 AI 인프라 운영자이고, 그 소비가 약 1년 만에 130배 늘었다. Google의 소비 곡선이 당신의 선행 지표다.

업무 단위에서는 어떻게 보이는가

추상적인 곡선은 AI를 적극적으로 쓰는 지식 노동자 한 명을 들여다보면 구체적이 된다. 토큰 수는 대부분의 예산 담당자가 짐작하는 것보다 훨씬 크다.

이 모든 것은 에이전트가 등장하기 전의 이야기다.

에이전트 승수. 사람에게는 물리적 한계가 있다. 타이핑을 하고, 쉬고, 회의에 앉아 있으며, 절정에 달해도 하루에 5,000만 토큰 정도를 유지하는 것이 최대일 것이다. 에이전트 시스템에는 그런 한계가 전혀 없다. 끊임없이 모니터링하고, 분석하고, 응답하고, 계획하며, 에이전트 하나가 하루에 수십억 토큰을 소비할 수 있다. 병렬로 도는 에이전트 집단은 수조 토큰을 소비한다. 이것은 소비의 한 단계 상승이 아니다. 몇 자릿수 규모의 변화이며, 소비 곡선이 앞으로 몇 년간 가격 곡선을 계속 앞지를 이유다.

기업의 계산

혼합 단가로 100만 토큰당 $2를 지불하는 1만 명 규모의 조직을 생각해 보자. 청구서는 어느 소비 수준을 기준으로 계획하느냐에 전적으로 달려 있다.

전통적인 계획 프레임워크는 이를 더 악화시킨다. 자본지출(capex) 모델, 감가상각 일정, 다년 조달 주기는 모두 두 가지를 가정한다: 수요는 예측 가능하고, 필요할 때 공급이 있을 것이라는 가정이다. 제번스의 역설 아래서는 어느 가정도 성립하지 않는다. 수요는 역량이 향상될수록 비선형적으로 늘어나고, 컴퓨팅 공급은 이번 10년의 남은 기간 동안 제약된다.

인지 노동은 새로운 석탄이다

이 역설은 컴퓨팅에 적용되는 것만큼이나 깔끔하게 노동에도 적용된다. AI는 특정한 종류의 일, 즉 토큰화 가능한 인지 작업의 비용을 무너뜨리고 있다. 초안 작성, 요약, 분석, 리서치, 코딩, 계획, 변형 생성은 모두 텍스트로 담아낼 수 있는 사고이며, 그 한계 비용은 0에 가까워지고 있다.

직관적인 예측은 기업이 더 이상 사람에게 돈을 주고 시킬 필요가 없으니 이런 일을 덜 생산하리라는 것이다. 제번스의 현실은 기업이 이런 일을 훨씬 더 많이 생산하고 있다는 것이다. 인지적 산출물의 양은 줄어드는 것이 아니라 폭발하고 있다. 실제로는 이런 모습이다:

• 더 많은 고객 세그먼트, 각각에 맞춘 상세한 메시지
• 더 많은 A/B 테스트, 각 변형을 만드는 비용이 거의 공짜이기 때문에
• 더 많은 내부 보고서와 분석, 만들 수 있으니까 요청되는 것들
• 하나를 확정하기 전에 고를 수 있는 더 많은 초안
• 상위 10개 항목만이 아니라 소프트웨어 백로그 전체가 진행 중

만들기 어려웠기 때문에 경쟁 우위를 안겨 주던 일이 이제는 하찮을 만큼 쉽게 만들어진다. 이것은 두 가지 압력을 동시에 만든다. 인지 노동의 비용 하한이 0 근처로 떨어졌으므로, 그것을 생산하는 것은 더 이상 차별점이 아니다. 그리고 진짜 제약은 상류로——판단, 책임, 물리적 실행으로 옮겨간다: AI가 아직 할 수 없는 것들이자, 이제 당신의 조직이 최적화해야 할 것들이다.

소비를 가속하는 세 가지 동인

세 가지 힘이 소비 곡선을 위로 밀어 올리며, 각각은 서로를 증폭한다.

역량이 사용을 연다. 모델이 복잡한 추론이나 다단계 계획 같은 무언가를 의미 있게 더 잘하게 될 때마다, 이전에는 작동하지 않던 응용이 열린다. 각 개선은 비선형적인 새 수요를 만든다. 에이전트 하나를 관리하다 열 개를 관리하는 것으로 가면 토큰 사용량은 열 배가 되고, 모델이 좋아질수록 더 많은 에이전트를 돌릴 가치가 생긴다.

통합이 접점을 늘린다. AI는 더 이상 필요할 때 여는 독립형 도구가 아니다. 이메일 클라이언트, 문서 편집기, 개발 환경, CRM 시스템, 서비스 데스크에 내장되어 있다. 모든 통합은 누구도 의식적으로 시작하기로 결정하지 않은 상시적이고 연속적인 소비의 관문이다.

에이전트로의 전환. 사람이 루프 안에 있는 방식에서 AI가 자동화된 루프 안에서 AI를 호출하는 에이전트 시스템으로의 이동은 모든 동인 중 가장 크다. 에이전트 워크플로 하나가 한 시간에 소비하는 토큰이 사람이 한 달에 만들어내는 양보다 많을 수 있으며, 기업들은 이제 막 이를 대규모로 배치하기 시작했을 뿐이다.

기업은 무엇을 해야 하는가

이 역설은 속도를 늦출 이유가 아니다. 올바르게 계획할 이유다. 다음은 AI에서 가치를 얻는 조직과 청구서만 받는 조직을 가르는 조치들이다.

1. AI를 비용 절감 도구로 예산 편성하는 것을 멈춰라. 전제가 틀렸다. 제번스의 역설은 효율 향상이 절감으로 적립되지 않고 확대된 사용에 흡수될 것임을 보장한다. AI를 어떻게든 비용 항목을 줄여 줄 인원 감축 수단이 아니라, 고유의 수익을 가진 역량 확장 투자로 예산을 잡아라.
2. 토큰 관리를 조직 역량으로 구축하라. 희소한 기술은 더 이상 모델 접근성이 아니다; 그것은 누구나 갖고 있다. 희소한 기술은 토큰을 겨냥하는 법을 아는 것이다: 각 모델이 받는 컨텍스트를 구조화해 더 적은 양으로 일을 해내게 하고, 각 작업을 적절한 비용의 적절한 모델로 라우팅하고, 시간이 지나도 품질이 저하되지 않고 유지되는 에이전트 루프를 설계하고, 구매한 지능이 필요한 성과를 내고 있는지 측정하는 것이다. 이를 토큰 관리라 부르든, 인텔리전스 운영이라 부르든, 컨텍스트 엔지니어링이라 부르든 아직은 중요하지 않다. 이 역량을 쌓는 조직들이 나머지 모두를 따돌리고 있다.
3. 내부 라우팅 계층을 구축하라. 최고 수준의 기업은 일을 적절한 가격대의 적절한 모델로 보내는 내부 플랫폼을 운영한다: 잘 정의된 작업에는 저렴한 모델을, 모호하거나 위험이 큰 일에는 프런티어 모델을. 그들은 맞춤 API 계약을 협상하고, 전용 용량을 대가로 소비 하한을 약정하며, 어느 한 공급자의 가격 정책이 로드맵을 좌우하지 못하도록 멀티 벤더 선택권을 유지한다. 우리의 AI 자동화 서비스는 바로 이 계층을 구축한다.
4. 토큰 효율을 비용 통제가 아니라 경쟁 우위로 다뤄라. 경쟁사도 당신과 같은 모델에 접근할 수 있다. 같은 작업을 절반의 토큰으로 완수하는 조직은 두 배의 실효 용량을 갖는다. 올바른 질문은 “에이전트를 어떻게 더 싸게 만들까?“가 아니라 “올바른 것에 쓰고 있는가?“다. 더 유능한 에이전트가 더 낮은 토큰당 가격으로 더 많은 일을 해도 총 청구서는 여전히 커진다. 지렛대는 프롬프트를 조이는 것만이 아니라 워크플로를 다시 설계하는 데 있다.
5. 공급이 더 조여지기 전에 컴퓨팅 용량을 확보하라. DRAM과 고대역폭 메모리 공급은 2028년까지 구조적으로 제약되어 있다. 하이퍼스케일러는 공급자이자 경쟁자이며, 제약된 시장에서는 자사 제품에 먼저 용량을 배분한다. Azure 예약 용량이든 공급자 수준 계약이든 지금 계약상 용량 약정을 확보하는 기업은 기다리는 기업보다 훨씬 나은 위치에 서게 된다. 우리의 Azure 컨설팅 팀은 고객이 소비 곡선이 실제로 요구하는 용량을 모델링하고 예약하도록 돕는다.
6. 계획을 확보하라. Big Hat Group은 기업이 실제 소비 곡선을 모델링하고, 토큰 관리와 라우팅을 세우고, AI 지출을 설명되지 않는 청구서가 아니라 측정 가능한 역량으로 바꾸는 에이전트 운영을 설계하도록 돕는다.

이것이 기업 IT와 AI 리더에게 의미하는 것

늘어나는 AI 청구서는 실패가 아니라 선행 지표다. 토큰당 가격이 떨어지는데 지출이 오르고 있다면, 당신의 조직은 벤더가 할인하는 속도보다 빠르게 지능의 새로운 용도를 찾고 있는 것이다. 그것이 도입이 진행되는 모습이다. 실패 양식은 평평한 청구서이며, 이는 대개 AI가 아무도 쓰지 않는 파일럿에 갇혀 있다는 뜻이다.

병목은 접근에서 겨냥으로 옮겨갔다. 모든 조직이 프런티어 지능을 토큰 단위로 살 수 있다. 그것을 잘 지휘할 수 있는 조직은 극히 적다. 컨텍스트 설계, 모델 라우팅, 에이전트 루프 엔지니어링, 성과 측정은 이제 핵심 IT 역량이다. 10년 전 클라우드 비용 관리가 그렇게 되었던 것과 같은 방식으로. 아무도 이를 책임지지 않으면, 제번스의 혜택은 얻지 못한 채 제번스의 청구서만 치르게 된다.

용량과 벤더 선택권은 아키텍처 결정이다. 공급이 제약된 시장에서는 토큰이 어디서 어떤 조건으로 오는지가 어떤 모델을 쓰는지만큼 중요하다. 멀티 벤더 라우팅, 예약 용량, 모델 비종속 추상화 계층은 더 이상 있으면 좋은 것이 아니다. 상승하는 소비 곡선이 조달 위기로 번지지 않게 막는 방법이다.

격차는 복리로 커진다. AI를 최소화해야 할 비용 항목으로 다루는 조직은 AI를 배치해야 할 용량으로 다루는 경쟁사에 그저 뒤처지는 것이 아니다. 격차는 분기마다 벌어진다. 두 번째 조직이 같은 하락 가격 곡선 위에서 더 많은 실험, 더 많은 에이전트, 더 많은 인지적 산출물을 돌리고 있기 때문이다. 제번스의 역설 아래서 승자는 가장 적게 쓰는 쪽이 아니다. 가장 많은 토큰을 성과로 바꾸는 쪽이다.

기업 AI 컨설팅 받기

Big Hat Group은 기업 IT와 AI 리더와 협력해 가격 곡선이 아니라 소비 곡선에 맞춰 계획하도록 돕는다: 실제 토큰 수요를 모델링하고, 모든 토큰이 제값을 하게 만드는 라우팅과 컨텍스트 계층을 구축하고, 에이전트를 대규모로 운영할 용량을 확보하고, 청구서가 사업 성과와 대응되도록 에이전트 운영을 거버넌스하는 것까지.

문의하고 AI 토큰 예산을 계획하세요 →

관련 글: AI 성숙도 모델: 모델 추종에서 미래 대비까지 · Microsoft Copilot을 넘어선 엔터프라이즈 AI 전략 · lean-ctx: AI 에이전트가 실제로 필요로 하는 컨텍스트 레이어

이 글은 Nate B Jones의 AI News & Strategy Daily 네 편의 에피소드를 바탕으로 한다: The 3-Layer Framework That Predicts Which Jobs AI Will Replace (2026년 1월 11일), Why the Smartest AI Teams Are Panic-Buying Compute (2026년 2월 8일), $1,000 a Day in AI Costs (2026년 2월 20일), You can be ambitious without the huge token bill (2026년 9월 20일). 지출과 소비 수치는 해당 에피소드에서 보고된 대로다.