Uber CTO가 "예산이 이미 날아갔다"고 고백했다. 이 한 문장이 2026년 기업 AI 전략의 가장 불편한 진실을 담고 있다.

원문 기사에 따르면, Uber의 CTO Praveen Neppalli Naga는 Anthropic의 Claude Code를 도입한 이후 다음과 같이 말했다.

"The budget I thought I would need is blown away already." — Praveen Neppalli Naga, Uber CTO, The Information 인터뷰 중

이 발언이 단순한 비용 초과 해프닝이 아닌 이유는, Uber처럼 기술 역량과 재무 통제력이 최상위권인 기업조차 AI 비용 구조를 예측하지 못하고 있다는 사실을 공개적으로 인정했기 때문이다. 기업비용AI 문제는 이제 스타트업의 과욕이 아니라, 글로벌 대기업의 구조적 도전이 됐다.

---

"도구"가 아니라 "소비 엔진"이 된 AI

전통적인 소프트웨어 도입은 예측 가능한 비용 모델을 따랐다. 라이선스 비용을 협상하고, 구현 비용을 산정하고, 운영 비용을 고정한다. 그러나 Claude Code 같은 AI 코딩 에이전트는 다르다. 사용량이 늘수록 토큰 소비가 기하급수적으로 증가하며, 개발자 한 명이 하루에 소비하는 API 비용이 과거 팀 전체의 월간 SaaS 구독료를 초과할 수 있다.

이 구조적 차이를 이해하지 못한 채 "생산성 향상"이라는 프레임만으로 AI를 도입한 기업들은 지금 청구서 앞에서 멈칫하고 있다. Uber의 사례는 빙산의 일각일 가능성이 높다. 비슷한 충격을 받은 기업들이 공개적으로 말하지 않을 뿐이다.

기업비용AI의 핵심 문제는 가시성(visibility)이다. 누가, 어떤 워크플로우에서, 얼마나 소비하는지를 실시간으로 추적하는 거버넌스 레이어 없이 AI를 배포하면, 예산은 예측 불가능한 변수가 된다. 이 주제를 더 깊이 이해하려면 AI 클라우드, 이제 "누가 배포했는가"보다 "무엇이 청구를 만드는가"를 먼저 물어야 한다는 관점이 핵심을 찌른다.

---

기사가 말하지 않는 맥락: 군비 경쟁의 청구서

Anthropic의 Claude Code가 Uber의 예산을 "날려버린" 배경에는 더 큰 구조적 흐름이 있다. 나는 앞서 OpenAI의 사이버보안 모델 전면 개방을 분석하면서, 현재 AI 경쟁의 핵심이 "모델 성능"이 아니라 "국가 인프라 및 기업 워크플로우에 먼저 통합되는 선점 효과"라고 지적한 바 있다.

Claude Code의 폭발적 채택은 그 선점 경쟁의 산물이다. Anthropic은 개발자 생산성이라는 가장 직접적인 ROI 서사를 앞세워 기업 내부 깊숙이 침투했다. 문제는 이 침투가 성공할수록 기업의 AI 의존도와 비용 노출이 동시에 커진다는 점이다.

Gartner의 2025년 IT 지출 전망에 따르면 전 세계 소프트웨어 지출은 2025년 기준 전년 대비 약 14% 성장했으며, 이 중 AI 관련 지출이 성장의 주요 동인으로 꼽혔다. 그러나 이 수치는 계획된 지출을 반영한다. Uber CTO의 고백은 계획 외 지출이 얼마나 빠르게 누적되는지를 보여주는 실시간 데이터포인트다.

아시아-태평양 시장을 오래 취재한 입장에서 보면, 이 문제는 한국과 일본의 대기업들에게 더 심각하게 작용할 수 있다. 서구 빅테크는 이미 내부 AI 비용 거버넌스 팀을 구성하고 있지만, 한국의 대부분 대기업들은 아직 "AI 도입 속도"에 집중하며 비용 구조 설계를 후순위로 미루는 경향이 있다. 삼성, SK, LG 같은 그룹사들이 계열사 전반에 AI 코딩 도구를 배포하기 시작하면, Uber가 경험한 충격의 배율이 훨씬 클 수 있다.

---

비용 폭증의 세 가지 구조적 원인

기업비용AI 문제를 단순히 "AI가 비싸다"로 요약하면 본질을 놓친다. 세 가지 구조적 원인이 맞물려 있다.

1. 토큰 경제의 비선형성

AI 코딩 에이전트는 단순 자동완성이 아니다. Claude Code 같은 도구는 컨텍스트 창 전체를 소비하며 반복적으로 추론한다. 개발자가 복잡한 코드베이스를 다룰수록, 한 번의 작업 세션에서 수백만 토큰이 소비될 수 있다. 이 비선형성은 기존 소프트웨어 예산 모델로는 포착이 불가능하다.

2. 거버넌스 레이어의 부재

기업들은 AI 도구를 배포하는 속도보다 훨씬 느리게 사용 정책과 모니터링 시스템을 구축한다. 결과적으로 개발팀, 데이터팀, 마케팅팀이 각각 독립적으로 AI 도구를 사용하면서 중앙에서 집계된 비용 데이터가 없는 상황이 발생한다. CFO가 청구서를 받을 때는 이미 분기가 끝난 후다.

3. "생산성 향상"의 역설

AI 도구가 개발자 생산성을 높이면, 개발자들은 더 많은 작업을 AI에 위임한다. 생산성이 오를수록 AI 사용량도 오른다. 이는 비용 절감이 아니라 비용 구조의 변환이다. 기존에 인건비로 지출되던 것이 API 비용으로 전환되는데, 이 전환이 항상 기업에 유리한 방향으로 작동하지는 않는다.

---

기업이 지금 당장 해야 할 관점 전환

Uber의 사례에서 실행 가능한 교훈을 뽑는다면 세 가지다.

첫째, AI 예산을 "프로젝트 비용"이 아니라 "인프라 비용"으로 재분류하라. Claude Code나 GitHub Copilot 같은 도구는 일회성 프로젝트 예산이 아니라 클라우드 인프라처럼 변동형 운영 비용으로 관리해야 한다. FinOps 팀이 AWS 비용을 관리하듯, AI 토큰 소비를 실시간으로 추적하는 전담 기능이 필요하다.

둘째, 배포 전에 "비용 상한선"을 정의하라. AI Cloud, 이제 "무엇을 실행하는가"보다 "누가 멈출 수 있는가"가 더 위험하다는 관점처럼, AI 시스템에는 기술적 거버넌스뿐 아니라 재무적 거버넌스도 선제적으로 내장돼야 한다. 팀별 월간 토큰 예산, 자동 알림 임계값, 승인 없는 사용 제한 같은 메커니즘이 필요하다.

셋째, ROI 측정 프레임을 바꿔라. "AI 도입 전후 개발 속도"만으로 ROI를 측정하면 비용 폭증을 정당화하는 함정에 빠진다. 생산성 향상분에서 AI 비용 증가분을 차감한 순 ROI를 분기별로 추적해야 한다. Uber CTO가 예산 초과를 공개적으로 인정한 것은, 이 계산이 내부적으로 불편한 결과를 낳고 있다는 신호로 읽힌다.

---

선점 경쟁의 숨겨진 비용

Anthropic이 Claude Code를 공격적으로 확산시키는 전략은 단기적으로 성공하고 있다. Uber 같은 상징적 고객이 "예산이 날아갔다"고 말할 정도로 깊이 침투했다면, 그것은 Anthropic 입장에서는 완벽한 선점 효과다. 이미 워크플로우에 통합된 AI 도구를 교체하는 비용은 전환 비용(switching cost)으로 작용하며, 기업들을 특정 플랫폼에 묶어두는 해자가 된다.

문제는 이 해자가 AI 공급자에게는 경쟁 우위지만, 기업 고객에게는 협상력 약화를 의미한다는 점이다. 한번 조직의 개발 문화 깊숙이 들어온 AI 도구는 "비싸다"는 이유만으로 쉽게 빠져나오지 못한다. 개발자들이 이미 그 도구 없이 일하는 방식을 잊어버리기 때문이다.

아시아-태평양 기업들, 특히 한국의 IT 집약적 대기업들은 이 역학을 지금 냉정하게 분석해야 할 시점이다. 2026년 4월 현재, 글로벌 AI 도구 경쟁은 기업들의 지갑을 열게 하는 데 성공했다. 다음 질문은 "얼마나 열 것인가"가 아니라 "누가 그 문을 통제하는가"다.

기업비용AI는 단순한 예산 관리 문제가 아니다. 그것은 AI 시대의 기업 주권(enterprise sovereignty) 문제다.