Uber COO, tokenmaxxing에 쓰는 돈을 정당화하기가 점점 어려워지고 있다고 말해
Uber의 COO Andrew Macdonald은 최근 Rapid Response 인터뷰에서 AI 비용을 정당화하기가 점점 어려워졌다고 밝혔다. Uber CTO Praveen Neppalli Naga는 earlier this year The Information 인터뷰에서 2026년 Claude Code 예산을 이미 4개월 만에 다 써버렸다고 밝힌 바 있다. 이 발언은 회사 내부에서 "머리가 터질 것 같은 순간"을 초래했으며, AI 토큰 소비와 인력 규모 사이의 절충 문제가 본격적으로 논의되기 시작했다.
토큰 사용량과 제품 성과의 연결고리, 아직 없다
Macdonald은 Uber의 고위 엔지니어링 리더들과의 대화 끝에 중요한 결론에 도달했다. 더 많은 토큰 사용량이 유용한 소비자 기능의 비례적 증가로 이어지지 않는다는 것이다. 그의 표현을 빌리자면, "그 연결고리는 아직 없다."
이는 즉, 더 많은 기능을 출시하고 있을 가능성은 있더라도, 그것을 특정 지표와 직접 연결하기 어렵다는 뜻이다. "이제 실제로 25% 더 많은 유용한 소비자 기능을 만들고 있다"는 결론에 도달하려면, 상당한 노력과 검증이 필요하다.
AI 지출이 성과와 직접 연결하기 어려울수록, 그 절충 비용을 정당화하는 일도 함께 어려워진다.
CEO가 밝힌 구조적 조 Adjustment: 채용 속도 늦추기로 AI 투자 상쇄
Uber CEO Dara Khosrowshahi는본 실적 발표에서 주목할 만한 발언을 했다. Uber가 AI 투자를 상쇄하기 위해 채용 속도를 늦추고 있다는 것이다. 사용자들은 비용을 내지 않고 AI를 무료처럼 느끼지만,최적으로 비용을 지불하는 것은 회사다. AI 사용 확대는 단순한 생산성 실험이 아니라, 예산과 인력 운용에 실질적인 영향을 주는 비용 구조의 문제로 다가왔다.
Big Tech의 tokenmaxxing, 그리고 Duolingo의 되돌림
흥미로운 것은 Big Tech의 흐름과 대비되는 사례다.
Meta, Google, JPMorgan 등 일부 대형 기업들은 직원의 AI 사용량을 성과 평가, 목표 설정, 임금 인상, 승진과 연결하는정책조시를 도입하고 있다. 이른바 "tokenmaxxing" — 가능한 한 많은 AI 토큰을 사용하도록 유도하는 전략다。
그러나 Duolingo는 정반대의 길을 선택했다. 직원들이 "AI를 쓰기 위해 AI를 써야 하느냐"고 반발하자, 동사는 AI 사용을 성과 평가에 포함시키려는 계획을 철회했다. CEO Luis von Ahn은 4월 팟캐스트 인터뷰에서 "실제 결과에 책임을 묻기보다 맞지 않는 것을 억지로 밀어붙이는 느낌이었다"고률니 밝혔다.
Hacker News 토의에서 드러난 현실
이 주제에 대한 Hacker News 댓글들은 의외로 흥미로운 현실을 보여준다.
"어떤 회사든 토큰 소비량을 직원 성과 신호로 쓴다고 발표하면, 그 회사는 피해야 할 적신호에 가깝다"는이 가장 많은 공감 받았다. 좋은 엔지니어링 리더십을 가진 회사라면 이런 정책을 괜찮은 아이디어로 받아들여서는 안 된다는 것이다.
또 다른 댓글에서는 이렇게 지적했다.
> "출장 식비 한도를 100달러 넘기면 매니저나 재무팀과 불편한 대화를 해야 한다. 그런데 AI 토큰 500달러를 비생산적으로 쓰면 최상위 AI 도입자로 인정받는다."
실제로, FAANG급이 아니더라도 많은 대형 기술 회사 개발자들에게 토큰 순위표가 존재하는 것으로 알려졌고, 어떤 회사에서는 개발자에게 "이제 코드 한 줄도 직접 쓰지 않았으면 한다"고까지 말하는 경우도 있다.
엔지니어로 보는 tokenmaxxing의 문제점
Software engineering 관점에서 tokenmaxxing에는 근본적인 문제가 있다.
1. 토큰 사용량이 성과를 의미하지 않는다
AI로 하루에 쓸모없는 기능 5개를 만들 수도 있고, 이틀에 유용한 기능 1개를 만들 수도 있다. 어느 쪽이 투자수익률에 더 나은 영향을 줄까? 현실에서는 측정이 매우 어렵다.
2. 기술 부채가 발생한다
AI는 로드맵을 빨리 달성하게 해주지만, 임시 개발자를 고용해 기능을 만든 것과 비슷한 기술 부채를 남긴다. 팀 안에 새 코드를 이해하는 사람이 꼭 생기는 것도 아니다.
3. 제품 복잡성이 증가한다
P2 기능이 P2인 데는 이유가 있다. AI 때문에 낮은 한계 이익의 기능까지 포함되어 제품이 불필요하게 복잡해질 수 있다.
올바른 AI 활용, 그리고 지속 가능한 향상 폭
실제로 측정 가능한 AI 사용으로 인한 지속 가능한 최대 향상 폭은 시니어 엔지니어 기준으로 대략 20%로 추정된다. 어떤 엔지니어의 토큰 예산도 그 이상을 넘지 않아야 한다는 뜻이다.
올바른 흐름은 이러하다.
1. "이 일에 정말 에이전트가 필요한가"를 먼저 묻는다
2. 필요하다면 어떤 에이전트, 어떤 모델, 어떤 추론 수준이 필요한지 정한다
3. 토큰 절약, 캐시 적중률 증가, 더 적은 문맥으로 정보를 쓸 수 있게 만드는 정보 구조화를 장려한다
Hacker News 댓글의 또 다른 시각: 역사적 비유
한 흥미로운 댓글은 James Gleick의 "The Information"에서 전신 산업의 역사를 인용했다. 전보는 문자당 요금을 받았기 때문에 전송 문자를 줄이는 코드북 시장이 컸는데, 압축은 곧 돈이었다. 전신 회사들은 이를 싫어했지만 받아들일 수밖에 없었다.
비유적인들은 이렇게 지적했다. 토큰맥싱은 전신기사가 고객 처리량이 아니라 하루에 전신선을 얼마나 오래 점유했는지로 평가받는 상황이라고. 즉, 태운 토큰 수나 비용이 가장 큰 사람이 이기는 방식이지, 기능을 납품한 프로그래머 기준으로 평가하는 것이 아니다.
전망: AI 투자의 성과 측정, 앞으로의 과제
Uber의 사례는 Big Tech의 AI 투자 열풍에 중요한 질문을 던진다. AI에 돈을 쓰고 있지만, 실제로 어떤 성과가 나오는지는 아직 명확하지 않다는 것이다.
Microsoft가 AI가 인간 직원 고용보다 더 비싸다고 보고한 바 있고, Amazon에서는 직원들이 AI 사용 압박에 불필요한 작업을 만들어 AI 토큰 소비량을 부풀리는 현상까지 보고되고 있다.
결국 문제는 단순하다. AI라는 도구를 적재적소에 활용하느냐, 아니면 지표 달성을 위해 무분별하게 사용하느냐의 차이다. 전자가 지속 가능한 성장을 위한정안이다.
핵심 요약:
• Uber COO: AI 비용 정당화가 점점 어려워지고 있다
• CTO: 2026년 Claude Code 예산, 4개월 만에 소진
• 토큰 사용량과 제품 성과의 직접적 연결고리, 아직 미확인
• CEO: AI 투자 상쇄를 위해 채용 속도 늦추기
• Big Tech와 Duolingo는 엇갈리는 방향 제시
• 올바른 AI 활용: 효과 측정, 적재적소 사용, 기술 부채 관리
📚 출처
• Business Insider — Uber COO interview
• The Information — Uber CTO interview
• GeekNews — Uber COO tokenmaxxing
📚 출처
'AI 뉴스' 카테고리의 다른 글
| AI 시대, 리더가 원하는 개발자란? — 코르카 AX 팀의 관점 (0) | 2026.05.27 |
|---|---|
| AI를 사용해 더 나은 코드를 더 천천히 작성하기 (0) | 2026.05.27 |
| 사이트로 구현한 Hacker News 프런트 페이지 — 신문 스타일 뉴스 애그리게이터 (0) | 2026.05.27 |
| nb-cli - AI 에이전트와 노트북 자동화를 위한 CLI 완벽 가이드 (0) | 2026.05.27 |
| CodeGraph - AI 코딩 에이전트를 위한 코드 지식 그래프 완벽 가이드 (0) | 2026.05.27 |