AI 비용이 엔지니어 월급을 넘어서기 시작했어. Anthropic 이 인건비의 2.3 배를 컴퓨트에 쓰는 시대와 인디 빌더가 봐야 할 신호 3 가지

📅 2026.07.06 | ✍️ 경제 흐름을 읽어주는 형

형이 오늘 저녁 미국 쪽 AI 흐름을 넘기다가 벤처 투자자 토마스 텅구즈가 정리한 숫자 하나에서 손을 멈췄어. 한 줄로 줄이면 이래. AI 를 만드는 회사가 이제 사람 월급보다 기계값에 더 많은 돈을 쓰기 시작했어. Anthropic 을 예로 들면, 이 회사는 직원 인건비의 2.3 배를 컴퓨트, 그러니까 모델을 돌리고 학습시키는 계산 비용에 붓고 있어. 직원이 약 5,000 명인데 올해 추론과 학습에 쓰는 돈이 대략 100 억 달러라, 직원 한 명당 약 200 만 달러, 우리 돈으로 약 27 억 원어치의 계산을 태우는 셈이야. 사람 한 명 총보수가 50 만 달러대인 걸 생각하면 기계값이 사람값의 몇 배가 된 거지.

형이 이번에 봐도 이건 남의 회사 회계 이야기로 끝나지 않아. 핵심은 나머지 시장은 아직 한참 뒤에 있다는 점이야. 소프트웨어 상위 1% 기업조차 엔지니어 한 명당 AI 에 쓰는 돈이 연 8.9 만 달러, 정규직 연봉의 40% 수준이고, 중앙값은 겨우 137 달러야. 프론티어에서는 기계값이 사람값의 2.3 배인데 시장 한가운데서는 거의 0 에 가까운 거지. 텅구즈는 이 격차가 2029 년까지 어떻게 좁혀질지 세 갈래로 나눠봤어. 이 세 갈래가 한국의 1 인 빌더에게 무엇을 알려주는지 3 가지로 풀어볼게.

【 핵심 체크포인트 】

1. 비용의 무게중심이 사람에서 기계로 넘어가고 있어.

이 분석에서 놓치기 쉬운 진짜 핵심은, 소프트웨어를 만드는 일의 원가 구조 자체가 바뀌고 있다는 거야. 지난 20 년 동안 소프트웨어 회사의 가장 큰 비용은 언제나 사람 월급이었어. 그런데 프론티어 AI 회사에서는 이제 계산 비용이 인건비를 넘어섰고, 그 비율이 2.3 배까지 벌어졌어. 이게 왜 중요하냐면, 원가에서 가장 큰 덩어리가 사람에서 기계로 넘어가면 사업을 판단하는 기준 자체가 달라지거든. 예전에는 "사람을 몇 명 더 뽑을 수 있나" 가 성장의 질문이었다면, 앞으로는 "계산값을 얼마나 감당할 수 있나" 가 그 질문을 대신해. 한국의 1 인 빌더에게 이건 먼 이야기 같지만 방향은 같아. AI 로 무언가를 굴리기 시작하는 순간, 내 사업에서 가장 신경 써야 할 비용이 내 시간이 아니라 토큰값이 되는 날이 와. 형은 그 전환의 첫 신호가 이 숫자에 담겨 있다고 봐.

2. 2029 년까지 세 갈래 길이 열려 있어, 어느 쪽에 걸지가 관건이야.

두 번째로 짚을 건 텅구즈가 그린 세 시나리오야. 약세 쪽은 토큰값이 계속 폭락해서 2029 년에도 엔지니어 한 명당 AI 비용이 10.6 만 달러에 머무는 그림이고, 기준 쪽은 36.3 만 달러, 강세 쪽은 시장 전체가 Anthropic 비율까지 따라가서 59.6 만 달러까지 오르는 그림이야. 강세를 미는 힘은 두 가지야. 프론티어 모델값이 안 떨어지고, 에이전트 방식이 단순 챗봇보다 토큰을 몇 배씩 먹는다는 거지. 골드만삭스는 2030 년까지 토큰 소비가 24 배로 늘 거라고 봤어. 반대로 약세를 미는 힘은 토큰값이 3 년째 매년 10 배씩 싸지고 있고, 오픈웨이트 모델이 훨씬 적은 비용으로 품질 격차를 좁히고 있다는 거야. 한국의 1 인 빌더가 여기서 챙길 각은 분명해. 나는 지금 어느 시나리오를 가정하고 도구를 짜고 있나를 물어야 해. 토큰이 계속 싸질 거라 믿고 펑펑 쓰는 설계와, 언젠가 비싸질 거라 보고 아껴 쓰는 설계는 2 년 뒤 완전히 다른 결과를 낳거든.

3. 토큰을 아끼는 습관이 곧 경쟁력이 되는 시대가 와.

잘 안 보이는 세 번째 사실을 꺼낼게. 이 글의 강세 시나리오에서 가장 무서운 대목은, 에이전트가 챗봇보다 토큰을 훨씬 많이 먹는다는 부분이야. 요즘 다들 챗봇에서 에이전트로 넘어가고 있잖아. 스스로 여러 단계를 밟아 일하는 에이전트는 한 번 돌 때마다 수십 배의 토큰을 태워. 그러니 에이전트를 많이 쓸수록 비용 곡선이 가팔라지는 거지. 여기서 한국의 1 인 빌더가 잡을 각은 이거야. 남들이 성능만 좇으며 토큰을 펑펑 쓸 때, 같은 결과를 더 적은 토큰으로 뽑아내는 기술이 조용한 경쟁력이 돼. 컨텍스트를 잘 다듬어서 불필요한 입력을 줄이고, 무거운 모델과 가벼운 모델을 일에 맞게 갈라 쓰고, 반복 작업은 캐시로 아끼는 이런 습관이 지금은 사소해 보여도 강세 시나리오가 오면 생존 기술이 돼. 비용이 사람에서 기계로 넘어가는 판에서, 그 기계값을 가장 알뜰하게 다루는 사람이 오래 버텨.

【 형 빌드 cross-reference 】

이 흐름이 형이 만들고 굴리는 도구 3 가지와 어떻게 맞물리는지 풀어볼게.

첫째는 claude-code-masterpack (= 컨텍스트 엔지니어링 도구) 이야. 이 글을 읽으면서 형이 이 도구를 왜 만드는지가 더 또렷해졌어. 컨텍스트 엔지니어링이라는 게 결국 같은 일을 더 적은 입력으로 처리하게 다듬는 기술이거든. AI 비용이 사람값을 넘어서는 시대에는, 프롬프트 하나에 불필요한 맥락을 얼마나 덜어내느냐가 곧 돈으로 직결돼. 지금은 토큰이 싸서 이런 절약이 티가 안 나지만, 강세 시나리오가 오면 컨텍스트를 알뜰하게 짜는 사람과 펑펑 쓰는 사람의 비용 차이가 몇 배로 벌어져. 형은 그 미래를 보고 이 도구를 다듬고 있어.

둘째는 agent-starter-kit (= 텔레그램 AI 에이전트 키트) 야. 이 글의 경고가 정확히 이 키트의 설계 원칙과 맞닿아 있어. 에이전트가 챗봇보다 토큰을 몇 배 먹는다는 대목 말이야. 그래서 형은 이 키트를 만들 때 무조건 성능만 높이는 방향이 아니라, 가벼운 판단은 가벼운 모델에 맡기고 무거운 판단만 큰 모델을 부르게 갈라 짜고 있어. 에이전트를 굴리는 사람이 늘어날수록 이 비용 감각이 있느냐 없느냐가 오래 버티느냐를 가르거든. 처음부터 알뜰하게 설계된 에이전트가 나중에 값을 해.

셋째는 WILD_SNIPER (= 트레이딩 봇) 야. 이건 형이 매일 토큰 예산을 직접 관리하는 프로젝트라 이 글이 남 이야기가 아니야. 봇이 시장을 읽고 판단할 때마다 토큰이 들고, 그 비용이 쌓이면 아무리 좋은 전략이라도 수익을 갉아먹어. 그래서 형은 꼭 필요한 순간에만 무거운 분석을 돌리고, 나머지는 가벼운 규칙으로 거르게 짜 뒀어. AI 비용이 사업의 뼈대가 되는 시대에는, 얼마나 벌었느냐만큼 얼마나 아꼈느냐가 남는 돈을 결정하거든. 이 봇을 굴리며 형이 몸으로 배운 감각이야.

【 결론 】

형이 이 글을 한 흐름으로 묶으며 가장 와닿은 한 가지는, AI 시대의 진짜 비용이 눈에 잘 안 보이는 곳에서 조용히 커지고 있다는 사실이야. 프론티어 회사에서는 이미 기계값이 사람값을 넘어섰고, 나머지 시장도 정도의 차이일 뿐 같은 길을 걷고 있어. 한국의 1 인 빌더 입장에서 이 변화가 알려주는 행동은 분명해. 첫째, AI 로 무언가를 굴릴 때 내 사업의 가장 큰 비용이 내 시간이 아니라 토큰값이 되는 날을 미리 가정하는 태도. 둘째, 토큰이 계속 싸질 거라는 낙관과 언젠가 비싸질 거라는 대비 사이에서 내가 어느 쪽에 걸고 도구를 짜는지 스스로 묻는 습관. 셋째, 같은 결과를 더 적은 토큰으로 뽑아내는 알뜰한 설계를 지금부터 몸에 붙이는 준비.

한 가지만 더 덧붙일게. 오늘 아침 형이 다룬 소식은 아마존이 사람에게 잔일을 맡기던 미케니컬 터크의 신규 접수를 닫기 시작했다는 이야기였어. 사람의 데이터 노동을 AI 가 삼키는 장면이었지. 오늘 저녁 소식은 그 AI 를 돌리는 계산 비용이 사람 인건비를 넘어섰다는 이야기고. 두 장면을 겹치면 결이 보여. 비용의 무게중심이 사람에서 기계로 통째로 넘어가고 있는 거야. 이 큰 전환 속에서 1 인 빌더가 할 일은 화려한 성능 경쟁에 휩쓸리는 게 아니라, 내가 태우는 토큰 한 줌을 알뜰하게 다루면서 오늘 당장 사람에게 쓸모 있는 작은 것을 꾸준히 만드는 거야. 다음 글에서는 같은 결 위에서 토큰을 아끼는 실전 설계 항목을 한 번 더 풀어줄게.

출처: Tomasz Tunguz, When AI Costs More Than the Engineer (2026.06.29)

이 글은 2026.07.06 뉴스 + 데이터 기반 AI 도구 활용 재작성이야. 최종 책임은 형 1 인.