청구 모델 계단식 접근법: AI 에이전트 가격 책정의 다섯 가지 방법
요약
AI 에이전트의 가격 책정 모델은 단순히 비용을 비교하는 것이 아니라, '어떤 결과에 대해 누가 비용을 지불할 것인가'라는 관점의 계단식 접근법으로 이해해야 합니다. 전통적인 좌석 기반이나 토큰당 청구 방식에서 벗어나, 해결책(Resolution) 또는 비즈니스 결과(Business outcome) 단위로 비용을 책정하는 것이 중요합니다.
핵심 포인트
- AI 에이전트 가격은 단순 비교가 아닌 '누가 실패에 대한 비용을 지불할지'의 관점이다.
- 가격 모델은 좌석당 → 토큰/분당 → 대화당 → 해결책당 → 비즈니스 결과당 순으로 진화한다.
- 최신 트렌드는 노력(effort) 기반에서 완료된 작업(completion) 또는 실제 성과(outcome) 기반으로 이동하고 있다.
최근에 만난 한 지원 부서 리더가 두 개의 견적을 비교하고 있었습니다. 한 공급업체는 좌석당 월 $85를 원했고, 다른 곳은 해상도당 $0.99를 요구했습니다. 그녀는 당연한 산술 계산을 했습니다. 99센트는 85달러보다 싸니, 이 AI 에이전트는 기본적으로 무료라는 것이었습니다.
몇 달 후, 그녀의 AI 항목 비용이 좌석 항목 비용보다 커졌지만, 아무도 잘못한 것은 없었습니다.
문제는 숫자에 있는 것이 아니었습니다. 그것들을 같은 종류의 숫자로 취급했다는 데 있었습니다. '좌석(seat)'은 인원수(headcount)로 통제하는 수치입니다. '해상도당 비용(per-resolution fee)'은 공급업체의 모델이 얼마나 잘 수행하느냐에 따라 통제되는 수치입니다. 이들은 서로 다른 단위로 측정되며, 단순히 가격만 비교하는 것이 3개월 차에 예산을 초과하게 만드는 원인입니다.
유용한 관점은 '어떤 가격 책정 모델이 가장 좋은가'가 아닙니다. 그것은 계단(ladder)입니다. 각 디딤돌은 한 가지를 변화시킵니다: 에이전트가 실패했을 때 누가 비용을 지불하는지 말입니다.
다섯 개의 디딤돌

디딤돌 1: 좌석당(Per seat). 접근에 대해 비용을 지불합니다. 아무도 사용해야 할 필요가 없습니다. 공급업체의 수익은 소프트웨어가 작동하는지 여부와 완전히 분리됩니다. Deloitte의 TMT Predictions 2026은 나아갈 방향을 명확히 제시합니다: 전통적인 가격 책정 방식은 좌석 기반 및 구독 라이선싱에서 벗어나 소비량 기반(consumption-based) 모델과 결과 기반(outcome-based) 모델을 혼합한 하이브리드 형태로 전환될 수 있습니다.
디딤돌 2: 토큰당 또는 분당(Per token or per minute). 소비에 대해 비용을 지불합니다. 음성 에이전트는 기본적으로 여기에 위치하며, 모든 것을 포함하여 분당 약 $0.05에서 $0.45 사이입니다. 재시도할 때마다, 환각적인 우회 경로를 거칠 때마다, 전송으로 끝나는 통화가 완벽한 통화와 동일하게 청구됩니다. 공급업체는 품질로부터 완전히 보호받습니다.
디딤돌 3: 대화당 또는 세션당(Per conversation or per session). 노력에 대해 비용을 지불합니다. 에이전트가 무언가를 시도했으므로, 그 시도에 대해 비용을 지불해야 합니다. 이것은 구매자들이 실제로 디딤돌 4에서 견적을 받을 때 자신이 서 있다고 생각하는 디딤돌입니다.
디딤돌 4: 해결책(Resolution)당 비용. 완료된 작업에 대해 지불합니다. Fin은 결과 건당 $0.99를 부과하며, 해결책, 절차 인계(procedure handoffs), 실격 처리(disqualifications)는 $0.99, 리드 자격 검증(lead qualification)은 $9.99이며, 대화가 팀으로 넘어갈 때는 비용이 청구되지 않습니다. Zendesk는 자동화된 해결책 건당 비용을 부과하며, 요율을 공개하지 않지만 독립적인 분석 및 고객 계약 데이터에 따르면 확정된 볼륨 기준 약 $1.50, 사용량 기반(pay-as-you-go)으로는 $2.00 수준으로 수렴합니다. HubSpot의 Breeze Customer Agent는 2026년 4월에 처리한 대화 건당 $1.00에서 해결된 대화 건당 $0.50로 변경되었습니다. 이 가격 책정 변화가 실제로 무엇을 의미하는지 주목하십시오: 노력(effort)에서 완료(completion)로 올라가는 사다리 단계이며, 비용은 절반으로 책정되었습니다.**
디딤돌 5: 비즈니스 결과(Business outcome)당 비용. 작업이 산출해야 하는 결과에 대해 지불합니다. 자격 있는 리드, 예약된 미팅, 회수된 송장 등이 그것입니다. 이곳이야말로 마케팅 문구가 존재하며 실제로 운영하는 사람이 거의 없는 곳입니다.
사다리가 실제로 측정하는 것
해결률(resolution rate)이 60%인 시스템을 통해 대화 1,000건을 실행한다고 가정하고, 이 디딤돌들이 가격 책정처럼 보이기보다 위험 할당(risk allocation)처럼 보이게 되는 지점입니다.

디딤돌 2에서는 1,000건 전체에 대해 비용을 지불합니다. 디딤돌 3에서도 1,000건 전체에 대해 지불하며, 실패한 400건이 작동한 600건과 정확히 같은 비용이 발생합니다. 디딤돌 4에서는 600건에 대해서만 비용을 지불하고 공급업체(vendor)가 나머지 400건의 컴퓨팅 비용을 부담합니다. 이것이 전체 메커니즘입니다. 그 외 모든 것은 포장(packaging)일 뿐입니다.
이는 실제로 중요한 숫자로 이어지며, 어떤 가격 페이지에도 나와 있지 않습니다: 실제 해결책 건당 유효 비용(effective cost per real resolution). 해결률 25%에 세션당 $0.49를 지불하는 것은 실제로는 건당 약 $2.00의 효과가 발생하며, 표기된 금액보다 네 배 높은 수치입니다. 해결률 60%에 대화당 $2.00을 지불하면 $3.33이 됩니다. 실제 해결률 70%에 결과당 $0.99를 지불하는 것은 모델이 이미 정규화(normalization)를 완료했기 때문에 $0.99입니다.
어떤 것을 비교하기 전에 모든 견적을 실제 해결책 건당 비용으로 정규화하십시오. 서로 다른 디딤돌에서 가격을 책정한 두 공급업체는 사용자가 직접 정규화하지 않는 한 비교할 수 없습니다.
왜 거의 아무도 디딤돌 5에 서지 않는가
가장 높은 디딤돌은 가치 제안이 가장 명확하지만 기반이 가장 불안정한 곳입니다. 채택 데이터를 보면 알 수 있습니다. ICONIQ가 약 305명의 소프트웨어 임원을 대상으로 실시한 2026년 설문조사에 따르면, 여전히 58%는 구독료나 플랫폼 이용료를 기준으로 가격을 책정하고, 35%는 사용량(consumption)에 따라 책정하며, 결과 기반 가격 책정(outcome-based pricing)은 18%에 머물고 있습니다. 이는 이전의 2%에서 증가한 수치이므로 추세 자체는 확실하지만, 아직 주류가 아닌 소수 의견입니다.
솔직히 말해, 결과 기반 가격 책정이 작동하는 경우는 성공률 자체가 이미 높은 경우뿐입니다. 모든 시도는 산출물에 관계없이 컴퓨팅 자원을 소모하기 때문에, 낮은 성공률은 실패 비용을 감당할 만큼 충분한 유료 결과를 남기지 못합니다. 그리고 고난도 자동화 분야의 성공률은 아직 그 수준이 아닙니다. 운영체제 전반에 걸친 자율 컴퓨터 사용 벤치마크인 OSWorld에서 에이전트의 성공률은 약 12%에서 66.3%로 상승했지만, 인간 기준선(human baseline)은 72.35% 수준입니다. 인상적인 기울기이지만, 여전히 세 가지 구조화된 작업 중 하나는 실패하고 있습니다. 어떤 공급업체도 이에 대해 고정된 결과 비용을 책정하지 않습니다.
두 번째 이유는 귀속(attribution) 문제입니다. B2B에서 궁극적인 목표 결과는 증분 이익(incremental profit)이지만, 구매자들은 그것이 정치적이며 공급업체가 통제할 수 없는 요인들로 인해 형성되기 때문에 이익을 기준으로 가격을 책정하지 않습니다. 한 단계 아래는 창출된 수익이나 절감된 비용으로, 재무적 진실에 더 가깝지만 귀속 관련 분쟁(attribution fights)이 잦고 구매자들이 내부 정보를 공개하려 하지 않기 때문에 가격 측정 지표로 거의 사용되지 않습니다.
업계에서 가장 목소리가 큰 지지자가 실제로 무엇을 하는지 살펴보십시오. Sierra는 결과 기반 가격 책정을 바탕으로 브랜드를 구축했지만, 자체 블로그에 따르면 이 회사는 이에 대해 교조적이지 않으며, 문제의 형태에 맞게 적합한 곳에서는 사용량 기반 작업(consumption-style work)을 수행합니다. 예를 들어 간단한 안내원 대화와 같은 저가치 상호작용은 대신 사용량으로 청구됩니다. 진정한 신봉자가 예외를 만들어낼 때, 그것이 사다리가 어디에서 끝나는지 알려주는 것입니다.
따라서 업계는 측정할 수 있는 가장 높은 디딤돌인 4단계에 안착했습니다.
도달 가능한 디딤돌은 공학적 제약 사항이다
가격 책정 전략 논의에서 놓치기 쉬운 부분이 있습니다. 어떤 디딤돌에 설 수 있는지는 상업적 결정이 아닙니다. 그것은 분쟁 발생 시 귀하의 원격 측정(telemetry) 데이터로 방어할 수 있는 범위에 달려있습니다.
실제 해결(resolution)이 어떻게 감지되는지 고려해 보세요. Fin 해결(Fin resolution)이란 마지막 답변 이후 더 이상 도움을 요청하지 않았다는 것을 의미하며, 이는 고객이 도움이 되었다고 말하는 확인된 해결과 고객이 단순히 떠나는 것으로 간주되는 가정된 해결을 모두 포함합니다. Zendesk는 AI가 대화를 에스컬레이션 없이 처리하고 72시간 동안 추가적인 고객 활동이 없을 때 자동화된 해결로 계산하며, 메시징은 기본적으로 2시간 후에 평가되고 최대 72시간까지 설정할 수 있습니다.
침묵도 청구 가능한 이벤트입니다. 이는 공급업체가 설정하는 타이머에 따라 이루어집니다. 이것이 스캔들은 아니지만 설계상의 트레이드오프이며, 이로써 디딤돌 4가 정확히 무엇인지 알려줍니다. 즉, 비즈니스 결과(business result)를 대신하는 휴리스틱 감지기이며, 공급업체가 정의와 감지기 모두를 작성합니다. 그리고 미터는 구매자에게 불리하게 작동하는데—2026년 1월부터 Zendesk는 약정된 볼륨을 초과하는 해결 건에 대해 자동으로 청구하며 상한선이 없습니다.
디딤돌을 오르는 것은 감사를 견딜 수 있는 장치를 구축한다는 의미입니다. 중복성(idempotency)을 갖춘 이벤트 수준의 계량화로, 모든 도구 호출(tool call), 재시도(retry), 서브 에이전트 생성(sub-agent spawn)은 부모 작업에 태그가 지정되고 이중 청구가 아닌 중복 제거 방식으로 기록되는 개별 이벤트로 기록됩니다. 양측 모두 총계가 항목과 일치하는지 독립적으로 확인할 수 있도록 서명된 기록을 가진 추가 전용 로그(append-only logs)가 필요합니다. 그리고 벽에 새겨야 할 규칙이 있습니다. 귀하의 청구 시스템이 요청 시 감사 추적(audit trail)을 생성할 수 없다면, 결과 기반 가격 책정은 고객이 요구했을 때 뒷받침할 수 없는 약속입니다.
뒤따르는 순서는 화려하지 않습니다. 먼저 토큰 또는 크레딧 기반 가격 책정이 되어야 합니다. 이벤트 정의가 분기별로 변경되는 것이 멈춘 후에만 결과 기반 가격 책정을 할 수 있습니다. 첫 재무 마감일(finance close)에 놀라게 되는 것이 아니라, 처음부터 고객별 마진 가시성(Margin visibility)을 확보해야 합니다.## 신중하게 디딤돌을 선택하세요
경제 상황은 모두를 사다리 위로 밀어 올리고 있습니다. ICONIQ의 데이터에 따르면, AI 제품의 총 마진(gross margins)은 2025년에 평균 45%이며, 2026년에는 53%, 2027년에는 59%로 예상됩니다. 이는 이전보다 나아졌지만, 1단계가 기반을 다지던 80% 이상과는 거리가 있습니다. 한편, Salesforce는 2026년 6월에 Fin(구 Intercom)을 약 36억 달러에 인수하기 위한 최종 계약을 체결했으며, 이로써 결과당 $0.99의 에이전트 비용이 Agentforce에 통합됩니다.
-
구매자라면*: 견적이 어느 단계에 위치하는지 파악하고, 이를 실제 해상도별 비용(cost-per-real-resolution)으로 표준화하며, 청구 가능한 이벤트가 어떻게 감지되는지, 그리고 비활동 기간(inactivity window)이 무엇인지 정확히 질문해야 합니다.
-
판매자라면*: 측정 시스템으로 방어할 수 없는 단계는 오르지 마십시오. 당신보다 높은 단계는 피칭에서는 항상 더 매력적이고, 분쟁 상황에서는 항상 더 비쌉니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Hacker Noon AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기