SAP AI Unit은 2026년에 상용화됩니다. Joule 및 ABAP AI 소비를 예측하고, 비용을 통제하며, 자체 스택 사용 시점을 파악하는 방법.
AI Unit이 실제로 구매하는 것: 번들 해체 분석
비용 통제에 들어가기 전에, AI Unit을 소비할 때 실제로 무엇에 돈을 지불하는지 이해해야 합니다.
🤖 Joule 시나리오
사전 구축 또는 사용자 지정 Joule 시나리오(예: "구매 요청 생성," "판매 주문 표시," "재무 보고서 생성")를 실행할 때마다 발생합니다. SAP 백엔드와의 자연어 상호 작용은 복잡성과 응답 길이에 따라 유닛을 소비합니다.
💻 ABAP AI 기능
코드 설명, 테스트 생성, 언어 간 번역(예: ABAP에서 SQL), ADT 내 제안 기능 등입니다. 개발 환경의 AI 기반 기능을 사용할 때마다 유닛을 소비합니다.
🤖 에이전트 오케스트레이션 호출 (Agent Orchestration Calls)
외부 에이전트(Claude, Copilot 등)가 ABAP MCP Server 또는 기타 SAP 에이전트 프레임워크를 통해 연결할 때, 각 도구 호출은 소비량에 포함됩니다. 여기에는 테이블 읽기 호출, RFC 실행 및 구문 검사가 포함됩니다.
중요한 뉘앙스: 모든 AI 상호 작용이 동일하게 측정되는 것은 아닙니다. 간단한 구문 검사는 15 유닛을 소비할 수 있지만, 복잡한 ABAP AI 생성 리팩토링은 50200 유닛을 소비할 수 있습니다. Joule 시나리오 비용은 필요한 백엔드 처리 깊이에 따라 크게 달라집니다.
RISE 대 GROW 대 레거시 온프레미스: 계약 조건 이해하기
AI Unit 할당량과 가격 모델은 귀하의 특정 SAP 계약에 크게 의존합니다.
SAP S/4HANA Cloud를 이용한 RISE with SAP:
- 일반적으로 사용자 수 및 선택한 항목에 기반하여 기본 할당량의 AI Units가 포함됩니다.
- 일반적인 번들 구성: "Starter" (제한적 AI), "Standard" (보통 수준의 AI), "Enterprise" (높은 AI 소비)
- 초과 사용분은 일반적으로 계약된 요율 또는 자동 충전 방식을 통해 청구됩니다.
- Units는 개발(development), 테스트(test), 프로덕션(production) 환경 전반에 걸쳐 공유되는 경우가 많습니다 (계약서를 확인하세요!)
- 월별/연간 정산(true-up)은 SAP for Me 포털을 통한 사용량 보고서와 함께 이루어지는 것이 일반적입니다.
GROW with SAP S/4HANA Cloud:
- 성장 단계 기업을 목표로 일반적으로 더 관대한 AI Unit 할당량을 제공합니다.
- RISE 계약에 아직 포함되지 않은 실험적인 AI 기능을 포함하는 경우가 많습니다.
- 개발 환경과 프로덕션 환경 간의 보다 유연한 풀링(pooling)을 제공할 수 있습니다.
- 성장에 초점을 맞춘 가격 모델에는 때때로 볼륨 할인(volume discounts)이 포함됩니다.
레거시 온프레미스 및 프라이빗 클라우드 옵션:
- AI Units는 일반적으로 핵심 유지보수와 별도의 추가 항목으로 구매됩니다.
- 배포에 대한 통제력이 더 높습니다 (프라이빗 클라우드 엔드포인트 선택 가능).
- 사용량 보고는 구현 파트너마다 크게 다릅니다.
- 때로는 소비 기반 지원과 함께 영구 라이선스(perpetual licenses)를 포함하기도 합니다.
중요 계약 확인 사항: RISE/GROW 계약서에서 "AI Units," "Artificial Intelligence Units," 또는 "소비 기반 AI 서비스(Consumption-Based AI Services)"를 검색하세요. 단위가 환경 전반에 걸쳐 풀링되는지, 아니면 환경별로 분리되는지(dev/test/prod) 확인하십시오.
사용량 예측: 개발 중심 vs 비즈니스 사용자 중심 프로필
사용량 패턴은 조직의 형태와 SAP 사용 방식에 전적으로 달려 있습니다:
개발 중심 프로필 (Development-Heavy Profile):
- 높은 ABAP AI 소비: 코드 설명, 테스트 생성, 언어 번역
- 상당한 MCP 서버 사용: 외부 에이전트가 테이블을 읽고 RFC를 실행하는 경우
- 보통 수준의 Joule 사용: 주로 개발 지원 시나리오용
- 스프린트, 주요 업그레이드 또는 새로운 기능 개발 기간 동안 소비량이 최고조에 달합니다.
- 일반적인 월별 패턴: ABAP AI 60%, MCP/에이전트 호출 25%, Joule 15%
비즈니스 사용자 중심 프로필 (Business-User-Heavy Profile):
- 주요 Joule 소비량: 일상적인 비즈니스 시나리오를 실행하는 최종 사용자
- 낮은 ABAP AI 소비량: 제한적인 개발 활동
- 가변적인 MCP/에이전트 사용량: 통합 복잡도에 따라 달라짐
- 비즈니스 주기 변동에 따른 비교적 안정적인 소비 패턴
- 일반적인 월별 패턴: Joule 70%, ABAP AI 20%, MCP/에이전트 호출 10%
하이브리드/혼합 프로필:
대부분의 기업은 이 극단값들 사이 어딘가에 위치합니다. 정확하게 예측하려면 다음 단계를 따르세요:
- 역할별로 명명된 사용자 수 계산 (개발자, 파워 유저, 일반 사용자)
- 사용자 유형별 일일 AI 상호작용 추정
- 상호작용 복잡도에 기반하여 가중치 단위 값 할당
- 개발 주기 반영 (스프린트, 업그레이드, 릴리스)
- 실험 및 예상치 못한 사용을 위해 20-30% 버퍼 추가
200명 사용자 시스템의 예시 계산:
ABAP 개발자 50명: 150 단위/일 × 22일 = 165,000 단위
파워 유저 100명: 50 단위/일 × 22일 = 110,000 단위
- 일반 사용자 50명: 20 단위/일 × 22일 = 22,000 단위
개발 버퍼 (25%): 74,250 단위
총 월간 예측량: 371,250 AI 단위
실제로 효과적인 비용 통제 패턴
최상의 결과를 기대하는 것은 잊으세요. 다음 검증된 전략을 구현하여 AI 단위 소비량을 예측 가능하게 유지하세요:
1. 개발/운영 환경 분리 (필수):
가장 효과적인 통제 방법입니다. Joule 또는 ABAP AI를 운영 시스템에서 일반 사용 목적으로 절대 활성화하지 마세요:
- AI 기능은 개발 및 품질 시스템에만 제한합니다.
- 운영 환경에서는 사전 승인되고 모니터링되는 Joule 시나리오(예: 임원 대시보드)만 허용합니다.
- 이것만으로도 일반적으로 소비량을 60-80% 줄일 수 있습니다.
2. 근원에서 속도 제한 (Rate Limiting at the Source):
오류가 발생한 에이전트나 지나치게 적극적인 개발자로부터의 과도한 소비를 방지합니다:
- 최대 호출/분 제한을 설정하여 MCP 서버 연결 구성
- 개발자별 ABAP AI 사용 임계값 설정 (80% 경고, 일일 할당량 100%에서 강제 중단)
- 사용자 역할별 Joule 시나리오 실행 제한 구현
- SAP Cloud ALM 또는 사용자 지정 모니터링을 사용하여 비정상적인 소비 급증에 대한 알림 설정
3. SAP 외 작업의 로컬 모델로 폴백(Fallback)하기:
비싼 AI Units를 로컬 스택으로 처리할 수 있는 작업에 소모하는 이유가 무엇일까요?
- 일반적인 코드 설명, 문서 작성 또는 이메일 초안 작성을 위해 Ollama 인스턴스 사용
- SAP와 관련 없는 에이전트 대화는 먼저 로컬 LLM을 통해 라우팅
- 직접적인 시스템 상호작용이 필요한 작업에만 SAP 측정 AI로 에스컬레이션(escalate)
- 에이전트 오케스트레이터에 스마트 라우팅 구현 (예: 폭포수 라우터/waterfall router)
4. 전략적 협상 레버리지(Strategic Negotiation Levers):
데이터와 대안을 무기로 계약 갱신 논의에 임하세요:
- 라이트사이징(rightsizing) 논의를 위해 실제 소비 데이터 6~12개월치 제시
- 물량 할인을 위해 다년 약정 활용
- 더 나은 요율을 위해 SAP 엔터프라이즈 지원(SAP Enterprise Support)과 번들링 탐색
- 여러 자회사 또는 부서에 걸쳐 공유되는 'AI Unit 풀' 고려
- 자신이 포기할 수 있는 지점(walkaway point) 파악: 로컬 + 하이브리드가 모든 SAP보다 저렴해지는 시점은 언제인가?
5. 로컬 Ollama + MCP가 SAP 측정 방식보다 나은 경우:
특정 사용 사례에 대한 손익분기점(break-even point)을 계산하세요:
- 내부 도구 개발: 거의 항상 로컬이 더 좋음
- 교육 및 훈련: 실험에는 로컬 LLM이 훨씬 저렴함
- 개념 증명(Proof of concepts): SAP 유닛을 소비하기 전에 아이디어를 로컬에서 검증
- SAP 외 데이터 처리: 로그 분석, 보고서 생성, ETL 스크립팅
- 실험적 에이전트 개발: 측정 비용 없이 에이전트 로직 프로토타입 제작
예시: 로그 분석을 위한 내부 MCP 연결 에이전트가 실행당 500 SAP AI Units를 소비한다고 가정해 봅시다. 하지만 이 작업을 로컬에서 수행할 경우 한계 비용(marginal cost)이 사실상 '0'에 가깝다면, 월 20회 실행하는 것은 10,000 유닛을 절약합니다. 이는 계약 요율에 따라 수백 달러가 될 수 있습니다.
12개월 AI 유닛 계획을 위한 스프레드시트 템플릿
특정 계약에 따라 숫자는 다르지만, 선제적인 계획 수립을 위한 프레임워크는 다음과 같습니다:
| 월 | 계획 활동 | 개발팀 사용량 | 비즈니스 사용자 사용량 | 에이전트/MCP 사용량 | 버퍼 (20%) | 총 예상치 | 계약 할당량 | 편차 |
|---|
| Jan | 계획, 설정 | 20,000 | 15,000 | 10,000 | 9,000 | 54,000 | 60,000 | +6,000 |
| ... | | | | | | | | |
| 참고: 예시 숫자를 실제 소비 기준선 및 계약 수치로 대체하십시오. 실제 사용 데이터를 기반으로 매월 업데이트해야 합니다. | | | | | | | | |
핵심 요약: 전략적 AI 유닛 관리
SAP AI Units는 본질적으로 좋거나 나쁜 것이 아닙니다. 신중한 관리가 필요한 도구입니다. 2026년에 AI 투자로부터 가장 큰 가치를 얻고 있는 조직들은 다음과 같은 특징을 공유합니다:
- AI Units를 다른 제약된 IT 예산과 마찬가지로 취급합니다. 즉, 예측하고, 모니터링하며, 적극적으로 관리합니다.
- SAP에서 측정하는 리소스와 로컬/대안 AI 리소스 사이에 명확한 경계를 구현했습니다.
- 단순히 소비량만 측정하는 것이 아니라 성과를 측정합니다 (예:
작게 시작하세요: 높은 소비 영역(예: ABAP AI 테스트 생성) 하나를 선택하고, 현재 사용량을 측정하며, 하나의 통제 장치(예: 개발자 수준의 속도 제한)를 구현한 다음, 다음 스프린트 동안 그 영향을 추적하세요. 효과가 있는 것은 확장하고, 그렇지 않은 것은 폐기하며, 다른 모든 중요한 엔터프라이즈 역량과 마찬가지로 AI Unit 관리 관행을 반복적으로 구축해 나가세요.