- AI 요금제는
크레딧, 토큰, 사용량 배수를 내세우지만, 고객이 실제로 무엇을 얼마나 할 수 있는지 구매 전에 파악하기 어려움
- 크레딧은 비용이 서로 다른 모델과 도구를 하나의 구독으로 묶는 데 유용하지만,
달성 가능한 작업량으로 연결하지 못하면 가치가 아닌 불확실성을 판매하게 됨
- 범용 AI는 이메일 답장부터 앱 개발까지 수행하므로
일관된 과금 단위를 정하기 어려우며, 시간제와 작업별 과금, 성과 기반 과금 모두 한계가 있음
- AI 기업도
추론 비용과 에이전트 실행 비용을 예측하기 어려우며, 같은 결과를 요청해도 도구 호출, 오류, 재시도에 따라 원가가 크게 달라질 수 있음
- 대중 시장으로 확장하려면 작업 완수 비용을
이해하고 예측하며 통제할 수 있게 해야 하며, 고객 가치와 기업 수익성을 함께 반영한 가격 설계가 중요한 경쟁력이 될 수 있음
무엇을 사는지 알기 어려운 AI 구독
- 월 20달러를 내면 무엇을 얻고 얼마나 사용할 수 있는지, 20달러와 100달러 요금제 또는 영업 문의가 필요한 요금제 중 무엇을 골라야 하는지 판단하기 어려움
- 일부 서비스는 기준량 없이
사용량 5배를 약속하고, 다른 서비스는 실제 작업량으로 환산하기 어려운 수억 개의 토큰을 제공함. 공개 가격 페이지조차 없는 경우도 있음
- 이런 불명확성에도 AI 기업들은 수백만 사용자, 높은 기업가치, 폭발적인 성장을 확보하고 있음
Lovable 역시 웹사이트, 앱, 내부 도구, 프레젠테이션 등 용도가 열린 제품을 크레딧과 구독 등급으로 묶어야 하는 같은 문제를 안고 있음
- 기존 SaaS의 좌석 수, 저장 공간, 거래 건수와 달리, AI는 고객과 기업 모두 안정적으로 예측하기 어려운 작업에 가격을 매겨야 함
- 제품의 성능과 새로움은 초기 사용자가 불투명한 크레딧과 예상 밖의 사용 한도를 감수하게 하지만, 대중 시장에서도 이런 수용이 이어질지는 불확실함
서비스별로 드러나는 요금제의 불명확성
GrokBot은 4개 요금제를 제공하지만, 사용량 배수의 기준을 공개하지 않음
- Premium은 Plus보다 4배, Super는 15배 많은 사용량을 제공한다고 하지만, Plus의 기본 사용량은 알 수 없음
Muse는 로그아웃 상태에서 가격 페이지를 찾기 어려우며, 검색에서 찾은 가장 가까운 정보는 Facebook Answers 게시물이었음
- 앱 내부 가격은 월 20달러에 주당
5억 토큰이지만, 이 토큰으로 무엇을 얼마나 할 수 있는지 직관적으로 알기 어려움
- 결제는 월 단위, 토큰 지급은 주 단위로 운영됨
Lovable은 월 25달러에 Pro 크레딧 100개를 제공하지만, 실제로 만들어 보기 전에는 그 작업량을 알기 어려움
- 호스팅 요금이나 Shopify처럼 총거래액(GMV)의 일정 비율을 받는 방식 등 결과와 연결된 과금을 원하지만, 현재는 그런 수익이 발생할 때까지 사업을 유지하기 어려움
Instinct 사례는 지금의 뛰어난 AI 제품이 정교한 가격 정책이나 제대로 갖춘 마케팅 웹사이트 없이도 출시와 입소문으로 많은 사용자를 확보할 수 있음을 보여줌
11Labs도 크레딧을 사용하며, Lovable보다 훨씬 큰 숫자와 다양한 요금제 선택지를 제공함
- 숫자의 크기는 풍성한 혜택처럼 보이게 하지만, 요금제와 판단 기준이 너무 많으면 선택 자체가 어려워짐
ChatGPT의 개인용 요금제 4개는 정량적 사용량보다 형용사로 차이를 전달함
, 첫 유료 요금제 Go는 4개 항목에 More
를 사용함
또는 Maximum
으로 접근 수준을 구분함
Anthropic의 Pro는 More usage
를 제공하지만, 어떤 기준보다 얼마나 많은지 불명확하고 관련 별표도 아래 설명으로 연결되지 않음
- Max는 5배 또는 20배 사용량을 내세우지만, 비교 기준을 이해하기 어려움
1. AI에 도입된 오락실식 가상 화폐
-
행동경제학의
심적 회계(mental accounting) 는 사람들이 돈의 형태에 따라 다르게 판단하는 현상을 설명함
-
카지노 칩, 오락실 토큰, 보석 950개짜리 상품을 사기 위해 보석 1,200개를 구매하게 하는 모바일 게임 재화가 비슷한 사례임
-
AI의 크레딧, 토큰, 연산 단위도 실제 지출을 알아보기 어렵게 만들 수 있음
-
3달러 대신 12크레딧을 사용하면 실제 비용을 덜 의식할 수 있음
-
다만
공통 과금 단위는 반드시 악의적인 수익화 장치가 아니며, 실제 비용 구조를 묶는 역할도 함
-
모델, 도구, 동작마다 원가가 다를 때 이를 하나의 구독으로 구성할 수 있게 함
-
이런 단위가 없다면 고객이 작업할 때마다 작은 AWS 청구서를 관리하는 것과 비슷한 부담을 질 수 있음
-
핵심 문제는 크레딧의 존재보다
크레딧으로 가능한 일을 충분히 전달하지 못한다는 데 있음
-
Lovable 크레딧 100개로 대략 무엇을 완성할 수 있는지 알려야 하지만, 고객마다 맞춤 작업을 수행하는 AI에서는 이를 설명하기가 매우 어려움
2. 큰 숫자와 고객 가치를 혼동함
- 자체 화폐를 만들면 100크레딧, 1만 크레딧, 5억 토큰처럼 숫자를 얼마든지 키울 수 있으며,
큰 숫자는 넉넉한 혜택이라는 인상을 줌
- AI 가격 정책은 더 많은 토큰과 크레딧, 최대 메시지 수, 확장된 접근 권한처럼
수량을 중심으로 구성되는 경우가 많음
- 고객이 원하는 것은 토큰 자체가 아니라 작업의 완수임
- 하지만 AI의 용도가 열려 있어 기업도 고객이 제품으로 무엇을 할지 충분히 알지 못하며, 이것이 가치 중심 가격 설계를 어렵게 함
3. 무엇을 과금 단위로 삼을지 불명확함
-
기존 SaaS의 좌석당, 거래당, 저장 공간당, API 호출당 과금은 고객 가치를 완벽히 반영하지는 못해도
구매 전 수요 예측에는 비교적 유용했음
-
경쟁사 조사, 마케팅 캠페인 제작, 앱 개발, 고객 지원을 수행하는 에이전트에서는 적절한 소비 단위가 분명하지 않음
-
메시지 수, 완료한 작업 수, 작업 시간, 외부 도구 호출 수 중 무엇을 측정하고 고객에게 납득시킬지 결정해야 함
-
범위가 좁은 제품은
구체적인 작업 단위로 연결하기가 상대적으로 쉬움
-
ElevenLabs는 생성한 오디오의 분량이나 에이전트 통화 분량을 분 단위로 과금할 수 있음
-
Firecrawl은 크레딧을 수집한 페이지 수나 검색 횟수로 환산할 수 있음
-
범용 제품에는 하나의 명확한 가치 단위가 없으며, 각 과금 방식에 별도의 문제가 생김
시간제 과금은 느린 에이전트에 더 많은 돈을 내야 하는 이유를 고객이 의문시할 수 있음
-
작업별 과금은 이메일 답장과 앱 전체 개발을 어떻게 구분할지 정해야 함
-
성과 기반 과금은 성공의 정의를 누가 결정할지 해결해야 함
-
고도화된 AI를 사용하기 위해 고객에게 필요한 토큰 수를 추산하게 하는 것은, 자동차를 판매하면서 엔진의 점화 횟수를 예측하라고 요구하는 것과 비슷함
4. 기업도 작업 원가를 예측하기 어려움
- 기존 SaaS는 추가 고객을 지원하는 한계비용이 비교적 낮고 예측 가능해, 넉넉한 사용량을 포함한 구독의 경제성을 추산하기 쉬웠음
- AI는 상호작용마다 상당한
추론 비용이 발생할 수 있고, 작업별 자원 소비량도 크게 다름
- LLM이 사실상 무료가 되면 이 문제가 사라질 수 있지만, 아직 그런 단계는 아님
에이전트는 단일 응답을 넘어 계획, 다단계 실행, 도구 호출, 오류, 재시도, 접근 방식 변경까지 수행함
-
두 고객이 사실상 같은 결과를 요청해도 내부 작업량과 비용은 크게 달라질 수 있음
-
봇, 도난 계정, 무료 요금제 악용 같은
부정 사용도 손익에 직접 영향을 줌
-
기존 SaaS의 가짜 가입이 주로 전환 지표를 흐렸다면, AI에서는 실제 비용을 발생시켜 수익성을 훼손함
성과 기반 과금은 기업과 고객의 성공을 일치시킨다는 장점이 있지만, 단순한 해결책은 아님
- 같은 성과의 제공 비용이 크게 다르거나, 성과를 정의하기 어렵거나, 작업 성공 여부에 기업과 고객이 동의하지 못하면 구현이 어려움
대중화를 위한 가격 설계의 조건
-
AI 가격 문제에 마법 같은 해법은 없지만, 초기 수용자를 넘어서는 과정에서 기업이 해결해야 할 중요한 문제가 될 수 있음
-
현재의 열성 사용자는 토큰을 비교하고, 크레딧 소비량과 모델 비용을 계산하며, 사용 한도가 내일 바뀔 가능성까지 감수함
-
하지만 이들은 전체 시장이 아니며, 대부분의 고객은 이런 복잡성을 받아들이기 어려움
-
더 넓은 시장에 도달하려면 구독을 고르기 위해 추론 경제학을 공부할 필요가 없어야 함
-
작업을 완수하는 비용은
이해 가능하고 합리적으로 예측 가능하며 고객이 통제할 수 있어야 함
-
가장 저렴한 AI, 가장 똑똑한 모델, 가장 많은 크레딧보다,
고객 가치와 수익성을 함께 반영한 명료한 가격을 먼저 구현하는 기업이 큰 경쟁 우위를 얻을 수 있음
-
지금까지의 경쟁이 AI를 더 강력하게 만드는 일이었다면, 다음 큰 경쟁은 어떻게 요금을 받을지 해결하는 일이 될 수 있음
댓글과 토론