AI 슈링크플레이션 (Shrinkflation): 당신의 AI 모델 성능이 조용히 하향 조정되었습니다

토큰 보조금 시대는 끝났습니다. AI 제공업체들은 가격을 조정하고, 용량을 제한하며, 모델의 품질을 낮추고 있습니다. 그리고 대부분의 사용자는 아직 이를 알아차리지 못했습니다.

화요일 아침, AI 코딩 어시스턴트를 켭니다. 무언가 이상합니다. 추론 (Reasoning)이 더 얕게 느껴집니다. 의존해 왔던 컨텍스트 구축 (Context-building) 기능이 사라졌습니다. 파일을 편집하기 전에 읽는 과정을 생략합니다. 당신의 착각이 아닙니다.

AMD의 AI 그룹 소속 시니어 디렉터가 수치를 분석했습니다: 6,852개의 Claude Code 세션 파일, 17,871개의 사고 블록 (Thinking blocks), 234,760개의 도구 호출 (Tool calls). 그녀의 분석에 따르면, 2026년 2월 업데이트 이후 추론 깊이가 약 67% 감소했습니다. [1] 모델이 "먼저 읽고 나서 편집하기"에서 "컨텍스트를 읽지 않고 편집하기"로 전환된 것입니다. 그에 따라 코드 품질도 저하되었습니다.

그리고 한 개발자가 그 이유를 발견했을 때, 이야기는 더욱 흥미로워졌습니다. Anthropic은 소비자용 Claude.ai 세션에 reasoning_effort 파라미터를 100점 만점에 25점으로 설정하여 조용히 주입했습니다. 이는 확장된 사고 성찰 (Extended thinking introspection)을 통해서만 확인할 수 있었습니다. [2] 동일한 모델이지만, 노력(Effort)은 아주 일부만 사용됩니다. 가격은 동일합니다. 공지는 없었습니다.

이것은 버그가 아닙니다. 정책입니다.

패턴은 어디에나 있습니다

Anthropic만 그런 것이 아닙니다. AI 산업 전체가 동시에 동일한 문제에 직면하고 있습니다. 수요가 공급보다 빠르게 성장하고 있다는 점입니다.

수치는 냉혹합니다. 하이퍼스케일러 (Hyperscalers)들은 2026년에 AI 인프라에 6,600억~6,900억 달러를 지출할 예정이며, 이는 2025년의 거의 두 배에 달합니다. [3] 그럼에도 불구하고: 버지니아 북부의 데이터 센터 전력 연결을 위해서는 7년의 대기 시간이 필요합니다. [4] GPU 메모리 가격은 60% 상승했으며, 모든 주요 제조업체의 2026년 생산량은 이미 완판되었습니다. [5] PJM 용량 가격은 단 1년 만에 11배 급등했습니다. [6]

물리적인 제약은 돈을 쏟아붓는다고 해서 해결할 수 없습니다. 단기적으로는 더욱 그렇습니다. 그래서 제공업체들은 배급 (Rationing)을 하고 있습니다.

Anthropic는 2026년 3월에 피크 타임 및 오프 피크 타임 가격제 (peak and off-peak pricing)를 도입했습니다. 이제 평일 동부 표준시(ET) 기준 오전 8시부터 오후 2시 사이에 세션 허용량 (session allowances)이 더 빠르게 소진됩니다. [7] 주간 제한량은 변경되지 않았습니다. 하지만 실제로 업무 시간 동안 작업하는 개발자들에게 있어, 사용 가능한 시간대 (usable window)는 사실상 축소되었습니다. OpenAI는 1년 전 "Flex processing"을 통해 같은 방향으로 움직였습니다. 이는 응답 속도가 느려지거나 때때로 리소스 사용이 불가능해지는 대신, 토큰 가격을 50% 할인해 주는 영구적인 저순위 계층 (lower-priority tier)입니다. [8] 메커니즘은 다르지만 경제적 논리는 동일합니다. 즉, 수요가 높을 때 용량을 양보하는 사용자에게 보상을 주는 것입니다.

1M 토큰 컨텍스트 윈도우 (context window)는 가산 가격제 (additive pricing)와 함께 출시되었습니다. 200K 토큰을 초과하는 프롬프트는 2배의 입력 비용 할증 (surcharge)을 유발했습니다. Anthropic은 2026년 3월에 해당 할증을 제거했으며, 이는 실질적인 개선이지만 그 구조는 그들의 본능을 드러냅니다. [9] 용량이 부족해지면, 가장 리소스 집약적인 워크로드 (workload)인 긴 컨텍스트 사용 (long-context usage)에 가격 조정이 가장 먼저 적용됩니다.

Anthropic은 또한 컴퓨팅 부하 (compute strain)를 이유로 제3자 에이전트 하네스 (third-party agentic harnesses)가 소비자용 Claude 구독을 사용하는 것을 차단하기로 했습니다. [10] 사용자들이 자신의 워크플로에 통합해 두었던 도구들이 갑자기 작동을 멈춘 것입니다.

Google Gemini는 2025년 12월에 무료 티어 할당량 (free tier quotas)을 50-80% 삭감했습니다. 일일 요청 제한량이 500회에서 100회로 감소했습니다. 공식적인 설명은 남용 방지 (abuse prevention)였습니다. [11] 기업용 수요가 가속화되던 시점이었음을 고려할 때, 이는 우연이 아닙니다.

OpenAI의 개발자 커뮤니티는 자신들이 비용을 지불하고 있는 모델이 처음에 약속받았던 것과 동일한 모델인지에 대해 몇 달 동안 논쟁해 왔습니다. 논의 스레드는 길고, 증거는 일화적(anecdotal)이지만 일관적이며, Sam Altman은 실수가 있었음을 인정했습니다. [12] 추천 크레딧 경제 (referral credit economy)도 위축되었습니다. 한때 지지자들에게 의미 있는 유인책이었던 크레딧은 이제 미미한 증분으로 제공되며, 이를 대체한 경품 및 게스트 패스 방식 또한 동일한 이야기를 들려줍니다.

공급업체 전반에 나타나는 패턴: 헤비 유저(heavy usage)를 위한 가격 계층(pricing tiers) 추가, 피크 시간대 용량 제한(throttle capacity), 추론 깊이(inference depth)의 조용한 축소, 제3자 액세스(third-party access) 제한, 그리고 인센티브 프로그램의 축소입니다. 각각의 조치는 개별적으로 보면 타당해 보입니다. 하지만 이들을 종합해 보면, 지속 불가능한 보조금(subsidization)의 수학적 계산을 조정하기 위한 조직적인 움직임으로 읽힙니다.

당신이 인지하지 못했던 보조금

초기 AI 가격 책정은 결코 정직한 경제학이 아니었습니다. 그것은 고객 확보(customer acquisition) 전략이었습니다. 공급업체들은 습관을 형성하고, 개발자 생태계를 구축하며, 기업 계약을 따내기 위해 자본을 태웠습니다. 토큰당 비용은 5년 동안 매년 40~50배씩 하락했습니다. [13] 당신은 서비스의 실제 비용을 지불하고 있었던 것이 아닙니다. 당신은 시장 선점(land grab)의 수혜자였을 뿐입니다.

이제 시장은 선점되었습니다. 인프라는 압박을 받고 있습니다. 그리고 경제적 논리는 수렴되어야만 합니다.

이것은 AI에만 국한된 이야기가 아닙니다. 클라우드 컴퓨팅(Cloud computing)도 동일한 플레이북을 실행했습니다. AWS는 개발자들을 묶어두기 위해 2010년대 초반까지 원가 이하의 요율로 컴퓨팅 자원을 제공했고, 생태계가 의존하게 된 이후에야 가격을 정상화했습니다. 차이점은 클라우드 인프라는 규모의 경제를 통해 자본 효율성(capital-efficient)을 달성했다는 것입니다. 즉, 동일한 서버가 어떤 워크로드든 처리할 수 있었습니다. 반면 AI 추론(inference)은 클라우드 컴퓨팅과는 다른 방식으로 자본 집약적(capital-intensive)입니다. 메모리 제한적(memory-bound)이고, 전력 소모가 크며, 모델별로 특화되어 있고, 이미 구매한 자산을 봐주지 않는 감가상각 곡선(depreciation curves)의 영향을 받습니다.

희소성의 터널 끝에 공짜 점심은 없습니다. 공급업체들이 지금 조정을 진행하는 이유는, 그렇지 않으면 재정적으로 감당할 수 없는 인프라를 운영해야 하기 때문입니다.

하지만 수학적 논리는 여전히 유효합니다

이 지점에서 많은 분석가가 상황을 오해하곤 합니다. 토큰 보조금의 종료가 AI 도입을 늦춰야 할 이유는 아닙니다. 가격 정상화 이후에도, 비(非) AI 대안 대비 얻을 수 있는 효율성 이득은 여전히 결정적입니다.

실질적인 개발자 벤치마크(benchmark)를 살펴보면, 잘 설정된 AI 도구(tooling)를 사용하는 숙련된 엔지니어는 그렇지 않은 경우보다 하루에 약 2~4배 더 많은 유의미한 업무를 처리합니다. 이는 연구자들이 기록한 J-커브(J-curve) 학습 비용을 고려한 후의 수치입니다. [14] 어떤 식으로든 정상화된 노동 비용을 기준으로 할 때, 이 계산 결과는 비교조차 되지 않을 만큼 압도적입니다.

시장은 불만을 터뜨릴 것입니다. 무료가 유료로 전환될 때는 언제나 그렇습니다. 하지만 불만을 갖는 것과 서비스를 해지하는 것은 다른 행동이며, 해지하려면 그에 상응하는 대안이 있어야 합니다. 대부분의 기업은 대안을 가지고 있지 않습니다.

AI를 활용하는 팀과 그렇지 않은 팀 사이의 생산성 격차는 좁혀지는 것이 아니라 오히려 벌어지고 있습니다. 가격이 안정될 때까지 AI 투자를 멈추는 조직은, 비용 상승을 감수하며 계속해서 구축을 이어가는 경쟁자들에게 몇 달 혹은 몇 년의 격차를 내어주게 될 것입니다.

세 가지 가능한 미래

인프라의 과부하는 해결될 것입니다. 문제는 '어떻게' 해결되느냐입니다.

시나리오 1: 통합과 헐값 매각 (Consolidation and firesale). AI 인프라 구축은 1990년대 통신 광섬유 붐과 불편할 정도로 정확하게 닮아 있습니다. 통신 회사들은 1996년에서 2001년 사이에 5,000억 달러를 지출했습니다. 2002년까지 설치된 광섬유의 약 95%가 여전히 사용되지 않는 상태(dark fiber)였던 것으로 추정됩니다. WorldCom, Global Crossing, 360networks는 파산 신청을 했습니다. [15] 이들의 자산은 헐값에 팔렸으며, 이후 Google, Microsoft, Facebook은 그 저렴한 토대 위에 자신들의 네트워크를 구축했습니다.

GPU는 광섬유와는 다릅니다. GPU는 가치가 빠르게 하락합니다. 2028년 실패한 AI 스타트업의 데이터 센터에 놓여 있는 H100은 사용되지 않는 광섬유처럼 제2의 생명을 얻지 못할 것입니다. 컴퓨팅 특화 리스크는 좌초 자산(stranded assets)의 잔존 가치가 더 낮다는 점입니다. 하지만 더 넓은 구조적 유사성은 유효합니다. 과도하게 확장한 구축자들은 압박 속에서 자산을 매각할 것이고, 추격자들은 이를 기회로 삼을 것입니다. 단기적인 혼란, 장기적인 정상화가 이어질 것입니다.

시나리오 2: 로컬 추론 (Local inference)의 성장. 로컬 모델에 대한 이야기는 더 이상 막연한 열망이 아닙니다. Ollama는 2026년 1분기에 월간 다운로드 수 5,200만 회를 기록했으며, 이는 3년 전과 비교해 520배 성장한 수치입니다. 또한, 이제 32B 파라미터 모델은 일반적인 Mac 하드웨어에서 프런티어 (Frontier) 모델 품질의 80% 이상을 구현합니다. [16] 요약, 코딩 보조, 개인 데이터에 대한 RAG (Retrieval-Augmented Generation), 그리고 대부분의 기업 지식 업무에 있어 로컬 추론은 조용히 '충분히 괜찮은(good enough)' 수준의 임계점을 넘어서고 있습니다.

예측 가능한 워크로드, 데이터 주권 (Data sovereignty) 요구 사항, 또는 실질적인 비용 관리 압박을 받는 조직들에게는 하이브리드 모델 — 일상적인 작업에는 로컬 추론을, 프런티어 추론에는 클라우드를 사용하는 방식 — 이 경제적으로 합리적인 선택이 되고 있습니다. 클라우드 가격 책정 압박이 이러한 결정을 가속화하고 있습니다.

시나리오 3: 효율성이 복리로 작용하여 비용을 흡수합니다. 토큰당 비용은 5년 동안 매년 약 4050배씩 하락했습니다. [13] 새로운 데이터 센터가 가동되고 칩 생산이 규모를 갖춤에 따라 추론 용량 제약은 완화될 것입니다. 알고리즘 효율성 개선 — 더 큰 이전 모델에 필적하는 더 작은 모델, 더 나은 양자화 (Quantization), 더 스마트한 추론 — 은 달러당 성능을 계속해서 끌어올리고 있습니다. 현재의 압박은 영구적인 구조적 변화라기보다 1224개월 동안 지속되는 현상일 수 있습니다.

세 가지 시나리오 모두 시장의 서로 다른 부분에서 동시에 발생할 수 있습니다.

대응 방안

정답은 가격 환경이 개선되기를 기다리는 것이 아닙니다. 하이브리드 세상을 위해 구축하는 것입니다.

클라우드 토큰이 모든 것의 기본값이라고 가정하는 것을 멈추십시오. 귀하의 워크로드 구성을 평가하십시오. 어떤 작업이 프런티어 추론을 필요로 하며, 어떤 작업이 로컬 모델의 역량 범위 내에 있습니까? 문서 요약, 익숙한 패턴에 대한 코드 리뷰, 그리고 구조화된 데이터 추출의 경우, 귀하는 이미 프런티어 수준 미만의 작업을 위해 프런티어 가격을 지불하고 있을지도 모릅니다.

토큰 예산(Token budgets)을 실제 예산 항목으로 취급하십시오. AI 사용이 "기본적으로 무료"라는 비공식적인 가정은 많은 최적화되지 않은 워크플로 설계를 초래했습니다. 작업에 적합한 모델로 쿼리를 라우팅(Route)하십시오. 반복되는 프롬프트는 캐싱(Cache)하십시오. 가능한 한 빈도가 높고 복잡도가 낮은 AI 호출은 결정론적 스크립트(Deterministic scripts)로 전환하십시오. 모델 라우팅(Model routing)은 단순한 비용 관리가 아닙니다. 가격과 상관없이 지켜야 할 올바른 엔지니어링 규율입니다.

제공업체의 가격 변동성에 대비하십시오. 가능한 경우 액세스 및 가격 약정을 확보하십시오. 제공업체를 다각화하십시오. 이는 특정 제공업체의 안정성에 대한 두려움 때문이 아니라, 제공업체 간의 경쟁 압력이 가격을 억제하는 메커니즘이기 때문입니다. 단일 제공업체에 의존하는 조직은 협상에서 어떠한 영향력도 갖지 못합니다.

지금 하이브리드 모델 롤오버(Hybrid model rollover) 역량을 구축하십시오. 워크플로 중간에 클라우드 추론(Cloud inference)과 로컬 추론(Local inference) 사이를 전환할 수 있는 인프라는 가격 급등이나 용량 위기가 닥쳤을 때가 아니라, 필요하기 전에 미리 구축할 가치가 있습니다. 이러한 배관(Plumbing)을 갖춘 팀은 가격 변동에 분기 단위가 아닌 시간 단위로 대응할 수 있을 것입니다.

결론 (The Bottom Line)

무료 샘플 시대는 끝났습니다. AI 제공업체들은 지속 가능한 경제성을 향해 스로틀링(Throttling), 가격 책정, 품질 조정을 진행하고 있습니다. 시장은 불만을 가지면서도 이를 감내할 것입니다. 생산성 계산법이 여전히 결정적으로 승리하기 때문입니다. 이를 이해하는 조직은 비용 증가에 과잉 반응하지도 않을 것이며, 다음 조정이 올 때 선택권을 제공할 하이브리드 인프라에 투자를 소홀히 하지도 않을 것입니다.

토큰 보조금(Token subsidization)이 습관을 만들었습니다. 이제 그 습관이 자산이 되었습니다. 익숙해진 가격 환경이 아니라, 내구성을 위해 구축함으로써 그 자산을 보호하십시오.

귀하의 일상적인 워크플로에서 AI 품질이나 용량의 변화를 목격하고 계십니까? 클라우드와 병행하여 로컬 모델 역량을 구축하기 시작하셨나요? 귀하의 조직이 새로운 가격 현실에 어떻게 적응하고 있는지 알고 싶습니다.

• 인프라 부족이 비용을 상승시킴에도 불구하고 왜 AI ROI (투자 대비 수익)가 여전히 승리하는지에 대한 더 깊은 수학적 분석: AI Infrastructure Scarcity is Raising Costs, but AI Usage Will Still Provide Unbeatable ROI | Substack
• 관리되지 않은 토큰 지출이 클라우드 확산 (Cloud Sprawl)과 마찬가지로 어떻게 조직을 기습할 것인지에 대하여: The Token Bill Is Coming. Nobody's Ready for It.
• AI 도구의 성능이 이 글에서 설명하는 품질 저하 문제를 어떻게 가중시키는 방식으로 퇴보하는지에 대하여: Context in Context: Why AI Tools Degrade Over Longer Work Sessions | Substack
• 이 글에서 언급한 인프라의 호황/불황 (Boom/Bust) 사이클이 왜 대부분의 조직이 여전히 오독하고 있는 더 큰 지수적 패턴 (Exponential Pattern)의 일부인지에 대하여: We're Linear Thinkers in an Exponentially-Changing World | Substack

참고 문헌 (References)