AI 추론 (inference) 비용은 3년 만에 1,000배 폭락했습니다. 같은 기간 기업의 AI 지출은 320% 급증했습니다.

이것은 기술의 속도로 실행되는 제번스의 역설 (Jevons Paradox)이며, 대부분의 기업 AI 예산은 이에 대비되어 설계되지 않았습니다.

데이터를 살펴보면: AT&T의 내부 AI는 현재 하루에 270억 개의 토큰을 소비하고 있으며, 이는 18개월 전의 10억 개에서 증가한 수치입니다. 이는 토큰당 가격 하락이라는 배경 속에서 27배의 소비 성장을 의미합니다. Uber는 4월까지 2026년 전체 AI 예산을 모두 소진했습니다.

수식은 다음과 같이 작동합니다:

1865년: William Jevons는 더 효율적인 석탄 엔진이 석탄 소비를 줄이는 것이 아니라, 석탄을 더 많은 용도에 경제적으로 사용할 수 있게 만들어 소비를 증가시킨다는 것을 관찰했습니다. 동일한 원리가 새로운 기질 (substrate) 위에서 작동하고 있습니다.

챗봇 추론 비용이 백만 토큰당 90달러였을 때는 대부분의 기업용 유스케이스 (use cases)가 경제성이 맞지 않았습니다. 하지만 비용이 0.40달러로 떨어지자 모든 것이 경제성을 갖추게 되었습니다. 그래서 기업들은 모든 것을 구축했습니다. 그리고 규모 있는

토큰 소비를 위한 예산은 여러분이 예상하는 것보다 10~30배 더 빠르게 성장하고 있습니다. 모든 효율성 개선은 3개의 새로운 유스케이스 (use cases)를 만들어냅니다. 단순히 파일럿 비용 (pilot costs)만이 아니라, 제번스의 역설 (Jevons effect)을 여러분의 AI 운영 비용 (OPEX) 계획에 반영하십시오.

2026년에 승리하는 기업은 더 저렴한 토큰을 찾아낸 기업이 아닙니다. 그들은 토큰 가격과 상관없이 대규모로 작동하는 아키텍처 (architecture)를 구축한 기업들입니다. 왜냐하면 그들은 가격 곡선 (price curve)이 소비 곡선 (consumption curve)으로부터 자신들을 보호해주지 못할 것임을 알고 있었기 때문입니다.