Uber는 2026년 인공지능 (AI) 연간 예산을 단 4개월 만에 모두 소진한 후, 직원들의 AI 코딩 도구 사용에 대해 엄격한 월간 지출 한도 (spending caps)를 부과했습니다. Bloomberg가 보도한 내부 정책에 따르면, 이 차량 호출 거대 기업은 이제 각 엔지니어에게 Anthropic의 Claude Code 및 Cursor를 포함한 에이전트형 코딩 AI 도구 (agentic coding AI tool)당 월 1,500달러의 한도를 제한하고 있습니다.

이 한도는 모든 직원이 자신의 토큰 소비량 (token consumption)을 실시간으로 추적할 수 있는 개인화된 대시보드와 함께 도입되었습니다. 더 많은 사용량이 필요한 엔지니어는 사전 허가를 통해 예외를 요청할 수 있지만, 현재 기본 설정은 강제된 희소성 (enforced scarcity)입니다.

Uber가 Claude Code에 수백만 달러를 쏟아부은 이유

예산 폭주는 Uber가 엔지니어링 조직 전체에 Claude Code를 도입한 2025년 12월로 거슬러 올라갑니다. 2026년 2월까지 엔지니어의 32%가 이를 채택했습니다. 3월에는 그 수치가 84%에 달했습니다. 봄이 되자 Uber 엔지니어의 95%가 매달 AI 도구를 사용하고 있었으며, 커밋된 코드 (committed code)의 약 70%가 해당 도구에서 생성되었습니다.

참고로, Uber의 총 R&D 지출은 2025년에 전년 대비 9% 증가한 34억 달러에 달했습니다. AI 비용 초과는 규모의 문제가 아니라, 기업 재무 팀이 단순히 다룰 준비가 되어 있지 않았던 가격 모델 (pricing-model)의 문제였습니다.

리더보드 문제

예산 폭주의 결정적인 요인은 AI 도입을 게임화 (gamify)하기로 한 Uber의 결정이었습니다. 내부 리더보드 (leaderboards)는 Claude Code 사용량을 기준으로 엔지니어링 팀의 순위를 매겼고, 이는 더 많은 토큰을 소비하기 위한 문화적 군비 경쟁을 유발했습니다. 도입을 추진하는 팀과 지출을 관리하는 팀이 완전히 분리되어 있었으며, 이러한 구조적 단절은 예산 초과를 보장하는 결과가 되었습니다.

이는 가설이 아닙니다. Uber의 COO인 Andrew Macdonald는 Rapid Response 팟캐스트에서 회사의 AI 지출을 정당화하기가 점점 더 어려워지고 있다고 말하며,

핵심적인 갈등은 구조적인 데 있습니다. 전통적인 기업용 소프트웨어는 사용자당 라이선스 (per-seat licensing) 방식을 사용하며, 이는 재무 팀이 쉽게 모델링할 수 있는 예측 가능한 연간 비용입니다. 반면 Claude Code와 같은 AI 코딩 도구는 토큰 기반 소비형 가격 책정 (token-based consumption pricing) 방식을 사용하며, 워크플로의 복잡성에 따라 비용이 크게 달라집니다.

자동 완성 (autocomplete) 기능을 실행하는 엔지니어는 모노레포 (monorepo) 전체에서 병렬 에이전트 (parallel agents)를 오케스트레이션하는 엔지니어에 비해 극히 일부의 토큰만 소비합니다. 두 엔지니어 모두 GitHub Copilot에 대해 동일한 사용자당 가격을 지불하지만, Claude Code의 소비 모델 하에서는 두 번째 엔지니어가 10배에서 20배 더 많은 비용을 발생시킵니다. 정액제 예측 (flat-rate forecasting)에 맞춰 구축된 재무 팀은 이러한 변동성을 흡수할 프레임워크가 없습니다.

이는 정확히 OpenAI가 2026년 1분기에 37억 달러를 소진하게 만든 트렌드와 동일합니다. 즉, 소비 기반의 AI 경제학 (consumption-based AI economics)은 AI를 정액제 유틸리티처럼 취급하는 조직들에게 벌을 주고 있습니다.

월 1,500달러의 해결책

엔지니어 1인당, 도구당 월 1,500달러로 설정한 Uber의 상한선은 투박한 수단이지만, 내부 리더보드가 무제한 지출을 조장한 이후 회사가 취해야 했던 조치였습니다. 이 상한선은 특히 '에이전트형 (agentic)' 코딩 도구에 적용됩니다. 이는 단순히 코드 스니펫을 자동 완성하는 것이 아니라, 다단계 프로그래밍 작업을 자율적으로 수행할 수 있는 AI 제품을 의미합니다.

흥미롭게도, 상한선이 적용된 도구 중 하나인 Cursor는 올해 초 SpaceX에 600억 달러 규모의 전액 주식 거래로 인수되었습니다 (관련 보도 읽기). AI 코딩 시장은 가격 모델이 여전히 불안정한 상황에서도 빠르게 통합되고 있습니다.

이것이 기업용 AI에 의미하는 바

Uber의 경험은 AI 코딩 도구를 대규모로 배포하는 모든 기업에 주는 경고입니다. Bloomberg가 인용한 Bain의 설문 조사에 따르면, 대부분의 기업이 AI 배포를 통해 초기 예측보다 적은 비용 절감 효과를 보고 있는 것으로 나타났습니다. 업계 조사에 따르면, 공식적인 AI 거버넌스 (AI governance) 정책을 보유한 조직은 43%에 불과하며, 성숙한 에이전트형 거버넌스 (agentic governance)를 갖춘 조직은 21%에 그칩니다.

엔지니어가 소비할 수 있는 양과 재무 부서가 지불하기를 기대하는 금액 사이의 격차는 가설이 아닙니다. 이는 실리콘밸리에서 가장 AI 지향적인 기업 중 한 곳에서 현재 실제로 일어나고 있는 일입니다. 교훈은 명확합니다. 지출 통제(spending controls), 실시간 소비 모니터링(real-time consumption monitoring), 그리고 예산 경고(budgetary alerts)가 없다면, 에이전트형 코딩 도구(agentic coding tools)를 대규모로 도입하는 모든 기업은 단 한 분기 만에 예산 초과를 경험하게 될 것입니다.

더 많은 벤더(vendor)들이 크레딧 기반 과금(credit-based billing) 방식으로 전환함에 따라, 무제한 워크로드(unbounded workloads)에 대해 정액제 AI 추론(flat-rate AI inference)을 제공하던 시대는 끝나가고 있습니다. Uber는 기존의 예산 편성 방식이 새로운 AI 비용 현실에는 작동하지 않는다는 것을 방금 증명했습니다.

출처: TechCrunch, Forbes, Fortune, Bloomberg