AI는 더 저렴해져도, 기회는 비싸질 수 있다

AI를 한 번 쓰는 가격이 내려간다고 해서, 누구나 필요한 만큼 쓸 수 있게 되는 것은 아니다. 답변 하나를 만드는 비용, 사람들이 요구하는 전체 계산의 양, 개인이 감당할 수 있는 사용료는 따로 봐야 한다. 이를 한데 묶으면 효율 개선을 과신하기도 쉽고, 당장의 공급 부족을 끝없는 가격 상승으로 오해하기도 쉽다.

내가 주목하는 것은 뛰어난 모델의 등장과 그 모델을 충분히 사용할 수 있는 시점 사이의 간격이다. 모델을 개발하는 일과 많은 사람이 오래 기다리지 않고 쓰도록 운영하는 일에는 서로 다른 조건이 필요하다. 이 간격이 앞으로 커질지는 아직 알 수 없다. 어떤 비용이 내려가고, 어떤 사용이 늘며, 그 변화가 요금과 사용량 한도에 어떻게 반영되는지 살펴봐야 한다.

01가격 하락이 말해주는 범위

AI를 사용하는 가격은 실제로 크게 내려갔다. 스탠퍼드 HAI의 2025 AI Index에 따르면 MMLU에서 GPT-3.5에 준하는 성적을 내는 모델을 이용하는 가격은 2022년 11월부터 2024년 10월 사이 280분의 1 이하로 떨어졌다. 비교 기준은 100만 토큰당 가격이다.¹ 일정 수준의 능력을 훨씬 적은 돈으로 구할 수 있게 됐다는 뜻이다. 모든 AI의 사용료가 오를 것이라고 주장하려면 이 하락 추세부터 설명해야 한다.

다만 한 시험의 점수가 비슷하다고 해서 모든 실제 업무의 성과까지 같지는 않다. 이 통계는 최신 AI가 어떤 일이든 끝내는 데 드는 총비용을 보여주지 않는다. 짧은 문장을 고치는 가격이 내려가도, 더 많은 자료를 검증하고 더 복잡한 프로그램을 완성하도록 요구하면 작업 하나에 필요한 계산은 늘어날 수 있다. 같은 일을 더 싸게 하는 것과 더 어려운 일을 맡기는 것은 별개의 변화다.

따라서 두 가능성을 함께 봐야 한다. 일상적인 질문과 글쓰기에 쓰는 AI는 더 저렴하고 널리 보급될 수 있다. 동시에 어려운 작업을 오래, 빠르게, 반복해서 처리하려면 여전히 큰돈을 내야 할 수 있다. 기본 기능의 가격 하락만으로 고성능 AI의 사용 기회까지 넓어졌다고 판단할 수는 없다.

02모델을 돌리는 일과 서비스를 운영하는 일

거대한 모델을 장비에 올려 작동시키는 것과, 수많은 요청에 빠르게 답하는 것은 다르다. 내가 수요 증가를 걱정하는 이유는 후자에 가깝다. 서비스에는 사용자 한 명에게 답할 능력뿐 아니라, 사람이 몰릴 때도 감당할 수 있는 처리 능력이 필요하다.

MoE는 계산 부담을 줄이는 방법 중 하나다. DeepSeek-V3는 전체 6,710억 개의 파라미터 가운데 토큰 하나를 처리할 때 370억 개를 사용한다. 모델을 이루는 여러 부분 중 필요한 일부를 선택하는 방식이다.² 그렇다고 사용한 파라미터의 비율만큼 운영비가 줄었다고 계산해서는 안 된다. 나머지 파라미터도 저장해야 하고, 장비 사이에서 데이터를 주고받고, 긴 대화의 정보를 처리하고, 요청이 특정 장비에 몰리지 않게 나누는 비용이 남는다.

반대로 큰 모델이라는 이유만으로 서비스가 불가능하다고 단정하는 것도 성급하다. 허용할 대기 시간, 한꺼번에 묶어 처리할 요청 수, 장비 구성에 따라 비용은 달라진다. 공개되지 않은 모델 크기를 추정하거나 GPU의 이론상 최고 성능만 가져와 실제 서비스 규모를 계산하면 판단의 근거가 약해진다. 필요한 것은 크기에 대한 추측보다 정해진 조건에서 측정한 처리량과 비용이다.

03수요를 바꾸는 것은 사용 방식이다

에이전트는 한 사람이 AI에 맡기는 일의 범위를 넓힌다. 질문에 답하는 데서 그치지 않고, 자료를 찾고 코드를 실행하고 오류를 고친 뒤 결과를 검토할 수 있다. 사용자는 한 번 지시해도 AI는 답을 만드는 과정을 여러 차례 거친다. 에이전트와 여러 추론을 동시에 진행하는 방식을 분석한 연구에서는 설계에 따라 계산 비용과 대기 시간이 크게 달라졌다. 계산을 더 투입할수록 정확도 개선의 폭이 줄어드는 경우도 관찰됐다.³

그렇다고 여러 에이전트를 늘 켜두는 사용이 이미 보편적이라고 말할 수는 없다. 2026 AI Index가 인용한 기업 조사에서는 거의 모든 업무 분야의 에이전트 도입률이 한 자릿수, 즉 10% 미만이었다.⁴ 이는 기업의 업무별 수치이며 전체 개인 이용자의 사용률이 아니다. 미래에 가능한 사용 방식을 현재의 수요로 계산하면 전망은 부풀려진다. 일주일에 한 번이라도 쓴 사람 수와 같은 순간에 답변을 기다리는 요청 수도 다르다. 이용자 수 하나만으로 필요한 GPU 수를 계산할 수는 없다.

다만 효율이 좋아져도 전체 수요가 줄어든다는 보장은 없다. 작업당 계산이 절반으로 줄어드는 동안 이용자가 두 배가 되고, 사람마다 맡기는 작업이 세 배가 된다면 전체 계산 수요는 세 배다. 이것은 전망치가 아니라 조건을 가정한 산수다. 실제 전망에는 이용자 수, 작업 수, 작업당 계산량이 각각 어떻게 변하는지와 장비 공급이 얼마나 늘어나는지가 필요하다.

답변 한 번이 싸지는 것과
필요한 만큼 AI를 쓸 수 있는 것은
별개의 문제다.

04AI에도 전기와 건물이 필요하다

AI 서비스를 늘리려면 반도체만 더 사서는 안 된다. 장비를 놓을 건물, 열을 식힐 시설, 전기를 끌어올 전력망이 함께 필요하다. 소프트웨어를 개선하는 속도와 시설을 짓고 연결하는 속도는 다르다. 장비 한 대의 성능이 좋아졌다는 사실만으로 데이터센터가 감당할 수 있는 작업량까지 같은 비율로 늘었다고 볼 수는 없다.

국제에너지기구(IEA)는 2026년 보고서에서 세계 데이터센터의 전력 소비를 2025년 약 485TWh로 추정하고, 2030년 약 950TWh에 이를 것으로 전망했다. AI 전용 시설이 아닌 전체 데이터센터의 수치이며, 2030년 값은 아직 일어나지 않은 미래에 대한 예상이다. 보고서는 효율 개선에도 불구하고 사용이 늘어날 수 있으며, 전력망 연결과 반도체 생산의 지연이 시설 확장을 제약한다고 설명한다.⁵

세계 데이터센터 전력 소비 · IEA 2026

2025추정치

485 TWh

2030전망

950 TWh

전체 데이터센터 기준. 두 값의 차이를 모두 AI의 소비 증가로 볼 수는 없다. IEA 원문 ↗

이 수치만으로 전 세계의 전기가 모자라거나 AI 가격이 폭등한다고 결론 내릴 수는 없다. 같은 전망에서 2030년 데이터센터가 차지하는 비중은 세계 전력 소비의 약 3%다. 세계 전체의 비중은 작아도, 시설이 몰리는 지역에서는 전력망 연결이 늦어질 수 있다. 전력 소비가 늘었다고 해서 탄소 배출과 물 사용도 같은 비율로 늘어난다고 볼 수는 없다. 전기를 만드는 방식, 시설의 위치, 냉각 방법에 따라 달라진다. 제약이 있다는 사실과 그 영향이 모든 곳에서 같다는 주장은 구분해야 한다.

05같은 요금으로 쓸 수 있는 양은 달라진다

요금표의 숫자가 그대로여도 사용 조건은 바뀔 수 있다. 2026년 10월 12일 확인한 OpenAI 공식 안내에 따르면 월 200달러인 Pro 200은 신규 가입을 다시 받지만, 종전 사용량을 유지하는 예외 조건에 해당하지 않으면 포함 사용량이 이전보다 적다. 예외 조건을 충족한 이용자도 구독을 유지하는 동안 10월 29일까지 종전 사용량을 적용받은 뒤 새 한도로 바뀐다. 월 500달러인 Pro 500도 있으며, Pro 요금제 중 더 빠른 처리 옵션인 Ultrafast를 포함하는 것은 이 요금제뿐이다.⁶

이용 한도의 변경은 기존 구독의 일괄 취소와 다르다. 이 안내만으로 공급 부족이 변경의 원인이라고 단정할 수도 없다. 회사는 더 효율적인 모델에 맞춰 사용량을 조정했다고 설명한다. 한도 수치가 줄었다는 사실만으로 같은 일을 끝내는 비용이 올랐다고 확정하기 어려운 이유다. 같은 작업을 같은 품질로 끝내는 데 드는 돈과 시간을 비교해야 한다.

그럼에도 이 사례는 월 구독료만으로 사용 기회를 판단할 수 없음을 보여준다. 선택할 수 있는 모델, 사용량 한도, 속도, 추가 결제 조건을 함께 봐야 한다. 내가 보려는 실질적인 가격은 일정한 품질의 일을 끝내는 데 필요한 돈과 시간이다. 운영 원가가 내려가도 그 이익이 이용자에게 같은 비율로 돌아간다는 보장은 없다.

가령 2029년에는 기본 AI가 더 좋아지면서도, 고성능 AI에 긴 작업을 맡길 수 있는 정도는 소득에 따라 크게 갈릴 수 있다. 이는 확정된 미래가 아니라 가능한 상황을 가정한 것이다. 그 차이가 교육과 업무 성과의 격차로 얼마나 이어질지는 AI 결과의 신뢰성, 사용자의 판단, 누구나 활용할 수 있는 모델과 공공 지원에 달려 있다. 비싼 AI를 쓴다는 사실만으로 좋은 결과가 보장되지는 않는다.

06접근성도 발전의 성적표에 들어가야 한다

다리오 아모데이는 We Must Pace the Frontier에서 AI 개발 속도를 조절해 안전성을 검증하고 사회가 논의할 시간을 확보하자고 주장한다.⁷ 그의 글은 이 에세이의 가격 전망을 입증하는 자료가 아니다. 다만 기술의 성능뿐 아니라 사회가 그것을 감당할 준비도 함께 평가해야 한다는 문제의식에는 동의한다. 나는 여기에 실제로 누가 사용할 수 있는지라는 질문을 더하고 싶다.

현재의 자료가 뒷받침하는 결론은 제한적이다. 일정 수준의 AI를 사용하는 가격은 크게 내려갔다. 하지만 작업이 복잡해지며 늘어나는 계산량과 시설 확장의 제약까지 사라진 것은 아니다. 그 부담이 요금과 사용량 한도의 차이로 나타난다면, 누구나 기본 AI에 접속하는 시대에도 충분히 활용할 기회는 불평등할 수 있다. 가격 폭등이 반드시 온다는 주장까지 나아갈 근거는 없다.

그래서 나는 모델의 시험 점수와 함께 실제 작업당 비용, 대기 시간, 사용량 한도에 걸리는 빈도를 보고 싶다. 기업은 모델을 바꾸거나 사용 조건을 조정할 때 이용자가 무엇을 얼마나 쓸 수 있는지 설명해야 한다. 교육과 공공 연구에서 어느 정도의 사용을 보장할지도 논의할 필요가 있다. 효율이 좋아졌는지는 기술로 확인할 수 있다. 그 혜택이 넓게 돌아갔는지는 사람들의 사용 조건으로 확인해야 한다.

더 뛰어난 AI가 등장했다는 사실만으로 모두의 기회가 넓어지지는 않는다. 누가, 어느 가격에, 얼마나 쓸 수 있는가. AI의 발전을 평가할 때 끝까지 물어야 할 질문이다.