연구 기관 METR는 AI와 인간의 작업 효율성을 금전적으로 비교하여 AI가 언제 비용상 불리해지는지 측정하는 새로운 지표인 '지출 한계(Expenditure horizon)'를 제안했습니다. 연구진은 이를 '나노GPT 스피드런' 프로젝트에 테스트한 결과, 최신 AI 모델들이 인간 1인당 약 2,500달러의 가치를 지닌 업무량을 수행하는 수준에 그쳤습니다. 이는 현재 AI가 단순 반복 작업 외에 실질적인 연구 개발에서 인간을 완전히 대체하기에는 경제성과 기술적 한계가 여전히 존재함을 시사합니다.
AI 벤치마크 플랫폼 인공 분석(Artificial Analysis)이 금융, 법률 등 산업별 성능 평가 지수를 발표했으며, 앤스로픽의 '클로드 페이블 5'가 전 부문 1위를 차지했습니다. 하지만 클로드는 타 모델 대비 압도적인 성능 우위를 점친 것은 아니며, 작업당 비용이 최대 100배 이상 높게 책정되어 기업들의 비용 효율성 고민이 커지고 있습니다.
초기 막대한 기대를 모으며 도입되었던 기업 내부의 AI 시스템이 예상치 못한 막대한 운영 비용을 발생시킴에 따라, 글로벌 기업들이 AI 사용을 제한하고 축소하고 있습니다. 이는 AI 도입이 기술적 성공을 넘어 비용 효율성과 실질적인 재무적 성과를 입증해야 하는 과제로 전환되었음을 시사합니다. 실무자들은 단순한 도입을 넘어 정교한 비용 통제와 수익성 평가가 필수적임을 인지해야 합니다.
우버의 최고 운영 책임자(COO)가 AI 모델 사용량(토큰)을 극대화하는 데 쏟아붓는 막대한 비용에 대해 실질적인 성과와 연결하기 어렵다고 지적했습니다. 실제로 우버는 AI 투자 비용을 감당하기 위해 채용을 축소하고 있으며, 듀오링고 역시 직원들의 AI 사용량을 평가지표로 삼았다가 역효과로 인해 정책을 철회하는 등 기업들의 무분별한 AI 도입 및 투자에 대한 현실적인 재평가가 이루어지고 있습니다.