| 사진설명: “급증한 AI 토큰 지출을 임원 회의에서 마주한 순간”
AI에 수백억 태우고 나서야 만든 도구 — 리플링이 직원 1인당 AI 투자수익률을 계산하기 시작한 이유
미국 HR·IT 관리 플랫폼 리플링(Rippling)은 2026년 3월, 연구개발 인건비 예산의 40%를 AI 토큰값으로 쓸 궤도에 올라 있었어요. 지출은 전월 대비 80%씩 불어나는 중이었고요. CFO 애덤 스비에츠키가 임원 회의에서 그 숫자를 꺼낸 게 시작이었습니다.
회사 AI 도입 효과 측정을 고민 중이시라면, 리플링이 먼저 확인한 사실 하나가 도움이 될 거예요. 계정 수도, 활성 사용률도 답이 아니었습니다. 답은 ‘직원 한 사람이 태운 총비용 대비, 그 사람이 실제로 남긴 산출물’이었어요. 내부 데이터에서 직원의 10~15%가 전체 AI 지출의 약 60%를 썼고, 엔지니어 한 명은 혼자 월 5만 달러를 썼거든요. 환율 1,400원 기준이면 한 달에 7천만 원어치 토큰입니다.
평균을 보면 아무 일도 없어 보여요. 사람 단위로 쪼개야 비로소 보이고요.
결론부터 — 한눈에 보기
- 회사 AI 도입 효과 측정의 기본 단위는 조직 전체나 부서가 아니라 직원 1인입니다. 총액 평균은 소수의 과다 사용자를 감춥니다.
- 분모는 구독료가 아니라 투입 총원가입니다. 구독료 + 토큰 종량과금 + 교육 시간 + 보안·관리 공수를 다 묶어야 계산이 맞습니다.
- 사용률이 높아도 투자수익률은 마이너스일 수 있습니다. 많이 쓰는 것과 회수되는 것은 다른 지표예요.
뭘 기준으로 재야 할까?
세 층으로 나눠 보면 한결 깔끔해져요. 투입(돈), 행동(사용), 산출(결과). 사내 보고서 대부분이 가운데 층에서 멈춥니다. “월간 활성 사용자 80% 달성” 같은 문장이요.
사용률은 성과가 아니라 전제 조건이에요. 아무도 안 쓰면 성과가 없는 건 맞습니다. 그런데 다 쓴다고 성과가 생기지도 않고요.
리플링이 2026년 8월에 내놓은 AI Spend Console이 흥미로운 지점도 여기예요. 클로드·커서·코덱스 같은 도구의 지출을 한 화면에 모은 다음, 깃허브나 세일즈포스 신호와 이어 붙였습니다. 누가 토큰을 썼는지에서 멈추지 않고, 그 지출이 PR·코드 속도·기여 매출로 뭘 남겼는지를 봅니다.
| 사진설명: “1인당 AI 지출을 한 화면에 모은 관리 콘솔”
특히 눈에 띄는 기능이 하나 있어요. AI 지출은 상위권인데 코드리뷰에서 동료들의 재작업 요청이 잦은 사람을 골라내는 겁니다. 산출량이 아니라 ‘되돌아온 양’을 같이 세는 셈이죠.
리플링은 왜 1인당 투자수익률까지 계산하게 됐을까?
순서를 보면 이해가 빨라요. 도구가 먼저 있고 지출이 뒤따른 게 아닙니다. 지출이 먼저 터졌고, 도구는 그다음에 나왔어요. 매트 매키니스 CPO는 당시 반응을 “믿기지 않았다(We were incredulous)”고 표현했습니다.
솔직히 이 순서, 특별한 일은 아니라고 봐요. 계정 몇 개 열어주는 건 결재 한 번이면 되지만, 효과 측정 체계는 데이터를 이어 붙여야 하는 일이잖아요. 급한 쪽이 늘 먼저 갑니다.
결과는 꽤 구체적입니다. 통제 장치를 붙인 뒤 토큰 지출은 인건비 예산의 40%에서 15%로 내려갔어요. 사용량을 줄인 게 아니라는 점이 핵심이고요. CFO가 경고를 낸 그달에 6,050억 토큰으로 정점을 찍었고, 7월에도 6,000억 토큰을 썼습니다. 그런데 7월 비용은 4월 비용의 37%였어요. 거의 같은 양을 3분의 1 남짓한 값에 처리한 거죠.
방법은 모델 라우팅이었습니다. 창업자 파커 콘래드는 GLM 5.2가 최상위 모델보다 85% 싼데 성능은 거의 같았다고 밝혔어요. 비싼 모델로 전부 밀어붙이는 습관이 비용의 상당 부분이었다는 뜻입니다.
매키니스는 이런 말도 남겼습니다.
“앤트로픽이나 오픈AI 같은 추론 제공사들은, 여러분이 지출을 통제하도록 도울 이유가 전혀 없습니다.”
관련 보도는 TechCrunch의 리플링 AI ROI 도구 기사에서 확인하실 수 있어요.
왜 ‘시간 절약’만 세면 숫자가 부풀까?
“AI로 하루 30분 아꼈다”는 보고가 가장 흔한데, 그 30분의 상당 부분은 회수되지 않아요. 남는 시간이 저절로 매출이나 다른 산출로 바뀌지는 않으니까요.
빼야 할 항목이 둘 있습니다. 검토 시간, 그리고 재작업 시간. 초안 얻는 시간이 10분에서 1분으로 줄어도 다듬는 데 15분이 더 들면 순증은 마이너스예요.
저도 블로그 자동 발행 파이프라인을 돌리며 같은 걸 겪었어요. 초안 생성은 순식간인데, 이미지가 빠져 발행이 임시저장으로 강등되거나 에디터가 특정 이미지 포맷을 거부해 되돌아오는 일이 계속 생겼습니다. 아낀 구간과 새로 쓴 구간이 따로 있었고, 둘을 같이 재기 전까지 체감은 실제와 꽤 달랐어요.
어떤 지표를 얼마나 모아야 할까?
최소 세트는 다섯 개면 충분해요. 처음부터 열 개를 만들면 아무도 안 채웁니다.
| 지표 | 수집 방법 | 주기 | 흔한 왜곡 |
|---|---|---|---|
| 1인당 월 AI 총비용 | 구독 결제 + API 사용량 명세 | 월 | 부서 총액만 봐서 상위 소수를 놓침 |
| 주간 실사용일수 | 도구 로그(로그인 아닌 작업 단위) | 주 | 로그인만 해도 ‘활성’으로 집계 |
| 작업 단위 완료 시간(전/후) | 동일 업무 표본 10건 비교 | 8주 1회 | 도입 후만 재서 기준선이 없음 |
| 재작업률 | 코드리뷰 반려·수정 요청 비율 | 주 | 산출량만 세고 반려는 안 셈 |
| 도입 후 이탈률 | 3주 이상 미사용자 비율 | 월 | 초기 붐업 수치로 성공 판정 |
- 기준선(baseline)을 먼저 재두면 나머지 지표가 전부 살아나요. 도입 전 2주는 그냥 관찰만 하셔도 좋습니다.
- 사용률과 재작업률은 같은 화면에 놓기만 해도 판단이 달라집니다.
- 산출 지표는 팀 성격에 맞게 바꾸세요. 개발팀은 PR 병합 수, 영업팀은 제안서 회신율처럼요.
비용은 어디까지 넣고, 언제부터 판단할 수 있을까?
총원가에 넣을 항목은 네 가지예요.
- 구독료(계정당 고정비)
- 토큰·API 종량과금(변동비, 보통 여기서 사고가 납니다)
- 도입 교육과 학습에 쓴 근무 시간
- 보안 검토·데이터 정책·관리자 운영 공수
측정 도구값도 총원가에 들어갑니다. AI Spend Console은 리플링 HR 구독자에게 포함되고 단독 구매도 되지만, AI 사용량에 따른 추가 비용이 붙어요(2026년 8월 기준). 관리 도구를 얹는 순간 그 값도 분모라는 얘기고요.
판단 시점은 최소 8주를 권해요. 첫 달 숫자로 결론 내면 학습곡선 구간을 그대로 실패로 오독하게 됩니다. 반대로 반년을 방치하면 리플링처럼 월 80% 증가를 뒤늦게 발견하고요.
예외도 있어요. 팀이 5명 이하면 1인당 지표가 한 사람 때문에 크게 흔들립니다. 업무가 비정형이라 ‘작업 단위’를 정의하기 어려운 직군도 마찬가지고요. 이럴 땐 비용만 1인당으로 보고 산출은 팀 단위로 보는 편이 편해요.
우리 회사에 바로 적용하려면 뭐부터 하면 좋을까?
- 도입 전 2주, 지금 방식의 소요 시간을 기록만 해두기(기준선)
- 흩어진 결제를 한 표에 모아 1인당 총원가로 환산하기
- 한 팀만 골라 8주 돌려보기 — 전사 도입은 그다음에
- 산출과 재작업률을 같은 보고서에 넣기
- 작업별로 값싼 모델이 붙을 자리가 없는지 라우팅 점검하기
- 상위 10%가 얼마를 쓰는지 따로 뽑아 보기(평균이 가리는 자리)
정리하면 이렇습니다. 회사 AI 도입 효과 측정은 사람 단위로 내려갈 때 비로소 의미가 생겨요. 분모는 구독료가 아니라 총원가고요. 리플링이 같은 토큰량을 37% 비용으로 처리한 것처럼, 개선 여지는 대개 ‘얼마나 쓰느냐’가 아니라 ‘어디에 얼마짜리를 쓰느냐’에 있었습니다.
숫자를 모르면 줄일 곳도 안 보이더라고요. 작게라도 한번 재보시길 권해요.