월 구독료를 내고, 창을 열고, 질문 하나를 던진다. 생성형 AI의 사용 방식은 한동안 이 세 단계로 요약됐다.
그 구조가 흔들리고 있다. 에이전트 워크플로우는 사람이 개입하지 않아도 수 시간 동안 자율로 작동하며, 그 과정에서 기존 문답 방식보다 훨씬 많은 토큰을 소비한다. 단순 질의응답이 수십 개 토큰을 쓴다면, 에이전트가 여러 도구를 호출하고 중간 결과를 검토하며 반복 실행하는 워크플로우는 그 배수를 가볍게 넘긴다.
문제는 이 변화가 기존 비즈니스 모델의 전제를 무너뜨린다는 점이다. 정액제는 '사용자가 하루에 몇 번 질문할 것'이라는 가정 위에 설계됐다. 에이전트가 하루 종일 파이프라인을 돌리는 환경에서 그 가정은 성립하지 않는다. 소비량이 예측 불가능해지면, 공급자 입장에서 월정액은 곧 손실 구조가 된다.
이에 따라 과금 방식의 무게중심이 구독에서 소비량 기반으로 이동하고 있다. 토큰 단가는 단일하지 않다. 속도, 모델의 전문성, 그리고 결과가 창출하는 경제적 가치에 따라 달라진다. 빠른 응답이 필요한 실시간 작업, 특정 도메인에 최적화된 모델, 계약 검토나 코드 생성처럼 결과물의 가치가 명확한 작업은 각각 다른 단가 체계를 요구한다.
그러나 토큰 단가만 보는 것도 함정이다. 단가가 낮아도 에이전트가 반복 호출을 많이 하거나 중간 검증 단계가 길어지면 실제 비용은 단가 비교만으로 예측하기 어렵다. 반대로, 단가가 높더라도 워크플로우 효율이 높아 총 토큰 소비가 적으면 전체 비용은 낮을 수 있다. 결국 '토큰 소비량' 자체가 AI 가치 창출의 척도가 되어서는 안 된다는 논리가 나온다. 얼마나 많이 썼느냐보다, 그 소비가 어떤 결과를 만들어냈느냐가 핵심이다.
이 구조적 전환은 한국 AI 서비스 기업에게도 직접적인 과제를 던진다. 국내에서도 코딩 보조, 문서 자동화, 고객 응대 에이전트 등 실제 업무 파이프라인에 AI를 붙이는 시도가 빠르게 늘고 있다. 월정액으로 서비스를 제공하는 기업이라면, 에이전트 사용이 확대될수록 단위 고객당 토큰 소비가 예측 범위를 벗어날 가능성이 높다. 소비량 기반 과금, 결과 가치 연동 요금제, 또는 사용 상한선을 명시한 티어 구조 같은 대안을 지금부터 설계해야 하는 이유다.
정액제가 나쁜 모델이었던 것은 아니다. 다만 그 모델이 설계된 AI 사용 환경이 이미 바뀌었다. 토큰은 더 이상 백엔드 비용의 단위만이 아니다. 비즈니스 모델의 핵심 변수가 됐다.
