Claude Code가 Uber에서 두 달 만에 연간 예산을 다 태운 후, COO는 직설적으로 말했다: Token 소비와 유용한 출력 사이에는 정비례 관계가 존재하지 않는다

📄전체 원문· trafilatura에 의해 자동 추출됨Gemini 翻譯1734 자

Uber COO Andrew Macdonald는 최신 인터뷰에서 회사의 AI 지출을 사내에 해명하기가 점점 더 어려워지고 있다고 솔직히 털어놓았다. CTO Praveen Naga가 두 달 전 Claude Code 예산이 조기에 소진되었다고 밝혔지만, 더 핵심적인 문제는 따로 있다. 더 높은 token 소비가 그에 비례하는 소비자 기능 산출로 이어지지 않는다는 점이다. (관련 기사: 차량 호출뿐만이 아니다》Uber, Expedia와 협력해 호텔 예약 추가, 원스톱 여행 슈퍼 App 향해) (배경 보충: Anthropic 보고서: 2028년 AI 패권 경쟁, 미국이 컴퓨팅 우위를 지키지 못하면 중국에 역전당할 수도) 한 회사의 엔지니어 한 명이 매달 AI 도구에 최대 2,000달러를 태우고, 제출되는 코드의 70%가 AI 생성이지만, "이게 도대체 몇 개의 기능으로 환산되었는가"에 답할 수 있는 사람이 아무도 없다면, 이는 더 이상 기술 문제가 아니라 경영 위기다. Uber 운영책임자 Andrew Macdonald는 며칠 전 Rapid Response 인터뷰에서, 테크 업계가 암묵적으로 알고 있던 이 사실을 입 밖에 냈다. AI에 쓰는 돈을 점점 사람들에게 해명하기 어려워지고 있다는 것이다. 앞서 Uber CTO Praveen Neppalli Naga도 올해 4월 The Information과의 인터뷰에서 이런 말을 했다. "내가 생각했던 예산은 이미 조기에 다 타버렸다." 당시의 배경은 이렇다. Uber 산하 5,000명 엔지니어의 Claude Code 채택률이 불과 몇 달 만에 32%에서 84%로 급등했다. 엔지니어 개인의 월 지출은 500달러에서 2,000달러 사이에 분포했고, Naga 본인은 한 번의 사내 시연에서 두 시간 만에 1,200달러어치의 token 한도를 소진한 적도 있었다. Macdonald는 이 발언이 Uber 경영진에게 충격을 일으켰고, AI token 소비에 관한 일련의 논의를 촉발했다고 묘사했다. 여기에는 이러한 지출이 그만한 가치가 있는지, 그리고 그것이 인력 편성에 가져오는 트레이드오프 압박까지 포함된다. CEO Dara Khosrowshahi는 이번 달 실적 발표 컨퍼런스 콜에서 명확하게 입장을 밝혔다. Uber는 채용 속도를 늦추고 있으며, 그 일부 이유는 AI 투자 지출을 상쇄하기 위함이라는 것이다. 다시 말해, AI 도구의 청구서가 실제 인력 채용 결정에 영향을 미치기 시작한 것이다. Macdonald는 인터뷰에서 Uber 시니어 엔지니어링 책임자와 소통한 뒤 발견한 점을 설명했다. 더 높은 token 사용량이 그에 비례하는 소비자 기능 산출로 전환되지 않았다는 것이다. "그 연결고리는 아직 존재하지 않습니다, 그렇죠?" 그는 말했다. "어렴풋이 더 많은 것이 전달되었을지도 모르지만, 그 수치들과 '우리가 유용한 소비자 기능을 25% 더 산출했다' 사이에 선을 긋기는 매우 어렵습니다." 이 문제는 현재 AI 채택 열풍의 핵심 모순을 드러낸다. token 소비량은 측정 가능하지만, 그것이 측정하는 것은 "사용 정도"이지 "산출 가치"가 아니다. Salesforce는 최근 이러한 지표를 "허영 지표(vanity metric)"라고 부르며, token 소비량을 직원 성과 평가 기준으로 삼는 것에 명확히 반대했다. 주목할 점은, Macdonald가 인지 사각지대 하나를 짚었다는 것이다. 자기 주머니에서 돈을 내지 않는 개별 엔지니어에게 AI 도구는 "공짜처럼 느껴진다." 다양한 사용 시나리오를 마음껏 시도할 수 있다. 하지만 결국 그 비용을 지불하는 것은 회사다. 이러한 개인과 조직 간의 비용 미스매치야말로 token 소비가 통제 불능에 빠지는 구조적 원인 중 하나다. Uber의 당혹스러움은 개별 사례가 아니라, 단지 경영진에 의해 가장 먼저 지목되어 언급된 것일 뿐이다. Google은 I/O 2026에서 "tokenmaxxing", 즉 AI를 가능한 한 대량으로 사용하는 것을 적극 권장했고, 이를 엔지니어의 몰입도를 측정하는 지표 중 하나로 삼았다. 이 노선의 논리는 이렇다. 사용량 자체가 역량 진화를 견인하며, 양적 변화가 결국 질적 변화를 일으킨다는 것이다. 하지만 반대 방향으로 가는 기업도 등장하기 시작했다. Duolingo는 성과 평가에 AI 사용 빈도를 포함시킨 적이 있었으나, 직원들이 "AI를 쓰기 위해 AI를 써야 한단 말인가?"라는 의문을 제기한 뒤, 이 정책을 조용히 철회했다. CEO Luis von Ahn은 4월의 한 팟캐스트 인터뷰에서 말했다. "모두에게 실제 성과에 대해 책임지게 하기보다는, 오히려 많은 경우 전혀 적용되지 않는 일을 밀어붙이고 있다는 느낌이 들었습니다." 한 의료 기업의 사례는 더욱 극단적이다. 6개월 동안 1조 token을 소비했고, 600만 달러 이상의 계획 외 비용이 발생했지만, 당시 재무 부서는 그 동인이 무엇인지조차 파악하지 못했다. 이는 AI 사용 자체의 문제가 아니라, 누가, 어디에, 얼마를 태우고 있는지 아는 사람이 아무도 없었다는 문제다. Macdonald는 인터뷰에서 구체적인 삭감 계획을 발표하지도 않았고, Uber가 AI 도구를 포기하겠다고 말하지도 않았다. 그는 단지 기업계에 광범위하게 존재하지만 경영진이 좀처럼 직설적으로 입에 담지 않던 문제를, 입 밖에 내었을 뿐이다. AI 투자 수익률을 측정하는 표준 답안은 현재 업계에 없다. 하지만 "얼마나 썼는가"와 "얼마를 얻었는가" 사이의 간극이 여전히 매우 크다는 징후가 점점 늘어나고 있다.

데이터 상태✓ 전체 내용 추출 완료원문 읽기 (動區 BlockTempo)

🔍과거 유사 사건· 키워드 + 종목 매칭6 건

2026-05-24

Claude Code 비용 절감 꿀팁: 엔지니어가 일주일 만에 캐시로 3억 Token을 절약한 비결은 바로 끊지 않는 것

유사도 220%關鍵字 token/code/claude同分類 zh

2026-05-24

우리 30명 규모의 회사를 전부 Claude Code로 AI화했는데, 결과적으로 "인간이 해야 할 일이 이전보다 더 많아졌다"

유사도 170%關鍵字 code/claude同分類 zh

2026-05-22

Andrej Karpathy가 정리한 'CLAUDE.md 4대 원칙'이 GitHub에서 화제가 되며 AI의 코드 작성 정확도를 90% 이상으로 끌어올렸다

유사도 170%關鍵字 code/claude同分類 zh

2026-05-15