AI 사용량과 지출이 갈라질 때, 법률 AI 요금은 무엇에 매겨야 하나
램프 결제 데이터에서 토큰 사용량은 늘었지만 지출 증가는 늦여름에 둔화했다가 10월에 다시 늘었습니다. 이 관측을 정리하고 법률 AI 의 요금과 성과를 무엇으로 잴지 가설로 살펴봅니다.
초록 핀테크 기업 램프(Ramp)의 AI 지출 데이터를 다룬 TechCrunch 보도에 따르면, 기업의 AI 토큰 사용량은 늘었지만 토큰 지출 증가율은 7월 전월 대비 42%에서 8~9월 1.5%로 크게 낮아졌습니다. 다만 9월 23일부터 10월 23일까지는 다시 8.9% 늘었습니다. 램프의 이코노미스트는 수요 부족이 아니라 가격 인하 경쟁, 더 싼 모델로의 이동, 기업의 예산 통제를 이유로 꼽았습니다. 본 칼럼은 이 관측을 그대로 정리한 뒤, 사용량과 지출이 갈라지고 고객군마다 지출이 수십 배 차이 나는 시장에서 법률 AI 의 요금과 성과를 무엇으로 재야 하는지를 필자의 가설로 살펴봅니다.
AI 를 더 많이 쓰는데 돈은 덜 늘어난다면 무슨 일이 벌어지고 있는 걸까요. 램프의 데이터는 그런 장면을 보여 줍니다. 토큰 사용량은 늘었지만, 늦여름 지출 증가율은 크게 꺾였습니다. 램프의 수석 이코노미스트 아라 카라지안은 이를 '구매자 우위 시장'이라고 불렀습니다. 다만 같은 보도는 10월에 지출이 다시 늘었다는 사실도 함께 전합니다. 그래서 이 글은 '지출이 멈췄다'고 말하지 않습니다. 같은 일을 더 싸게 할 수 있게 된 시장에서, 법률 AI 의 요금과 성과를 무엇으로 재야 하는지를 묻습니다.
핵심 개념 정의
토큰 지출 (Token Spend)
램프 데이터에서 기업이 AI 모델 사용에 결제한 금액을 이 칼럼에서 부르는 말입니다. 사용량(토큰 수)과 달리, 단가가 내려가면 사용량이 늘어도 함께 늘지 않을 수 있습니다.
구매자 우위 시장 (Buyer's Market)
공급자 사이의 경쟁으로 가격 결정력이 구매자 쪽으로 옮겨 간 상태를 가리킵니다. 램프의 카라지안은 AI 모델 시장이 이런 상태가 됐다고 말했습니다.
모델 라우팅 (Model Routing)
작업마다 필요한 수준에 맞춰 더 저렴한 모델로 일을 넘기는 방식입니다. 원천은 기업들이 라우터를 써서 표준·경량 모델의 지출 일부를 더 싼 경량 모델로 옮긴다고 전합니다.
전략적 관점
무엇이 늘고, 무엇이 둔화했나
램프에 따르면 토큰 지출은 7월에 전월 대비 42% 늘었지만 8~9월에는 1.5% 늘어나는 데 그쳤고, 9월 23일부터 10월 23일까지는 다시 8.9% 늘었습니다. 가장 많이 쓰는 상위 1% 기업은 여름 정점이던 직원당 월 1만 달러 바로 아래로 지출이 조금 줄었고, 중위 기업은 직원당 월 12~15달러, 상위 10% 는 600~1,000달러를 씁니다. 중위와 상위 10% 의 지출은 늘었지만 상위 1% 의 둔화를 메우지는 못했다는 설명입니다. 이 수치는 램프가 집계한 고객 데이터이고, 카라지안 스스로 AI 지출 대부분이 벤처 투자를 받은 고성장 기술기업에서 나온다고 말했습니다. 전체 기업의 AI 지출로 넓혀 읽어서는 안 됩니다.
원천이 꼽은 이유 — 가격, 더 싼 모델, 통제
카라지안은 둔화가 수요 문제가 아니라고 했습니다. 사용량은 늘었기 때문입니다. 대신 오픈AI 와 앤스로픽의 가격 인하가 AI 를 더 싸게 만들었고, 메타·엔비디아의 저렴한 모델과 오픈 모델도 경쟁에 들어왔다고 봤습니다. 보도에 따르면 앤스로픽은 가격 인하가 매출 성장을 약 6억 달러 줄였다고 공시에서 밝혔습니다. 기업 쪽에서도 비싼 모델을 기본값으로 쓰지 않게 막고, 직원에게 예산을 두고, 라우터로 더 싼 모델에 일을 넘기는 식으로 지출을 통제하게 됐다는 것입니다.
법률 AI 에 옮겨 보면 — 요금과 성과의 단위(가설)
원천은 법률 시장을 다루지 않습니다. 그래서 여기서부터는 필자의 가설입니다. 램프 데이터에서 중위 기업은 직원당 월 12~15달러, 상위 10% 는 600~1,000달러를 썼습니다. 고객군에 따라 직원당 AI 지출이 수십 배 차이 난다는 뜻입니다. 그리고 단가가 내려가면 사용량이 늘어도 지출은 덜 늘 수 있습니다. 이런 시장에서 토큰 사용량에 비례하는 요금은 이용자에게도 공급자에게도 예측하기 어려운 기준이 될 수 있습니다. 법률 AI 에서는 질문 한 건이나 문서 한 건처럼 업무 단위로 요금과 성과를 재는 편이 이용자에게 더 이해하기 쉬울 수 있습니다. 다만 이것은 시험해 봐야 할 가설이고, 어떤 단위가 실제로 더 나은지 보여 주는 자료는 아직 없습니다.
법마디 OS 의 요금 단위와 확인 범위
법마디 OS 는 관리형 API 로 범용 언어 모델을 쓰고, 60개 분야 AI 리더와 CSO 서연이 주재하는 리더 협의 구조를 운영합니다. 답변 속 조문·판례 인용은 국가법령정보센터(law.go.kr) 원문과 대조해, 확인되지 않은 인용은 내보내지 않도록 설계했습니다. 외부 이용자에게 제공하는 MCP 도구 가운데 판례·조문 조회는 크레딧을 쓰지 않고, 다른 모델이 쓴 법률 인용을 검증하는 도구는 1회 호출에 크레딧 1개를 씁니다. 토큰 수가 아니라 호출 단위로 매기는 방식입니다. 이 방식이 이용자에게 더 나은지는 아직 잰 자료가 없고, 인용 대조는 조문과 판례가 실재하고 문구가 맞는지를 확인할 뿐 답변 전체가 옳은지까지 보증하지 않습니다.
반론과 재반박
예상 반론 요금 단위를 호출이나 업무로 바꿔도 공급자가 지는 원가는 결국 모델 사용량에 따라 움직이므로, 단위를 바꾸는 것은 원가 구조를 가릴 뿐이라는 반론이 있습니다.
재반박 그 지적은 맞습니다. 업무 단위 요금은 원가가 큰 질문에서 공급자의 부담을 키울 수 있고, 원천도 앤스로픽이 가격 인하로 매출 성장이 약 6억 달러 줄었다고 공시했다고 전합니다. 그래서 이 칼럼은 업무 단위가 언제나 낫다고 말하지 않습니다. 이용자가 내는 요금의 단위와 공급자가 지는 원가의 단위를 구분해, 둘을 따로 재야 한다는 것입니다.
이 주장이 틀리는 조건
반증 조건 같은 품질 기준에서 업무 단위 요금과 사용량 비례 요금을 비교했을 때 이용자가 비용을 예측하는 정도나 지속 사용에 의미 있는 차이가 없다는 자료가 나온다면, 이 칼럼의 가설은 약해집니다. 또 같은 품질의 법률 작업에 드는 단가가 더 이상 내려가지 않는다면, 사용량과 지출이 갈라진다는 이 글의 출발점도 다시 봐야 합니다. 램프의 관측이 벤처 투자를 받은 고성장 기술기업에 치우쳐 있다는 점이 다른 표본에서 다른 결과로 드러나는 경우도 마찬가지입니다.
법마디 OS가 그리는 미래
법마디 OS 가 지금 말할 수 있는 것은 현재의 요금 단위와 인용 대조의 확인 범위까지입니다. 어떤 요금 구조가 이용자에게 맞는지는 실제 사용 자료로 재 본 뒤에 말해야 한다고 봅니다.
전략적 함의
- 램프 데이터에서 토큰 사용량은 늘었지만 지출 증가율은 늦여름에 크게 낮아졌다가 10월에 다시 올랐다. 지출이 멈췄다고 단정할 근거는 없다.
- 원천은 둔화의 이유로 가격 인하, 더 싼 모델로의 이동, 기업의 예산 통제를 들었다.
- 사용량과 지출이 갈라지는 시장에서는 법률 AI 의 요금과 성과를 토큰이 아니라 업무 단위로 재는 방안을 시험해 볼 만하다. 아직은 가설이다.
"같은 일을 더 싸게 할 수 있게 될수록, 법률 AI 는 무엇에 값을 매기고 무엇으로 성과를 재는지부터 분명히 해야 합니다."
