한줄 요약
Anthropic과 OpenAI가 2026년 4월 엔터프라이즈 요금을 "넉넉한 구독제"에서 "API 단가 그대로"로 바꿨어요. 그동안 적자만 쌓던 AI 회사들이 드디어 돈 버는 길을 찾았다는 신호입니다.
건물에 손을 뻗는 일러스트
무슨 일이 있었나?
개발자이자 AI 분석가인 사이먼 윌리슨(Simon Willison)이 흥미로운 글을 올렸어요. 핵심은 이겁니다. AI 코딩 에이전트의 가격 정책이 조용히, 그러나 결정적으로 바뀌었다는 거예요.
먼저 개인 사용자 입장을 볼게요. 사이먼은 Anthropic의 월 $100 Max 플랜과 OpenAI의 월 $100 Pro 플랜을 쓰고 있습니다. ccusage라는 도구로 "이걸 API 단가로 환산하면 얼마였을까"를 계산해봤더니 결과가 이랬어요.
Claude Code: 지난 30일간 $1,199.79어치 토큰
OpenAI Codex: 같은 기간 $980.37어치 토큰
합치면 $2,180을 단돈 $200에 쓴 셈입니다. 개인에게는 말 그대로 꿀딜이죠.
문제는 기업입니다. 사이먼은 기업도 비슷한 할인을 받을 거라 생각했는데, 완전히 틀렸다고 인정합니다. 두 회사 모두 엔터프라이즈 요금을 바꿨거든요.
Anthropic: 2025년 11월부터 엔터프라이즈를 "$20/seat + 사용량은 API 단가"로 전환. 기존 고객은 계약 갱신할 때 이 사실을 알게 됨
OpenAI: 2026년 4월 2일부터 Codex를 메시지당 과금이 아닌 API 토큰 단가 기준으로 전환. 4월 23일에는 기존 엔터프라이즈 전체로 확대
여기에 신규 모델 가격까지 올랐습니다. GPT-5.5는 GPT-5.4의 2배, Opus 4.7은 새 토크나이저까지 고려하면 Opus 4.6의 약 1.4배예요. 더 비싼 모델을 내놓으면서, 동시에 1년 단위로 계약하는 기업 고객을 그 비싼 API 단가에 묶어둔 셈입니다.
pmf 제품 시장 적합 로고
왜 중요한가?
사이먼의 해석이 날카롭습니다. 이 가격 인상은 IPO 준비 때문만이 아니라, 두 회사가 드디어 제품-시장 적합성(PMF, Product-Market Fit)을 찾았기 때문이라는 거예요.
여기서 짚어야 할 게 "PMF는 이미 2023년에 달성한 거 아니냐"는 반론입니다. 사이먼은 PMF를 두 단계로 나눠 봐요. ChatGPT는 2023년 2월 역사상 가장 빠르게 성장한 소비자 앱이 됐지만, 그건 "관심의 PMF"였을 뿐 돈은 못 벌었어요. 지금 코딩 에이전트 + 엔터프라이즈 과금이 만든 건 "수익의 PMF"입니다. 관심이 폭발한 지 3년 만에야 진짜 돈이 도는 구조가 잡혔다는 거죠.
숫자로 보면 챗봇 모델의 한계가 명확합니다. 2026년 2월 기준 ChatGPT 주간 활성 사용자는 9억 명이 넘는데, 그중 유료 구독자는 5,000만 명. 고작 5.6%만 돈을 냅니다. 9억 명이 쓰는데 94%는 공짜로 쓴다는 뜻이에요. 월 $10~20짜리 구독은 괜찮은 사업이긴 하지만, $1조 규모 인프라 비용을 메우려면 10~20억 명이 4년간 안 떠나고 결제해야 합니다. 현실적으로 불가능에 가깝죠.
그런데 코딩 에이전트는 경제 구조 자체가 다릅니다.
토큰을 압도적으로 많이 태웁니다. 사이먼 같은 헤비유저는 벤더당 월 $1,000 수준. 챗봇 사용자 한 명이 월 $20 낼까 말까인 것과 비교하면 50배 차이예요.
사용자가 고연봉 전문직입니다. 지금은 주로 개발자지만, 코딩 에이전트는 "명령어로 할 수 있는 일은 다 자동화"할 수 있어요. 즉 개발자를 넘어 훨씬 넓은 고숙련 지식 노동자에게 확장될 도구입니다.
"많이 쓰는 소수 무료 사용자"가 아니라 "많이 쓰고 + 돈도 많이 내는 전문가"라는 조합. 이게 비로소 진짜 매출을 만들기 시작한 핵심이에요. 그 결과가 숫자로 나타나고 있습니다. Anthropic은 2분기에 $10.9억(약 109억 달러) 매출을 기록하며 사상 첫 흑자 분기를 낼 거란 전망이 나와요(WSJ). 적자만 쌓던 회사가 흑자로 돌아선다는 건, PMF가 말뿐이 아니라는 가장 확실한 증거입니다.
"AI 비용 폭탄" 기사는 오히려 PMF의 증거
요즘 "기업들이 AI 비용 폭탄에 비명을 지른다"는 기사가 많이 돕니다. 대표적인 게 두 가지인데, 사이먼은 이걸 파고들어 보니 오히려 PMF를 뒷받침한다고 봐요.
1. Uber 사례: Uber CTO가 "Claude Code 때문에 2026년 몇 달 만에 연간 AI 예산을 다 써버렸다"고 했어요. 그런데 Claude Code가 진짜 쓸만해진 게 2025년 11월입니다. 2025년에 짠 예산이 2026년 수요를 예측 못 한 건 당연한 일이죠. Uber COO가 팟캐스트에서 한 발언도 실제로 들어보면 "코드 커밋의 25%가 Claude Code였는데, 이걸 '소비자 기능 25% 증가'로 연결 짓기는 아직 어렵다"는 정도였어요. 그런데 이게 "AI 토큰 지출을 정당화하기 어렵다"는 헤드라인으로 부풀려졌습니다.
2. Microsoft 사례: MS가 Claude Code 라이선스를 취소하기 시작했는데, 표면적으로는 자사 Copilot CLI를 쓰게 하려는 거지만 The Verge 기자는 "재무적 결정이기도 하다"고 전합니다. 6월 30일 회계연도 종료가 방아쇠였고요.
사이먼이 인용한 가격 책정의 명언이 인상적이에요.
좋은 가격이란, 고객이 "이를 악물고 숨을 들이쉰 다음(suck air through their teeth)" 결국 "예스"라고 말하는 가격이다.
Uber의 예산 초과, MS의 좌석 취소가 바로 그 "이를 악무는" 반응이라는 거죠. 너무 싸면 나오지 않을 반응입니다.
추론 비용이 얼마나 큰가 — SpaceX가 흘린 힌트
AI 회사들이 도대체 얼마를 쓰는지는 늘 베일에 싸여 있는데, 의외의 곳에서 단서가 나왔어요. 바로 SpaceX의 S-1(상장 서류)입니다.
2026년 5월, Anthropic과 클라우드 서비스 계약을 체결했으며 (...) 고객사는 2029년 5월까지 월 12.5억 달러를 지급하기로 합의했다.
Anthropic은 이 계약으로 "Claude Code와 API 사용량 한도를 늘릴 수 있다"고 밝혔는데, 이는 이 컴퓨팅 파워가 모델 학습이 아니라 추론(inference)에 쓰인다는 의미예요. 이미 다른 공급사에서 막대한 컴퓨팅을 받고 있는데도, 단 한 곳에서 추가로 월 12.5억 달러를 더 쓴다는 건 추론 예산 규모가 얼마나 거대한지를 보여줍니다.
진짜 돈은 '중간상 제거'에 있다
여기서 두 회사의 수익 구조 차이를 짚어야 합니다. 그동안 OpenAI는 구독 매출 비중이 컸고, Anthropic은 API 매출 비중이 컸어요. 그런데 Anthropic의 API 매출은 소수 대형 고객에 위험할 정도로 의존하고 있었습니다. 2025년 8월 기준 Cursor와 GitHub Copilot 단 두 곳이 전체 $40억 매출 중 $12억(30%)을 차지했죠(VentureBeat).
문제는 이 두 고객이 Anthropic의 모델을 되팔아서 돈을 번다는 점이에요. Cursor도 Copilot도 결국 Claude API를 가져다 자기 제품에 얹어 파는 중간상입니다. 그런데 Anthropic의 Claude Code는 바로 그 Cursor·Copilot과 정면으로 경쟁해요.
즉 이번 가격 전환의 본질은 "중간상을 거치지 말고 우리가 직접 기업 고객을 잡자"는 전략 선회입니다. 엔터프라이즈에 직접 팔면 마진이 훨씬 크고, 소수 고객 의존 리스크도 줄어들거든요. Cursor가 자체 모델(Composer 2)에 투자하기 시작한 것도 "언제까지 남의 모델에 의존할 수 없다"는 위기감의 표현입니다. 모델 회사와 그걸 되파는 회사 사이의 동맹이 깨지고 있는 거죠.
실전에서 어떻게 봐야 할까?
이 흐름이 우리에게 주는 시사점을 정리하면 이래요.
개인·소규모 팀이라면 지금이 기회: 사이먼의 계산처럼 Max/Pro 구독은 API 단가 대비 압도적으로 저렴합니다. 헤비유저일수록 구독제의 가성비가 극대화돼요. 다만 이 할인이 영원하리란 보장은 없습니다. 엔터프라이즈가 먼저 API 단가로 옮겨갔다는 건, 개인 플랜도 언젠가 조정될 수 있다는 신호로 읽을 수 있어요.
기업이라면 예산 설계를 다시: 좌석당 정액제 시대는 끝나가고 있습니다. "직원 N명 × $X"가 아니라 "실제 토큰 사용량 × API 단가"로 비용을 잡아야 해요. ccusage 같은 도구로 팀의 실제 토큰 소비를 먼저 측정해보는 게 첫걸음입니다.
도입 결정의 기준은 ROI: Uber 사례의 진짜 교훈은 "AI가 비싸다"가 아니라 "생산성 향상을 매출 기여로 연결 짓는 측정 체계가 아직 없다"는 거예요. 비용을 두려워하기보다, 코딩 에이전트가 만든 산출물을 어떻게 가치로 환산할지 측정 틀부터 만드는 게 중요합니다.
💡 인사이트
사이먼이 말한 "고연봉 전문가가 쓰는 고비용 도구"라는 PMF 공식은 미국 기준입니다. 한국은 개발자 인건비 구조가 다르고, 무엇보다 "무제한 구독"에 대한 기대치가 훨씬 강한 시장이에요. 그래서 API 단가 전환이 한국 기업에 상륙할 때는 미국보다 더 큰 저항이 나올 가능성이 있습니다. "왜 갑자기 종량제냐"는 반응이요.
하지만 역으로 생각하면, 이건 국산 AI 코딩 도구나 오픈소스 모델(GLM, Qwen 등)에게 열리는 틈이기도 해요. 글로벌 빅테크가 가격을 올릴수록, "토큰 비용이 부담스러운 한국 중소기업"을 겨냥한 저렴한 대안의 시장이 커집니다. 검색 결과를 보면 이미 "Claude Code가 너무 비싼가요? 2026년 대안 비교" 같은 한국어 콘텐츠가 늘고 있어요.
또 하나. 사이먼이 짚은 아이러니가 깊습니다. AI 랩들이 택한 비즈니스 모델(엔터프라이즈 영업)이 인간 노동에 가장 많이 의존한다는 점이에요. 사이먼이 실제로 두 회사 채용공고를 직접 분석해봤는데(이것도 Claude Code로 스크래핑해서 데이터로 정리한 결과예요), OpenAI는 열린 일자리 703개 중 229개(32.6%), Anthropic은 390개 중 105개(26.9%)가 영업·고객 지원 직군이었습니다. 어카운트 이그제큐티브, "Go To Market", "Forward Deployed Engineer" 같은 자리들이요.
"AI가 일자리를 없앤다"는 서사와 정반대로, 정작 AI 회사가 가장 많이 뽑는 직군은 사람이 직접 발로 뛰어 계약을 따내는 영업이라는 거죠. 엔터프라이즈 계약은 저절로 닫히지 않으니까요. AI 시대의 진짜 병목은 기술이 아니라 "이 비싼 걸 사게 만드는 설득"일지도 모릅니다.
원문: I think Anthropic and OpenAI have found product-market fit — Simon Willison