이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Ramp가 7만 개 기업의 지출 데이터를 집계한 결과, AI 제품에 비용을 낸 고객 비중은 8월 56%로 전월보다 0.4%포인트 늘어나는 데 그쳤습니다. 상위 1% 기업의 직원 1인당 AI 지출은 거의 10% 감소해 7,205달러가 됐고, OpenAI와 Anthropic의 가격 인하로 평균 토큰 비용도 백만 토큰당 0.68달러까지 낮아졌습니다. 사용량이 가격 하락을 상쇄하지 못하면서 AI 연구소와 hyperscaler가 기대한 매출 확대, 특히 프런티어 모델 출시 직후 학습 비용을 회수하는 구조에 불확실성이 커졌습니다. 다만 8월 휴가철 효과가 섞였을 가능성이 있고, Ramp 고객은 기술 기업 비중이 높아 미국 전체 기업의 AI 사용률 22%를 대표하지 않을 수 있습니다.
섹션별 상세
Ramp는 7만 개 기업의 결제 데이터를 바탕으로 8월 AI 제품에 비용을 낸 고객 비중이 56%였다고 집계했습니다. 전월 대비 증가는 0.4%포인트에 그쳐 이전의 가파른 확산과 비교해 속도가 크게 낮아졌습니다. 다만 Ramp 고객층이 기술 기업에 치우쳐 있을 수 있고 8월 휴가철이라는 계절 요인도 있어 전체 시장의 영구적인 둔화로 단정하기 어렵습니다.
이번 수치는 AI 인프라에 막대한 자금을 투입한 프런티어 연구소와 hyperscaler의 수익 회수 구조에 영향을 줄 수 있습니다. 기업이 AI 도구를 사용하면 모델 호출과 토큰 지출이 늘어 매출이 확대되지만, 소프트웨어 엔지니어의 agentic coding tools 채택이 느려지면 사용량 증가도 약해집니다. AI 인프라 투자가 앞으로 발생할 기업 매출을 전제로 진행된 만큼, 도입률의 작은 변화도 칩과 데이터센터 투자 계획의 기대치를 흔들 수 있습니다.
Ramp의 표본보다 넓은 미국 시장에서는 Census Bureau의 8월 23일 조사 기준 AI를 사용한다고 답한 기업이 22%였습니다. 두 수치는 조사 대상과 측정 방식이 다르지만, Ramp 자료가 일반 시장보다 높은 도입률을 나타낼 가능성을 보여줍니다. 그럼에도 직접적인 기업 지출 자료가 많지 않기 때문에 Ramp의 수치는 시장 변화를 먼저 포착하는 선행 지표로 활용될 여지가 있습니다.
상위 1% 기업의 직원 1인당 AI 지출은 거의 10% 줄어 7,205달러가 됐습니다. 8월 휴가철에 따른 일시적 감소일 수 있지만, OpenAI와 Anthropic의 가격 인하로 같은 작업을 더 낮은 비용에 처리할 수 있게 된 효과도 포함됩니다. 평균 토큰 비용은 2026년 3월의 백만 토큰당 1.15달러에서 0.68달러로 내려갔고, 현재까지는 사용량 증가가 가격 하락분을 보충하지 못했습니다.
가격이 낮아지면서 고객은 더 강력한 최신 프런티어 모델보다 OpenAI의 ChatGPT 5.6-Terra와 Anthropic의 Sonnet처럼 오래됐지만 저렴한 모델을 선택하는 경향을 보였습니다. 모델 출시 후 첫 몇 주 안에 학습 비용을 회수한다는 업계 관계자의 설명을 적용하면, 출시 직후 채택이 느려질 때 비용 회수 기간도 길어질 수 있습니다. 이는 모델 성능 경쟁만으로는 가격 하락과 기업 지출 감소를 상쇄하기 어려울 수 있음을 뜻합니다.
오픈 웨이트 모델이 프런티어 연구소를 위협한다는 논의와 달리, 8월 AI 지출 기업 중 모델 서빙 또는 inference 플랫폼을 사용한 곳은 6.4%였습니다. 해당 비중은 꾸준히 늘고 있지만 기업 전체의 AI 도입 흐름을 움직일 만큼 빠르지는 않았습니다. AI 연구소가 기술 사용자뿐 아니라 비기술 사용자를 겨냥한 AI co-working 도구에 집중하는 배경에도 이런 시장 확산의 제약이 놓여 있습니다.
용어 해설
- AI 도입률(AI Adoption)
- — 기업이 업무에 AI 제품이나 서비스를 실제로 사용하는 비율입니다. 이 글에서는 Ramp 고객 중 AI 제품에 비용을 지출한 기업의 비중과 미국 Census Bureau가 조사한 전체 기업의 AI 사용 비중을 구분해 비교합니다. 조사 대상과 측정 방식에 따라 수치가 크게 달라질 수 있어 시장 확산을 판단할 때 표본의 성격이 중요합니다.
- 토큰 비용(Token Cost)
- — AI 모델이 입력·출력·캐시 토큰을 처리할 때 백만 토큰 단위로 부과되는 가격입니다. OpenAI와 Anthropic의 가격 인하로 평균 토큰 비용이 2026년 3월의 백만 토큰당 1.15달러에서 0.68달러로 낮아졌습니다. 사용량이 늘지 않으면 가격 인하는 AI 기업의 매출 감소로 이어질 수 있습니다.
- 프런티어 모델(Frontier Model)
- — 현재 성능 경쟁의 최전선에 있는 대규모 AI 모델을 가리키는 용어입니다. 이런 모델은 출시 직후 높은 가격과 사용량으로 학습 비용을 빠르게 회수하는 구조를 기대하지만, 기업 도입과 토큰 지출이 둔화되면 회수 속도가 느려질 수 있습니다.
- 모델 서빙(Model Serving)
- — 학습된 AI 모델을 실제 요청에 응답하도록 운영 환경에서 제공하는 과정입니다. 글에서 모델 서빙 또는 inference 플랫폼을 사용하는 기업은 8월 AI 지출 기업의 6.4%에 그쳤으며, 이 비중은 꾸준히 늘지만 전체 기업 도입 흐름을 바꿀 정도로 빠르지는 않았습니다.
- 에이전틱 코딩 도구(Agentic Coding Tools)
- — 소프트웨어 엔지니어의 지시에 따라 코드를 작성하거나 관련 작업을 이어서 수행하는 AI 도구입니다. 글은 기업 AI 사용량이 가파르게 늘어난 배경 중 하나로 이 도구의 채택을 꼽습니다. 따라서 이 분야의 도입 증가세가 둔화되면 AI 토큰 사용량과 관련 매출도 함께 영향을 받을 수 있습니다.
기술
- OpenAI
- Anthropic
- ChatGPT 5.6-Terra
- Sonnet
- agentic coding tools
- model-serving platforms
- inference platforms
활용 사례
- 기업용 AI 도구 도입
- 소프트웨어 엔지니어의 에이전틱 코딩
- AI 모델 호출 및 토큰 기반 서비스
- 모델 서빙과 inference 플랫폼 운영
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 09. 09.수집 2026. 09. 09.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
