토큰의 함정: Microsoft가 Claude Code를 포기한 이유
최첨단 AI 역량과 기업 조달의 교차점은 현재 매우 불안정한 영역입니다. Microsoft가 Claude Code의 내부 파일럿 프로그램을 중단했다는 최근 보고서는 에이전트형 AI 도구를 확장하려는 모든 조직에 강력한 경고를 제공합니다. 문제는 제품의 품질이나 개발자 유용성의 부족이 아니라, AI의 가격 책정 및 예산 편성 방식의 구조적 실패였습니다.
예산 폭발
2025년 12월, Microsoft는 Experiences & Devices 부서 내에서 Claude Code 파일럿을 시작했습니다. 2026년 6월 30일에 프로그램이 취소될 예정이었을 때, 팀은 이미 연간 AI 예산을 모두 소진한 상태였습니다.
근본 원인은 토큰 소비의 실제 비용을 효과적으로 가렸던 정액제 라이선스 방식에서, 사용량 기반의 토큰 측정형 과금 모델로의 전환이었습니다. 개발자들이 에이전트형 워크플로우를 실험하도록 권장되는 기업 환경에서, 토큰의 "invisible" 비용은 기하급수적으로 늘어날 수 있으며, 이는 일부에서 "예산 폭발"이라고 부르는 상황으로 이어집니다.
AI 조달의 구조적 격차
이 사건은 현대의 재무 및 조달 팀이 AI를 처리하는 방식의 중대한 격차를 드러냅니다. 전통적인 소프트웨어 조달은 예측 가능한 인당 비용을 기반으로 합니다. 그러나 최첨단 AI API는 본질적으로 예측 불가능한 토큰 기반 과금 방식을 따릅니다.
에이전트형 도구가 배포되면, 이들은 종종 재귀적 루프를 수행하고, 방대한 양의 코드를 반복적으로 처리하며, 단일 문제를 해결하기 위해 여러 개의 서브 에이전트를 활용합니다. 이는 전통적인 예산 프레임워크가 예측하거나 제한할 수 없는 고비용 환경을 조성합니다. 한 관찰자가 언급했듯이, 코딩 에이전트의 작동 방식은 "fantastically wasteful"하며, 단일 세션 내에서 메가바이트 단위의 코드를 반복해서 처리하곤 합니다.
경쟁적 함의 및 "Dogfooding" 전환
Microsoft에게 해결책은 간단합니다. 개발자들을 GitHub Copilot으로 유도하는 것입니다. Microsoft는 Copilot을 소유하고 있으므로, 비용 구조가 내부적이고 예측 가능합니다. 이러한 움직임은 사용량 기반 API 호출에 의존하는 기업보다 정액제 기업 라이선스(예: JetBrains AI 또는 Cursor for Teams)를 제공하는 기업의 전략적 이점을 강조합니다.
하지만 이 움직임은 전술적 전환도 시사합니다. 일부 분석가들은 Microsoft가 Claude 파일럿의 실패를 자사의 Copilot CLI 도구의 필요성을 더욱 입증하는 데 사용하고 있을 수 있다고 제안합니다. 즉, 예산 실패를 내부 생태계의 마케팅 승리로 효과적으로 전환하고 있는 것입니다.
현장의 통찰
이 사건을 둘러싼 커뮤니티 논의는 몇 가지 핵심적인 기술적 및 행동적 통찰을 제공합니다:
1. "Expensive Toy" vs. "The Shovel"
개발자들은 가격 책정에 따라 도구와 상호작용하는 방식이 크게 달라진다는 점을 주목했습니다. 비용이 측정되고 귀중하게 여겨질 때, 개발자들은 "token conscious" 상태가 되어 생산성이 저하될 수 있습니다. 반대로, 비용이 정액제이거나 무시할 수 있는 수준일 때(DeepSeek와 같은 일부 오픈 소스 또는 저비용 모델에서 볼 수 있듯이), 도구는 "shovel"이 됩니다. 즉, 작업을 완수하기 위해 주저 없이 아낌없이 사용하는 도구입니다.
2. 수행적 AI 사용
"token-maxxing" 또는 수행적 코드 생산에 대한 우려가 커지고 있습니다. 일부 기업 환경에서 높은 토큰 사용량은 경영진에게 AI를 적극적으로 활용하고 있다는 신호로 비춰질 수 있으며, 이는 직원들이 실제 출력물을 늘리지 않으면서도 토큰을 소비함으로써 시스템을 "reward-hack"하는 결과를 초래할 수 있습니다.
3. 효율성 격차
일부 사용자들은 특정 고성능 모델이 다른 모델보다 더 "wasteful"하다고 보고했습니다. 보고에 따르면 일부 에이전트형 구현은 수십 개의 서브 에이전트에게 작업을 위임하고 루프에 빠지는 반면, 경쟁 모델의 최신 버전은 장기 과업(long-horizon tasks)을 더 잘 처리하며 동일한 결과를 얻기 위해 더 적은 토큰을 것을 요구합니다.
결론: 기업용 AI의 향후 방향
Anthropic의 현재 기업 가치는(보고에 따르면 9,000억 달러를 목표로 함) 기업 도입을 가속화하는 것을 전제로 합니다. 그러나 Microsoft의 사례는 제품의 품질이 기업 규모로 확장하는 데 있어 유일한 장애물이 아니라는 것을 증명합니다. 가격 예측 가능성은 핵심적인 기능입니다.
AI 벤더들이 기업 시장에서 성공하려면, 단순한 토큰 측정 방식을 넘어 다음과 같은 방향으로 나아가야 합니다:
- Consumption-smoothing tiers: 예산 상한선이나 월간 정액 상한을 도입하는 것.
- Better FinOps tooling: 조달 팀이 "budget shocks"를 피할 수 있도록 세밀한 예측 및 경고 도구를 제공하는 것.
- Architectural optimization: 대규모 코드베이스의 중복 처리를 줄이기 위해 KV cache precomputation 및 기타 효율성 조치를 우선시하는 것.",