AI를 비용센터로만 보는 기업은 주로 비용 절감에 집중한다. AI 사용량이 증가하면 먼저 제한부터 검토한다. 직원별 사용 한도를 낮추고, 고성능 모델 접근 권한을 줄이고, 승인 절차를 늘리고, 외부 AI 사용을 막는다. 물론 보안과 예산 관리를 위해 필요한 제한은 있다. 하지만 모든 AI 활용을 비용 문제로만 보면 조직의 에너지가 위축된다. 이런 기업에서는 직원들이 AI를 적극적으로 쓰기 어렵다. 새로운 업무방식을 실험하려 해도 비용 눈치를 봐야 한다. 고성능 모델이 필요한 업무에도 저가 모델만 사용하게 된다. AI로 더 좋은 결과를 만들 수 있어도 예산 초과를 걱정한다. 결국 AI는 혁신 도구가 아니라 관리 대상이 된다.

비용센터 관점의 가장 큰 문제는 AI의 효과를 보지 못한다는 점이다. 비용은 월별 청구서에 명확하게 보인다. 하지만 AI가 절감한 시간, 높인 품질, 줄인 오류, 만든 기회는 잘 보이지 않는다. 그러면 경영진은 보이는 비용만 줄이려 한다. 이것은 당장은 합리적으로 보이지만 장기적으로는 위험하다. AI 시대에는 조직이 AI를 얼마나 빨리 학습하느냐가 경쟁력이다. 비용 통제만 강조하는 기업은 학습 속도를 잃는다.
---p.17 「AI를 비용센터로 볼 것인가, 생산엔진으로 볼 것인가?」 중에서

기업에서 비용은 늘 줄여야 할 대상으로 여겨진다. 원가를 낮추고, 불필요한 지출을 줄이고, 효율을 높이는 것은 경영의 기본이다. 그래서 AI 토큰 비용이 늘어난다고 하면 많은 경영자는 먼저 걱정한다.

“AI 비용을 줄여야 하는 것 아닌가?”

이 질문은 자연스럽다. 하지만 충분하지 않다. 토큰은 비용이지만, 단순히 줄여야 할 비용만은 아니다. 토큰은 기업이 지식노동을 자동화하고 생산성을 높이고 의사결정을 개선하기 위해 투입하는 생산자원이다. 이 점을 이해하는 것이 중요하다.

광고비는 비용이다. 그러나 좋은 광고비는 고객을 만들고 매출을 만든다. 광고비를 무조건 줄이면 단기 비용은 줄어들 수 있지만 성장 기회를 잃을 수 있다. 그래서 기업은 광고비 자체가 아니라 광고비 대비 고객획득비용과 매출 기여도를 본다. 토큰도 이와 같다.

토큰은 AI를 움직이는 연료다. AI를 통해 보고서를 만들고, 코드를 작성하고, 고객 응대를 자동화하고, 계약서를 검토하고, 데이터를 분석하려면 토큰을 써야 한다. 토큰을 전혀 쓰지 않는 기업은 비용은 아낄 수 있지만 AI가 만들어내는 생산성도 얻지 못한다. 따라서 질문을 바꿔야 한다. ‘토큰 비용을 얼마나 줄일 것인가?’가 아니라 ‘토큰을 얼마나 높은 성과로 전환할 것인가?’라고 물어야 한다.
---p.81 「토큰은 비용인가, 생산자원인가?」 중에서

AI 시대에는 새로운 유형의 직원 격차가 나타난다. 이제는 AI를 잘 쓰는 직원과 그렇지 않은 직원의 차이가 커질 것이다. 하지만 여기서 중요한 점이 있다. AI를 많이 쓰는 직원이 반드시 AI를 잘 쓰는 직원은 아니다. 어떤 직원은 하루 종일 AI에게 질문을 던진다. 보고서도 AI에게 쓰게 하고, 이메일도 AI에게 쓰게 하고, 회의 자료도 AI에게 만들게 한다. 겉으로 보면 AI 활용도가 높다. 토큰 사용량도 많다. 하지만 결과물을 보면 일반적이고, 깊이가 부족하고, 사실 확인이 되어 있지 않고, 회사의 맥락과 맞지 않는다. 결국 다른 사람이 다시 고쳐야 한다.

반면 어떤 직원은 AI를 필요한 순간에 정확하게 사용한다. 질문하기 전에 목적을 정리하고, 필요한 정보를 제공하고, 원하는 형식을 명확히 설명하고, AI 답변을 검증하고, 자신의 판단을 더해 결과물을 완성한다. 이 직원은 토큰을 과도하게 쓰지 않지만, 결과물의 품질이 높다. 이것이 토큰 리터러시의 출발점이다.
---p.130 「AI를 많이 쓰는 직원과 잘 쓰는 직원은 다르다」 중에서

토큰 단가는 내려갈 수 있다. 그러나 기업의 총 AI 비용은 오히려 늘어날 수 있다. 단가가 내려가는 속도보다 사용량이 늘어나는 속도가 더 빠를 수 있기 때문이다. 이 현상은 새로운 것이 아니다. 클라우드에서도 비슷한 일이 벌어졌다. 클라우드 서버의 단가는 점점 효율화되었고, 기업은 필요한 만큼 인프라를 쉽게 사용할 수 있게 되었다. 그러나 클라우드 총지출은 많은 기업에서 계속 증가했다. 이유는 단순했다. 더 싸지고 더 편리해지자 더 많이 쓰게 되었기 때문이다. AI도 같은 길을 걸을 가능성이 높다.

처음에는 일부 직원이 AI를 사용한다. 이메일을 다듬고, 보고서를 요약하고, 아이디어를 얻는 정도다. 이 단계에서는 비용이 크지 않다. 이후 팀 단위로 AI가 확산된다.

영업팀은 제안서 작성에 쓰고, 마케팅팀은 콘텐츠 제작에 쓰고, 개발팀은 코드 작성에 쓰고, 법무팀은 계약서 검토에 쓴다. 비용은 늘어나지만, 여전히 관리 가능한 수준일 수 있다.

그다음 단계가 되면 AI는 업무 시스템에 내장된다. 고객센터 상담마다 AI가 답변을 추천하고, CRM이 고객별 메시지를 자동 생성하고, ERP 데이터 분석에 AI가 붙고, 회의가 끝날 때마다 자동으로 요약과 후속 조치가 만들어진다. 이때부터 AI는 사람이 의식적으로 사용하는 도구가 아니라 업무 흐름 안에서 자동으로 호출되는 시스템이 된다. 이 단계에서는 사용량이 폭발적으로 늘 수 있다. 토큰 단가는 내려가도 총비용은 늘어난다. 왜냐하면 AI가 처리하는 업무의 양이 훨씬 더 빠르게 늘어나기 때문이다.
---p.153 「토큰 단가는 내려가는데 왜 총비용은 늘어나는가?」 중에서

AI를 잘 쓰는 직원은 좋은 질문을 던진다. 하지만 기업이 개인의 질문 능력에만 의존해서는 안 된다. 어떤 직원은 AI에게 업무 목적과 맥락을 잘 설명하고, 원하는 결과물의 형식을 명확하게 제시한다. 그 직원은 좋은 보고서 초안, 고객 제안서, 법무 검토 요약, 마케팅 문구를 빠르게 얻는다. 반면 다른 직원은 막연하게 질문하고, 일반적인 답변을 받은 뒤 다시 수정하고, 또 다시 요청한다. 두 직원은 같은 AI 도구를 사용하지만 결과물의 품질과 토큰 효율은 크게 다르다. 이 차이를 개인 역량의 차이로만 남겨두면 조직 전체의 생산성은 제한된다.

기업은 좋은 프롬프트를 표준화해야 한다. 반복되는 업무에 대해 좋은 질문 구조를 만들고, 이를 템플릿으로 관리해야 한다. 프롬프트는 개인의 노하우가 아니라 조직의 업무 자산이 되어야 한다. 프롬프트 표준화란 모든 직원에게 똑같은 문장을 쓰게 하는 것이 아니다. 업무 목적에 맞는 질문 구조를 제공하는 것이다.
---p.198 「프롬프트 표준화와 템플릿 경영」 중에서