우버의 AI 관련 비용이 엄청나게 증가함에 따라, ‘가격이 고정된’ 현상이 드러났습니다. 투자자들은 이를 간과하고 있습니다.

시장에서는 AI를 우버와 같은 사업 분야로 보고, 이를 수익성 확대의 수단으로 보았습니다. 즉, 효율성 향상, 자동화, 단위 비용의 감소 등이 그 요인들이었습니다. 하지만 실제로는 비용 상승이라는 주장이 나왔고, 이는 그 전제를 완전히 뒤엎는 결과가 되었습니다.

우버의 연구 및 개발 비용이 증가했습니다.2025년에는 34억 달러가 됩니다.연간으로 보면 9%의 성장률을 기록했으며, AI가 주요 비용 증가 요인으로 작용했습니다. 회사는 이러한 수치가 계속 상승할 것으로 예상하고 있습니다. 이는 추정된 수치이며, 실제로는 그렇지 않습니다. 투자자들은 AI를 비용 절감 요소로 생각했지만, 사실은 오히려 비용을 증가시키는 요인이 되고 있습니다.

예산 초과 현상은 우버의 임원들이 예상했던 것보다 훨씬 더 빠르게 발생했습니다.2026년의 첫 몇 달 동안, 전체 AI 관련 예산이 모두 소진되었습니다.그 원인은 인력 수의 급증이나 전략적 전환 때문이 아니었습니다. 그 원인은 엔지니어링 부서 전체에서 Anthropic의 Claude Code를 무제한으로 사용하게 된 것이었습니다. 사용량은 꾸준히 증가하지 않았으며, 갑작스럽게 급증했고, 그에 따라 비용도 재무팀이 예측할 수 있는 속도보다 더 빠르게 증가했습니다.

이것을 단순한 예산 초과 문제로만 볼 수 없는 것은, 이러한 시스템이 어떻게 도입되었는지 때문입니다. 우버는 AI를 활용하여 엔지니어들의 성과를 평가하는 내부 리더보드를 만들었습니다. 이로 인해 사용자들의 참여도가 높아졌으며, 비용을 고려하지 않고 AI를 활용한 업데이트가 점점 더 많아졌습니다. 그 결과, 현재 실제 운영 중인 백엔드 업데이트의 약 11%가 AI가 작성하고 있습니다. 3개월 전에는 그 비율이 극히 적었지만, 지금은 훨씬 더 높아졌습니다. 도구의 성능이 좋아질수록, 그 도구를 사용하는 사람들도 늘어나고, 결국 예산도 더 빨리 소진됩니다.

이것이 바로 기대치와 실제 가격 간의 차이입니다. 시장은 AI를 활용한 효율성을 반영하여 가격을 책정합니다. 우버가 얻은 것은 변동적인 비용 체계였습니다. 즉, 대규모 엔지니어링 팀을 통해 발생하는 각각의 작업에 대해 필요한 처리량을 토큰으로 측정했으며, 이러한 비용들은 규모가 커질수록 빠르게 증가했습니다. 도입 속도가 예산 수립 속도를 초과할 경우, 문제는 계획의 실패가 아니라 도구 자체에 발생합니다. 투자자들에게 있어서 중요한 질문은 AI가 우버의 엔지니어링 방식을 어떻게 변화시킬지가 아닙니다. 분명히 그렇겠죠. 중요한 질문은 비용 구조가 충분히 조절될 수 있는지, 그리고 그로 인해 예상되는 이익을 실현할 수 있는지 여부입니다.

‘뉴스를 팔아라’라는 현상: AI를 이용한 이익 확대는 이미 가격에 반영되어 있었을까?

이제 불편한 질문이 있습니다. 투자자들은 이미 AI 기술로 인해 발생하는 생산성 향상 효과를 전체 기술 산업 전반에 걸쳐 낮게 평가했는지? 그렇다면 우버의 비용 상승은 전체 기술 산업에 대한 재평가의 계기가 되었을까요?

시장의 상황도 중요합니다. 기술주들은 방금 최고치에 도달했습니다.AI가 보여주는 요구 사항은 매우 견고해 보입니다.TSM의 58%에 달하는 수익 증가를 따르면, 이러한 성과는 AI가 단위 비용을 낮추고, 자동화를 통해 효율성을 높이며, 이로 인해 수익률이 향상될 것이라는 전망을 뒷받침하는 것입니다. 하지만 우버의 현실은 이러한 전망을 뒤흔들고 있습니다.

AI와 관련된 시장 가격을 고려할 때, 결국 대규모로 적용되는 소비 기반의 가격 정책이 비용 곡선을 하향으로 이동시킬 것이라는 점을 기대할 수 있습니다. 하지만 우버의 경우는 그 반대의 결과를 보여줍니다. 적어도 당분간은 그렇습니다.R&D 비용은 34억 달러에 달했습니다.작년에는 AI가 주요 동력이 되었으며, 2026년 초에 발생한 예산 부족 사건은 AI의 도입이 너무 빠르게 진행될 경우 소비 기반의 가격 정책이 얼마나 빠르게 악화될 수 있는지를 보여주었습니다.

이것이 바로 “뉴스를 과장해서 팔아버리는” 행위입니다. 투자자들은 그 기술의 성과를 고려하여 가격을 책정했지만, 실제로는 비용이 증가하는 결과가 나왔습니다. 기대와 현실 사이의 격차가 바로 재평가될 위험을 만들어내는 것입니다. 이는 우버뿐만 아니라, 마진 확대를 전제로 AI 기술을 활용하는 모든 기술 기업에게도 해당됩니다.

전체 산업에 미치는 영향은 분명합니다. 시장의 AI 관련 전략이 실제 비용 데이터를 통해 검증될 경우, 그 부정적인 영향은 단 하나의 회사에만 국한되지 않을 것입니다. 이로 인해 전체 기술 산업 전반에서 AI 투자의 방식이 재검토되어야 합니다. 문제는 AI가 엔지니어링 작업 방식을 어떻게 변화시킬지가 아니라, 비용 구조가 충분히 개선되어 기대되는 이익을 실현할 수 있는지 여부입니다.

전체 산업에 미치는 영향: 기대 수준의 재설정이 시작되었습니다.

우버의 AI 관련 예산이 너무 많다는 것은 이상한 일이 아닙니다. 이는 시장이 AI를 활용하여 기술 기업의 가치를 기록적인 수준으로 끌어올릴 수 있다는 가설을 실제로 검증하는 과정일 뿐입니다.

이 분야에서는 AI를 고정된 비용으로 운영되는 효율적인 도구로 여겼습니다. 하지만 우버가 밝혀낸 것은, AI 코딩 도구들이 변동적인 비용 구조를 가지고 있으며, 사용량에 따라 비용이 직접적으로 증가한다는 점입니다. 각각의 상호작용에는 토큰 단위로 측정되는 처리 능력이 필요하며, 우버의 규모에서는 이러한 비용이 매우 크게 증가합니다.사용량은 꾸준히 증가하지 않았습니다. 오히려 급격하게 증가했습니다.이는 전체 기술 분야에서 발생하는 근본적인 모델링 오류입니다. 기업들은 AI 도구를 대규모로 활용하지만, 그 도구들이 사용되면서 가격이 어떻게 변하는지에 대해서는 고려하지 않습니다.

이 수치들은, 이 문제가 우버에만 발생하는 특별한 문제가 아니라는 것을 보여줍니다. 이는 전체 산업 분야에서 공통적으로 나타나는 문제입니다. 연간 매출이 10억 달러 이상인 기업들의 임원들 중 71%는 AI 활용에 있어 가장 큰 장애물은 조직의 준비 상태라고 답했습니다. 반면, 기술 자체가 장애물이라고 답한 사람은 11%에 불과했습니다. 문제는 AI가 제대로 작동하는지 여부가 아니라, 기업들이 변동적인 비용을 처리할 수 있는 AI 시스템을 효과적으로 관리할 수 있는 재무 관리를 구축하지 못하고 있다는 점입니다.

이것이 전 산업 분야에서의 기대치를 재설정하는 계기가 되는 이유는, 기술주가 방금 역대 최고 가격을 기록했기 때문입니다.강력한 AI 수요 신호들시장에서는 전체 산업 분야에서 인공지능을 활용한 이익 증가를 예상하고 있습니다. 하지만 우버의 상황은 그러한 전망을 위협하고 있습니다.

앞으로 몇 주 동안 투자자들이 주의해야 할 점들은 다음과 같습니다: – 2026년 2분기 동안 주요 기술 기업들이 AI 관련 R&D에 지출하는 비용에 대한 정보 – 실제 성과 향상과 비용 증가를 측정하는 엔지니어링 생산성 관련 지표들 – Claude Opus 4.7 버전 출시 이후 Anthropic의 가격 정책 변화 – 이 회사는 이미 엔터프라이즈 고객들에게 사용량 기반의 청구 방식을 적용하고 있으며, 과도한 사용량을 요구하는 고객들의 경우 비용이 두세 배까지 증가할 수 있습니다.

기대치의 차익 거래는 이제 끝나가고 있습니다. 지난 18개월 동안 투자자들은 AI의 효율성에 대한 뉴스를 믿고 투자를 했습니다. 하지만 실제로는 비용이 증가하는 상황이 발생하고 있으며, 이는 핵심적인 이익 전망을 뒤흔들어놓는 것입니다. 시장에서 AI에 대한 전망이 실제 비용 데이터로 확인될 때, 그 반발은 단 하나의 회사에만 국한되지 않을 것입니다. 이는 전체 기술 산업에서 AI 투자의 방식에 대한 재검토를 불러일으킬 것입니다.

문제는 AI가 공학적 작업 흐름을 어떻게 변화시킬지 여부가 아닙니다. 중요한 것은, 비용 구조를 충분히 조절하여 원래 예상된 이익을 얻을 수 있는지입니다. 만약 “가까운 미래에는 그렇지 않다”는 답이 나온다면, 이 산업은 상당한 재평가 위험에 직면하게 됩니다.