AI 기업들은 비용과 고객 가치에 맞춰 가격을 바꾼다

포브스 AI 50에 오른 기업의 3분의 2가량이 현재 어떤 형태로든 사용량 기반 요금제를 도입했다. AI 서비스의 비용과 수요가 변동하기 때문이다. 지난달 열린 두 번째 Monetize 콘퍼런스에서 메트로놈(Metronome)의 최고경영자 겸 공동창업자 스콧 우디(Scott Woody)는 오늘날 선도 기업들이 전통적인 SaaS 기업에는 “낯설게” 보일 방식으로 운영된다고 말했다. 이들은 가격을 더 빠르게 바꾸고, 연간 반복 매출(ARR)보다 시장 점유율을 우선하며, 여러 시장 진출 전략을 동시에 추진한다.

Replit, Fin, Snowflake, Clay 등 빠르게 성장하는 기업의 리더 300여 명이 Monetize에 모여 가격 책정, 비용 관리, 고객 기대 변화에 따른 AI 제품 확장 방안을 논의했다. 여러 세션에서 반복적으로 제기된 AI 수익화 방식은 다섯 가지다.

첫째는 구독에 사용량과 크레딧을 결합하는 혼합 요금제다. 1년 전에는 사용량 기반 요금제가 구독을 대체할 것이라는 전망이 흔했지만, 기업들은 구독을 없애기보다 변동하는 사용량을 구독 안에 묶는 방식으로 활용하고 있다. 크레딧이 그 한 방법이다.

Fin의 수익화 제품 담당 이사 에이슬링 오라일리(Aisling O’Reilly)는 회사의 요금제가 플랫폼 구독에서 혼합형으로 발전한 과정을 소개했다. Fin AI Agent를 출시하면서 성과 기반 요금을 도입했고, 처음에는 에이전트가 해결한 고객 지원 대화 건별로 요금을 매겼다. 이후 제품 추천, 잠재 고객 선별, 회의 예약 등으로 기능이 확대되자 기존의 유일한 과금 지표만으로는 고객이 얻는 가치를 충분히 반영하기 어려워졌다. Fin은 과금 대상 성과를 추가해 고객이 대화 유형별로 원하는 성과를 선택하고 그 가치에 따라 비용을 내도록 했다. 고객은 크레딧을 미리 약정한 뒤 각 성과에 나눠 사용할 수 있어, 성과별 사용량을 따로 예측할 필요가 없다.

Fin을 비롯한 여러 기업은 구독으로 작업과 비용의 예측 가능성을 제공하고, 에이전트 작업에는 사용량 기반 요금을 적용하며, 여러 사용량 단위나 성과를 크레딧으로 단순화하는 계층형 요금제로 나아가고 있다.

사용량 기반 청구에서 중요한 과제는 고객이 비용을 예측할 수 있게 하는 것이다. 고객은 사용량을 좌우하는 요인을 파악하고 지출을 예상하며 한도를 설정하고, 사용량을 가치와 연결할 수 있어야 한다. 이를 위해 기업들은 제품 내 대시보드와 예측 도구 등을 제공하고 있다.

Snowflake의 선임 이사 라이언 캠벨(Ryan Campbell)은 예측 도구, 계산기, 시나리오 작성 기능, 사용량 조회 기능을 통해 고객이 소비량을 확인하고 통제하도록 돕는다고 설명했다. Stripe의 글로벌 가격 책정 및 사업화 책임자 샘 리(Sam Lee)는 알림을 확인하고 지출 한도를 설정·조정하며 사용량을 관리할 수 있는 제어 화면이 새로운 기준이 되고 있다고 말했다. 연간 사용량 묶음, 할인된 초과 사용료, 첫해 고정 계약 후 실제 사용량에 따라 정산하는 방식도 변동 요금에 대한 고객의 통제력을 높일 수 있다.

청구액의 예측이 어려워질수록 사용량 통제 기능은 고객이 비용을 지불하는 제품의 일부가 된다. 이런 기능은 기업과 제품에 대한 신뢰를 쌓는 데도 도움이 된다.

AI 비용이 내려가고 사용량이 늘면서 제품을 여러 방식으로 구성할 필요도 커지고 있다. 구독은 저렴하고 사용량이 제한된 경험을 제공하는 데 쓰고, 사용량 기반 요금은 자원이 더 많이 드는 에이전트 작업에 적용할 수 있다. Replit의 사장 겸 AI 책임자 미셸 카타스타(Michele Catasta)는 모델 비용과 에이전트 작업량의 변화에 맞춰 회사가 두 방식을 함께 사용한다고 말했다.

Replit의 에이전트가 몇 분만 실행되던 시기에는 체크포인트당 25센트를 받았다. 하지만 실행 시간이 늘면서 일부 작업에 회사가 수 달러를 쓰는 경우에도 사용자는 여전히 25센트만 냈다. Replit은 에이전트가 수행한 작업량에 가격을 더 가깝게 맞추기 위해 사용량 기반 청구를 도입했다.

이 방식은 비용 차이를 줄였지만, 단순한 월 구독에 익숙한 사용자에게 지출의 불확실성과 갑작스러운 유료 전환이라는 문제를 낳았다. 오픈소스 모델의 성능 향상과 그에 따른 최첨단 모델 가격 하락 등이 추론 비용을 낮추자 Replit은 사용량 제한이 있는 Free Mode를 도입했다. 사용자는 단순한 구독 방식으로 계속 제품을 이용할 수 있다. Replit은 한 달에 여러 차례 가격 요소를 조정하고 절감분을 고객에게 반영한다고 밝혔다.

이런 접근은 제품 하나에 요금제 하나만 두는 방식에서 벗어나게 한다. 기업은 구독과 사용량 기반 청구를 결합하고, 제품의 비용 구조가 바뀌면 둘의 비중을 조정할 수 있다. 같은 제품도 속도와 가격, 서비스 수준이 다른 형태로 제공할 수 있다.

재무팀에는 AI의 가치를 입증해야 하는 역할도 커지고 있다. 토큰은 기업의 비용을 결정할 수 있지만, 고객이 구매한다고 생각하는 가치를 대변하는 경우는 드물다. 재무팀이 AI의 가치를 측정하는 세션에서 Clay의 재무 책임자 카란 파레크(Karan Parekh)는 토큰에 추가 요금을 붙이는 사업을 하려는 것이 아니라고 말했다. Clay는 가격을 책정할 때 모델 토큰과 제3자 데이터 비용을 제품의 차별화된 가치와 분리해 고객에게 전가되는 투입 비용으로 취급한다.

Clay는 내부 AI 투자도 같은 기준으로 평가한다. 영업팀은 생산성을, 제품팀은 개발 시간을, 지원팀은 처리량과 고객 만족도를 측정한다. 파레크 팀은 AI 지출이 매출보다 빠르게 늘더라도, AI가 없었다면 달성할 수 없었을 차별화된 결과를 만들어내는 경우에만 이를 받아들인다.

여러 도구와 업무 흐름의 변화가 같은 결과에 영향을 미치면 기여도를 가리기 어렵다. 따라서 토큰 단위의 투자수익률(ROI) 계산은 오해를 부를 수 있다. Clay는 AI 도구를 각 부서의 구체적인 목표에 맞춰 평가하고, 분기마다 검토해 투자가 실제 성과로 이어지는지 살핀다. 재무팀은 투입 비용보다 운영상의 결과를 기준으로 AI의 가치를 평가하는 편이 유용하다는 설명이다.

AI 에이전트는 아직 기업의 구매를 자율적으로 처리하는 단계에 이르지 않았지만, 이미 제품을 발견하고 평가하는 데 영향을 주고 있다. Growth Unhinged 창업자 카일 포야르(Kyle Poyar)는 AI가 생성한 답변에서 구매자가 가격 정보를 어떻게 접하는지 알아보기 위해 Cloud 100 기업의 가격 정보를 대상으로 AI 엔진 6개의 응답 7,600건을 분석했다. 이름을 밝히지 않은 한 기업은 응답의 88%에서 부정적인 가격 관련 표현이 나타났다. 해당 기업의 가격 정보에 접근할 수 없었던 언어 모델(LLM)은 레딧 같은 비공식 출처를 찾아봤고, 사용자당 월 100~2,400달러라는 24배 차이의 가격을 제시했다.

사람이 웹사이트에서 가격을 확인할 수 있어도 크롤러가 접근하지 못하거나 에이전트가 안정적으로 해석할 수 없는 형식으로 표시돼 있다면, 기계에는 사실상 보이지 않는다. 자율적인 기업 조달은 아직 초기 단계지만, 이제 가격 정보는 구매 책임자뿐 아니라 구매를 평가하는 기계에도 읽힐 수 있어야 한다.

AI 제품과 모델 경제성, 사용 패턴은 너무 빠르게 바뀌어 가격을 고정하기 어렵다. Monetize 세션에 참여한 기업 리더들은 고객이 중요하게 여기는 가치를 파악하고, 지출 통제권을 제공하며, 제품과 사업의 비용 구조 변화에 따라 요금제와 제품 구성을 조정해야 한다고 설명했다.