Ramp 데이터, 8월 톱 기업의 직원 1인당 AI 지출 감소 보여줘

Ramp의 결제 데이터에 따르면, 8월 기업들의 AI 도입은 거의 정체됐고, AI를 가장 많이 사용한 기업들은 직원 1인당 지출을 크게 줄였다. 이 수치는 직원들이 여름휴가 중이었는지보다 더 중요한 질문을 던진다. 즉, 가격 하락과 더 저렴한 모델이 현재의 AI 구축을 자금 지원하는 모델 제공업체와 클라우드 기업들의 매출 성장에 제동을 걸기 시작한 것인가?

Ramp의 분석은 약 7만 개 기업의 지출을 포함한다. 8월에 고객의 56%가 AI 제품에 비용을 지불했는데, 이는 7월보다 고작 0.4%포인트 높은 수준이다. 샘플 내 AI 사용 기업 상위 1%에서는 직원 1인당 AI 지출이 거의 10% 줄어 7,205달러가 됐다.

이 수치가 기업 AI 수요가 영구적으로 약해졌다는 것을 입증하는 것은 아니다. 8월은 휴가가 많은 달이고, Ramp의 고객층은 일반 기업 전체보다 기술 지향적이다. 하지만 이 데이터는 기업 지출을 직접 들여다볼 수 있는 몇 안 되는 창 중 하나이며, 시장 중심의 긴장을 보여준다. AI 사용은 계속 확대될 수 있지만, 사용 단위당 지불 금액은 줄어들 수 있다는 것이다.

Ramp의 데이터는 판결이 아니라 일시적 멈춤을 시사한다

Ramp는 이전에도 비슷한 계절 패턴을 기록한 바 있다. 지난해 8월부터 10월 사이 AI 지수는 도입 증가가 거의 없었거나 전혀 없었지만, 연말로 갈수록 활동이 가속화됐다. 이런 이력은 최근의 둔화가 일시적일 가능성을 뒷받침한다.

표본도 신중하게 해석해야 한다. Ramp 고객들은 평균적인 기업보다 소프트웨어와 AI 제품 구매에 더 익숙할 가능성이 높다. 8월 23일 업데이트된 미국 인구조사국의 진행 중인 조사에서는 기업의 22%가 AI를 사용한다고 답했는데, 이는 Ramp의 56%보다 훨씬 낮다. 두 수치는 직접 비교할 수는 없지만, 이 격차는 Ramp의 수치를 경제 전반의 완전한 지표가 아니라 소프트웨어 비중이 높은 부문에서 나온 신호로 봐야 하는 이유를 보여준다.

이런 한계가 있어도 데이터셋의 의미는 크다. 지출 행태는 제품 설문이 놓치는 변화를 드러낼 수 있기 때문이다. 기업이 AI 실험을 계속하지만 더 저렴한 모델로 이동하거나, 직원 활동이 낮은 시기에 사용을 줄인다면, 헤드라인상 도입은 긍정적으로 유지돼도 공급업체 매출 성장은 더 느려질 수 있다.

낮아진 토큰 비용이 경제성을 바꾸고 있다

Ramp의 경제학자 Ara Kharazian은 직원 1인당 지출 감소의 일부를 토큰 가격 하락 탓으로 돌렸다. 회사 분석에 따르면 8월 평균 비용은 100만 토큰당 0.68달러로, 2026년 3월의 최고치 1.15달러에서 내려갔다. TechCrunch 보도에 따르면 OpenAI와 Anthropic은 모두 가격을 인하해, 고객 입장에서 비슷한 규모의 모델 사용이 더 저렴해졌다.

이는 AI를 배포하는 기업에는 좋은 소식이지만, 모델 제공업체에는 어려운 성장 방정식을 만든다. 랩들은 더 낮아진 가격을 상쇄할 더 높은 물량이 필요하다. Ramp의 수치는 적어도 8월까지는 사용 증가가 고지출 고객들의 감소분을 완전히 상쇄하지 못했음을 시사한다.

이 변화는 모델 대체도 반영할 수 있다. 보도에 따르면 기업들은 OpenAI의 ChatGPT 5.6-Terra와 Anthropic의 Sonnet 같은 더 오래되고 저렴한 시스템을 선택하며, 최신 프런티어 버전에는 돈을 덜 쓰고 있다. 요약, 초안 작성, 분류, 내부 검색 같은 일상 업무에서는 더 싼 모델로도 충분한 결과를 낼 수 있다고 판단할 수 있다. 따라서 모델 품질은 구매 결정의 한 요소일 뿐이며, 가격, 지연 시간, 신뢰성, 통합 비용도 그만큼 중요할 수 있다.

보고서는 또한 AI에 지출하는 기업 가운데 8월에 모델 서빙이나 추론 플랫폼을 사용한 비율이 6.4%에 불과했다고 밝혔다. 이 비율은 늘고 있지만, Ramp의 관점에서는 전체 기업 도입을 바꿀 만큼 빠르지 않다. 그 결과 시장은 독립 호스팅 모델의 광범위한 기업 배포보다는 패키지형 AI 제품이 여전히 지배하는 상태다.

이 신호가 AI 빌더에게 중요한 이유

프런티어 랩들에게 8월 수치는 AI 도구의 빠른 도입이 자동으로 충분한 유료 사용을 만들어 거대한 학습·인프라 투자를 정당화할 것이라는 가정에 의문을 제기한다. 소프트웨어 엔지니어들은 에이전틱 코딩 도구에 대한 강한 수요를 이끌어왔지만, 그 부문의 둔화는 모델 소비와 이를 둘러싼 소프트웨어 벤더 모두에 영향을 미칠 것이다.

빌더들에게 즉각적인 교훈은 수익을 토큰량만이 아니라 완료된 워크플로 기준으로 모델링해야 한다는 점이다. 운영 비용이 더 낮아진 제품은 고객에게 더 매력적일 수 있지만, 공급자는 낮아진 단가가 충분한 추가 호출로 상쇄될 것이라고 가정할 수 없다. 팀은 토큰 소비와 함께 활성 사용자, 작업 완료, 유지율, 고객 성과를 추적해야 한다.

기업 구매자에게는 다른 유인이 있다. 토큰 비용 하락은 특히 대량 작업에서 AI의 사업성을 개선할 수 있다. 또한 여러 모델을 시험하고, 품질과 안전 요구를 충족하는 가장 저렴한 시스템으로 각 작업을 라우팅하기 쉽게 만든다. 하지만 조직이 값비싼 오케스트레이션, 모니터링, 보안 검토, 사람의 감독을 추가하면서 그에 따른 생산성 향상을 측정하지 않으면 절감 효과는 사라질 수 있다.

이 수치는 또한 AI 기업들이 비기술 사용자들을 더 넓은 AI 협업·어시스턴트 제품으로 공략하는 이유를 설명한다. 가장 앞선 기술 고객은 가격에 대해 공격적으로 최적화하는 반면, 비기술 팀은 새로운 수요 범주가 될 수 있다. 그런 사용자를 확보하려면 벤치마크 성능만이 아니라 더 단순한 배포와 더 명확한 비즈니스 가치가 필요하다.

증거와 주장에는 여전히 한계가 있다

이 기사에서 가장 강한 수치는 TechCrunch가 보도한 Ramp 제공 측정값이다. 이는 감사된 업계 조사 통계가 아니며, 출처도 기업 규모, 업종, 지역, 업무량, 직원 휴가의 영향에 대한 완전한 세부 내역을 제공하지 않는다. 인구조사국과의 비교는 유용한 맥락이지만, 8월에 전국적 AI 도입이 둔화했다는 것을 증명하지는 못한다.

OpenAI와 Anthropic 간 경쟁이 가격과 지출을 낮추고 있다는 Kharazian의 해석은 Ramp 데이터에 대한 경영진 분석이지, 독립적으로 검증된 설명은 아니다. 마찬가지로 프런티어 랩들이 아직 가격 인하를 충분한 물량으로 대체하지 못했다는 추정도 보고된 지출 추세에서 나온 시장적 추론으로 읽어야 한다.

이런 단서들이 결과의 의미를 없애지는 않는다. 오히려 결과가 뒷받침할 수 있는 바를 규정한다. 즉, 기업 AI 수요가 지속적 하락에 들어갔다는 증거가 아니라, 기술 지향 고객들 사이의 수익화와 가격 압박에 대한 경고라는 점이다.

다음에 주목할 점

다음 Ramp 수치는 8월이 반복되는 계절적 하락이었는지, 아니면 더 큰 변화의 시작이었는지를 보여줄 것이다. AI에 비용을 지불하는 기업 비중이 다시 늘고, 직원 1인당 지출이 높아진다면 여름철 둔화라는 설명을 지지하게 된다.

모델 가격과 사용량도 마찬가지로 중요하다. OpenAI와 Anthropic이 가격을 계속 내리는 동시에 전체 토큰 소비가 급증한다면, 랩들은 규모 확대를 통해 여전히 매출을 늘릴 수 있다. 고객들이 계속 더 저렴한 모델로 이동하고 사용 증가가 완만하다면, 프런티어 모델 경제성에 대한 압박은 무시하기 어려워질 것이다.

빌더들은 추론 플랫폼 채택, 에이전틱 코딩 도구의 지속성, 비기술용 AI 제품이 새로운 유료 수요를 만들어내는지 여부도 살펴야 한다. 기업 구매자에게 유용한 신호는 총 모델 사용량보다 갱신율, 측정 가능한 워크플로 개선, 그리고 운영 환경에서 AI 시스템을 운영하는 총비용에 더 가깝다.

Creati.ai의 관점

Ramp의 8월 데이터는 AI 시장의 매출 가정에 대한 스트레스 테스트로 이해하는 것이 가장 좋다. 더 저렴한 모델은 고객에게 좋은 소식이지만, 제공업체는 낮은 가격이 인프라 지출을 유지할 만큼 충분한 추가 사용량, 또는 충분한 신규 사용자를 만들어내는지 증명해야 한다.

단기 결론은 기업 AI가 멈춰 섰다는 것이 아니다. 도입과 수익화가 서로 다른 방향으로 움직이고 있다는 것이다. 지속적인 워크플로 가치를 보여주고, 추론 비용을 통제하며, 가격 민감 고객을 서비스할 수 있는 AI 빌더가 토큰 소비 증가에만 의존하는 업체보다 더 유리한 위치에 있다.