OpenAI가 2026년부터 2030년까지 누적 약 2,780억 달러의 마이너스 잉여현금흐름을 예상한다는 숫자는 회사 실적이라기보다 작은 나라의 국가 사업처럼 보인다.[1][2]
그런데 이용자는 같은 숫자를 보고 반대로 생각한다.
이 정도 인프라를 개인이 월 구독료로 써도 되는 건가?
조사, 글쓰기, 코딩, 문서 분석, 비교, 시제품, 수정, 사소한 상담, 후속 작업까지 하나의 인터페이스에서 이어진다.
이 모든 것을 사람에게 따로 외주 주면 돈보다 발주 관리가 먼저 폭발한다.
핵심 변화는 단순히 “AI가 싸다”가 아니다.
거대한 계산 자본을 공동 이용하고, 지식노동의 최소 발주 단위가 극도로 작아지고, 전문 역할 사이의 인수인계 비용까지 줄어드는 것.
여기에 개인용 AI의 레버리지가 있다.
1. 먼저 2,780억 달러의 의미를 정확히 보자
Reuters와 Financial Times 보도에 따르면 OpenAI는 2026년부터 2030년까지 약 2,780억 달러의 현금을 소모할 것으로 전망된다.[1][2]
이 수치는 한 해의 순손실이 아니라 5년 누적 마이너스 잉여현금흐름 전망이다.
FT가 전한 내부 전망에서는 매출이 2026년 약 360억 달러에서 2030년 약 3,500억 달러로 늘어나는 동시에, 2030년까지 총지출은 약 8,560억 달러에 이를 수 있다.[2]
따라서 “고객이 없어서 망한다”보다,
매출도 빠르게 늘지만 컴퓨팅, 데이터센터, 전력, 네트워크, 연구개발 지출이 더 빠르게 커진다
가 더 정확하다.
회사 전체 현금 소모를 대화 횟수로 나눠 한 번의 채팅 원가를 계산할 수 없는 이유도 이것이다. 선행 설비 투자와 추가 요청 한 건의 한계비용은 다르다.
2. 이용자 입장에서는 왜 큰 잉여가 생길 수 있나
경제학에서는 지불할 의사가 있는 금액과 실제 가격의 차이를 소비자잉여라고 한다.
AI가 한 달에 작은 편의만 제공한다면 잉여는 작다. 반대로 외주, 대기, 반복 작업, 기회비용을 크게 줄여 준다면 같은 구독료에서도 잉여는 커질 수 있다.
이는 OpenAI의 원가와 같은 숫자가 아니다.
그럼에도 AI 구독이 큰 잉여를 만들기 쉬운 이유는 있다.
개인이 소유할 수 없는 거대한 고정비를 많은 이용자가 공유하기 때문이다.
개인이 프런티어 모델을 학습시키고 GPU 클러스터, 검색, 저장소, 보안, 음성, 이미지, 모델 업데이트까지 직접 운영하는 것은 현실적이지 않다.
구독은 그 거대한 시스템의 아주 작은 일부를 필요할 때만 빌려 쓰게 한다.
발전소를 집에 짓지 않고 전기를 쓰는 것과 비슷하다. 다만 흘러오는 것이 전기가 아니라 조사, 글, 코드, 이미지, 추론이다.
3. 진짜 무너진 것은 외주 가격보다 최소 발주 단위다
AI 이전에도 외주는 가능했다.
문제는 사람에게 일을 맡길 때마다 고정 마찰이 생긴다는 것이다.
사람을 찾고, 목적을 설명하고, 자료를 넘기고, 범위를 맞추고, 기다리고, 검수하고, 수정하고, 다음 담당자에게 다시 설명한다.
그래서 5분짜리 지식노동을 전문가에게 매번 발주할 수는 없다.
“숫자 하나만 확인해 줘.” “이 문장만 고쳐 줘.” “이 코드 한 군데만 시험해 줘.” “방금 대화를 바탕으로 다른 안 세 개.”
각 작업은 작지만 발주 절차가 더 크다.
AI는 이 경계를 없앤다.
지식노동의 최소 로트가 극도로 작아진다.
큰 프로젝트 하나를 싸게 만드는 것뿐 아니라, 시장에서 따로 살 수 없던 수많은 미세 작업을 연속 실행할 수 있게 한다.
4. 연구원, 작가, 개발자, PM 사이에서 문맥을 운반할 필요가 줄어든다
인간 팀은 인수인계할 때 시간이 들고 문맥이 빠진다.
조사자가 조사한다. 작가에게 설명한다. 개발자에게 사양을 넘긴다. 품질검사에서 문제가 나온다. 원래 의도를 다시 복원한다.
하나의 AI 작업공간이 조사부터 글, 코드, 검증까지 문맥을 유지하면 이 조정비용이 줄어든다.
그래서 AI의 가치를 “사람 다섯 명을 한 명으로 대체”처럼 계산하면 놓치는 부분이 있다.
더 큰 효과는,
설명, 재설명, 대기, 전달의 횟수를 줄이는 것
일 수 있다.
이때 AI는 챗봇보다 작은 연구개발 부서처럼 보이기 시작한다.
5. 생산성 향상은 실험에서도 보인다
5,179명의 고객지원 직원을 분석한 연구에서 생성AI 보조는 시간당 문제 해결량 기준 생산성을 평균 약 14% 높였다. 경험이 적고 기존 생산성이 낮은 직원에게 효과가 더 컸다.[3]
453명의 대졸 전문직을 대상으로 한 무작위 실험에서는 ChatGPT 사용군이 글쓰기 과제 시간을 평균 40% 줄이고 품질을 18% 높였다.[4]
BCG 컨설턴트 758명을 대상으로 한 실험에서는 AI가 잘하는 범위 안의 과제에서 25% 이상 빨라지고 인간 평가 성과가 40% 이상 높아졌다. 반면 능력 범위 밖의 과제에서는 잘못된 답을 늘릴 수 있었다.[5]
즉 “AI면 모든 업무가 몇 배”는 아니다.
하지만 적합한 업무에서 사람이 검증할 수 있다면 속도와 품질이 함께 움직일 수 있다는 증거는 이미 있다.
그리고 헤비 유저는 이 효과를 조사, 글, 코드, 비교, 시제품에 반복 적용한다.
6. 헤비 유저가 사는 것은 답변이 아니라 루프다
가끔 쓰는 사람은 답변을 산다.
많이 쓰는 사람은 다음 루프를 산다.
질문 → 조사 → 가설 → 초안 → 코드 → 테스트 → 수정 → 저장 → 다음 질문.
가치의 핵심은 재시작 비용이 낮다는 것이다.
아이디어가 생기면 바로 시험하고, 실패하면 다른 길로 가고, 어제의 자료를 오늘 다시 쓴다.
사람에게 부탁하기에는 너무 사소해서 죽던 작업이 살아난다.
따라서 AI의 투자수익률은 토큰 수보다 다음과 같은 지표가 더 현실적일 수 있다.
- 실행한 실험 수
- 끝낸 작은 작업 수
- 줄어든 대기시간
- 사라진 인수인계
- 아이디어에서 시제품까지 걸린 시간
7. 월 500달러 이야기는 존재하지만 현재 공식 가격은 아니다
2026년 9월 25일 기준 OpenAI 공식 정보에서 ChatGPT Plus는 월 20달러다.[6]
Pro는 100달러와 200달러 두 단계이며, 200달러 신규 가입·업그레이드는 9월 10일부터 일시 중단됐지만 공식 Help Center는 여전히 200달러를 최상위 Pro로 설명한다.[7]
9월 24일 TestingCatalog는 공개 전 ChatGPT 구독 참조에서 “Pro Max”, 월 500달러로 보이는 정보를 발견했다고 보도했다.[8]
하지만 중요한 경계가 있다.
9월 25일 현재 500달러 플랜은 OpenAI가 정식 발표한 현행 상품이 아니다.
실제로 출시되더라도 이름, 가격, 혜택이 달라질 수 있다.
만약 고가 플랜이 나온다면 판단 기준은 단순한 월 구독료보다, 실제로 대체한 외주·작업시간·대기·개발비가 될 것이다.
8. API 가격을 회사 원가로 보면 안 된다
OpenAI 공식 모델 페이지는 9월 25일 기준 GPT-5.6 Sol API 가격을 입력 100만 토큰당 4달러, 출력 20달러로 안내한다.[9]
많이 쓰는 이용자가 API 소매가격으로 환산해 “구독에서 이만큼 썼으니 회사가 그 차액만큼 손해”라고 생각할 수 있다.
그러나 API 가격은 판매가격이지 공개된 한계원가가 아니다.
ChatGPT는 모델 라우팅, 작은 모델, 캐시, 이용한도, 공용 인프라 등 여러 최적화를 사용할 수 있다. 반대로 2,780억 달러 전망에는 대규모 선행투자도 들어간다.
따라서 소매 API 환산액과 공급자의 실제 손익을 직접 연결할 수 없다.
이용자는 오히려 자신의 대체비용을 보면 된다. 같은 일을 사람, 외주, 장비, 시간으로 처리하면 얼마가 드는가.
공급자의 원가와 이용자의 가치는 다른 숫자다.
9. 결론: AI 시대의 레버리지는 지능 임대보다 조직 압축에 가깝다
OpenAI가 거액을 쓰면서 개인은 싸게 느낄 수 있다.
거대한 인프라를 기업과 투자자가 먼저 만들고, 많은 이용자가 그 위에 구독으로 올라타기 때문이다.
하지만 더 큰 변화는 지능이 싸진 것만이 아니다.
아이디어를 실행하기 위해 필요한 조직 규모가 줄어든다.
5분 조사. 10분 수정. 20분 코딩. 3분 비교. 어제 작업 즉시 재개. 실패 후 다른 길 재시도.
기존 외주 시장에서는 조정비용이 업무 자체보다 커지기 쉬운 일이다.
AI는 이것을 한 입구로 받는다.
공급자 쪽에서는 GPU, 전력, 데이터센터, 자금조달이 불탄다.
개인 쪽에서는 구독 버튼 하나로 조사, 글, 코드, 반복이 나온다.
자본주의가 개인에게 지식노동용 중장비를 대여하기 시작했다.
가격 인상이 무서운 이유도 그만큼 레버리지가 크기 때문이다.
- Reuters, “OpenAI forecasts cash burn near $280 billion by 2030, FT reports,” 2026-09-18 reuters.com
- Financial Times, “OpenAI expects to burn $280bn by 2030,” 2026-09 ft.com
- Brynjolfsson E, Li D, Raymond LR. “Generative AI at Work.” NBER Working Paper 31161; published version in The Quarterly Journal of Economics, 2025 nber.org
- Noy S, Zhang W. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science. 2023;381(6654):187-192. doi:10.1126/science.adh2586 pubmed.ncbi.nlm.nih.gov
- Harvard Business School / BCG, “Navigating the Jagged Technological Frontier,” field experiment with 758 consultants aiinstitute.hbs.edu
- OpenAI Help Center, “What is ChatGPT Plus?”, checked 2026-09-25 help.openai.com
- OpenAI Help Center, “About ChatGPT Pro tiers,” checked 2026-09-25 help.openai.com
- TestingCatalog, “OpenAI prepares new $500/month Pro Max plan for ChatGPT,” 2026-09-24 testingcatalog.com
- OpenAI API, “GPT-5.6 Sol Model,” checked 2026-09-25 developers.openai.com
