기업의 AI 에이전트, 실제 비용은 얼마인가

표시된 가격은 실제로 지불하는 가격이 아니다

AI 에이전트의 비용을 물으면 가장 먼저 나오는 답은 거의 항상 월 구독료입니다. 하지만 이는 불완전한 답입니다. 실제로 운영되는 자율 AI 에이전트는 한 장의 청구서에 절대 함께 나타나지 않는 여러 비용 항목을 합쳐서 봐야 합니다. 모델 추론 비용, 플랫폼 구독료, 통합에 드는 시간, 사람의 감독, 그리고 장기적인 유지 보수입니다. EY는 기업의 토큰 비용을 다룬 분석에서 이 문제를 정확히 짚습니다. 이런 총비용은 여러 예산에 흩어져 있고 결코 한곳에 통합되지 않기 때문에 구조적으로 보이지 않는다는 것입니다(출처: EY, "Agentic AI enterprise token costs", https://www.ey.com/en_us/insights/ai/agentic-ai-token-costs, 접속일 2026-09-04).

항목 1: LLM 추론, 토큰 가격

가장 눈에 잘 띄지만 가장 잘못 이해되는 항목입니다. 에이전트의 모든 판단(계획 수립, 결정, 도구 호출)은 토큰을 소비하며, 모델 제공사는 이를 100만 토큰 단위로 과금하되 입력(모델에 보내는 내용)과 출력(모델이 생성하는 내용)의 가격을 다르게 책정합니다. 2026년 9월 4일 기준으로 공개된 요금은 다음과 같습니다.

Anthropic API 기준(출처: Claude, 요금 페이지, https://claude.com/pricing, 접속일 2026-09-04): Claude Haiku 4.5는 입력 100만 토큰당 1달러, 출력 100만 토큰당 5달러입니다. Claude Sonnet 5는 입력 2달러, 출력 10달러입니다. 가장 성능이 뛰어난 모델인 Claude Opus 5는 입력 5달러, 출력 25달러입니다.

OpenAI API 기준(출처: OpenAI, 요금 문서, https://developers.openai.com/api/docs/pricing, 접속일 2026-09-04): GPT-5는 입력 1.25달러, 출력 10달러입니다. GPT-5.4는 입력 2.50달러, 출력 15달러입니다. GPT-5.5는 입력 5달러, 출력 30달러입니다.

이 수치는 대략적인 규모를 보여줄 뿐, 최종 예산을 알려주지는 않습니다. 계획을 세우고 여러 도구를 호출하며 자신의 결과를 다시 검토하는 에이전트는 작업 하나에 수만 토큰을 소비할 수 있습니다. EY는 이런 흐름을 스스로 시장 평균이 아니라 하나의 예시라고 밝힌 사례로 보여줍니다. 2023년에는 0.04달러였던 고객 응대 한 건의 비용이 2026년에는 약 1.20달러까지 늘었다는 것으로, 에이전트 오케스트레이션의 복잡도가 커진 데 따른 30배 증가입니다(위와 같은 출처). 이 비용 항목을 스스로 통제하고 싶은 기업에게 BYOK 옵션이 매력적인 이유가 바로 여기에 있습니다. 자체 추론 제공사 API 키를 직접 연결하면 크레딧 요금제 대신 선택한 제공사의 요금을 그대로 따르게 됩니다.

이 계산에서 자주 빠뜨리는 지점이 있습니다. 100만 토큰당 가격만으로는 에이전트가 실제로 소비하는 양을 알 수 없다는 점입니다. 단순한 질문 하나에 한 번에 답하는 지원 에이전트는 소비량이 적습니다. 반면 작업을 계획하고, 도구 세 개를 호출하고, 결과를 다시 읽고, 자신의 초안을 수정하는 에이전트는 요청 하나에서 이 양을 열 배에서 스무 배까지 늘릴 수 있습니다. 프로젝트를 카탈로그 가격만으로 산정한 기업이 실제 운영 단계에서 추론 청구서를 보고 놀라는 이유는 바로 제공사가 표시한 가격이 아니라 이런 메커니즘 때문입니다.

항목 2: 플랫폼과 슬롯

추론 비용에 더해 플랫폼 자체의 비용이 더해집니다. 에이전트를 호스팅하고 권한, 도구 연결, 이력, 관찰 가능성을 관리하는 환경입니다. 이는 토큰 가격과는 다른 것으로, 모델 API를 호출하는 단순한 스크립트가 아니라 에이전트를 매일 실질적으로 사용하고 통제할 수 있게 만들어 주는 인프라의 가격입니다. Atako에서는 이 항목이 활성 에이전트 단위로 청구되며, 매달 일정량의 추론 크레딧이 포함됩니다. 요금 구간의 정확한 내용은 가격 페이지에서 확인할 수 있습니다. 이는 에이전트 플랫폼에서 흔한 방식입니다. 사용하는 직원 수가 아니라 동시에 실행할 수 있는 용량, 즉 에이전트 수만큼 비용을 지불하는 구조입니다.

항목 3: 기존 도구와의 통합

혼자서만 대화하는 에이전트는 아무런 가치가 없습니다. 에이전트는 CRM을 읽고, 티켓 관리 도구에 기록을 남기고, 대화 채널에 메시지를 게시할 수 있어야 합니다. 연결마다 설정이 필요합니다. API나 OAuth 접근 권한을 만들고, 에이전트가 접근할 수 있는 대상뿐 아니라 정확히 무엇을 할 수 있는지 정의한 뒤, 실제 사례에서 제대로 작동하는지 검증해야 합니다. 이 작업은 초기 견적 단계에서 종종 과소평가되지만, 에이전트가 실제로 쓸모 있는지 아니면 데모에서는 그럴듯하지만 회사의 실제 시스템에는 손도 대지 못하는 장식품으로 남는지를 좌우하는 핵심 요소입니다.

이 항목은 연결해야 할 도구 수와 그 복잡도에 따라 크게 달라집니다. 잘 문서화되어 있고 API 키만으로 인증할 수 있는 시스템 하나를 연결하는 데는 몇 시간이면 충분합니다. 반면 하위 도메인, 지역, 객체별 세부 권한처럼 저마다 별도 설정이 필요한 시스템을 여러 개 연결하면 도구 수가 늘어나는 것보다 훨씬 가파르게 이 항목의 비용이 늘어납니다. 이는 각 통합을 사내에서 처음부터 다시 개발하는 대신, 이미 방대한 연동 카탈로그를 산업화한 플랫폼을 선택해야 하는 이유 중 하나입니다.

항목 4: 사람의 감독

자율 에이전트라고 해서 통제가 없는 에이전트는 아닙니다. 고객에게 콜드 이메일을 보내거나, 공개 콘텐츠를 게시하거나, 청구 데이터를 수정하는 것처럼 가장 민감한 행동은 적어도 도입 초기에는 실행 전 사람의 승인을 거쳐야 합니다. 이 감독에 드는 시간은 실제 비용이며, 대개 직원이 에이전트의 작업을 검토하고 승인하거나 수정하는 시간으로 계산됩니다. 이 시간은 신뢰가 쌓이면서 보통 줄어들지만 완전히 사라지지는 않습니다. 거버넌스와 안전장치는 총비용의 일부이지 선택 가능한 추가 옵션이 아닙니다. 이는 Gartner가 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 중단될 것으로 예상하는 이유 중 하나이기도 합니다. 초기에 과소평가된 거버넌스 및 리스크 관리 비용이 그것입니다(출처: Gartner, "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027", https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027, 접속일 2026-09-04).

항목 5: 장기적인 유지 보수

배포된 에이전트는 결코 완성 상태로 끝나지 않습니다. 프로세스가 바뀌면 에이전트에게 준 지시도 조정해야 합니다. 제3자 공급사가 API를 변경하면 커넥터가 고장 납니다. 활동 로그는 문제가 인시던트로 커지기 전에 이상 징후를 발견할 수 있도록 계속 모니터링해야 합니다. 프로젝트 담당자들이 예산을 산정할 때 가장 체계적으로 놓치는 항목이 바로 이 유지 보수입니다. 도입 시점에는 드러나지 않고, 시스템을 계속 지켜보는 엔지니어나 관리자의 시간이라는 형태로 매달 반복해서 발생하기 때문입니다.

직접 구축할 것인가, 플랫폼을 이용할 것인가

이 목록을 앞에 두고 두 가지 길이 있습니다. 하나는 전담 기술 팀을 꾸려 모델 호출, 권한 관리, 관찰 가능성, 커넥터를 직접 조립하는 사내 구축입니다. 다른 하나는 이런 요소들을 이미 산업화한 플랫폼을 이용해, 맞춤형 엔지니어링 프로젝트가 아니라 에이전트 단위 구독료를 지불하는 방식입니다. 어떤 길이 맞는지는 필요한 에이전트 수와 사용 사례가 얼마나 표준적인지에 달려 있습니다. 요구 사항이 표준적일수록(지원, 인사, 모니터링 등) 맞춤형 구축의 명분은 줄어듭니다. 이 비교는 별도의 아티클에서 더 자세히 다룹니다. 어느 쪽을 택하든, 마케팅 페이지에 크게 적힌 구독료 하나가 아니라 위 다섯 가지 항목에 대한 현실적인 견적을 먼저 확보하는 것이 우선입니다.