이번 주 같은 날, 두 개의 신호가 반대 방향에서 동시에 도착했다.

마이크로소프트 코파일럿 코워크(Copilot Cowork)가 업무 단위 과금 방식으로 포춘500 기업 절반에 배포되기 시작했다. 자리(seat)당 월정액이 아니라 “에이전트가 실제로 처리한 업무 건수”로 청구하는 구조다. 에이전트 50개가 일하면 사람 50명분의 가치를 청구하겠다는 논리다.

같은 시점, 중국의 Kimi K3와 Qwen이 다시 가격 공세를 시작했다. 토큰당 단가를 한 번 더 끌어내리며 모델 레이어 원가의 하한선을 무너뜨리고 있다.

두 신호는 반대처럼 보이지만 실제로는 같은 위기를 만든다.

이중 압박의 구조

빅테크는 과금 단위를 “자리 → 작업”으로 올리려 한다. 에이전트가 수행한 작업에 가격을 붙이면 단가는 높아지고, 고객도 ROI를 측정하기 쉬워진다. 이 논리는 명확하다.

그러나 동시에 중국 모델들이 모델 레이어 원가를 바닥으로 끌어내리고 있다. 같은 추론 품질을 절반 이하 비용으로 낼 수 있게 되면, 고가 과금의 논리는 “우리 결과가 그만큼 더 낫다”는 정량 증거를 매번 요구받는다.

배경훈은 중국 저가 모델과 국내 모델의 격차가 20~100배에 달할 수 있다고 경고했다. 단순히 가격 차이가 아니라 운영 지속성 리스크다. 중국 오픈웨이트 모델에 의존하는 라우팅 설계는 정책·통제 리스크가 4번째 평가 축으로 올라오고 있다.

이중 압박의 결과는 예측 가능하다. 과금 단위가 높아지는 동시에 그 단위를 정당화해야 하는 증명 비용도 높아진다. 원가 하한은 내려가는데 가치 증명의 기준은 높아진다.

PM이 봐야 할 진짜 문제

이 구도에서 빠진 링크가 있다. 결과 측정 프레임이다.

업무 단위 과금이 작동하려면 “무엇이 해결된 것인가”를 먼저 정의해야 한다. 콜센터 에이전트가 문의를 처리했을 때, 그 문의가 진짜 해결됐는지 아니면 그냥 종결됐는지를 누가 어떻게 측정하는가? 측정 프레임 없이 업무 단위 과금을 도입하면 청구 논쟁이 곧 제품 분쟁이 된다.

Anthropic과 블랙스톤이 함께 설립한 15억 달러 규모의 합작사 Ode는 이 지점을 정확히 짚는다. Ode의 설립 논리는 하나다: “다음 조 단위 사업은 구현(implementation)이다.” 모델 자체보다 그 모델이 실제 업무에 연결되는 방식 — 도입, 운영, 검증, 결과 측정 — 이 쪽에 훨씬 큰 가치가 있다.

OpenAI도 내부 투자 지표를 “달러당 유용한 작업(useful tasks per dollar)“으로 재정의했다. 성능 벤치마크가 아니라 실제 업무 해결 기준이다.

에이전트 빌더에게 주는 세 가지 함의

과금 단위보다 측정 단위를 먼저 설계해야 한다.

결과 기반 과금이 작동하는 도메인은 결과가 명확히 정의되는 곳이다. 채권 추심 완료율, 콜센터 1차 해결율, 신약 후보 생성 건수. 이 측정이 불분명한 영역에서 업무 단위 과금을 도입하면 의도한 수익 구조는 작동하지 않는다.

모델 레이어 원가는 더 이상 차별화 축이 아니다.

중국 모델이 원가 하한을 내리는 속도를 따라가는 것은 방향이 없는 경쟁이다. 차별화는 도메인 특화 데이터, 운영 가드레일, 고객 맥락을 학습하는 피드백 루프에 있다. 비용을 낮추는 경쟁이 아니라 단위당 해결 품질을 높이는 경쟁이다.

구현 비용이 다음 경쟁 축이다.

모델 품질이 평준화될수록 같은 모델을 실제 업무에 정확히 연결하는 구현력이 승부처가 된다. Ode가 15억 달러 자본을 끌어들인 이유가 여기 있다. 에이전트 플랫폼이 단순한 모델 묶음이 아니라 “구현 인프라”로 포지셔닝해야 하는 이유이기도 하다.

지금 해야 할 질문

당신이 만들거나 도입하는 에이전트는 “몇 명이 접근할 수 있는가”로 과금되고 있는가, 아니면 “무엇을 실제로 해결했는가”로 과금되고 있는가?

이 질문에 답을 모른다면, 이중 압박이 왔을 때 방향을 잃기 쉽다. 지금 측정 단위를 설계하지 않으면, 나중에 과금 단위를 설계할 기회가 오지 않는다.