아마존 AI 활용 강제, '토큰맥싱' 부작용 심화

글의 목차

기업 AI 도입의 이면

측정 지표가 왜곡하는 AI 활용의 본질

최근 몇 년간 인공지능(AI) 기술은 기업 생산성 향상의 핵심 동력으로 주목받아 왔습니다. 특히 거대 기술 기업들은 내부 업무 프로세스에 AI를 깊숙이 통합하며 혁신을 주도하려는 움직임을 보이고 있습니다. 그러나 이러한 적극적인 AI 도입 과정에서 예상치 못한 부작용이 발생하며, 기술 활용의 본질적인 목적에 대한 깊은 성찰을 요구하고 있습니다. 아마존(Amazon)에서 벌어지고 있는 일련의 상황은 이러한 문제의 심각성을 단적으로 보여줍니다.

글로벌 전자상거래 및 클라우드 컴퓨팅 거인인 아마존은 사내 AI 도구 사용을 장려하며 개발자들의 AI 활용률을 높이는 데 총력을 기울이고 있습니다. 하지만 그 결과는 기대와 달랐습니다. 일부 직원들은 불필요한 작업까지 자동화하며 내부 AI 리더보드 순위를 올리는 데 집중하는 현상이 포착된 것입니다. 이른바 ‘토큰맥싱(Tokenmaxxing)’으로 불리는 이 행위는 단순히 수치상의 AI 활용도를 높이기 위한 경쟁으로 변질되어, 진정한 생산성 향상과는 거리가 멀어지고 있습니다. 이러한 문제는 비단 아마존만의 이야기가 아닙니다. AI 기술 도입에 박차를 가하는 전 세계 수많은 기업들이 비슷한 딜레마에 직면할 수 있음을 시사하며, AI 시대의 새로운 도전 과제를 제시하고 있습니다.

‘메시클로’와 뒤틀린 경쟁

AI 리더보드가 낳은 이상한 인센티브

파이낸셜 타임스(Financial Times)에 따르면, 아마존 직원들 사이에서는 사내 AI 도구인 메시클로(MeshClaw)를 이용해 인위적으로 토큰(token) 소비량을 늘리는 현상이 만연하고 있습니다. 메시클로는 직원들이 코드 배포를 트리거하거나, 이메일을 분류하고, 슬랙(Slack)과 같은 애플리케이션과 상호작용하는 AI 에이전트를 만들 수 있도록 하는 사내 도구입니다. 본래는 업무 효율성을 높이기 위해 개발되었으나, 현재는 다른 목적으로 활용되고 있는 셈입니다.

이러한 현상의 배경에는 아마존의 공격적인 AI 도입 목표가 있습니다. 아마존은 개발자의 80% 이상이 매주 AI를 사용하도록 하는 목표를 설정했으며, 올해 초부터는 내부 리더보드에서 토큰 소비량을 추적하기 시작했습니다. 공식적으로는 이 수치가 성과 평가에 반영되지 않는다고 알려져 있지만, 현장의 직원들은 다르게 느끼고 있습니다. 한 아마존 직원은 파이낸셜 타임스와의 인터뷰에서 “이 도구들을 사용해야 한다는 압박감이 너무 크다”며, “어떤 사람들은 토큰 사용량을 최대화하기 위해 그저 메시클로를 사용하고 있을 뿐”이라고 밝혔습니다. 또 다른 직원은 “관리자들이 이 수치를 지켜보고 있다. 사용량을 추적하면 왜곡된 인센티브가 생기고, 어떤 사람들은 그것에 대해 매우 경쟁적”이라고 덧붙였습니다.

이러한 ‘토큰맥싱‘ 현상은 아마존만의 문제가 아닙니다. 메타(Meta)의 직원들 역시 비슷한 방식으로 AI 사용량을 부풀린 사례가 보고된 바 있습니다. 핵심은 토큰 소비량이 실제 생산성 향상과는 거의 관련이 없다는 점입니다. 디코더(The Decoder)는 최신 ‘프론티어 레이더(Frontier Radar)’ 보고서에서 AI 기반 생산성을 의미 있게 측정하는 데 따르는 어려움을 심층적으로 다루기도 했습니다. 즉, AI 도구를 얼마나 많이 사용했느냐보다는, 그 사용이 실제 업무 효율성, 문제 해결 능력, 혁신에 얼마나 기여했는가가 중요한 지표여야 한다는 것입니다. 단순한 사용량 집착은 오히려 귀중한 자원을 낭비하고 직원들의 사기를 저하시키는 역효과를 초래할 수 있습니다.

AI 시대의 생산성 측정

새로운 기술, 새로운 평가 시스템의 필요성

아마존과 메타의 ‘토큰맥싱‘ 사례는 기업들이 AI 기술을 도입하고 활용하는 과정에서 직면하는 근본적인 문제점을 드러냅니다. 바로 ‘생산성’을 어떻게 측정하고 평가할 것인가에 대한 질문입니다. 전통적인 소프트웨어 개발이나 일반 사무직 업무의 생산성 지표는 AI 에이전트나 자동화 도구의 도입으로 인해 그 의미가 퇴색되거나 왜곡될 수 있습니다. 단순히 AI 도구의 사용 빈도나 토큰 소비량만을 기준으로 삼는 것은, 마치 프로그래머의 생산성을 하루에 작성한 코드 라인 수로만 평가하는 것과 같은 오류를 범할 수 있습니다.

실제로 AI 에이전트는 코드 배포, 이메일 분류, 앱 상호작용 등 다양한 업무를 처리할 수 있습니다. 중요한 것은 이러한 자동화가 전체 프로세스의 병목 현상을 해소하고, 인적 자원이 더 가치 있는 창의적 업무에 집중할 수 있도록 돕는 것입니다. 따라서 기업들은 AI 도입의 진정한 가치를 측정하기 위해 보다 정교하고 다면적인 지표를 개발해야 합니다. 예를 들어, AI 에이전트가 처리한 작업의 품질, 시간 단축 효과, 오류 감소율, 그리고 궁극적으로 비즈니스 목표 달성에 기여한 정도 등을 복합적으로 고려하는 방식이 필요합니다. 이러한 변화는 단순히 기술 도입을 넘어, 조직 문화와 평가 시스템 전반의 혁신을 요구합니다.

성과 중심 AI 활용 방안

진정한 AI 혁신을 위한 균형 잡힌 접근

아마존의 ‘토큰맥싱‘ 사례는 기업들이 AI 기술 도입 시 직면할 수 있는 위험과 기회 요소를 명확히 보여줍니다. 단기적인 사용량 증대에 집착하는 대신, AI가 실제 비즈니스 가치를 창출하고 직원들의 역량을 강화하는 데 어떻게 기여하는지에 초점을 맞춰야 합니다. 이를 위해서는 관리자들이 AI 활용 지표를 단순히 ‘사용량’이 아닌 ‘성과’와 ‘영향’의 관점에서 바라보는 시야를 갖추는 것이 중요합니다.

향후 AI 산업계는 이러한 ‘생산성 측정’ 문제를 해결하기 위한 새로운 도구와 방법론을 제시해야 할 것입니다. 개발자들은 AI 에이전트가 실제 업무 흐름에 얼마나 효과적으로 통합되어 있는지, 그리고 어떤 구체적인 성과를 내고 있는지를 시각화하고 분석할 수 있는 솔루션을 필요로 합니다. 기업들은 AI 도입 목표를 설정할 때, 양적인 지표보다는 질적인 개선과 실질적인 문제 해결에 중점을 두는 전략을 채택해야 합니다. 궁극적으로 AI는 인간의 일을 빼앗는 것이 아니라, 인간이 더 가치 있고 창의적인 일에 집중할 수 있도록 돕는 도구여야 합니다. 이러한 균형 잡힌 접근만이 AI 기술이 가져올 진정한 혁신을 현실화할 수 있을 것입니다.

참고

Maximilian Schreiner, “Tokenmaxxing” spreads at Amazon as employees game internal AI leaderboards