Microsoft가 내부 Claude Code 라이선스를 6월 30일부로 대부분 종료하고 개발자들을 GitHub Copilot CLI로 이동시켰다. 대부분의 보도는 이를 Microsoft가 자사 도구를 밀어주는 경쟁 전략으로 읽었다. 틀린 해석은 아니지만, 진짜 이야기는 다른 줄에 있다. 파일럿을 시작한 지 6개월 만에 '2026년 연간 AI 예산을 실수로 소진했다'는 한 줄이다. 세계 최대 소프트웨어 기업이, Azure를 통해 Claude가 구동되는 클라우드 인프라를 공동 소유한 그 회사가, 자사 개발자들의 에이전트 사용량을 감당하지 못했다.
이 사실이 불편한 이유는 단순하다. Microsoft가 실패한 지점은 도구의 품질이나 벤더 선택이 아니라, 에이전트 워크플로우 도입 전 비용 설계가 없었다는 점이다. dev.to에서 이 사건을 분석한 글이 정확히 짚었듯, 코딩 에이전트는 채팅 어시스턴트와 토큰 소비 구조가 완전히 다르다. 30분짜리 Claude Code 세션 한 번에 파일 읽기 7회, 편집 4회, 테스트 실행 한 번을 포함하면 20만 토큰이 흐른다. 하루 네 번, 주 5일이면 개발자 1인당 월 비용이 $200 시트 요금이 아니라 수백~수천 달러 수준으로 올라선다. 마케팅이 말하는 구독 요금은 소프트 캡이지, 실제 에이전트 워크플로우의 비용 상한이 아니다.
사건에는 숨은 변수가 하나 더 있다. Microsoft는 이 파일럿을 개발자에게만 열지 않았다. 프로젝트 매니저, 디자이너, 처음으로 코딩을 시도하는 비개발직군까지 참여시켰다. 비개발자는 개발자보다 재시도가 많고, 컨텍스트가 많이 실린 프롬프트를 여러 번 보내며, 결국 코드를 배포하지 못하는 방향으로 토큰을 소비한다. 이 인구가 조용히 비용 곡선의 반대편으로 조직을 밀어 넣었다. 팀 규모가 작아도 같은 패턴이 재현될 수 있다.
이 사건에서 AI-First 팀이 가져가야 할 설계 숙제는 세 가지다.
첫째, 비용 설계는 시트 요금이 아니라 태스크당 토큰 소비로 시작해야 한다. 에이전트가 멀티 파일 리팩터링을 한 번 실행할 때 발생하는 토큰 비용을 먼저 측정하고, 팀의 일일 작업 빈도와 곱해야 한다. $20짜리 요금제가 아니라 '$5짜리 태스크를 하루 몇 번 돌리는가'가 예산 계획의 기본 단위다. 에이전트를 파일럿하기 전에 이 계산을 마쳐야 한다.
둘째, Human-in-the-loop는 안전 장치이기 전에 비용 제어 메커니즘이다. 에이전트가 각 편집을 적용하기 전에 사람이 검토하면 토큰 사용량이 30~50% 줄어든다는 분석이 있다. 계획의 각 단계가 전체 컨텍스트를 재로드하기 때문에, 사람이 8분 시점에 방향을 수정하면 40분짜리 자율 실행보다 싸고 품질도 높다. 자율성 수위를 높이는 것이 효율이 아니라, 개입 시점을 설계하는 것이 효율이다.
셋째, 에이전트 거버넌스는 정책 문서가 아니라 API로 작동해야 한다. GitHub가 최근 배포한 Copilot 클라우드 에이전트 설정용 REST API가 이 방향을 가리킨다. 어떤 저장소에 에이전트가 활성화되어 있는지, MCP 서버가 무엇이 연결되어 있는지, 방화벽 정책이 베이스라인에서 얼마나 이탈했는지를 자동으로 질문하고 답할 수 있어야 한다. "설정 페이지를 클릭해서 확인했다"는 거버넌스가 아니라 스크린샷 기반의 감이다. 에이전트 설정은 이제 보안 포스처다.
'AI 코딩은 프로젝트 규모가 작을수록 잘 작동한다'는 일반론도 같은 맥락에서 읽힌다. 소규모 프로젝트에서 에이전트는 빠른 프로토타입과 디버깅을 가능하게 한다. 하지만 코드베이스가 커질수록 컨텍스트 로드는 늘고, 아키텍처 판단과 장기 유지보수는 여전히 사람의 몫이다. 에이전트에게 열린 범위가 넓을수록 토큰 소비도, 품질 리스크도 함께 커진다. 범위 설계 자체가 비용 설계다.
Microsoft 사건을 벤더 전환 이야기로만 읽으면 핵심을 놓친다. 세계에서 가장 많은 AI 인프라를 보유한 회사가 에이전트를 무범위로 조직에 열었다가 자체 AI 예산을 6개월 만에 소진했다. 규모가 작은 팀은 같은 실험을 더 작은 스케일로 반복하고 있다. 다음 파일럿을 시작하기 전에, 청구서를 먼저 설계해야 한다.