월말에 Claude Code 청구서를 받아보고 당황한 적 있는가. dev.to에 공유된 실사용 데이터에 따르면 Claude Code API 모드 사용자 중 상당수가 월 $500~$2,000 수준의 비용을 경험한다. $100짜리 Max 플랜도 예상보다 빠르게 소진된다. 그런데 흥미로운 점은, 이 비용의 상당 부분이 AI의 한계가 아니라 사용 습관에서 나온다는 것이다. 코드를 덜 짜거나 질문을 줄이지 않고도 40~85% 절감이 가능하다는 보고가 있다. 이건 단순한 절약 팁이 아니다. AI 도입 비용을 구조적으로 설계해야 한다는 신호다.
비용이 폭발하는 구조부터 이해해야 한다. Claude Code는 매 요청마다 전체 대화 컨텍스트를 전송한다. 200턴짜리 세션에 턴당 5,000 토큰의 컨텍스트가 쌓이면, 컨텍스트 오버헤드만으로 100만 입력 토큰이 발생한다. 여기에 CLAUDE.md 파일이 있다. 이 프로젝트 설정 파일은 모든 요청에 전체 내용이 주입된다. 5,000 토큰짜리 CLAUDE.md가 하루 100턴에 걸쳐 실행되면, 코딩 작업과 무관하게 매월 $45가 그냥 날아간다. 아무도 읽지 않는 프로젝트 문서에 세금을 내는 셈이다. 해법은 200줄 이하로 유지하고, 긴 예시나 의사결정 히스토리는 별도 파일로 분리해 명시적으로 참조할 때만 불러오는 것이다.
모델 선택과 effort 레벨은 곱셈으로 작동한다. Opus 4는 Sonnet 4.5보다 5배 비싸다. 대부분의 코딩 작업—명확한 요구사항의 신규 코드 작성, 버그 수정, 리팩토링, 테스트—은 Sonnet으로 충분하다. Opus가 진짜 필요한 순간은 새로운 아키텍처 결정, 분산 시스템의 복잡한 디버깅, Sonnet으로 두 번 시도해도 안 풀리는 케이스 정도다. 80%의 세션을 Sonnet으로 전환하면 그 세션들의 비용이 80% 줄어든다. 여기에 /effort ultracode는 8배 토큰 멀티플라이어다. 세션 시작에 설정하고 잊어버리면, 변수명 하나 물어보는 데도 8배 비용이 붙는다. effort 레벨을 작업 복잡도에 맞게 맥락적으로 조절하는 것, 그리고 ultracode 세션 종료 후 medium으로 리셋하는 습관이 팀 단위에서는 상당한 차이를 만든다.
그런데 이게 단지 개인의 절약 문제가 아닌 이유가 있다. dev.to의 또 다른 분석은 AI 스택 단편화가 온보딩 비용에 미치는 영향을 수치화했다. 통합된 디지털 환경을 가진 회사의 신규 입사자 완전 독립 운영 기간은 6~10주다. 8~12개 도구가 파편화된 환경에서는 14~20주로 늘어난다. 이 차이—4~10주의 생산성 손실—는 한 명의 채용에서 $18,000~$24,000의 기회비용으로 환산된다. 여기에 신규 입사자가 선임 동료에게서 뽑아가는 40~50시간의 지원 시간까지 더하면, 연간 30명을 채용하는 회사의 단편화 세금은 $65만~$90만 수준이다. 어떤 예산 항목에도 잡히지 않는 채로.
AI 도구가 이 방정식을 더 복잡하게 만든다. 통합된 AI 환경에서는 신규 입사자가 환경을 배우면서 AI도 함께 익힌다. AI가 팀의 컨텍스트에 접근할 수 있기 때문에, 동료에게 물어볼 것들을 AI가 대신 답해준다. 독립 운영 시점이 앞당겨진다. 반면 AI가 별도 도구로 파편화된 환경에서는 학습 곡선이 하나 더 추가된다. 더 나쁜 것은, 파편화된 AI는 신규 입사자에게 특히 쓸모없다는 점이다. CRM, 프로젝트 관리 시스템, 커뮤니케이션 히스토리에 동시 접근하지 못하는 AI는 고객 관계나 프로젝트 현황을 파악하려는 신입에게 제대로 된 답을 줄 수 없다. AI를 도입했는데 온보딩이 더 느려지는 역설이 여기서 나온다.
두 가지 비용 구조가 가리키는 공통 교훈은 하나다. AI 도구의 진짜 비용은 청구서에 찍힌 숫자가 아니라 구조 설계의 부재에서 나온다. Claude Code 비용 최적화의 핵심이 '습관'이 아니라 CLAUDE.md 설계, 모델 선택 정책, effort 레벨 거버넌스라는 점에 주목할 필요가 있다. 마찬가지로 온보딩 비용 절감의 핵심은 도구 숫자를 줄이는 것이 아니라 AI가 조직 컨텍스트에 얼마나 통합되어 있는가에 달려 있다. 측정하지 않으면 최적화할 수 없다. /cost 명령어로 세션 비용을 추적하듯, 팀의 시간-독립성 기간을 측정하는 것이 AI-First 전환의 출발점이다.
테크 리드로서 지금 당장 해볼 수 있는 것은 세 가지다. 첫째, 팀의 CLAUDE.md를 200줄 이하로 감사하고 모델 선택 정책을 문서화하라. 습관으로 맡기면 Opus가 기본값이 된다. 정책으로 명문화해야 Sonnet이 기본값이 된다. 둘째, 신규 입사자 완전 독립 운영까지의 기간을 세 개 팀에게 물어보라. 답변의 분산이 도구 단편화의 심각도를 말해줄 것이다. 셋째, AI 도구 도입 예산을 라이선스 비용으로만 계산하지 말라. 통합 비용, 컨텍스트 설계 비용, 온보딩 재설계 비용까지 포함했을 때 ROI가 달라진다. AI 도구는 켜는 순간부터 비용을 발생시킨다. 그 비용을 설계하지 않으면, 청구서는 항상 예상을 초과할 것이다.