AI 도구를 쓰기 시작하면 흔히 두 가지 착각에 빠진다. 첫째, '일단 연결해두면 나중에 쓸 수 있다'는 생각. 둘째, '빠르게 만들었으니 충분하다'는 안도. 최근 세 가지 흐름이 동시에 등장하면서 이 두 착각을 정면으로 흔들고 있다.
첫 번째 계산: 당신의 AI 도구는 입을 열기 전에 얼마를 쓰는가
한 개발자가 로깅 프록시를 Claude Code와 모델 엔드포인트 사이에 심어 실제 JSON 페이로드를 측정했다. 결과는 충격적이었다. Claude Code는 당신의 프롬프트를 읽기도 전에 약 3만 2,800개의 토큰을 소비한다. 비교 대상인 OpenCode는 같은 작업에 약 6,900토큰을 쓴다. 22자짜리 동일한 프롬프트로, 정답률도 같았다. 그런데 토큰 사용량은 4.7배 차이가 난다.
이 차이의 핵심은 툴 스키마다. Claude Code는 27개의 도구 정의를 매 요청마다 전송한다. OpenCode는 10개다. 쓰지 않는 도구도, 필요 없는 순간에도, 모든 요청에 스키마 블롭이 딸려 나간다. 시스템 프롬프트만 따져도 Claude Code가 3배 크다.
더 심각한 건 캐시 동작이다. 같은 작업 5회 반복 시 캐시 쓰기 토큰이 Claude Code는 5만 3,839개, OpenCode는 1,003개였다. 53.7배 차이. Claude Code는 세션 내에서 시스템 프롬프트 바이트가 흔들리기 때문에 캐시 중단점이 계속 이동한다. 결국 이미 보낸 컨텍스트를 매번 다시 돈을 내고 보내는 셈이다. 서브에이전트를 추가하면 토큰이 4.2배 더 곱해진다. 이 두 승수는 더하지 않는다—곱해진다.
dev.to에 게재된 Systima의 와이어 레벨 분석이 밝힌 이 수치는 단순한 성능 비교가 아니다. MCP 서버 5개를 연결했을 때 요청당 4,900~6,967토큰이 추가된다는 것, 72KB짜리 CLAUDE.md가 요청마다 2만 토큰을 얹는다는 것—이건 도구 선택의 문제이기 이전에 비용 구조 설계의 문제다. '일단 연결'하는 순간 당신은 사용도 안 한 도구에 토큰 임대료를 내기 시작한다.
두 번째 계산: 당신의 MVP에서 뺄 수 있는 건 얼마인가
AI 덕분에 코드를 빠르게 생성할 수 있게 됐다. 그런데 빠르게 만들었다고 올바른 것을 만든 건 아니다. dev.to에 공유된 한 개발자의 고백이 이 지점을 날카롭게 찌른다. 세 번의 주말을 써서 인증, 설정 페이지, 라이트/다크 테마, 대시보드 위젯까지 갖춘 MVP를 만들었다. 사용자는 0명이었다.
문제는 기능이 적은 게 아니었다. '이 제품을 다시 열게 만드는 단 하나'가 없었다. 인증과 설정은 누군가 이미 관심을 가진 뒤에야 의미 있는 기능이다. 관심 자체를 만들어내는 핵심 루프가 없는 상태에서 그 위에 쌓은 모든 것은 장식이었다.
그가 선택한 건 삭제였다. 로그인 없이, 설정 없이, 세션 이상의 영속성 없이—10초 안에 핵심 가치를 경험할 수 있는 화면 하나만 남겼다. 이틀 만에 배포했고, 같은 주에 5명의 사용자가 생겼다. 마케팅 없이. 문제를 가진 사람들에게 그 화면 하나를 보여줬을 뿐이다.
AI가 코드 생성 속도를 높인 지금, 역설적으로 이 교훈이 더 중요해졌다. 빠르게 만들 수 있다는 건 빠르게 잘못된 방향으로 달릴 수도 있다는 뜻이다. 핵심 루프를 한 문장으로 쓸 수 없다면—'사용자가 X를 하고, Y를 얻고, 다시 하고 싶어진다'—어떤 AI 도구도 그 공백을 채워주지 않는다. 빠른 프로토타이핑의 진짜 가치는 속도가 아니라, 빠르게 잘못된 것을 발견하고 지울 수 있는 능력에 있다.
세 번째 계산: 디자인 도구 생태계는 지금 어디로 움직이는가
Figma의 2026년 상반기 주가는 44% 하락했다. 매출은 전년 동기 대비 46% 성장, 순 달러 보존율은 2년 만에 최고치인 139%를 기록했음에도 불구하고. TIKR의 분석에 따르면 시장이 거래한 건 실적이 아니라 공포였다. Anthropic의 Claude Design 같은 AI 네이티브 디자인 도구가 전통적인 디자인 소프트웨어의 자리를 잠식할 수 있다는 불안감이다.
흥미로운 건 Figma의 대응이다. AI 크레딧 요금제를 도입했고, 한도에 도달한 기업 사용자의 75% 이상이 추가 비용을 내고 계속 썼다. AI 애드온을 구매한 팀은 그렇지 않은 팀보다 연간 지출이 3배 이상이다. Figma는 AI를 위협으로 보지 않고 수익화 레이어로 흡수하고 있다. Dylan Field CEO의 표현처럼, 멀티플레이어 캔버스와 디자인 팀 워크플로우에 대한 깊은 이해는 AI 전용 도구가 단기간에 복제하기 어려운 해자다.
하지만 프론트엔드 개발자 입장에서 이 지각변동은 다른 질문을 불러온다. 디자인-개발 협업의 레이어가 재편될 때, 우리는 어느 도구를 신뢰의 기준점으로 삼을 것인가. AI가 디자인을 생성하고, 다른 AI가 그 디자인을 코드로 변환하는 파이프라인이 현실이 될수록, 각 전환 지점의 비용과 품질을 설계하는 판단은 사람의 몫으로 남는다.
세 신호가 가리키는 하나의 질문
이 세 흐름은 결국 같은 지점을 향한다. AI 도구를 '쓰는가 안 쓰는가'가 아니라, 얼마나 이해하고 쓰는가의 문제다. 연결하기 전에 토큰 구조를 이해하고, 만들기 전에 뺄 것을 먼저 정의하고, 도구 생태계의 변화를 비용이 아닌 설계의 언어로 읽어내는 것. 그게 지금 프론트엔드 개발자에게 요구되는 세 번의 계산이다.
빠른 도구가 넘쳐나는 시대일수록, 도구를 고르는 판단력이 가장 느리게 낡는다.