OpenAI가 ChatGPT 이용자 80만 건 이상의 업무 대화를 분석해 발표한 '태스크 크로스오버(Task Crossover)' 연구는 표면적으로는 직무 경계 해체에 관한 이야기처럼 보인다. 전체 업무 메시지의 16.8%, 직무 특성이 뚜렷한 업무만 추리면 43.5%가 원래 다른 직군의 영역이었다는 수치는 분명 인상적이다. 고객 경험(77%), 디자인(75%), HR(69%) 순으로 직무 경계가 허물어지고 있다는 데이터도 마찬가지다. 그런데 나는 이 연구를 읽으면서 직무 재정의보다 먼저 해결해야 할 문제가 눈에 밟혔다. 비용 구조다.
태스크 크로스오버가 실제로 일어나고 있다는 건 부정하기 어렵다. 영업 담당자가 고객 데이터를 직접 분석하고, 마케터가 개발자 도움 없이 웹사이트 문제를 해결한다. AI-First 팀을 설계하는 입장에서 보면 이건 반가운 신호다. 전문 인력이 부족한 스타트업이나 소규모 팀일수록 효과가 크다는 것도 데이터가 뒷받침한다—직원 2~5명 규모 조직의 크로스오버 비율(18.9%)이 100인 이상 기업(16.3%)보다 높다. 하지만 여기서 멈추면 절반만 본 것이다. 태스크 크로스오버가 가능해지려면 그 전에 비용 구조가 먼저 설계되어 있어야 한다.
Bun의 Rust 재작성 사례는 이 문제를 날것으로 보여준다. Jarred Sumner는 2026년 5월 3~14일, 11일 동안 Anthropic API 호출에만 16만 5천 달러를 썼다. 하루 약 1만 5천 달러 수준이다. 그러나 GeekNews가 분석한 바에 따르면 이건 공개된 비용의 일부일 가능성이 높다. Buildkite CI/CD 비용은 빠져 있고, Anthropic 직원의 직접 개입도 포함되지 않았다. 병합 6주 후에도 릴리스 태그가 없고 robobun의 열린 PR이 1,277개에서 2,475개로 늘어난 것을 보면, "11일 완성"이라는 내러티브와 실제 진행 상황 사이의 간극이 크다. PR당 40분 파이프라인을 기준으로 단순 계산하면 86일 연속 실행이 필요하다. AI 코딩의 ROI를 "API 비용 대 개발 속도"로만 계산하면 이런 함정에 빠진다.
지디넷코리아가 보도한 AI TCO 분석은 이 문제를 기업 전반으로 확장한다. 핵심 메시지는 단순하다. 토큰 비용은 AI TCO의 일부일 뿐이다. 데이터 정제, RAG 구축, 레거시 시스템 연동, 권한 설정, 모니터링 체계—이 모든 것이 첫 토큰을 쓰기 전부터 비용으로 쌓인다. 던앤드브래드스트리트가 32개국 1만 개 기업을 조사했더니 AI 도입 프로젝트를 추진 중인 기업이 97%였지만, 내부 데이터가 AI 활용에 완전히 준비됐다고 답한 기업은 5%에 불과했다. PoC는 잘 넘어가도 실제 운영 환경으로 전환한 기업이 전체의 25%에 그치는 이유가 여기 있다. 숨겨진 비용이 PoC 이후에 몰려서 터진다.
이 세 가지 데이터를 하나의 프레임으로 엮으면 AI-First 전환에서 팀이 놓치기 쉬운 함정이 선명해진다. 첫째, 태스크 크로스오버는 비용 효율이 아니라 비용 이동이다. 마케터가 개발 업무를 직접 처리하면 개발팀 공수는 줄지만, 마케터의 AI 사용 비용과 실수 수정 비용이 올라간다. 순이익인지는 측정해봐야 안다. 둘째, API 비용은 가장 눈에 잘 보이는 비용일 뿐이다. Bun 사례처럼 CI/CD, 인력 개입, 검증 루프까지 포함한 실제 비용은 공개된 수치보다 훨씬 크다. 셋째, PoC와 운영 환경의 비용 구조는 완전히 다르다. 소수 인력이 정제된 데이터로 돌리는 PoC 비용을 기준으로 전사 배포를 승인하면 예산이 터진다.
그러면 팀은 무엇을 먼저 설계해야 하나. 역할 재정의 전에 비용 가시성 레이어를 먼저 만들어야 한다. 토큰 사용량만 추적하는 대시보드는 반쪽짜리다. 데이터 통합 인건비, CI/CD 파이프라인 비용, 검증 루프에 투입되는 개발자 시간까지 한 화면에서 볼 수 있어야 "태스크 크로스오버가 실제로 우리 팀에 이득인가"를 판단할 수 있다. OpenAI 연구가 제시한 크로스오버 비율은 방향을 가리키지만, 그 방향이 우리 팀에도 맞는지는 우리가 직접 측정해야 한다.
엔지니어링 직군의 크로스오버 비율이 28%로 상대적으로 낮게 나온 것도 눈여겨볼 지점이다. 다른 직군이 엔지니어링 업무를 가져가는 비율은 높지만, 엔지니어가 다른 직군 업무를 수행하는 확장성은 상대적으로 제한적이라는 뜻으로도 읽힌다. AI-First 팀 리빌딩에서 개발자의 역할은 "코드를 덜 짜는 것"이 아니라 "AI가 만든 결과물과 비용 구조를 검증하는 것"으로 무게중심이 이동한다. 태스크 크로스오버 시대에 개발자는 실행자가 아니라 시스템 설계자이자 비용 감사자가 되어야 한다.
내일 당장 팀에 적용할 수 있는 체크리스트로 정리하면 세 가지다. 하나, AI 도입 전에 "첫 토큰 전 비용"을 별도 항목으로 예산에 잡아라. 데이터 정제, 시스템 연동, 권한 설계는 토큰 비용보다 먼저 발생한다. 둘, API 비용 대시보드에 CI/CD와 개발자 개입 시간을 추가하라. Bun이 보여준 것처럼 공개된 숫자와 실제 비용 사이의 간극은 생각보다 크다. 셋, PoC 승인 기준과 운영 전환 기준을 분리하라. PoC에서 통과한 비용 모델을 전사 배포에 그대로 적용하면 딜로이트가 측정한 25% 전환율의 함정에 들어간다. AI-First 전환의 속도는 비용 구조를 먼저 설계한 팀이 결국 더 빠르다.