Uber, AI 코딩 도구 사용 급증으로 올해의 AI 예산 이미 소진

Context

생산성 향상을 위해 Claude Code, Cursor 등 AI 코딩 도구를 전사적으로 도입한 환경. 단순 툴링 도입을 넘어 리더보드 기반의 사용 장려 정책으로 인해 토큰 소비량과 관련 비용이 급증한 상황.

Technical Solution

• AI 에이전트를 통한 라이브 백엔드 코드 업데이트 자동화 파이프라인 구축
• Claude Code 및 Cursor 등 LLM 기반 코딩 도구의 전사적 배포 및 활용 장려
• 입력 지표(Input Metrics) 중심의 사용량 측정 및 개발자 간 경쟁 유도 시스템 운영
• LLM 벤더와의 대규모 계약을 통한 토큰 공급망 확보 및 인프라 확장
• 제품 내 AI 기반 텍스트 요약 기능을 통한 사용자 인터페이스 최적화 시도

Impact

• 라이브 백엔드 코드 업데이트의 11%를 AI 에이전트가 작성하는 성과 달성
• 연간 R&D 예산 약 34억 달러 규모 내 AI 관련 할당 예산의 조기 소진
• 전년 대비 R&D 비용 약 9% 증가

Key Takeaway

생산성 지표(코드 생성률)와 비용 지표(토큰 소비량) 사이의 상관관계 분석 없는 무분별한 AI 툴링 도입은 재무적 리스크를 초래함. 결과물(Output)의 품질과 유지보수 비용을 고려한 가드레일 설계가 선행되어야 함.