Newsletter · · Ashutosh Agarwal
여기 당신의 급여가 있고, 여기 당신의 토큰 예산이 있다
How They Build, 2026년 7월 4일부터 11일까지의 주간. 소규모 팀들이 극단적인 직원당 매출 수치를 내놓았고(Lovable은 149명으로 5억 달러 ARR 달성), Tesla부터 Coinbase에 이르는 기업들은 AI 토큰 지출에 상한을 걸거나 재설계했으며, 한 VC는 급여 옆에 나란히 놓일 직원당 토큰 예산을 예측했다.
How They Build
2026년 7월 4일–11일 주간: 여기 당신의 급여가 있고, 여기 당신의 토큰 예산이 있다
How They Build, 2026년 7월 4일부터 11일까지의 주간. 이번 주 소규모 팀들은 엄청난 매출 수치를 내놓았고, 기업들은 나머지 작업을 대신하는 기계들에 대한 첫 번째 진짜 청구서를 받아 들었다.
이번 주 팟캐스트에서는 두 가지 이야기가 나란히 흘러갔는데, 사실 이는 같은 이야기다. 한쪽에서는 창업자들이 실제로 매출을 내는 진짜 회사를 만드는 데 이제 얼마나 적은 인원이 필요한지를 보여주었다. 다른 한쪽에서는 그 같은 회사들이 작업을 대신하는 AI에 대한 청구서를 받기 시작했는데, 그 액수가 충분히 커서 일부 기업은 이제 급여를 지급하듯 엔지니어에게 토큰 예산을 나눠주고 있다. ("토큰"은 AI 모델이 읽고 쓰는 텍스트 단위이며, AI 기업에 지불하는 대상이다. 많이 쓰면 금방 쌓인다.)
이번 주 이야기다.
그 숫자: 매출 5억 달러. 인원 149명.
이번 주의 헤드라인 수치이며, 엔터프라이즈 AI 기업 Sierra의 공동창업자 Clay Bavor가 20VC에서 언급했다. 그는 경쟁사인 AI 코딩 스타트업 Lovable에 대해 이야기하고 있었는데, 이 회사는 방금 149명으로 5억 달러 ARR을 달성했다고 발표했다. (ARR은 "연간 반복 매출", 즉 구독형 비즈니스의 연간 환산 매출이다.) 이는 대략 직원 한 명당 340만 달러의 매출에 해당하며, 이는 한때 전 세계에서 가장 효율적인 몇몇 상장 기업만이 도달했던 비율인데, 이제 2년 전만 해도 대부분 사람이 들어본 적 없던 스타트업이 그 수치를 내놓고 있다.
"어제 Lovable이 발표했죠, 제가 기억하기로는, 149명으로 5억 달러 ARR을 달성했다고요... 저는 전반적인 방향이 분명히 더 작고, 레버리지가 더 높은 팀 쪽으로 향하고 있다고 생각합니다."
The Twenty Minute VC (20VC), "Open Models vs Frontier Models: Who Actually Wins? | The $100,000 Token Budget Every Engineer Will Need... with Clay Bavor, Co-Founder of Sierra" (2026-07-04)
그리고 이는 더 이상 손사래 치며 넘길 수 있는 일화가 아니다. 이번 주 가장 명확한 데이터는 Stripe와 학계의 최신 연구를 종합한 자료에서 나왔다. Stripe에 따르면, 1인 창업자는 이제 2026년 2분기에 설립된 모든 C-corporation 중 63%를 차지하며, 이는 사상 최고치다. 연 매출 100만 달러가 넘는 1인 기업("솔로프레너")의 수는 2023년과 2025년 사이 두 배 이상으로 늘었다. 그리고 하버드 비즈니스 스쿨과 INSEAD의 공동 연구는 **AI 네이티브 스타트업이 "규모는 25% 더 작고, 조직은 더 수평적이며, 엔지니어 비중은 더 높지만, 가치 평가는 동등하다"**는 사실을 발견했다. 진행자의 프레이밍이 특히 기억에 남았다. 솔로프레너들은 "AI가 가능하게 만든 효율성 향상의 극단적인 꼬리"이며, 결국 모두에게 다가올 실험들을 미리 초고속으로 통과하고 있는 셈이라는 것이다.
"100만 달러를 버는 솔로프레너의 수는 '23년과 '25년 사이 두 배 이상으로 늘었습니다... 이는 바이브 코딩으로 대충 만든 앱들이 ARR 100만 달러를 찍는 물결이 아니라, 예전 같으면 채용이 필수였을 공백을 AI가 메워주고 있는 것입니다. 소규모 사업체들에게는 이제 AI 서비스가 기술 공동창업자나 영업·마케팅 첫 채용 인력의 역할을 대신하고 있습니다."
The AI Daily Brief, "AI Is Making One-Person Million-Dollar Companies More Common" (2026-07-06)
이 멘탈 모델을 한 문장으로 정리하고 싶다면, Spark of Ages에 출연한 Geoff McQueen이라는 창업자가 그 답을 내놨다. 그가 내세운 목표는 정규직 10명 미만으로 연 매출 1000만 달러 ARR을 달성하는 회사를 만드는 것으로, 이는 같은 매출을 내는 데 필요하다고 여겨지던 75~100명이라는 옛 경험칙에 반하는 것이다.
"1000만 달러 매출에 직원이 뭐, 75명에서 100명쯤 되는 회사, 그게 예전엔 꽤 표준적인 성장 플레이북이었죠... AI가 한 일은 생산성을 5배에서 10배로 높인 겁니다. 그러니까 제가 함께 일해본 것 중 최고의 마케터 한 명을 두게 되겠지만, 그 사람이 내는 산출물은 5명에서 10명 몫의 처리량일 겁니다, 에이전트와 도구를 써서 훨씬 더 빠르게 해내면서요."
Spark of Ages, "The Career Move That Survives AI / Geoff McQueen, Vibecoding, Revealed Preference, Coaches" (2026-07-10)
창업자들은 무엇을 바꿨나
엔지니어 두 명이 이제 여덟 개 스포츠 리그를 커버한다. Blitz는 창업자들이 자신들의 스포츠 베팅 수익으로 자체 자금을 조달한 AI 네이티브 스포츠 데이터 회사다. 팀 빌딩을 어떻게 생각하느냐는 질문에 공동창업자 Devin은 직설적으로 답했다. 의도적으로 팀을 극소 규모로 유지한다는 것이다. 이 회사는 정확히 두 명의 정규직 엔지니어링 팀으로 여덟 개 리그(MLB, NBA, 그리고 다른 여섯 개)를 지원한다. 그들의 채용 기준은 남다르다. AI와 스포츠 둘 다를 깊이 이해하는 사람을 원하지, 둘 중 하나만 가진 더 큰 팀을 원하지 않는다.
"Tejas와 저는 가능한 한 오래 팀을 작게 유지하고 싶었어요. 예전보다 지금이 뭔가를 만드는 속도가 훨씬 빠르고, 솔직히 말하면 우리가 무엇을 만들고 있는지는 그 누구보다 우리가 가장 잘 압니다... 저희는 그 두 가지 스킬 중 하나만 가진 훨씬 더 큰 팀보다는, 스스로 많은 걸 만들어낼 수 있는 소수의 사람을 두는 편을 택하겠습니다. 정규직 엔지니어로 치면 지금은 그냥 Tejas와 저 둘뿐입니다."
The Betting Startups Podcast, "Ep. 218: AI-first sports intelligence infrastructure w/ Devon & Tejas from Blitz" (2026-07-07)
디자인 부서가 Figma 사용을 중단했다. 이번 주 가장 생생한 "전과 후" 사례였다. Empire에서 크립토 리서치 회사 Blockworks의 한 창업자는 자사 팀이 디자인 시스템과 브랜드 자산을 Anthropic의 새로운 "Claude Design" 툴에 입력했을 때 벌어진 일을 설명했다. 예전에는 여러 사람(제품 책임자, 디자이너, 카피라이터, 엔지니어)을 거쳐야 했던 작업이 이제는 하루 만에 끝나고, 세일즈 덱은 몇 분 만에 조립된다. 그는 팀의 Figma 사용량이 예전의 약 5% 수준으로 줄었다고 말했다.
"우리는 API용, 이 모니터링 제품용, 투자자 관계용, '문의하기' 양식용으로 새로운 랜딩페이지가 필요합니다. 예전 같으면 이건... 제품 디자이너에게 넘어가고, 목업을 만들어 돌려보내면 '음, 좀 더 손봐야겠는데'라는 반응이 오고, 그다음엔 카피에 능한 누군가에게 넘어갔겠죠. 농담이 아니라, 이 전체가 24시간 걸렸습니다. 그리고... 세일즈 딜마다 Slack 채널이 있는데, 회의 노트를 올리고 HubSpot 레코드와 Slack을 결합해서, '[고객]에게 피칭하는 중이고, 27만 5천 달러짜리 딜이다'라고 말하면... 2분 만에 우리가 예전에 만들 수 있었던 것보다 더 나은 덱을 만들어줍니다. AI 없이는 지금 하는 일을 할 수가 없어요. 훨씬, 훨씬 더 큰 팀이 필요했을 겁니다."
Empire, "Crypto's Value Capture Problem & Why Robinhood Built Its Own Blockchain" (2026-07-10)
매출은 세 배, 인원은 여전히 120명. Abbas Mohammed는 가상 비서 25명을 고용해 첫 사업인 부동산 사업을 4년 만에 연 매출 170만 달러까지 키웠다. 그의 현재 회사 Remote Leverage는 이제 월 약 150만 달러 규모로 운영되고 있다. 그의 주장에 따르면, AI 덕분에 사내 인원을 약 120명으로 유지하면서도 매출을 대략 세 배로 늘릴 수 있었는데, 낮은 수준의 작업을 자동화해 전문 인력이 더 높은 가치의 업무에 집중할 수 있게 했기 때문이다. 그의 채용 철학은 "가장 저렴한 인력" 본능에 대한 반박이다. 그는 조금 더 비싼 전문가가 "말 그대로 10배 더 나은 결과"를 낸다고 주장한다.
"제 첫 사업에서 170만 달러 매출까지 가는 데 4년이 걸렸습니다. 지금 우리는 월 150만 달러 규모인데, 이걸 2년도 안 되어 이뤘습니다... 정말 훌륭한 전문가에게 추가로 지불하는 그 20%, 30%, 40%의 급여가, 조금 더 저렴한 사람보다 말 그대로 10배 더 나은 결과를 가져다줍니다."
Grit Daily Startup Show, "Abbas Mohammed on Why Better Talent Beats Doing Everything Yourself" (2026-07-07)
출시 2주 만에 매출 100만 달러. 마지막 회사가 인수되기 전 1억 명에게 도달했던 연쇄 창업자 Raj Singh은 베스트셀러 작가 Mark Manson과 함께 Purpose라는 새로운 AI 라이프 코칭 앱을 만들었다. 그의 팀은 약 6개월 만에 전체 제품을 만들었고, 출시 2주 만에 100만 달러 ARR을 넘어섰다. 흥미로운 부분은 속도만이 아니라 제품 자체의 통찰이다. 그는 주류 챗봇들이 비위를 맞추도록 설계되어 있다고 보고, 그 반대를 만들기로 했다.
"모든 파운데이션 모델, ChatGPT, Claude, 이것들은 그냥 설탕이 너무 많은 정도가 아닙니다. 그건 사탕이에요. 전부 설탕이죠, 왜냐하면 참여도를 극대화하도록 만들어졌으니까요... 제품상의 과제는 이거였습니다. 비위를 맞추기만 하는 LLM에게 어떻게 척추를 심어줄 것인가? 이제 Purpose 사용자의 40% 이상이, 말 그대로, '인생을 바꾸는 가치'를 얻었다고 말합니다."
Subversive, "How Purpose Hit $1M in ARR Two Weeks After Launch" (2026-07-09)
11명 규모 미디어 회사가 훨씬 더 큰 회사보다 더 많이 번다. 자신의 쇼에서 Scott Galloway는 일간 테크 프로그램 TBPN의 창업자들을 인터뷰하며, 눈에 띄게 부러워하는 기색으로 그들의 숫자를 테이블 위에 올려놓았다. 직원 11명, 2025년 광고 매출 500만 달러, 2026년에는 3000만 달러를 넘어설 것으로 전망, 자체 자금 조달, 흑자, 외부 자본 전무. 이는 올해 기준 직원 한 명당 약 270만 달러의 매출에 해당하며, 400만 달러를 훌쩍 넘는 수준으로 향하고 있다. Galloway는 자신의 ProfG 미디어 사업이 다운로드 수와 영상 조회 수가 더 많으면서도 매출은 약 2000만 달러라고 언급했는데, 그럼에도 TBPN이 50% 더 많은 매출을 벌어들이고 있다고 지적했다. 그들의 비결은 인원수가 아니라 상업적 규율이었다. 즉 "F1 팀을 후원하는 것처럼" 판매되는 연간 고정 금액 스폰서십을, 약 20만 명의 운영자와 투자자로 의도적으로 좁힌 청중에게 판매한 것이다.
"직원 11명, 2025년 광고 매출 500만 달러. 2026년에는 3000만 달러를 넘어설 전망이고요. 자체 자금 조달, 흑자, 외부 자본 없이... 그런데도 [ProfG]보다 매출이 50% 더 많네요."
The Prof G Pod with Scott Galloway, "Why OpenAI Bought a Podcast, with TBPN's John Coogan and Jordi Hays" (2026-07-09)
역류: 효율성이 자동으로 인원 감소를 의미하지는 않는다
이번 주 가장 비중 있는 두 목소리는 "AI는 곧 해고"라는 반사적 반응에 반박했고, 한 회사는 바로 그 믿음 때문에 공개적으로 곤욕을 치렀다.
헤지펀드 Citadel과 마켓메이커 Citadel Securities의 창업자 Ken Griffin은 진짜 박사급 수준의 작업을 수행하는 내부 시스템을 설명했다. 그의 팀은 학술 금융 논문을 재현하기 위한 에이전틱 시스템(즉, 여러 단계의 작업을 스스로 수행하는 AI)을 구축했는데, 이는 원래 석·박사 학위 소지자로 구성된 팀이 몇 주씩 걸려야 하는 고된 작업이다.
"논문 하나를 재현하는 데 대략 6주에서 8주가 걸립니다... 제 동료가 논문을 읽고, 재현하고, 결과를 검증하고, 표본 외 결과를 산출하는 에이전틱 AI 시스템을 만들었는데, 이 모든 작업을 평균 약 두세 시간 만에 해냅니다. 그리고 여기서 핵심은 이겁니다. 이 돌파구로 인해 Citadel에서 인원 감축은 전혀 없었다는 것입니다. 제게는 매우 뛰어난 인재들이 있고요... 저는 얻을 수 있는 생산성 향상은 하나도 빠짐없이 다 취할 겁니다. 왜냐하면 우리가 보유한 재능 있는 인재들과 함께라면, 우리에게는 그저 추구할 대상이 더 많아지는 것뿐이니까요."
Exchanges, "Ken Griffin on US-China Tensions and AI" (2026-07-09)
그리고 경고성 사례도 있다. 포드는 AI 기반 품질 검사가 인간의 경험치를 따라잡지 못하자 경력 많은 품질 검사관과 엔지니어 300명 이상을 다시 채용한 것으로 알려졌다. 회사는 설계 요건을 모델에 입력하기만 하면 노련한 엔지니어 없이도 고품질 결과물이 나올 거라고 잘못 가정했던 것이다. 이는 대체 서사가 항상 유효한 것은 아니라는 유용한 상기가 된다. Valuetainment, "'We're Team Human' - Ford Hired Back 350 Engineers They Fired Due to AI" (2026-07-07)
Geoff McQueen은 건설자의 자리에서 같은 요지를 짚었고, 엔지니어링 팀을 해고하기 전에 새겨들을 가치가 있다. 매끈한 AI 데모는 제품이 아니라는 것이다. 그는 한 번에 뚝딱 "바이브 코딩"으로 만든 앱을, 페인트칠만 근사한 비누상자 경주차에 비유했다.
"빗속에서 언덕을 오르는 순간, 아이들을 뒷좌석에 태운 채로, 바로 그때 정말로 나쁜 일들이 벌어집니다. 데모로 바이브 코딩할 수 있는 것과 실제로 진짜 제품을 갖추는 데 필요한 것 사이에는 큰 차이가 있습니다."
Spark of Ages, "The Career Move That Survives AI / Geoff McQueen" (2026-07-10)
조용한 버전: 인원은 그대로, 매출만 올라가게 두기
솔로 창업자의 꿈을 좇지 않는 기업들에게 현실적인 방식은 더 미묘했다. 팀 규모는 그대로 두고, AI가 성장을 흡수하도록 두는 것이다. AI to ROI에서 폐기물·재활용 차량용 소프트웨어를 만드는 AMCS Group의 Evan Schwartz는, 단순히 "3시간 절약했다" 수준이 아니라 실제로 이사회 레벨의 수치를 움직이는 계산을 설명했다.
"저는 이제 예전보다 두세 배 더 많은 고객 접점을 추가할 수 있습니다. 왜냐하면 AI가 저가치이지만 반드시 필요한 작업을 처리해주니까요... 우리는 이탈률을 6%에서 3%로 낮출 수 있었습니다. 우리는 전 세계 70만 대 이상의 트럭을 관리하고 있고, 경로 최적화는 트럭 한 대당 월 17갤런의 디젤을 절약해줍니다."
AI to ROI, "AI Governance, Ethics, and the Stewardship Framework: A Conversation with Evan Schwartz, Chief Innovation Officer at AMCS Group" (2026-07-07)
그의 규율은 훔쳐올 가치가 있다. 모든 AI 프로젝트는 자금이 투입되기 전에 이사회 지표(EBITDA, 잉여현금흐름, SG&A) 중 하나에 반드시 연결되어야 한다는 것이다. 그는 "절약한 시간"이 왜 함정인지를 보여주는 아름답도록 단순한 예시를 들었다. 트럭 경로에서 40분을 줄이는 것 자체는 아무 가치가 없다는 것이다. "저는 여전히 그 기사에게 하루치 임금 전액을 지급해야 합니다." 돈은 오직 경로를 재편성하고 실제로 트럭 세 대를 빼낼 때, 즉 대당 연간 총비용 약 100만 달러가 절감될 때만 나타난다. 이는 300만 달러의 진짜 잉여현금흐름이지, 막연한 생산성 주장이 아니다.
비용 코너
지난주의 주제가 충격이었다면, 즉 기업들이 자신들의 AI 청구서를 발견한 것이었다면, 이번 주 팟캐스트들은 메커니즘으로 옮겨갔다. 기업들이 실제로 어떻게 그 청구서를 통제하고 있는지, 그리고 토큰 예산이 급여 옆에 나란히 놓이는 급여명세서 항목이 되어가고 있다는 불편한 새 발상이다.
무딘 도구: 상한선. 배경은 이제 잘 알려져 있다. Uber는 연간 AI 예산을 4개월 만에 다 써버린 것으로 유명해졌고, 코딩 외 직무에 월 1,500달러 상한을 걸었다. 월마트는 무제한이던 내부 툴 사용을 엄격한 토큰 예산 체제로 바꿨다. 이번 주 목록에는 새로운 이름이 하나 추가됐다. Tesla가 전사에 걸쳐 균일하게 토큰 지출 상한을 적용한 것으로, 첫 번째이자 무딘 대응이다. 한 진행자는 이 전체 변화를 "AI 보조금 시대"에서 "토큰 희소성 시대"로의 이동이라고 표현했다. The AI Daily Brief, "The Big Ways AI Just Changed" (2026-07-04) 및 The AI Daily Brief, "AI Costs Are Surging and the Cheap Model Fix Might Not Last" (2026-07-08)
더 똑똑한 도구: 모델을 바꾼다. 엔지니어들 사이에서 가장 많은 주목을 받은 것은 Coinbase의 접근법이었다. 사용량에 상한을 거는 대신, 어떤 모델이 작업을 수행하는지를 바꿨다. 즉 기본 모델을 가장 비싼 프런티어 모델에서 더 저렴한 오픈 웨이트 옵션(GLM-52와 Kimi-2.7)으로 전환하고, 여기에 캐싱과 "난이도 기반 라우팅"(쉬운 작업은 저렴한 모델로, 어려운 작업은 비싼 모델로)을 더한 것이다. 그 결과는 다음과 같다.
"그들은 지출을 정점 대비 거의 절반까지 줄일 수 있었고, 그런데도 실제 토큰 사용량은 늘었습니다. 그리고 산출물 측면에서도 떨어지지 않았습니다."
Everyday AI Podcast, "Ep 813: AI Cost Control 101: Why Your Chatbot Bill Is Becoming a Board-Level Problem" (2026-07-07)
해자를 쌓는 도구: 자체 파인튜닝. 이번 주 가장 놀라운 경제성은 파인튜닝, 즉 자체 독점 데이터로 더 작은 모델을 재훈련해 특정 작업에서 거대한 범용 모델을 훨씬 적은 비용으로 능가하게 만드는 방식에서 나왔다. 모두가 인용한 사례는 Mira Murati의 Thinking Machines Lab과 함께 진행한 Bridgewater의 연구였다. AI Daily Brief의 설명에 따르면, GPT 5.2부터 Claude Opus 4.8에 이르는 대형 범용 모델들은 이 과제에서 74~78%의 정확도를 기록했는데 비용은 20달러에서 90달러였던 반면, Bridgewater가 파인튜닝한 전용 모델은 한 자릿수 달러로 약 **85%**를 기록했다. Microsoft는 "Frontier Tuning"이라는 이름으로 같은 아이디어를 제품화하고 있으며, 자사의 튜닝된 모델이 최대 10배 낮은 비용으로 GPT급 품질에 필적한다고 주장한다.
"범용 모델이 계속 좋아지는데 왜 파인튜닝을 하냐고 묻는 사람들이 가끔 있습니다. Bridgewater의 작업은, 여기서는 전문가의 판단이라는 적절한 데이터만 있다면 프롬프팅만으로는 크게 미치지 못하는 성과를 낼 수 있다는 걸 잘 상기시켜 줍니다."
The AI Daily Brief, "AI Costs Are Surging and the Cheap Model Fix Might Not Last" (2026-07-08)
불안한 새 발상: 보상 항목으로서의 토큰. 다시 20VC로 돌아가서, Clay Bavor는 이 흐름이 향하는 방향에 말을 붙였다. 그는 코딩 에이전트에 크게 의존하는 최상급 엔지니어들이 연간 10만 달러 넘게 토큰을 태우는 것을 봤다며, 이는 "엔지니어 급여의 상당 부분에 해당한다"고 말했다. 그의 예측은, 기업들이 직원 단위로 토큰 예산을 편성하기 시작하리라는 것, 그것도 급여 바로 옆에 두고서다.
"우리가 향하고 있는 방향은, 어느 정도 직원 단위의 토큰 예산 편성이라고 생각합니다. 미래의 CFO들에게 자본 배분은 이런 모습에 더 가까워질 겁니다. 여기 당신의 급여가 있고, 여기 당신의 토큰 예산이 있으니, 알아서 해보라는 거죠."
The Twenty Minute VC (20VC), "Open Models vs Frontier Models... The $100,000 Token Budget Every Engineer Will Need... with Clay Bavor, Co-Founder of Sierra" (2026-07-04)
그는 또한 다음번 파트너 미팅에서 논쟁해볼 만한 숫자도 하나 내놨다. Salesforce의 Marc Benioff는 자사 개발팀을 위해 Anthropic에 연간 약 3억 달러를 쓴다고 밝혔는데, 어마어마하게 들리지만 실제로는 **개발자 급여의 약 3.8%**에 해당한다. Bavor는 이 수치가 결국 정착될 지점에서 "터무니없이 벗어나 있다"고 보며, **20%**에 더 가깝게 수렴할 것이라는 데 베팅한다. 그의 말이 맞다면 그 함의는 극명하다. 많은 AI 애플리케이션 기업들이, 그의 표현대로, 오늘날 가정된 지출 수준에서는 "터무니없이 고평가"되어 있고, 지출이 실제로 네 배가 된다면 오히려 저평가된 셈이 된다.
중간 경로: 계층화된 접근. 모두가 상한을 걸거나 모델을 바꾸는 것은 아니다. PwC의 최고인사책임자는 8만 명이 넘는 전 직원에게 민주화된 기본 도구 레이어(Copilot, 내부용 "ChatPwC")를 제공하는 한편, 더 비싼 프런티어 도구는 사유서를 요구하며, 전체 예산은 "우리 리더십뿐 아니라 이사회에 의해서도 매우 면밀히 모니터링된다"고 설명했다. 그녀의 프레이밍은 눈여겨볼 만하다. 그녀는 AI 지출을 선택 사항으로 취급하기를 거부하며, 이를 예전에 사람들이 노트북에 대해 던졌던 ROI 질문에 비유한다. 하지만 그녀는 또한 이 모든 것 밑에 깔린 변수도 지적했다. 오늘날의 가격은 "너무나 크게 보조금이 지급되고 있어서... 우리는 진짜 총비용을 모른다"는 것이며, 만약 진짜 비용이 드러난다면 반복적인 업무에 있어서는 역외 인력이나 신입 인력이 다시 기계보다 더 저렴해질 수도 있다는 것이다. Future Ready Leadership With Jacob Morgan, "PwC's Chief People Officer on Training 80,000 People for the AI Era With Human Skills at the Center" (2026-07-06)
이번 주를 마무리하는 긴장감은 Blockworks의 한 창업자에게서 나왔다. 그는 한숨에는 Anthropic의 새 Fable 5 모델에 열광하면서, 다음 숨에는 그것이 "터무니없이 비싸다"고, "제가 본 어떤 모델보다도 토큰을 먹어치운다"고, 그리고 자기 회사가 "크레딧이 다 떨어졌다"는 불만을 그 어느 때보다 많이 받고 있다고 인정했다. 생산성은 진짜다. 청구서도 진짜다. Empire, "Crypto's Value Capture Problem & Why Robinhood Built Its Own Blockchain" (2026-07-10)