AI Cost Governance
우리 회사 AI 비용,
누가 쓰는지 아십니까
회사에서 쓰는 AI를 업무와 비용의 언어로 이해하고, 더 나은 활용의 기준을 세웁니다.
어느 회사나 겪는 문제입니다
직원들이 어떤 AI를
어디에 쓰는지, 다 아십니까?
- 개발팀 Claude, Copilot
- 마케팅 ChatGPT개인결제
- CS Gemini
- 그 외?
승인 없이 쓰는 직원
50%AI at Work Index 2026
IT 예산 밖에서 나가는 지출
56%IDC
보이면, 끊을 수 있습니다.
보이게 만드는 법
계측하면 보입니다.
npx @schift-io/ai-memory init - Codex
- Claude Code
- Cursor
- + MCP 되는 도구 전부
로그인 없이, 쓰던 도구 그대로.
- 누가
- 저장소와 브랜치
- 무슨 일
- 어떤 모델
- 토큰
작업 단위로 한데 잡힙니다.
메일만 봐도 숫자가 다 옵니다.
Live demo, 목데이터
청구서 한 줄을, 사람과 업무와 모델까지 쪼갭니다
계측이 붙은 모든 작업은 누가, 무슨 일에, 어떤 모델로 썼는지가 함께 기록됩니다. 아래는 20인 규모 조직의 한 달을 가정한 화면입니다.
01지금 무엇이 안 보이나
- Anthropic₩2,980,000
- OpenAI₩2,340,000
- Google₩1,380,000
3줄. 여기가 끝입니다.
- 누가 썼나
- 무슨 업무에
- 건당 얼마
- 김민수, CS팀
- 고객 문의 응대
- claude-haiku-4-5
- 건당 ₩310
카드 명세는 벤더별 총액까지만 줍니다. 사람, 업무, 건당 단가는 계측이 붙어야 생깁니다. 위 25%는 그 8명이 설치하면 같이 쪼개집니다.
02어디서 끊나
- bid-response 차단됨
- cs-agent 저가 모델 강등
- meeting-processing 정상
알림이 오기 전에, 그 호출이 그 자리에서 막힙니다.
- claude-haiku-4-561%
- gemini-3.5-flash22%
- gpt-5.6-sol11%
- claude-opus-4-86%
무엇을 내릴지는 계측 데이터가 알려줍니다. 업무 난이도에 맞춰 배정하면 최고가 모델 비중이 6%까지 내려갑니다.
- 08-03 02:14 bid-response 실행이 평소의 12배 토큰을 소비 → 자동 정지. 같은 문서를 반복 재질의하는 루프였습니다. 그대로 뒀다면 ₩1,900,000.
- 08-01 09:41 cs-agent 예산 70% 도달 → 남은 기간 저가 모델로 자동 강등. 응답 품질 지표 변화 없음.
- 07-28 16:05 마케팅팀에서 미등록 API 키 사용 감지 → 관리자에게 통보, 조직 키로 전환 완료.
- 07-22 11:20 신규 워크플로 배포, 예산 한도 미설정 상태로 감지되어 기본 한도(₩300,000) 적용 후 가동.
03그래서 얼마나 달라지나
- 기준 통제 없음, 전부 최고가 모델, 캐시 없음 ₩9,120,000
- 1 업무별 모델 배정 쉬운 일은 싼 모델로 −42% ₩5,280,000
- 2 프롬프트 캐시 같은 지침과 문서를 매번 다시 안 보냄 −27% ₩3,850,000
- 3 의미 캐시 같은 질문은 모델을 아예 안 부름 −25% ₩2,890,000
- 4 메모리와 데이터 축적 되묻는 횟수가 줄어듦 −19% ₩2,340,000
- 5 에이전트 슬림화 지침과 컨텍스트를 깎으면 더 낮은 모델로도 됨 −20% ₩1,870,000
각 단계는 앞 단계가 줄인 나머지에 적용됩니다. 라우팅만 하면 42%에서 멈추지만, 캐시, 메모리, 슬림화까지 쌓으면 기준의 20%까지 내려갑니다. 위 비율은 각 기법의 공개 벤치마크와 자사 파이프라인 기준의 추정 모델입니다. 실제 절감폭은 문서와 질의 패턴에 따라 달라지며, 진단에서 실측값으로 다시 계산해 드립니다.
- 전원 개인 구독 20인 × ₩30,000₩600,000
- 섀도우, 미귀속 지출₩1,720,000
누가 쓰는지 모르니 전원에게 깔았습니다.
- 헤비 사용자 4명만 구독 유지₩120,000
- 나머지 16명, 조직 인프라 종량₩180,000
쓰는 사람만 구독. 나머지는 쓴 만큼.
안 쓰는 16명 몫을 매달 내고 있습니다.
- 문의 1건 처리₩503
- 공고 1건 자격 판정₩546
- 회의 1건 전사와 요약₩3,147
질의와 결과가 쌓입니다
어떤 질문에 어떤 문서가 정답이었는지가 남습니다.
검색이 정확해집니다
처음에 맞는 문서를 찾으니 한 번에 끝납니다.
토큰이 덜 듭니다
재질의율 31% → 12%. 같은 업무를 더 적은 호출로 끝냅니다.
쌓인 데이터는 조직 안에 남고, 온프레미스 배포에서도 그대로입니다.
What Others Miss
모델을 관리합니다.
모델이 읽는 데이터는요?
프롬프트 관리, 비용 추적, 사용 귀속. 여기까지는 이미 시장에 있습니다.
모델이 읽는 데이터(문서 검색 파이프라인, 고객사별 데이터 분리, 자산 버전)를 다루는 곳은 없습니다.
| 프롬프트 관리 | 비용 추적 | 사용 귀속 | 문서 검색 인프라 | 데이터 주권 | 자산 버전 | |
|---|---|---|---|---|---|---|
| Portkey | ✓ | ✓ | ✓ | – | – | – |
| Langfuse | ✓ | ✓ | – | – | 셀프호스팅 | – |
| Nudge Security | – | – | ✓ | – | – | – |
| Schift | ✓ | ✓ | ✓ | ✓ | ✓ | ✓ |
88%가 AI를 도입했습니다. ROI를 증명한 건 7%.
격차는 모델이 읽는 모든 것에 있습니다.
AI 지출을 관리 대상으로 올린 조직 2024년엔 31%
출처: FinOps Foundation, State of FinOps 2026
에이전트가 챗봇보다 더 쓰는 토큰. 챗봇 감각으로 잡은 예산은 자릿수가 틀립니다.
출처: Gartner
에이전트 루프 하나가 11일간 태운 금액. 설계대로 돈 겁니다.
해외 실사례