기업의 AI 도입을 판단할 때 “우리도 ChatGPT를 쓰는가?”라는 질문만으로는 부족해졌다. 더 중요한 질문은 “얼마나 깊게, 어떤 방식으로, 어느 업무에 쓰고 있는가?”다.
Ramp AI Index가 보여주는 변화도 여기에 있다. 이 지표는 미국 기업의 AI 도입률을 측정하는 데서 나아가, 직원 1인당 AI 지출과 지출 유형까지 추적하는 방향으로 초점을 넓혔다.1 AI가 단순한 실험 도구인지, 실제 업무 인프라로 자리 잡고 있는지를 보려는 것이다.
Ramp AI Index는 무엇을 측정하나
Ramp AI Index는 Ramp를 사용하는 미국 기업 7만 곳 이상의 카드·청구서 결제 데이터를 집계·익명화해 만든다.1 설문이나 자기 보고가 아니라 실제 결제 데이터를 기반으로 한다는 점에서, 기업의 AI 도입을 더 현실적으로 볼 수 있다.
특히 새 지표는 AI 지출을 한 덩어리로 보지 않는다. AI 구독, 코딩 에이전트, 토큰·API 지출을 구분해 추적한다.1 여기에 주, 산업, 기업 규모, 자금 조달 배경 같은 필터도 제공한다.1
즉 Ramp AI Index는 “AI를 쓰는 기업이 몇 곳인가”보다 “어떤 기업이, 어떤 방식으로, 얼마나 강하게 AI를 쓰고 있는가”를 보여주는 도구에 가깝다.
직원 1인당 지출이 보여주는 도입 격차
가장 큰 차이는 직원 1인당 AI 지출에서 드러난다. Ramp AI Index에 따르면 AI 지출 상위 1% 기업은 직원 1인당 월 7,449달러를 AI에 쓴다.1 상위 10% 기업은 직원 1인당 월 611달러, 중간값 기업은 11.38달러 수준이다.1
이 격차는 단순한 예산 차이가 아니다. 중간값 기업의 지출은 사실상 일부 AI 구독 도구를 제한적으로 쓰는 수준에 가깝다. 반면 상위권 기업은 구독형 AI 도구뿐 아니라 API, 토큰, 코딩 에이전트 등 업무 흐름 안에 AI를 더 깊게 넣고 있을 가능성이 크다.
다만 상위 1% 기업도 AI가 인건비를 완전히 대체하는 단계에 있다고 보기는 어렵다. Ramp는 이들의 직원당 AI 지출이 일반적인 소프트웨어 엔지니어 월급의 절반보다 낮다고 설명한다.1 지금의 핵심은 인력 대체보다 업무 생산성 향상과 운영 방식의 재설계에 가깝다.
벤더 순위보다 중요한 것은 조합 능력
AI 지출 상위 1% 기업의 직원당 AI 지출은 전월 대비 14.1% 늘었다.1 선도 기업들은 AI 비용이 늘어나는 상황에서도 사용을 줄이기보다 더 확대하고 있다.
이때 중요한 것은 특정 벤더 하나를 고르는 일이 아니다. Ramp는 고도화된 AI 사용 기업들이 여러 프런티어 모델, 오픈소스 모델 접근 플랫폼, 특화형 AI SaaS를 함께 쓴다고 설명한다.1 업무별로 성능, 비용, 보안, 사용성을 따져 조합하는 방식이다.
벤더 경쟁 구도도 이를 보여준다. 최신 Ramp AI Index에서 Anthropic의 기업 도입률은 41%로 OpenAI보다 1.5%포인트 높았다.1 그러나 이 숫자를 단순히 “누가 1위인가”로 읽기보다, 기업들이 여러 AI 공급자를 병행하며 선택지를 넓히고 있다는 신호로 보는 편이 더 유용하다.
기업이 봐야 할 지표도 달라져야 한다
Ramp AI Index의 실무적 의미는 분명하다. AI 도입을 계정 수나 파일럿 프로젝트 수로만 판단하면 실제 변화의 깊이를 놓친다.
이제는 다음 지표를 함께 봐야 한다.
직원 1인당 AI 지출
AI 구독, 코딩 에이전트, API·토큰 지출의 비중
부서별 사용 확산 정도
반복 업무나 개발 업무에서의 실제 활용도
특정 벤더 의존도와 비용 통제 방식
중간값 기업이라면 먼저 작은 비용으로 반복 업무를 줄이는 실험부터 시작할 수 있다. 반대로 AI 지출이 빠르게 늘고 있다면, 모델 선택 자체보다 비용 관리, 사용 정책, 벤더 분산 전략이 더 중요해진다.
결국 Ramp AI Index가 말하는 핵심은 단순하다. AI 도입은 이제 “쓰느냐, 안 쓰느냐”의 문제가 아니다. 직원 1인당 얼마나 쓰고, 어떤 업무에 연결하며, 그 지출이 실제 운영 방식의 변화로 이어지는지를 봐야 한다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.