Jev 도입률 35.3%, AI 사용량과 매출은 다르다

새 지표의 핵심: 널리 쓰이지만 청구액은 작다

Jev가 Vercel AI Gateway에서 가장 빠르게 도입된 모델로 기록됐다. 10월 16일 TechCrunch 보도는 출시 첫 2주 동안 유료 팀의 약 35%가 Jev를 사용했다고 전한다. 이는 전 세계 기업의 35%가 도입했다는 뜻이 아니라 Vercel 게이트웨이 이용 집단 안에서 관측된 수치다.

더 구체적인 근거는 Vercel의 10월 Production Index다. 보고서는 Jev의 첫 14일 도달률을 35.3%, 같은 기간 게이트웨이 지출 비중을 0.27%로 제시한다. 첫 주에 사용한 팀 중 둘째 주에도 사용한 비율은 55.6%다. 넓은 도입, 작은 지출, 다음 주의 재사용이라는 서로 다른 정보를 보여주는 세 지표다.

Jev는 미리 정해진 선택지 중 하나를 고르는 결정 모델이다. 긴 문장을 생성할 필요가 없는 분류나 워크플로 분기에서 빠르고 적은 비용으로 판단을 제공하려는 접근이다. 이런 특성 때문에 요청 수와 사용 팀이 늘어도 매출 비중은 작을 수 있다. 도입 성공을 매출 지배력으로 곧장 해석하지 말아야 하는 이유다.

같은 표에서도 기간과 분모가 다르다

Vercel 보고서에서 Jev의 게이트웨이 출시일은 9월 17일이다. TechCrunch가 언급한 제한 공개일 9월 15일과는 기준이 다르다. 모델 자체의 공개일과 특정 유통 채널의 출시일이 다를 수 있다는 점을 구분해야 한다. 또한 보고서의 첫 14일 성과와 9월 전체 사용량을 섞어 비교해서는 안 된다.

0.27%와 0.15%는 서로 모순되는 숫자가 아니라 기간이 다른 지표다. 재사용률 역시 장기 고객 유지율이나 만족도를 그대로 뜻하지 않는다. 초기 시험 사용자가 다음 주에 한 번 더 호출한 것과 업무 전체를 그 모델에 맡기는 것은 다르다.

보고서는 지출을 공개 정가로 추정하며 실제 청구액은 다를 수 있다고 설명한다. 토큰에는 입력·출력·추론·캐시 관련 토큰이 포함된다. 이 정의를 놓치면 토큰 점유율을 곧바로 경제적 가치나 순수한 답변 생성량으로 해석하게 된다. 특히 모델마다 출력 형태가 다르므로 같은 토큰 수가 같은 업무량을 의미하지 않는다.

게이트웨이 통계가 전체 시장을 대변하지 않는 이유

Vercel AI Gateway 문서는 여러 공급자의 모델을 공통 경로로 사용하는 구조를 설명한다. 이런 플랫폼은 모델 전환과 비교가 쉬운 고객을 많이 관측할 수 있다. 반면 모델 회사의 직접 API를 이용하는 고객, 자체 구축 모델, 다른 게이트웨이의 트래픽은 통계 밖에 있다.

TechCrunch도 OpenAI나 Anthropic처럼 직접 API를 제공하는 주요 연구소의 사용량이 과소 반영될 가능성을 지적한다. 따라서 이 수치로 모든 기업의 구매 행태나 연구소 전체 매출을 추정하는 것은 적절하지 않다. 유용한 질문은 ‘전체 시장의 승자는 누구인가’보다 ‘하나의 실제 배포 채널에서 어떤 업무 분화가 나타나는가’다.

공식 보고서는 오픈웨이트 모델의 토큰 비중을 71.5%, 지출 비중을 23%로 제시한다. 여기서 오픈웨이트는 가중치 공개 범주이며 모든 모델의 라이선스가 같은 수준의 오픈소스 조건을 충족한다는 의미는 아니다. 분류 기준이 이전 보고서보다 넓어졌다는 설명도 있어 시계열 비교에는 주의가 필요하다.

경쟁 구도: 작은 판단과 큰 추론의 분업

Jev의 확산은 저렴한 분류 기능이 대형 추론 모델과 공존할 수 있음을 보여준다. 단순한 문의 라우팅에는 결정 모델을 쓰고, 모호하거나 복잡한 요청은 범용 모델로 넘기는 구조가 가능하다. 이때 작은 모델의 목표는 모든 지능을 대체하는 것이 아니라 불필요하게 비싼 호출을 줄이는 것이다.

Amazon의 결정 모델 출시 보도는 경쟁이 이미 이런 영역으로 확장되고 있음을 보여준다. 다만 출력이 선택지로 제한돼 있다고 판단이 항상 정확한 것은 아니다. 선택지 설계가 잘못됐거나 한국어 입력의 의미를 놓치면 빠르고 일관되게 틀릴 수 있다.

기존 TypeSafe 투자 분석은 결정 모델의 경제적 가설을 다뤘다. 이번 기사의 새 근거는 자금 조달이 아니라 실제 게이트웨이 사용 통계다. 가설이 이용으로 이어졌다는 신호는 있지만, 작은 지출 비중만으로 공급자의 수익성이나 장기 방어력을 결론 내릴 수는 없다.

Replit의 기본 모델 전환 분석과 Haiku 5.5의 이관 비용 분석도 모델이 업무별로 선택되는 흐름을 보여준다. 경쟁의 단위가 하나의 최고 모델에서 전체 작업 경로로 바뀌면, 공급자 하나에 대한 사용량이 줄어도 총 AI 지출은 늘 수 있다.

한국 서비스 팀이 측정할 지표

한국어 고객지원이나 문서 분류에 결정 모델을 넣는다면 먼저 틀렸을 때의 비용을 구분해야 한다. 단순 태그 오류와 중요한 신고의 누락은 같은 정확도로 묶기 어렵다. 모호한 입력을 상위 모델이나 사람에게 넘기는 유보 경로가 있어야 하며, 그 이관 비용도 예산에 포함해야 한다.

실험에서는 결정 모델 단독 성능뿐 아니라 전체 흐름을 비교하는 것이 좋다. 분류 정확도, 중요한 항목의 누락률, 이관 비율, 최종 처리 지연, 재처리 비용을 따로 기록한다. 낮은 추론비를 얻으려고 모든 요청을 작은 모델에 맡겼다가 예외 처리가 늘면 절감 효과가 사라질 수 있다.

Vercel 지표의 실무적 가치는 바로 이 분해에 있다. 팀 수는 접근성을, 요청 수는 반복 사용을, 지출은 경제적 무게를 보여준다. 여기에 실제 업무 성과를 더해야 도입 결정을 할 수 있다. 35.3%라는 한 숫자는 강한 채택 신호지만, 특정 한국 기업의 문제에 적합하다는 보증서는 아니다.

FAQ

기업 35.3%가 Jev를 쓴다는 뜻인가?

아니다. Vercel이 정의한 유료 게이트웨이 팀 집단에서 출시 첫 14일 도달률이 35.3%라는 뜻이다.

지출 비중은 0.27%인가 0.15%인가?

둘 다 보고서에 등장한다. 전자는 첫 14일 창, 후자는 9월 전체 기준이므로 섞어 쓰면 안 된다.

재사용률 55.6%는 장기 유지율인가?

첫 주 사용 팀 중 둘째 주에도 사용한 비율이다. 장기 구독 유지율이나 고객 만족도와 다르다.

오픈웨이트 비중 71.5%는 시장 매출 비중인가?

아니다. 게이트웨이 토큰 비중이다. 같은 보고서의 오픈웨이트 지출 비중은 23%다.

결정 모델이 대형 모델을 없애나?

그렇게 단정할 근거는 없다. 정해진 선택지의 판단과 복잡한 생성·추론을 나누어 쓰는 보완 관계가 가능하다.