오전 10시, 충분한 휴식을 취하고 업무에 복귀한 개발자가 클로드 하이쿠(빠르고 가벼운 AI 모델)에게 아주 간단한 질문 두 개를 던졌다. 저장소의 코드와는 상관도 없는 가벼운 질문이었다. 그런데 갑자기 화면에 토큰(AI가 텍스트를 읽고 쓰는 기본 단위) 사용량이 100%에 도달했다는 경고가 떴다. 방금 막 업무를 시작했을 뿐인데 사용할 수 있는 모든 자원이 순식간에 사라진 상황이었다.

클로드 코드 Pro 플랜의 운영 실태

Anthropic(앤스로픽)의 클로드 코드(코딩을 도와주는 AI 도구) Pro 플랜을 사용하던 이 개발자는 고객 지원팀에 문제를 제기했다. 먼저 AI 지원 봇이 대응했지만 문제의 핵심을 이해하지 못했고, 이후 연결된 상담원은 사용자의 플랜을 확인하지도 않은 채 매뉴얼을 복사해서 붙여넣은 답변을 보낸 뒤 티켓을 강제로 종료했다. 사용자가 체감한 서비스의 불투명함은 여기서 그치지 않았다. 공식 문서에는 명시되지 않은 월간 사용량 제한 경고가 갑자기 나타났다가 두 시간 뒤에 사라지는 현상이 발생했다.

이 개발자는 클로드 외에도 다양한 도구를 함께 사용하고 있었다. 깃허브 코파일럿(GitHub Copilot, 깃허브에서 제공하는 AI 코딩 보조 도구)과 OpenAI 코덱스(OpenAI Codex, 코드를 생성하는 OpenAI의 초기 모델)를 썼으며, OMLX(기기 자체에서 AI를 돌리는 추론 엔진)와 컨티뉴(Continue, IDE에 설치해 다양한 AI 모델을 연결하는 플러그인)를 통해 큐웬 3.5-9B(Qwen3.5-9B, 알리바바에서 만든 오픈소스 AI 모델)를 직접 구동하는 환경이었다. 여러 도구를 다뤄본 경험이 있음에도 불구하고 클로드 코드의 최근 불안정함은 도저히 납득하기 어려운 수준이었다.

효율적인 도구에서 게으른 조수로의 변화

처음 구독했을 때만 해도 클로드 코드는 빠르고 토큰 할당량도 합리적이었다. 하지만 최근에는 단일 프로젝트를 두 시간만 작업해도 토큰이 바닥나는 현상이 반복됐다. 더 심각한 것은 코드의 품질이다. 클로드 오푸스(Claude Opus, 가장 성능이 뛰어난 고성능 AI 모델)에게 프로젝트 리팩토링(코드의 기능은 유지하되 구조를 개선하는 작업)을 요청했을 때, AI는 정석적인 해결책 대신 임시방편인 워크어라운드(Workaround, 근본적인 해결이 아닌 임시 우회책)를 제시했다. 비유하자면 물이 새는 배관을 수리해달라고 했는데, 배관을 고치는 대신 그 밑에 양동이를 받쳐두라는 식의 게으른 제안을 한 셈이다. 결국 사용자가 이를 지적하고 나서야 제대로 된 코드를 작성했지만, 이 과정에서 5시간 치 토큰 할당량의 절반이 낭비되었다.

캐시(Cache, 자주 쓰는 데이터를 임시로 저장해 두는 공간) 관리 방식의 변화도 사용자 경험을 망쳤다. 쉽게 말해 캐시는 AI가 이전에 읽었던 코드 내용을 기억해 두는 메모장과 같다. 예전에는 이 메모장이 유지되어 효율적이었지만, 이제는 일정 시간이 지나면 메모장이 사라져 AI가 코드베이스 전체를 처음부터 다시 읽어야 한다. 비유하자면 요리사가 레시피를 다 외웠는데, 5분만 쉬고 오면 기억이 완전히 사라져 다시 요리책 첫 페이지부터 읽어야 하는 상황이다. 사용자는 동일한 코드를 읽히기 위해 중복으로 토큰 비용을 지불하게 되었고, 이는 곧 작업 효율의 저하로 이어졌다.

개발자가 체감하는 가장 큰 문제는 기능의 부재가 아니라 운영의 불안정함이다. 생산성을 수십 배 높여주던 혁신적인 도구였음에도 불구하고, 불투명한 과금 체계와 품질 저하, 그리고 무책임한 고객 지원이 결합하면서 결국 구독 해지라는 결론에 도달했다.

기술적 완성도가 아무리 높아도 운영의 신뢰가 무너지는 순간 사용자는 가장 빠르게 떠난다.