Meta 직원 8만 5천 명 사이에서 묘한 경쟁이 벌어지고 있습니다. AI 토큰을 누가 더 많이 쓰느냐를 놓고요. 30일 동안 전체 사용량이 60조 토큰을 넘겼고, 1등은 혼자서 2,810억 토큰을 태웠습니다. 공개 가격 기준으로 한 사람이 140만 달러 넘게 쓴 셈이죠.
단순히 회사 내부 밈이 아닙니다. 실리콘밸리 전체에서 "토큰맥싱(tokenmaxxing)"이라는 새로운 문화가 번지고 있고, 엔비디아 CEO 젠슨 황은 "50만 달러 엔지니어가 토큰에 25만 달러도 안 썼다면 심각하게 걱정할 것"이라고까지 말했습니다.
이게 뭔데?
Meta 내부에서 한 직원이 자발적으로 만든 "Claudeonomics"라는 리더보드가 있었습니다. Anthropic의 Claude 모델 이름에서 따온 건데, 직원들의 AI 토큰 사용량을 추적해서 상위 250명의 순위를 매겼어요.
Claudeonomics — Claude 모델에서 따온 자체 제작 대시보드
85,000명 전 직원의 AI 토큰 소비량, 상위 250명 공개 랭킹
Token Legend, Session Immortal, Cache Wizard 등 게이미피케이션 칭호
30일간 총 60조 토큰, 1위 개인 2,810억 토큰 소비
재미있는 건 마크 저커버그도, CTO 앤드루 보스워스도 상위 250명 안에 없었다는 점입니다. 실제로 토큰을 가장 많이 쓰는 건 코딩에 AI를 직접 활용하는 엔지니어들이었죠.
하지만 이 리더보드는 공개 이틀 만에 내려갔습니다. 내부 데이터가 외부로 유출되면서 제작자가 자발적으로 폐쇄한 겁니다. "토큰을 재미있게 살펴보자는 취지였는데, 대시보드 데이터가 외부에 공유돼서 일단 닫기로 했다"는 안내 메시지만 남겼어요.
뭐가 달라지는 건데?
Claudeonomics는 사라졌지만, 이 현상이 보여주는 트렌드는 훨씬 큽니다.
| 기존 성과 측정 | 토큰맥싱 시대 | |
|---|---|---|
| 측정 지표 | 코드 라인 수, 커밋, 완료 태스크 | AI 토큰 소비량, 에이전트 가동 시간 |
| 보상 방식 | 연봉, 보너스, RSU | 연봉 + 토큰 예산(4번째 보상 요소) |
| 생산성 관점 | 직접 산출물 기준 | AI 활용 역량이 산출물을 결정 |
| 리스크 | 야근 문화, 번아웃 | 의미 없는 토큰 소비(인풋 게이밍) |
실리콘밸리 리더들의 입장은 확고합니다:
보스워스(Meta CTO): "최고의 엔지니어가 자기 연봉만큼 토큰에 쓰고 있는데 생산성이 5~10배 올랐다. 쉬운 돈이다. 계속해라. 한도 없다."
젠슨 황(Nvidia CEO): "50만 달러 엔지니어에게 연말에 토큰에 얼마 썼냐고 물을 거다. 5천 달러라고 하면 나는 완전히 미쳐버릴 것이다."
젠슨 황(GTC 2026): "앞으로 모든 엔지니어에게 연간 토큰 예산을 줄 거다. 기본급의 절반 정도를 토큰으로 얹어서 10배 증폭시킬 것이다."
Meta는 여기서 한 발 더 나갔습니다. 2025년 11월, 인사 책임자 자넬 게일(Janelle Gale)이 "AI 기반 임팩트를 2026년부터 인사 평가의 핵심 기대치로 삼겠다"고 전 직원에게 공지했습니다. 개인의 AI 활용이 공식 성과 지표가 되는 시대가 열린 거죠.
이 흐름은 Meta만의 이야기가 아닙니다. OpenAI에도 직원 토큰 사용 리더보드가 있고, 3월 한 주 동안 1위가 2,100억 토큰을 사용했습니다. Sendbird 같은 스타트업은 하루 1억 토큰 이상 쓰는 직원에게 "AI God" 칭호를 부여하고, 커피 기프트카드부터 추가 휴가까지 제공합니다.
그런데, 정말 괜찮은 걸까?
경영학의 고전 논문이 하나 있습니다. 1975년 스티븐 커(Steven Kerr)가 쓴 "On the Folly of Rewarding A, While Hoping for B" — A를 보상하면서 B를 기대하는 어리석음에 관한 논문이죠. Ethan Mollick 와튼스쿨 교수가 Meta의 Token Legends 현상을 보고 정확히 이 논문을 인용한 건 우연이 아닙니다.
핵심 딜레마: 토큰 소비량(인풋)을 보상하면서, 실제 생산성(아웃풋)을 기대하고 있다. 일부 직원들은 AI 에이전트를 몇 시간씩 공회전시키며 순위를 올린다. 이건 인쇄한 종이 매수로 작가의 실력을 평가하는 것과 같다.
실제로 The Information의 보도에 따르면, Meta 현직 직원 두 명이 "리서치 태스크에 토큰을 최대한 투입해서 순위를 올리는 동료들이 있다"고 증언했습니다. Sendbird CEO도 "상위 10명 중 8명은 실제로 생산적이지만, 나머지는 실험적"이라고 인정했습니다.
핵심만 정리: 시작하는 법
Token Legends 현상에서 배울 점은 분명합니다. AI 도입을 가속화하되, 측정 함정에 빠지지 않는 것. 조직에 AI 도입 문화를 설계할 때 적용할 수 있는 프레임워크입니다.
- 인풋이 아니라 아웃풋을 측정하라
토큰 소비량 자체는 선행지표일 뿐이다. 핵심 지표는 AI를 활용해서 실제로 출시한 기능, 줄인 리드타임, 개선한 품질이다. Meta의 실수는 인풋을 게이미파이한 것. 대시보드를 만들되 "AI 활용으로 달라진 결과"를 보여주는 걸로. - 토큰 예산은 투자로 접근하라
젠슨 황의 "연봉 절반을 토큰으로" 공식은 과격해 보이지만 핵심은 맞다. AI 컴퓨팅을 비용이 아니라 인프라 투자로 볼 것. 다만 팀별 ROI 대시보드를 함께 운영해야 한다. - 게이미피케이션은 신중하게
Meta의 Level Up 게임, Claudeonomics 리더보드 — 초기 도입에는 효과적이다. 하지만 칭호 경쟁이 목적이 되는 순간 왜곡이 시작된다. 탐색 단계에서는 사용량 뱃지를, 정착 단계에서는 성과 뱃지로 전환하라. - 인사 평가에 AI 역량을 포함하되, 활용 "방법"을 평가하라
Meta처럼 AI-driven impact를 인사 평가에 넣는 건 방향이 맞다. 하지만 "얼마나 썼나"가 아니라 "어떻게 활용해서 무엇을 달성했나"를 기준으로 삼아야 한다. - 가드레일을 먼저 설계하라
팀별 토큰 할당량, 비용 대시보드, 사용 목적 태깅. Claudeonomics가 이틀 만에 내려간 건 가드레일 없이 투명성만 높였기 때문이다. 데이터 보안 정책과 함께 운영하라.
"On the Folly of Rewarding A, While Hoping for B" — 인센티브 설계의 고전. 측정하는 것과 원하는 것이 다를 때 벌어지는 조직 왜곡을 다룬다. Meta Token Legends가 왜 위험한지 이 논문 하나로 설명된다.
Meta, Nvidia, Databricks, Sendbird 등 실리콘밸리 전반의 토큰맥싱 문화를 정리한 기사. 각 기업이 토큰 소비를 어떻게 장려하고 있는지 구체적 사례가 풍부하다.
2026년부터 AI-driven impact가 Meta 인사 평가의 핵심 기대치가 된 배경. Janelle Gale의 내부 메모 내용과 Level Up 게임 등 도입 전략을 다룬다.
