📈 economics

Token Is All You Price

이 논문은 정보 처리량 제한이 있는 동적 정보 서비스 판매자가 구매자의 긴급도 차이를 이용해 수익을 극대화하기 위해 '중단 시간 제한(stopping-time caps)' 방식의 토큰 기반 요금제를 사용하는 메커니즘을 이론적으로 규명하며, 이것이 생성형 AI의 구독 및 API 요금 체계를 합리화함을 보여줍니다.

원저자: Weijie Zhong

게시일 2026-04-28

📖 2 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Weijie Zhong

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

1. 핵심 문제: "누가 더 급한가?" (Urgency)

세상에는 AI 서비스를 이용하는 두 부류의 사람이 있습니다.

A씨 (급한 사람): 당장 1분 1초가 급한 직장인입니다. AI가 0.1초라도 빨리 답을 주길 원하며, 이를 위해 기꺼이 더 많은 돈을 낼 용의가 있습니다.
B씨 (느긋한 사람): 내일 제출해도 되는 과제를 하는 학생입니다. 답이 조금 늦게 나와도 상관없으니, 최대한 싸게 쓰고 싶어 합니다.

AI 기업 입장에서는 고민이 생깁니다. "어떻게 하면 급한 사람에게는 비싸게 받고, 느긋한 사람에게는 싸게 받으면서도, 우리 회사의 서버(자원)를 효율적으로 쓸 수 있을까?"

2. 기존의 방식 vs 이 논문의 발견 (뷔페 vs 수도꼭지)

❌ 기존의 생각 (제품을 다르게 만들기)

보통 기업들은 사람들을 나누기 위해 **'제품의 질'**을 다르게 만듭니다. 예를 들어, 뷔페에서 "돈을 적게 내는 손님에게는 맛없는 음식만 주고, 돈을 많이 내는 손님에게만 맛있는 음식을 주는 것"과 같습니다. 하지만 이건 손님을 기분 나쁘게 만들고, AI 모델 자체를 품질이 낮은 버전으로 따로 만들어야 하니 비용도 많이 듭니다.

✅ 이 논문의 발견 (수도꼭지 조절하기)

이 논문은 놀라운 사실을 밝혀냈습니다. **"음식(AI의 답변 품질)은 똑같이 최고급으로 만들되, '먹을 수 있는 시간(또는 양)'만 조절하면 된다"**는 것입니다.

이것을 **'수도꼭지 비유'**로 설명해 보겠습니다.
AI 기업은 모든 손님에게 똑같이 성능 좋은 '수도꼭지(AI 모델)'를 설치해 줍니다. 하지만 요금제에 따라 수도꼭지를 틀어놓을 수 있는 **'시간'**이나 **'물 양(토큰)'**을 제한합니다.

프리미엄 요금제 (급한 사람): 수도꼭지를 마음껏, 아주 오랫동안 틀어놓을 수 있습니다. (무제한에 가까운 토큰/시간)
베이직 요금제 (느긋한 사람): 수도꼭지를 딱 10분만 틀 수 있게 잠금장치를 걸어둡니다. (사용량 제한/캡)

이렇게 하면 기업은 AI 모델을 여러 종류 만들 필요 없이, 단 하나의 똑똑한 모델만 있으면 됩니다. 대신 '사용량 제한(Cap)'이라는 장치 하나만으로 돈을 더 낼 사람과 덜 낼 사람을 완벽하게 구분해낼 수 있다는 것이 이 논문의 핵심입니다.

3. 왜 이게 AI 시대에 중요한가요? (LLM의 비밀)

우리가 쓰는 ChatGPT나 Claude를 보면 이런 식입니다.

"3시간 동안 메시지 몇 개 제한"
"한 달에 사용할 수 있는 크레딧 제공"
"API 사용 시 우선순위(Priority) 등급 차등"

이 논문은 이것이 단순한 운영 방식이 아니라, **수학적으로 계산된 '가장 돈을 많이 벌 수 있는 최적의 전략'**임을 증명했습니다.

특히, AI가 답변을 생성하는 과정(정보를 전달하는 과정)이 **'가장 효율적인 방식(Greedy Exploration)'**으로 진행될 때, 기업은 모델의 품질을 떨어뜨리지 않으면서도 고객의 '급함'을 요금에 정확히 반영할 수 있습니다.

💡 요약하자면:

"AI 기업은 당신에게 '멍청한 AI'를 파는 것이 아닙니다. 똑같이 **'똑똑한 AI'**를 주되, 당신이 얼마나 급하냐에 따라 **'그 똑똑함을 누릴 수 있는 시간과 양'**을 조절해서 요금을 받는 것입니다. 이것이 현재 AI 서비스 요금제의 수학적 정답입니다."

[기술 요약] Token Is All You Price: 정보 설계를 통한 긴급성 스크리닝

1. 문제 정의 (Problem Statement)

본 논문은 **정보 처리량 제약(Information-throughput constraint)**이 있는 상황에서, 실시간 정보 서비스를 제공하는 독점 판매자가 구매자의 긴급성(Urgency, 할인율 $r$ ) 차이를 이용하여 수익을 극대화하는 최적 메커니즘을 설계하는 문제를 다룹니다.

판매자(Principal): 미지의 상태 $\theta$ 에 대한 신념 과정(Belief process) $\langle\mu_t\rangle$ 를 설계합니다. 이때 정보 생성 속도는 엔트로피 증가량에 대한 제약 조건( $\chi$ )에 의해 제한됩니다.
구매자(Agent): 상태를 학습하는 데 걸리는 시간 $\tau$ 에 대해 지수적 할인( $e^{-rt}$ )을 적용하여 효용을 얻습니다. 구매자의 긴급성 파라미터 $r$ 은 사적 정보(Private information)입니다.
핵심 질문: 구매자마다 긴급도가 다를 때, 판매자는 어떤 신념 과정과 가격 체계(메뉴)를 제시해야 수익을 극대화할 수 있는가?

2. 방법론 (Methodology)

논문은 동적 정보 설계(Dynamic Information Design)와 고전적 스크리닝 이론(Screening Theory)을 결합하여 접근합니다.

수학적 프레임워크: 신념 과정은 베이즈 규칙을 따르는 마팅게일(Martingale)이며, 정보 처리량 제약은 일반화된 엔트로피(Generalized entropy)의 증가율로 정의됩니다.
점별 최적화(Pointwise Reduction): 포락 정리(Envelope Theorem)를 사용하여 수익 극대화 문제를 각 유형 $r$ 에 대한 '가상 시간 선호(Virtual time preference)' $\rho_r(t)$ 를 극대화하는 점별 문제로 변환합니다.
탐욕적 탐색 과정(Greedy Exploration Process): 모든 양수, 감소, 볼록 함수 $\rho$ 에 대해 기대 효용 $\mathbb{E}[\rho(\tau)]$ 를 극대화하는 특수한 신념 과정을 정의하고, 이를 수학적으로 증명합니다.
이중성 이론(Duality Machinery): Sannikov and Zhong (2024)의 이중성 도구를 사용하여 제약 조건 하에서의 최적 정지 시간(Stopping-time) 분포를 도출합니다.

3. 주요 결과 (Key Results)

① 단일 신념 과정과 중단 시간 메뉴 (Single Process & Stopping-time Menu)

가장 놀라운 결과는 판매자가 구매자 유형별로 서로 다른 신념 과정을 설계할 필요가 없다는 것입니다.

Greedy Exploration Process: 판매자는 모든 유형에게 동일한 **'탐욕적 탐색 과정'**을 제공합니다. 이는 제약 조건 하에서 정보 획득 속도를 극대화하는 과정입니다.
스크리닝 방식: 유형별 차별화는 오직 **'중단 시간 캡(Stopping-time cap, $T(r)$ )'**을 통해서만 이루어집니다. 즉, 긴급한 구매자에게는 정보를 빨리 얻게 하되, 소비할 수 있는 정보량(토큰 수 등)에 제한을 두는 방식입니다.

② 균일한 비왜곡성 (Uniform Non-distortion)

고전적인 Mussa-Rosen 스크리닝 모델에서는 판매자가 수익 극대화를 위해 낮은 유형에게 낮은 품질의 제품을 제공(품질 왜곡)합니다. 그러나 본 모델에서는 제품(신념 과정) 자체는 왜곡되지 않습니다. 모든 유형은 동일한 최적의 정보 획득 경로를 공유하며, 오직 '얼마나 오래/많이 사용할 수 있는가'라는 양적 제한만 적용됩니다.

③ 토큰 기반 가격 책정의 합리화 (Rationalization of Tokenized Pricing)

이 결과는 현대 생성형 AI(GenAI)의 가격 모델을 완벽하게 설명합니다.

Consumer Subscriptions: Anthropic이나 OpenAI가 제공하는 '몇 시간 동안의 메시지 쿼터' 제한.
B2B API Tiers: 동일한 모델을 사용하지만, 처리 속도나 사용량 제한(Batch vs Priority)이 다른 서비스 계층.

4. 확장 및 응용 (Extensions & Applications)

추론 품질의 내생성(Endogenous Reasoning Quality): 모델이 답변을 내놓기 전 '생각하는 시간'을 조절할 수 있다면, 긴급한 사용자에게는 답변 속도를 높이는 대신 추론의 정확도(Reasoning quality)를 낮추는 식의 '소프트 캡(Soft cap)' 설계가 가능함을 보였습니다.
타 분야 적용: 전문가 네트워크(Expert networks), 산업 분석가 구독 서비스, 법률 자문 리테이너 등 '시간 기반의 지식 서비스'에도 동일한 메커니즘이 적용될 수 있음을 시사합니다.

5. 의의 (Significance)

경제학적 기여: 정보 설계 분야에서 '제품의 질(신념 과정)'과 '소비량(중단 시간)'을 분리하여, 왜 최적 메커니즘이 제품의 왜곡 없이 단일한 고품질 프로세스를 채택하는지를 수학적으로 규명했습니다.
컴퓨터 과학과의 연결: AI 분야의 '선호 정렬(Preference Alignment)' 개념에 경제학적 근거를 제공합니다. 사용자 효용을 극대화하는 과정(Greedy process)이 곧 판매자의 수익 극대화 과정과 일치한다는 점을 밝혀냈습니다.
실무적 통찰: GenAI 기업들이 왜 모델의 성능을 낮추는 대신 '사용량 제한(Token cap)'이나 '레이턴시 계층(Latency tiers)'을 통해 수익을 창출하는지에 대한 이론적 토대를 마련했습니다.