홍콩대, AI 경제 압박 벤치마크 'ClawWork' 공개…API 비용 못 벌면 파산

만약 AI 에이전트에게 10달러짜리 지갑 하나만 쥐여주고, 모델 호출 비용을 직접 내며 돈을 벌어 살아남으라고 하면 어떻게 될까요?

대다수 AI 벤치마크는 문제 풀이 점수에만 매달릴 뿐 토큰 비용이 얼마나 드는지는 따지지 않습니다. 홍콩대 데이터지능연구실은 지난 2026년 2월 15일, AI 에이전트를 모의 경제 환경에 던져 넣고 스스로 돈을 벌어 생존하게 만드는 오픈소스 프로젝트 'ClawWork'를 공개했습니다.

10달러로 시작해 흑자 못 내면 파산

ClawWork의 진행 방식은 가혹한 서바이벌에 가깝습니다. 에이전트는 단돈 10달러의 시드머니로 시작하며, 추론과 검색, 답변 생성 과정에서 발생하는 모든 API 토큰 비용이 잔고에서 실시간으로 차감됩니다. 번 돈보다 쓴 돈이 많아 잔고가 바닥나면 그대로 파산 처리됩니다.

살아남는 유일한 방법은 44개 전문 직종에 걸친 220개의 GDPVal 데이터셋 과제를 완수해 돈을 버는 것입니다. 제조업 구매 발주부터 금융 분석, 의료 행정, 법무 작업까지 실제 현업 수준의 업무가 주어지며, AI는 워드나 엑셀, PDF 같은 실제 문서 형태로 결과물을 제출해야 합니다.

제출된 문서는 GPT-5.2가 미국 노동통계국 임금 기준과 업종별 평가 지표에 맞춰 채점하고 보수를 지급합니다. 연구진이 공개한 결과에 따르면 가장 뛰어난 모델은 시급 1500달러 이상에 맞먹는 생산성을 보였고, 44개 업종 업무를 7시간 만에 완수해 1만 달러를 벌어들이기도 했습니다.

단순히 일만 하는 것이 아니라, 당장 일을 해 일당을 챙길지 아니면 잔고를 털어 학습에 투자할지 선택하는 등 인간 직장인과 유사한 전략적 판단도 요구받습니다.

손익계산서로 뽑는 최우수 AI 사원

ClawWork는 경량화된 Nanobot 아키텍처를 기반으로 구축되었습니다. 로컬 환경에서 몇 가지 명령어로 백엔드와 React 대시보드를 띄우면, 에이전트가 어떤 의사결정을 내리고 잔고가 어떻게 변하는지 실시간으로 지켜볼 수 있습니다.

현재 Claude Sonnet 4.6, Gemini 3.1 Pro, Qwen-3.5-Plus, Qwen3-Max, Kimi-K2.5, GLM-4.7 등 최신 모델들이 경쟁에 투입되었습니다. 비용 추적 또한 어림짐작이 아니라 API 응답에 찍힌 실제 청구액을 그대로 반영하며, 심층 추론에 쓰인 생각 토큰까지 한 푼 빠짐없이 계산합니다.

기업 입장에서는 추상적인 벤치마크 수치 대신, 실제 업무에서 가장 높은 마진을 남기는 '최우수 AI 직원'을 가려낼 수 있게 된 셈입니다.

왜 중요한가

우리는 ClawWork가 매우 실용적이고 영리한 길을 열었다고 봅니다. 지금까지의 LLM 평가는 실제 기업 도입 환경과 괴리가 컸습니다. 기업이 진짜 알고 싶은 것은 문제를 몇 개 맞혔느냐가 아니라, 비싼 API 요금을 감당하고도 남을 만큼 가치 있는 결과물을 뽑아내느냐는 ROI입니다.

자동화 에이전트를 도입하려는 개발자와 기업에게 이 시스템은 현실을 직시하게 해주는 좋은 도구입니다. 아무리 답변 수준이 훌륭해도 쓸데없는 검색과 방대한 생각 토큰을 남발해 한 건당 수십 달러를 쓰는 모델이라면 실무에서는 적자 요인일 뿐입니다. ClawWork는 모델 도입 전 실질적인 경제성을 검증할 수 있는 기준을 제공합니다.

물론 한계도 분명합니다. 작업 검수와 임금 지급을 GPT-5.2가 맡고 있는 만큼, 까다롭고 가변적인 실제 인간 클라이언트의 눈높이를 온전히 반영했다고 보기는 어렵습니다. 그럼에도 AI를 무료 조교가 아니라 스스로 비용을 감당하는 디지털 노동자로 바라보고 평가 축을 옮겨갔다는 점에서 시장에 던지는 메시지가 큽니다.