AI를 많이 쓸수록 일 잘하는 사람? 딕셔너리닷컴 올해의 단어 ‘맥싱’과 ‘토큰맥싱’으로 본 AI 사용량 경쟁의 함정, 점수는 비슷·비용은 최대 3배였던 연구와 ‘많이’보다 ‘잘’ 쓰는 4가지 습관을 초보도 쉽게

회사에서 이런 말을 들으신 적 있으세요? “요즘 AI 얼마나 쓰세요?”, “우리 팀은 이번 달 AI 사용량이 꼴찌네요.” 처음엔 ‘AI를 열심히 배우라는 뜻이겠지’ 싶다가도, 어느 순간 얼마나 잘 썼는지가 아니라 얼마나 많이 썼는지를 겨루는 분위기가 되기도 해요.

바로 이 모습을 한 단어로 부르는 말이 있어요. ‘토큰맥싱(tokenmaxxing)’, 직장에서 AI를 가능한 한 많이 쓰는 것을 뜻하는 신조어예요. 그리고 미국 온라인 사전 딕셔너리닷컴(Dictionary.com)이 10월 25일(미국 현지 시각) 발표한 2026년 올해의 단어가 바로 이 말의 뿌리인 ‘맥싱(maxxing)’이었어요. 국내에서는 AI타임스가 27일 이 소식을 ‘토큰맥싱’ 중심으로 소개했고요.

오늘은 ① ‘맥싱’이 무슨 뜻이고 왜 올해의 단어가 됐는지, ② 토큰이 뭐길래 ‘토큰맥싱’이라는 말까지 생겼는지, ③ AI를 많이 쓰면 정말 결과가 좋아지는지 보여 주는 최근 연구, 그리고 ④ 우리가 AI를 ‘많이’보다 ‘잘’ 쓰는 4가지 습관을 초보 눈높이로 차근차근 풀어 볼게요.

무슨 일이 있었나요? 한눈에 보기

재미있는 건 후보 중에 ‘데이터센터’도 있었다는 점이에요. CBS 뉴스에 따르면 딕셔너리닷컴은 AI가 늘면서 미국 곳곳에 데이터센터가 많이 들어서고 있다는 점을 후보 선정 이유로 들었어요. 올해의 단어와 후보 두 개가 모두 AI와 맞닿아 있으니, 2026년은 말 그대로 ‘AI가 말버릇까지 바꾼 해’라고 할 만해요.

‘맥싱’이 뭐예요? 단어 가족부터 볼게요

‘맥싱’은 혼자서도 쓰고, 다른 단어 뒤에 꼬리처럼 붙여서도 써요. 앞에 붙는 말이 ‘무엇을’ 끌어올리는지 알려 주고, 뒤의 ‘맥싱’이 ‘끝까지’라는 뜻을 더하는 구조예요. 우리말로 치면 ‘○○ 풀충전’, ‘○○ 만렙 찍기’ 정도의 느낌이라고 보시면 쉬워요.

딕셔너리닷컴의 사전 담당 책임자 스티브 존슨은 CBS 인터뷰에서 “맥싱은 모든 종류의 기사에 등장했을 뿐 아니라 여러 분야를 넘나들었다”며, 속어가 이렇게 일터·건강·여가·정치까지 두루 퍼지는 일은 흔치 않다고 설명했어요. 그는 ‘낫싱맥싱’을 가장 좋아하는 맥싱으로 꼽기도 했는데, 아무것도 안 하는 것까지 최적화하려면 오히려 노력이 든다는 역설이 재미있다는 이유였어요.

말의 뿌리는 생각보다 오래됐어요

가디언은 언어학자들의 말을 빌려, 이 말이 “어디에나 붙일 수 있으면서도 바로 알아듣는” 형태라서 퍼지기 쉬웠다고 전했어요. 그냥 ‘단백질을 더 먹는다’고 말하는 것보다 ‘프로틴맥싱 중’이라고 하면 왠지 더 멋있게 들린다는 거죠. 한편으로는 건강·관계·생활 습관처럼 ‘완성’이 없는 영역까지 끝없이 최적화하려는 압박을 키울 수 있다는 걱정도 함께 소개했어요.

그럼 ‘토큰’은 뭐길래 맥싱을 할까요?

토큰맥싱을 이해하려면 먼저 토큰(token)을 알아야 해요. 챗GPT나 클로드 같은 AI는 글을 통째로 읽지 않고, 아주 작은 조각으로 잘라서 처리해요. 이 조각이 토큰이에요. 단어 하나일 수도 있고, 단어의 일부나 문장부호 하나일 수도 있어요. 우리가 질문을 넣을 때도, AI가 답을 쓸 때도 토큰이 쓰여요.

예를 들어 볼게요. 30쪽짜리 회의록을 통째로 붙여 넣고 “요약해 줘”라고 하면, AI는 그 30쪽을 전부 토큰으로 읽어야 해요. 같은 질문을 다섯 번 고쳐 물으면 그만큼 또 읽고요. 그래서 토큰은 AI 세계의 ‘사용량 계량기’ 같은 역할을 해요.

여기서 마지막 줄이 중요해요. 회사 입장에서 토큰은 숫자로 바로 집계되는 지표예요. AI를 도입했는데 성과를 잴 기준은 아직 마땅치 않을 때, 가장 손쉽게 볼 수 있는 숫자가 ‘얼마나 썼나’였던 거죠. AI타임스도 바로 이 점을 짚었어요. AI 도입 성과를 평가할 기준이 충분하지 않은 상황에서, 쉽게 셀 수 있는 토큰 사용량이 활용도를 판단하는 지표가 됐다는 거예요.

토큰맥싱은 어떻게 시작됐을까요?

딕셔너리닷컴의 속어 설명에 따르면 토큰맥싱은 실리콘밸리 테크 문화에서 나왔어요. 메타·아마존 같은 큰 회사 경영진이 직원들에게 AI 사용을 최대한 늘리라고 독려하자, 일부 직원들이 그 도전을 받아들이며 스스로 ‘토큰맥싱’이라고 부르기 시작했다는 설명이에요. 사용량 순위표(리더보드)를 만들어 진행 상황을 보여 주고 보상을 나눠 주는 모습도 있었다고 해요.

AI타임스는 구체적인 사례도 전했어요. 메타에서는 직원들이 만든 ‘클로드노믹스(Claudeonomics)’ 순위표로 사용량을 비교하고, 상위 이용자에게 ‘토큰 레전드’ 같은 칭호를 붙이기도 했어요. 다만 이 순위표는 이후 폐쇄됐다고 해요.

회사가 기대한 것 vs 실제로 나온 걱정

정말로, 많이 쓰면 결과가 좋아질까요? 최근 연구 하나

이 질문에 힌트를 주는 연구가 마침 최근 화제가 됐어요. 중국 산둥대 연구진(양쩌 류·중이 한)이 10월 초 논문 공개 사이트 아카이브(arXiv)에 올린 “하네스는 무엇을 사 주는가? 대부분 토큰이다(What Does a Harness Buy? Tokens, Mostly)”라는 연구예요. 벤처비트·더디코더 등 해외 매체에 이어 AI타임스도 27일 소개했어요.

여기서 하네스(harness)는 AI 모델을 감싸서 일을 시키는 ‘실행 틀’이에요. 말에 씌우는 마구(馬具)를 떠올리시면 쉬워요. 같은 말(AI 모델)이라도 어떤 마구를 씌우느냐에 따라 일하는 방식이 달라지죠. 코딩 도우미로 많이 쓰는 ‘클로드 코드’, ‘오픈코드(OpenCode)’, 아주 단순한 ‘미니-SWE-에이전트(mini-SWE-agent)’가 바로 이런 하네스예요.

비용이 왜 이렇게 벌어졌을까요? 하네스마다 AI에게 매번 들려주는 ‘기본 안내문’의 길이가 달랐기 때문이에요. 보도에 따르면 그 크기는 이랬어요.

쉽게 비유하면, 심부름을 시킬 때마다 매번 두꺼운 업무 매뉴얼을 처음부터 다시 읽어 주는 것과 같아요. 심부름 결과는 비슷한데 읽어 주는 시간(토큰)만 늘어나는 거죠. 다만 ‘가벼운 틀이 늘 싸다’는 뜻은 아니에요. 보도에 따르면 GLM-5.3 플래시 모델로 한 번 시도할 때 비용은 클로드 코드 1.81위안, 미니-SWE-에이전트 0.97위안, 오픈코드 0.56위안이었어요. 가벼운 틀은 대신 단계를 더 많이 밟기도 해서, 모델마다 결과가 달랐다고 해요. 그림 3의 막대도 이 흐름을 설명하기 위한 개념도예요.

비슷한 시기 미국 UC버클리 스카이 컴퓨팅 랩과 아레나(Arena) 연구진의 ‘하네스택스(HarnessTax)’ 프로젝트도 같은 방향의 결과를 냈다고 보도됐어요. 통과율은 몇 점 차이였지만 비용은 최대 5배까지 벌어졌다는 내용이에요.

토큰맥싱 vs 토큰미닝, 정답은 가운데

그렇다면 반대로 ‘최대한 아껴 쓰기(토큰미닝)’가 정답일까요? 꼭 그렇지도 않아요. 너무 아끼다 보면 AI에게 필요한 자료조차 안 주고, 결국 엉뚱한 답을 받아 여러 번 다시 묻게 되기도 하거든요.

‘많이’보다 ‘잘’ 쓰는 4가지 습관

이제 우리 이야기로 돌아와 볼게요. 회사에서 AI를 쓰든, 집에서 챗GPT로 숙제나 가계부를 정리하든, 아래 네 가지만 챙기셔도 ‘토큰맥싱의 함정’을 피할 수 있어요.

특히 1번은 회사에서 AI 사용량을 집계하고 있다면 더 중요해요. 숫자가 집계된다고 해서 일부러 사용량을 부풀릴 필요는 없어요. 오히려 ‘AI로 무엇을 얼마나 줄였는지’를 짧게 기록해 두면, 사용량 숫자보다 훨씬 설득력 있는 근거가 돼요.

상황별로 이렇게 챙겨 보세요

왜 이 소식이 중요할까요?

사전이 고른 ‘올해의 단어’는 그해 사람들이 무엇에 마음을 쏟았는지 보여 주는 거울이에요. 2026년의 거울에는 ‘끝까지 끌어올리기’가, 그리고 그 대표 예로 ‘AI를 최대한 많이 쓰기’가 비쳤어요. 동시에 그 유행이 ‘돈만 쓰고 성과는 그대로일 수 있다’는 반성과 ‘토큰미닝’이라는 반대말까지 낳았다는 점도 함께 기억할 만해요.

AI는 분명 일을 크게 도와주는 도구예요. 다만 도구는 얼마나 오래 들고 있었는지가 아니라, 무엇을 만들었는지로 평가받아야 하죠. 오늘 AI 창을 여실 때 “이걸로 무엇을 얻고 싶지?” 한 줄만 먼저 떠올려 보세요. 그게 가장 쉬운 ‘스마트맥싱’이에요.