AWS, Azure, GCP 약정 할인 완벽 비교 2026: 멀티클라우드 비용 최대 72% 절감하기

들어가며: 클라우드 비용, 정말 이대로 괜찮을까?

2026년 현재, 기업들의 클라우드 지출은 전례 없는 속도로 불어나고 있습니다. 그런데 솔직히 놀라운 건 이겁니다 — 전체 클라우드 지출의 28~35%가 그냥 낭비되고 있다는 거예요. 유휴 리소스, 과잉 프로비저닝... 생각보다 심각한 수준이죠. FinOps Foundation 보고서를 보면, 체계적인 비용 관리 프로그램이 없는 조직은 낭비율이 40%까지 치솟기도 합니다.

반면, 구조화된 FinOps 프로그램을 돌리는 조직은 20~25% 수준으로 관리하고 있고요.

이런 낭비를 줄이는 가장 현실적이고 효과적인 방법 중 하나가 바로 약정 기반 할인(Commitment-Based Discounts)입니다. AWS의 Savings Plans과 Reserved Instances, Azure의 Reservations과 Savings Plan for Compute, GCP의 Committed Use Discounts(CUD) — 이들은 각각 최대 72%까지 온디맨드 대비 할인을 제공합니다. 하지만 여기서 문제가 하나 있어요. 각 클라우드 제공업체의 약정 모델이 구조, 유연성, 적용 범위가 전부 다르다는 겁니다.

그래서 이 글에서는 AWS, Azure, GCP의 약정 할인 모델을 실무자 관점에서 하나하나 비교해보고, 바로 써먹을 수 있는 최적화 전략과 구체적인 실행 방법까지 정리했습니다. 자, 그럼 시작해볼까요?

1. AWS 약정 할인: Savings Plans vs Reserved Instances

1.1 Reserved Instances(RI) — 클래식하지만 강력한 할인

AWS Reserved Instances는 약정 할인의 원조격입니다. 특정 인스턴스 유형, 리전, 운영 체제, 테넌시에 대해 1년 또는 3년 약정을 걸면 할인을 받는 방식이에요. RI는 크게 두 가지로 나뉩니다.

• Standard RI: 최대 72% 할인이 가능하지만, 인스턴스 패밀리 변경은 안 됩니다. 같은 패밀리 안에서 크기만 조정(Size Flexibility)할 수 있어요.
• Convertible RI: 할인율은 최대 66%로 좀 낮지만, 약정 기간 중에 인스턴스 패밀리, 운영 체제, 테넌시를 바꿀 수 있습니다. 유연성이 필요하면 이쪽이죠.

결제 옵션도 세 가지입니다.

1. 전체 선결제(All Upfront): 할인율이 제일 높음 (최대 72%)
2. 부분 선결제(Partial Upfront): 중간 수준
3. 선결제 없음(No Upfront): 할인율은 제일 낮지만 초기 비용 부담 제로

그리고 잘 모르시는 분들이 많은데, AWS는 대규모 RI 구매 시 볼륨 할인도 줍니다. 활성 인스턴스 총 구매 가치가 50만~400만 달러면 5% 추가, 400만~1,000만 달러면 10% 추가 할인이 붙어요.

1.2 Savings Plans — RI의 진화형

2019년에 등장한 AWS Savings Plans는 RI의 복잡함을 싹 걷어내기 위해 만들어졌습니다. 특정 인스턴스가 아니라 시간당 지출 금액에 약정하는 방식이라, 유연성이 훨씬 뛰어납니다.

세 가지 유형이 있어요.

• Compute Savings Plans: 최대 66% 할인. EC2, Fargate, Lambda 전체에 걸쳐 적용됩니다. 인스턴스 패밀리, 크기, 리전, OS, 테넌시 가릴 것 없이 자동 적용이에요.
• EC2 Instance Savings Plans: 최대 72% 할인. 특정 리전의 특정 인스턴스 패밀리에 한정되지만, 크기와 OS는 자유롭게 바꿀 수 있습니다.
• SageMaker Savings Plans: ML 워크로드에 특화된 모델입니다.

1.3 Savings Plans vs RI: 뭘 골라야 할까?

솔직히 이건 실무에서 가장 많이 받는 질문이에요. 아래 비교표를 보시면 감이 올 겁니다.

┌─────────────────────────┬──────────────────┬──────────────────┐
│ 기준                     │ Savings Plans    │ Reserved Inst.   │
├─────────────────────────┼──────────────────┼──────────────────┤
│ 최대 할인율              │ 72% (EC2 SP)     │ 72% (Standard)   │
│ 유연성                   │ 높음             │ 낮음~중간         │
│ 서비스 범위              │ EC2+Fargate+     │ EC2, RDS 등      │
│                         │ Lambda           │                  │
│ 인스턴스 변경            │ 자유(Compute SP) │ 제한적            │
│ 리전 변경               │ 가능(Compute SP) │ 불가              │
│ 마켓플레이스 판매        │ 불가             │ 가능(Standard)    │
│ 용량 예약               │ 불가             │ Zonal RI 가능     │
│ 관리 복잡도              │ 낮음             │ 높음              │
└─────────────────────────┴──────────────────┴──────────────────┘

결론부터 말하면, 대부분의 조직에는 Compute Savings Plans을 추천합니다. 워크로드가 정말 안정적이고 인스턴스 유형이 확정된 경우에만 Standard RI를 고려해보세요. 특히 오토스케일링이나 아키텍처 변경이 잦은 환경이라면? Savings Plans의 유연성이 빛을 발합니다.

1.4 AWS 약정 최적화 실전 예제

말로만 하면 와닿지 않으니, AWS Cost Explorer를 활용한 실제 명령어를 보여드릴게요.

# AWS CLI를 사용한 Savings Plans 추천 조회
aws ce get-savings-plans-purchase-recommendation \
    --savings-plans-type "COMPUTE_SP" \
    --term-in-years "ONE_YEAR" \
    --payment-option "NO_UPFRONT" \
    --lookback-period-in-days "THIRTY_DAYS" \
    --output json

# 현재 Savings Plans 활용률 확인
aws ce get-savings-plans-utilization \
    --time-period Start=2026-01-01,End=2026-01-31 \
    --output table

# Savings Plans 커버리지 확인
aws ce get-savings-plans-coverage \
    --time-period Start=2026-01-01,End=2026-01-31 \
    --granularity MONTHLY \
    --output json

자, 그럼 실제 절감 시나리오를 하나 보겠습니다. 월 10만 달러의 EC2 온디맨드 비용이 나가는 조직이 기본 사용량의 70%를 Compute Savings Plans(60% 할인)으로 커버하면 어떻게 될까요?

# 비용 절감 계산 예시
온디맨드 월 지출: $100,000
기본 사용량 비율: 70% = $70,000
Compute SP 할인율: 60%
SP 적용 후 비용: $70,000 × 0.40 = $28,000
온디맨드 잔여분: $30,000
총 월 비용: $28,000 + $30,000 = $58,000
월 절감액: $42,000 (42% 절감)
연간 절감액: $504,000

연간 50만 달러 이상 아끼는 셈이네요. 적지 않은 금액이죠.

2. Azure 약정 할인: Reservations vs Savings Plan for Compute

2.1 Azure Reservations — 특정 리소스에 올인

Azure Reservations는 AWS RI와 비슷한 개념입니다. 특정 리소스에 1년 또는 3년 약정을 걸면 최대 72% 할인을 받을 수 있어요. 적용 가능한 서비스가 꽤 다양합니다.

• Virtual Machines (VM)
• Azure SQL Database
• Azure Cosmos DB
• Azure Synapse Analytics
• Azure Blob Storage (Reserved Capacity)
• Azure Data Explorer
• Azure Databricks
• App Service

Azure Reservations에서 제일 괜찮은 기능은 인스턴스 크기 유연성(Instance Size Flexibility)이에요. 같은 VM 시리즈, 같은 리전이면 다양한 크기의 VM에 자동으로 할인이 적용됩니다. D4s v5 예약을 사더라도 D2s v5 두 대에 알아서 적용되는 식이죠.

2.2 Azure Savings Plan for Compute — 유연함의 대명사

2022년에 나온 Azure Savings Plan for Compute는 AWS Compute Savings Plans이랑 거의 같은 방식입니다. 시간당 지출 금액을 약정하는 거예요. 최대 65% 할인을 제공하며, 다음 서비스들에 적용됩니다.

• Azure Virtual Machines
• Azure App Service
• Azure Container Instances
• Azure Functions Premium
• Azure Dedicated Host

VM 시리즈, 리전, OS 안 가리고 적용되니까, 워크로드 변동이 심한 환경에서 특히 유리합니다.

2.3 Azure 약정, 어떻게 선택할까?

의사결정 플로우를 정리해봤습니다.

Azure 약정 할인 의사결정 플로우:

1. 워크로드가 특정 VM 시리즈/리전에 고정되어 있는가?
   ├── YES → Azure Reservation 사용 (최대 72% 할인)
   │         - 프로덕션 DB 서버
   │         - 핵심 인프라 VM
   │         - 안정적인 배치 처리 워크로드
   └── NO  → Azure Savings Plan 사용 (최대 65% 할인)
             - 마이크로서비스 환경
             - 개발/스테이징 환경
             - 리전 간 마이그레이션 가능성이 있는 워크로드

2. 혼합 전략 적용:
   - 안정적 워크로드 → Reservations으로 최대 할인 확보
   - 변동적 워크로드 → Savings Plan으로 유연하게 커버
   - 버스트 워크로드 → Spot VMs 활용 (최대 90% 할인)

2.4 Azure 비용 분석 실전 코드

Azure CLI와 PowerShell로 예약 최적화를 조회하는 방법입니다.

# Azure CLI - 예약 추천 조회
az consumption reservation recommendation list \
    --scope "Shared" \
    --resource-type "VirtualMachines" \
    --look-back-period "Last30Days" \
    --output table

# PowerShell - 현재 예약 활용률 조회
Get-AzConsumptionReservationSummary `
    -ReservationOrderId "your-order-id" `
    -Grain "monthly" `
    -StartDate "2026-01-01" `
    -EndDate "2026-01-31"

# Azure CLI - Cost Management 쿼리로 Savings Plan 효과 분석
az costmanagement query \
    --type "ActualCost" \
    --timeframe "MonthToDate" \
    --dataset-aggregation "{\"totalCost\":{\"name\":\"Cost\",\"function\":\"Sum\"},\"totalSavings\":{\"name\":\"Savings\",\"function\":\"Sum\"}}"

꼭 알아두세요: Azure Reservations는 취소하면 12% 조기 해지 수수료가 붙습니다. Savings Plan은 더 무서운 게, 한 번 사면 수정이나 취소 자체가 불가능해요. 그러니 용량 계획을 정말 신중하게 해야 합니다.

3. GCP 약정 할인: Committed Use Discounts(CUD)

3.1 CUD 유형 — AWS, Azure와는 좀 다릅니다

GCP의 Committed Use Discounts는 구조가 좀 독특해요. 두 가지 주요 유형으로 나뉩니다.

• 리소스 기반 CUD(Resource-Based CUD): Compute Engine에서 특정 리전의 최소 리소스 수준(vCPU, 메모리)에 대해 약정합니다. 3년 기준 최대 57% 할인이고, 약정한 리소스 유형과 맞는 VM 사용에 자동 적용돼요.
• 지출 기반 CUD(Spend-Based CUD): 시간당 금액을 약정하는 방식인데, 적용 범위가 넓습니다. Compute Engine, GKE, Cloud Run 등에 걸쳐서 프로젝트, 리전, 머신 시리즈 제한 없이 유연하게 쓸 수 있어요.

3.2 GCP CUD 할인율 한눈에 보기

머신 유형과 약정 기간에 따른 할인율을 정리하면 이렇습니다.

┌────────────────────┬──────────────┬──────────────┐
│ 머신 유형           │ 1년 약정     │ 3년 약정      │
├────────────────────┼──────────────┼──────────────┤
│ 범용 (E2, N2 등)    │ ~37% 할인   │ ~55% 할인    │
│ 컴퓨팅 최적화 (C2)  │ ~37% 할인   │ ~55% 할인    │
│ 메모리 최적화 (M2)  │ ~37% 할인   │ ~55% 할인    │
│ GPU (A100, H100 등) │ ~37% 할인   │ ~55~65% 할인 │
│ 특정 머신 유형       │ 최대 55%    │ 최대 70%     │
└────────────────────┴──────────────┴──────────────┘

3.3 2026년 GCP CUD, 뭐가 달라졌나?

2026년 들어 GCP CUD에 꽤 큰 변화가 있었습니다. 기존 지출 기반 CUD가 크레딧 방식으로 절감액을 보여주던 것에서, 새로운 할인 기반(Discount-Based) 모델로 전환되고 있어요. 2026년 1월 21일부터 순차 적용 중이고, 핵심은 이렇습니다.

• 절감액이 크레딧이 아니라 직접 할인으로 표시됩니다 (보고서 보기가 한결 편해졌어요)
• Savings programs 컬럼에서 실제 절감액을 바로 확인할 수 있습니다
• 온디맨드 가격 대비 최종 절감 금액이 훨씬 명확하게 나옵니다

그리고 Compute Flex CUD가 더 넓은 VM 패밀리와 서비스로 확장돼서, 예전에 커버가 안 되던 워크로드에도 유연한 약정 할인을 걸 수 있게 됐습니다.

3.4 GCP만의 보너스: Sustained Use Discounts

GCP의 숨은 장점 중 하나가 Sustained Use Discounts(SUD)예요. 약정을 안 해도 월 사용량에 따라 자동으로 최대 30% 할인이 적용됩니다. 솔직히 이건 좀 부러운 기능이에요. CUD와 같이 쓰면 추가 절감 효과도 챙길 수 있고요.

# GCP CLI - CUD 추천 조회
gcloud recommender recommendations list \
    --project=YOUR_PROJECT_ID \
    --location=us-central1 \
    --recommender=google.compute.commitment.UsageCommitmentRecommender \
    --format="table(name, description, primaryImpact.costProjection)"

# BigQuery를 활용한 CUD 활용률 분석
SELECT
    service.description AS service,
    SUM(cost) AS total_cost,
    SUM(CASE WHEN credits.type = 'COMMITTED_USE_DISCOUNT'
        THEN credits.amount ELSE 0 END) AS cud_savings,
    ROUND(
        ABS(SUM(CASE WHEN credits.type = 'COMMITTED_USE_DISCOUNT'
            THEN credits.amount ELSE 0 END)) /
        NULLIF(SUM(cost), 0) * 100, 2
    ) AS savings_percentage
FROM `project.dataset.gcp_billing_export`
LEFT JOIN UNNEST(credits) AS credits
WHERE DATE(usage_start_time) >= '2026-01-01'
GROUP BY service
ORDER BY total_cost DESC;

4. 멀티클라우드 약정 할인, 3사 통합 비교

4.1 핵심 비교표

세 클라우드를 나란히 놓고 보면 차이가 확 드러납니다.

┌──────────────────┬───────────────────┬──────────────────┬──────────────────┐
│ 비교 항목         │ AWS               │ Azure            │ GCP              │
├──────────────────┼───────────────────┼──────────────────┼──────────────────┤
│ 고정형 할인       │ Reserved          │ Reservations     │ Resource-Based   │
│                  │ Instances         │                  │ CUD              │
│ 최대 할인율       │ 72%               │ 72%              │ 70%              │
├──────────────────┼───────────────────┼──────────────────┼──────────────────┤
│ 유연형 할인       │ Compute           │ Savings Plan     │ Spend-Based      │
│                  │ Savings Plans     │ for Compute      │ CUD              │
│ 최대 할인율       │ 66%               │ 65%              │ 55%              │
├──────────────────┼───────────────────┼──────────────────┼──────────────────┤
│ 자동 할인        │ 없음               │ 없음              │ Sustained Use    │
│                  │                   │                  │ Discounts (30%)  │
├──────────────────┼───────────────────┼──────────────────┼──────────────────┤
│ 약정 기간        │ 1년 / 3년          │ 1년 / 3년         │ 1년 / 3년        │
│ 결제 옵션        │ All/Partial/No    │ All/Monthly      │ 없음(월별 자동)   │
│                  │ Upfront           │                  │                  │
│ 취소/수정        │ RI: 마켓플레이스   │ Reservation:     │ 약정기간 내      │
│                  │ 판매 가능          │ 12% 수수료        │ 취소 불가        │
│ 적용 범위        │ EC2, Fargate,     │ VM, ACI, App     │ CE, GKE,        │
│                  │ Lambda, RDS 등    │ Service 등        │ Cloud Run 등     │
└──────────────────┴───────────────────┴──────────────────┴──────────────────┘

4.2 멀티클라우드 통합 약정 전략

멀티클라우드 환경에서 약정 할인을 제대로 관리하려면 통합 전략이 필수입니다. 각 클라우드별로 따로따로 관리하면 금방 혼란에 빠지거든요.

1단계: 워크로드 분류부터

각 클라우드의 워크로드를 안정성과 변동성 기준으로 먼저 나눕니다.

# Python 예제: 워크로드 분류 분석
import pandas as pd
import numpy as np

def classify_workloads(usage_data: pd.DataFrame) -> pd.DataFrame:
    """
    워크로드를 안정성 기준으로 분류합니다.
    - Steady State: 변동계수(CV) < 0.2
    - Variable: 0.2 <= CV < 0.5
    - Burst: CV >= 0.5
    """
    classification = []

    for resource_id in usage_data['resource_id'].unique():
        resource_data = usage_data[
            usage_data['resource_id'] == resource_id
        ]
        mean_usage = resource_data['cpu_utilization'].mean()
        std_usage = resource_data['cpu_utilization'].std()
        cv = std_usage / mean_usage if mean_usage > 0 else float('inf')

        if cv < 0.2:
            category = 'steady_state'
            recommendation = 'Reserved/Fixed Commitment'
        elif cv < 0.5:
            category = 'variable'
            recommendation = 'Savings Plan/Flexible CUD'
        else:
            category = 'burst'
            recommendation = 'On-Demand/Spot'

        classification.append({
            'resource_id': resource_id,
            'mean_utilization': round(mean_usage, 2),
            'cv': round(cv, 3),
            'category': category,
            'recommendation': recommendation
        })

    return pd.DataFrame(classification)

2단계: 계층적 약정 적용 — 이게 핵심입니다

제가 실무에서 가장 효과적이라고 느낀 건 계층적 접근법이에요. 한마디로 달걀을 한 바구니에 담지 말라는 거죠.

• 1계층 (기반층): 기본 사용량의 60~70%를 고정형 약정(RI, Reservations, Resource-Based CUD)으로 커버 → 최대 할인 확보
• 2계층 (완충층): 추가 10~20%를 유연형 약정(Savings Plans, Spend-Based CUD)으로 커버 → 변동성 대응
• 3계층 (탄력층): 나머지 10~30%는 온디맨드와 스팟/프리엠티블 인스턴스를 섞어서 → 비용과 가용성 균형 유지

# 계층적 약정 전략 비용 시뮬레이션
def simulate_layered_commitment(
    monthly_spend: float,
    steady_ratio: float = 0.65,
    variable_ratio: float = 0.15,
    fixed_discount: float = 0.70,
    flex_discount: float = 0.60,
    spot_discount: float = 0.85,
    spot_ratio: float = 0.10
) -> dict:
    """
    계층적 약정 전략의 예상 절감액을 계산합니다.
    """
    on_demand_remaining = 1.0 - steady_ratio - variable_ratio - spot_ratio

    layer1_cost = monthly_spend * steady_ratio * (1 - fixed_discount)
    layer2_cost = monthly_spend * variable_ratio * (1 - flex_discount)
    layer3_spot = monthly_spend * spot_ratio * (1 - spot_discount)
    layer3_od = monthly_spend * on_demand_remaining

    total_optimized = layer1_cost + layer2_cost + layer3_spot + layer3_od
    total_savings = monthly_spend - total_optimized
    savings_pct = (total_savings / monthly_spend) * 100

    return {
        'original_spend': f'${monthly_spend:,.0f}',
        'optimized_spend': f'${total_optimized:,.0f}',
        'monthly_savings': f'${total_savings:,.0f}',
        'annual_savings': f'${total_savings * 12:,.0f}',
        'savings_percentage': f'{savings_pct:.1f}%',
        'breakdown': {
            'layer1_fixed': f'${layer1_cost:,.0f}',
            'layer2_flexible': f'${layer2_cost:,.0f}',
            'layer3_spot': f'${layer3_spot:,.0f}',
            'layer3_ondemand': f'${layer3_od:,.0f}'
        }
    }

# 월 50만 달러 지출 기준 시뮬레이션
result = simulate_layered_commitment(500000)
# 예상 결과: 약 54% 절감, 연간 $3.24M 절감

5. FinOps 프레임워크와 약정 관리

5.1 FOCUS 1.3 — 드디어 데이터가 통일됩니다

멀티클라우드에서 약정 할인을 관리할 때 가장 골치 아픈 게 뭔지 아세요? 데이터 표준화입니다. AWS, Azure, GCP 결제 데이터 구조가 전부 달라서, 크로스 클라우드 비용 비교가 정말 힘듭니다.

다행히 FinOps Foundation이 주도하는 FOCUS(FinOps Open Cost and Usage Specification) 1.3이 이 문제를 해결해주고 있어요. 전용 Contract Commitment 데이터셋이 도입됐는데, 비용·사용량 데이터와 별도로 구성되면서 이런 정보들을 쿼리 가능한 형태로 제공합니다.

• 약정 시작일과 종료일
• 약정 단위 (시간당 지출, 리소스 수량 등)
• 계약 설명 및 유형
• 클라우드 제공업체별 정규화된 비용 메트릭

현재 Google, Oracle, Microsoft, AWS, Alibaba 등 10개 이상의 주요 클라우드 공급업체가 FOCUS를 지원하고 있어서, 멀티클라우드 비용 거버넌스의 사실상 표준이 되어가고 있습니다.

5.2 약정 관리 핵심 KPI — 이것만은 꼭 추적하세요

약정을 사고 나면 끝이 아닙니다. (오히려 시작이죠.) 다음 지표들을 반드시 추적해야 합니다.

• ESR(Effective Savings Rate): 온디맨드 대비 실제 절감률. 잘하는 FinOps 팀은 45% 이상 달성합니다.
• 약정 활용률(Commitment Utilization): 산 약정이 실제로 쓰이는 비율. 95% 이상이 목표예요.
• 약정 커버리지(Commitment Coverage): 전체 온디맨드 적격 사용량 중 약정으로 커버하는 비율. 60~80%가 최적입니다.
• 낭비율(Waste Rate): 안 쓰이는 약정 비용의 비율. 5% 미만이 목표고요.

-- ESR(Effective Savings Rate) 계산 대시보드 쿼리 예시
-- AWS Athena / GCP BigQuery 공통 패턴
SELECT
    DATE_TRUNC('month', usage_date) AS month,
    SUM(on_demand_equivalent_cost) AS total_od_equivalent,
    SUM(actual_cost) AS total_actual_cost,
    ROUND(
        (1 - SUM(actual_cost) / NULLIF(SUM(on_demand_equivalent_cost), 0))
        * 100, 2
    ) AS effective_savings_rate,
    SUM(commitment_cost) AS total_commitment_cost,
    SUM(used_commitment_cost) AS used_commitment_cost,
    ROUND(
        SUM(used_commitment_cost) /
        NULLIF(SUM(commitment_cost), 0) * 100, 2
    ) AS utilization_rate
FROM cost_and_usage_report
WHERE usage_date >= DATE_ADD(CURRENT_DATE, INTERVAL -6 MONTH)
GROUP BY DATE_TRUNC('month', usage_date)
ORDER BY month DESC;

6. 자동화된 약정 최적화: 도구와 플랫폼

6.1 네이티브 도구 먼저 챙기세요

각 클라우드가 약정 최적화용 도구를 무료로 제공하고 있으니, 일단 이것부터 활용해보세요.

• AWS: Cost Explorer의 SP/RI 추천, Compute Optimizer, Cost Anomaly Detection
• Azure: Azure Advisor의 예약 추천, Cost Management + Billing, Hybrid Benefit 계산기
• GCP: Recommender API, Billing Export to BigQuery, CUD Analysis Dashboard, Active Assist

6.2 서드파티 FinOps 플랫폼

네이티브 도구만으로 부족하다면 (특히 멀티클라우드 환경이라면), 서드파티 플랫폼도 고려해볼 만합니다.

• ProsperOps: AWS와 Azure 약정 할인을 AI로 자동 구매·수정·밸런싱해줍니다. 수동 관리 없이도 최적 ESR을 유지하는 게 장점이에요.
• CAST AI: Kubernetes 워크로드에 특화된 FinOps 플랫폼. 파드 라이트사이징, 노드 오토스케일링, 스팟 활용을 자동화합니다.
• CloudHealth by VMware: 멀티클라우드 비용 거버넌스 플랫폼으로, 약정 관리부터 비용 할당까지 폭넓게 지원합니다.
• Harness Cloud Cost Management: AI 기반 이상 탐지와 자동 라이트사이징, 약정 추천을 한 곳에서 볼 수 있습니다.

6.3 IaC로 약정까지 코드로 관리하기

약정도 Terraform으로 관리할 수 있다는 거 알고 계셨나요? 버전 관리, 감사 추적, 자동 배포까지 가능해져서 운영 부담이 확 줄어듭니다.

# Terraform - AWS Savings Plan 구매 자동화
resource "aws_savingsplans_plan" "compute_sp" {
  plan_type      = "Compute"
  payment_option = "NoUpfront"
  term           = "OneYear"
  commitment     = "10.00"  # 시간당 $10 약정

  tags = {
    Environment = "Production"
    ManagedBy   = "FinOps-Team"
    CostCenter  = "Engineering"
  }
}

# Terraform - Azure Reservation 구매 자동화
resource "azurerm_capacity_reservation_group" "prod" {
  name                = "prod-reservation-group"
  resource_group_name = azurerm_resource_group.main.name
  location            = azurerm_resource_group.main.location
}

resource "azurerm_capacity_reservation" "web_tier" {
  name                          = "web-tier-reservation"
  capacity_reservation_group_id = azurerm_capacity_reservation_group.prod.id

  sku {
    name     = "Standard_D4s_v5"
    capacity = 4
  }
}

# Terraform - GCP Committed Use Discount 구매 자동화
resource "google_compute_resource_policy" "cud" {
  name   = "prod-cud-policy"
  region = "us-central1"

  group_placement_policy {
    vm_count = 10
  }
}

resource "google_compute_commitment" "prod_commitment" {
  name = "prod-3yr-commitment"
  plan = "THIRTY_SIX_MONTH"
  type = "GENERAL_PURPOSE"

  resources {
    type   = "VCPU"
    amount = "100"
  }

  resources {
    type   = "MEMORY"
    amount = "400"  # GB 단위
  }
}

7. 실전 로드맵: 12주 만에 약정 최적화 끝내기

7.1 단계별 실행 가이드

이론은 충분히 봤으니, 이제 실행 얘기를 해볼까요. 12주 안에 약정 최적화를 체계적으로 세팅하는 로드맵입니다.

Phase 1 (1~3주): 현황 파악

• 각 클라우드의 최근 3~6개월 사용량 데이터 수집
• 워크로드 분류 (Steady State / Variable / Burst)
• 현재 약정 활용률, ESR 측정
• 비용 할당 태깅 체계 점검 및 보완

Phase 2 (4~6주): 전략 짜기

• 클라우드별 최적 약정 유형 결정
• 계층적 약정 비율 설정 (고정 60~70%, 유연 10~20%, 온디맨드/스팟 10~30%)
• ROI 시뮬레이션과 리스크 분석
• 경영진 승인 및 예산 확보

Phase 3 (7~9주): 실행

• 클라우드별 순차적 약정 구매 (한 번에 몰아서 사지 마세요 — 리스크 분산이 중요합니다)
• IaC로 약정 코드화
• 모니터링 대시보드 구축
• 알림 설정 (활용률 85% 미만이면 경고)

Phase 4 (10~12주): 다듬기

• 활용률 모니터링 및 미사용 약정 식별
• 자동화 도구 도입 검토 (ProsperOps, CAST AI 등)
• 월간 FinOps 리뷰 프로세스 확립
• 지속적 개선 사이클 가동

7.2 이것만은 피하세요 — 흔한 실수 5가지

약정 할인 도입 시 많은 조직이 같은 실수를 반복합니다. 미리 알면 피할 수 있어요.

1. 과도한 약정 구매: 사용량 100%를 약정으로 채우고 싶은 유혹이 있지만, 워크로드는 시간이 지나면 변합니다. 60~70%부터 시작해서 점진적으로 늘리세요.
2. 라이트사이징 전에 약정부터 사는 것: 과잉 프로비저닝된 인스턴스에 약정을 걸면, 나중에 사이즈를 줄일 때 약정이 놀게 됩니다. 순서가 중요해요 — 먼저 줄이고, 그 다음에 약정하세요.
3. 한 가지 약정 유형만 고집: 고정형과 유연형을 섞는 계층적 접근이 제일 효과적입니다.
4. 사고 나서 방치: 약정은 구매 후 관리가 생명입니다. 월별로 활용률, 커버리지, ESR을 체크하세요.
5. 아키텍처 변경 계획 무시: 컨테이너화나 서버리스 전환 계획이 있다면, 유연한 약정을 우선 선택하세요. 3년 고정 약정 걸어놓고 반년 뒤에 서버리스로 전환하면... 눈물 납니다.

8. 2026년, 약정 할인은 어디로 향하는가

8.1 AI가 약정까지 알아서 해주는 시대

2026년 가장 주목할 트렌드는 AI 기반 자율 약정 관리의 확산이에요. ML 모델이 과거 사용 패턴을 분석해서 약정을 자동으로 사고, 수정하고, 밸런싱하는 플랫폼이 주류가 되고 있습니다. 수동 관리 없이도 최적 할인율을 유지할 수 있게 된 거죠.

8.2 비용 절감 = 탄소 절감

비용 효율성과 탄소 효율성이 같이 가는 시대가 됐습니다. 최신 클라우드 관리 도구에서는 비용과 탄소 메트릭을 결합한 지속가능성 대시보드가 기본 탑재되어, 약정 전략을 세울 때 환경 영향도 함께 볼 수 있습니다.

8.3 FinOps + 플랫폼 엔지니어링의 만남

FinOps가 플랫폼 엔지니어링과 합쳐지면서, 개발자가 비용 최적화된 인프라를 셀프서비스로 프로비저닝하는 환경이 만들어지고 있어요. 내부 개발자 플랫폼(IDP)에 비용 가드레일과 약정 할인이 자동 적용되니, 개발자는 비용 걱정 없이 인프라를 쓸 수 있게 되는 겁니다.

마무리: 지금 당장 시작하세요

약정 기반 할인은 클라우드 비용 최적화에서 가장 빠르고 확실한 효과를 주는 전략입니다. 제대로 적용하면 30~70% 비용 절감이 가능하고, 이건 조직의 클라우드 ROI를 완전히 바꿔놓을 수 있는 수준이에요.

핵심만 다시 정리하면 이렇습니다.

1. 기본 사용량의 60~70%를 약정으로 커버하는 걸 첫 번째 목표로 잡으세요.
2. 계층적 접근으로 고정형, 유연형, 스팟/온디맨드를 적절히 섞으세요.
3. 라이트사이징 먼저, 약정은 그 다음입니다.
4. ESR, 활용률, 커버리지 — 이 세 가지 KPI는 꼭 추적하세요.
5. FOCUS 표준으로 멀티클라우드 비용 데이터를 통일하세요.
6. 자동화 도구로 수동 관리 오버헤드를 줄이세요.

FinOps Foundation 조사에 따르면, 워크로드 최적화와 낭비 절감이 2026년 FinOps 실무자의 최우선 과제(50%가 선택)입니다. 약정 할인 전략을 체계적으로 세우고 실행하는 건 이 목표를 향한 가장 확실한 첫걸음이에요. 현황 분석부터 시작해보세요 — 생각보다 절감 효과에 놀라실 겁니다.