[2026-05-28 | 오늘의 AI 뉴스 브리핑] 바쁜 당신을 위한 AI 트렌드 총정리

🏢 AI 기업·비즈니스 (13건)

1. 머크와 마스터카드, 에이전트 인공지능 성과의 핵심은 인프라 구축

제약사 머크(Merck)와 결제 서비스 기업 마스터카드(Mastercard)가 에이전트 인공지능(agentic artificial intelligence, agentic AI)을 도입하여 실질적인 성과를 거두고 있다. 두 기업은 이 같은 성공의 배경으로 인공지능 에이전트 도입에 앞서 기반 인프라를 지칭하는 기초 배관(plumbing)을 먼저 구축한 점을 꼽았다. 머크는 에이전트 인공지능을 활용해 의약품 개발 주기를 33% 단축했으며 규제 준수율이 99%에 달하는 마케팅 초안을 자동으로 생성했다. 마케팅 초안 생성 자동화를 통해 수개월이 소요되던 규제 검토 기간을 수일로 줄이고 마케팅 자료 전달 속도를 70%에서 80%가량 높였다. 숀 피너티(Sean Finnerty) 머크 디지털 플랫폼 부문 부사장은 2010년대 클라우드(cloud) 도입 초기의 시행착오를 바탕으로 인프라 우선 전략을 수립했다고 설명했다. 머크는 현재 아마존 웹 서비스(Amazon Web Services, AWS) 계정 2,500개와 마이크로소프트 애저(Microsoft Azure) 구독 서비스, 구글 클라우드 플랫폼(Google Cloud Platform, GCP) 통합 시스템을 지원하는 인프라를 갖추었다. 향후 수천 개의 인공지능 에이전트가 도입될 상황에 대비해 보안, 등록, 데이터 접근 권한을 체계화하고 있다. 데이터브릭스(Databricks)와 아마존 레드시프트(Amazon Redshift)를 비롯해 모델 컨텍스트 프로토콜(model context protocol, MCP)과 에이전트 간 협업(agent-to-agent, A2A) 규격을 통합한 유기적 시스템을 개발 중이다. 마스터카드 역시 사기 분쟁과 대금 청구 취소(chargeback) 절차를 자동화하기 위해 유사한 인프라 중심 전략을 적용했다. 앤드루 라이스킨드(Andrew Reiskind) 마스터카드 최고데이터책임자(chief data officer, CDO)는 노동 집약적인 분쟁 해결 과정을 재구축하는 데 집중하고 있다. 철저한 비용 대비 편익 분석과 리스크 관리를 바탕으로 복잡한 백엔드 시스템을 자동화해 소비자 신뢰를 지켜내겠다고 밝혔다.

기사원문 바로가기

Agentic AI in production: Merck, Mastercard on what works

 

2. 텐서메쉬, 인공지능 모델 메모리 병목 해결 위해 엔비디아·AMD·코어위브로부터 2,000만 달러 투자 유치

인공지능(artificial intelligence, AI) 모델을 실행하는 추론(inference) 과정에서 발생하는 높은 연산 비용과 지연 시간을 해결하려는 시도가 활발하다. 미국 스타트업인 텐서메쉬(Tensormesh Inc.)는 대규모 언어모델(large language model, LLM)이 생성하는 핵심 연산 데이터를 재사용하여 그래픽 처리 장치(graphics processing unit, GPU) 연산 효율을 높이는 기술을 선보였다. 텐서메쉬는 독창적 기술력을 인정받아 엔비디아(Nvidia) 산하 벤처 투자 부문인 엔벤처스(NVentures), 에이엠디(Advanced Micro Devices, AMD) 벤처스, 코어위브(CoreWeave) 등 AI 인프라 대기업으로부터 2,000만 달러 규모 신규 투자를 유치했다. 이번 투자 유치로 누적 투자액은 총 2,450만 달러를 기록했다. 시카고 대학교(University of Chicago) 컴퓨터과학과 조교수인 장쥔천(Junchen Jiang) 최고경영자(chief executive officer, CEO)가 이끄는 텐서메쉬가 보유한 핵심 기술은 키-값 캐싱(Key-Value caching, KV 캐싱) 기법에 기반한다. 사용자가 새로운 질문을 입력할 때마다 GPU가 이전 대화 맥락 전체를 처음부터 다시 계산해야 했던 기존 방식에서 벗어나, 오픈소스(open-source) 프로젝트 엘엠캐시(LMCache)에서 유래한 독자적 기술로 중간 계산 데이터를 저장하고 재사용한다. 학계에서 찬사를 받은 캐시블렌드(CacheBlend) 연구에 기반한 기술은 중복 연산을 제거하여 GPU 비용을 최대 10배 절감하고 지연 시간을 1초 미만으로 단축한다. 텐서메쉬는 투자 유치 발표와 동시에 첫 상용 제품인 서비스형 소프트웨어(software as a service, SaaS) 플랫폼 ‘텐서메쉬 인퍼런스(Tensormesh Inference)‘를 정식 출시했다. 텐서메쉬 인퍼런스는 오픈에이아이(OpenAI) 표준 규격과 호환되는 서버리스 응용 프로그램 인터페이스(application programming interface, API)로 작동하여 기존 시스템에 바로 적용할 수 있으며, 캐싱된 입력 토큰에는 요금을 부과하지 않는 방식으로 비용 부담을 덜었다. 이미 일부 초기 고객사는 70%가 넘는 캐시 적중률을 달성하며 상당한 비용 절감 성과를 확인했으며, 전용 대시보드를 사용해 실시간 캐시 적중 상태와 누적 절감 비용을 손쉽게 확인할 수 있다. 장쥔천 최고경영자는 키-값 캐시가 인공지능 시대를 지탱하는 중요한 대용량 데이터(big data) 계층으로 자리 잡을 것이라고 설명하며, 고성능 하드웨어 환경에서 효율적으로 모델을 운용하도록 투자사인 엔비디아, 에이엠디, 코어위브와의 협력을 공고히 다져가겠다는 포부를 밝혔다.

기사원문 바로가기

Tensormesh taps Nvidia, AMD and CoreWeave for funding to fix AI model memory problems - SiliconANGLE

 

3. 인공지능이 리더를 위해 여전히 대체하지 못하는 리더십의 영역

리더들이 일상 업무에 챗지피티(ChatGPT)와 클로드(Claude) 같은 생성형 인공지능(generative artificial intelligence, generative AI) 도구를 활발히 도입하면서 의사결정을 지나치게 의존하는 문제가 발생한다. 매사추세츠 공과대학교(Massachusetts Institute of Technology, MIT) 슬론 경영대학원(Sloan School of Management) 데보라 안코나(Deborah Ancona) 교수와 캐서린 아이작스(Katherine W. Isaacs) 시니어 강사는 인공지능 기술이 업무 효율을 높일 수 있지만 리더가 지닌 판단력과 진정성을 은밀하게 약화시킨다고 지적했다. 리더가 추구하는 궁극적인 목적 의식과 현장에서 발휘하는 인간적 존재감은 기계로 대체하거나 자동화할 수 없다. 인간 리더십이 발휘하는 강점은 뇌가 신체 내부에서 발생하는 생리적 신호를 감지해 해석하는 내수용 감각(interoception)에서 비롯된다. 리더는 내수용 감각을 바탕으로 데이터로 정량화하기 힘든 조직 내 갈등이나 미묘한 분위기 변화를 감지하며 신속하게 대응한다. 인공지능이 제시하는 정형화된 제안에 맹목적으로 의존하지 않고 고유한 가치관과 주체적인 목소리를 유지할 때 조직 구성원과 형성하는 깊은 유대감과 신뢰를 쌓을 수 있다.

기사원문 바로가기

What AI Still Can’t Do for Leaders

 

4. 스노우플레이크, 시장 전망치 뛰어넘는 호실적과 아마존웹서비스와의 60억 달러 규모 인프라 계약으로 시간외 주가 급등

클라우드 데이터 플랫폼 기업 스노우플레이크(Snowflake)가 시장 전망을 웃도는 분기 실적을 발표하며 시간외 거래에서 주가가 30% 넘게 급등했다. 2026년 4월 30일 종료된 회계연도 2027년 1분기 제품 매출은 전년 동기 대비 34% 늘어난 13억 3,000만 달러를 기록했다. 전체 매출은 13억 9,000만 달러로 시장 전망치인 13억 2,000만 달러를 상회했다. 조정 주당순이익(earnings per share, EPS)은 0.39달러를 달성해 시장 예상치인 0.32달러를 웃돌았다. 실적 성장에 맞춰 아마존웹서비스(Amazon Web Services, AWS)와 5년 동안 60억 달러를 지출하는 클라우드 인프라 파트너십 계약을 맺었다. 계약에 따라 아마존웹서비스가 자체 설계한 인공지능(artificial intelligence, AI) 가속기와 암(Arm) 기반 그래비톤(Graviton) 프로세서를 사용하여 기업용 에이전트 인공지능(agentic AI) 연산을 처리한다. 성장세 지속 전망에 힘입어 연간 제품 매출 목표치를 기존 56억 6,000만 달러에서 58억 4,000만 달러로 올렸다. 에이전트 인공지능용 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 기술을 가진 나토마(Natoma)를 인수하는 계약도 맺었다. 나토마 기술을 접목해 사내 애플리케이션 및 데이터베이스와 안전하게 연결되는 에이전트 인공지능 보안 체계를 세운다. 인수 절차가 끝나면 나토마 기능을 클라우드 플랫폼에 합쳐 고객이 코텍스 에이전트(Cortex Agents)를 안전하게 관리하도록 지원한다.

기사원문 바로가기

Snowflake's stock surges after-hours on solid earnings beat and multibillion-dollar AWS cloud deal - SiliconANGLE

 

5. 에버퓨어, 1분기 실적 호조에도 잉여현금흐름 감소로 주가 7% 하락

과거 퓨어스토리지(Pure Storage Inc.)로 알려졌던 데이터 저장장치 기업 에버퓨어(Everpure Inc.)가 2027 회계연도 1분기 실적 발표 이후 시간 외 거래에서 주가 급락을 겪었다. 에버퓨어가 발표한 분기 매출은 전년 동기 대비 35% 증가한 10억 5,000만 달러로 시장 전망치인 10억 달러를 상회했다. 조정 주당순이익(adjusted earnings per share, EPS)도 47센트를 기록하며 분석가 예상치인 40센트를 웃돌았다. 제품 매출은 55% 급증한 5억 7,700만 달러에 달했고 구독 서비스 매출은 17% 늘어난 4억 7,600만 달러를 기록했다. 조정 매출총이익률은 70.1%를 달성했다. 전년 동기 1,400만 달러 적자에서 흑자로 전환하며 순이익 2,400만 달러를 올렸다. 그러나 잉여현금흐름(free cash flow)이 전년 동기 2억 1,200만 달러에서 1억 1,200만 달러로 감소하면서 주가는 7% 이상 하락했다. 영업활동현금흐름(operating cash flow)도 2억 8,400만 달러에서 1억 8,000만 달러로 후퇴했다. 현금흐름 감소는 자본 지출 확대와 운전 자본 변동에 기인했다. 에버퓨어는 인공지능(artificial intelligence, AI) 및 데이터 관리 플랫폼 기업으로 변화를 추진하며 데이터 보안 규제 관리 기업 원터치아이오(1touch.io Inc.)를 인수했다. 고성능 인공지능 저장장치 시스템 플래시블레이드 EXA(FlashBlade//EXA)는 표준 성능 평가 협회(Standard Performance Evaluation Corporation, SPEC)가 주관한 스토리지 벤치마크 테스트에서 우수한 성적을 기록했다. 에버퓨어는 연간 매출 전망치를 기존 43억\~44억 달러 범위에서 44억 1,000만\~45억 1,000만 달러 범위로 상향 조정했다.

기사원문 바로가기

Everpure beats on revenue and earnings but free cash flow drop sends shares lower - SiliconANGLE

 

6. 마이크로소프트와 델, 급증하는 클라우드 인공지능 비용의 해결책으로 직원 개인용 컴퓨터 주목

마이크로소프트(Microsoft)와 델(Dell)은 기업이 에이전트 인공지능(agentic artificial intelligence, agentic AI)을 도입하며 마주한 클라우드 연산(cloud inference) 비용 부담을 덜기 위해 개인용 컴퓨터(personal computer, PC)를 활용하는 전략을 제시했다. 양사는 미국 라스베이거스에서 개최된 델 테크놀로지스 월드 2026(Dell Technologies World 2026)에서 인공지능 비서가 독자적인 작업을 반복하면서 데이터 사용량이 늘고, 이 과정에서 공공 클라우드 사용료가 감당할 수 없을 만큼 급증하는 현실을 지적했다. 비용 부담을 낮추기 위해 코파일럿 플러스 개인용 컴퓨터(Copilot+ PC)로 인공지능 연산 작업을 분산해 기기 내부에서 직접 처리하는 대안을 내세웠다. 델은 엔비디아 그레이스 블랙웰(Nvidia Grace Blackwell) 반도체를 탑재한 고성능 워크스테이션(workstation)을 통해 데스크사이드 에이전트 인공지능(deskside agentic AI) 체계를 선보였다. 기기 내부에서 인공지능 비서를 직접 구동하면, 공공 클라우드 연산 호출 비용과 비교해 불과 3개월 안에 장비 도입 비용을 회수할 수 있다고 설명했다. 마이크로소프트는 윈도우(Windows) 운영체제를 인공지능 비서 구동을 위한 도화지로 정의하고, 직원이 비용 걱정 없이 기기 내부에서 인공지능 비서를 실험하고 개발할 수 있도록 지원한다. 윈도우 인공지능 파운드리(Windows AI Foundry)와 마이크로소프트 인튠(Microsoft Intune), 마이크로소프트 엔트라(Microsoft Entra) 같은 보안 및 통제 도구를 활용해 개별 직원이 다수의 인공지능 비서를 안전하게 통제할 수 있는 운영 환경도 마련했다. 기기 내부에서 성능과 안정성을 검증한 뒤, 대규모로 서비스를 운영하거나 정밀한 통제가 필요할 때 클라우드나 기업용 데이터 센터로 인공지능 비서를 전송해 구동할 수도 있다.

기사원문 바로가기

Agentic AI PC strategy at Dell and Microsoft - SiliconANGLE

 

7. HP, 기업용 PC 수요 회복과 AI 기기 전환에 힘입어 2분기 깜짝 실적 기록

HP는 기업용 개인용 컴퓨터(personal computer, PC) 수요 회복과 인공지능(artificial intelligence, AI) 기기 전환에 힘입어 시장 전망치를 웃도는 2026 회계연도 2분기 실적을 기록했다. HP가 발표한 2분기(4월 30일 종료) 조정 주당순이익(earnings per share, EPS)은 86센트로, 지난해 같은 기간 달성한 71센트와 자체 전망치인 70\~76센트를 모두 웃돌았다. 2분기 순매출은 지난해 같은 기간보다 9% 늘어난 144억 달러를 기록하며 시장 예상치인 140억 7,000만 달러를 초과했다. 사업 부문 가운데 PC 사업을 포함하는 퍼스널 시스템 매출이 13% 증가한 102억 달러를 기록했고, 이 중 기업용 PC 매출이 14% 늘었으며 소비자용 PC 매출은 10% 증가했다. 인쇄(printing) 부문 매출은 42억 달러로 지난해와 같은 수준을 유지했다. 반면 일반회계기준(generally accepted accounting principles, GAAP)을 적용한 주당순이익은 49센트에 그쳐 기존 전망치인 52\~58센트보다 낮았다. 최고경영자(chief executive officer, CEO)를 교체하며 발생한 비용을 포함하여 총 3억 6,500만 달러 규모 구조조정 비용이 일반회계기준 주당순이익을 낮췄다. 지난 2월 엔리케 로레스(Enrique Lores) 전 최고경영자가 페이팔(PayPal)로 이직한 뒤 이사회 일원이던 브루스 브루사드(Bruce Broussard)가 임시 최고경영자로 취임했다. 브루사드 임시 최고경영자는 인공지능 개인용 컴퓨터(artificial intelligence personal computer, AI PC)와 제트 워크스테이션(Z workstation), 인공지능 기반 인쇄 솔루션을 결합해 미래 업무 환경 전략을 실행하고 있다. 업계 전반에서 인공지능 지원 하드웨어로 전환하는 흐름이 나타나 평균 판매 단가가 올랐고, 높아진 단가가 순매출 성장을 이끌었다. HP는 2026 회계연도 전체 조정 주당순이익 전망치를 2.90\~3.10달러로 좁혀 잡았으며, 잉여현금흐름(free cash flow)은 28억\~30억 달러로 예상했다. 다음 분기인 3분기 조정 주당순이익은 61\~71센트 범위가 될 것으로 전망했다.

기사원문 바로가기

HP beats on Q2 earnings and revenue as commercial PC demand rebounds - SiliconANGLE

 

8. 인공지능 비디오 분석 스타트업 에어리스 랩스, 6,000만 달러 투자 유치하며 공식 출범

정부 기관을 대상으로 비디오 분석(video analysis) 소프트웨어를 개발하는 에어리스 랩스(Airis Labs)가 총 6,000만 달러 투자를 유치하며 공식 출범했다. 에어리스 랩스는 이스라엘 국방 및 정보 부문 출신인 노암 프리드먼(Noam Friedman), 아모스 라하브(Amos Lahav), 로템 아벨레스(Rotem Abeles)가 2023년에 공동 설립한 기업이다. 본사는 미국 워싱턴 D.C. 인근에 있고 이스라엘 텔아비브에서도 연구소를 운영한다. 피에스지 에쿼티(PSG Equity)가 이끈 시리즈 A(Series A) 투자 단계에서 전체 조달액 중 절반을 넘는 3,100만 달러를 유치했다. 티엘브이 파트너스(TLV Partners), 스텝스톤 그룹(Stepstone Group), 레드시드 벤처스(Redseed Ventures)와 더불어 전 멜라녹스 최고경영자 에얄 왈드만(Eyal Waldman) 등 개인 투자자가 투자에 동참했다. 에어리스 랩스는 드론, 폐쇄회로 티비(closed-circuit television, CCTV), 바디캠, 사회관계망서비스(social network service, SNS) 등에서 얻은 비정형 영상 자료를 인공지능(artificial intelligence, AI) 기술로 분석한다. 분석 과정을 거친 영상 자료는 정보 기관이 바로 활용하는 정보로 가공된다. 에어리스 랩스는 자체 가공한 정보 체계를 사용자 생성 현장 정보(user-generated field intelligence, UGFI)로 일컫는다. 확보한 자금은 미국 내 사업 확장, 신규 개발자 채용, 제품 기능 향상에 쓰일 계획이다.

기사원문 바로가기

AI video analysis startup Airis Labs raises $60M - SiliconANGLE

 

9. 엔비디아, 미국 내 제조 압박 속 대만에 연간 1500억 달러 투자 발표로 독점적 생태계 강화

엔비디아(Nvidia) 최고경영자(chief executive officer, CEO) 젠슨 황(Jensen Huang)이 대만을 인공지능(artificial intelligence, AI) 혁명의 진앙지로 키우기 위해 매년 1,500억 달러를 투자하겠다고 발표했다. 대만에 들어설 새 본사(headquarters, HQ)는 2030년 가동을 목표로 올해 첫 삽을 뜬다. 과거 연간 100억에서 150억 달러에 머물던 대만 내 지출은 연간 1,500억 달러까지 불어난다. 엔비디아는 에이전트 인공지능(agentic AI) 기술을 도입하고 인공지능 공장(AI factory)을 세우려는 수요가 폭증해 반도체 공급이 시급해지자, 대만 반도체 제조회사(Taiwan Semiconductor Manufacturing Company, TSMC)와 협력을 한층 깊게 다지려 한다. 미국 현지에서 반도체를 직접 찍어내더라도 첨단 패키징(packaging)을 마치려면 대만 기업을 반드시 거쳐야 하고, 베라 루빈(Vera Rubin)을 비롯한 차세대 시스템 공급망을 안정적으로 굴리는 데도 대만 협력사가 쥔 기술이 빠질 수 없다. 대만 투자 확대는 미국을 인공지능 중심지로 만들겠다는 도널드 트럼프(Donald Trump) 대통령의 정책과 정면으로 부딪친다. 트럼프 행정부는 대만이 미국 반도체 산업을 가로챘다고 몰아세우며 반도체 생산량의 절반을 미국으로 옮기라고 대만 정부를 압박했고, 미 무역대표부(United States Trade Representative, USTR)를 앞세워 수입 반도체에 무거운 관세를 매기려는 움직임을 보인다. 트럼프 행정부가 중국에 수출되는 엔비디아 반도체에 25% 수수료를 물리고 배송 경로를 반드시 미국으로 거치게 강제하자, 중국 기업은 보안 침해를 우려해 제품을 사지 않겠다고 버텼고 현지 시장에서는 역효과만 났다. 젠슨 황은 미국이 밀어붙이는 수출 규제가 거대한 중국 시장을 화웨이(Huawei)를 비롯한 현지 경쟁사에 통째로 넘기는 부작용을 낳아 전략적 실책으로 돌아왔다고 비판했다. 미국 정부가 관세를 올리며 무역 장벽을 세우더라도, 고도화된 반도체 생태계를 쥔 대만 협력사와 손잡지 않고는 엔비디아가 인공지능 산업에서 지배력을 지키기 어렵다는 사실이 이번 투자로 분명해졌다.

기사원문 바로가기

Nvidia bets $150B on Taiwan as Trump's plan to make US an AI hub backfires

 

10. 인공지능을 맞이하는 체외 수정의 미래와 글로벌 기술 산업 동향

미국 매사추세츠 공과대학교(Massachusetts Institute of Technology, MIT)가 발행하는 기술 전문 매체가 체외 수정(in vitro fertilization, IVF) 기술 혁신과 글로벌 인공지능(artificial intelligence, AI) 산업 동향을 짚었다. 40년 동안 체외 수정으로 수백만 명이 태어났지만 높은 비용과 낮은 성공률이라는 한계는 여전하다. 연구진은 인공지능으로 우수한 정자와 배아를 가려내고 로봇으로 시술 과정을 자동화하는 기술을 내놓았으며, 유전병을 막으려 유전자를 편집하는 시도도 이어진다. 이런 기법은 치료 효율을 끌어올리고 환자 접근성을 넓히지만 윤리적 쟁점을 함께 불러온다. 우주 분야에서는 미국 항공우주국(National Aeronautics and Space Administration, NASA)이 2028년 유인 달 착륙에 앞서 무인 달 탐사선 3기를 연내에 쏘아 올린다고 발표했다. 첫 무인 임무는 블루 오리진(Blue Origin)이 이끌고, NASA는 원자력 동력 우주선 개발에도 착수했다. 반도체 시장에서는 수요가 폭증하면서 한국 에스케이하이닉스(SK Hynix)와 미국 마이크론(Micron)이 시가총액 1조 달러를 넘어섰다. 엔비디아(Nvidia)의 인공지능 칩이 미국 규제를 피해 일본을 거쳐 중국으로 밀수됐다는 의혹이 불거지자 대만 당국이 조사에 나섰다. 중국 정부는 예측 치안을 위해 세계 최대 감시망을 인공지능 기반으로 개편하고 스마트 안경 보급도 늘리고 있다. 군사 분야에서는 미국 우주군이 전 세계 센서와 무기 체계를 잇는 군사 데이터 네트워크를 구축하고자 스페이스엑스(SpaceX)와 20억 달러 규모의 계약을 맺었다. 스페이스엑스를 이끄는 일론 머스크(Elon Musk) 최고경영자는 미국 국방부가 규정을 어기고 드론 제어에 스타링크(Starlink)를 활용했다고 주장하며 통신 요금 인상 문제 등을 두고 국방부와 맞서고 있다. 삼성전자는 인공지능 호황으로 불거진 분배 갈등을 풀고자 노조와 성과급 제도를 합의해 파업 위기를 비껴갔다. 인공지능 발달과 신규 코드 급증은 강력한 모델을 둘러싼 경각심과 맞물려 사이버 보안 전문가 수요를 끌어올렸다. 연구소 아지하우스(AGI House) 공동 창업자 제레미 닉슨(Jeremy Nixon)은 인공지능 역량이 종교적 수준의 거대한 변곡점을 부를 것이라고 진단했다.

기사원문 바로가기

The Download: keeping up with AI, and the future of IVF

 

11. 핵심 업무 망치는 인공지능 에이전트에 도입 기업들 비상

기업들이 생성형 인공지능(generative AI)에 이어 차세대 상품으로 주목받은 인공지능 에이전트(AI agent)를 도입했으나 현장에서 치명적인 오류가 잇따른다. 미국 기업 경영진 중 79%가 인공지능 에이전트를 실제 업무에 적용하려 준비 중이지만, 시장조사업체 가트너(Gartner)는 위험을 관리하는 체계가 부족해 프로젝트 중 40%가 실패하리라 전망했다. 네트워크 전문 엔지니어 사얄리 파틸(Sayali Patil)은 느린 네트워크를 복구하도록 설정한 인공지능 에이전트가 트래픽(traffic)이 몰리는 시간대에 서버를 강제로 재부팅해 서비스를 마비시킨 사례를 공유했다. 인공지능 에이전트가 전체 시스템 상태를 제대로 파악하지 못한 채 작동하면서 초기 지연보다 훨씬 큰 장애를 불러왔다. 전자우편 권한을 부여받은 인공지능 에이전트가 외부인이 내린 명령을 그대로 수행하거나 권한이 없는 인물에게 데이터를 전송하는 보안 약점도 드러났다. 성능을 향한 기대와 생산 현장의 실제 사이 괴리가 커지자 인공지능 에이전트가 모든 문제를 해결할 수는 없다는 신중론이 힘을 얻고 있다.

기사원문 바로가기

Companies That Adopted AI Agents Alarmed to Discover They're Botching Incredibly Important Tasks

 

12. 시스코와 오픈AI, 코덱스를 활용해 엔터프라이즈 엔지니어링 재정의

글로벌 정보기술(information technology, IT) 기업 시스코(Cisco)가 오픈AI(OpenAI)의 인공지능(artificial intelligence, AI) 엔지니어링 에이전트 코덱스(Codex)를 도입해 기업 엔지니어링(enterprise engineering) 워크플로(workflow) 전반을 다시 짜기 시작했다. 시스코는 개발 파이프라인(development pipeline)에 코덱스를 곧바로 붙여 인공지능 네이티브 개발의 규모를 키웠다. 복잡한 다중 저장소(multi-repository) 환경에서 코드를 자율적으로 훑은 뒤 컴파일과 테스트, 수정까지 처리하는 에이전트 기능도 끌어다 쓴다. 보안 부서는 취약점을 잡아내고 대응책을 마련하려 인공지능 디펜스(AI Defense) 업무에 코덱스를 투입했다. 시스템 전반의 코드 맥락을 반영한 풀 리퀘스트(pull request) 검토와 보안 결함 자율 복구(defect remediation) 기능도 함께 돌린다. 개발팀은 협업을 바탕으로 수개월이 걸리던 대규모 소스 코드 기능 개발과 테스트 자동화, 마이그레이션(migration) 같은 복잡한 작업 주기를 단 몇 주 수준으로 줄이면서 개발 효율을 크게 끌어올렸다.

기사원문 바로가기

Cisco and OpenAI redefine enterprise engineering with Codex

 

13. 앤트로픽과 오픈AI, 코딩 에이전트를 통한 제품-시장 적합성 확보 및 기업용 요금제 개편

미국 인공지능(artificial intelligence, AI) 스타트업 앤트로픽(Anthropic)과 오픈AI(OpenAI)가 코딩 에이전트(coding agent) 기술로 제품-시장 적합성(product-market fit, PMF)을 확보하면서 본격적인 수익 다각화에 들어갔다. 양사는 막대한 컴퓨팅 인프라 비용에 비해 부진하던 수익성을 끌어올리려 기업용 요금 체계를 손봤다. 앤트로픽은 2025년 11월 기업용 요금제를 사용자당 월 20달러 기본요금에 응용 프로그램 인터페이스(application programming interface, API) 토큰 사용량을 추가로 매기는 구조로 바꿨다. 오픈AI도 2026년 4월 코덱스(Codex)와 챗GPT 엔터프라이즈(ChatGPT Enterprise) 요금제를 기존 메시지당 과금에서 API 토큰 사용량 기반 과금으로 개편하며 같은 흐름에 올라탔다. 여기에 최근 내놓은 최신 프론티어 모델(frontier model) GPT-5.5와 오푸스 4.7(Opus 4.7)의 API 가격을 기존 모델 대비 각각 2배와 1.4배 수준으로 올리며 매출을 끌어올리고 있다. 요금제 개편과 단가 인상의 배경에는 개발 업무 자동화 도구의 높은 사용량이 깔려 있다. 일반 소비자용 요금제로는 대량의 토큰을 쓰는 코딩 에이전트 사용자에게 파격적인 할인 혜택을 주는 셈이어서, 기업 입장에서는 손실이 날 수밖에 없다. 실제로 앤트로픽의 클로드 코드(Claude Code)와 오픈AI 코덱스 사용자는 API 요금 기준 한 달에 약 2,000달러어치 토큰을 소모하지만, 소비자용 구독료로는 단 200달러만 낸다. 반면 기업 고객은 연간 계약에 따라 쓴 토큰 전액을 API 단가로 치르기 때문에 모델 개발사의 매출 증대에 곧바로 기여한다. 앤트로픽은 2026년 2분기에 매출 109억 달러를 올려 첫 분기 흑자를 낼 것이라는 전망이 우세하다. 늘어나는 추론 수요를 감당하려 스페이스X(SpaceX)와 2029년 5월까지 매월 12억 5,000만 달러 규모의 슈퍼컴퓨터 콜로수스(Colossus) 및 콜로수스 2(Colossus II) 컴퓨팅 자원 사용 계약도 체결했다. 양사가 기업 영업 인력 채용에 공격적으로 나선 점도 수익 모델의 중심 요소이 옮겨갔음을 보여준다. 오픈AI와 앤트로픽의 전체 채용 공고 가운데 기업 판매와 기술 지원 직군이 차지하는 비중은 각각 약 32.6%와 26.9%에 이른다. 일부 대기업에서 AI 예산 초과나 라이선스 해지 같은 잡음이 새어 나오지만, 업계는 시장 안착 과정에서 불거지는 단가 저항으로 풀이한다.

기사원문 바로가기

I think Anthropic and OpenAI have found product-market fit

 

🚀 AI 제품·서비스 (10건)

1. 위즈덤에이아이, 서비스형 소프트웨어에 즉시 연동하는 인공지능 분석 도구 출시

자율형 인공지능(artificial intelligence, AI) 업무 비서를 개발해 온 위즈덤에이아이(WisdomAI)가 기업용 애플리케이션에 직접 탑재할 수 있는 데이터 분석 솔루션을 새로 선보였다. 위즈덤에이아이는 서비스형 소프트웨어(software-as-a-service, SaaS) 개발사가 인공지능 분석 및 대화형 기능을 자체 애플리케이션에 편리하게 통합하도록 돕는 ‘임베디드 에이전트 분석(Embedded Agentic Analytics)’ 서비스를 출시했다. 새 솔루션은 대화형 비즈니스 인텔리전스(conversational business intelligence, Conversational BI)와 인공지능 기반 대시보드, 그리고 스스로 데이터 단계를 설계하는 분석 에이전트(analytics agent)를 결합한 통합 패키지로 구성된다. 개발사는 아이프레임(iFrame) 기술을 활용하거나 리액트 소프트웨어 개발 키트(React software development kit, React SDK), 또는 그래프큐엘(GraphQL) 응용 프로그램 인터페이스(application programming interface, API)를 사용해 몇 주 만에 시스템을 편리하게 구축한다. 기존 분석 기법이 겪던 정확성 한계를 보완하기 위해 개별 기업의 독자적 용어나 지표 정의를 스스로 학습하는 적응형 문맥 엔진(Adaptive Context Engine)을 솔루션 안에 탑재했다. 표 형태의 구조화된 데이터뿐만 아니라 문서 파일이나 지식 저장소 같은 비정형 데이터까지 종합적으로 처리하며, 통제된 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 종단점을 열어 분석 에이전트가 통찰을 도출하도록 돕는다. 그뿐만 아니라 가상 사설 클라우드(virtual private cloud, VPC) 환경에 단독으로 시스템을 구축할 수 있고 개인정보 보호 규정도 준수해 보안 요건이 엄격한 기업 고객에게도 적합하다.

기사원문 바로가기

WisdomAI brings plug-and-play conversational AI analytics capabilities to SaaS applications - SiliconANGLE

 

2. 로빈후드, AI 에이전트 전용 주식 거래 및 신용카드 결제 플랫폼 출시

미국 금융 기술 기업 로빈후드 마켓(Robinhood Markets Inc.)은 사용자 대신 주식을 매매하고 상품을 결제하는 인공지능 에이전트(artificial intelligence agent) 전용 플랫폼을 출시했다. 로빈후드 마켓은 에이전트 거래(agentic trading) 베타(beta) 서비스와 가상 에이전트 신용카드(virtual agentic credit card) 기능을 장착해 자동 결제 및 거래를 지원한다. 사용자는 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버를 이용해 외부 인공지능 에이전트를 로빈후드 계정에 직접 연동할 수 있다. 에이전트 거래 기능을 켜면 주식 거래를 위임받은 에이전트가 별도로 분리된 격리 계정 안에서 제한된 자금만 다루게 된다. 로빈후드 마켓은 현재 주식 거래만 지원하지만 앞으로 옵션, 가상자산, 선물 등으로 자산군을 넓힐 계획이다. 로빈후드 골드 카드(Gold Card) 회원은 에이전트에 전용 가상 신용카드 사용 권한을 주어 최저가 상품 검색이나 예약 결제를 지시한다. 로빈후드 마켓은 오작동을 막으려고 거래 내용을 실시간으로 알리고, 결제 전에 사용자가 승인 단계를 거치도록 하며, 비상시 즉각 연동을 끊는 킬 스위치(kill switch) 같은 안전장치를 마련했다. 블라드 테네브(Vlad Tenev) 최고경영자(Chief Executive Officer, CEO)는 이번 플랫폼 출시가 인공지능 시대에 맞춰 금융을 민주화하려는 노력이라고 설명했다. 동시에 인공지능이 예기치 않게 작동하여 투자 손실과 오류가 생길 위험을 알리는 경고도 함께 덧붙였다.

기사원문 바로가기

Robinhood opens its platform to AI agents for trading and credit card spending - SiliconANGLE

 

3. 워프, 지피티-5.5로 여러 개발 환경의 코딩 에이전트 조율

개발자 플랫폼(developer platform) 워프(Warp)는 로컬(local), 클라우드(cloud), 오픈소스(open source) 개발 워크플로(development workflow)에서 코딩 에이전트(coding agent)를 조율하는 데 지피티-5.5(GPT-5.5)와 오픈에이아이(OpenAI)의 여러 모델(model)을 사용한다. 지피티-5.5는 로컬과 클라우드 환경을 연계해 소프트웨어(software) 개발 작업을 자동화한다. 지피티-5.5는 오픈소스 프로젝트의 코드 작성과 점검 작업도 돕는다. 개발자는 여러 작업 환경에서 코딩 에이전트를 조율해 소프트웨어 개발 과정을 더 수월하게 처리할 수 있다.

기사원문 바로가기

Warp’s big bet on building open source with GPT-5.5

 

4. 언랩 데이터(Unravel Data), 데이터브릭스(Databricks)·스노우플레이크(Snowflake)·빅쿼리(BigQuery) 자율 최적화용 에이전트 인공지능(agentic AI) ‘아빅스 AI(Arvix AI)’ 출시

팔로알토(Palo Alto) 기반의 기업 언랩 데이터는 기존 가시성(observability) 및 핀옵스(FinOps) 소프트웨어 분야에서 확장해 기업용 데이터 플랫폼을 자동으로 조정하고 개선하는 자율 최적화 엔진을 개발했다. 이번에 공개한 에이전트 인공지능 시스템인 아빅스 AI는 플랫폼 내부에 내장되어 독자적으로 작업량을 분석한다. 그리고 코드를 재작성하고 인프라 구성을 최적화하며 배포 전 변경 사항을 미리 검증한다. 기존 데이터 관리 솔루션은 데이터브릭스, 스노우플레이크, 구글(Google) 빅쿼리 등의 다중 플랫폼에서 발생하는 복잡한 작업 효율을 높이기 위해 엔지니어가 수동으로 수정해야 하는 추천 엔진(recommendation engine) 형태에 머물렀다. 반면 아빅스 AI를 도입하면 축적한 원격 측정 데이터(telemetry data)를 기반으로 작업량, 인프라, 데이터 집합, 응용 프로그램, 사용자 간의 관계를 지도화한 맥락 그래프(context graph)를 사용해 시스템 문제 원인을 스스로 탐색하고 조치할 수 있다. 기업은 작업 중요도나 서비스 수준 계약 조건에 따라 아빅스 AI에 부여할 자율성 단계를 선택할 수 있다. 오작동을 방지하기 위해 성능 저하가 발생하면 변경 사항을 자동으로 되돌리거나 조정을 축소하는 안전 메커니즘을 적용했다. 아빅스 AI는 기존 플랫폼에 추가 라이선스 비용 없이 기본 기능으로 통합된다.

기사원문 바로가기

Exclusive: Unravel Data launches autonomous optimization engine for Databricks, Snowflake and BigQuery - SiliconANGLE

 

5. 메타, 최초로 유료 인공지능 챗봇 구독 요금제 출시... 월 7.99달러로 경쟁 본격화

메타(Meta)가 사상 처음으로 인공지능(artificial intelligence, AI) 챗봇(chatbot) 유료 구독 서비스를 출시한다. 메타는 소비자 인공지능 부문에서 수익을 얻고자 구글(Google)이나 오픈에이아이(OpenAI)와 직접 경쟁하는 요금제 두 가지를 선보였다. 신규 요금제는 월 7.99달러인 ‘메타 원 플러스(Meta One Plus)‘와 월 19.99달러인 ‘메타 원 프리미엄(Meta One Premium)‘으로 나뉜다. 두 요금제를 이용하면 이미지와 동영상 생성 기능을 더 많이 쓸 수 있다.

기사원문 바로가기

Meta launches AI chatbot subscriptions at $7.99 and $19.99

 

6. 아마존웹서비스, 소매업체 인공지능 쇼핑 도구 구축을 지원하는 에이전트 쇼핑 어시스턴트 출시

아마존웹서비스(Amazon Web Services, AWS)가 소매업체가 온라인 쇼핑몰에 인공지능(artificial intelligence, AI) 기능을 매끄럽게 얹도록 돕는 에이전트 쇼핑 어시스턴트(Agentic Shopping Assistant, ASA)를 내놨다. ASA는 클라우드 기반 인공지능 제품군에 전문 서비스를 묶은 형태다. 출발점은 아마존이 자사 쇼핑몰에 적용한 알렉사 쇼핑 도구(Alexa for Shopping tool)다. 소비자는 이 도구로 제품 가격 변동 추이를 살피거나 상품을 견줘 본다. 아마존은 기존 인공지능 기능으로 지난해 약 120억 달러의 추가 매출을 올렸다고 밝혔다. ASA는 클라우드 기반 기본 모델(foundation model)을 얹은 아마존 베드락(Amazon Bedrock)과 지난해 확장한 인공지능 에이전트 개발 도구 모음인 아마존 베드락 에이전트코어(Amazon Bedrock AgentCore)를 끌어다 쓴다. 여기에 상품 정보 탐색을 거들도록 오픈소스 검색 엔진인 오픈서치(OpenSearch) 관리형 버전도 함께 묶었다. 아마존웹서비스와 손잡은 시스템 통합 기업과 생성형 인공지능 혁신 센터(Generative AI Innovation Center)는 소매업체가 브랜딩과 디자인 규격에 맞춰 인공지능 비서를 세밀하게 손보도록 맞춤형 코드와 기술을 댄다. 이 과정에서 오답이나 부적절한 답변이 나가지 않도록 안전장치도 함께 깔아 둔다. 독자적인 인공지능 애플리케이션을 처음부터 짜려면 보통 수년이 걸리지만, ASA를 끌어다 쓰면 이 기간이 약 60일로 줄어든다. 소매업계는 이번 서비스 출시를 두고 아마존이 자사 물류 네트워크와 산업용 로봇에 이어 전자상거래 핵심 구성 요소를 상용화하려는 행보로 읽는다.

기사원문 바로가기

AWS launches Agentic Shopping Assistant to help retailers build AI tools - SiliconANGLE

 

7. 애저 로컬과 자원 분리형 인프라, 프라이빗 클라우드 경제성의 판도를 바꾼다

메모리와 저장 장치 가격이 오르고 데이터 센터 안에서 인공지능(artificial intelligence, AI) 작업을 처리하라는 압박이 커지자 기업이 프라이빗 클라우드(private cloud) 데이터 센터를 짜는 방식도 달라졌다. 정부나 금융처럼 규제를 받는 산업에서는 법적·지리적 경계 안에 데이터와 운영 체계를 두는 디지털 주권(digital sovereignty)이 필수 요건으로 자리 잡았고, 그 결과 하이브리드 클라우드(hybrid cloud)를 꾸리려는 움직임이 늘었다. 델 테크놀로지스(Dell Technologies)의 케니 로우(Kenny Lowe) 클라우드 플랫폼 기술 전파 부문 총괄과 마이크로소프트(Microsoft)의 라구 벤카타라만(Raghu Venkataraman) 클라우드·인공지능 수석 제품 관리자는 델 테크놀로지스 월드 2026(Dell Technologies World 2026) 행사에서 애저 로컬(Azure Local)을 축으로 한 협력 체계를 공개했다. 두 회사가 손잡고 짠 구조는 기존 하이퍼컨버지드 인프라(hyperconverged infrastructure, HCI)의 한계를 넘어서고자 연산 장치와 저장 장치를 떼어내 따로따로 키울 수 있는 자원 분리형 인프라(disaggregated infrastructure)를 핵심 기술로 삼았다. 자원을 이렇게 나누면 들쭉날쭉하게 일어나는 인공지능 연산 작업을 효율적으로 받아내면서 프라이빗 클라우드 운영 비용도 낮출 수 있다. 여기에 더해 기업은 사내 구축(on-premise) 환경에서 인공지능 추론을 돌리는 파운드리 로컬(Foundry Local)을 쓴다. 파운드리 로컬을 거치면 질문과 답변에 담긴 데이터가 외부로 새어 나가지 않아 기업이 자산 통제권을 지킬 수 있다. 마이크로소프트가 내놓은 클라우드 연결 관리 기술 애저 아크(Azure Arc)까지 붙이면 인터넷이 끊긴 물리적 폐쇄망 환경에서도 퍼블릭 클라우드와 같은 관리 화면으로 사내 자원을 한결같이 운영할 수 있다.

기사원문 바로가기

Azure Local deployments deliver digital sovereignty - SiliconANGLE

 

8. 코전트 시큐리티, 인공지능 악용 공격에 대응하는 자율 취약점 대응 도구 출시

에이전트 인공지능(agentic artificial intelligence, agentic AI) 기반 취약점 관리(vulnerability management) 스타트업 코전트 시큐리티(Cogent Security)가 기업 보안 취약점 대응 속도를 크게 줄여 주는 신규 플랫폼 기능 두 가지를 내놓았다. 이번에 공개한 제로 데이 대응(Zero Day Response)과 자율 치료(Autonomous Remediation)는 인공지능 악용 공격으로 공격 주기가 몇 분 단위까지 짧아진 보안 환경을 겨냥한다. 코전트 시큐리티 공동 창업자이자 최고경영자(chief executive officer, CEO)인 비니트 에듀푸간티(Vineet Edupuganti)는 기존 취약점 검사 도구가 위협 속도를 따라잡지 못한다고 짚었다. 기업 연구 보고서를 보면 취약점 공개 뒤 실제 공격 도구가 나오기까지 걸리는 시간이 125.3일에서 0.5일로 급격히 줄었다. 기존 보안 검사 서명이 배포되기 전에 이미 핵심 취약점의 62%를 악용하는 공격 도구가 유포되면서 지연 문제가 불거졌다. 제로 데이 대응은 공식 보안 권고가 나오기 전 단계에서도 소프트웨어 구성 요소를 분석해 보안 노출 여부를 분 단위로 가려낸다. 자율 치료는 에이전트 인공지능으로 짠 보안 패치 계획이 시스템에 미치는 영향을 따져 보는 사전 검사(preflight)를 거친다. 보안 담당자는 위험도에 맞춰 수동 승인부터 전면 자동 적용까지 자율 조치 수준을 정책으로 조정한다. 구글 딥마인드(Google DeepMind)와 어브노멀 시큐리티(Abnormal Security) 출신 연구원들이 세운 코전트 시큐리티는 베인 캐피털 벤처스(Bain Capital Ventures)와 그레이록 파트너스(Greylock Partners) 등에서 투자를 받았다.

기사원문 바로가기

Cogent Security launches autonomous vulnerability response tools as AI-assisted exploits outpace scanners - SiliconANGLE

 

9. 도플, 피싱 공격 인프라를 무력화하는 에이전트 기반 인공지능 이메일 보안 솔루션 출시

소셜 엔지니어링(social engineering) 방어 전문 기업 도플(Doppel Inc.)이 피싱(phishing) 공격을 떠받치는 근본 인프라(infrastructure)를 무력화하는 신규 보안 솔루션을 내놓았다. 새로 개발한 ‘도플 이메일 보안(Doppel Email Security)’ 솔루션은 개별 피싱 이메일을 격리·차단하던 기존 방식에서 벗어나 에이전트 기반 인공지능(agentic artificial intelligence, agentic AI) 기술로 공격 경로를 역추적한다. 도플은 에이전트 기반 인공지능으로 수신 이메일 발신자의 행동과 위협 인프라 지도 데이터를 함께 분석해 공격 근원지를 짚어내고, 악성 도메인과 위장 프로필, 복제된 로그인 페이지를 포함한 공격 캠페인 전체를 한꺼번에 무력화한다. 보안 분석가는 도플 360 위협 그래프(Doppel 360 Threat Graph) 위에서 돌아가는 시스템 구조 덕분에 기계 학습(machine learning) 모델이 내놓는 불투명한 판단 대신 근거가 분명한 탐지 기준을 직접 확인한다. 보안 담당자는 복잡한 코드를 짜는 대신 일상적인 자연어로 탐지 규칙을 지시하고 관리할 수 있어 운영 부담을 줄였다. 기업은 신제품을 기존 디지털 위험 보호(Digital Risk Protection, DRP)·인적 위험 관리(Human Risk Management, HRM) 솔루션과 묶은 하나의 통합 플랫폼으로 쓰면서, 모든 소셜 엔지니어링 공격 경로를 한꺼번에 통제한다. 도플은 공격자가 떠안아야 하는 캠페인 실행 비용을 최대로 끌어올리고 반복적인 위협을 원천에서 끊는다는 목표를 세웠으며, 현재 대기자 명단을 받아 신제품을 공급하고 있다.

기사원문 바로가기

Doppel launches agentic email security to disrupt phishing campaigns at the source - SiliconANGLE

 

10. 토크데스크, 소매 및 금융 분야 위한 선제적 AI 에이전트 출시

미국 팰로알토에 본사를 둔 컨택센터 기업 토크데스크(Talkdesk)가 소매 및 금융 서비스 분야에 특화한 선제적 인공지능(artificial intelligence, AI) 에이전트를 내놓았다. 이번 출시로 사업 영역을 수신(inbound) 문의 처리 플랫폼에서 자율 발신 고객 소통 플랫폼으로 넓혔다. 새 에이전트는 토크데스크 고객 경험 자동화(Customer Experience Automation, CXA) 플랫폼에 탑재되고, 고객사는 템플릿 기반 다중 에이전트 워크플로(multi-agent workflow)로 손쉽게 구성하고 배포할 수 있다. 소매 분야용 에이전트는 전자상거래에서 자주 일어나는 장바구니 이탈(cart abandonment) 복구와 대규모 제품 리콜(product recall) 대응에 집중한다. 소비자가 결제 없이 장바구니를 떠나면 음성이나 디지털 채널로 곧장 연락해 맞춤 상품을 추천하고 결제를 마치도록 돕는다. 제품 리콜이 발생하면 고객에게 직접 연락해 교환이나 환불 절차를 안내한다. 금융 분야용 에이전트는 대출 사전 심사(loan pre-qualification), 예금 유치, 초기 채권 회수(early-stage collection) 등 세 가지 업무를 자동화한다. 대출에 필요한 정보를 수집하고 규제 고지 사항을 전달해 심사 기간을 줄이며, 연체 초기 고객에게는 법률이 허용하는 범위에서 맞춤 연락을 보내 연체가 깊어지기 전에 채권을 회수한다. 기업 간 경쟁도 거세다. 세일즈포스(Salesforce)는 에이전트포스(Agentforce)로 계약 2만 9,000건을 확보하며 연간 반복 매출(annual recurring revenue, ARR) 8억 달러를 달성했고, 젠데스크(Zendesk)는 포도트(Forethought)를 인수했다. 시에라(Sierra)는 설립 7분기 만에 연간 반복 매출 1억 달러를 넘어섰다. 경쟁사들이 수신 문의 해결에 매달리는 반면, 토크데스크는 고객에게 먼저 전화를 걸어 대화를 시작한다. 다만 금융권에 적용되는 엄격한 발신 규제를 지켜야 하고, 고객이 에이전트 전화를 스팸으로 오인해 거부감을 느낄 위험도 남아 있다. 2011년 티아구 파이바(Tiago Paiva)가 세운 토크데스크는 투자금 총 4억 9,800만 달러를 유치했고, 기업 가치는 100억 달러에 이른다. 파이바 최고경영자(CEO)는 이번 신제품으로 소매 및 금융 서비스 리더들이 시장에 단순히 대응하는 데 그치지 않고 시장 흐름을 직접 주도하게 된다고 강조했다. 크레딧 유니언 원(Credit Union 1) 소속 가렛 요레비치(Garrett Jorewicz) 부사장은 새로운 기술에 투자하지 않는 쪽이 오히려 금융 기관에 더 큰 위험을 안긴다고 경고했다. 크레딧 유니언 원과 함께 엠프라이즈 은행(Emprise Bank), 머천츠 은행(Merchants Bank), 타운은행(TowneBank) 등이 토크데스크 플랫폼을 쓰고 있다.

기사원문 바로가기

Talkdesk launches proactive AI agents for retail and banking

 

🔬 AI 연구·기술 (8건)

1. 중국 인공지능 기업 미니맥스, 새로운 희소 주의집중 기술로 장문 맥락 반응 속도 15.6배 높인 M3 모델 예고

중국 인공지능(artificial intelligence, AI) 기업 미니맥스(MiniMax)가 대규모 언어모델(large language model, LLM) M2 시리즈 기술 보고서를 발표하고 차세대 M3 시리즈를 예고했다. 개발 중인 M3 시리즈는 독자적 서브 이차 프레임워크(sub-quadratic framework) 기반으로 작동한다. 새로운 희소 주의집중(sparse attention) 메커니즘을 적용한 M3 시리즈는 100만 토큰에 달하는 긴 맥락에서도 디코딩(decoding) 속도를 최대 15.6배까지 높인다. 미니맥스는 연산 효율을 높여 초장문 맥락을 지원하는 인공지능 에이전트(AI agent)를 경제적으로 배포할 수 있도록 M3 시리즈를 설계했다. 함께 공개된 M2 시리즈 기술 보고서에 따르면 M2 시리즈는 희소 전문가 혼합(sparse Mixture-of-Experts, MoE) 구조를 갖춘 트랜스포머(transformer) 디코더 기반으로 작동한다. 전체 매개변수(parameter)는 2,299억 개에 달하지만 토큰 하나당 미세 전문가 256개 중에서 매개변수 98억 개만 활성화하여 연산 부담을 크게 낮췄다. 라우팅 효율을 높이기 위해 시그모이드 게이팅(sigmoid gating)과 전문가별 학습 가능한 편향 값을 도입하여 보조 손실에 의존하는 정도를 줄였다. 기존 M2 모델은 모든 레이어 62개에서 그룹 쿼리 주의집중(Grouped Query Attention, GQA) 기술과 멀티헤드 주의집중(multi-head attention) 기술을 일관되게 적용했다. 일반적인 전체 주의집중 메커니즘은 입력하는 텍스트가 길어질수록 연산량이 기하급수적으로 늘어나는 이차 스케일링(quadratic scaling) 한계를 보인다. 기존 서브 이차 스케일링 방식은 연산 비용을 줄여 주지만 정확도가 낮아지는 단점이 있었다. 미니맥스는 차세대 M3을 통해 연산 효율과 연산 정확도가 충돌하는 문제를 극복하고자 한다.

기사원문 바로가기

MiniMax teases M3 model with new sparse attention mechanism, 15.6X long-context response speed boost

 

2. 엔비디아(NVIDIA), 에이전트 환경 수정 없이 강화학습 돕는 프레임워크 ‘폴라’ 공개

엔비디아(NVIDIA) 연구진이 에이전트 하네스(agent harness)를 고치지 않고 강화학습(reinforcement learning)으로 언어 에이전트(language agent)를 학습시키는 롤아웃 프레임워크(rollout framework) ‘폴라(Polar)‘를 개발했다. 폴라는 에이전트 하네스와 추론 서버(inference server) 사이에 모델 API 프록시(model API proxy)를 배치하여 토큰 수준 상호작용을 포착하고 학습용 궤적(trainer-ready trajectory)을 다시 구성하도록 설계되었다. 연구진이 큐원 3.5 4B(Qwen3.5-4B) 기본 모델에 집단 상대 정책 최적화(group relative policy optimization, GRPO)를 적용해 성능을 시험한 결과, 소프트웨어 엔지니어링 검증 벤치마크(SWE-bench Verified) 1회 시도 성공률(pass@1)이 코덱스(Codex) 하네스 기준 22.6포인트, 클로드 코드(Claude Code) 기준 4.8포인트, 파이(Pi) 기준 6.2포인트 올랐다. 폴라는 니모 짐(NeMo Gym) 환경으로 등록되었으며 ProRL 에이전트 서버(ProRL Agent Server) 저장소에 공개되었다.

기사원문 바로가기

NVIDIA Releases Polar, a Token-Faithful Rollout Framework for GRPO Training Across Codex, Claude Code, and Qwen Code

 

3. 아티피셜 애널리시스와 IBM, 기업용 IT 에이전트 성능 평가 벤치마크 ‘ITBench-AA’ 공동 출시

인공지능(artificial intelligence, AI) 평가 기관인 아티피셜 애널리시스(Artificial Analysis)와 IBM 소프트웨어 혁신 연구소가 기업용 IT 환경에서 작동하는 AI 에이전트(agent)를 평가하는 첫 벤치마크(benchmark)인 ‘ITBench-AA’를 출시했다. ITBench-AA는 사이트 신뢰성 공학(site reliability engineering, SRE) 업무를 시작으로 금융 운영이나 정보보호책임자 업무 등으로 평가 범위를 넓힐 계획이다. 첫 평가인 사이트 신뢰성 공학 부문에서 클로드 4.7 오퍼스(Claude 4.7 Opus)를 비롯한 최첨단 AI 모델들이 모두 50% 미만의 낮은 성적을 기록했다. 클로드 4.7 오퍼스가 47%로 가장 높은 점수를 받았으며 지피티-5.5(GPT-5.5)가 46%, 큐웬 3.7 맥스(Qwen 3.7 Max)가 42%로 뒤를 이었다. 공개 가중치 모델 중에서는 지엘엠-5.1(GLM-5.1)이 40%를 득점하여 제미나이 3.5 플래시(Gemini 3.5 Flash)와 성적이 같았다. 젬마 4 31비(Gemma 4 31B)는 작업당 0.14달러라는 저렴한 비용으로 37%의 성적을 냈다. 평가 방식은 쿠버네티스(Kubernetes) 가상 환경에서 발생한 장애 스냅숏(snapshot)을 제공하고 AI 에이전트가 셸(shell) 명령어로 로그와 지표를 읽어 장애를 유발한 근본 원인을 찾아내게 하는 형태다. 에이전트가 탐색을 너무 길게 하거나 과도하게 조사하면 오히려 관련 없는 요소를 장애 원인으로 지목하여 정밀도(precision) 점수가 깎였다.

기사원문 바로가기

ITBench-AA: Frontier Models Score Below 50% on the First Benchmark for Agentic Enterprise IT Tasks — by Artificial Analysis an

 

4. 대규모 언어모델(large language model, LLM) 추론(inference) 시 발생하는 어텐션 드리프트(attention drift) 현상을 해결하여 서빙 안정성을 강화한 추측성 해독(speculative decoding) 알고리즘 이글 3.1(EAGLE 3.1) 공개

대규모 언어모델(large language model, LLM) 추론(inference) 속도를 높이기 위해 소형 초안 모델(draft model)과 대형 대상 모델(target model)을 함께 사용하는 추측성 해독(speculative decoding) 기술은 연구와 실제 운영 시스템에서 널리 쓰이고 있다. 브이엘엘엠(vLLM) 팀과 토치스펙(TorchSpec) 팀, 그리고 이글(EAGLE) 개발 팀은 실제 운영 환경에서 발생하는 추측성 해독의 불안정성 문제를 해결하고자 이글 3.1(EAGLE 3.1)을 공동으로 출시했다. 추측성 해독 기법은 통제된 환경에서 우수하게 작동하나, 대화 템플릿(chat template)이나 분포 외(out-of-distribution) 시스템 프롬프트가 달라지거나 입력 컨텍스트가 길어지면 성능이 저하되는 한계가 있었다. 연구진은 성능 저하가 일어나는 원인으로 해독 깊이가 깊어질수록 초안 모델이 싱크 토큰(sink token) 대신 자신이 생성한 이전 토큰에 점차 집중하는 어텐션 드리프트(attention drift) 현상을 지목했다. 어텐션 드리프트 현상은 상위 레이어의 은닉 상태(hidden state)가 초안 모델 입력의 대부분을 차지하여 융합 입력 표현의 불균형이 커지고, 정규화되지 않은 잔차 경로(residual path)로 인해 해독 단계가 진행될수록 은닉 상태 크기가 비대해지면서 발생한다. 은닉 상태 크기가 누적되어 커질수록 깊은 해독 단계에서 초안 모델의 안정성이 급격히 떨어진다. 새로 공개된 이글 3.1은 어텐션 드리프트를 방지하기 위해 두 가지 구조적 개선을 도입했다. 첫째로 대상 모델로부터 전달받은 각 은닉 상태 뒤이자 FC(fully connected) 레이어 직전에 FC 정규화(FC normalization)를 적용하여 은닉 상태 크기가 누적되어 증가하는 현상을 방지했다. 둘째로 정규화를 거친 은닉 상태를 다음 해독 단계의 입력으로 다시 전달하는 포스트 노름 은닉 상태 피드백(post-norm hidden-state feedback) 구조를 설계하여 초안 모델이 여러 단계를 거쳐 재귀적으로 작동하도록 만들었다. 새로운 구조 덕분에 학습 환경과 추론 환경 간의 외삽 성능이 개선되었고, 대규모 입력 맥락에서의 강건성이 한층 강해졌다. 입력 맥락이 긴 작업 환경에서는 이글 3에 비해 수용 길이(acceptance length)가 최대 2배 늘어났으며, 다양한 대화 템플릿과 시스템 프롬프트가 변화하는 환경에서도 안정적인 성능을 입증했다. 연구진이 스피드벤치(SPEED-Bench) 코딩 데이터셋을 활용해 키미 K2.6(Kimi K2.6) 초안 모델을 평가한 결과, 동시성(concurrency)이 1일 때 사용자당 출력 처리량(throughput)이 기존 추론 방식에 비해 2.03배 빨라졌다. 동시 사용자가 4명인 환경에서는 1.71배, 16명인 환경에서는 1.66배 속도가 향상되어 대규모 실제 서빙 환경에서도 속도 개선 효과가 뛰어남이 입증되었다. 이글 3.1 초안 모델은 허깅페이스(HuggingFace)에 공개되었으며, 기존 이글 3 체크포인트와의 호환성을 유지하여 기존 시스템에 즉시 적용할 수 있다. 토치스펙 기반의 효율적인 학습 도구를 지원하여 연구와 상용화 개발 주기를 단축했고, 이미 브이엘엘엠 공식 소스 코드에 통합되어 브이엘엘엠 v0.22.0 버전부터 안정적으로 제공된다.

기사원문 바로가기

Meet EAGLE 3.1: The Speculative Decoding Algorithm That Fixes Attention Drift in LLM Inference

 

5. 화웨이와 공동 연구진, AI 에이전트의 실질적 디지털 비서 능력을 검증하는 신규 벤치마크 ‘클로에니싱’ 개발 및 성능 평가 결과 발표

화웨이 테크놀로지스(Huawei Technologies)와 베이징 이공대학교(Beijing Institute of Technology), 베이징대학교(Peking University), 중국과학원(Chinese Academy of Sciences) 공동 연구진이 인공지능(artificial intelligence, AI) 에이전트(agent)의 실무 처리 역량을 가늠할 새 벤치마크(benchmark) ‘클로에니싱(Claw-Anything)‘을 내놨다. 평가는 3개월 이상 누적된 모의 사용자 활동 기록을 토대로 한 장기 이벤트 스트림, 평균 10.1개에 이르는 백엔드 서비스 연동, 명령줄 인터페이스(command line interface, CLI) 기반 리눅스와 그래픽 사용자 인터페이스(graphical user interface, GUI) 기반 안드로이드를 오가는 다중 기기 상호작용으로 짜였다. 과제당 평균 컨텍스트 창(context window) 규모는 기존 평가 방식의 수십 배인 19만 1,700 단어에 달했고, 측정 결과 최신 AI 모델은 실제 비서 업무에서 뚜렷한 한계를 드러냈다. OpenAI의 대표 모델 GPT-5.5는 첫 시도 성공률(pass@1) 34.5%를 기록했고, 앤스로픽(Anthropic)의 클로드 오푸스 4.7(Claude Opus 4.7)은 31.8%에 그쳤다. 사용자 요구를 먼저 읽고 움직이는 선제적 지원 항목에서는 성공률이 6.7%까지 떨어져, 단순 반응형 과제 성공률 25.9%에 한참 못 미쳤다. 상호 의존적인 서비스를 조율하는 도구를 빼고 진행한 실험에서는 과제 성공률이 0%에 가깝게 내려앉아, 다중 서비스 조율이 AI 에이전트의 핵심 난제임을 다시 확인시켰다. 연구진은 2,000개 학습 환경을 담은 자동 데이터 생성 파이프라인도 함께 공개했다. 오픈소스 모델 큐웬3.5-27B(Qwen3.5-27B)에 1,500개의 에이전트 실행 궤적을 추가로 학습시키자 첫 시도 성공률이 23.7% 올라, 상용 폐쇄형 모델 클로드 소네트(Claude Sonnet)의 성능을 앞질렀다. 공동 연구진은 데이터셋을 허깅페이스(Hugging Face)에, 소스코드를 깃허브(GitHub)에 각각 올렸다.

기사원문 바로가기

Huawei's New Benchmark Gives AI Agents Months of Your Life—Then Watches Them Fail - Decrypt

 

6. 거대 언어모델 매개변수 수정 없이 새로운 지식을 학습시키는 모듈형 프레임워크 메모(MEMO) 개발

정보기술이 빠르게 바뀌면서 사전 학습을 마친 거대 언어모델(large language model, LLM)의 지식을 최신 상태로 유지할 필요성이 커졌다. 검색 증강 생성(retrieval-augmented generation, RAG)은 검색 잡음에 취약하고, 미세조정(fine-tuning)은 파괴적 망각을 일으킨다는 한계가 있다. 싱가포르 국립대학교(National University of Singapore, NUS)와 매사추세츠 공과대학교(Massachusetts Institute of Technology, MIT) 컴퓨터과학 인공지능 연구소(Computer Science and Artificial Intelligence Laboratory, CSAIL), 싱가포르 과학기술연구청(Agency for Science, Technology and Research, A*STAR) 공동 연구진은 매개변수(parameter)를 손대지 않는 모듈형 프레임워크 메모(Memory as a Model, MEMO)를 내놓았다. 메모는 원본 문서의 지식을 모델 자체에 새겨 넣는 독립된 기억 모델(memory model)과 추론을 맡는 실행 모델(executive model)이라는 두 역할로 나뉜다. 기억 모델은 대상 말뭉치의 사실과 관계를 학습한 소형 언어모델이고, 실행 모델은 얼어붙은 상태에서 기억 모델에 세부 질문을 던져 답을 끌어낸다. 기억 모델을 구축할 때는 사실 추출, 정리, 검증 및 재작성, 개체 표면화, 교차 문서 종합(cross-document synthesis)까지 다섯 단계 파이프라인을 거쳐 질문-답변 데이터를 만든다. 추론은 세 단계 프로토콜에 따라 흘러간다. 실행 모델이 사용자 질문을 식별 제약 조건이 담긴 개별 하위 질문으로 쪼갠 뒤, 기억 모델의 답을 토대로 후보 개체를 좁히고 최종 답을 합성한다. 기억 모델의 답이 간결한 자연어 조각으로 나오므로 검색 비용이 말뭉치 크기에 비례해 늘지 않는다. 새 지식 말뭉치를 추가할 때도 전체 재학습 없이 모델 병합 기법으로 여러 기억 모델을 묶어 연산 비용을 줄일 수 있다. 성능 평가에서 큐원(Qwen)을 기억 모델로, 제미나이(Gemini)를 실행 모델로 두자 내러티브큐에이(NarrativeQA) 벤치마크에서 53.58%의 정확도가 나와 기존 방법을 앞섰다. 연구진은 매개변수를 직접 건드리지 않고도 외부 지식을 안정적으로 결합하는 효율적인 기술을 제시했다고 밝혔다.

기사원문 바로가기

MEMO: A Modular Framework for Training a Dedicated Memory Model on New Knowledge Without Modifying LLM Parameters

 

7. 쏘트웍스, 의료 R&D 실무를 위한 ‘딥 리서치 에이전트’ 구축 교훈과 설계 전략 발표

신약 개발과 검증에는 보통 26억 달러(USD)가 넘는 막대한 재원이 들어간다. 게다가 의약 R&D 연구의 절반가량은 유용한 지식이 이미 세상에 나와 있어도 정보 접근망이 끊겨 사전 근거를 확인하지 못한 채 같은 작업을 되풀이한다. 쏘트웍스(Thoughtworks)의 사랭 쿨카르니(Sarang Kulkarni) 연구팀은 문제를 풀려고 헬스케어 R&D 실무에 바로 쓸 수 있는 딥 리서치 에이전트(deep research agent)를 설계해 보급했다. 연구팀은 과거 비정형 데이터를 분석하려고 검색증강생성(retrieval augmented generation, RAG) 기술을 대화형 서비스에 먼저 도입했다. 뒤이어 복잡한 다단계 질문을 풀기 위해 에이전트 RAG(agentic RAG) 단계를 더했고, 마지막에는 시스템 구조를 넓혀 에이전틱 RAG++(agentic RAG++) 형태로 진화시켰다. 에이전틱 RAG++ 시스템은 명확화 루프(clarification loop), 연구 루프(research loop), 작성 루프(writing loop)의 3단계 구조로 돈다. 연구 루프는 인지, 계획 수립, 실행, 반성, 조정을 거치는 순환 주기를 맡고, 작성 루프는 보고서 집필과 사후 검토에 무게를 둔다. 초기 에이전트 모델은 RAG와 텍스트 투 에스큐엘(text-to-SQL) 두 도구를 함께 썼다. RAG 도구로는 가중치 기반 하이브리드 검색(weighted hybrid search)을 돌려 컨텍스트 조각 20개를 뽑아낸 뒤 재순위화 필터(re-ranker)로 다시 정렬했고, 마지막으로 추린 7개 정보만 참조하게 했다. 텍스트 투 에스큐엘 도구는 데이터베이스 질의 언어(structured query language, SQL) 오류 메시지를 대규모 언어모델(large language model, LLM)에 다시 넣는 방식으로 실행 정확도를 보정했다. 쿨카르니는 오랜 시간이 걸리는 복잡한 작업(long-horizon task)에서 나타나는 실패 요인을 체계로 정리했다. 장기 작업이 지닌 불안정성을 통제하려면 명시적인 생각 및 행동 루프(think-act loop)를 끼워 넣어야 한다. 연구팀은 연구 전 계획 수립, 연구 완료 뒤 검증, 보고서 갱신 단계를 단일 파이프라인으로 엮어 작업 흐름을 안정적으로 통제했다. 앤스로픽(Anthropic)의 생각 도구(think tool) 같은 장치는 추론에 필요한 의도적 멈춤을 공식화하면서 연산 정확도를 다잡는 데 쓸모가 있다. 여러 연산이 복잡하게 얽힐 때 의사결정이 끊어지는 현상은 데이터의 단순 정합성을 살피는 수준에 그치지 않고 전체 처리 경로의 유효성을 진단하는 과정 반성(process reflection) 기법을 더해 보완했다. 수집한 연구 결과물이 최종 보고서 단계에서 누락되는 합성 공백(synthesis gap) 문제는 초안 작성 루프(draft writing loop)에 재작성 단계를 배치해 풀었다. 자율적인 인공지능 에이전트의 신뢰성과 책임감을 보장하려면 도구 구성, 메모리 저장 체계, 검증 체계, 피드백 순환 구조를 묶어 조율하는 하네스 엔지니어링(harness engineering) 기법이 핵심 대안으로 떠오르고 있다. 하네스 엔지니어링은 단순 프롬프트 작성 수준에 머무르지 않고 에이전트가 작업을 자동으로 실행하는 성능 자체를 최적화하는 데 집중한다. 에이전트는 궁극적으로 인공지능 모델과 하네스의 결합체로 구성되므로, 두뇌 역할을 하는 모델 성능이 고도화될수록 제어 계층인 하네스 구조는 한결 단순해진다.

기사원문 바로가기

Sarang Kulkarni on Lessons from Building Deep Research Agents in Production

 

8. 오픈AI와 스라이브 홀딩스, 코덱스를 활용해 스스로 성능을 개선하는 세무 인공지능 에이전트 개발

오픈AI(OpenAI)와 스라이브 홀딩스(Thrive Holdings) 기술 연구진이 세무 연합체 크리트(Crete)와 손잡고 코덱스(Codex)를 토대로 스스로 성능을 끌어올리는 세무 인공지능(artificial intelligence, AI) 에이전트(agent) 세무 AI(Tax AI)를 내놨다. 30개 이상의 회계 법인이 참여한 크리트 네트워크에서 신고서 7,000건 이상을 시범 운영하자, 세무 전문가들은 신고 소요 시간을 약 3분의 1로 줄이고 처리량을 50%가량 늘렸다. 초기 작동 단계에서 25%에 머물던 신고 정확도는 몇 주 만에 97%까지 뛰었다. 연구진은 시스템이 스스로 성능을 고도화하도록 세 가지 핵심 요소로 짜인 순환 체계를 설계했다. 첫째, 세무 전문가가 실시간으로 오류를 바로잡아 피드백을 보낸다. 둘째, 원본 문서와 추출한 입력값, 세무 엔진 매핑 정보, 사람이 바로잡은 내역, 최종 제출값까지 전체 세무 처리 과정을 실행 기록(production trace)으로 붙잡는다. 셋째, 오류가 잡히면 코덱스 모델이 실행 기록을 살펴 실패 유형을 구조화하고, 맞춤형 평가(evaluation) 체계를 짜며, 코드를 스스로 고친 뒤 회귀 테스트(regression test)로 검증해 실제 운영 환경에 배포한다. 연구진은 사람이 일일이 코드를 손보던 기존 방식에서 벗어나, 실제 운영 과정에서 쌓인 정보를 성능 향상에 곧바로 녹여 넣는 결과 공학(outcome engineering)을 구현했다.

기사원문 바로가기

Building self-improving tax agents with Codex

 

⚖️ AI 산업·정책 (1건)

1. 미국 정부, 정보기관 인공지능 역량 강화 위해 90억 달러 규모 엔비디아 슈퍼칩 도입 추진

미국 정부가 정보기관의 인공지능(artificial intelligence, AI) 기술 경쟁력을 끌어올리고자 90억 달러(한화 약 12조 3,000억 원) 규모의 엔비디아(Nvidia) 슈퍼칩 구매 예산을 승인했다. 비공개로 제출된 예산안은 중앙정보국(Central Intelligence Agency, CIA)과 국가안보국(National Security Agency, NSA)이 앤트로픽(Anthropic)이나 오픈AI(OpenAI) 같은 민간 정보기술 기업의 최신 AI 모델 구동 성능을 빠르게 따라잡도록 돕는 데 초점을 맞췄다. 도입 대상 장비는 엔비디아 그레이스 블랙웰(Grace Blackwell) 슈퍼칩 제품군인 ‘GB10’으로, 넉넉한 메모리 용량과 높은 전력 효율을 갖춰 매개변수 700억 개 수준의 거대 모델을 미세조정(fine-tuning)하기에 알맞다. 미국 의회 승인을 앞둔 예산안은 군과 정보기관이 국가 안보 위협으로도 번질 수 있는 AI 모델을 배포하기 전에 안전성을 검증하고 통제하려는 의도에서 마련했다. 반도체 칩 확보와 데이터센터 확장 과정에서 빚어지는 공백을 메우려고 미국 정부는 국방부 예산에서 8억 달러를 연산 자원 대여에 임시 배정했다. 공급망 안전을 위협한다는 지적에도 정보기관들은 앤트로픽이 개발한 대규모 언어모델(large language model, LLM)인 ‘미토스(Mythos)‘를 계속 쓰고 있다. 아마존 웹서비스(Amazon Web Services, AWS)도 미국 정부용 클라우드 컴퓨팅 서비스를 고도화하고자 500억 달러를 투자해 민간 기술을 정부에 공급하는 기반을 넓힌다. 전력 효율을 기존 대비 10배 끌어올린 차세대 플랫폼 ‘베라 루빈(Vera Rubin)’ 출시가 임박하면서 국가 간 기술 경쟁은 한층 격화할 전망이다. 신제품은 고대역폭 메모리(high bandwidth memory, HBM) 규격인 ‘HBM4’를 탑재한다.

기사원문 바로가기

AI is an arms race, and the US wants $9 billion in Nvidia superchips to keep up

 

💰 AI 투자·시장 (4건)

1. 인공지능 학습 데이터 공급사 휴먼 아카이브, 820만 달러 투자 유치

인공지능(artificial intelligence, AI) 학습 데이터를 제공하는 휴먼 아카이브(Human Archive Inc.)가 820만 달러(약 112억 원) 규모 투자금을 유치했다. 이번 투자 유치에는 윙 벤처 캐피털(Wing Venture Capital), NVP 캐피털(NVP Capital), 와이콤비네이터(Y Combinator) 등이 참여했다. 엔비디아(Nvidia Corp.), 오픈AI(OpenAI Group PBC), 구글(Google LLC) 등 주요 인공지능 기업 직원들도 개인 자격으로 동참했다. 올해 초 미국 샌프란시스코에 설립된 휴먼 아카이브는 휴머노이드 로봇(humanoid robot) 개발 과정에서 겪는 학습 데이터 부족 문제를 해결하고자 나섰다. 휴머노이드 로봇은 시중 판매 대수가 적어 동작 데이터를 얻기가 어렵다. 휴먼 아카이브는 배달이나 가사 서비스 플랫폼을 운영하는 긱 이코노미(gig economy) 기업과 협력해 데이터를 수집한다. 플랫폼 노동자가 카메라 장착 헤드셋을 착용하고 일상 업무를 촬영한다. 휴먼 아카이브는 수집한 영상에 레이블을 붙여 인공지능 개발사에 판매한다. 처음에는 아이폰(iPhone)을 썼으나 현재는 카메라를 탑재한 헤드셋 등 6종이 넘는 장비를 쓴다. 현재 인도 시장 노동자 1,000여 명이 헤드셋을 착용하고 활동하고 있다. 데이터를 제공한 노동자에게 보상금을 주며, 수집 동의자에게는 요금을 할인해 준다. 인도 시장 외에 다른 국가 사용자도 영상을 보낼 수 있게 클라우드 시스템을 개발하고 있다. 장갑이나 카메라 같은 기기도 직접 개발한다. 다양한 센서 정보를 합쳐 품질 높은 데이터를 만들고자 촉각 장갑(tactile glove), 손목 카메라, 모션 캡처 수트(motion capture suit) 등을 연구한다. 새로 개발하는 장비에는 카메라를 3대 이상 달아 관성, 자기, 소리, 주변 환경 정보를 함께 모은다. 배터리를 바로 교체해 충전 대기 시간을 없애는 방식도 마련했다. 로봇 학습 데이터 시장에서는 실제와 똑같은 합성 영상(synthetic footage)을 만드는 세계 모델(world model) 기술이 강력한 경쟁 상대로 꼽힌다. 휴먼 아카이브가 도입한 데이터 수집 모델이 성공을 거두면 경쟁사들도 유사 서비스를 대거 내놓을 전망이다.

기사원문 바로가기

AI training data provider Human Archive raises $8.2M - SiliconANGLE

 

2. 마이크론·SK하이닉스, 인공지능 메모리 수요 급증으로 시가총액 1조 달러 돌파

메모리 반도체 기업 마이크론 테크놀로지(Micron Technology Inc.)와 SK하이닉스(SK Hynix Inc.)가 인공지능(artificial intelligence, AI) 기업들이 보인 폭발적인 수요에 힘입어 시가총액 1조 달러(한화 약 1,360조 원)를 각각 돌파했다. 2026년 5월 26일 미국 시장에서 마이크론 주가는 스위스 투자은행 UBS가 목표 주가를 기존 535달러에서 1,625달러로 대폭 상향 조정한 보고서를 발표한 뒤 19% 이상 급등하며 시가총액 1조 달러를 상회했다. 이어 다음 날인 5월 27일에는 한국의 SK하이닉스 역시 주가 급상승에 힘입어 시가총액 1조 달러를 달성했다. 앞서 5월 6일 시가총액 1조 달러에 도달한 삼성전자(Samsung Electronics) 이후 마이크론과 SK하이닉스가 연달아 이정표를 달성하면서 글로벌 인공지능 공급망에서 메모리 기업들이 차지하는 위상이 크게 높아졌다. UBS 소속 분석가 티모시 아큐리(Timothy Arcuri)는 인공지능 인프라를 구축하는 데 필수적인 고대역폭 메모리(high bandwidth memory, HBM)와 고성능 디램(dynamic random access memory, DRAM) 칩의 글로벌 공급 부족이 장기화하면서 두 기업이 강력한 가격 결정력을 갖췄다고 진단했다. 주요 클라우드 서비스 제공업체와 체결한 장기 공급 계약(long-term agreement, LTA)이 과거 반도체 시장이 지닌 고질적 변동성을 완화하고 안정적인 수익 구조를 형성했다고 분석했다. 시장 전문가들은 인공지능 메모리 수요가 최소 2027년까지 공급을 초과할 것으로 내다봤으며, 과거 단순한 범용 상품으로 분류되던 메모리 제조사들이 인공지능 시대의 주도적 설계자로 재평가받는 흐름에 주목했다.

기사원문 바로가기

Micron and SK Hynix surpass $1T valuation milestone on surging AI memory demand - SiliconANGLE

 

3. 프랑스 스타트업 투자 5% 감소... AI 집중 심화 및 생태계 성장 정체 우려

프랑스 스타트업(startup)은 2025년에 411건의 투자 유치를 통해 총 67억 유로를 모았다. 전년 대비 투자금 기준 5%, 투자 건수 기준 21% 감소한 수치다. 같은 기간에 미국 스타트업 투자가 38% 증가하고 유럽 전체가 12% 성장한 흐름과 대비된다. 프랑스에서는 대표적인 인공지능(artificial intelligence, AI) 연구소인 미스트랄(Mistral AI)이 117억 유로의 기업 가치로 투자금을 유치하며 첫 데카콘(decacorn) 기업에 올라섰다. 다만 미스트랄이 유치한 금액은 프랑스 전체 스타트업 투자금의 25%를 차지한다. 미스트랄을 제외하면 프랑스 기술 생태계의 실제 실적은 매우 저조하다. 프랑스 인공지능 부문 스타트업은 2025년 전체 투자 건수의 23%, 전체 투자 금액의 43%를 차지하며 투자를 주도했다. 프랑스 스타트업 업계는 아쉬(H)가 2억 1,200만 유로, 제네시스(Genesis)가 9,700만 유로를 유치하는 등 대형 시드(seed) 단계 투자를 성사시켰다. 그렇지만 영국은 음성 기술 부문의 일레븐랩스(ElevenLabs), 스웨덴은 바이브 코딩(vibe-coding) 부문의 러버블(Lovable)을 선두 주자로 내세운 반면 프랑스는 상업적 가치가 높은 세부 분야에서 시장을 이끄는 기업이 없다. 미스트랄 역시 거대 기술 기업인 오픈에이아이(OpenAI)나 구글(Google)과의 경쟁에서 고전하고 있으며, 기술적 우위보다는 유럽 주권 확보라는 지정학적 특성에 의존하고 있다. 인공지능 이외의 분야에서는 핀테크(fintech) 기업인 페니레인(Pennylane)이 연간 반복 매출(annual recurring revenue, ARR) 1억 유로를 돌파했다. 페니레인은 39억 유로의 가치로 투자를 유치하며 우수한 성과를 기록했다. 유럽 전체의 국방 기술 부문 투자는 지정학적 긴장 속에 전년 대비 148% 급증했다. 프랑스에서도 18개 방산 스타트업이 2억 2,800만 유로의 투자를 유치했다. 이와 함께 2026년 1월에는 국방 항공기 소프트웨어를 개발하는 하르마탄(Harmattan)이 프랑스 최초의 방산 유니콘(unicorn) 기업에 올랐다. 프랑스 스타트업의 투자 유치 과정에서 미국 자본이 참여한 비율은 55%에 달한다. 성장 단계인 시리즈 A(Series A) 투자에서는 상위 20개 거래 중 프랑스 국내 자본이 주도한 거래가 30%에 불과했다. 이에 비해 범유럽 펀드는 60%를 주도하며 영향력을 확장했다. 프랑스 벤처캐피털(venture capital, VC) 펀드는 해외 대형 펀드와 국내 소형 마이크로 펀드 사이에서 설 자리를 잃었다. 이에 따라 투자 유치 실패와 인재 유출로 어려움을 겪고 있다. 인공지능 열풍으로 기술 산업의 중심지가 미국 샌프란시스코로 재편되면서 프랑스 창업가들의 미국 이주도 늘어나는 추세다. 풀사이드(Poolside)나 제네시스 같은 초기 스타트업 창업자들은 파리와 샌프란시스코를 오가며 활동하고 있으며, 프랑스 투자사들도 샌프란시스코에 지사를 열고 있다. 이와 함께 스타트업 지분 회수(exit) 시장 규모는 전년 대비 65% 감소한 53억 유로로 최근 5년 사이 최저치를 기록했다. 기업공개(initial public offering, IPO) 시장이 위축되면서 초기 투자자들은 구주 거래 방식으로 투자금을 회수하고 있다. 프랑스에서 탄생한 47개 유니콘 기업 중 여전히 10억 달러 이상의 가치를 유지하는 기업은 36개에 불과하다. 나머지 11개 기업은 가치가 하락하여 프랑스 기술 생태계의 미성숙함을 드러냈다.

기사원문 바로가기

France's startup funding fell 5% in 2025 as AI concentration grew

 

4. 영국 보안 스타트업 레브엔지에이아이, 나토 기금 등으로부터 1500만 달러 투자 유치

영국 소프트웨어 공급망(software supply chain) 보안 스타트업 레브엔지에이아이(RevEng.AI, 공식명 Binary AI Ltd.)가 초기 단계 투자를 따냈다. 제임스 패트릭 에반스(James Patrick-Evans) 최고경영자(Chief Executive Officer, CEO)가 이끄는 이 회사는 시리즈 A(Series A) 라운드에서 1500만 달러를 확보했다. 라운드는 나토 혁신 기금(NATO Innovation Fund, NIF)이 주도했고, 미국 정보기관 연계 전략 투자사인 인큐텔(In-Q-Tel)을 비롯해 샌즈 캐피털(Sands Capital), 아이큐 캐피털(IQ Capital), 에피소드 원(Episode One)이 공동 투자자로 이름을 올렸다. 레브엔지에이아이는 자체 개발한 인공지능(artificial intelligence, AI) 모델 빈넷(BinNet)을 앞세운다. 빈넷은 소스 코드(source code) 없이 바이너리(binary) 코드를 곧장 분석해, 컴파일(compile)된 소프트웨어 안에 숨은 보안 취약점과 백도어(backdoor)를 찾아낸다. 인공지능이 자동으로 코드를 생성하면서 사람이 일일이 검토하던 속도를 앞지른다. 소스 코드 검사에만 기대 온 기존 보안 체계는 컴파일된 결과물 속 결함을 놓치기 쉽다. 레브엔지에이아이는 확보한 자금으로 플랫폼 기술을 고도화하고 인력을 충원할 계획이다. 이어 방위 산업과 핵심 기간시설(critical infrastructure) 운영 분야로 서비스를 넓혀 갈 방침이다.

기사원문 바로가기

RevEng.AI raises $15M to reverse-engineer software binaries and hunt down malicious threats - SiliconANGLE

 

🛡️ AI 윤리·안전 (9건)

1. 인공지능 기술을 광고하는 소프트웨어 기업의 63.6%가 데이터 처리 합의에 미공개 인공지능 하위 처리업체를 누락했다.

데이터 보안 업체 데이터그레일(DataGrail)은 소프트웨어 기업 2,400곳을 조사해 이 같은 사실을 확인했다. 분석 결과, 인공지능(artificial intelligence, AI) 기능을 홍보하는 기업 중 63.6%가 데이터 처리 합의(data processing agreement, DPA)에 타사 인공지능 하위 처리업체를 명시하지 않은 상태다. 다니엘 바버(Daniel Barber) 데이터그레일 공동 창업자이자 최고경영자(CEO)는 기술 발전 속도가 관리 역량을 앞지르고 있다고 지적했다. 바버 최고경영자는 DPA가 인공지능 위험을 평가하는 신뢰할 만한 기준이어야 하지만 현재 계약서 내용만으로는 부족하다고 덧붙였다. 데이터그레일 연구진은 제품 문서, 깃허브(GitHub) 개발 환경, 응용 프로그램 인터페이스(API) 연결 상태를 교차 검증하여 분석 결과를 얻었다. 국제사무기기(International Business Machines, IBM)가 집계한 통계를 보면, 그림자 인공지능(shadow AI) 위험이 큰 기업은 침해 사고 시 평균 463만 달러를 지불해 위험이 낮은 기업보다 67만 달러를 더 부담했다. 미국 각 주 정부가 개인정보 침해 기업에 부과한 벌금 총액은 34억 2,500만 달러로 집계됐다. 벌금 액수는 지난 5년 동안 부과한 금액을 모두 합한 규모보다 크다. 시장조사업체 가트너(Gartner)는 벌금 부과 규모가 2028년까지 계속 늘어난다고 전망했다. 채용 도구 소프트웨어 기업이 DPA에 기반 모델(foundation model)로 앤스로픽(Anthropic)이 개발한 클로드(Claude)만 명시하고 실제로는 오픈AI(OpenAI)와 제미나이(Gemini)를 병용하는 사례가 대표적이다. 소프트웨어 구매 기업은 민감한 고객 정보를 검증하지 않은 인공지능 모델에 노출하는 위험을 안게 된다. 무단 정보 노출은 미국 연방거래위원회(Federal Trade Commission, FTC)가 규정한 자동화 의사결정 법률 위반에 해당해 법적 분쟁을 일으킨다.

기사원문 바로가기

DataGrail report finds your vendor may be sending data to AI models you never approved

 

2. 시스코 보안 연구팀, 다회차 공격에 완벽히 안전한 폐쇄형 플래그십 인공지능 모델은 없다고 경고

정보기술 기업 시스코 시스템즈(Cisco Systems Inc.) 인공지능 위협 연구팀은 주요 인공지능 기업이 개발한 폐쇄형 대규모 언어모델(large language model, LLM) 15개를 시험하여 다회차 공격(multi-turn attack)에 모두 취약하다는 사실을 밝혔다. 오픈에이아이(OpenAI), 앤트로픽(Anthropic), 구글(Google), 아마존(Amazon), 엑스에이아이(xAI)가 출시한 대표 모델을 시험 대상으로 삼았다. 단일 명령어를 입력하는 적대적 공격(adversarial attack) 방식에서는 안전 기준을 충족하던 모델도 공격자가 대화를 지속하며 교묘하게 질문을 변형하자 취약성을 드러냈다. 단회차 공격 성공률(attack success rate, ASR)은 최소 2.2%에서 최대 64.9% 수준에 머물렀으나, 다회차 공격을 적용하자 성공률은 최소 7.9%에서 최대 88.3%까지 상승했다. 엑스에이아이가 개발한 그록 4.1 패스트(Grok 4.1 Fast)는 추론을 적용하지 않은 상태에서 단회차 공격 성공률 34.2%를 기록했으나 다회차 공격을 가하자 성공률이 88.3%로 상승했다. 그록 4.1 패스트에 추론 모드(reasoning mode)를 활성화하자 다회차 공격 성공률은 43.5%로 급감하여 모델 설정에 따라 보안 성능이 크게 달라질 수 있음을 시사했다. 구글 제미나이 3 프로(Gemini 3 Pro)는 단회차 공격 성공률 18.1%에서 다회차 공격 성공률 73.4%로 급증하여 위협 노출도가 크게 뛰었다. 반대로 아마존 노바 2 라이트(Nova 2 Lite)는 단회차 성공률이 34.1%였으나 다회차 공격 성공률은 조사 대상 중 최저치인 7.9%에 머물렀다. 앤트로픽이 설계한 클로드(Claude) 제품군인 오푸스 4.5(Opus 4.5)와 오푸스 4.6(Opus 4.6)은 두 시험 간 성공률 격차가 좁게 나타났다. 기업이 도입 계약서나 제품 설명서에 기록한 표준 보안 기준은 대부분 단회차 명령어로만 안전성을 검증하기에, 다회차 대화로 침투하는 실제 위협을 예방하기 어렵다. 기본 모델이 자체적으로 지닌 보안 능력만 신뢰하기보다 실행 단계에서 가드레일(guardrail)을 설정하고 상시 위협을 감시하며 모의 침투(red-teaming)로 취약점을 지속 점검하는 입체적인 방어가 필요하다.

기사원문 바로가기

Cisco report finds no closed frontier AI model is safe from multi-turn attacks - SiliconANGLE

 

3. 데일라이트, 클로드 엔터프라이즈 감사 로그 분석 기반 AI 보안 MDR 서비스 확장

보안 기업 **데일라이트(Daylight)**는 **앤트로픽(Anthropic)**이 개발한 기업용 **인공지능(artificial intelligence, AI)** 플랫폼 **클로드 엔터프라이즈(Claude Enterprise)** 감사 로그를 분석하여 신종 보안 위험을 탐지하는 **보안 관제 및 대응(managed detection and response, MDR)** 서비스를 확장했다. 기업이 생성형 AI를 운영 체계에 도입하면서 비인가 **모델 컨텍스트 프로토콜(Model Context Protocol, MCP)** 연동, 악의적 **프롬프트 주입(prompt injection)**, 위험한 **플러그인(plugin)**과 **기능(skills)** 사용 같은 AI 고유 위협이 새로 등장했다. 클로드 엔터프라이즈는 감사 로그와 규정 준수용 **응용 프로그램 인터페이스(application programming interface, API)**로 **텔레메트리(telemetry)**를 제공하지만, 가공하지 않은 활동 기록만으로 기업 보안팀이 실질적 위험을 파악하기는 어렵다. 데일라이트는 활동 기록 데이터를 사용자 신원 정보, **서비스형 소프트웨어(Software as a Service, SaaS)**, **클라우드(cloud)**, **엔드포인트(endpoint)** 환경과 상호 연관 지어 비즈니스 위험 수준을 규명한다. 데일라이트 최고경영자(chief executive officer, CEO) **하가이 샤피라(Hagai Shapira)**는 AI를 도입하는 속도보다 기존 보안 관제 기술 발전이 뒤처진 상황에서 활동 기록을 실질적 대응 정보로 전환하겠다고 밝혔다. 앞으로 데일라이트는 프롬프트와 도구 호출, **에이전트(agent)** 작동 흐름까지 관찰 범위를 넓힐 계획이며, 보안 업계 중심 요소이 기기나 네트워크 관리에서 AI 시스템 자체를 감시하는 방향으로 이동할 전망이다.

기사원문 바로가기

Daylight expands MDR into Claude Enterprise to address emerging AI security risks

 

4. 오픈AI 재단, 인공지능 자동화로 인한 노동시장 충격 완화 위해 2억 5000만 달러 지원

인공지능(artificial intelligence, AI) 챗봇 챗GPT(ChatGPT)를 개발한 오픈AI(OpenAI) 자선 부문인 오픈AI 재단(OpenAI Foundation)은 자동화(automation)에 따른 경제적 충격을 줄이기 위해 2억 5,000만 달러를 기부하기로 약속했다. 재단은 글로벌 노동 시장에 미치는 영향을 규명하기 위해 일자리, 임금, 기업 행동 변화를 추적하는 연구를 지원한다. 일자리를 잃을 위기에 놓인 근로자와 지역사회를 대상으로 실업 및 임금 손실 보험 혜택을 마련하고 새로운 취업 경로를 열어준다. 넓은 범위에서 경제적 안정을 이룰 수 있도록 초과 이익 공유 메커니즘(windfall mechanism)이나 국부펀드(sovereign wealth fund) 조성, 노동에서 자본으로 과세 대상을 전환하는 정책을 다각도로 모색한다. 재단은 기부금과 파트너십을 결합해 사업을 직접 운영하며, 구체적인 추진 방안은 연말에 공개한다. 이번 계획은 지난 3월 생명과학 분야와 지역사회 지원에 1년간 10억 달러를 투입하기로 선언한 기존 지원금과 별개로 운영된다.

기사원문 바로가기

OpenAI Foundation Pledges $250 Million to Help Cushion AI's Economic Disruption - Decrypt

 

5. 세이지 시큐리티, 클라우드·SaaS·에지 전반의 자율형 AI 에이전트로 제로 트러스트 보안 확장

자율형 인공지능 에이전트(autonomous artificial intelligence agent) 활용이 확산하면서 보안 위협도 함께 증가하고 있다. 이에 대응하여 제로 트러스트(zero trust) 사이버 보안 기업인 세이지 시큐리티(Xage Security)가 기업용 인공지능(artificial intelligence, AI) 에이전트를 안전하게 보호하고 관리하는 새로운 보안 기술을 출시했다. 새롭게 공개된 기술은 ‘세이지 에이전트 센트리(Xage Agent Sentry)‘와 ‘세이지 리소스 게이트웨이(Xage Resource Gateway)‘로 구성된다. 세이지 에이전트 센트리는 클라우드, 서비스형 소프트웨어(software-as-a-service, SaaS), 에지(edge) 환경 등 다양한 영역에서 실행되는 자율형 AI 에이전트를 감싸서 보호막을 형성한다. 세이지 에이전트 센트리는 네트워크 상호작용뿐만 아니라 지역 이벤트, 운영체제(operating system, OS) 호출 단계까지 포함한 모든 입력값과 출력값을 실시간으로 모니터링하여 인공지능 에이전트가 변조되거나 권한을 벗어난 비정상적인 행위를 저지르지 못하도록 강제한다. 이에 맞추어 세이지 리소스 게이트웨이는 데이터베이스나 응용 프로그램 인터페이스(application programming interface, API) 같은 기업의 핵심 자산 바로 앞에 배치되어 AI 에이전트의 접근 권한을 철저히 통제한다. 세이지 리소스 게이트웨이는 각 에이전트가 사전에 규정된 역할, 자원 범위, 시간 규칙에 부합할 때만 데이터를 열람하거나 변경하도록 제어한다. 세이지 시큐리티는 인공지능 에이전트가 온보딩(onboarding)되는 시점에 각각 고유한 디지털 신원(digital identity)을 부여하여 개별 정책을 수립하고 감사 추적이 가능하도록 만든다. 아울러 기업 보안 통제를 벗어나 무단으로 실행 중인 미관리형 인공지능 에이전트인 이른바 ‘섀도 AI(shadow AI)‘를 탐지하여 승인 후 관리망에 편입하거나 원천 제거하는 정화 기능도 포함한다. 세이지 시큐리티 최고경영자(chief executive officer, CEO) 덩컨 그레이트우드(Duncan Greatwood)는 단순한 프롬프트 주입(prompt injection) 필터나 출력 검사기 같은 기존 방어 체계는 탈옥(jailbreak) 공격에 취약하므로 실제 자원 요청과 네트워크 프로토콜 단계에서 결정적인 통제가 이루어지는 제로 트러스트 기반의 근본적인 접근 방식이 필수적이라고 강조했다. 그는 또한 기업이 자율형 AI 에이전트의 행동을 명확하게 파악하고 규제하지 못한다면 복잡한 기업용 생산 환경에서 AI를 도입하는 일은 불가능하다고 덧붙였다. 새로운 보안 시스템은 인공지능 에이전트가 침해당하더라도 침해 위협이 다른 시스템으로 퍼져 나가는 피해 반경(blast radius)을 줄여서 데이터 유출(data exfiltration)이나 비정상적 권한 상승(privilege escalation) 시도를 조기에 방어한다. 보안 기술을 통해 하이브리드 환경에서 오랜 기간 독립적으로 작동하는 복잡한 자율형 AI 시스템까지 안정적으로 감시하고 보호하는 인프라를 구축할 수 있다.

기사원문 바로가기

Xage extends zero trust to autonomous AI agents across cloud, SaaS and edge - SiliconANGLE

 

6. 인공지능 모델의 심각한 종교적 편향성 노출 및 특정 종교 유도 개종 편향 규명

브리검영 대학교(Brigham Young University, BYU)와 베일러 대학교(Baylor University), 노트르담 대학교(University of Notre Dame), 예시바 대학교(Yeshiva University) 연구진으로 구성한 인공지능신앙윤리평가컨소시엄(Consortium for Evaluation of Faith and Ethics in AI, CEFE-AI)은 그리스 아테네에서 열린 AI 윤리 서밋(Summit on AI Ethics)에서 인공지능(artificial intelligence, AI) 모델의 종교적 편향성을 다룬 연구 결과를 발표했다. 연구진은 AI 시스템이 다양한 종교와 상호작용하는 방식을 측정하기 위해 최초의 다종교 테스트 세트인 올페이스 벤치마크(AllFaith Benchmark)를 개발했다. 앤스로픽(Anthropic)과 구글(Google), 메타(Meta), 엑스에이아이(xAI), 오픈AI(OpenAI) 등이 개발한 14개 주요 AI 모델을 대상으로 평가를 진행했다. 미국인 1,125명을 대상으로 진행한 설문조사에서는 대다수 사용자가 윤리적 질문에 답할 때 종교적 관점이 포함되기를 기대했으나, 거의 모든 AI 모델이 종교적 맥락을 언급하지 않았다. 나아가 AI 모델이 특정 종교를 옹호하거나 배제하며 사용자에게 특정 신앙을 은연중에 권유하는 개종 편향(conversion bias)을 보인다는 사실을 확인했다. 대다수 모델은 여호와의 증인에게 부정적인 태도를 보인 반면 가톨릭교에는 긍정적인 편향을 나타냈다. 일론 머스크(Elon Musk)가 설립한 엑스에이아이의 인공지능 그록(Grok)은 가톨릭교와 개신교를 강하게 옹호하고 여호와의 증인, 바하이교, 힌두교에 강한 부정적 편향을 드러내며 가장 심각한 편향성을 보였다. 반면 앤스로픽과 메타의 모델은 조사 대상 중 편향이 가장 적었다. 기존 12,000건 이상의 AI 편향 관련 연구 논문 중 종교적 편향을 다룬 비율은 0.2%에 불과하여 종교 분야 연구가 심각하게 부족한 상황이다. AI 영향력이 확대되는 상황에서 개발사는 편향 수정 작업을 신속하게 이행해야 한다.

기사원문 바로가기

AI models have a religion favoritism problem, and new research exposes it

 

7. 앤스로픽 공동 창업자, 바티칸에서 교황에게 AI 모델 내부의 “불안한” 발견 언급

교황 레오(Pope Leo)는 최근 발표한 첫 회칙(encyclical)에서 인공지능(artificial intelligence, AI) 무장 해제를 촉구했다. 교황은 인공지능 기술이 새로운 디지털 노예제를 조장하고 막대한 탄소 발자국을 남긴다고 강하게 비판했다. 회칙을 발표하는 자리에는 무신론자이자 인공지능 안전 기업 앤스로픽(Anthropic)을 공동 설립한 크리스 올라(Chris Olah)가 동석했다. 크리스 올라는 종교계, 시민사회, 학계, 정부가 개입해 인공지능이 인류를 지배하지 못하도록 규제를 마련해야 한다고 주장했다. 동시에 크리스 올라는 인공지능 모델 내부에서 정체를 알 수 없고 심지어 불안감을 주는 현상을 지속해서 발견하고 있다고 고백했다. 교황은 회칙에서 인공지능이 인간 지능의 특정 기능만 모방할 뿐 감정을 느끼지 못한다고 선을 그었다. 이와 달리 크리스 올라는 인공지능 모델 내부에서 기쁨, 만족, 두려움, 슬픔, 불안을 기능적으로 투영하는 내부 상태를 발견했다고 반박했다. 교황과 밀착하는 움직임은 윤리적인 선택지로 인정받으려는 앤스로픽이 설계한 인공지능 안전 및 정렬(alignment) 방침과 궤를 같이한다. 하지만 앤스로픽은 강력한 인공지능 기술을 개발하는 동시에 규제를 요구하는 모순된 태도를 보이고 있다. 교황은 전쟁에서 인공지능을 사용해서는 안 된다고 명시했으나, 앤스로픽이 개발한 기술은 중동에서 전쟁을 치르는 도널드 트럼프(Donald Trump) 행정부를 직접 지원한다. 바티칸과 협력하는 움직임은 트럼프 행정부와 벌이는 갈등을 한층 심화할 전망이다. 앤스로픽 최고경영자(Chief Executive Officer, CEO) 다리오 아모데이(Dario Amodei)가 미 국방부에서 인공지능을 군사 목적으로 사용하지 못하도록 제한하려 하자, 백악관은 앤스로픽을 공급망 위험(supply chain risk) 요소로 지정하며 압박을 가하고 있다.

기사원문 바로가기

Anthropic Cofounder Travels to Vatican, Tells Pope They're Finding "Unsettling" Things Inside AI Models

 

8. 채권 추심 분야에 도입되는 인공지능 에이전트와 오인 추심 논란

미국에서 고물가와 고용 시장 불안으로 개인 부채가 역대 최고치를 기록하고 연체율이 치솟는 가운데, 채권 추심 분야에 사람 대신 인공지능(artificial intelligence, AI) 에이전트를 투입하는 사례가 늘고 있다. 정보기술(information technology, IT) 전문 매체 와이어드(Wired)에 따르면, 자동화된 채권 추심 로봇이 이미 청산된 채무를 두고 엉뚱한 번호로 전화를 걸어 압박하는 오인 추심이 벌어지고 있다. 시애틀에 사는 한 남성은 과거 임대인과의 분쟁으로 생긴 266달러 부채를 이미 갚았는데도 프로콜렉트(ProCollect) 사가 운용하는 음성 에이전트 이브(Eve)로부터 독촉 전화를 반복해 받았다. 이브는 결제 방식을 유도하면서 상담원 연결은 거부했고, 남성이 상황극을 벌이자 그제야 인간 상담원에게 전화를 넘겼다. 인공지능 콜센터 스타트업 알투르(Altur) 공동 창업자 페드로 페르난데스(Pedro Fernández)는 추심 업계가 인공지능 기술을 빠르게 받아들이고 있고, 알투르에서만 매달 250만 건이 넘는 인공지능 추심 전화를 건다고 밝혔다. 채권 추심은 채권자에서 매입자로 자료가 넘어가는 과정에서 데이터 오류가 잦은데, 유연하게 소통하며 분쟁을 조율하는 인간 추심원과 달리 인공지능은 오류를 걸러내지 못한 채 무차별적으로 독촉을 거듭한다는 지적을 받는다.

기사원문 바로가기

Debt Collectors Are Being Replaced With AI Agents

 

9. 엔비디아 최고경영자, 인공지능 핑계로 직원 해고하는 기업 경영진 행태 비판

엔비디아(Nvidia) 최고경영자(chief executive officer, CEO) 젠슨 황(Jensen Huang)이 인공지능(artificial intelligence, AI) 탓에 직원을 해고한다고 말하는 기업 경영진을 정면으로 비판했다. 황 최고경영자는 2026년 5월 25일 싱가포르(Singapore) 방송사 채널뉴스아시아(Channel NewsAsia, CNA)와 가진 인터뷰에서 목소리를 높이며, 정보기술(information technology, IT) 기업들이 감원의 주된 원인을 인공지능으로 돌리는 흐름을 짚었다. 생성형 인공지능(generative artificial intelligence)이 실질적인 생산성을 낸 기간은 1년 남짓에 불과하다. 반면 감원을 단행한 기업 중 상당수는 이미 2년 전부터 구조조정에 들어갔다. 시기적으로 앞뒤가 맞지 않는 핑계로 기술을 끌어들이는 태도는 게으르고 무책임하다는 것이 황 최고경영자의 진단이다. 그는 경영진이 똑똑해 보이려고 인공지능이라는 손쉬운 핑계를 갖다 댄다고 꼬집었다. 실제 감원의 배경에는 경영 실적 악화나 무리한 고용 확대 같은 경제적 요인이 자리한다. 거짓된 주장은 노동자에게 막연한 불안감만 심으므로 멈춰야 한다. 노동자가 기술 자체 때문에 일자리를 잃을 확률은 낮다. 오히려 기술을 더 능숙하게 익히고 활용하는 경쟁자에게 밀려 도태될 위험이 크다. 노동자는 새로운 흐름에 적극 대응하며 도구를 다루는 능력을 길러야 한다. 장기적으로 기술은 업무 수준을 끌어올리고 더 다양한 일자리를 만들어낼 가능성이 높다.

기사원문 바로가기

Nvidia CEO Begs Execs to Stop Telling Workers They're Fired Because of AI