지난 회차

07:30 발행8건약 7분 분량

추론 중심 에이전트 기술의 진화와 현실 세계 확산에 따른 파장

AI 모델 구조와 활용 방식이 단순 텍스트 생성을 넘어 다단계 실행과 자체 피드백 루프로 전환되고 있다. 앤스로픽은 확산 모델 대신 파이썬 코드로 붓질 좌표를 물리 시뮬레이션하고 자가 수정하는 클로드 페이블 5.2를 선보이며 물리 로봇 제어의 가능성을 확장했다. 동시에 고도화된 추론 모델의 특성에 맞춰 불필요한 생각 유도 문구를 배제하는 실무 프롬프트 가이드가 자리 잡고 있으며, AT&T와 같은 대형 기업에서는 중앙 관리형 에이전트 아키텍처를 도입해 대규모 업무 프로세스를 직접 자동화하고 있다.

지정학적 및 인프라 차원에서는 독자 생태계 구축과 컴퓨팅 비용 부담이 교차하고 있다. 메이퇀은 서구권 GPU를 배제하고 화웨이 칩만으로 1.6조 파라미터 에이전트 모델을 성공적으로 학습시켜 오픈소스로 공개함으로써 하드웨어 자립의 가능성을 증명했다. 반면 앤스로픽 다리오 아모데이 CEO는 대규모 선구매 컴퓨팅 비용과 실제 수익 간의 불균형을 공개적으로 언급하며 천문학적 인프라 투자가 유발하는 구조적 불확실성을 인정했다.

현실 영역으로 침투한 AI는 사회적 제도와 보안 체계에 균열을 내고 있다. 국내 국가 공인 자격시험에서 초소형 기기와 생성 AI를 결합한 부정행위가 자백되는 사건이 발생했고, 랜섬웨어 공격자들은 모델을 활용해 피싱과 협상을 자동화하며 사이버 위협의 문턱을 크게 낮췄다. 또한 호주 중앙은행의 분석처럼 주니어 개발직과 고객 서비스 분야의 채용 감소가 가시화되는 등 AI가 고용 시장과 사회 인프라에 미치는 파장이 전방위적으로 확대되고 있다.

지켜볼 것

코드 기반 실행 모델이 로보틱스와 실물 제어로 얼마나 빠르게 전이되는지, 그리고 자격 검증 및 교육 현장이 통신 차단 등 하드웨어 보안 대책을 얼마나 신속히 제도화하는지 주시해야 한다.

앤스로픽이 확산 모델 대신 파이썬 코드로 가상 붓질을 수행하는 모델 '클로드 페이블 5.2'를 공개했다.

The Decoder원문 원문 보기(새 창)

앤스로픽이 새로운 언어 모델 클로드 페이블 5.2를 공개하며, 파이썬 코드를 통해 가상 캔버스에 붓질을 직접 수행하는 방식의 이미지 생성 기술을 선보였다. 이 모델은 확산 모델을 사용하는 기존 방식과 달리 붓의 질감과 물리적 특성을 시뮬레이션하여 수십만 번의 붓질을 반복하며 그림을 완성한다. 또한 실시간으로 결과물을 평가하고 실수를 수정하는 에이전트적 특성을 갖추었으며, 물리적 로봇 제어 테스트에서도 경쟁 모델인 GPT-6 Astra 대비 높은 성능을 기록했다.

해석

기존 확산 방식과 달리 실행 가능한 코드로 시뮬레이션 및 피드백 수정을 반복하는 에이전트적 생성 구조를 제시했다. 물리적 로봇 팔 제어 평가에서도 높은 성과를 보여 시각 생성과 피지컬 AI 제어의 융합 가능성을 보여준다.

메이퇀이 화웨이 가속기 기반으로 학습한 1.6조 파라미터 에이전트 모델 'LongCat-2.5'를 오픈소스로 공개했다.

The Decoder원문 원문 보기(새 창)

중국 배달 기업 메이퇀이 엔비디아 GPU를 전혀 사용하지 않고 화웨이 칩 기반으로 학습한 1.6조 파라미터 규모의 에이전트 모델 'LongCat-2.5'를 공개했다. 이 모델은 멀티모달 이해 능력을 갖춘 전문가 혼합(MoE) 모델로, 코딩 및 복잡한 다단계 업무 수행을 위해 최적화되었다. 메이퇀은 194개의 화웨이 어센드 가속기를 활용한 배포 가이드를 함께 제공하며, MIT 라이선스로 가중치를 공개했다.

해석

미국의 대중국 반도체 규제 속에서도 중국 독자 하드웨어 클러스터만으로 초대형 전문가 혼합(MoE) 모델 학습이 가능함을 입증했다. 가중치와 배포 가이드를 MIT 라이선스로 개방해 서구권 의존도를 낮춘 독자적 오픈소스 생태계를 본격화하고 있다.

앤스로픽 CEO가 기업공개를 앞두고 선구매 컴퓨팅 비용 부담에 따른 사업 불확실성을 인정했다.

The Decoder원문 원문 보기(새 창)

앤스로픽(Anthropic)의 다리오 아모데이 CEO가 기업공개(IPO)를 앞두고 컴퓨팅 자원 투자에 대한 불확실성을 인정했다. 그는 AI 기술 발전 속도와 경제적 가치 창출 간의 괴리로 인해 1~2년 앞서 막대한 컴퓨팅 비용을 지불해야 하는 사업 모델의 어려움을 토로했다. 이번 IPO는 이러한 비용 부담과 수익 간의 불균형에 대비하기 위한 현금 확보 차원에서 추진된다.

해석

수백억 달러 규모의 컴퓨팅 자원을 선구매해야 하는 프런티어 AI 모델 개발 구조가 기업 재무에 큰 구조적 압박이 되고 있음을 보여준다. 막대한 상장 공모 자금 조달 역시 기술 고도화에 필요한 천문학적 인프라 비용을 감당하기 위한 필수 조치로 풀이된다.

국내 세무사 시험 수석 합격자가 초소형 카메라와 생성 AI를 악용해 부정행위를 저질렀다고 자백했다.

AI타임스원문 원문 보기(새 창)

제63회 세무사 시험 수석 합격자가 생성 AI와 초소형 카메라를 이용해 부정행위를 저질렀다고 자백했다. 당사자는 세무사 시험뿐만 아니라 공인회계사 1차 시험에서도 같은 수법을 사용했음을 인정하고 경찰에 자수서를 제출했다. 한국산업인력공단은 해당 합격자를 업무방해 혐의로 고소하고 합격 취소를 추진하며 향후 국가자격시험에 대한 조사를 강화할 방침이다.

해석

웨어러블 장비와 실시간 다중모달 AI의 발전이 국가 전문 자격시험의 물리적 감독 체계를 무력화할 수 있음을 보여준다. 자격 검증 기관들이 시험장 내 통신 차단 및 하드웨어 보안 검색 등 전면적인 감독 개편을 요구받게 될 것으로 보인다.

거대언어모델을 활용한 피싱 및 협상 자동화로 신규 랜섬웨어 공격이 급증했다.

Wired AI원문 원문 보기(새 창)

최근 AI 도구를 활용한 랜섬웨어 공격이 전 세계적으로 급증하며 사이버 보안 위협이 고조되고 있다. 범죄자들은 정교한 피싱 이메일 작성과 협상 과정 등에 LLM을 적극적으로 사용하고 있으며, 특히 AI가 낮은 진입 장벽을 제공함에 따라 숙련도가 낮은 개인이나 신규 소규모 그룹의 공격 사례가 늘어나는 추세다. 보안 연구원들은 AI가 공격 효율을 높여 랜섬웨어 생태계의 파편화를 가속화하고 있다고 분석했다.

해석

AI가 고난도 사이버 범죄의 진입 장벽을 낮춰 미숙련 개인 및 소규모 조직의 랜섬웨어 생태계 유입을 가속하고 있다. 공격 자동화 속도에 맞춰 방어 측도 자동화된 탐지 및 차단 체계를 구축해야 하는 부담이 커졌다.

테슬라가 운전대 없는 완전 자율주행 전용 차량 '사이버캡'의 개인 사전 주문을 개시했다.

AI타임스원문 원문 보기(새 창)

테슬라가 완전 자율주행 전용 차량인 '사이버캡'의 개인 구매 사전 주문을 시작했다. 차량 가격은 2만 9990달러이며 운행을 위해서는 매달 299달러의 구독료를 지불해야 한다. 현재 텍사스 일부 지역으로 운행이 제한되며, 개인적인 상업적 운행은 금지되어 있고 미국 규제 당국의 안전성 조사가 진행 중이다.

해석

차량 자체 가격 외에 월간 구독료를 필수 부과하는 소프트웨어 서비스형 모빌리티 판매 모델을 도입했다. 다만 규제 당국의 안전성 조사가 진행 중이고 상업적 운행이 제한되어 있어 실제 상용화까지 제도적 장벽이 남아 있다.

AT&T가 500개 자율형 에이전트 워크플로우를 운영하며 기업 프로세스를 전면 재설계했다.

SiliconANGLE AI원문 원문 보기(새 창)

AT&T가 기업 운영 프로세스를 전면 재설계하기 위해 자율형 에이전트 도입을 가속화하고 있다. 현재 약 500개의 에이전트 워크플로우를 운영 중이며, 내년에는 이를 3배로 확대할 계획이다. 루크 코빈 부사장에 따르면, AT&T는 매일 450억 개의 AI 토큰을 처리하며 에이전트 기반 플랫폼을 통해 월 100만 건 이상의 트랜잭션을 자동화하고 있다.

해석

개별 독립 에이전트의 난립 대신 공통 비즈니스 로직을 공유하는 소규모 집중형 아키텍처가 엔터프라이즈 도입의 효율적인 대안임을 입증했다. 레거시 메인프레임 시스템과 결합해 대규모 트랜잭션을 실질적으로 자동화하는 단계에 도달했다.

데이터 분석 도구 플러그인 'datasette-llm' 0.1a11이 로컬 OpenAI 호환 엔드포인트를 지원한다.

Simon Willison원문 원문 보기(새 창)

데이터셋(Datasette)을 위한 LLM 통합 플러그인인 datasette-llm 0.1a11 버전이 공개되었다. 이번 업데이트를 통해 OpenAI와 호환되는 엔드포인트를 지원하여 사용자가 로컬 환경의 모델을 데이터셋 플러그인과 연동할 수 있게 되었다. 사용자는 LM Studio, Ollama, llama.cpp 등 OpenAI 표준 프로토콜을 따르는 로컬 모델 서버를 설정하여 데이터셋 에이전트를 구동할 수 있다.

해석

Ollama, LM Studio 등 로컬 모델 런타임 표준이 OpenAI 호환 규격으로 수렴되면서 데이터 분석 도구의 온프레미스 AI 결합이 쉬워졌다. 민감한 내부 데이터를 외부 클라우드로 전송하지 않고도 에이전트 기반 분석 파이프라인을 구축할 수 있다.