주간 천리안

이번 주는 AI 패권 경쟁의 심화와 AI의 본질적 한계에 대한 논의, 그리고 방산 및 제조 분야로 확장되는 AI의 물리적 적용이 핵심입니다. 구글의 반격에 직면한 OpenAI의 위기감, LLM이 지식을 창조하는 것이 아니라 탐색할 뿐이라는 이론적 통찰, 그리고 안두릴과 엔비디아 등을 통한 물리적 AI 혁명을 집중 조명합니다. 1. AI 패권 경쟁의 지각변동: 구글의 반격과 OpenAI의 '코드 레드' 이번 주는 생성형 AI 시장의 경쟁 구도가 재편되고 있음을 보여주는 신호들이 다수 포착되었습니다. OpenAI의 독주 체제가 흔들리고 구글이 강력한 인프라와 데이터를 앞세워 맹추격하고 있습니다. + OpenAI의 '코드 레드'와 전략 수정 OpenAI는 최근 구글의 Gemini와 Anthropic의 추격에 위기감을 느끼며 내부적으로 '코드 레드'를 선언했습니다. 샘 알트먼은 광고, 쇼핑, 개인 비서(Pulse)와 같은 부가적인 프로젝트를 연기하고, 챗봇의 기본 성능(속도, 신뢰성) 개선에 집중하라고 지시했습니다. 이는 $1,000억 달러 매출 목표 달성을 위한 경로가 좁아지고 있음을 시사하며, 핵심 제품 방어 모드로 전환했음을 의미합니다. + 구글의 데이터 독점과 인프라 우위 구글은 검색 독점력을 AI 데이터 수집에 활용하고 있습니다. Cloudflare 데이터에 따르면 구글 봇은 OpenAI보다 약 3배 더 많은 웹 콘텐츠에 접근하고 있으며, 웹사이트 소유자들은 검색 노출을 위해 AI 크롤링을 차단하지 못하는 딜레마에 빠져 있습니다. 또한 Stratechery의 벤 톰슨은 구글이 자체 칩(TPU)과 거대한 사용자 기반(유튜브 등)을 통해 '제국의 역습'을 시작했다고 분석했습니다. + 소비자 습관의 벽 기술적으로 모델 성능이 비슷해지더라도, 8억 명 이상의 주간 사용자를 확보한 ChatGPT의 해자는 여전히 강력합니다. 하지만 구글은 무료 서비스와 광고 모델을 통해 장기 소모전을 펼칠 수 있는 자원과 경험이 있어 OpenAI에게 위협적입니다. 2. AI 모델의 본질과 한계: 창조인가, 탐색인가? AI 모델이 진정한 범용 인공지능(AGI)으로 나아갈 수 있는지에 대한 근본적인 물음을 던지는 이론적 분석이 제기되었습니다. + 지식의 탐색자(Navigator) vs 창조자(Creator) 비샬 미스라(Vishal Misra) 교수는 LLM이 학습된 데이터의 확률 분포(Manifold) 내에서 경로를 탐색하는 '베이지안 추론'을 수행할 뿐, 새로운 개념적 틀을 창조하지는 못한다고 주장합니다. 예를 들어, 뉴턴 역학 데이터만 학습한 AI는 상대성 이론을 창시할 수 없습니다. 따라서 단순히 컴퓨팅 파워를 늘리는 스케일링(Scaling) 만으로는 AGI 도달이 불가능하며, 새로운 아키텍처가 필요하다는 지적입니다. + 모델의 정직성 테스트 OpenAI는 모델이 보상을 얻기 위해 속임수(Reward Hacking)를 쓰는지 감지하기 위해 '고백(Confessions)'이라는 연구 방법을 테스트 중입니다. 이는 모델이 별도의 보고서를 통해 자신의 규칙 위반을 솔직하게 인정하도록 훈련시키는 진단 도구입니다. 3. 피지컬 AI와 산업의 진화: 방산, 반도체, 그리고 제조업 AI가 디지털 세계를 넘어 물리적 세계(Physical AI)와 산업 현장으로 깊숙이 침투하고 있습니다. 특히 하드웨어와 소프트웨어의 결합이 가속화되고 있습니다.

매일같이 인공지능(AI)과 기술에 대한 새로운 소식이 쏟아집니다. 하지만 정보의 홍수 속에서 정작 기술의 미래를 관통하는 중요한 흐름을 파악하기란 쉽지 않습니다. 수많은 뉴스 헤드라인 뒤에 가려져 있지만, 우리가 앞으로 마주할 기술 환경에 대해 더 깊은 통찰을 주는 놀랍고도 반직관적인 사실들이 있습니다. 이 글에서는 소음 속에 가려진, 그러나 반드시 알아야 할 5가지 핵심적인 사실을 짚어보겠습니다. 1. AI의 진짜 일자리 위협은 당신이 생각하는 곳에 있지 않다 흔히 AI가 기술직 일자리를 위협한다고 생각하지만, 현실은 더 복잡합니다. a16z의 분석에 따르면 최근 기술 분야 고용에 가장 큰 타격을 준 것은 ChatGPT가 아니라 금리 인상이었습니다. AI가 직접적으로 일자리를 빼앗고 있다는 데이터는 아직 매우 "혼재된(mixed)" 상태입니다. 그렇다면 진짜 이야기는 어디에 있을까요? MIT의 한 연구는 AI의 영향이 우리가 보지 못하는 곳에 훨씬 더 거대하게 자리 잡고 있음을 보여줍니다. 연구에 따르면, 현재의 AI 기술만으로도 이미 미국 노동 시장의 11.7%, 즉 1조 2천억 달러 규모의 임금을 대체할 수 있습니다. 놀라운 점은, 언론의 주목을 받는 기술 분야의 해고는 전체 임금 노출의 2.2%에 불과한 '빙산의 일각'이라는 사실입니다. 진짜 거대한 빙산의 아랫부분은 인사, 물류, 재무, 사무 행정 등 모든 산업에 걸쳐 있는 일상적인 화이트칼라 직무입니다. 이는 AI의 충격이 특정 기술 허브에 국한되는 것이 아니라, 모든 지역과 산업 전반에 걸쳐 조용하지만 광범위하게 스며들고 있음을 의미합니다. 진짜 화두는 'AI가 개발자의 일자리를 빼앗는가'가 아니라, 'AI가 모든 조직의 업무 방식을 근본적으로 어떻게 바꾸고 있는가'입니다. 2. 엄청난 AI 투자와 더딘 성과: 기술 업계의 거대한 역설 기술 분석가 Azeem Azhar에 따르면, ChatGPT 등장 이후 빅테크 기업들의 연간 설비 투자(capex)는 약 1,500억 달러에서 4,000억 달러 수준으로 폭발적으로 증가했습니다. 그러나 이러한 막대한 투자에도 불구하고, 조사 대상 기업의 약 20%만이 AI를 통해 실질적인 가치를 창출하고 있다고 답했습니다. 이 현상은 바로 '생산성 J커브(productivity J-curve)'입니다. 전력이나 클라우드 컴퓨팅 같은 범용 기술이 확산될 때 나타나는 전형적인 패턴으로, 기술 도입만으로는 충분하지 않으며 조직 개편, 프로세스 재설계, 데이터 거버넌스 구축과 같은 고통스러운 선행 작업이 필수적이기 때문입니다. BNY Mellon과 같은 기업은 수년간의 구조조정 끝에 비로소 AI를 통한 비용 절감 효과를 보기 시작했습니다. 이러한 맥락에서 JP Morgan의 CEO 제이미 다이먼의 발언은 매우 중요합니다. 그는 막대한 초기 투자가 드디어 성과와 맞닿기 시작했음을 시사했는데, 이는 J커브의 고통스러운 바닥을 지나 이제 막 성과가 가속화될 변곡점에 도달했다는 강력한 신호입니다. "우리는 20억 달러의 비용으로 약 20억 달러의 이익을 얻었다는 것을 보여주었습니다." 이 발언은 단순한 손익분기점이 아니라, 힘든 투자 단계가 끝나고 기하급수적인 수익을 향한 출발선에 섰음을 의미합니다. 2026년은 이러한 투자가 업계 전반의 생산성 향상으로 이어지는 확산이 본격화될지 가늠할 중요한 분기점이 될 것입니다. 3. 당신의 무료 AI 챗봇에 광고가 곧 탑재된다 최근 유출된 정보에 따르면, OpenAI가 ChatGPT 내부에 광고 기능을 탑재하기 위해 내부적으로 테스트하고 있습니다. ChatGPT 안드로이드 앱 베타 버전에서 "광고 기능(ads feature)", "검색 광고(search ad)", 그리고 구글을 연상시키는 "검색 광고 캐러셀(search ads carousel)"과 같은 표현들이 발견되었습니다. 이는 단순히 새로운 기능을 추가하는 것을 넘어 "웹 경제를 재정의(redefine the web economy)"할 수 있는 중대한 변화입니다. 이유는 명확합니다. 한 분석에 따르면 "GPT가 구글보다 사용자에 대해 더 많이 알고 있을 가능성이 높기" 때문입니다. 사용자의 질문과 대화의 깊은 맥락을 바탕으로 한 초개인화 광고는 기존 키워드 기반 검색 광고의 패러다임을 완전히 뒤흔들 수 있습니다. 이 변화는 앞으로 AI 챗봇의 사용자 경험과 수익화 모델에 근본적인 영향을 미칠 것입니다. 4. 가장 비싼 스타트업 투자가 최고의 결과로 이어지지는 않는다 스타트업 투자 세계의 통념을 뒤집는 흥미로운 데이터가 있습니다. 벤처캐피털 a16z가 제시한 Carta의 데이터 분석에 따르면, 시리즈 A 라운드에서 가장 높은 기업 가치를 인정받는 것이 미래의 폭발적인 성공을 보장하지는 않습니다. 구체적으로, 가장 높은 가치 평가를 받은 기업 그룹(highest quartile)은 10배 이상 성장한 사례가 가장 적었습니다. 반면, 가장 낮은 가치 평가를 받은 그룹(lowest quartile)은 보합 또는 하락한 경우도 많았지만, 10배 이상 성장한 사례는 두 번째로 많았습니다. 투자의 '스윗 스팟(sweet-spot)'은 오히려 두 번째로 높은 가치 평가를 받은 그룹이었습니다. 이 현상이 나타나는 이유는 무엇일까요? 가장 높은 가치 평가는 이미 엄청난 미래 성장을 가격에 선반영했을 가능성이 큽니다.

이번 주 테크 업계는 AI 인프라 투자의 폭발적 성장과 함께 운영 비용 및 사회 구조적 위험에 대한 상반된 시그널로 가득했습니다. 엔비디아의 기록적인 실적과 빅 테크의 대규모 Capex 집행은 AI 플랫폼 경쟁이 본격화되고 있음을 보여줍니다. AI는 코딩, 커머스, B2B 시장 전반의 비즈니스 모델을 근본적으로 변화시키고 있습니다. 동시에 AI로 인한 일자리 감소와 사회적 혼란 가능성에 대한 경고도 커지고 있습니다. 1. AI 플랫폼 전쟁: 배포가 곧 해자다 AI 모델 품질의 격차가 빠르게 좁혀지면서, 경쟁의 초점은 이제 모델 성능 자체에서 플랫폼 전략, 배포, 통합으로 이동하고 있습니다. 구글은 제미니 3.0 출시와 함께 안드로이드, 크롬, 검색, 워크스페이스 등 구글 생태계 전반에 걸쳐 깊숙이 번들링하여 배포 채널을 해자로 활용하고 있습니다. 제미니가 OS 수준의 역량으로 진화하여 사용자 경험에 통합된다면 모델 품질은 부차적인 문제가 될 수 있습니다. OpenAI는 다른 길을 택했습니다. 기존 플랫폼에 의존하기보다 ChatGPT를 슈퍼앱으로 구축하려는 고위험-고수익 전략을 추구하고 있습니다. ChatGPT 내 앱스토어/SDK, 메모 기능, 지속 에이전트로의 전환을 통해 사용자를 새로운 중력 중심으로 끌어들이려는 시도입니다. Anthropic은 소비자보다는 엔터프라이즈, 안전성, 신뢰성을 강조하며 API 레이어에 집중합니다. AWS의 초기 클라우드 전략처럼 개발자의 신뢰를 확보하고 기업 시스템 깊숙이 AI를 확산시키려는 의도가 분명합니다. Meta는 또 다른 전략을 펼칩니다. 강력한 오픈 소스 모델을 공격적으로 공개하여 모델 레이어를 평준화시키고, 경쟁의 차별화 포인트를 상위 제품과 서비스로 이동하도록 강제하고 있습니다. 플랫폼 전쟁의 승자는 더 나은 모델을 만드는 기업이 아니라, 더 많은 사용자의 일상에 자연스럽게 스며드는 기업이 될 것입니다. 2. AI 코딩: 선택에서 필수로 AI 코딩 도구는 더 이상 선택 사항이 아닙니다. 필수적인 요소(Table Stakes)가 되었습니다. Anysphere의 Cursor가 293억 달러라는 높은 밸류에이션을 기록한 것은, 시장이 AI 기반 개발이 실험 단계에서 본질적인 단계로 이동했음을 선언한 것입니다. Copilot이 코드를 더 빠르게 작성하게 했다면, Cursor의 Composer 같은 에이전트 코딩 모델은 코드 작성 방식 자체를 변화시키고 있습니다. OpenAI는 이 경쟁에 대응하여 대규모 소프트웨어 프로젝트 및 저장소 규모의 장기적인 개발 작업을 처리하기 위한 GPT-5.1-Codex-MAX 모델을 준비 중입니다. 현재 코딩 도우미들이 대규모 저장소에서 코드에 대한 이해를 유지하지 못하는 한계를 해결하려는 시도입니다. 향후에는 Cursor의 에이전트 기능을 넘어 CLI 기반 멀티 에이전트 오케스트레이션 및 프로그래밍 가능한 개발 워크플로우로 진화할 것입니다. 이를 먼저 도입하는 조직은 12~18개월의 경쟁 우위를 확보할 수 있습니다. 기업은 AI 코딩 도구 도입을 서두르는 동시에, 전통적인 개발 도구와는 다른 시스템 접근 권한이 필요한 AI 도구에 대한 보안 및 거버넌스 프레임워크를 업데이트해야 합니다. 3. 생성 AI의 시각적 혁신: Nano Banana Pro Google은 Gemini 3 Pro Image 기반의 Nano Banana Pro를 공개하며 이미지 생성 및 편집 분야에서 새로운 역량을 선보였습니다. 이 모델은 최대 14개의 이미지를 동시에 입력으로 처리하고, 5명의 인물 간 시각적 일관성을 유지할 수 있으며, 이미지 내에 정확한 다국어 텍스트를 렌더링할 수 있습니다. 특히 중요한 혁신은 실시간 Google Search API 통합입니다. 생성된 이미지를 최신 실제 데이터(날씨, 스포츠 점수 등)에 기반하여 구체화함으로써, 데이터가 시간에 따라 변하는 시각화 작업에서 AI 모델의 환각(Hallucination) 위험을 제거합니다. 이 모델은 복잡한 데이터셋을 자연어만으로 출판 등급의 인포그래픽 및 대시보드로 변환할 수 있는 새로운 역량을 데이터 전문가에게 제공합니다. 초기 사용자들은 디자인 반복 주기가 80% 감소하고, 수백만 달러의 창작 노동 비용을 절감할 것으로 추정합니다. 4. Nvidia: AI 인프라의 곡괭이와 삽 Nvidia는 AI 인프라 붐의 "곡괭이와 삽" 공급자로서 독보적인 위치를 공고히 하고 있습니다.

이번 주 기술 분야의 핵심은 AI의 전방위적 확장입니다. CZI 바이오허브는 AI를 활용해 가상 세포와 면역 시스템을 구축하며 정밀 의학의 새로운 장을 열고 있습니다. 한편 보안 영역에서는 AI 에이전트가 작업의 80-90%를 자율적으로 수행한 최초의 대규모 사이버 첩보 활동이 포착되면서 AI의 양날의 검 같은 특성이 극명하게 드러났습니다. ChatGPT는 그룹 채팅 기능을 시범 운영하며 협업 플랫폼으로의 진화를 모색 중이고, Microsoft의 Nadella CEO는 AI 시장의 폭발적 성장과 모델 다양성의 중요성을 강조했습니다. AI 기반 생명 과학 혁신: CZI Biohub의 비전 CZI(Chan Zuckerberg Initiative)는 2110년까지 모든 질병을 치료하고 예방한다는 야심찬 목표 아래 AI와 생물학의 교차점에 모든 역량을 집중하고 있습니다. 이를 위해 연간 10억 달러를 기초 과학에 투자하며, 단순한 보조금 지원이 아닌 연구 기관과 실험실을 직접 구축하는 모델을 채택했습니다. 가상 세포에서 가상 면역 시스템으로 Biohub는 인간 세포 아틀라스(Human Cell Atlas)를 구축하여 1억 2,500만 개의 세포 전사체 데이터셋을 확보했으며, 이는 세포 동작을 예측하고 이해하는 AI 기반 가상 세포 모델(Virtual Cell Model) 개발에 활용됩니다. 연구는 더 나아가 가상 면역 시스템(Virtual Immune System) 구축으로 확장되고 있습니다. 면역 시스템은 우리 몸을 건강하게 유지하는 생물학적 방법을 제공하지만, 균형을 잃으면 자가면역 질환(다발성 경화증, 루푸스, 치매)을 유발할 수 있어 다음 임상 목표로 중요하게 간주됩니다. AI 모델과 필수 도구의 직접 개발 Biohub는 연구 속도를 가속화하기 위해 다양한 AI 모델을 개발하고 있습니다. 새로 공개된 모델에는 개인 유전 변이를 유전자 활동 패턴으로 변환하는 VariantFormer, CryoET용 대규모 모델인 CryoLens, 사실적인 단일 세포 데이터를 생성하는 scLDM 등이 포함됩니다. 또한 CryoET 현미경과 같은 필수 하드웨어와 도구를 직접 발명하고 있습니다. 정밀 의학으로 가는 길 궁극적인 목표는 정밀 의학(Precision Medicine)을 실현하는 것입니다. 이는 개인의 유전적 배경(알려지지 않은 유전자 변이 포함)과 환경 노출을 기반으로 질병 위험을 예측하고, 환자 맞춤형 치료법(N of one)을 설계하는 것을 가능하게 합니다. AI는 현재 비효율적인 치료법 선택(예: 우울증 약물)을 환자 개개인에 맞춰 개선할 수 있습니다. 가속화의 핵심 동력 AI 연구자와 생물학자 간의 물리적 공동 배치(Physically Colocating)를 통한 학제 간 협력이 핵심 성공 요인으로 꼽힙니다. Biohub는 ESM-3팀을 보유한 Evoscale을 인수하고 1만 개의 GPU 클러스터를 구축하여 계산 능력을 10배 확대했습니다. AI 보안 및 리스크: 에이전트 기반 사이버 전쟁 2025년 9월 중순, Anthropic은 AI가 에이전트 기능을 전례 없는 수준으로 활용하여 실행한 고도로 정교한 첩보 캠페인을 탐지했습니다. 이는 인간의 실질적인 개입 없이 실행된 최초의 대규모 사이버 공격으로 평가되며, 중국 정부 지원 그룹의 소행으로 추정됩니다. AI 에이전트의 공격 메커니즘 이 공격은 AI 모델의 세 가지 핵심 특징에 의존했습니다: 지능(Intelligence) - 복잡한 지시 및 소프트웨어 코딩 능력 에이전시(Agency) - 자율적인 루프 실행 및 의사 결정 도구(Tools) - MCP를 통한 네트워크 스캐너 등 접근 공격자는 Claude Code 도구를 사용하여 약 30개의 글로벌 목표(기술 기업, 금융 기관, 정부 기관 등) 침투를 시도했습니다. AI는 정찰(Reconnaissance), 취약점 식별 및 악용 코드 작성, 자격 증명 수확(Harvesting Credentials), 중요 데이터 유출 및 공격 문서화 등의 작업을 수행했습니다. 인간 개입 최소화와 속도의 혁명

AI 인프라 투자 과열 속, OpenAI의 $38B AWS 계약과 IPO 논의로 재정적 위험과 성장 전망이 교차했습니다. AI 브라우저의 콘텐츠 차단, AI 메모리의 프라이버시 침해 문제, 그리고 노동 시장의 디커플링 현상 등 AI 혁명의 명암이 뚜렷해진 한 주였습니다 1. AI 투자 과열과 재정적 위험 버블의 그림자 주요 경제 매체들과 투자자들이 우려의 목소리를 높이고 있습니다. 현재의 AI 붐이 2000년대 닷컴 버블이나 19세기 철도 건설 초기의 과열 투자와 닮아있지 않느냐는 것입니다. 실제로 AI 관련 주식은 2025년 현재까지 미국 증시 상승분의 85%를 차지하며 시장을 주도하고 있습니다. AI 기업들이 S&P500의 절반을 차지할 정도로 밸류에이션이 과도하게 높아진 상황입니다. 더 놀라운 사실은 현재 주식 시장이 닷컴 버블 직전인 2000년과 비교했을 때 실제 수익(P/E 비율) 대비 더 비싸다는 점입니다. 그러나 '버블'이라는 단어는 단순히 부정적인 의미만을 담고 있지 않습니다. AI 시장은 거품이 터지는 고통과 함께 장기적으로는 미래를 위한 물리적 인프라와 혁신을 만들어낸다는 '버블의 혜택'이라는 양면성을 가지고 있습니다. 현재 AI 투자의 '거품 지표' 중 하나만 레드 존에 있는 상황이지만, 메타(Meta)가 2028년까지 최대 6천억 달러를 AI 및 기타 인프라에 투자할 것이라고 발표하면서 경제적 압박 지표(Economic Strain gauge)는 2년 내에 레드 존으로 깊숙이 들어갈 것으로 예상됩니다. 만약 거품이 꺼진다면 어떤 일이 벌어질까요? 미국 가계 자산에서 20조 달러, 세계 GDP의 20%에 해당하는 외국인 투자자 자산에서 15조 달러의 손실이 발생할 수 있다는 예측이 나옵니다. AI 인프라 투자가 장기적인 혁신의 발판이 될 것이라는 긍정적인 기대와, 과도한 투자로 인한 단기적인 금융 위기 사이의 균형점은 여전히 불투명합니다. 기하급수적으로 증가하는 인프라 투자 AI 인프라에 대한 투자는 문자 그대로 기하급수적으로 증가하고 있습니다. 하이퍼스케일러(대형 클라우드 기업)들의 연간 자본 지출(CapEx)은 ChatGPT 출시 이후 두 배 이상 증가했으며, 모건 스탠리는 데이터 센터 CapEx가 2024년 2,450억 달러에서 2027년까지 약 7,000억 달러로 급증할 것으로 예측합니다. AI 인프라 구축 비용은 19세기 철도 건설처럼 엄청난 규모의 부채를 동반하기 시작했습니다. Bank of America Global Research 보고서에 따르면 AI 데이터 센터 자금 조달을 위한 차입이 9월과 10월에 폭발적으로 증가했으며, 현금 흐름으로만 운영되던 AI 경쟁이 '부채 주도 군비 경쟁'으로 바뀔 수 있다는 우려가 나옵니다. OpenAI는 AWS와 380억 달러 규모의 다년 전략적 파트너십을 체결하여 NVIDIA GB200 및 GB300 GPU가 장착된 EC2 UltraServers에 접근하게 되었으며, 이는 AI 모델 훈련과 추론 확장에 필수적입니다. 여기서 흥미로운 발언이 나옵니다. OpenAI의 CFO 사라 프리어(Sarah Friar)는 정부가 인프라 구축을 위한 대출 보증을 도와야 한다고 언급했는데, 이는 궁극적으로 OpenAI가 "너무 커서 망할 수 없는(too big to fail)" 위치에 도달했으며, 필요한 자본을 확보하기 위해 정부의 지원을 바란다는 시그널로 해석됩니다. 민간 AI 경쟁에 공공 자금이 투입되는 것의 정당성은 앞으로 계속해서 논쟁의 중심에 설 것입니다. 수익성의 딜레마 AI 선두주자인 OpenAI는 급격한 성장을 보이고 있음에도 불구하고, 현재 막대한 초기 투자 비용으로 인해 손실을 보고 있습니다. 샘 알트만(Sam Altman) CEO는 현재 수익이 연간 130억 달러를 훨씬 초과하며 빠르게 성장하고 있다고 밝히면서, 회사의 재무 건전성에 대한 비판을 일축했습니다. 일부 투자자들은 OpenAI가 2025년 130억 달러를 초과하는 수익을 달성하고, 2030년까지 2,000억 달러에 도달할 수 있다고 예측합니다. 하지만 현재 AI 산업은 고객들이 AI 투자에서 '제로 리턴(zero return)'을 얻고 있다는 MIT의 보고처럼, 최종 소비자나 기업 고객의 수요가 인프라 공급을 따라가지 못하는 상황입니다. OpenAI는 5년 이상 수익을 기대하기 어렵지만 5,000억 달러의 가치로 평가받고 있으며, 현재 분기당 약 120억 달러를 소진하고 있습니다. 이는 인터넷 인프라가 수요보다 훨씬 앞서 구축되어 막대한 손실과 파산으로 이어졌던 2000년대 초반의 '암흑 광섬유(dark fiber)' 시대와 유사합니다. OpenAI는 장기적으로 목표 달성을 위해 IPO를 추진할 가능성이 있으며, 2027년 경 1조 달러의 밸류에이션을 목표로 할 수 있습니다. 이는 OpenAI가 상장과 동시에 세계 최대 기업 중 하나가 되어 투자자들에게 OpenAI가 역사상 가장 빠르게 성장하는 기업이 될 것이라는 믿음에 서명하도록 요구하는 것과 같습니다. AI 모델의 수익성이 이처럼 야심 찬 투자 계획을 뒷받침할 만큼 충분히 빠르게 성장할지는 시간만이 답해줄 것입니다. 2. AI와 빅테크 주도권 전쟁 웹의 개방성이 무너지는 시대

이번 주 테크계는 AI의 전면적인 산업화 양상이 두드러졌습니다. 가트너는 AI 기반의 디지털 기반 설계와 통합, 보안을 2026년 전략 트렌드로 제시했습니다. 빅테크들은 AI 인프라 확장을 위한 전력 확보 전쟁에 돌입했으며, OpenAI는 1조 달러 IPO를 준비합니다. 테슬라는 Optimus를 통해 노동 시장을 재편하려는 야심을 드러냈고, AI 에이전트 도구들이 개인 및 기업 생산성을 혁신하고 있습니다. AI 트렌드 및 기술 혁신 가트너 2026년 전략 기술 트렌드 세계적인 리서치 및 자문 회사인 가트너(Gartner)는 2026년을 "기술 리더들에게 파괴와 혁신, 그리고 위험이 전례 없이 빠른 속도로 가속화되는 중추적인 해"로 전망하며 10대 전략 기술 트렌드를 발표했습니다. 이 트렌드는 조직의 가치를 혁신하고, 경쟁하며, 보호하는 방식을 새롭게 정의할 것이며, 세 가지 핵심 테마를 중심으로 분류됩니다. / The Architect (설계자) - 안전하고 확장 가능한 디지털 기반 구축 설계자는 AI 시대에 필요한 속도, 보안, 확장성을 갖춘 튼튼한 기술 토대를 마련하는 역할을 담당합니다. 주요 기술로는 AI 네이티브 개발 플랫폼이 있으며, 2030년까지 기업 애플리케이션의 약 40%가 이 플랫폼으로 개발될 전망입니다. 복잡한 AI 모델 훈련을 위한 AI 슈퍼컴퓨팅 플랫폼에 대한 수요가 급증하고 있습니다. 데이터 처리 중에도 안전하게 보호하는 컨피덴셜 컴퓨팅은 2029년까지 신뢰할 수 없는 인프라 데이터의 75%를 보호할 것으로 예상됩니다. / The Synthesist (통합자) - 다양한 기술을 유기적으로 연결하여 새로운 가치 창출 통합자는 서로 다른 기술을 결합하여 워크플로와 사용자 경험 전반에서 혁신을 주도하는 지능형 생태계를 구축하는 역할입니다. 멀티 에이전트 시스템(MAS)은 복잡한 워크플로를 수행하기 위해 여러 AI 에이전트가 협력하는 방식으로 주목받고 있습니다. 특정 산업이나 업무 영역에 맞춰 학습된 도메인 특화 언어 모델(DSLM)은 정확도와 규정 준수가 높으며, 2028년까지 기업 생성형 AI 모델의 60% 이상을 차지할 전망입니다. 물리적 AI는 로봇, 드론 등 현실 세계에서 스스로 판단하고 행동하는 기술로, 2028년까지 전 세계 창고의 80%가 로보틱스를 도입할 것으로 예상됩니다. / The Vanguard (선봉장) - 신뢰, 거버넌스, 보안 강화 선봉장은 빠른 혁신 속에서도 브랜드 명성과 규정을 지키고 신뢰를 유지하기 위한 방어 전략을 담당합니다. 선제적 사이버 보안은 AI를 활용해 공격이 발생하기 전에 예측하고 차단하며, 2030년에는 문서화된 보안 취약점이 연간 100만 건을 넘을 것으로 예상되어 필수적인 기술이 될 것입니다. 디지털 프로비넌스는 소프트웨어, 데이터, 미디어의 출처와 무결성을 검증하는 기술로, 딥페이크 위협에 대응하고 EU AI Act의 워터마킹 의무화에 부응합니다. AI 보안 플랫폼(AISP)은 프롬프트 주입 등 AI 고유의 위험을 막는 통합형 플랫폼으로, 2028년까지 전 세계 기업의 절반 이상이 도입할 전망입니다. AI 에이전트 및 생산성 혁신

이번 주 테크 분야는 AI 자금 조달 리스크, OpenAI의 전략적 확장, 그리고 LLM의 인지 능력 저하라는 중요한 이슈들로 가득합니다. AI가 교육, 금융 등 사회 전반에 걸쳐 혁신을 주도하는 동시에, 데이터 품질과 윤리적 가치에 대한 근본적인 질문을 던지고 있습니다. AI 시장의 금융 리스크 및 거대 기술 경쟁 + AI 금융 버블 논란과 순환 거래 (Circular Deals) AI 분야에서 '순환 거래(circular deals)'라는 복잡한 자금 조달 방식이 주목받으며 닷컴 버블과의 유사성에 대한 우려가 제기되고 있습니다. 대표적으로 엔비디아가 OpenAI에 수십억 달러를 투자하면 OpenAI는 다시 엔비디아 칩을 구매하는 상호 의존적 거래 구조가 형성되고 있습니다. 전문가들은 이러한 거래가 매출을 인위적으로 부풀려 시스템 리스크를 증가시킬 수 있다고 경고합니다. 다만 이를 불법적 '라운드 트립'이 아닌 '벤더 파이낸스(vendor finance)'로 보는 시각도 있습니다. 엔비디아가 낮은 자본 비용을 활용해 자금력이 부족한 고객에게 자금을 지원하며 위험을 다각화한다는 해석입니다. 그럼에도 벤더 파이낸싱의 증가는 AI 기술에 대한 실수요가 과대광고만큼 강하지 않다는 신호일 수 있으며, 다운스트림 기업 중 수익을 내는 곳이 없는 현재 비즈니스 모델의 지속 불가능성을 감안할 때 버블 지표로 해석될 수 있습니다. + AI 모델 운영의 지속 가능성 문제 (Scaling Costs) AI 대규모 모델 운영 비용이 수익성을 심각하게 압박하고 있습니다. 앤트로픽의 경우 AWS 컴퓨팅 지출이 수익의 100%를 훨씬 초과하는 것으로 나타났습니다. 이는 스타트업 성장의 핵심 지표인 '성장과 비용의 분리'가 일어나지 않고, 비용이 사용량에 따라 선형적으로 증가하는 비확장성 문제를 드러냅니다. 기업 고객들은 민감한 워크플로우를 감사할 수 없는 불투명한 클라우드 서비스에 통합해야 하는 데이터 보안 문제에도 우려를 표합니다. 이에 대한 해결책으로 대규모 기업 인프라에서 작동하는 로컬 모델을 구축하여 라이선스 비용을 받는 모델이 지속 가능한 대안으로 제안되고 있습니다. + 빅테크 간의 컴퓨팅 파워 전쟁과 전략적 제휴 AI 모델 학습에 필요한 컴퓨팅 파워를 둘러싼 빅테크 기업들의 경쟁이 심화되고 있습니다. 앤트로픽은 구글과 수백억 달러 규모의 클라우드 계약을 체결하여 맞춤형 TPU 최대 100만 개에 접근할 수 있게 되었으며, 2026년까지 1기가와트 이상의 AI 컴퓨팅 용량을 확보할 예정입니다. 이는 기존 아마존 트레이니움 칩 사용 계약과 구글 관계를 균형있게 조정하는 전략입니다. 이 거래는 엔비디아에게 불편함을 주고 있습니다. 엔비디아는 구글이 TPU를 통해 AI 모델 훈련 시장에서 직접 경쟁하는 것을 원치 않기 때문입니다. 한편 OpenAI는 마이크로소프트 의존도를 줄이고 브로드컴과의 자체 칩 개발 및 AMD 제휴를 통해 AI 칩 공급을 다각화하는 전략을 추진하고 있어, 앤트로픽과 OpenAI 간 뚜렷한 전략적 차별화가 형성되고 있습니다. OpenAI의 확장 전략 및 기업 문화 변화 + OpenAI의 생태계 확장 (브라우저, 인수, 앱 통합) OpenAI는 핵심 챗봇 서비스를 넘어 사용자 생태계를 적극 확장하고 있습니다. 사파리 및 크롬과 경쟁하기 위한 새로운 브라우저 'ChatGPT Atlas'를 출시했으며, 자연어 처리와 에이전트 모드를 특징으로 AI가 자율적으로 작업을 완료할 수 있도록 설계되었습니다. 또한 macOS와 깊이 통합된 도구인 Sky를 인수했습니다. Sky는 LLM에 화면상의 맥락을 제공하고 사용자의 자연어 명령을 기반으로 애플리케이션 전반에서 워크플로우를 생성하는 기능을 제공했으며, 이 기술은 ChatGPT에 통합될 예정입니다. 더불어 ChatGPT는 Spotify, Canva, Figma 등 다양한 앱과 통합되어 사용자가 챗봇 내에서 플레이리스트 생성, 디자인, 프로토타이핑을 할 수 있게 되었습니다. + Meta 출신 인력 유입과 성장 우선 전략의 윤리적 딜레마

OpenAI는 8억 명의 주간 이용자를 기반으로 새로운 운영체제를 지향하며 엔비디아의 독점적 지위를 공격하고 있습니다. AI 버블 논쟁 속에서, 기술 발전의 병목 현상은 규모(Scale)에서 창의적인 방법론(Ingenuity)으로 이동하고 있습니다. 한편, AI의 급속한 확산은 전 세계적인 채택 장벽, 노동 시장의 변화, 생체 안보 및 윤리적 문제 등 중대한 사회적 도전을 야기하고 있습니다. 1. AI 제국 건설과 플랫폼 패권 경쟁 + OpenAI의 인프라 및 OS 전략 OpenAI는 칩, 전력, 앱 생태계를 동시에 확장하며 인터넷의 새 대문이자 새로운 운영체제(OS)를 목표로 하고 있습니다. 지난 6주 동안 OpenAI는 브로드컴과 100억 달러 규모의 AI 칩 계약을 체결하고, 오라클과 3,000억 달러 규모의 데이터센터를 구축하며, 엔비디아와 1,000억 달러 규모의 칩 구매 계약을 맺는 등 막대한 인프라 투자를 진행했습니다. 특히 엔비디아의 독점 체제에 균열을 가하기 위해 AMD 지분 확보 및 ROCm 소프트웨어 고도화 협력을 추진하고 있습니다. 이는 엔비디아의 해자(CUDA)를 정면으로 공격하는 구도로 해석됩니다. 이러한 경쟁 구도는 1980년대 PC 시장을 지배했던 Wintel(Microsoft Windows와 Intel x86 프로세서) 독주 체제에 AMD가 경쟁을 도입했던 1991년의 상황과 유사합니다. OpenAI는 엔비디아나 브로드컴 단일 기업이 공급할 수 없는 엄청난 양의 GPU가 필요하기 때문에 공급망 다변화가 필수적이며, GPU 최종 생산자 다변화(TSMC 독점 이후 인텔 파운드리나 삼성전자 파운드리가 후보)도 모색하고 있습니다. OpenAI는 8억 명에 이르는 주간 활성 이용자(WAU) 규모를 기반으로 플랫폼으로 진화할 초기 조건을 형성했습니다. 제3차 연례 개발자 콘퍼런스(Dev Day)에서 ChatGPT 앱 도입을 통해 ChatGPT가 지배적인 운영체제가 되겠다는 의지를 표명했습니다. 이용자는 ChatGPT를 벗어나지 않고도 '#앱이름'으로 앱을 호출하여 사용할 수 있으며, 이는 WeChat의 미니 프로그램과 유사한 작동 원리를 갖습니다. 이는 "ChatGPT = 애플 앱스토어/구글 플레이 + 구글/네이버 검색 + 슈퍼앱으로서 위챗"이라는 공식으로 설명되며, 최종 소비자를 확보한 기업(현재 OpenAI)이 AI 제국의 성격과 방향을 결정하는 새로운 권력의 탄생을 의미합니다. + AI 버블 논쟁 및 재정 능력 OpenAI가 건설하고자 하는 데이터센터의 에너지 요구 사항은 20개의 원자로에 해당하는 20GW이며, 앞으로 10년 동안 필요한 시설 투자 비용은 약 1조 달러로 추산됩니다. 현재 2025년 예상 매출이 130억 달러 수준인 OpenAI가 이 천문학적인 투자금을 어떻게 확보할 것인지에 대해 파이낸셜타임스는 핵심 비판을 제기하고 있습니다. AI 거품 주장의 근거로는 엔비디아가 벌어들인 막대한 수익을 다시 AI 칩이 필요한 기업에 투자하는 순환 거래(circular deals)가 지적되며, 이는 수많은 기업의 운명이 하나로 묶여 AI 버블 폭발 위험성을 높이고 있다는 시각이 있습니다. 그러나 역사적으로 1825년부터 2000년 사이에 발생한 51건의 기술 혁신 중 37건이 거품 현상을 동반했으며, 모든 기술 버블이 터지는 것은 아니라는 점에서 생산적 거품이 존재할 수 있다는 교훈도 있습니다. OpenAI는 8억 명의 최종 이용자를 기반으로 막대한 돈을 벌 수 있는 방법을 제시하며 1조 달러를 조달할 재정 능력을 시장에 입증해야 하는 상황에 놓여 있습니다. 2. AI 확산의 현주소와 새로운 기술 영역 + 글로벌 AI 채택 장벽 및 트렌드 Microsoft가 도입한 새로운 측정 기준인 'AI 사용자 점유율(AI User Share)' (15~64세 근로 연령 인구 중 AI 도구를 사용하는 비율) 분석에 따르면, 개발도상국에서 AI 채택의 주요 장벽은 인터넷 접근성 자체이며 관심 부족이 아닙니다. 인터넷 접속이 가능한 인구 사이에서는 인터넷 보급률이 낮은 15개국의 AI 채택률(23%)이 나머지 국가들의 평균(20%)보다 실제로 더 높았습니다. 이는 AI 확산이 전기, 인터넷 연결, 디지털 기술에 이르는 기술 퍼널(technology funnel)과 깊이 연관되어 있음을 보여줍니다. 한편, AI 사용자 점유율은 실시간 시장 역학을 포착하는 데 민감한데, 2025년 1월 DeepSeek 출시 이후 중국의 AI 채택률이 8%에서 20%로 두 배 이상 급증하여 중국이 1억 9,500만 명 이상의 추정 사용자 기반으로 세계 최대 AI 시장이 되었다는 점은 주목할 만합니다. 그러나 UAE와 싱가포르 같은 예외를 제외하고, 대부분의 선진국은 현재 조건 하에서 25%~40%의 채택률에 정체(potential ceiling)되어 있습니다. + AI와 경제 충격 미국 경제는 제조업 침체, 소비자 심리 약화, 무역 관세 등 부정적 징후에도 불구하고 붕괴되지 않고 있으며, AI 붐이 이러한 악영향을 상쇄하는 강력한 힘으로 작용하고 있을 가능성이 제기됩니다. 일부 분석에 따르면 AI 관련 지출이 미국 GDP 성장의 상당 부분을 차지하고 있으며, 2025년 S&P 500 시장 가치 증가분 중 80%가 AI 기업(Nvidia, Microsoft, Apple 등)에서 나왔습니다.

이번 주 AI 업계는 엔지니어링의 '새로운 정상' 선언, 수천억 달러 규모의 인프라 투자 및 순환 금융 논쟁으로 뜨거웠습니다. 한편, Sora2로 인한 콘텐츠 진정성 붕괴와 AI가 유발하는 정신 건강 위험성 등 기술이 사회와 개인의 현실에 미치는 심리적 영향에 대한 심도 있는 논의도 활발했으며, 중국은 비관적 정서를 퍼뜨리는 온라인 활동을 단속하며 검열의 범위가 '대중의 기분'까지 확대되었습니다. 1. AI 기술 및 제품 혁신 + 에이전트 및 코드 생성의 발전 AI는 조직 내에서 빠르게 승진하며 엔지니어링 작업 방식 자체를 변화시키고 있습니다. OpenAI의 Codex는 약 1년 만에 인턴에서 시니어 엔지니어로 승진했으며, 기술 직원의 92%가 Codex를 매일 사용하고, AI를 사용하지 않는 직원보다 72% 더 많은 코드를 제출(pull requests)하는 것으로 나타났습니다. 이러한 발전은 엔지니어링 패러다임의 변화를 가져왔는데, 이는 바이브 코딩(Vibe Coding)과 바이브 엔지니어링(Vibe Engineering)으로 구분할 수 있습니다. 바이브 코딩이 프롬프트 기반의 무책임하고 느슨한 소프트웨어 구축 방식이라면, 바이브 엔지니어링은 숙련된 전문가가 LLM을 활용하여 작업을 가속화하되, 자신이 만든 소프트웨어에 대해 자신감 있고 책임감 있게 임하는 방식을 의미합니다. AI와 효과적으로 협업하기 위한 설계 패턴이 강조되고 있습니다. 아키텍트-구현자 시스템 (Architect-Implementer systems): 첫 번째 에이전트가 솔루션을 설계하고 두 번째 에이전트가 이를 실행합니다. 이때 반직관적으로 두 번째 에이전트는 첫 번째 에이전트의 컨텍스트를 보지 않아야 신선하고 식별력 있는 시각으로 더 많은 오류를 포착할 수 있습니다. 닫힌 피드백 루프 (Closed Feedback Loops): 에이전트가 테스트를 실행하고, 코드를 수정하고, 다시 테스트를 실행하는 과정을 통과할 때까지 반복하며, 이후 세 번째 에이전트가 품질과 스타일을 검토합니다. OpenAI에서는 이 패턴으로 7시간의 자율 실행, 150M 토큰 처리, 15K 라인의 코드 리팩토링이라는 놀라운 기록을 달성했습니다. 또한, LLM과 코딩 에이전트의 역량을 진정으로 활용하려면 기존의 최고 수준 소프트웨어 엔지니어링 관행(자동화된 테스트, 사전 계획, 포괄적인 문서화, 훌륭한 버전 관리 습관 등)을 실행해야 합니다. AI 도구는 기존의 전문 지식을 증폭시키기 때문에, 엔지니어는 고수준 아키텍처 결정, 사양 작성, 성공 기준 정의, 에이전트 루프 관리, QA 계획, 그리고 많은 코드 검토에 집중해야 합니다. 한편, OpenAI는 DevDay(10월 6일)에 Agent Builder를 출시하여 n8n이나 Zapier와 같은 기존 워크플로 자동화 도구와 직접 경쟁할 준비를 하고 있습니다. Agent Builder는 드래그 앤 드롭 캔버스를 통해 고객 서비스 봇, 데이터 보강 루틴 등 복잡한 에이전트 흐름을 시각적으로 생성할 수 있게 하며, 비전문가도 AI 에이전트 생성을 쉽게 하여 진입 장벽을 낮출 것입니다. + AI 환각 및 신뢰성 문제 LLM(대규모 언어 모델)의 환각(hallucination) 문제는 여전히 해결되지 않고 있습니다. 연구자들은 이를 '환각'이라고 부르지만, 이는 사실상 허위 진술(confabulation), 속임수(hornswaggle) 또는 단순한 헛소리(plain BS)와 더 가깝습니다. OpenAI 연구원들의 논문에 따르면, 모델 훈련 방식 때문에 환각을 완전히 막기는 어렵습니다. 왜냐하면 훈련 시 오답에 대한 불이익이 없기 때문에, 모델은 정답을 맞히기 위해 추측하는 경향이 있기 때문입니다. 순수 LLM 모델 자체의 확률적 특성 때문에 환각이 불가피하다는 주장이 있지만, 저자들은 "기반 모델(base models)"에만 해당된다고 지적합니다. 예를 들어, LLM을 정보 파싱이 가능한 '단순한' 프로그램으로 래핑하여 계산기처럼 활용하거나, 참조할 수 있는 사실 정보(expert system)를 제공하는 방식이 제안됩니다. 그러나 이는 결국 테스트를 위한 학습(teaching to the test) 문제로 이어지며, 벤치마크 점수를 높이기 위해서는 가끔 정보를 꾸며내는 모델이 추측을 거부하는 모델보다 더 나은 성과를 낼 수 있다는 아이러니가 존재합니다. 궁극적으로 LLM은 "정답처럼 느껴지는" 출력을 생성하는 완벽한 도구이지만, 이는 아직 인공지능의 "일부"만을 보여주는 것이며, 스스로 질문하는 중요한 단계가 빠져 있습니다. 신경망은 훈련 데이터셋에 없는 '분포 외 데이터(out-of-distribution data)'를 제대로 처리하지 못하는 고질적인 문제가 있으며, 환각은 본질적으로 확률과 근사치의 산물로 훈련을 통해 완전히 제거될 수 없습니다. + 생성형 비디오(Sora2)의 영향 OpenAI의 Sora2와 같은 비디오 생성 기술은 소셜 미디어 생태계, 특히 Instagram과 같은 플랫폼을 완전히 뒤엎을 수 있는 '게임 체인저'입니다. Sora2는 "산토리니 일몰, 웃고 있는 커플, 시네마틱 바이브, 드론 뷰"와 같은 프롬프트 입력만으로 전문 영화 제작자가 찍은 것과 구별할 수 없는 4K 비디오를 생성할 수 있게 합니다. Sora2가 확산되면 '콘텐츠의 희소성'이 사라지고 '진정성(authenticity)'의 붕괴를 초래할 것입니다.

AI 투자 버블 경고 속, 챗GPT가 커머스 시장에 뛰어들며 구글/아마존의 경제학을 흔들고 있습니다. 또한 AI 에이전트의 발전은 RAG 구조를 무력화하며 아키텍처의 혁신을 예고하고 있습니다. 한편, 프라이버시 통제와 AI 배우 논란 등 기술 확산에 따른 사회적 딜레마 역시 심화되고 있습니다. 1. AI 시장 및 투자 트렌드 + AI 투자 규모와 데이터센터 붐 AI 열풍과 함께 데이터센터 건설 투자가 사상 최대 규모로 치솟고 있으며, 미국 인구조사국 자료에 따르면 2025년 7월까지 데이터센터 건설 지출이 연환산 410억 달러에 달해 미국 전체 민간 오피스 건설비와 거의 맞먹는 수준입니다. 이는 2014년 7월 대비 무려 2,200% 증가한 수치로, 2022년 말 ChatGPT 출시 이후 투자 가속화 현상이 뚜렷합니다. AI 인프라 레이어에 대한 투자는 아직 끝나지 않았으며, 에너지 최적화, 칩, 하드웨어, 모델 및 소프트웨어 전반에 걸쳐 기회가 남아있습니다. + AI 시장 거품 논란 AI 산업이 '산업 버블(industrial bubble)' 상태라는 경고가 이어지고 있습니다. 아마존 창립자 제프 베이조스(Jeff Bezos)는 AI가 산업 버블에 있지만, 이 기술은 "실재하며 모든 산업을 변화시킬 것"이고 사회에 "거대한" 혜택을 가져올 것이라고 예측했습니다. 버블 시기에는 좋고 나쁜 모든 아이디어가 자금 지원을 받으며, 투자자들이 좋은 아이디어와 나쁜 아이디어를 구별하기 어렵다고 지적했습니다. 베이조스는 과거 1990년대 바이오테크 버블이 궁극적으로 생명을 구하는 의약품 개발로 이어진 것처럼, 산업 버블은 궁극적으로 사회에 긍정적인 결과를 가져올 수 있다고 설명했습니다. 저명한 투자자 데이비드 아인혼은 대규모 데이터센터 투자를 두고 "엄청난 자본 파괴가 일어날 가능성이 있다"고 경고했으나, 샘 알트만 오픈AI CEO는 오히려 현재 투자 속도가 부족하다며 수천억 달러 규모의 투자 계획이 "나중에는 느려 보일 것"이라는 상반된 견해를 밝혔습니다. 업계에서는 AI 과잉 투자와 관련하여 세 가지 잠재적인 '고비(events)'를 예측합니다. 스케일링 법칙의 한계: AGI(범용 인공지능) 달성이 예상보다 늦어지고, 모델 개선의 증분 가치가 비용(수백억 달러) 대비 낮아질 수 있습니다. 공급 과잉: 현재는 수요가 공급을 초과하지만, 1836개월 내에 집단 공급이 23배 증가할 경우 수요와 부드럽게 일치할지 미지수입니다. 마이너스 마진 AI 스타트업의 자금 고갈: AI 모델 래퍼(wrapper) 기업들이 자금난을 겪고 VC들이 투자를 주저하는 경우입니다. 다만, 구글, 아마존, 메타, 마이크로소프트 등 하이퍼스케일러들은 AI 지출이 재량적이고 대차대조표에 큰 타격을 주지 않는 "꼬리를 잡거나 머리를 놓치지 않는" 상황에 있다고 분석되며, 이들의 AI 투자는 합리적인 선택으로 평가됩니다. 2. AI 아키텍처 및 에이전트 혁신 + 에이전트 기반 컴퓨팅의 미래 업계는 '에이전트 우선(agent-first)' 세계로 나아가고 있음이 분명해지고 있습니다. 인간은 목표와 의도 설정에 집중하고, AI 에이전트가 실행, 추론, 심지어 서로 직접 협업하여 '잡무'를 처리하는 방식으로 역할이 바뀔 것입니다. 이러한 에이전트 기반 솔루션의 초기 사례로는 이메일 분류, 후속 초안 작성, 거래 추론 등을 자율적으로 수행하는 CRM 솔루션인 클라리파이(Clarify)와, 위협을 감지하고 대응하는 에이전트 무리를 배치하는 사이버 보안 회사 드롭존(Dropzone)이 있습니다. + RAG의 종말과 컨텍스트 혁명 RAG(Retrieval-Augmented Generation)는 '컨텍스트 부족 시대(context-poor era)' 의 임시방편(band-aid)으로서 유용했지만, 이제는 종말을 맞이하고 있다는 분석입니다. 초기 LLM(GPT-3.5, GPT-4)은 처리할 수 있는 토큰(4K~8K)이 제한적이었기 때문에, 지식 기반에서 가장 관련성 높은 문서 조각(chunk)을 검색하여 LLM에 제공하는 RAG 아키텍처가 지배적이었습니다.