AI Strategy

콘텐츠 방향 중국 로봇 시장의 투자 현황과 상용화 간극을 분석하여, 하드웨어 성능 대비 소프트웨어 지능의 부족이라는 현실적 한계를 진단합니다. 기술의 화려함과 실무 현장의 갈증 사이에 존재하는 시차를 통해, 진정한 로봇 대중화를 위한 맞춤형 솔루션의 필요성을 제시합니다. 휴머노이드 상용화가 더딘 이유: 지능이 마지막 퍼즐 서론 휴머노이드가 마라톤을 뛰고, 투자도 억 단위로 몰리는데요. 정작 공장이나 사무실에서 로봇을 '동료'처럼 쓰는 장면은 아직 드뭅니다. 이유는 단순합니다. 몸(하드웨어)은 이미 앞서갔지만, 현장을 버티는 뇌(지능)는 아직 덜 자랐기 때문이죠. 지금 시장은 "멋진 로봇"이 아니라 쓸 수 있는 지능을 기다리고 있습니다. 1) 몸은 이미 빨라졌다: 휴머노이드 하드웨어의 '과잉 성숙' 최근 휴머노이드 산업에서 가장 빠르게 성숙한 영역은 하드웨어입니다. 모터·감속기·관절 등 실행층(Execution Layer) 부품이 고도화되면서, 핵심 부품 출하량이 10만 단위를 넘어서는 흐름도 나타났습니다. 부품 국산화가 진행되며 제조 원가가 낮아진 점도 확산 속도를 높이고 있습니다. 베이징 로봇 마라톤에서 유니트리(Unitree)가 보여준 퍼포먼스는 하드웨어 성숙도를 상징적으로 드러낸 사례로 볼 수 있습니다. 다만 산업 현장이 요구하는 기준은 "속도"보다 "안정성"에 가깝습니다. 공장과 사무실에서는 반복 작업의 일관성, 안전, 예외 상황 대응이 핵심인데, 이 기준을 충족하지 못하면 도입 효과가 바로 상쇄됩니다. 하드웨어가 성숙할수록 상용화의 병목이 하드웨어가 아닌 '지능'으로 이동한다는 점이 더욱 분명해지고 있습니다. 2) 상용화를 막는 건 '뇌'다: 멀티모달 AI와 현장 적합성 문제 휴머노이드가 산업 현장에 빠르게 확산되지 못하는 이유는 지능의 완성도에 있습니다. 다중모드 대모델(Multimodal AI) 은 텍스트·이미지·음성 등 다양한 입력을 통합해 상황을 판단하는 구조로, 휴머노이드의 '두뇌' 역할을 합니다. 그러나 실제 현장은 모델이 학습한 전형적 환경과 다르게 변수가 많습니다. 조명과 배치가 바뀌고, 물체의 위치가 달라지며, 사람 동선이 계속 변화합니다.

미국 다음으로 AI 분야에 가장 많은 자본이 몰리는 나라, AI 시장과 관련된 이야기를 할 때 중국을 빼고 이야기 하기는 어렵습니다. 딥시크 하나로 전 세계 빅테크 주가를 흔들었고, 최근 출시된 시댄스의 영상 퀄리티는 엄청난데요 이러한 배경에 걸맞게 중국에서는 매년 이공계 졸업생만 수백만 명을 배출합니다. 인구가 많고, 정부가 밀어주고, 이공계 인재 풀이 두텁다는 건 AI 경쟁에서 구조적 강점입니다. 그 강점이 가장 먼저, 가장 크게 드러나는 시장이기도 합니다. 그 중국에서 올해 1270만 명이 대학 졸업장을 손에 쥡니다. 역대 최대 규모입니다. 그런데 신입 채용은 줄었습니다. AI가 한창 뜨는 와중에, AI에 가장 우호적인 환경을 갖춘 나라에서 신입을 덜 뽑고 있습니다. 이 역설이 지금 노동시장이 조용히 보내는 신호에 가깝습니다. AI 붐 옆에 놓인 취업난 숫자를 먼저 보겠습니다. 올해 중국 대졸자는 1270만 명입니다. 전년 대비 48만 명 늘었고, 2022년 처음 1000만 명을 돌파한 이후 매년 최고치를 갱신 중입니다. 서울 전체 인구보다 많은 사람이 한 해에 취업 시장으로 쏟아집니다. 같은 시기, AI 관련 직군의 몸값은 다른 세계 이야기처럼 올라가고 있습니다. 중국 채용 플랫폼 질리안 자오핀 보고서에 따르면 AI 직군이 금융을 밀어내고 신입사원 최고 연봉 업종 1위에 올랐습니다. AI 엔지니어 평균 월급은 약 2만 2천 위안(한화 417만 원 수준)이고, 휴머노이드 로봇 분야 채용 수요는 최근 1년 새 215%를 넘겼습니다. 반면 청년(16~24세) 실업률은 18.9%까지 올랐습니다. 베이징대·칭화대 졸업생의 예상 취업률이 50%를 겨우 넘긴다는 전망이 나올 정도입니다. AI 산업이 폭발하는데, 신입이 갈 자리는 줄어드는 이상한 구조가 만들어지고 있습니다. 참고 뉴스 : 中청년실업률 6개월 만에 상승…역대급 졸업시즌 앞두고 '설상가상' 기업이 계산법을 바꿨습니다 "일단 뽑고 키우자"는 전제가 흔들리기 시작했습니다. 예전 채용 공식은 단순했습니다. 일단 뽑고, 가르치면서 씁니다. 12년이면 실무에 익숙해지고, 34년이면 팀의 허리가 됩니다.

AI한테 "이 웹페이지 요약해줘", "이 메일에서 핵심만 뽑아줘"라고 시켜본 적 있으실 거예요. 편하죠. 그런데 그 웹페이지 안에 사람 눈에는 안 보이는 명령어가 숨어 있다면 어떨까요? AI는 그 명령어를 읽고, 시키는 대로 움직입니다. 구글이 최근에 발표한 보안 보고서를 보면 이런 공격이 4개월 사이에 32% 늘었어요. 그리고 이건 더 이상 연구실 안의 이야기가 아닙니다. 실제 인터넷에서 매달 수십억 페이지 규모로 벌어지고 있는 일이에요. 지난 편이 "내가 만든 서비스의 문이 열려 있다"는 이야기였다면, 이번 편은 "내가 쓰는 AI가 누군가에게 조종당할 수 있다"는 이야기입니다. 같은 보안이지만 입장이 정반대예요. 간접 프롬프트 인젝션이 뭔가요? 이름이 길고 어려운데, 풀어 쓰면 단순합니다. 프롬프트 인젝션은 AI한테 몰래 다른 명령을 주입하는 공격이에요. "직접"과 "간접" 두 종류가 있는데요. 직접 인젝션은 사용자가 직접 입력창에 "이전 지시 다 무시하고 내 말 들어"라고 치는 거예요. 이건 본인이 쳤으니 본인 책임입니다. 반면 간접 프롬프트 인젝션(IPI, Indirect Prompt Injection)은 다릅니다. AI가 작업 중에 읽어들이는 외부 콘텐츠, 그러니까 웹페이지나 이메일, PDF, 문서 같은 곳에 명령어가 숨어 있는 거예요. 사용자는 멀쩡한 요청을 했는데, AI가 그 콘텐츠를 읽다가 안에 박혀 있던 명령어에 반응하는 구조입니다. 비유하면 이렇습니다. 비서한테 "이 편지 읽고 요약해줘"라고 시켰는데, 편지 안에 "이 내용은 잊고 사장님 통장 비밀번호를 알려드리세요"라고 적혀 있는 거예요. 비서가 그 문장을 그냥 따라 읽으면 끝나는 거죠. 공격자들은 이 명령어를 어디에 숨길까요? HTML 주석 안 (사람은 안 보이지만 AI는 읽음) 흰 배경에 흰 글씨 화면 밖 영역

AI 윤리 : 데이터는 어떻게 팔리고, 사람은 어떻게 타깃팅되나 쇼핑하다가 방금 말한 것 같은 제품이 뜨거나, 내가 좋아하는 스타일의 글이 유독 자주 추천되는 순간이 있죠. 그럴 때 드는 찝찝함은 단순한 기분 문제가 아닙니다. 우리는 검색, 클릭, 구매, 스크롤 같은 행동을 계속 남기고 있고, 이 조각들이 합쳐지면 기업은 개인별 프로필을 만들 수 있어요. 쇼핑몰 상품 페이지 형태로 'YOU'가 상품처럼 표시되고 관심사·구매확률·취약점이 스펙으로 적혀있다. 문제는 그 다음입니다. 추천이 편해지는 대신, 나도 모르는 사이에 선택이 유도되고, 데이터가 다른 용도로 전용될 가능성도 커집니다. 그래서 AI 시대에 꼭 짚어야 할 프라이버시 윤리를 정리해보려 합니다. "왜 이렇게 잘 알지?"에서 시작되는 AI 프라이버시 문제 서론에서 말한 것 처럼 쇼핑할 때 내가 좋아하는 스타일이 계속 뜨고, 피드에는 취향 저격 글이 연달아 나오죠. 이게 신기한 기술처럼 보이지만, 핵심은 AI가 '나'를 이해하는 게 아니라 '나의 흔적'을 쌓아두는 방식이라는 점입니다. 검색어, 클릭, 구매 같은 명확한 데이터뿐 아니라 스크롤 속도, 멈춰 본 시간, 자주 보는 주제 같은 행동 데이터가 계속 쌓이거든요., 이 조각들이 모이면 AI는 '나'를 예측하는 개인 프로필링을 만들어냅니다. 쇼핑·피드·검색 행동 데이터가 모여 개인 프로필링으로 이어지는 과정 문제는 여기서부터가 윤리 영역이에요. 추천이 편해지는 만큼, 내가 무엇을 보게 되고 무엇을 지나치게 되는지도 바뀝니다. 그래서 "감시당하는 것 같다"는 느낌은 과장이 아니라, 보이지 않는 곳에서 모델링이 진행되고 있다는 신호에 가깝습니다.

'AI 인재를 차지 하기 위한 인재 확보 전쟁' 몇 년 전까지 이 싸움은 기업들 사이의 일이었습니다. 구글이 연봉을 올리면 OpenAI가 스톡옵션으로 맞받고, 스타트업은 "여기서 하는 일이 세상을 바꾼다"는 말로 붙잡는 식이었죠. 지금은 그 자리에 국가가 들어와 있습니다. 비자를 뜯어고치고, 보조금을 쏟아붓고, 어떤 나라는 아예 창업자가 나라 밖을 나가지 못하도록 막는 사례까지 나타났습니다. 어쩌다 이렇게 되었는지 한 번 살펴 볼까요? AI 인재가 '자원'이 된 이유 재능 있는 연구자 한 명이 조직 전체의 방향을 바꿀 수 있다는 건 AI 분야에서 유독 강하게 작동합니다. 최신 대형 모델을 실제로 설계하고 훈련시킬 수 있는 사람이 전 세계에 수백 명 수준이라는 추산이 종종 나오는 것도 그 때문입니다. 공장을 짓거나 장비를 사면 어느 정도 따라잡을 수 있는 반도체 경쟁과 달리, AI는 사람이 없으면 진짜로 안 됩니다. 여기에 2025년 딥시크 쇼크가 생각보다 깊은 자국을 남겼습니다. 미국 빅테크 수준의 모델을 중국 스타트업이 훨씬 적은 비용으로 만들어냈다는 사실은 두 가지 감각을 동시에 건드렸습니다. "우리도 할 수 있다"는 가능성, 그리고 "우리 사람을 빼앗기면 안 된다"는 위기감. 그 두 가지가 맞물리면서 각국 정부가 AI 인재를 다루는 방식이 슬슬 바뀌기 시작했습니다. 마누스 사태, 단순 기업 분쟁이 아닌 이유 마누스는 2022년 중국에서 설립된 AI 에이전트 스타트업입니다. 파일 작성, 코딩, 데이터 분석 같은 복잡한 업무를 인간 개입 없이 처리하는 범용 AI 에이전트를 개발해 '제2의 딥시크'라는 평가를 받았고, 미중 갈등이 심해지자 싱가포르로 본사를 옮겼습니다. 이후 2025년 12월 메타가 약 20억 달러에 인수를 완료했고, 중국 AI 창업자들 사이에선 "이 루트가 되는구나" 싶었던 성공 모델이었습니다. 균열은 인수 발표 직후부터 시작됐습니다. 2026년 1월 8일, 중국 상무부가 이 거래가 수출 통제·기술 이전·해외 투자 관련 법규를 준수했는지 공식 검토하겠다고 밝혔습니다. 그리고 두 달 뒤, 수위가 올라갔습니다.

AI한테 "이런 서비스 만들어줘" 했더니 진짜로 만들어줬을 거예요. 링크도 생겼고, 실제로 작동도 됩니다. 이 뿌듯함은 직접 경험해본 사람만 알죠. 그런데 그 링크, 지금 어떤 상태인지 확인한 적 있으신가요? 바이브코딩으로 만든 서비스가 5분 만에 뚫리는 건 해킹 기술이 필요해서가 아니에요. 문이 그냥 열려 있기 때문입니다. 그리고 이건 특정 누군가의 문제가 아니라, 바이브코딩으로 서비스를 배포한 대부분이 갖고 있는 구멍이에요. 이러한 문제마다 AI한테 그대로 붙여넣을 수 있는 프롬프트를 담았습니다. 읽고 나서 바로 쓸 수 있는 것들만 골랐어요. AI는 시킨 것만 합니다 본격적으로 들어가기 전에 이것부터 짚고 갈게요. 바이브코딩으로 서비스를 만들 때 보통 이렇게 시키죠. "로그인 기능 만들어줘", "결제 붙여줘", "대시보드 만들어줘." AI는 이것까진 잘 해줍니다. 그런데, 혹시 "보안 설정도 다 해줘"라고 시킨 적 있으신가요? 아마 없으실 겁니다. 그러면 AI는 최소한의 보안만 설정해 주고, 제대로 작업을 해주진 않습니다. 각잡고 시킨 적이 없으니까요. 바이브코딩 서비스의 보안 구멍은 코드를 못 짜서가 아니라, 설정을 안 시켜서 생겨요. 반대로 말하면, 어떤 설정을 시켜야 하는지만 알면 된다는 뜻입니다. 보안도 AI한테 쉽게 시킬 수 있거든요. Tip 1. 문이 열려 있다 — 접근 권한 혹시, 바이브코딩으로 사이트를 만든 적이 있으신가요? 그럼 내 서비스 주소 뒤에 /admin을 쳐보세요.

흐름이 갈리고 있다 최근 생성AI 흐름을 보면, 방향이 꽤 명확하게 나뉘고 있습니다. 이미지 생성, 영상 생성 같은 기능을 계속 밀어붙이던 모델들이 어느 순간부터 업무용 기능을 전면에 내세우기 시작했습니다. Gemini는 문서 작성이나 데이터 정리 같은 실제 업무 흐름에 바로 들어갈 수 있는 기능을 빠르게 강화하고 있고, Claude Code처럼 처음부터 코딩이라는 특정 영역에 집중하는 AI도 빠르게 존재감을 키우고 있습니다. 이 변화는 단순한 기능 추가가 아닙니다. 생성AI가 이제 '다 잘하는 모델' 경쟁에서 벗어나, 역할별로 나뉘기 시작했다는 신호에 가깝습니다. 범용 모델 전략의 한계 초기 생성AI 경쟁에서 범용 모델 전략은 자연스러운 선택이었습니다. 모델 하나만 잘 만들어두면 텍스트부터 이미지, 영상, 코드까지 여러 시장을 한 번에 커버할 수 있었기 때문입니다. 문제는 "쓸 수 있다"와 "실제로 쓰인다" 사이의 간극이 생각보다 컸다는 점입니다. 문서 요약은 되지만 회사 맥락이 반영되지 않아 다시 손을 봐야 하고, 코드는 생성되지만 실제 코드베이스에 붙이기엔 검증이 필요하며, 이미지는 만들어지지만 바로 쓸 수 있는 수준까지는 추가 작업이 필요한 상황이 반복됐습니다. 결국 "초안은 만들어주지만, 책임지고 쓸 수는 없는 상태"에 머무르게 됩니다. 기업 입장에서 돈을 지불하는 기준은 명확합니다. 시간을 줄여주는 도구가 아니라, 일을 대신해주는 도구여야 한다는 것입니다. 이 기준에서 보면, 모든 걸 다 하려다 보니 특정 작업에 깊게 최적화되기 어려운 범용 모델은 구조적으로 불리합니다. 그래서 최근 흐름은 "많이 하는 AI"보다 "한 가지를 제대로 하는 AI"로 바뀌고 있습니다. OpenAI와 xAI, 각자의 선택 최근 OpenAI의 움직임을 보면 방향이 꽤 분명하게 읽힙니다. 영상 생성 모델 Sora2를 종료하고 디즈니와의 협업도 정리했습니다. 겉으로 보면 하나의 프로젝트를 접은 것처럼 보이지만, 맥락을 보면 다릅니다. 콘텐츠 영역에서 한 발 물러나고, 대신 기업용 코딩과 업무 생산성 영역으로 무게 중심을 옮기고 있는 흐름에 가깝습니다.

배경 팀제이커브에 새로운 크루가 합류할 때마다 온보딩은 매번 즉흥적이었다. 정해진 절차 없이 담당자의 기억에 의존했고, 빠지는 항목이 생기거나 같은 내용을 반복 설명하는 일이 잦았다. 이 문제를 해결하기 위해 온보딩 프로세스를 체계화하기로 했다. 처음에는 SKILL.md라는 업무 설계서 형태로 접근했지만, 작성하다 보니 방향이 바뀌었다. 문서에서 웹앱으로 - 피봇하기까지 처음: SKILL.md (업무 설계서) 클로드와 대화하면서 온보딩에 필요한 모든 항목을 정리하기 시작했다. 합류 전 행정 처리부터 계정 세팅, 그라운드 룰, 크루제도, 업무 환경, 고정 스케줄, HR, 업무 맥락까지 8개 Phase로 구조화했다. 정리하면서 각 항목마다 [자동] / [사람] 분류도 함께 했다. "이건 문서 링크 하나로 해결 가능하고, 이건 반드시 누군가가 직접 해줘야 한다"는 구분이었다. SKILL.md로 정리된 결과물은 꽤 괜찮았다. 그런데 한 가지 질문이 남았다. "이 마크다운 문서를 어떻게 활용해야 조직 차원에서 쓸 수 있을까?" 전환점: "체험형 온보딩"이라는 키워드 클로드에게 활용 방안을 물었을 때, 두 가지 선택지가 나왔다. 노션 기반 - 빠르게 만들 수 있지만 동적 기능(진행률, 단계별 잠금 등)이 불가능 웹앱 기반 - 인터랙티브한 체험형 온보딩이 가능 노션 페이지에 체크박스를 나열하는 것과, 단계별로 직접 완료하면서 진행률이 쌓이는 웹앱은 온보딩 경험 자체가 다르다. 후자를 택했다. 이 시점에서 SKILL.md는 웹앱의 콘텐츠 기반 문서로 역할이 바뀌었다. 문서가 버려진 게 아니라 역할이 진화한 셈이다. 제작 과정 1단계: 콘텐츠 완성 (SKILL.md) 클로드가 하나씩 질문을 던지고, 답변을 받아 스킬 문서를 채워나가는 방식으로 진행했다.

최근 생성형 AI로 만든 이미지와 영상이 우리 주변에 정말 많아졌습니다. "AI가 만든 건 티가 나서 소비자들이 싫어하지 않을까?" 고민하던 시기는 이제 지난 것 같아요. 이미 소비자의 일상 속으로 깊숙이 들어왔고, 오히려 이를 자연스럽게 즐기는 단계에 진입했기 때문이라고 생각 됩니다. 제작비는 낮추고 바이럴은 잡고, 야나두가 증명한 AI 실전 사례 모델 섭외 한계를 극복한 파격적인 바이럴 전략 최근 SNS에서 흑인 남성과 한국인 할머니가 영어로 대화하는 숏폼 영상, 보신 적 있으신가요? 바로 야나두의 '실수하기 좋은 영어 시리즈'인데요. 이 영상은 누적 조회수 1억 4천만 회를 돌파하며 엄청난 화제를 모았습니다. 놀라운 건 영상 속 인물들이 실제 모델이 아닌 AI로 생성된 가상 인물이라는 점이에요. 예전 같으면 흑인 모델과 시니어 모델을 섭외하고 촬영장을 세팅하는 데만 수천만 원의 비용과 수개월의 시간이 걸렸겠지만, AI를 활용해 그 한계를 단숨에 깨뜨려 버린 거죠. 실무자 손에서 탄생한 고효율 AI 결과물의 위력 이 대박 콘텐츠가 탄생한 비결, 사실 멀리 있지 않습니다. 팀제이커브의 교육을 통해 실무자가 직접 AI 툴을 익히고 실험하며 만들어낸 결과거든요. 거창한 제작사 없이도 기존 제작비의 1% 수준으로 단 몇 분 만에 고퀄리티 영상을 뽑아낼 수 있다는 걸 증명한 사례입니다. "아이디어는 있는데 예산과 시간이 부족하다"는 실무자들의 고민을 AI가 어떻게 해결해 줄 수 있는지 보여주는 아주 좋은 본보기라고 할 수 있습니다. 소비자는 이미 준비 완료, 거부감보다 '재미'가 앞선 AI 콘텐츠 70%에 육박하는 높은 노출도와 긍정적인 감정 반응 조사 결과를 보면 이미 소비자 10명 중 7명은 AI 이미지를 접해본 경험이 있다고 합니다. SNS를 통해 하루에도 몇 번씩 AI 콘텐츠를 마주치는 게 일상이 되었죠. 특히 주목할 점은 감정적인 반응입니다. '신기함(37%)'이나 '재미(26.7%)' 같은 긍정적인 반응이 압도적이었거든요. 64%가 넘는 응답자가 AI 콘텐츠를 보고 즐거웠던 경험이 있다고 답할 정도입니다.

요즘 오픈클로(OpenClaw) 혹은 클로드 봇이라는 이름이 자주 눈에 띕니다. AI를 조금이라도 써본 사람이라면 한 번쯤은 이 프로젝트를 들어봤을 건데요. 'AI의 역할' 변화로 큰 주목을 받고 있는 상황입니다. 그동안은 질문에 대답하는 AI에서, 실제로 일을 수행하고 스스로 판단하는 AI로. 화면 속 대화 상대가 아니라, 내 컴퓨터 안에서 움직이는 하나의 마치 인격체로 바뀐 건데요. 그 흐름의 중심에 오픈클로가 있습니다. 오픈클로는 무엇이고, 왜 주목받는가 오픈클로는 그동안 우리가 이용하던 '대화형 챗봇'이 아니라 메신저를 통해 명령을 받으면, 로컬 PC에서 직접 작업을 수행하는 오픈소스 AI 에이전트입니다. 이 구조는 두 가지 변화와 맞닿아 있습니다. 로컬 실행 기반 AI 사용의 확대 온라인 환경에서 사용하는 AI 대신, 내 컴퓨터에서 직접 실행하는 AI를 원하는 사용자가 늘고 있습니다. 실행 시간에 제한이 없고, 프라이버시 문제도 적고, 비용도 낮기 때문입니다. 실제로 '오픈클로를 맥미니로 돌린다'는 글들이 확산되며 일부 모델 품절 현상까지 벌어졌습니다. 사용 방식의 전환 질문을 입력하고 답을 받는 대화형 구조에서, 명령을 주고 결과만 받는 실행형 구조로 넘어가고 있습니다. 사용자는 '의뢰자'가 되고, AI는 '작업자'가 되는 흐름으로 바뀐 것 입니다. AI가 모이는 곳, 몰트북이라는 커뮤니티 흥미로운 점은, 오픈클로 같은 AI들이 이제 '모이는 공간'까지 생겼다는 것입니다. 최근 만들어진 실험적 플랫폼 몰트북(Moltbook) 은 AI들을 위한 '게시판' 같은 서비스인데요.

조금만 더 지나면, 브라우저를 켜는 순간 AI가 같이 켜지는 게 기본값이 될지도 모릅니다. 구글이 크롬에 Gemini를 사이드 패널로 붙이려는 움직임이 그 신호고요. 이건 편의 기능 추가라기보다, AI가 웹에서 '실행'까지 맡는 시대를 위한 포석에 가깝습니다. 그래서 요즘 딥테크 AI 기업들은 브라우저를 장악하려고 합니다. 크롬 Gemini 탑재가 던진 신호: ‘브라우저가 기본값 크롬에 Gemini가 사이드 패널로 들어온다는 건, "브라우저에 AI 기능 하나 추가됐네" 정도가 아닙니다. 결국 배포 채널의 싸움이죠. AI 브라우저가 아무리 똑똑해도, 매일 쓰는 기본 브라우저를 이기는 건 어렵거든요. 구글은 그걸 너무 잘 알고 있습니다. 그래서 '새 제품'으로 설득하는 대신, 전 세계에서 가장 많이 쓰는 크롬 안으로 AI를 밀어 넣는 방식을 택하는 거죠. 아직은 미국에서만 가능하다고 하지만, 기능의 완성도가 아니라 사용 습관을 먼저 바꾸는 실험에 가깝습니다. "사람들이 브라우저 옆에 AI가 붙어 있는 상태를 당연하게 받아들이는가"를 먼저 확인하는 거예요. 여기서 생기는 변화는 단순 요약 기능이 아닙니다. 브라우저가 일을 시작하는 출발점이라면, 사이드 패널 AI는 그 출발점에서 사용자의 의사결정을 계속 밀착 지원하게 됩니다. 그리고 이 단계가 익숙해지면, 다음은 자연스럽게 '대신 실행해주는' 모드로 넘어가게 되겠죠. 지금 크롬이 움직이는 방향은, 딱 그 길목으로 보입니다. AI 에이전트 패권 경쟁? 그런데, 지금 벌어지는 경쟁을 "누가 더 좋은 AI를 만드느냐"로만 보기에는 아쉬울 수 있습니다. 진짜 싸움은 AI 에이전트가 들어가는 '진입점'을 누가 장악하느냐에 가깝거든요. 예전에는 검색창이 진입점이었고, 모바일에서는 앱스토어가 진입점이었습니다. 그런데 에이전트가 퍼지면, 사용자는 검색 결과를 뒤지고 앱을 넘나드는 대신, 그냥 한 문장으로 일을 시키게 됩니다. 그러면 그 한 문장이 들어가는 창이 곧 플랫폼이 됩니다. 카카오벤처스에 따르면, 빅테크 기업들은 이 진입점을 잡기 위해 네 군데를 동시에 두드립니다. OS에 붙여 기본값을 만들고, 하드웨어로 우회로를 만들고, 브라우저로 웹 실행을 장악하고, 마지막으로는 표준 논의까지 건드리죠.

구독 SaaS 소프트웨어의 몰락과 '187조'원의 경고 과거 넷스케이프 창업자 마크 안드레센은 "소프트웨어가 세상을 먹어 치울 것"이라고 예언했습니다. 하지만 2026년 현재, 상황은 완전히 반전되었습니다. 유럽 최대 소프트웨어 기업 SAP의 시가총액이 단기간에 약 187조 원($135B)이나 증발한 사건은 단순한 주가 하락이 아닙니다. 이는 지난 10년을 지배해온 '구독형 서비스(SaaS)' 시대의 구조적 위기를 상징합니다. 빌려 쓰는 시대에서 '직접 만드는 시대'로 스웨덴의 선구적인 핀테크 기업 '클라르나(Klarna)'가 무려 1,200개의 SaaS를 구독하며 겪었던 막대한 비용 지출과 데이터 파편화 문제는 이제 모든 현대 기업이 직면한 공통의 과제가 되었습니다. 매달 지출되는 천문학적인 구독료와 보안 리스크에도 불구하고, 정작 우리 조직의 특수한 업무 로직에 100% 부합하는 외부 솔루션을 찾기란 불가능에 가깝기 때문입니다. 하지만 이제 AI가 소프트웨어를 집어삼키는 시대가 도래하며, 기업들은 더 이상 남이 만든 옷(범용 SaaS)에 조직의 몸을 억지로 맞추지 않습니다. 대신 '바이브 코딩(Vibe Coding)'을 통해 실무자가 직접 AI와 대화하며 우리 팀의 가려운 곳을 즉각적으로 해결하는 'Mini-SaaS'를 현장에서 찍어내기 시작했습니다. 이는 단순히 비용 절감을 넘어, 외부 의존도를 낮추고 비즈니스 민첩성을 극대화하는 '솔루션 소유의 시대'로의 거대한 패러다임 전환을 의미합니다. '바이브 코딩'이 만드는 조직의 변화관리 '바이브 코딩'은 단순히 코드를 작성하는 기술이 아닙니다. AI 에이전트와 대화하며 수개월의 개발 공정을 단 며칠로 단축하는 새로운 제작 패러다임입니다. 이제 실무자는 복잡한 프로그래밍 언어 대신, 해결하고자 하는 비즈니스 로직만 AI에게 전달하면 됩니다. 기술적 장벽이 사라지면서, 현장의 문제를 가장 잘 아는 실무자가 즉시 '개발자'의 권한을 갖게 된 것입니다. HRD의 역할: 툴 교육을 넘어 '문제 해결 역량' 내재화