2026년 1분기 북미 벤처캐피털 투자가 전례 없는 기록을 세웠다. 크런치베이스 데이터에 따르면 미국과 캐나다 스타트업이 시드부터 성장 단계까지 유치한 총 투자액은 2,526억 달러(약 374조 원)로, 역대 분기 최고치를 경신했다. 이 수치는 직전 분기 대비 3배 이상이며, 기존 분기 최고 기록이었던 2021년 3분기의 957억 달러를 압도한다. 크런치베이스의 표현을 빌리면 '경신'이 아니라 '분쇄(smashed)'에 가깝다. 규모를 가늠하는 기준점 하나 OpenAI 단 한 건의 투자 라운드가 기존 역대 분기 최고 기록 전체보다 컸다. OpenAI는 2월 아마존, 엔비디아, 소프트뱅크 주도로 1,100억 달러(약 163조 원)를 유치하고, 3월에 120억 달러를 추가로 조달했다. 나머지 상위 4건의 투자 합산도 기존 분기 최고치에 맞먹었다. 앤트로픽 시리즈 G 300억 달러, xAI 시리즈 E 200억 달러, Waymo 시리즈 D 160억 달러가 상위권을 채웠다. AI가 전체 투자의 87%를 차지 AI 관련 카테고리로 흘러들어간 투자액은 2,210억 달러(약 327조 원)로 전체의 87%에 달한다. 직전 분기 AI 투자 총액 대비 6배 수준이다. 후기 및 성장 단계 투자는 전체의 88%인 2,224억 달러를 기록했다. 주목할 점은 투자 건수가 아니라 건당 규모가 폭발적으로 커졌다는 것이다. 후기·성장 단계 라운드 건수는 오히려 직전 분기 대비 소폭 감소했다. 더 큰 베팅이 더 적은 수에 집중되는 양상이다. 초기 단계도 3년 만에 최고 기록 경신은 대형 딜에만 국한되지 않았다. 시리즈 A·B 수준의 초기 단계 투자도 251억 달러로 전년 대비 56% 증가하며 3년 이상 만에 가장 높은 분기 수치를 기록했다. 시드 단계 역시 10억 달러를 넘어 3년 만의 최고치를 보였다. 전 단계에 걸쳐 동시에 기록이 나온 것은 이례적이다. 패러다임 전환인가, 버블인가 크런치베이스는 이번 분기를 단순한 기록 경신이 아니라 '패러다임 전환(paradigm shift)'의 신호로 해석한다. AI 인프라와 에이전틱 AI 응용 분야에 대형 LP들의 자본이 집중되면서, 2026년 AI 투자 사이클이 단순한 하이프 국면을 벗어나 구조적 재편으로 굳어지고 있다는 평가다.

Anthropic이 자사가 개발한 AI 에이전트 연결 프로토콜 'Model Context Protocol(MCP)'을 Linux Foundation 산하 신설 재단 'Agentic AI Foundation(AAIF)'에 기부하고, OpenAI·Google·Microsoft·AWS 등 주요 빅테크와 함께 공동 운영에 나선다고 발표했다. 2026년 3월 기준 MCP의 월간 SDK 다운로드 수는 9,700만 건을 돌파했으며, 1만 개 이상의 공개 MCP 서버가 가동 중이다. AI 에이전트 시대의 '사실상 표준(de facto standard)'이 명실상부한 '공식 개방형 표준'으로 격상된 셈이다. MCP는 약 1년 전 Anthropic이 도입한 개방형 프로토콜로, AI 애플리케이션을 외부 데이터 소스 및 시스템에 연결하는 보편적 표준을 지향한다. 현재 Python과 TypeScript SDK를 중심으로 월 9,700만 건 이상의 다운로드가 이뤄지고 있으며, Claude에서만 75개 이상의 공식 커넥터가 제공된다. ChatGPT, Cursor, Google Gemini, Microsoft Copilot, Visual Studio Code 등 경쟁사 플랫폼까지 MCP를 채택하면서, 단일 기업이 만든 프로토콜이 업계 전체의 인프라로 자리잡은 이례적 사례가 됐다. AWS, Cloudflare, Google Cloud, Microsoft Azure 등 주요 클라우드 인프라도 MCP를 지원하고 있다. 이번에 설립된 Agentic AI Foundation(AAIF)은 Linux Foundation 산하 지정펀드(directed fund) 형태로 운영된다. Anthropic, Block(구 Square), OpenAI가 공동 창립자로 참여했으며, Google, Microsoft, AWS, Cloudflare, Bloomberg 등이 지원 기관으로 이름을 올렸다. Linux Foundation은 Linux 커널, Kubernetes, Node.js, PyTorch 등 핵심 오픈소스 프로젝트를 성공적으로 관리해 온 비영리 조직으로, 중립적 거버넌스와 지속 가능한 생태계 운영에 검증된 역량을 보유하고 있다. AAIF는 MCP뿐 아니라 Block의 오픈소스 AI 에이전트 프레임워크 'goose', OpenAI의 'AGENTS.md' 등 에이전틱 AI 관련 프로젝트를 포괄적으로 지원할 계획이다.

Anthropic이 2026년 4월 9일 '클로드 매니지드 에이전트(Claude Managed Agents)' 공개 베타를 출시하며 자율 AI 에이전트 인프라 시장에 본격 진출했다. 개발자가 복잡한 서버 설정 없이 자연어나 YAML 파일만으로 에이전트를 정의하고, Anthropic의 관리형 클라우드 인프라에 즉시 배포할 수 있는 구성 가능한 API 스위트다. 이번 출시는 단순한 기능 추가를 넘어, AI 에이전트 구축의 진입장벽 자체를 허무는 인프라 전략의 선언으로 읽힌다. 클로드 매니지드 에이전트의 핵심은 이른바 '미분화된 무거운 작업(undifferentiated heavy lifting)'의 대리 처리다. 보안 샌드박스 코드 실행 환경, 자격증명(credential) 관리, 상태 관리 및 권한 설정, 에이전트 오케스트레이션, 엔드-투-엔드 추적 및 모니터링 등 그간 엔지니어링 팀이 직접 구축해야 했던 인프라 레이어 전반을 Anthropic이 대신 맡는 구조다. 개발자는 인프라 설계 대신 사용자 경험과 비즈니스 로직에 집중할 수 있게 된다. SSE(Server-Sent Events) 실시간 스트리밍도 기본 내장돼 있어 장시간 실행 에이전트의 응답성도 확보했다. 성능 지표도 주목할 만하다. Anthropic 내부 테스트에서 구조화된 파일 생성 태스크의 성공률이 최대 10퍼센트포인트 향상됐으며, 배포 속도는 기존 대비 10배 빨라진 것으로 나타났다. 프로토타입에서 실제 프로덕션 배포까지 걸리는 시간이 '수개월에서 며칠 수준'으로 줄어들었다는 게 Anthropic의 설명이다. 이미 Notion, Rakuten, Asana 등 글로벌 기업들이 이 플랫폼을 활용해 프로덕션 에이전트를 운영 중인 것으로 알려졌다. 이번 출시는 AI 산업이 '모델 경쟁'에서 '에이전트 인프라 경쟁'으로 무게중심을 옮기는 흐름 속에서 나왔다. OpenAI가 Responses API와 에이전트 런타임을 강화하고, Google이 Vertex AI 기반 에이전트 빌더를 확대하는 가운데, Anthropic은 완전 관리형 인프라 제공이라는 방향으로 차별화를 시도하고 있다. 특히 '보안 샌드박스 기본 제공'은 엔터프라이즈 고객이 에이전트 도입 시 가장 우선 고려하는 보안·컴플라이언스 문제를 선제적으로 해소하는 포석으로 해석된다.

중국 AI 레이스가 글로벌 AI 산업의 칩 의존 구조를 뒤흔들 전환점을 맞이했다. 딥시크(DeepSeek)의 차세대 플래그십 모델 V4가 엔비디아가 아닌 화웨이 설계 프로세서 위에서 구동될 예정이다. 수주 내 출시가 예상된다. 이 전환은 '프론티어 AI는 여전히 엔비디아에 의존한다'는 업계의 오랜 통념에 정면으로 도전한다. 알리바바, 바이트댄스, 텐센트 — 이미 수십만 개 선주문 The Information의 보도에 따르면 알리바바그룹, 바이트댄스, 텐센트 등 중국 빅테크들이 V4 출시를 앞두고 화웨이의 최신 AI 칩을 수십만 개 단위로 선주문했다. 내부 사정에 정통한 5명의 소식통이 이를 확인했다. 이 수준의 주문량은 단순한 실험이 아니다. 중국 테크 섹터 전반이 국산 반도체 스택을 생산 준비 완료 단계의 경로로 받아들이기 시작했다는 신호다. 수개월에 걸친 재설계 — 단순 포팅이 아니었다 딥시크는 수개월간 화웨이와 캠브리콘(Cambricon)과 긴밀히 협력해 국산 하드웨어에서 모델이 구동되도록 핵심 코드를 재작성하고 새로운 칩 아키텍처에서 성능 테스트를 반복했다. 소프트웨어 팀이 기존 제약에 맞게 시스템 전반을 재설계하는 수준의 작업이었다. 이는 앞서 딥시크의 성공이 엔비디아 칩 접근에 기반했다는 주장과 대조된다. V4를 통해 딥시크는 중국 자체 생태계 안에서 고성능 AI 모델을 학습, 최적화, 배포할 수 있는 역량을 공개적으로 선언하는 셈이다. 미국 수출 규제 — 병목이 아닌 혁신의 촉매 이번 움직임이 가진 가장 중요한 함의는 이렇다. 국산 칩이 고성능 AI 워크로드를 감당할 수 있다면, 워싱턴의 수출 규제는 병목이 아니라 오히려 중국 내 혁신을 가속화하는 강제 함수(forcing function)가 된다. 딥시크는 단일 V4 모델에 그치지 않는다. 다양한 사용 사례에 맞춰 조정된 여러 V4 변형 모델이 개발 중이며, 모두 국산 하드웨어 위에서 구동되도록 설계됐다. 칩에서 모델까지 수직 통합된 AI 스택이 중국 안에서 모양을 갖춰가고 있다. V3·R1에 이어 V4가 던질 충격

미국 패션 리테일 업계가 '조용한 킬러(silent killer)'라고 부르는 문제가 있다. 바로 반품이다. 미국 국립소매연합회(NRF)에 따르면 2025년 연간 반품 규모는 8,499억 달러(약 1,258조 원)에 달했고, 온라인 구매 반품률은 19.3%다. Z세대(18~30세)의 1인당 연평균 온라인 반품 횟수는 8건에 이른다. 더 심각한 것은 구조적 손실이다. 반품된 상품의 대부분은 다시 진열대에 오르지 못하고, 환불 처리 비용이 상품 가치를 초과하는 경우도 많다. 패션 브랜드 마진을 직접 갉아먹는 다중의 구멍인 셈이다. AI 가상 피팅 기술의 본격 등장 이 문제에 도전하는 AI 스타트업들이 빠르게 성장하고 있다. 핵심 솔루션은 가상 피팅(virtual try-on)이다. 잠재 고객이 실제로 구매하기 전, AI가 옷의 핏과 스타일을 시각화해 주는 기술이다. 사실 이 아이디어는 2010년대부터 있었다. 그런데 왜 지금 갑자기 주목받는가? 생성형 AI의 급속한 발전이 이 기술을 '실제로 구매 결정에 영향을 미칠 수준'으로 끌어올렸기 때문이다. Catches: 거울처럼 현실적인 디지털 피팅 AI 스타트업 Catches는 사용자가 '디지털 트윈'을 만들어 옷을 가상으로 입어볼 수 있는 플랫폼을 개발했다. 이 플랫폼의 차별점은 단순히 '예쁘게 보이는' 렌더링이 아니다. 원단의 질감, 소재가 움직이는 몸에 반응하는 방식까지 물리 시뮬레이션으로 구현한다. LVMH의 앙투안 아르노가 투자하고 Nvidia CUDA 플랫폼 위에 구축된 Catches는 최근 럭셔리 브랜드 Amiri의 웹사이트에서 서비스를 시작했다. CEO Ed Voyce는 반품과 장바구니 이탈의 1위 원인이 '핏에 대한 불확실성'이라고 지적한다. "지금 이 기술이 해결 가능한 시점이 된 이유는, 클라우드에서 최종 사용자를 위한 비주얼을 투자 대비 수익이 나오는 비용으로 실행할 수 있게 됐기 때문"이라고 설명했다. 반품 줄이기 vs. 구매 늘리기 — 두 마리 토끼 이 기술의 목표는 단순히 반품을 줄이는 것만이 아니다. 구매 결정 자체를 강화하는 도구이기도 하다. NRF 데이터에 따르면 소비자의 82%가 '무료 반품'을 필수 조건으로 여기지만, 이를 제공하는 비용은 점점 감당하기 어려워지고 있다.

구글 딥마인드가 2026년 4월 3일(현지 시각) 완전 오픈소스 대형언어모델(LLM) 'Gemma 4'를 공식 공개했다. Apache 2.0 라이선스를 채택해 누구나 무료로 다운로드, 수정, 재배포할 수 있으며 상업적 활용에도 별도 로열티가 없다. Gemma 4란 무엇인가 Gemma 4는 구글이 자사 플래그십 모델 Gemini 3 개발에 사용한 것과 동일한 기술 기반으로 제작됐다. 구글은 'Gemma 시리즈 중 역대 가장 강력한 오픈 AI 모델'이라고 소개했다. 핵심 사양은 다음과 같다. 모델 크기는 20억(2B), 40억(4B), 260억(26B), 310억(31B) 파라미터 4종으로 제공된다. 컨텍스트 윈도우는 최대 256,000 토큰(소형 E2B·E4B 모델은 128,000 토큰)이며, 140개 이상 언어로 학습됐다. 기능 면에서는 다단계 계획 및 심층 논리를 포함한 고급 추론, 에이전틱 워크플로우 지원, AI 코딩 지원 로컬화, 음성 인식 및 차트 등 시각 자료 해석(오디오·비디오 처리)이 포함된다. 오픈소스 vs 오픈웨이트: 무엇이 다른가 기존 Gemma 1~3 버전은 '오픈웨이트(open-weight)' 방식이었다. 모델 가중치(weight)는 공개됐지만 구글의 이용 약관 아래 운용해야 했으며, 재배포와 상업적 활용에 제약이 있었다. Gemma 4는 진정한 의미의 오픈소스다. Apache 2.0 하에서 코드와 모델을 자유롭게 가져다 쓸 수 있고, 사용자의 데이터와 인프라를 완전히 자체 통제할 수 있다. 구글은 '완전한 개발자 유연성과 디지털 주권의 기반'이라고 강조했다. 왜 중요한가: AI 탈중앙화의 분수령 Gemma 4의 오픈소스 전환은 AI 인프라 생태계에 두 가지 중요한 함의를 갖는다. 첫째, 비용 구조 파괴다. 개발자와 기업이 구독 비용 없이 온프레미스 또는 클라우드 어느 환경에서나 배포 가능하다. 메타의 Llama 시리즈와 마찬가지로, 대형 AI 기업의 오픈소스 전략이 유료 API 시장에 경쟁 압력을 가중시킨다. 둘째, 프라이버시 통제권이다. 로컬 구동 시 데이터가 외부 서버로 전송되지 않는다. 규제 산업(금융, 의료, 법무 등)과 데이터 주권이 중요한 기업에 실질적인 대안이 된다.

오픈AI의 연간 반복 매출(ARR)이 2026년 2월 말 기준 250억 달러(약 37조 원)를 돌파했다. 2024년 말 약 60억 달러에서 14개월 만에 4배 이상 성장한 수치다. 주간 활성 사용자는 전 세계 9억 명, 기업용 유료 고객은 900만 명을 넘어섰다. 이 기세를 바탕으로 오픈AI는 현재 월가 투자은행들과 기업공개(IPO) 상장을 위한 구체적인 논의를 진행 중이다. 2026년 내 상장이 유력시되며, 성사 시 2004년 구글 IPO 이후 가장 파급력 있는 기술 기업 상장이 될 전망이다. CFO 사라 프레이어는 2030년까지 연 매출이 2,800억 달러를 초과할 것으로 내다봤다. 자금 조달도 이미 마쳤다. 지난 2월 완료된 1,100억 달러 규모의 프라이빗 펀딩에는 아마존(500억 달러), 소프트뱅크(300억 달러), 엔비디아(300억 달러)가 참여했다. 3월 추가 납입으로 총 1,200억 달러로 확대됐으며, 기업가치는 7,300억 달러로 평가됐다. 역대 비상장 기술 기업 최대 펀딩 기록이다. 그러나 IPO 앞에는 구조적 리스크가 놓여 있다. 마이크로소프트와의 파트너십 조건상 매출의 약 20%를 MS에 배분해야 한다. 이익을 한 번도 낸 적 없는 상태로 상장에 나선다는 점도 투자자들에게 설명해야 할 부분이다. 일론 머스크-xAI 소송도 진행 중이다. 매출 성장 속도만 보면 역대 테크 기업 중 가장 빠른 수준이다. 다만 오픈AI의 비용 구조 역시 비례해서 커지고 있어, 수익성 확보 전에 상장하는 구조가 장기 투자자에게 어떻게 받아들여질지가 관건이다. AI 인프라 경쟁에서 선점 효과를 살리느냐, 아니면 과도한 밸류에이션 부담으로 상장 후 조정을 받느냐 — 2026년 AI 투자 시장의 핵심 시험대가 될 전망이다. 출처: Techi.com — OpenAI IPO

구글 딥마인드가 AI 음악 생성 모델 'Lyria 3 Pro'를 발표했다. 기존 Lyria 3가 30초짜리 트랙 생성에 그쳤다면, Pro 버전은 최대 3분 길이의 완성도 높은 음악을 만들 수 있다. 가장 큰 변화는 음악 구조 이해도다. 인트로, 버스, 코러스, 브릿지 같은 구체적인 구성을 프롬프트로 지정할 수 있게 됐다. 단순히 "재즈 분위기의 음악"을 요청하는 것을 넘어, 곡의 흐름과 전환을 직접 설계할 수 있다는 의미다. 다양한 장르 실험과 복잡한 전환이 포함된 곡 생성이 가능해졌다. 배포 범위도 넓다. 구글의 영상 제작 앱 Google Vids에는 Lyria 3와 Pro가 통합돼 영상 분위기에 맞는 커스텀 음악을 즉시 생성할 수 있다. 기업 고객에게는 Vertex AI 공개 프리뷰를 통해 제공되며, 게임 사운드트랙부터 크리에이티브 툴 통합까지 대규모 온디맨드 오디오 제작이 가능하다. 개발자는 Gemini API 및 Google AI Studio를 통해 직접 통합할 수 있다. 저작권 이슈에 대한 대응도 담겼다. 모든 생성 음악에는 구글의 SynthID 워터마킹 기술이 적용돼 AI 생성 여부를 식별할 수 있다. 위키피디아가 AI 글을 금지하고 창작 업계 전반에서 AI 생성물 식별 필요성이 커지는 맥락에서, 워터마킹은 실용적 대응이자 업계 표준화 시도다. 텍스트와 이미지를 넘어 음악까지 생성형 AI가 실용적으로 확장되는 흐름이다. AI가 콘텐츠 제작의 도구로 자리잡는 속도가 빨라지고 있다는 신호이기도 하다. 출처: Google DeepMind Blog — Lyria 3 Pro

앤트로픽이 새 AI 모델의 존재를 인정했다. 그런데 공개 발표 때문이 아니다. 회사가 실수로 초안 발표문을 공개 데이터 캐시에 남겨뒀고, 포춘지가 이를 발견해 사실 확인을 요청한 것이다. 모델 이름은 클로드 미토스(Claude Mythos). 앤트로픽은 이를 "지금까지 만든 것 중 가장 강력한 범용 모델"이라고 인정했다. 동시에 "역량의 강도를 고려해 출시 방식을 신중하게 검토하고 있다"고 밝혔다. 출시하지 않는 이유가 역량이 부족해서가 아니라 너무 강해서라는 것이다. 미토스는 기존 클로드 라인업(Haiku, Sonnet, Opus) 위에 완전히 새로운 등급을 추가한다. 앤트로픽은 이를 '카피바라(Capybara)'라고 명명했다. 코딩, 학문적 추론, 사이버보안 작업 모두에서 현재 최상위 모델인 클로드 오퍼스 4.6을 크게 뛰어넘는다고 자체 평가했다. '미토스'라는 이름은 "지식과 아이디어를 연결하는 깊은 결합 조직"을 뜻한다고 유출된 문서에 기록됐다. 출시를 보류한 핵심 이유는 사이버보안이다. 앤트로픽의 자체 평가에 따르면, 미토스는 현존하는 모든 AI 모델 중 사이버 역량이 가장 앞서 있다. 취약점을 발견하고 악용하는 능력이 인간 보안팀이 대응할 수 있는 수준을 크게 뛰어넘는다는 것이다. 이 때문에 앤트로픽은 일반 공개 대신 선별된 사이버보안 기관에 먼저 접근권을 주는 방식을 택했다. 방어자들이 시스템을 먼저 강화할 시간을 주기 위한 것이다. 이는 올해 초 오픈AI가 GPT-5.3-Codex를 '고위험 사이버보안 역량 모델'로 처음 분류하며 단계적 출시를 택한 것과 같은 맥락이다. AI 안전성과 역량 사이의 균형 문제가 이제 구체적인 출시 결정에 영향을 미치기 시작했다는 신호다. 가장 강력한 모델을 만들어놓고도 공개하지 않는 상황 — AI 개발의 새로운 국면을 보여주는 사례다. 출처: Times of India — Why Anthropic is refusing to release Claude Mythos

ARC Prize 재단이 내놓은 새 벤치마크는 도발적인 숫자를 들고 나왔다. 인간은 100%를 풀었지만, GPT-5.4, Claude opus 4.6, Gemini 3.1 pro previw 등 현존하는 최고 수준의 AI 시스템은 0.26%에 머물렀다. ARC-AGI-3는 이 격차를 정밀하게 측정하기 위해 설계된 새로운 종류의 AI 평가 도구다. ARC-AGI-3는 수백 개의 턴제(turn-based) 환경으로 구성된다. 각 환경은 인간 게임 디자이너가 직접 제작한 독창적인 퍼즐이며, 규칙도 없고 지시도 없고 목표도 명시되지 않는다. AI 에이전트는 환경에 뛰어들어 스스로 탐색하고, 어떻게 작동하는지를 파악하고, 승리 조건이 무엇인지를 발견해야 한다. 이전 문제에서 배운 것을 점점 어려워지는 다음 단계에 적용할 수 있어야 한다. ARC-AGI-1과 ARC-AGI-2가 고정된 형식 안에서 패턴을 인식하는 능력을 측정했다면, ARC-AGI-3는 '지시 없이 스스로 목표를 설정하고 행동하는 능력'을 측정한다. 이것이 핵심 차이다. 현재 AI가 잘하는 것은 지시를 정확히 따르는 것이다. 반면 인간은 규칙을 알려주지 않아도 게임을 해보면서 금세 파악한다. ARC-AGI-3는 바로 이 격차를 드러낸다. ARC Prize 재단은 2026년 대회를 함께 발표했다. 총 상금 규모는 200만 달러(약 29억6천만 원)이며, ARC-AGI-3 에이전트 대회와 ARC-AGI-2 오픈소스 그랜드 프라이즈로 구성된다. ARC-AGI-2 그랜드 프라이즈는 2026년 최고의 오픈소스 솔루션에게 반드시 수여된다고 명시했다. 발표 행사는 3월 25일 샌프란시스코 Y Combinator 본사에서 진행됐으며, ARC-AGI 창시자 프랑수아 숄레와 OpenAI CEO 샘 알트만이 'AGI 측정'을 주제로 대담을 나눴다. 이 벤치마크가 중요한 이유는 AI 업계의 '성능 과장' 문제에 정면으로 대응하기 때문이다. GPT, Claude, Gemini 등이 MMLU, HumanEval, GSM8K 등 기존 벤치마크에서 인간 수준 또는 그 이상을 달성했다는 보도가 이어지고 있지만, ARC-AGI-3는 이 모든 모델이 0.26%를 넘지 못한다는 사실을 보여준다. 숄레는 "코딩과 수학에서 뛰어난 모델이라도 낯선 환경에서 스스로 탐색하고 적응하는 능력은 여전히 인간과 비교할 수 없는 수준"이라고 말했다. AI 기술 발전의 다음 과제가 어디에 있는지를 가장 명확하게 보여주는 데이터가 ARC-AGI-3다.

글로벌 IT 리서치 기관 가트너(Gartner)가 2030년까지 대형언어모델(LLM) 추론(inference) 비용이 2025년 대비 90% 이상 절감될 것이라는 전망을 공식 발표했다. 조 단위 파라미터(1조 개)를 보유한 LLM 기준으로, 2022년 초기 모델과 비교하면 최대 100배 이상의 비용 효율 개선이 이뤄질 것으로 예측된다. 가트너 시니어 디렉터 애널리스트 윌 서머(Will Sommer)는 "이러한 비용 개선은 반도체 및 인프라 효율화, 모델 설계 혁신, 칩 활용률 향상, 추론 전용 실리콘 확대, 특정 사례에서의 엣지 디바이스 활용이 복합적으로 작용한 결과"라고 설명했다. 주목할 점은 가트너의 전망이 단순한 '비용 절감 = 기업 부담 감소'의 공식을 따르지 않는다는 것이다. 가트너는 "토큰 단위 비용이 낮아지더라도 그 이익이 기업 고객에게 온전히 전달되지는 않을 것"이라고 경고했다. 에이전틱 AI(자율 수행 AI)는 일반 챗봇 대비 과제당 5~30배 많은 토큰을 소비하며, 인간보다 훨씬 많은 작업을 처리할 수 있다. 결과적으로 토큰 소비량이 비용 절감 속도를 웃돌아 전체 추론 비용은 오히려 증가할 것으로 가트너는 예상했다. 서머 애널리스트는 "최고제품책임자(CPO)들은 범용 토큰 비용의 하락을 프론티어 추론의 민주화와 혼동해서는 안 된다"며 "범용 지능이 거의 무료에 가까워질수록 고급 추론을 지원하는 컴퓨팅 자원은 오히려 희소해질 것"이라고 지적했다. 가트너는 이에 따라 기업이 AI 워크로드를 효율적으로 배분하는 전략을 강조했다. 반복적이고 빈도 높은 작업은 소형·특화 언어 모델로 처리하고, 고마진의 복잡한 추론 작업에만 프론티어 모델을 제한적으로 사용해야 한다는 것이다. 다양한 모델 포트폴리오를 조율할 수 있는 플랫폼에 가치가 집중될 것이라는 전망이다. 이번 가트너 보고서는 AI 비용의 이중적 구조를 선명하게 드러낸다. 단가는 낮아지지만 사용량이 폭증하면서 총비용은 늘어나는 역설이다. AI 도입 효율화를 고민하는 기업들에게는, 단순히 비용이 낮아진다는 낙관보다 어떤 AI를 어느 수준에서 쓸 것인지를 전략적으로 설계하는 것이 핵심 과제가 됐다.

교사 없이 인공지능(AI)만으로 커리큘럼을 운영하는 사립학교 알파스쿨(Alpha Schools)이 2026년 가을 학기부터 시카고에 진출한다. 연간 수업료는 5만5,000달러(약 7,500만 원)로, 기존 명문 사립학교와 맞먹는 수준이다. 알파스쿨의 교육 방식은 파격적이다. 학생들은 하루 1~2시간을 AI 프로그램과 함께 수학, 읽기, 쓰기 등 핵심 교과를 학습한다. 이 시간이 끝나면 '가이드(guide)'라 불리는 보조 교사가 대중연설, 코딩, 야외 교육 등 워크숍을 진행한다. 전통적인 의미의 교사는 배치되지 않는다. 학교 측은 재학생의 전국 표준화 시험 성적이 상위 1%에 해당하며, 전국 MAP(학습 측정 기준 평가) 테스트에서 또래보다 평균 2.6배 빠른 학습 성장률을 기록하고 있다고 밝혔다. 다만 이 수치는 학교 측의 자체 집계로, 독립 기관의 외부 검증 여부는 확인되지 않는다. CBS 시카고의 보도에 따르면 현재 35명이 입학 관심을 표명했고 2명이 정식 등록을 완료했다. 알파스쿨은 미국 내 여러 도시에서 이미 운영 중이며, 시카고는 신규 확장 지역이다. 학교 측은 시카고 루프(Loop) 지역에 캠퍼스를 열고 입학 신청을 받고 있다. 알파스쿨의 시카고 진출은 AI가 교육 현장에 어느 수준까지 침투할 수 있는지를 가늠하는 실험적 사례로 주목받고 있다. 전통적인 교사 중심 교육이 과연 AI 기반 맞춤형 학습으로 대체될 수 있는지, 그리고 고가의 사립학교 모델이 AI 교육의 주류가 될 수 있는지에 대한 논쟁이 본격화될 것으로 보인다. 원문 보기 →

Figure AI의 창업자 브렛 애드콕이 새로운 개인용 AI 기기 스타트업 'Hark'를 공개했다. Hark는 사용자의 일상을 기억하고 실시간으로 보고, 듣고, 반응하는 개인용 AI 기기 개발을 목표로 한다. TechCrunch의 보도에 따르면, Hark는 AI 모델, 하드웨어, 인터페이스를 처음부터 통합 설계하는 '멀티모달 엔드투엔드' 전략을 핵심으로 내세웠다. 전 애플 디자이너 아비두르 쵸드리가 디자인 책임자로 합류했으며, 올여름 첫 AI 모델 공개를 예고했다. 애드콕은 내부 메모에서 "현재의 AI 모델은 충분히 지능적이지 않고, 우리가 AI에 접근하는 기기들은 기본적으로 AI 이전 시대의 것"이라고 지적했다. 그는 사용자를 예측하고 적응하며 실질적으로 돕는 시스템 구현을 목표로 제시했다. 쵸드리는 "기존 웨어러블이나 핀(pin) 방식의 AI 기기에는 회의적"이라며 "인류와 인터페이스 사이에 층을 추가하는 방식은 맞지 않는다"고 밝혔다. 이는 메타의 스마트 안경이나 기존 AI 핀 제품들과 거리를 두는 발언으로, Hark만의 차별화된 접근 방식을 강조한 것이다. Hark는 OpenAI와 조니 아이브 전 애플 디자이너가 진행 중인 AI 하드웨어 프로젝트와 함께, 실리콘밸리가 '포스트 스마트폰 인터페이스'를 선점하려는 경쟁의 일환으로 주목받고 있다. 애드콕은 이전에 채용 플랫폼 Vettery를 창업해 매각한 뒤 로봇공학 스타트업 Figure AI를 설립했으며, Hark는 Figure AI와 별도로 설립한 회사다. AI 하드웨어 분야에서 대형 모델 기업을 넘어 독립 스타트업들이 포스트 스마트폰 인터페이스를 선점하려는 경쟁이 가속화되고 있다. Hark의 접근 방식은 AI를 기기의 기반 층으로 재설계하는 철학을 구체적으로 실현하려 한다는 점에서 주목받는다. 원문 보기 →

PwC(프라이스워터하우스쿠퍼스) 미국 CEO 폴 그릭스(Paul Griggs)가 AI를 수용하지 않는 파트너급 직원은 회사에서 살아남을 수 없다고 공개 경고했다. 파이낸셜타임스(FT) 인터뷰에서 그릭스는 "AI 퍼스트에 집착하지 않는 시니어 직원은 그렇지 않은 사람으로 대체될 것"이라고 밝혔다. 그릭스의 발언은 직설적이었다. "여기서 누구도 예외가 없다. 단 한 명도"라고 했으며, AI 도입을 선택 사항으로 여기는 직원은 "오래 있지 못할 것"이라고 못을 박았다. PwC는 실제로 지난해 직원 5,600명을 줄여 전 세계 임직원 수를 36만 5,000명 미만으로 조정했다. 채용 전략도 바뀌었다. 3년 전과 비교해 회계사와 전통적 컨설턴트 비중을 줄이고, 엔지니어와 데이터 전문가를 더 많이 뽑고 있다. PwC는 AI 전략을 단순한 내부 효율화를 넘어 비즈니스 모델 전환으로 끌어올리고 있다. 회사는 'PwC One'이라는 AI 플랫폼을 출시했다. 이 플랫폼은 기업의 지속가능성 데이터 오류를 자동 탐지하는 '이상 탐지기(anomaly detector)'를 포함해 6가지 자동화 서비스를 제공한다. 일부 세금 신고 및 컨설팅 서비스는 연간 구독형 AI 도구로 전환돼, 담당자 없이 첫 단계부터 직접 이용 가능하다. 이 전환은 컨설팅 업계의 전통적 과금 방식인 시간 단위 청구(hourly billing)에서 성과 기반 과금(outcomes pricing)으로의 이동을 의미한다. 그릭스는 "결국 클라이언트가 원하는 건 아웃컴뿐이며, 클라이언트도 이 방식을 기꺼이 받아들일 것"이라고 말했다. 역설적이게도, AI가 컨설팅 산업의 일자리를 위협하는 동시에 컨설팅 기업들의 성장을 이끌고 있다. 컨설팅 업계 리서치 기관 K2 Consulting Research에 따르면 글로벌 컨설팅 시장은 2025년 5.5% 성장해 전년도 성장률의 두 배를 기록했다. 기업들이 AI 도입 전략 수립과 실행을 위해 외부 전문가에게 의존하면서, PwC, Accenture, McKinsey 같은 대형 컨설팅사들이 오히려 수혜를 누리고 있는 것이다.

코딩 AI 편집기 시장을 선도해온 스타트업 커서(Cursor)가 자체 개발 AI 모델 'Composer 2'를 출시하며 Anthropic, OpenAI와의 직접 경쟁을 선언했다. Composer 2는 소프트웨어 개발 특화 모델로, 대형 AI 기업들의 코딩 모델과 동등한 성능을 훨씬 낮은 비용으로 제공하겠다는 것이 핵심 전략이다. Composer 2의 입력 토큰 단가는 100만 개당 0.50달러, 출력은 2.50달러다. 커서가 기본값으로 설정한 고속 버전(Composer 2 F)은 각각 1.50달러와 7.50달러로, GPT-5나 클로드 오퍼스와 비교해 상당히 저렴한 수준이다. 커서는 일부 벤치마크에서 Anthropic의 Opus 4.6을 앞섰다고 밝혔다. 일 활성 사용자(DAU)는 100만 명을 넘어섰고, 기업 고객은 약 5만 개에 달한다. 그런데 출시 직후 예상치 못한 논란이 불거졌다. Kimi 직원들이 모델을 분석한 결과, Composer 2가 중국 문샷AI(Moonshot AI)의 오픈소스 모델 Kimi K2.5를 기반으로 파인튜닝된 것으로 밝혀졌다. 사전 훈련의 약 25%가 Kimi K2.5 베이스 모델에서 비롯됐으며, 커서는 이 사실을 출시 블로그에 명시하지 않았다. 공동창업자 아만 생어(Aman Sanger)는 뒤늦게 "처음부터 Kimi 베이스를 언급하지 않은 것은 실수였다"고 인정했다. 이 사건은 커서가 처한 구조적 한계를 드러낸다. Anthropic과 OpenAI는 수십억 달러를 자체 기반 모델 개발에 투입하는 반면, 커서는 그 수준의 선행 학습 인프라를 갖추지 못했다. 오픈소스 모델을 파인튜닝하는 방식은 업계에서 흔히 쓰이는 접근법이지만, 자체 모델임을 내세우면서 이를 밝히지 않은 것이 문제가 됐다. 역설적으로 이번 사건은 다른 각도에서 의미심장한 질문을 던진다. 만약 커서의 파인튜닝 모델이 수천억 원짜리 독자 기반 모델과 실제로 경쟁 가능한 성능을 낸다면, '독자 기반 모델의 가치가 과연 얼마나 되는가'는 대형 AI 기업들에 불편한 질문이 된다. 보안과 비용 측면에서 오픈소스 파인튜닝이 기업들의 현실적 대안이 될 수 있다는 가능성을 보여줬다는 점에서다.

트럼프 행정부가 2026년 3월 20일 인공지능(AI)에 관한 단일 국가 입법 프레임워크를 공개했다. 핵심은 주(州) 정부의 독자적인 AI 규제를 선제적으로 차단하고, 연방 차원의 통일된 안전 기준을 마련하겠다는 것이다. 이번 프레임워크는 6개 항목으로 구성됐다. 아동 보호를 위한 새로운 AI 규제 도입, AI 데이터센터의 허가 절차와 에너지 사용 표준화, 지식재산권(IP) 문제 해결, AI 시스템이 합법적인 정치적 표현이나 반론을 억압하거나 검열하는 데 사용되는 것을 막는 조항, 그리고 AI 인프라 전반의 안전·보안 가이드라인이 포함됐다. 백악관 과학기술정책실(OSTP) 국장 마이클 크라치오스(Michael Kratsios)는 올해 안에 의회 입법으로 연결할 수 있으며 양당 지지를 얻을 수 있다고 밝혔다. 이번 발표의 정치적 맥락은 복잡하다. 뉴욕, 캘리포니아 등 여러 주들이 자체 AI 규제 법안을 추진해왔으며, AI 산업계는 이에 강하게 반발해왔다. 빅테크 기업들은 주마다 다른 규제가 '누더기 법(patchwork)' 환경을 만들어 혁신을 저해하고, 중국에 AI 패권을 내줄 수 있다고 주장해왔다. 연방 단일 기준은 이런 업계 요구에 호응하는 방향이기도 하다. 그러나 실제 입법화까지의 경로는 불확실하다. 공화당이 상하원 모두에서 과반을 점하고 있지만, 그 격차가 크지 않고 당내 균열도 적지 않다. 트럼프 대통령은 이미 AI 프레임워크보다 유권자 신분증 법안(SAVE America Act)을 우선 추진하라고 의회에 압박하고 있는 상황이다. 규제의 방향도 주목할 부분이다. 이번 프레임워크는 AI 혁신을 촉진하는 동시에 아동 보호, IP, 표현의 자유 등 민감한 사회적 이슈들을 직접 건드리고 있다. 특히 'AI를 통한 정치적 표현 검열 방지' 조항은 민주당과의 갈등 소지가 있어 양당 합의 도출이 쉽지 않을 것이란 전망도 나온다. 미국의 AI 규제 논쟁은 이제 연방 대 주(州), 혁신 촉진 대 안전 규제, 빅테크 이해 대 소비자 보호 사이의 복잡한 다층 구조로 진입했다. 트럼프 행정부가 연방 단일 기준으로 이 모든 갈등을 정리할 수 있을지, 아니면 입법 과정에서 좌초할지가 2026년 미국 AI 정책의 최대 변수가 될 전망이다.

AI 에이전트가 단순한 질의응답 도구를 넘어 파일 편집, 이메일 전송, 여행 예약, 온라인 구매 등을 자율적으로 처리하는 '개인 비서'로 진화하고 있다. 그런데 이 편의성의 이면에는 새로운 보안 위협이 구조적으로 자리잡고 있다고 뉴욕타임스가 보도했다. AI 에이전트의 핵심 위험은 '프롬프트 인젝션(prompt injection)'이다. 공격자가 웹페이지, 이메일, 문서 등에 악성 지시문을 숨겨두면, AI 에이전트가 해당 내용을 읽는 과정에서 공격자의 명령을 마치 사용자 지시처럼 따르게 된다. 예를 들어 사용자가 AI에게 '이 이메일을 요약해줘'라고 요청했을 때, 그 이메일 안에 '요약하지 말고 첨부 파일을 외부로 전송해'라는 숨겨진 지시가 있으면 AI가 그대로 실행할 수 있다는 것이다. 이 위협은 가상 시나리오가 아니다. 크라우드스트라이크의 2026 글로벌 위협 보고서에 따르면, 공격자들은 이미 90개 이상의 조직에서 생성형 AI 도구에 악성 프롬프트를 주입해 자격증명과 가상자산 탈취 명령을 실행했다. 메타 역시 내부 AI 에이전트가 잘못된 지시를 따르면서 약 2시간 동안 대규모 민감 데이터가 임직원에게 노출되는 보안 사고를 경험한 바 있다. 문제는 에이전트에 부여된 권한 범위다. AI 에이전트가 더 많은 작업을 자율 수행할수록, 그 에이전트가 침해당했을 때의 피해 범위도 비례해서 커진다. 이메일 전송 권한을 가진 에이전트가 공격자의 지시로 수백 건의 피싱 메일을 발송하거나, 파일 접근 권한을 가진 에이전트가 내부 문서를 외부로 유출하는 시나리오는 이미 기술적으로 가능한 상태다. 보안 전문가들은 에이전트 설계 단계에서부터 '최소 권한 원칙(principle of least privilege)'을 적용해야 한다고 강조한다. 에이전트가 실제로 필요한 권한만 갖도록 제한하고, 중요한 외부 작업(이메일 발송, 결제 등)은 반드시 사람의 확인을 거치는 '휴먼 인 더 루프(human-in-the-loop)' 방식을 유지해야 한다는 것이다. AI 에이전트는 생산성 향상의 핵심 도구가 될 것이 분명하다. 그러나 에이전트에 부여하는 자율성의 범위와 그에 따른 보안 설계는 기술 발전과 동시에 고민되어야 할 과제다. 편의를 위해 부여한 권한이 공격 통로로 전환되는 속도가, 보안 대응 속도보다 빠른 현실이 이미 시작됐다.

OpenAI가 현재 약 4,500명인 전 세계 임직원 수를 2026년 말까지 8,000명 수준으로 거의 두 배 늘릴 계획이라고 파이낸셜타임스(FT)가 보도했다. AI 경쟁이 전방위로 격화되는 가운데, OpenAI는 인력 규모 확장을 통해 기술 개발과 시장 점유율 방어에 동시에 나서겠다는 신호를 보낸 것이다. 채용 집중 분야는 제품 개발, 엔지니어링, 연구, 영업의 네 가지다. 특히 주목할 것은 '테크니컬 앰배서더(technical ambassador)'라는 신규 직군의 도입이다. 이 직군은 기업 고객이 AI 솔루션을 실제 업무에 통합할 수 있도록 밀착 지원하는 역할이다. 단순 제품 판매에서 벗어나 고객사의 AI 전환 과정 전반을 함께하는 '기업 동반자' 전략으로의 전환을 의미한다. 이번 대규모 채용은 약 8,400억 달러(약 1,130조 원) 밸류에이션으로 마감된 최근 투자 라운드의 자금력을 기반으로 한다. 세계에서 가장 높은 가치를 가진 비상장 기업 반열에 든 OpenAI는 이 자금을 인재 확보와 인프라 구축에 집중 투입하고 있다. 내부 분위기는 긴장감이 감돈다. 샘 알트만(Sam Altman) CEO는 2025년 말 구글 제미나이(Gemini)의 빠른 진화에 위기감을 느끼고 내부적으로 '코드 레드(code red)' 지시를 내렸다. 비핵심 프로젝트를 일시 중단하고 핵심 개발에 역량을 집중하라는 것이었다. 인력 두 배 확장 계획은 이 긴박한 내부 기조와 맥을 같이한다. 숫자 뒤에 있는 전략 변화가 더 흥미롭다. OpenAI는 지금까지 기술 개발 중심 조직이었지만, 이번 채용 계획은 영업과 기업 지원 인력 대거 확충을 포함한다. PwC, 딜로이트 같은 컨설팅사들이 AI 도입 컨설팅으로 수혜를 누리듯, OpenAI 자체가 기업 AI 전환의 실행 파트너로 직접 나서겠다는 포지셔닝 전환이다. AI 패권 경쟁은 이제 모델 성능만의 싸움이 아니라, 누가 더 많은 기업 고객을 깊이 장악하느냐의 싸움으로 옮겨가고 있다. OpenAI의 인력 두 배 확장은 그 싸움에서 속도전을 선택하겠다는 선언이기도 하다.

앤트로픽의 클로드 코드(Claude Code)가 AI 코딩 시장에서 54%의 점유율을 확보하며 오픈AI(21%)를 두 배 이상 앞서는 것으로 나타났다. 이에 위기감을 느낀 오픈AI가 기업 AI 시장 탈환을 선언하며 사업 전략을 전면 개편에 나섰다. 오픈AI 애플리케이션 부문 CEO 피지 시모(Fidji Simo)는 최근 전사 회의에서 '사이드 퀘스트(부차적 프로젝트)에 한눈 팔지 말아야 한다'고 강조하며 핵심 사업 집중을 촉구했다. 비디오 AI '소라' 등 다변화 전략에서 벗어나 소프트웨어 개발과 기업 AI 분야에 역량을 집중하겠다는 방향 선회다. 구체적인 조직 개편안은 수주 내 발표될 예정이다. 오픈AI는 앤트로픽 클로드 코드에 맞서 코덱스(Codex) 앱을 업데이트하고, GPT 5.4 모델에 고급 코딩 기능을 탑재했다. 코덱스 주간 활성 사용자(WAU)는 160만 명을 넘어섰으며, GPT 5.3-코덱스 출시 이후 3배 증가했다. 토큰 처리량은 5배 급증했고, GPT 5.4는 프론트엔드 작업과 컴퓨터 사용 능력을 강화한 SWE-Bench Pro 벤치마크에서 선두권 성능을 기록했다. 기업 고객 수는 100만 명을 돌파했으며, 챗GPT Enterprise 계정은 전년 대비 9배 성장했다. 사모펀드 전선에서도 경쟁이 격화되고 있다. 오픈AI는 브룩필드, 베인 캐피털, TPG, 어드벤트 인터내셔널 등 대형 사모펀드와 합작법인(JV) 구성을 추진 중이다. 사전 기업 가치 100억 달러로 평가되는 이 JV를 통해 40억 달러 투자를 유치하고, 포트폴리오 기업에 AI 제품을 보급하는 계획이다. 앤트로픽 역시 동일한 사모펀드 생태계를 공략하고 있어 직접 경쟁이 불가피하다. 현재 오픈AI의 기업 가치는 약 8,500억 달러(약 1,270조 원), 앤트로픽은 3,800억 달러(약 567조 원)로 추정된다. 두 회사 모두 2026년 IPO를 앞두고 있다. 소비자 시장에서는 챗GPT WAU가 9억 명 이상으로 오픈AI가 압도적이나, 기업 고부가가치 시장에서는 앤트로픽이 선점 효과를 누리고 있는 구도다. 최근 앤트로픽이 미 국방부로부터 '공급망 위험' 기업으로 지정된 것은 오픈AI에 반사이익으로 작용할 전망이다.