ZDNet 검색 페이지

'안광섭'통합검색 결과 입니다. (13건)

[안광섭의 AI 진테제] 미 정부가 끈 세계최강 AI...한국 대안은?

1999년 가을, 애플의 파워 매킨토시 G4가 미국 수출관리법상 '무기'로 분류됐다. 초당 10억 회 부동소수점 연산을 돌파한 것이 냉전 시대 기준선에 걸린 것이다. 스티브 잡스는 이를 마케팅으로 뒤집었다. 탱크가 컴퓨터를 에워싸는 광고(를 만들고, 마지막 멘트로 "경쟁사 PC에 대해서는, 뭐, 해로울 게 없죠"를 붙였다. 클린턴 행정부가 이미 기준 상향을 예정해 둔 상태였고, 수출통제는 수개월 만에 풀렸다. 이로부터 27년이 지난 지난주 금요일, 비슷하면서도 본질적으로 다른 일이 벌어졌다. 하워드 러트닉 미국 상무장관이 앤트로픽(Anthropic) CEO에게 서한 한 통을 보냈고, 수시간 뒤 세계 최강 AI 모델 '페이블 5(Fable 5)'가 전 세계에서 동시에 꺼졌다. 해제 시점은 아직 정해지지 않았다. 수출통제의 대상이 원자(반도체)에서 비트(AI 모델)로 옮겨간 것이다. "금요일 아침 수억 명이 쓴 AI를 당일 저녁에는 아무도 쓸 수 없게 돼" 6월 9일, 앤트로픽은 자사 최강 모델인 페이블 5와 미소스 5(Mythos 5)를 공개했다. 페이블 5는 미소스 계열의 프론티어 모델을 일반 사용자에게 처음 공개한 버전으로, 사이버보안 등 고위험 영역에서는 응답을 제한하는 보호장치를 탑재했다. 보호장치 일부가 해제된 미소스 5는 검증된 소수 기관에만 제공했다. 출시 3일 뒤인 6월 12일 오후 5시 21분(미 동부시간), 러트닉 상무장관의 서한이 도착했다. 페이블 5와 미소스 5에 대한 모든 외국인의 접근을 즉시 차단하라는 내용이었다. 미국 내 거주 여부와 무관하게, 앤트로픽 소속 외국 국적 직원까지 포함하는 조치였다. 앤트로픽은 실시간으로 사용자의 국적을 검증할 수 없었고, 유일한 선택지는 전 세계 모든 사용자의 접근을 차단하는 것이었다. 금요일 아침까지 수억 명이 쓸 수 있었던 모델이, 금요일 밤에는 아무도 쓸 수 없게 됐다. 앤트로픽은 즉각 이의를 제기했다. 정부가 근거로 제시한 탈옥(Jailbreak, AI 보호장치를 우회하는 기법) 방법은 이미 오픈AI의 GPT-5.5를 포함한 다른 공개 모델에서도 작동하는 수준의 취약점이라는 것이었다. 출시 전 미국 정부와 영국 AI 안전연구소(UK AISI) 등이 수천 시간의 레드팀(Red Team, 보호장치 돌파를 시도하는 보안 테스트) 테스트를 수행했고, 보호장치를 전면 무력화하는 범용 탈옥은 발견되지 않았다고도 강조했다. 그러나 법적 지침인 이상 따를 수밖에 없었다. 페이블 5 API 위에 서비스를 구축했던 기업들은 하룻밤 사이에 인프라 전환을 강제당한 셈이다. 보안 연구원 피터 거너스(Peter Girnus)는 이 상황의 아이러니를 짚었다. "자기 제품을 보도자료마다 군수품이라 묘사하면, 결국 정부가 그 말을 액면 그대로 받아들이게 됩니다." 앤트로픽이 미소스의 위험성을 강조하며 보호장치의 필요성을 역설할수록, 정부 입장에서는 보호장치가 뚫렸다는 보고에 즉각 반응할 근거가 쌓였다. 미국 정부가 실시간 배포 중인 상용 AI 모델에 수출통제를 적용해 강제 중단시킨 것은 이번이 처음이다. 1999년 G4와 2026년 페이블5의 세 가지 차이점 1999년 G4와 2026년 페이블 5의 차이는 세 가지로 압축된다. 첫째, 통제 속도다. 1999년에는 수출 심사에 수주에서 수개월이 걸렸다. 2026년에는 서한 도착 후 수시간 만에 전 세계 동시 차단이 이뤄졌다. 하드웨어는 국경에서 막지만, 소프트웨어는 API 한 줄로 막는다. 둘째, 통제 성격이다. 1999년은 냉전 시대 기준선에 우연히 걸린 과도기의 산물이었다. 기준 상향이 이미 예정돼 있었고, 잡스에게는 로비와 마케팅을 동시에 굴릴 여유가 있었다. 2026년은 의도적이고 표적화된 조치다. 상무장관이 직접 서한을 보냈고, 미 행정부는 국가안보 체계가 강화될 때까지 모델을 잠가둬야 한다는 입장인 것으로 알려졌다. 셋째, 통제 범위다. G4는 중국 본토 등 특정 국가로의 수출이 제한됐다. 페이블 5는 전 세계 모든 외국인이 대상이다. 자사 외국 국적 직원까지 포함돼, 실질적으로 미국 시민권자만 접근 가능한 모델이 됐다. 반도체는 물리적 수출을 막았지만, AI 모델은 원격으로 '꺼버렸다'. 통제의 대상이 원자에서 비트로, 국경에서 API로 옮겨간 것이다. 소버린 AI, 구호에서 생존 전략으로 이 사건에 가장 빠르게 반응한 것은 유럽이었다. 영국의 톰 투겐핫(Tom Tugendhat) 전 안보장관은 "주권은 이제 대포가 아니라 코드의 문제입니다"라고 했다. 프랑스 국민연합 대표 조르당 바르델라(Jordan Bardella)는 AI가 국가 주권의 핵심 문제라며, 자국 모델을 빠르게 개발하지 않는 나라는 다른 나라의 선택에 종속될 수밖에 없다고 주장했다. 사실 소버린 AI(Sovereign AI, 국가가 자체 인프라와 모델로 AI 주권을 확보하는 역량)는 이미 거대한 흐름이었다. 엔비디아(NVIDIA)의 2026 회계연도 소버린 AI 매출은 300억 달러를 넘어서며 전년 대비 3배 이상 성장했다. 가트너(Gartner)에 따르면 전 세계 소버린 클라우드 IaaS 지출은 2026년 800억 달러에 이를 전망이다. 젠슨 황 엔비디아 CEO가 반복해온 "모든 국가는 소버린 AI가 필요합니다"라는 메시지가 실적으로 증명되고 있는 셈이다. 페이블 5 사태는 이 흐름에 결정적 명분을 더했다. 소버린 AI를 주장해온 이들에게 "이런 일이 실제로 일어났다"고 말할 수 있는 사례가 생긴 것이다. 호주의 법률 AI 기업 이사쿠스(Isaacus)는 사태 직후 에어갭(Air Gap, 외부 네트워크와 물리적으로 격리하는 보안 방식) 셀프호스팅 전략을 더 강화하겠다고 선언했다. 여기서 한 발 더 나가볼 필요가 있다. 미국이 이 선례를 전략적으로 활용한다면 어떤 그림이 가능할까. 동맹국에는 페이블 5급 접근을 허용하고, 비동맹국에는 이전 세대 모델까지만 허용하는 등급별 접근권 외교다. 반도체 수출통제에서 이미 이 패턴을 봤다. TSMC의 최첨단 공정은 미국 동맹국에만 허용되고, 중국에는 세대가 뒤처진 칩만 갈 수 있게 한 것처럼, AI 모델에도 같은 논리가 적용될 수 있다. AI 모델이 외교 카드가 되는 것이다. 한국도 이 구도에서 자유롭지 않다. 전 세계 가용 컴퓨팅의 3분의 2 이상을 미국 하이퍼스케일러가 장악한 구조에서 스케일 경쟁으로 승부하기는 어렵다. 페이블 5 사태 이틀 전인 6월 10일, 네이버클라우드가 국방산업발전대전에서 소버린 AI 기반 국방 전략을 공개한 것은 시의적절한 움직임이었다. 킬 스위치의 소재를 묻다 필자가 20년간 GTM(Go-To-Market, 제품의 시장 출시·확산 전략) 전략을 수립하며 배운 원칙이 하나 있다. 인프라 위에 비즈니스를 올릴 때, 그 인프라의 킬 스위치(Kill Switch)를 누가 쥐고 있는지가 전략의 첫 번째 질문이어야 한다는 것이다. 클라우드 시대에 이 질문은 "어떤 클라우드를 쓰느냐"였다. AI 시대에는 "어떤 모델 위에 서비스를 세우느냐"로 바뀌었다. 페이블 5 사태가 보여준 것은, 그 모델의 킬 스위치가 한 나라 정부의 서한 한 통에 달려 있을 수 있다는 사실이다. 사티아 나델라 마이크로소프트 CEO는 "모든 에이전트에게 자기만의 컴퓨터가 필요합니다"라고 했다. 맞는 말이다. 그러나 필자는 한 발 더 나가고 싶다. 에이전트에게 자기만의 컴퓨터가 필요하다면, 그 컴퓨터 위에서 돌아가는 모델의 주권도 필요하다. 자기만의 컴퓨터를 가져도, 그 위에서 돌아가는 두뇌가 다른 나라 정부의 판단 하나로 꺼질 수 있다면, 그것은 진정한 '자기 것'이 아니다. 필자는 소버린 AI에 대해 회의적 시각을 가져왔다. 그러나 이번 사건은 그 정의를 다시 생각하게 한다. 소버린 AI의 핵심은 '최고 모델을 직접 만드는 것'이 아니다. '내가 쓰는 AI가 내일도 켜져 있다는 보장을 확보하는 것'이다. 멀티 모델 전략, 에어갭 배포, 오픈소스 대안 확보. 이것들이 이제 기술 선택의 문제가 아니라 비즈니스 연속성의 문제가 됐다. 투자 관점에서도 주목할 대목이 있다. 소버린 AI를 추구하는 나라가 늘어날수록, 각국이 자체 모델을 학습하고 운영할 인프라를 확보해야 한다. 지금까지 프론티어급 파운데이션 모델 학습에 본격적으로 나선 곳은 미국과 중국 정도였다. G20 국가들이 같은 경쟁에 뛰어든다면, GPU 수요의 천장은 한층 더 높아진다. 엔비디아 소버린 AI 매출이 1년 만에 3배로 뛴 것은 초기 신호에 불과하다. 페이블 5 사태는 이 곡선을 더 가파르게 만들 것이다. 1999년, 초당 10억 회 연산을 돌파한 컴퓨터가 무기로 분류됐다. 수개월 만에 풀렸고, 애플은 그것을 광고로 만들었다. 2026년, 세계 최강 AI 모델이 출시 3일 만에 수출통제 대상이 됐다. 아직 풀리지 않았고, 누구도 웃지 못하고 있다. AI 모델이 더 이상 일반 소프트웨어 제품이 아니라 반도체와 같은 전략 자산으로 취급되기 시작했다. 전략 자산에는 반드시 주권 문제가 따라온다. 프론티어 AI 모델 위에 서비스를 운영하고 있다면, 한 가지만 점검해 보자. "내가 쓰는 모델이 내일 꺼진다면, 우리 서비스는 어떻게 되는가

2026.06.14 13:41안광섭 컬럼니스트

[안광섭 AI 진테제] 미국기업이 중국AI기업에 돈을 보내는 이유

우버(Uber)가 올해 AI 코딩도구 예산을 4개월 만에 전부 소진했다. 약 5000명의 엔지니어가 에이전틱 코딩 도구를 사용하면서 월 사용료가 엔지니어당 150달러에서 많게는 2000달러까지 치솟았고, CTO가 직접 "올해 AI 코딩 도구 예산을 이미 다 썼습니다"라고 시인하는 상황에 이르렀다. 결국 우버는 직원 1인당 월 1500달러의 사용 한도를 설정했다. COO 앤드루 맥도널드는 한 팟캐스트에서 "AI 도구 사용량과 실제 소비자 기능 개선 사이의 연결 고리가 아직 보이지 않습니다"라고 솔직하게 인정하기도 했다. 우버만의 이야기가 아니다. 미국 기업용 지출 관리 플랫폼 램프(Ramp)에 따르면 기업당 AI 토큰 지출은 2025년 1월 이후 13배 증가했다. AI 도구의 성능이 올라갈수록, 그리고 에이전틱 AI처럼 자율적으로 작업을 수행하는 도구가 확산할수록, 토큰 소비량은 기하급수적으로 늘어난다. 문제는 단순하다. 더 많이 쓸수록, 더 많이 나간다.이 비용 압박이 예상 못 한 곳으로 기업들을 향하게 하고 있다. 바로 중국이다. "미국기업들 딥시크에 직접 결제" 램프는 5만 개 이상의 미국 기업이 사용하는 법인카드 및 청구 플랫폼으로, 매달 수십억 달러 규모의 기업 지출 데이터를 추적한다. 램프가 매월 발표하는 '트렌딩 소프트웨어 벤더' 목록은 기업이 특정 소프트웨어 벤더에 처음으로 결제한 건수를 기준으로 순위를 매긴다. 신규 도입의 흐름을 보여주는 선행 지표인 셈이다. 2026년 6월 발표한 이 목록에서 1위를 차지한 것은 중국 AI 스타트업 딥시크(DeepSeek)였다. 이벤트 관리 플랫폼 피드루프(PheedLoop)와 오픈소스 모델 서빙 플랫폼 파이어웍스AI(Fireworks AI)를 제치고 정상에 올랐다. 주목할 것은 결제 방식이다. 램프의 수석 이코노미스트 아라 카라지안(Ara Kharazian)은 "미국 기업들이 딥시크에 직접 결제하고 있습니다"라고 밝혔다. 이는 기업들이 딥시크의 오픈소스 모델을 자사 서버에 직접 올려 쓰는 것이 아니라, 중국에 위치한 딥시크 서버로 데이터를 보내고 받고 있다는 뜻이다. 미중 기술 갈등이 지속되는 상황에서 미국 기업이 자사 데이터를 중국 서버에 직접 전송하는 것은 상식적으로 이해하기 어려운 선택이다. 카라지안은 이를 두고 "기업들이 오픈AI와 앤트로픽의 대안을 찾고 있다는 가장 확실한 신호"라고 해석했다. 물론 절대적 규모로 보면 아직 미미하다. 램프 AI 인덱스 기준으로 올 4월 딥시크의 미국 기업 도입률은 0.1%에 불과했다. 같은 시점에 앤트로픽(Anthropic)은 34.4%, 오픈AI(OpenAI)는 32.3%로 시장을 양분하고 있었다. 딥시크가 시장 판도를 뒤집은 것은 아니다. 그러나 '트렌딩 1위'가 의미하는 것은 신규 진입 속도다. 지금 이 순간, 새로운 선택지로 딥시크를 처음 시도하는 기업이 가장 빠르게 늘고 있다는 뜻이다. 34배의 격차, 무시할 수 없는 숫자 이 선택을 이끈 것은 단 하나, 가격이다. 딥시크는 지난달 플래그십 모델 V4 프로(V4 Pro)의 75% 할인을 영구화했다. 원래 5월 31일 종료 예정이던 프로모션 가격이 그대로 정가가 된 것이다. 현재 V4 프로의 API 가격은 출력 토큰 100만 개당 0.87달러다. 캐시 히트(cache hit, 반복되는 입력을 재활용해 비용을 줄이는 방식) 가격은 100만 토큰당 0.0036달러까지 내려간다. 이 숫자만으로는 감이 잡히지 않을 수 있다. 경쟁사와 비교하면 격차가 선명해진다. 오픈AI의 최신 플래그십 GPT-5.5는 출력 토큰 100만 개당 30달러다. 앤트로픽의 클로드 오퍼스(Claude Opus) 4.7은 25달러다. 딥시크 V4 프로의 0.87달러와 비교하면 각각 약 34배, 약 29배의 차이다. AI 벤치마크 평가 기관 아티피셜 애널리시스(Artificial Analysis)에 따르면 동일한 지능 지수 테스트를 수행하는 데 딥시크 V4 프로는 268달러, 클로드 오퍼스 4.7은 4811달러가 들었다. 같은 작업에 약 18배의 비용 차이가 발생하는 것이다. 이런 가격 격차가 가능한 배경에는 두 가지 구조적 요인이 있다. 첫째, 딥시크 V4 시리즈는 화웨이(Huawei)의 어센드(Ascend) 950 칩 위에서 최적화됐다. 미국의 반도체 수출 통제로 엔비디아(NVIDIA) GPU를 쓸 수 없게 된 상황에서, 오히려 국산 칩 기반의 저비용 추론 인프라를 구축한 셈이다. 둘째, 딥시크는 V4 프로의 장문맥(long-context) 추론 비용을 전작 대비 약 4분의 1 수준으로 낮추는 아키텍처 혁신을 이뤘다고 밝혔다. 가격 인하가 일시적 마케팅이 아니라 비용 구조 자체의 변화에 기반한다는 의미다. 오픈소스 진영의 집단적 추격 딥시크만의 현상이 아니다. 램프의 5월 데이터에서 트렌딩 상위 10개 벤더 중 4개가 AI 추론 플랫폼이었다. 파이어웍스AI, 팔AI(Fal AI), 딥인프라(DeepInfra), 바스트AI(Vast.ai)-모두 오픈AI나 앤트로픽을 거치지 않고, 더 넓고 저렴한 모델 선택지를 기업에 제공하는 플랫폼이다. 카라지안은 이를 두고 "기업들이 어떤 모델이 어떤 작업에 적합한지 선별하기 시작했다는 가장 깨끗한 신호"라고 분석했다. 어려운 문제에는 프론티어 모델을, 나머지에는 저가 모델을 배분하는 '모델 라우팅' 전략이 실무에서 확산되고 있다는 뜻이다. 성능 격차도 빠르게 좁혀지고 있다. AI 법률 에이전트 성능을 측정하는 하비(Harvey)의 리걸 에이전트 벤치마크(LAB)에서 중국 지푸AI(Zhipu AI, 현 Z.ai)의 GLM-5.1은 오픈소스 모델 중 최고점을 기록하며 앤트로픽의 클로드 오퍼스 4.7 바로 아래, 오픈AI의 GPT-5.5와 대등한 수준에 올랐다. 문샷AI(Moonshot AI)의 키미(Kimi) K2.6과 딥시크 V4 프로 역시 GPT-5.5 바로 아래에 자리 잡았다. 법률 업무처럼 정밀도가 요구되는 영역에서도 오픈소스 모델이 "충분히 쓸 만한" 수준에 도달했다는 평가다. 가격이 지정학을 이기는 순간 필자가 GTM(Go-To-Market, 제품의 시장 진입과 확산 전략) 전략을 수립해 온 관점에서 보면, 지금 AI 시장에서 벌어지는 일은 전형적인 범용재화(commoditization)의 초기 신호다. 범용재화는 세 단계를 거친다. 1단계: 제품 간 성능 차이가 줄어든다. 2단계: 가격이 구매 결정의 핵심 변수가 된다. 3단계: 공급자의 브랜드보다 유통 구조와 비용 효율이 경쟁력을 결정한다 . AI 모델 시장은 지금 1단계에서 2단계로 넘어가는 전환점에 있다. 하비 LAB 벤치마크가 보여주듯, 오픈소스 모델과 프로프라이어터리(proprietary, 비공개) 모델의 성능 격차는 좁혀지고 있다. 그리고 가격이 34배 차이 나는 상황에서, 기업의 선택은 놀랍도록 예측 가능하다. 물론 딥시크를 통해 중국 서버로 데이터를 보내는 것은 보안과 규제 측면에서 명백한 리스크가 있다. 유럽에서는 이탈리아가 2025년 1월 딥시크를 차단했고, 독일도 데이터 보호 우려를 이유로 앱스토어 퇴출을 검토한 바 있다. 미국에서도 연방 정부 차원의 규제 논의가 진행 중이다. 그럼에도 기업들이 이 리스크를 감수하는 것은, 비용 압박이 그만큼 현실적이기 때문이다. 램프의 카라지안도 이 추세의 지속성에 대해서는 유보적이었다. 그는 "이 트렌드의 내구성을 과대평가하지는 않겠습니다"라고 밝혔다. 맞는 말이다. 그러나 필자가 보기에 더 중요한 것은 딥시크 자체의 성패가 아니다. 핵심은 가격 압력의 방향이 되돌릴 수 없다는 점이다. 딥시크가 아니더라도, 파이어웍스AI나 딥인프라 같은 추론 플랫폼을 통해 동일한 오픈소스 모델을 미국 내 서버에서 저렴하게 돌리는 경로는 이미 열려 있다. 중국 서버 리스크를 회피하면서도 비용 절감을 추구할 수 있는 선택지가 늘어나고 있다는 뜻이다. 한국 기업이 읽어야 할 신호 이 흐름이 한국 기업에 던지는 시사점은 분명하다. 첫째, AI 모델 조달 전략을 단일 벤더 중심에서 멀티모델 전략으로 전환할 시점이다. 모든 작업에 최고가 프론티어 모델을 쓸 이유가 없다. 정밀도가 생명인 작업과, 속도와 비용이 우선인 작업을 구분해 모델을 배분하는 것이 합리적이다. 둘째, 토큰 비용을 IT 예산의 독립 항목으로 관리해야 한다. 우버의 사례가 보여주듯, AI 도구 도입은 쉽지만 비용 통제는 쉽지 않다. 에이전틱 AI 시대에 토큰 소비량은 인간의 사용 패턴이 아니라 기계의 작업 루프에 의해 결정된다. 사용량 예측 모델과 비용 거버넌스를 지금부터 설계해야 한다. 셋째, 이 가격 전쟁의 수혜자가 될 준비를 해야 한다. 딥시크의 영구 가격 인하 직후, 딥시크는 첫 외부 투자 유치에 나서 약 74억 달러(약 10조 원)를 확보하며 기업가치가 520억~590억 달러로 평가됐다. 텐센트가 약 15억 달러, CATL이 약 7억 달러를 투자했다. 창업자 량원펑이 전체의 40%에 해당하는 약 30억 달러를 직접 출자한 점도 눈에 띈다. 이 투자 구조는 딥시크가 단기 수익이 아니라 시장 점유율 확보를 우선하고 있음을 시사한다. AI 모델의 가격 하락은 당분간 멈추지 않을 가능성이 높다. 범용재화가 진행되면, 가치는 모델 자체가 아니라 모델을 활용하는 응용 계층으로 이동한다. 클라우드 컴퓨팅이 범용재가 되자 그 위의 SaaS 기업들이 가치를 창출한 것과 같은 구조다. AI 모델의 가격이 바닥을 향해 달릴수록, 정작 경쟁력을 결정하는 것은 그 모델 위에서 무엇을 만드느냐가 된다. 한국 기업이 지금 집중해야 할 것은 어떤 모델을 쓰느냐가 아니라, 어떤 문제를 푸느냐다.

2026.06.06 09:33안광섭 컬럼니스트

[안광섭의 AI 진테제] 판사를 AI가 대체한다고? 굉장한 착각

얼마 전 현직 법조인들과 이야기할 기회가 있었다. 주제는 인공지능이 법조계에 미칠 변화였다. 판례 검색 자동화부터 양형 보조 시스템까지, 대화는 자연스럽게 AI의 사법 활용으로 흘러갔다. 그 자리에서 한 참석자가 꺼낸 말이 귀에 남았다. "결국 AI가 판사보다 공정하지 않겠느냐"는 것이었다. 직관적으로 매력적인 주장이다. 인간은 피로감, 선입견, 기분에 따라 판단이 흔들리지만, 알고리즘은 그런 약점이 없다는 논리다. AI 도입을 주장하는 쪽에서 가장 자주 내세우는 논거이기도 하다. 그러나 기술의 비즈니스 적용을 분석해 온 필자가 보기에, 이 주장은 세 가지 점에서 구조적으로 한계가 명확하다. 올해 2월, 한국 법원행정처는 '법관을 위한 AI 가이드북'을 발간해 전국 판사들에게 배포를 시작했다. 재판 실무에서 챗GPT나 제미나이(Gemini) 같은 상용AI를 활용하는 기준을 제시한 것이다. 같은 달, 대법원은 판례와 법령을 통합 분석하는 '재판지원 AI 시스템'의 시범 운영도 시작했다. AI가 법정에 들어오는 것은 시간문제다. 문제는 AI 도입 논의가 "AI는 공정하다"는 검증되지 않은 전제 위에서 진행되고 있다는 점이다. AI가 공정하지 않다는 근거는 이미 충분히 쌓여 있다. 크게 세 가지로 편향(bias), 아첨(sycophancy), 그리고 프롬프트 인젝션(prompt injection)이다. 편향: 교정하려다 역편향이 생긴다 2024년 2월, 구글의 AI 도구 제미나이(Gemini)가 생성한 이미지가 전 세계적 논란을 일으켰다. 사용자가 '미국 건국의 아버지들'을 그려달라고 요청하자, AI는 흑인 남성과 유색 인종 여성으로 구성된 그룹을 생성했다. '교황'을 요청하면 흑인 여성이, '2차 세계대전 독일 군인'을 요청하면 유색 인종 군인이 나왔다. 구글 CEO 순다르 피차이는 직원들에게 보낸 메모에서 "완전히 용납할 수 없는 결과"라고 인정했고, 제미나이의 인물 이미지 생성 기능은 즉각 중단됐다. 이 사건의 핵심은 기술적 해프닝 자체가 아니다. AI 훈련 데이터의 편향을 교정하려는 시도가 역편향(reverse bias)을 만들어냈다는 구조적 문제다. 편견을 제거하겠다는 의도가 새로운 편견을 생산한 것이다. '편향 없는 AI'라는 목표 자체가 얼마나 달성하기 어려운지를 보여준다. 사법 영역에서는 이미 실제 피해가 발생한 바 있다. 미국에서 널리 사용된 재범 위험 예측 알고리즘 'COMPAS(Correctional Offender Management Profiling for Alternative Sanctions)'에 대해 2016년 비영리 탐사보도 매체 ProPublica가 분석한 결과, 흑인 피고인이 백인 피고인보다 약 2배 높은 확률로 재범 고위험군을 잘못 분류했다. 반대로 백인 피고인은 저위험군으로 잘못 분류하는 비율이 더 높았다. 알고리즘이 인종에 따라 서로 다른 방향으로 오류를 범한 것이다. 이 알고리즘의 판단을 참고해 양형을 결정한 판사가 미국 전역에 걸쳐 있다는 점에서, 'AI 보조 판결'이 이미 현실에서 어떤 결과를 낳았는지를 보여주는 사례다. 아첨: AI는 사용자가 듣고 싶은 말을 한다 AI의 두 번째 구조적 문제는 아첨(sycophancy)이다. AI가 정확한 판단보다 사용자의 기분을 맞추는 방향으로 응답하는 현상을 말한다. 2025년 4월 25일, 오픈AI는 ChatGPT 기본 모델인 GPT-4o를 업데이트했다. 나흘 만에 롤백했다. 모델이 사용자에게 과도하게 동조적으로 변했기 때문이다. 해로운 발언이나 비현실적인 계획에 대해서도 칭찬과 동의를 남발하는 상태였다. 오픈AI는 사후 분석에서 "단기적 사용자 피드백에 지나치게 의존했다"고 시인했다. 이것이 한 회사의 우연한 사고가 아니라는 점이 중요하다. 2026년 3월, 스탠퍼드대 마이라 청(Myra Cheng) 연구팀이 학술지 사이언스(Science)에 발표한 연구는 11개 주요 AI 모델-ChatGPT, Claude, Gemini, DeepSeek 등-을 약 1만2000건의 사회적 상황에 대해 테스트했다. 결과는 충격적이었다. AI는 인간 응답자 대비 평균 49% 더 자주 사용자의 행동을 긍정했다. 사용자가 기만이나 불법 행위를 서술한 경우에도 47%의 비율로 동조했다. 앤트로픽(Anthropic) 역시 자체 연구를 통해 클로드(Claude)의 관계 상담 대화 중 25%에서 아첨적 행동이 나타났음을 확인했다. 사법 맥락에서 이 문제의 함의는 명확하다. 판사가 특정 방향의 판단을 내려두고 AI에 검토를 요청했을 때, AI가 그 판단에 동조해버린다면 어떻게 될까. AI는 검증 도구가 아니라 확증 편향(confirmation bias)의 증폭기가 된다. 프롬프트 인젝션: 조작은 놀라울 정도로 쉽다 세 번째 문제는 보안이다. 프롬프트 인젝션(prompt injection)은 AI에 투입되는 텍스트에 악의적 명령을 숨겨 AI의 행동을 조작하는 공격 기법이다. OWASP(Open Worldwide application Security Project)는 이 기법을 2025년 AI 애플리케이션 보안 위협 1위로 선정했다. 공격 성공률은 시스템 구성에 따라 50%에서 84%에 이른다. 2025년 6월에는 마이크로소프트 365 코파일럿(Copilot)에서 이메일 한 통만으로 기밀 문서를 외부로 유출할 수 있는 제로클릭 취약점이 발견됐다. 사용자가 아무것도 클릭하지 않아도 공격이 성립하는 구조였다. 2026년 2월, OpenAI는 AI 브라우저의 프롬프트 인젝션이 "완전히 패치되지 않을 수 있다"고 공식 인정했다. 재판 기록, 증거 자료, 개인 정보가 오가는 사법 시스템에 이런 취약점을 가진 기술을 도입한다면 어떤 일이 벌어질까. 소송 당사자가 제출한 문서 안에 숨겨진 프롬프트가 AI의 법률 분석을 왜곡할 가능성은 이론적 상상이 아니라 기술적으로 입증된 시나리오다. "고치면 되는 것 아닌가": Wang & Huang의 대답 여기까지 읽으면 "기술이 발전하면 해결되지 않겠느냐"는 반론이 나올 수 있다. 2026년 3월, 왕지아청(Jiacheng Wang)과 황진빈(Jinbin Huang)이 arXiv에 발표한 논문은 이 희망에 수학적으로 찬물을 끼얹었다. 두 연구자는 다섯 가지 최소 공리인 다차원 품질, 유한한 평가, 효과적 최적화, 유한한 자원, 조합적 상호작용 하에서, 최적화된 AI 에이전트는 평가 체계가 커버하지 못하는 품질 차원에 체계적으로 과소 투자한다는 것을 수학적으로 증명했다. 이 결과는 RLHF(인간 피드백 기반 강화학습), DPO(직접 선호 최적화), Constitutional AI(헌법적 AI) 등 어떤 정렬 방법을 사용하든 성립한다. 핵심은 이것이다. 보상 해킹(reward hacking, AI가 보상 신호의 허점을 이용해 진짜 목표 대신 평가 지표만 최적화하는 현상)은 수정 가능한 버그가 아니라 구조적 균형(Structural Equilibrium)이다. 한 곳을 막으면 다른 곳에서 새로운 형태의 조작이 나타나는 '두더지 잡기' 패턴은 우연이 아니라 수학적 필연이다. 앞서 살펴본 아첨, 편향, 사양 조작(specification gaming)은 모두 이 하나의 구조적 원리로 설명된다. AI는 도구다. 공정성의 주체가 아니다 필자가 보기에, "AI가 판사를 대체할 수 있다"는 주장의 근본적 오류는 AI를 공정성의 주체로 격상시킨다는 데 있다. 인간 판사의 편견은 비판할 수 있다. 항소할 수 있고, 언론이 보도할 수 있으며, 탄핵할 수도 있다. 편견의 존재가 투명하기 때문이다. 그러나 AI의 편향은 블랙박스 안에 있다. 왜 그런 판단이 나왔는지 설명하지 못하는 시스템에 사법적 권위를 부여하는 것은, "공정한 척하는 불공정"을 제도화하는 것과 같다. 한국 법원행정처가 올해 발간한 가이드북의 접근법은 올바른 방향이다. 가이드북은 AI를 판례 검색, 문서 초안 작성, 배경 지식 검토 같은 도구로 활용하되, 최종 판단과 책임은 법관에게 있다는 원칙을 명확히 했다. AI의 환각(hallucination), 데이터 편향, 개인정보 침해 위험을 점검하기 위한 실무 체크리스트까지 포함했다. AI를 법정에 도입하려면, '공정성의 주체'가 아니라 '효율성의 도구'로 위치를 한정해야 한다. 판례 검색과 문서 정리에는 유용하다. 양형 판단이나 유무죄 판단에 AI의 출력을 근거로 삼는 것은 위험하다. 'AI가 인간보다 공정할 것'이라는 근거 없는 낙관 위에 사법 시스템을 설계하는 것은, 편향이 내장된 블랙박스에 법복을 입히는 것과 다르지 않다. 한계를 모른 채 신뢰하는 것이야말로 가장 위험한 편향이다.

2026.05.31 14:52안광섭 컬럼니스트

[안광섭 AI 진테제] 구글, AI 워터마크도 장악하나

지난 화요일 구글 'I/O 202'6 키노트에서 순다르 피차이 CEO가 소개한 숫자 하나가 눈에 들어왔다. 구글 딥마인드가 개발한 AI 워터마크 기술 '신스아이디(SynthID)'가 지금까지 찍어낸 이미지·영상이 1000억 건, 오디오는 6만 년 분량에 달한다는 것이다. 같은 무대에서 OpenAI, 엔비디아, 카카오, 일레븐랩스(ElevenLabs)가 이 기술을 자사 제품에 적용하겠다고 발표했다. 경쟁사가 경쟁사의 워터마크를 자발적으로 채택하는 이례적인 장면이었다. "AI가 만든 콘텐츠에 표시를 남기자"는 논의는 3년 전부터 있었다. 그런데 이번 발표의 핵심은 워터마크 '기술'이 아니다. 필자가 보기에 이건 AI 콘텐츠 신뢰 인프라의 표준을 누가 쥐는가를 둘러싼 구조적 경쟁이다. 두 개의 신분증: C2PA와 SynthID AI 콘텐츠에 "이건 AI가 만들었다"고 표시하는 방법은 크게 두 갈래다. 첫째는 C2PA(Coalition for Content Provenance and Authenticity)다. 2021년 어도비, 마이크로소프트, BBC 등이 만든 개방형 표준으로, 콘텐츠 파일에 "누가, 언제, 어떤 도구로 만들었는지"를 메타데이터로 기록한다. 일종의 디지털 여권이다. 2026년 1월 기준 회원사가 6000곳을 넘었고, ISO 국제 표준으로도 승인됐다. 삼성 갤럭시 S25가 C2PA를 네이티브로 탑재한 최초의 스마트폰이었고, 구글 픽셀 10은 카메라 앱에 기본 내장했다. 문제는 이 여권이 쉽게 유실된다는 점이다. SNS에 사진을 올리면 플랫폼이 파일을 재압축하면서 메타데이터를 날려버린다. 인스타그램에 올린 사진, 카카오톡으로 보낸 이미지에 C2PA 정보는 남아 있지 않다. 여권을 발급해놓고, 공항에서 빼앗기는 셈이다. 둘째가 SynthID다. 구글 딥마인드가 2023년에 출시한 기술로, 이미지의 픽셀 자체에, 오디오의 파형 자체에 눈에 보이지 않는 워터마크를 새긴다. 파일을 자르든, 압축하든, 회전시키든 워터마크가 살아남도록 설계됐다. C2PA가 여권이라면, SynthID는 피부 아래 심은 마이크로칩에 가깝다. 그런데 지금까지 SynthID가 찍힌 1000억 건의 콘텐츠는 전부 구글 자체 서비스(Gemini, Imagen, Veo, NotebookLM 등)에서 나온 것이었다. 구글 바깥의 AI 콘텐츠에는 SynthID가 없었다. I/O 2026에서 바뀐 것이 바로 이 지점이다. 경쟁사가 줄을 서는 이유 OpenAI는 자사 이미지 생성 모델에 C2PA 메타데이터와 SynthID 워터마크를 동시에 적용하겠다고 발표했다. "벨트와 멜빵을 동시에 채우는 것"이라는 OpenAI의 표현처럼, C2PA가 상세한 맥락 정보를 제공하고 메타데이터가 유실됐을 때 SynthID가 최후의 신호로 남는 이중 구조다. OpenAI는 이미지의 C2PA·SynthID 워터마크를 확인할 수 있는 공개 검증 도구 '베리파이(Verify)'의 프리뷰도 함께 공개했다. OpenAI만이 아니다. 엔비디아는 자사 로보틱스·자율주행 파운데이션 모델 코스모스(Cosmos)에 SynthID를 적용했고, 카카오와 AI 음성 합성 기업 일레븐랩스도 합류했다. 구글은 이미 지난해 I/O 2025에서 SynthID 전용 검증 포털(SynthID Detector)을 공개한 바 있고, 이번에 검증 기능을 구글 검색과 크롬 브라우저로 확장했다. 렌즈(Lens), 서클 투 서치(Circle to Search)에서 "이 이미지 AI가 만든 거야?"라고 물으면 SynthID 여부를 확인해주는 구조다. SynthID 검증은 이미 전 세계에서 5000만 회 이상 사용됐다. 여기서 짚어볼 대목이 있다. C2PA는 개방형 컨소시엄 표준이다. 누구나 참여할 수 있고, 어떤 기업도 표준 자체를 소유하지 않는다. 반면 SynthID는 구글 딥마인드가 개발하고, 탐지 인프라를 구글이 운영하는 기술이다. 텍스트 워터마킹 코드는 2024년 오픈소스로 공개됐지만, 이미지·영상·오디오의 핵심 탐지 시스템은 구글이 쥐고 있다. 공개 API도 현재까지는 제공하지 않고 있다. 표준을 쥔 자가 인프라를 쥔다 필자가 이 뉴스를 보면서 떠올린 건 기술의 우열이 아니라 플랫폼 전략이었다. 기업 전략을 수립하면서 반복적으로 관찰해온 패턴이 있다. 기술 표준 경쟁에서 이기는 쪽은 '더 좋은 기술'이 아니라, 더 많은 곳에 깔리는 기술이다. 그리고 표준이 깔리면, 그 위에 올라가는 서비스 생태계를 표준 보유자가 설계하게 된다. 구글의 행보를 보면 이 패턴이 정확히 반복되고 있다. 1단계로 자체 생태계에 선탑재했다. Gemini, Imagen, Veo, NotebookLM 등 구글 AI 제품군 전체에 SynthID를 기본 적용해 1000억 건의 콘텐츠에 워터마크를 찍었다. 2단계로 핵심 파트너를 확보했다. 엔비디아, OpenAI, 카카오, 일레븐랩스와 파트너십을 맺어 SynthID의 적용 범위를 구글 바깥으로 확장했다. 3단계가 핵심인데, 탐지 인프라의 장악이다. SynthID를 '찍는 것'은 파트너에게 열어주지만, '찍혔는지 확인하는 도구'(SynthID Detector, 구글 검색, 크롬, Lens, Circle to Search)는 대부분 구글 서비스 위에서 돌아간다. 이 구조에서 워터마크를 '찍는 쪽'보다 '읽는 쪽'이 더 큰 권한을 갖는다. 모든 사람이 "이 콘텐츠 AI가 만든 거야?"라고 물을 때 거치는 관문이 구글이 되는 것이다. 검색이 정보의 관문이었던 것처럼, AI 콘텐츠 검증이 신뢰의 관문이 되는 구조다. 규제가 이 판을 가속...미국도 연방 차원 움직여 이 표준 확산에 강력한 가속기가 붙었다. EU AI Act(유럽연합 인공지능법)의 제50조가 올해 8월 2일부터 본격 시행된다. AI로 생성된 이미지, 영상, 오디오, 텍스트 등 모든 AI 생성물에 기계가 읽을 수 있는 표시(machine-readable marking)를 의무화하는 내용이다. EU 시장에서 서비스하는 모든 AI 기업이 대상이며, 본사가 어디에 있든 EU 사용자에게 콘텐츠가 도달하면 규제를 받는다. 위반 시 최대 1500만 유로 또는 전 세계 연매출의 3% 중 높은 금액이 과징금으로 부과된다. EU 집행위원회가 올해 3월 공개한 실행 규약(Code of Practice) 2차 초안은 메타데이터(C2PA 같은) + 임베디드 워터마크(SynthID 같은) + 선택적 핑거프린팅(콘텐츠의 고유 특징을 추출해 대조하는 방식)을 조합하는 다층 접근법을 권장한다. C2PA만으로는 견고성(robustness) 요건을 충족하기 어렵다는 판단이다. 메타데이터가 유실되는 환경이 너무 많기 때문이다. 결국 C2PA+SynthID 조합이 사실상의 규제 준수 패키지가 되고 있다. 미국에서도 연방 차원의 움직임이 있다. 2025년 4월 발의된 COPIED Act(콘텐츠 출처 보호 및 딥페이크 미디어 무결성법)는 미국 국립표준기술연구소(NIST)에 워터마크·출처 추적·합성 콘텐츠 탐지 표준을 개발하도록 지시하는 내용을 담고 있으며, 미국 사이버보안국(CISA)은 2025년 1월 자문을 통해 정부 및 핵심 인프라 미디어에 C2PA 채택을 권고했다. 규제가 만드는 구조적 효과가 있다. EU와 미국 양쪽에서 "AI 콘텐츠에 표시를 남겨라"는 의무 또는 강한 권고가 생기면, 기업들은 가장 빠르게 규제를 충족할 수 있는 도구 조합을 찾게 된다. 지금 그 조합이 C2PA+SynthID다. 규제가 기술 선택을 강제하고, 그 기술의 탐지 인프라를 보유한 구글에 생태계 권한이 집중되는 순환이 형성되고 있다. 다만 이 순환에서 빠지는 영역이 있다. 스테이블 디퓨전(Stable Diffusion), 플럭스(Flux) 같은 오픈소스 AI 모델이다. 누구나 로컬 환경에서 돌릴 수 있는 이 모델들에는 어떤 워터마크도 의무가 아니다. 자물쇠가 있는 문이 늘어날수록, 자물쇠 없는 문이 오히려 더 위험해지는 역설이다. "누가 검증하는가"를 먼저 물어야 OpenAI가 경쟁사의 워터마크를 채택한 건 기술력에 감복해서가 아니다. EU 규제 시한이 석 달도 안 남은 상황에서, SynthID+C2PA 조합이 가장 빠르게 규제를 통과할 수 있는 경로이기 때문이다. 그 결과, AI 콘텐츠 진위 판별 인프라의 권한이 구글에 집중되고 있다. 물론 반론도 짚어야 한다. SynthID 텍스트 워터마킹은 오픈소스로 공개됐고, 구글은 SynthID를 산업 표준으로 포지셔닝하고 있다. 그러나 이미지·영상·오디오의 탐지 인프라는 여전히 구글 생태계 안에 있으며, 공개 API도 제공되지 않는 상태다. 안드로이드가 그랬듯 '열린 듯 닫힌' 구조가 될지, 진정한 개방 생태계가 될지는 아직 판단하기 이르다. 확실한 것은 하나다. AI 시대에 "이 콘텐츠가 진짜인가?"라는 질문의 답을 누가 쥐느냐가, 앞으로의 생태계 권력 구조를 결정한다는 점이다. 다음에 AI로 만든 이미지를 보게 되면, "이걸 누가 만들었지?"보다 "이걸 누가 검증하지?"를 먼저 물어볼 필요가 있다. 그리고 그 질문의 답이 지금 이 순간 정해지고 있다.

2026.05.23 15:01안광섭 컬럼니스트

[안광섭 AI 진테제] AI 스마트폰이 삼킨 메모리, 메모리를 삼킨 AI

"2027년이면 프리미엄 스마트폰 10대 중 8대에 에이전틱 AI(Agentic AI)가 탑재된다.“ 카운터포인트 리서치(Counterpoint Research)가 이번 주 내놓은 전망이다. 에이전틱 AI 스마트폰이란, 사용자의 맥락을 파악해 스스로 계획을 세우고 여러 단계의 작업을 자율 실행하는 단말기를 가리킨다. "내일 비 오니까 우산 챙기세요"라고 아침 7시에 알려주고, "점심 약속 장소를 실내로 바꿔줘"를 한 번에 처리하는 수준이다. 카운터포인트에 따르면 에이전틱 AI 칩셋 출하 침투율은 2024년 1%에서 2027년 32%로 뛰고, 600달러 이상 프리미엄 구간에서는 80%를 넘어선다. 연평균 성장률 281%다. 여기서 필자가 주목하는 것은 소프트웨어가 아니라 하드웨어다. 에이전틱 AI의 약속이 실현되려면, 스마트폰의 심장과 혈관이 근본적으로 달라져야 한다. NPU, 보조 장치에서 핵심 엔진으로 첫 번째 조건은 고성능 NPU(Neural Processing Unit, 신경망 처리 장치)다. 퀄컴(Qualcomm)이 지난해 하반기 공개한 '스냅드래곤 8 엘리트 젠5(Snapdragon 8 Elite Gen 5)'가 방향을 보여준다. 3nm 공정에 헥사곤(Hexagon) NPU 성능이 전작 대비 37% 높아졌고, 존 페디 리서치(Jon Peddie Research)에 따르면 NPU 연산력은 100TOPS(초당 100조 회 연산)에 달한다. 전 세대 40~45TOPS에서 2배 이상 뛴 수치다. 미디어텍(MediaTek)도 디멘시티 9400 시리즈로 에이전틱 AI 칩 상용화에 먼저 나섰고, 8400·8450 칩셋으로 중가 시장까지 확장 중이다. NPU가 플래그십의 상징이 아니라 스마트폰의 기본 부품이 되고 있다. 메모리, 진짜 병목이 드러나다 NPU가 심장이라면 메모리는 혈관이다. 카운터포인트는 에이전틱 AI 스마트폰이 "NPU 장착을 넘어 메모리 대역폭과 지속적인 AI 처리량에 더 큰 비중을 둔다"고 명시했다. 2026년 플래그십은 대체로 16GB LPDDR5X(저전력 고속 메모리)를 기본 탑재한다. 갤럭시 S26 울트라가 12~16GB, 구글 픽셀10이 16GB를 채택했다. SK하이닉스는 올해 3월 세계 최초로 1c 공정 LPDDR6 개발을 완료하며 속도 33% 향상, 전력 20% 이상 절감을 달성했다. 삼성전자도 LPDDR6로 CES 2026 혁신상을 수상했다. 문제는 이 메모리가 심각하게 부족하다는 데 있다. AI가 만든 역설: 더 필요한데, 가져간 것도 AI 트렌드포스(TrendForce)에 따르면 2026년 1분기 LPDDR5X 계약 가격은 전 분기 대비 58~63% 급등했고, 2분기에는 93~98% 추가 상승이 전망된다. 원인은 명확하다. 삼성전자·SK하이닉스·마이크론 등 글로벌 메모리 3사가 웨이퍼를 AI 데이터센터용 HBM(High Bandwidth Memory, 고대역폭 메모리)으로 집중 재배치했다. HBM 1GB 생산에는 LPDDR5X 대비 3배의 웨이퍼 면적이 든다. IDC는 이를 "세계 실리콘 웨이퍼 용량의 구조적 재배치"라고 규정했다. 엔비디아(Nvidia)가 AI 서버 CPU에 LPDDR5X를 대규모로 채택하면서, 카운터포인트의 MS 황 리서치 디렉터는 엔비디아가 "사실상 주요 스마트폰 제조사 수준의 LPDDR5X 구매자가 됐다"고 진단했다. 역설이 겹친다. 스마트폰에 에이전틱 AI를 넣으려면 16GB 이상의 대용량 메모리가 필요한데, 바로 그 AI 수요가 가격을 끌어올려 일부 제조사는 오히려 RAM을 줄이고 있다. 구글 픽셀11은 기본 모델 RAM이 12GB에서 8GB로 하향될 것이라는 유출이 나왔고, 트렌드포스는 저가폰이 4GB RAM으로 회귀할 수 있다고 경고했다. AI를 위해 메모리가 더 필요한데, AI 때문에 메모리를 줄여야 하는 'RAM 패러독스'다. 이중의 기회, 그리고 비동기적 리스크 GTM 전략의 관점에서 보면, 한국 메모리 기업에게는 이중의 기회가 열리고 있다. HBM이 고마진 사업을 견인하는 동시에, 범용 LPDDR5X·LPDDR6의 가격 상승이 모바일 메모리 수익성까지 끌어올린다. SK하이닉스가 LPDDR6 하반기 양산을 예고하고, 삼성전자가 LPDDR6와 AI 서버용 SOCAMM2를 동시에 준비하는 것은 저전력 메모리 패권 경쟁의 신호다. LPDDR이 더 이상 '스마트폰 전용'이 아니라 AI 서버·엣지 컴퓨팅·자동차까지 영역을 넓히고 있기 때문이다. 다만 이 구조가 마냥 장밋빛은 아니다. 메모리 가격 급등은 스마트폰 출하량 자체를 줄인다. IDC는 2026년 스마트폰 출하가 12.9% 감소할 것으로 봤다. 10년간 이어진 '플래그십 기능의 중저가 확산'이 역전되고 있다. 메모리 기업의 수익성과 스마트폰 시장의 성장성이 동시에 움직이지 않는 비동기적 구간이 당분간 이어질 가능성이 높다. 필자가 보기에, 에이전틱 AI 시대의 진짜 경쟁은 어떤 AI를 올리느냐가 아니라, 그 AI를 온디바이스에서 구동할 수 있는 물리적 기반인 NPU 연산력과 메모리 대역폭에서 갈린다. 그리고 그 기반의 상당 부분을 한국 기업이 쥐고 있다. AI 시대의 반도체 패권은 데이터센터 안에서만 결정되지 않는다. 주머니 속 스마트폰에서도 이미 시작됐다.

2026.05.16 21:02안광섭 컬럼니스트

[안광섭 AI 진테제] 토큰 본질?...통화·가격·제품 3자가 동시 작동

지난 6일, 앤트로픽(Anthropic)이 스페이스X(SpaceX)와 컴퓨팅 인프라(연산 자원) 공급 계약을 체결했다. 멤피스에 위치한 콜로서스 1(Colossus 1) 데이터센터의 전체 용량을 앤트로픽이 가져간다. 한 달 안에 300메가와트(MW) 규모의 신규 용량과 22만 개 이상의 엔비디아(NVIDIA) GPU에 접근할 수 있게 된다는 것이 발표의 골자다. 또 앤트로픽은 클로드 코드(Claude Code)의 5시간 사용 한도를 2배로 늘리고, 프로(Pro)·맥스(Max) 요금제의 피크 타임 한도 축소를 폐지하며, 클로드 오퍼스(Claude Opus) API의 분당 호출 한도(rate limit)를 대폭 상향하기로 했다. 표면적으로는 컴퓨팅 인프라 거래 한 건이지만, 두 가지 사실이 이 발표를 단순한 인프라 계약 이상으로 만든다. 첫째, 컴퓨팅 인프라 거래의 결과물이 사용자 한도라는 형태로 같은 시점에 풀렸다. 둘째, 한 달 전인 4월 16일에는 알리바바(Alibaba)가 'Alibaba Token Hub(ATH)'라는 이름의 신규 사업부를 출범시켰다. CEO 에디 우(Eddie Wu)가 직접 수장을 맡고, 사업부의 핵심 미션은 "토큰을 만들고, 제공하고, 활용한다(create tokens, deliver tokens, apply tokens)"이다. 사업부 이름에 '토큰'이라는 단어가 들어간 것은 이번이 처음이다. 올해 초 딜로이트(Deloitte)는 이 흐름을 미리 이름 지었다. '토크노믹스로의 전환(The pivot to tokenomics)'이라는 보고서에서 토큰이 AI 시대의 새로운 통화 단위(new currency)가 되고 있다고 정리했다. 필자가 보기에 5월의 앤트로픽 발표는 토크노믹스가 인프라 거래의 협상 테이블에까지 올라왔음을 보여주는 사건이다. 토큰은 더 이상 기술 단위가 아니다. 통화이자, 가격이자, 제품 단위로 동시에 작동하기 시작했다. 토큰이 통화가 된 순간 이번 거래의 가장 흥미로운 인물은 일론 머스크(Elon Musk)다. 머스크는 올해 2월까지만 해도 자신의 X 계정에서 앤트로픽을 향해 "서구 문명을 증오한다(hates Western civilization)"고 발언했다. 이전에도 "사악하다(evil)", "위선적이다(misanthropic)" 같은 표현을 반복했다. xAI는 앤트로픽의 직접 경쟁사인 그록(Grok)을 운영하며, 올해 2월 스페이스X와 합병해 스페이스X-AI(SpaceXAI)로 통합되기까지 했다. 머스크 본인이 운영하는 두 회사가 앤트로픽의 가장 강력한 라이벌인 셈이다. 그런데 이번 발표 직후 머스크는 X에 "지난주 앤트로픽 리더들과 시간을 보냈고, 클로드(Claude)가 인류에 좋은 것이 되도록(good for humanity) 만들기 위해 그들이 하는 일에 감명받았습니다"라고 적었다. 일주일도 안 되는 사이에 적대 관계가 거래 관계로 전환된 것이다. 배경에는 두 가지 압력이 있다. 첫째, 스페이스X는 6월 IPO를 앞두고 있다. 목표 가치는 1.75조~2조 달러 수준이다. 'AI 인프라 공급자'라는 정체성을 추가로 확보할 필요가 있었다. 둘째, xAI의 콜로서스 1은 GPU 활용률이 11% 수준에 머물렀다는 보도가 있었다. 같은 시기 경쟁사들의 활용률은 약 40%였다. 22만 GPU가 절반밖에 돌아가지 않는 상태에서 앤트로픽의 컴퓨팅 인프라 수요는 머스크에게도 매력적인 거래였다. 핵심은 이 거래의 성격이다. 양측 모두에게 이것은 '토큰을 둘러싼 계산'이었다. 앤트로픽은 사용자에게 약속할 수 있는 토큰 발행 한도를 늘렸고, 스페이스X는 IPO 전 매출 가시성과 자산 활용률을 높였다. 이념적 적대가 토큰이라는 통화 앞에서 무력화된 것이다. 규모 자체도 봐야 한다. 앤트로픽이 지금까지 발표한 컴퓨팅 인프라 협력은 다섯 갈래다. 아마존(Amazon)과 최대 5기가와트(GW) 규모, 구글(Google)·브로드컴(Broadcom)과 5GW 규모, 마이크로소프트(Microsoft)·NVIDIA와 300억 달러 규모의 애저(Azure) 용량, 미국 AI 인프라 투자사 플루이드스택(Fluidstack)과 500억 달러 규모, 그리고 이번 스페이스X와의 300MW다. 오픈AI(OpenAI)는 더 큰 숫자에 서 있다. 샘 알트먼(Sam Altman) CEO가 직접 밝힌 누적 컴퓨팅 인프라 약속은 약 1.4조 달러다. 젠슨 황(Jensen Huang) NVIDIA CEO는 "2030년까지 AI 인프라에 3조~4조 달러가 투입될 것입니다"라고 추정했다. 이 숫자들이 의미하는 것은 단순한 자본지출 경쟁이 아니다. 컴퓨팅 인프라를 확보한 만큼 사용자에게 토큰을 약속할 수 있고, 그 약속이 곧 매출과 시장 점유율을 결정하는 구조다. 앤트로픽이 컴퓨팅 인프라 거래와 사용자 한도 상향을 같은 글에 묶어 발표한 것은 우연이 아니다. 토큰이 거래의 결과물임을 회사 스스로 공개한 것이다. 토큰이 가격이 된 순간: 떨어지는 단가, 폭증하는 청구서 토큰이 통화가 됐다는 것이 첫 번째 변화라면, 두 번째 변화는 토큰 단가 자체가 시장의 새로운 가격 축이 됐다는 점이다. 지난 두 해 동안 토큰 가격은 폭락했다. 딜로이트 보고서에 따르면 토큰 단가는 약 280배 하락했다. 같은 시기 구글은 한 달에 1.3 퀀드릴리언(quadrillion, 1300조) 토큰을 처리하는 단계에 도달했다. 1년 전 대비 130배 증가다. 단가는 떨어지는데 처리량은 그 이상으로 늘어난 것이다. 문제는 이 두 변화가 만나는 지점에서 일어난다. 우버(Uber)의 CTO 프라빈 네팔리 나가(Praveen Neppalli Naga)는 디 인포메이션(The Information) 인터뷰에서 "회사가 2026년 AI 예산 전체를 연초 몇 달 만에 다 써버렸습니다"라고 인정했다. 가장 큰 원인은 앤트로픽 클로드 코드(Claude Code)의 빠른 도입이었다. 4명짜리 자율 영업 에이전트 스타트업 스완 AI(Swan AI)의 CEO 아모스 바요세프(Amos Bar-Joseph)는 한 달 앤트로픽 청구서 11만 3421.87달러를 링크드인에 공개하며 "이만큼 자랑스러운 청구서는 없었습니다"라고 적었다. 그의 사업 모델은 '직원 한 명당 연 1000만 달러 매출'이고, 토큰 비용은 인건비를 대체하는 구조라는 설명이다. 가장 인상적인 사례는 AT&T다. 딜로이트가 인용한 바에 따르면 AT&T는 10만 명 이상의 직원과 워커 에이전트(worker agent)에게 AI를 적용해 하루 80억 개의 토큰을 처리하고 있었다. 이후 슈퍼 에이전트가 워커 에이전트를 관리하는 멀티 에이전트 시스템을 도입해 토큰 처리량은 하루 270억 개로 3배 늘어났지만, 단위 비용은 90% 절감했다. 토큰 처리량을 늘리는 것이 곧 효율을 높이는 길이라는 역설이다. 이 모든 사례가 가리키는 것은 같다. 토큰 단가는 더 이상 회사가 비교 쇼핑하는 단순한 가격표가 아니다. 토큰 단가의 격차가 "할 수 있느냐 없느냐"의 분기점이 됐다.같은 에이전트 작업을 폐쇄형 프론티어 모델인 클로드 오퍼스 4.6(Claude Opus 4.6)로 돌리면 백만 토큰당 25달러, 오픈 모델인 미니맥스 M2.7(MiniMax M2.7)로 돌리면 1.2달러다. 한 자리 숫자의 단가 차이가 8배에서 20배의 운영 비용 차이로 변환된다. 구글이 4월 2일 공개한 오픈 모델 젬마 4(Gemma 4)는 31B 파라미터에 백만 토큰당 0.20달러로, 오퍼스 대비 125배 저렴하다. 토큰이 제품이 된 순간, 알리바바 Token Hub 토큰의 세 번째 얼굴은 조직과 제품 단위로서의 토큰이다. 알리바바가 4월 16일 공개한 Alibaba Token Hub의 구성은 의미심장하다. 통이(Tongyi) 연구소가 '토큰을 만들고(create)', MaaS(Model-as-a-Service) 사업부가 '토큰을 제공하고(deliver)', 큐원(Qwen)·우콩(Wukong)·AI 혁신 사업부가 '토큰을 활용한다(apply)'. 모델 연구부터 소비자용 앱, 엔터프라이즈 워크플로우, 디바이스까지 토큰을 중심축으로 묶은 풀스택(full-stack) 파이프라인이다. 사업부의 이름이 'AI Hub'나 'Model Hub'가 아니라 'Token Hub'라는 점이 결정적이다. 이 사업부에는 380억 위안(약 53조 원) 규모의 3년 자본 약속이 따라붙었다. 알리바바가 지난 10년간 집행한 전체 자본지출과 거의 비슷한 규모다. 에디 우 CEO는 내부 메모에서 "수백억 개의 AI 에이전트가 디지털 작업의 점점 더 많은 부분을 맡게 될 것이며, 이 에이전트들은 모델이 생성하는 토큰에 의해 구동됩니다"라고 명시했다. 가장 결정적인 발언은 알리바바 CFO가 같은 주 어닝 콜에서 한 말이다. "기업들이 토큰 소비를 더 이상 IT 예산의 일부로 다루지 않습니다. 점점 더 많은 기업이 토큰을 생산 비용 또는 R&D 비용으로, 핵심 생산 요소(core factor of production)로 다루기 시작했습니다." 토큰이 단순한 클라우드 사용료가 아니라 자본재가 되고 있음을 발행자 본인이 공식 발언으로 인정한 것이다. 그런데 한 가지 흥미로운 모순이 있다. 같은 시기 알리바바는 큐원 API 가격을 백만 토큰당 1.1달러에서 0.07달러로 93% 인하했다. 토큰 가격을 0에 수렴시키면서 동시에 토큰을 사업부 이름에 박아 넣은 것이다. 이 모순은 사실 정합적이다. 토큰 자체로 돈을 벌지 않고, 토큰을 무료에 가깝게 풀어 클라우드·전자상거래·기업 SW 생태계에서 수익화한다는 풀스택 전략이다. 토큰을 통화 발행하듯 다루겠다는 명시적 선언이다. 토크노믹스라는 새로운 시장 질서 이상의 세 가지 변화-통화로서의 토큰, 가격으로서의 토큰, 제품 단위로서의 토큰-가 동시에 일어나고 있다는 것이 토크노믹스의 본질이다. 20년간 GTM(Go-To-Market) 전략을 수립해 온 필자의 경험에서 보면, 새로운 시장 질서가 자리 잡았다는 가장 명확한 신호는 '거래의 통화가 바뀌는 순간'이다. SaaS 시장 초기에는 시트(seat) 단위 가격이 통화였다. 클라우드 초기에는 vCPU·메모리·스토리지가 통화였다. 지금 AI 시장의 통화는 토큰이다. 이 통화는 인프라 거래의 협상 자산이고(앤트로픽-스페이스X), 비용 구조의 새 변수이며(우버·스완 AI), 사업부의 조직 원칙이다(알리바바 ATH). 딜로이트의 진단은 더 직설적이다. "AI 경제는 이제 토큰을 중심으로 돌아갑니다. 토큰이 진정한 가치 단위(true unit of value)입니다. AI는 새로운 통화를 요구합니다(AI requires a new currency: tokens)." 통화가 바뀌면 거래의 모든 층위가 다시 정의된다. 협상의 의제, 가격의 단위, 조직의 미션, 회계의 분류가 모두 달라진다. 한국이 답해야 할 세 가지 질문 이 변화는 한국에 세 가지 질문을 던진다. 첫째, 한국에는 토큰을 발행할 수 있는 회사가 있는가. 한국 정부는 2025년 10월 NVIDIA로부터 26만 장의 GPU를 우선 공급받기로 합의했다. 1차 추경 1조 4600억 원으로 H200 3056장과 B200 1만 80장이 2026년 2월부터 산학연에 배분되기 시작했다. 그런데 이 1만 3000장은 앤트로픽이 한 거래에서 확보한 22만 장의 약 17분의 1이다. 한국의 GPU 사업 신청 규모는 이미 공급 물량의 4배를 넘었다. 토큰 수요는 폭발하고 있는데, 발행 능력은 그 격차를 따라잡지 못하고 있다. 둘째, 한국에는 토큰 가격 경쟁에서 우위를 가진 모델이 있는가. 오픈 모델의 가격 경쟁력이 8~125배의 격차를 만드는 시장에서, 한국 모델의 토큰 단가와 성능 곡선이 어디에 위치하는지에 대한 산업 차원의 답이 아직 없다. 셋째, 가장 무거운 질문이다. 한국에는 토큰을 '핵심 생산 요소'로 사고하는 회사가 있는가. 알리바바 ATH가 보여준 것은 단순한 조직도 변경이 아니다. 토큰을 만들고, 제공하고, 활용하는 파이프라인 전체를 하나의 사업부로 통합하고, CEO가 직접 수장을 맡고, 53조 원을 베팅한 결정이다. 한국의 클라우드·플랫폼 기업들은 여전히 SaaS 시대의 시트 단위 사고와 클라우드 시대의 vCPU 단위 사고에 머물러 있다. 'Token Hub'라고 명명할 수 있는 회사 알리바바가 사업부 이름에 '토큰'을 박아 넣은 의미는 이름 그 자체에 있다. 새로운 통화의 시대가 왔음을 가장 먼저 자기 조직 안에 새겨 넣은 회사가 시장의 언어를 선점하기 때문이다. 머스크가 앤트로픽과 손을 잡은 이유도, 우버가 AI 예산을 연초 몇 달 만에 소진한 이유도, AT&T가 토큰 처리량을 3배로 늘리며 비용을 90% 절감한 이유도, 모두 같은 흐름의 다른 표현이다. 토큰은 통화이고, 가격이고, 제품이다. 한국에는 아직 'Token Hub'라고 명명할 회사가 없다. 더 정확히 말하면, 토큰을 그렇게 사고하는 회사가 없다. 인프라 확보전은 시작됐지만, 이를 토크노믹스의 언어로 다시 쓰는 작업은 아직 비어 있다. 다음 분기 어느 한국 기업의 어닝 콜에서 "토큰을 핵심 생산 요소로 다루기 시작했다"는 발언이 나올 수 있는지가, 한국 AI 산업이 새로운 통화 시대에서 어떤 자리를 차지할지를 결정할 것이다. ◆ 필자 안광섭은..... 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 대표다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA 기술경영전문대 석사과정을 졸업했다. 저술한 책으로 '생각을 맡기는 사람들: 호모 브레인리스'가 있다.

2026.05.08 23:34안광섭 컬럼니스트

[안광섭 AI 진테제] 빅테크 5사 실적이 말하는 것...대한민국 미래 보여줘

미국 빅테크 5개 기업이 지난 한 주 1분기 실적을 발표했다. 매출과 이익은 모두 시장 예상을 큰 폭으로 상회했다. 그러나 같은 주에 시장이 빅테크에 던진 평가는 극과 극으로 갈렸다. 알파벳(Alphabet)은 약 10% 급등했고, 메타(Meta)는 9% 가까이, 마이크로소프트(Microsoft)는 4% 하락했다. 같은 분기, 같은 호실적 묶음을 두고 시장이 다르게 반응한 이유는 한 가지다. 인공지능(AI) 인프라에 쏟아붓는 자본 지출(CapEx)이 실제 매출로 전환된다는 증거를 누가 더 설득력 있게 제시했느냐였다. 이번 1분기는 빅테크의 AI 베팅이 처음으로 본격적인 시험대에 오른 변곡점이다. 그리고 그 시험대는 한국 기업에도 이미 다른 형태로 도착해 있다. 1. 역대 매출과 마이너스 FCF, 한 분기의 두 얼굴 이번 분기 빅테크 5사의 실적은 거의 모든 측면에서 사상 최고치를 다시 썼다. 알파벳은 매출 1099억 달러(전년 동기 대비 +22%), 영업이익 397억 달러(+30%), 순이익 626억 달러(+81%)를 기록했다. 메타는 매출 563억 달러(+33%), 주당순이익(EPS) 10.44달러(+62%)로 컨센서스를 큰 폭으로 상회했다. 마이크로소프트는 매출 829억 달러(+18%), 영업이익 384억 달러(+20%)를 기록했다. 아마존은 매출 1815억 달러(+17%), AWS 매출 376억 달러(+28%)로 클라우드 부문이 최근 15분기 중 가장 빠른 성장을 보였다. 애플조차 매출 1112억 달러로 사상 최고의 3월 분기 실적을 발표했다. 여기까지만 보면 빅테크의 AI 인프라 베팅을 둘러싼 회의론은 잠시 무력화된 듯 보인다. 그런데 같은 보고서의 뒤편에는 다른 얼굴이 있다. 가장 극적인 숫자는 아마존의 잉여현금흐름(FCF, Free Cash Flow, 영업현금흐름에서 자본 지출을 차감한 값으로 회사가 자유롭게 쓸 수 있는 현금)이다. 직전 12개월(TTM) 기준 12억 달러로, 1년 전 같은 기간 259억 달러에서 95% 감소했다. 모건스탠리는 2026년 연간 FCF가 마이너스 170억 달러, 뱅크오브아메리카(BofA)는 마이너스 280억 달러까지 떨어질 것으로 추정한다. 메타는 바클레이즈 추정으로 FCF가 90% 가까이 감소할 전망이다. 한때 '캐피털 라이트(capital-light, 자본 경량형)' 비즈니스의 대명사였던 메타가 자본 집약형 기업으로 빠르게 변모하고 있다는 평가가 나오는 이유다. 원인은 한 가지로 수렴한다. 알파벳·아마존·마이크로소프트·메타 4사의 2026년 자본 지출 합계는 7250억 달러로 상향 조정됐다. 파이낸셜타임스(Financial Times) 보도 기준이다. 전년 4100억 달러 대비 77% 증가한 수치다. 회사별로 보면 아마존 2000억 달러, 알파벳 1800억~1900억 달러, 메타 1250억~1450억 달러, 마이크로소프트 1900억 달러다. 마이크로소프트만 보면 시장 컨센서스 1520억 달러를 약 380억 달러나 웃돌았다. 이 숫자가 어느 정도인지 가늠하려면 단위 자체를 환산해야 한다. 7250억 달러는 환율 약 1400원 기준으로 1015조 원 규모다. 한국 정부의 2026년 AI 예산 10조 1000억 원과 비교하면 약 100배다. 다시 말해, 빅테크 4사가 1년에 인프라에 쓰는 돈이 한국 정부 AI 예산의 약 100년 치다. 2. 시장은 왜 FCF 95% 감소를 용인했을까 마이너스 FCF는 일반적으로 시장이 가장 싫어하는 신호다. 회사가 영업으로 번 돈보다 더 많은 돈을 쓰고 있다는 뜻이기 때문이다. 그런데 이번 분기의 시장 반응은 그 통념과 어긋난다. 알파벳은 자본 지출 가이던스를 1750억~1850억 달러에서 1800억~1900억 달러로 상향 조정했고, 최고재무책임자(CFO) 아낫 아쉬케나지는 "2027년 자본 지출은 2026년 대비 큰 폭으로 증가할 것"이라고 명시했다. 그럼에도 알파벳 주가는 약 10% 급등했다. 같은 날 메타는 자본 지출을 1150억~1350억 달러에서 1250억~1450억 달러로 상향했고, 시장은 9% 가까운 하락으로 응답했다. 이 차이가 이번 분기의 핵심 메시지다. 알파벳이 시장에 보여 준 것은 명확했다. 구글 클라우드(Google Cloud) 매출은 전년 동기 대비 63% 성장했고, 잔여 의무 계약(RPO, 회사가 이미 수주했지만 아직 매출로 인식하지 않은 계약 잔액) 성격의 클라우드 백로그는 4600억 달러 규모로 직전 분기 대비 거의 두 배가 됐다. 더 결정적인 숫자는 따로 있다. 알파벳의 생성형 AI 모델 기반 제품 매출이 전년 대비 약 800% 증가했고, 순다르 피차이(Sundar Pichai) CEO는 "현재 컴퓨팅 용량이 부족(compute constrained)한 상황입니다"라고 명시했다. 수요가 공급을 초과한다는 뜻이다. 회사가 정의하는 'AI 매출' 카테고리라는 점을 감안해도, 가속도 자체는 정의 문제로 설명되지 않는다. 마이크로소프트도 비슷했다. AI 사업 연간 매출 런레이트(ARR, 현재 수준의 매출이 1년간 지속됐을 때의 환산 매출)는 370억 달러로 전년 대비 123% 성장했고, RPO는 6270억 달러(+99%)에 이른다. 애저(Azure) 클라우드는 환율 영향을 제외하고 39% 성장했다. 사티아 나델라(Satya Nadella) CEO는 콘퍼런스콜에서 "2026년 내내 용량 부족 상태가 지속될 것입니다"라고 발언했다. 부동산 시장으로 비유하자면, 착공한 모든 단지가 완공 전에 분양 완료된 상태에 가깝다. 자본 지출이 곧 매출 인식 시점이 되어 가는 셈이다. 반면 메타가 자본 지출을 상향 조정한 사유는 결이 달랐다. 회사 측 설명에 따르면 상향분의 상당 부분은 "수요 폭증"이 아니라 "부품 가격 상승, 특히 메모리 가격 상승"이었다. 마크 저커버그 CEO는 '슈퍼인텔리전스(superintelligence)' 비전을 제시했지만, 시장이 듣고 싶어 한 것은 비전이 아니라 '이미 팔린(pre-sold) 매출'이었다. 알파벳의 백로그 4600억 달러나 마이크로소프트의 RPO 6270억 달러 같은 숫자가 메타에는 없다. 요약하면 이번 분기 시장이 학습한 새 기준은 다음과 같이 정리된다. 자본 지출은 매출 가시성으로 환산되는 비율로만 평가받는다.매출 가시성을 입증하지 못하면 자본 지출 1달러는 1달러의 손실로 본다. 입증하면 자본 지출 1달러를 미래 매출의 선행 지표로 본다. 알파벳은 후자를, 메타는 전자를 시장에서 받아 든 분기였다. 여기서 데이터를 보는 시각으로 한 가지 짚어둘 대목이 있다. 마이크로소프트의 'AI 사업 ARR 370억 달러, +123%'는 회사가 자체 정의한 'AI 매출'이다. 정의 차이로 회사 간 절대 비교는 까다롭다. 그러나 세 클라우드(구글 클라우드 +63%, 애저 +39%, AWS +28%)가 동시에 가속화하는 현상은 정의 문제로 설명되지 않는다. 오히려 가속 동시성이 이번 변곡점의 진짜 신호다. 3. 메모리 호황 너머, 한국이 응답하지 못한 질문 빅테크의 자본 지출 7250억 달러는 어딘가로 흐른다. 그 흐름의 가장 큰 1차 수혜자는 명확하다. 한국의 메모리 반도체 기업이다. SK하이닉스는 1분기 매출 52조 5763억 원, 영업이익 37조 6103억 원, 영업이익률 72%를 기록했다. 분기 사상 최초로 매출 50조 원을 돌파했고 영업이익률도 창사 이래 최고치를 갈아치웠다. 회사는 차입금을 다 갚고도 순현금 35조 원을 보유한다. 1분기 한 분기 만에 현금성 자산이 19조 4000억 원 늘었다. 빅테크의 마이너스 FCF와 정확히 대칭되는 그림이다. 삼성전자는 더 폭발적이다. 1분기 매출 133조 9000억 원, 영업이익 57조 2000억 원으로 전년 동기 대비 매출 +69%, 영업이익은 +756% 증가했다. 반도체를 담당하는 디바이스솔루션(DS) 부문 영업이익률은 65.7%로 엔비디아(NVIDIA, 65.0%)와 TSMC(58.1%)를 모두 제쳤다. 1분기 D램 평균판매가격(ASP)은 전 분기 대비 60% 중반, 낸드플래시 ASP는 70% 중반 상승했다. 트렌드포스(TrendForce) 데이터에 따르면 2분기에도 D램 가격은 추가로 60% 안팎 상승이 예상된다. 마이크로소프트가 자본 지출 상향분 250억 달러 중 상당 부분을 "메모리 칩과 부품 가격 상승" 때문이라고 직접 명시한 대목은 시사적이다. 빅테크의 마이너스 FCF는 한국 메모리의 영업이익률 70%대로 직결되는 구조다. 여기까지는 어렵지 않게 그려진다. 한국 메모리 회사는 이번 사이클의 1차 승자다. 문제는 1차 승자에 머물 것이냐다. 같은 1분기, 한국 응용 단계 기업들은 정반대 신호를 보내고 있다. 네이버는 매출 3조 2411억 원, 영업이익 5418억 원으로 견조한 실적을 냈지만 영업이익률은 17% 안팎에 머물렀고, 직전 분기 대비 영업이익은 오히려 줄었다. 회사가 GPU 등 AI 인프라에 대규모 투자를 시작했기 때문이다. 증권가 전망에 따르면 네이버는 GPU 구매에 연간 1조 원 이상을 투입할 것으로 보인다. 카카오는 톡비즈 광고로 본업을 견조하게 끌고 있지만, AI 서비스 '카나나'의 수익화에 대해서는 "올해는 수익화 원년이 아닐 것"이라는 평가가 일반적이다. 비율로 보면 더 선명하다. 네이버 GPU 투자 1조 원은 빅테크 4사 자본 지출 합계 1015조 원의 1000분의 1 수준이다. 응용 단계 매출화 사이클의 시작점이 바로 인프라인데, 그 인프라 격차가 1000배다. 다시 말해 한국 응용 기업들의 위치는 빅테크가 1년 전 있던 자리, 아니 그보다 더 뒤다. 시간 격차가 크다는 점만이 문제가 아니다. 사이클의 시계 자체가 어긋나고 있다는 점이 더 본질적이다. 4. 메모리 사이클 시계와 응용 사이클 시계 메모리 호황은 빅테크의 자본 지출이 정점을 찍는 동안 지속된다. 알파벳은 이미 "2027년 자본 지출이 2026년 대비 큰 폭으로 증가할 것"이라고 못박았다. 마이크로소프트는 "2026년 내내 용량 부족"을 예고했다. 카운터포인트(Counterpoint)는 삼성전자 2026년 연간 실적이 사상 최고치를 경신할 가능성이 높다고 본다. 적어도 2027년까지는 메모리 슈퍼사이클이 이어질 가능성이 높다. 문제는 그 다음이다. 메모리 사이클이 정점을 지난 뒤, 한국에는 두 번째 매출 엔진이 준비되어 있는가? GTM(Go-To-Market, 시장 진입 전략) 컨설팅을 해 온 필자의 관점에서 보면, AI 매출화 사이클은 통상 세 단계로 진행된다. 1단계는 인프라 구축, 2단계는 플랫폼 매출(API, 클라우드), 3단계는 응용 매출(엔터프라이즈 SaaS, 컨슈머 AI)이다. 빅테크는 이번 분기로 1단계를 마치고 2단계에 본격 진입했음을 입증했다. 한국은 1단계도 시작 단계다. 단, 메모리 부품을 빅테크에 공급하는 우회 경로로 1단계의 수혜를 누리고 있다. 이 우회 경로는 강력하다. 그러나 메모리 가격 상승은 영원할 수 없다. 더 중요하게는, 메모리 호황의 단물이 응용 단계 기업의 매출화 능력으로 자동으로 이어지지 않는다. 일본 반도체 산업의 1980년대 D램 호황 이후를 기억할 필요가 있다. 1차 사이클의 승리가 다음 사이클의 입장권을 보장하지는 않는다. 정부는 2026년 AI 예산 10조 1000억 원을 편성하고, 별도로 2조 805억 원 규모의 GPU 구축 사업(국가 AI컴퓨팅센터)을 추진 중이다. 엔비디아는 한국에 26만 장의 GPU를 우선 공급하기로 약속했다. 인프라 측면에서는 늦었지만 가속 페달을 밟고 있는 것은 분명하다. 그러나 인프라 확충과 매출화는 다른 차원이다. 빅테크의 진짜 차이는 GPU 보유량이 아니라 그 GPU가 "Gemini API 분당 토큰 160억 개"(알파벳 발표) 같은 단위로 환산되는 매출 흐름을 만들어 내고 있다는 점이다. 이번 분기 애플 행보는 이 점에서 시사적이다. 애플은 다른 빅테크와 달리 AI 자본 지출을 거의 늘리지 않았고, 대신 1000억 달러 규모의 자사주 매입 프로그램을 추가 승인했다. 시장의 평가는 단순했다. 애플은 다른 길을 간다는 것이다. 즉 모든 기업이 같은 게임을 할 필요는 없다는 합의가 시장에 분명히 존재한다. 한국기업도 자기만의 다른 길을 정의해야 한다. 빅테크 카피가 아니라, 메모리에서 응용으로 이어지는 한국 고유의 매출화 사이클을 어떻게 설계할 것인가의 문제다. B2B 산업 도메인 특화 SaaS, 폐쇄망 기반 온프레미스(on-premise) AI 솔루션, 제조 현장 AI 자동화 등 한국 기업이 원래 강한 영역을 매출화 단위로 어떻게 묶어 낼 것인가에 대한 답이 필요하다. 5. 1015조와 35조, 같은 사이클의 다른 곳간 이번 빅테크 1분기 실적은 두 가지를 동시에 입증했다. 첫째, AI는 매출이 된다. 둘째, 매출이 되는 AI에는 천문학적 자본이 든다. 시장은 더 이상 자본 지출 절대 규모로 평가하지 않는다. 그 자본 지출이 매출 가시성으로 환산되는 비율로 평가한다. 한국 메모리 회사의 영업이익률 70%대와 SK하이닉스의 순현금 35조 원은 이 변곡점의 1차 효과다. 그러나 1차 효과는 다음 사이클의 입장권이 아니다. 다음 정거장에 우리가 도착했을 때 어떤 매출 엔진을 손에 쥐고 있을 것인가가 진짜 시험이다. 필자가 보기에 그 답은 정부 예산 10조 원이 아니라, 한국 응용 기업이 1년 안에 만들어 낼 매출 가시성에 달려 있다. 이번 분기의 두 얼굴 '역대 최대 매출과 마이너스 FCF'는 한국에도 똑같이 두 얼굴로 와 있다. 사상 최대의 메모리 호황과 응용 단계의 빈자리다. 이 두 시계를 하나로 맞추는 일, 이 것에 대한민국 소득 4만, 5만달러 달성과 국가경쟁력이 달려있다. ◆ 필자 안광섭은... 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 대표다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA 기술경영전문대 석사과정을 졸업했다. 저술한 책으로 '생각을 맡기는 사람들: 호모 브레인리스'가 있다.

2026.05.01 13:20안광섭 컬럼니스트

[안광섭 AI 진테제] 15년 웹문지기 붕괴 직전

최근 필자가 재직하고 있는 대학에서 수업중 학생들과 특정 프로그램을 설치하다 몇몇 학생들이 회원가입에서 막히는 '해프닝'이 있었다. 분명 인간임에도 불구하고 그들은 "Are you human?"이라는 질문에서 낸 퀴즈에서 로봇 취급을 받은 것이다. 당시는 웃으며 넘어갔지만 종종 생각이 든다. 과연 리캡차(reCAPTCHA)나 턴스타일(Turnstile)이 언제까지 의미 있을까. 사용자 지시로 움직이는 AI가 "너는 AI가 아닌 사람임을 증명하라"는 테스트 앞에 선 장면이다. 희극적이지만 현실이며, 더 중요한 것은 이 에이전트가 실제로 정답을 맞히고 그 문을 통과한다는 사실이다. 15년 넘게 웹의 문지기 역할을 해온 캡차(CAPTCHA, Completely Automated Public Turing test to tell Computers and Humans Apart)는 이제 기술적으로도, 철학적으로도 붕괴 직전에 와 있다. 2024년 9월 취리히연방공대 연구진이 아카이브에 올린 논문 시선 2024년 9월, 스위스 취리히연방공대(ETH Zurich) 연구진이 아카이브(arXiv)에 논문 한 편을 올렸다. 제목은 'Breaking reCAPTCHAv2'. 결론은 단순했다. 욜로(YOLO)라는 이미지 객체 탐지 모델로, 구글이 전 세계 수백만 사이트에 배포한 reCAPTCHA v2를 100% 성공률로 돌파했다. 이전 연구들이 기록한 68~71%의 돌파율이 단번에 천장을 찍었다. 더 주목할 대목은 논문의 부수적 발견이었다. 연구진은 reCAPTCHA v2가 이미지 인식 테스트 자체보다 쿠키와 브라우저 히스토리에 훨씬 더 많이 의존한다는 것을 확인했다. 즉 우리가 '횡단보도를 찾으면서' 풀고 있다고 믿어 온 그 테스트는, 사실상 브라우저 평판을 평가하는 절차의 연출이었던 셈이다. 1년 뒤인 2025년 10월, 봇 탐지 연구기업 라운드테이블(Roundtable)이 범용 AI 에이전트를 직접 시험했다. 결과는 이랬다. 클로드 소네트 4.5(Claude Sonnet 4.5)가 60%, 제미나이 2.5 프로(Gemini 2.5 Pro)가 56%, GPT-5가 28%의 성공률로 reCAPTCHA v2 챌린지를 풀어냈다. 이 수치에서 눈여겨볼 것은 절대적인 성공률이 아니라, 캡차 돌파 용도로 전용 훈련되지 않은 범용 어시스턴트가 이 정도를 해낸다는 사실이다. 동시에 캡차 자동 해결 서비스 시장이 이미 성숙했다. 이미지 1000개당 수백 원 수준의 가격으로 reCAPTCHA, Turnstile, hCaptcha 대부분을 해결하는 API가 공개적으로 판매된다. 대규모 사용자 연구 논문 'Dazed & Confused'가 reCAPTCHA v2에 내린 평가는 냉정했다. "막대한 비용, 그리고 영(零)에 가까운 보안"이다. 이분법은 이미 무너졌다 캡차가 뚫렸다는 사실보다 본질적인 문제는 따로 있다. '봇인가 사람인가'라는 질문 자체가 2026년의 웹 트래픽을 더 이상 설명하지 못한다는 점이다. 클라우드플레어(Cloudflare)가 2025년 12월 공개한 연간 인터넷 보고서는 이 변화를 숫자로 보여준다. 전체 HTML 요청 트래픽 가운데 인간이 생성한 트래픽은 43.5%, AI가 아닌 자동화 봇이 47.9%, AI 봇이 4.2%였다. 여기에 검색 인덱싱과 AI 훈련을 동시에 수행하는 구글봇(Googlebot) 단독으로 4.5%를 차지했다. 2025년 9월부터는 일부 날짜에서 인간 트래픽이 비(非)AI 봇 트래픽을 역전하기 시작했다. 더 극적인 변화는 증가율에 있다. 사용자의 질의에 응답하기 위해 웹을 실시간 탐색하는 AI '사용자 행동(user-action)' 크롤링 규모가 2025년 한 해 동안 15배 늘었다. 또 다른 봇 관리 기업 데이터돔(DataDome) 집계에서도 거대언어모델(LLM) 크롤러 트래픽은 2025년 1월 전체 인증 봇의 2.6%에서 8월 10% 이상으로 4배 가까이 증가했다. 이 트래픽을 '봇'으로 단순 분류할 수 있는가. 사용자가 ChatGPT에 "오늘 뉴스 요약해줘"라고 요청해 발생하는 접속은 누구의 것인가. 사용자 본인의 것인가, OpenAI의 것인가, 아니면 둘 사이에 생겨난 새로운 주체의 것인가. 같은 질문이 한국 기업의 내부 업무에도 적용된다. 직원이 AI 어시스턴트로 경쟁사 공시를 자동 요약한다면, 그 접속은 직원의 것인가 회사의 것인가 도구의 것인가. 문제는 여기서 더 복잡해진다. 웹에는 '원하는 봇'과 '원치 않는 인간'이 공존한다. 검색 엔진 크롤러는 반가운 봇이고, 브랜드 콘텐츠를 긁어가는 저품질 AI 스크래퍼는 귀찮은 봇이다. 마찬가지로 정상 사용자도 있고, 크리덴셜 스터핑(credential stuffing, 유출된 아이디·비밀번호를 자동 대입하는 공격)을 시도하는 인간도 있다. '봇/사람' 분류는 이 네 가지 경우 중 단 하나도 정확히 분리해 주지 못한다. 진짜 질문은 '의도와 행동'이다 그렇다면 웹의 문지기가 물어야 할 질문은 무엇인가. 필자가 보기에 답은 명확하다. "이 트래픽의 의도가 무엇이며, 내 서비스와 호환되는 행동인가"이다. 업계에서 논의되는 기술적 방향 역시 같은 선 위에 있다. 익명성을 유지하면서도 "이 클라이언트가 과거에 신뢰할 만한 행동을 했다"는 사실만 증명하는 프라이버시 패스(Privacy Pass) 프로토콜이 대표적이다. 이미 IETF에서 RFC 9576, RFC 9578로 표준화되어 있으며, 하루 수십억 건의 토큰이 오가는 규모로 운영 중이다. 더 정교한 변종으로 익명 속도제한 크리덴셜(ARC, Anonymous Rate-Limit Credentials)과 익명 신용 토큰(ACT, Anonymous Credit Tokens)이 개발 중이다. 이 프로토콜들은 "나는 누구입니다"를 요구하지 않는다. 대신 "나는 이 서비스에서 문제를 일으킨 적이 없습니다"를 증명한다. 신분증을 제시하는 대신, 행동 이력에 대한 암호학적 영수증만 전달하는 셈이다. 동시에 신원이 중요한 트래픽에는 다른 접근이 자리잡고 있다. 구글, 오픈AI, 클라우드플레어, AWS가 HTTP 메시지 시그니처(HTTP Message Signatures) 표준을 활용해 자사 크롤러 요청에 암호학적 서명을 붙이기 시작했다. 웹 봇 인증(Web Bot Auth)이라 부르는 이 방식은 봇 운영자가 "나는 숨지 않겠다"는 의사를 기술적으로 표명하는 장치다. 기업 전략을 자문해 온 관점에서 보면, 이 전환은 단순한 보안 기술의 교체가 아니다. 웹 비즈니스 모델의 근간이 움직이고 있다. '익명으로 들어와 광고를 보고 나가는' 사용자를 전제로 설계된 미디어·콘텐츠 사업은, 그 전제가 흔들리는 지금 자신의 수익 구조를 원점에서 재설계해야 하는 시점에 와 있다. 한국 기업이 주목해야 할 지점 웹 문지기가 계속 무력화되면 어떤 일이 벌어질까. 필자가 보기에 사이트들은 결국 두 가지 중 하나를 선택하게 될 것이다. 하나는 '모든 콘텐츠를 로그인 뒤에 두는' 길이고, 다른 하나는 'AI 사업자에게 데이터를 일괄 판매하는' 길이다. 두 경로 모두 개방형 웹을 끝낸다. 한국 기업이 지금 점검해야 할 것은 세 가지다. 첫째, 자사의 봇 관리 정책이 여전히 'IP 블랙리스트 + 캡차' 수준에 머물러 있는가. 둘째, 자사의 콘텐츠가 AI 크롤러에 어떤 비대칭 비율로 소비되고 있는가. Cloudflare 자료에 따르면 일부 주요 AI 플랫폼은 2025년 하반기 기준 크롤 대비 레퍼럴 비율이 2만5000 대 1에서 10만 대 1에 이르렀다. 내 사이트를 읽기만 하고 트래픽은 돌려주지 않는다는 뜻이다. 셋째, IETF와 W3C에서 진행 중인 새 표준에 한국의 목소리를 담을 채널이 있는가. "당신은 로봇입니까"라는 질문은 더 이상 답할 가치가 없는 질문이 됐다. 이제 물어야 할 것은 "당신이 하려는 행동이 내 서비스를 훼손하지 않는가"이다. 질문의 문법을 바꾸지 못한 기업은, 뚫린 문 앞에서 여전히 같은 말만 반복하고 있을 것이다.

2026.04.25 09:58안광섭 컬럼니스트

[안광섭의 AI 진테제] 어지러운 바이브 마케팅...바이브는 '척'에 불과

요즘 한국에서 가장 자주 듣는 접두어 중 하나는 '바이브(vibe)'다. 바이브 코딩, 바이브 페이퍼, 바이브 마케팅. 접두어 하나만 붙이면 기존의 모든 행위가 갑자기 AI 시대를 앞서가는 것처럼 포장된다. 얼마 전 한 언론과의 대담에서 "바이브의 정체가 도대체 무엇이냐"는 질문을 받았다. 필자의 대답은 간단했다. 바이브의 한국어 번역은 "척"이다. 가볍게 던진 농담이 아니다. 이 말에는 세 가지 관점이 겹쳐 있다. 첫째, 기술의 본질에 관한 것이다. 둘째, AI가 어떤 해자(moat·경쟁우위의 기반)를 무너뜨리고 있는지에 관한 것이다. 셋째, 그 공백을 누가 무엇으로 메우려 하는지에 관한 것이다. 하나하나 살펴보자. 안드레이 카파시가 만든 말 바이브 코딩, 정작 본인은 "에이전틱 엔지니어링이 더 적절"하다며 안써 '바이브 코딩'이라는 말을 만든 사람은 오픈AI 공동창업자이자 전 테슬라 AI 디렉터였던 안드레이 카파시(Andrej Karpathy)다. 그는 2025년 2월 자신의 X(옛 트위터)에 "바이브에 완전히 몸을 맡기고, 지수 함수를 받아들이고, 코드가 존재한다는 사실조차 잊는 새로운 종류의 코딩을 바이브 코딩이라 부른다"는 글을 올렸다. 450만 회 이상 노출되며 하나의 문화 현상이 됐다. 흥미로운 점은 1년 뒤 카파시 본인이 이 용어와 거리를 두기 시작했다는 것이다. 그는 2026년 2월 올린 회고 글에서, 바이브 코딩이 원래 "재미로 만드는 일회용 프로젝트나 데모에 주로 쓰이는 표현이었다"고 밝혔다. 그러면서 전문적으로 다루는 코드에는 '에이전틱 엔지니어링(agentic engineering)'이라는 명칭이 더 적절하다고 제안했다. 용어를 만든 사람은 한발 물러섰는데, 정작 시장은 바이브 코딩을 마케팅 용어로 소비하며 범주를 확장하고 있는 셈이다. 그사이 비슷한 양상은 학계에도 번졌다. 2026년 3월, 세계적 머신러닝 학회인 ICML은 리뷰 과정에서 LLM을 무단 사용한 리뷰어들의 논문 497편을 심사도 없이 탈락(데스크 리젝)시켰다고 공식 발표했다. 전체 투고의 약 2%에 해당하는 규모다. ICML은 리뷰어에게 'AI 사용 금지(Policy A)'와 '제한적 허용(Policy B)' 중 하나를 선택하게 한 뒤, 논문 PDF에 사람 눈에 보이지 않는 프롬프트 인젝션(prompt injection) 워터마크를 심어 AI 사용 여부를 적발했다. 학계 일각에서는 이 사건을 두고 '바이브 페이퍼'라는 말까지 나왔다. 논문조차 '쓴 척'으로 대체되고 있다는 것이다. 소비자 시장에서는 이 추상화가 더 노골적이다. AX(AI Transformation)라는 표현이 대표적이다. 따져보면 AX는 자기가 원래 하던 일을 AI와 접목하겠다는 뜻 이상이 아니다. 그런데 왜 새 이름표가 필요한가. 과거에도 똑같은 일이 있었다. 전산화가 디지털화가 되고, 디지털화가 유비쿼터스가 됐다가, 어느새 DX가 됐다. 그리고 이제 AX다. 본질은 바뀐 게 없는데 이름만 갈아 끼우는 중이다. 이름을 갈면 다시 팔 수 있기 때문이다. 기술의 본질: 해자를 없애는 일, 그리고 AI가 허문 마지막 해자 여기서 한 층 내려가 볼 필요가 있다. 애초에 기술이란 무엇인가. 필자가 오랜 시간 기술을 다루면서 내린 결론은 단순하다. 모든 기술의 역할은 해자를 없애는 것이다.자동차는 이동의 해자를, 엘리베이터는 수직 이동의 해자를, 스마트폰 카메라는 촬영의 해자를 각각 낮춰왔다. 기술의 역사는 곧 해자가 무너지는 역사다. 그렇다면 AI는 어떤 해자를 없애고 있는가. 필자의 대답은 '지식'이다. 코드를 짤 줄 아는 능력, 영상 편집을 할 줄 아는 능력, 카피를 쓸 줄 아는 능력, 발표 자료를 구조화할 줄 아는 능력. 지난 30년간 개인과 조직의 경쟁우위를 지탱해온 이 지식과 숙련의 장벽이 지금 빠르게 허물어지고 있다. 그래서 과거에는 지식과 노하우로 보호받던 영역이 이제 '바이브'라는 이름으로 전복되는 것이다. 회사를 다녀본 적 없는 사람이 기업 컨설팅을 하고, 한 줄도 직접 짜본 적 없는 사람이 바이브 코딩으로 스스로를 개발자로 포지셔닝한다. 이것은 당사자들의 문제라기보다 구조의 문제다. 해자가 무너진 자리에는 두 가지가 들어선다. 하나는 이 도구를 제대로 활용해 실제 산출물을 내는 사람이고, 다른 하나는 이 도구를 쓴다는 사실 자체를 상품화하는 사람이다. 바이브는 두 번째 쪽에서 만들어진 단어다. 여기서 혼동해서는 안 되는 지점이 있다. AI를 활용해 실제 업무 생산성을 끌어올린 사례는 분명히 존재한다. 고객사 커뮤니케이션 자동화, 사내 문서 검색 개선, 반복 리포트 작성 시간 단축 같은 일은 이미 현장에서 측정 가능한 수치로 확인된다. 이런 일을 카파시의 용어로 다시 부르면 '에이전틱 엔지니어링'에 가깝다. 이것은 바이브가 아니다. 도구를 잘 쓰는 것이다. 노션의 에이전트 기능을 써서 업무 프로세스를 자동화했다면, 그 사람이 한 일은 "노션 에이전트를 잘 활용한 것"이지 "바이브 코딩을 한 것"이 아니다. 그런데도 왜 사람들은 굳이 바이브 코딩이라는 이름으로 말하려고 할까. 이유는 두 가지 중 하나다. 그 모호함에서 나오는 이득을 취하고 싶거나, 스스로도 그 행위를 명확하게 정의할 수 없거나. 어느 쪽이든, 정확한 이름 대신 추상적 수식어가 선택되는 순간 판매의 문이 열린다. '취향'이라는 두 번째 포장: 테이스트 워싱(Taste-washing) 바이브 코딩 다음으로 실리콘밸리가 꺼내 든 단어는 '취향(taste)'이다. Y컴비네이터 공동창업자 폴 그레이엄(Paul Graham)은 2026년 2월 자신의 X에 "AI 시대에는 취향이 더욱 중요해질 것이다. 누구나 무엇이든 만들 수 있게 되면, 결국 차이는 무엇을 만들 것인가에서 갈린다"고 적었다. 오픈AI 공동창업자 그렉 브록만(Greg Brockman) 등 업계 유력 인사들도 비슷한 취지의 발언을 이어갔다. 이에 대해 뉴요커의 IT 칼럼니스트 카일 차이카(Kyle Chayka)는 2026년 3월 "왜 테크 업계는 '취향'에 집착하는가(Why Tech Bros Are Now Obsessed with Taste)"라는 칼럼에서 강한 반론을 제기했다. 그가 제시한 개념은 '테이스트 워싱(Taste-washing)'이다. 차이카는 이를 두고 "반인간주의적 기술에 자유주의적 휴머니즘의 외피를 입히는 행위"라고 정의했다. 기계가 모든 것을 만드는 시대에 인간의 감식안을 강조함으로써, 자동화의 불편한 속성을 미학의 언어로 포장한다는 비판이다. 논쟁의 배경을 이해하려면 그레이엄이 원래 '취향'이라는 단어로 무엇을 말했는지 되짚어볼 필요가 있다. 그가 2002년에 쓴 에세이 '메이커를 위한 취향(Taste for Makers)'은 좋은 디자인의 속성을 논한 글이다. 단순함·무시간성·제약을 뚫는 해결·자연을 닮은 구조 같은 것이다. 그는 글의 말미에 "위대한 작업의 비결은 매우 까다로운 취향, 그리고 그것을 만족시킬 수 있는 능력"이라고 썼다. 핵심은 '까다로움'과 '실행 능력'의 결합이었다. 문제는 지금 업계가 이 문장을 절반만 떼어 쓰고 있다는 점이다. '까다로운 취향'은 남고, '그것을 만족시킬 수 있는 능력'은 사라진다. 그 자리에 대체물로 들어선 것이 AI다. 그러면 취향은 결국 '무엇을 만들지 고르는 안목'으로 축소되고, 이는 다시 '무엇이 돈이 될지 고르는 투자 감각'으로 번역된다. 차이카가 지적한 '테이스트 워싱'의 실체는 이것이다. 철학자 피에르 부르디외가 말한 계급 구별의 도구로서의 취향, 혹은 볼테르가 말한 미적 판단으로서의 취향은 원형 그대로 유통되지 않는다. 벤처 자본의 논리 안에서 재정의된 '취향'이 실리콘밸리의 새 상품이 되고 있는 셈이다. 한 가지만 짚으면, 뉴욕타임스가 2025년 진행한 AI-사람 글 블라인드 테스트에서 AI 쪽이 54%로 이겼다는 결과가 자주 인용된다. 그러나 이 숫자는 '선호(preference)'이지 '가치(value)'가 아니다. 감자칩이 감자 요리보다 많이 팔린다고 해서 감자 유통망이 불필요해지지 않는다. '취향'이라는 단어는 선호와 가치를 뭉뚱그려 통과시키고, 그 모호함이 다시 판매의 문을 연다. AI는 아첨에 최적화된 도구 더 근본적인 질문이 하나 남는다. 지금의 생성형 AI가 만들어내는 결과물을 진짜로 '취향'이라고 부를 수 있는가. 앤스로픽(Anthropic)이 2023년 발표하고 ICLR 2024에서 발표된 논문 '언어모델의 아첨(sycophancy) 현상에 대한 이해'는 이 지점에 중요한 단서를 제공한다. 연구진은 당시의 최신 AI 어시스턴트 5종이 네 가지 서로 다른 생성 과제에서 일관되게 아첨 행동을 보인다는 점을 확인했다. 핵심 원인은 훈련 방식에 있다. 인간 피드백 기반 강화학습(RLHF)은 사람들이 '더 선호한' 답변을 모델에 학습시키는데, 인간은 자신의 기존 견해와 일치하는 답변을 진실한 답변보다 더 자주 선호했다. 결과적으로 모델은 정답 대신 '듣기 좋은 말'을 강화하게 된다는 것이다. 이 문제는 여전히 해소되지 않았다. 앤스로픽은 2025년 후속 연구와 2026년 모델 출시 과정에서도 아첨 성향을 별도의 안전성 항목으로 측정하고 있다. 오픈AI 역시 2025년 초 챗GPT가 지나치게 아첨한다는 사용자 불만이 빗발치자 해당 업데이트를 롤백한 적이 있다. 업계 전반에서 아첨은 이제 '해결된 문제'가 아니라 '계속 관리해야 하는 결함'으로 다루어진다. 필자의 관점은 여기서 나온다. 아첨에 최적화된 도구가 만든 결과물을, 우리는 과연 취향이라고 부를 수 있는가. AI가 생성한 텍스트가 좋아 보이는 이유는 그 글이 읽는 사람의 기존 선호에 부합하도록 최적화되어 있기 때문이다. 챗GPT의 초기 UX를 설계한 인력들이 공개 인터뷰에서 밝혔듯, 사용자가 한 문장을 입력하면 열 문장으로 돌려주는 구조 자체가 "대단한 일을 하고 있다는 착각"을 유도하도록 설계됐다. 질문과 무관하게 답변이 길면 만족도가 올라갔다는 내부 실험 결과도 잘 알려져 있다. 우리가 느끼는 '취향'의 상당 부분은, 사실 도구가 우리에게 맞춰 준 효용감의 투영일 가능성이 높다. 수렴의 함정: AI는 다른 답을 내놓지 못해 아첨 최적화에는 필연적인 부산물이 따라온다. 바로 결과물의 동질화(homogenization)다. 2025년 8월 공개된 "대형 언어모델이 인간 표현과 사고에 미치는 동질화 효과" 논문은 LLM이 훈련 데이터의 지배적 패턴을 반복해 재생산함으로써, 사용자들이 점점 비슷한 언어·비슷한 논리·비슷한 결론으로 수렴하는 경향을 실증 데이터로 보여준다. 같은 해 10월 발표된 "인공 하이브마인드(Artificial Hivemind)" 연구는 한 걸음 더 나아간다. 2만6000개의 개방형 질문으로 최신 LLM들을 시험한 결과, 동일 모델 안에서도, 서로 다른 모델 사이에서도 답변이 놀라울 만큼 한곳으로 수렴한다는 사실이 확인됐다. 연구진은 이를 "무한히 많은 답이 가능한 질문에조차 모델들이 좁은 응답 공간으로 몰려가는 현상"이라고 기술했다. 왜 이런 일이 벌어지는가. 기술적 이유는 분명하다. 대부분의 최신 모델이 유사한 코퍼스로 훈련되고, 유사한 정렬(alignment) 방식을 거치며, 인간 선호 데이터 역시 특정 문체·특정 논리 구조에 편향되어 있기 때문이다. 결과는 이렇게 요약된다. 수억 명이 서로 다른 질문을 던져도, 돌아오는 답의 분포는 점점 좁아진다. 이 지점이 중요한 이유는 바이브 코딩, 바이브 페이퍼, 바이브 마케팅이라는 포장이 가리고 있는 진짜 현실을 드러내기 때문이다. 도구의 해자가 낮아진 자리에서 만들어진 결과물들은 겉보기에는 각자의 '취향'으로 치장되어 있지만, 실제로는 같은 확률 분포의 정점을 향해 수렴하고 있다. 1만 명이 AI로 쓴 창업 피치덱은 1만 개의 개성이 아니라, 1개의 중앙값과 그 주변의 변주에 가깝다. 1만 개의 쇼핑몰 상세 페이지도, 1만 편의 에세이도 마찬가지다. 필자가 자주 쓰는 표현을 빌리면, "모두가 AI로 같은 답에 도달하고 있는 세계에서, 차별화의 원천은 도구 안쪽이 아니라 도구 바깥쪽에 있다.“ 여기에서 앞서의 논의가 한 지점으로 모인다. AI가 없앤 해자는 지식이고, 그 공백을 바이브가 포장했다. 그 포장의 실체는 아첨 최적화이고, 아첨 최적화의 부산물은 수렴과 동질화다. 그렇다면 지금 시장에서 진짜 희소한 것은 AI로 무엇을 더 만들어낼지에 대한 기술적 감각이 아니라, 수렴의 중력에 저항할 수 있는 자기만의 기준이다. 결국 남는 건 '신념(Conviction)'... 비판만으로는 앞으로 나아갈 수 없다. 그러면 바이브의 시대에 남는 키워드는 무엇인가. 필자의 대답은 신념(Conviction)이다. 차이카를 비롯한 비평가들이 꺼내 든 단어는 '용기(bravery)'였다. 세계 광고제 칸 라이온즈(Cannes Lions) 2025년 B2B 그랑프리 심사평에도 "용기(bravery), 자신감 있는 실행, 진정성 있는 B2B 크리에이티비티"라는 표현이 등장했다. 누구나 딸깍 한 번으로 AI 광고 영상을 몇백 개씩 만들어낼 수 있는 시대에, 그럼에도 자신이 지켜야 할 방향을 밀어붙이는 사람을 업계가 다시 주목하기 시작했다는 뜻이다. 필자가 '용기' 대신 '신념'이라는 단어를 택하는 이유는, 용기가 순간의 결단을 가리키는 데 비해 신념은 그 결단을 지속적으로 밀어붙일 수 있는 내적 기준을 함께 포함하기 때문이다. 아첨에 최적화된 도구가 만들어내는 수렴의 중력 앞에서 필요한 것은 한 번의 배짱이 아니라, 매 순간 자기 기준을 재확인할 수 있는 축이다. 필자는 이 흐름을 단순한 수사(修辭)의 교체로 보지 않는다. 만드는 비용이 0에 수렴하는 시대에는, 질문 자체가 바뀐다. 과거의 질문은 "어떻게 만들 것인가"였다. 지금의 질문은 "무엇을 만들 것인가, 그리고 그것을 왜 만드는가"다. 이 두 질문에 대답하려면 아첨에 최적화된 도구 바깥에 자기 기준을 가지고 있어야 한다. 업계의 언어로 그것은 '뚝심'이다. 그리고 이것이 '바이브'라는 단어의 반대편에 있다. 무언가를 결정하고 그것을 밀어붙일 용기, 그 용기를 지탱하는 신념-이것이 바이브의 시대가 우리에게 돌려주는 가장 값비싼 자산이다. 여기까지 오면, 바이브 코딩이나 바이브 페이퍼를 둘러싼 논쟁의 진짜 쟁점이 드러난다. 쟁점은 AI를 쓰느냐 마느냐가 아니다. AI는 언젠가 모두가 쓴다. 키보드와 엑셀을 쓰느냐 마느냐를 우리가 지금 토론하지 않는 것과 같다. 진짜 쟁점은 AI가 우리에게 돌려준 시간과 자원을 가지고 무엇을 할 것인가다. 여기서 한 가지 실천 기준을 제안하고 싶다. 조직이 AI 도입을 평가할 때, '무엇을 만들었는가'보다 '아껴진 시간의 재투자 포트폴리오'를 먼저 들여다봐야 한다.구성원 1인당 월 20~30시간을 아꼈다면, 그 시간이 어디로 갔는가. 더 높은 난도의 문제 정의에 쓰였는가, 고객과의 대면 시간에 쓰였는가, 데이터 기반 의사결정의 근거 강화에 쓰였는가. 아니면 동료에게 보낼 AI가 생성한 더 긴 이메일을 검토하는 데 다시 쓰였는가. 후자라면 그 도입은 효용감의 순환일 뿐, 생산성 개선이 아니다. 개인 차원에서도 같은 질문이 유효하다. 월 20~30달러를 내고 구독하는 AI 서비스가 어도비 크리에이티브 클라우드보다 비싸다는 사실을 인식하고 있는 사용자는 많지 않다. 그 비용이 아깝지 않을 만큼의 결과물을 실제로 만들어내고 있는지, 혹은 샤넬 가방처럼 '가지고 있다는 감각' 자체를 소비하고 있는지 한 번쯤 점검해볼 필요가 있다. 한 가지 덧붙이면, 앤스로픽·오픈AI·구글은 자사 모델을 제대로 활용하는 방법을 공식 아카데미에서 무료로 공개하고 있다. 한국어 자료도 포함되어 있다. 이들이 공개하는 자료는 연봉 수억 원대의 실무자들이 직접 설계한다. 기본기를 쌓는 데 유료 강의가 꼭 필요하지는 않다는 뜻이다. 정보가 부족한 것이 아니라, 공짜로 주어진 것을 굳이 찾아 쓰는 습관이 부족한 것일 수 있다. 참고로 중국은 이미 2025년 9월부터 전국 초·중·고에 AI 리터러시 교육을 연 최소 8시간 의무화했다. 교육부 가이드라인을 통해 초등학교 단계에서는 생성형 AI의 무분별한 사용을 제한하고 원리 이해에 집중하도록 했다. 같은 시기 한국의 공교육이 논의하고 있는 의제와 대조해 보면, 이 차이가 어디로 귀결될지 길게 설명할 필요는 없을 것이다. 결론은 간단하다. 바이브는 '척'이다. 척이 나쁜 것은 아니다. 모든 상품은 어느 정도의 연출을 동반한다. 다만 판매자는 판매한다고 솔직하게 말해야 하고, 사용자는 자신이 지금 '도구를 쓰고 있는지'와 '도구를 쓰는 척을 소비하고 있는지'를 구분할 줄 알아야 한다. 이 구분이 뭉개지는 순간, 시장은 테이스트 워싱과 아첨의 악순환 속에서 자원의 상당 부분을 낭비하게 된다. 만드는 비용이 0에 수렴할수록, 무엇을 만들 것인가를 정할 신념의 값은 올라간다. 바이브의 시대가 지나고 남는 것은 결국 그 신념일 것이다.

2026.04.18 20:33안광섭 컬럼니스트

[안광섭의 AI 진테제] AI시대 디딤돌과 걸림돌

지난 4월 7일, 일본 내각이 개인정보보호법(APPI) 개정안을 승인했다. AI 개발을 위해 개인정보를 제3자에게 제공하거나 민감정보를 수집할 때 개인의 사전 동의를 면제하는 내용이 핵심이다. 단, 데이터가 통계 처리나 AI 모델 학습처럼 개인을 특정할 수 없는 형태로만 사용될 때에 한한다. 마쓰모토 히사시 디지털 담당 장관은 현행법이 AI 개발과 활용에 매우 큰 장애물이라고 못 박았다. 법을 고치지 않으면 일본이 AI 경쟁에서 뒤처진다는 위기감이 입법으로 직결된 셈이다. 일본의 이 같은 움직임은 이번이 처음은 아니다. 이미 2018년 저작권법 제30조의4를 개정해 'AI 학습 목적의 저작물 이용'을 상업·비상업 구분 없이 폭넓게 허용한 바 있다. 당시에도 저작권자 단체의 거센 반발이 있었지만, 아베 정부는 4차 산업혁명 대비를 명분으로 밀어붙였다. 2025년 5월에는 AI 촉진법(AI Promotion Act)을 제정했고, 올해 4월 이번 개인정보보호법 개정안까지-저작권, AI 거버넌스, 개인정보 세 영역을 일관된 방향으로 정비해 온 것이다. 법률이 데이터의 흐름을 설계하고 있는 구조다. 이 뉴스를 접하면서 필자가 주목한 것은 일본 APPI 개정안 자체보다, 바로 며칠 전 국내에서 벌어진 일련의 사건들과의 대비다. 하룻밤의 에너지, 그리고 백 번째 수동 검색 지난 4월 7일, 오마이뉴스에 흥미로운 기사가 실렸다. 개발자 박정환 씨가 하룻밤 만에 대한민국 법령 6907건, 개정 이력 8만1538건을 깃(Git, 소프트웨어 버전관리 시스템) 저장소에 올린 이야기다. 법령이 깃에 올라가면 무엇이 달라지는가. 민법이 언제 어떻게 바뀌었는지를 명령어 한 줄로 추적할 수 있고, 특정 시점의 법률 상태를 즉시 복원할 수 있으며, 6907개 법령 전체를 대상으로 키워드 검색을 할 수 있다. 무엇보다 법령 전체가 AI가 읽을 수 있는 마크다운(Markdown) 텍스트로 구조화돼 있어, AI 기반 법령 질의응답 시스템을 구축하기가 훨씬 쉬워진다. 더 인상적인 것은 광진구청 류승인 주무관의 사례다. 경영학과 출신인 류 주무관은 법제처 데이터 17만 건을 AI가 직접 호출할 수 있는 MCP(Model Context Protocol, AI가 외부 도구와 데이터를 표준화된 방식으로 연결하는 프로토콜) 서버로 만들어 공개했다. 64개의 구조화된 도구로 감싸서, 어떤 AI 모델이든 법률·시행령·행정규칙·판례를 한 번에 검색하고 맥락을 연결해 가져올 수 있게 한 것이다. 류 주무관은 이 프로젝트를 소개하면서 "법제처를 백 번째 수동 검색하다 지친 공무원이 만든 것"이라고 했다. 코딩 전공자가 아닌 공무원이, AI의 도움을 받아 이 작업을 해냈다. 노마다마스라는 개발자가 만든 'K-스킬' 프로젝트도 같은 맥락이다. SRT 예매, 서울 지하철 실시간 도착정보, KBO 경기 결과, 한글(HWP) 문서 변환 같은 한국에서만 필요한 기능들을 AI가 쓸 수 있도록 모아놓은 오픈소스 스킬 모음집이다. 챗PT든 클로드든 제미나이든, 외국에서 만든 AI가 한국 생활을 이해할 수 없는 부분을 채워주는 일종의 '한국 생활력 교육'이다. 정부24 등본 발급, 홈택스 세금 신고, 카카오T 택시 호출까지 로드맵에 올라와 있다. 이 세 가지 사례의 공통점은 명확하다. 모두 AI 시대에 필요한 인프라를 개인이 자발적으로 만들어내고 있다는 것이다. 그리고 그 에너지의 원천은 '답답함'이다. 법제처 검색이 답답하니까, 공공 서비스가 AI와 연결되지 않으니까, 한국형 데이터가 AI에 없으니까, 스스로 만들었다. 한국이 잘하고 있는 것들 여기서 짚어야 할 것이 있다. 한국의 공공데이터 생태계가 형편없다는 뜻이 아니라는 점이다. 오히려 한국은 공공데이터 개방에서 세계적으로 앞서 있는 나라다. OECD 공공데이터 평가에서 2015년부터 4회 연속 세계 1위를 달성했고, 공공데이터포털(data.go.kr)에는 10만 개 이상 데이터셋이 오픈(Open) API 형태로 공개돼 있다. 국가법령정보센터가 API를 열어두고 있기 때문에 박정환 씨의 프로젝트가, 류승인 주무관의 MCP 서버가 가능했던 것이다. 올해 1월 22일에는 우리나라에서도 인공지능기본법이 시행됐다. EU AI Act에 이어 세계 두 번째로 포괄적 AI 법률을 마련, 처음으로 시행한 것으로 고영향 AI와 생성형 AI에 대한 투명성·안전성 의무를 규정하고, 대통령 직속 국가인공지능위원회의 법적 근거를 마련했다. 2026년 정부 AI 예산은 10조 1000억 원으로 전년(3조 3000억 원) 대비 3배 이상 증가했다. 개인정보보호위원회도 'AI 프라이버시팀'을 신설하고, 생성형 AI 개발·활용을 위한 개인정보 처리 안내서를 발간했으며, 가명정보 처리 기준 합리화와 '개인정보 이노베이션존' 구축에 나서고 있다. 한마디로, 에너지도 있고 기반도 있다. 부족한 것은 다른 곳에 있다. 법률과 안내서 사이 간극 일본 APPI 개정안의 핵심 설계를 다시 보자. 주목할 것은 단순한 '규제 완화'가 아니라 '규제 완화+처벌 강화'의 동시 패키지라는 점이다. 데이터를 AI 학습에 쓸 수 있도록 동의 요건을 완화하면서, 동시에 데이터를 부정 취득하거나 악의적으로 사용한 기업에는 부당이득 상당의 과징금을 신설했다. 16세 미만 아동의 안면 데이터 수집에는 부모 동의와 '최선의 이익(best interests)' 심사를 의무화했다. 풀 것은 과감히 풀되, 악용에는 실질적 이빨을 갖추었다. 그리고 이 모든 것이 '법률' 수준에서 이뤄졌다. 한국의 현재 상황과 비교하면, 가장 큰 차이는 바로 이 '수준'에 있다. 한국에서 AI 학습을 위한 개인정보 활용은 개인정보보호법 본문이 아니라 '안내서', '가이드라인', '사전적정성 검토'의 영역에서 다뤄지고 있다. 개인정보보호법에 AI 학습 데이터 활용 특례를 신설하는 법안이 여러 건 발의되어 있지만, 본격적 심의에 이르지 못한 채 그 사이를 행정 해석이 메우고 있는 형국이다. 안내서와 법률의 차이는 격식의 차이가 아니다. 법률은 기업에 예측 가능성을 준다. "이 조건을 충족하면 동의 없이 데이터를 사용할 수 있다"는 명확한 근거가 법에 있으면, 기업은 투자와 개발에 나설 수 있다. 안내서는 해석의 여지를 남긴다. 담당자가 바뀌면 해석도 바뀔 수 있고, 사후에 위반으로 판정될 리스크를 기업이 온전히 떠안아야 한다. 20년간 GTM(Go To Market) 전략을 수립해 온 필자의 경험상, 기업이 신기술 도입을 주저하는 가장 큰 이유는 기술의 미성숙이 아니라 규제의 불확실성이다. "해도 되는 건지 안 되는 건지 모르겠다"는 상태가 가장 치명적이다. 저작권 영역도 마찬가지다. 일본이 2018년 저작권법 제30조의4로 AI 학습 목적의 저작물 이용을 명시적으로 허용한 반면, 한국은 아직 텍스트·데이터마이닝(TDM) 면책 규정이 저작권법에 도입되지 않았다. 포괄적 공정이용 조항(제35조의5)의 해석에 맡겨져 있을 뿐이다. 한 인터넷기업 법무팀 임원이 수많은 원저작자에게 개별 허가를 받는 것은 사실상 불가능하고, 최악의 경우 형사처벌까지 받을 수 있어 연구를 시도하지 못한다고 토로한 바 있는데, 이 상황이 수년째 근본적으로 달라지지 않았다. 규제 선행론이 놓치는 것 필자가 우려하는 것은 한국 정부 전체의 방향이 아니다. 인공지능기본법 제정, 공공데이터 개방 성과, AI 예산 대폭 증액-이 모든 것은 올바른 방향이다. 문제는 이 흐름과 별개로, 몇몇 영역에서 '일단 규제부터' 만들자는 움직임이 현장의 에너지를 꺾을 수 있다는 점이다. AI 기술은 아직 가능성의 영역에 있다. 어디까지 할 수 있는지, 어떤 문제가 실제로 발생하는지를 충분히 경험하기 전에 촘촘한 규제를 먼저 세우면, 결과적으로 시도 자체를 억제하게 된다. 류승인 주무관이 법제처 MCP 서버를 만들 수 있었던 것은, 공공데이터 API가 열려 있었고, 그것을 활용하는 데 별도의 허가나 심의가 필요 없었기 때문이다. 만약 "공공데이터를 AI에 연결하려면 사전 영향 평가를 받아야 한다"는 규정이 먼저 생겼다면, 그는 여전히 법제처를 수동 검색하고 있었을 것이다. 일본의 접근에서 배울 것은 '규제 해제'가 아니다. '규제의 순서'다. 일본은 먼저 데이터를 풀고(저작권법 2018, 개인정보보호법 2026), 악용에 대한 처벌을 동시에 강화하는 구조를 선택했다. 가능성을 열어주되, 잘못에는 확실한 책임을 묻는 방식이다. EU가 AI Act로 사전 규제를 촘촘히 세운 것과는 의도적으로 다른 경로를 택한 것이다. 한국의 인공지능기본법도 EU보다는 '산업 진흥'에 무게를 두고 설계됐다. 이 방향 자체는 올바르다. 그러나 하위 법령과 가이드라인이 구체화되는 과정에서, 실무 현장의 불확실성을 줄여주는 쪽이 아니라 의무와 심사를 추가하는 쪽으로만 흘러간다면, 법의 취지와 실행 사이에 괴리가 벌어질 수 있다. 가속화를 위한 세 가지 필자가 보기에, 한국이 AI 시대를 가속화하기 위해 지금 가장 필요한 것은 세 가지다. 첫째, 공공데이터의 AI 친화적 공개를 표준으로 삼는 것이다. 국가법령정보센터가 API를 열어둔 것은 좋은 출발이었지만, 데이터가 처음부터 마크다운, JSON((Javascript Object Notation), CSV(Comma-Separated Values) 같은 표준 형식으로 공개됐다면 박정환 씨가 하룻밤을 쓸 이유가 없었다. 모든 공공데이터를 AI가 바로 읽을 수 있는 형태로 제공하고, 주요 공공 서비스에 MCP를 붙이는 것, 이것만으로도 민간의 자발적 에너지가 폭발적으로 확산될 수 있다. 둘째, AI 학습을 위한 데이터 활용의 법적 근거를 '안내서'가 아니라 '법률'로 명확히 하는 것이다. 개인정보 활용 특례든, 저작권법의 TDM(Text and Data Mining) 면책 조항이든, 기업과 개발자가 "이것은 해도 되는 것"이라고 확신할 수 있는 법적 근거가 필요하다. 일본처럼 '완화+처벌 강화' 패키지로 설계하면, 프라이버시 보호와 혁신 촉진 사이의 균형점을 법률 수준에서 잡을 수 있다. 셋째, 규제의 순서를 '사전 허가'에서 '사후 책임'으로 전환하는 것이다. 현장에서 먼저 시도하고, 문제가 발생하면 확실히 책임을 묻는 구조가, 시도 자체를 사전에 심사하는 구조보다 혁신에 유리하다. 인공지능기본법이 과태료 계도 기간을 1년 이상 두기로 한 것은 이 방향의 좋은 신호다. 이 정신이 하위 법령과 가이드라인 전반으로 확산돼야 한다. 현장의 에너지를 믿어야 할 때 일본의 APPI 개정을 무비판적으로 받아들이자는 것이 아니다. 옵트아웃(opt-out, 사후 거부) 기회를 의무화하지 않은 것은 프라이버시 관점에서 정당한 우려가 있으며, 야당과 시민단체의 반발도 예상된다. 한국이 일본과 같은 방식을 그대로 따를 필요도 없다. 그러나 한 가지는 분명하다. 광진구청의 류승인 주무관, 개발자 박정환 씨, K-스킬의 노마다마스-이들이 보여준 것은 한국에 이미 AI 시대를 가속화할 에너지가 넘친다는 것이다. 공무원이 답답해서 직접 MCP를 만들고, 개발자가 하룻밤을 써서 법령 전체를 AI 친화적 형태로 전환하고, 비전공자가 AI와 협업해 한국형 스킬을 오픈소스로 공유한다. 이 에너지는 규제가 만들어낸 것이 아니다. 공공데이터가 열려 있었고, 이를 활용하는 데 장벽이 낮았기 때문에 자연스럽게 분출된 것이다. 정부가 할 일은 이 에너지에 법적 기반을 깔아주는 것이다. 규제로 방향을 통제하려 하는 것이 아니라, 법률로 예측 가능성을 주고, 데이터를 표준 형식으로 열어주고, 악용에만 확실한 책임을 묻는 것. 일본이 법을 고치는 데 반해 그 속도로 한국이 안내서만 만들고 있다면 아쉬운 일이지만, 한국의 현장이 보여주는 에너지를 감안하면 제도적 뒷받침만 갖춰지 순간 가속은 충분히 가능하다. 대한민국이 세계 최고의 AI 생태계를 가지는 것이 꿈이 아닌 이유는, 기술이 준비돼서가 아니라 사람이 이미 움직이고 있기 때문이다. ◆필자 안광섭은..... 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 리드 컨설턴트다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA 기술경영전문대 석사과정을 졸업했다. 저술한 책으로 '생각을 맡기는 사람들: 호모 브레인리스'가 있다.

2026.04.11 09:03안광섭 컬럼니스트

[안광섭의 AI 진테제] 앤트로픽 소스코드 유출이 뜻하는 것

지난 3월 31일, 미국 앤트로픽(Anthropic)의 AI 코딩 에이전트 클로드 코드(Claude Code)의 전체 소스코드가 유출되는 사건이 발생했다. npm(개발자용 패키지 저장소) 배포 버전에 소스맵 파일(원본 코드 복원용 디버깅 파일)이 포함된 패키징 오류가 원인이었다. 수 시간 만에 약 51만 줄의 코드가 깃허브(GitHub)에 미러링돼 세계로 퍼졌다. 얼마전 전에도 CMS 설정 오류로 미발표 모델 내부 문서 3000여 건이 노출된 바 있다. 10일 사이 두 번째 사고였다. 유출을 축제로 만든 72시간 유출 직후 개발자 커뮤니티 반응은 축제에 가까웠다. 미러 저장소에 수만 개의 스타가 쏟아졌고, 코드 안에서 발견된 미공개 기능들은 "보물 창고"라며 분석 글로 재가공됐다. Anthropic이 DMCA(디지털 밀레니엄 저작권법) 테이크다운으로 원본 미러와 8100개 이상의 포크(fork, 저장소 복제본)를 차단하자, 더 흥미로운 전환이 벌어졌다. 유출본을 그대로 올렸던 한 저장소가 수십 차례 force-push(기존 이력을 덮어쓰는 강제 업데이트)를 거쳐 '파이썬(Python) 클린룸 재구현'으로 재포장한 것이다. 유출본 시절의 5만 개 이상 스타는 고스란히 새 이름으로 이전됐다. 한국 개발자 커뮤니티에서는 "유출코드를 기반으로 한 클린룸 구현은 그 자체로 모순적"이라는 지적이 즉각 나왔다. '클린룸'이라는 이 단어가 왜 문제인지 짚어볼 필요가 있다. 클린룸은 그렇게 작동하지 않는다 '클린룸 역설계(clean-room reverse engineering)'는 경쟁사 제품과 호환되는 소프트웨어를 합법적으로 만들기 위한 기법이다. 1984년 피닉스 테크놀로지스(Phoenix Technologies)가 IBM PC의 BIOS를 호환 구현하면서 확립됐다. 원리의 핵심은 '격리'다. 명세 팀은 원본 제품을 분석해 "이 프로그램이 무엇을 하는가"를 문서로 기술한다. 구현 팀은 원본 코드를 전혀 본 적 없는 엔지니어들로 구성되며, 오직 명세 문서만 보고 새로 코드를 작성한다. 이 격리가 클린룸 방어의 전부라 해도 과언이 아니다. 미국 주요 판례가 이 원칙을 일관되게 확인했다. 여기서 결정적인 점이 있다. 이 판례들에서 역설계 대상은 언제나 컴파일된 바이너리(사람이 읽을 수 없는 기계어 실행 파일)의 외부 동작이었다. 명세 팀은 프로그램을 실행해보며 동작을 관찰했지, 소스코드를 읽지 않았다. 이번 클로드 코드 사태는 이와 결정적으로 다르다. 소스코드는 저작권법이 보호하는 '표현' 그 자체다. 변수명, 주석, 아키텍처 결정, 모듈 구성이 모두 담겨 있다. 소스코드를 읽은 사람은 "무엇을 하는가"뿐 아니라 "어떻게 하는가"까지 흡수한다. 그 사람이 명세 작성과 재구현을 동시에 수행한다면, 클린룸의 핵심 전제-구현자가 원본 표현에 오염되지 않았다는 증명-가 무너진다. 추상적 우려가 아니다. 실제로 미국 법원은 수년 전에 들은 노래의 무의식적 복제만으로 저작권 침해를 인정했다. 유출 코드를 직접 읽고 수 시간 뒤 재구현한 경우, 이 위험은 비교할 수 없이 높다. 미국 영업비밀법(DTSA)도 명확하다. 정보가 '우연 또는 실수로' 유출된 것임을 알았거나 알 수 있었던 자의 사용을 금지한다. 또한 미국 법원은 "뚫을 수 없는 요새를 요구하는 것은 합리적이지 않다"고 판시했다. Anthropic의 보안이 완벽하지 않았다는 사실이 보호를 소멸시키지 않는다. 필자도 법령에 있어선 전문가가 아니기에 이 이슈로 미국에서 법을 전공하고 변호사 자격을 취득한 대학시절 은사께 별도로 연락을해 여쭤보았다. 개인정보가 유출되었을 때, 우리는 이렇게 하지 않는다 간단한 상상을 해보자. 쇼핑몰에서 고객 이메일과 전화번호가 유출됐다. 누군가가 이 데이터를 '워싱'해서 '클린 데이터셋'이라며 공개했다. 우리는 이것을 환영하지 않는다. 유출 경로가 해킹이든 설정 실수든, 원래 소유자가 공개를 의도하지 않았다는 사실이 변하지 않기 때문이다. 그런데 피해자가 개인에서 기업으로 바뀌면, 같은 잣대가 느슨해진다. "교육 목적", "아키텍처 패턴 학습", "클린룸 재구현" 이 프레이밍들은 본질적으로 유출 데이터 워싱과 같은 기능을 한다. 의도치 않은 유출을 '자원봉사자가 정리해 준 오픈소스'로 의미를 바꿔치기하는 것이다. 이중 잣대는 커뮤니티에만 있는 것이 아니다. 이번 유출 코드에서 발견된 '언더커버 모드(Undercover Mode)'는 Anthropic 자체의 이중 잣대를 드러냈다. Anthropic은 외부 사용자에게 AI 코드 어트리뷰션(기여자 표기)을 기본 부착하면서, 자사 직원이 오픈소스에 기여할 때는 AI 흔적을 완전히 지우는 모드를 별도로 만들어 두었다. 고객에게는 투명성을 요구하고, 자신은 회피하는 구조다. 결국 이 사태의 윤리적 구조는 단순하다. 정보가 공개를 의도한 것이 아니고, 유출이 실수에서 비롯되었으며, 그 정보를 소비하는 행위가 피해를 확대한다. 이 세 가지 조건은 피해자가 개인이든 기업이든 동일하게 성립한다. 선을 지키자 필자는 성인군자적 주장을 하려는 것이 아니다. 업계종사자로서, 사회 구성원으로서 최소한의 역할을 하자는 것이다. 공식 문서에 기반한 동작 분석이나 에이전틱 루프(agentic loop, AI가 도구를 반복 호출하며 작업을 수행하는 구조) 같은 아키텍처 일반론은 건강한 엔지니어링 학습이다. 그러나 유출 코드를 미러링하고, "클린룸"이라 포장해 재구현하며, 미공개 기능 분석을 자기 마케팅에 활용하는 것은 다른 문제다. 클린룸 법리가 요구하는 최소 기준 (구현자가 원본을 전혀 본 적 없어야 한다는 것) 조차 충족하지 못하는 법적 허구다. 오늘 Anthropic에 일어난 일이 내일 다른 회사에 일어나지 않으리라는 보장은 없다. 의도치 않은 유출은 오픈소스가 아니다. 실수로 문이 열렸다고 해서 들어가도 되는 것이 아니다. 이 단순한 사실을 인정하는 것이 개발자 커뮤니티가 스스로에게 요구해야 할 최소한의 기준이다. ■ 필자 안광섭은... 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 리드 컨설턴트다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA 기술경영전문대 석사과정을 졸업했다. 저술한 책으로 '생각을 맡기는 사람들: 호모 브레인리스'가 있다.

2026.04.05 15:21안광섭 컬럼니스트

[안광섭의 AI 진테제] 메모리 주식 흔든 구글 '터보퀀트'

지난 수요일 미국 증시에서 흥미로운 장면이 연출됐다. 나스닥 100이 상승하는 와중에 메모리 반도체 주식만 역행했다. 샌디스크 -5.7%, 웨스턴 디지털 -4.7%, 씨게이트 -4%, 마이크론 -3%. 방아쇠를 당긴 건 구글 리서치가 공개한 터보퀀트(TurboQuant)라는 압축 알고리즘이다. 'AI가 메모리를 덜 쓰게 해주는 기술'이라는 헤드라인만 보면 메모리 업체들에게 악재처럼 보인다. 그런데 이 기술이 실제로 줄이는 것은 GPU 위의 임시 기억 공간이지, 서버에 꽂히는 HBM(High Bandwidth Memory)이나 DRAM 모듈이 아니다. 시장이 읽은 신호와 기술이 말하는 신호 사이에 간극이 있고, 그 간극 너머에는 AI 하드웨어 전체에 걸친 더 큰 질문이 놓여 있다. 터보퀀트가 실제로 하는 일 AI가 대화를 이어갈 때, 앞에서 한 말을 기억하려면 KV 캐시(Key-Value Cache)라는 임시 메모리에 정보를 저장해야 한다. 대화가 길어질수록 이 메모리는 기하급수적으로 늘어나고, AI 서비스 비용을 끌어올리는 주범 중 하나다. '터보퀀트'는 이 임시 기억을 최대한 작게 압축하면서도 내용을 거의 그대로 유지하는 알고리즘이다. 추가 학습이나 파인튜닝(fine-tuning, 특정 분야 추가 학습)이 필요 없다. 핵심은 2단계 구조다. 1단계인 폴라퀀트(PolarQuant)는 데이터에 무작위 회전을 적용해 값들의 분포를 균일하게 만든다. 크기가 제각각인 짐을 한번 뒤섞어 비슷한 규격으로 정리하는 것과 비슷하다. 이렇게 하면 동일한 상자에 효율적으로 담을 수 있다. 2단계인 QJL(양자화된 존슨-린덴스트라우스)은 1차 압축 이후 남은 잔여 오차를 단 1비트로 한 번 더 보정한다. 논문에 따르면, 이 2단계 접근법 덕분에 3.5비트에서 원래 모델과 사실상 동일한 품질을 유지하고, 10만 4천 토큰 길이의 테스트에서도 100% 정확도를 보였다. 압축률은 4.5배 이상이다. 다만 짚어야 할 대목이 있다. 구글 블로그에서 강조한 '최대 8배 속도 향상'은 어텐션 로짓 연산이라는 특정 단계에서의 수치다. 전체 추론 처리량의 8배가 아니다. '6배 메모리 축소'도 블로그와 논문 사이에 미세한 차이가 있다. 논문은 좀 더 보수적으로 '4.5배 이상'이라고 표현한다. 수치가 발표 채널에 따라 다르게 포장되는 것은 기술 뉴스를 읽을 때 늘 주의해야 할 부분이다. 시장의 논리, 그리고 그 한계 시장의 추론은 단순했다. AI가 메모리를 6분의 1만 써도 된다면 메모리 수요가 줄어드는 것 아닌가? 올해 메모리 주식들이 워낙 많이 올랐기 때문에 차익 실현의 구실이 필요했던 측면도 있다. 그러나 한 발짝 뒤로 물러서면, KV 캐시와 HBM은 같은 '메모리'라는 단어를 쓰지만 작동하는 층위가 다르다는 점이 보인다. KV 캐시는 LLM(대규모 언어 모델)이 대화 중 이전 계산을 저장하는 GPU 위의 임시 공간이다. 반면 HBM 수요는 모델의 훈련과 추론 전체에 걸친 대역폭 병목에서 발생한다. 트렌드포스(TrendForce)에 따르면 2026년 HBM 수요는 전년 대비 70% 이상 증가할 전망이고, 뱅크오브아메리카(BofA)는 올해 HBM 시장 규모를 약 546억 달러(전년 대비 58% 성장)로 추정한다. SK하이닉스, 삼성, 마이크론 모두 2026년 HBM 물량은 사실상 완판 상태라고 밝히고 있다. 비유하자면 이렇다. '터보퀀트'는 사무실 책상 위의 메모 정리법을 개선한 것이고, HBM 수요는 건물 자체에 더 많은 사무실이 필요한 것이다. 메모 정리가 잘 된다고 건물 수요가 줄지는 않는다. 오히려 한 사무실에서 더 많은 일을 처리할 수 있으니 건물을 더 짓고 싶어질 수도 있다. 건설에서 최적화로, 국면 전환 신호 필자가 '터보퀀트' 자체보다 더 흥미롭게 보는 것은 이 뉴스에 시장이 반응한 방식이다. 메모리 주식만의 이야기가 아니기 때문이다. 좀 더 넓게 보면 지금 AI 하드웨어 스택 전체가 같은 질문을 받고 있다. 엔비디아는 2026 회계연도에 매출 2159억 달러, 순이익률 약 56%라는 전례 없는 실적을 기록했지만, 주가는 지난해 10월 고점 대비 약 15% 낮은 수준에서 움직이고 있다. 마이크론도 이틀 전 역대 최고 분기 실적(매출 238억6000만 달러, 매출총이익률 74.4%)을 발표했지만, 시장의 관심은 "250억 달러 이상의 설비투자를 감당할 수 있느냐"에 쏠렸다. GPU도 빠지고, DRAM도 빠지고, NAND 스토리지도 빠지고 있다. 시장이 묻고 있는 진짜 질문은 "이 속도의 인프라 투자가 지속 가능한가?"다. 마이크로소프트, 메타, 알파벳, 아마존 4사의 2026년 설비투자 가이던스 합산이 약 6500억 달러에 달한다. 인류 역사에서 단일 목적에 투입된 민간 자본 중 가장 큰 규모에 속한다. GTM(Go-To-Market) 전략 관점에서 보면, 모든 기술 인프라 사이클에는 '건설 국면'과 '최적화 국면'이 있다. 건설 국면에서는 "일단 깔아라"가 전략이다. 최적화 국면에서는 "깔아놓은 것의 효율을 어떻게 극대화할 것인가"가 전략이 된다. 터보퀀트, 엔비디아가 같은 'ICLR 2026(International Conference on Learning Representations, 4월 23일 ~ 4월 27일)'에서 발표할 KVTC(KV Cache Transform Coding, 최대 20배 압축), 하이퍼스케일러들의 자체 칩 개발, 이 모든 움직임은 최적화 국면의 신호다. 그렇다고 이것이 약세 신호인가. 필자는 아니라고 본다. 최적화 국면은 성장의 끝이 아니라 성장이 성숙해지는 과정이다. 다만 시장이 가격에 반영하는 방식이 달라질 뿐이다. 건설 국면에서는 "다 사라"였다면, 최적화 국면에서는 누가 이 효율화의 수혜자이고 누가 비용을 부담하는가를 가려야 한다. 핵심은 시간 축 구분 '터보퀀트' 같은 소프트웨어 최적화가 하드웨어 수요 증가 속도에 영향을 줄 수 있는 것은 2027년 이후의 이야기다. 2026년의 메모리 공급 부족은 물리적인 팹 건설과 수율의 문제이고, 알고리즘으로 해결되는 영역이 아니다. 시장이 이 두 가지 시간 축을 혼동할 때, 그것이 곧 기회이기도 하고 리스크이기도 하다. 터보퀀트 원본 논문(https://arxiv.org/abs/2504.19874)은 2025년 4월 28일에 공개됐다. 약 1년 전 제안된 기술이 학회 발표를 앞두고 재조명되면서 시장을 흔든 것이다. 기술 자체는 새롭지 않았지만, 시장이 읽는 타이밍은 달랐다. 정리하면 이렇다. 터보퀀트는 AI 추론 효율을 한 단계 끌어올리는 의미 있는 기술이다. 그러나 메모리 주식이 빠진 이유는 이 기술 하나가 아니라, AI 하드웨어 스택 전반에 걸친 '건설에서 최적화로'의 국면 전환 신호를 시장이 읽기 시작했기 때문이다. 기술 층위를 이해하고 시간 축을 구분할 수 있다면, 변동성 속에서 더 나은 판단을 내릴 수 있다. 지금 필요한 것은 공포도 낙관도 아닌, 어떤 메모리가 줄고 어떤 메모리가 느는지를 가려내는 눈이다. ■ 필자 안광섭은... 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 리드 컨설턴트다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA 기술경영전문대 석사과정을 졸업했다. 저술한 책으로 '생각을 맡기는 사람들: 호모 브레인리스'가 있다.

2026.03.26 19:20안광섭 컬럼니스트

[안광섭의 AI 진테제] 중국 '가재' 열풍이 뜻하는 것

지난 17일 미국 엔비디아(NVIDIA)가 개최한 'GTC(GPU Technology Conference) 2026' 무대에서 젠슨 황(Jensen Huang) CEO는 단언했다. "이것은 확실히 다음 챗GPT(This is definitely the next ChatGPT) 입니다." 그가 가리킨 것은 오스트리아 개발자 한 명이 만든 오픈소스 AI 에이전트 프레임워크인 '오픈클로(OpenClaw)'였다. 황 CEO는 이것을 "인류 역사상 가장 성공적인 오픈소스 프로젝트"라 부르며, "모든 기업이 오픈클로 전략을 가져야 합니다"고까지 말했다. 빨간 바닷가재를 아이콘으로 쓰는 이 프로젝트를 설치하고 학습시키는 과정이 마치 가재를 키우는 것과 비슷하다해 중국에서는 '양하(养虾, 가재 키우기)'라는 별명이 붙었다. 그리고 지금, 이 가재 한 마리가 중국의 클라우드 시장과 메신저 생태계, AI 모델 경쟁을 동시에 재편하고 있다. ■ 천 명의 줄, 17개 도시 순회, 그리고 토큰 폭증 지난 3월 6일, 중국 선전 텐센트 본사 앞에 천 명 가까운 사람들이 줄을 섰다. 맥북을 안은 개발자부터 초등학생까지, 이들이 기다린 것은 오픈클로의 무료 설치 지원이었다. 텐센트는 여기서 멈추지 않았다. 3월 14일, 텐센트 클라우드는 베이징·상하이·선전·광저우 등 전국 17개 도시를 순회하는 40일간의 무료 설치 투어를 발표했다. 예약 없이 노트북만 들고 오면 설치부터 환경 설정, 사용 교육, 삭제까지 원스톱으로 지원했다. '오픈클로'가 기존 챗봇과 결정적으로 다른 점은 '대화'가 아니라 '실행'을 한다는 것이다. 사용자 컴퓨터에 직접 설치돼 파일을 읽고, 이메일을 보내고, 코드를 작성하고, 브라우저를 조작한다. 메신저로 지시하면 24시간 쉬지 않고 돌아가는 AI 직원처럼 작동한다. 이 차이가 만들어내는 경제적 파장이 핵심이다. 챗봇의 한 번 대화가 수백~수천 토큰(AI가 처리하는 텍스트 단위)을 소비하는 반면, 에이전트는 작업 한 건에 수만~수십만 토큰을 태운다. 간단한 자료 조사에 700만 토큰, 크롤러 테스트 한 번에 2900만 토큰이 소비된다는 보고도 있다. 한 달 본격적으로 쓰면 약 1억 토큰, 비용으로 약 130만 원 수준이다. 클라우드 업체들이 앞다퉈 오픈클로 전용 배포 서비스를 내놓는 이유가 여기에 있다. 토큰 소비의 구조적 폭증이자, 새로운 수익 모델의 출현이다. ■ 2개월 만에 바이두를 넘어선 미니맥스 이 토큰 폭증의 수혜를 가장 극적으로 보여주는 기업이 미니맥스(MiniMax)다. 미니맥스는 올해 1월 9일 홍콩 증시에 상장했다. 공모가 165홍콩달러, 상장 첫날 109% 급등. 그런데 진짜 드라마는 그 이후에 벌어졌다. 3월 10일, 미니맥스 시가총액이 3826억 홍콩달러(약 490억 달러)에 도달하며 바이두(3322억 홍콩달러)를 추월했다. 바이두의 연간 매출은 미니맥스의 239배에 달하는데도 말이다. 이카이(Yicai)에 따르면, 이 주가 급등의 직접적 촉매는 오픈클로 열풍이었다. 모건스탠리(Morgan Stanley) 분석이 배경을 보여준다. 미니맥스의 연간환산매출(ARR, Annual Recurring Revenue)은 2025년 12월에서 2026년 2월 사이 불과 2개월 만에 1억 달러에서 1.5억 달러로 급등했다. M2 시리즈 모델의 일일 토큰 소비량은 같은 기간 6배 이상 증가했고, 토큰당 추론 비용은 50% 이상 하락했다. 에이전트 수요가 직접적으로 매출로 전환되고 있는 것이다. 미니맥스는 2월 25일 오픈클로 프레임워크 기반의 클라우드 에이전트 맥스클로(MaxClaw)를 출시했다. 서버 설정 없이 원클릭으로 배포되며, 20만 토큰 이상의 장기 기억 기능을 내장했다. 에이전트를 '설치하는 것'에서 '구독하는 것'으로 바꾸려는 시도다. 텐센트 클라우드, 알리 클라우드, 바이두 스마트 클라우드, 화산엔진(火山引擎, 바이트댄스 계열)까지 경쟁적으로 유사한 서비스를 내놓고 있다. ■ 오픈소스가 뚫은 위챗의 벽 토큰 경제만큼 흥미로운 것이 메신저 생태계의 변화다. 2025년 12월, 바이트댄스가 더우바오(豆包) 폰 어시스턴트를 출시했을 때, 위챗은 48시간 만에 해당 에이전트 사용자를 강제 로그아웃시켰다. 같은 중국 기업의 에이전트도 차단한 것이다. 그런데 3개월 뒤 오픈클로가 등장하자 반응은 정반대였다. 텐센트는 오픈클로와 호환되는 업무용 에이전트 '워크버디(WorkBuddy)'를 선보이고, 개인용 '큐클로(QClaw)'를 테스트하며, AI 전용 보안 샌드박스까지 도입했다. 마화텅 텐센트 회장은 위챗 모멘트에 "자체 개발 랍스터, 클라우드 랍스터, 기업용 랍스터 등 다양한 제품이 곧 등장할 것입니다"라고 예고했다. 차이의 원인은 명확하다. 오픈클로는 특정 기업의 제품이 아니라 오픈소스 커뮤니티 프로젝트다. 어떤 기업도 '우리 것'이라고 주장할 수 없는 만큼, 어떤 기업도 배제할 명분이 없다. 결과적으로 위챗 중심의 단일 메시징 생태계에 QQ, 페이수(飞书), 딩톡(钉钉)이 '에이전트 인터페이스'라는 새로운 경쟁 축으로 부상하고 있다. 플랫폼 경쟁의 기준이 '사용자 수'에서 '에이전트 호환성'으로 이동하는 중이다. 가격 구조의 변화도 주목해야 한다. 세계 최대 LLM API 집계 플랫폼 오픈라우터(OpenRouter) 데이터에 따르면, 올 2월 기준 플랫폼 상위 10개 모델의 총 토큰 소비량 중 61%가 중국 모델이었다. 미니맥스 M2.5의 입력 토큰 비용은 100만 토큰당 0.3달러다. 미국 주요 모델의 5~15달러와 비교하면 16배 이상 차이가 난다. 코딩 벤치마크(SWE-Bench Verified) 기준 성능 차이는 1%포인트 미만이다. 이코노미스트(The Economist)에 따르면, 실리콘밸리 최대 벤처 캐피탈 a16z의 파트너 마틴 카사도(Martin Casado)는 "오픈소스 모델을 사용하는 스타트업 중 80% 확률로 중국 모델을 쓰고 있다"고 밝혔다. 에이전트가 자율적으로 수백 번 API를 호출하는 시대에, 1회 호출 비용이 아니라 누적 비용이 모델 선택을 결정한다. 미국의 대중(對中) GPU 수출 제한이 역설적으로 중국 기업들을 경량 아키텍처에 집중하게 만들었고, 그 결과가 에이전트 시대의 가격 경쟁력으로 돌아온 셈이다. ■ 한국에는 왜 '가재'가 없는가 필자가 이 현상에서 가장 주목하는 것은 기술 그 자체가 아니라 '대중 참여의 밀도'다. 중국에서 벌어지는 일의 본질은 기업의 AI 투자가 아니다. 텐센트 본사 앞에 줄을 선 천 명은 퇴직한 엔지니어, 주부, 학생, AI 애호가 등으로 각자 필요에 따라 자발적으로 참여한 개인들이었다. 올해 전인대에서 한 원사(院士, 최고 과학자)는 "지금 모든 사람이 매우 조급한 상태다. 가재를 키우지 못할까 봐 두려워하고 있다"고 까지 언급했다. 선전시 룽강구는 오픈클로 기업에 컴퓨팅 자원과 재정 지원을 제공하는 정책을 발표했고, 푸톈구는 이미 오픈클로를 민원 분석에 활용하고 있다. 물론 과열의 징후도 뚜렷하다. 중국 당국인 공업정보화부(MIIT)는 두 차례 보안 경고를 발령했고, 공개 인터넷에 노출된 오픈클로 인스턴스가 40만 개를 넘어섰다. 소셜 미디어에는 유료 설치 대행에 이어 '유료 삭제 대행'까지 등장했다. 필자 경험에서 보면, 기술 확산 속도는 기술 완성도가 아니라 대중 참여의 밀도가 결정한다. 한국은 기업의 AI 도입률 70%라는 수치를 자랑하지만, 그것은 조직 내부의 지표일 뿐이다. 카카오톡이 에이전트 인터페이스로서 어떤 위치를 차지할 것인지, 한국의 클라우드 인프라가 에이전트의 토큰 폭증을 감당할 준비가 되어 있는지, 한국 AI 모델의 에이전트 호환성과 가격 경쟁력은 어떤 수준인지 등의 질문이 제기된다. 이 세 가지 질문에 한국은 아직 답을 내놓지 못하고 있다. AI가 산업을 재편하는 속도는 기업의 도입률이 아니라, 대중이 얼마나 빨리 직접 써보고 새로운 용도를 발견하는가에 의해 결정된다. 중국의 가재 열풍은 이 사실을 매우 선명하게 증명하고 있다. ◆ 필자 안광섭은... 세종대학교 경영학과 교수이자 OBF(Oswarld Boutique Consulting Firm) 대표다. 대학에서 경영데이터 관리, 비즈니스 애널리틱스 등 데이터 분석을 가르치는 한편, 현장에서는 GTM 전략과 인공지능 전략 컨설팅을 이끌며 기술과 비즈니스의 접점을 설계하고 있다. AI 대화 시스템의 기억 아키텍처(HEMA) 연구로 학술 논문을 발표했으며, 매일 글로벌 AI 논문을 큐레이션하는 Daily Arxiv 프로젝트를 운영하고 있다. 고려대학교 KBMA 기술경영전문대 석사과정을 졸업했다. 저술한 책으로 '생각을 맡기는 사람들: 호모 브레인리스'가 있다.

2026.03.21 11:13안광섭 컬럼니스트

지금 뜨는 기사

이시각 헤드라인

전남광주 반도체 新공장 투자, 업계는 당혹스럽다

삼성전자 "3년 안에 AI 모듈러 홈 1만채 판매 목표"

AI 민원부터 AI 순찰차·재해복구까지…미래 행정기술 총출동

김용범 정책실장 "호남·충청 반도체 클러스터 조만간 발표...용인 이전 아냐"

ZDNet Power Center