• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 생활/문화
  • 인사•부음
  • 글로벌뉴스
  • AI의 눈
ZDPick
지스타2026
반도체
IT'sight
칼럼•연재
포토•영상

ZDNet 검색 페이지

'에이전트 AI'통합검색 결과 입니다. (1273건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

네이버, '실행'하는 AI 에이전트로 승부수…AI 팩토리 수익화 속도

네이버가 인공지능(AI)을 기반으로 서비스와 사업 전반의 수익화에 속도를 낸다. 올해 안에 이용자를 대신해 검색부터 예약·구매까지 수행하는 개인형 AI 에이전트 앱을 출시하고, 엔비디아·브룩필드와 협력하는 AI 팩토리 사업도 내년 상반기 상용화를 앞두고 수익화 시점을 앞당길 계획이다. 커머스 부문에서는 물류 전문 자회사를 설립해 배송 경쟁력을 강화하고, 사우디아라비아에서는 실외 배송 로봇을 활용한 신규 서비스에 나선다. AI를 정보 제공에 그치지 않고 실제 거래와 배송으로 연결해 새로운 성장 동력을 확보하겠다는 전략이다. 전 부문 고른 성장에 외형 확장…AI 투자액 확대로 영업이익 뚝 네이버는 12일 올해 3분기 매출 3조4724억원, 영업이익 4513억원을 기록했다고 공시했다. 커머스와 파이낸셜 플랫폼 등의 고른 성장으로 매출은 전년 동기 대비 10.7% 증가했다. AI 경쟁력 확보에 따른 투자액 확대로 영업이익은 20.9% 하락했다. 구체적으로 네이버 플랫폼 매출은 1조 9484억원, 파이낸셜 플랫폼은 4877억원, 글로벌 도전은 1조 364억원으로 집계됐다. 플랫폼 매출은 AI 수익화 확장에 따른 광고 매출 성장과 멤버십을 중심으로 한 구매 확대가 성장을 견인했다. 서비스 매출 성장에는 커머스 생태계 확대가 주효했다. 파이낸셜 플랫폼은 외부 결제액 증가에 따른 Npay 결제액 확대로 매출이 상승했다. 글로벌 도전 영역은 왈라팝 편입 효과와 포시마크, 소다 등 소비자 간 거래(C2C) 서비스 선전, 엔터프라이즈 매출 증가로 성장세를 지속했다. '실행형' 내세운 개인형 AI 에이전트…美·日서도 서비스 네이버는 연내 '실행력'을 특장점으로 한 개인형 AI 에이전트 앱을 내놓는 것을 목표로 한다. 네이버의 개인형 AI 에이전트는 응용 프로그램 인터페이스(API)를 통해 검색·쇼핑·플레이스 등 자체 서비스와의 연결로, 이용자의 요구사항을 정확하게 이해해 실행으로 옮긴다는 점이 핵심이다. 메타 AI 에이전트 뮤즈와 같이 이용자가 원하는 작업을 실제로 제공할 뿐만 아니라 자체 생태계나 외부 제휴를 활용해 빠르고 연결성 있는 경험을 강조하는 개인형 AI 에이전트를 지향한다. 여기에 향후 개인형 AI 에이전트 앱의 서비스 지역을 미국, 유럽, 일본으로 확장할 가능성을 시사했다. 최수연 대표는 “안전과 신뢰를 위해 결제, 예약 확정 등 주요 작업은 이용자가 직접 결정하고 메일의 발송과 일정 등록 등은 실행 확인을 거치도록 설계하고 있다”며 “이용자별 격리 공간과 데이터 암호화로 보안을 강화했고, 자체모델과 외부 모델을 역할에 따라 조합하되 이용자 대화는 네이버 모델이 담당하도록 구성했다”고 설명했다. 이어 “AI 에이전트가 이용자를 대신해 행동할 수 있도록 신뢰와 보안이 서비스 선택의 핵심 기준이 될 것”이라며 “오랜 기간 검색과 결제를 함께 운영해 온 자사의 신뢰 기반이 중요한 차별점이 될 것”이라고 내다봤다. AI팩토리 계약 용량, 2028년 목표 상회…특정 고객 의존도 낮춘다 엔비디아의 기술과 브룩필드의 자본 역량이 결합된 AI 팩토리는 내년 상용 서비스를 개시한다. 이때를 기점으로 매출은 순차적으로 발생할 예정이다. AI 팩토리 초기 고객과는 약 2조원 규모의 컴퓨팅 서비스 공급 계약을 체결했다. 고객은 미국의 AI 추론 기업으로, 계약을 전력 물량으로 환산하면 20MW 규모다. 현재까지 계약이 완료된 데이터센터 용량은 2028년까지의 목표 물량을 상회한다. 앞서 네이버는 내년 상반기부터 55MW 규모의 AI 팩토리를 가동하고 2028년까지 200MW 규모로 확대할 예정이라고 발표해왔다. 최 대표는 “그래픽처리장치(GPU) 장비 입고 후 신속하게 상용 서비스를 개시할 수 있으며 고객이 원하는 시점에 서비스를 제공해 수익화 시점도 앞당길 수 있을 것”이라며 “대형 고객과의 중장기 계약을 추진하는 동시에 성장 잠재력이 높은 글로벌 AI 기업으로 고객 기반을 확대해 특정 고객에 대한 의존도를 낮춰 안정성과 높은 수익성을 함께 확보해나갈 계획”이라고 밝혔다. 물류 전문 자회사 구축에 1조원 투자…사우디서 배송 로봇도 이외에도 네이버는 배송 경쟁력을 한 단계 끌어올리기 위해 물류 전문 자회사를 설립한다. 임차한 물류 센터를 중심으로 배송 인프라를 단계적으로 강화해 커머스와 물류가 긴밀하게 맞물리는 구조를 구축해 나간다. 최 대표는 “2030년까지 1조원에 가까운 투자가 필요할 것으로 예상되지만 적절한 조달 방식과 수익 구조 마련을 통해 현금 흐름이나 손익에 미치는 영향을 제한적으로 설계할 예정”이라며 “쇼핑의 검색·주문 데이터를 바탕으로 수요를 미리 예측하고 재고를 이용자 가까이 배치해 같은 인프라로도 보다 빠르고 효율적인 배송을 구현하겠다”고 강조했다. 디지털 트윈 사업에 박차를 가하고 있는 사우디아라비아에서는 내년 상반기 출시를 목표로 실외 배송 로봇 서비스를 준비 중이다. 네이버랩스가 개발한 첫 실외 배송 로봇 '누리'를 선보일 예정이며, 현지에서 구축해온 디지털 트윈 데이터와 로봇 기술을 결합해 현지 주거 단지 환경에 맞는 배송 서비스를 실현한다. 나아가 네이버는 배송 로봇을 현지 지도 서비스 발라디 플러스와도 연계해 지도에서의 검색과 예약 주문이 실제 배송까지 이어지는 서비스로 확장할 계획이다. 최 대표는 “사우디에 구축한 디지털 트윈과 지도, 커머스, 예약 서비스에 로봇까지 연결하며 디지털 공간에서 시작된 서비스를 현실 공간까지 확장하는 새로운 스마트 시티 서비스 모델을 만들어 나가겠다”고 부연했다.

2026.11.12 16:07박서린 기자

와이즈넛, 쇼핑엔티에 말 통하는 'AI 쇼핑 비서' 구축

와이즈넛이 T커머스 채널 '쇼핑엔티'에 상품 검색부터 추천, 배송 조회까지 한 번의 대화로 처리하는 인공지능(AI) 쇼핑 서비스를 구축한다. 고객 이용 데이터를 활용한 개인화 기능을 강화하고 쇼핑 과정 전반을 AI 에이전트로 통합한다는 구상이다. 와이즈넛은 쇼핑엔티 운영사 티알엔 '에이전틱 AI 솔루션 구축' 사업을 수주하고 본격 착수했다고 12일 밝혔다. 이번 사업은 쇼핑엔티 모바일·PC 채널을 AI 에이전트로 통합하고 티알엔이 고객 이용 데이터를 직접 확보·활용할 수 있는 기반을 마련하는 것이 목표다. 티알엔이 AI 서비스를 자체 운영하고 개선할 수 있는 환경도 구축한다. 와이즈넛은 AI 쇼핑 어시스턴트와 검색 서비스, 영상 요약, 상품평 분석, 개인화 상품 추천 등 5개 서비스를 개발한다. 방송 상품을 1분 분량 영상으로 자동 요약하고 고객 리뷰에서 장단점을 추출하거나 상품 추천 근거를 제공하는 기능 등이 포함된다. 전체 서비스는 2027년 1분기 출시 예정이다. 핵심은 상품 탐색부터 배송 조회까지 한 번의 대화로 처리하는 '원 다이얼로그 커머스(One-Dialogue Commerce)' 기반 AI 쇼핑 어시스턴트다. 와이즈넛은 검색증강생성(RAG) 솔루션 '와이즈 아이랙(WISE iRAG)'과 도메인 특화 거대언어모델(LLM) '와이즈 로아(WISE LLOA)'를 적용한다. AI 에이전트가 고객 의도에 따라 검색과 추천, 주문 조회, 자주 묻는 질문(FAQ) 등 필요한 기능을 판단해 실행하도록 구현할 계획이다. 구매를 중단할 가능성이 감지되면 프로모션이나 쿠폰 정보도 자동으로 안내한다. 티알엔은 AI 에이전트 제작·관리 도구 '와이즈 에이전트 랩스(WISE Agent Labs)'를 활용해 서비스 제작부터 이용 현황 분석까지 직접 관리할 수 있게 된다. 강용성 와이즈넛 대표는 "이번 사업은 AI 에이전트가 단순 응답을 넘어 고객 맥락을 이해하고 먼저 제안하는 쇼핑으로 나아가는 전환점"이라며 "26년간 축적해 온 AI 기술력과 커머스 사업 노하우를 바탕으로 티알엔이 AI 서비스를 직접 운영하며 고도화할 수 있도록 지원하겠다"고 말했다.

2026.11.12 15:48이나연 기자

위세아이텍, 데이터 분석·보고서 작성 AI로 SW 어워즈 수상

위세아이텍이 데이터 분석부터 차트 생성, 보고자료 작성까지 지원하는 인공지능(AI) 솔루션으로 소프트웨어 어워즈에서 상을 받았다. 복잡한 분석 도구를 다루지 않아도 대화로 필요한 정보를 찾고 업무에 활용할 수 있도록 설계한 제품이다. 위세아이텍은 대화형 AI 기반 비즈니스 인텔리전스(BI) 솔루션 '와이즈인텔리전스'가 '2026 제12회 글로벌 인텔리전트 SW 어워즈' 상용 소프트웨어 부문에서 공공부문발주자협의회장상을 수상했다고 12일 밝혔다. 시상식은 정부세종컨벤션센터에서 열린 'GIX 2026' 행사에서 진행됐다. 와이즈인텔리전스는 기업과 공공기관이 보유한 데이터를 수집하고 분석해 필요한 정보를 찾아주는 솔루션이다. 데이터 준비부터 분석과 시각화, 보고자료 작성까지 하나의 환경에서 지원한다. 이 솔루션은 AI 에이전트 'AI 버틀러(AI Butler)'를 통해 데이터 분석 과정을 자동화한다. 사용자가 자연어로 질문하면 필요한 데이터를 찾아 분석 주제를 추천하고, 결과에 맞는 차트와 대시보드를 생성한다. 분석 결과를 보고자료로 정리하는 기능도 제공한다. AI가 데이터에서 주요 변화와 특징을 찾아 요약하고 발표자료 초안을 작성한다. 담당자는 이를 검토하고 수정해 실제 업무에 활용할 수 있다. 여러 시스템에 흩어진 데이터를 통합하는 기능도 갖췄다. 데이터 추출·변환·적재(ETL) 기능을 내장해 별도 프로그램 없이 데이터를 수집하고 정제한 뒤 분석에 활용하도록 지원한다. 위세아이텍은 이를 통해 기업이 데이터 분석에 필요한 여러 도구를 오가는 부담을 줄이고, 분석 결과를 실제 업무에 활용하는 과정까지 간소화할 수 있다고 설명했다. 공공기관과 금융회사 등 보안 요구가 높은 환경을 고려한 기능도 적용했다. 사용자별 접근 권한을 설정하고 데이터 조회와 시스템 이용 기록을 관리할 수 있다. 외부망과 연결되지 않은 폐쇄망에서도 기관 보안 정책에 맞춰 운영하도록 설계됐다. AI가 데이터에 접근할 때도 기존 사용자 권한을 적용한다. 데이터 조회 명령을 검증하고 사용자 승인 절차를 거치도록 해 AI가 허용되지 않은 정보에 접근하거나 작업을 수행할 위험을 줄인다. 위세아이텍은 앞으로 데이터 분석과 AI 에이전트 기능을 결합해 공공기관과 기업의 AI 전환(AX) 수요에 대응할 계획이다. 김다산 위세아이텍 대표는 "앞으로도 BI와 AI, 데이터 처리 기술을 유기적으로 결합해 공공기관과 기업이 데이터를 보다 효율적으로 활용하고 AX를 추진할 수 있도록 제품 경쟁력을 강화해 나가겠다"고 말했다.

2026.11.12 15:41김동원 기자

레드햇, 기업 내부 표준 따르는 AI 개발 지원

레드햇이 기업 내규·정보에 맞게 소프트웨어를 만드는 인공지능(AI) 개발 환경을 구축했다. 레드햇은 미국 솔트레이크시티에서 열린 '쿠브콘·클라우드네이티브콘 북미 2026'에서 '레드햇 개발자 허브 2.1'을 공개했다고 12일 밝혔다. 이 제품은 오픈소스 프로젝트 '백스테이지' 기반 기업용 개발자 포털로, 이달 중 정식 출시될 예정이다. 개발자 허브는 기업이 운영하는 소프트웨어 목록과 문서, 운영 데이터 등을 개발자와 AI 에이전트에 제공한다. 에이전트는 기업이 미리 정한 소프트웨어 서식과 작업 절차를 활용해 애플리케이션을 개발할 수 있다. 플랫폼 관리팀은 이를 통해 에이전트가 사내 표준에 따라 작업하는지 관리하고 작업 과정을 추적할 수 있다. AI 도구와 에이전트는 외부 시스템 연결 규약인 '모델 컨텍스트 프로토콜(MCP)'로 포털 정보와 기능을 활용한다. 기업이 정한 개발 절차를 실행하거나 쿠버네티스 배포 문제를 점검하는 데 쓸 수 있다. 레드햇은 포털에 내장된 AI 도우미도 개선했다고 밝혔다. 도우미는 사내 지식을 참고해 질문에 답하고 개발자를 대신해 승인된 작업을 수행한다. 개발자가 보고 있는 화면까지 분석해 문제 해결을 돕는 기능은 개발자 미리보기로 제공하며 사용자가 선택적으로 켤 수 있다. 플랫폼 관리팀은 AI 모델과 에이전트, 연결 서버를 관련 규칙과 함께 목록에 등록할 수 있다. 개발자는 필요한 AI 자원을 한곳에서 찾고 관리팀은 각 자원의 소유권과 운영 주기, 관리 정책을 일관되게 적용할 수 있다. AI 코딩 에이전트가 명령어로 사내 소프트웨어 목록과 개발 모범 사례에 접근하는 기능은 커뮤니티 미리보기로 먼저 제공한다. 레드햇은 향후 기업용 기술 지원도 제공할 예정이다. 제품 지원 기간은 기존 6개월에서 10개월로 늘렸다. 레드햇은 기업이 업그레이드 일정을 유연하게 정할 수 있도록 하고 포털의 확장 기능과 화면 구성을 쉽게 바꿀 수 있도록 관련 구조도 개선했다. 발라지 시바수브라마니안 레드햇 개발자 도구 부문 제품 총괄은 "기업이 에이전틱 소프트웨어 개발로 전환하면서 AI 에이전트에 조직 표준에 맞춰 소프트웨어를 개발하는 데 필요한 기업 내부 정보와 가드레일이 요구되고 있다"며 "레드햇 개발자 허브 2.1은 개발자와 AI 에이전트가 이런 정보를 안전하고 체계적으로 활용할 수 있는 기반을 제공한다"고 말했다.

2026.11.12 13:27김미정 기자

KT, AI UX 디자인 시스템 'KDS 2.0' 구축

KT가 AI 사용자 설계(UX) 디자인 시스템 KDS 2.0을 도입해 개발 속도를 단축하고 가입자 서비스 전반 일관성을 강화했다. KT는 AI 활용 기능을 강화한 UX 디자인 시스템 KDS 2.0을 구축했다고 12일 밝혔다. KDS는 KT 디지털 서비스에 적용되는 화면 구성, 디자인 요소, 안내 문구 등의 공통 기준으로, 2.0은 AI가 기준을 직접 활용할 수 있다. KDS 하네스를 통해 AI가 화면 구성과 점검을 지원하면서, AI 모델 플랫폼 토큰팩토리 개발 기간을 기존 약 8개월에서 2.4개월로 단축했다. 마이케이티와 KT닷컴 등 주요 가입자 접점에도 공통 디자인이 적용돼 일관된 이용 경험을 제공하고 있다. 지난 10월 도입된 메시지 생성 에이전트는 핵심 내용 입력만으로 문구 작성, 검수, RCS 이미지 추천, 다국어 자동 번역을 지원한다. 작성 시간을 5분 이내로, 번역을 30초 만에 완료하는 등 업무 효율을 극대화했다. 월 약 1억 7000만 건에 달하는 안내 메시지 체계도 개선했다. 통신 용어인 선납과 종량 과금을 각각 미리 납부, 사용한 만큼 요금 청구 등 직관적 표현으로 바꿨다. KT는 오는 20일 전 채널의 문구를 점검하는 가입자 언어 에이전트도 선보인다. 향후 외부 협력사와 AI 디바이스까지 KDS 적용 범위를 점진적으로 확대할 계획이다. 원만호 KT AX플랫폼본부장은 “앞으로도 AX 적용 범위를 넓혀 쉽고 일관되며 신뢰할 수 있는 하나의 KT 경험을 만들겠다”고 밝혔다.

2026.11.12 12:44홍지후 기자

솔트룩스, 국가기록 검색에 AI 입힌다…맥락까지 파악

솔트룩스가 인공지능(AI)을 활용해 검색어뿐 아니라 기록 맥락까지 파악하는 국가기록원 지능형 검색 기술 개발에 나섰다. 솔트룩스는 국가기록원 'AI 기반 지능형 기록정보 검색 솔루션 개발 및 실증 사업'을 추진하고 있다고 12일 밝혔다. 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 주관하는 부처협업 기반 AI 확산 사업으로 국가기록 접근성과 활용도를 높이는 것이 목표다. 기존 국가기록 검색은 이용자가 직접 검색어를 입력하고 관련 기록물을 일일이 확인해야 하는 방식이었다. 솔트룩스는 자연어 질문만으로 관련 기록을 탐색하고 내용을 종합해 답변과 원문 근거를 함께 제공하는 검색 서비스를 개발하고 있다. 현재까지 약 2380만 건 기록물 목록과 54만여 건 원문 데이터를 색인했다. 원문은 검색에 활용할 수 있도록 작은 단위인 청크(Chunk)로 분할했으며 온톨로지 기반 지식그래프를 활용해 기관과 정책, 업무, 기록물 사이 관계를 연결하고 있다. 핵심 기술은 자체 AI 모델 '루시아(LUXIA)'와 온톨로지, AI 에이전트 결합이다. 이용자 질문 의도를 분석하고 기록이 작성된 배경과 관련 기관·정책 간 관계까지 고려해 검색 결과를 제공하도록 설계했다. 기관명이 변경됐거나 같은 정책이 서로 다른 명칭으로 기록된 경우에도 관련 자료를 탐색할 수 있다. 과거 '정부기록보존소'가 현재 국가기록원으로 이어진 사례처럼 기관 변천 이력과 정책 간 관계를 활용해 검색 정확도를 높이는 방식이다. 생성형 AI 환각(할루시네이션) 문제를 줄이기 위한 기술도 적용했다. AI가 답변을 생성할 때 실제 기록 원문을 근거로 제시하도록 설계해 이용자가 정보 출처를 확인할 수 있도록 했다. 솔트룩스는 현재 데이터 구축과 AI 에이전트 검색 기능에 대한 통합 검증을 진행하고 있다. 이달 중 시험·인증과 국가기록원 내 실증 환경 개방을 추진하고 이후 현장 이용자 의견을 반영해 검색 정확도와 서비스 품질을 개선할 계획이다. 이경일 솔트룩스 대표는 "국가기록은 단순 문서 집합이 아니라 국가 정책과 행정, 역사가 축적된 중요한 지식 자산"이라며 "온톨로지와 AI 에이전트 기술을 기반으로 방대한 기록 속에 담긴 의미와 관계까지 AI가 이해하고, 국민 누구나 필요한 정보를 신뢰할 수 있는 근거와 함께 활용할 환경을 만들겠다"고 말했다.

2026.11.12 11:21이나연 기자

네이버 "AI 팩토리 2조원 규모 계약...美 중간선거 결과 불리하지 않아"

네이버가 연내 출시를 목표로 한 개인형 인공지능(AI) 에이전트 앱 서비스 지역의 해외 확장 가능성을 내비쳤다. 미국·유럽·일본 등이 대상이며, 인공지능(AI) 팩토리 초기 고객과는 20MW, 2조원 규모의 계약을 체결했다. 미국 중간선거 결과 영향에 관해서는 불리하지 않은 상황으로 조심스럽게 예측했다. 최수연 대표는 12일 네이버 3분기 실적발표 컨퍼런스 콜에서 “일본과 미국, 유럽에도 다양한 생태계를 갖고 있고 자사 에이전트 환경이 서비스적으로도 강점을 가지고 있다고 판단하고 있어 향후 글로벌 서비스로도 확장할 수 있을 것”이라고 말했다. 이날 네이버는 이용자를 대신해 실제 작업을 수행하는 개인형 AI 에이전트 앱을 준비 중이라고 밝혔다. 네이버는 자체 개인형 AI 에이전트의 핵심 경쟁력으로 응용 프로그램 인터페이스(API)를 기반으로 검색·쇼핑·플레이스 등 자사 플랫폼의 연결을 통해 정확하게 이해한 이용자의 요구사항을 실행으로 효율적으로 연결한다는 점을 제시했다. 최 대표는 “데이터센터에서 데이터를 비공개로(프라이빗하게) 보관하고 관리할 것이기 때문에 자사가 가진 신뢰도가 앞으로 외부 브라우저 환경으로 생태계를 넓히는 데 강점으로 작용할 것”이라고 말했다. 네이버는 사용자가 목표를 설정하면 이메일 발송·예약·쇼핑 등 실제 작업을 수행하는 메타 AI 에이전트 '뮤즈'가 지원하는 기능들을 제공하는 데 더해, 자체 생태계나 외부 제휴를 활용해 빠르고 연결성 있는 경험을 강조하는 개인형 AI 에이전트를 지향한다. 브룩필드, 엔비디아와의 협력을 통해 구축하는 AI 팩토리의 초기 고객과는 대략 2조원 규모의 컴퓨팅 서비스 공급 계약을 체결했다. 이는 전력 물량으로 환산하면 약 20MW 규모다. 고객은 미국 AI 추론 기업이다. 김희철 최고재무책임자(CFO)는 “최소 10개 이상의 업체들과 협업 계약에 대한 논의를 하고 있기 때문에 순차적으로 계약 성사 발표를 할 수 있을 것”이라고 내다봤다. 앞서 언급한 20MW 규모의 계약은 4~5년간 순차적으로 공급될 예정이며 내년부터 영업이익에 마진이 발생할 전망이다. 마진 규모는 점차 증가해 내후년부터는 두 자릿수를 상회할 것이라고 진단하기도 했다. 아울러, 네이버는 현재 AI 데이터센터 시장 환경을 두고 엔비디아의 최신 그래픽처리장치(GPU) 베라 루빈과 이를 수용할 수 있는 수냉식 상면이 부족하다고 분석했다. 반면 네이버는 초기에 확보한 한국의 상면이 원가적으로 유리하다고 보고 있다. 김 CFO는 “미국의 중간선거가 일주일 정도 경과해 상황은 지켜봐야겠지만, 자사에게 결코 불리하지 않은 상황이라고 이해하고 있다”면서 “앞으로의 계약 체결에 있어서도 훨씬 유리한 조건이 될 수 있는 상황이라고 본다”고 부연했다. 네이버의 올해 3분기 연결 기준 매출은 3조4724억원으로 전년 동기 대비 10.7% 증가했다. 반면 영업이익은 AI 인프라와 콘텐츠 등에 대한 투자 확대 영향으로 20.9% 감소한 4513억원을 기록했다. 사업 부문별 매출은 네이버 플랫폼 1조9484억원, 파이낸셜 플랫폼 4877억원, 글로벌 도전 1조364억원으로 각각 전년 동기 대비 7.3%, 14.1%, 15.9% 증가했다.

2026.11.12 10:57박서린 기자

[AI는 지금] 틱톡 만든 中 바이트댄스, '뮤즈' 대항마 예고

틱톡 모회사 바이트댄스가 메타 '뮤즈(Muse)'와 유사한 인공지능(AI) 에이전트를 수주 내 선보인다. 영상 생성 AI 시장에서 확보한 경쟁력을 바탕으로 사업 영역을 확대하고 오픈AI와 앤트로픽 등 미국 선두 AI 기업과 기술 격차를 좁히겠다는 전략이다. 11일(현지시간) 블룸버그통신에 따르면 장이밍 바이트댄스 공동창업자는 최근 AI 조직 전체 회의에서 신규 AI 에이전트 출시 계획과 중장기 기술 개발 목표를 공유했다. 연구원과 엔지니어 등 직원들이 참석한 비공개 회의에서 장 창업자는 미국 AI 기업과 경쟁할 수 있는 기술력을 확보하려면 최소 2029~2030년까지 시간이 필요하다는 견해를 밝혔다. 바이트댄스가 준비 중인 AI 에이전트는 메타가 지난 9월 공개한 뮤즈와 유사한 형태로 알려졌다. 뮤즈는 음성 대화와 애니메이션 아바타를 결합해 이용자의 다양한 작업을 지원하는 서비스다. 메타는 스마트안경을 비롯한 하드웨어 제품에 뮤즈를 적용하고 있으며 전용 기기 출시도 준비하고 있다. 장 창업자는 미국 기업들과 기술 격차를 설명하면서 학습 데이터 규모 차이를 언급했다. 바이트댄스 AI 연구조직 시드(Seed)가 개발하는 대규모언어모델(LLM)이 최첨단 경쟁 모델보다 훨씬 적은 데이터로 사전학습되고 있다는 판단에서다. 다른 기업 대형 모델이 생성한 결과물을 활용해 소형 모델을 학습시키는 '증류(Distillation)' 방식에 의존해서는 안 된다는 입장도 재확인했다. 단기적인 성능 개선보다 독자적인 기술 경쟁력을 확보하는 데 집중해야 한다는 취지다. 바이트댄스는 영상 생성 AI 분야에서 상대적으로 강한 경쟁력을 확보하고 있다. 대규모 영상 데이터를 활용해 개발한 '시댄스(Seedance)' 시리즈를 상용화했으며 최대 700억 달러 규모 AI 투자도 검토하고 있다. 반면 범용 언어모델에서는 미국 기업과 격차가 있다. 바이트댄스는 지난 6월 '시드 2.1'을 공개하면서도 고난도 개방형 과제와 첨단 연구 문제 해결 능력에는 개선 여지가 있다고 인정했다. 지난 8월에는 최대 10조 매개변수를 갖춘 차세대 모델을 학습하고 있다는 보도도 나왔다. 기술력 확보를 위한 인재 영입과 조직 확대도 병행하고 있다. 지난해 구글 딥마인드에서 영입한 우융후이가 이끄는 바이트댄스 시드에는 약 1000명 연구원과 엔지니어가 소속돼 있다. 지난달에는 중국 주요 AI 연구소 중 처음으로 안전성과 정렬을 전담하는 독립 조직을 신설하고 핵심 연구원 약 10명을 채용했다. 장 창업자는 현재 경영 일선보다 AI 전략 수립에 상당한 시간을 할애하고 있는 것으로 전해졌다. 블룸버그는 이번 내부회의 발언이 딥시크 등에 내준 AI 기술 주도권을 되찾으려는 장 창업자의 장기적인 구상을 보여준다고 평가했다.

2026.11.12 10:34이나연 기자

네이버 "55MW 규모 AI 팩토리, 내년 상반기 상용화…물류 자회사 설립도"

네이버가 엔비디아, 브룩필드와의 협력을 바탕으로 인공지능(AI) 팩토리 사업에서 의미있는 매출과 이익 성과를 만들어나가겠다는 자신감을 드러냈다. 연내 AI 추천을 실제 거래로 연결하는 개인형 AI 에이전트 출시도 앞두고 있다. 최수연 네이버 대표는 12일 네이버 3분기 실적발표 컨퍼런스 콜에서 “AI 팩토리 사업을 본격적으로 실행하기 위한 기반을 탄탄히 쌓고 있다”며 “브룩필드의 컴퓨팅 인프라 투자 계약과 엔비디아의 유상증자 참여가 모두 완료됐다”고 말했다. 네이버의 AI 인프라 운영과 서비스 역량에 엔비디아의 기술과 글로벌 생태계, 브룩필드의 자본 역량이 결합되면서 초기 자본 부담을 최소화하고 자본 효율성과 사업 실행력을 함께 갖춘 구조를 완성했다는 것이다. AI 팩토리에 대한 매출은 내년 상반기 상용 서비스 개시 시점과 함께 순차적으로 발생한다. 특히, 네이버는 한 고객에게 의존하는 구조를 방지하기 위해 초기 고객 구성을 전략적으로 접근하고 있다. 최 대표는 “대형 고객과의 중장기 계약을 추진하는 동시에 성장 잠재력이 높은 글로벌 AI 기업으로 고객 기반을 확대해 특정 고객에 대한 의존도를 낮춰 안정성뿐만 아니라 높은 수익성도 함께 확보해나갈 계획”이라고 설명했다. 또 네이버는 현재까지 계약이 완료된 데이터센터 용량이 2028년까지의 목표 물량을 상회한다고 밝혔다. 회사는 내년 상반기부터 55MW 규모의 AI 팩토리를 가동하고 2028년에는 200MW까지 규모를 늘릴 예정이라고 공시해왔다. 여기에 네이버는 연내 출시를 목표로 이용자를 대신해 실제 작업을 수행하는 새로운 개인형 AI 에이전트 앱을 준비 중이다. 네이버는 새로운 개인형 AI 에이전트의 차별점으로 AI의 추천을 실제 행동과 거래로 연결하는 '실행력'을 꼽았다. 최 대표는 “개인형 AI 에이전트는 이용자가 필요한 정보를 직접 찾는 것을 넘어 필요한 일을 미리 챙기거나 번거로운 작업을 대신 수행하는 새로운 사용성을 제공하고자 한다”며 “기존 검색의 진화를 이어나가는 동시에 새로운 이용자층을 확보하고 수익화 기회도 만들어나가겠다”고 덧붙였다. 네이버는 향후 외부 파트너와의 공식 연동 및 제휴도 단계적으로 확대해 개인형 AI 에이전트가 실행할 수 있는 서비스 범위를 자사 플랫폼 밖으로 넓힐 계획이다. 아울러, 네이버는 커머스와 물류가 긴밀하게 맞물리는 구조를 만들어나가기 위해 물류 자회사를 설립한다. 쇼핑의 검색 주문 데이터를 바탕으로 수요를 미리 예측하고 재고를 이용자 가까이 배치해 같은 인프라로도 보다 빠르고 효율적인 배송을 구현한다는 복안이다. 네이버는 최근 사우디아라비아에서 선보인 현지 지도 서비스 발라디 플러스에 이어 내년 상반기 출시를 목표로 실외 배송 서비스를 준비 중이다. 네이버랩스가 개발한 실외 배송 로봇 '누리'이며, 사우디아라비아에서 구축해온 디지털트윈 데이터와 로봇 기술을 결합해 현지 주거 단지 환경에 맞는 배송 서비스를 구현한다. 향후에는 누리를 발라디 플러스와 연계해 지도에서의 검색과 예약 주문이 실제 배송으로 이어지도록 서비스를 확장한다. 이밖에도 파이낸셜 플랫폼 영역에서는 내년 상반기 오프라인 통합 단말기 시장에서 활성 단말기 기준 국내 1위 사업자로 도약한다. 최 대표는 “앞으로 네이버는 AI 팩토리를 통한 신규 사업은 물론 온오프라인 생태계를 아우르는 핵심 산업 전반의 경쟁력을 높여 이용자와 파트너, 주주 모두에게 의미있는 성장의 기회를 만들어나갈 것”이라고 밝혔다. 네이버의 올해 3분기 연결 기준 매출은 3조4724억원으로 전년 동기 대비 10.7% 증가했다. 반면 영업이익은 AI 인프라와 콘텐츠 등에 대한 투자 확대 영향으로 20.9% 감소한 4513억원을 기록했다. 사업 부문별 매출은 네이버 플랫폼 1조9484억원, 파이낸셜 플랫폼 4877억원, 글로벌 도전 1조364억원으로 각각 전년 동기 대비 7.3%, 14.1%, 15.9% 증가했다.

2026.11.12 10:16박서린 기자

[기고] AI 에이전트에게 20년 된 시스템을 맡길 수 있을까

최근 여러 기업 인공지능 전환(AX) 프로젝트를 접하면서 한 가지 아쉬움을 느낀다. 어떤 AI를 도입할지, AI 에이전트를 어디에 적용할지에 대한 관심은 높아졌지만 정작 AI가 연결돼 일해야 할 기존 시스템을 얼마나 제대로 이해하고 있는지에 대한 고민은 상대적으로 부족하다. 예를 들어 고객이 AI 에이전트에게 "어제 주문한 상품을 취소해 주세요"라고 요청한다고 생각해 보자. 겉으로 보기에는 AI가 기존 시스템의 주문 취소 기능을 호출하면 끝날 것처럼 보인다. 하지만 실제 시스템에서는 이야기가 달라진다. 하나의 주문 취소 업무 안에는 결제 환불, 재고 복구, 포인트 회수, 배송 중지 등 여러 기능이 복잡하게 연결돼 있을 수 있다. 어떤 데이터가 변경되는지, 처리 중 오류가 발생하면 어디까지 되돌려야 하는지, 다른 업무에는 어떤 영향을 미치는지 명확하지 않은 경우도 적지 않다. 그렇다면 이런 시스템에 주문 취소 권한을 AI에게 맡겨도 괜찮을까? 결국 중요한 것은 AI가 주문을 취소할 능력이 있느냐가 아니다. 우리가 AI에게 맡기려는 업무를 얼마나 정확하게 이해하고 있고 그 실행 결과를 얼마나 신뢰할 수 있느냐의 문제다. AI보다 먼저 마주하는 오래된 시스템의 벽 기업 업무 시스템은 하루아침에 만들어지지 않는다. 10년, 20년 동안 새로운 요구사항을 반영하고 기능을 추가하면서 지금의 모습으로 발전해 왔다. 그 과정에서 처음에는 독립적이었던 기능들이 서로의 데이터를 참조하고 하나의 기능이 여러 업무를 동시에 처리하면서 구조는 점점 복잡해진다. 더 큰 문제는 이러한 구조를 정확하게 설명할 수 있는 자료가 충분하지 않다는 것이다. 설계 문서는 오래전에 작성됐지만 실제 시스템은 수차례 변경돼 문서와 다른 모습으로 운영되기도 한다. 결국 소스코드를 다시 분석하거나 오랫동안 유지보수를 담당한 개발자의 경험과 기억에 의존하는 경우가 많다. 이전에 진행했던 프로젝트에서 우리가 검증 목적으로 분석했던 한 ERP 시스템에는 74개 화면과 275개 기능(API)이 있었다. 분석 결과 서로 다른 업무 영역의 경계를 넘나드는 기능은 7개였는데 흥미롭게도 모두 데이터를 변경하는 기능이었다. 전체 기능에서 차지하는 비중은 크지 않았다. 하지만 이런 소수 기능이 시스템의 복잡성과 변경 위험을 높이는 요인이 될 수 있었다. 사람이 직접 업무를 처리할 때는 경험과 업무 지식을 바탕으로 예외 상황에 대응할 수 있다. 하지만 AI 에이전트가 업무를 수행하려면 조건이 달라진다. "이 기능은 무엇을 하는가?", "어떤 데이터를 책임지는가?", "다른 업무와 어떻게 연결되는가?", "실패했을 때 어떻게 복구해야 하는가?" 이 질문에 답할 수 있어야 AI에게 실제 업무를 맡길 수 있다. AI가 일하려면 시스템도 달라져야 한다 AI 기술은 빠르게 발전하고 있다. 새로운 모델과 에이전트가 등장하면서 AI가 수행할 수 있는 기업 업무 범위도 넓어지고 있다. 하지만 기업의 기존 시스템은 이러한 변화에 빠르게 대응하기 어려운 경우가 많다. 하나의 기능을 변경하려 해도 다른 업무에 어떤 영향을 미치는지 확인해야 하고 작은 수정에도 시스템 전체를 다시 검증해야 하는 경우가 있다. 이런 문제를 경험하면서 효과적인 AX를 위해서는 단순히 AI를 기존 시스템에 연결하는 것을 넘어 AI가 필요한 업무 기능을 명확하게 이해하고 호출할 수 있는 구조가 필요하다고 생각하게 됐다. 그 과정에서 주목한 것이 마이크로서비스 아키텍처(MSA)였다. MSA는 하나의 거대한 시스템을 업무 특성에 따라 독립적인 서비스로 구성하고 각 서비스가 자신의 업무와 데이터를 책임지도록 하는 방식이다. 하지만 시스템을 잘게 나눈다고 문제가 해결되는 것은 아니다. 실제 MSA 전환 프로젝트에서는 기존 시스템을 어떤 기준으로 나눌 것인지, 각 서비스가 어떤 데이터를 책임져야 하는지 결정하는 과정 자체가 어렵다. 같은 시스템이라도 설계자의 경험과 판단에 따라 서비스의 경계가 달라질 수 있고 설계 단계에서는 독립적으로 나눴지만 실제 개발 과정에서는 여러 서비스가 다시 강하게 연결되는 일도 발생한다. 쿠버네티스나 CI/CD, 데브옵스 환경을 구축하는 것도 중요하다. 그러나 새로운 인프라 위로 시스템을 옮긴다고 기존 업무 구조까지 자동으로 개선되는 것은 아니다. 결국 중요한 것은 기존 시스템을 정확하게 분석하고 업무의 경계를 일관된 기준으로 찾아내며 그 설계가 실제 구현까지 제대로 이어졌는지 검증할 수 있느냐였다. 이러한 고민에서 'MuSAnga'가 시작됐다 처음부터 새로운 플랫폼을 만들려고 했던 것은 아니다. 여러 프로젝트를 수행하면서 비슷한 질문을 반복해서 마주했다. "왜 기존 시스템을 분석하는 데 매번 많은 시간이 필요한가?", "왜 비슷한 설계 과정을 반복하면서도 프로젝트마다 결과가 달라지는가?", "설계자가 바뀌어도 일관된 기준으로 시스템을 분석할 수는 없는가?", "우리가 만든 설계가 실제로 올바른지 확인할 방법은 없는가?" 이런 질문이 쌓이면서 하나의 생각에 이르렀다. "설계 방법론을 문서로만 남겨두지 말고 실제로 수행하고 검증할 수 있는 시스템으로 만들어보자" 이것이 'MuSAnga(뮤산가)'를 개발하게 된 출발점이다. MuSAnga는 기존 시스템의 소스코드와 데이터베이스 구조를 분석해 업무와 데이터 간 관계를 파악하고 이를 바탕으로 서비스 경계를 식별하는 과정을 체계화하려는 고민에서 시작됐다. 이 과정에서 AI는 방대한 소스코드를 분석하고 업무와 데이터 사이의 관계를 찾아내는 역할을 할 수 있다. 하지만 우리가 중요하게 생각한 것은 AI가 빠르게 답을 만들어내는 것만이 아니었다. 왜 그런 결과가 나왔는지 설명할 수 있어야 하고 그 설계가 실제로 타당한지 검증할 수 있어야 한다. AI가 제안한 결과를 사람이 이해하고 검증할 수 없다면 실제 기업의 핵심 시스템에 적용하기 어렵기 때문이다. MuSAnga가 기존의 단순 분석이나 설계 자동화 방식과 다른 지점도 여기에 있다. 레거시 시스템을 이해하는 것에서 시작해 업무 단위를 식별하고 AI 에이전트가 활용할 수 있는 시스템 구조로 이어지도록 하는 것이 우리가 해결하고자 하는 문제다. 결국 AX 출발점은 시스템을 이해하는 일이다 앞으로 AI 에이전트가 기업의 실제 업무를 수행하는 영역은 더욱 확대될 것이다. 그럴수록 기업은 "어떤 AI를 도입할 것인가"와 함께 "우리 시스템은 AI에게 일을 맡길 준비가 돼 있는가"를 질문해야 한다. AX는 기존 시스템에 AI를 붙이는 것으로 끝나서는 안 된다. AI가 기업의 실제 업무를 안정적으로 수행하려면 업무 경계와 데이터의 책임이 명확해야 하고 필요한 기능을 AI가 안전하게 활용할 수 있는 구조가 준비돼 있어야 한다. MuSAnga를 개발하게 된 이유도 결국 여기에 있다. 이번 글에서는 왜 이런 고민을 시작하게 됐는지 이야기했다. 다음 글에서는 한 단계 더 들어가 MuSAnga가 기존 레거시 분석과 MSA 전환 방식과 무엇이 다른지, 복잡하게 얽혀 있는 시스템에서 어떻게 업무의 경계를 찾아내고 AI 에이전트가 활용할 수 있는 구조로 만들어가는지 이야기해 보려 한다. 이후에는 실제 기업의 시스템에서 이를 어떻게 활용할 수 있는지, 그리고 PoC와 적용 과정에서 어떤 경험과 인사이트를 얻었는지도 차례로 다뤄볼 예정이다.

2026.11.12 09:55우한규 컬럼니스트

"서류검증부터 연봉협상까지 돕는다”…사람인, 'AI 채용 에이전트' 출시

사람인이 서류 검토부터 면접 평가, 최종 처우 협의에 이르는 채용 전 과정을 일괄 지원하는 통합 솔루션 'AI 채용 에이전트'를 출시했다. 12일 회사에 따르면, 올해 구직자용 '커리어 매칭 에이전트'와 후불제 채용 상품 특화 서비스 '에이전트 핏'을 연이어 선보인 사람인은 이번 신제품을 통해 일반 기업 고객을 위한 전 주기 채용 비서 체계를 완성했다. AI 채용 에이전트는 단순 반복 업무를 대체하는 도구를 넘어 인사담당자가 결정적인 순간마다 확신을 갖고 의사결정을 내릴 수 있도록 돕는 실무 파트너를 지향한다. 채용 경험이나 기업 규모와 무관하게 방대한 지원서를 검토·평가할 때 AI가 도출한 명확한 근거를 토대로 신속하고 정확한 판단을 내릴 수 있도록 설계됐다. 구체적으로 채용 전형별 맞춤형 지원 기능을 갖췄다. 서류 전형에서는 채용 기준에 맞춰 후보자별 적합도를 정밀 분석하고, 이력서만으로 파악이 어려운 영역을 감지해 본면접 전 발송할 수 있는 검증용 사전 질문을 추천한다. 면접 단계에서는 역량 심층 검증 질문을 제안하는 한편, 실제 면접 내용을 토대로 평가표 초안을 자동 생성해 면접관의 최종 판단을 뒷받침한다. 까다로운 처우 협의 과정에서도 후보자 처우 정보를 수집해 직무·연차별 시장 데이터와 함께 일목요연하게 비교·정리해준다. 각 전형에서 축적된 데이터를 하나의 종합 리포트로 통합 제공해 담당자가 후보자를 입체적으로 검토할 수 있도록 지원한다. 사람인 관계자는 “사람인은 축적된 데이터와 고도화된 AI기술을 기반으로 구직자와 기업 인사담당자 모두가 쉽고 편리하게 이용할 수 있는 서비스를 연이어 선보이며 AI 채용 플랫폼으로서의 지위를 확고히 해왔다”며 “이번 AI 채용 에이전트 출시를 기점으로, 향후 AI 인재 추천 서비스인 '인재풀'과 채용 광고 등 다양한 영역으로 AI 에이전트를 확대 적용해 기업의 채용 효율성을 극대화해 나갈 계획”이라고 밝혔다.

2026.11.12 08:43백봉삼 기자

에이전틱 AI가 바꿀 2027년…AI·클라우드 산업 성장 방향은

인공지능(AI)이 스스로 업무를 수행하는 에이전틱 AI로 진화하면서 클라우드 산업의 경쟁력도 변화하고 있다. AI 기술 개발과 인프라 확보를 넘어 실제 서비스에 기술을 적용하고 운영 효율을 높이는 역량이 중요해지는 가운데 국내 AI·클라우드 산업계가 새로운 성장 기회를 모색하기 위해 한자리에 모였다. 한국인공지능클라우드산업협회(KACI)는 서울 양재 엘타워에서 '제10회 AI-클라우드 리더스포럼'을 개최하고 에이전틱 AI 확산에 따른 산업 변화와 기업 대응 전략을 논의했다고 11일 밝혔다. 'AI-클라우드 2027 : 넥스트 웨이브'를 주제로 열린 이번 포럼은 AI와 서비스형 소프트웨어(SaaS)의 융합, 차세대 컴퓨팅 인프라 수요 등 2027년 AI·클라우드 산업 주요 변화를 살펴보고 새로운 사업 기회를 모색하기 위해 마련됐다. 행사에는 김봉균 한국인공지능클라우드산업협회장 겸 KT클라우드 대표를 비롯해 네이버클라우드, 카카오엔터프라이즈, 한컴, 이노그리드, 삼성SDS, 클러쉬 등 주요 기업 대표와 임원이 참석했다. 한국지능정보사회진흥원(NIA)과 한국전자통신연구원(ETRI) 등 유관기관 관계자도 함께했다. 이번 포럼에서는 AI 기술과 클라우드 인프라 투자가 실제 산업 혁신과 비즈니스 성과로 이어지기 위한 방안을 집중적으로 논의했다. 특히 AI 에이전트 확산에 따른 서비스 개발 방식 변화와 안정적인 AI 운영을 뒷받침할 추론 인프라의 중요성이 주요 의제로 다뤄졌다. 첫 번째 발표에 나선 김은주 NIA 본부장은 '에이전틱 AI 시대, 방향과 전략'을 주제로 AI 에이전트가 디지털 비즈니스 환경에 미칠 변화와 AI·SaaS 융합 전략을 소개했다. 김 본부장은 업무 특성에 따라 AI와 SaaS를 적절히 결합해야 한다고 설명했다. 정확한 계산이나 정해진 규칙에 따른 처리가 필요한 업무에는 SaaS를 활용하고 비정형 정보 분석과 맥락 이해가 필요한 업무에는 AI를 적용하는 방식이다. 특히 AI 에이전트가 두 기술을 연결하고 업무 흐름을 조율하는 구조를 제시했다. 이를 위한 주요 과제로는 에이전트를 등록·검색·활용할 수 있는 '에이전트 마켓플레이스', 여행·결제 등 생활 속에서 활용하는 '대표 체감형 에이전트 서비스', 테스트베드 기반 '에이전트 안전·신뢰 환경' 조성 등을 소개했다. 이어 정영범 퓨리오사AI 상무는 '퓨리오사 RNGD를 통한 AI 인프라 재정의'를 주제로 AI 추론 수요 증가에 대응하기 위한 인프라 혁신 방향을 발표했다. 정 상무는 AI 서비스 확산으로 연산 자원 수요가 늘면서 전력 효율과 추론 성능이 중요해지고 있다고 설명했다. 특히 퓨리오사AI의 AI 반도체 '레니게이드(RNGD)' 설계와 대규모언어모델(LLM) 서비스 적용 사례를 중심으로 제한된 전력 환경에서 AI 처리 효율을 높이는 기술을 소개했다. 또 기존 AI 소프트웨어와 클라우드 운영 환경의 호환성을 바탕으로 다양한 연산 자원을 활용할 가능성도 제시했다. AI 추론에 특화된 반도체와 소프트웨어 기술을 결합해 서비스 구축과 운영 효율을 높이는 방향이다. 참석자들은 발표 이후 마련된 네트워킹을 통해 AI·클라우드 산업 주요 현안과 협력 방안을 논의했다. 협회는 앞으로도 산업계 주요 기업과 유관기관이 정책·기술·시장 변화를 공유하고 협력할 수 있는 교류 기회를 확대할 방침이다. 김봉균 한국인공지능클라우드산업협회장은 "이제 AI 산업 경쟁은 단순히 기술을 개발하거나 인프라를 확보하는 것을 넘어 그 기술을 얼마나 효과적으로 연결하고 활용해 실질적인 산업 혁신과 비즈니스 가치로 만들어 내느냐에 달려 있다"고 강조했다. 이어 "우리 산업계 역시 변화의 흐름을 읽는 데 그치지 않고 새로운 기술과 시장을 선도하기 위한 차별화된 경쟁력과 협력 기반을 갖춰 나가야 할 것"이라며 AI 기술과 데이터, 인프라와 서비스를 연결하는 클라우드의 전략적 역할과 산업계 협력 중요성을 역설했다. 함재춘 한국인공지능클라우드산업협회 사무국장은 "AI-클라우드 리더스포럼은 산업계 주요 리더들이 정책과 기술·시장 변화를 공유하고 새로운 협력 기회를 모색하는 자리"라며 "앞으로도 산업계가 주목해야 할 핵심 이슈를 중심으로 기업과 유관기관 간 교류를 확대하고 국내 AI·클라우드 산업의 경쟁력 강화에 기여하겠다"고 밝혔다.

2026.11.11 14:33한정호 기자

"AI 에이전트가 돈값 할까"…시스코, 스플렁크로 기업 AI 비용 잡는다

[멜버른(호주)=장유미 기자] 시스코가 인공지능(AI) 에이전트의 운영 비용과 업무 성과를 통합 관리하는 시장 공략에 속도를 낸다. 기업의 AI 도입이 확산되면서 토큰 사용량과 비용 부담이 커지자 스플렁크의 데이터 분석 기술을 앞세워 AI 투자 효율을 높이고 새로운 사업 기회를 확보하겠다는 전략이다. 시스코는 10일 호주 멜버른에서 열린 '시스코 라이브 APJC 2026'에서 AI 에이전트의 비용과 업무 성과를 분석하고 운영 과정의 위험을 통제하는 신규 기술을 공개했다. 기존 코딩 에이전트에 적용했던 비용 분석 기능을 고객 상담과 금융 서비스 등 기업용 AI 애플리케이션으로 확대하고, 스플렁크와 시스코 IQ를 연계해 보안 대응 역량도 강화할 계획이다. 라자 무코파디아이 시스코 스플렁크 옵저버빌리티 제품 개발 총괄 부사장은 이날 발표에서 "기존에는 클로드 코드와 오픈AI 코덱스 등 코딩 에이전트의 토큰 사용량을 분석하는 데 집중했다"며 "이제는 기업용 AI 에이전트 애플리케이션으로 범위를 넓혀 실제 사업적 가치까지 파악할 수 있도록 했다"고 밝혔다. AWS와 AI 비용·성과 분석 확대…저비용 모델도 추천 이를 위해 시스코는 AWS와 협력해 '스플렁크 에이전트 옵저버빌리티'의 토크노믹스 기능을 기업용 AI 애플리케이션으로 확대한다. 아마존 베드록과 아마존 클라우드워치의 사용 데이터를 활용해 AI 에이전트별 운영 비용과 업무 성과를 연결하고 투자수익률(ROI)을 분석하는 방식이다. 또 이번에 기존 클로드 코드와 코덱스, 커서 등 AI 코딩 도구 중심의 비용 추적 기능을 기업용 AI 애플리케이션까지 확장했다. 이에 따라 고객 상담용 AI 에이전트의 정확도나 업무 처리 결과 등 핵심성과지표(KPI)를 측정하고 기업이 설정한 기준에 따라 사업적 가치를 수치로 평가할 수 있게 됐다. 비용 절감을 위한 AI 모델 추천 기능도 제공한다. 에이전트의 작업 과정을 분석해 동일한 결과를 더 낮은 비용으로 얻을 수 있는 모델을 제안하며 실제 모델 교체 여부는 고객이 결정할 수 있다. 토크노믹스는 오는 12월 비공개 프리뷰를 시작해 내년 초 AWS 마켓플레이스에서 정식 출시될 예정이다. 시스코는 이를 '시스코 클라우드 컨트롤' 애플리케이션으로 제공하며 AWS 외 다른 클라우드에서 실행되는 AI 에이전트도 분석할 수 있도록 지원할 계획이다. 무코파디아이 부사장은 "AI 에이전트가 대규모로 운영되는 환경에서는 실제로 얼마나 많은 사업적 가치를 창출하는지 파악하는 것이 중요하다"며 "기업이 직접 설정한 핵심성과지표를 통해 에이전트의 업무 성과를 측정하고 투자 효과를 확인할 수 있도록 지원할 것"이라고 강조했다. AI 평가 비용 최대 98% 절감…실시간 안전장치 적용 시스코는 이번 행사에서 AI 에이전트의 응답 품질을 검증하는 자체 평가 모델 '이밸(eval)-G1'도 공개했다. 에이전트의 실행 기록과 전문가 피드백을 활용해 기업별 업무 특성에 맞는 평가 모델을 구축하고 운영 과정에서 발생하는 오류를 점검하는 기술이다. 시스코에 따르면 이밸-G1은 상용 대규모언어모델(LLM) 대비 평가 비용을 최대 98% 줄일 수 있다. 차세대 모델은 기존 LLM보다 평가 응답 속도를 2.5배 높여 대규모 AI 에이전트 환경에서도 신속한 품질 검증을 지원한다. 함께 공개한 '이밸류에이션 튜너(evaluation Tuner)'는 AI 에이전트의 실행 기록과 분야별 전문가의 피드백을 바탕으로 평가 모델을 미세 조정하는 기능이다. 평가 결과를 실시간 안전장치인 가드레일로 연결해 기업이 정한 업무 기준을 벗어나는 행동을 제한하도록 지원한다. 시스코는 두 기술을 결합해 AI 에이전트의 품질 평가에 드는 비용과 시간을 줄이는 동시에 운영 과정의 안전성을 높일 계획이다. 이밸-G1과 이밸류에이션 튜너는 이달부터 정식 제공된다. 시스코 IQ·스플렁크 연계…AI 운영 넘어 보안 대응 강화 시스코는 AI 운영 관리와 함께 기업 인프라의 보안 대응 기능도 확대한다. '시스코 IQ'가 보유한 취약점과 장비 구성, 수명주기 데이터를 스플렁크 플랫폼 기반 시스코 데이터 패브릭에 연결해 보안 위협과 실제 인프라의 위험 노출 현황을 함께 분석하는 방식이다. 시스코 IQ는 현재 1만 6000개 이상의 고객사와 약 2000만 대의 디바이스를 아우르고 있다. 시스코는 이 데이터를 스플렁크 엔터프라이즈 시큐리티와 연계해 보안 담당자가 위협을 조사하면서 관련 장비의 취약점과 대응 우선순위를 확인하도록 지원한다. 또 시스코는 기업이 발견한 보안 취약점을 신속하게 해결할 수 있도록 서비스나우와의 연계도 강화했다. 시스코 IQ에서 확인한 취약점 정보를 서비스나우의 문제 관리 기록으로 자동 전환해 보안 담당자의 수작업을 줄이고, 모델 컨텍스트 프로토콜(MCP)을 통해 AI 에이전트에도 관련 인프라 정보를 제공한다.리즈 센토니 시스코 부회장 겸 최고고객경험책임자(CCXO)는 "AI로 인해 기업이 보안 위협에 대응할 수 있는 시간이 점점 짧아지고 있어 취약점을 파악하는 것만으로는 충분하지 않다"며 "시스코 IQ의 취약점 정보를 스플렁크 플랫폼과 연계하면 보안 분석가가 위협을 조사하면서 관련 인프라의 위험을 확인하고 실제 대응 조치까지 결정할 수 있다"고 밝혔다. 시스코의 이번 발표로 기업용 옵저버빌리티 시장에서도 AI 에이전트의 비용과 업무 성과, 안전성을 통합 관리하는 기술 경쟁이 확대될 것으로 예상된다. AI 에이전트가 기업의 핵심 업무에 투입되면서 기존 IT 시스템의 성능과 장애 분석을 넘어 AI 투자 효과를 검증하려는 수요가 늘어나고 있어서다.무코파디아이 부사장은 "기업의 IT 보안 조직은 AI 에이전트가 올바른 작업을 수행하는지 확인해야 하고 엔지니어링 조직은 비용과 정확도를 관리해야 한다"며 "시스코와 스플렁크의 기술을 결합해 기업들이 이러한 변화를 효과적으로 관리하도록 지원할 것"이라고 말했다.

2026.11.10 09:05장유미 기자

구글, 차세대 TPU 2종 공개…추론 속도 높이고 보안까지 잡는다

구글이 인공지능(AI) 에이전트 시대에 대응하기 위해 차세대 텐서처리장치(TPU) 제품군을 확대하고 AI 인프라 경쟁력 강화에 나선다. 기업 데이터 보호에 특화된 기밀 컴퓨팅 기술부터 대규모 AI 에이전트 추론에 필요한 메모리와 연산 성능까지 강화해 급증하는 AI 인프라 수요에 대응한다는 전략이다. 구글 클라우드는 9일 8세대 TPU 신규 시스템 'TPU 8tx'와 'TPU 8i 맥스'를 공개했다. 지난 4월 발표한 대규모 AI 학습용 'TPU 8t', 저지연 추론용 'TPU 8i'에 이어 신규 시스템 2종을 추가하면서 8세대 TPU 제품군을 총 4종으로 확대했다. 마크 로메이어 구글 클라우드 AI 및 컴퓨팅 인프라 부문 부사장 겸 총괄은 지난 6일 열린 글로벌 온라인 미디어 브리핑에서 "AI는 단순히 질문하고 답변을 받는 채팅 단계를 넘어 복잡한 작업을 수행하는 에이전트 시대로 이동하고 있다"며 "하나의 사용자 요청이 내부적으로 수백~수천 개의 작업으로 확대될 수 있다"고 말했다. 이어 "AI 에이전트가 여러 작업을 동시에 수행하면서 인프라 수요도 기존 인간 중심 상호작용 대비 1,000배까지 증가할 수 있다"며 "이제는 가속기를 얼마나 많이 보유했느냐뿐 아니라 데이터를 얼마나 빠르게 이동시키고 메모리를 얼마나 효율적으로 활용하느냐가 중요하다"고 강조했다. 기밀 컴퓨팅·대규모 추론 특화…8세대 TPU 4종 체계 구축 이번에 공개된 TPU 8tx는 민감한 기업 데이터와 독자 AI 모델을 안전하게 처리하도록 설계된 시스템이다. 구글 TPU 가운데 처음으로 하드웨어 기반 기밀 컴퓨팅 기능을 적용했으며 금융·공공 등 보안과 규제 준수 요구가 높은 산업을 주요 대상으로 삼았다. TPU 8tx는 기존 TPU 8t와 동일한 실리콘을 기반으로 AMD의 x86 호스트 중앙처리장치(CPU)를 결합했다. 데이터와 모델 가중치를 AI 추론 과정에서도 보호하도록 하드웨어 계층에 보안 기능을 적용했으며 저지연 네트워크 기술인 '보드플라이'를 활용해 TPU 8t 대비 추론 지연시간을 최대 절반으로 줄였다. 로메이어 부사장은 "TPU 8tx는 민감한 데이터와 독자 모델을 사용하는 기업이 보안과 성능 가운데 하나를 선택할 필요가 없도록 설계됐다"며 "높은 수준의 기밀 컴퓨팅 보호 기능과 낮은 추론 지연시간을 동시에 제공할 수 있다"고 설명했다. 함께 공개된 TPU 8i 맥스는 대규모 문서와 코드, 이메일 등 방대한 데이터를 처리하는 AI 에이전트에 특화됐다. 기존 TPU 8i 칩 2개를 단일 패키지로 결합해 연산 성능과 메모리 처리량을 높인 시스템이다. TPU 8i 맥스는 384GB 고대역폭 메모리(HBM)를 탑재해 기존 TPU 8i 대비 메모리 용량을 33% 확대했다. 메모리 대역폭은 17.2TB/s, 온칩 SRAM은 768MB로 각각 두 배 늘렸다. 동일한 랙 공간에 두 배의 연산 자원을 집적해 데이터센터 공간 활용도와 시스템 효율도 높였다. 로메이어 부사장은 "AI 에이전트가 수많은 문서와 코드에 동시에 접근하면서 메모리 용량과 대역폭에 대한 부담이 커지고 있다"며 "TPU 8i 맥스는 대규모 컨텍스트를 처리하면서도 많은 에이전트가 병렬로 작업할 수 있도록 설계됐다"고 밝혔다. 파이토치 지원 확대…AI 개발부터 추론까지 소프트웨어 강화 구글은 신규 TPU와 함께 개발자가 기존 AI 모델과 소프트웨어를 활용할 수 있도록 개방형 생태계도 강화한다. 자체 가속기 성능뿐 아니라 개발 편의성과 운영 효율을 높여 기업 고객의 TPU 도입 장벽을 낮추겠다는 구상이다. 이를 위해 메타 등과 협력해 개발한 '토치TPU'를 통해 파이토치 기반 AI 모델과 코드를 큰 수정 없이 TPU에서 실행할 수 있도록 지원한다. 또 오픈소스 추론 엔진인 vLLM과 SGLang의 TPU 지원을 확대해 개발자가 학습부터 추론까지 기존 개발 환경을 활용할 수 있도록 한다는 목표다. AI 에이전트 가속기 활용 효율을 높이는 'TPU 싱크'도 오픈소스로 제공한다. AI 에이전트가 외부 도구나 사용자 응답을 기다리는 동안 작업 메모리를 TPU 밖으로 옮겨 연산 자원을 확보하고 작업이 재개되면 메모리를 복원하는 방식이다. 이를 통해 유휴 자원을 줄이고 AI 에이전트 운영 비용을 낮출 수 있다는 설명이다. 구글은 TPU 싱크를 최신 8세대뿐 아니라 5~7세대 TPU에도 적용할 계획이다. 이와 함께 하드웨어 수준에서 격리된 마이크로 가상머신(VM)을 제공하는 '에이전트 컴퓨트 엔진'을 통해 AI 에이전트 실행 환경도 확대할 방침이다. TPU 고객 100곳 이상 확보…AI 인프라 시장 공략 확대 구글은 자체 TPU와 엔비디아 그래픽처리장치(GPU)를 함께 제공하는 전략으로 AI 인프라 시장 공략을 강화 중이다. 구글 쿠버네티스 엔진(GKE)을 기반으로 고객이 작업 특성에 따라 TPU와 GPU를 선택하고 운영할 수 있도록 지원한다는 계획이다. 구글은 현재 100곳 이상의 고객이 TPU를 활용하고 있다고 밝혔다. 주요 고객 사례로 앤트로픽과 애플, 글로벌 금융기업 시타델 등을 언급했으며 오라클 클라우드를 통한 TPU 기반 서비스 제공 계획도 밝혔다. 앞으로도 AI 워크로드 특성에 맞춰 하드웨어와 소프트웨어를 함께 설계하는 'AI 하이퍼컴퓨터' 전략을 강화할 계획이다. 구글 딥마인드와 검색, 유튜브, 지메일 등 자체 서비스 운영 과정에서 확보한 기술과 경험을 클라우드 고객에게 확대 적용한다는 목표다. 로메이어 부사장은 "AI 인프라는 빠르게 변화하는 워크로드 요구에 맞춰 발전해야 한다"며 "고객이 필요한 하드웨어를 자유롭게 선택하면서도 성능·효율·보안·유연성을 확보해 AI 서비스를 구축하고 확장할 수 있도록 지원할 것"이라고 강조했다.

2026.11.10 08:20한정호 기자

캐릭터 AI 스타트업 말랩스, 팁스 선정…글로벌 진출 추진

인공지능(AI) 에이전트 및 하드웨어 스타트업 말랩스가 중소벤처기업부의 기술창업 지원 프로그램 '팁스(TIPS)'에 선정됐다. 말랩스(대표 김주용)는 팁스 선정을 통해 8억원 규모의 연구개발(R&D) 지원을 확보하고 AI 기술 고도화와 사업 확대에 나선다고 9일 밝혔다. 팁스는 민간 투자사가 기술력과 성장 가능성을 갖춘 스타트업을 발굴·추천하고, 정부가 연구개발 자금 등을 지원하는 민간투자 주도형 기술창업 지원 프로그램이다. 지난 3월 설립된 말랩스는 지식재산권(IP)과 AI 에이전트, 하드웨어 기술을 결합해 캐릭터 기반 인터랙티브 디바이스를 개발하는 기업이다. 지난 7월 윤민창의투자재단으로부터 2억원 규모의 시드 투자를 유치했으며, 10월 팁스에 선정됐다. 설립 약 7개월 만에 투자 유치와 정부 연구개발 지원을 확보했다. 말랩스는 국내외 IP 기업들과 협업해 K팝과 애니메이션, 게임 등 다양한 분야의 캐릭터를 AI 디바이스로 구현하는 사업을 추진하고 있다. 이용자와 대화하고 움직임으로 반응하는 캐릭터 기반 기기를 개발하는 것이 특징이다. 이번 팁스 선정을 계기로 캐릭터 성격과 세계관을 일관되게 유지하는 AI 에이전트 기술을 고도화할 계획이다. 구체적으로 캐릭터별 세계관과 이용자 간 관계를 체계적으로 관리하고, 대화 품질을 자동으로 검증·개선하는 기술을 개발한다. 이를 통해 IP별 AI 에이전트 개발 및 운영 효율을 높인다는 방침이다. 아울러 다양한 캐릭터를 AI 토이 등 인터랙티브 디바이스로 상용화할 수 있는 통합 플랫폼 구축도 추진한다. 현재 말랩스는 자체 AI 에이전트와 하드웨어를 연동한 시제품을 확보했으며, 국내외 IP 기업들과 AI 디바이스 공동 개발 및 사업화를 진행하고 있다. 향후 한국과 일본, 대만을 중심으로 제품 출시를 추진하고, 여러 IP에 공통으로 적용할 수 있는 AI 에이전트 기술을 기반으로 글로벌 사업을 확대할 계획이다. 김주용 말랩스 대표는 "캐릭터 IP가 기존의 소장형 굿즈를 넘어 사용자와 직접 소통하고 관계를 형성하는 새로운 형태로 발전하고 있다"며 "말랩스는 IP 기업들이 각자의 캐릭터를 AI 에이전트와 하드웨어 기술을 통해 새로운 제품으로 구현할 수 있도록 지원하고 있다"고 전했다. 이어 "이번 팁스 선정을 계기로 여러 IP에 적용할 수 있는 핵심 AI 기술을 고도화하고, 국내외 IP 기업들과 협력해 일본, 대만 등 글로벌 시장을 빠르게 확장하겠다고"고 덧붙였다.

2026.11.09 16:47진성우 기자

韓 독파모 개발사 한자리에…"K-AI 경쟁력 높이려면 기술 협력 필수"

국내 독자 인공지능(AI) 파운데이션 모델(독파모) 개발 기업들이 글로벌 AI 경쟁력 확보를 위해 기술 효율을 높이고 기업 간 협력을 강화해야 한다고 강조했다. 대규모 그래픽처리장치(GPU) 자원 확보뿐 아니라 데이터 품질 개선과 학습·추론 최적화가 중요해진 가운데, 국내 기업 간 기술 공유와 공동 연구가 'K-AI' 경쟁력을 높일 핵심 과제로 제시됐다. 엔비디아는 9일 서울 코엑스에서 개최한 'AI 데이 서울 2026'에서 LG AI연구원·SK텔레콤·업스테이지 등 독파모 개발 기업들과 'K-AI 프런티어 빌더스 패널'을 진행했다. 세 기업은 독자 AI 모델 개발 과정에서 겪은 기술 과제와 엔비디아 협력 사례를 공유했다. 먼저 제한된 GPU 자원과 개발 일정 속에서 모델 성능을 높이기 위한 전략을 소개했다. LG AI연구원은 지도 미세조정(SFT) 데이터 품질 개선에 집중하고 있으며 업스테이지는 강화학습(RL) 비중을 확대 중이다. SK텔레콤은 대규모 모델 학습 초기부터 아키텍처를 최적화해 개발 비용을 줄이는 데 주력하고 있다. 엔비디아 기술을 활용한 구체적인 성과도 공개했다. SK텔레콤은 약 10테라바이트(TB) 규모 사전 학습 데이터에서 중복 문서를 제거하는 작업에 엔비디아 '네모 큐레이터'를 도입했다. GPU 가속을 적용하면서 기존 2~3주 걸리던 데이터 처리 기간을 약 3일로 단축했다. 양현호 SK텔레콤 연구원은 "모델 학습 속도가 10%만 빨라져도 GPU 사용 시간으로 약 6일을 줄일 수 있고 이를 비용으로 환산하면 약 6억원에 해당한다"며 "초기 아키텍처 설계와 검증에 많은 신경을 쓰고 있다"고 말했다. 업스테이지는 엔비디아 블랙웰 GPU와 양자화 기술, 추론 최적화 플랫폼 '다이나모'를 활용해 AI 서비스 효율을 높이고 있다. 특히 KV 캐시 관리 기술을 개선해 적은 자원으로 더 많은 추론 요청을 처리하는 데 집중하고 있다고 밝혔다. 송인서 업스테이지 LLM 테크리드는 "양자화를 적용하면 처리량과 메모리 효율을 동시에 개선할 수 있지만 모델 성능이 떨어질 가능성도 있다"며 "모델 레이어마다 양자화 민감도가 다르기에 민감도가 낮은 부분은 적극적으로 양자화하고 나머지는 높은 정밀도를 유지하고 있다"고 설명했다. 국내 독파모 개발 기업 간 협력 필요성도 주요 화두로 떠올랐다. 패널들은 글로벌 AI 기술 발전 속도가 빨라지는 상황에서 개별 기업이 경쟁하는 동시에 연구 성과와 개발 경험을 공유할 수 있는 환경을 마련해야 한다고 강조했다. 송 테크리드는 "모델 개발 주기가 점점 빨라지고 있지만 프로젝트 일정에 맞춰 개발하다 보면 새로운 연구 흐름을 빠르게 따라가기 어려운 부분이 있다"며 "경쟁도 좋지만 공개 프로젝트를 더 큰 규모로 함께 진행하는 것도 의미가 있을 것"이라고 짚었다. 조현직 LG AI연구원 엑사원랩 팀장 역시 "기술 분야에서는 경쟁력과 직결되다 보니 서로 경험을 공유하지 못하는 부분이 있다"며 "경쟁 관계를 유지하면서도 기술 보고서를 통해 실험 결과를 충실히 공유하고 큰 지원 주체가 있다면 국가 역량을 모아 글로벌 시장에서 경쟁할 수 있는 모델을 만들 수 있을 것"이라고 덧붙였다. 글로벌 AI 모델과 경쟁하겠다는 목표도 강조했다. 그는 "엑사원 API 플랫폼을 무료로 공개했고 앞으로 개발 중인 모델의 중간 버전도 계속 선보일 예정"이라며 "사용자들이 아쉬운 점과 만족한 부분을 적극적으로 알려주시면 이를 반영해 글로벌 모델들을 모두 이겨보겠다"고 밝혔다.

2026.11.09 16:18한정호 기자

엔비디아 "AI 에이전트, 차세대 컴퓨팅 플랫폼으로 진화"

엔비디아가 인공지능(AI) 에이전트를 차세대 컴퓨팅 플랫폼으로 육성하고 기업용 AI 시장 공략에 속도를 낸다. AI 모델을 업무에 맞게 선택하고 운영 비용을 줄이는 기술을 앞세워 기업 AI 도입 장벽을 낮추는 가운데 네이버클라우드·SK텔레콤 등 국내 기업과 협력도 확대한다는 목표다. 조나단 코헨 엔비디아 응용연구 부문 부사장은 9일 서울 코엑스에서 열린 'AI 데이 서울 2026'에서 "에이전틱 AI는 새로운 컴퓨팅 플랫폼으로 볼 수 있다"며 "과거 대규모언어모델(LLM)이 사용자 질문에 답하는 방식이었다면 이제 AI 시스템은 다양한 업무를 직접 수행하는 방향으로 발전하고 있다"고 말했다. 코헨 부사장은 AI 에이전트가 기존 LLM과 소프트웨어 기술을 결합해 기업 업무를 수행하는 핵심 수단이 될 것으로 전망했다. AI 에이전트는 사용자 요청을 분석한 뒤 적합한 모델과 도구를 선택하고 기업 내부 데이터까지 활용해 복잡한 작업을 처리하는 구조다. 소프트웨어 개발부터 시스템 오류 분석, 제조 현장 문제 해결까지 활용 범위가 확대되고 있다는 설명이다. 그는 "LLM은 강력하고 유연하지만 결과를 예측하기 어렵고 연산 비용도 많이 든다"며 "AI 에이전트는 언어모델 지능과 기존 컴퓨터 과학 효율성을 결합해 이러한 한계를 보완할 수 있다"고 밝혔다. 이를 위해 엔비디아는 AI 모델 선택부터 추론·학습·보안까지 지원하는 통합 기술 체계를 구축하고 있다. 핵심 기술로는 '스위치야드'를 꼽았다. 이는 작업 난도와 비용에 따라 적합한 AI 모델을 선택하도록 돕는다. 엔비디아 내부 평가에서는 작업 성공률 80%를 유지하면서 고성능 모델만 활용할 때보다 비용을 약 3분의 1 수준으로 줄인 것으로 나타났다. AI 모델 성능과 효율 개선도 강조했다. 엔비디아 최신 모델인 '네모트론 3.5 슈퍼 VL'은 기존 모델과 비슷하거나 높은 추론 성능을 유지하면서 처리 속도를 약 5배 높였다. 엔비디아는 차세대 '네모트론 4' 개발도 추진하며 오픈 모델 생태계 확대에 나설 계획이다. 코헨 부사장은 "실제 기업 환경에서는 제한된 시간과 비용 안에서 얼마나 좋은 결과를 얻느냐가 중요하다"며 "모델 처리 속도가 빨라지면 같은 시간에 더 많은 추론을 수행할 수 있어 결과 품질도 높일 수 있다"고 설명했다. 기업 AI 운영을 위한 기술로는 'NIM'과 '다이나모'를 제시했다. NIM은 AI 모델을 효율적으로 배포하고 실행하도록 지원하는 추론 마이크로서비스이며 다이나모는 데이터센터 규모에서 여러 AI 모델의 추론 요청을 관리하고 자원 활용을 최적화하는 오픈소스 엔진이다. AI 에이전트가 기업 의도와 다르게 작동하는 문제를 막기 위한 보안 기술 '오픈셸'도 소개했다. 국내 기업과 협력 사례도 공개했다. 대표적으로 네이버클라우드는 엔비디아 '네모트론 연합'에 참여해 AI 모델 사전·사후 학습 데이터와 강화학습 환경 등을 공유하고 있다. 엔비디아 기술을 기반으로 한국어와 국내 산업 환경에 특화된 자체 AI 모델도 개발 중이다. 코헨 부사장은 "네이버클라우드는 네모트론 기술과 소프트웨어, 데이터셋을 활용하면서 한국 고유 데이터와 기업 데이터를 결합하고 있다"며 "이를 통해 한국 언어와 문화, 산업 환경에 더욱 적합한 AI 모델을 개발할 것"이라고 말했다. SK텔레콤과 LG AI연구원, 업스테이지도 주요 협력 사례로 언급됐다. 이들 기업은 엔비디아 네모트론 기술과 데이터셋을 활용해 한국 환경에 특화된 AI 모델을 개발 중이다. 엔비디아는 한국 기업이 자체 데이터를 활용해 AI 모델을 개발하고 이를 AI 데이터센터와 기업 서비스에 적용할 수 있도록 기술 협력을 이어갈 방침이다. 코헨 부사장은 "한국 AI 생태계는 엔비디아 플랫폼을 기반으로 국내외 기업에 필요한 다양한 애플리케이션을 개발하고 있다"며 "앞으로 차세대 AI 서비스와 소프트웨어가 구축되는 과정에서 한국 기업과 협력해 AI 경제 발전에 기여하겠다"고 강조했다.

2026.11.09 12:25한정호 기자

[AI는 지금] 챗봇 넘어 에이전트로…딥시크, 하루 154만명 쓴다

중국 인공지능(AI) 기업 딥시크 AI 에이전트 플랫폼이 출시 3개월 만에 일일 이용자 154만 명을 확보했다. 딥시크는 외부 개발자가 참여하는 플러그인 생태계를 앞세워 오픈AI와 앤트로픽이 경쟁하는 AI 에이전트 시장에서 영향력을 확대하고 있다. 9일 딥시크는 공식 엑스(X·옛 트위터)를 통해 AI 에이전트 플랫폼 '딥시크 하네스(DeepSeek Harness)' 일일 활성 이용자 수(DAU)가 지난 4일 기준 154만 명을 기록했다고 밝혔다. 블룸버그통신에 따르면 지난 9월 말 약 27만 1000명에서 한 달여 만에 5배 이상 증가한 규모다. 딥시크 하네스는 이용자 지시에 따라 여러 단계 작업을 자율 수행하는 오픈소스 AI 에이전트 플랫폼이다. 코드 작성과 수정, 파일 분석, 정보 검색 등 복잡한 업무를 처리할 수 있으며 외부 개발자가 제작한 플러그인을 설치해 기능을 확장할 수 있다. 딥시크는 지난 8월 13일 하네스 초기 버전인 'v0.1'을 출시한 데 이어 9월 29일 데스크톱 앱을 공개했다. 이용자 수는 딥시크 공식 API에 연결된 사용자를 기준으로 집계됐다. 이용자 증가와 함께 AI 에이전트가 소비하는 컴퓨팅 자원도 빠르게 늘고 있다. 딥시크 하네스 하루 토큰 처리량은 약 92조 개로, 일일 활성 이용자 한 명당 평균 약 6000만 개에 달한다. 토큰은 AI 모델이 텍스트 등을 처리하는 기본 단위다. AI 에이전트는 단순 질문에 답하는 챗봇과 달리 코드를 작성하거나 외부 도구를 호출하는 등 여러 작업을 연속 수행한다. 일부 작업은 수 시간 동안 이어질 수 있어 기존 챗봇보다 훨씬 많은 연산 자원을 필요로 한다. 딥시크는 AI 모델 자체 성능뿐 아니라 외부 개발자가 참여하는 생태계 확대에도 속도를 내고 있다. 하네스 출시 이후 개발된 서드파티 플러그인은 약 3만 5000개에 달하며 활성 이용자 약 60%가 최소 한 개 이상 플러그인을 직접 제작하거나 설치한 것으로 집계됐다. 플러그인은 기존 소프트웨어를 변경하지 않고 새로운 기능을 추가할 수 있도록 지원하는 확장 프로그램이다. 현재 하네스에서는 콘텐츠 제작과 디자인, 연구논문 분석, 여러 AI 에이전트 간 협업 상황 파악 등 다양한 용도로 활용되고 있다. 딥시크는 향후 개발자가 제작한 플러그인을 공개하고 이용자가 필요한 기능을 검색할 수 있는 공식 마켓플레이스를 구축할 계획이다. 플러그인 API 안정성과 호환성을 개선하고 보안 기능도 강화한다는 방침이다. 외부 개발자 지원 프로그램도 준비하고 있다. 플러그인 제작자에게 AI 모델 이용에 필요한 토큰을 지원하고 기술 교류와 홍보 기회를 제공하는 방식이다. 다만 구체적인 참여 조건과 지원 규모, 프로그램 출시 일정은 아직 공개되지 않았다. 딥시크는 지난해 저비용 추론 모델 'R1'을 공개하며 글로벌 AI 시장에 파장을 일으켰다. 당시에는 미국 빅테크와 비교해 상대적으로 적은 비용으로 높은 추론 성능을 구현했다는 점이 주목받았다. 최근에는 AI 모델을 활용한 응용 서비스와 개발자 생태계까지 경쟁 범위를 확대하는 모습이다. 블룸버그통신은 AI 산업 경쟁 구도가 모델 성능과 가격 중심에서 실제 업무에 활용할 수 있는 기능과 외부 서비스 연동 역량으로 확장되고 있다고 분석했다. 딥시크가 외부 개발자 참여를 기반으로 개방형 에이전트 생태계를 구축해 미국 기업의 폐쇄형 기술에 맞서려 한다는 설명이다. 딥시크는 "딥시크 하네스가 에이전트 시대 운영체제 역할을 하기를 바란다"며 "이용자에게 필요한 범용 기능을 제공하는 동시에 전문 업무와 산업별 요구에 맞는 기능은 개발자들이 플러그인을 통해 구현하도록 지원하겠다"고 말했다.

2026.11.09 12:04이나연 기자

[김기응의 AI 롱호라이즌] 지능의 다음 관문, 대화가 아니라 결정이다

김기응 국가 AI 연구거점 센터장 겸 KAIST 김재철AI대학원 교수는 지난 30여 년간 긴 시간축 위에서 결정을 이어 가며 목표에 다가가는 지능을 연구해 왔다. 롱호라이즌(long-horizon)은 강화학습 분야에서 AI가 얼마나 멀리 내다보고 결정하는가를 가리키는 용어이자, 이 칼럼이 AI를 보는 시야의 길이다. 이 시리즈는 연구 최전선에서 기술·시장·정책·인재를 가로지르는 질문을 매달 하나씩 던지며 1년간 이어진다. [편집자주] 1950년대 초 미국 랜드연구소의 수학자 리처드 벨만은 자기 연구에 '동적계획법(dynamic programming)'이라는 이름을 붙였다. 엄연한 수학 연구였지만 이름에는 수학의 흔적이 없다. 훗날 그는 공군의 지원으로 움직이던 연구소에서 수학을 한다는 티를 내지 않으려고, 실용적인 '계획'처럼 들리면서 누구도 트집 잡기 어려운 이름을 일부러 골랐다고 회고했다. 오늘날 컴퓨터과학을 배우는 학생이라면 누구나 한 번은 거쳐 가는 바로 그 동적계획법이다. 이름 아래 감춰진 질문은 만만치 않다. 지금 내린 결정이 다음 상황을 바꾸고, 바뀐 상황에서 다시 결정을 내려야 한다면, 지금 무엇을 해야 하는가. 벨만의 답은 결정 하나하나를 그 자체로 따지지 말고 그 결정이 데려다 놓을 상황의 '가치'로 따지라는 것이었다. 바둑 기사가 당장 돌 몇 점을 따내는 수보다 판 전체의 형세를 보고 수를 고르는 것과 같은 이치다. 앞으로 이어질 모든 선택을 지금의 판단 안에 접어 넣는 이 발상은 오늘날 강화학습의 뼈대가 됐다. 필자가 30여 년 붙들어 온 것도 이 질문이다. 비슷한 무렵 앨런 튜링은 다른 질문을 던졌다. 기계가 사람처럼 대화할 수 있는가. '기계가 생각할 수 있는가'라는 막연한 물음을 누구나 확인할 수 있는 시험으로 바꾼 것이다. 76년이 지난 지금 이 질문은 사실상 답을 얻었다. 최근 한 연구에서 사람처럼 행동하라는 지시를 받은 언어모델은 5분간의 대화 끝에 열에 일곱 번꼴로 사람과 구분이 안 됐다. 오히려 함께 대화에 참여한 진짜 사람이 AI로 오인되는 경우가 더 많았다. 사람처럼 대화하는 AI의 시대는 왔지만, 벨만의 질문은 아직 열려 있다. 그리고 지금 'AI 에이전트'라는 새 이름을 달고 산업의 한가운데로 돌아왔다. 에이전트는 대답을 내놓는 데서 멈추지 않고 그 대답을 행동으로 옮긴다. 오늘의 에이전트는 일상에서 일정을 잡고 결제까지 마칠 뿐 아니라, 오래된 수학 난제를 풀고 과학자의 연구를 거드는 데까지 나아갔다. 이런 일에 필요한 것은 그럴듯한 대답 하나가 아니라 결과가 한참 뒤에야 드러나는 결정을 줄줄이 이어 가는 능력이다. 대화와 결정은 채점 방식부터 다르다. 대답은 내놓는 순간 평가받는다. 마음에 들지 않으면 다시 물으면 그만이다. 결정은 그 뒤에 무엇이 이어지느냐로 평가받는다. 첫날 고른 거래처 하나, 무심코 덮어쓴 파일 하나가 사흘 뒤 일 전체를 막다른 골목으로 몰아넣는다. 게다가 에이전트가 다음에 마주할 상황은 누군가 건네주는 것이 아니라 자신이 앞서 한 행동이 만든 것이다. AI의 능력을 재는 잣대도 이쪽으로 옮겨 가고 있다. 미국의 비영리 평가기관 METR은 AI가 '얼마나 긴 일'을 해낼 수 있는지를 잰다. 사람 전문가가 끝내는 데 걸리는 시간으로 과제의 길이를 매기고, AI가 일정 확률로 성공하는 과제의 길이를 추정한다. 말하자면 AI의 호라이즌을 재는 셈이다. 올해 5월 보고서에서 가장 앞선 비공개 평가 모델은 사람이 3~4시간 걸려 끝내는 과제를 80%의 확률로 해내는 것으로 추정됐다. 그러나 16시간이 넘는 과제에서는 성공 확률이 50%로 뚝 떨어진다. 긴 과제의 표본이 적어 오차가 크다는 단서가 붙지만 메시지는 분명하다. 할 수 있는 일과 맡길 수 있는 일은 아직 다르다. 그 차이는 간단한 산수로도 보인다. 단계마다 95%의 확률로 옳게 판단하는 에이전트라도 실수를 바로잡지 못하면 열 단계를 모두 해낼 확률은 약 60%, 스무 단계면 36%로 떨어진다. 거꾸로 말하면, 틀린 걸음을 바로잡을 수만 있다면 같은 95%로도 결과는 전혀 달라진다. 긴 일을 끝내는 힘은 한 걸음의 정확도 못지않게 틀린 걸음을 알아채고 되돌아오는 능력에서 나온다. 사람도 그렇다. 긴 프로젝트를 끝까지 해내는 사람은 실수하지 않는 사람이 아니라 실수를 일찍 알아차리는 사람이다. 벨만의 말로 하면 이것은 '가치'를 아는 문제다. 내비게이션은 차가 경로를 벗어나는 순간 이를 알아채고 길을 다시 찾는다. 긴 일을 맡은 에이전트에게도 이런 감각이 필요하다. 지금 목표에 얼마나 가까워졌는지, 이 길이 여전히 맞는지를 일하는 도중에 스스로 가늠하는 감각이다. 강화학습 덕분에 오늘의 AI는 긴 추론을 이어 가고 도구를 다루며 여러 단계의 일을 끝까지 해내는 데까지 왔다. 그 바탕에도 이 감각이 있고, 더 긴 일을 믿고 맡기려면 이 감각이 더 단단해져야 한다. 이 감각이 무디면 에이전트는 길을 잃은 줄도 모르고 자신 있게 걸어간다. 원하는 바를 제대로 정하는 일도 간단치 않다. 에이전트는 우리가 바라는 것이 아니라 우리가 측정하는 것을 향해 움직인다. 사람도 실적 지표에 맞춰 일하다 본래 목적을 놓치곤 하지만, 에이전트는 그 지표를 훨씬 집요하게 파고든다. 테스트를 통과시키라는 지시를 받은 코딩 에이전트가 코드를 고치는 대신 테스트를 고쳐 버린 사례가 실제로 보고된다. 내비게이션에 빗대면, 길을 찾는 대신 GPS 신호를 가로채 아직 가는 중인 운전자에게 이미 목적지에 도착했다고 속이는 격이다. 측정치가 목적을 온전히 담지 못하면 더 뛰어난 최적화는 더 교묘한 엇나감으로 이어질 뿐이다. 측정치가 원하는 바를 온전히 담는다 해도 에이전트는 세상을 다 보지 못한 채 결정한다. 고객의 속뜻이 무엇인지, 외부 시스템이 지금 어떤 상태인지, 방금 보낸 요청이 제대로 처리됐는지를 다 알지 못한다. '다음 주 회의를 잡아 달라'는 부탁 하나에도 누구를 꼭 불러야 하는지, 어떤 시간대는 피해야 하는지 같은 정보가 빠져 있기 일쑤다. 이런 세계에서는 자신이 무엇을 모르는지 아는 것이 무엇보다 중요하고, 확인하고 묻는 일은 그 자체로 하나의 결정이 된다. 너무 자주 물으면 맡긴 의미가 없고, 묻지 않으면 모르는 채로 일을 그르친다. 좋은 에이전트는 모든 일을 혼자 해치우는 에이전트가 아니라 언제 멈추고 사람에게 물어야 하는지 아는 에이전트다. 되돌릴 수 없는 행동은 이 모든 문제를 무겁게 만든다. 더 나은 길을 찾으려면 안 가 본 길도 가 봐야 하지만, 현실에는 시험 삼아 해 볼 수 없는 일이 있다. 초안은 지우면 그만이지만 이미 보낸 메일과 이미 실행된 송금은 돌아오지 않는다. 실수의 대가가 큰 일일수록 새로운 시도는 줄이고 확인은 늘려야 한다. 사람은 이럴 때 본능적으로 멈칫하지만, 에이전트에게는 멈춰 설 지점까지 설계해 넣어야 한다. 탐색과 신중함 사이의 이 줄다리기는 강화학습이 수십 년 붙들어 온 주제이고, 이제는 기업의 업무 시스템 안에서 매일 벌어지는 일이 됐다. 그래서 에이전트를 들이려는 조직이 던져야 할 질문도 달라진다. 지금까지는 AI가 얼마나 정확한 답을 내놓는지, 얼마나 빨리 일을 처리하는지를 따졌다. 여러 단계를 스스로 밟는 에이전트라면 그것만으로는 부족하다. 중간 판단이 어긋났을 때 곧바로 알아차릴 수 있는지, 잘못된 선택을 되돌릴 수 있는지, 되돌릴 수 없는 행동 앞에서는 한 번 더 확인하는 절차가 있는지를 물어야 한다. 무엇보다 성과를 무엇으로 정의했는지, 그 숫자가 우리가 정말 원하는 것을 담고 있는지부터 점검해야 한다. 에이전트는 그 숫자를 우리보다 훨씬 성실하게 좇을 것이기 때문이다. 결국 이것은 기술 성능만의 문제가 아니다. 어떤 결정을 에이전트에 맡기고, 어디서 사람이 개입하며, 결과를 어떻게 검증할지를 설계하는 문제다. 누가 최종 승인권을 갖는지, 문제가 생기면 어디까지 되돌릴 수 있는지도 미리 정해 두어야 한다. 에이전트가 유능해질수록 이 경계를 어디에 긋느냐가 더 중요해진다. 벨만은 의사결정의 근본적인 수학 체계를 '동적계획법'이라는 난해한 이름 뒤에 숨겼다. 70년 뒤 같은 질문이 '에이전트'라는 친근한 이름으로 돌아왔다. 이름이 바뀌었다고 질문이 쉬워진 것은 아니다. 에이전트를 쓴다는 것은 결국 어떤 결정을 맡긴다는 뜻이다. 튜링의 시험은 기계가 사람처럼 말할 수 있느냐를 물었다. 지능의 다음 관문이 묻는 것은 그보다 어렵다. 결과가 드러나기 전에, 지금의 결정을 믿고 맡길 수 있느냐다.

2026.11.09 10:41김기응 컬럼니스트

[기고] AI가 대신 계약하는 시대, 법은 준비됐는가

챗GPT 등장 이후 인공지능(AI)과 신기술, 혁신적인 서비스의 개발을 해하지 않으면서도 이용자의 권리와 개인정보를 보호하려면 어떤 것을 고려해야 할 지에 대한 논의가 최근 활발해진 분위기다. 급변하는 정보사회에서 AI와 개인정보 보호에 있어 우리 사회가 취해야 할 균형 잡힌 자세가 어떤 것인지에 대해 법무법인 태평양 AI팀에서 [AI 컨택]을 통해 2주 마다 다뤄보고자 한다. [편집자주] "이번 주말이 어머니 생신이야. 20만 원 정도로 괜찮은 선물을 골라서 보내 줘." 불과 2~3년 전만 해도 AI는 이런 요청에 적당한 상품을 검색하거나 추천하는 정도에 그쳤다. 어떤 상품을 구매할지 결정하고 배송지를 입력하고 결제하는 일은 결국 사람 몫이었다. 이제 AI가 직접 상품을 비교하고 주문서를 작성하고 결제까지 마치는 시대가 다가오고 있다. 사람 지시를 받아 스스로 계획을 세우고 필요한 행동까지 수행하는 AI를 '에이전틱 AI'라고 한다. 기존 AI가 묻는 말에 답해 주는 조언자였다면 에이전틱 AI는 심부름까지 직접 해 주는 비서에 가깝다. 그런데 이 비서가 실수한다면 어떻게 될까. AI가 예산에 맞춰 선물을 주문했지만 배송지를 잘못 입력했다면 누가 책임져야 할까. AI가 이용자 예상과 달리 환불되지 않는 상품을 구매했다면 그 손해는 누가 부담해야 할까. 더 나아가 AI가 사람의 허락 없이 추가 상품까지 구매했다면 그 계약은 유효할까. 이같은 문제를 해결하기 위해 에이전틱 AI만을 위한 새로운 법률을 만들어야 할까. 꼭 그렇지는 않다. 우리에게는 이미 계약 효력과 손해배상책임을 정하는 민법, 개인정보를 보호하는 개인정보 보호법, 온라인 거래에서 소비자를 보호하는 전자상거래법 등이 있다. 예를 들어 AI가 이용자의 지시에 따라 물건을 구매했다면 사람이 직접 구매 버튼을 누르지 않았더라도 이용자 본인의 의사에 따른 거래로 보아 계약이 유효하게 성립할 수 있다. 반대로 AI가 이용자의 허락을 받지 않은 거래를 했다면 AI에 부여된 권한과 거래 경위 등을 살펴 계약 효력을 판단해야 한다. AI 서비스 오류로 손해가 발생한 때도 기존 손해배상 법리에 따라 서비스 제공자 등 책임을 물을 수 있는지 검토할 수 있다. AI가 행동했다는 이유만으로 기존 법률이 무용지물이 되는 것은 아니다. 새 기술이 끼어들었다고 해서 따져 볼 질문까지 바뀌지는 않는다. 누가 무엇을 맡겼는지 일이 맡긴 범위 안에서 처리됐는지 그 결과 누가 손해를 입었는지가 여전히 출발점이다. 기존 법률만으로는 충분할까. 아쉽게도 그렇지는 않다. 에이전틱 AI의 가장 큰 특징은 사람이 모든 행동을 일일이 지시하지 않아도 스스로 여러 단계를 거쳐 일을 처리한다는 점이다. 그 과정에서 예상하지 못한 판단을 하거나 처음 허락받은 범위를 벗어날 수도 있다. 문제가 발생한 뒤 책임을 묻는 것만으로는 이미 발생한 피해를 되돌리기 어려울 수 있다. 우리나라는 지난 1월 22일부터 '인공지능 발전과 신뢰 기반 조성 등에 관한 기본법(인공지능기본법)'을 시행하고 있다. 이 법은 일정한 AI 서비스에 대해 투명성 확보 의무 등을 부과하고 사람 생명이나 권리 등에 중대한 영향을 미치는 '고영향 AI'에 위험관리와 사람의 감독 등을 요구한다. 유럽연합(EU) 역시 AI법(AI Act)을 통해 AI 위험 수준에 따라 규제를 달리하는 제도를 마련했다. 이러한 법률이 에이전틱 AI의 모든 문제를 해결해 주는 것은 아니다. 특히 AI가 사람을 대신해 계약을 체결하거나 돈을 지출하는 경우 "20만 원 정도로 골라 줘"라는 한마디에 배송 방법이나 추가 구매까지 맡긴 것으로 볼 수 있는지, AI가 그 선을 넘었을 때 손해를 누가 떠안을 것인지는 더 구체적인 논의가 필요하다. AI가 하는 모든 행동에 사람 승인을 요구하는 것도 바람직하지 않다. 저녁 메뉴를 고르거나 회의 일정을 옮기는 일까지 매번 확인 버튼을 눌러야 한다면 사람이 직접 하는 편이 오히려 빠르다. 중요한 것은 AI가 얼마나 위험한 일을 하는지에 따라 통제 수준을 달리하는 것이다. 단순한 정보 검색이나 일정 정리에는 폭넓은 자율성을 허용할 수 있다. 반면 상품 구매나 예약 등 거래에 영향을 미치는 행위는 이용자가 사전에 승인한 범위를 명확히 하고, 거액 결제나 중요한 계약 체결에는 사람의 최종 확인을 거치도록 할 수 있다. AI가 어떤 행동을 했는지 기록을 남기고 문제가 생기면 즉시 중단할 수 있는 장치도 필요하다. 안전장치를 모두 법으로 강제할 필요는 없다. 우선 기업이 자율적으로 기술적 안전장치를 마련하도록 유도하되 소비자에게 중대한 피해를 줄 수 있는 영역은 최소한 법적 기준을 마련하는 접근이 바람직하다. AI 자율성을 어디까지 허용하고 그에 따른 책임을 누가 부담할지에 관한 기준을 미리 세워야 한다. 신용카드가 처음 보급될 때 카드 사용을 막는 대신 본인 확인 절차와 분실·도난 시 책임 분담 규칙을 마련했듯이 에이전틱 AI 역시 기술 자체를 막기보다 안전하게 활용할 수 있는 규칙을 만들어야 한다. AI가 어머니 생신 선물을 대신 골라 보내는 일은 이미 시작됐다. 선물이 엉뚱한 주소로 배송되었을 때 누가 책임져야 하는지 법과 제도도 이제 그 답을 준비해야 한다.

2026.11.06 16:59정상훈 컬럼니스트

  Prev 1 2 3 4 5 6 7 8 9 10 Next  

지금 뜨는 기사

이시각 헤드라인

위기 속 중책 맡은 최원준 신임 삼성 MX사업부장, 수익성 개선이 과제

AI 창작·글로벌 게임 한자리에…‘지스타 2026’ 부산서 개막

AI 시대 디지털 신뢰 회복하려면…"기술·제도·시민 참여 연결 필수"

앤트로픽 IPO에 日 12조원 이상 몰렸는데…韓 공모 청약 빠진 이유

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.