검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'가입머니 〔𝖈𝖇-𝖈𝖔𝖈𝖔.𝖈𝖔𝖒〕 코드𝑪𝑶𝑪𝑶 검증사이트124 슈어맨인증45 양방자판기78'통합검색 결과 입니다. (3199건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

넥슨-네이버, 'FC 온라인' X 치지직 콘텐츠 연계...게임 시청과 플레이 잇는다

넥슨과 네이버가 방송 시청부터 게임 플레이까지 연결하는 확장된 콘텐츠 경험을 선보인다. 넥슨코리아(공동 대표 강대현∙김정욱)는 네이버(대표 최수연)와 함께 정통 온라인 축구게임 'FC 온라인'과 스트리밍 플랫폼 치지직 간 연계 콘텐츠를 선보인다고 8일 밝혔다. 이를 통해 글로벌 축구 빅 이벤트를 앞두고 방송 시청부터 게임 플레이까지 이어지는 콘텐츠 경험을 제공한다고 회사 측은 설명했다. 오는 12일 오전 10시부터 치지직에서 축구 및 'FC 온라인', 'FC 모바일' 카테고리 방송을 데스크탑으로 시청하면 화면 내에서 'FC 온라인' 기반 미니게임 3종을 바로 즐길 수 있다. 감아차기 챌린지, 프리킥 챌린지 등 기존 게임의 핵심 플레이를 반영한 미니게임으로, 방송 시청과 게임 참여를 하나의 화면에서 경험하도록 구현했다. 미니게임을 모두 클리어하면 'FC 온라인' 또는 'FC 모바일' 쿠폰 번호가 Npay 보관함으로 발급되며, 해당 코드를 게임 내에서 입력 시 보상 아이템을 받을 수 있다. 여기에 넥슨과 네이버의 이용자 데이터를 반영해 해당 카테고리 방송 시청자에게 개인화된 넥슨 게임 콘텐츠를 치지직 화면 내에서 노출한다. 이용자의 관심사 혹은 게임 플레이 이력을 기반으로 한 맞춤형 배너로, 스트리밍 시청에서 게임 접속까지 이어지도록 한다. 이번 프로젝트는 넥슨과 네이버가 진행 중인 전략적 파트너십의 일환으로, 양사는 이용자 데이터 결합부터 게임 소재 방송 활동 지원, 스트리밍 플랫폼과 게임 콘텐츠 연계까지 협업 범위를 단계적으로 확장하고 있다. 스포츠 팬들의 관심이 집중되는 이번 시즌을 맞아 축구 팬심과 게임이 만나는 새로운 시청 문화를 만든다는 계획이다. 배준영 넥슨 플랫폼본부장은 “이번 협업은 양사의 콘텐츠·플랫폼 역량을 기반으로 하는 게임과 보는 게임 경험을 결합하는 시도”라며 “계정 연동에서 콘텐츠 연계까지 넥슨과 네이버가 함께 쌓아온 협력을 바탕으로, 이용자의 일상과 게임이 연결되는 환경을 만들겠다”고 전했다.

2026.06.08 09:46이도원 기자

유라클, 차세대 B2B AI 시장 진출…'에이전틱AI·바이브 코딩'으로 승부수

유라클이 오는 2030년까지 총 4조원 규모로 성장할 국내 기업 AI 시장에서 차별화된 경쟁력을 확보한다는 전략이다. 유라클은 에이전틱 AI, 그래픽처리장치(GPU) 자원관리, 바이브 코딩을 3대 축으로 삼아 국내 차세대 엔터프라이즈 AI 시장 공략에 본격 나선다고 8일 밝혔다. 유라클이 주목하는 영역은 자율형 에이전트 환경과 이를 뒷받침할 인프라 최적화 솔루션이다. 에이전틱 AI는 AI 에이전트가 자율적인 지능을 가지고 업무를 수행하는 기술이다. 유라클은 멀티 에이전트 환경을 구축해 주는 플랫폼인 '아테나'를 통해 시장을 공략한다. AI 도입 확산에 따른 인프라 비용 폭증 문제도 해결한다. 유라클은 쿠버네티스 환경 기반의 GPU 자원관리 기술을 결합한 솔루션 '오르다'를 선보였다. 고가의 엔비디아 GPU 자원을 분할하고 최적화하는 기술을 결합해 기업의 연산 비용을 낮추는 구조다. 국내 에이전틱 AI 시장은 2026년 5000억원 규모에서 2030년 2조 4000억원 규모로 확산될 것으로 예상된다. GPU 자원관리 및 AI 워크로드 관리 시장은 2026년 2000억원에서 2030년 9000억원 규모로 성장이 관측된다. 유라클은 개발자가 자연어로 의도와 방향성만 제시하면 소스코드를 자율 생성하는 바이브 코딩 솔루션도 내세웠다. '아테나 코드 어시스턴트'는 기존의 코드 자동완성 도구를 넘어선 차세대 개발 패러다임이다. 이 시장은 2026년 1800억원에서 2030년 6400억원 규모로 성장할 전망이다. 권태일 유라클 대표는 "국내 대기업과 금융권 등은 지적재산권 보호를 위해 폐쇄망 환경에서의 AI 구축을 원하고 있다"라며 "두뇌 역할을 하는 에이전틱 AI와 비용을 통제할 GPU 자원관리 솔루션을 통합 제공해 B2B AI 시장의 절대 강자로 자리매김할 것"이라고 말했다.

2026.06.08 09:34남혁우 기자

이주평 삼성SDS 상무 "제조AI 핵심 데이터는 시계열"

"제조AI의 규모 경제는 데이터를 어떻게 모으느냐에 달려있습니다. 이 문제를 먼저 해결한 곳이 AI 코딩 에이전트입니다. AI코딩 에이전트가 어떻게 주류가 됐는지 연구해 벤치마킹할 필요가 있습니다." 이주평 삼성SDS 상무(SPC개발팀장)는 산업부가 5일 서울 강남 한국산업기술센터에서 개최한 '제 3회 M.AX 전문가 컨퍼런스'에서 발제자로 나서 이 같이 밝혔다. 'M.AX'는 Manufacturing AI Transformation의 약어로 제조AX를 말한다. 성공적인 제조업의 AI 대전환을 위해서는 양질 제조 데이터를 확보하고, 이를 적극적으로 활용할 수 있는 기반을 구축해야 한다. 이에 산업부는 이재명 정부 출범 1주년을 맞아 제조AX를 성공하기 위한 방안을 모색하는 분야별 전문가 컨퍼런스를 연속 개최하고 있다. 이날 컨퍼런스는 제조 데이터가 M.AX 추진 과정에서 왜 중요한지, 또 양질의 제조 데이터를 확보 및 활용하기 위해서는 어떤 인프라를 구축해야 하는지를 놓고 참석 전문가들이 발제하고 토의를 했다. 이 상무는 KAIST 학사, 석사, 박사 출신이다. 삼성전자 종합기술원 연구원과 삼성전자 메모리사업부 연구원, 미국 메타 소프트웨어엔지니어를 거쳐 2024년 삼성SDS에 입사했다. 이날 이 상무는 '제조AX 확산을 위한 AI데이터센터 역할'을 주제로 발제했다. 그는 AI데이터센터를 "학습과 추론을 위한 전용 인프라"라고 정의하며 "네오 클라우드와 AI팩토리라고도 부른다"고 설명했다. AI데이터센터 설계시 고려해야 할 다섯 가지도 제시했다. ▲부지 및 전력 인프라 선정 ▲AI 워크로드 정의(학습 및 추론 비중, 목표 서비스 및 LLM 규모, 레이턴시 쓰루풋 목표) ▲컴퓨팅 인프라 선정(GPU와 NPU 벤더 모델 선정과 CPU· 메모리·GPU 상세 스펙 결정)▲네트워크 및 스토리지 아키텍처(인피니밴드, RoCE 등 네트워크 기술과 고성능 스토리지 구성) ▲냉각 및 운영체계(공냉식과 수냉식 냉각 방식, 운영 자동화 및 안정성 확보) 등이다. 이어 AI인프라가 학습에서 추론 중심으로 이동하고 있다면서 "올해 전체 AI데이터센터 워크로드의 31%가 추론인데 이 비중이 2030년에는 40%로 확대할 것"이라고 내다봤다. 기존 데이터센터는 수많은 독립 서버의 집합이다. 반면 AI데이터센터는 수천 개 GPU가 초고속 네트워크로 연결돼 하나의 슈퍼컴퓨터처럼 동작한다. 이 상무는 AI데이터센터 특징 두 가지를 소개했다. 첫째, GPU 서버간 저지연(low-latency) 네트워크 연결이다. 수천~수백개 GPU가 동기화하므로 일부 노드의 미세한 지연도 전체 학습 효율 저하로 이어질 수 있다면서 "AI학습에서는 가장 느린 GPU가 전체 학습 속도를 결정한다"고 짚었다. 둘째, 단일 학습(trainnug job)을 수행하는 경우 폴트 톨로런스(fault-tolerance,장애 허용성, 컴퓨터 시스템이나 네트워크, 서비스의 일부에 장애가 발생하더라도 전체 시스템이 중단되지 않고 계속 동작할 수 있도록 하는 것)가 역시 매우 중요하다. 이 상무는 "메타는 라마3를 54일간 학습하면서 466회의 장애가 발생했다. 제대로 처리하지 않으면 학습을 처음부터 재수행해야 한다"고 들려줬다. AI 인프라의 폭발적 성장 예도 메타를 사례로 들었다. 이 상무는 메타에서 2018년부터 2024년까지 약 6년간 근무하기도 했다. 2020년만해도 메타는 AI클러스터당 256개 GPU를 소비(장착)했는데 2023년에는 2만4000개로 껑충뛰었다. 2024년에는 5개 데이터센터를 비워 12만9000개 GPU 클러스터를 구성했다. 2025년에는 엔비디아 GB200을 도입했고, 2026년에는 1기가와트(1GW)급 클러스터를 구축하고 있다. LLM 데이터와 제조데이터간 차이점도 설명하며 "제조AI의 핵심 데이터는 시계열(Time-Series) 데이터"라고 밝혔다. 반면 LLM데이터는 텍스트로 이뤄져 있다. 데이터 원천도 LLM은 인터넷과 오픈소스 인데 반해 제조데이터는 센서와 산업장비로 다르다. 생성패턴도 차이가 있어 비정기(LLM)와 지속적(제조데이터)이다. 특히 민감정보 마스킹과 익명화가 LLM은 쉬운데 반해 제조데이터는 매우 어렵다. 대표 AI는 LLM이 라마와 GPT고 제조데이터는 타임FM(TimesFM), 크로노스(Chronos), 팩토리넷(FactoryNet)이다. 이 상무는 "제조데이터 학습은 어렵다"면서 그 이유로 첫째, 제조 제이터 민감 정보는 더 암묵적이며 둘째, 시계열과 영상데이터로 인해 규모가 매우 크며 셋째, 정답(Label) 확보가 어렵다고 진단했다. 이어 제조AI는 엔터프라이즈 파인 튜닝(기업 특화), 제조파운데이션모델(제조 도메인), 오픈월드모델(범용기반)과 같은 여러 계층이 결합, 전체 제조AI 모델을 구성한다면서 "제조AI데이터센터 규모 경제는 제조데이터 공유와 활용에 달려있다"고 밝혔다. 디지털 트윈도 강조했다. 디지털 트윈은 실물 운영 데이터를 활용해 물리 환경과 동일한 가상 환경을 구성, 가상 시뮬레이션 결과를 실물 운영에 재반영, 비공개 루프 체계를 구현한 것이다. 이 상무는 "좋은 코드에 테스트 체계가 있듯이 좋은 제조 데이터에는 디지털트윈이 필요하다"고 말했다.

2026.06.07 22:11방은주 기자

AI가 AI 만드는 시대, 개발자 방향성은 어디

인공지능(AI)이 코드를 생성하고 분석하는 수준을 넘어 새로운 AI 모델과 서비스 개발 과정에 참여하는 등 개발 현장 도입이 빨라지고 있다. AI가 소프트웨어(SW) 개발 전 공정에 깊숙이 관여하는 흐름이 본격화되면서 개발자의 역할 역시 근본적인 변화를 맞이하고 있다는 분석이 나온다. 7일 관련 업계에 따르면 오픈AI, 앤트로픽 등 글로벌 AI 기업은 AI와 관련 서비스 개발의 상당 부분에 자체 AI 에이전트를 투입하고 있다. 앤트로픽은 실제 서비스에 적용되는 내부 코드의 상당 부분을 AI 모델 '클로드'가 작성하고 있다고 밝혔다. 이는 개발자가 코드를 입력할 때 일부 단어나 코드 줄을 추천하던 기존 코딩 비서와는 다른 방식이다. 클로드는 전체 코드베이스를 읽고 여러 파일에 걸쳐 작업 계획을 세운 뒤 직접 코드를 수정하고 테스트까지 수행한다. 테스트 과정에서 문제가 발견되면 다시 수정하는 방식으로 반복 작업을 이어간다. 업계에서는 이를 두고 AI가 단순 보조 도구를 넘어 실제 개발 업무를 수행하는 단계로 진화하고 있다고 보고 있다. 오픈AI도 AI 코딩 도구 '코덱스'를 보안, 제품 엔지니어링, 프런트엔드, API, 인프라, 성능 엔지니어링 등 여러 기술 조직에서 매일 활용하고 있다고 설명했다. 복잡한 시스템 분석부터 대규모 리팩터링, 신규 기능 개발, 장애 대응, 코드 점검까지 다양한 업무에 코덱스가 활용되고 있다는 것이다. 챗GPT 웹팀의 한 백엔드 엔지니어는 "코덱스가 기존 레거시 호출을 새로운 서비스 방식으로 바꾸고 코드 변경 제안서(PR)까지 작성해 몇 시간이 걸릴 일을 몇 분 만에 해냈다"고 말했다. 챗GPT 엔터프라이즈팀의 한 제품 엔지니어도 "하루 종일 회의 중이었는데도 코덱스가 백그라운드에서 작업해 PR 4개를 병합했다"고 설명했다. AI가 단순 추천 도구를 넘어 실제 개발 업무를 수행하는 협업 주체로 바뀌고 있음을 보여주는 대목이다. IBM도 최근 엔터프라이즈 특화 개발 파트너 'IBM 밥'을 공개하며 계획, 코딩, 테스트, 배포 등 개발 전 과정에서 AI 활용을 확대하고 있다고 밝혔다. 관련 업계에서는 AI 도입이 본격화하면서 개발자의 역할도 빠르게 재편되고 있다고 보고 있다. 사람이 모든 코드를 직접 작성하던 구조에서 벗어나, 이제는 AI에 작업을 배분하고 그 결과를 검증하며 품질과 위험을 통제하는 역할이 한층 중요해지고 있다는 것이다. 앤트로픽은 공식 페이지를 통해 이제 코드 상당수는 클로드 코드가 작성하고 있으며 엔지니어는 아키텍처 설계와 제품 판단, 지속적인 작업 조율에 집중하고 있다고 설명했다. 오픈AI 역시 에이전트 중심 개발 환경에서는 엔지니어의 주된 일이 더 이상 직접 코드를 쓰는 데 그치지 않고, 환경을 설계하고 의도를 명확히 하며 피드백 루프를 만드는 방향으로 바뀌고 있다고 설명했다. 이처럼 반복 구현과 정형화된 작업을 AI가 빠르게 흡수하기 시작하면서 개발자에게 요구되는 역량도 달라지고 있다. 앞으로는 단순히 코드를 많이 작성하는 능력보다 무엇을 만들어야 하는지 문제를 정의하고, 시스템 구조를 설계하며, AI가 만든 결과물을 검토해 품질과 보안, 규정 준수까지 책임지는 역량이 더 중요해질 것이라는 전망이 나온다. 닐 순다레산 IBM 소프트웨어 총괄은 "이제는 AI 모델 성능만으로는 충분하지 않다"며 "인간을 루프 안에 두는 방식이 AI의 실제 가치를 결정한다"고 전했다. 이어 "AI가 개발 전 공정에 들어오는 시대일수록 결국 남는 질문은 무엇을 자동화할 수 있느냐가 아니라 누가 맥락을 설계하고 결과를 책임지느냐"라고 덧붙였다. 안드레 벡톨드 SAP 인더스트리 및 익스피리언스 부문 총괄도 "비효율적이거나 위험한 업무는 AI 에이전트가 자율적으로 처리하되, 보안과 규정 준수, 핵심 의사결정 영역에서는 인간이 최종 제어권을 유지해야 한다"며 "인간은 기계가 대체할 수 없는 차별화된 핵심 업무에서 새로운 기회와 가치를 창출하게 될 것"이라고 밝혔다.

2026.06.07 14:47남혁우 기자

[박준성의 SW] AI 코딩 에이전트는 주니어 개발자...SW공학 필요

SW공학의 역사 SW 공학(Software Engineering)은 1960년대 후반 미국과 유럽을 중심으로 본격적으로 발전하기 시작했다. 1960년대 IBM system/360용 OS/360 개발 프로젝트는 과도한 납기 지연과 원가 초과를 겪었고, 당시 미국 국방 및 대형 공공 시스템 프로젝트들도 잇따라 납기 지연과 품질 문제를 겪었다. 1968년 NATO가 주관한 국제회의(NATO Software Engineering Conference in Garmisch, Germany)에서 SW 개발의 위기(Software Crisis)를 공식 선언하고, 그 해결책으로 SW 공학의 연구개발이 시작됐다. SW공학이 1960년대 이전의 SW 개발 방식과 다른 점은 시스템 구현 이전에 분석과 설계를 체계적으로 수행하고, 개발 전 과정에서 표준 프로세스, 표준화된 기법과 도구를 활용한다는 것이다. 요구 분석은 개발 명세를 사전에 규명함으로써 요구 결함(Requirement Error)으로 인한 재작업(Rework)을 줄인다. 명확한 인수 기준은 테스트 자동화의 기반이 되며, 자동화된 회귀 테스트는 지속적인 코드 내부 구조 개선(Refactoring)을 안전하게 뒷받침한다. 설계에는 시스템 전체의 아키텍처 설계와 상세 수준의 코드 설계가 있다. 아키텍처 설계는 시스템을 구성하는 컴포넌트 간의 통합 효율을 높인다. 상세 설계와 코드 구조 설계는 코드의 가독성과 변경 용이성을 높여 SW의 장기적인 유지보수성(Maintainability)을 확보한다. 요구 스펙과 SW 설계를 자연어로 표현할 때 발생하는 모호성(Ambiguity)을 제거하기 위해 UML(Unified Modeling Language), BPMN(Business Process Model and Notation), ERD(Entity-Relationship Diagram), ArchiMate, C4와 같은 특수한 그래픽 부호를 사용하는 비주얼 모델링 언어(Visual Modeling Notation)를 국제 및 업계 표준으로 정착시켜 왔다. SW공학은 오늘날 AI 코딩 에이전트 시대에도 여전히 중요하다. AI가 코드를 생성하더라도, 대규모 프로덕션 시스템의 품질과 유지보수성은 결국 체계적인 SW 공학에 의해 좌우된다. SW코딩 자동화의 역사 1980년대 이후 코딩 자동화 기술은 본격적으로 발전해 왔다. 1980년대 말 Texas Instruments가 개발한 IEF(Information Engineering Facility)는 메인프레임 COBOL 코드를 100% 자동 생성하는 CASE(Computer-Assisted Software Engineering) 툴로, 금융·공공 분야의 대규모 엔터프라이즈 시스템 코드를 자동 생성하는 데 활용됐다. 1990년대에는 Unix C, Windows C++, Java 등을 자동 생성하는 다양한 모델 기반 CASE 툴들(Composer, Obsydian, ObjectTeam 등)이 등장했다. 그러나 요구사항 변화에 대한 유연성 부족과 복잡한 모델링 부담으로 인해 1990년대 후반부터 CASE 툴의 인기가 하락하기 시작했다. 2000년대에 들어서는 객체 지향 프로그래밍 언어를 사용하는 웹 애플리케이션의 반복 점증적 개발이 새로운 SW 개발 패러다임으로 확산됐다. UML 모델 기반의 100% 코드 자동 생성을 추구하는 MDA(Model-Driven Architecture) 툴이 개발되었으나 대중적인 개발 패러다임으로 확산되지는 못했다. 대신 Spring, Ruby on Rails, Django 등 오픈 소스 웹 애플리케이션 프레임워크가 개발 시장을 장악했다. 한편 Rational Rose, Sparx EA(Enterprise Architect) 같은 비주얼 모델링 툴은 코드 생성 툴과 분리되었지만, 코드 스켈레톤(Code Skeleton) 생성과 Round-Trip Engineering을 가능하게 해 널리 활용됐다. 2010년대 후반 이후 비주얼 모델 기반으로 애플리케이션을 자동 생성하는 Low-Code 개발 플랫폼(Outsystems, Mendix, Appian, Microsoft PowerApps 등)이 급속히 확산되기 시작했다. (박준성, Fundamentals of Low-Code Development, kosta-online.com 참조) 같은 시기에 템플릿 기반의 시각적 Drag-and-Drop을 통해 WYSIWYG(What You See Is What You Get) 방식으로 애플리케이션을 자동 구성하는 No-Code 개발 플랫폼(Wix, Bubble, AppSheet, Webflow 등)도 급속히 확산되었다. Gartner는 2022년 보고서에서 기업 신규 애플리케이션 개발 중 Low-Code/No-Code(LCNC) 비중이 2020년 25%에서 2026년 75% 수준까지 증가할 것으로 전망했다. (Gartner, Forecast Analysis: Low-Code Development Technologies-Worldwide, 2022). 실제로 2024년에 이미 다수 기업이 Low-Code 개발 플랫폼을 도입하면서 이러한 방향성이 현실화됐다. 오늘날 AI 코딩 에이전트가 코딩 자동화에 큰 관심을 불러일으키고 있지만, 위에서 보았듯이, 코딩 자동화는 새로운 현상이 아니다. LCNC(Low-Code/No-Code) 플랫폼이 이미 애플리케이션의 자동 구축에 널리 활용되고 있다. LCNC 플랫폼은 자유도를 제한한 표준 아키텍처, 메타데이터 모델, 시각적 제약 조건 위에서 동작했기 때문에 높은 생산성과 안정성을 동시에 확보할 수 있었다. 반면 자연어 기반 AI 코딩 에이전트는 훨씬 더 높은 자유도를 제공하지만, 환각(Hallucination)과 구조적 일관성 붕괴라는 새로운 위험을 안고 있다. 따라서 AI 코딩 에이전트가 LCNC를 넘어 엔터프라이즈 프로덕션 시스템 개발의 주류가 되기 위해서는, SW공학적 제약 조건을 에이전트 코딩 프로세스에 강하게 내재화해야 한다. 생성형 AI 기반 코딩 지원 및 자동화의 등장 2020년대 들어 생성형 AI(Generative AI, GenAI) 기반의 Vibe Coding, AI Coding Assistant 및 AI Coding Agent가 확산되고 있다. Vibe Coding은 자연어 프롬프트를 통해 애플리케이션을 빠르게 생성·수정해 가는 실험적 개발 방식이다. 테스트 후 에러가 있으면 자연어로 피드백을 주면서 반복적으로 개선해 나간다. Claude, ChatGPT 같은 범용 AI Chatbot 또는 Lovable, Bolt.new, Replit 같은 전문 Vibe Coding 툴을 사용한다. 오늘날 대부분의 AI 코딩 툴들은 Vibe Coding, AI Coding Assistant, AI Coding Agent 기능을 모두 갖추고 있으며, 일부는 통합 개발 환경(IDE)에 내장되어 있다. GitHub Copilot, Cursor, Amazon Q Developer 등 AI Coding Assistant는 개발자의 코딩을 지원해 생산성을 높이는 데 사용된다. 코드 완성(Code Completion), 코드 생성, 리팩토링, 디버깅, 문서화, 코드 번역 등을 지원한다. Cursor, Claude Code, GitHub Copilot 등 AI Coding Agent는 개발자와 상호작용하며 시스템 목표 구현, 요구사항 개발, 테스트 생성, 오류 수정, 설계 개선, 문서화 등을 계획-실행-검증 루프를 통해 반자율적으로 수행한다. Vibe Coding은 대규모 프로덕션 시스템 구축에는 한계가 있다. 프로덕션 시스템의 구축에 사용할 수 있는 AI Coding Assistant 및 Agent는 LCNC 플랫폼과 비교했을 때 아래 표 1과 같은 특징을 갖추고 있다. AI Coding Agent가 No-Code 개발 플랫폼에 비해 가지는 장점은 템플릿을 커스터마이즈하는 것보다 프롬프트를 통해 UI를 더 자유롭게 설계할 수 있고, 컴포넌트 단위로 수정하고 조립할 수 있다는 점이다. Low-Code 개발 플랫폼과 비교하면 비주얼 모델링의 어려움에서 벗어나 프롬프트나 이미지를 통해 애플리케이션과 데이터베이스를 생성할 수 있고, 벤더 종속적(Proprietary) 프레임워크에 록인(Lock-in)되지 않으며 Next.js, Tailwind, PostgreSQL 등 표준 오픈 소스 프레임워크로 생성해 IDE 기반 개발 환경으로 이관할 수 있다는 점이다. 그러나 주요 LCNC 플랫폼들은 GenAI Foundation Model을 기반으로 AI Coding Assistant/Agent 기술을 툴 내에 융합함으로써 단점을 극복하고 있다. AI Coding Assistant 기술은 개발자의 비주얼 Drag-and-Drop 및 모델링 작업을 지원하는 데 활용하고, AI Coding Agent 기술은 기존 비주얼 모델링 없이도 자율적으로 애플리케이션을 생성하는 데 활용한다. 가트너와 IDC 자료를 기반으로 시장 규모를 비교해 보면, LCNC 시장이 여전히 AI 코딩 툴 시장보다 훨씬 큰 비중을 차지하고 있음을 알 수 있다. AI 코딩 에이전트가 LCNC 개발 플랫폼 대비 경쟁 우위를 확보하려면 결국 비확정적 출력의 문제를 극복해야 한다. 동일한 프롬프트에도 상이한 결과를 생성하는 비결정성(Non-determinism)과 환각(Hallucination) 현상 때문에 테스트 재현성과 코드 변경의 예측 가능성이 약화되고, 그 결과 CI/CD 파이프라인의 안정성이 저하될 수 있다. 또한 보안 리스크, 기술 부채(Technical Debt) 축적, 저작권 및 규제법 위반, 감사 실패(Audit Failure) 등의 문제도 일으킨다. LCNC 플랫폼은 메타데이터, 시각적 모델, 플랫폼 제약 조건을 통해 개발 자유도를 제한함으로써 결정론적(Deterministic) 자동화를 달성했다. 반면 AI 코딩 에이전트는 자연어 기반의 개방형 생성(Open-Ended Generation)을 사용하기 때문에 훨씬 높은 유연성을 제공하지만, 동시에 비결정성과 환각이라는 새로운 위험을 초래한다. LCNC는 제약(Constraint)을 통해 자동화에 성공했다. AI 코딩 에이전트도 엔터프라이즈 프로덕션 시스템 개발의 주류가 되려면 SW공학적 제약과 거버넌스를 내재화해야 한다. SW공학 기반의 AI 에이전트 코딩 AI 코딩 에이전트의 환각 현상과 비결정성(Nondeterminism)을 없애기 위해서는 SW공학적 제약과 자동화 메커니즘을 체계적으로 적용해야 한다. (박준성, AI Agent Coding Patterns, kosta-online.com 참조) ▲테스트 주도 개발(Test-Driven Development, TDD: Kent Beck, Test-Driven Development, 2002 참조): 에이전트가 소스 코딩 전에 테스트 코드를 먼저 작성하도록 컨텍스트 파일(Context File)에 명기한다. SW 변경 후 즉시 자동 테스트를 실시하도록 Hook을 설치한다. 변경 Commit 전에 Test Coverage가 일정 수준에 미치지 못하면 Commit을 못하도록 Hook을 설치한다. Red-Green-Refactoring 기반의 TDD 사이클을 Skill로 등록해 에이전트의 작업 계획(Task Planning)에 포함한다. Red, Green, Refactoring 단계를 별도의 Subagent가 수행하도록 분리한다. ▲지속적 통합(Continuous Integration, CI: Kent Beck, Extreme Programming Explained, 2004; Martin Fowler, Continuous Integration, martinfowler.com, 2006 참조): 에이전트 코딩에서 CI(즉, Agentic CI)는 TDD처럼 자동화된 Quality Gate이다. SW 변경을 리포지토리의 Main Branch에 Merge할 때 자동으로 Commit, 빌드, PR 생성, 단위/통합 테스트, 정적 분석, 보안 점검을 수행한다. 실패할 경우 에이전트는 Merge를 금지하고, Stack Trace를 피드백 받아 오류를 자가 수정(Self-Correct)한다. Agentic CI는 GitHub Actions, Buildkite, CircleCI 같은 CI/CD 플랫폼을 사용해 CI Pipeline을 실행하고, AI 코딩 에이전트를 Pipeline 내에서 여러 스텝(코드 리뷰, 수정, 품질 개선)을 수행하는 데 이용한다. 결과적으로 Trunk-Based Development 전략 하에서 Agentic CI를 운영함으로써 항상 릴리스 가능한 Main Branch를 유지할 수 있다. 위의 TDD와 마찬가지로 컨텍스트 파일, Hook, Skill, Subagent를 보완적으로 활용하여 CI 실패를 조기에 탐지하고 예방할 수 있다. 효과적인 CI 운영을 위해서는 높은 수준의 테스트 자동화가 필요하며, TDD는 이를 구현하는 대표적 방법이다. TDD를 통해 누적된 테스트 코드는 CI 파이프라인에서 자동화된 단위·통합 테스트의 기반이 된다. ▲요구 스펙(Requirement Specification: 박준성, The Complete Guide to Business Analysis, kosta-online.com 참조): AI 에이전트를 포함하는 AI 네이티브 애플리케이션을 구축할 때 경영 성과를 달성하려면 에이전트를 포함한 End-to-End 프로세스를 재발명(Reinvention)해야 한다. 애플리케이션의 비즈니스 도메인에서 사용하는 도메인 개념과 의미 체계를 명확히 정의하고 표준 용어를 사용해 프로세스를 설계해야 한다. 애플리케이션에서 구현해야 할 혁신적인 기능을 사용사례(Use Case)로 명확히 정의하고, 시나리오로 구체화할수록 요구사항의 구현 오류를 줄일 수 있다. (박준성, AI 에이전트 성공의 핵심 조건, kosta-online.com 참조) 이러한 요구 분석은 AI 코딩 에이전트를 사용해 애플리케이션을 개발하기 전에 미리 수행한다. 프로세스 모델은 국제 표준인 BPMN(Business Process Model and Notation)을 이용해 설계할 수 있다. 시맨틱 모델은 종래 UML 클래스 다이어그램으로 작성했지만, AI 코딩 에이전트를 사용할 때는 온톨로지(Ontology)를 병행 활용하는 것이 효과적일 수 있다. 온톨로지는 개념 간의 관계와 제약을 명시적으로 표현하므로, AI 코딩 에이전트가 도메인 의미를 더 정확히 해석하고 일관된 코드를 생성할 가능성이 높다. 아래 '그림 1'은 요구 분석 산출물과 그들 간의 의존 관계를 보여준다. 프로세스 모델, 시맨틱 모델(Business Object Model), 사용사례 모델, UX 모델, 서비스 모델 간의 긴밀한 의존 관계를 정확히 준수해야 일관성 있고 완전한 요구 스펙을 만들 수 있다. 앞에서 1970년대 SW공학 등장 이후, 인간들 사이에서도 자연어의 모호성 때문에 모델링 언어를 만들어 요구 스펙과 SW 설계의 문서화에 사용했다는 사실을 지적했다. AI 코딩 에이전트도 마찬가지로 자연어 프롬프트보다는 더 상세한 Markup Language(Markdown, HTML 등), Serialized Language(JSON, YAML 등), Modeling/Domain Specific Language(UML, BPMN, BDD, User Story, Ontology 등), 프로그래밍 언어(Python, Typescript 등)를 더 안정적으로 처리할 수 있다. 프로세스 모델, 시맨틱 모델 및 사용사례를 AI 코딩 에이전트의 요구 스펙에 반영할 때는 그대로 이미지나 텍스트 형태로 입력할 수도 있고, 사용자 스토리(User Story)와 BDD(behavior-Driven Development)의 Gherkin 문장으로 변환해 입력할 수도 있다. BDD 문장은 생성된 코드의 인수 테스트(Acceptance Test) 기준을 제공한다. (Dan North, Introducing BDD, dannorth.net, 2006) 이러한 변환 자체도 AI 코딩 에이전트에게 위임할 수 있다. 예컨대, 프로세스 모델을 에이전트에 입력할 때 Mermaid.js 같은 다이어그램 DSL로 변환해 제공할 수 있다. 온톨로지는 JSON-LD나 Turtle(.ttl)로 직렬화(Serialize)해서 제공할 수 있다. 사용자 스토리와 BDD 문장이 생성되면 분석가(Business Analyst)가 오류가 없는지 검토해야 한다. 분석자 리뷰를 패스하면 에이전트가 사용자 스토리와 BDD 문장을 기반으로 코드를 작성한다. 앞의 TDD 기법에서 설명했듯이 소스 코딩 이전에 테스트 코드를 작성해야 하므로, 에이전트는 사용자 스토리와 BDD 문장에서 TDD 테스트 코드를 도출한다. BDD 문장 작성에 Cucumber 같은 BDD 프레임워크와 Playwright 같은 E2E 테스트 프레임워크를 사용하는 경우, 에이전트는 Step Definition 파일을 기반으로 테스트 코드를 생성한다. BDD 툴을 사용하지 않는 경우에는 에이전트가 BDD 문장을 직접 TDD 테스트 코드로 변환한다. 이와 같이 효과적인 CI 운영은 TDD 기반 테스트 자동화를 필요로 하고, TDD는 BDD에 의존하고, BDD는 프로세스 모델링, 시맨틱 모델링, 사용사례 분석 등 사전(Upfront) 요구 분석을 통해 정확하게 도출된다. (요구 분석 → BDD → TDD → CI) ▲객체 설계(Object Design: Erich Gamma et al., Design Patterns, 1994; Robert Martin, Design Principles and Design Patterns, 2000 참조): AI 코딩 에이전트는 코드를 Python, Typescript 등 객체 지향 프로그래밍 언어(Object-Oriented Programming Language)로 생성한다. 프로덕션 시스템이 갖추어야 할 중요한 품질 속성에는 가독성(Readability), 변경 용이성(Maintainability), 확장성(Extensibility) 및 테스트 용이성(Testability)이 있다. 이러한 속성을 갖추려면 코드가 객체 설계 원칙을 지키고 객체 설계 패턴을 적용해야 한다. AI 코딩 에이전트가 객체 설계 원칙과 패턴을 일관되게 적용하도록 하기 위해서는, 컨텍스트 파일에 원칙과 패턴을 명시하고, CI/CD 파이프라인에서 아키텍처 규칙 검증(Architectural Fitness Function)을 통해 정적 분석(Static Analysis)을 수행하며, 설계 품질 검토를 담당하는 Subagent를 운영하는 등의 Quality Gate가 필요하다. ▲서비스 지향 아키텍처(Service-Oriented Architecture, SOA: OASIS, Reference Model for Service Oriented Architecture, 2006; 박준성, The Complete Guide to SOA, MSA and Modulith, kosta-online.com): AI 코딩 에이전트를 사용하는 데 있어 중요한 제약 조건은 컨텍스트 윈도우(Context Window)의 크기다. 컨텍스트 윈도우에 필요한 최적의 정보만을 적시에 제공하는 것이 에이전트의 효과와 효율을 높이는 방법이다. SOA는 애플리케이션을 Loosely-Coupled 서비스 단위로 분할하고, 서비스 간에 공개된 표준 API를 통해 연결한다. 따라서 에이전트가 서비스 단위로 독립적으로 코드를 생성할 수 있도록 한다. 에이전트의 컨텍스트가 작은 서비스에 초점을 맞추기 때문에 환각을 줄일 수 있다. 서비스 간 독립성을 높이기 위해서는 애플리케이션 객체 설계 모델에서 하나의 응집된 Business Capability를 실현하고, 일관된 도메인 언어(Ubiquitous Language)를 공유하는 경계인 Bounded Context를 식별해 이를 하나의 서비스로 매핑하는 방법을 취할 수 있다. (Eric Evans, Domain-Driven Design, 2003 참조) SOA 애플리케이션을 구현할 때, 애플리케이션의 릴리스 사이클이 시간 단위 이하로 짧아야 할 때는 Microservice Architecture(MSA)로 구현해 서비스별로 독립적으로 배포할 수 있다. 이 경우 서비스 단위의 독립적 배포와 피드백 루프 최적화가 가능해져 오류를 신속히 수정할 수 있다. MSA는 빠른 릴리스에 적합한 SOA 구현 패턴이지만, 유지보수 및 운영의 복잡성 때문에 Modulith(Modular Monolith)나 SBA(Service-Based Architecture) 구현 패턴을 선호하는 경우도 있다. (Mark Richards and Neal Ford, Fundamentals of Software Architecture, 2020) 한 애플리케이션 안에서 서비스에 따라 독립적으로 배포할 수도 있고 집합적으로 배포할 수도 있다. 아래 그림 2는 에이전트 코딩을 통해 구축한 전자상거래 에이전트 시스템으로, 흑색 테두리 박스는 논리적 서비스, 적색 테두리 박스는 물리적 서비스(배포 단위)를 나타낸다. (박준성, AI 에이전트의 물리적 아키텍처 - Modulith, SBA 및 MSA의 Hybrid 아키텍처, kosta-online.com 참조) AI 에이전트 코딩에서 SOA를 실현하기 위해서는 우선 아키텍트가 SOA 아키텍처를 설계하고, OpenAPI나 Protocol Buffers를 이용해 각 서비스의 API를 정의한다. 에이전트의 프로젝트 구조 파일에서 각 서비스를 독립적인 리포지토리로 정의할 수도 있고, Monorepo를 정의할 수도 있다. Monorepo를 사용한 경우, 정적 분석을 통해 SOA의 서비스 캡슐화(Service Encapsulation) 원칙, 즉 API 이외의 방식으로 다른 서비스에 직접 접근할 수 없다는 원칙을 위반했는지 검증한다. 에이전트는 API Contract를 준수하는 코드를 생성한다. SOA에서는 API의 확장은 허용하지만 하위 호환성을 깨는 변경은 제한하는 것이 중요하다. 이 원칙이 위반됐는지 CI 파이프라인에서 검증하고, 위반한 경우 빌드를 취소한다. 결론 AI 코딩 에이전트는 시니어 분석가/아키텍트/엔지니어가 가이드하고 검증해야 하는 주니어 개발자와 같다.에이전트와 시니어 전문가가 Pair Programming을 하는 것과 같다. 시니어의 역할은 SW 공학의 원칙, 패턴과 베스트 프랙티스를 잘 적용, 현장 사용자가 신뢰할 수 있고 미래에 장기적으로 발전·확장해 나갈 수 있는 애플리케이션을 구축하도록 관여하고 책임을 지는 것이다.

2026.06.06 08:34박준성 컬럼니스트

"소포배송 실패 사칭 이메일 주의하세요"

우정사업본부를 사칭한 피싱 이메일이 발송되고 있어, 주의가 요구된다. 우정사업본부는 '한국우정사업본부 배송관리팀' 등 명의로 피싱 이메일이 유포되고 있다고 5일 밝혔다. 이메일은 '긴급, 소포 배송 실패 안내, 주소 수정 요청'이라는 제목과 함께 '수령 예정 소포 배송 과정에서 이상 발생, 주소 정보 업데이트가 필요하다'는 내용으로 공식 사이트처럼 꾸며진 외부 피싱 사이트로 연결해 개인정보 유출과 금전 결제를 유도하고 있다. 메일은 우본이 발송한 것이 아니며, 이용자가 메일에 있는 링크를 클릭하거나 외부 사이트에 개인정보를 입력할 경우, 개인정보 탈취나 악성코드 감염, 금전 피해가 발생할 수 있다. 우본은 이메일 내 링크 클릭이나 주소 등 개인정보 입력에 유의해야 한다고 당부했다. 의심스러운 메일을 받았을 때 메일 안의 링크 클릭 금지, 우체국 공식 문자, 앱, 우체국 홈페이지 알림 중심으로 확인, 주소, 금융 정보 등 개인정보 입력 금지, 메일 즉시 삭제, 문의사항은 우편고객센터 확인 등이 필요하다고 강조했다. 아울러 우본은 인터넷우체국 홈페이지와 모바일앱, SNS에 사칭 이메일 주의 안내 팝업을 게시하고, 이용자에게 피싱 메일에 대한 주의를 요청했다. 박인환 우정사업본부장은 “최근 우체국을 사칭한 피싱 이메일이 발송되고 있다”며 “우체국 사칭 의심 메일을 받을 경우 링크 클릭이나 첨부파일 실행을 하지 말고 즉시 삭제해 주시기 바란다”고 말했다.

2026.06.05 17:03홍지후 기자

[기고] 韓 반도체 슈퍼사이클, AI 생태계로 이어야 산다

2026년 한국 경제의 가장 밝은 지표는 단연 반도체다. 고대역폭메모리(HBM)를 앞세운 메모리 슈퍼사이클은 삼성전자와 SK하이닉스의 실적을 사상 최고 수준으로 끌어올렸다. 초과세수가 거론되고 정치권에선 초과이익 공유가 다시 의제로 떠올랐다. 호황의 과실을 어떻게 나눌 것인가란 질문엔 위험한 사각지대가 있다. 거시경제 측면에서 보면 반도체 호황은 경상수지의 한쪽 면일 뿐이다. 반대편에선 조용하지만 구조적인 적자가 커지고 있다. 한국은행 통계에 따르면 작년 지식서비스 무역수지 적자는 약 102억 5000만 달러로, 전년보다 30% 가까이 확대됐다. 이는 역대 네 번째로 큰 규모다. 온라인 동영상 서비스(OTT), 인공지능(AI) 구독료 등이 적자의 주범이었다. AI 에이전트 시대가 본격화되기도 전에 이미 지능의 대가를 해외에 치르며 적자를 키워 온 셈이다. 멀티 에이전트 시대가 본격화되면 토큰 소비는 폭증한다. 단발성 질의응답이 아니라, 에이전트가 또 다른 에이전트를 호출하고 추론을 반복하며 일을 처리하는 구조로 넘어가기 때문이다. 한 번의 사용자 요청이 수십수백 번의 모델 호출로 증폭된다. 기존 소프트웨어 수입이 사용자 수에 비례해 선형으로 늘었다면 에이전트 경제의 토큰 소비는 에이전트가 에이전트를 부르며 복리로 증식한다. 더 결정적인 문제는 우리가 소비하는 토큰 대부분이 외산 모델과 외산 클라우드 위에서 발생한다는 점이다. 결제 통화는 달러이고 청구서 수취인은 해외 사업자다. 여기서 우리나라가 처한 비대칭 본질이 드러난다. 반도체는 한 번 팔면 끝나는 재고지만 AI 서비스는 매달 청구서가 날아오는 구독이다. 우리가 받은 대금은 일회성이고 우리가 치르는 비용은 영속적이다. 가치는 지금 그릇에서 내용물로, 하드웨어에서 그 위에 얹힌 지능으로 이동하는 중인데 우린 가장 무겁고 마진 얇은 층을 지키며 가장 가볍고 마진이 두꺼워질 층을 내주고 있다. 이 비대칭은 곧 악순환의 엔진이 된다. 이미 적자인 지식서비스수지가 토큰 소비 곡선을 따라 가파르게 확대되면 반도체 흑자가 떠받치던 경상수지의 균형은 흔들린다. 경상수지가 적자로 기울면 원화는 약세로 간다. 환율이 오르면 달러로 청구되는 AI 사용료의 원화 부담은 더 커진다. 부담이 커진 만큼 적자는 더 벌어지고 적자는 다시 환율을 밀어 올린다. 한번 돌기 시작하면 멈추기 어려운 순환이다. 반도체 흑자와 AI 서비스 적자는 별개 장부가 아니라 하나의 국제수지 안에서 상쇄되는 항목이다. 반도체로 아무리 많이 벌어도 그 돈이 토큰 청구서로 고스란히 빠져나간다면 국가 전체 부(富)는 늘지 않는다. 지금 초과이익·초과세수 논의는 부분균형의 시야에 갇혀 있다. 반도체란 한 부문 이익에만 초점을 맞추고 그 이익을 어떻게 거두어 어떻게 재분배할 것인가를 따진다. 국가 전체의 일반균형으로 시야를 넓히면 그림은 달라진다. 반도체가 벌어들인 흑자가 결국 AI 서비스 적자를 메우는 데 소진된다면 우리가 나누자고 다투는 초과이익은 회계상의 착시에 가깝다. 더 위험한 것은 시점 불일치다. 반도체 흑자는 사이클을 탄다. 슈퍼사이클은 언젠가 반드시 꺾이지만 토큰 적자는 구조적이다. 초과이익을 거둬 소비로 재분배하는 방식은 그 순간 분배 정의에 기여할지 몰라도 적자 구조 자체를 바꾸지는 못한다. 오히려 호황기에 마련해야 할 구조 전환의 골든타임을 흘려보내는 비용이 될 수 있다. 진짜 질문은 누가 얼마를 가져갈 것인가가 아니라 이 흑자를 어디에 심어야 다가오는 적자 구조를 끊어낼 것인가다. 미중 패권 경쟁은 본질적으로 AI 생태계 패권 경쟁으로 흘러가고 있다. 모델과 데이터, 칩, 그 위에서 굴러가는 소프트웨어와 에이전트 경제 전체가 전장이다. 이 경쟁에서 한국이 미국·중국에 이어 3대 강국 자리를 노린다면 메모리 반도체란 하드웨어 레버리지를 무기로 삼아야 한다. AI 인프라 병목이 메모리에 걸려 있는 한 우리나라는 협상 테이블에서 결코 작은 플레이어가 아니다. 다만 이 레버리지엔 유효기간이 있다. 메모리 우위는 영구 자산이 아니다. 중국의 추격과 아키텍처 변화 속에서 협상력은 점점 줄어들 수 있다. 한국은 하드웨어 분야에서 세계 최정상이지만 소프트웨어 존재감은 옅다. IDC의 2025년 추산에 따르면 국산 서비스형 소프트웨어(SaaS) 시장 규모는 약 2조 5500억원으로, 글로벌 시장의 0.35%(약 723조원)에 그친다. 세계 메모리 시장 점유율과 비교하면 거의 100배에 달하는 비대칭이다. 0.35%는 매출 규모가 아니라 표준의 부재다. 모델 컨텍스트 프로토콜(MCP)을 비롯한 에이전트 프로토콜, 플랫폼 계층, 데이터 인터페이스 계층을 누가 쥐느냐가 앞으로 수십 년의 지대를 결정한다. 표준을 쥔 자가 토큰 흐름을 설계하고 그 흐름 위에서 항구적인 임대료를 거둔다. 소프트웨어 경쟁력을 갖지 못하면 영원히 남이 설계한 토큰 경제 위에서 사용료만 치르는 순수입국으로 남는다. 하드웨어 레버리지를 소프트웨어 경쟁력을 키우는 지렛대로 전환해야 하는 이유다. 반도체에서 번 자본과 협상력을 AI 모델·플랫폼·SaaS·에이전트 생태계란 소프트웨어 자산으로 옮겨야 한다. 여기서 삼성전자와 SK하이닉스 역할을 다시 정의할 수 있다. 두 기업이 호황의 성과를 한국 AI 생태계에 기여하는 것이야말로 진정한 의미의 초과이익 공유라고 본다. 이때 공유는 세금으로 거둬 흩뿌리는 재분배가 아니다. 생태계에 자본과 자산을 심어 함께 성장하는 공진화다. 데이터와 투자, 협업으로 이를 실현할 수 있다. 우선 두 기업이 보유한 제조·공정·설계 영역의 고품질 산업 데이터는 한국형 산업 AI와 소버린 AI를 키울 토양이 된다. 가령 민감 정보를 걸러낸 산업데이터 신탁을 만들어 국내 모델·솔루션 기업이 학습에 활용하도록 개방하는 방식이다. 데이터는 나가지 않고 모델만 들어와서 학습하는 '모델 투 데이터' 방식도 가능하다. 반도체 초과이익 일부를 떼어 'AI 생태계 펀드'나 기업주도형 벤처투자(CVC)로 조성하고 국내 AI 스타트업·SaaS·모델 인프라에 인내 자본으로 흘려보내는 것도 방법이다. 각 사의 막대한 AI 수요를 국내 솔루션 첫 고객이자 레퍼런스로 삼는 앵커 고객 전략, HBM 고객사와 국내 모델·SaaS 기업이 함께 워크로드를 최적화하는 공동 연구개발(R&D) 컨소시엄도 필요하다. AI 패권 정점에 선 엔비디아 사례가 이를 방증한다. 많은 글로벌 분석가는 엔비디아의 진짜 해자가 칩이란 실리콘이 아니라 약 20년에 걸쳐 쌓아 올린 소프트웨어 생태계 '쿠다(CUDA)'라고 진단한다. 쿠다는 AI 개발 프레임워크의 90% 안팎을 사실상 장악하고 있다. 개발자가 쿠다 위에 코드를 쌓을수록 엔비디아 칩이 최적화되고 실제 워크로드에서 빨라지며 더 많은 개발자가 다시 쿠다로 모인다. 스스로를 강화하는 플라이휠이다. 엔비디아는 이에 더해 하이퍼스케일러와 데이터센터 레퍼런스 아키텍처를 함께 설계하고 있다. 한국은 세계 최고 수준 자본 집중은 있으나 그것을 생태계로 되돌리는 순환 장치가 없다. 이제 검증된 플라이휠을 직접 돌리기 시작해야 할 때다. 네이버클라우드는 최근 엔비디아와 '글로벌 AI 팩토리' 구축 협력안을 발표했다. 엔비디아의 개방형 모델 '네모트론'을 활용해 자체 모델 하이퍼클로바X를 고도화하고 초거대 모델 최적화 기술을 공동 연구하는 것이 골자다. 업스테이지를 비롯한 국내 AI 기업들도 엔비디아의 '네모트론 디벨로퍼 데이즈'에 참여해 한국형 파운데이션 모델 전략을 논의했다. 엔비디아는 한국어 소버린 AI를 겨냥한 합성 데이터셋까지 공개하며 국내 개발자 생태계를 끌어안았다. 하드웨어 기업이 오픈 모델과 데이터, 개발자 커뮤니티를 앞세워 한국의 소프트웨어·소버린 AI 생태계를 자기 하드웨어 쪽으로 끌어당기는 것이다. 메모리 월과 KV 캐시가 병목으로 떠오른 지금, 일부 오픈 모델이 추론 토큰을 대폭 줄이면서 긴 컨텍스트를 지원하는 방향으로 진화하는 것 역시 소프트웨어가 메모리·연산 부담을 덜어주는 공동 최적화 결과물이다. 엔비디아는 이 본질을 꿰뚫고 소프트웨어 생태계를 자사 하드웨어에 묶어 최적화의 주도권을 쥐려 하고 있다. 하지만 한국 AI 소프트웨어 생태계를 하드웨어에 묶어내는 주체가 꼭 외국 그래픽처리장치(GPU) 기업일 필요는 없다. AI 시스템에서 가장 결정적인 부품인 HBM 공급자는 우리 기업이다. 앞으로 장기기억을 담당할 HBF까지 국내 기업이 책임질 것으로 보인다. 그럼에도 생태계를 조율하는 손은 메모리 강자가 아니라 해외 가속기 진영이다. 이대로라면 국산 메모리는 남이 설계한 최적화 스택에 끼워 넣는 범용 부품에 계속 머물 수밖에 없다. 삼성전자와 SK하이닉스가 국내 소프트웨어 생태계와 손잡고 워크로드에 맞춰 메모리를 함께 설계한다면 범용 부품은 차별화되고 고착성 있는 공동 최적화 자산으로 바뀐다. 엔비디아가 쿠다로 증명한 플라이휠을 메모리 언어로 다시 쓸 수도 있다. 이 공진화는 메모리 수요의 기반 자체가 두터워지게 한다는 점에서 두 기업에 이득이다. 토큰을 소비하는 주체는 결국 소프트웨어다. 시장조사기관 트렌드포스는 에이전트 AI 추론이 단발성 질의에서 연쇄 사이클로 진화하면서 HBM과 D램 수요를 직접 끌어올린다고 분석한다. 컨텍스트 창이 길어질수록 KV 캐시 용량이 비례해 늘기 때문이다. 트렌드포스는 이 흐름을 반영해 세계 메모리 시장 규모 전망을 2027년 1조 2800억 달러 이상으로 큰 폭 상향했다. IDC 역시 올해 D램 매출이 전년 대비 약 177% 늘어날 것으로 내다본다. 메모리 수요가 소수의 해외 하이퍼스케일러와 단일 가속기 진영에 집중된 구조는 호황 이후 리스크를 예상케 한다. 국내 생태계 같은 또 하나의 수요원을 키우는 일은 이 위험을 분산하는 보험이다. 나아가 활발한 소프트웨어 생태계는 다음 세대 메모리가 어디로 가야 하는지를 알려주는 신호가 된다. 워크로드에 맞춰 최적화된 맞춤형·연산결합형(PIM) 메모리가 차세대 경쟁의 축으로 떠오르는 지금, 수요 최전선과 가까이 있다는 것은 곧 제품 로드맵 우위로 이어진다. 특히 토큰 적자는 단순한 가격 문제가 아니라 고착(lock-in)의 문제다. 한국 기업 및 개인의 업무 맥락과 기억이 외산 에이전트에 쌓일수록 전환 비용은 복리로 커진다. 쿠다가 20년간 쌓은 코드와 습관으로 경쟁자를 따돌렸듯 외산 에이전트에 쌓이는 우리 맥락은 내일 더 비싼 종속이 되어 돌아온다. 생태계 투자는 빠를수록 싸고 늦을수록 비싸다. 반도체 슈퍼사이클은 어쩌면 한국에 두 번 오기 어려운 기회다. 이 기회를 초과이익을 어떻게 나눌 것인가의 논쟁으로 소진한다면 호황이 끝난 뒤 토큰 적자라는 청구서만 떠안게 될지 모른다. 이 흑자를 소프트웨어 경쟁력과 AI 생태계에 심으면 하드웨어 강국에서 지능 강국으로 도약하는 발판을 마련할 수 있다. 초과이익 공유의 본질은 과실을 나누는 데 있지 않다. 이를 씨앗으로 바꿔 더 큰 숲을 함께 키우는 데 있다. 삼성전자와 SK하이닉스, 정부와 생태계가 같은 방향을 바라볼 때 반도체로 번 돈은 새어 나가지 않고 국부로 쌓인다. 호황의 끝에서 더 많은 현금을 손에 쥘 것인가, 아니면 더 강한 생태계를 손에 쥘 것인가. 반도체 호황의 진짜 성적표는 남겨진 현금의 액수가 아니라 그 현금이 키워낸 AI 소프트웨어 생태계의 크기로 이제 증명돼야 한다.

2026.06.05 16:23이승현 컬럼니스트

구글 제미나이, 'BTS 더 시티 아리랑 부산' AI 컴패니언 참여

구글이 부산 도시형 문화 프로젝트에 생성형 인공지능(AI)을 결합해 지역 명소 경험을 높인다. 구글은 오는 21일까지 부산 전역에서 열리는 도시형 복합 문화 프로젝트 'BTS 더 시티 아리랑 부산'에 공식 AI 컴패니언으로 참여한다고 5일 밝혔다. 구글은 최신 AI 제미나이를 기반으로 온·오프라인 체험 프로그램을 운영한다. 이번 프로그램은 부산역과 해운대, 블루라인파크 등 주요 관광 거점을 중심으로 진행된다. 방문객은 제미나이를 통해 개인화된 여행 일정을 설계하고 음성 기반 실시간 현지 정보를 안내받을 수 있다. 제미나이는 글로벌 슈퍼팬 플랫폼 '위버스' 내 'BTS 더 시티 아리랑 - 부산' 스탬프 랠리 페이지에도 정식 연동된다. 참여자는 위버스에서 제미나이와 한국 전통 및 문화에 대해 대화하며 미션을 수행하고 디지털 스탬프를 받을 수 있다. 구글에 따르면 이번 연동은 위버스 내 'BTS 더 시티 아리랑' 프로젝트 공식 스탬프 랠리 코스에 파트너 앱이 정식 포함되는 첫 사례다. 구글은 이를 통해 제미나이 라이브, 개인 인텔리전스, 나노 바나나 등 최신 AI 기능을 활용한 참여형 경험을 제공한다. 해운대 블루라인파크에서는 제미나이 시그니처 컬러 테마로 랩핑된 스카이캡슐 차량이 운영된다. 해당 차량은 해안선을 따라 움직이며 무빙 빌보드 역할을 한다. 방문객은 캡슐 내부 QR 코드를 통해 차 안에서 찍은 사진을 꾸밀 수 있다. 이미지 꾸미기를 마친 뒤 미포역 내 제미나이 부스를 방문하면 포토카드를 인쇄하고 러기지택도 받을 수 있다. 구글은 부산대 학생들과 '구글 제미나이 부산대 서포터즈' 프로그램도 운영한다. 선발된 대학생 서포터즈는 부산역과 블루라인파크 등 주요 거점의 제미나이 체험 공간을 온라인으로 알리고 부산대학교 거점 프로그램 운영을 지원한다. 구글은 최근 제미나이를 단순 대화형 AI에서 개인화된 실행형 AI 에이전트로 확장하고 있다. 제미나이 3.5 모델군과 안드로이드 내 제미나이 인텔리전스 기능을 통해 검색, 모바일, 개발자 도구 전반에서 AI의 역할을 넓히고 있다. 구글 관계자는 "이번 프로젝트는 AI가 단순히 여행 중 정보를 찾는 것을 넘어, 도시와 문화를 보다 개인적이고 몰입감 있게 경험하도록 돕는 새로운 가능성을 보여주는 사례"라며 "부산을 찾는 국내외 방문객들이 제미나이를 통해 부산의 다양한 매력을 더 자연스럽게 발견하길 기대한다"고 말했다.

2026.06.05 15:11김미정 기자

넥써쓰, 게임사 D2C 웹샵 플랫폼 '크로쓰 게임 허브' 정식 오픈

넥써쓰가 인공지능(AI) 자동 세팅과 노코드 빌더 등을 적용한 크로쓰 페이(CROSS Pay) 결제 기반 웹샵 구축을 지원한다. 넥써쓰(대표 장현국)는 D2C(직접 판매) 웹샵 플랫폼 '크로쓰 게임 허브(CROSS GameHub)'를 오픈했다고 5일 밝혔다. 크로쓰 게임 허브는 게임사가 자체 웹샵을 구축하고 글로벌 이용자에게 직접 상품을 판매할 수 있도록 지원하는 올인원 게임 커머스 플랫폼이다. 상품 등록과 AI 자동 세팅, 테마 커스터마이징, 결제, 매출 분석 등 웹샵 운영 전 과정을 하나의 콘솔에서 제공한다. 회사 측에 따르면 구축 방식도 간소화했다. 게임사는 앱스토어 또는 구글플레이 URL을 입력하는 것만으로 AI가 상품 목록·테마 색상·히어로 배너를 자동으로 구성하고, 30분 내에 웹샵을 오픈할 수 있다. 또한 노코드 웹샵 빌더를 통해 게임사가 별도 개발 인력 없이 웹샵을 구축·운영할 수 있도록 지원하며, 테마와 레이아웃, 상품 구성, 할인, 기간 한정 판매 등을 콘솔에서 설정할 수 있다. 앱마켓 심사나 앱 업데이트 없이 웹샵 구성을 즉시 변경할 수 있고, 배틀패스·구독·패키지 등 다양한 상품 유형 설정과 국가별 가격 차등 설정이 가능하다. 결제는 크로쓰 페이(CROSS Pay)를 기반으로 제공된다. 크로쓰 페이는 스테이블코인과 기존 전자결제(PG)를 함께 지원하는 통합 결제 인프라로, 200개국 이상 현지 통화 결제와 자동 환율 변환, 환불 처리 등을 지원하며, 실시간 대시보드에서 매출, 주문, 국가별 분석, 상품 순위 등 주요 운영 지표를 확인할 수 있다. 보안 기능도 강화했다. 카드 결제 보안 표준인 PCI DSS 기준을 충족한 결제 처리와 토큰화 기반 암호화, 이상 주문 탐지, 중복 결제 차단 등을 적용해 안정적인 거래 환경을 제공한다고 회사 측은 설명했다. 장현국 넥써쓰 대표는 “크로쓰 게임 허브는 게임사가 AI를 활용해 생각의 속도로 웹사이트와 웹샵을 구축하고, 크로쓰 샵을 통해 글로벌 이용자에게 직접 판매와 스테이블코인 결제를 제공할 수 있도록 설계된 플랫폼”이라며 “넥써쓰는 크로쓰를 기반으로 이용자 유입, 커머스, 결제, AI 에이전트 경제까지 연결되는 게임 풀스택 플랫폼을 고도화하고 있다”고 밝혔다.

2026.06.05 11:46이도원 기자

넷플릭스, 신작 게임 'FIFA 월드컵: 런치 에디션' 11일 독점 출시

전 세계 축구 축제인 'FIFA 월드컵 2026' 개막이 일주일 앞으로 다가온 가운데, 넷플릭스가 실제 월드컵 스타디움과 선수들을 구현한 신작 축구 게임을 선보인다. 넷플릭스는 'FIFA 월드컵: 런치 에디션'을 넷플릭스 게임즈에서 독점 출시한다고 5일 밝혔다. 이번 신작은 대회 개막일인 오는 6월11일에 맞춰 공개될 예정이며, 기존 넷플릭스 멤버십 회원이라면 추가 비용 없이 이용할 수 있다. FIFA 월드컵: 런치 에디션은 축구 시뮬레이션 게임으로, 별도 게임 패드나 콘솔 기기 없이 TV와 스마트폰만으로도 플레이 가능한 점이 특징이다. TV는 경기 화면으로, 스마트폰은 컨트롤러로 활용된다. 이용 방법 또한 간단하다. TV 화면에서 게임을 실행한 후 스마트폰으로 QR코드를 스캔하면 컨트롤러로 연결된다. 패스와 슛은 화면 스와이프 방식으로 조작 가능하다. 최대 4인 멀티플레이 기능도 지원해 거실에서 함께 즐길 수 있는 게임 환경을 제공한다. 콘텐츠 규모는 실제 월드컵을 최대한 반영했다. 이번 FIFA 남자 월드컵 본선에 진출한 48개국 전체 국가대표팀이 모두 등장한다. 총 1248명의 축구선수를 직접 조작할 수 있으며, 대회가 열리는 16개의 실제 월드컵 스타디움(경기장)을 게임 속에 구현해냈다. 이용자는 각자 선호하는 국가 유니폼을 입고 세계적인 무대에서 뛰는 듯한 몰입감을 경험할 수 있다. 이번 서비스는 현재 미국, 영국, 캐나다, 프랑스, 독일, 브라질 등 전 세계 20개국에서 이용 가능하다. 아쉽게도 이번 1차 출시 국가 명단에 아시아 지역을 비롯한 한국은 포함되지 않았다. 넷플릭스는 이날부터 브라질에서 제한적인 사전 테스트를 시작하며, 향후 서비스 대상 국가를 점진적으로 확대해 나갈 계획이다. 넷플릭스는 "이번 신작은 축구 축제의 시작을 알리는 '킥오프'와 같다. 지속적인 업데이트를 통해 완성도를 높여갈 예정"이라며 "무엇보다 이번 역사적인 월드컵 기간에 실제 경기를 뛰는 듯한 짜릿한 몰입감을 현장감 있게 선보일 것"이라고 전했다.

2026.06.05 11:15진성우 기자

MS, AI 에이전트 검증·통제 기준 제시…"정책 위반 차단"

마이크로소프트가 인공지능(AI) 에이전트 행동 평가와 실행 통제를 표준화하는 기술 체계를 공개했다. 이로써 AI 에이전트가 실제 업무를 수행하는 과정에서 무엇을 해도 되고 무엇을 해선 안 되는지를 더 명확히 평가하고 집행할 수 있는 기반을 마련했다. 마이크로소프트는 자연어 행동 요구사항을 실행 가능한 평가로 바꾸는 오픈소스 프레임워크인 'AI 에이전트 작동 검증 프레임워크(ASSERT)'와 AI 에이전트 런타임 거버넌스를 위한 개방형 표준인 'AI 에이전트 런타임 거버넌스 표준(ACS)'을 소개했다. 두 기술은 AI 에이전트가 모델 응답을 넘어 도구 호출과 워크플로 실행까지 수행하는 환경을 겨냥했다. AI 에이전트 작동 검증 프레임워크는 제품 요구사항이나 정책 문서에 적힌 AI 행동 기준을 테스트 시나리오와 데이터세트, 지표, 스코어카드로 전환하는 프레임워크다. 기업이 문서로 정리한 'AI가 이렇게 행동해야 한다'는 기대를 실제 모델과 애플리케이션, 에이전트에 적용 가능한 평가 체계로 바꾸는 것이 핵심이다. 마이크로소프트는 기존 평가 방식만으로는 애플리케이션별 행동 경계를 충분히 검증하기 어렵다고 봤다. 유용성, 관련성, 근거성, 유해성 같은 일반 지표는 참고 신호가 될 수 있지만 환불 기준, 사기 의심 대응, 승인 경계 준수 같은 제품별 요구사항을 직접 평가하긴 어렵다는 설명이다. AI 에이전트 작동 검증 프레임워크는 행동 사양을 개념 사양으로 정리한 뒤 허용 가능한 행동과 허용 불가능한 행동의 분류체계로 바꾼다. 이후 계층화된 테스트 사례를 만들고 대상 시스템에 실행해 도구 사용, 검색 맥락, 라우팅, 중간 조치까지 기록한다. 이 추적 기록은 AI 에이전트 평가에서 중요한 역할을 한다. 최종 답변만 보는 것이 아니라 어떤 도구를 호출했는지, 어떤 중간 판단을 거쳤는지, 어느 행동이 실패를 일으켰는지 확인할 수 있기 때문이다. 마이크로소프트는 내부 검증에서 해당 프레임워크가 기존 사내 기준선보다 의도한 행동 공간을 약 1.2배 더 많이 포괄하고 점검할 만한 사례를 약 1.5배 더 많이 드러냈다고 설명했다. 강한 시스템과 약한 시스템 사이의 차이도 4배 이상 더 뚜렷하게 구분했다고 밝혔다. 'AI 에이전트 런타임 거버넌스 표준은 AI 에이전트가 실행되는 과정에서 정책을 어디서 어떻게 적용할지 정의하는 런타임 거버넌스 표준이다. 특정 에이전트 프레임워크나 런타임, 정책 엔진에 종속되지 않고 에이전트 생명주기 전반에 통제 지점을 두는 방식이다. 마이크로소프트는 기존 보안 모델이 에이전트 환경을 충분히 반영하지 못한다고 지적했다. 같은 자격 증명이라도 회의 요약을 슬랙에 올릴 때는 안전할 수 있지만 기밀 문서를 읽은 뒤 외부 사용자가 있는 대화방에 게시할 때는 위험해질 수 있다는 것이다. AI 에이전트 런타임 거버넌스 표준은 에이전트 시작, 사용자 입력, 모델 호출 전후, 도구 호출 전후, 최종 출력, 에이전트 종료 등 여덟 개 개입 지점을 정의한다. 각 지점에서 정책은 현재 맥락을 평가하고 허용, 경고, 거부, 상위 단계 이관 같은 판정을 내릴 수 있다. 이 구조는 프롬프트에만 의존하는 방식과 다르다. 시스템 프롬프트는 유용하지만 사용자 입력과 도구 결과, 공격자가 조작한 텍스트와 같은 흐름 안에 놓이기 때문에 강제력이 약하다. 애플리케이션 코드에 직접 박은 규칙도 한계가 있다. 감사와 재사용이 어렵고 팀이 프레임워크를 바꾸면 같은 정책을 다시 구현해야 한다. ACS는 정책 입력 형식과 증거 수집, 판정 정규화, 집행 방식을 표준화해 이 문제를 줄이려 한다. 최근 AI 에이전트가 검색과 도구 호출, 업무 실행까지 맡게 되면서 기업 관리 기준도 달라지고 있다. 단순히 모델 성능을 비교하는 단계를 넘어 행동 기준을 정의하고 평가하며 실제 실행 과정에서 통제하는 체계가 필요해졌다는 의미다. 마이크로소프트 관계자는 "AI 에이전트가 단순히 답변을 생성하는 단계를 넘어 데이터를 검색하고 도구를 호출하며 업무를 실행하는 단계로 진화했다"며 "이제 중요한 질문은 '무엇을 할 수 있는가'가 아니라 '무엇까지 허용할 것인가'로 변했다"고 설명했다.

2026.06.05 08:00김미정 기자

유아이패스, 기업 자동화에 '코딩 에이전트' 통합

유아이패스가 코딩 에이전트를 기업 자동화 환경에 통합하기 위한 플랫폼 기능을 내놨다. 유아이패스는 '유아이패스 포 코딩 에이전트'를 4일 발표했다. 이 기능은 '클로드 코드' '코덱스' 등 여러 코딩 에이전트를 유아이패스 플랫폼 오케스트레이션과 결합해 기업 자동화를 돕는다. 유아이패스는 코딩 에이전트가 확산하고 있지만 기업 개발 워크플로와 보안 정책, 코드 리뷰, 배포 파이프라인과 분리돼 운영되는 문제가 있다고 지적했다. 에이전트가 생성한 결과물이 실제 기업 시스템으로 이어지려면 수동 인계와 사람의 개입이 필요한 경우가 많다는 설명이다. 유아이패스 포 코딩 에이전트는 특정 코딩 에이전트로 표준화를 강요하지 않는 개방형 플랫폼을 지향한다. 기업은 부서별 필요에 따라 클로드 코드, 코덱스 등 현존하는 코딩 에이전트와 향후 등장할 에이전트를 선택해 활용할 수 있다. 이 기능 핵심은 오케스트레이션 레이어다. 유아이패스는 사용 중인 코딩 에이전트 종류나 마지막으로 코드를 수정한 개발자와 관계없이 가시성, 실행, 거버넌스를 일관되게 적용할 수 있다고 밝혔다. 거버넌스 기능도 기본 적용된다. 정책 적용, 감사 추적, 자격증명 저장소, 역할 기반 접근 제어, 런타임 통제는 개발자나 코딩 에이전트가 만든 모든 자동화에 표준으로 반영된다. 이를 통해 기업은 개발 단계부터 프로덕션 배포까지 반복 가능한 운영 절차를 갖출 수 있다. AI 모델이 교체되거나 담당 개발자가 퇴사하거나 규제 기관의 감사가 진행돼도 자동화 시스템을 안정적으로 유지할 수 있다는 설명이다. 유아이패스는 이번 통합이 기존 개발자 생산성도 높일 것으로 봤다. 테스트와 디버깅, 배포 과정이 초기 개발 단계만큼 쉽게 수행돼 개발 리소스를 오래 기다리지 않고도 비즈니스 사용자가 자동화를 직접 만들고 다듬을 수 있다는 것이다. 자동화 구축 경험이 없는 비즈니스 애널리스트와 프로세스 담당자, 도메인 전문가도 코딩 에이전트와 대화만으로 자동화 개발에 참여할 수 있다. 코딩 에이전트가 기술적 복잡성을 처리하고 유아이패스는 해당 자동화가 기업 환경에서 바로 활용될 수 있도록 지원하는 구조다. 유아이패스 포 코딩 에이전트는 현재 기업 고객 대상으로 제공된다. 초기 지원 대상은 클로드 코드와 코덱스다. 추가 코딩 에이전트 통합 지원은 2026년 중 확대될 예정이다. 다니엘 디네스 유아이패스 설립자 겸 최고경영자(CEO)는 "코딩 에이전트 등장은 우리 플랫폼에서 무언가를 만들어내는 개발자 정의가 근본적으로 바뀌고 있음을 의미한다"며 "우리는 AI가 생성한 자동화에도 기업이 요구하는 거버넌스, 안정성, 규모를 동등하게 적용하는 플랫폼을 시장에 처음으로 선보이게 됐다"고 말했다.

2026.06.04 22:06김미정 기자

뮤비 제작비 5억원→500만원…카이버스, AI 엔터 플랫폼 시장 연다

글로벌 AI 영화제·광고제에서 40관왕을 달성한 카이버스가 AI 아티스트 지식재산권(IP) 상업적 가능성을 증명하며 엔터테인먼트 업계 주목을 받고 있다. 4일 이 회사에 따르면 카이버스는 AI 휴먼 IP 기획·개발 사업부 '아이돌컴퍼니'와 자체 AI 뮤직 레이블 '코드42'를 축으로 하는 AI 기반 엔터테인먼트 플랫폼 생태계를 구축했다. 아이돌컴퍼니가 IP의 세계관과 비주얼을 기획하면, 코드42를 통해 음원 발매 및 활동을 전개하는 분업 구조다. 이런 시스템에서 탄생한 첫 번째 결과물이 AI 아티스트 '리아'다. 리아의 데뷔 뮤직비디오는 공개 2개월 만에 100만 뷰를 돌파했다. 가상 미래 도시와 우주를 배경으로 한 이 영상은 전통적인 방식으로 제작할 경우 최소 2억~5억원이 소요되는 스케일이지만, 카이버스는 기술력과 기획력을 통해 순수 제작비 500만원 내외로 완성했다. 박근우 카이버스 감독은 "과거 15년간 억 단위 프로젝트를 연출했으나 자체 IP가 남지 않는 구조에 한계를 느꼈다"며 "AI 기술의 발전 속에서 창작자의 자산을 확보하기 위해 이번 도전에 나섰다"고 말했다. 카이버스 측은 AI 영상 제작이 단순한 조작(딸깍)만으로 쉽게 고품질의 결과물을 얻는 영역이 아님을 강조했다. 안성현 테크니컬 디렉터는 "상업적 수준의 미세한 표정과 연출을 구현하기 위해 수천 번의 생성 과정을 반복하는 치열한 작업이 필수적"이라며 "AI가 수많은 결과물을 제안하더라도 작품의 맥락에 맞는 단 한 컷을 결정하는 것은 결국 인간 창작자의 안목과 감각"이라고 설명했다. 리아의 상업적 완성도는 대중성 검증을 넘어 실질적인 비즈니스 성과로 이어지고 있다. 리아는 현재 광고 및 드라마 출연 계약을 마쳤으며, 올 하반기 본격적인 제작에 돌입한다. 이는 국내 AI 휴먼 IP가 실제 콘텐츠 제작 단계에 진입한 유의미한 사례다. 또 리아의 뮤직비디오 경쟁력을 바탕으로, 현재 대형 엔터테인먼트 기획사와 실제 뮤직비디오 협업 프로젝트를 진행 중이다. 카이버스는 이번 성과를 바탕으로 'AI IP 에이전시' 비즈니스 모델을 본격 가동한다. 박근우 감독은 "AI는 창작자의 일자리를 뺏는 적이 아니라 예산의 한계로 포기했던 머릿속 시나리오를 실현해 줄 강력한 파트너"라며 앞으로 가상 공연 및 글로벌 브랜드 캠페인 등 B2B 협업 시장으로 외연을 빠르게 넓혀갈 계획이라고 말했다.

2026.06.04 20:04백봉삼 기자

"올해 세계 해킹 올림픽 본선서 1등할 절호 기회"

"올해 대회가 1등을 거둘 수 있는 절호의 기회입니다. 팀 구성원의 모든 역량을 결집해 1위를 목표로 노력하겠습니다. 뿐만 아니라 다양한 팀들과 좋은 경쟁 무대를 펼치고, 많은 추억을 쌓고 미국에서 돌아왔으면 합니다." '해킹 올림픽'으로 불리는 '데프콘(DEFCON) CTF' 2026년 예선전에서 1위로 진출한 엔키화이트햇 소속 김승환 팀장과 김승현 연구원은 본선 무대에서도 '금메달'을 목에 걸겠다는 포부를 밝혔다. '데프콘 CTF'는 세계 최대 해킹 대회다. 미국 라스베이거스에서 매년 열린다. 온라인으로 치뤄진 예선전에서 우수한 성적을 거둔 상위 12개 팀이 본선에 진출했다. 올해 예선전 1위는 한국인이 주축을 이룬 '슈퍼다이스코드러버스(SuperDiceCodeLovers)' 팀이다. 본선은 오는 8월 7일(미국시각)부터 9일까지 열린다. '슈퍼다이스코드러버스' 팀은 슈퍼게서, 다이스갱, 코드레드 등 3개 팀이 모인 다국적 연합팀이다. 팀명 역시 슈퍼게서의 '슈퍼', 다이스갱의 '다이스', 코드레드의 '코드'를 합쳐 '슈퍼다이스코드'로 3년 전부터 데프콘 CTF에 참가해왔다. 올해 대회부터 '스퀴드 프록시 러버스'라는 미국 해킹 팀이 다이스갱 측의 제안으로 합류하면서 '슈퍼다이스코드러버스'가 됐다. 슈퍼다이스코드러버스 팀을 이루는 4개 팀 중 하나인 '슈퍼게서'의 팀 리드가 김승현 연구원이고, 김승환 팀장은 팀원으로 활동하고 있다. '슈퍼다이스코드러버스'는 2024년, 2025년 데프콘 CTF에서도 3위를 기록한 바 있다. 김 팀장은 슈퍼다이스코드러버스 팀을 '뛰어난 실력을 가진 해커들이 모여 많은 노하우를 축적한 팀'으로 평가했다. 김승환 팀장은 "슈퍼다이스코드러버스 팀은 현재 70여명이 함께 대회에 출전하고 있다"며 "기업 단위로 함께하고 있는 멤버는 엔키화이트햇이 유일한 것으로 알고 있다. 다만 금융보안원의 실력자들도 코드레드에 소속돼 슈퍼다이스코드러버스에서 합을 맞추고 있다"고 밝혔다. "'비둘기 프로토콜' 이미지 분석에 진땀…가장 기억에 남아" 김 팀장은 이번 데프콘 CTF 온라인 예선전에서 가장 인상깊었던 순간으로 특이한 문제를 풀었던 기억을 꺼냈다. 그는 "데프콘 CTF 대회마다 특정 콘셉의 문제가 나오는 경향이 있다. 이번에는 '새'였다. 어떻게든 새 혹은 조류와 관련지어 문제가 출제됐다"며 "이 중에서도 극강의 콘셉이 있었는데, 만우절 농담으로 나왔던 '비둘기 프로토콜(RFC 1149A)'을 활용한 문제였다"고 회상했다. 김 팀장 설명에 따르면 국제 인터넷 표준화 기구(IETF)가 만우절 장난으로 지난 1990년 전서구를 이용해 인터넷 데이터를 전송하자는 내용을 공식 문서로 제안한 바 있다. 그런데 이번 데프콘 CTF 예선전에서 비둘기가 매의 공격을 받아 프로토콜이 모두 찢겼다는 콘셉의 문제가 출제됐고, 실제 문제에서는 잔디밭에 종이가 흩뿌려진 이미지가 제공됐다. 이를 합쳐 분석해야 하는 식의 문제가 나왔다는 것이다. 김 팀장은 "데프콘 CTF 특성상 이같은 특이한 콘셉의 문제가 다시 출제되지는 않겠지만, 기억에 남을 만한 문제를 풀었던 경험이 기억에 남는다"고 밝혔다. 김 연구원은 주어진 시간 안에 서버 환경을 구축하고 익스플로잇 코드를 작성하여 취약점을 공격하는 실시간 해킹 방어·공격 대회 방식인 '라이브 CTF' 문제 중 '슈팅게임' 형식으로 출제된 문제가 기억에 가장 많이 남는다고 말했다. 김 연구원은 "슈팅게임 형식의 서비스가 작동하고 있고, 더 많은 상대방을 제압하는 것이 이기는 방식이었다"며 "그런데 게임 자체에 취약점이 있어 이를 잘 활용하면 더 높은 점수를 획득할 수 있는 것이 출제 의도였다. 슈퍼다이스코드러버스 팀 연구원 중 한 명이 게임 내에서 순간이동을 할 수 있는 버그를 찾아냈고, 근처 적을 빠르게 제압하고 순간이동하는 식으로 많은 스코어를 쌓았던 기억이 있다"고 웃으며 말했다. 반면 김 연구원은 '비둘기 프로토콜' 문제를 대회 중 가장 어려웠던 순간으로 지목했다. 그는 "일일이 수작업으로 흩어진 종이 이미지들을 모아 정리해야 하고, 이를 기반으로 공격 시나리오를 짜야 하는데 순수한 육체노동과 더불어 공격 단계도 새롭게 구상해야 하는 작업이 여간 쉬운 일이 아니었다"며 "실제 풀이 시간도 이 문제가 가장 오래 걸렸다"고 회상했다. "전략·신뢰로 예선 1등…본선 우승 착실히 준비" 김 팀장과 김 연구원은 많은 준비를 해왔기 때문에 1위를 거둘 수 있었다는 소감을 남겼다. 먼저 김 팀장은 "지난해에는 노틸러스라는 미국 연구원에서 출제하다가 이번에 MMM 팀이 운영진이 됐다. 이에 어떤 문제가 출제될지 걱정이 많았는데, 지난해 대회보다 더 세련된 문제 위주로 출제됐다"며 "하지만 수년간 데프콘 CTF에 참가하면서 축적한 노하우와 실력들을 바탕으로 예선전 1위를 거둘 수 있었다. 게다가 작년에 1위를 차지한 MMM 팀이 출제 위원이 되면서 본선에서 우승할 절호의 기회로 보고 있다"고 말했다. 김 연구원은 "오랜 소원이었던 데프콘 CTF 예선전 1위를 거둬 기쁘다. 인공지능(AI) 활용이 대회에서도 본격화되며 다른 팀들 역시 수준이 크게 높아졌는데, 쌓아 온 경험이 빛을 발한 것 같다"며 "데프콘 CTF 1등은 해커들 사이에서는 상징적이다 보니 한 번쯤은 본선에서도 1위를 거둬 보고 싶다. 그만큼 많은 준비를 할 생각"이라고 밝혔다. 올해 데프콘 CTF는 적잖은 변화를 맞았다. 지난해 대회에서 본선 1위를 차지한 'MMM' 팀이 데프콘 CTF 출제위원, 운영진으로 합류하면서 출제 경향이 달라졌을 수 있기 때문이다. 실제 데프콘 CTF의 AI 관련 룰을 보면, 주최 측은 문제 풀이 과정에서 AI가 대부분 문제를 풀었을 경우 본선 리스트에서 제외하는 등 제한을 뒀다. 이와 관련 김 연구원은 "이번 데프콘 CTF 운영진이 AI 관련으로 일부만 수용하고 완전한 사용에는 제한을 두는 등 AI에 회의적인 편이라고 생각된다"며 "그럼에도 여전히 AI는 '도구'이기 때문에 사용자가 실력을 갖추지 않으면 결과물은 똑같더라도 촌각을 다투는 CTF 대회에서만큼은 중요한 요소로 작용한다"고 설명했다. AI로 데프콘 CTF 역시 큰 변화를 맞은 가운데 1위를 거둘 수 있었던 데에는 탁월한 전략과 팀원들에 대한 믿음이 뒷받침됐다. 김 팀장은 "문제 푸는 전략이 성적을 갈랐다고 생각한다. 데프콘 CTF 대회는 크게 2가지 종류로 문제 유형이 나뉘는데, 일정 시간 내로 제시된 문제를 풀어야 하는 유형과 선착순으로 문제를 푸는 유형으로 나뉜다"며 "후자의 경우는 같은 문제를 다른 팀이 풀었을 경우 배점이 줄어들지만, 전자는 줄어들지 않는다"고 말했다. 김 팀장은 이어 "데프콘 CTF가 시작되기 이전부터 일정 시간 내로 문제를 풀어야 하는 문제 유형에 집중했다"며 "이에 고득점을 유지할 수 있었고, 1위를 하는 데 효과적인 전략으로 통했다"고 강조했다. 김 연구원은 이같은 전략이 통하기 위해서는 팀원들에 대한 믿음이 뒷받침됐기 때문에 효과적으로 구사할 수 있었다고 설명했다. 김 연구원은 "선착순 문제 역시 간과했다가는 큰 점수를 잃기 때문에 전부 클리어해야 하는 것은 마찬가지"라며 "팀 구성원 서로에 대한 믿음이 있기 때문에 통할 수 있었던 전략"이라고 말했다. 김 팀장은 올해 데프콘 CTF 본선 전략과 관련해서는 "어떤 도구를 활용하고 전략을 사용할 것인지는 대회 이전이기 때문에 공개할 수는 없지만, 데프콘 CTF의 본질은 '실시간 공방전'이기 때문에 이같은 본질에 맞춘 도구들을 만들어나갈 계획"이라면서 "다만 본선 1~2달 이전에 공식 룰이 발표되기 때문에 공식 룰을 확인하고 구체적인 전략을 수립할 것"이라고 밝혔다. 김 팀장과 김 연구원 모두 3년째 슈퍼다이스코드러버스 팀 일원으로 활동하고 있다. 김 팀장은 1999년생으로, 입대 전 보안 기업 스틸리언에서 인턴십 경험을 쌓았다. 이후 엔키화이트햇의 스카웃 제의를 받아 합류했다. 입사 초기에는 악성코드 분석 업무를 담당했으나 현재는 대회 등 콘텐츠 사업을 확장하는 역할을 맡고 있다. 김 연구원은 1998년생으로, 미국 블록체인 및 사이버 보안 전문 기업 '젤릭(Zellic)'에서 재직하다 올해 초 엔키화이트햇 멤버가 됐다. AI관련 프로그램 개발 및 고객사 대상 모의해킹 침투테스팅 등 레드옵스(RedOps) 1팀 전문 연구원으로 재직 중이다. 슈퍼다이스코드러버스 내 슈퍼게서 팀의 리드를 맡고 있으며, 2019년부터 CTF 대회에 참가했다.

2026.06.04 17:44김기찬 기자

[현장] IBM 밥 "신입 개발자 온보딩부터 QA까지 30분 만에"

"신입 개발자가 복잡한 기업 내 코드를 이해하고 내부 표준에 맞춰 기능을 개발한 뒤 테스트를 거쳐 풀 리퀘스트(PR)를 올리기까지 보통 얼마나 걸릴까요? 수주일에서 수개월이 걸릴 이 모든 과정을 AI 에이전트 '밥(Bob)'이면 30분 만에 해결할 수 있습니다. 4일 우수연 한국IBM 전문위원는 서울 여의도 IFC 사무실에서 열린 기자간담회에서 IBM의 AI 개발 에이전트 '밥(Bob)'을 시연했다. IBM 밥은 엔터프라이즈 환경에 최적화해 개발한 AI 기반 소프트웨어 개발 파트너 솔루션으로 기획부터 개발, 테스트, 배포, 운영, 보안에 이르는 개발 전 과정을 아우르는 것이 특징이다. 이번 시연은 은행 시스템 'IBM 뱅크'를 배경으로 신입 개발자 온보딩, 신규 요구사항 개발, 시프트 레프트 보안 등 세 가지 시나리오로 구성됐다. "분석해줘" 한마디에 코드베이스 문서화…5분 만에 온보딩 첫 번째 시나리오는 신입 개발자가 프로젝트에 처음 투입돼 복잡한 기존 레거시 시스템을 파악하는 과정을 다뤘다. 우 전문위원이 화면 왼편에 은행 시스템 코드를 열어두고 프롬프트창에 "분석해 줘"라고 입력하자 IBM 밥은 전체 코드베이스를 압축 분석한 뒤 결과를 문서 형태로 정리했다. 개발자가 아닌 실무자도 직관적으로 이해할 수 있는 문서를 요청하자, 브라우저에서 볼 수 있는 웹페이지 형태의 시각화 문서를 제공했다. 화면에는 전체 시스템 구성도와 텔러·백오피스 등 역할별 구조, 주요 프로세스 흐름이 다이어그램 형태로 순차적으로 나타났다. 우 전문위원은 "불과 5분도 안 걸리는 시간에 실제 시스템이 어떤 구조인지, 지금 보고 있는 코드가 어떤 코드인지 확인할 수 있다"며 "보통 온보딩에 2~3주, 길게는 두세 달도 걸리지만 이런 기능을 통해 훨씬 빠르게 회사 코드를 이해하고 이후 개발로 이어갈 수 있다"고 설명했다. 가이드 몰라도 자율 개발… 스스로 오류 고치고 배포 신청까지 두 번째 시나리오는 신입 개발자에게 신규 요구사항이 주어진 상황을 가정했다. 요구사항은 잔액 조회와 거래 내역 조회, 계좌 이체 확인 등 프론트엔드 기능 개발이었다. 우 전문위원은 "신입사원이 맡기에는 꽤 복잡한 요구사항이지만 IBM 밥은 스스로 요구사항을 불러와 내용을 정리하고 개발 계획을 세운 뒤 실제 코드 생성까지 수행할 수 있다"고 설명했다. IBM은 오픈소스 디자인 시스템인 '카본(Carbon)'을 모델컨텍스트(MCP) 방식으로 적용해 개발자가 가이드라인을 일일이 공부하지 않아도 '밥'이 기업 표준 규격에 딱 맞는 화면 코드를 알아서 작성할 수 있는 환경을 제공한다. 실제로 '밥'은 구현 계획을 먼저 제시했고 승인이 이뤄지자 화면 왼편에 계좌 상세 조회 컴포넌트와 스타일 파일, 리드미(README) 문서까지 자동으로 생성해 나갔다. 시연 중 가장 눈에 띈 장면은 배포 전 단계에서 코드를 실시간으로 검증하는 자동 테스트(QA) 과정이었다. IBM 밥이 직접 브라우저를 열고 테스트 계정으로 로그인을 시도하던 중 기획서 상의 가이드 오류로 로그인이 실패했다. 그러자 밥은 시스템을 멈추는 대신 직접 데이터베이스(DB)를 조회해 올바른 자격증명 정보를 찾아내고 테스트를 자율적으로 완수했다. 테스트를 마친 IBM 밥은 저장소 내 '룰(rule)' 폴더에 사전에 정의된 규칙과 커밋 컨벤션을 참고해 커밋 메시지와 브랜치명을 만들고 저장소에 변경사항을 반영한 뒤 풀 리퀘스트(PR, 배포 신청서)를 자동으로 생성했다. 발행된 PR에는 구현 기능 요약과 프로젝트 구조, 테스트 완료 여부, 실행 방법 등이 체계적으로 정리됐다. 우 전문위원은 "기업 환경에서는 개발 시간 외에도 요구사항 전달과 테스트, PR 작성 및 리뷰 과정에서도 시간이 오래 걸리는데 '밥'은 이 과정을 자동화해 준다"고 소개했다. 개발 중 보안 취약점 탐지…14개 결함 찾아 즉시 수정 마지막 시나리오는 배포 전 단계에서 코드를 실시간으로 테스트하고 보안 결함을 제어하는 프로세스였다. 새로 만든 데이터 파이프라인 코드에 취약점이 포함된 상황을 가정하고 분석을 요청하자 '밥 파인딩' 패널이 열리며 소스 코드 내 결함 목록이 리포팅됐다. 우 전문위원은 "기업 환경에선 개발 시간 외에도 요구사항 전달과 테스트, PR 작성, 리뷰 과정에서도 시간이 오래 걸린다"며 "IBM 밥은 이런 업무도 자동화해 보다 중요한 업무에 집중할 수 있도록 지원한다"고 설명했다. IBM 밥은 사전에 정의된 규칙을 참고해 커밋 메시지와 브랜치명을 만들고 저장소에 변경사항을 반영한 뒤 PR을 생성하는 모습이 공개됐다. 저장소 내 '룰(rule)' 폴더에는 메시지 구조와 브랜치 명명 방식, PR 작성 형식이 미리 정의돼 있었고 IBM 밥은 이를 반영했다. 생성된 PR에는 구현한 기능 요약과 프로젝트 구조, 테스트 완료 여부, 실행 방법 등이 정리됐다. 우 전문위원은 "보안 취약점은 보통 개발이 다 끝나고 배포 직전에 검사하느라 수정하는 데 많은 시간과 비용이 들고, PR 리뷰나 정적 분석 도구에서 뒤늦게 발견되는 경우가 많았다"며 "하지만 밥은 개발 환경 안에서부터 보안 문제를 확인하고 해결할 수 있게 해준다"고 설명했다. 이어 "신입 개발자가 30분 만에 기존 시스템을 분석하고 기업 환경에 맞는 새로운 코드를 만들어낸다는 것은 기존에는 사실상 불가능한 일이었다"며 "IBM 밥은 이런 일을 실현할 수 있게 도와주는 기업용 AI 도구"라고 강조했다.

2026.06.04 17:10남혁우 기자

[현장] AI가 코딩해도 배포는 왜 늦을까…IBM, SW 전 과정 조율하는 'IBM 밥' 공개

"인공지능(AI)이 개인 코딩 속도를 높였을지 몰라도 기업 전체 소프트웨어(SW) 배포 속도는 여전히 제자리걸음입니다. 인프라 비용, 보안 정책, 복잡한 레거시 시스템 의존성 같은 장벽을 넘어야 진짜 변화가 시작됩니다." 마이클 쿽 IBM 밥 솔루션 부사장 겸 캐나다 연구소장은 4일 서울 여의도 IFC 사무실에서 열린 기자간담회에서 기업용 AI 도입의 한계를 이같이 짚었다. 이날 간담회에서 한국IBM은 코드 생성을 비롯해 기획부터 보안, 운영까지 소프트웨어 개발 수명주기(SDLC) 전 과정을 지원하는 AI 기반 개발 파트너 'IBM 밥(IBM Bob)'을 국내에 처음 공개했다. IBM 밥은 엔터프라이즈 환경에 최적화해 개발한 AI 기반 소프트웨어 개발 파트너 솔루션이다. 또 개발자 개인의 업무 환경을 자동화하는 기존 AI 코딩 서비스와 달리 기획부터 개발, 테스트, 배포, 운영, 보안에 이르는 SDLC 전 과정을 아우르는 것이 특징이다. 이 솔루션은 대규모 애플리케이션의 구조와 시스템 환경을 이해한 상태에서 복잡한 개발 프로세스를 통합적으로 지원하도록 설계됐다. 쿽 부사장은 "기업 현장에서 개발 속도를 늦추는 요인은 코드 작성 자체만이 아니다"며 "인프라 비용과 운영 데이터, 보안 정책, 컴플라이언스 규정, 레거시 시스템 의존성, 조직 구조, 쉽게 변경하기 어려운 핵심 시스템 등이 복합적으로 맞물리며 배포 병목을 만든다"고 지적했다. 이는 겉으로 보기에는 개발 생산성 문제처럼 보이지만, 실제로는 코드 바깥의 복잡한 제약이 전체 전달 속도를 떨어뜨린다는 의미다. 하지만 이 같은 기존 AI 코딩 도구와 IBM 밥의 지향점은 다르다. 기존 도구가 주로 개발자 개인의 코드 작성 효율을 높이는 데 초점을 맞췄다면, IBM 밥은 코드베이스 전체와 시스템 구조를 이해한 상태에서 SDLC 전반을 조율하는 데 무게를 뒀다. 또 IBM 밥은 개발자가 현재 열어둔 파일 단위가 아니라 프로젝트 전반의 맥락을 파악하고, IDE와 터미널 등 실제 업무 환경에서 작동하도록 설계됐다. 마이클 쿽 부사장은 IBM 밥의 강점으로 레거시 시스템 현대화를 꼽았다. 메인프레임과 자바 기반 시스템처럼 복잡한 의존성이 얽힌 환경에서 AI가 시스템 간 관계를 분석하고 전환 작업을 지원해 현대화 속도를 높일 수 있다는 것이다. IBM은 이를 통해 기존에 수주 단위가 걸리던 전환 작업 기간을 수일 수준으로 줄일 수 있다고 소개했다. 보안과 비용 관리도 IBM 밥의 핵심 기능으로 제시됐다. 개발 이후 별도 단계에서 보안을 점검하던 방식이 아니라 초기 단계부터 정책 검증을 자동화해 규제가 엄격한 산업에서도 개발 속도와 안정성을 함께 확보할 수 있도록 했다. 아울러 AI 활용이 늘면서 커지는 클라우드 자원 사용량과 인프라 비용 역시 실시간으로 분석·최적화할 수 있다. 쿽 부사장은 기업이 AI 기반 개발 역량을 갖추는 방식으로 세 가지를 제시했다. 자체적으로 모델과 에이전트, 워크플로를 구축하는 방식, 여러 전문 도구를 연결하는 툴체인 방식, SDLC 전반을 지원하는 파트너를 도입하는 방식이다. 그는 "IBM은 세 번째 방식을 택했다"며 "IBM 밥은 단순한 코딩 보조 도구가 아니라 SDLC 파트너"라고 강조했다. 이어 IBM 사내에서도 이미 IBM 밥을 실제 개발에 적용하고 있다고 밝혔다. 그는 "현재 IBM 밥 관련 코드의 약 40%를 IBM 밥이 직접 작성하고 있다"며 "10만 명 이상의 직원이 매일 IBM 밥을 사용하고 있고, 내부적으로는 SDLC 전반에서 평균 45% 수준의 생산성 향상 효과를 확인했다"고 밝혔다. 이어 "개발자는 신뢰하지 않거나 유용하다고 느끼지 않는 도구는 쓰지 않는다"며 "그래서 IBM 밥은 개발자를 위해, 개발자에 의해 만든 도구"라고 덧붙였다. IBM 밥의 적용 범위는 코딩 단계에만 한정되지 않는다. 역할과 업무에 따라 코드 작성, 빌드, 테스트, 반복 개선, 릴리스, 운영 등 전 과정에서 활용할 수 있다는 설명이다. 현재 IBM은 IBM 밥을 서비스형 소프트웨어(SaaS) 형태로 제공하고 있다. 향후에는 온프레미스 환경 지원과 특정 개발 환경에 최적화한 패키지도 순차적으로 확대할 계획이다. 쿽 부사장은 "어느 단계에 있든 IBM 밥의 목표는 같다"며 "개발 조직 전반의 마찰을 줄여 기업이 더 빠르고 더 큰 확신을 갖고 소프트웨어를 배포할 수 있도록 지원하는 것"이라고 말했다.

2026.06.04 14:03남혁우 기자

카스퍼스키 "랜섬웨어, 줄었지만 더 위험해졌다"

지난해 랜섬웨어 공격 건수는 2024년 대비 소폭 감소했지만, 공격 방식 자체가 단순 시스템 암호화에서 민감 정보 탈취 및 유출에 집중되면서 위험은 더욱 고조됐다는 분석이 나왔다. 글로벌 보안 기업 카스퍼스키(한국지사장 이효은)는 4일 이같은 내용을 골자로 한 '랜섬웨어 동향 보고서'를 발표했다. 보고서는 지난해 랜섬웨어 트렌드와 올해 위협 환경 전망을 담았다. 랜섬웨어 공격은 조직 시스템에 침투해 데이터를 암호화하고 이를 풀어주는 대가로 금전을 요구하는 사이버 범죄 중 하나다. 랜섬웨어 공격자들은 최근 산업화되고 있으며, 조직별로 협박, 해킹, 탈취, 협상 등 분업 구조도 갖춘 것으로 알려졌다. 특히 데이터 암호화뿐 아니라 공격 과정에서 데이터를 빼가고 다크웹 마켓에서 탈취한 정보를 불법적으로 사고파는 행위도 관측되고 있다. 보고서는 "랜섬웨어 공격자들이 공격을 산업화하고 침투 과정을 자동화하며, 단순한 시스템 암호화보다 민감 정보 탈취 및 유출에 집중하면서 사용자 위험은 여전히 높은 수준을 유지하고 있다"고 분석했다. 이어 "텔레그램 채널과 다크웹 포럼은 랜섬웨어 공격을 통해 확보된 데이터를 포함한 탈취 데이터와 접근 권한을 유통·판매하는 주요 플랫폼으로 지속 활용되고 있다"며 "법 집행 기관이 다크웹 플랫폼과 데이터 유출 사이트를 지속적으로 차단하고 있음에도 유사한 플랫폼은 계속해서 등장할 가능성이 있다"고 강조했다. 지난해 다크웹 데이터 유출 사이트 기준으로 가장 활발한 활동을 기록한 랜섬웨어 조직은 '킬린(Qilin, 10.98%)'으로 조사됐다. 이어 '클롭(Cl0p, 10.16%)', '아키라(Akira, 9.87%)' 등 그룹이 전체 공격 비중에서 상위권을 차지했다. 보고서에 따르면 지난해 일부 주요 랜섬웨어 그룹이 활동을 중단했지만, 새로운 공격 그룹이 빠르게 등장하고 있는 추세다. 올해에는 '젠틀맨(Gentlemen)' 그룹이 빠른 성장과 체계적인 운영, 데이터 중심 협박 전략을 바탕으로 주목되는 신규 위협 행위자로 부상했다. 카스퍼스키는 기존 주요 랜섬웨어 조직과 연관된 공격자들이 포함됐을 가능성도 있다고 분석했다. 이 외에도 보고서에 따르면 지난해 랜섬웨어 공격자들의 주요 트렌드 중 하나는 엔드포인트 탐지 및 대응(EDR) 솔루션을 무력화하는 'EDR 킬러' 도구의 확산으로 꼽혔다. 이는 악성코드 실행 이전에 EDR 솔루션을 무력화하도록 설계된 도구로, 공격 과정의 표준 구성 요소로 자리잡으며 더욱 정교하고 체계적인 침투가 가능하도록 돕는다. 한편 이효은 카스퍼스키 한국지사장은 "한국은 갈수록 고도화·산업화되는 랜섬웨어 공격에 직면하고 있으며, 공격 방식 또한 기존의 시스템 암호화 중심에서 데이터 탈취와 평판을 이용한 협박 형태로 변화하고 있다"며 "이로 인해 금융과 헬스케어 등 주요 산업 전반에 걸쳐 위험이 크게 확대되고 있다. 또한 공격자들은 정상적인 도구와 원격 접근 경로를 활용해 탐지를 회피하고 있어, 방어의 난이도 역시 점점 높아지고 있다"고 진단했다. 이 지사장은 이어 "이제 기업은 단편적인 보안 전략에서 벗어나 엔드포인트, 백업, 위협 인텔리전스를 통합한 다계층 방어 체계를 구축하고, 임직원의 보안 인식을 지속적으로 강화할 필요가 있다"고 강조했다.

2026.06.04 12:03김기찬 기자

토마토시스템, 흥국화재 차세대 구축 지원…금융권 AI 품질관리 시동

토마토시스템이 금융권 차세대 시스템 구축 사업에 인공지능(AI) 기반 테스트 자동화 솔루션을 공급하며 AI 품질 자동화 시장 공략에 박차를 가한다. 금융권 디지털 전환이 본격화되면서 개발 생산성과 품질 안정성을 동시에 확보할 수 있는 AI 기반 검증 기술 수요가 확대되는 모습이다. 토마토시스템은 흥국화재의 차세대 시스템 '넥스트 코어' 구축 사업에 AI 기반 테스트 자동화 솔루션 '아이큐봇(AIQBot)'을 공급했다고 4일 밝혔다. 흥국화재 넥스트 코어 프로젝트는 급변하는 금융 환경에 대응하기 위해 추진되는 대규모 디지털 전환 사업이다. 비즈니스 유연성과 디지털 경쟁력을 높이는 것이 목표로, 토마토시스템은 개발과 품질 검증 부문에서 해당 사업을 지원하게 됐다. 이번 사업에는 토마토시스템의 UI·UX 개발 플랫폼 '엑스빌더6'에 이어 아이큐봇까지 적용되면서 개발부터 품질 검증까지 전 주기를 자사 솔루션으로 지원하는 체계를 구축하게 됐다. 아이큐봇은 코드 작성 단계에서 표준 준수 여부와 소스 구현 상태를 점검하는 정적 테스트와 AI가 테스트 케이스를 자동 생성하는 동적 테스트 기능을 함께 제공한다. 이를 통해 대규모 금융 프로젝트에서 품질 검증 범위를 확대하고 테스트 효율성을 높일 수 있다는 설명이다. 특히 수만 개 화면과 복잡한 금융 업무 로직을 수작업으로 검증하던 기존 방식에서 벗어나 반복적인 테스트 업무를 자동화함으로써 개발 기간 단축과 휴먼 에러 감소를 실현한다는 목표다. 엑스빌더6와 아이큐봇 간 연동도 강점으로 꼽힌다. 엑스빌더6로 구축된 화면을 아이큐봇이 즉시 식별·점검할 수 있으며 유지보수 과정에서도 소스 변경을 자동 감지해 오류 발생 가능성을 줄이도록 지원한다. 최근 금융권에선 차세대 시스템 구축과 디지털 전환 사업이 확대되면서 개발 생산성과 품질 안정성을 동시에 확보하기 위한 AI 기반 테스트 자동화 기술 도입이 늘어나는 추세다. 특히 생성형 AI 확산 이후 AI를 활용한 품질관리와 운영 자동화 영역이 새로운 시장으로 부상하고 있다는 평가가 나온다. 토마토시스템은 이번 흥국화재 사례를 계기로 금융권뿐 아니라 공공·기업 시장까지 AI 기반 품질 자동화 사업을 확대한다는 계획이다. 아이큐봇은 현재 KIDB와 공무원연금공단, 국방전산정보원, 교육부, 한국사회보장정보원 등 금융·공공기관에 공급되며 기술력을 검증받고 있다. 조길주 토마토시스템 대표는 "이번 사업은 우리 UI·UX 플랫폼 역량과 AI 기반 테스트 자동화 기술 시너지를 동시에 입증한 사례"라며 "금융권 디지털 전환이 가속화되는 흐름 속에서 이번 레퍼런스를 발판으로 금융·공공·기업 시장 전반으로 AI 품질 자동화 사업을 확장해 나갈 것"이라고 밝혔다.

2026.06.04 11:00한정호 기자

스페이스X, 美 IPO 새 역사 쓰나…"시총 2700조 목표"

스페이스X가 기업공개(IPO)를 통해 750억 달러(약 114조8600억 원) 규모 자금을 조달할 계획이라고 CNBC와 야후파이낸스 등 외신이 3일(현지시간) 보도했다. 계획대로 될 경우 스페이스X는 미국 증시 역사상 최대 규모 IPO를 기록할 전망이다. 스페이스X는 이날 미국 증권거래위원회(SEC)에 제출한 서류를 통해 주당 135달러(약 20만6700원)에 5억 5560만주를 발행, 총 750억 달러를 조달할 계획이라고 밝혔다. 이는 전체 유통 주식의 약 4.2%에 해당하는 것으로 나머지 95.8%는 일론 머스크 스페이스X 최고경영자(CEO)와 내부 관계자들이 보유하게 된다. 주당 135달러를 기준으로 하면 스페이스X의 기업가치는 약 1조 7700억 달러(약 2710조 원)에 이르게 된다. 상장에 성공할 경우 스페이스X는 엔비디아, 알파벳, 애플, 마이크로소프트, 아마존, 브로드컴 등에 이어 미국 증시 시가총액 7위 기업에 오르게 된다. 스페이스X는 조달 자금을 인공지능(AI) 컴퓨팅 인프라 확대, 발사 인프라 및 발사체 성능 개선, 스타링크 위성망 확장, 그리고 일반적인 기업 운영 자금으로 활용할 계획이라고 설명했다. 회사는 오는 12일 나스닥 시장 상장을 목표로 하고 있으며 종목 코드는 'SPCX'로 알려졌다. 머스크에게 이번 IPO는 재사용 가능한 로켓 개발과 화성 식민지화라는 장기 비전의 중요한 이정표로 평가된다. 그는 2002년 스페이스X를 설립했으며, 회사는 2012년부터 로켓을 이용해 국제우주정거장(ISS)에 화물을 수송하기 시작했다. 특히 2019년 서비스를 시작한 위성 인터넷 사업 스타링크는 스페이스X의 기업가치를 끌어올린 핵심 사업으로 꼽힌다. 스타링크는 현재 회사 수익의 상당 부분을 차지하고 있으며, 향후 위성망 확대를 통해 성장세를 이어갈 것으로 기대된다. 이번 IPO 규모는 현재까지 미국 증시 최대 기록으로 남아 있는 알리바바의 상장 규모를 3배 이상 웃도는 수준이다. CNBC는 스페이스X의 상장 추진이 인공지능(AI) 기업들의 IPO 움직임과 맞물려 더욱 큰 관심을 받고 있다고 전했다. 최근 AI 업계에서는 오픈AI와 앤트로픽 등 주요 기업들의 상장 가능성이 거론되면서 대형 기술 기업 IPO 시장에 대한 기대감이 커지고 있다.

2026.06.04 09:12이정현 미디어연구소

MS "윈도11, AI 에이전트 개발 핵심 플랫폼"

"마이크로소프트 윈도가 인공지능(AI) 에이전트 개발·실행을 위한 핵심 플랫폼으로 진화했습니다. 개발자는 로컬과 클라우드를 오가며 더 안전하게 AI 워크로드를 구축하고 실행할 수 있을 것입니다." 스콧 거스리 마이크로소프트 클라우드 및 AI 그룹 수석 부사장은 2일(현지시간) 미국 샌프란시스코에서 개막한 연계 개발자 컨퍼런스 '마이크로소프트 빌드 2026'에서 윈도 플랫폼 업데이트 소식을 이같이 밝혔다. 거스리 부사장은 개발자가 더 빠르게 개발 환경을 구성하고 애플리케이션을 출시할 수 있도록 윈도11 경험을 개선했다고 강조했다. 우선 윈도용 코어유틸스는 리눅스형 명령줄 유틸리티를 윈도에서 네이티브로 실행할 수 있게 지원하며, 현재 정식 출시됐다. 리눅스용 윈도 하위 시스템(WSL) 컨테이너도 새롭게 공개됐다. 개발자는 별도 서드파티 도구 의존도를 줄이고 윈도에서 리눅스 컨테이너를 구축·실행할 수 있다. 해당 기능은 향후 몇 달 내 프리뷰로 제공된다. 마이크로소프트는 윈도 개발자 구성도 정식 출시했다. 이 기능은 윈도 11 기기에서 명령 한 번으로 비주얼 스튜디오 코드, 깃허브 코파일럿, WSL, 파워셸 7, 개발자 최적화 설정을 포함한 개발 환경을 구성한다. 터미널 경험에도 AI 에이전트 기능이 결합됐다. 인텔리전트 터미널은 에이전트 통신 프로토콜을 기반으로 터미널 안에서 오류 문맥을 제공하거나 수정 방안을 제안한다. 개발자는 터미널을 벗어나지 않고 디버깅과 다단계 작업을 이어갈 수 있다. 거스리 부사장은 AI 에이전트 보안을 윈도 플랫폼 핵심 축으로 제시했다. 이날 새로 공개한 마이크로소프트 실행 컨테이너는 개발자가 에이전트 파일과 네트워크 접근 범위를 설정하면, 런타임에서 이를 강제하는 정책 기반 실행 계층이다. '에이전트 365'는 마이크로소프트 실행 컨테이너와 통합된다. 이 통합은 디펜더, 엔트라, 인튠, 퍼뷰 보호 기능을 제공한다. 이를 통해 보안팀과 IT팀이 로컬 에이전트를 제한하고 기업 위험을 줄인다. 해당 기능은 7월 프리뷰로 제공된다. 이날 에이전트용 윈도 365 정식 출시 소식도 나왔다. 이는 AI 에이전트가 앱을 열고 인터페이스를 탐색하며 입력과 데이터 처리를 수행할 수 있도록 지원한다. 온디바이스 AI 확대…하드웨어 기반 강화 마이크로소프트는 온디바이스 AI 기능도 확대했다고 밝혔다. 아이온 1.0 인스트럭트(Aion 1.0 Instruct)는 더 작고 빠른 온디바이스 소형 언어 모델이다. 아이온 1.0 플랜(Aion 1.0 Plan)은 140억 개 매개변수와 3만2000분량 토큰 길이를 지원하는 추론·도구 호출 모델이다. 윈도우 AI API도 AI 연산 전용 칩인 신경망처리장치(NPU)를 넘어 중앙처리장치(CPU)와 그래픽처리장치(GPU)로 확대된다. 음성 인식 API는 로컬 기기에서 실시간 또는 일괄 음성-텍스트 변환을 지원한다. 초기에는 영어 음성 인식부터 제공된다. 이날 개발자용 AI 하드웨어도 공개됐다. 서피스 RTX 스파크 개발 박스는 엔비디아 RTX 스파크 실리콘 기반으로 최대 1페타플롭 AI 연산 성능과 128기가바이트(GB) 통합 메모리를 제공한다. 윈도우용 DGX 스테이션은 엔비디아 GB300 그레이스 블랙웰급 AI 인프라를 윈도 생태계로 가져온 형태다. 최대 1조 개 매개변수 규모 프런티어 AI 모델을 로컬에서 실행할 수 있도록 설계됐다. 이 외에도 마이크로소프트는 포스트 양자 암호화 지원 확대, 기존 인증 방식 축소, 드라이버 신뢰 기준 강화, 신뢰할 수 없는 앱 차단 기능 확대를 통해 기본 보안 수준을 높인다는 방침이다. 거스리 부사장은 "애플리케이션을 구축하든 AI 모델을 배포하든 에이전트를 실험하든 우리 목표는 같다"며 "우리는 윈도를 개발 최적의 장소로 만들 것"이라고 밝혔다.

2026.06.03 09:38김미정 기자

Prev 1 2 3 4 5 6 7 8 9 10 Next