검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'텔레그램채널인원유입 [텔레 𝐎𝐍𝟒𝟗𝟖𝟗] 텔레그램회원 작업 tW1j'통합검색 결과 입니다. (6322건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

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

LGU+, 2030년까지 AIDC 수주 누적 5조원 목표

LG유플러스가 2030년까지 AI 데이터센터 누적 수주 5조원 목표를 내놨다. 매년 1조원 이상 수주를 예상하는 가운데 현재 건설 중인 파주 AIDC 1동은 이미 판매를 완료했다. 급격히 증가하는 AI 컴퓨팅 수요 증가에 맞춰 파주 AIDC를 통해 차세대 AI 인프라 표준을 제시하겠다는 점을 강조했다. 그룹 계열사 기술 협력을 통한 '원LG' 시너지 기반으로 국산 AI 인프라 경쟁력을 입증하겠다는 뜻이다. LG유플러스는 지난 5일 경기도 파주시 AIDC 건설 현장에서 차세대 AI 인프라 전략과 함께 AIDC 사업 계획을 이같이 발표했다. 최근 AI 작업의 중심이 학습에서 '추론'으로 옮겨지며 전력 사용량과 변동성이 커지고 발열량이 급증하고 있다. 예컨대 월간 토큰 처리량은 2024년 5월 9조 7000억 개, 이듬해 480조 개, 올해 오월 3.2 경 규모에 이르고 있다. 컴퓨팅 기술의 발전으로 내후년에는 서버 랙당 1메가와트의 전력이 필요로 하고 있다. 이처럼 AI 수요와 GPU 성능의 발전 속도가 빨라지고 있지만 데이터센터 구축에는 수년이 걸려 컴퓨팅 인프라 공급 부족이 예상된다. AIDC 표준 제시...ACE on TRUST LG유플러스는 이에 따라 ACE on TRUST 전략을 내놨다. ▲구축 속도(Agility) ▲전력과 규모(Capacity) ▲냉각 효율(Efficiency)의 강점과 함께 AIDC 운영 안정성이라는 ▲신뢰(Trust) 구현에 중점을 둔다는 설명이다. 먼저 구축 속도를 위해 LG유플러스는 표준 모듈형 데이터센터(PMDC) 공법을 도입할 예정이다. 주요 설비를 표준화해 사전 제작하고 현장에서 조립하는 방식이다. 구축 규모에 유연하게 대응하고 특히 구축 기간을 줄일 수 있다. 파주 센터 역시 사전 제작한 주요 구조물을 현장에서 조립하는 방식 등으로 건설 속도를 높였다. 전력 측면에서 파주 센터는 바로 옆 변전소를 통해 200메가와트 전력 공급이 확정됐다. 이같은 전력을 확보한 AIDC는 수도권에서 파주가 유일하다. 즉, 수도권 최대 규모의 추론형 AIDC 역할을 해낼 수 있다는 점이 강점을 지녔다. 냉각 효율을 위해 파주 센터는 하이커스케일급 규모에서 공기 냉각과 액체 냉각을 동시에 지원하는 하이브리드 구조로 건설되고 있다. LG전자와의 협력으로 구축된 액체냉각 설비는 GPU 칩에 전용 금속판을 부착하고 냉각수 분배장치(CDU)로 열을 제거하는 방식인데 자체 실증에서 24%의 에너지 효율 개선 효과를 확인했다. AIDC 운영 안정성으로는 99.999%의 파이브 나인을 강조했다. 지난 27년 동안 쌓아 온 데이터센터 무중단 운영을 이어가겠다는 뜻이다. 안형균 LG유플러스 엔터프라이즈AI사업그룹장은 “AIDC 경쟁력은 이제 시설 규모가 아니라 전체 인프라를 얼마나 안정적으로 운영할 수 있는 지에 달려있다”며 “파주 센터가 이 역량을 보여주는 대표 사례가 될 것”이라고 말했다. 그는 특히 “파주 센터는 우리가 선도하는 표준이고 그 실체”라며 “LG유플러스는 대한민국 AI 인프라 백본을 설계하고 있다”고 강조했다. 매년 1조원 수주...계열사 역향 시너지로 완성 LG유플러스는 차세대 전략을 기반으로 2030년까지 누적 AI데이터센터 사업 수주 5조원을 달성한다는 계획이다. 매년 1조원 규모로 수주를 이어가며 AIDC 연평균 매출은 매년 약 15~20% 성장을 이어갈 것으로 내다봤다. 캐파 수준으로는 600메가와트에 이르는 것으로, 이같은 목표 중심에는 축구장 약 21배 크기의 연면적을 지닌 파주 센터가 있다. 파주 센터는 총 5동과 부속동으로 건설될 예정인데 현재 구축중인 1동은 모든 계약이 이미 끝났다. 1동의 준공 시점은 내년 6월이다. 이같은 사업 성장에는 LG그룹 계열사 역량 시너지로 완성됐다는 게 회사 측의 설명이다. 이를테면 냉각 영역에서 냉각수 분배장치와 D2C 방식의 액체냉각 솔루션 외에 냉각수를 만드는 공랭식 '프리쿨링 칠러'는 LG전자가 생산한다. LG에너지솔루션의 고성능 UPS 배터리는 정전이나 전압 변동 시에도 즉각적으로 전력을 보정한다. 높은 전력 사용량에 대응하기 위한 DC 800V 배전 시스템은 LS일렉트릭과 공동 개발하고 있다. 또 센터 곳곳에 쓰이는 반도체는 LG이노텍이 맡고 최종적인 운영은 LG유플러스가 담당한다. 안형균 상무는 “파주 센터는 원 LG 시너지로 냉각, 배터리, 전력 설비, 운영 역량을 통합한 AI 인프라다”면서 “LG유플러스는 파주 센터를 통해 국산 장비의 경쟁력 확보에도 기여하겠다”고 밝혔다.

2026.06.07 09:00박수형 기자

"소화기 메고 산길 누빈다"…中 휴머노이드 로봇 화제

중국 로봇 기업 딥 로보틱스가 소화기를 메고 산길을 달리는 휴머노이드 로봇을 선보였다. 과학매체 인터레스팅엔지니어링은 4일(현지시간) 중국업체 딥로보틱스가 향상된 이동성과 산업 현장 활용성을 갖춘 휴머노이드 로봇 DR02 시연 영상을 공개했다고 보도했다. 영상에는 소화기를 장착한 DR02가 울퉁불퉁한 지형을 가로지르고 장애물을 뛰어넘는 모습이 담겨 있다. 또 DR02는 콘크리트 계단처럼 로봇에게 까다로운 야외 환경에서도 안정적으로 이동하는 모습을 보여줬다. 고전압 전기 설비 인근에서 작업을 수행하는 모습도 확인할 수 있다. 외신들은 딥 로보틱스가 산업 현장과 위험 작업 환경을 주요 활용 분야로 삼고 있음을 보여주는 사례라고 평가했다. 이번 영상은 딥 로보틱스가 지난 1년간 추진해 온 개발 방향을 보여준다. 회사는 2025년 10월 DR02를 공개 당시 단순한 연구용이나 시연용이 아니라 실제 산업 현장 투입을 목표로 설계된 휴머노이드 로봇이라고 설명했다. 신장 173㎝의 DR02는 IP66 등급의 방진·방수 성능을 갖췄으며, 영하 20도에서 영상 55도까지 다양한 환경에서 작동할 수 있다. 최대 20㎏의 하중을 견딜 수 있도록 설계됐다. 최근 공개된 영상은 DR02의 균형 유지 능력과 이동 성능, 지형 적응 능력이 지속적으로 향상되고 있음을 보여준다. 회사는 그 동안 오락용 시연보다 검사와 유지보수, 긴급 대응, 인프라 운영 등 실질적인 산업 현장 업무 수행에 초점을 맞춰 DR02를 개발해 왔다. 딥 로보틱스는 위험 지역 점검이나 소방 활동에 사족보행 로봇을 활용하는 방안을 적극 제시해 왔다. 앞선 시연에서는 로봇견이 구조대원의 안전이 위협받을 수 있는 위험한 환경에서 임무를 수행하는 모습이 공개된 바 있다. 이번 DR02 시연 영상에 소방 장비가 등장한 것 역시 현장 대응형 로봇 기술 개발 전략의 연장선상에 있는 것으로 보인다고 인터레스팅엔지니어링은 분석했다. 이번 발표는 중국 휴머노이드 로봇 시장 경쟁이 한층 치열해지는 시점에 나왔다는 점에서도 관심을 끈다. 경쟁사인 유니트리 로보틱스는 최근 기업공개(IPO) 계획을 구체화했으며, 중국 기업들은 산업·상업용 휴머노이드 플랫폼의 상용화를 놓고 경쟁을 벌이고 있다.

2026.06.06 14:00이정현 미디어연구소

CU편의점 택배 온라인 회원 개인정보 유출

CU편의점 온라인 회원 개인정보가 유출됐다. 6일 유통업계에 따르면 BGF네트웍스는 홈페이지 공지와 문자를 통해 신원 미상 해커가 4일 15시 30분경 시스템에 무단 접근해 고객 개인정보를 유출한 정황을 확인했다고 밝혔다. 회사 측은 유출 대상이 온라인 회원 고객 정보에 한정되며, 고객이 택배 발송 과정에서 입력한 수하인 등 제3자 정보는 포함되지 않았다고 안내했다. 유출된 정보는 아이디(ID), 비밀번호, 이름, 생년월일, 성별, CI, 주소, 이메일, 휴대전화 번호 등으로 파악됐다. BGF네트웍스는 사고를 인지한 직후 공격 IP를 차단하고 이상 징후 모니터링을 강화했으며, 보안 정책 전반에 대한 점검과 개선 작업을 진행 중이라고 설명했다. 아울러 개인정보보호위원회와 한국인터넷진흥원(KISA) 등 관계기관에 해당 사실을 즉시 신고하고 긴밀히 협력하고 있다고 밝혔다. 회사 측은 고객들에게 출처가 불분명한 전화나 문자메시지에 주의하고, 문자 내 URL 링크는 함부로 클릭하지 말 것을 당부했다. 또한 동일한 비밀번호를 다른 서비스에서도 사용하고 있다면 즉시 변경해 달라고 요청했다. 이와 함께 회사를 사칭해 금융정보 등을 요구하는 행위에 각별히 유의해 달라고 강조했다. BGF네트웍스는 "고객 정보를 안전하게 보호하지 못한 점에 대해 깊이 책임을 느낀다"며 "재발 방지를 위해 보안 시스템 전반을 재점검하고 관련 대책을 강화하겠다"고 밝혔다.

2026.06.06 13:23안희정 기자

화제의 휴머노이드 로봇 영상, 그대로 믿어도 될까… 회의론자를 위한 안내서

인터넷을 달구는 휴머노이드 로봇 시연 영상이 로봇의 실제 능력에 대한 대중의 인식을 왜곡할 수 있다는 지적이 나왔다. 아스 테크니카는 화려한 데모 영상 뒤편에는 여전히 원격 조종(teleoperation)과 소규모 시범 프로젝트, 엄격한 안전 제한, 그리고 일자리·데이터·위험을 둘러싼 풀리지 않은 질문들이 자리한다고 짚었다. 특히 '범용(general-purpose)'이라는 수식어를 그대로 받아들이기는 이르다. 빨래를 개고 식기세척기를 돌리고 방을 정리하는 인상적인 장면 대부분은 통제된 환경에서, 단순한 사물을 대상으로, 넉넉한 조명 아래 시간 압박 없이 촬영되기 때문이다. 즉 잘 짜인 무대 위 시연을 곧바로 '자율적으로 무엇이든 해내는 로봇'으로 받아들이면 곤란하다는 얘기다. 최근 화제가 된 사례도 이런 맥락에서 봐야 한다. 한 휴머노이드 업체는 로봇이 컨베이어 벨트에 수천 개의 택배를 올리는 모습을 며칠간 라이브로 중계했고, 중간에는 로봇과 인턴 직원이 대결하는 장면까지 등장하면서 시청자들이 로봇에 이름을 붙일 만큼 입소문을 탔다. 이런 영상은 수백만 조회수를 기록하며 로봇의 능력을 실제보다 부풀려 인식하게 만들기도 한다. 그러나 업계에서는 여전히 사람의 개입이 중요하다는 점을 인정한다. 일부 기업은 전문가가 로봇에게 새로운 작업을 직접 안내한다는 사실을 공개적으로 밝히고 있다. 이런 회의론이 나오는 배경에는 과열된 투자 열기가 있다. 휴머노이드 로봇 스타트업의 기업가치가 빠르게 치솟고 화제성 높은 영상이 곧 투자 유치와 직결되면서, 시연이 점점 더 '쇼'에 가까워진다는 우려다. 아스 테크니카는 그래서 시청자가 영상 속 로봇이 완전 자율로 움직이는지, 사람이 뒤에서 조종하는지, 어떤 조건에서 촬영됐는지를 따져 봐야 한다고 권한다. 결국 시청자에게는 '시제품(prototype)'과 '시범 운영(pilot)', '양산(production)'을 구분해 보는 눈이 필요하다. 시연 영상은 완성된 제품이 아니라 가능성을 보여주는 자료로 받아들여야 한다. 휴머노이드 로봇이 산업 현장과 가정으로 들어오는 흐름 자체는 분명하지만, 화면 속 매끄러운 동작이 곧 현실의 자율성과 같지는 않다는 점을 함께 기억할 필요가 있다. 과장된 기대가 결국 실망으로 돌아와 산업 전체의 신뢰를 깎을 수 있다는 경고이기도 하다. 특히 로봇이 가정과 일터로 들어오는 시점을 가늠하려는 소비자라면, 잘 편집된 한 편의 영상보다 실제 시범 운영과 양산 일정을 함께 살피는 편이 안전하다. 자세한 내용은 아스 테크니카(Ars Technica) 에서 확인할 수 있다. 이미지 출처: 이디오그램 생성 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.06.06 11:08AI 에디터

[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

[기경학회 AX칼럼] K-AX 패러다임 대전환, 구호에 그치지 말아야

AX(AI Transformation, 인공지능 전환)가 대한민국 경쟁력을 좌우하는 핵심 키워드로 부상했습니다. AX는 단순히 기업이 AI를 도입하는 차원을 넘어 국가의 생산성, 산업 경쟁력, 안보, 인구구조 문제를 해결하는 핵심 전략입니다. AX를 대한민국의 미래라고 말하는 이유입니다. 지디넷코리아는 기술경영경제학회(기경학회)의 'AX칼럼'을 11회 연재합니다. 기술경영경제학회는 기술혁신의 학제적 연구를 바탕으로 기술경영·기술경제·기술정책의 지식과 현장 적용을 연결해 온 학술 공동체로 1992년 설립했습니다. AI 전환은 새로운 도구를 들여놓는 일로 끝나지 않습니다. 현장의 암묵지, 기업의 루틴, 독점적 데이터, 응용 기술 기반 비즈니스 모델이 함께 바뀔 때 비로소 산업 경쟁력이 생깁니다. 기경학회의 11회 연재는 “AI를 얼마나 많이 쓰는가”가 아니라 “한국 산업이 AI를 흡수할 기초체력을 갖추었는가”를 묻습니다. 그 질문의 중심에는 제조가 있지만, 제조를 좁은 공장 자동화가 아니라 현장지식의 자산화와 기업 루틴의 재설계가 맞물리는 산업 전환의 축으로 봅니다. 데이터 주권, 에너지, 공급망, 인프라, 표준, 글로벌 사업화까지 이어지는 이 전환의 조건을 따라가며 AX 시대 한국 산업이 다시 세워야 할 기반을 진단합니다. (편집자 주) 10년 전 다보스포럼에서 클라우스 슈밥이 주창했던 제 4차 산업혁명은 한동안 구호에 머물렀다. 그러나 생성형 AI의 등장 이후, 그 실체가 'AX(AI Transformation)'라는 이름으로 산업 현장에서 빠르게 구현되고 있다. 더 이상 미래 담론이 아니라 현재진행형의 산업혁명이 된 것이다. AX는 기존의 산업혁신 구조를 근본적으로 재편하고 있다. 지멘스가 마이크로소프트와 함께 출시한 'Industrial Copilot'은 현장 엔지니어가 자연어로 설비와 대화하며 생산을 최적화하는 시대를 열었다. 엔비디아와 폭스콘은 대만에 'AI 팩토리'를 구축하며 제조 자체를 데이터 학습 과정으로 전환하고 있다. 국내에서도 포스코의 'PosFRAME'은 베테랑 조업자의 판단을 학습한 AI가 제철소 고로 운영의 의사결정을 지원한다. 산업혁신 단위가 'R&D-제조-마케팅'의 선형 가치사슬에서 '데이터-학습-추론'의 순환 구조로 이동하고 있는 것이다. 여기서 우리나라 산업이 마주한 본질적 질문이 등장한다. AX의 핵심 자원은 무엇인가. 흔히 '데이터'라고 답하지만, 산업현장에서 진정 가치 있는 데이터는 정형화된 수치가 아니다. 30년 차 용접 명장의 손끝 감각, 반도체 공정 엔지니어의 경험적 직관, 정유공장 운전원의 미세한 압력 변화 판독 능력—이러한 '암묵지(tacit knowledge)'야 말로 진짜 자산이다. 마이클 폴라니가 일찍이 갈파했듯 "우리는 말할 수 있는 것보다 더 많은 것을 안다." 따라서 AX의 본질은 범용 AI 도입이 아니라, 현장의 암묵지를 디지털 명시지로 전환해 자산화하는 데 있다. 이는 천동설에서 지동설로 넘어가는 코페르니쿠스적 인식 전환이다. 지금까지 산업의 중심에는 '설비'와 '공정'이 있었고, 사람의 노하우는 그 주변을 보조하는 요소로 간주됐다. 그러나 AX 시대에는 '암묵지'가 중심에 놓이고, 설비와 공정은 그것을 추출·학습·재현하는 인프라로 재정의된다. 글로벌 선도기업들이 '디지털 트윈'과 '산업 파운데이션 모델'에 사활을 거는 이유다. 문제는 이 전환이 개별 기업의 노력만으로는 결코 완성될 수 없다는 점이다. 30년 경력 장인의 노하우가 학습 데이터로 전환되는 순간, 그것은 누구의 자산인가. 공장 카메라가 작업자의 동작을 기록할 때 개인정보보호는 어디까지 허용하는가. 협력업체와 공유한 공정 데이터의 권리는 어떻게 분배되는가. EU는 개인정보 보호의 'GDPR'을 넘어 2024년 발효된 '데이터법(Data Act)'에서 IoT·산업장비가 생성하는 비(非)개인 데이터의 접근·이전·공유 권리를 명문화했고, 'AI법(AI Act)'을 마련하면서 산업 데이터 거버넌스의 삼각축을 완성했다. 독일의 'GAIA-X'와 'Manufacturing-X'는 기업 간 데이터 주권을 보장하는 공유 인프라를 구축 중이며, 미국은 'CHIPS Act'와 NIST의 'AI 위험관리 프레임워크(RMF)'로 제조-AI 결합을, 일본은 '소사이어티 5.0' 아래 중소제조업 암묵지의 디지털화를 국가 과제로 격상했다. 여기서 한 가지 착각을 경계해야 한다. 'AI'를 잘 하고 '제조'를 잘한다고 '제조 AI'에서 앞서갈 수 있는 것이 아니다. 제조 AI의 진짜 승부처는 현장 암묵지의 디지털 전환 역량에서 갈린다. 따라서 지금 우리나라에 필요한 것은 단발성 'AI 전환 지원사업'이 아니라 시스템적 대전환이다. 개인정보보호법·산업디지털전환촉진법·AI기본법 간의 정합성 확보, 암묵지 자산화를 가능케 할 회계·세제·지식재산 기준 마련, 데이터·AI 인재의 산업현장 배치를 위한 인력정책 재설계, 그리고 AI 팩토리를 지탱할 전력·냉각·재생에너지 인프라 확충까지-이 모든 영역이 동시다발적으로 움직여야 한다. 다행히 우리나라는 세계 최고 수준의 제조 역량과 숙련 인력이라는 추출 가능한 암묵지의 보고(寶庫)를 보유하고 있다. AX는 단순한 기술 도입이 아니라 산업의 인식론적 전환이며, 우리나라가 이 코페르니쿠스적 변화의 주체가 될지 객체로 머물지가 향후 10년 K-AX의 명운을 가를 것이다.

2026.06.06 09:05안준모 컬럼니스트

[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

"전선도 배터리도 없다"…레이저로 로봇에 24시간 전력 공급

호주 스타트업 아퀼라(Aquila)가 레이저를 이용해 이동식 창고 로봇에 24시간 동안 무선으로 전력을 공급하는 데 성공해 주목받고 있다. IT매체 BGR은 최근 아퀼라가 레이저 기반 무선 전력 전송 기술을 활용해 두 가지 기록을 경신했다고 보도했다. 회사는 링크드인 게시물을 통해 이번 시연에서 레이저로 전송된 역대 최대 전력량인 4kWh와 24시간 연속 전력 공급 기록을 동시에 달성했다고 밝혔다. 이번 실험에서는 추적 플랫폼에 장착된 레이저가 이동 중인 목표물의 수신기를 실시간으로 추적하며 지속적으로 에너지를 전달하는 기술을 사용했다. 수신기는 레이저 빛을 전기로 변환해 장비를 구동한다. 2025년 일본 미쓰비시중공업은 1kW급 레이저 빔을 태양전지에 조사해 152W의 전력을 생산하는 실험에 성공한 바 있다. 아퀼라는 이를 한 단계 발전시켜 이동하는 수신기에 레이저를 정확히 조준하면서 약 167W의 전력을 24시간 동안 지속적으로 공급하는 데 성공했다. 이 기술의 핵심은 끊임없이 움직이는 목표물을 실시간으로 추적하면서 레이저 빔을 정확하게 유지할 수 있다는 점이다. 전문가들은 이러한 기술이 향후 드론과 로봇, 우주 탐사 분야에서 새로운 가능성을 열어줄 것으로 보고 있다. 드론 비행시간 사실상 무제한 시대 올까 레이저 기반 무선 전력 전송 기술은 군사 분야에서도 빠르게 발전하고 있다. 미국 중부사령부(CENTCOM)가 일부 자금을 지원하는 PTROL-UAS 프로그램은 무인항공기(UAV)에 레이저로 전력을 공급하는 기술 개발을 추진 중이다. 2025년 파워라이트 테크놀로지스는 해당 기술을 활용해 사실상 무제한 비행 시간을 구현하는 것을 목표로 하고 있다고 밝혔다. 이 시스템은 고정밀 광학 추적 기술을 이용해 레이저 빔을 드론에 장착된 수신기에 집중시키는 방식으로 작동하며, 최대 약 1.5㎞ 거리에서도 전력 공급이 가능하도록 설계되고 있다. 미국 국방고등연구계획국(DARPA)도 최근 POWER 프로그램 시험을 통해 약 8.9㎞ 떨어진 목표물에 800W 전력을 전송하는 데 성공했다. 이는 현재까지 레이저 기반 무선 전력 전송 기술 가운데 가장 긴 거리 기록 중 하나로 평가된다. DARPA는 이 기술이 전장이나 재난 지역 등 전력 공급 인프라가 부족한 환경에서 활용될 수 있을 것으로 기대하고 있다. 무선 전력 전송 기술 경쟁은 미국에만 국한되지 않는다. 중국 역시 마이크로파를 이용해 드론에 전력을 공급하는 기술을 연구 중인 것으로 알려졌다. NASA, 달 기지에 레이저로 전력 공급 추진 미국 항공우주국(NASA)도 레이저 기반 전력 전송 기술에 큰 관심을 보이고 있다. NASA는 안정적인 전력 확보가 달 기지 건설계획의 핵심 과제로 보고 있다. 달에서는 햇빛이 비치는 동안에만 태양광 패널이 작동하기 때문이다. 따라서 달에서는 약 14일 동안 이어지는 긴 밤 동안엔 전력 생산이 어려운 상황이다. NASA는 2021년 보고서를 통해 수백 대의 지상 기반 레이저 망원경이 위상을 맞춘 레이저 빔을 달 기지의 태양전지에 조사해 약 5kW 전력을 생산하는 방안을 검토하고 있다고 밝혔다. 현재 NASA는 방사성 동위원소를 활용한 전력 생산 기술도 병행 개발하고 있지만, 레이저 기반 전력 전송 기술 역시 유력한 대안으로 평가받고 있다. 특히 중앙 발전 설비와 함께 달 표면 곳곳에 분산된 탐사 장비와 작업 시설에 전력을 공급해야 하는 만큼, 무선 전력 전송 기술은 향후 달 기지 운영의 핵심 인프라가 될 가능성이 크다. 전문가들은 레이저 기반 전력 전송 기술이 상용화될 경우 무거운 배터리나 전력 케이블을 우주로 운반할 필요가 줄어들어 발사 비용과 로켓 적재 중량을 크게 낮출 수 있을 것으로 전망하고 있다.

2026.06.06 08:13이정현 미디어연구소

피지컬 AI로 만든 비행사 로봇 "조종사처럼 하늘 난다"

스스로 전문 지식을 학습하고, 실제 비행 상황에 실시간 대응할 수 있는 피지컬 인공지능(AI)형 비행 조종사 로봇이 공개돼 관심을 끌었다. KAIST는 심현철 전기및전자공학부 교수 연구팀이 인간형 조종사 로봇 '파이봇(PIBOT)'을 기반으로 하는 항공기 자율조종 프레임워크가 2026년 IEEE 로보틱스 및 자동화 매거진(IEEE RAM)으로부터 지난해 이 매거진에 게재된 논문 가운데 '최우수 논문'으로 선정됐다고 5일 밝혔다. 이 매거진은 IEEE(미국 전기전자공학자협회) 산하 로보틱스 및 자동화 학회(RAS)가 발행하는 학술 잡지다. IF(임팩트 팩터)는 7.1이다. 심현철 교수는 "인간형 로봇이 단순 보행이나 물품 운반을 넘어, 항공기 조종과 같은 복잡한 작업을 인공지능 기반으로 체계적이고 적응적으로 수행 가능한 피지컬 AI기술을 매우 높은 수준으로 구현했다는 점에서 높은 평가를 받았다"고 말했다. 기존 로봇이 걷고 단순한 물체 조작을 하는데 머무는 반면, '파이봇'은 인간을 위해 설계된 실제 조종석 환경에서 전문적인 절차와 판단이 필요한 임무를 수행할 수 있다는 점이다. 특히, 로봇에 맞는 환경으로 개조하지 않은 점도 특색이다. 로봇이 기존 환경을 이해하고 다루도록 설계했다. 기술 개발은 지난 2021년부터 2023년까지 1단계 연구가 진행됐다. 2024년부터는 실제 항공기 조종에 적합하도록 인간과 유사한 체격 및 관절 구조를 갖춘 조종사 로봇 개발을 진행 중이다. 사업 지원은 국방과학연구소(ADD) 미래도전국방기술 연구개발과제로부터 57억원을 받았다. 연구팀은 그동안 가장 어려웠던 점에 대해 "인간 조종석에 바로 적용 가능한 등신대 휴머노이드 하드웨어를 설계하고, 그 안에 구동기와 전선, 센서, 컴퓨팅 장치 등을 모두 집적하는 일이었다. 아직도 이 문제를 모두 해결한 것은 아니다"라며 "또한 실제 항공기에 이를 적용한 후 비행시험으로 검증해야 하는데, 인간형 로봇을 이용한 항공기 조종은 기존 항공법규에 해당사항이 없어 승인이 어려웠다"고 덧붙였다. 연구는 민성재·강규리·김형주 박사과정생이 공동 제1저자로 참여했다.

2026.06.05 19:33박희범 기자

오픈AI, 챗GPT에 '장기 기억' 탑재…맥락 자동 축적·갱신

챗GPT 메모리 기능이 대화 맥락을 시간 흐름에 따라 자동 갱신하는 '드리밍(Dreaming)' 기반 시스템으로 전면 교체됐다. 인공지능(AI) 챗봇 서비스가 대화마다 처음부터 사용자를 파악해야 했던 한계가 사라진 셈이다. 4일(현지시간) 오픈AI는 챗GPT의 메모리 합성 방식을 대폭 개선한 '드리밍 V3'를 공개하고 미국 내 플러스(Plus)·프로(Pro) 사용자를 대상으로 순차 배포를 시작했다고 발표했다. 향후 수 주 내에 무료 및 고(Go) 사용자까지 확대할 예정이다. 드리밍은 사람이 잠자는 동안 기억을 정리하듯 챗GPT가 백그라운드에서 대화 기록을 종합해 최신성과 관련성이 높은 메모리를 자동으로 정리·갱신하는 방식이다. 기존 저장된 메모리 방식은 사용자가 직접 '기억해 줘'라고 요청해야 정보가 저장됐고 명시적 지시가 없으면 대화 내용이 사라지는 한계가 있었다. 시간이 지나면서 저장된 정보가 낡거나 부정확해지는 문제도 고질적으로 지적됐다. 오픈AI는 작년 4월 드리밍 초기 버전을 도입해 저장된 메모리를 보완했지만 당시엔 단독 메모리 시스템으로는 충분하지 않다고 평가했다. 이번 V3는 그 한계를 극복한 독립적인 메모리 아키텍처로, 기존 저장 메모리 방식을 대체한다. 개선된 시스템은 세 가지 축을 중심으로 설계됐다. 우선 과거 대화에서 언급된 장비나 작업 환경 등 사실 정보를 이후 대화에 즉시 반영하는 '문맥 기억' 기능이 도입됐다. 예를 들어 사용자가 이전 대화에서 자신의 카메라 장비를 언급했다면 이후 호환 장비를 추천할 때 별도 설명 없이도 해당 셋업에 맞는 제품을 제안할 수 있다. 채식주의 여부나 조용한 식사 환경 선호처럼 사용자의 제약 조건과 취향을 지속적으로 반영하는 '선호도 추적' 기능도 강화됐다. 이를 통해 사용자는 같은 내용을 반복해서 설명하지 않아도 자신의 성향에 맞는 답변을 받을 수 있다. 시간 흐름에 따라 기억 내용을 업데이트하는 '시간 갱신' 기능도 추가됐다. 예컨대 '7월에 싱가포르 여행을 갈 예정'이라는 정보는 일정이 지난 뒤 자동으로 '싱가포르 여행을 다녀왔다'는 내용으로 수정된다. 기존 시스템에선 여행이 끝난 이후에도 사용자가 여전히 싱가포르에 머무는 것으로 인식해 현지 맛집을 추천하는 등 부정확한 응답이 나오는 문제가 있었다. 사용자는 메모리 요약 페이지를 통해 챗GPT가 현재 기억하는 내용을 직접 확인하고 수정하거나 업데이트할 수 있다. 오픈AI는 무료 사용자 대상 서비스 제공을 위해 드리밍 구동에 필요한 컴퓨팅 비용을 기존 대비 약 5배 절감했다고 밝혔다. 수억 명 규모의 사용자와 수년에 걸친 대화 이력에도 안정적으로 대응할 수 있는 확장 가능한 메모리 기반을 마련했다는 설명이다. 김경훈 오픈AI코리아 대표는 자신의 링크드인을 통해 "AI가 실제 업무 안으로 더 깊이 들어올수록 사용자의 맥락을 이해하고 시간이 지나도 관련성을 유지하며 더 책임감 있게 도움을 주는 능력이 함께 발전해야 한다"며 "이번 메모리 업데이트는 그 방향으로 나아가는 중요한 진전"이라고 강조했다.

2026.06.05 18:54이나연 기자

AI 인프라 몸값 치솟는다…스위치, 77조원 가치로 투자 유치 추진

생성형 인공지능(AI) 확산으로 데이터센터 수요가 급증하면서 글로벌 인프라 시장에 대규모 자금이 몰리고 있다. AI 투자가 전력·서버·데이터센터 확보로 번지면서 관련 인프라 기업들의 몸값도 빠르게 치솟는 분위기다. 5일(현지시간) 디인포메이션에 따르면 미국 데이터센터 개발·운영 기업 스위치(Switch)는 최소 500억 달러(약 77조원) 기업가치를 기준으로 수십억 달러 규모 신규 투자 유치를 추진 중이다. 투자 라운드에는 브룩필드자산운용과 KKR을 비롯한 사모펀드 및 기관투자자들이 참여를 검토 중인 것으로 전해졌다. 다만 현재 논의는 초기 단계로 아직 최종 확정된 것은 아니다. 이번 투자 유치는 향후 기업공개(IPO)로 이어질 가능성도 제기된다. 로이터는 스위치가 이르면 내년 상장을 추진할 수 있으며 골드만삭스와 JP모건이 자금 조달 작업을 지원하고 있다고 보도했다. 스위치는 미국 네바다주 라스베이거스에 본사를 둔 데이터센터 전문기업이다. 2000년 창업자인 롭 로이 최고경영자(CEO)가 설립했으며 데이터센터 설계와 운영 관련 950개 이상의 특허를 보유 중이다. 회사는 데이터센터 설계·건설·운영을 핵심 사업으로 영위하며 대규모 기술 인프라 생태계를 구축해왔다. 회사는 지속 가능한 재생에너지 기반 데이터센터 구축을 핵심 비전으로 내세우고 있다. 주요 고객으로는 엔비디아·테슬라·페덱스·로지텍 등을 확보했다. 최근 AI 데이터센터 투자 붐이 이어지면서 스위치 역시 핵심 인프라 사업자로 주목받고 있다. 앞서 올해 초에는 소프트뱅크가 AI 인프라 프로젝트 '스타게이트' 추진을 위해 약 500억 달러 규모 스위치 인수를 검토했으나 거래 규모 부담 등으로 협상을 중단한 바 있다. 이후에도 양측은 전략적 투자와 협력 가능성을 놓고 논의를 이어온 것으로 알려졌다. 스위치는 회사 공식 홈페이지를 통해 "우리는 지속 가능한 성장을 뒷받침하는 기술 인프라 생태계를 구축하고 있다"며 "고객에게 혁신과 규모의 경제, 지속 가능성을 제공하는 것이 목표"라고 밝혔다.

2026.06.05 17:24한정호 기자

[AI 고속도로] 국산 클라우드-NPU 연합 생태계 본궤도…정부 육성정책 결실 맺나

국내 클라우드 기업들이 국산 신경망처리장치(NPU)를 서비스 형태로 제공하는 사업에 잇따라 뛰어들면서 정부가 수년간 추진해 온 AI 반도체 육성 정책이 본격적인 상용화 단계에 진입하고 있다. 기술 실증과 연구개발(R&D)을 넘어 실제 클라우드 서비스와 산업 현장으로 확산되며 독자 인프라 생태계 구축에 속도가 붙는 모습이다. 5일 업계에 따르면 KT클라우드와 가비아가 최근 리벨리온 반도체 기반 서비스형 NPU(NPUaaS)를 출시한 데 이어 삼성SDS도 오는 7월 퓨리오사AI NPU를 탑재한 서비스를 선보일 예정이다. 국내 주요 클라우드 사업자들이 국산 AI 반도체를 클라우드 상품으로 제공하며 본격적인 상용화에 나서는 분위기다. 이는 신규 서비스 출시를 넘어 정부 주도 AI 반도체 육성 정책이 실제 시장으로 연결되는 전환점이 될 전망이다. 그동안 국산 NPU는 기술 검증과 실증 사업 중심으로 성장해 왔지만, 최근에는 국내 클라우드를 통해 기업과 공공기관이 손쉽게 활용할 수 있는 서비스 형태로 확산을 앞두고 있다. K-AI 반도체, 실증 넘어 서비스 단계 진입 KT클라우드는 지난 4일 리벨리온의 차세대 NPU '아톰 플러스'를 적용한 공공 전용 NPU 서비스 출시를 발표했다. 국내 NPUaaS 가운데 처음으로 클라우드 보안인증(CSAP)을 획득했으며 공공기관과 지방자치단체가 보안 규제를 충족하면서 국산 AI 반도체를 활용할 수 있도록 설계됐다. 가비아도 지난 4월 리벨리온 '아톰-맥스'를 기반으로 한 NPUaaS를 선보였다. 클라우드 환경에서 NPU를 구독형으로 제공하며 AI 추론 최적화 컨설팅까지 함께 지원할 계획이다. 그래픽처리장치(GPU) 공급 부족과 비용 부담이 커지는 상황에서 추론 중심 AI 서비스 수요를 겨냥한 전략이다. 삼성SDS 역시 다음 달 퓨리오사AI의 2세대 NPU '레니게이드' 기반 NPUaaS를 삼성 클라우드 플랫폼(SCP)에 출시할 예정이다. 엔비디아 GPU 중심 인프라에서 벗어나 고객이 워크로드 특성에 따라 GPU와 NPU를 선택할 수 있는 구조를 구축한다는 목표다. 이 외 다양한 국내 IT서비스 기업들도 국산 NPU 생태계 확대에 동참하고 있다. 롯데이노베이트는 모빌린트와 협력해 휴머노이드와 스마트 인프라 등 피지컬 AI 분야 실증을 추진한다. 포스코DX도 산업용 제어 시스템에 모빌린트 NPU를 적용해 제조 현장 중심의 엣지 AI 구축에 나서고 있다. LG CNS도 국산 NPU 기반 AI 인프라와 서비스 확대를 추진하면서 AI 반도체 활용 범위가 클라우드를 넘어 제조·공공·기업 업무 영역 전반으로 확산되는 상황이다. 최근 AI 인프라 시장이 대규모 학습 중심에서 추론 중심으로 이동하는 것도 이러한 변화 배경으로 꼽힌다. NPU는 추론 작업에서 GPU 대비 전력 효율과 비용 경쟁력이 높아 AI 에이전트와 기업용 생성형 AI 서비스 확산 과정에서 새로운 대안으로 주목받고 있다. 정부 'AI 반도체 팜' 결실 맺기 시작 현재 나타나는 상용화 흐름은 정부가 지난 수년간 추진해 온 AI 반도체 육성 정책과 맞닿아 있다. 대표 사례가 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진한 'AI 반도체 팜 구축·실증' 사업이다. 해당 사업은 국산 NPU 기반 고성능 클라우드 인프라를 구축하고 실제 산업 현장에서 성능을 검증하기 위해 2023년부터 3년간 진행됐다. 사업에는 네이버클라우드·KT클라우드·NHN클라우드 등이 참여했으며 리벨리온과 퓨리오사AI가 반도체 공급사로 함께했다. 이들은 총 19.95페타플롭스(PF) 규모 국산 NPU 인프라를 구축하고 의료·번역·챗봇 등 다양한 AI 서비스를 실증했다. 특히 네이버클라우드는 퓨리오사AI와 함께 외국인 근로자를 위한 거대언어모델(LLM) 기반 번역·챗봇 서비스를 실증했으며 KT클라우드와 NHN클라우드는 리벨리온과 협력해 뇌 질환 진단·예측 플랫폼 등을 운영했다. 또 NHN클라우드는 정부 'K-클라우드 프로젝트'를 통해 22PF 이상 규모 국산 NPU 인프라를 구축하며 의료·공공안전 분야 실증을 수행했고 네이버클라우드 역시 국산 NPU 기반 서비스 검증과 운영 경험을 축적하며 상용화 기반 마련에 기여했다. 일부 실증에선 국산 NPU가 외산 GPU 대비 경쟁력 있는 성능을 보인 것으로도 전해졌다. 업계에선 정부 사업이 국산 NPU 성능을 검증하는 데 그치지 않고 클라우드 사업자들이 실제 운영 경험을 축적하는 계기가 됐다고 평가했다. 최근 등장하는 NPUaaS 역시 당시 확보한 운영 노하우와 최적화 경험이 기반이 됐다고 분석했다. 다음 시험대는 공공 AX 수요 창출 다만 국산 클라우드와 NPU 결합 생태계가 본격적으로 성장하기 위해선 안정적인 추가 수요 창출이 필요하다는 지적도 나온다. 현재 정부는 삼성SDS 컨소시엄과 국가AI컴퓨팅센터 구축 사업을 추진하고 있다. 오는 2028년까지 첨단 AI 반도체 1만 5000장 규모 인프라를 구축하는 초대형 프로젝트로, 국산 AI 반도체 연구개발과 실증 환경도 함께 제공할 계획이다. 특히 정부는 센터 내 연구개발 존을 조성해 국산 NPU 시범 운영과 신뢰성 검증을 지원하고 향후 국산 AI 반도체 활용 비중도 확대한다는 방침이다. 공공 AI 전환(AX) 사업 역시 중요한 기반이다. 최근 정부와 지방자치단체가 생성형 AI와 AI 에이전트 도입을 확대하면서 추론 중심 AI 인프라 수요가 빠르게 증가하고 있다. 이같은 공공 사업에서 국산 NPU 활용 사례가 늘어날 경우 클라우드 사업자와 반도체 기업 모두에게 새로운 성장 기회가 될 전망이다. 업계 관계자는 "국산 NPU가 과거보다 성능이 많이 개선된 만큼 이제 기술 검증 단계를 넘어 실제 서비스와 시장 적용 단계에 진입하고 있다"며 "정부와 공공 사업 등에서 의미 있는 수요가 만들어진다면 토종 클라우드와 AI 반도체가 함께 성장할 수 있을 것"이라고 말했다. 배경훈 부총리 겸 과기정통부 장관은 지난 4일 'K-AI 반도체 성장 포럼'에서 "국산 AI반도체는 AI 3대 강국 도약이라는 국정과제 실현과 독자 AI 완성을 위한 핵심 기반"이라며 "본격적인 양산과 상용화를 넘어 실질적인 성과를 낼 수 있도록 정부가 마중물 역할을 수행하며 적극 뒷받침하겠다"고 강조했다.

2026.06.05 14:50한정호 기자

슈퍼마이크로, 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 기반 DCBBS 블루프린트 공개

- 5MW부터 1GW 규모까지 확장 가능한 엔드 투 엔드 AI 데이터센터 구축 솔루션 제공 - 수냉식 냉각, 소프트웨어, 전력 및 사이트 인프라를 아우르는 통합 AI 팩토리 구축 지원 캘리포니아주 산호세와 타이베이, 2026년 6월 5일 /PRNewswire/ -- AI, 클라우드, 스토리지 및 5G/엣지를 위한 토탈 IT 솔루션을 제공하는 슈퍼마이크로컴퓨터(Super Micro Computer, Inc.(SMCI), 이하 슈퍼마이크로)가 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 플랫폼 기반 데이터센터 빌딩 블록 솔루션(Data Center Building Block Solutions; 이하 DCBBS) 블루프린트를 공개했다. DCBBS Blueprints 이번 블루프린트는 기가와트(GW)급 AI 데이터센터 구축을 위해 설계됐으며, 1,152 GPU 규모의 단일 확장형 유닛을 기반으로 거의 모든 규모까지 확장 가능하다. 슈퍼마이크로 DCBBS 블루프린트는 구축 전 과정의 라이프사이클을 지원하는 전담 전문가팀과 함께 설계부터 구축까지 아우르는 엔드 투 엔드 토탈 솔루션을 제공한다. DCBBS는 컴퓨팅, 스토리지, 네트워킹, 첨단 수냉식 냉각, 전력 분배 및 사이트 인프라를 통합 제공해 대규모 수냉식 AI 팩토리의 구축부터 운영 개시까지 걸리는 시간을 단축하도록 지원한다. 찰스 리앙(Charles Liang) 슈퍼마이크로 사장 겸 CEO는 "엔비디아 베라 루빈 NVL72 플랫폼은 AI 팩토리 성능의 새로운 기준을 제시하고 있다"며 "슈퍼마이크로의 DCBBS 블루프린트는 5MW부터 1GW에 이르는 모든 규모의 환경을 구축할 수 있도록 검증된 엔드 투 엔드 구축 방식을 제공한다"고 말했다. 이어 "슈퍼마이크로는 업계 초기부터 세계 최대 규모의 수냉식 AI 팩토리를 구축해왔으며, 이러한 경험과 노하우를 모든 블루프린트에 반영해 고객이 설계 단계부터 실제 운영 환경 구축까지 더욱 빠르게 전환할 수 있다"고 덧붙였다. 슈퍼마이크로 DCBBS 블루프린트는 세계 최고 수준의 첨단 AI 인프라를 실제로 구현하는 과정에서 발생하는 과제를 해결하도록 설계됐다. 엔비디아 베라 루빈 플랫폼은 다양한 컴퓨팅 영역에서 속도를 2배 향상시켜 AI 팩토리의 성능 집적도를 크게 높인다. 엔비디아의 최신 레퍼런스 아키텍처가 이상적인 1,152 GPU 확장형 유닛의 구성 요소를 정교하게 정의한다면, 슈퍼마이크로 DCBBS 블루프린트는 구축 성공을 위한 구체적인 실행 방안을 제시한다. 슈퍼마이크로는 10만 개 이상의 GPU를 탑재한 세계 최대 규모 수냉식 AI 팩토리 구축 경험을 바탕으로 검증된 구축 역량을 보유하고 있다. 슈퍼마이크로 DCBBS에 대한 자세한 내용은 홈페이지에서 확인 가능하다. 슈퍼마이크로 엔비디아 베라 루빈 NVL72 기반 DCBBS 블루프린트 AI 팩토리 구축을 위한 실질적 구현 방안 제시 AI 팩토리 신규 구축 또는 기존 시설 개조를 계획하는 고객이 가장 먼저 고려해야 할 요소는 가용 전력이다. 엔비디아 베라 루빈 NVL72기반 DCBBS 블루프린트는 5MW부터 1GW에 이르는 전력 규모별로 균형 잡힌 구성 사양(Bill of Materials)을 제공하며, 냉각 용량, 전력 공급, 컴퓨팅 노드, 관리 노드, 고성능 스토리지 노드, 컨텍스트 메모리 스토리지 플랫폼 노드 및 네트워킹의 최적 구성을 제시한다. 이를 통해 네트워크 과구독, 전력 용량 제한, 열 스로틀링 또는 기타 제약 요인으로 발생할 수 있는 병목 현상을 최소화하고 최적의 성능을 구현한다. 해당 블루프린트는 슈퍼마이크로가 대규모 AI 프로젝트 구축 과정에서 실제로 적용해온 엔드 투 엔드 구축 절차가 반영돼 있다. 현장 시설 조사: 슈퍼마이크로 전담팀은 구축 요건에 따라 실제 구축 환경을 분석하기 위한 현장 조사를 수행한다. 조사는 하역장 접근성, 데이터홀 치수 및 여유 공간, 평면도, 바닥 하중 등급 등을 포함한다. 또한 기존 또는 예정된 전력 및 냉각 인프라를 평가해 고객별 프로젝트에 맞춘 슈퍼마이크로 설계 제안에 필요한 정보를 반영한다. 프로젝트 설계 및 제안: 고객 요구사항과 시설 제약 조건에 맞춘 구체적인 구축 계획에 필요한 핵심 세부 정보를 포함한다. 슈퍼마이크로는 냉각 솔루션을 포함한 최적의 DCBBS 구성 조합을 정의한다. 여기에는 완전한 직접 수냉식 냉각 환경과 호환되는 시설을 위한 최대 1.8MW급 인로우(in-row) CDU, 시설 수배관 인프라가 없는 환경을 위한 액체-공랭식 사이드카(liquid-to-air sidecar), 현재 개발 중인 52U 랙 기반 인랙(in-rack) CDU 옵션, 고온 환경을 위한 보완 옵션인 후면 도어 열교환기(rear-door heat exchanger) 등이 포함된다. 고객은 구성 사양과 구축 일정이 포함된 완전한 제안서를 제공받는다. 현장 통합 서비스를 포함한 솔루션 통합: 슈퍼마이크로의 솔루션 통합 프로세스는 현장 납품 이전부터 시작되며, 주요 통합 작업 상당수는 미국 내 슈퍼마이크로 제조시설에서 수행된다. 여기에는 각 랙 내 랙 조립, 적층 및 케이블링 작업이 포함된다.슈퍼마이크로는 업계 표준을 상회하는 테스트 절차를 통해 기능을 검증하며, 시스템 레벨(L10) 및 클러스터 레벨(L11) 멀티 노드 테스트까지 진행한다. 슈퍼마이크로전담팀은 CDU, 냉각탑 및 전력 인프라 등 사이트 단위 구성요소의 물류 운영을 총괄하며, 필요 시 고객이 선택한 외부 공급업체와의 협업도 조율한다. 통합 제공 서비스 및 현장 통합 작업에는 랙 배치, 전력 및 냉각 연결, 네트워크 케이블링, 시스템 시운전, 소프트웨어 스택 설치 및 현장 솔루션 검증이 포함된다. 지원, 서비스 및 소프트웨어: 슈퍼마이크로는 장기적인 운영 안정성을 지원하기 위해 다양한 현장 지원 옵션을 제공하며, 미션 크리티컬 운영 환경에서는 최대 4시간 이내 현장 대응 서비스도 지원한다. 또한 슈퍼마이크로 인프라 관리 소프트웨어 제품군과의 연동도 제공된다. 여기에는 베어메탈 관리부터 멀티테넌트 워크로드 오케스트레이션까지 지원하는 통합 인프라 제어 솔루션인 슈퍼클라우드 컴포저와 슈퍼클라우드 디렉터가 포함된다. 이와 함께 엔비디아 AI 엔터프라이즈와 엔비디아 Run:ai를 포함한 엔비디아의 전체 AI 소프트웨어 스택이 포함된다. 자산 추적 기능을 통해 각 CDU 및 기타 구성 요소의 물리적 자산 정보와 센서 데이터를 손쉽게 확인할 수 있다. 엔비디아 베라 루빈 NVL72 레퍼런스 아키텍처 지원 엔비디아 베라 루빈 플랫폼은 세대 전환 수준의 성능 향상 잠재력을 갖추고 있으나, 이를 성공적으로 구축하기 위해서는 반복 가능하고 신뢰할 수 있는 구축 방식이 필요하다. 슈퍼마이크로는 최신 엔비디아 레퍼런스 아키텍처와의 정합성을 보장해 고객이 엔비디아 클라우드 파트너 생태계에 부합하는 환경을 구축할 수 있도록 지원한다. 슈퍼마이크로 DCBBS 블루프린트의 핵심 확장형 유닛은 331TB 규모의 HBM4 GPU 메모리를 갖춘 1,152개의 엔비디아 루빈 GPU를 제공한다. 엔비디아 베라 루빈 세대는 엔비디아 블랙웰 대비 GPU 메모리 대역폭, GPU 간 NV링크 대역폭 및 GPU당 네트워킹 대역폭을 2배 향상시켰으며, 수조 개 이상의 파라미터를 갖춘 초대형 AI 모델의 학습 및 추론을 위한 아키텍처 기반을 제공한다. 첨단 직접 수냉식 냉각 기술 스택(DLC-2): 5MW 냉각탑, 최대 1.8MW급 인로우(in-row) 냉각 분배 장치(CDU) 4대, 수직 장착형 냉각 분배 매니폴드 16개, 직접 칩 냉각 방식의구리 콜드플레이트 576개(호스트 프로세서 모듈당 1개)를 포함한다. 또한 뛰어난 화학적•열적 안정성을 제공하도록 설계된 슈퍼마이크로 SMC PG25-A 냉각제를 적용했다. 수냉식 인프라가 없는 시설에서도 엔비디아 베라 루빈 NVL72 구축을 지원할 수 있도록 액체-공랭식 옵션도 제공될 예정이다. 여기에는 단일 랙을 지원하는 200kW 옵션과 2개 랙을 지원하는 500kW 옵션이 포함된다. 전력 분배 인프라: 중전압 변압기부터 저전압 분배 장치, 랙 단위 전력 셸프(power shelf), 배터리 백업 장치(BBU)까지 포함한다. 각 엔비디아 베라 루빈 NVL72 랙에는 이중화된 18.3kW 전원공급장치를 갖춘 110kW 전력 셸프 4개가 탑재된다. DCBBS 포트폴리오는 미션 크리티컬 데이터센터 환경을 지원하며, 즉시 전환형 백업 전력을 제공하는 슈퍼마이크로 배터리 에너지 저장 시스템(BESS) 옵션도 제공한다. 48U 및 52U 랙 인클로저 옵션: 고집적 직접 수냉식 냉각 환경에 최적화된 48U 및 52U 랙 인클로저 옵션을 제공한다. 컴퓨팅 랙 16개: 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 플랫폼에 최적화된 16개의 컴퓨팅 랙으로 구성된다. 네트워킹 랙 6개: 컴퓨팅 랙 4개와 컨버지드(converged) 랙 2개로 구성되며, 컴퓨팅 패브릭용으로 최대 1.6TB/s성능의 엔비디아 스펙트럼-X 이더넷 또는 엔비디아 퀀텀-X800 인피니밴드를 지원한다. 또한 플러그형 트랜시버 없이 운영 비용 절감, 에너지 효율 향상 및 복원력 강화를 지원하는 CPO(Co-Packaged Optics) 기반 실리콘 포토닉스 네트워킹 옵션도 제공될 예정이다. 고성능 스토리지 랙 4개: 슈퍼마이크로 페타스케일 서버 플랫폼 기반으로 구성되며, NVMe 계층 애플리케이션 스토리지, 모델 학습 체크포인팅 등 다양한 워크로드를 지원한다. 컨텍스트 메모리 스토리지 플랫폼 랙 2개: 롱 컨텍스트 추론, 에이전틱 작업 메모리 및 검색 기반 워크로드 요구사항에 맞춰 설계됐다. 단일 공급업체 기반 통합 구축 체계 제공 일반적인 AI 인프라 구축에는 컴퓨팅, 스토리지, 네트워킹, 랙, 냉각 분배, 냉각탑, 전력 인프라, 배터리 백업, 케이블링, 트랜시버 및 서비스 등 다양한 영역에 걸쳐 10여 개 이상의 공급업체가 관여한다. 이러한 구성 요소를 여러 공급업체가 나눠 관리할 경우, 공급업체 간 인수인계 과정마다 일정 지연 위험과 책임 공백이 발생할 수 있으며, 이는 구축 속도를 늦추고 문제 해결 과정도 복잡해질 수 있다. 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 기반 DCBBS 블루프린트는 현재 고객 대상 제공이 가능하며, 엔비디아 베라 루빈 플랫폼의 정식 출시 일정에 맞춰 2026년 하반기부터 구축이 진행될 예정이다. 한편, 슈퍼마이크로는 2026년 6월 2일부터 6일까지 대만 타이베이에서 열리는 컴퓨텍스 부스 N0602에서 엔비디아 베라 루빈 NVL72 및 엔비디아 HGX 루빈 NVL8 플랫폼을 공개할 예정이며, 엔비디아 GTC 타이베이에서도 추가 시연을 진행할 예정이다. 슈퍼마이크로 엔비디아 베라 루빈 기반 솔루션에 대한 자세한 내용은 홈페이지에서 확인 가능하다. [슈퍼마이크로 소개] 슈퍼마이크로는 애플리케이션에 최적화된 토탈 IT 솔루션을 제공하는 글로벌 리더이다. 캘리포니아 산호세에 본사를 두고 있으며, 엔터프라이즈, 클라우드, AI, 5G 통신 및 엣지 IT 인프라를 위한 혁신을 시장에 가장 먼저 제공하기 위해 노력하고 있다. 슈퍼마이크로는 서버, AI, 스토리지, IoT, 스위치 시스템, 소프트웨어 및 지원 서비스를 제공하는 토탈 IT 솔루션 제조사다. 슈퍼마이크로의 마더보드, 전원 및 섀시 설계 전문성은 개발 및 생산을 강화해 전 세계 고객을 위해 클라우드부터 엣지까지 차세대 혁신을 지원한다. 미국과 아시아, 네덜란드에 위치한 글로벌 제조시설의 규모와 효율성을 기반으로 자체 설계 및 제조되는 슈퍼마이크로 제품은 그린 컴퓨팅 제품으로, 총소유비용(TCO)을 개선하고 환경에 미치는 영향을 줄이도록 최적화됐다. 또한, 수상 경력에 빛나는 서버 빌딩 블록 솔루션즈(Server Building Block Solutions) 포트폴리오를 통해 고객은 폼 팩터, 프로세서, 메모리, GPU, 스토리지, 네트워크, 전력 및 냉각 솔루션을 포괄적으로 지원하는 유연하고 재사용 가능한 빌딩 블록을 기반으로 구축된 광범위한 시스템 제품군에서 자신의 특정 워크로드와 애플리케이션에 맞게 제품을 선택하여 최적화할 수 있다. 슈퍼마이크로(슈퍼마이크로), 서버빌딩블록솔루션즈(Server Building Block Solutions), 친환경 IT추구(We Keep IT Green)는 슈퍼마이크로의 상표 또는 등록상표이다. 인텔, 인텔 로고, 그 외 인텔 상표는 인텔 코퍼레이션 및 산하 조직의 트레이드마크이다. 기타 모든 브랜드, 명칭 및 상표는 각 해당 소유주의 자산이다. 사진 - https://mma.prnasia.com/media2/2991542/PR_Image_NVIDIA_Vera_Rubin_CM_r1.jpg?p=medium600로고 - https://mma.prnasia.com/media2/1443241/Supermicro_Logo.jpg?p=medium600

2026.06.05 14:10글로벌뉴스

슈퍼마이크로, Arm과 협력해 엔터프라이즈 에이전틱 AI용 고효율 랙 스케일 인프라 공개

- Arm AGI CPU 기반 랙 스케일 아키텍처로 에이전틱 AI 워크로드 효율성과 컴퓨팅 집적도 향상 - DCBBS 역량과 글로벌 제조 기반으로 대규모 AI 인프라 구축 시 TTO 단축 지원 캘리포니아주 산호세와 타이베이, 2026년 6월 5일 /PRNewswire/ -- AI, 엔터프라이즈, 스토리지 및 5G/엣지를 위한 토탈 IT 솔루션을 제공하는 슈퍼마이크로컴퓨터(Super Micro Computer, Inc.(SMCI), 이하 슈퍼마이크로)가 Arm AGI CPU 기반의 신규 AI 인프라 솔루션을 공개했다. 최근 에이전틱 AI 확산과 함께 기업 데이터센터 내 연산 수요가 빠르게 증가함에 따라, 슈퍼마이크로는 전력 및 공간 제약 환경에서도 높은 성능과 효율성을 제공하는 차세대 랙 스케일 인프라를 선보인다. Supermicro's New Rack Scale AI Solutions 이번 신규 솔루션은 에이전틱 AI 환경의 빠른 확장에 대응하도록 설계됐으며, 성능, 전력 효율성 및 컴퓨팅 집적도를 기반으로 랙 스케일 인프라의 운영 효율성을 극대화한다. 또한 슈퍼마이크로의 엔드투엔드 데이터센터 빌딩 블록 솔루션(Data Center Building Block Solutions, 이하 DCBBS) 역량을 기반으로 대규모 AI 인프라 구축 시 서비스 가동 소요 시간(Time-to-Online; TTO)을 단축할 수 있도록 지원한다. 찰스 리앙(Charles Liang) 슈퍼마이크로 사장 겸 CEO는 "슈퍼마이크로는 성능과 효율성을 극대화하는 랙 스케일 솔루션을 지속적으로 선보이며 업계를 선도하고 있다"며 "슈퍼마이크로의 DCBBS 기술 스택은 모든 규모의 데이터센터 구축을 지원하며, Arm AGI CPU의 고집적•고효율 아키텍처와 결합해 엔터프라이즈 고객이 에이전틱 AI 인프라 투자 과정에서 의미 있는 총소유비용(TCO) 절감 효과를 실현할 수 있도록 지원한다"고 밝혔다. 모하메드 아와드(Mohamed Awad) Arm 클라우드 AI 사업부 총괄 수석부사장은 "에이전틱 AI의 확산으로 데이터센터 인프라 요구사항이 빠르게 변화하는 가운데, 효율성, 확장성 및 오케스트레이션 성능은 단순 연산 성능만큼 중요한 요소로 자리잡고 있다"며 "Arm AGI CPU와 슈퍼마이크로의 랙 스케일 시스템 전문성이 결합돼, 높은 AI 처리량과 고밀도 컴퓨팅 환경은 물론 데이터센터 운영 효율성까지 강화할 수 있는 차세대 AI 인프라를 제공할 수 있게 됐다"고 말했다. 슈퍼마이크로, Arm AGI CPU 기반 신규 랙 스케일 에이전틱 AI 솔루션 슈퍼마이크로의 Arm 기반 서버 라인업에 대한 자세한 내용은 홈페이지에서 확인할 수 있다. 슈퍼마이크로의 신규 컴퓨팅 플랫폼은 공냉식 듀얼소켓 2U 컴퓨팅 최적화 서버와 5U GPU 최적화 랙마운트 서버, 그리고 랙 스케일 기반 에이전틱 AI 구축 환경에 특화된 수냉식 멀티노드 솔루션으로 구성된다. 슈퍼마이크로의 검증된 고밀도 모듈형 아키텍처와 Arm Neoverse CSS V3 기반의 고효율 CPU를 결합함으로써, 와트당 성능을 극대화하고 에너지 수요를 대폭 절감하는 동시에 최신 데이터센터 전반의 AI 도입 가속화를 지원하는 확장 가능하고 유연한 인프라를 제공한다. Arm 추정치 기준, Arm AGI CPU는 슈퍼마이크로 솔루션 환경에서 기존 아키텍처 대비 랙당 2배 이상의 성능을 제공할 수 있으며, AI 데이터센터 용량 1기가와트(GW)당 최대 100억 달러 규모의 CAPEX 절감 효과를 지원할 수 있다. 또한 슈퍼마이크로의 업계 선도적인 랙 집적도와 와트당 성능 역량을 기반으로 데이터센터 공간 및 전력 자원의 활용도를 극대화한다. Arm AGI CPU는 136코어 기반의 고집적 마이크로아키텍처를 적용해 레거시 오버헤드를 최소화하고, 클럭 사이클당 더 많은 작업을 처리할 수 있도록 설계됐다. 코어당 최대 6GB/s 메모리 대역폭과 지연시간 최적화 메모리 접근 기능을 통해 선형 확장성을 지원하며, 확장된 메모리 용량과 유연한 I/O 구성을 기반으로 분산 인프라 전반에서 수천 개의 병렬 작업을 처리할 수 있는 확장 가능하고 에너지 효율적인 에이전틱 AI 인프라를 제공한다. 단일 공냉식 랙 환경에서 6,000개 이상의 코어 구성이 가능해짐에 따라, 기업 고객은 대규모 에이전틱 AI 워크로드 환경에서도 다수의 전용 시스템을 효율적으로 구축•운영할 수 있다. 슈퍼마이크로의 Arm 기반 서버 포트폴리오는 다음과 같이 총 5개 모델로 구성된다. 2U 하이퍼 서버 – 에이전틱 AI, 클라우드 및 메모리 집약형 워크로드 최적화 듀얼 Arm AGI CPU 구성(프로세서당 최대 136코어 지원) 최대 6TB DDR5-8800 MT/s RDIMM 지원 최대 2개 GPU 지원 5U GPU 서버 – AI 학습 및 추론을 위한 GPU 고집적 구성 듀얼 Arm AGI CPU 구성(프로세서당 최대 136코어 지원) 최대 6TB DDR5-8800 MT/s RDIMM 지원 최대 8개 더블 와이드 GPU 지원 2U4N 수냉식 서버 – OCP ORV3 환경 최적화 노드당 듀얼 Arm AGI CPU 구성(프로세서당 최대 136코어 지원) 2-OU 기반 4노드 구성으로, 단일 ORV3 랙 환경 기준 최대 20,672코어 구성 가능 노드당 최대 6TB DDR5-8800 MT/s RDIMM 지원 2U 하이퍼-E 서버 – 프론트 I/O 기반 싱글소켓 엣지 최적화 아키텍처 싱글소켓 Arm AGI CPU 구성(최대 136코어 지원) 최대 3TB DDR5-8800 MT/s RDIMM 지원 최대 2개 GPU 지원 OCP ORW 랙 기반 1U 4N 시스템 – 초고밀도 컴퓨팅 환경 ORW-48U 랙 구성 랙당 336개 Arm AGI CPU 지원 랙당 168개 서버 및 최대 45,696코어 구성 가능 슈퍼마이크로는 AI 인프라 솔루션 포트폴리오를 통해 전 세계 고객이 확장 가능하고 에너지 효율적인 AI 데이터센터를 지속가능하게 구축할 수 있도록 지원하고 있다. 이번 신규 랙 스케일 솔루션은 컴퓨텍스 전시 기간 중 대만 난강전시센터(Taipei Nangang Exhibition Center) Hall 1, 4층, N0602에 위치한 슈퍼마이크로 부스에서 선보일 예정이며, 참관객들은 현장에서 제품 설계와 주요 기능을 직접 확인할 수 있다. [슈퍼마이크로 소개] 슈퍼마이크로는 애플리케이션에 최적화된 토탈 IT 솔루션을 제공하는 글로벌 리더이다. 캘리포니아 산호세에 본사를 두고 있으며, 엔터프라이즈, 클라우드, AI, 5G 통신 및 엣지 IT 인프라를 위한 혁신을 시장에 가장 먼저 제공하기 위해 노력하고 있다. 슈퍼마이크로는 서버, AI, 스토리지, IoT, 스위치 시스템, 소프트웨어 및 지원 서비스를 제공하는 토탈 IT 솔루션 제조사다. 슈퍼마이크로의 마더보드, 전원 및 섀시 설계 전문성은 개발 및 생산을 강화해 전 세계 고객을 위해 클라우드부터 엣지까지 차세대 혁신을 지원한다. 미국과 아시아, 네덜란드에 위치한 글로벌 제조시설의 규모와 효율성을 기반으로 자체 설계 및 제조되는 슈퍼마이크로 제품은 그린 컴퓨팅 제품으로, 총소유비용(TCO)을 개선하고 환경에 미치는 영향을 줄이도록 최적화됐다. 또한, 수상 경력에 빛나는 서버 빌딩 블록 솔루션즈(Server Building Block Solutions) 포트폴리오를 통해 고객은 폼 팩터, 프로세서, 메모리, GPU, 스토리지, 네트워크, 전력 및 냉각 솔루션을 포괄적으로 지원하는 유연하고 재사용 가능한 빌딩 블록을 기반으로 구축된 광범위한 시스템 제품군에서 자신의 특정 워크로드와 애플리케이션에 맞게 제품을 선택하여 최적화할 수 있다. 슈퍼마이크로(Supermicro), 서버빌딩블록솔루션즈(Server Building Block Solutions), 친환경 IT추구(We Keep IT Green)는 슈퍼마이크로의 상표 또는 등록상표이다. 인텔, 인텔 로고, 그 외 인텔 상표는 인텔 코퍼레이션 및 산하 조직의 트레이드마크이다. 기타 모든 브랜드, 명칭 및 상표는 각 해당 소유주의 자산이다. 사진 - https://mma.prnasia.com/media2/2991186/Super_Micro_Computer_New_Rack_Scale_AI_Solutions.jpg?p=medium600 로고 - https://mma.prnasia.com/media2/1443241/Supermicro_Logo.jpg?p=medium600

2026.06.05 14:10글로벌뉴스

HBF 시장 노리는 후공정 장비업계…국내외 기업 모두 참전

반도체 후공정 장비업계가 차세대 인공지능(AI) 메모리 고대역폭플래시(HBF)에 주목하고 있다. 국내외 주요 후공정 장비기업들이 대부분 HBF용 열압착(TC) 본더 개발에 뛰어든 것으로 5일 파악됐다. HBF는 데이터 저장장치로 쓰이는 낸드플래시를 수직 적층한 뒤, 실리콘관통전극(TSV)으로 연결해 대역폭을 끌어올린 차세대 메모리다. 현재 AI 데이터센터의 핵심 요소로 자리잡은 고대역폭메모리(HBM)와 구조가 유사하다. HBF는 미국 샌디스크가 표준화와 개발을 주도하고 있다. 샌디스크는 올해 하반기 HBF 첫 샘플, 내년 초에는 AI 칩과 결합된 샘플을 출시할 계획이다. 1세대 제품은 낸드를 16단으로 적층하는 게 목표다. SK하이닉스도 샌디스크와 표준화 작업 등에서 협력하고 있다. HBF 시장 규모를 예단할 수는 없으나, 업계는 HBF 상용화 시 TC 본더 업계가 즉각 수혜를 볼 수 있다고 기대한다. TC 본더는 각각의 메모리를 열과 압력으로 붙일 때 사용한다. 한 반도체 장비업체 관계자는 "HBM과 HBF용 TC 본더는 근본적으로 기술 구조가 동일해, 커스터마이징 수준으로도 대응이 가능할 것으로 보고 있다"며 "아직 표준이 확정되지 않았으나, HBF의 경우 HBM 대비 본딩 피치(간격)가 더 여유로울 것으로 보여 기술 난도가 낮을 것으로 예상한다"고 설명했다. 국내외 주요 후공정 장비기업은 HBF용 장비 개발에 뛰어들었다. 국내에서는 한미반도체와 한화세미텍이, 해외에서는 ASMPT와 쿨리케앤소파(K&S) 등이 공급망 진입을 추진 중이다. 한미반도체는 올 하반기 고객사에 HBF용 TC 본더 초도 물량 납품을 준비하고 있다. 진척 속도가 가장 빠르다는 평가를 받고 있다. 관건은 미세한 열과 압력 조절 능력이다. 낸드는 D램 대비 열과 압력에 취약하기 때문에, HBF 제조를 위해서는 TC 본딩 과정에서 발생하는 크랙(깨짐) 현상을 최대한 방지해야 한다. 또 다른 장비업계 관계자는 "샌디스크가 협력 관계에 있는 외주반도체패키징테스트(OSAT)를 통해 HBF 상용화를 적극 준비하고 있다"며 "후공정 장비기업 입장에서는 HBF가 HBM에 이어 또다른 격전지가 될 수 있다"고 전망했다.

2026.06.05 14:06장경윤 기자

드림에이지, 조직 혁신·신작 라인업 확보…'체질 개선' 가동

드림에이지(대표 정우용)가 핵심 라이브 게임의 서비스 권역 확대를 비롯해 신규 대작 퍼블리싱, 자체 프로젝트 개발을 동시다발적으로 전개하며 사업 구조 다변화에 나선다. 시장 변화에 기민하게 대응하기 위한 조직 개편까지 단행하며 지속 가능한 성장의 기틀을 다진다는 목표다. 5일 게임 업계에 따르면 드림에이지는 올해를 글로벌 영토 확장과 체질 개선의 원년으로 삼고 전사적 역량을 집중하고 있다. 국내 시장에서 검증된 흥행작을 해외로 넓히는 한편, 글로벌 파트너십과 내부 조직 혁신을 맞물려 전방위적인 신성장 동력을 확보하겠다는 전략이다. 지난 2022년 4월 출범한 드림에이지는 모회사 하이브의 지식재산권(IP)을 활용한 캐주얼 퍼즐 게임 개발과 외부 작품 퍼블리싱을 중심으로 몸집을 키워왔다. 특히 지난해 출시한 '아키텍트: 랜드 오브 엑자일(이하 아키텍트)'은 국내 구글 플레이 스토어 매출 1위에 오르며 회사 성장의 결정적 분기점이 됐다는 평가를 받는다. 올해 회사는 그간의 성공 경험을 발판 삼아 '아키텍트'의 아시아 시장 연착륙을 최우선 핵심 과제로 추진한다. 드림에이지는 대만·홍콩·마카오를 비롯해 싱가포르·태국· 인도네시아·필리핀·말레이시아 등 아시아 8개국을 대상으로 '아키텍트'의 서비스를 준비 중이다. MMORPG 장르에 대한 선호도가 압도적으로 높은 아시아 권역을 집중 공략해 단일 IP의 흥행 수명을 대폭 늘리겠다는 구상이다. 업계에서는 드림에이지가 국내 서비스 과정에서 축적한 운영 노하우와 현지화 역량이 아시아 진출의 강력한 무기가 될 것으로 분석했다. MMORPG 핵심 수요층이 탄탄한 아시아 시장에서 성공적으로 안착할 경우, 단기적 매출 증대를 넘어 회사의 중장기적인 캐시카우 역할을 안정적으로 해낼 것으로 기대된다. 글로벌 퍼블리싱 라인업 확장도 본격화한다. 미국 본파이어 스튜디오가 개발 중인 팀 기반 대전(PvP) 신작 '알케론'의 연내 한국 및 일본 서비스 준비에 한창이다. 지난 3월부터는 매주 금요일마다 실제 이용자 중심의 테스트를 진행하며 피드백을 바탕으로 게임성을 정교하게 다듬는 데 집중하고 있다. 이 같은 행보는 기존 MMORPG와 캐주얼 장르에 편중되지 않고 포트폴리오를 다각화하려는 전략적 움직임으로 풀이된다. 글로벌 개발사의 기대작을 출시 전부터 꼼꼼히 점검하는 것은, 최근 이용자 눈높이가 급격히 높아진 치열한 경쟁형 게임 시장에서 확실한 품질 우위를 점하겠다는 의지로 읽힌다. 급변하는 게임 산업 트렌드에 유연하게 대응하기 위한 전사적 체질 개선도 병행한다. 조직의 전문성을 대폭 끌어올리는 한편, 소규모 파일럿 프로젝트 중심의 기민한 개발 구조를 전격 도입해 불확실성이 큰 시장 상황에 신속하게 대처할 수 있는 체계를 구축할 방침이다. 이러한 체질 개선 작업은 최근 모회사 하이브가 미래 성장의 핵심 키워드로 '기술'을 천명한 비전과도 궤를 같이한다. 그룹 차원에서 기술 기반 사업의 중요성이 대두된 만큼, 게임 및 인터랙티브 미디어 사업을 주도하는 드림에이지의 기술 결합형 신규 동력 확보에도 한층 힘이 실릴 전망이다. 드림에이지 관계자는 "'아키텍트' 글로벌 확장과 '알케론' 서비스, 자체 개발 프로젝트를 통해 사업 포트폴리오를 한층 강화해 나갈 예정"이라며 "지속 가능한 성장 기반을 구축하기 위한 조직 혁신과 사업 확대를 함께 추진해 나가겠다"고 밝혔다.

2026.06.05 10:33정진성 기자

[AI는 지금] 애플 메시지에 AI 에이전트 첫 진입…'AI 통행세' 시대 열리나

애플이 자사 비즈니스용 메시지(Messages for Business) 플랫폼에서 외부 AI 에이전트를 처음 승인하면서, AI 에이전트 유통 채널을 둘러싼 빅테크 플랫폼 경쟁이 본격화될 조짐을 보이고 있다. 스마트폰 앱스토어에 이어 메시징 플랫폼에서도 이른바 'AI 통행세'로 불리는 새 수수료 모델이 부상할 수 있다는 전망이 나온다. 4일(현지시간) IT 전문매체 테크크런치에 따르면 애플은 실리콘밸리 기반 AI 스타트업 '포크(Poke)'를 자사 비즈니스용 메시지 플랫폼에서 구동되는 첫 서드파티 AI 에이전트로 승인했다. 기존 애플 비즈니스용 메시지는 항공사, 유통업체, 호텔 등이 아이메시지(iMessage)를 통해 자사 고객에게 자동화 상담과 실제 상담원 연결을 제공하는 기업용 소통 채널로 활용돼 왔다. 독립형 외부 AI 에이전트가 이 플랫폼에 진입한 것은 이번이 처음이다. 지난 3월 출시된 포크는 복잡한 명령어나 개발자 도구를 다루기 어려운 일반 사용자를 겨냥한 AI 에이전트 서비스다. 사용자가 문자 메시지로 요청하면 일일 계획 수립, 일정 관리, 건강·피트니스 데이터 추적, 스마트홈 제어, 사진 편집 등의 작업을 수행한다. 포크는 현재까지 SMS와 텔레그램, 일부 시장의 왓츠앱 등을 통해 약 1억 건의 메시지를 처리했다. 이번 승인으로 포크는 아이메시지 기반 사용자 경험을 지원 플랫폼에 추가할 수 있게 됐다. 앱 설치나 별도 웹 접속 없이 메시지 창 안에서 AI 에이전트를 호출하는 방식이 소비자 AI 서비스의 새 유통 경로로 부상할 가능성이 커진 셈이다. 업계에선 이번 결정이 AI 산업 생태계에 미칠 파장에 주목하고 있다. 애플 플랫폼 이용 대가가 사용자당 과금 방식이라는 점도 눈길을 끈다. 포크 개발사인 '더 인터랙션 컴퍼니 오브 캘리포니아'의 공동 창업자 마빈 폰 하겐은 "애플 플랫폼 이용 대가로 사용자당 비용을 지불한다"며 "(정확한 가격은 공개할 수 없지만) 메타가 왓츠앱에서 책정한 AI 에이전트 관련 비용보다는 상당히 낮은 수준"이라고 설명했다. 과거 모바일 앱 시대에 앱스토어 인앱 결제 수수료로 막대한 수익을 거둔 애플이 AI 에이전트 시대에는 메시징 인프라를 기반으로 새 수익 모델을 확보할 수 있다는 분석도 나온다. AI 에이전트 스타트업 입장에선 아이메시지 같은 강력한 유통 채널을 확보하는 대신, 플랫폼 이용료라는 새로운 비용 구조를 감안해야 하는 상황이다. 플랫폼 진입 허들도 낮지 않다. 포크 측은 애플의 최종 승인을 받기까지 수개월의 검증 과정을 거쳤다고 밝혔다. 서비스가 AI임을 명확히 고지해야 했고 필요할 경우 실제 상담원으로 연결되는 라이브 지원 기능도 갖춰야 했다. 링크 미리보기, 버튼, 인터페이스 요소 등 애플 고유의 UI 가이드라인도 따라야 했다. 업계에선 이번 사례가 AI 서비스 소비 방식의 변화를 보여주는 신호로 해석하고 있다. 또 사용자가 매번 새로운 AI 앱을 다운로드하고 가입하는 대신, OS에 기본 탑재된 메시지 창 안에서 대화로 서비스를 이용하는 '대화형 인터페이스'가 앞으로 확산될 수 있다고 전망했다. 특히 오는 8일 애플 세계개발자회의(WWDC)를 앞두고 이번 승인이 이뤄졌다는 점도 주목된다. 애플은 이번 행사에서 AI에 최적화한 시리와 개발자용 AI 도구를 공개할 것으로 예상된다. 다만 포크 사례는 소비자용 앱스토어 개방과는 다른 비즈니스용 메시지 플랫폼 승인 사례인 만큼, 애플이 WWDC에서 AI 에이전트 전략을 공식화할지는 아직 불확실하다. 폰 하겐은 "애플은 메시징이 AI를 제공하는 가장 좋은 방식이라는 점을 알아차리고 있는 것 같다"며 "플랫폼에서 사용자당 비용을 청구하는 만큼, 규모가 커질수록 의미 있는 수익을 낼 수 있다"고 말했다. 이어 "품질을 중요하게 여기고 신뢰를 줄 수 있는 브랜드를 구축하는 것이 중요하다"고 강조했다.

2026.06.05 10:17장유미 기자

이창근 헤리티지랩 소장 "세계유산을 읽는다는 것은 도시를 다시 걷는 일"

이창근 헤리티지랩 소장이 『우리는 왜 오래된 장소에 끌리는가』(미다스북스)를 5일 정식 출간했다. 이번 책은 지난 1월 출간한 『K-헤리티지, 매력 도시 디자인』에 이은 '도시와 유산을 읽는 법' 시리즈 두 번째 책이다. 전작이 K-헤리티지를 도시브랜딩과 문화전략, 경험 설계의 관점에서 풀어낸 책이었다면 이번 책은 세계유산을 따라 도시를 다시 걸으며 오래된 장소가 사람의 기억과 감각 속에 어떻게 남는지를 살핀 인문 에세이다. 이창근 소장은 예술경영학박사로 미디어아트 디렉터이자 예술-기술 칼럼니스트다. 2006년 문화기관에서 일을 시작한 뒤 문화유산 활용 사업과 전통문화콘텐츠 개발, 언론사와 민간 영역을 거치며 오래된 장소를 오늘의 경험으로 다시 만나는 일을 20년 넘게 고민해왔다. 최근 국가유산 정책은 보존을 넘어 관광과 지역성장, K-헤리티지 세계화로 확장되고 있다. 궁·능 관람객 증가와 지역 국가유산 활용 확대, 부산 제48차 유네스코 세계유산위원회 준비는 국가유산이 국민의 삶과 지역의 활력, 세계와의 접점으로 넓어지고 있음을 보여준다. 이번 책은 그 흐름 속에서 세계유산을 등재 목록이나 역사 정보가 아니라 오늘의 도시와 사람들이 다시 만나고 기억해야 할 장소의 경험으로 바라본다. 『우리는 왜 오래된 장소에 끌리는가』는 종묘와 창덕궁, 수원화성, 경주와 백제, 산사와 서원, 제주와 갯벌, 반구천의 암각화 등을 따라가며 세계유산이 어떻게 도시의 표정이 되고 사람의 기억으로 남는지를 살핀다. 책 말미에는 한국의 유네스코 세계유산 17건을 정리한 자료와 저자의 글쓰기·현장 경험의 궤적을 담은 부록도 수록됐다. 다음은 이창근 소장의 일문일답이다. -우리는 왜 오래된 장소에 끌리는가 정식 출간 소감은 이창근 소장 “감사한 마음이 큽니다. 올해 1월 도시와 유산을 읽는 법 시리즈 1호로 K-헤리티지, 매력 도시 디자인을 냈고 이번에 시리즈 2호를 내게 됐습니다. 오래 품어온 질문을 독자들과 나눌 수 있게 되어 기쁩니다. 1호가 K-헤리티지와 도시브랜딩, 문화전략의 구조를 정리한 책이었다면 이번 2호는 문화유산의 깊이를 오래된 장소와 도시의 기억을 따라 걸어본 책입니다. 현장에서 보고 듣고 느낀 것들을 차분히 정리했습니다. 독자들이 세계유산을 멀고 어려운 이름이 아니라 조금 더 가까운 장소의 기억으로 바라보는 계기가 되었으면 합니다.” -이번 책의 출발점은 무엇이었나 “가장 중요한 출발점은 한 문장이었습니다. '사람은 유산의 이름보다 그 도시를 걸었던 감각을 더 오래 기억한다'이 생각이 오래 마음에 남아 있었습니다. 세계유산은 역사 정보로만 기억되지 않습니다. 종묘에 갔을 때의 고요함, 창덕궁 후원의 절제된 아름다움, 수원화성을 걸으며 마주하는 시선, 경주라는 도시 전체를 감싸는 시간, 산사와 서원의 고요, 제주와 갯벌의 자연 리듬 같은 것들이 사람의 기억에 남습니다. 저는 세계유산을 '알아야 할 지식'이 아니라 '다시 걷고 싶은 장소의 기억'으로 읽어보고 싶었습니다. 그래서 이 책은 세계유산 해설서라기보다 도시와 장소, 기억과 감각을 따라가는 인문 에세이에 가깝습니다.” -전작 K-헤리티지, 매력 도시 디자인과 이번 책은 어떻게 다른가 “전작은 구조와 전략에 가까웠습니다. K-헤리티지를 도시브랜딩, 관광, 경험 콘텐츠, 문화산업의 흐름 속에서 어떻게 읽을 수 있는지 정리했습니다. 말하자면 유산을 도시의 미래 자산으로 바라본 책이었습니다. 이번 책은 그보다 안쪽으로 들어갑니다. 세계유산 앞에 선 사람의 감각, 오래된 장소를 걸을 때 생기는 마음, 한 도시가 기억으로 남는 방식을 더 천천히 바라봤습니다. 1호가 '유산은 어떻게 도시의 구조와 경쟁력이 되는가”를 물었다면 2호는 “우리는 왜 오래된 장소에 끌리는가'를 묻는 책입니다. 두 책은 결이 다르지만 연결되어 있습니다. 결국 제 관심은 같습니다. 오래된 장소가 오늘의 사람들에게 어떻게 다시 다가오고, 도시의 경험과 기억으로 어떻게 살아나는가입니다.” -책에는 여러 세계유산이 등장한다. 이 장소를 어떤 기준으로 바라봤나 “유명한 유산을 나열하려고 하지는 않았습니다. 각 유산이 도시와 사람의 기억 속에서 어떤 표정으로 남는지를 보려 했습니다. 종묘는 시간이 멈춘 곳이 아니라 지금도 이어지는 현재형의 시간으로 읽었습니다. 창덕궁은 자연을 소유하지 않고 빌려 쓰는 절제의 미학으로 보았습니다. 수원화성은 성곽을 따라 걷는 시선과 도시의 몸을 함께 보여주는 유산입니다. 경주는 도시 전체가 하나의 기억 장치처럼 느껴지는 곳이고 백제역사유적지구는 백제의 시간이 어떻게 공주와 부여, 익산의 서로 다른 도시 표정으로 남아 있는지를 생각하게 하는 장소입니다. 산사와 서원은 고요와 사유의 시간을 품고 있고 제주와 갯벌은 자연과 인간의 기억이 겹쳐진 유산입니다. 반구천의 암각화는 아주 오래전 인간이 세계를 바라보던 시선의 흔적이라고 생각했습니다. 각각의 장소를 지식의 목록이 아니라 도시와 사람의 감각으로 읽어보려 했습니다.” -2006년부터 문화유산 현장을 걸어왔는데, 그 인생 궤적이 책에 어떻게 반영했나 “저는 오래된 장소를 오늘의 경험으로 풀어내는 일을 해왔습니다. 2006년부터 문화유산 활용 사업과 전통문화콘텐츠 개발을 시작했고, 20년 넘게 문화유산이 오늘의 사람에게 어떻게 다시 걷고 머물고 기억하는 경험으로 이어질 수 있을지 고민해왔습니다. 청와대 주산 북악산 서울성곽 탐방로와 방문자센터 조성을 시작으로 궁궐 활용 사업, 종묘대제, 조선왕릉 세계유산 등재 기념사업, 프랑스 외규장각 의궤 귀환 환영대회, 궁중문화축전 초기 운영 기반 마련 같은 현장을 지나왔습니다. 이후에는 메세나 사업과 지역특화콘텐츠 연구개발을 거치며 문화유산과 도시, 콘텐츠가 만나는 접점을 넓혀왔습니다. 수원화성 세계유산 미디어아트와 천안 원도심 미디어아트 특화거리 조성, 구 송도역사 복원사업 등 오래된 장소를 오늘의 감각으로 다시 여는 작업도 이어왔습니다. 그 시간 동안 저를 가르친 것은 현장이었습니다. 책상 위에서 정리한 이론도 중요하지만 궁궐의 밤길, 성곽의 바람, 오래된 도시의 골목, 행사가 끝난 뒤 남는 사람들의 표정이 제게 더 많은 것을 알려주었습니다. 이번 책은 그런 현장의 시간이 글로 이어진 결과입니다.” -세계유산을 읽는다는 것은 도시를 다시 걷는 일이라는 말은 어떤 의미인가 “세계유산을 읽는다는 것은 단지 그 유산의 연대와 양식, 지정 사유를 아는 일만은 아니라고 생각합니다. 물론 지식은 중요합니다. 그러나 그 지식이 장소의 감각으로 이어지지 않으면 세계유산은 멀고 어려운 이름으로 남기 쉽습니다. 도시를 다시 걷는다는 것은 그 장소가 놓인 시간과 풍경, 사람의 기억을 함께 느껴보는 일입니다. 종묘를 읽는다는 것은 종묘의 제도만 아는 것이 아니라 그곳의 침묵과 질서를 느끼는 일입니다. 수원화성을 읽는다는 것은 성곽의 구조만 보는 것이 아니라 성 위를 걸으며 도시가 어떻게 펼쳐지는지를 체감하는 일입니다. 저는 세계유산을 가진 나라와 세계유산을 경험하게 하는 나라는 다르다고 봅니다. 앞으로 중요한 것은 얼마나 많이 보유했는가보다 그것을 어떻게 읽히게 하고 경험하게 하며 다음 세대의 감각 속에 남길 것인가입니다.” -최근 국가유산 정책을 보면 K-헤리티지 세계화와 지역관광을 강조하는데, 이번 책에도 관련 내용을 담았나 “그렇습니다. 최근 국가유산 정책은 보존의 틀을 넘어 K-관광과 지역성장, 국민 경험, K-헤리티지 세계화의 방향으로 확장되고 있습니다. 궁·능 관람객 증가와 지역 국가유산 활용 프로그램 확대, 부산에서 열리는 제48차 유네스코 세계유산위원회 준비는 그런 흐름을 보여줍니다. 국가유산은 더 이상 보호구역 안에 머무는 대상이 아니라 국민의 삶과 지역의 활력, 세계와 연결되는 문화적 접점으로 넓어지고 있습니다. 저는 이 방향이 매우 중요하다고 봅니다. 다만 그 출발점은 언제나 장소를 제대로 읽는 일이어야 합니다. 유산을 관광자원이나 콘텐츠로 활용하려면 먼저 그 장소가 지닌 시간과 질서, 풍경과 기억을 존중해야 합니다. 2026년 7월 부산에서 열리는 제48차 유네스코 세계유산위원회는 한국이 세계유산을 국제사회와 함께 논의하는 중요한 장면입니다. 이 책의 마지막 부에서 부산을 다룬 것도 그 때문입니다. 세계유산은 국가의 자부심이기도 하지만 동시에 도시가 세계와 만나는 언어이기도 합니다. 이번 국제회의가 대한민국관과 다양한 전시·체험 프로그램으로 확장되는 점도 주목할 만합니다. 중요한 것은 행사 이후입니다. 세계유산을 어떻게 시민의 경험으로 남기고, 지역의 문화자산으로 확장하며, 다음 세대가 다시 찾고 싶은 장소의 기억으로 만들 것인가가 더 중요하다고 봅니다. 최근 조선왕릉 태릉과 강릉 세계유산영향평가와 관련해 국제 전문가와 관계 기관이 함께 기술 자문을 진행한 것도 같은 맥락에서 의미가 있습니다. 세계유산은 유산 자체만으로 존재하지 않습니다. 주변 경관과 역사문화환경, 도시 변화와 함께 관리되어야 합니다. 보존과 활용, 개발과 관리 사이에서 성숙한 판단을 하려면 세계유산을 넓게 읽는 힘이 필요합니다. 결국 세계유산을 읽는다는 것은 유산의 내부만 보는 것이 아니라 그 유산이 놓인 도시와 경관, 사람들의 삶까지 함께 살피는 일입니다.” -오래된 장소를 오늘의 도시 경험으로 살리려면 무엇이 중요한가 “가장 먼저 필요한 것은 장소를 존중하는 태도입니다. 오래된 장소는 비어 있는 무대가 아닙니다. 이미 시간과 기억, 사람들의 삶이 쌓여 있는 공간입니다. 그 위에 무엇을 더할 것인지보다 먼저 그 장소가 무엇을 말하고 있는지를 들어야 합니다. 두 번째는 경험 설계입니다. 유산을 보존하는 일과 사람들이 그 유산을 경험하게 하는 일은 서로 떨어져 있지 않습니다. 잘 설계된 동선, 적절한 해설, 절제된 연출, 오래 머물 수 있는 분위기가 필요합니다. 최근 국가유산 정책도 K-헤리티지를 국민 경험과 지역성장으로 확장하는 흐름을 보이고 있습니다. 국가유산 방문 캠페인, 세계유산축전, 야행, 미디어아트 같은 사업 역시 그 장소를 어떻게 걷고 머물고 기억하게 할 것인가의 문제로 이어져야 합니다. 이런 흐름이 지속되려면 단순히 방문객 수를 늘리는 것보다 장소의 품격과 체류 경험, 지역과의 연결 구조를 함께 설계해야 합니다. 세 번째는 운영입니다. 좋은 콘텐츠도 한 번의 행사로 끝나면 도시의 자산이 되기 어렵습니다. 무엇을 어떤 주기로 갱신하고, 누가 어떻게 운영하며, 지역의 사람들과 어떻게 연결할 것인지까지 함께 설계해야 합니다. 유산은 보존될 때 남지만, 경험될 때 다시 살아납니다.” -마지막으로 독자에게 전하고 싶은 말은 “이 책은 오래된 장소를 좋아하는 분들, 세계유산을 조금 더 쉽게 만나고 싶은 분들, 도시가 어떻게 기억으로 남는지 궁금한 분들에게 권하고 싶은 책입니다. 지디넷코리아 독자들께는 조금 더 말씀드리고 싶습니다. 기술의 시대일수록 오래된 장소를 읽는 감각이 더 중요해진다고 생각합니다. 기술은 장소를 대체하는 것이 아니라 장소가 가진 기억을 오늘의 언어로 다시 만나게 할 수 있어야 합니다. 지금 국가유산은 K-헤리티지 세계화와 함께 새로운 국면을 맞고 있습니다. K-콘텐츠와 K-관광이 커질수록 그 뿌리가 되는 장소와 유산을 어떻게 경험하게 할 것인가가 더 중요해집니다. 이럴 때일수록 중요한 것은 속도보다 방향입니다. 세계유산이 사람들의 삶 속에서 어떻게 다시 읽히고 경험되며 기억될 것인지 차분히 고민해야 합니다. 앞으로의 집필도 마찬가지입니다. 아직 확정된 것은 없지만 '도시와 유산을 읽는 법'이라는 질문은 계속 붙들고 가고 싶습니다. 책을 많이 쓰는 것보다 제 안에 오래 남은 질문을 한 권 한 권 성실하게 정리하는 것이 더 중요하다고 봅니다. 현장에서 보고 느낀 것들을 글로 천천히 옮겨가겠습니다. 이번 책은 도서출판 미다스북스의 김은진 팀장을 비롯한 편집자와 디자이너들의 세심한 손길을 거쳐 세상에 나왔습니다. 오래된 장소와 도시의 기억을 함께 생각해보는 작은 계기가 되었으면 합니다. 감사합니다.”

2026.06.05 10:15이도원 기자

어도비, '젠스튜디오' 업데이트…AI로 콘텐츠 제작 환경 개선

어도비가 인공지능(AI) 에이전트로 기업 콘텐츠 제작·운영 환경을 한층 업그레이드했다. 어도비는 '어도비 젠스튜디오' 주요 업데이트를 5일 발표했다. 이번 업데이트는 기업 맥락, 브랜드 인텔리전스, AI 에이전트를 연결해 기획, 제작, 활성화, 전달, 보고, 인사이트 워크플로 전반을 지원하는 에이전틱 콘텐츠 공급망을 제공하는 것이 핵심이다. 젠튜디오는 기업 마케팅·크리에이티브 팀이 콘텐츠를 기획, 제작, 관리, 배포, 성과 측정까지 한 흐름으로 운영하도록 돕는 AI 기반 콘텐츠 공급망 플랫폼이다. 콘텐츠 업무 전 단계에 특화 AI를 통합해 브랜드 거버넌스와 콘텐츠 확장성 향상을 돕는다. 이번 발표 핵심은 어도비 브랜드 인텔리전스다. 이 기능은 AI 에이전트가 활용할 수 있는 맥락 기반 브랜드 인텔리전스를 제공한다. 브랜드 가이드라인에 맞는 일관된 콘텐츠 제작을 지원하는 기능이다. 브랜드 인텔리전스는 정적인 브랜드 가이드라인을 넘어 검토 주기 피드백, 주석, 거부 및 승인 같은 정성적 입력 정보를 지속적으로 학습한다. 이를 통해 AI 에이전트가 브랜드에 대한 심층적인 이해를 바탕으로 콘텐츠 제작 작업을 주도할 수 있도록 돕는다. 어도비는 이번 업데이트로 젠스튜디오가 기업 콘텐츠 공급망 전반을 연결하는 기반이 된다고 설명했다. 젠스튜디오는 메타데이터, 콘텐츠 스토리지, 검토·승인 워크플로를 포함한 기업 맥락을 통합해 팀이 기업 규모에 맞는 에이전틱 워크플로를 추진할 수 있게 돕는다. 어도비 솔루션은 현재 2만 개 넘는 글로벌 브랜드에서 활용되고 있다. 해당 기업은 마케팅, 크리에이티브, AI를 결합해 고객 경험을 만들고 있다. 젠스튜디오는 다양한 채널 전반에서 브랜드 가이드라인에 맞는 콘텐츠 제작 수요에 대응하는 역할을 맡는다. 어도비는 컴캐스트의 와이파이 제공 소비자 브랜드인 엑스피니티와도 협력하고 있다. 두 기업은 브랜드 인텔리전스를 활용해 브랜드 가이드라인에 맞는 크리에이티브 캠페인 제작을 가속하고, 맞춤형 마케팅 메시지를 효율적으로 확장하는 방안을 추진하고 있다. 팀 간 협업을 지원하는 AI 에이전트 기능도 추가됐다. 어도비 워크프론트에서 사용할 수 있는 워크플로 최적화 에이전트는 기획, 실행, 검토, 승인 과정에서 지능형 작업을 자동화해 프로젝트 구조화와 검토 가속화를 지원한다. 기업은 워크프론트 프로젝트 계획 안에 AI 에이전트를 작업을 할당할 수 있는 리소스로 추가할 수 있다. 이 에이전트는 권한을 가진 협업자로서 정해진 지침과 맥락에 따라 작업을 배정받거나 문제를 해결하고 검토를 수행할 수 있다. 캠페인 브리프 제작 기능도 강화된다. 어도비는 마케터가 맥락 기반 입력 정보와 성과 데이터를 종합해 캠페인 방향성을 도출할 수 있는 전용 캔버스 인터페이스를 제공할 예정이다. 크리에이티브 제작 자동화 기능도 확대된다. 어도비는 기업용 '어도비 파이어플라이 크리에이티브 프로덕션 워크플로 빌더'로 재사용 가능한 엔드투엔드 제작 워크플로를 구성하고 생성형 작업과 일괄 제작을 연결할 수 있도록 지원한다. 어도비는 엔비디아와 협력을 통해 3D 디지털 트윈 워크플로를 고도화하고 있다. 이를 통해 다양한 배경, 장면, 캠페인 환경에 맞는 고품질 제품 콘텐츠 제작에 드는 비용과 시간을 줄일 수 있도록 한다. 콘텐츠 마케팅용 젠스튜디오도 새롭게 제공된다. 이 모듈은 장문 문서와 영상을 맞춤형 캠페인으로 전환하고 고객 사례와 웹 기사 제작을 지원한다. 생성된 리드, 팔로워 증가, 도달 범위 관련 권장 사항 등 성과 인사이트도 제공한다. 오픈AI와의 파트너십도 포함됐다. 어도비는 퍼포먼스 마케팅용 젠스튜디오에서 챗GPT 광고 지원을 발표했다. 이를 통해 브랜드가 광고를 직접 구성하고 실행할 수 있도록 한다. 바룬 파머 어도비 젠스튜디오 및 파이어플라이 엔터프라이즈 총괄은 "마케팅 캠페인과 고객 경험을 제공하는 엔드투엔드 프로세스는 오랫동안 비효율적인 프로세스와 단절된 워크플로로 인해 제약을 받아왔다"며 "우리는 브랜드 인텔리전스, 에이전틱 자동화, AI 기반 워크플로를 통합해 콘텐츠 공급망을 최적화할 수 있는 툴을 기업에 제공하며, 팀이 콘텐츠 경험을 대규모로 생성, 관리 및 최적화할 수 있는 단일 솔루션을 갖추도록 지원한다"고 말했다.

2026.06.05 09:18김미정 기자

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