검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'Telegram인원수 작업 ( 텔문의 ON4989 ) Telegram그룹판매대행 Telegram유령,8Br'통합검색 결과 입니다. (5472건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

문워크에 축구까지…KAIST 휴머노이드 v0.7 공개

KAIST 동적 로봇 제어·설계(DRCD) 연구실이 이족보행 휴머노이드 하체 'KAIST 휴머노이드 v0.7'의 야외 환경 성능과 상호작용 능력을 시연했다. 로봇 무게 약 75kg다. 박해원 박사 연구팀이 개발했다. 연구진은 모터, 기어박스, 모터 드라이버 등 핵심 부품을 자체 개발했다. 토크 밀도와 출력 대비 무게 비율을 최적화하며 고속 이동과 동적 균형 성능을 동시에 끌어올렸다는 설명이다. 구동 시스템에는 준직구동(QDD) 구조를 적용했다. 고토크 모터와 낮은 감속비를 결합해 응답성을 높이고 보다 정밀한 제어를 구현했다. 복합 유성기어박스를 적용해 단일 단계에서도 높은 감속비를 확보하면서 시스템 경량화와 효율성을 이뤘다. 영상에서 로봇은 보행 동작뿐 아니라 발차기와 점프, 문워크 같은 동작도 구현했다. 한 발로 서서 회전하거나, 걷는 방향을 유지한 채 다리를 180도 회전시키는 유연한 움직임도 선보였다. 사람처럼 골대를 향해 공을 차는 장면도 연출했다. 특히 하중을 실은 상태에서의 기동 성능도 강조했다. 로봇은 20kg 하중을 탑재한 채 시속 13km로 달리는 모습을 보여줬다. 또 이동하면서 무거운 탁상을 밀고 운반하는 등 물리적 상호작용이 필요한 작업도 수행했다. 로봇은 제어 정책은 인간의 움직임 데이터를 활용한 강화학습 방식으로 학습했다. 이를 바탕으로 보다 자연스럽고 부드러운 동작을 구현했다. 이번 시연은 휴머노이드 로봇이 단순 보행을 넘어 고난도 동작과 실용 작업까지 아우를 수 있음을 보여주는 사례로, 향후 산업 및 서비스 분야에서의 활용 가능성을 높였다는 평가다.

2026.03.23 14:22신영빈 기자

전쟁부터 물류 마비까지…하겐 호이바흐 SAP CMO "공급망 위기, AI가 돌파구"

"현재 글로벌 물류 공급망은 전쟁 같은 지정학적 리스크, 물류 봉쇄, 관세 정책 등 수많은 실질적 위협에 동시다발적으로 노출돼 예측이 매우 어려운 환경입니다. 하지만 고객들은 어떠한 위기 속에서도 정시 납기와 안정적인 공급을 원하고 있습니다. 인공지능(AI)은 이러한 높은 기대치를 충족시킬 가장 실질적인 기술입니다." 하겐 호이바흐 SAP 최고마케팅책임자(CMO)는 23일 서울 강남구 조선팰리스 호텔에서 전쟁과 물류 마비, 관세 등 복합 위기에 직면한 기업을 대상으로 AI 기반 대응 전략을 제시했다. 실시간 위기 대응 넘어선 '공급망 오케스트레이션' 하겐 호이바흐 CMO는 "자동차를 비롯한 주요 산업에서 항공, 해상, 육상 운송 계획을 매일 다시 짜고 있다"며 "전쟁이나 지정학적 변수는 공급망 전체에 즉각적인 영향을 미친다"며 현장에서는 불확시성으로 인한 물류 경로 재설계가 일상화되고 있다고 설명했다. 그는 이러한 환경에서 기업에 필요한 것은 단순한 대응이 아닌 '리스크 가시화'와 '신속한 의사결정'이라고 밝혔다. 현재 어떤 리스크가 존재하고 그 영향이 얼마나 큰지 실시간으로 파악하고 빠르게 대응할 수 있는 체계가 마련돼야 피해를 최소화하거나 우회할 수 있다는 설명이다. SAP는 이에 대한 해법으로 AI 기반 '서플라이 체인 오케스트레이션'을 제시했다. 이 플랫폼은 SAP 내부 데이터와 외부 데이터를 통합해 공급망 전반의 리스크를 분석하고, 대응 전략을 자동으로 도출한다. 운송 경로 변경, 공급업체 재조정, 물류 계획 수정 등 필요한 작업이 자동으로 생성되고 실행되는 구조다. 하겐 호이바흐 CMO는 "과거에는 사람이 데이터를 보고 판단했다면 이제는 AI가 전략을 만들고 실행까지 이어진다"며 "공급망 관리 방식 자체가 바뀌고 있다"고 강조했다. SAP는 과거 사례 기반 학습을 핵심 경쟁력으로 내세우고 있다. 2021년 수에즈 운하 에버기븐 사태, 2020년 코로나 시기의 반도체 부족 등 주요 공급망 충격 데이터를 축적해 유사 상황 발생 시 대응 전략에 반영하고 있다. 하겐 호이바흐 CMO는 "완전히 동일한 상황은 없지만 과거 데이터를 기반으로 더 빠르고 정교한 대응이 가능해진다"고 설명했다. 이어 "AI가 모든 문제를 해결할 수는 없지만 리스크를 줄이고 대응 속도를 높이는 데는 분명한 역할을 한다"며 "SAP는 신뢰할 수 있는 파트너로서 공급망 위기를 함께 극복해 나갈 것"이라고 말했다. 제조 강국 한국, 공급망 복잡도 최고 수준…"AI 기반 대응 필요성 확대 한국 시장에 대한 기대도 구체적으로 언급했다. 호이바흐 CMO는 "한국은 글로벌 제조 경쟁력이 매우 높은 국가로, 자동차, 전자, 반도체 등 주요 산업이 전 세계 공급망과 긴밀하게 연결돼 있다"며 "그만큼 공급망 복잡성과 리스크 노출도 역시 높은 시장"이라고 평가했다. 특히 한국 기업들은 글로벌 생산, 조달, 물류 네트워크를 동시에 운영하는 구조를 갖고 있어 지정학적 리스크나 물류 차질의 영향을 빠르게 받는 특징이 있다. 그는 "한국 기업들은 이미 높은 수준의 운영 역량을 갖추고 있지만 현재와 같은 불확실성 환경에서는 보다 빠른 의사결정과 자동화된 대응 체계가 중요해지고 있다"고 설명했다. 또한 고객 기대 수준이 매우 높은 시장이라는 점도 강조했다. 호이바흐 CMO는 "한국 시장은 어떤 상황에서도 정시 납기와 안정적인 공급을 요구하는 대표적인 시장"이라며 "이러한 요구를 충족하기 위해서는 공급망 전반의 가시성과 실시간 대응 능력이 필수적"이라고 말했다. SAP는 한국 고객과의 협업을 통해 이러한 과제를 해결해 나간다는 방침이다. 그는 "AI와 데이터 기반 플랫폼을 활용해 공급망 리스크를 줄이고 운영 효율성을 높이는 것이 핵심"이라며 "SAP는 신뢰할 수 있는 기술 기반 위에서 한국 고객과 함께 공급망 혁신을 추진할 것"이라고 밝혔다. AI시대 ERP는 여전히 핵심…"사스포칼립스 아닌 플랫폼 진화" AI 기술의 급격한 발전으로 기존 소프트웨어를 대체할 것이란 '사스포칼립스(SaaS-pocalypse)' 논쟁에 대해서는 우려보다 진화의 관점에서 바라봤다. 호이바흐 CMO는 "AI가 소프트웨어를 새롭게 만들 수는 있지만 모든 것을 처음부터 다시 구축할 필요는 없다"며 "ERP와 같은 표준 소프트웨어는 여전히 핵심 기반으로 남을 것"이라고 강조했다. 자재, 협력사, 생산 등 기업 운영의 핵심 데이터는 전사적자원관리(ERP) 내에 존재하며 AI는 이 기반 위에서 가치를 확장하는 구조가 될 것이라는 설명이다. 앞으로는 표준 플랫폼 위에 AI와 맞춤형 애플리케이션이 결합되는 형태로 발전할 것으로 전망하며 SAP는 이러한 변화 속에서도 핵심 플랫폼 역할을 지속할 것이라고 강조했다. 호이바흐 CMO는 "AI가 리스크를 줄이고 대응 속도를 높이는 데 혁신적인 역할을 하겠지만, 이를 제대로 구동하기 위해서는 신뢰할 수 있는 데이터와 시스템 기반이 필수적"이라며 "SAP는 AI 시대에도 대체될 수 없는 비즈니스 핵심 플랫폼으로서 고객들이 공급망 위기를 극복하는 데 가장 든든한 파트너가 될 것"이라고 말했다.

2026.03.23 12:51남혁우 기자

[단독] 정부, 잇단 가상자산 유출 사고에 '공공보관 매뉴얼' 마련 착수

최근 국세청·검찰·경찰 등에서 가상자산 유출 사건이 잇따라 발생해 재정경제부와 금융위원회가 '공공 가상자산 보관 매뉴얼'을 마련해 배포할 방침이다. 23일 금융위 등 관계부처에 따르면 재정경제부와 금융위 산하 금융정보분석원(FIU)은 공공 가상자산 보관·관리 매뉴얼을 제작 중이다. 해당 매뉴얼에는 정부 부처 등이 가상자산을 안전하게 보관하기 위한 방안이 담긴다. 압류 등을 통해 취득한 가상자산을 인터넷과 분리된 환경에 보관하고, 접근 권한을 명확히 하는 내용이 포함될 것으로 보인다. 또 민간 커스터디 서비스 활용 방안도 검토 중이다. 다만 부처별로 가상자산 취득, 관리 방식이 다른 점을 고려해 재경부와 금융위는 보관등의 기본적인 가이드라인만 제시하고 세부 관리 방안은 각 부처에 맡길 계획이다. 현재 경찰청과 국세청 등은 자체 가상자산 관리 지침을 마련하고 있다. FIU가 실무 작업을 맡아 여러 부처 의견을 수렴·정리하고 있으며 현재 매뉴얼 초안은 완성된 상태다. 이르면 상반기 중 배포할 전망이다. 이번 공공 가상자산 보관·관리 매뉴얼 마련은 최근 국세청 등에서 발생한 가상자산 탈취 사건을 계기로 추진됐다. 재정경제부가 관련 작업을 주도하고 있다. 구윤철 부총리 겸 재정경제부 장관은 지난 1일 소셜미디어 X를 통해 “국세청 디지털자산 정보 유출 사건과 관련해 정부는 금융위, 금융감독원 등과 함께 공공 부문 디지털자산 보유 현황과 관리 실태를 점검할 것”이라며 “보안 관리 강화 등 재발 방지 대책을 신속히 마련하겠다”고 밝혔다. 재정경제부 관계자는 “공공부문 전반의 가상자산 관리 체계 정비를 논의 중”이라고 말했다.

2026.03.23 11:34홍하나 기자

게임사 채용 창구 게임인재원…AI 커리큘럼으로 교육 밀도 높인다

게임인재원이 국내 게임업계 실무형 인재 공급처로 입지를 굳혀가고 있다. 2019년 개원한 게임인재원은 현재까지 322명의 전문인력을 배출했고, 제5기까지 누적 취·창업률은 74%를 기록했다. 단순한 교육기관을 넘어 업계가 실제로 활용하는 산업 인재 풀로 자리 잡았다는 평가가 나오는 배경이다. 게임인재원 8기 교육생 모집은 지난 10일 낮 12시에 접수를 마감했고, 13일부터 23일까지 신입생 선정평가가 진행된다. 이후 합격자 발표와 등록 절차를 거쳐 4월 1일 개강할 예정이다. 게임인재원의 성과는 수치로도 확인된다. 한국콘텐츠진흥원 자료에 따르면 게임인재원은 제5기까지 누적 취·창업률 74%를 기록했다. 올해 졸업한 6기 졸업생 59명 가운데 19명은 넥슨, 넷마블네오, 라이온하트스튜디오, 펄어비스 등 주요 게임사에 졸업 전 조기 취업한 것으로 집계됐다. 프로젝트 중심 교육이 실제 채용과 일정 부분 연결되고 있다는 의미다. 8기부터는 교육 체계도 크게 달라진다. 가장 큰 변화는 기존 2년 과정에서 9개월 3학기, 주 5일 집중 교육 체제로 전환한 점이다. 모집 분야는 게임기획, 게임아트, 게임프로그래밍 3개 학과이며 총 60명을 선발한다. 기간은 줄였지만 현장 대응력을 높일 수 있도록 교육 밀도와 실습 중심성을 강화하겠다는 방향이다. 이 개편의 중심에는 AI 커리큘럼 강화가 있다. 게임인재원은 AI 기반 게임개발을 선택이 아닌 필수 역량으로 규정하고, 모든 개발 프로젝트에 AI 활용을 적용할 방침이다. 전체 교육과정에서 AI 활용 비중도 기존보다 20% 이상 확대한다. 특히 이번 8기 과정에서는 인디 게임 디자인, AI, AI 아트, AI 리터러시 등 최신 게임 개발 및 기술 흐름을 반영한 교육 콘텐츠를 강화했다. 단순히 AI 관련 강의를 몇 개 추가하는 차원이 아니라, 게임 기획과 아트, 프로그래밍 전반에서 실제 개발 파이프라인에 AI 도구를 접목하는 방향으로 교육 구조를 재설계한 것으로 볼 수 있다. 과목 구성을 보면 방향성은 더 분명해진다. AI 리터러시는 게임 개발 과정에서 AI를 어떻게 이해하고 활용할 것인지에 대한 기초 소양을 다지는 성격이 강하고, AI 아트는 생성형 AI를 활용한 시각 자산 제작과 작업 효율화에 초점이 맞춰질 것으로 보인다. AI 과목과 인디 게임 디자인 역시 소규모 개발 환경에서 새로운 도구를 실제 제작 과정에 연결하는 실무형 성격이 짙다. 공개 자료에 세부 강의계획서까지 모두 드러난 것은 아니지만, 전반적인 방향은 '이론으로서의 AI'보다 '현업에서 바로 쓰는 도구로서의 AI'에 무게를 두고 있다고 해석할 수 있다. 이 대목은 게임인재원의 역할 변화와도 맞물린다. 과거에는 기본기를 갖춘 신입 인력을 양성하는 데 무게가 실렸다면, 이제는 실제 제작 현장에서 곧바로 적응할 수 있는 복합형 실무 인재를 길러내는 쪽으로 중심이 옮겨가고 있다. 교육 기간을 압축하고 AI 활용도를 높인 것도 결국 변화한 개발 환경에 맞춰 산업 수요와 교육 체계를 다시 연결하려는 시도로 볼 수 있다. 다만 해결해야 할 과제도 분명하다. 지난해 국정감사에서는 게임인재원의 중도 탈락률과 취·창업률 하락 문제가 지적됐다. 특히 일부 기수에서 중도이탈이 적지 않았다는 점이 거론되면서, 교육 운영의 안정성과 지속성에 대한 점검 필요성이 제기됐다. 게임업계의 한 관계자는 "9개월 집중 과정 전환이 오히려 교육 몰입도를 높여 이탈을 줄이는 계기가 될 수 있다. 다만 짧아진 교육 기간이 학습 부담을 키우는 방향으로 작용할 가능성도 함께 존재하기에 좀 더 면밀한 인재 관리가 필요하다"라고 말했다. 결국 8기는 게임인재원이 산업 인재 풀로서 한 단계 더 도약할 수 있을지를 가늠할 분기점이 될 전망이다. 누적 취·창업률 74%라는 성과 위에 AI 역량과 압축형 실무 교육이라는 새 경쟁력을 안착시킬 수 있다면 존재감은 더 커질 수 있다. 반대로 중도이탈 관리와 교육 성과 입증에 실패할 경우, 이번 개편의 실효성을 둘러싼 검증 요구도 뒤따를 가능성이 크다. 게임인재원이 '양적 성과를 낸 교육기관'을 넘어 '산업 변화에 즉응하는 인재 양성소'로 안착할 수 있을지 주목된다.

2026.03.23 11:20김한준 기자

예스티, 고압수소어닐링 장비 첫 출하..."글로벌 반도체 시장 본격 진입"

예스티가 고압수소어닐링(HPA) 장비를 글로벌 반도체 기업에 첫 출하했다. 그간 이 시장은 HPSP가 독점해왔다. 지난해 12월 예스티가 2026년 글로벌 반도체 업체 2곳에 고압수소어닐링 장비를 공급할 것이라고 밝히면서 HPSP 독점이 사실상 깨졌다. 23일 예스티는 "반도체 기업에 양산 테스트를 위한 75매 고압수소어닐링 장비를 출하했고, 해당 고객 공장에 인도(팹인)했다"고 23일 밝혔다. 이어 "그간 해당 고객사와 다양한 평가를 거쳐 양산 테스트를 위한 공동개발 프로젝트(JDP) 계약을 체결했다"며 "이번에 공급하는 장비는 고객사 생산라인에서 양산에 적용한다"고 덧붙였다. 예스티는 "고압수소어닐링장비 시장에서 경쟁력을 입증했다는 점에서 의미가 크다"고 자평했다. 예스티는 지난해 12월 "2026년 2월 전, (중략) 글로벌 반도체 기업에 양산 테스트용 첫 장비를 공급한다"고 밝힌 바 있다. 해당 고압수소어닐링 장비를 이번에 출하한 것이다. 예스티는 "또 다른 글로벌 반도체 기업으로부터 125매 고압수소어닐링 장비를 수주했고, 8월 납품할 예정"이라며 "이번 75매 장비 공급까지 더해지며, 메모리와 파운드리를 아우르는 전 영역 고객군을 확보했다"고 설명했다. 이번에 장비를 공급하는 고객은 파운드리 업체, 8월 납품 예정인 고객은 메모리 업체다. 예스티는 "첫 장비 공급과 수주 성과를 바탕으로 2026년부터 고압수소어닐링 장비가 실적에 본격 반영될 것"이라며 "현재 여러 글로벌 고객과 다양한 공정 적용을 위한 논의와 테스트 중"이라고 밝혔다. 예스티는 "지난 2020년부터 자체 보유한 정밀 열·압력 제어 기술을 바탕으로 고압수소어닐링 장비를 개발해 왔다"며 "기존 장비보다 뛰어난 성능과 높은 생산성을 무기로, 그간 특정 업체가 독점했던 고압수소어닐링 장비 시장 판도를 바꿀 것"이라고 기대했다. 예스티는 "차세대 장비인 고압산화공정장비(HPO) 상용화도 속도를 내고 있다"고 밝혔다. 이어 "알파기로 최적 공정 조건을 확보했고, 최근 국책과제로 양산기 제작까지 마쳤다"며 "글로벌 고객들과 평가 작업이 활발해, 조만간 가시적 성과가 나올 것"이라고 기대했다.

2026.03.23 11:15이기종 기자

AI에도 지문 있다…몰래 바뀐 모델 잡아내는 기술 등장

어제까지 잘 쓰던 AI가 오늘은 왠지 다르게 느껴진다면, 그건 착각이 아닐 수 있다. 챗GPT(ChatGPT)나 클로드(Claude) 같은 AI 서비스들은 사용자에게 알리지 않고 내부 시스템을 조용히 바꾸는 경우가 많다. 프로젝트 베일(Project VAIL)과 일리노이 대학교 어바나-샴페인(University of Illinois Urbana-Champaign) 연구팀이 개발한 '스태빌리티 모니터(Stability Monitor)'는 바로 이런 변화를 자동으로 잡아내는 시스템이다. 연구팀은 같은 이름을 달고 서비스되는 AI라도 제공 업체에 따라, 심지어 같은 업체 안에서도 시간이 지나면 실제 행동이 크게 달라진다는 사실을 실험으로 증명했다. 서버가 멀쩡해도 AI는 이미 다른 존재가 되어 있다 일반적인 소프트웨어 서비스에서는 서버가 켜져 있고 반응 속도가 빠르면 아무 문제가 없다고 본다. 하지만 AI 서비스는 다르다. 기술적 점검을 모두 통과해도 AI가 실제로 내놓는 답변의 패턴은 소리 없이 변할 수 있다. 연구팀은 이 현상을 설명하기 위해 '안정성(stability)'이라는 새로운 운영 지표를 도입했다. 안정성이란 같은 질문에 대해 AI가 일관되게 비슷한 방식으로 답하는지를 나타내는 개념이다. 서비스 제공자가 모델 가중치(weight), 토크나이저(tokenizer), 추론 엔진(inference engine)을 교체하거나, 모델을 더 가볍게 압축하는 양자화(quantization) 기술을 적용하거나, 서버 하드웨어를 바꾸기만 해도 답변 패턴은 달라진다. 더 주목할 부분은 사용자 요청이 여러 서버에 분산 처리되는 구조 때문에 생기는 문제다. 사용자가 AI의 창의성 수준을 조절하는 '온도(temperature)' 설정을 0으로 고정해도, 서비스 제공자가 서로 다른 환경의 서버에 요청을 나눠 처리하면 같은 질문에 매번 다른 답이 나올 수 있다. 연구팀은 이처럼 겉으로 드러나지 않는 불확실성이 여러 단계를 거치는 AI 에이전트(agent) 자동화 작업에서 특히 심각한 문제를 일으킨다고 지적했다. 예를 들어 AI가 고객 문의를 분류하고, 정보를 검색하고, 답변을 생성하는 세 단계를 거치는 시스템이라면, 첫 번째 단계의 작은 차이 하나가 최종 답변의 품질을 완전히 뒤바꿀 수 있다. 질문 800번으로 AI의 '지문'을 채취하다 스태빌리티 모니터는 AI의 내부 구조나 가중치 데이터에 전혀 접근하지 않는다. 오직 질문을 던지고 답변을 받는 방식만으로 변화를 감지하는 '블랙박스(black-box)' 방식이다. 작동 원리는 이렇다. 미리 정해놓은 질문 묶음을 AI에게 반복해서 던지고, 각 답변을 수치 벡터(vector)로 변환해 저장한다. 연구팀의 구현 방식에서는 총 800번의 질문과 답변으로 하나의 '지문(fingerprint)'을 만들어낸다. 이렇게 만든 지문들을 비교할 때는 '에너지 거리(energy distance)'라는 통계 기법을 사용한다. 두 사람의 필체를 비교할 때 글자 하나하나가 아닌 전체적인 글씨 스타일을 보는 것과 비슷한 방식이다. 에너지 거리가 0이면 두 AI의 반응 패턴이 동일하다는 뜻이고, 값이 클수록 차이가 크다는 의미다. 신뢰도를 높이기 위해 연구팀은 순열 검정(permutation test)이라는 방법도 함께 적용했다. 데이터를 무작위로 섞어가며 관찰된 차이가 우연의 일치일 가능성을 계산하는 방법이다. 이 확률, 즉 p값(p-value)이 낮을수록 실제 변화가 있었다는 증거가 강해진다. 시스템은 주기적으로 새 지문을 만들어 기준 지문과 비교하고, 쌓인 증거가 일정 수준을 넘으면 '변화 이벤트(change event)'를 선언한다. 그러면 가장 최근 지문이 새 기준으로 설정되고, 이후 비교는 이 새 기준을 중심으로 계속된다. 실제 테스트 결과: 5가지 변화를 모두 잡아냈다 연구팀은 직접 통제한 실험 환경에서 스태빌리티 모니터의 성능을 검증했다. 로컬 서버에 모델을 올려놓고 스태빌리티 모니터가 모르는 상태에서 모델을 바꾼 뒤, 시스템이 이를 감지하는지 확인하는 방식이었다. 연구팀이 테스트한 변화 유형은 다섯 가지다. 모델 계열 교체(Qwen에서 Llama로), 버전 업그레이드(Qwen2.5-0.5B에서 Qwen3-0.6B로), 추론 스택 교체(vLLM에서 Transformers로), 양자화 적용(BF16에서 INT8로), 그리고 온도 파라미터 조정(0.7에서 0.6으로)이었다. 온도를 조금 바꾼 경우를 제외하면 나머지 네 가지 변화는 모두 다음 지문을 생성하는 즉시 변화 이벤트로 감지됐다. 온도 미세 조정은 변화 이후 18번째 지문에서 감지됐다. 중요한 점은 변화 이벤트가 정확히 한 번씩만 기록됐다는 것이다. 변화 전에도 안정적이었고, 감지 이후 새 기준으로 전환된 뒤에도 다시 안정적인 상태를 유지했다. 실제 서비스 환경에서도 충격적인 결과가 나왔다. 2025년 11월, 연구팀이 여러 업체가 동시에 서비스하는 키미-K2(Kimi-K2-0905-Instruct) 모델을 모니터링한 결과, 딥인프라(DeepInfra)는 지문을 생성할 때마다 거의 매번 변화 이벤트가 감지될 만큼 불안정했던 반면, 이 모델을 직접 만든 무샷(Moonshot)의 서비스는 100% 안정성을 유지했다. 같은 모델인데 어디서 서비스를 받느냐에 따라 결과가 완전히 달랐던 것이다. 2025년 12월에는 파라세일(Parasail)에서 변화 이벤트가 감지됐는데, 파라세일 팀은 물리적 서버 장애로 인한 하드웨어 교체가 있었음을 직접 확인해주었다. 의료 AI가 어제와 다른 판단을 내린다면 이 문제가 단순한 기술적 호기심으로 끝나지 않는 이유가 있다. 의료 상담 AI를 예로 들어보자. 환자가 똑같은 증상을 입력했는데 어제는 '즉시 병원 방문'을 권고하고, 오늘은 '며칠 더 지켜보세요'라고 답한다면 어떻게 될까. 금융 투자 AI가 모델 교체 이후 갑자기 위험을 대하는 방식이 달라진다면, 법률 문서를 검토하는 AI가 중요한 조항을 다르게 해석하기 시작한다면 피해는 고스란히 사용자에게 돌아간다. 핵심 문제는 이런 변화가 사용자에게 알려지지 않는다는 점이다. 서비스 제공자는 성능 개선이나 비용 절감을 위해 내부를 자주 바꾸지만, 사용자는 외부 인터페이스(API)만 보기 때문에 이를 알아차리기 어렵다. 연구팀이 인용한 선행 연구(Chen et al., 2024)에서도 GPT-3.5(지피티3.5)와 GPT-4의 답변 패턴이 수개월에 걸쳐 정확도, 형식, 안전성 측면에서 눈에 띄게 달라졌다는 사실이 확인된 바 있다. 기업 입장에서도 이는 법적 준수, 즉 컴플라이언스(compliance) 문제다. 연구팀은 모델이 조용히 바뀌면 이전에 수행했던 안전성 검증과 출력 필터링이 더 이상 유효하지 않을 수 있다고 지적했다. 스태빌리티 모니터는 변화 이벤트와 안정 기간의 기록을 자동으로 생성해 엔지니어링, 보안, 컴플라이언스 팀이 활용할 수 있도록 설계되었다. 기존 방식과 어떻게 다른가 기존의 모델 지문 인식 연구들은 주로 지적재산권 보호에 초점을 맞췄다. 배포된 모델이 원본 모델을 허가 없이 복사한 것인지 확인하는 것이 주된 목적이었고, 이를 위해 모델 내부에 접근하거나 특수하게 조작된 적대적 입력(adversarial input)을 사용해야 했다. 스태빌리티 모니터는 목적과 방식 모두 다르다. 모델 소유권 확인이 아니라 시간에 따른 행동 변화 감지가 목표이며, 특별한 접근 권한 없이 일반적인 자연어 질문만으로 작동한다. 최근 발표된 B3IT(Chauvin et al., 2026) 연구도 유사한 문제를 블랙박스 방식으로 다루지만 핵심적인 차이가 있다. B3IT는 초기 설정 단계에서 각 서비스마다 AI 모델의 판단이 거의 막상막하인 '경계 입력(border inputs)'을 찾아야 한다. 문제는 변화 이벤트가 발생하면 AI의 판단 경계 자체가 바뀌기 때문에 이 경계 입력을 다시 찾아야 한다는 번거로움이 있다. 반면 스태빌리티 모니터는 어떤 모델에도 동일하게 적용할 수 있는 고정 질문 세트를 계속 재사용할 수 있어, 변화 이벤트가 발생한 이후에도, 그리고 여러 서비스 제공자를 비교할 때도 일관되게 쓸 수 있다. 연구팀은 자신들의 방식이 특정 능력을 시간에 따라 깊이 평가하는 기존 프로젝트들과 상호보완 관계에 있다고 설명한다. 기존 방식들이 특정 능력에 대한 정밀한 신호를 제공하지만 실행 비용이 높아 다양한 모델과 제공자를 폭넓게 커버하기 어렵다면, 스태빌리티 모니터는 몇 시간마다 새 지문을 생성하는 가볍고 빠른 상시 감시에 특화되어 있다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. 일반 사용자도 자신이 쓰는 AI 서비스가 바뀌었는지 알 수 있나요? A. 현재로서는 직접 확인하기 어렵습니다. 스태빌리티 모니터는 연구 목적의 도구로 기술적 진입장벽이 있습니다. 다만 연구팀이 운영하는 스태빌리티 아레나(arena.projectvail.com)에서 주요 AI 서비스들의 안정성 데이터를 누구나 확인할 수 있습니다. 향후 AI 서비스 비교 플랫폼에 이런 모니터링 기능이 통합될 가능성도 있습니다. Q. AI 서비스 제공자가 모델을 업데이트하는 것 자체가 문제인가요? A. 업데이트 자체는 문제가 아닙니다. 성능 개선과 오류 수정을 위해 필요한 과정입니다. 문제는 사용자에게 알리지 않고 변경하거나, 동일한 모델 이름을 유지하면서 실제 작동 방식이 달라지는 경우입니다. 특히 의료, 금융, 법률처럼 규제가 엄격한 분야에서는 AI의 행동 변화를 추적하고 기록할 수 있어야 합니다. Q. 온도(temperature)를 0으로 설정하면 AI 답변이 항상 똑같지 않나요? A. 그렇지 않습니다. 온도는 사용자가 조절할 수 있는 설정값일 뿐입니다. 서비스 제공자가 내부 추론 엔진, 캐싱 방식, 서버 하드웨어 등을 바꾸면 온도를 0으로 설정해도 답변이 달라질 수 있습니다. 또한 서버 부하 상황에 따라 배치 크기(batch size)가 바뀌면서 생기는 연산 차이도 비결정성을 만들어냅니다. 사용자 요청이 서로 다른 환경의 여러 서버에 분산 처리될 때도 같은 질문에 다른 답변이 나올 수 있습니다. 기사에 인용된 논문 원문은 arXiv에서 확인할 수 있다. 논문명: behavioral Fingerprints for LLM Endpoint Stability and Identity 이미지 출처: AI 생성 콘텐츠 해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.03.23 10:54AI 에디터

'유인 달 탐사' 아르테미스 2호, 다시 발사대로…4월 발사 카운트다운 [우주로 간다]

아폴로 프로그램 이후 반세기 만에 인류를 다시 달 궤도로 보내는 유인 탐사 임무 '아르테미스 2호' 로켓이 발사대로 복귀했다. 스페이스닷컴 등 외신에 따르면, 미국 항공우주국(NASA)은 지난 20일(현지시간) 플로리다주 케네디우주센터(KSC) 39B 발사대(LC-39B)로 아르테미스 2호의 SLS(우주발사시스템) 로켓을 이동시켰다. SLS 로켓과 오리온 유인 캡슐은 20일 오전 11시(미 동부시간) 발사대에 도착했다. 같은 날 자정 무렵 이동을 시작한 로켓과 오리온 우주선, 이동식 발사대는 약 11시간 동안 6.4㎞를 이동해 목적지에 도달했다. 아르테미스 2호 로켓은 지난 3주간 KSC 내 조립동(VAB)에서 점검과 정비를 거쳤다. SLS 로켓이 발사대로 복귀함에 따라 NASA는 4월 1일 예정된 다음 발사 기회를 목표로 로켓과 지상 시스템 준비에 나설 계획이다. 당초 발사는 3월 초로 예정돼 있었으나, 시험 과정에서 로켓 상단부의 헬륨 가압 문제를 발견해 이를 보완하는 작업이 진행됐다. 아르테미스 2호에 사용되는 SLS 로켓은 높이 약 98m에 달하며, 연료를 주입하지 않은 상태에서 약 160만kg, 액체 수소와 액체 산소 추진제를 모두 채울 경우 261만kg 이상의 무게를 가진다. 이번 임무는 아르테미스 프로그램 최초로 우주비행사를 태운 오리온 우주선이 발사되는 유인 비행으로, 우주선의 생명 유지 시스템을 검증하는 첫 주요 시험이기도 하다. 임무에는 리드 와이즈먼이 사령관, 빅터 글로버가 조종사로 참여하며, 크리스티나 코흐와 제레미 한센이 임무 전문가로 탑승한다. 우주비행사들은 오리온 캡슐을 타고 약 10일간 임무를 수행하며, 달 궤도를 한 바퀴 비행한 뒤 지구로 귀환할 예정이다. 이는 향후 달 표면 유인 착륙과 장기 기지 구축을 위한 중요한 단계로 평가된다. NASA는 2028년 이전까지 우주비행사를 다시 달에 착륙시키는 것을 목표로 하고 있다. 이를 위해 스페이스X의 '스타십'과 블루 오리진의 '블루 문' 등 상용 달 착륙선 개발이 진행 중이다. NASA는 임무 시점에 준비된 착륙선을 활용할 계획이며, 해당 착륙선은 아르테미스 3호 임무에서 지구 궤도로 발사돼 오리온 우주선과의 랑데부 및 도킹 시험에 사용될 예정이다. 아르테미스 3호는 2027년, 이후 아르테미스 4호는 프로그램 최초의 달 착륙 임무로 추진된다. SLS 로켓이 발사대로 복귀하면서 아르테미스 2호 승무원의 발사 준비도 본격화됐다. NASA는 4월 1일을 시작으로 4월 6일, 4월 30일 등을 발사 가능 시점으로 설정하고 있다.

2026.03.23 10:43이정현 미디어연구소

영국 경찰, 인종 편향 논란에 '실시간 안면 인식' 사용 일시 중단

영국 에섹스(Essex) 경찰이 도입한 실시간 안면 인식 기술(LFR)에서 인종별 식별 편향 가능성이 제기돼 사용이 일시 중단됐다. 23일 더레지스터 등 외신에 따르면 케임브리지대 연구진은 실제 경찰 작전 환경에서 LFR 성능 평가를 진행한 보고서를 발표했다. 이번 실험 결과에선 여성보다 남성을 다른 인종보다 흑인 참가자를 보다 더 정확하게 식별하는 경향이 나타났다. 188명의 자원자를 대상으로 진행된 이번 실험에서 시스템은 감시 대상자의 약 절반을 정확히 식별했다. 오인 식별은 전반적으로 드문 수준으로 나타났다. 다만 총 6건의 오인 식별 중 4건이 흑인 대상에서 발생했다. 전체 관측 중 흑인 비율이 약 23.8%였다는 점을 고려하면 특정 집단에 결과가 일부 집중된 것으로 해석될 여지가 있다. 이와 함께 식별 성능 자체에서도 인종별 차이가 확인됐다. 케임브리지대 연구에 따르면 실시간 안면 인식 시스템의 현재 운영 기준값(55) 기준으로 흑인 대상 정탐률(TPIR)은 다른 인종보다 더 높게 나타났다. 백인보다 14.2%p, 기타 인종보다 15.0%p, 아시아인보다 9.5%p 높은 수준이었다. 에섹스 경찰은 해당 결과를 바탕으로 기술 운용을 중단했다. 알고리즘 소프트웨어 제공업체와 협력해 시스템 개선 작업에 착수한 상태다. 앞서 경찰은 공공 부문 평등 의무에 따라 두 건의 독립 연구를 의뢰했다. 한 연구에서는 식별 과정에서 잠재적 편향 가능성이 제기됐고, 다른 연구에서는 통계적으로 유의미한 편향이 없다는 결과가 나왔다. 경찰은 이를 종합해 선제적으로 운용 중단을 결정했다. 경찰 측은 "추가 학술 검증과 정책, 절차 개정을 거쳤다"며 "향후 수배자 추적 등 경찰 활동에 해당 기술을 재도입할 수 있도록 준비하고 있다"고 밝혔다. 이어 "특정 집단에 대한 편향 가능성이 없도록 지속적으로 결과를 점검하겠다"고 덧붙였다.

2026.03.23 10:33남혁우 기자

트웰브랩스, 게티이미지코리아에 영상 AI 검색 적용

트웰브랩스가 글로벌 스톡 플랫폼에 인공지능(AI) 영상 검색 기술을 제공했다. 트웰브랩스는 게티이미지코리아 게티이미지 뱅크에 영상 이해 AI 모델 '마렝고'를 공급했다고 23일 밝혔다. 이를 통해 약 10만 고객이 AI 기반 검색 기능을 활용할 수 있다. 이번 서비스는 기존 키워드 중심 검색에서 벗어나 영상 맥락과 의미를 이해하는 방식으로 전환된 것이 핵심이다. 이용자는 구체적인 문장 설명만으로 원하는 장면을 검색할 수 있다. 시스템은 시각 정보와 음성, 자막을 종합 분석해 결과를 제시한다. 그동안 게티이미지 등 스톡 미디어 플랫폼은 메타데이터와 태그 기반 검색에 의존했다. 콘텐츠는 급증했지만 검색 방식은 제한적이었고, 반복적인 필터링 작업이 필요했다. 이번 기술 도입으로 검색 구조 자체가 변화하며 제작 과정의 탐색 시간이 줄어들 것으로 예상된다. 마렝고는 영상 내 다양한 정보를 통합 분석하는 멀티모달 AI 모델이다. 단순 객체 인식을 넘어 장면 흐름과 의미를 이해하고 검색, 분류, 요약까지 수행할 수 있다. 글로벌 시장에서도 기술력을 인정받아 아마존웹서비스(AWS) 아마존 베드록에도 공급됐다. 트웰브랩스 이재성 대표는 "우리 영상 이해 AI 기술이 실제 서비스에 적용돼 사용자 가치를 창출하게 된 의미 있는 사례"라며 "앞으로도 미디어 산업에서 AI가 만들어내는 혁신적인 변화를 선도해 나가겠다"고 밝혔다.

2026.03.23 10:13김미정 기자

미 도축업체, AI로 뼈에 남은 고기까지 긁어낸다

미국 쇠고기 가격이 사상 최고 수준에 근접한 가운데 글로벌 농축산기업 카길이 인공지능(AI)을 활용해 생산성 끌어올리기에 나섰다. 도축 과정에서 뼈에 붙은 고기를 추가로 회수해 수익성을 높이겠다는 전략이다. 22일(현지시간) 파이낸셜타임스(FT)에 따르면 카길은 최근 도체(가축을 도살한 다음 머리, 가죽, 내장 등을 제거한 나머지 부분) 가공 라인에서 남아 있는 미세한 고기 조각을 식별하는 AI 기반 컴퓨터 비전 시스템 '카브(CarVe)'를 도입했다. 이 시스템은 소 도체가 가공 라인을 따라 이동하는 과정에서 뼈와 지방에 붙어 남아 있는 미세한 고기 조각인 '붉은 픽셀'을 실시간으로 감지해 작업자가 추가로 고기를 분리할 수 있도록 돕는다. 초기 테스트 결과 카브를 적용하면 동물 한 마리당 최대 0.5%의 고기를 추가로 회수할 수 있는 것으로 나타났다. 카길의 연간 쇠고기 생산량이 약 110억 파운드에 달하는 점을 고려하면 단순 계산으로 연간 약 5500만 파운드의 추가 생산이 가능하다. 현재 도매 가격 기준으로 약 2억 달러(약 3009억원) 규모다. 플로리안 샤텐만 카길 연구개발(R&D) 총괄은 “우리 같은 규모에서 보면 이는 큰 수치”라며 “소는 개체별 편차가 커 자동차처럼 동일한 공정 자동화가 어려운 만큼 AI 활용 가치가 크다”고 설명했다. 카브는 생산 라인에서 각 도체를 스캔해 실시간으로 적색육과 뼈를 구분하고 작업대 옆 화면에 성과 데이터를 즉시 표시한다. 작업자별로 빨강·노랑·초록 색상으로 표시해 고기 잔존 여부를 직관적으로 보여주며 관리자는 작업 영상을 다시 재생해 교육에도 활용할 수 있다. 현재 해당 시스템은 미국 텍사스주 프리오나와 콜로라도주 포트모건 공장에서 운영 중이다. 카길은 향후 다른 공장으로 확대 적용할 계획이다. 카길은 이와 함께 AI를 활용해 교대 근무 인력의 출근율을 예측하는 시스템도 도입했다. 직원 근속 연수, 날씨, 공휴일, 지역 고교 미식축구 일정 등 다양한 데이터를 반영해 인력 운영 효율을 높인다는 구상이다. 회사 측은 “카브를 통해 동일한 소에서 더 많은 생산을 이끌어내면 자원 효율성을 높이고 공급을 안정화하는 동시에 비용 부담 완화에도 기여할 수 있다”며 “해당 시스템은 인력을 대체하기 위한 것이 아니라 작업 효율을 높이기 위한 것”이라고 강조했다. 이 같은 미세 개선 전략은 미국 내 소 사육 두수가 75년 만에 최저 수준으로 감소한 상황과 맞물려 있다. 미 농무부에 따르면 올해 1월 기준 미국 사육 두수는 8620만 마리로, 가뭄 등의 영향으로 감소세가 이어지고 있다. 공급 축소는 가격 상승으로 이어졌다. 소 가격이 급등하면서 소매 가격도 사상 최고 수준으로 올라섰고, 일부 외식업체는 가격 인상과 함께 제공량 축소에 나서고 있다. 실제로 올해 1월 다진 쇠고기 가격은 전년 대비 약 17% 상승해 식료품 물가 상승률을 크게 웃돌았다.

2026.03.23 09:58김민아 기자

HD현대, '조선소 용접' 휴머노이드 상용화 본격 추진

HD현대가 용접용 휴머노이드의 실증과 상용화를 본격적으로 추진한다. HD현대는 HD한국조선해양, HD현대로보틱스, 미국 페르소나AI가 '조선소 특화 용접용 휴머노이드의 실증 및 상용화를 위한 공동개발 협약'을 체결했다고 23일 밝혔다. 이번 협약은 지난해 5월 체결한 '조선 용접용 휴머노이드 개발' 업무협약의 후속 단계로, 지난해부터 개발 중인 시제품이 기술 유용성과 가능성 부분에서 합격점을 받으면서 후속 개발을 추진하게 됐다. 이번 공동개발 협약에 따라 HD한국조선해양은 조선소 현장에서 축적된 데이터를 활용해 로봇용 용접 교육 기술을 개발하는 한편, 실제 선박 건조작업에 용접 공정 데이터를 학습한 AI 모델을 적용, 실증을 수행하게 된다. HD현대로보틱스는 휴머노이드의 조선소 적용을 위한 시스템 통합을 총괄하면서 용접 품질 분석·제어 기술 개발 및 현장 테스트 지원 역할을 담당한다. 페르소나AI는 조선소 환경에서 안정적으로 움직일 수 있는 2족 보행 휴머노이드 플랫폼을 개발한다. 이를 통해 HD현대는 용접·이동·인지·정밀 제어 등 고난도 작업을 수행할 수 있는 조선소 특화 용접용 휴머노이드 개발을 완료하고 실제 선박 건조 현장에 단계적으로 적용할 계획이다. 특히 HD현대로보틱스가 그간 축적해 온 피지컬 AI 기반 용접 기술을 바탕으로, 용접 고숙련자의 작업 노하우와 패턴을 반영한 정밀 제어 기술을 구현, 조선소 요구 사항에 부합하는 용접 솔루션의 개발 및 고도화를 추진해 나갈 방침이다. HD현대 관계자는 “조선소 특화 휴머노이드는 작업자의 안전을 강화하면서 생산 효율을 높이는 미래 스마트조선소의 핵심 기반이 될 것”이라며, “선박 건조 현장에 휴머노이드 도입을 통해 조선업의 새로운 패러다임을 선도해 나갈 계획”이라고 밝혔다.

2026.03.23 09:32김윤희 기자

LG디스플레이, 세계 최초 1~120Hz 노트북용 패널 양산

LG디스플레이가 세계 최고 수준의 최신 기술로 차별화된 고객 경험을 극대화하며 프리미엄 노트북 패널 시장을 선도하고 있다. LG디스플레이는 '옥사이드(Oxide) 1Hz' 기술이 적용된 노트북용 LCD 패널을 세계 최초로 양산한다고 22일 밝혔다. '옥사이드 1Hz' 패널은 사용자의 노트북 사용 환경을 지능적으로 판단해 1Hz에서 최대 120Hz로 주사율을 자동 변환한다. 예를 들어, 메일·이북(e-book)·논문 확인 등 정적인 작업을 위해 화면이 정지되면 1Hz의 최저 주사율 모드로 작동한다. 사용자가 마우스를 움직이거나 OTT·영화·스포츠 경기 등 동영상, 또는 화면 변화가 많은 게임을 시작하면 최대 120Hz 고주사율 모드로 자동 변환된다. 주사율은 1초 동안 한 화면이 새로 그려지는 횟수를 의미한다. 주사율이 높을수록 깜박거림이 줄어들면서 부드럽고 선명하게 표시되는 장점이 있다. 반면, 정지 화면에서 높은 주사율을 유지하면 같은 화면을 지속적으로 만들어야 하기 때문에 회로 구동에 따른 전력이 계속 낭비되는 단점도 공존한다. 이에 LG디스플레이는 화면 변화에 따라 새로고침 빈도를 유연하게 조절해 전력을 효율적으로 관리할 수 있는 패널을 개발, 세계 최초로 양산에 성공했다. LG디스플레이는 '옥사이드 1Hz' 패널을 대량 양산하기 위해 회로 알고리즘 및 패널 설계 기술을 자체 개발하고, 신규 재료를 발굴해 적용했다. 이 과정에서 저주사율 구동 구간 내 전력 누설이 가장 적은 옥사이드 산화물을 디스플레이 TFT(박막트랜지스터)에 적용해 고효율 디스플레이를 완성했다. 이를 활용하면 배터리 사용량을 기존 대비 48% 이상 늘리는 등 배터리 효율을 획기적으로 개선할 수 있다. 노트북의 경우, 이동성이 중요한 구매 요소라는 점을 고려할 때 고효율 배터리로 사용 시간을 늘리면 이동성도 크게 향상돼 소비자 편의도 높아질 것으로 기대된다. 또한 최근 AI 연산 작업이 증가하면서 전력 소모가 늘어나고 있어 '옥사이드 1Hz' 기술이 적용된 노트북이 더욱 주목받게 될 전망이다. LG디스플레이의 '옥사이드1Hz' 기술이 적용된 노트북용 패널은 글로벌 PC 제조사인 델의 최고 사양 프리미엄 라인인 'XPS'에 공급된다. 델은 지난 1월 CES 2026에서 해당 패널이 탑재된 'XPS' 신모델을 공개한 바 있다. 향후 LG디스플레이는 세계 최초로 양산에 성공한 '옥사이드 1Hz' 기술을 OLED 패널도 적용하고 2027년 양산을 목표로 준비 중이다. 한편 LG디스플레이는 '옥사이드 1Hz'와 같은 에너지 저감 기술을 지속적으로 개발·적용, 사용 단계에서 발생하는 탄소 배출량을 10%까지 감축하는 '탄소 배출 저감 프로젝트'를 추진해 갈 계획이다. 장재원 중형 상품기획담당은 “세계 최고 수준의 기술이 집약된 '옥사이드 1Hz' 패널 양산 성공을 통해 경쟁사와 기술 격차를 벌려 나가며 기술 중심의 회사로 거듭나겠다”고 전했다.

2026.03.22 11:38전화평 기자

마이크로소프트, 윈도11 안정성·품질 손본다

마이크로소프트가 최근 수 년간 제기된 윈도11 안정성과 업데이트 품질 문제를 대대적으로 개선하겠다고 밝혔다. 마이크로소프트는 20일(현지시간) 공식 블로그에 파반 다불루리 윈도·디바이스 총괄 부사장 명의로 올린 기고문에서 "향후 윈도 개발의 최우선 과제는 '품질'이 될 것"이라고 설명했다. 작년 일어난 윈도11 관련 문제 중 새 업데이트가 원인이 된 문제는 20여 건에 이른다. 새 업데이트 설치 후 부팅 불가, 시스템 정지, 앱 충돌 등 다양한 문제를 일으켰다. 이런 추세는 올해도 지속되고 있다. 1월에는 부팅 불가, 2월에는 블루투스와 GPU 오류, 3월에는 로그인 오류와 C드라이브 접근 불가 문제를 일으켰다. 매달 최소 1건 이상 말썽을 일으킨 셈이다. 마이크로소프트는 "업데이트 오류와 예기치 않은 재부팅, 설치 실패 등을 줄이기 위해 내부 테스트와 검증 절차를 강화하는 한편 단계적 배포와 실시간 피드백 수집으로 심각한 오류를 조기에 막겠다"고 밝혔다. 또 "강제 재부팅과 예고 없는 업데이트로 일어나는 작업 중단을 줄이기 위해 업데이트 설치 시점을 이용자가 직접 선택 가능하도록 제어권을 넓히겠다"고 밝혔다. 성능 측면에서도 개선이 예고됐다. 마이크로소프트는 "메모리를 8GB 탑재한 환경에서 메모리 이용량을 줄여 저사양 기기에서 앱 실행 속도와 응답성을 동시에 높이고 체감 성능을 개선할 것"이라고 설명했다. 마이크로소프트가 2024년 하반기부터 도입하기 시작한 AI 기능인 코파일럿도 과도한 개입을 줄이고, 이용자 경험을 해치지 않는 범위에서 통합 수준을 조정할 방침이다. 마이크로소프트는 "업데이트 품질은 특정 팀이 아닌 조직 전체의 책임이며 모든 개발 과정에서 품질 기준을 보다 엄격히 적용하겠다"고 강조했다.

2026.03.22 09:28권봉석 기자

LGU+, 자율네트워크 기반 실시간 제어 효과 입증

LG유플러스는 서울 광화문광장에서 열린 공연 현장에서 자율네트워크 기반 대응 체계를 통해 안정적으로 통신 서비스를 제공하며, 자율네트워크 기반 사전 예측과 실시간 제어의 효과를 입증했다고 22일 밝혔다. 전날 공연에서 광화문광장, 세종대로, 서울시청 일대 접속 단말 수는 직전 주말 같은 시간 대비 공연이 시작된 오후 8시에 약 두 배로 증가한 것으로 집계됐다. LG유플러스는 이번 행사에 대비해 광화문광장과 인근 주요 지역에 이동기지국과 임시 중계기 등 설비를 배치하고, 기존 기지국의 용량 점검과 사전 최적화 작업을 진행했다. 특히 LG유플러스의 자율네트워크 기술이 적용됐다. LG유플러스는 행사 전 광화문 일대 이동통신 셀 운영 조건을 사전에 설정하고, 행사 중에는 트래픽 상황을 실시간으로 제어했다. 특정 기지국에 트래픽이 집중될 경우 기지국 출력이나 연결 유지 시간 등 운영 설정값을 자동 조정해 트래픽을 주변 기지국으로 분산하는 방식으로 시스템이 과부하 발생 구간을 빠르게 식별하고 기지국 간 트래픽 분산을 자동 제어하면서 네트워크 혼잡과 품질 저하 가능성을 낮췄다. 이를 통해 LG유플러스는 대규모 트래픽이 집중되는 현장에서도 자율네트워크 기반 대응의 실효성을 증명했다. 현장 대응과 상황실 대응도 함께 이뤄졌다. LG유플러스는 행사 당일 현장 운영 인력을 배치해 설비 상태와 네트워크 품질을 점검했으며, 마곡 네트워크 상황실에서도 비상 대응 체계를 운영하며 트래픽 상황을 실시간으로 확인했다. 회사 관계자는 “대규모 집객 행사에서는 자율네트워크 기반 대응과 현장 구성원들의 협력이 무엇보다 중요하다”며 “LG유플러스는 기술과 사람의 협업을 바탕으로 이번 행사를 안정적으로 지원했으며, 앞으로도 대규모 행사에서 끊김 없는 통신 서비스를 제공할 수 있도록 노력하겠다”고 말했다.

2026.03.22 09:00박수형 기자

NVIDIA GTC 2026의 엑스그리즈: Real2Sim을 통한 현실 공간과 피지컬 AI의 연결

새너제이, 캘리포니아 2026년 3월 21일 /PRNewswire/ -- 로봇이 현실 세계에서 안정적으로 작동하려면, 현실을 정확하게 반영하는 환경에서 훈련돼야 한다. 이것이 바로 Real2Sim의 핵심 과제이며, 엑스그리즈(XGRIDS)가 GTC 2026(3월 16~19일, 새너제이)에서 중점적으로 선보인 주제다. NVIDIA GTC 2026의 엑스그리즈: Real2Sim을 통한 현실 공간과 피지컬 AI의 연결 새너제이, 캘리포니아 2026년 3월 20일 /PRNewswire/ -- 로봇이 현실 세계에서 안정적으로 작동하려면, 현실을 정확하게 반영하는 환경에서 훈련돼야 한다. 이것이 바로 Real2Sim의 핵심 과제이며, 엑스그리즈(XGRIDS)가 GTC 2026(3월 16~19일, 새너제이)에서 중점적으로 선보인 주제다. 엑스그리즈의 공간 지능(spatial intelligence) 솔루션은 이제 OpenUSD 기반 렌더링을 위한 NVIDIA Omniverse NuRec를 지원하며, 주요 스타트업 피치(Startup Pitch), NVIDIA 생태계 내 로보틱스 시연, 아마존 웹 서비스(Amazon Web Services, AWS)와의 공동 쇼케이스 등 여러 장소에서 소개됐다. Real2Sim: 물리적 공간에서 AI 훈련까지 스타트업 피치에서 엑스그리즈의 쑨리야오(Sunny Liao) 디렉터는 다음과 같은 핵심 질문을 던졌다.현실 세계의 조건을 진정으로 반영하는 훈련 환경을 어떻게 구축할 것인가? 엑스그리즈의 해답은 현실 데이터를 기반으로 구축한 파이프라인이다. 라이다(LiDAR)와 컴퓨터 비전을 결합한 멀티모달 공간 인식과 고정밀 3D 재구성을 통해, 물리적 환경을 시뮬레이션에 활용 가능한 월드 모델(world model)로 전환할 수 있다. 수작업 3D 모델링과 비교할 때, 이 접근 방식은 다음과 같은 장점이 있다. 고정밀 환경 구축 비용 절감 실제 공간 변화에 따른 지속적 업데이트 가능 시뮬레이션과 실제 배치 환경 간 정합성 향상 GTC의 개발자들은 이러한 방식이 로보틱스 훈련 및 검증을 위한 더 실용적인 경로를 제시한다고 평가했다. 피지컬 AI를 위한 공간 지능 엑스그리즈의 솔루션은 인셉션(Inception) 단계에 그치지 않고 GTC 전역의 여러 쇼케이스 구역에서 소개됐다. NVIDIA 로보틱스 세션에서 엑스그리즈는 임바디드 AI(embodied AI) 시스템을 위한 자사 솔루션을 시연했다. 이 로봇은 사족보행 로봇 플랫폼에 공간 인식과 모델링 기능을 배치해 주변 환경을 지속적으로 매핑하고 이해할 수 있으며, 단순히 로컬 센서를 활용한 즉각적인 장애물 회피에 의존하는 대신 전체 3D 공간 구조를 활용해 환경을 지속적으로 매핑하고 이행하며 경로 계획, 행동 의사 결정, 작업 실행을 수행할 수 있다. 이는 공간 지능이 임바디드 AI 시스템에 어떻게 통합되는지 보여줬으며, 로봇이 경로 계획, 의사결정, 작업 실행을 위해 전체 3D 환경을 이해할 수 있도록 지원했다. AWS 쇼케이스에서 엑스그리즈는 데이터 캡처부터 월드 모델 생성, 시뮬레이션 훈련에 이르는 완전한 Real2Sim 워크플로를 선보였다. 향후 전망 엑스그리즈의 장기적 초점은 일관되게 유지되고 있다. 즉, 현실 환경을 AI 시스템이 이해하고 추론하며 훈련할 수 있는 월드 모델로 전환하는 공간 지능 인프라를 구축하는 것이다. GTC 2026은 이러한 작업을 피지컬 AI 생태계로 확장하는 하나의 이정표가 됐다. 임바디드 AI 시스템이 실험실을 벗어나 창고, 도시, 건설 현장으로 이동함에 따라, 정확하고 확장 가능한 환경의 디지털 표현에 대한 수요는 더욱 커질 전망이다. 엑스그리즈는 이를 가능하게 하는 캡처-투-시뮬레이션(capture-to-simulation) 계층을 구축하고 있다. 미디어 문의처:jingle.huang@xgrids.comhttps://www.xgrids.com

2026.03.22 00:10글로벌뉴스

[박준성의 SW] AI가 SaaS 대체?..."30여년 SW역사 보면 No"

AI시대에 들어 사스포칼립스(SaaSpocalypse)라는 유행어가 나올 정도로 SaaS의 수요와 공급이 줄어들 것이라는 예측이 나돌고 있다. 과연 그럴까? 이에 대한 명확한 해답을 얻으려면 2022년 생성형AI 출현 이후 SW 시장과 SW 산업 전체의 변화 동향을 이해해야 한다. SW시장과 산업을 형성하는 SW는 어떤 종류가 있을까? 또 AI에는 어떤 종류가 있고, AI 종류별로 각 SW 종류에 대해 어떤 영향을 미칠 수 있을까? 이런 복잡한 생태계의 진화 속에서 SaaS의 운명도 정해질 것이다. ■ SW종류 딜리버리 모델따라 크게 6종 먼저 SW업종은 SW의 딜리버리 모델(Delivery Model)에 따라 크게 2가지, 다음과 같이 6개 업종으로 분류할 수 있다. (1) 맞춤형 SW(2종): 특정 사용자 그룹의 특수한 요구사항에 맞춰 제작된 SW로 사용자 조직이 소유권을 보유한다. ①자체 개발 SW(In-House SW): 기업 내부 IT 직원들이 개발한 맞춤형 SW ②SI 개발 주문형 SW(Custom/Bespoke SW): SI업체가 용역 계약을 통해 개발해 준 맞춤형 SW (2)기성 SW 제품(Commercial Off-the-Shelf SW, COTS, 4종): 시장에서 확보 가능한 기성 제품으로 가공 없이 바로 쓸 수 있는 범용 SW. 제품 벤더가 소유권을 보유하고 사용자 조직은 사용권만 보유 ①패키지 SW: 설치 파일 형태로 규격화해 판매하는 기성 SW 제품 ②오픈소스 SW: 시장에서 무료로 소스 코드까지 제공하는 기성 SW 반제품 내지 제품 ③ASP(application Service Provider)&호스티드 앱 (Hosted application): 서비스 제공업체(ASP) 또는 제품 벤더의 서버에 설치해두고, 고객이 인터넷을 통해 접속해서 쓰는 싱글 테넌트(Single-Tenant) 기성 SW 제품 ④SaaS(Software as a Service): 제품 벤더가 자사 서버에 설치해 두고, 고객이 인터넷을 통해 접속해서 쓰는 멀티테넌트(Multitenant) 기성 SW 제품 위의 6개 SW 업종이 모두 AI를 활용할 수 있다. 우선 6개 SW 업종 중에서 패키지 SW, 오픈 소스 SW, ASP&호스티드 앱 업종은 이번 분석에서 제외한다. 패키지 SW는 온프레미스(On-Premise, 자체 내부 구축) 설치와 운영에 소요되는 IT 인력 및 비용 면에서 신규 수요가 줄고 있다. 오픈소스 SW는 모든 SW 업종에서 제품 개발에 활용되고 있어 별도의 업종으로 구분하기 어렵다. ASP와 Hosted App은 패키지 SW가 SaaS로 진화하는 과정에서 나타난 싱글 테넌트(Single Tenant) 아키텍처로 저성장 저수익 때문에 멀티테넌트(Multitenant) 아키텍처 기반의 고성장 고수익 SaaS에 의해 밀려나고 있다. ■ 자체 개발 SW, SI 개발 주문형 SW, SaaS 등 3개 업종별 AI 활용은? 자체 개발 SW, SI 개발 주문형 SW, SaaS의 3개 업종별로 AI를 어떻게 활용하고 있는지 그 동향을 살펴보려 한다. SW의 AI 활용 양상, 즉 AI SW 형태(Type)는 AI 모델 Type, SW/AI 통합 모드와 SW 자율성(Autonomy)의 3차원에서 바라볼 수 있다. ▲AI 모델 Type: -분석형(Predictive/Analytical) AI 모델: Regression, Decision Tree, SVM, ARIMA, Clustering 등 분석형 AI 기반의 SW -인지형(Perceptive) AI 모델: 이미지, 비전, 스피치, IoT 센서 등의 인지 SW -생성형(Generative) AI 모델: 대형언어모델(LLM) 기반의 챗봇 및 에이전트 SW ▲SW/AI 통합 모드 -로컬 맞춤형 AI Model 기반 SW: 기업 내에 자체 AI 모델을 구축해 활용하는 시스템 -AI 기본모델(Foundation Model) 기반 SW: 제3의 AI 기본모델 벤더가 제공하는 기본모델 위에 SW를 Wrapper로 부가해 만든 시스템 ▲SW 자율성 -非에이전트 AI SW: 인풋(Input)을 받아 AI 모델을 이용해 아웃풋(Output)을 산출하는 SW -에이전트 AI SW: 주어진 목적을 달성하기 위해 스스로 인풋을 바꿔가면서 AI 모델과 외부 툴(Tool)도 바꿔가면서 아웃풋을 산출하고 산출 결과를 자체 평가해 인풋에 피드백하며 루프(Loop)을 돌리는 자율성이 높은 SW ■ AI SW 유형 4종은 무엇... 종래 분석형 및 인지형 AI를 활용하는 SW는 대부분 로컬 맞춤형 AI 모델 기반의 SW이다. 2022년 출현한 생성형 AI를 활용하는 SW는 AI 기본 모델(Foundation Model) 기반의 SW이다. 따라서 AI SW Type을 다음의 4종으로 압축할 수 있다. 1)맞춤형 분석/인지형 AI 모델 기반의 非에이전트 SW: 아마존의 Collaborative Filtering, 순환 신경망(Recursive Neural Network, RNN) 등 AI 모델 기반의 상품 추천 시스템이 이 유형의 대표적인 사례다. 연 300조 원의 매출을 창출하는 AI 역사상 가장 ROI가 높은 AI SW이다. 구글의 광고 시스템도 이 유형의 대표적 사례다. Regression, Decision Tree, Deep Neural Network(DNN), Bandit, Collaborative Filtering, Clustering 등 다양한 기계학습 모델을 기반으로 연 300조 원의 광고 수입을 창출한다. 이 유형이 AI 역사상 가장 큰 경영성과를 낸 AI 애플리케이션 유형이다. (https://www.kosta-online.com/post/ai-agent-hype-and-reality) 2)맞춤형 분석/인지형 AI 모델 기반의 에이전트 SW: JP모건의 사기 검출(Fraud Detection) 시스템이 이 유형의 대표적 사례다. Graph Neural Networks (GNNs), Decision Trees, Logistic Regression 등의 기계학습 모델을 기반으로 한 자율적 의사결정 시스템으로, 연 2조 원의 비용 절감을 실현한다. 3)생성형 AI 기본모델 기반의 非에이전트 SW: 이 유형의 대표적 사례로 Adobe Firefly를 들 수 있다. 텍스트 프롬프트를 받아 Image, Video, Speech, Sound 등을 자동 생성한다. 연매출 3500억 원을 달성하고 있다. SAP도 Joule이라는 생성형 AI 플랫폼을 ERP의 핵심에 통합함으로써 비즈니스 기능의 80%에 생성형 AI를 적용하고 있다. 4)생성형 AI 기본모델 기반의 에이전트 SW: 1990년대 말 웹(Web) 시대의 최적 SW 제품 아키텍처인 SaaS를 발명했던 세일즈포스(Salesforce)사가 2020년대 중반 생성형 AI 시대를 맞아 새로 개발한 Agentforce는 CRM 에이전트로 이 유형의 대표적인 사례다. 예컨대, 고객이 Agentforce CRM에 제품 반환 및 환급 요청 프롬프트를 던지면, 오케스트레이션 엔진인 Atlas가 Agentic Loop를 실행해 고객에게 60초 내에 환급 및 Prepaid Return Label의 이메일 전송을 완전자동으로 처리한다. Agentforce의 연매출은 1년 반 만에 1조 원을 넘어서 기업용 SW 역사상 가장 빠른 매출 성장률을 기록했다. 매출 신장에 힘입어 종업원 수도 2022~2025년 중 7만3500명에서 7만6500명으로 증가했다. (박준성, “AI가 개발자 대체? ... 사실 아냐” 지디넷코리아, 2026.03.09 참조) 이어, 아래 3개 SW 업종에서 4개 AI SW 타입을 얼마나 많이 개발해 활용하거나 판매하고 있는지 살펴보자. 각 SW 업종에서 개발한 애플리케이션의 몇 %가 각 AI SW 타입이었는지를 가트너(Gartner), 맥킨지(McKinsey), 멘로 벤처스(Menlo Ventures), a16z, IDC 등의 2025~2026년 조사 연구 보고서를 종합해 알아봤다. ▲분석/인지형 AI 모델 기반의 非에이전트 SW: SaaS의 80%, 자체 개발 60%, SI 개발 50%가 이 AI SW 타입이다. 분석형 AI 기반의 非에이전트 SW의 활용은 1990년대 데이터 마이닝(Data Mining), 2000년대 Business Intelligence(BI), 2010년대 Big Data Analytics 등 유행어만 바뀌면서 꾸준히 누적돼 왔다. Google, Amazon, Netflix, Spotify, Walmart, UPS, GE, Siemens, 삼성전자, TSMC, FICO, Mastercard, Visa 등 글로벌 빅테크 기업을 중심으로 개발·활용해 왔다. 인지형 AI 기반의 非에이전트 SW는 분석형과는 달리 빅테크 기업에서 자체 개발·활용할 뿐 아니라, 많은 전문 중소기업들이 도메인별로 특화해 자체 개발 후 자체 활용하거나 SaaS 및 패키지 SW로 판매하고 있다. 최근에는 다수 중소기업들이 빅테크의 인지형 AI 기본모델의 API를 활용하는 Wrapper로 전환 중이다. ▲분석/인지형 AI 모델 기반의 에이전트 SW: SaaS의 12%, 자체 개발 9%, SI 개발 5%가 이 AI SW 타입이다. 분석형 AI 기반의 에이전트 SW 개발 및 활용은 2000년대 이래 Amazon, Facebook, TikTok, Uber, Alibaba, JPMorgan Chase, PayPal, Stripe, GE, Siemens, Toyota, Intel, 삼성전자, Bosch 등 글로벌 빅테크 기업에 집중되어 왔다. 그러나 분석형 AI 기반의 에이전트 SW뿐 아니라 非에이전트 SW도 일반 기업으로의 확산은 아직도 여러 이유로 실현되지 못하고 있다. (박준성, “AI Agent의 허허 실실” KOSTA Online, 2026.03.04 참조: https://www.kosta-online.com/post/ai-agent-hype-and-reality) 인지형 AI 기반의 에이전트 SW 개발은 非에이전트 SW보다 Tesla, Amazon, Apple, Waymo, Netflix 등 빅테크의 자체 개발에 더 집중돼 있다. 가트너에 따르면 2025년 분석/인지/생성형 등 모든 AI 모델 기반의 에이전트 SW를 다 합쳐도 이를 활용하고 있는 기업이 5%에도 못 미쳐 AI 에이전트 시장은 이제 막 형성되기 시작한 시장이라 할 수 있다. ▲생성형 AI 모델 기반의 非에이전트 SW: SaaS의 75%, 자체 개발 50%, SI 개발 40%가. 이 AI SW 타입이다. 생성형 AI 기반의 非에이전트 SW는 Microsoft, GitHub, Grammarly, Glean, Notion AI, Adobe Firefly, Canva AI 등 SaaS 업종이 선도해 나가고 있다. 가트너에 따르면, 2026년 말까지 기업의 80%가 이 유형의 SW를 활용할 전망이다. ▲생성형 AI 모델 기반의 에이전트 SW: SaaS 14%, 자체 개발 8%, SI 개발 6%가 이 AI SW 타입이다. 생성형 AI 기반의 에이전트 SW도 Salesforce, Microsoft, ServiceNow, Workday, HubSpot 등 SaaS 업종이 선도해 나가고 있다. 위의 Agentforce 사례에서 보았듯이, 일부 글로벌 선도 SaaS 업체들은 이미 생성형 AI 에이전트를 제품에 성공적으로 통합했다. 앞에서도 지적했듯이, AI 에이전트 SW는 전 종목을 합쳐도 기업 도입률이 5%도 안 되는 성장 초기 단계의 제품군이다. 위에서 보았듯이 최근 유행하는 생성형 AI 기반 신규 SW를 SaaS 업체들이 선도하고 있는데, 최근 주요 SaaS 벤더들의 주가가 하락한 이유는 무엇일까? 특정 업종의 주가 동향은 투자자 심리와 업종의 가치평가 역사에 영향을 받는다. SaaS 주가의 부정적 요소는 다음과 같다. 첫째, 투자자들의 넓게는 AI가 SW를, 좁게는 AI 에이전트가 SaaS를 대체할지 모른다는 막연한 불안감 둘째, AI 애플리케이션보다는 AI 인프라에 몰리는 투자 관심 셋째, SaaS 제품에 생성형 AI를 통합하면 현행 Per-Seat 가격 모델로는 매출 격감 예상 넷째, SaaS 업종 자체가 이제 성숙기로 접어들어 성장률 완화 다섯째, 2010년대 중 SaaS 업종 주가의 과평가에 대한 조정 여섯째, 2022~2024년 금리 급등으로 고성장 SaaS의 Valuation 배수 압축 등이다. 필자를 포함해 많은 IT 전문가들이 최근 주가 하락에도 불구하고 SaaS 업종이 AI 시대에 적응해 생존 및 발전할 것이라고 예측하는 이유 몇 가지가 있다. 첫째, SaaS가 산업 특화 제품으로 이미 많은 기업의 핵심 비즈니스 프로세스와 데이터를 장악하고 있고, 기업들은 핵심 애플리케이션을 쉽게 바꾸지 않는다. 특히 수십 년간 축적된 수억 건의 고객 데이터를 보유하고 있어, AI 모델을 자사 데이터로 Fine-Tuning할 수 있는 구조적 우위가 있다. 둘째, SaaS와 AI 에이전트는 서로 대체 관계가 아니고, 통합 시너지를 낼 수 있는 보완 관계이다. 주요 SaaS 벤더들은 이미 제품에 AI를 성공적으로 통합하고 있다. 셋째, SaaS와 AI 에이전트의 통합 아키텍처가 앞으로 어떻게 진화할 것인가에 따라 AI 모델 벤더와 SaaS 벤더 간의 시장 경쟁 구도가 다소 바뀔 수 있다. SaaS는 계층적 서비스 지향 아키텍처(Layered Service-Oriented Architecture, SOA)를 견지할 것이고, UI, Orchestration, API, SOA Business Services, Vertical Platform, Horizontal Platform, Enterprise Data 등 여러 레이어로 구성할 수 있다. 이 중 UI 레이어에는 종래의 GUI와 더불어 생성형 AI가 쓰일 것이다. Orchestration 레이어에는 종래의 BPM 기반 또는 Event Bus 기반의 워크플로우와 더불어 AI Agentic Loop(Ralph Loop)가 쓰일 것이다. 산업 특화된 버티컬 플랫폼(Vertical Platform)에는 SaaS 벤더가 개발한 특화된 AI 모델과 특화된 Agent FRAMEwork가 쓰일 수 있다. 산업 공통 허라이즌털 플랫폼(Horizontal Platform)에는 생성형 AI 기본모델이 자리하고, 범용 Agent FRAMEwork가 쓰일 수도 있다. 넷째, Per-Seat에서 Consumption/Outcome 기반으로 가격 모델 전환이 매출 성장 가속 요인이 될 수 있다. Agentforce의 경우 AI 에이전트가 완수한 실제 작업량을 측정하는 Agentic Work Unit(AWU) 기반으로 가격 모델을 이미 전환했다. 다섯째, AI 에이전트를 현업에서 안전하게 가치 있게 사용하도록 만드는 것은 매우 어려운 기술로, 일반 회사에서 자체 개발 역량을 갖추기 힘들다. 따라서 기업에서 AI 에이전트를 도입할 때 SaaS에 가입하거나 SI 개발 용역을 주문하는 경우가 많을 것이다. 여섯째, 액센츄어(Accenture), 인포시스(Infosys), 캡제미나이(Capgemini) 등 글로벌 SI 업체들도 'AI 주도 비즈니스 변혁'을 주력 사업으로 정하고 AI에이전트 구현 서비스를 적극 개발 및 판매하고 있다. 1950년대 중반 SI 사업을 발명했고, 현재 세계 최대의 SI 업체인 액센츄어의 경우 생성형 AI가 출현한 2022년부터 2025년까지 종업원 수를 72만 명에서 78만 명으로 늘리고 전 사원에게 생성형 AI 에이전트를 훈련시키고 있다. Accenture 매출 100조 원의 약 20%가 SaaS 구현 서비스 매출이다. 글로벌 시장에서 SI 업체와 SaaS 업체는 공생관계이어서 AI 에이전트 사업도 함께 성장시키고 있다. SW 역사를 돌아보면, 첫째, 1990년대 초 메인프레임(MainFRAME) 컴퓨팅에서 클라이언트/서버(Client/Server) 컴퓨팅으로 패러다임이 바뀔 때, IBM이 도산할 정도로 주가가 폭락했지만 시대 변화에 적응해 지금도 건재하다. 둘째, 1990년대 말 Client/Server 컴퓨팅에서 Web 컴퓨팅으로 패러다임이 바뀔 때, 오라클의 주가가 폭락했지만 시대 변화에 적응하여 지금도 건재하다. 셋째, 2010년대 초 Web 컴퓨팅에서 Cloud 컴퓨팅으로 패러다임이 바뀔 때, 마이크로소프트 주가가 정체됐지만 시대 변화에 적응해 주가 상승세를 회복했다. 넷째, 2020년대 초 클라우드 컴퓨팅에서 AI 컴퓨팅으로 패러다임이 바뀌고 있는데 세일즈포스는 주가가 하락하면서 쇄락할 것인가? ■ 컴퓨팅 패러다임 바뀔때마다 기존 선도업체 주가 하락하거나 정체 컴퓨팅 패러다임이 바뀔 때마다 기존 선도업체 주가가 하락 내지 정체되고 새 패러다임을 리드하는 신흥업체 주가는 상승하는 현상은 늘 있어왔고, 기존 선도업체들이 새 패러다임을 소화해 부활하는 현상도 늘 있어 왔다. IBM, 오라클(Oracle), 마이크로소프트(Microsoft)가 부활한 공통 조건은 세 가지로 첫째, 핵심 고객 데이터&프로세스 장악력 유지 둘째, 새 패러다임 기술을 제품에 선제적 내재화 셋째. 가격 모델 전환 등이다. Salesforce는 현재 세 가지 부활 조건을 모두 갖췄다—CRM 데이터 장악, Agentforce 통합, AWU 소비 기반 과금 전환-. 이렇게 보면 SaaS 업체가 Salesforce처럼 시대 변화에 선제적으로 대응한다면 AI 시대에 사라질 것 같지는 않다. 가트너, 포레스터, IDC 등이 조사한 바에 의하면, 기업이 신규 애플리케이션을 확보하려 할 때 선택하는 SW Delivery Model 추세가 2025년에는 SaaS 가입 65%, 맞춤형 개발 20%, 패키지 SW 라이선스 15%였다. 2030년에는 SaaS 가입 80%, 맞춤형 개발 15%, 패키지 SW 라이선스 5%일 것으로 전망한다. 또 맞춤형 개발에 있어, 전통적 코딩, No/Low Code 개발 플랫폼 활용, AI 코딩 지원 툴/에이전트 활용의 비율은 2025년 65%, 25%, 10%였다. 2030년에는 30%, 25%, 45%일 것으로 전망한다. ■ "AI가 SaaS를 대체하는 게 아니라 역설적으로 수요 강화" SaaS 점유율이 65%에서 80%로 상승하는 이유는 AI 에이전트 개발 난이도 때문에 자체 개발을 회피하는 경향이 있기 때문이다. 즉, AI가 SaaS를 대체하는 것이 아니라 SaaS 수요를 강화하는 역설이 발생한다. 한편 AI 코딩 지원 툴/에이전트 기반의 맞춤형 개발이 기업의 SW 확보에 차지하는 비중은 2025년에 2%에서 2030년 7%로 상승할 전망이다. 이렇게, SaaS 수요 및 공급이 AI 때문에 잠식될 비율은 일반인들의 생각보다 훨씬 낮을 것으로 보인다. 하나 더 살펴봐야 할 것은 SaaS 업종 내에서 기존 대기업과 신흥 Micro-SaaS 업체와의 경쟁이다. AI 코딩 지원 툴 및 에이전트 발달로 개인이나 소기업이 Feature 단위의 엣지 케이스(Long-Tail 사용사례), 업종 심화 Niche 기능, 최첨단 기술 기반의 혁신적 신규 기능 등을 싼 값에 공급할 수 있다. 이러한 신흥 업체들과 경쟁이 기존의 대형 SaaS 업체에 미칠 영향은, 과거에 모바일 앱이나 클라우드 API 커넥터 앱이 등장했을 때와 마찬가지로, 매출 성장세 감소와 가격 압력 정도로 그칠 전망이다. 모바일 앱 시대의 교훈은 Long-Tail 앱의 대다수가 수익화에 실패했다는 것이다. AI 코딩 에이전트 덕분에 개발 장벽은 낮아졌지만 배포, 보안, 컴플라이언스, 고객 신뢰 확보의 장벽은 여전히 높다. 따라서 Micro-SaaS 난립보다는 소수의 성공적인 Niche 플레이어 등장이 더 현실적인 시나리오다. 기존 대형 SaaS 업체들은 자기 시장에서 생태계를 떠받치는 플랫폼으로 군림하면서, Micro-SaaS 업체 제품들을 자신의 App Marketplace에 초대하든가, M&A하든가, 혁신적 Feature를 복제하든가 등 다양한 전략을 취할 것이다. Salesforce AppExchange, HubSpot Marketplace, ServiceNow Store에는 이미 수천 개의 Micro-SaaS 앱이 입점해 있고, 이들이 대형 SaaS 플랫폼의 Stickiness(고착성)를 오히려 높이는 효과를 낸다. Micro-SaaS는 경쟁자인 동시에 생태계 강화자인 것이다. 그러나 기존의 SaaS 업체들도 AI 시대에 걸맞은 아래와 같은 내부 진화가 필요하다. 맥킨지 연구에 따르면(McKinsey, The AI-centric imperative: Navigating the next software frontier”, 2025.10.16 참조) 첫째, 세일즈포스의 에이전트포스(Agentforce)처럼 AI Agent의 통합을 위한 제품 개혁이 필요하고 둘째, 가격정책을 Per-Person 가입 모델에서 Usage-Based 또는 Output-Based 가격 모델로 전환해야 하며 셋째, 고객사의 최고경영층을 타깃으로 업종 특화된 Go-To-Market 전략을 펼쳐야 하고 넷째, 제품 개발 전체 생애주기에 생성형 AI, AI 코딩 지원 툴 및 AI 코딩 에이전트를 적용해 제품 개발 프로세스를 근본적으로 바꿔야 하며 다섯째, 생성형 AI와 AI 에이전트를 이용한 내부 운영 프로세스 자동화를 통해 20~40%의 원가 절감을 달성해야 하며 여섯째, AI 중심의 제품 및 서비스로 전환을 위한 데이터, 보안, 거버넌스, 개발 환경, 운영 환경 등의 AI 지원 인프라를 구축해야 하며 일곱째, SaaS 업체 내 직원 훈련을 통해 인간과 AI 에이전트가 협력할 수 있는 새로운 역할, 스킬과 역량을 배양해야 한다. 위의 7개 과제 중 기술적 난이도보다 조직 변화 관리(Change Management) 난이도가 더 높은 과제들이 있는데 첫째, 가격 모델 전환(기존 고객 저항) 둘째, GTM 전략 변화(영업조직 재편) 셋째, 직원 역할 및 스킬 재정의(조직문화 저항)등으로 이들은 기술이 아닌 인간과 조직의 저항으로, 상대적으로 어려운 과제들이다. 실제, 세일즈포스가 Per-Seat에서 AWU 소비 기반으로 전환하는 과정에서 기존 영업 조직 저항과 고객 혼란이 가장 큰 실행 리스크로 보고되기도 했다. 반면 AI 인프라 구축, 개발 프로세스 혁신, 운영 자동화는 투자 등 기술로 해결이 가능한 것은 상대적으로 쉬운 과제들이다. ◆필자 박준성은... 서울대 경영학 학사 및 석사, 미국 오하이오주립대 전산학/산업공학 학제간 박사를 취득했다. 미국 아이오와대학(University of Iowa)에서 MIS 분야 종신교수로 재직하면서 미국 INFORMS 통신학회 회장을 역임했다. 중국 청화대학 전산학과 초빙교수를 지낸 후 2001년 귀국, 삼성SDS에서 S급 임원 및 CTO로 재직하면서 미국 HP의 전략자문위원을 역임했다. 2010년 이후 KAIST 산업공학과에 S급 초빙교수로 재직하면서 미국 국제SW공학협회(SEMAT) 회장, 미국 OMG의 SW공학 커널(Essence) 국제표준 제개정위원장도 지냈다. 또 삼성전자, LG전자, 현대자동차, 한국마이크로소프트 등 많은 대중소기업과 정부기관에서 SW자문역 및 임직원 교육을 수행했다. 2019년 이후 한국SW기술진흥협회(KOSTA) 회장으로 재직하고 있으며, 'KOSTA Online'이란 무료 SW교육 동영상 과정 및 블로그 사이트를 운영하고 있다.

2026.03.21 13:20박준성 컬럼니스트

BTS 공연에 구름 인파...통신 먹통 대비 총력전

통신 3사가 21일 오후 8시 광화문 방탄소년단(BTS) 공연이 열리는 광화문 일대에 인파가 몰리면서 데이터 트래픽 급증에 대비하고 나섰다. 이동기지국 추가 배치, 현장 인력 투입, 네트워크 용량 확보 등 비상 체계를 가동한다. 이날 SK텔레콤은 이동 기지국 6대, 임시 통신 시설 등을 추가 투입해 광화문부터 서울시청까지 이어지는 구간의 통신 품질을 강화한다. 무대 주변과 티켓 부스, 굿즈 판매 구역 등 인파 집중 지역에 통신 장비를 우선 배치한다. KT도 공연이 진행되는 광화문 일대엔 이동 기지국 6대를 배치하고 무선 기지국 79식과 와이파이 14식을 신규 구축해 네트워크 용량을 대폭 확대했다. LG유플러스 또한 광화문 일대에 이동 기지국과 임시 중계기를 추가 배치하고, 사전 최적화 작업을 진행해 LTE와 5G 트래픽이 특정 구간에 과도하게 몰리지 않도록 대비한다. 이통3사는 혹시 모를 상황에 대비해 현장에 인력을 투입하고 실시간으로 통신 상황도 점검한다. SK텔레콤은 SK브로드밴드 등과 협의해 총 199명의 비상 근무 인력을 투입한다. 분당 네트워크관리센터를 중심으론 비상 근무 체제를 가동한다. KT는 현장에 엔지니어 40여 명을 포함해 총 80여 명의 네트워크 전문 인력들을 추가 투입한다. 과천 네트워크관제센터를 중심으론 비상 근무 체계를 운영한다. 업로드와 다운로드 양방향 트래픽을 실시간으로 모니터링하고, 예상치 못한 변수 발생 시 즉각 대응할 계획이다. LG유플러스도 행사 당일 현장 운영 인력을 배치해 설비 상태와 네트워크 품질을 점검할 예정이다. 마곡 네트워크 상황실에선 비상 대응 체계를 운영하며 현장과 동시에 트래픽 상황을 확인한다. 데이터 트래픽 급증에 따른 망(네트워크)도 재설계했다. SK텔레콤은 광화문 일대를 인파 밀집도와 이용 특성에 따라▲티켓 예매 관람객이 입장할 광화문~서울시청 세종대로 왕복 8차선 공연장 내부 ▲티켓 미예매 관람객이 몰릴 공연장 외부의 거리 ▲공연장 외곽 이면 도로 등 3개 구역으로 구분해 통신망을 설계했다. 공연장 내부와 주변 지역은 사진과 영상 업로드가 집중돼 데이터 전송량이 크게 증가할 가능성이 높고, 외곽 지역은 공연 생중계 시청 등 데이터 이용량이 늘어날 수 있는 점을 고려해 구역별 특화망을 운영해 통신 품질을 관리할 계획이다. KT도 전 세계 생중계에 따른 고화질·대용량 스트리밍 트래픽 증가에 대비해 평시 대비 대폭 확대된 백본 네트워크 용량을 사전에 확보했다. 이를 통해 국내 시청자는 물론 해외 시청자들도 끊김없이 공연을 시청할 수 있는 네트워크 환경을 제공할 계획이다. LG유플러스 또한 기존 기지국 용량을 점검하고 사전 최적화 작업을 진행해 LTE와 5G 트래픽이 특정 구간에 과도하게 몰리지 않도록 대비한다. 정부도 이날 통신 안정성을 위해 총력을 기울인다. 과학기술정보통신부는 오후 7시부터 10시까지 현장에서 이동기지국과 임시 중계기, 기존 기지국 상태를 점검한다. 남영동 통신 관제 센터에선 이통3사와 24시간 근무를 진행한다.

2026.03.21 13:14홍지후 기자

[안광섭의 AI 진테제] 중국 '가재' 열풍이 뜻하는 것

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

2026.03.21 11:13안광섭 컬럼니스트

[피지컬AI와 윤리] 의료로봇과 의료AI 사고시 책임은 누가

1. 대서양을 건넌 메스: 린드버그 수술에서 의료 AI 로봇 시대까지 현대 의학 정점이라 불리는 수술용 로봇과 인공지능(AI) 등장 인간의 육체적 한계를 극복하려는 오랜 염원의 결실이다. 인간의 손이 떨리는 자리에서 로봇은 흔들리지 않으며, 인간의 눈이 놓치는 미세한 차이를 인공지능은 방대한 데이터 연산을 통해 포착한다. 나아가 인간의손길이 미치기 어려운 협소한 부위까지 로봇의 정밀한 기구는 거침없이 닿는다. 인간의 손이 닿지 않는 곳에서 생명을 구한다는 꿈은 의료 로봇 역사에서 한 번도 식은 적이 없다. 최초 로봇 수술이 무엇이었는지는 연구자마다 견해가 갈린다. 대다수는 그 영예를 콰(Kwoh) 등에게 돌리는데, 이들은 퓨마 560(PUMA 560) 로봇 시스템을 이용해 정위적 뇌생검을 수행했다. 이후 데이비스(Davies) 등은 같은 계열의 시스템을 경요도 전립선 절제술에 적용했으며, 이는 훗날 프로봇(PROBOT) 개발로 이어졌다(Lane, 2018). 이제 수술 로봇 또는 의료 로봇 기술은 다양한 외과 영역으로 확산하고 있다. 거리와 인간적 한계를 초월하고자 하는 근원적 열망이 하나의 상징적 사건으로 결정화된 것이 바로 '린드버그 수술'이다. 린드버그(Charles Lindbergh)는 1927년 5월 '스피릿 오브 세인트루이스(Spirit of St. Louis)' 호를 타고 뉴욕을 출발해 파리에 도착함으로써 역사상 최초의 대서양 무착륙 단독 횡단 비행을 완수했다. 2001년 9월 7일, IRCAD/EITS의 자크 마레스코(Jacques Marescaux)와 뉴욕의 미셸 가니에(Michel Gagner)는 뉴욕 외과의 조작 콘솔과 스트라스부르 대학병원의 수술 로봇을 제우스(ZEUS) 시스템으로 연결, 인류 최초의 원격 로봇 보조 복강경 담낭절제술을 시행했다(Marescaux, 2002). 이 수술은 이후 '린드버그 수술'이라 불리게 되었다. 그로부터 20여 년이 흐른 현재, Intuitive의 2025년 실적 공시에 따르면, 2025년 한 해 동안 다빈치(da Vinci) 수술 시스템을 이용한 수술은 약 315만 3천 건 수행되었으며, 이는 2024년의 약 268만 3천 건에 비해 약 18% 증가한 수치다(Intuitive Surgical, 2026). 수술 영역의 로봇 시스템은 일반적으로 능동형(active), 반능동형(semi-active), 그리고 마스터-슬레이브형(master-seval, 원격조작형/teleoperated) 시스템으로 구분된다. 능동형 시스템은 사전 설정된 작업을 수행하는 로봇 구동 방식이며 프로봇(PROBOT)이 대표적 예다. 반능동형 시스템은 외과의가 직접 기구를 조작하되, 로봇이 사전 설정된 안전 경계 내에서 움직임을 물리적으로 제한하는 방식으로 작동한다. 반면, 다빈치(da Vinci®)와 제우스(ZEUS)는 대표적인 마스터-슬레이브형 시스템으로, 외과의가 콘솔에서 조작하면 그 움직임이 로봇 팔과 수술 기구에 원격으로 전달되어 체내에서 재현된다(Lane, 2018). 그런데 바로 여기서 불편한 질문이 시작된다. 마스터-슬레이브 시스템은 외과의의 조작에 전적으로 의존한다고 정의되지만, 실제 수술 현장에서 의사는 알고리즘의 권고를 얼마나 독립적으로 판단하고 있는가? 또한 능동형 시스템이 사전 프로그램된 경로를 따라 절개할 때, 그 경로를 '설계'한 자와 그 경로를 '허가'한 자와 그 경로를 '신뢰'한 자 사이의 책임은 어떻게 나뉘는가? 기술의 유형이 정밀해질수록 책임의 경계는 오히려 흐릿해진다. 2025년 한 해에만 315만 건을 넘어선 다빈치 수술 시대에, 우리는 기계의 해부도는 갖추었지만 책임의 해부도는 아직 그리지 못했다. 2. 비인칭적(Impersonal) 칼날과 인칭적(Personal) 책임 로봇 수술의 가장 큰 장점은 정밀함이다. 그러나 바로 그 정밀성 때문에 역설이 발생한다. 기계는 더 정교해지는데 책임의 소재는 오히려 더 불분명해 보인다. 지난 10년 동안 로봇 수술 역할은 급속히 확대되어 왔으며, 널리 채택된 다빈치 수술 시스템의 임상적 결과는 비교적 잘 보고되어 왔다. 반면, 그 이상 사례와 기기 안전성에 대한 대규모 평가는 여전히 제한적이다. 미국 FDA의 제조사 및 사용자 기기 경험 데이터베이스(MAUDE)는 의료기기 플랫폼 전반의 이상 사례와 고장을 특성화하는 데 유용한 자료를 제공한다. 시에와 황(Hsieh & Huang)은 2015년 1월부터 2025년 6월까지의 다빈치 수술 시스템 관련 MAUDE 보고를 검토했으며, 같은 기간 수행된 것으로 추정되는 약 1590만 건의 수술 가운데 6만6651건의 이상 사례 보고를 확인했다. 보고율은 수술 10만 건당 420.1건이었고, 그중 상해 55.2건, 사망 3.1건, 수술 전환 21.8건, 시술 중단 2.1건이 포함되었다(Hsieh & Huang, 2026). 이러한 결과는 로봇 수술이 임상 실무에 더욱 깊이 통합되어 가는 현실에서, 플랫폼별 안전성 특성을 검증하기 위한 전향적 등록자료 기반 점검 및 감시 체계의 구축이 시급함을 보여준다. 이상 사례의 상당수는 기기 결함과 인간 운용자의 판단 착오가 복합적으로 얽혀 있다. 오작동은 비인칭적 알고리즘에서 발원하지만, 그 피해는 지극히 인칭적인 한 인간의 몸과 삶에 귀결된다. 그렇다면 책임은 누구에게 있는가? 집도의인가, 병원인가, 소프트웨어 개발자인가, 의료기기 제조사인가, 아니면 해당 알고리즘을 심사·승인하고 제도화한 국가인가? 기술은 놀랍도록 빠르게 전진했지만, 책임의 언어는 그 속도를 따라가지 못했다. 칼날은 비인칭적이되, 그 칼날이 야기한 상처에 응답해야 할 책임은 끝내 인칭적일 수밖에 없다. 3. 정명(正名)의 요청-이름이 바르지 않으면 책임도 바르지 않다 이 문제는 과실 판단의 문제에 한정되어서는 안 된다. 그것은 인간이 생명과 고통의 문제를 어떤 방식으로 공적으로 감당할 것인가에 관한 질문이며, 그 질문의 출발점은 언제나 '이름'을 바로 세우는 일이다. 공자의 제자 자로가 '위나라 임금이 선생을 등용해 정치를 맡긴다면 무엇을 먼저 하시겠습니까?'라고 묻자, 공자는 '반드시 이름을 바로잡겠다(必也正名乎)'라고 답하였다. 이어 공자는 이름이 바르지 않으면 말이 순조롭지 못하고, 말이 순조롭지 못하면 일이 이루어지지 않으며, 일이 이루어지지 않으면 예악이 흥하지 못하고, 예악이 흥하지 않으면 형벌이 바르게 시행되지 않으며, 형벌이 바르게 시행되지 않으면 백성이 손발을 둘 바를 알지 못하게 된다고 설명한다 (논어 '자로' 3장). 오늘날 의료 AI를 둘러싼 논쟁도 마찬가지이지 않을까. 수술 로봇, AI 의료기기가 '보조 도구'인지, '판단 주체'인지, '책임 분산 장치'인지, '자율적 행위자'인지, '임상 의사결정 지원 시스템'인지, '대리 집도자'인지, '알고리즘적 공동 시술자'인지, 아니면 단순 '정밀 기계 장치'인지 그 이름부터 명확히 하지 못한다면, 책임의 귀속 역시 끝내 흐려질 수밖에 없다. 정교하게 작동하는 것과 그 작동의 결과에 응답할 수 있는 것 사이에는 메울 수 없는 존재론적 간극이 있다. 알고리즘은 오류를 일으킬 수 있지만 책임을 질 수 없고, 의사는 책임을 져야 하지만 알고리즘의 내부 논리를 온전히 이해하지 못한 채 그 결과를 감당해야 하는 구조 속에 놓일 수 있다. 이름이 불분명한 곳에서 책임은 안개처럼 흩어진다. 4. 드워킨의 원칙의 문제-규칙이 침묵하는 자리에서 법은 무엇으로 말하는가 로널드 드워킨(Ronald Dworkin)의 법철학은 이 지점에서 중요한 길잡이가 된다. 드워킨은 법을 단지 정해진 규칙들의 집합으로 보지 않았다. 그는 '원칙의 문제(A Matter of Principle,1985)'에서 법적 해석이 규칙 적용을 넘어 공동체의 정치적 도덕성과 일치해야 한다고 역설했다. 그에게 법은 중립적 기술이 아니라 공동체가 자신의 도덕적 정체성을 드러내는 언어였다. 드워킨이 말한 정치적 도덕성의 핵심은 국가가 모든 시민을 동등한 배려와 존중의 대상으로 대해야 한다는 원칙이다. 그것은 제도가 특정 집단의 이해를 다른 집단의 이해보다 구조적으로 우선시할 때, 그 제도는 정치적 도덕성에 반한다는 구체적 판단 기준이다. 이 기준을 의료 AI에 적용하면, 불편한 질문이 즉각 제기된다. 알고리즘의 편향 문제는 추상적 우려가 아니라 임상 현장에서 이미 실증된 현실이기 때문이다. 인공지능은 위험 요인을 식별하고, 질병을 예측하며, 초기 단계를 탐지하고, 조기 개입이 필요한 환자를 찾아내는 잠재력을 지닌다. 그러나 디지털 격차와 의료 서비스의 불평등은 역사적으로 소외된 집단에 더 큰 영향을 미친다. 일부 집단은 디지털 데이터셋에서 충분히, 또는 정확하게 대표되지 않거나 낮은 수준의 의료 서비스를 받아온 탓에, 그 결핍의 흔적이 데이터 속에 고스란히 남아 있다. 이러한 데이터가 알고리즘 학습에 사용될 때, 또는 연구 설계, 데이터 처리, 모델 개발, 테스트, 구현, 사후 임상 적용 등 어느 단계에서든 사용될 때, AI 편향은 발생할 수 있다. 훈련 데이터에서 기본적인 인구 통계 정보조차 대표성이 결여된 모델은 편향된 결과를 산출하여 기존의 건강 불평등을 악화시킨다. 가령 AI 알고리즘은 심혈관 질환의 위험이 있는 환자를 식별하여 질병의 경과를 바꿀 수 있는 조기 개입을 가능하게 하지만, AI 편향은 알고리즘의 개발, 검증, 평가 등 모든 단계에서 발생할 수 있다. 편향된 알고리즘은 나이, 성별, 인종 또는 민족, 사회경제적 지위에 따른 의료 불평등을 더욱 심화시킨다(Mihan et al., 2024). 공중보건 AI 모델의 상당수는 도시 병원과 고소득 국가의 데이터에서 도출되어, 문화적·언어적·유전적·환경적 다양성이 반영되지 않은 저소득 국가 및 소외 집단의 환자를 체계적으로 과소 진단하거나 오분류하는 결과를 낳게 된다. 수술 로봇 역시 예외가 아니다. 훈련 데이터에 특정 체형, 해부학적 변이, 인종별 신체 특성이 충분히 반영되지 않은 경우, 알고리즘의 절제 경로 권고는 특정 집단의 환자에게 더 높은 위험을 부과할 수 있다. 이처럼 편향된 알고리즘이 임상 현장에서 특정 환자 집단에게 구조적으로 낮은 수준의 의료 판단을 제공할 때, 그 시스템을 승인하고 운용하는 국가와 제도는 과연 모든 환자를 동등하게 배려하고 있는가. 드워킨의 언어로 말하자면, 이것은 정책적 효율성의 문제가 아니라 공동체의 정치적 도덕성이 시험받는 원칙의 문제이다. 5. 드워킨의 원칙이 규칙의 공백을 메울 때 그렇다면 구체적으로 무엇을, 어떻게 해야 하는가. 의료 로봇과 수술 AI의 오판은 드워킨적 의미에서의 '어려운 문제(hard case)'의 전형이다. 기존 법률은 제조물 책임, 의료 과실, 설명 의무, 사용자 주의의무 등을 개별적으로 규정하고 있지만, 이 규칙들을 기계적으로 대입하는 순간 책임은 분산되고 희석된다. 자율 시스템이 개입된 오판에서 어떤 단일 행위자도 전적인 책임을 지지 않는 상태, 이른바 '책임의 공백'이 구조적으로 발생하는 것이다. 기술 기업은 '의사는 참고만 하도록 되어 있었다'고 말하고, 의사는 '고도화된 시스템의 추천을 신뢰할 수밖에 없었다'고 말하며, 병원은 '공인된 제품이었다'고 항변한다. 규칙 중심의 사고는 이 책임의 고리를 잘게 잘라 흩어버린다. 그러나 원칙 중심의 해석은 그 분절된 조각들을 다시 하나의 도덕적 서사로 묶는다. 의료 AI의 오판 앞에서 우리가 물어야 할 것은 '마지막으로 버튼을 누른 사람이 누구인가'가 만이 아니다. 그런 질문은 책임의 표면만 훑을 뿐, 사태의 윤리적·법적 핵심에는 닿지 못한다. 더 본질적인 물음은 세 가지다. 첫째, 이 의료 공동체는 환자를 단지 데이터의 입력값이나 위험 관리의 대상으로 다룬 것이 아니라, 동등한 배려와 존중을 받아야 할 한 사람으로 대했는가. 둘째, 기술을 도입하고 운용하는 과정에서 충분히 예견할 수 있었던 위험에 대하여, 검증과 설명, 감독과 이의 제기 및 구제의 절차를 성실하게 마련했는가. 셋째, 실패가 현실이 되었을 때, 피해자가 그 원인과 경위를 납득할 수 있을 만큼 진실에 접근하고, 자신의 손해와 불안을 사회적으로 회복할 기회를 보장받는가. 이 물음들은 규칙의 적용만으로는 끝내 답해질 수 없다. 규칙은 책임의 형식과 절차를 정할 수는 있어도, 우리가 끝내 지켜야 할 가치가 무엇인지를 스스로 말해 주지는 못하기 때문이다. 바로 그 지점에서 원칙이 요청된다. 원칙은 누가 잘못했는지를 기계적으로 가르는 기준이 아니라, 어떤 공동체가 인간의 존엄과 신뢰, 공정성을 어떻게 떠받치고 있는지를 묻는 기준이다. 그러므로 의료 AI의 실패를 판단하는 일은 어떤 개인의 행위를 사후적으로 지목하는 데서 멈춰서는 안 된다. 그것은 기술을 둘러싼 제도와 실천 전체가 과연 정의로운 방식으로 조직되어 있었는지를 성찰하는 일이어야 한다. 법이 분명한 답을 내리지 못하는 자리에서조차 원칙이 먼저 말해야 하는 이유는 여기에 있다. 침묵하는 규칙의 빈틈을 메우는 것은 결국, 인간을 수단이 아니라 목적으로 대해야 한다는 공동체의 윤리이기 때문이다. 6. 결론: 드워킨의 정치적 도덕성-책임은 왜 개인을 넘어 제도로 가야 하는가 이 글이 제기한 핵심 문제는 의료 AI의 오판이 발생했을 때 책임을 누구에게 물을 것인가에 있었다. 그러나 이 질문은 집도의, 병원, 개발사, 제조사, 승인기관 가운데 한 주체를 지목하는 방식으로는 충분히 답이 될 수 없다. 의료 AI의 실패는 대개 개인의 단독 과실이 아니라 기술의 설계, 도입, 승인, 운영, 감독, 구제 절차가 얽힌 '제도적 구조' 속에서 발생하기 때문이다. 따라서 책임 역시 개인을 넘어, 그러한 위험을 가능하게 하고 배분한 제도로까지 '확장'되어야 한다. 드워킨은 법과 정치를 정치적 도덕성의 문제로 이해했다. 국가는 시민을 동등한 배려와 존중의 대상으로 대해야 하며, 제도는 그 원칙을 실제로 구현해야 한다. 이 관점에서 의료 AI의 책임 문제는 의료사고의 사후 처리에 머물지 않는다. 그것은 한 사회가 첨단기술의 위험을 어떤 기준 아래 통제하고, 그 위험과 손실을 누구에게 집중시키고 있는지를 묻는 문제다. 실제로 의료 알고리즘이 특정 인종 집단의 위험을 구조적으로 낮게 평가해 치료 자원의 배분을 왜곡한 사례는(Obermeyer et al., 2019) 기술이 중립적인 도구가 아니라 기존의 불평등을 재생산할 수 있는 제도적 매개임을 보여준다. 이런 상황에서 책임을 오직 개인 의료진에게만 돌리는 것은 구조적 실패를 '은폐'하는 일이다. 더욱이 현행 법과 규제는 의료 AI의 책임 구조를 충분히 명확히 하지 못하고 있다. 자율학습형 시스템의 책임 귀속, 사후 모니터링, 설명가능성, 피해구제 절차 등은 여전히 불완전하다. 그 결과 오판이 발생했을 때 환자에게 과도한 입증 부담이 전가되기 쉽다. 따라서 정치적 도덕성은 제도에 최소한 세 가지를 요구한다. 첫째, AI가 어디까지 보조 수단이며 어디서부터 실질적 판단 권한을 가지는지 명확히 해야 한다. 둘째, 인간 의료진에게 최종 책임을 부과한다면, 그 책임을 감당할 수 있도록 시스템의 투명성과 검증 가능성을 보장해야 한다. 셋째, 피해 발생 시 환자가 진실에 접근하고 실질적으로 회복할 수 있는 절차를 마련해야 한다. 이는 기술 규제가 아니라, 시민을 동등한 존엄의 주체로 대하겠다는 공적 약속의 표현이다. 결국 의료 AI 시대에 필요한 것은 '누가 잘못했는가'만을 묻는 체계가 아니다. 더 중요한 것은 실패가 발생했을 때 진실이 은폐되지 않고, 피해가 신속히 회복되며, 동일한 오류가 반복되지 않도록 제도와 문화를 함께 바꾸는 책임 구조를 만드는 일이다. '책임을 지나치게 개인화하면 구조가 숨고, 지나치게 구조화하면 개인의 윤리가 사라진다.' 그러므로 미래의 책임 법리는 '개인과 제도, 행위와 구조를 아우르는 이중적 설계'를 요청한다. 의료 AI의 오판은 기계적 오류로 축소될 사안이 아니라, 인간 공동체가 생명의 영역에서 책임을 어떠한 원리 아래 조직하고 분배할 것인가를 가늠하는 시금석으로 봐야한다. 이 물음 앞에서 법은 더욱 치밀해져야 하고, 정치는 더욱 도덕적이어야 하며, 의학은 다시 인간을 중심에 두는 본연의 책무를 회복해야 한다. ◆ 필자 박형빈 서울교대 교수는.... ▲약력 · 서울교육대학교 윤리교육과 교수 · 미국 UCLA 교육학과(Department of Education) 방문학자 · 서울교육대학교 교육전문대학원 에듀테크전공·어린이철학교육전공 교수 · 서울교육대학교 신경윤리·가치AI융합교육연구소 소장 ▲주요 경력 및 사회공헌 · 현 신경윤리융합교육연구센터 센터장 · 현 가치윤리AI허브센터 센터장 · 현 경기도교육청 학교폭력예방자문위원 · 현 통일부 정책자문위원 · 현 민주평화통일자문회의 자문위원 ▲주요 수상 · 세종도서 학술부문 우수도서 3회 선정 ― 『어린이 도덕교육의 새로운 관점』(2019, 공역), 『뇌 신경과학과 도덕교육』(2020), 『양심: 도덕적 직관의 기원』(2024, 역서) ▲주요 저서 · 『도덕적 AI와 인간 정서』(2025) · 『BCI와 AI 윤리』(2025) · 『질문으로 답을 찾는 인공지능 윤리 수업』(2025) · 『AI 윤리와 뇌신경과학 그리고 교육』(2024) · 『양심: 도덕적 직관의 기원』(2024) · 『도덕지능 수업』(2023) · 『뇌 신경과학과 도덕교육』(2020) · 『통일교육학: 그 이론과 실제』(2020) ▲연구 및 전문 분야 · 도덕·윤리교육, 신경윤리 기반 도덕교육

2026.03.21 10:37박형빈 컬럼니스트

트럼프 정부, 퀄컴에 "28년 LA올림픽까지 6G폰 준비해달라"

“트럼프 정부가 2028년 LA올림픽에 맞춰 6G 상용 디바이스 3종을 준비해달라고 우리에게 요청했다.” 퀄컴에서 대외업무담당 수석부사장을 맡고 있는 네이트 티비츠는 폴리티코가 주최한 행사에서 “트럼프 정부는 6G 통신에 매우 큰 관심을 갖고 있으며 2029년 상용 서비스 개시를 목표로 하고 있다”며 이같이 말했다고 통신전문매체인 피어스네트워크가 전했다. 미국 정부 차원에서 LA올림픽에 맞춰 6G 통신 상용화를 서두르고 있다는 뜻이다. 티비츠 부사장은 “(6G 상용화) 일정이 상당히 빠르게 앞당겨지고 있다”고 강조하기도 했다. 과거 5G 통신 세계최초 상용화 경쟁에서 한국이 실제 2019년 상용서비스 개시에 앞서 2018년 평창 동계올림픽에서 5G 시범서비스를 선보인 것처럼 미국은 2029년 상용화를 목표로 2028년에 6G 스마트폰을 통한 서비스를 내놓겠다는 설명이다. 아만 2028년 LA올림픽이 열리는 시점에 6G 통신에 대한 글로벌 표준이 정립되기 어렵다. 이에 따라 외신은 “제조사들이 어떻게 6G 디바이스를 제공할 것인지는 불확실하다”고 평했다. 실제 국제전기통신연합(ITU)은 2027년부터 IMT-2030 프레임워크를 위한 기술 제출 절차를 시작하며 이 과정은 2029년 초까지 이어질 예정이다. 이후 ITU가 IMT-2030 기술을 지정하는 작업은 2030년경 완료될 것으로 예상된다. 아울러 3GPP도 첫 번째 6G 표준인 릴리즈21(Rel.21)을 준비 중이며, IMT-2030이 완성되는 2030년에 맞춰 확정될 것으로 보인다. 외신은 “결국 2028년 올림픽에 맞춰 등장하는 상용 디바이스는 실제 6G라기보다는, 6G처럼 보이도록 포장된 5G 디바이스가 될 가능성이 높다”면서 “'6G 느낌'을 덧입힌 5G 기술이 올림픽 무대에 등장할 것으로 예상된다”고 전망했다.

2026.03.21 08:59박수형 기자

Prev 11 12 13 14 15 16 17 18 19 20 Next