자, 이제는 인정할 때가 되지 않았을까? AI 모델이 점점 똑똑해진다는 이야기는 사실 좀 딴짓거리였던 게 사실이다. 수년간 우리는 끊임없는 벤치마크와 점점 더 세련된 채팅 인터페이스에만 열광했지만, 정작 중요한 것, 즉 이 기술이 ‘실제로 어떻게 사용되는지’는 뒷전으로 밀려 있었다. 하지만 지난주, 무언가 달라졌다. 단순한 최신 LLM(대규모 언어 모델)의 성능 향상이라기보다는, 우리의 디지털 발밑 땅이 흔들리는 듯한 느낌이었다.
가장 큰 뉴스는 단연코 지금 AI계의 중력 중심인 OpenAI의 GPT-5.5 출시로 보인다. 물론 벤치마크 성능 향상이나 개선된 추론 능력은 예상했던 수순이다. 그것이 바로 AI의 ‘방향’이니까. 하지만 개발팀과 기업 IT 부서의 조용한 복도에서 속삭여지는 진짜 이야기는, 이 모델들이 더 이상 고립된 지능이 아니라는 것이다. 그것들은 실제 업무가 일어나는 시스템, 즉 여러분의 코드 에디터, 회사 내 삐걱대는 워크플로우, 혼돈의 클라우드 환경, 끝없는 슬랙 대화, 그리고 그래, 모두가 떠들어대는 ‘에이전트 인터페이스’와 복잡한 거미줄처럼 얽히고 있다.
이것은 단순한 더 나은 챗봇을 넘어서는 이야기다. 이것은 행동을 조정하고, 그리고 ‘조정할’ 수 있는 계산 엔진에 관한 것이다. 한번 생각해 보자. 최첨단 모델은 더 이상 모델 그 이상이 아니다. 그것은 런타임이다. 연구 파이프라인부터 기업의 낡은 비서까지 모든 것에 통합되는 지능 계층인 것이다. 게임은 근본적으로 ‘더 똑똑한 대화’에서 ‘실행 가능한 작업’으로 바뀌었다.
AI 기업, 이제 진짜 게임에 뛰어들다 (진심으로)
그리고 OpenAI의 이번 주 행보들은 그 점을 더욱 확실히 보여주었다. 그들의 ‘Workspace Agents’는 단순히 기업용으로 개량된 커스텀 GPT가 아니다. 이것은 AI가 말 그대로 ‘제도적 절차’로서 작동하는 초기 단계다. 회사 내부에 거주하며 클라우드에서 작동하고, 챗GPT 및 슬랙과 잘 어울리며, 당신의 권한을 존중하고, (드디어!) 맥락을 기억하며, — 그리고 들어봐라 — 장기 워크플로우까지 실행하는 에이전트를 상상해보라. 이것은 단순한 생산성을 넘어 조직 생활의 직물 속으로 AI가 짜여 들어가는 것이다.
게다가 ChatGPT Images 2.0도 빼놓을 수 없다. 갑자기 AI는 텍스트나 코드를 뱉어내는 것을 넘어 시각적 생산으로까지 확장되고 있다. 더 나은 텍스트 렌더링, 다국어 구사 능력, 실제 시각적 추론, 그리고 AI가 마치 심사숙고하듯 계획하고 정교하게 다듬는다는 ‘생각하는 이미지’라는 것을 구현했다. 마치 챗GPT를 단일 목적 앱에서 다중 모드 작업 환경으로 바꾸려는 시도 같다. 텍스트, 코드, 이미지, 도구, 메모리, 승인, 에이전트… 이 모든 것이 하나로 융합되고 있다.
xAI/Cursor 인수, 왜 중요할까? (힌트: ‘통제’ 때문이다)
xAI와 Cursor의 계약? 이것은 단순한 기술 인수가 아니다. 이것은 더 큰 변화를 완벽하게 보여주는 사례다. Cursor는 AI 네이티브 소프트웨어 개발이 기발한 신기함에서 벗어나 근본적인 무언가로 발전하는 가장 명확한 예 중 하나로 부상했다. 그리고 코드? 코드는 AI 에이전트에게 이상적인 놀이터다. 왜냐고? 명확하기 때문이다. 테스트 가능하다. 조합 가능하다. 그리고 가장 중요하게, 경제적으로 필수적이다. 코딩 에이전트는 초안 작성, 편집, 실행, 디버깅, 검증까지 할 수 있다. 진행 상황을 실제로 측정할 수 있는 루프 내에서 작동한다. 그리고 AI에서, 그 루프를 소유하는 사람 — 즉, 그 근본적인 워크플로우를 통제하는 사람 — 이 미래의 상당 부분을 통제한다. 일론은 여기서 장기적인 수를 두고 있다.
한편, DeepSeek V4와 Kimi 2.6을 무시할 수는 없다. 이들은 단순히 따라잡는 것이 아니라, 오픈 및 세미 오픈 진영에서 빠르게 격차를 좁히고 있다. 경쟁은 더 이상 누가 더 예쁜 챗봇을 가졌느냐가 아니다. 그것은 긴 컨텍스트 창, 순수한 코딩 능력, 도구 통합, 당신의 노트북을 던지고 싶게 만들지 않는 지연 시간, 그리고 신뢰할 수 있는 에이전트적 행동에 관한 것이다. 전장의 중심은 명확히 이동했다.
이제는 대화를 통한 지능이 아니다. 실행을 통한 지능이다. 이것이 바로 운영 혁명이다.
당신의 직업에는 무엇을 의미할까?
모델 자체가 더 이상 제품이 아니다. 제품은 모델에 하네스, 도구, 메모리, 권한, 환경, 그리고 피드백 루프가 더해진 것이다. 우리는 질문에 ‘답변하는’ 시스템에서 ‘일을 수행하는’ 시스템으로 나아가고 있다. 만약 당신의 역할이 자율적으로 작업을 수행할 수 있는 AI와 어떻게 연계되는지 — 혹은 어떻게 대체되는지 — 에 대해 생각하고 있지 않다면, 이미 뒤처진 것이다.
AI 연구 심층 분석
연구 분야에서는 Google의 DeepMind와 Google Research가 “Decoupled DiLoCo”를 개발했다. 이 아이디어는 LLM 훈련을 하드웨어 장애와 네트워크 문제에 더 강하게 만드는 것이다. 컴퓨팅을 독립적이고 비동기적으로 대화하는 ‘학습자’로 분할함으로써, 시스템에 의도적으로 혼란을 주입해도 훈련 효율성을 높이면서 성능을 괜찮게 유지한다고 한다. 막대한 돈이 걸린 거대한 훈련 실행에서 보면 현명한 접근이다.
다음으로 Inclusion AI와 Ant Group의 LLaDA2.0-Uni가 있다. 이것은 단일 프레임워크 내에서 다중 모드(텍스트와 이미지 등)를 이해하고 생성하는 것을 모두 처리하도록 설계된 통합 이산 확산 모델이다. 시각적 입력을 의미론적 토큰으로 이산화하고 블록 단위 확산을 사용한다. 놀랍게도 전문적인 시각-언어 모델을 따라잡을 수 있으며, 겹쳐진 생성 및 추론까지 처리할 수 있다고 한다. 복잡하게 들리지만 목표는 분명하다: 만물을 지배할 하나의 모델이다.
마지막으로 카네기 멜론 대학교와 Amazon AGI가 SkillLearnBench를 발표했다. 이것은 AI 에이전트가 20가지 실제 작업에서 어떻게 지속적으로 새로운 기술을 학습할 수 있는지 테스트하기 위해 특별히 설계된 최초의 벤치마크로 제안되었다. 초기 결과에 따르면 지속적인 학습 방법이 분명 개선을 가져오지만, 에이전트가 숙련된 전문가처럼 새로운 능력을 부드럽게 습득하고 적응하기까지는 아직 갈 길이 멀다는 것을 시사한다.
여기서 저만의 독특한 통찰은 무엇이냐고? 우리는 초기 인터넷 시절의 재방송을 목격하고 있다. 웹이 단순한 정적 페이지였을 뿐인데, 갑자기 전자상거래, 소셜 미디어, 그리고 앱 폭발이 일어났던 때를 기억하는가? AI는 원시 정보 처리에서 복잡하고 시스템 통합적인 작업 실행으로 나아가면서 그들만의 캄브리아기 대폭발을 겪고 있다. 이러한 AI 에이전트가 작동할 수 있는 안정적이고 신뢰할 수 있으며 접근 가능한 ‘환경’을 구축할 수 있는 기업이, 반드시 가장 큰 모델을 가진 기업이 아니라 새로운 거인이 될 것이다.
그리고 누가 실제로 여기서 돈을 벌고 있을까? 지금은 이 모델들을 수익성 있는 워크플로우에 통합할 수 있는 플랫폼이다. OpenAI는 AI 작업의 운영체제로 자리매김하고 있다. xAI는 Cursor를 인수함으로써 중요한 개발자 워크플로우에 발을 들이고 있다. AI 개발 및 배포를 위한 인프라와 도구를 판매하는 회사들도 잘 나갈 것이다. 이것은 땅따먹기이고, 지도는 여전히 매우 비싼 잉크로 그려지고 있는 중이다.
