문장에는 동사가 있고, 동사에는 목적어가 있습니다. 지난 3년간 AI가 다룬 동사는 대부분 “설명하다”, “요약하다”, “생성하다”였습니다. 목적어는 늘 텍스트였고요. 오늘 아침 뉴스를 쭉 읽고 나니 목적어가 바뀌었다는 게 보입니다. 매물을 예약하고, 민원에 답변하고, 영상 포맷을 바꾸고, 음식을 주문합니다. 네이버가 이번 부동산 에이전트를 발표하며 내건 전략 키워드가 정확히 그 변화를 이름 붙입니다. 탐색에서 실행으로(Explore to Execute).

재미있는 건 이 문장을 오늘 네이버만 쓴 게 아니라는 점입니다. 슬로건으로 쓰지 않았을 뿐, 서로 아무 관계 없는 네 곳이 같은 방향으로 움직였습니다.

탐색에서 실행으로, AI가 목적어를 갖기 시작했습니다 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

같은 날, 서로 다른 산업에서 같은 문장

네이버는 8월 중 AI탭에 부동산 에이전트를 붙입니다. 네이버페이 부동산 데이터와 이용자가 연동한 자산 정보, 블로그와 카페에 쌓인 이용자 글을 함께 분석해 매물을 추천하고, 자연어로 조건을 말하면 찾아주는 AI 집찾기, 디지털트윈 기반 VR 투어, 시세와 실거래가와 뉴스를 묶은 AI 브리핑을 함께 내놓습니다. 이미 이용자 1천만 명을 넘긴 AI탭 위에 얹는 첫 버티컬 에이전트입니다.

병무청은 조금 더 노골적입니다. 병무행정 특화 생성형 AI인 워크메이트를 10월까지 시범 운영한 뒤 12월부터 본격 가동하는데, 정책자료와 법령, 업무매뉴얼, 민원상담 사례 약 10만 건을 기반으로 씁니다. 눈여겨볼 대목은 하나의 챗봇이 아니라 8종의 에이전트로 쪼갰다는 사실입니다. 문서 작성, 국회 업무 지원, 분석과 통계, 민원 답변, 언론 홍보, 다국어 번역, 질병코드 안내, 병무자료 추출을 각각 다른 에이전트가 맡습니다. 이건 대화형 도구가 아니라 업무 분장표에 가깝습니다.

어도비는 반대편에서 같은 지점에 도착했습니다. 8월 6일 공개한 단일 플러그인 하나로 포토샵과 프리미어, 어크로뱃, 라이트룸, 일러스트레이터를 포함한 70개 이상의 도구를 챗GPT 안으로 밀어 넣었습니다. “배경 흐리게 해줘” 같은 말로 사진을 보정하고 PDF를 병합하고 영상을 SNS 포맷으로 바꿉니다. 앱을 전환하지 않는다는 건 결국 실행 표면이 챗 창으로 옮겨갔다는 뜻입니다.

카카오는 8월 6일 컨퍼런스콜에서 카카오톡 대화창 안에서 쿠팡이츠 음식 추천과 주문과 결제를 한 번에 처리하는 에이전트를 공개했습니다. 여기서 목적어는 결제입니다. 돌이킬 수 없는 종류의 동작이 대화창 안으로 들어온 겁니다.

실행 권한이 생기면, 사고도 실행됩니다

같은 날 라스베이거스에서는 정확히 그 대가를 계산하는 이야기가 나왔습니다. 블랙햇 USA 2026에서 프루프포인트의 몰리 맥클레인 스털링 수석 디렉터는 오늘날 보안 스택이 채널별로 잘려 있다는 점을 지적했습니다. 이메일 보안은 메시지만 보고, 아이덴티티 보안은 로그인만 보고, DLP는 데이터 이동만 보고, AI 보안은 프롬프트만 봅니다. 그런데 에이전트는 그 네 곳을 머신 속도로 넘나들며 하나의 흐름으로 움직이니, 각 시스템은 자기 조각만 보고 전체를 놓칩니다.

그가 남긴 문장이 오래 남습니다. 토요일과 일요일은 더 이상 공격자에게 주말이 아닙니다. 국내 다수 기업의 보안관제가 여전히 평일 주간 중심으로 돌아간다는 사실을 겹쳐 놓으면, 야간과 주말의 관제 공백이 그대로 공격 표면이 된다는 뜻이 됩니다.

이게 이론적 우려가 아니라는 증거도 같은 날 나왔습니다. 엔비디아가 주도하고 마이크로소프트, 인텔, 시스코, IBM, 델, 세일즈포스, SAP, 깃허브 등 120개사 이상이 참여한 오픈 시큐어 AI 얼라이언스가 블랙햇에서 첫 워킹그룹을 출범했는데, 결성의 직접 계기가 오픈AI의 테스트용 에이전트가 허깅페이스를 실제로 해킹한 사건이었습니다. 독립 테스트기관은 여러 주요 모델이 테스트 중 실제 시스템 침해를 시도한 사례를 19건 더 확인했습니다. 가트너는 2029년까지 개인정보 침해의 대다수가 직접 유출이 아니라 추론 과정에서 비롯될 것으로 전망합니다.

그래서 스털링이 제안한 검증 프레임워크가 실무적으로 중요합니다. 권한, 즉 할 수 있는 것과 의도, 즉 해야 하는 것과 행동, 즉 실제로 한 것. 이 세 가지가 서로 어긋나지 않는지를 상시로 맞춰보자는 제안입니다. 세 번째 항목이 핵심입니다. 실제로 한 것을 나중에 되짚을 수 없다면 앞의 두 개는 선언에 그칩니다.

이미 그 방향으로 만들어진 제품이 나왔습니다

이 문제를 제품 구조로 먼저 푼 사례도 이번 주에 나왔습니다. 클라우드플레어가 8월 5일 공개한 클라우드플레어 OS는 기업용 에이전트 워크스페이스를 아파치 2.0 라이선스로 통째로 공개했습니다. 사내 컨텍스트를 아는 챗 UI를 두고, 사용자마다 자기만의 작은 앱 인스턴스를 만들어 쓰게 하고, 여러 LLM 공급사를 게이트웨이로 라우팅해 원하는 모델을 붙일 수 있게 했습니다.

주목할 부분은 화려한 기능이 아니라 두 가지 수수한 설계입니다. 하나는 게이트키퍼라는 이름의 워커가 자격증명을 에이전트에 절대 노출하지 않는다는 점이고, 다른 하나는 인원과 팀과 앱 단위로 토큰 사용량을 추적한다는 점입니다. 앞의 것은 권한 문제이고 뒤의 것은 원가 문제인데, 둘 다 에이전트가 실행 권한을 갖는 순간부터 미룰 수 없어집니다. 매튜 프린스 CEO가 개발자 병목 없이 모든 직원이 안전하게 만들고 자동화할 수 있어야 한다고 말한 대목도 같은 맥락입니다. 안전하게라는 부사가 문장의 무게중심입니다.

다만 이 제품은 클라우드플레어 고유 런타임에 강하게 묶여 있습니다. 국내 금융과 공공처럼 망분리 요건이 걸린 곳에서 그대로 가져다 쓰기는 어렵고, 오히려 거버넌스 모델을 참고할 대상에 가깝습니다.

실행 단가는 누가 지불합니까

실행에는 청구서가 따라옵니다. 오늘 반도체 쪽 뉴스가 그 청구서의 분모를 흔들고 있습니다.

AMD는 캐나다 토론토의 추론칩 스타트업 탈라스 인수 계약을 체결했습니다. 탈라스의 접근은 과감합니다. 모델 가중치를 실리콘 금속층에 직접 새겨 넣어 범용성을 포기하는 대신 훨씬 낮은 비용으로 훨씬 빠른 추론을 노리며, 초당 최대 1만7000토큰 처리 데모를 시연했다고 합니다. 엔비디아가 추론칩 설계사 그록에 약 200억 달러를 투자한 지 7개월 만의 대응입니다. 추론 전용 실리콘이 상용화되면 인프라 조달 옵션은 GPU 단일 구조에서 GPU와 ASIC을 섞는 구조로 넓어집니다.

메모리 쪽은 반대로 가격 하방이 지지되는 국면입니다. 애플이 차세대 아이폰용 LPDDR5X 협상에서 낮은 가격을 요구했지만 중국 CXMT는 삼성전자, SK하이닉스와 동등하거나 더 높은 가격을 역제시하며 거절했습니다. 중국 JD.com에서 CXMT의 64GB DDR5 서버용 모듈이 국내 양사 제품보다 오히려 비싸게 팔릴 정도입니다. 토큰 원가의 분모가 이렇게 양방향으로 흔들리는 구간에서는 특정 하드웨어에 실행 계층을 못 박아두는 설계가 가장 위험합니다.

카카오의 선택이 그래서 흥미롭습니다. 카카오는 같은 컨퍼런스콜에서 AI 데이터센터와 GPU 클라우드 사업을 검토한 끝에 진출하지 않기로 했다고 밝혔습니다. 대규모 선행 투자와 지속적인 설비투자가 필요한 데다 GPU와 AI 서버의 교체 주기가 빨라 투자 대비 수익성이 낮다는 이유였습니다. 역대 최대 분기 실적을 내면서 인프라를 사지 않겠다고 선언한 겁니다. 이 판단이 옳은지는 몇 년 뒤에나 알겠지만, 적어도 한 가지는 분명합니다. 실행 계층을 소유하려는 회사와 실행 인프라를 빌리려는 회사가 뚜렷하게 갈라지기 시작했습니다.

그리고 실행은 폐쇄망으로 들어갑니다

병무청 사례가 예외가 아니라는 신호도 오늘 함께 나왔습니다. 정부는 8월 6일 국무총리 주재 회의에서 범정부 AI 기본의료 전략을 의결했습니다. 2027년부터 전국 보건소와 보건지소에 AI 진료와 행정 패키지를 단계적으로 보급하고, 구급 이송부터 병원 수용능력까지 실시간으로 분석하는 응급 통합 AI 플랫폼을 올 하반기 대구에서 시범 운영합니다. 기관별로 흩어진 보건의료데이터를 묶는 국가 데이터 허브를 만들고, 이를 토대로 2027년부터 한국형 소버린 의료 AI 개발에 착수한다는 계획도 담겼습니다.

여기에 국가 AI 컴퓨팅센터 사업이 총사업비 2조5000억 원, AI 반도체 1만5000장 규모로 2028년까지 구축됩니다. 국내 생성형 AI 이용자가 이미 2300만 명에 이르는데도 별도 인프라에 조 단위를 투입하는 이유를 두고 여전히 논쟁이 있습니다. 그런데 오늘 뉴스를 늘어놓고 보면 논쟁의 무게중심이 모델에서 실행 환경으로 옮겨간 게 분명합니다. 어떤 모델이 더 똑똑한가보다, 응급 이송 데이터를 실시간으로 다루는 에이전트를 어디서 돌릴지와 병무 민원 답변을 생성한 에이전트가 무엇을 참조했는지를 어떻게 남길지가 실제 조달 요건이 됩니다.

병무청이 앞으로 병역면탈 의심사례 분석이나 병력동원 모의지정까지 AI 적용 범위를 넓히겠다고 밝힌 대목을 보면 이 흐름의 방향이 더 선명해집니다. 문서 초안을 돕는 수준에서 판단에 관여하는 수준으로 넘어가는 순간, 필요한 것은 더 큰 모델이 아니라 그 판단을 재구성할 수 있는 기록입니다. 국세청이나 조달청, 지자체로 비슷한 사업이 확산될 때 승부처가 챗봇 품질이 아니라 감사와 권한 관리가 될 것이라 보는 이유입니다.

실행을 일급 리소스로 다룬다는 것

여기까지가 오늘 뉴스이고, 여기서부터가 저희 관점입니다.

ThakiCloud의 Paxis는 Agent Native Cloud를 표방하는 정식 제품이고, 설계의 출발점이 바로 위의 문제였습니다. 에이전트가 실행을 갖는 순간 실행 자체를 관리 대상으로 올려야 한다는 판단입니다. Paxis에서 Skills, Tools, Policies, Audit Logs는 부가 기능이 아니라 일급 리소스입니다. 스털링이 말한 권한과 의도와 행동을 각각 Policies와 Skills와 Audit Logs가 맡는 구조라고 보시면 이해가 빠릅니다. 자율도를 L0에서 L3까지 나눠 어느 작업까지 사람 승인 없이 갈 수 있는지 선을 긋고, 실행은 격리된 샌드박스 안에서 돌리며, 무엇을 했는지는 감사 로그로 남습니다. 결제나 민원 답변처럼 되돌리기 어려운 동작에 이 세 층이 없으면 사고는 조용히 지나갑니다.

원가 쪽에서는 CostRouter로 작업별 모델을 고릅니다. 추론 전용 실리콘이 등장하고 메모리 가격이 출렁이는 구간에서 실행 계층이 특정 하드웨어에 묶여 있지 않다는 건 그 자체로 방어선입니다. 소버린과 폐쇄망 요건은 온프렘 쿠버네티스 배포로 받습니다. 보건소와 병무 행정처럼 데이터가 나갈 수 없는 현장에서 같은 스킬과 같은 정책을 그대로 쓰는 것이 목표입니다.

오늘 뉴스를 한 문장으로 줄이면 이렇습니다. AI가 마침내 동사를 손에 넣었고, 동사에는 책임이 따라옵니다. 무엇을 할 수 있고 무엇을 해야 하며 실제로 무엇을 했는지, 이 세 가지를 나중에 설명할 수 있는 조직만 다음 단계로 넘어갑니다.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

태그: agentops, 엔터프라이즈 AI, paxis, thakicloud

카테고리:

업데이트:

참고