젠슨 황은 ‘다음’이라 불렀습니다. 연합뉴스의 보도를 그대로 빌리면, ‘다음 AI 거대 시장은 사이버 보안’. 컴퓨트를 파는 엔비디아의 선언입니다. 그런데 같은 날 다른 두 회사는 ‘다음’이라 말하지 않았습니다. 이미 일하고 있었죠. 전자신문은 네이버가 보안 특화 AI 모델에 2000억 원을 투입해 글로벌 정상에 도전한다고 보도했고 바이라인네트워크는 네이버클라우드가 소버린 AI 전략의 다음 무대로 사이버보안을 지목했습니다. 세 문장, 세 개의 자리, 그리고 같은 날. ‘다음’이라고 부른 쪽은 컴퓨트 공급자였고, 이미 일하고 있던 쪽은 모델사 하나, 소버린 클라우드 사업자 하나였습니다. ‘다음’과 ‘출근’ 사이의 이 간극, 오늘 다이제스트에서 가장 신선한 신호라고 봅니다. 시장에 ‘다음’이라는 말이 붙어 있는 동안, 대개 밖에서 지켜보는 대상이죠. 그런데 공급 쪽이 이미 출근해 있다면, 수요 쪽에 남을 일은 하나입니다. 일할 자리를 미리 만들어 두는 것. 시장에 먼저 출근한 쪽과 늦게 출근한 쪽은, 결국 앉을 자리가 달라지니까요. 이 글은 보안 시장이 왜 일찍 왔는지, 돈은 어디로 가는지, 그리고 기업 쪽에는 무엇이 남는지 순서로 오늘 뉴스를 읽습니다.

보안, 다음 시장이 아니라 출근한 시장 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

‘다음’이라 부르지만 일하고 있는 이유: 실행 표면이 넓어졌기 때문

먼저 AI가 일하는 표면을 보겠습니다. 보안 시장은 그 표면을 따라오기 때문인 셈입니다. 오늘의 다이제스트에 가장 직접한 증거가 있습니다. 구글 제미나이가 맥 버전 출시 반년 만에 윈도우 앱을 내놓고, Alt+Space라는 글로벌 단축키를 얹었습니다. 위키트리는 이를 OS 레벨 에이전트 진입이라고 부르는 것입니다. 변화는 작아 보이지만 뜻이 큽니다. 에이전트의 문이 웹 브라우저에서 운영체제 자체로 옮겨간 것이니까요. 단축키는, 에이전트를 장치의 어디에서든 부를 수 있다는 뜻입니다. 특정 앱의 창을 찾아 들어갈 필요가 없어진 것이죠. 이제 에이전트는 장치에 사는 거주자가 됩니다.

애플은 다른 방향입니다. AI타임스에 따르면 새 CEO의 첫 무대에서 ‘AI 시대에도 결국 아이폰이 개인 AI 허브’라는 기치를 꺼냈습니다. 데스크톱, 그리고 폰. 기사 두 편은 서로 다른 회사에 관한 것인데, 둘 다 ‘에이전트가 어디에 사느냐’를 묻고 있습니다. 답은 같습니다. 장치 위,라는 겁니다.

실행의 표면은 장치에서 산업으로까지 넓어졌습니다. 이데일리는 챗GPT가 투자은행 업무까지 파고들고 있다고 보도했고, 오픈AI의 월가 공략은 실제로 진행 중인 일입니다. 국내에서는 포티두마루가 문서 자동화를 넘어 공장 판단까지 손을 뻗어 디스플레이 AX 해법을 제시했다고 벤처스퀘어는 전했습니다. 트레이딩 데스크, 그리고 공장 바닥. 공통 명사는 ‘판단’입니다. AI의 자리가 ‘답하는 것’에서 ‘행동하는 것’으로 이동하고 있는 겁니다. 눈여겨볼 것은, 이 표면들이 모두 ‘물어보는 곳’이 아니라 ‘판단이 시스템 안에서 실행되는 곳’이라는 것입니다. 대화창 밖에서 일이 진행될수록, 대화가 남기지 못하는 기록의 문제가 커지죠.

그리고 행동하는 표면은 곧 리스크가 태어나는 표면이다. 에이전트가 시스템과 데이터에 닿는 면이 넓어질수록, ‘그것이 해야 할 일을 했는가’라는 질문은 커진다. 사람의 실수는 비용의 상당 부분을 그 사람이 감당한다. 그런데 권한을 쥔 에이전트의 실수는 비용이 조직에 그대로 남기 때문이다. 이 비대칭이 보안 시장의 본질인 셈이다. 이 시장은 실수의 비용을 관리하는 일에서 태어났다고 봐야 하는 것이다.

젠슨 황의 선언을 이렇게 보면 지도 독해가 된다. 컴퓨트를 파는 쪽은 지도의 방향을 가장 빨리 읽는 법이니까요. 브라우저에서 OS로, OS에서 장치로, 장치에서 산업으로. AI가 일하는 표면은 분기 단위로 넓어지고 있다. 위험이 태어나는 표면도 같은 속도로 넓어지고 그 표면을 따라오는 예산이 곧 보안 시장인 셈이다. 일하는 곳에 컴퓨트가 따라가고 위험한 곳에 보안이 따라간다는 것은 새 규칙이 아니라, 계속 지켜진 규칙인 셈이다.

2000억이 가리키는 것

네이버의 베팅은 ‘큰돈 투자’보다 정밀하게 읽을 수 있다. 전자신문은 그 이유를 한 줄로 담아냈다. ‘보안 AI 수요 크게 늘 것’. 그런데 이 베팅에는 두 개의 판단이 들어 있다.

첫째, 보안은 특화라는 판단이다. 보안의 일은 로그를 읽고 이상을 판별하는 일이다. 여기서 승부를 가르는 데이터는 조직 자신의 운영 기록. 내 시스템이 어떤 모양인지, 예외가 한 번 어떻게 터졌는지가 기억되어야 하니까요. 네이버는 특화 모델로 글로벌 정상 도전을 짚었습니다. 특화의 성패가 데이터에 달려 있다는 구조도 곁에 놓을 만합니다. 벤치마크 점수는 공개되고 비교되지만 운영 기록은 사적이라서, 보안 특화 모델은 모일수록 강해집니다. 데이터 축적 자체가 해자가 되는 산업이라는 뜻이죠.

둘째, 수요는 이미 오는 중이라는 판단입니다. ‘크게 늘 것’이라는 말은, 바로 앞에서 본 실행 표면의 확장을 전제로 하고 있습니다. 데스크톱, 폰, 트레이딩 데스크, 공장. 네이버는 같은 지도를 읽고 수요를 기다리지 않고 공급을 먼저 만드는 쪽을 택한 것입니다. 모델사가 ‘보안’을 별개의 특화로 선언한 날, 보안 시장은 산업으로서 확인되었다고 말해도 되는 것입니다.

그 산업의 일 모양도 한 번 더 짚어 보겠습니다. 보안 모델이 하는 일은 대화와 다르다. 멈추지 않는 시스템의 로그를 계속 바라보다가, 어느 한 줄이 정상이고 어느 한 줄이 공격인지 판단해야 하는 것입니다. 그리고 사고가 퍼지는 속도에 맞춰 반응해야 하죠. 이것은 질문에 답하는 일보다 감시하는 일에 가깝습니다. 그래서 일어나는 장소가 운영 시스템 안쪽이라는 것이 이상하지 않습니다. 보안 특화 모델의 가치는 이상을 알아채고 막는 데 들이는 시간에서 증명될 것입니다. 이런 일에서 단위는 정확도가 아니라 속도입니다. 알아챈 속도가 곧 손실의 크기이고 그래서 보안은 모델과 시스템이 함께 경쟁하는 분야가 되는 겁니다.

소버린의 다음 칸은 ‘검증’

네이버클라우드의 선언은 보안과 소버린을 이어 줍니다. 바이라인네트워크에 따르면 네이버클라우드가 그리는 소버린 AI의 다음 무대는 사이버보안입니다. 표면적으로는 다른 두 단어인데, 밑에 깔린 질문은 같습니다. 소버린은 ‘데이터를 어디에 두는가’를 답하고 보안은 ‘누가 어떻게 검증하는가’를 답하니까요.

데이터가 경계를 넘어가지 않는 순간, 다음 질문은 안쪽이 안전한지 증명할 수 있느냐입니다. 검증 없는 소버린은 약속이고 소버린 없는 검증은 남의 시스템을 감사하는 일에 불과합니다. 둘은 합쳐질 때야말로 하나의 화폐가 됩니다. 소버린 AI를 돌리는 기업이 ‘데이터는 안에 있다’고 말하는 날, 다음 질문은 ‘안에서 에이전트가 해를 안 일으켰다는 것을 증명할 수 있는가’로 곧바로 넘어갑니다. 질문은 항상 같은 자리에 착지합니다.

이 전환의 의미는, 소버린 시장의 평가 단위가 달라진다는 것입니다. ‘데이터가 어디에 있는가’라는 한 칸이, ‘그 안에 어떤 기록이 남는가’라는 한 칸으로 넓어지는 것이죠. 데이터의 위치와, 그 위치에서의 행동 기록. 앞으로는 둘이 함께 평가됩니다.

소버린 시장의 크기도 동시에 커지고 있습니다. 더벨은 오픈AI가 국내 클라우드 사업자와의 인프라 협력 가능성을 시사했다고 보도했습니다. 협력 가능성은 아직 계약이 아닙니다. 다만 세계 최강 모델사가 국내에서 ‘협력’을 계산하기 시작하는 날, 이미 시장 안에 있는 사업자의 다음 투자 방향은 자연스럽게 바뀝니다. 네이버클라우드는 그 칸을 검증으로 썼습니다. 방향성은 맞습니다. 소버린의 가치가 ‘내 것이다’에서 ‘안전한 것을 증명할 수 있다’로 이동하고 있는 셈입니다.

기업 쪽에서는 이 날의 뉴스를 어떻게 읽어야 할까요. 보안 시장이 정말로 ‘이미 출근한’ 시장이라면, 내년도 예산 논쟁은 ‘보안을 할 것인가’가 아니라 ‘어떤 구조로 할 것인가’로 올라갑니다. 모델 하나를 사다가 감시하는 것에서, 에이전트 실행 전체를 검증 구조 위에서 돌리는 것으로. 같은 예산이, 질문을 바꾸는 순간 완전히 다른 자리에 쓰입니다.

세 선언이 가리키는 구조

세 문장을 다시 모읍시다. 젠슨 황은 다음 거대 시장을 보안으로 가리키는 셈입니다. 네이버는 보안 특화 모델에 2000억을, 네이버클라우드는 소버린의 다음 칸을 검증으로 채웠습니다. 공급 쪽은 하루에 세 자리를 채운 셈입니다. 컴퓨트, 모델, 인프라.

그리고 에이전트를 돌리는 기업 쪽에는 하나의 질문이 남습니다. 에이전트가 행동할 때, 누가 검증하고 어떤 기록이 그것을 증명하느냐. 이 질문은 옵션이 아닙니다. 보안이 다음 거대 시장이 된다면, 기업이 먼저 사는 것은 ‘검증 가능한 구조’입니다. 모델이 아무리 좋아도, 에이전트가 무엇을 했는지 증명하지 못하면 그 결과를 생산에 쓸 수 없으니까요. 순서는 정해져 있습니다. 먼저 구조, 그다음 모델, 그리고 나서 활용.

‘검증 가능한 구조’라 하면 세 가지 부품을 떠올리면 됩니다. 첫째, 정책. 어떤 에이전트가 어떤 작업을, 어디까지의 권한으로 하느냐를 정하는 것입니다. 둘째, 감사. 결정과 실행마다 남는 기록, 즉 누가 무엇을 언제 했는지를 보여주는 것입니다. 셋째, 격리. 일이 잘못됐을 때 실수를 담아서 버텨내는 샌드박스죠. 어떤 보안 모델이든, 특화든 범용이든, 이 셋 위에 올라와야 비로소 쓸모가 생깁니다.

이 지점에서 ThakiCloud의 Agent-Native Cloud, Paxis가 읽혀야 하는 것입니다. Paxis는 정식 제품이고 현재 v1.1 GA입니다. 그 일급 리소스가 Skills, Tools, Policies, Audit Logs인 것은, ‘누가 검증하는가’라는 질문과 한 대 한으로 대응하기 때문입니다. 네 가지를 한 문장으로 묶으면, 에이전트에게 줄 수 있는 것(Skills, Tools), 주면서도 정해 둘 것(Policies), 다 하고 난 뒤에 남길 것(Audit Logs)이 됩니다.

자율도 L0에서 L3까지의 거버넌스와 정책 게이트가 어떤 에이전트가 어떤 작업을 수행할지 정하고 그 결정마다 감사 로그가 남습니다. 검증의 답이 사후에 붙는 보고서가 아니라 실행이 스스로 만들어내는 기록이라는 뜻이죠. 실행은 격리 샌드박스 안에서 일어나고, 에이전트가 외부 시스템과 만나는 통로는 MCP 커넥터와 스킬 마켓이 관리된 채널로 엽니다. 소버린과 온프렘 Kubernetes 배포, ai-platform은 이 구조를 데이터가 조직의 경계를 벗어날 수 없는 자리에 두는 장치이고, CostRouter는 작업마다 맞는 모델을 고르는 것이다. 네이버가 훈련 중인 보안 특화 모델은 그날이 오면 플랫폼 전환이 아니라 작업 단위의 선택으로 들어올 것입니다.

세 개의 선언을 거꾸로 읽으면, 그림은 또렷해집니다. 젠슨 황이 필요할 것이라 말한 컴퓨트는 작업 단위로 배분되고 네이버가 훈련하는 특화 모델은 관리된 채널로 들어오며, 네이버클라우드가 그리는 검증은 부속 기능이 아니라 플랫폼의 일급 구조인 셈입니다. ‘다음’이라 불린 시장은 이미 출근했습니다. 남은 것은 기업 쪽도 출근하는 일입니다. 검증이 일어나는 자리에서, 말입니다.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

태그: 에이전트 거버넌스, ai-security, cyber-security, naver, nvidia, paxis, 소버린 AI

카테고리:

업데이트:

참고

프롬프트는 병렬로, 깊이는 순차로 쌓는 Recurrent Looped Transformer(RLT)

 

RLT의 핵심은 층수를 늘리는 대신, 고정 깊이의 디코더를 토큰 위에 ‘루프’시키는 것입니다. 프롬프트는 병렬로 넣고, 생성은 상태를 이어가며 순차로 깊이를 쌓는 구조입니다. 아직 측정값이 없는 설계 명세인데, 왜 서빙 엔지니어가 관심을 가져야 하는지 정리합니다.