🎧 ▶ 5분 브리핑으로 듣기
▶ 오디오북 재생 (Google Drive)
NotebookLM 오디오 개요 (AI 생성)

에이전트 도입을 검토하는 분이라면 오늘 나온 두 숫자를 나란히 놓고 보시기 바랍니다. 하나는 1,000이고, 다른 하나는 150억 달러입니다. 앞의 숫자는 메타가 베타로 공개한 첫 코딩 에이전트 Muse Code가 작업 하나를 끝내기 위해 사용하는 툴 호출 횟수이고, 뒤의 숫자는 모건스탠리가 이끄는 은행 컨소시엄이 앤트로픽용 텍사스 데이터센터 대출을 리파이낸싱하려고 발행하는 회사채 규모입니다. 서로 무관해 보이는 두 숫자는 사실 같은 사슬의 양쪽 끝입니다. 오늘 글의 결론을 먼저 말씀드리면, 에이전트 실행 단가는 모델 가격표가 아니라 자본과 공급망과 규제라는 세 개의 층에서 결정됩니다. 그러니 도입 전략의 출발점은 모델 선택이 아니라, 그 세 층 중에서 우리 회사가 실제로 통제할 수 있는 구간이 어디인지 확정하는 일입니다.

툴 호출 1,000번의 청구서는 채권 시장까지 거슬러 올라갑니다 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

수요 쪽이 먼저 자릿수를 바꿨습니다

Muse Code는 새 모델 Spark 1.2를 기반으로 대규모 코드 저장소 전반의 복잡한 엔지니어링 작업을 자동화합니다. 여기서 눈여겨볼 지점은 모델 성능 주장이 아니라 실행 프로파일입니다. 작업 하나에 최대 1,000회의 툴 호출이 들어간다는 말은, 과거의 질의응답형 사용과는 계산 구조 자체가 달라졌다는 뜻입니다. 채팅 한 번은 왕복 한 번이지만, 에이전트 한 번은 파일을 읽고 테스트를 돌리고 실패를 관찰하고 다시 고치는 루프를 수백 번 반복합니다.

이 변화는 세 가지를 동시에 바꿉니다. 첫째, 비용의 단위가 대화당에서 작업당으로 이동합니다. 둘째, 실패의 비용이 커집니다. 잘못된 판단 하나가 900번째 호출에서 드러나면 앞선 899번은 그대로 매몰됩니다. 셋째, 이게 가장 중요한데, 툴 호출은 곧 외부 시스템에 대한 쓰기 권한입니다. 1,000번의 호출 중 몇 번이 데이터베이스를 건드리고 몇 번이 배포 파이프라인을 건드리는지 사후에 재구성할 수 없다면, 그 에이전트는 기술적으로 성공해도 조직 안에서는 도입될 수 없습니다.

메타가 이 제품을 대규모 코드 저장소를 겨냥해 내놓았다는 점도 그냥 넘길 대목이 아닙니다. 저장소가 클수록 에이전트는 더 많이 읽고 더 많이 실패하며, 그만큼 호출 수가 늘어납니다. 즉 자동화의 이득이 가장 큰 곳이 동시에 실행 비용이 가장 빠르게 불어나는 곳입니다. 파일럿에서 잘 돌던 에이전트가 본 저장소에 붙는 순간 예산 곡선이 꺾이는 흔한 이유가 여기에 있습니다.

청구서를 거슬러 올라가면 채권 시장이 나옵니다

수요가 자릿수를 바꾸면 공급은 자금 조달 방식을 바꿉니다. 오늘 뉴스에서 그 경로가 이례적으로 선명하게 드러났습니다. 앤트로픽은 신생 클라우드 사업자 Volta Infra와 100억 달러 규모의 컴퓨팅 용량 계약을 맺었고, Volta는 그 용량을 대기 위해 Bitdeer 시설에 47억 달러 규모의 리스를 잡았습니다. 그리고 Volta는 처리 용량을 더 키우려고 3억 달러의 벤처 투자를 유치했으며, 이 라운드에서 기업가치는 24억 달러로 매겨졌습니다. 자기 기업가치보다 네 배 큰 공급 계약을 등에 업은 셈입니다.

여기서 한 칸 더 올라가면 월가가 나옵니다. 모건스탠리 주도의 은행단이 2,000에이커 규모 텍사스 AI 데이터센터의 대출을 리파이낸싱하기 위해 150억 달러 회사채를 발행합니다. 정리하면 이렇습니다. 개발자가 누르는 실행 버튼 하나가 툴 호출로 바뀌고, 툴 호출은 토큰이 되고, 토큰은 GPU 시간이 되고, GPU 시간은 장기 컴퓨팅 계약이 되고, 그 계약은 부동산 리스와 회사채로 뒷받침됩니다. AI 데이터센터는 이제 기술 자산이 아니라 채권 시장에서 가격이 매겨지는 자본 집약 자산입니다.

눈에 띄는 점은 이 사슬을 지탱하는 고리들이 서로 크기가 맞지 않는다는 것입니다. 24억 달러짜리 회사가 100억 달러짜리 계약을 이행하려면, 부동산 리스와 벤처 자금과 회사채가 정확한 순서로 이어져야 합니다. 어느 한 고리에서 조달 조건이 나빠지면 그 여파는 계약 상대인 모델사를 지나 최종 사용자의 가용 용량까지 내려옵니다. 대규모 장기 계약이 안정성을 준다는 통념과 달리, 계약이 커질수록 소수의 고리에 의존이 몰린다는 뜻이기도 합니다.

이 구조가 사용자에게 의미하는 바는 분명합니다. 추론 단가에는 모델 가중치의 크기뿐 아니라 그 뒤에 깔린 자본 비용이 반영됩니다. 금리와 리스 조건과 감가상각 일정이 결국 여러분의 월 청구서에 스며듭니다. 그래서 워크로드당 단가를 관리하려는 조직은 모델을 바꾸는 것만으로 원가를 통제하기 어렵습니다. 어느 인프라 계층에 실행을 붙일지가 같은 무게의 결정입니다.

그 사슬에는 국경이 그어지고 있습니다

같은 날 나온 규제 신호는 이 사슬에 다른 성격의 위험을 얹습니다. 트럼프 행정부는 AI 데이터센터를 스파이 활동으로부터 보호한다는 명분으로 중국산 신규 광트랜시버 수입 금지안을 준비 중입니다. 글로벌 점유율 27퍼센트의 선두 업체 Innolight이 직접 사정권에 들어갑니다. 광트랜시버는 랙과 랙을 잇는 부품이라 평소에는 아무도 이야기하지 않지만, 조달이 막히면 클러스터 증설 일정 자체가 밀립니다. 부품 수준의 규제가 서비스 가용성 약속으로 전이되는 경로입니다.

모델 쪽에도 문이 하나 생겼습니다. 미국 정부는 고성능 클로즈드 모델 개발사에 출시 전 30일의 국가 검토 기간을 부여하는 보안 프레임워크를 확정했습니다. 자발적 참여 방식이라고는 하지만, 사실상 모델 릴리스 일정에 정부 캘린더가 끼어들었습니다. 이에 대해 민주당 상원의원 5명은 일관성 없고 비밀스러운 규칙이 오히려 글로벌 사용자를 중국 모델로 밀어낼 수 있다고 경고했고, 이를 국가안보 리스크로 규정했습니다. 규제가 의도와 반대 방향으로 사용자를 이동시킬 수 있다는 지적입니다.

두 소식은 방향이 반대처럼 보이지만 기업에 주는 부담은 같습니다. 부품 규제는 인프라 증설 일정을 흔들고, 모델 검토 제도는 소프트웨어 릴리스 일정을 흔듭니다. 하드웨어와 소프트웨어 양쪽의 리드타임에 정치 변수가 들어온 셈입니다. 어느 쪽도 기술 조직이 협상으로 풀 수 있는 문제가 아닙니다.

기업 입장에서 읽어야 할 함의는 하나입니다. 앞으로 어떤 모델을 쓰느냐는 순수한 성능 비교가 아니라 지정학적 선택이 됩니다. 오늘 최적인 모델이 다음 분기에는 조달이 막히거나 정치적으로 곤란해질 수 있습니다. 그러니 특정 모델을 잘 쓰는 능력보다, 모델이 바뀌어도 업무가 끊기지 않는 구조를 갖추는 편이 훨씬 오래갑니다.

모델사들도 아래층으로 내려가고 있습니다

이 압력은 모델 공급자들의 행보에서도 확인됩니다. 앤트로픽은 클로드 전용 커스텀 프로세서를 설계하는 사내 실리콘 팀을 꾸렸고, 채용 엔지니어 연봉은 최고 48만 5천 달러에 이릅니다. 소프트웨어 회사가 실리콘까지 내려간다는 것은 토큰 단가 경쟁이 이제 아키텍처 층에서 벌어진다는 신호입니다. 한편 마이크로소프트는 2026 회계연도에 OpenAI 파트너십으로 241억 달러의 매출을 올렸고, 이는 전체 AI 매출의 약 70퍼센트를 차지합니다. 하이퍼스케일러의 AI 수익이 사실상 하나의 모델 파트너십에 얹혀 있다는 뜻입니다.

조직 층위도 흔들립니다. 알파벳은 AI 부문 리더십을 대폭 개편해 딥마인드 CEO 데미스 하사비스를 회장 겸 최고과학자로 올렸고, 제프 딘은 회사를 떠나 Discovery Loop라는 스타트업을 창업했습니다. 시장은 이 소식에 주가 5퍼센트 하락으로 답했습니다. 모델 로드맵을 결정하는 사람이 분기 단위로 바뀔 수 있다는 사실을 투자자들이 가격에 반영한 셈입니다. 아래로는 실리콘, 위로는 조직까지 흔들리는 구간에 여러분의 워크로드를 못 박아 두는 일은 생각보다 위험합니다.

그렇다면 무엇을 계측해야 할까요

이런 환경에서 도입을 준비하는 팀에 권하고 싶은 것은 벤치마크 점수 비교가 아니라 자체 계측입니다. 최소한 네 가지는 재 두시기 바랍니다. 작업 하나를 끝내는 데 실제로 몇 번의 툴 호출이 필요한지, 그중 재시도로 소모된 비율이 얼마인지, 사람의 승인을 기다리며 멈춰 있던 시간이 얼마인지, 그리고 그 결과 작업당 원가가 얼마로 찍히는지입니다.

이 네 숫자는 모델 공급자가 알려주지 않습니다. 우리 저장소, 우리 도구, 우리 승인 절차 위에서만 나오는 값이기 때문입니다. 동시에 이 숫자들은 앞에서 본 세 층의 변동을 흡수할 여력이 얼마나 되는지를 보여주는 지표이기도 합니다. 재시도 비율이 높은 워크플로는 토큰 가격이 조금만 올라도 곧바로 적자로 돌아섭니다. 반대로 계측이 되어 있으면 모델을 바꾸거나 인프라를 옮기는 결정을 감각이 아니라 숫자로 내릴 수 있습니다.

통제 가능한 층을 먼저 확보하는 편이 낫습니다

세 층 중 자본과 지정학은 개별 기업이 바꿀 수 없습니다. 대신 통제할 수 있는 층이 하나 있습니다. 에이전트가 무엇을 할 수 있고, 어디까지 스스로 결정하며, 그 결정이 어디에 기록되는지를 정하는 실행 계층입니다.

ThakiCloud의 Paxis는 이 지점을 정면으로 다루는 Agent-Native Cloud입니다. Skills와 Tools, Policies, Audit Logs를 일급 리소스로 두기 때문에, 툴 호출이 1,000번이든 1만 번이든 각 호출이 어떤 정책 게이트를 통과했고 누구의 권한으로 실행됐는지가 남습니다. 자율도를 L0에서 L3까지 나눠 운영하는 방식은 특히 앞서 짚은 실패 비용 문제에 직접 대응합니다. 반복 작업은 위임하고 파괴적 작업만 사람이 승인하는 경계를 조직이 직접 그을 수 있고, 실행은 격리 샌드박스 안에서 이뤄집니다. MCP 커넥터와 스킬 마켓은 이 통제된 경계 안으로 외부 도구를 들여오는 통로입니다.

비용과 주권 축도 같은 그림 안에 있습니다. 작업별 모델 선택을 담당하는 CostRouter는 탐색성 작업과 판단성 작업에 서로 다른 등급의 모델을 붙여, 앞서 본 자본 비용이 그대로 전가되는 구간을 줄입니다. 소버린 요구나 폐쇄망 조건이 있는 조직이라면 온프렘 쿠버네티스 위에 같은 실행 환경을 세울 수 있습니다. 30일 검토와 수입 규제가 뉴스가 되는 시기에, 실행 환경을 우리 경계 안에 두는 선택지는 협상 카드가 됩니다.

오늘의 뉴스를 한 문장으로 줄이면 이렇습니다. 산업 전체가 에이전트 한 번을 돌리기 위해 채권을 발행하고 부품 수입을 규제하는 단계로 넘어왔습니다. 그 사슬 대부분은 우리 손 밖에 있지만, 사슬이 끝나는 지점, 즉 에이전트가 실제로 일을 하는 그 층만큼은 지금 설계해 둘 수 있습니다. 거기서부터 시작하시길 권합니다.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

태그: ai-frontier, llmops, paxis, thakicloud

카테고리:

업데이트:

참고