한 줄 요약

마이크로소프트가 첫 자사 추론형 모델과 에이전트를 내놓고, 오픈AI는 업무용 코덱스 플러그인을 확대했으며, 브리지워터는 단기 일자리 충격이 제한적이라고 본다.

Big Tech

Microsoft MAI‑Thinking‑1: 첫 고급 추론형 모델 공개

마이크로소프트는 Build 2026에서 자사 추론형 AI 모델 MAI‑Thinking‑1을 포함해 7개 모델을 공개했다. 이는 오픈AI와의 파트너십을 완화한 뒤 자사 모델 비중을 키우는 움직임으로 해석된다. ¹

MAI‑Thinking‑1은 핵심 소프트웨어 엔지니어링 벤치마크에서 “선도 모델에 필적”하고, 타사 모델로부터의 증류 없이 정제된 데이터로 처음부터 훈련됐다고 더 버지가 전했다. Axios에 따르면 활성 파라미터 350억 개 규모의 중형급 모델이며 비용 경쟁력에 초점을 맞췄고, 단순한 “공개 데이터”가 아니라 상업적 라이선스 데이터로 학습됐다. ^{1 2}

동시에 이미지 생성·편집(MAI‑Image 2.5와 플래시), 전사(MAI‑Transcribe‑1.5, “경쟁 모델 대비 5배 빠름” 주장), 음성(MAI‑Voice‑2와 플래시, 15개 언어 추가), 코딩(MAI‑Code‑1‑Flash, “추론 효율 최적화”로 소개, GitHub Copilot·Visual Studio Code 연동) 모델도 나왔다. ¹

CNBC는 이 전략이 오픈AI 의존도를 낮추고, 자사 모델을 Azure에서 운영해 개발자 비용을 줄이려는 의도라고 해석한다. MAI‑Thinking‑1은 Microsoft Foundry의 비공개 프리뷰로 시작하며 낮은 토큰 비용을 강조한다. Microsoft AI CEO 무스타파 설레이만은 맥킨지 업무에 맞춘 튜닝 이후 자사 모델이 오픈AI의 “GPT 5‑5”를 능가했고 비용 효율은 10배였다고 밝혔다. ³

Microsoft Scout: Outlook·Teams용 개인 에이전트

Scout는 OpenClaw 기반의 개인용 AI 에이전트로, Outlook과 Teams 안에서 독립적으로 작동하며 회의 준비 같은 업무를 돕는다고 마이크로소프트는 밝혔다. ²

Axios는 소형 기기용 AI 에이전트를 구동하는 안드로이드 기반 운영체제(OS) ‘Project Solara’와 엔비디아 칩 기반 윈도우 PC 계획도 함께 소개하며, 개발자 컨퍼런스 시즌 속 플랫폼 전략의 축으로 Scout를 위치시킨다고 전했다. ²

MAI‑Code‑1‑Flash: 개발자 비용 낮추려는 코딩 모델

MAI‑Code‑1‑Flash는 자연어 요구를 앱·웹사이트용 소스 코드로 변환하는 마이크로소프트의 첫 코딩 모델이다. ³

CNBC에 따르면 마이크로소프트는 타사 비용을 줄이기 위해 자사 모델을 Azure에서 제공하는 한편, 음성 인식·합성 음성·이미지 생성 모델을 업데이트하고 윈도우 PC용 소규모 Aion 모델도 내놓았다. MAI‑Code‑1‑Flash는 GitHub Copilot과 Visual Studio Code에서 사용할 수 있으며, MAI‑Thinking‑1은 Microsoft Foundry 비공개 프리뷰로 낮은 토큰 비용과 효율을 내세운다. ³

Industry & Biz

Bridgewater 보고서: 단기 AI 일자리 대체 제한적

브리지워터 어소시에이츠는 2026년 AI로 인한 광범위한 일자리 상실 위험이 제한적이라고 평가했다. 컴퓨팅 제약과 견조한 경제가 단기 고용 영향을 둔화시키고 있다는 이유에서다. ⁴

미 인구조사국 자료에 따르면 조사된 2주 기간 동안 어떤 업무 기능에서든 AI를 사용한 미국 기업은 20% 미만이었고, 2026년 6월 이전 6개월간 AI를 사용한 기업의 90% 이상이 고용에 영향이 없었다고 답했다. 영향이 있었다는 곳 중에서는 감축보다 증원이 더 많았다. 브리지워터는 이란 분쟁 격화 가능성과 AI 투자 비용 압박을 단기 위험으로 지목하고, 노동시장 충격이 미미하면 연준의 인플레이션 관리가 더 어려워질 수 있다고 덧붙였다. ⁴

New Tools

OpenAI Codex: 오피스 업무용 플러그인 확대

오픈AI는 엔지니어링을 넘어 실무 활용도를 높이기 위해 데이터 분석, 크리에이티브 제작, 세일즈, 제품 디자인, 주식 투자, 투자은행 등 6가지 직무별 코덱스 플러그인을 공개했다. 기본 설정만으로도 바로 써볼 수 있도록 설계됐다. ⁵

테크크런치는 오픈AI 보고서를 인용해 코덱스 주간 활성 사용자가 500만 명을 넘었고, 2월 데스크톱 앱 출시 이후 6배 이상 늘었으며, 지식 노동자가 전체의 약 20%이자 성장 속도는 3배 이상이라고 전했다. ⁵

또한 결과물을 호스팅형 인터랙티브 웹사이트로 내보내는 사이트(Sites) 기능을 도입했고, Wix·Base44·Replit·Lovable·Figma·Emergent와 파트너십을 맺었다. 파일의 특정 부분을 지정하는 어노테이션(Annotations) 기능도 추가됐다. 이는 앤트로픽의 엔터프라이즈 에이전트 전략과, 40억 달러 이상이 투입된 오픈AI의 ‘Deployment Company’를 통한 기업 통합 강화 흐름과 맞물린다. ⁵

커뮤니티 반응

Hacker News (79↑) — 품질 저하·락인 우려와, Phi 성능을 근거로 한 신중한 기대가 교차한다. ⁶

"이건 마이크로소프트가 빙 챗(나중에 코파일럿이 된)을 ChatGPT 위에 얇게 얹어 발표했을 때가 떠오릅니다. 결과적으로 그들이 더한 가치는 통합이 아니라 품질과 유용성을 떨어뜨린 것이었습니다." — Hacker News ⁶

"저는 이미 오프라인에서 Microsoft Phi를 쓰고 있는데, 그들이 공개된 가중치 모델보다 성능이 못한 상업용 모델을 만들었다면 더 놀랄 것 같습니다." — Hacker News ⁶

Hacker News (356↑) — 지역별 모델 제공 격차, 데이터 보관 위치, 법적 책임이 도입의 발목을 잡는다는 지적이 많다. ⁷

"우리 기업 고객 중에는 모든 데이터가 영국 또는 호주에서 처리되어야 하는 곳이 있습니다. 현재 우리는 해당 지역에서 더 오래된 모델(예: 4o, 4.1-mini)만 있는 Azure OpenAI를 써야 했습니다. AWS에 올라가면 새로운 모델들도 그 지역에 들어오길 바랐는데, 현재로선 최신 모델들이 미국에서만 사용 가능한 것 같네요 :(" — Hacker News ⁷

"우리 회사 변호사들이 모두 이런 것들을 검토했습니다. 다른 사람들도 말했듯이 문제는 SLA가 아니라 데이터 보안과 만약 사고가 났을 때 책임을 질 사람이 있는지입니다." — Hacker News ⁷

나에게 주는 의미

Microsoft 365와 GitHub를 쓰는 팀이라면 자사 모델이 비용 절감과 성능·데이터 통제 강화로 이어질 수 있다. MAI‑Code‑1‑Flash는 Copilot/VS Code에서 바로 시험해 볼 수 있고, MAI‑Thinking‑1은 Microsoft Foundry 비공개 프리뷰로 시작한다. ³

Scout는 Outlook·Teams 안에서 이메일·회의 업무 자동화를 겨냥한다. 반복적이고 서식화된 작업(의제 작성, 브리프 정리, 후속 메일)을 사람 검토를 전제로 에이전트가 맡길 수 있는지부터 가늠하라. ²

비개발 직무라면 오픈AI 코덱스 플러그인이 실무 테스트에 적합하다. 다만 커뮤니티 논의처럼 데이터 보관 지역과 법적 책임 이슈가 중요하므로, 법무·컴플라이언스와 처리 위치·서브프로세서 조건을 먼저 정리하는 것이 도입의 관건이다. ⁷

브리지워터는 단기 대규모 일자리 대체 가능성이 낮다고 본다. 지금은 소규모 파일럿으로 성과와 투자 대비 효과를 측정하고, 전면 자동화보다 보조·증강 중심으로 운영 방식을 다듬을 시기다. ⁴

지금 할 일

1. MAI‑Thinking‑1 비공개 프리뷰 신청: Microsoft Foundry 관심 등록을 진행하고, 비용·정확도 평가용 내부 유스케이스 한 가지를 선정한다.
2. Copilot에서 MAI‑Code‑1‑Flash 체험: Visual Studio Code에서 간단한 스크립트 생성·리팩터링을 실행해 출력 품질과 지연 시간을 기존과 비교한다.
3. 코덱스 플러그인 1건 업무 테스트: 데이터 분석·크리에이티브·세일즈·제품 디자인 중 본인 업무에 맞는 플러그인으로 30분 분량의 반복 작업을 실행해 본다.
4. 코덱스 Sites로 미니사이트 발행: 제품 FAQ나 캠페인 브리프를 미니사이트로 만들어 내부 피드백을 수집한다.
5. 데이터 보관 지역 30분 점검: IT·법무와 현재 AI 공급사의 데이터 처리 위치와 지역 제한을 확인·문서화해 도입 전제조건을 정리한다.