한 줄 요약

마이크로소프트가 자사 초지능 개발과 에이전트 튜닝으로 노선을 강화하는 가운데, 무역 등 전통 산업도 AI를 일상 업무에 본격 도입하고 있다.

Big Tech

Microsoft: 오픈AI 계약 변경으로 ‘초지능’ 자체 개발 추진

마이크로소프트는 2025년 말경 오픈AI와의 계약 변경으로 자사 연구진·데이터 파이프라인·맞춤형 실리콘을 활용해 가장 앞선 모델, 즉 CEO 무스타파 술레이만이 ‘초지능’이라 부르는 시스템을 직접 개발할 수 있게 됐다고 VentureBeat에 밝혔다. 그는 오픈AI를 대체하기보다 병행 구축에 가깝다고 설명하며, 아직 초기 단계임을 강조했다. ¹

같은 날 마이크로소프트는 추론·코딩·이미지 생성·음성 전사·음성 합성을 포괄하는 사내 개발 MAI 모델 7종을 공개했다. 대표 모델 MAI‑Thinking‑1은 350억 파라미터 규모로, 소프트웨어 엔지니어링 벤치마크에서 동급 모델과 견주며, 외부 연구소 산출물 증류 없이 상업적 라이선스 데이터만으로 처음부터 학습했다고 밝혔다. 이 라인업에는 GitHub Copilot과 VS Code를 위한 MAI‑Code‑1‑Flash, 텍스트‑투‑이미지와 편집을 지원하는 MAI‑Image‑2.5, 43개 언어를 지원하는 MAI‑Transcribe‑1.5, 다국어 음성 생성 MAI‑Voice‑2가 포함되며, Foundry 플랫폼에서 제공되고 OpenRouter·Fireworks·Baseten을 통한 가중치 튜닝도 가능하다고 전했다. ¹

VentureBeat는 과거 파트너십 조건이 마이크로소프트의 AGI 연구를 제한하고 학습 가능한 모델 규모(연산량)를 상한선으로 묶었으나, 개정으로 제한이 해소되어 ‘Superintelligence Team’ 출범이 가능해졌다고 전했다. 술레이만은 현재 오픈AI·Anthropic·Foundry 내 ‘수천 개 모델’을 포함한 선택지(옵셔널리티)가 넓다고 언급했다. ¹

고객 측면에서는 기업 보안 경계 안에서 MAI 모델을 도메인 업무에 맞게 맞춤화하는 ‘Frontier Tuning’이 소개됐다. 실제 업무 기반의 강화학습 ‘트레이닝 짐’을 활용하며, 엑셀에 특화해 튜닝한 MAI가 GPT 5.4와 유사한 성능을 내면서 효율은 최대 10배, 한 초기 도입 사례에서는 비용이 약 10분의 1로 보고됐다고 한다. 빌드 2026에서는 Entra로 거버넌스되는 신원으로 동작하는 ‘Microsoft Scout’ 에이전트, ‘Windows 365 for Agents’, 콜드 스타트 100ms 미만 등 Foundry 업데이트도 공개되었고, 술레이만은 대화(IQ·EQ)에서 실행(AQ, Actions Quotient)으로의 전환을 강조했다. ¹

Industry & Biz

Thomson Reuters: 국제 무역에서의 AI 도입 동향

Thomson Reuters 블로그는 관세·정책 변동 속에서 제품 품목분류, 규정 조사, 문서 분석, 이상 탐지, 의사결정 지원 등 국제 무역 업무에 AI가 이미 쓰이고 있음을 설명한다. 2026 Global Trade Report에 따르면 무역 조직의 40%가 AI 또는 블록체인을 검토 중이며(2024년 6%에서 상승), 24%는 예측 분석을 핵심 투자 우선순위로 꼽는다. ²

사례로 OMRON이 ONESOURCE Global Classification AI를 통해 60개 이상 거점의 조화 시스템(HS) 코드 분류를 중앙화해 논리를 문서화하고 지역 간 일관성·전문가 검토·투명성을 높인 과정을 소개한다. Thomson Reuters는 통합 콘텐츠 업데이트와 핵심 시스템 연계를 통해 무역 컴플라이언스를 일상 업무에 직접 내재화하도록 돕는다고 덧붙였다. ²

나에게 주는 의미

Microsoft 365 환경을 쓰는 팀이라면, 단순 대화를 넘어 실제 작업을 수행하는 에이전트 도입을 대비해야 한다. VentureBeat는 Microsoft Scout, Entra 기반 거버넌스 신원, Windows 365 for Agents처럼 감사 가능한 경계 안에서 애플리케이션을 다루는 구성을 전한다. 초기 파일럿 단계부터 접근권한 최소화, 역할 설계, 변경관리 계획이 필수다. ¹

Frontier Tuning은 실무형 투자 공식을 시사한다. 반복량이 큰 워크플로(예: 반복적인 엑셀 작업)를 정해 대표 사례를 모으고, 수용 기준을 명확히 정의해 튜닝 전후의 비용·지연 시간을 비교하라. 마이크로소프트 사례는 최대 10배 효율과 약 10분의 1 비용을 제시하며, 단순히 ‘더 큰 모델’이 아니라 도메인 맞춤형 튜닝에서 절감이 나온다는 점을 보여준다. ¹

무역·물류·컴플라이언스 직무라면, Thomson Reuters 데이터가 변화의 속도를 보여준다. 40%가 AI/블록체인을 검토하고 24%가 예측 분석을 우선순위로 둔다. HS 코드 분류, 문서 추출, 이상 탐지처럼 방어 가능성과 효율을 동시에 노릴 수 있는 작은 과제부터 시작하는 것이 현실적이다. ²

커리어 측면에서는 업무를 기계가 학습 가능한 단계로 분해하고, 데이터 위생과 가드레일을 설계하는 역량이 차별화된다. VentureBeat가 언급한 ‘트레이닝 짐’ 개념은 모델 선택 못지않게 평가 프레임과 안전한 실험 환경이 중요해질 것을 시사한다. ¹

지금 할 일

1. Microsoft 365에서 한 가지 작업으로 파일럿 구성: 반복적인 엑셀 또는 고객관리(CRM) 업무를 골라 절차와 수용 기준을 문서화하고, 현재 Copilot 환경으로 시간 절감과 오류율을 측정해 보자.
2. 소규모 튜닝 데이터셋 준비: 단일 워크플로에서 익명화된 50~100개 사례를 모으고 성공/실패 기준과 금지 조건을 정의하라. 벤더 맞춤화 또는 프롬프트 개선에 바로 쓸 수 있다.
3. 무역 컴플라이언스 미니 스프린트: HS 코드 분류 의사결정 트리를 정리하고, AI 보조 분류 솔루션 데모를 요청해 단일 제품군에서 결과를 비교해 보자.
4. 에이전트 도입 전 접근·감사 체계 점검: 최소 권한 테스트 계정을 만들고 상세 로그를 활성화하며 승인 절차를 정의해, 에이전트의 모든 행위가 추적·복구 가능하도록 하라.