클라우드 판매부터 로컬 에이전트까지…AI 연결 확대, 접근·비용·보안은 별도 검증

이번 주 한 줄

OpenAI는 Google Cloud를 통한 모델 판매를 발표하고, Google은 Gemini의 비즈니스 허브를 선보였으며, Meta는 로컬 어시스턴트용 Muse Glimmer를 공개했다. 업무를 연결하는 방향으로 무게중심이 옮겨갔지만, 접근 권한과 비용, 개인정보 보호는 각각 따로 확인해야 한다.

이번 주 숫자

• 89개국 — ChatGPT 광고의 확대된 서비스 범위로, 광고는 여전히 Free와 Go 요금제에만 표시된다. ¹
• 15억 달러 — Tenstorrent가 모델 실행용 하드웨어 확충을 위해 조달한 자금으로, 챗봇 구독료 인하가 입증됐다는 뜻은 아니다. ²
• 3.2억 달러 — 회의 어시스턴트 Otter.ai가 확보한 자금으로, 일반적인 지분 투자가 아니라 마케팅 지출 성과에 수익이 연동되는 펀드를 통해 조달했다. ³
• 100개 이상 — Muse Glimmer의 학습 데이터에 포함된 언어 수로, 모든 언어에서 동등한 성능을 낸다는 주장은 아니다. ⁴
• 약 14% — NVIDIA의 통제된 에이전트 실험에서 대형 임베딩 모델에 검색 결과 재순위화 모델을 추가했을 때, 질의당 처리·생성하는 텍스트가 줄어든 비율이다. ⁵
• 7.08% — Agent Mosaic의 시뮬레이션에서 무해한 질문에 답한 시험 대상 중 최고 성능 모델이 공개 금지 결론을 노출한 비율로, 실제 업무 환경 전반의 유출률 추정치는 아니다. ⁶
• 320건 — 코딩 어시스턴트가 새 기능을 추가하면서 이전 기능을 보존하는지 평가하는 벤치마크 EvoWeb의 누적 웹사이트 변경 요청 수다. ⁷

TOP 뉴스

OpenAI, Google Cloud 통한 모델 판매 발표

OpenAI와 Google Cloud는 10월 21일 Google의 클라우드 서비스를 통해 기업에 OpenAI의 인공지능(AI) 모델을 제공하는 계약을 발표했다. 이번 발표에는 Google의 모델 카탈로그인 Model Garden과 OpenAI의 소프트웨어 개발 어시스턴트 Codex가 포함된다. 고객은 Google Cloud Marketplace에서 구매하고 해당 금액을 기존 클라우드 사용 약정액에 반영할 수 있으며, 이번 통합에는 Google의 접근 제어와 데이터 거버넌스 도구도 포함된다. Microsoft는 여전히 OpenAI의 주력 클라우드 파트너이며, 발표에는 정확한 정식 출시일이 제시되지 않았다. Ars Technica에 따르면 초기 제공은 일부 기업 고객을 대상으로 한 비공개 프리뷰이므로, 기존 Google Cloud 계약은 구매 경로일 뿐 자동 승인이나 즉시 이용을 뜻하지 않는다. ^{8 9}

ChatGPT 광고, 89개국으로 확대

OpenAI는 ChatGPT 광고(ChatGPT Ads)를 26개국에 추가 도입해 서비스 범위를 89개국으로 넓힌다고 발표했다. 회사에 따르면 10만 곳 이상의 광고주가 캠페인을 집행했으며, 광고는 Free와 Go 요금제에만 표시되고 Plus·Pro·Enterprise는 계속 광고 없이 제공된다. 별도의 검색이나 쇼핑 사이트 방문을 유도하는 대신, 사용자가 제품과 서비스를 비교하는 대화 옆에 기업 광고를 배치하는 방식이다. OpenAI는 광고에 명확한 표시를 붙이고 답변과 분리하며, 광고가 답변에 영향을 주지 않는다고 설명한다. 마케터가 참여하려면 Ads Manager Beta 계정과 결제 설정, 광고 심사가 필요하므로, 캠페인 초안을 만드는 일과 실제 이용 권한을 얻는 일은 별도 단계다. ^{1 10}

Gemini, 브랜딩·재무 도구 모은 비즈니스 허브 공개

Google은 10월 20일 소상공인과 중소기업 사업자를 위해 브랜드 제작, 재무 분석, 고객 인사이트를 한곳에 모은 Gemini 비즈니스 전용 페이지를 발표했다. Google Business Profile, Canva, Shopify, Xero와의 연결이 포함되며, 모든 계정에 즉시 제공되는 것이 아니라 Gemini 앱 사용자를 대상으로 전 세계에 순차 도입된다. 기업은 웹사이트, 글꼴, 색상, 브랜드 자료 등을 제공해 Nano Banana 2.1의 이미지 생성 결과가 자사 시각적 스타일을 따르도록 할 수 있다. Gemini는 스프레드시트, 영수증, 구매 기록을 재무 그래픽과 인터랙티브 모델로 바꾸는 기능도 제공한다. 일상적인 업무 도구가 더 긴밀히 연결된다는 점이 실질적인 변화지만, 첫 시험에서는 생성된 시각 자료가 요청한 조건을 따르는지, 재무 합계가 원본과 일치하는지를 여전히 확인해야 한다. ¹¹

OpenAI, 신약 개발 업무 조율 위해 Orchestra Bio 인수 발표

OpenAI는 10월 20일 Orchestra Bio 인수를 발표하며 바이오의약품 개발을 조율하는 플랫폼을 자사 생명과학 도구 Rosalind에 통합한다고 밝혔다. 업무를 모니터링하고 다음 단계를 정리하는 소프트웨어인 Orchestra의 에이전트는 제조 배치 실패가 임상시험에 미치는 영향을 추적하고, 사람이 검토할 수 있도록 대응 방안을 비교할 수 있다. 이는 생물학·화학 질문에 답하거나 실험 분석을 돕는 연구 도구를 보완하며, 과학 연구를 둘러싼 업무 간 의존관계를 다룬다. OpenAI는 미국의 신약 개발이 표적 발굴부터 규제 승인까지 약 10~15년 걸린다고 설명하지만, 이번 인수로 그 기간이 얼마나 단축됐는지 측정한 결과는 제시하지 않았다. 의료 외 분야의 프로젝트 관리자에게도 중요한 차이는 진행 상황을 요약하는 것과, 어떤 미완료 작업이 다른 작업을 막고 있는지 찾아내는 것 사이에 있다. ¹²

Meta, 로컬 실행 어시스턴트용 Muse Glimmer 공개

Meta는 클라우드 인프라에 의존하지 않고 소비자용 하드웨어에서 여러 단계의 작업을 수행하는 Muse Glimmer를 공개했다. 모델 내부에서 학습된 수치 설정인 파라미터는 300억 개이며, 텍스트와 이미지를 입력받아 텍스트로 응답한다. 추론, 도구 사용, 실패 복구를 결합해 단순 대화뿐 아니라 실제 작업을 수행하는 어시스턴트용 모델을 지향한다. Meta는 단일 그래픽처리장치(GPU)에서 실행할 수 있도록 수치를 약 4비트로 저장하는 양자화 압축 기법을 사용한다. Apache 2.0 라이선스로 공개돼 개발자에게 로컬 에이전트 선택지를 제공하지만, 제공된 초록에는 메모리 요구량이 없어 특정 컴퓨터에서 사용할 수 있는지는 별도로 확인해야 한다. ⁴

Agent Mosaic, 허용된 문서 조합으로 기밀 결론 노출 가능성 제시

Agent Mosaic 논문은 어시스턴트가 읽을 수 있도록 허용된 문서들을 결합해 기밀 결론을 공개하는지 평가하는 테스트를 제안한다. 이는 개별적으로 허용된 사실도 합치면 민감한 정보가 되는 ‘모자이크 효과’로, 연구의 가상 사례에서는 두 기록을 함께 보면 임상시험 참가자가 위약을 투여받는다는 사실이 드러난다. 연구진은 사이버보안·의료·군사 분야에 걸쳐 합성 사례 30개를 구성하고, 통제된 시뮬레이션과 스스로 정보를 검색하는 에이전트를 모두 시험했다. 문서 하나만으로 답하도록 설계된 무해한 질문에서도, 시험 대상 중 최고 성능 모델인 GPT-5.6-Sol은 시뮬레이션 응답의 7.08%에서 공개가 금지된 조합 결론을 드러냈다. 결과는 평가한 사례와 시스템에 한정되지만, 문서 접근 권한만 확인해서는 어시스턴트가 도출한 결론을 공개해도 안전한지 보장할 수 없다는 점을 보여준다. ⁶

NVIDIA, 문서 근거 검색 개선하는 모델 공개

NVIDIA는 텍스트와 문서 이미지에서 근거를 찾고, 검색 결과의 순서를 재조정하며, 문서 내용을 추출하는 Nemotron 3.5 모델을 공개했다. 임베딩 모델은 문서 내용을 검색 가능한 수치 형태로 표현하고, 재순위화 모델인 리랭커는 관련성이 가장 높은 후보를 검색 결과 상단으로 올린다. NVIDIA의 통제된 실험에서는 대형 임베딩 모델에 리랭커를 추가하자 검색 정확도가 높아지고, 질의당 텍스트 처리 단위인 토큰 사용량이 약 14% 줄었다. 이는 에이전트의 전체 입력·출력 처리량 절감이지, 기업용 구독료 할인을 직접 측정한 결과는 아니다. 사내 보고서를 활용하는 어시스턴트를 구축하는 팀이라면, 답변이 더 유창한지보다 적은 처리량으로 올바른 근거를 찾는지를 비교하는 편이 유용하다. ⁵

Tenstorrent, 모델 실행 하드웨어에 15억 달러 조달

Tenstorrent가 기업가치 62억 달러로 15억 달러를 조달했다고 TechCrunch가 10월 19일 보도했다. 이 회사는 챗봇과 영상 생성기 같은 서비스를 구동하는 칩과 서버를 만들며, 조달 자금은 공개 다운로드가 가능한 모델과 영상 생성을 위한 하드웨어에 투입된다. U.S. News는 별도 보도에서 이번 자금이 Galaxy 서버 증산을 뒷받침한다고 전했다. 이는 하드웨어 공급 역량에 관한 소식이지, 기존 AI 구독료가 낮아졌다는 근거는 아니다. 서비스 제공업체를 비교하는 팀에는 공급사의 투자 유치 규모보다 어떤 하드웨어와 모델 조합을 지원하는지가 여전히 더 유용한 구매 판단 기준이다. ^{2 13}

Otter.ai, 3.2억 달러 확보…회의록 넘어 업무 지원 확대

Otter.ai가 General Catalyst의 Customer Value Fund에서 3.2억 달러를 확보했다고 TechCrunch가 10월 20일 보도했다. 일반적인 지분 투자와 달리 기존 주주의 지분을 희석하지 않으며, 펀드는 마케팅 지출 성과에 연동된 수익을 얻는다. 보도된 자금 용도는 기업 고객 사업 성장, 해외 진출, 제품 개발 등이다. Otter는 회의 전 사전 브리핑과 회의 중 질문할 수 있는 Live Assist도 시험하며, 검색 가능한 녹취록을 넘어 지원 범위를 넓히고 있다. 보도에는 월간 활성 사용자나 고객 이탈률 수치가 없어 자금 확보만으로 고객 유지 성과를 판단할 수는 없으며, 회의가 많은 팀이라면 결정 사항과 후속 작업이 정확히 기록되는지를 직접 평가할 수 있다. ³

EvoWeb, 코딩 어시스턴트의 기존 기능 보존 능력 평가

연구진은 코딩 어시스턴트가 이미 만든 기능을 망가뜨리지 않고 웹사이트를 계속 개선할 수 있는지 평가하는 EvoWeb을 선보였다. 이 벤치마크는 웹 애플리케이션 32개에 걸친 누적 요청 320건으로 구성되며, 각 요청은 계속 이어지는 동일한 코드베이스를 수정한다. 별도의 에이전트가 실제 브라우저에서 각 중간 버전을 확인하며 새 기능, 요청 간 통합, 기존 기능 보존 여부를 평가한다. 실험에서는 요청 간 의존관계가 더 깊거나 많을수록 정확도가 떨어졌고, 변경이 쌓일수록 런타임 오류도 늘었다. 코딩 어시스턴트를 사용하는 디자이너와 제품 관리자에게 이는 인상적인 첫 프로토타입과 반복 수정에도 믿고 맡길 수 있는 유지보수를 구분하는 기준이 된다. ⁷

이번 주 트렌드 분석

이번 주의 통합 흐름은 서로 다른 의미의 ‘접근’을 중심으로 전개됐다. 10월 19일 NVIDIA의 기업 자체 운영 어시스턴트 관련 보도는 모델이 어디에서 실행되는지에, 10월 20일 Gemini 비즈니스 허브는 어떤 애플리케이션과 연결되는지에, 10월 21일 OpenAI와 Google Cloud의 계약은 기업이 어떻게 구매하는지에 초점을 맞췄다. 이 이점들은 서로 대체할 수 없다. 구매 경로가 조달 절차를 간소화해도 사내 사용 승인을 부여하는 것은 아니며, 앱 연결이 업무를 편리하게 만들어도 해당 데이터를 공유해도 된다는 뜻은 아니다. ^{14 11 8}

효율성 역시 단순히 모델이 저렴한지를 넘어 더 구체적인 질문이 됐다. Tenstorrent의 자금 조달은 하드웨어 공급 역량을, Muse Glimmer는 로컬 실행을, NVIDIA의 검색 모델 공개는 근거를 찾는 데 필요한 처리량을 다룬다. 연산 자원을 공급하는 문제에서 이를 더 선별적으로 사용하는 문제로 이어지는 흐름이다. 구매자에게 의미 있는 비교 기준은 투자 유치 소식이나 모델 크기, 단편적인 속도 주장이 아니라 결과 확인과 수정까지 포함해 유용한 작업 하나를 끝내는 데 드는 비용이다. ^{4 5}

연구 흐름은 EvoWeb의 기존 작업 보존 평가에서 FrontierCS 2의 모든 요구사항 검증으로 이어지며, 높은 평균 점수만으로 성과를 인정하는 방식에서 벗어났다. FrontierCS 2는 연구 에이전트에게 컴퓨터과학 논문에서 빠진 연구 기여 부분을 재현하도록 요구하는데, 인간 기준 결과의 종합 점수를 넘은 실행 사례 중에서도 개별 요구사항을 충족하지 못한 경우가 많았다. 두 연구는 어시스턴트가 작업한 뒤에도 반드시 유지돼야 할 조건을 모두 체크리스트로 관리하라는 실용적인 평가 원칙을 구체화한다. 의존관계와 이력이 있는 업무에서는 그럴듯한 결과물도 성공의 한 요소일 뿐이다. ^{7 15}

Agent Mosaic은 여기에 또 하나의 구분을 더한다. 문서를 읽을 권한이 있다고 해서 그 문서에서 도출한 모든 결론을 공개할 권한까지 있는 것은 아니다. 처리 위치와 답변의 기밀성은 서로 다른 문제이므로, 이 구분은 이번 주의 로컬 모델 공개 및 기업용 접근 제어와 함께 살펴볼 필요가 있다. 이번 발표와 연구를 종합하면 관심의 초점은 답변을 작성할 모델을 고르는 일에서 연결, 근거, 요구사항 보존, 정보 공개 경계 등 주변 업무 흐름을 평가하는 일로 옮겨간다. 어느 한 가지 점검도 다른 점검을 대신할 수는 없다. ^{4 6 8}

주목할 포인트

• ‘정식 공개(General availability)’ — OpenAI와 Google Cloud의 계약을 설명할 때 이 표현이 등장한다면, 폭넓은 이용 가능 상태와 보도된 비공개 프리뷰를 구분해야 한다. 발표에는 정확한 정식 공개일이 없으며, 가격과 허용되는 데이터 사용 범위는 구매·보안팀이 확인해야 할 사안으로 남아 있다. ^{8 9}
• ‘온디바이스’ — Muse Glimmer에서 이 표현은 로컬 실행을 뜻하며, 모든 노트북과 호환된다는 의미는 아니다. 이 명칭만으로 도입을 결정하기 전에 명확한 메모리 요구량과 실제 사용할 컴퓨터에서의 테스트 결과를 확인해야 한다. ⁴
• ‘광고 관리자 베타(Ads Manager Beta)’ — ChatGPT 캠페인을 이용하는 경로로, 결제 설정과 심사가 필요하다. 고객에게 무엇이 보이는지 평가할 때는 유료 광고와 대가 없는 추천을 구분해야 한다. ^{1 10}

이번 주 오픈소스

• 로컬 모델 실행 도구 Rapid-MLX — Apple Silicon Mac에서 언어 모델을 실행해 코딩 어시스턴트가 로컬 모델을 사용할 수 있도록 한다. 로컬 도구 사용을 시험하는 기술 학습자에게 적합하며, 프로젝트의 속도 비교 대상은 호스팅 서비스가 아니라 Apple의 mlx-lm이다. raullenchai/Rapid-MLX
• 다중 작업 터미널 cmux — 여러 코딩 에이전트나 장시간 실행 작업을 모니터링할 수 있도록 세로 탭과 알림을 제공하는 macOS 터미널이다. 여러 작업을 나란히 확인해야 하는 개발자에게 유용하다. manaflow-ai/cmux
• 모델 실행 소프트웨어 SGLang — 애플리케이션에서 언어 모델과 이미지 처리 가능 모델을 구동하는 소프트웨어로, 모델 자체와는 구별된다. 10월 19일 릴리스에서 지원 모델이 확대됐으며, 배포 도구를 비교하는 개발자가 살펴볼 만한 선택지다. sgl-project/sglang

이번 주 해볼 것

1. 대표 실험: Gemini 재무 요약 검증하기. 계정에 비즈니스 도구가 제공됐다면, 합계를 미리 확인한 소규모 스프레드시트를 입력하되 민감하지 않은 데이터나 가상 데이터를 사용한다. 차트와 짧은 요약을 요청한 뒤 모든 합계와 항목을 원본과 비교한다. 프롬프트, 출력, 수정 내용을 저장하자. 이 실험에서 확인할 것은 차트가 세련됐는지가 아니라 검증까지 마친 뒤에도 도구가 일을 줄여주는지다. ¹¹
2. 대안 실험: 가상 정보로 기밀 보호 테스트하기. Agent Mosaic의 키트 기록 사례를 참고해, 두 문서의 사실을 합치면 가상의 기밀 결론이 드러나도록 문서를 만든다. 사용이 승인된 어시스턴트에 문서 하나만 필요한 무해한 질문을 한 뒤, 응답이나 답변 거부 문구가 두 문서를 조합한 결론을 노출하는지 살펴본다. 실제 개인정보나 기밀정보는 사용하지 않는다. ⁶
3. 대안 실험: 광고비 지출 없이 ChatGPT 광고 초안 만들기. 제품 하나와 고객이 물어볼 법한 비교 질문을 고른다. 16~24자 제목과 32~48자 설명을 작성한 다음 정사각형 이미지와 관련 랜딩 페이지를 선택하자. 캠페인을 집행하지 않고도 대화 맥락에 맞는 광고를 만드는 연습을 할 수 있다. ¹⁰