1990년대 이공 계열 대학을 다녔던 사람이라면 포트란 77이나 C 언어 프로그래밍을 배워야 했다. 그렇지만 이제는 인공지능에게 맡기면 원하는 프로그램을 척척 짜준다. 이제는 통신 액세스망도 사람이 사용하는 자연어로 명령을 내려 손쉽게 구축할 수 있는 시대가 됐다. 한국전자통신연구원(ETRI) 유무선광액세스연구실은 사용자가 자연어로 원하는 네트워크 동작을 지시하면 대규모 언어 모델(LLM)이 광액세스망을 자동으로 설정하고 실제 적용에 앞서 오류 가능성까지 사전에 검증하는 ‘LLM 기반 광액세스망 운용 기술’을 개발했다고 14일 밝혔다. 이 연구는 이달 유럽에서 열린 광통신 국제 학술 대회 ‘ECOC 2026’에 채택돼 기술적 우수성을 인정받았다. 광액세스망은 가정, 기업, 이동통신 기지국 등 이용자와 가까운 곳까지 초고속 통신 서비스를 전달하는 네트워크다. ‘통신망의 모세혈관’으로도 불리는데 다양한 장비와 기능으로 구성돼 있어 장비 개통이나 설정 변경을 할 때 작업자가 장비별 명령어와 복잡한 운용 절차를 숙지하고 직접 작업해야 했다. 이번에 개발한 기술은 복잡한 장비별 명령어나 운용 절차를 일일이 입력하지 않고도 자연어로 입력하면 AI가 명령의 의도를 분석하고 필요한 작업 절차를 스스로 계획한 뒤 실제 광액세스 장비를 제어하는 방식이다. 연구팀은 AI가 생성한 제어 절차를 실제 광액세스망에 적용하기 전에 가상 환경에서 미리 점검하는 ‘사전 검증 기술’도 함께 개발했다. 이를 통해 잘못된 설정이나 명령으로 발생할 수 있는 오류 가능성을 줄일 수 있다. 광액세스망 운용에 외부 상용 LLM을 활용할 경우 주요 망 운용 정보와 데이터가 외부로 전달될 가능성을 고려해 보안 문제도 신경 썼다. 연구팀은 외부 상용 AI에 의존하지 않고 망 내부에서 자체적으로 구동할 수 있는 ‘광액세스 특화 로컬 LLM’ 구현에 필요한 핵심 요소 기술도 개발하고 있다. 광액세스망은 △대규모 AI 모델의 지식과 능력을 소규모 로컬 LLM으로 이전하는 기술 △로컬 LLM을 특정 광액세스망 운용 업무에 효율적으로 적응시키는 기술 △AI가 생성한 결과의 정확성과 사용자 요구사항 충족 여부를 평가하는 기술 등을 확보했다. 연구팀은 광액세스망 운용에 필요한 지식과 네트워크 상태, 운용 경험 등을 종합적으로 학습한 ‘광액세스 파운데이션 LLM’을 개발하고 이를 기반으로 AI가 스스로 망을 운용할 수 있도록 관련 기술을 단계적으로 고도화할 예정이다. 조승현 ETRI 유무선광액세스연구실 실장은 “이번 연구로 AI가 작업자의 자연어 명령을 이해해 필요한 작업을 수행하고, 실제 적용 전에 그 결과를 검증할 수 있는 기술적 기반을 마련했다는 의미가 있다”며 “향후 AI가 스스로 네트워크 상태를 인지하고 판단해 망을 관리하는 ‘AI-네이티브 광액세스망’ 구현을 위한 기반 기술로 활용될 것”이라고 설명했다.

국내 AI 플랫폼 기업 팔레트는 지난 9월 23일 AI Agent 서비스 ‘Palette Agent’를 전 세계에 공식 출시했다고 밝혔다. 글로벌 빅테크 기업들이 AI Agent 시장에 본격적으로 뛰어들며 주도권 경쟁에 불을 지피는 상황 속에서, Palette Agent는 다양한 인공지능 모델과 실무 도구들을 비롯해 맞춤형 앱 제작 기능까지 통합된 단일 환경에서 제공하는 종합 AI 업무 플랫폼을 지향하고 있다. AI Agent는 사용자가 모든 과정을 일일이 지시하지 않아도 주어진 목표를 달성하기 위해 계획을 세우고 도구를 활용해 실행하는 자율형 AI다. 기존 생성형 AI가 질문에 답하는 데 초점을 맞췄다면, AI Agent는 사용자의 목표를 실제 업무 결과로 연결하는 실행형 AI에 가깝다. ‘Palette Agent’는 ChatGPT, Claude, Gemini 등의 최신 AI 모델을 팔레트의 자체 LLM인 ‘Palette Smart’로 통합하여, 사용자의 요청과 대화 맥락, 작업의 성격에 맞춰 최적화된 모델과 기능을 연결한다. 이를 통해 사용자는 각 AI 모델의 특성이나 프롬프트 작성법을 별도로 익히지 않아도 하나의 서비스 안에서 기획, 문서 작성, 리서치, 앱 제작, 업무 자동화 등 다양한 작업을 수행할 수 있다. 또한 복잡한 기술을 내세우기보다는 사용자가 자연스럽게 자신의 작업 환경을 구축할 수 있도록 고안된 사용자 중심의 UI 디자인으로 차별화를 꾀했다. 팔레트는 이번 신제품 출시를 계기로 새로운 인공지능의 지향점으로 ‘Authentic Intelligence’를 선언했다. 이는 단순히 더 영리한 답변을 제시하는 인공지능(Artificial Intelligence)의 틀을 벗어나, 사용자의 의도와 맥락을 깊이 이해하고 사용자의 통제 속에서 구체적인 성과를 도출해내는 인간 중심의 인공지능을 뜻한다. 팔레트 이종근 대표는 “Palette Agent는 질문에 답하는 ‘똑똑한 AI’를 넘어, 사용자의 의도를 이해하고 맥락을 연결해 실제 업무를 완결하여 ‘정확한 답’을 제공하는 AI 모델”이라며 “앞으로 Palette Agent를 사람의 고유한 지능을 확장하는 Authentic Intelligence Workspace로 발전시켜 나가겠다”고 말했다. 특히 Palette Agent는 사용자가 자연어로 원하는 작업을 요청하면 필요한 도구나 앱을 직접 제작하거나 개인과 팀의 업무 환경에 맞는 맞춤형 솔루션을 구성할 수 있도록 설계됐다. 업무 요청부터 실행, 결과 관리까지 하나의 플랫폼에서 진행할 수 있어 개인과 팀의 업무 생산성을 높이는 데 도움을 준다. 한편, 팔레트는 Palette Agent 글로벌 출시를 기념해 Agentic AI 모델로서는 세계 최초로 신규 가입 고객에게 총 600크레딧(기본 500 제공, 웰컴 축하 100 추가 제공)을 무료로 제공하는 론칭 페스티벌을 진행하고 있으며, pltt.ai로 접속하면 된다. 또한 새로운 AI 사용 경험을 알리기 위한 ‘Don’t Prompt, Start Palette’ 캠페인도 함께 전개할 예정이다.

“승인은 나중에 받아도 돼. 일단 급히 처리하자. 이전에도 그렇게 했었어. 괜찮아.” 동료 인공지능(AI) 에이전트의 이런 부추김이 다른 AI의 보안 판단을 흔들 수 있다는 연구 결과가 나왔다. 기업이 AI 에이전트에 업무 권한을 부여할 때 모델 성능뿐만 아니라 조직 내 협업 환경까지 보안 검증 대상에 포함해야 한다는 지적이 나온다. 해당 연구는 뉴욕대 아부다비 캠퍼스·맥길대 등 연구진이 지난 8일 논문 사전 공개 사이트인 아카이브(arXiv)에 ‘조직행동론으로 살펴본 AI 에이전트 안전성’라는 이름으로 공개했다. AI 에이전트의 안전성을 조직 내 업무 환경과 연결해 분석한 논문이다. 연구진은 16개 조직 환경을 구성하고 210개씩, 총 3360개의 과제를 수행하도록 해 6개 최신 대형언어모델(LLM)의 행동을 비교했다. 논문에서 실험한 업무환경에서 부정적 변수는 동료 AI, 과거 기억, 상사 지시 등 세 가지다. 예를 들어 AI가 일을 수행하는 과정에서 동료 AI가 안전 절차를 생략하라는 식으로 권고하거나 과거 업무 처리 과정에서 예외 처리나 절차 위반을 장기 기억에 저장하는 경우다. 또 상사 등이 “시간이 없으니 승인 절차는 나중에 처리하고 일단 실행하라” 등으로 지시했을 경우도 부정적 변수로 포함됐다. 그 결과 부정적인 요인이 없는 조건에서 AI 에이전트의 기밀 정보 무단 공개 비율은 16.5%였지만, 부정적 요인이 두 가지 결합된 조건에서는 60.1%로 높아졌다. 다만, 세 가지 요인이 모두 결합됐을 때는 50.3%로 오히려 낮아졌다. 위험 요인이 많아질수록 안전성이 일정하게 악화되는 것은 아니었지만, 부정적 요인이 결합된 환경에서 기밀 정보 무단 공개 비율이 크게 높아질 수 있다는 점은 확인됐다. 연구진은 이를 통해 AI 에이전트의 안전성을 모델 자체의 성능만으로 설명하기 어렵고, 상사의 지시와 동료 에이전트의 행동, 과거 기억 등 조직 환경을 함께 고려해야 한다고 강조했다. 이는 AI의 안전성을 평가할 때 모델 자체의 성능뿐 아니라 어떤 지시와 정보, 협업 규범 속에서 작동하는지도 살펴볼 필요가 있음을 시사한다. 인간 조직의 비생산적 업무 행동을 설명하는 조직행동론을 AI 에이전트의 위험 행동을 이해하는 틀로 활용할 수 있다는 의미도 있다. 기업 입장에서는 AI에 부여한 권한과 승인 절차를 점검하고, 동료 에이전트의 부적절한 지시나 과거의 잘못된 처리 사례가 반복적인 위험 행동으로 이어지지 않도록 관리하는 방안이 필요하다는 지적이 나온다.

현재 인공지능(AI) 시장은 중국과 미국이 양분하고 있다고 해도 과언이 아닙니다. 특히 가중치를 공개하는 오픈 웨이트 AI 모델에서는 중국이 가장 앞서가는 가운데, 유럽 소버린 AI의 대명사로 불리는 프랑스 미스트랄 AI에서 최신 대형 모델인 ‘미스트랄 라지(Mistral Large) 4’를 공개했습니다. ‘르 촌크’(Le Chonk)라는 별칭을 지닌 미스트랄 라지 4는 1조 개의 파라미터를 지닌 대규모 언어 모델(LLM)로, 텍스트와 이미지를 함께 처리할 수 있는 네이티브 멀티 모달 모델입니다. 효율적인 희소 혼합 전문가(MoE) 아키텍처를 사용해 모델 자체는 크지만, 연산 시에는 모든 파라미터가 아니라 일부 전문가만 활성화해 약 490억개의 파라미터만 사용합니다. 이런 MoE 구조는 중국 오픈 웨이트 모델에서는 이미 널리 쓰이고 있으며, 구글의 ‘젬마 4’(Gemma 4) 서방 공개 모델에서도 쉽게 볼 수 있는 방식입니다. 정식 모델 공개를 앞두고 공개한 벤치마크 결과를 보면 한 가지 흥미로운 사실을 알 수 있습니다. 미스트랄 라지 4는 사이버 보안과 법률, 금융 지식 면에서는 높은 점수를 받았으나, 코딩이나 에이전틱 능력에서는 미국 최상위 모델이나 중국의 최신 오픈 웨이트 모델을 넘어서지는 못했습니다. 이를 두고 일부에서는 “규제에 강한 유럽산 모델다운 특징”이라는 다소 냉소적인 반응이 나오기도 했지만, 반대로 실용적인 선택과 집중이라는 해석도 가능합니다. 사실 미스트랄은 대중적인 인지도는 높지 않지만, 초창기부터 모델을 공개해 허깅 페이스 같은 오픈 모델 공개 사이트에서 수많은 파생 모델이 나왔고 누적 다운로드도 상당 규모를 기록했습니다. 유럽 공공기관과 기업에서 실제로 이 모델을 업무에 활용하고 있기 때문에, 수요가 있는 사이버 보안이나 법률, 금융 부분을 중심으로 개발한 건 당연한 결과라고 할 수 있습니다. 미스트랄 AI는 미스트랄 라지 4 모델을 자체 데이터센터에서 운용하지 않는 사용자들을 위해 100만 토큰 기준 입력 1.36달러, 출력 4.18달러, 캐시 입력 0.14달러에 서비스할 계획이라고 발표했습니다. 미국이나 중국 모델 대비 저렴하지 않은 가격인데도 이렇게 책정한 것은 그만큼 돈 내고 쓰는 수요가 존재할 것이라는 자신감 덕분으로 보입니다. 미스트랄 AI의 전략은 우리도 참고할 필요가 있습니다. 현재 국내 독자 AI 개발 전략은 ‘세계 3위’라는 숫자에 다소 매몰된 듯한 모습입니다. 물론 일부 국내 모델은 국제 벤치마크에서 의미 있는 성과를 거두기도 했고, 현재 진행 중이기 때문에 앞으로 더 큰 성과를 거둘 가능성도 있습니다. 하지만 벤치마크에서 상위권인 것보다 더 중요한 것은 실제로 사용하는 기업이나 개인이 얼마나 되는가입니다. 1·2위인 미국과 중국이 사실상 시장을 거의 양분하는 상황에서 3위라는 목표는 달성할 수 있더라도 큰 의미가 없을 가능성이 높습니다. 그보다는 특정 영역에서 분명한 수요가 있고, 일부는 비용을 지불하고서라도 기꺼이 사용할 수 있는 모델을 개발하는 것이 중요합니다. 그러면서 피드백을 쌓아 나간다면, 어느덧 자신만의 영역을 확고하게 개척한 모델이 될지도 모릅니다.

페르소나에이아이(페르소나AI, 대표 유승재)가 10월 6일 국가AI대상을 수상했다고 밝혔다. 회사는 포용성·신뢰성·안전성·보안성의 네 가지 통제 체계를 하나의 플랫폼에서 통합 제공하는 자사 플랫폼 ‘GEN STATION’이 높이 평가된 결과라고 설명하며, 이를 움직이는 네 가지 핵심 엔진의 기술 성과를 공개했다. 최근 몇 년 사이 국내 AI 시장의 화두는 ‘에이전트’로 옮겨갔다. 그러나 대부분의 논의는 어떤 거대언어모델(LLM)을 쓰느냐에 머문다. 페르소나AI의 기술 체계는 다른 전제에서 출발한다. 에이전트의 성능은 모델이 아니라, 기업 안에 흩어진 정보가 얼마나 정확하게 ‘지식’으로 바뀌어 있는지에서 갈린다는 것이다. 네 가지 엔진은 이 전제에 따라 배치됐다. 출발점은 음성지식이다. 상담과 회의, 현장의 말은 기업에서 가장 많이 발생하지만 가장 적게 축적되는 데이터다. 페르소나AI의 ‘음성 지식화 엔진’은 한국어 인식 정확도 95.23%(TTA V＆V 공인시험 실측)를 확보했다. 학습에는 한국어 음성 7만4,887시간과 경상·강원·전라·제주·충청 5대 권역 사투리 5만시간이 투입됐다. 회사는 사투리 학습으로 기존 기술 대비 인식 성능이 약 42% 향상됐다고 밝혔다. 이 수치에서 실무적으로 더 중요한 것은 두 가지다. 화자분리 지연이 1초 이내라는 점, 그리고 한 채널에서 최대 20명까지 화자를 분리·프로파일링한다는 점이다. 국내 화자분리 기술이 통상 8명 수준에 머문다는 점을 고려하면 앞선 성능이다. 대부분의 음성 기술이 녹음이 끝난 뒤 일괄 처리(배치) 방식으로 화자를 나누는 것과 달리, 실시간 스트리밍 상태에서 화자를 가른다는 점도 차별점이다. 지식축적이 실시간으로 이뤄져 AI가 과거 데이터가 아닌 현재 데이터를 바로 처리할 수 있다는 취지다. 회사가 이 지표를 강조하는 이유는 명확하다. 화자가 분리되고 문장이 정제돼야 대화가 끝나는 즉시 내용 검색, 자동 요약, 액션아이템 추출, 감성 분석이 가능한 구조화 데이터로 남기 때문이다. 음성인식을 서비스의 출력이 아니라 지식자산의 입력으로 쓰는 설계다. 경쟁 구도 역시 이 지점에서 갈린다. 글로벌 SaaS 음성 API는 대부분 폐쇄망 반입이 어려워 금융·공공의 데이터 주권 요건을 충족하지 못한다는 설명이다. 음성과 문서에서 뽑아낸 정보는 ‘신뢰성 온톨로지-RAG 엔진’으로 넘어간다. 멀티 에이전트가 업무 규칙과 제약조건을 반영해 스키마를 설계하고, 클래스·속성·트리플을 생성한 뒤, 문법·논리 일관성·질의 응답 가능성·원문 근거 일치·중복·모델링 규칙의 6개 기준을 통과한 것만 지식원으로 승격시킨다. 정량 결과는 세 가지다. 온톨로지 자동 구축 정확도는 전문가 검수 기준 85%, TTA에서 측정한 V＆V 테스트 결과 92%를 나타냈다. 전체 구축 공수의 절반 이상을 차지하는 지식 획득·개념화·형식 모델링·1차 검증 구간은 80%가 자동화됐다. 동일 테스트셋 기준 RAG 응답 오류율은 6.9%에서 4.3%로 38% 줄었고, 정확도로 환산하면 93.1%에서 95.7%로 개선됐다. 이 영역의 성능은 외부 기준으로도 확인됐다. 회사는 2024년 NeurIPS에 발표된 온톨로지 자동 학습 연구(OLLM)가 공개한 평가셋과 지표를 그대로 사용한 공인시험에서, Wikipedia·arXiv 두 도메인의 4개 지표 총 8개 항목 모두 논문 보고치를 상회했다고 밝혔다. 그래프 구조 유사도를 보는 Motif Distance는 arXiv 도메인에서 59.5% 개선됐다. 이 엔진이 해결하는 것은 최근 기술의 한계로 꼽히는 ‘자동이지만 검증이 없는’ 그래프 RAG 계열과 ‘엄밀하지만 수작업’인 전통 온톨로지 도구 사이의 공백이다. 이 기술은 규제가 엄격한 산업군의 대기업에서 상용 검증을 마쳤다. 앞선 두 엔진이 만든 지식자산 위에서 실제 업무를 수행하는 것이 ‘검증된 워크플로 중심 에이전트 빌더’다. 구조는 세 단계다. 가용 도구와 데이터 자산을 먼저 확인해 실행 불가능한 계획을 계획 단계에서 차단하고(Gap-aware Planner), 자연어 요구사항을 선언적 워크플로로 구성한 뒤(N2F, NL-to-Flow), 의미(LLM)·타입(JSON 스키마)·그래프 구조(DAG)의 3계층 검증을 통과한 워크플로만 배포한다. 이에 대한 효율 차이는 숫자로 드러난다. 동일한 온프레미스 모델과 동일 요구사항 기준으로 워크플로 하나를 생성하는 데 LLM 호출은 3회, 소요 시간은 6.3초였다. 같은 조건에서 대표적인 자동화 도구는 호출 35회를 기록했다. 회사는 생성 시간 44배 단축, 토큰 42.6배와 추론 비용 38.6배 절감으로 측정했다고 밝혔다. GPU 자원이 제한된 폐쇄망에서는 이 차이가 곧 처리량으로 이어진다. 에이전트의 도구 호출 정확도 역시 외부 기준과 대조됐다. 함수 호출 성능의 국제 벤치마크인 Berkeley Function Calling Leaderboard v4의 다중턴 카테고리 200건 전수 시험에서 70.5%를 기록해, 2025년 ICLR 논문(ToolACE)이 보고한 50.00%보다 20.5%포인트 높았다. 형식이 맞는지가 아니라 호출을 실제 실행한 뒤 최종 시스템 상태가 정답과 일치하는지를 판정한 결과다. 마지막 ‘지식축적형 자가진화 엔진’은 운영 이후를 담당한다. 이 엔진은 관측·진단을 맡는 에이전트와 처방·생성을 맡는 에이전트, 이 두 개의 30B급 모델로 구성된다. 핵심은 모델 가중치를 바꾸지 않는다는 점이다. 개선은 프롬프트·검색 전략·워크플로의 설정 계층에서 완결된다. 이 설계가 겨냥하는 것은 규제 산업의 구조적 딜레마다. 재학습으로 모델을 개선하면 이미 승인받은 모델의 검증 결과가 무효화돼 개선할수록 재검증 비용이 늘어난다. 폐쇄망에는 학습 인프라 자체가 없는 경우도 많다. 가중치를 건드리지 않으면 이 부담이 사라진다. 진단 방식도 다르다. 실패한 실행 기록을 저장된 상태에서 다시 돌리되 한 계층씩 이상적인 값으로 바꿔 넣어, 어느 계층을 고쳤을 때 성공으로 뒤집히는지를 관측한다. 추측이 아니라 개입으로 원인을 확정하는 방식이다. 여기에 샤플리(Shapley) 기반으로 계층별 기여도를 수치로 나눈다. 회사가 제시한 사례에서는 지식 0.62, 검색 0.28, 프롬프트 0.10으로 배분돼 수정 우선순위가 저절로 정해진다. 운영 장애의 근본원인을 찾는 성능은 공개 벤치마크로도 측정됐다. RCAEval 520개 케이스 시험에서 1순위 정답률 86.54%, 3순위 이내 정답률 96.54%를 기록했다. 관측·시각화까지만 제공하는 기존 도구들과 달리, 탐지에서 개선 실행까지를 자동으로 잇는다는 것이 회사의 설명이다. 네 가지 기술은 개별 제품이 아니라 하나의 순환 구조로 연결된다. ‘음성 지식화 엔진’이 현장의 말을 지식으로 바꾸고, ‘신뢰성 온톨로지-RAG 엔진’이 검증을 통과한 것만 적재하며, ‘검증된 워크플로 중심 에이전트 빌더’가 그 지식 위에서 업무를 실행하고, ‘지식축적형 자가진화 엔진’이 실행 결과의 실패 원인을 계층별로 진단해 다시 온톨로지로 되돌린다. 운영할수록 지식이 늘고, 늘어난 지식이 다음 실행의 정확도를 높이는 구조다. 이 구조는 회사의 플랫폼 ‘GEN STATION’ 위에서 데이터 자산화 → 모델·에이전트 개발 → 안전 배포 → 운영·모니터링 → 평가·피드백 → 자가진화의 6단계 흐름으로 구현된다. 별도의 ‘초경량 온디바이스 추론 엔진’도 AI 로봇과 키오스크 등 다양한 디바이스 탑재를 위해 함께 개발됐다. 기술은 현장 숫자로도 이어진다. 회사는 금융·보험·공공·보안 등 고신뢰 산업을 중심으로 90개 이상 기관·기업에 제품을 공급했으며, 2026년 기준 누적 수주 146건, 누적 사업화 매출 341.86억원, 누적 투자유치 413억원을 기록했다. 매출은 2023년 67억원, 2024년 85억원, 2025년 118억원으로 3년 연속 증가했다. 대외 검증도 누적됐다. CES 혁신상을 2년 연속 수상해 총 3관왕을 기록했고, 미국에서 열린 생성형 AI 솔루션 경진대회에서 1위를 차지했다. 과학기술정보통신부 피지컬 AI 기획위원으로 참여하고 있으며, 경남·전북 피지컬 AI 실증 사업에서는 산업별 특화 모델 영역을 맡고 있다. 페르소나AI 관계자는 “한국형 팔란티어와 같은 기술로써 좀 더 한국 정서에 맞는 기술로 에이전트가 단순 S/W가 아니라 H/W까지 연결되며 제어할 수 있는 단계로 확장되고 있다”고 밝혔다.

- 생성형 AI·VLM 기반 ‘ARGOS Document OCR’로 독보적 기술 경쟁력 입증- GS인증·공공조달 등록을 마친 ‘ARGOS AI Chat Search’와 함께 공공·금융 등 AI 솔루션 공급 박차 인공지능(AI)·시스템 통합(SI) 전문기업 웨어비즈(대표 박상길)가 생성형 AI와 문서 레이어 분석 기반의 인공지능 OCR 솔루션 기술로 서울평가정보 TCB(기술신용평가) 우수기술기업 인증을 획득했다고 밝혔다. TCB는 기업이 보유한 기술의 기술성·시장성·사업성을 종합적으로 평가하는 기술신용평가 제도다. 웨어비즈는 이번 인증으로 그동안 자체적으로 쌓아 온 비전 AI·OCR 기술력을 공식적으로 인정받았다. 웨어비즈의 대표 솔루션 ‘ARGOS Document OCR’은 단순히 문자를 인식하는 데 그치지 않는다. 생성형 AI와 VLM(Vision Language Model) 기술을 결합해 복잡한 문서의 레이아웃과 내용까지 깊이 있게 분석한다. 스캔 문서나 이미지 파일 같은 비정형 데이터를 정확하게 인식하고, 이를 검색·참조할 수 있는 환경을 제공한다. 특히 고가의 GPU 장비 없이 일반 CPU 환경에서도 빠른 처리가 가능하도록 딥러닝 최적화 기술을 적용해 시스템 구축에 필요한 비용 부담을 대폭 낮췄다. 사용자가 미인식 데이터를 직접 학습시켜 AI 인식 성능을 고도화할 수 있는 ‘OCR 스마트 학습기’ 기능도 탑재됐다. 웨어비즈는 이 같은 AI OCR 기술력을 바탕으로 최근 인천국제공항 출입국 K-ETA 및 EAC 여권인식 프로젝트를 성공적으로 완료하며 공공 분야 현장 적용성을 증명했다. 지능형 하이브리드 챗봇 솔루션 ‘ARGOS AI Chat Search’도 공공·기업 시장에서 주목받고 있다. 이 솔루션은 오픈소스 대규모언어모델(LLM)과 GPT 같은 상용 LLM을 플러그인 방식으로 바꾸거나 함께 쓸 수 있는 유연한 구조가 특징이다. 보안이 중요한 내부 문서 검색에는 오픈소스 LLM을, 최신 정보가 필요한 외부 업무에는 상용 LLM을 적용하는 식으로 업무 환경에 맞춰 활용할 수 있다. ‘ARGOS AI Chat Search’는 이러한 기술력을 바탕으로 한국정보통신기술협회(TTA) 소프트웨어시험인증연구소로부터 GS인증 1등급을 획득했으며, 조달청 공공조달 플랫폼 디지털서비스몰에 등록되어 공공기관의 도입 편의성을 높였다. 웨어비즈는 이번 TCB 우수기술기업 인증 획득과 VLM 기반 OCR 기술력을 교두보 삼아, 금융·의료·공공 등 문서 처리 자동화 수요가 높은 산업군을 중심으로 AI 솔루션 공급을 본격 확대할 방침이다. 아울러 지속적인 연구개발(R＆D)을 통해 AI 문서 인식 및 챗봇 솔루션을 한층 더 고도화할 계획이다. 박상길 웨어비즈 대표는 “이번 인증은 웨어비즈가 그동안 쌓아 온 비전 AI와 OCR 기술력을 공식적으로 인정받은 결과”라며 “앞으로도 생성형 AI 기반의 문서 인식·챗봇 솔루션으로 고객의 업무 효율을 높이고, 디지털 전환(DX)을 앞당기는 믿을 수 있는 파트너가 되겠다”고 말했다.

최근 미국 프런티어 모델을 거의 따라잡은 성능과 증류 논란으로 유명해진 문샷 AI의 키미 K3나 지난해 AI 시장에 큰 충격을 몰고 온 딥시크와 비교해서 알리바바의 Qwen은 상대적으로 대중적 인지도는 낮은 편입니다. 하지만 누구나 다운로드 해 사용할 수 있는 개방형 LLM 모델 가운데서 Qwen 3.8 시리즈는 모델 크기 대비 높은 성능으로 많은 사용자를 확보한 상태로 만만치 않은 기술력을 자랑하는 회사이기도 합니다. 여기에 중국 AI 회사 가운데서는 일찍부터 AI 하드웨어에 많은 투자를 해 자체 플랫폼을 구축하고 있는 회사이기도 합니다. 이런 점에서 알리바바는 자체 모델인 제미나이와 AI 가속기인 TPU를 지닌 구글과 상당히 유사한 전략을 지닌 회사이기도 합니다. 최근 알리바바는 5조에서 10조개 파라미터 규모의 차세대 Qwen 모델을 개발하겠다고 밝혔습니다. 더 중요한 것은 이런 대형 모델을 훈련하고 서비스할 수 있는 자체 AI 가속기 ‘젠우 V900’을 공개했다는 점입니다. 지난 22일 항저우에서 열린 압사라 콘퍼런스에서 공개한 알리바바의 젠우 V900은 216GB의 메모리를 탑재하고 있으며 전 세대인 M890의 3배의 성능을 지니고 있습니다. 구체적인 성능은 아직 공개하지 않았는데, FP16 기준으로 3배라면 1.8 PFLOPs의 성능을 지닌 것으로 추정됩니다. 여기에 FP8/FP4 연산도 지원한다고 밝혔습니다. 아무튼 대략적인 수치를 감안하면 알리바바의 젠우 V900은 엔비디아의 베라 루빈(FP4 기준 50 PFLOPs)과 비교해 성능은 낮은 편입니다. 하지만 엔비디아 칩을 수입하기 힘든 알리바바 입장에서는 자체 개발이 필수적인 상황입니다. 그리고 사실 중국 내에서 경쟁 상대인 화웨이 어센드 칩과 비교해서 크게 낮은 성능이라고 할 수 없는 수준이기도 합니다. 일단 젠우 V900 칩을 계획대로 양산해서 목표처럼 20GW 급 데이터 센터를 2032년까지 구축할 수 있다면 알리바바는 나름 승산이 있다고 보고 있습니다. 중국 AI 모델의 특징은 상대적으로 적은 연산 자원을 이용해서 높은 성능을 낼 수 있게 한 데 있습니다. 미국이 제재로 칩 수급이 어려운 상황에서 내놓은 여러 고육지책이 지금은 오히려 큰 무기가 되고 있는 셈입니다. 최신 Qwen 모델은 활성 파라미터 크기를 줄여 연산 부담을 더는 MoE(Mixture of Experts) 기법은 물론이고 ‘N-gram 임베딩’처럼 AI 가속기의 메모리 부담까지 덜어주는 최신 기법을 사용해 연산 자원 대비 높은 성능을 보여주고 있습니다. 따라서 50만 개의 V900 칩을 실제로 양산해 대규모 AI 데이터 센터를 구축할 수만 있다면 앞으로 AI 경쟁에서 연산 자원 확보에 어려움을 겪는 딥시크나 키미 K3보다 유리한 고지를 차지할 수 있습니다. 물론 하이퍼스케일러가 되기 위해서는 AI 가속기 만으로는 불가능합니다. 한 개의 기속기에서 10조 개의 파라미터를 돌릴 순 없기 때문입니다. 젠우 V900 가속기는 알리바바의 ICN 스위치 패브릭을 통해 약 1.2TB/s의 칩 간 인터커넥트 속도를 제공합니다. 그리고 지우(Panjiu) 슈퍼노드 서버(V900 + ICN 스위치 기반), 이톈(Yitian) CPU를 포함한 자체 맞춤형 랙 스케일 솔루션을 개발하고 있습니다. 다만 중국 내 반도체 수급 상황도 쉽지 않다는 점을 생각하면 순조롭게 캐파 확장에 성공할 수 있을진 미지수입니다. 최대 50만 개의 V900 가속기는 108페타바이트의 HBM 메모리를 의미합니다. 다만 중국 내 고성능 반도체와 고대역폭 메모리 공급이 빠듯한 상황이어서, 계획대로 50만 개 규모로 양산해 대규모 데이터센터를 구축할 수 있을지는 아직 미지수입니다. 물론 이런 어려움을 극복하고 알리바바가 대규모 데이터센터, 자체 AI 가속기, 자체 LLM까지 완성한다면 AI 수직 계열화에 한 발 더 다가가며 입지를 크게 강화할 수 있을 것입니다. 알리바바는 젠우 V900의 출시 시점을 내년 1분기로 밝혔습니다. 알리바바가 어떤 결과를 겨두게 될지 주목됩니다.

AI 인프라 소프트웨어 전문 기업 오케스트로 그룹(의장 김민준)이 퓨리오사AI(대표 백준호)와 손잡고 국산 NPU 기반 AI 인프라의 상용화와 시장 확대에 나선다. 오케스트로 그룹은 AI 반도체 기업 퓨리오사AI와 지난 18일 서울 강남구 퓨리오사AI 본사에서 ‘NPU 기반 AI 인프라 및 플랫폼 기술·사업 협력’을 위한 업무협약(MOU)을 체결했다고 21일 밝혔다. 양사는 올해 초부터 퓨리오사AI의 2세대 NPU ‘RNGD(레니게이드)’와 오케스트로 AI 인프라 소프트웨어 간 긴밀한 기술 협력을 이어왔다. 퓨리오사AI NXT RNGD 서버를 오케스트로 AI 인프라 환경에 구축해 호환성과 주요 기능을 검증하고, RNGD 기반 LLM을 실제 서비스 환경에서 안정적으로 배포·서빙·운영하기 위한 기술을 단계적으로 구현해 왔다. 그 성과로 오케스트로는 기존 GPU 중심으로 제공해 온 AI 추론 운영 플랫폼 ‘콘체르토 AI(CONCERTO A.I.)’의 지원 범위를 퓨리오사AI RNGD까지 확장했다. CONCERTO A.I.는 AI 모델의 배포와 서빙, 컴퓨팅 자원 관리, 서비스 모니터링 등을 통합 지원하는 AI 추론 인프라 플랫폼이다. 양사의 기술 협력을 통해 고객이 NPU 기반 LLM 서빙 환경을 직접 구성해야 하는 부담을 줄이고, NPU에서도 AI 서비스를 보다 손쉽게 구축·운영할 수 있는 기반을 마련했다. CONCERTO A.I.는 단순한 NPU 기반 모델 구동을 넘어, 실제 서비스 운영에 필요한 지능형 라우팅(Intelligent Routing)과 토폴로지 기반 스케줄링(Topology-aware Scheduling) 기능도 지원한다. 요청 특성과 가속기 자원을 고려해 적합한 추론 경로를 구성하고, GPU·NPU 등 이종 AI 가속기를 서비스와 워크로드 특성에 맞춰 활용할 수 있도록 한다. 이번 MOU는 그동안 축적한 기술 검증 성과를 실제 고객 사업으로 연결하기 위한 협력의 다음 단계다. 양사는 다양한 AI 모델과 워크로드를 대상으로 퓨리오사AI RNGD 기반 AI 인프라의 성능과 안정성을 지속 검증하고, 고객 대상 BMT(벤치마크테스트)와 실증을 통해 실제 서비스 환경에 적합한 구축·운영 모델을 구체화할 계획이다. 아울러 검증을 마친 기술의 시장 안착을 도모하기 위해 사업적 협업 체계도 대폭 강화한다. 공공·금융·산업 분야 고객별 요구사항과 업무 특성을 다각도로 분석하여 RNGD 기반 AI 인프라를 맞춤형으로 공동 설계·제안하고, BMT 및 실증 사업을 성공적인 상용 구축으로 연계함으로써 업종별 대표 레퍼런스를 구축할 방침이다. 이에 더해 공동 마케팅과 영업, 밀착 기술 지원을 유기적으로 연계해 RNGD 인프라의 시장 도입을 가속화하고 혁신적인 비즈니스 모델 창출에도 적극 나선다. 향후에는 다채로운 AI 모델과 복잡한 워크로드에 유연하게 대응 가능하도록 차세대 AI 추론 인프라 대상의 공동 기술 검증 작업 역시 한층 확대 진행한다. AI 모델부터 추론 런타임, 가속기를 아우르는 통합 관리·모니터링 체계를 한 단계 끌어올리는 한편, GPU와 NPU 등 다종 가속기를 업무 성격에 따라 최적의 상태로 배분·활용하는 이기종 AI 컴퓨팅 인프라 환경으로 파트너십을 확장해 나갈 구상이다. 오케스트로는 이러한 기술 협력을 자체 AI 인프라 풀스택 소프트웨어 역량과도 연계한다. 서버 가상화 솔루션 ‘콘트라베이스(CONTRABASS)’, 클라우드 네이티브 운영 관리 플랫폼 ‘비올라(VIOLA)’, 멀티·하이브리드 클라우드 통합 관리 플랫폼 ‘오케스트로 CMP(OKESTRO CMP)’, 데브옵스 솔루션 ‘트럼본(TROMBONE)’ 등을 기반으로 AI 인프라의 구축부터 플랫폼 운영, 통합 관리까지 아우르는 역량을 강화하고 NPU를 포함한 다양한 AI 컴퓨팅 자원을 활용하는 사업으로 영역을 넓힌다. 특히 양사는 국산 AI 모델과 국산 AI 가속기, 이를 실제 서비스로 연결하는 AI 인프라 소프트웨어를 결합한 ‘K-AI 인프라’ 생태계 확산에도 협력한다. 퓨리오사AI의 RNGD 하드웨어 및 소프트웨어와 오케스트로의 AI 인프라 기술을 기반으로 공공·금융·기업의 프라이빗 AI 및 소버린 AI 구축 수요를 공략하고, 기술 검증과 구축 경험을 축적해 국산 NPU 기반 AI 인프라의 적용 영역을 지속 확대할 방침이다. 백준호 퓨리오사AI 대표는 “AI가 실제 기업과 공공 환경에 확산되면서 AI 가속기의 성능과 전력 효율뿐 아니라, 다양한 AI 워크로드를 안정적으로 배포하고 운영할 수 있는 소프트웨어와 인프라 역량의 중요성이 더욱 커지고 있다”며 “오케스트로의 AI 인프라 소프트웨어 스택과 RNGD를 결합해 대규모 AI 데이터센터와 토큰 팩토리를 최적으로 운영할 수 있는 풀스택 솔루션을 구현하고, 공공·금융·기업 고객의 실제 서비스 환경에서 상용 구축을 지속 확대해 나가겠다”고 말했다. 김민준 오케스트로 그룹 의장은 “올해 초부터 퓨리오사AI와 긴밀한 기술 협력을 이어오며 NPU에서도 AI 모델을 손쉽게 배포·서빙하고 운영할 수 있는 기술 기반을 마련하고, GPU와 NPU를 아우르는 AI 추론 인프라로 CONCERTO A.I.의 기술 범위를 확장해 왔다”며 “이번 협약을 계기로 기술 검증을 고객 실증과 사업화로 연결하고, 양사의 기술 경쟁력을 결합해 공공·금융·기업 시장에서 새로운 AI 인프라 레퍼런스를 만들어 나가겠다”고 말했다.

디지털 자산 특화 AI 플랫폼 서프(Surf AI)가 오는 9월 17일 서울 소피텔에서 ‘2026 디지털 자산 AI 써밋’을 개최한다. 빗썸(Bithumb), 포필러스(Four Pillars), 비트고(BitGo)와 공동으로 진행하는 이번 행사에는 기관·업계 파트너·미디어 관계자 약 50명이 참석해 AI가 디지털 자산 산업의 의사결정과 사용자 경험을 어떻게 바꾸고 있는지 실제 사례를 중심으로 논의한다. 서프는 기업의 AI 기반 디지털 전환을 지원하는 AI 인텔리전스 플랫폼이다. 범용 대규모언어모델(LLM)과 달리 디지털 자산 시장의 데이터 구조와 업무 환경에 맞춰 설계됐으며, 정제·구조화한 데이터와 고객별 업무 맥락에 맞춘 솔루션을 바탕으로 각 조직이 자체적인 정보 분석·활용 역량을 갖출 수 있도록 돕는다. 써밋의 핵심 주제는 빗썸과 서프의 협업 사례다. 빗썸은 서프와 공동 개발한 ‘빗썸 AI’를 이번 행사에서 소개한다. 빗썸 AI는 국내 가상자산 거래소 최초로 AI 종목시그널·종목분석·데일리시황·추천질문을 결합한 종합 분석 서비스로, 가격·거래량·온체인 데이터·커뮤니티 반응을 종합한 심층 리포트를 통해 이용자의 시장 분석을 돕는다. 아시아 블록체인 인프라·리서치 기업 포필러스도 이번 행보에 힘을 보탠다. 국내 금융기관의 디지털 자산 시장 진출을 조력해 온 포필러스는 현재 서프와 손잡고 ‘아시아 중앙화 거래소(CEX) 리서치’ 공동 연구를 이어가는 중이다. 앞서 지난 7월 발표된 첫 번째 결과물인 ‘전통 금융 회사들과 한국 거래소’ 보고서에서는 대형 금융기관들의 국내 가상자산 거래소 지분 인수 현황과 시장 진입 전략이 집중 조명되었다. 특히 해당 리서치는 가상자산 거래소가 단순한 코인 매매 공간을 넘어, 전통 금융과 디지털 자산 생태계를 이어주는 핵심 교두보로 자리매김하고 있음을 시사해 주목을 받았다. 글로벌 디지털 자산 인프라 기업 비트고도 함께한다. 100개국 이상 5,800개 이상의 기관·기업 고객을 대상으로 사업을 전개하는 비트고는 지난 8월 한국 법인 비트고코리아가 금융정보분석원(FIU) 가상자산사업자(VASP) 신고 수리를 완료했으며, 이번 행사에서 기관 관계자를 위한 맞춤형 교육 세션을 진행할 예정이다. 디지털 자산 산업의 핵심 분야인 거래소 서비스, 리서치, 기관용 인프라에서 인공지능(AI)이 어떻게 혁신을 이끌어낼지 이번 행사에서 심도 있게 다뤄진다. 특히 단순한 업무 자동화 단계를 넘어, 엄격한 정확성과 보안이 요구되는 핵심 제품 경험과 고도화된 의사결정 프로세스에 AI를 실질적으로 접목하는 방안이 핵심 의제로 집중 논의될 전망이다. 박서현 서프 한국 총괄은 “AI 도입의 다음 단계는 문서 작성이나 요약 자동화를 넘어, 조직이 스스로 신뢰할 수 있는 인텔리전스를 생산하고 이를 제품화하는 것”이라며 “2026 디지털 자산 AI 써밋은 한국 시장에서 그 가능성을 실제 사례와 함께 논의하는 자리”라고 전했다.

배후에 북한이 있는 것으로 추정되는 해킹 조직 ‘김수키’가 최근 해킹에 인공지능(AI) 에이전트를 이용한 정황이 포착됐다. AI가 해커의 공격 과정에 이용되는 것을 넘어 공격 업무 자체를 자동화할 것이란 우려가 현실화하는 모습이다. 국내 보안업체 지니언스 시큐리티 센터는 7일 보고서를 통해 지난달 수집한 악성 파일 13종을 분석한 결과 김수키의 공격 미끼용 데이터에서 AI 에이전트 오픈코드 기록을 확인했다고 밝혔다. 앞서 김수키가 AI와 로컬 대규모언어모델(LLM)을 미끼 제작에 활용한 정황은 포착됐지만, AI 코딩 에이전트의 실제 활용 사례가 확인된 것은 이번이 처음이다. 김수키의 공격은 이자 납부, 인증서 갱신 등 일상적인 금융·기업 실무 메일로 위장한 압축 파일을 풀면 악성 코드가 실행되는 식이다. 지니언스는 AI 코딩 에이전트가 활용된 근거로 “일부 PDF에서 AI 코딩 에이전트인 ‘오픈코드’가 기록돼 있었고, 본문에는 ‘임시값’이라는 미작성 문구가 그대로 포함돼 있었다”고 설명했다. 오픈코드는 오픈소스 기반의 AI 코딩 에이전트로, 자연어로 지시하면 코드 작성과 파일 생성을 자동으로 수행하는 도구다. ‘임시값’이라는 문구는 실제 수치를 입력해야 하는 보험료 납부 주기, 금리 등의 항목에 AI 에이전트가 생성한 문서를 검토 없이 그대로 배포한 흔적으로 추정된다는 뜻이다. 앞서 북한은 미국의 포괄적 대북 수출통제 조치를 우회하며 빅테크들의 칩을 공수해 AI 성능을 고도화해 온 바 있다. 이번 사례는 AI 에이전트의 성능이 높아질수록 사이버 공격의 위험성과 파급력이 함께 커진 대표 사례로 꼽힌다. 황석진 동국대 국제정보대학원 교수는 “북한이 단순히 AI 에이전트라는 해킹 도구 하나를 추가한 것을 넘어 사이버 공격을 자동화·정교화·대량화했다는 뜻”이라며 “대규모 해커를 양성하던 북한이 해킹에 필요한 인력과 시간, 비용을 줄이며 기술 격차를 축소할 것”이라고 우려했다. 이어 “AI는 AI로 막아야 하기 때문에 AI 기반 탐지 및 다중운용체계를 구축하는 게 중요하다”며 “‘보안 특화 AI’와 같이 정부, 학계, 다양한 분야의 기업 등 서로 다른 주체들이 공격 취약점이나 경로 파악 등 공동의 대응체계를 구축하는 것이 필요하다”고 말했다.

사람이 쓴 1000개 글 AI로 재작성글쓴이 개성 나타내는 지표 반토막원본과 의미 같지만 무미 건조해져다양성 침식해 장기적 창의성 제한 2022년 11월 30일 생성형 인공지능(AI) 챗GPT가 처음 대중에게 공개됐다. 그로부터 4년 가까이 지난 지금 읽기, 쓰기, 그리기 등 다양한 일을 대신하면서 AI 없는 세상을 상상할 수 없게 됐다. 그런데 미국 서던캘리포니아대(USC) 컴퓨터과학과, 계산 언어과학 연구센터, 심리학과, 정보과학 연구소 공동 연구팀은 생성형 AI가 사람들의 글쓰기 형태를 유사하게 만든다고 26일 밝혔다. 이 연구 결과는 행동과학 분야 국제 학술지 ‘네이처 인간 행동’ 25일자에 실렸다. 연구팀은 레딧 스토리, 뉴스 기사, 학술 논문 초록, 에세이, 소셜미디어(SNS) 게시물, 정치 연설을 포함한 88만 개 이상의 텍스트를 수집해 챗GPT 출시 전후 글쓰기 복잡성 분산 추이를 분석했다. 또 챗GPT 출시 이전에 사람이 작성한 글 1000개를 무작위로 선정해 챗GPT-3.5, 라마 3 70B, 구글 제미나이 프로 모델에게 명확성 개선, 문법 수정 등 12가지 중립적 프롬프트를 제시한 뒤 다시 쓰도록 했다. 연구팀은 AI가 작성한 글과 원본을 비교해 저자를 파악할 수 있는 특성을 얼마나 변화시켰는지 분석했다. 또 어휘 특성 분석 기법으로 특정 어휘 사용과 개인적 특성 간 상관관계가 어떻게 변하는지 세밀히 조사했다. 그 결과, AI로 다시 작성된 글은 원본 텍스트와 의미상으로는 달라지는 것이 거의 없었다. 그렇지만 글쓴이의 개인적 특성을 드러내는 지표인 ‘복잡성의 변동성’은 최대 50% 줄어든 것으로 확인됐다. 쉽게 말하면 AI가 쓴 글에서는 저자의 개성을 거의 찾을 수 없다는 것이다. 사람의 글쓰기에서는 각자 성향에 따라 특정 단어를 많이 쓰는 패턴이 있다. 외향적인 사람들은 나, 너, 우리 같은 대명사를 자주 쓰고 의리나 친밀감을 중요하게 생각하는 사람은 친구와 관련된 단어를 많이 사용하며 나이에 따라 과거, 현재, 미래를 뜻하는 단어를 쓰는 빈도와 방식이 달라지는 식이다. 그런데 AI가 글을 고치면 이런 특징적 단어 사용이 사라져 극히 평범하고 표준적인 글, 소위 건조하고 재미없는 글로 바뀌게 된다는 것이다. 반면 신경증을 드러내는 부정적인 감정 단어나 도덕적 순수성과 연관된 종교적 단어, 성별에 따른 사회적 관계 단어의 사용 패턴은 AI가 그대로 놔둔 것으로 조사됐다. ‘이게 무슨 문제가 되느냐’는 의문을 제기할 수 있다. AI는 통계적으로 가장 확률이 높은 텍스트를 생성하도록 최적화돼 있기 때문에 언어적 다양성을 침식하고 지배적 언어 패턴을 강화한다는 위험을 안고 있다. 또 이런 언어의 동질화 현상은 주류 집단의 목소리를 증폭시키는 반면 소외 계층의 언어적 특성을 소외시킬 우려가 크다. 연구를 이끈 모르테자 데그하니 USC 교수는 “언어와 사고의 상관관계를 생각한다면 LLM으로 인한 언어 사용의 획일화는 장기적으로 인류의 인지적 유연성과 창의성을 제한해 사고 범위 자체를 좁히는 결과를 낳을 수 있다”고 우려했다.

AI 에이전트 매출 539% 급증…영업손실 50.3% 축소 도메인 특화 인공지능(AI) 에이전트 전문기업 와이즈넛(096250, 대표이사 강용성)이 2026년 상반기 연결 기준 매출액 146억 5000만 원을 기록하며 전년 동기 대비 8.2% 증가했다고 18일 밝혔다. 이번 상반기 실적은 AI 에이전트 부문이 전년 대비 539% 급성장하며 전체 외형 확대를 이끌었으며, 영업손실과 당기순손실 폭을 대폭 줄여 수익성 개선 흐름을 굳혔다. 와이즈넛의 상반기 연결 기준 영업손실은 15억 9000만 원으로 전년 동기(32억 원) 대비 적자 폭이 50.3% 줄었다. 같은 기간 당기순손실 역시 5억 1000만 원을 기록해 전년 동기(20억 원) 대비 74.3% 대폭 감소했다. 사업 부문별로는 AI 에이전트 사업의 성장세가 두드러졌다. 상반기 AI 에이전트 부문 매출은 61억 5000만 원으로 집계돼 전년 동기(9억 6000만 원) 대비 539.0% 증가했다. 이에 따라 전체 매출에서 AI 에이전트가 차지하는 비중은 지난해 상반기 7.1%에서 올해 상반기 42.0%로 34.9%포인트(p) 확대됐다. 와이즈넛은 신규 AI 에이전트 사업 수주가 확대되고 기존 레거시 사업의 생성형 AI 전환이 본격화되면서 AI 에이전트 부문의 매출 비중이 빠르게 증가한 것으로 분석했다. 기존 검색·챗봇 사업을 통해 축적한 자연어 처리 기술과 고객 기반, 산업별 구축 경험 등이 도메인 특화 AI 에이전트 사업으로 이어지면서 사업 포트폴리오 전환에도 속도가 붙고 있다는 설명이다. 2분기 기준 실적은 매출액 74억 3000만 원, 영업손실 1억 6500만 원, 당기순이익 5억 원을 달성했다. 상반기 누적 기준으로는 AI 에이전트 사업의 양적 성장과 판관비 효율화, 전년 동기 코스닥 상장 관련 일회성 비용 반영에 따른 기저효과가 복합적으로 작용해 손실 규모를 크게 낮췄다. 현재 와이즈넛은 공공과 기업 현장의 실제 업무에 적용되는 도메인 특화 AI 에이전트를 중심으로 AX 시장 공략을 강화하고 있다. 단순한 생성형 AI 도입을 넘어 고객이 보유한 내부 데이터와 업무 프로세스를 AI 에이전트와 연결해 실질적인 업무 생산성을 높이는 데 주력하고 있다. 와이즈넛은 에이전트 특화 LLM ‘WISE LLOA’와 RAG 기반 에이전트 솔루션 ‘WISE iRAG’, 에이전트 제작·운영 도구 ‘WISE Agent Labs’ 등 자체 기술을 비롯해 공공·기업 분야에서 축적한 구축 경험을 기반으로 산업별 AI 에이전트 적용 범위를 확대하고 있다. 와이즈넛은 하반기에도 공공기관과 기업의 AX 수요에 맞춰 도메인별 AI 에이전트 사업을 확대하는 한편, AI 에이전트 매출 성장과 수익성 개선을 동시에 추진한다는 방침이다. 강용성 와이즈넛 대표는 “올해 상반기에는 AI 에이전트가 검토와 검증 단계를 지나 공공과 기업 현장에서 실제 매출로 전환되는 변곡점을 만들어 냈다”라며, “이 성장세를 하반기에는 한 단계 더 끌어올려 도메인 특화 AI 에이전트 사업을 기반으로 외형 확대뿐만 아니라 수익성까지 갖춘 성과로 증명해 나갈 계획”이라고 말했다.

삼성SDS가 정부의 인공지능(AI) 연구 지원사업에 고성능 그래픽처리장치(GPU) 인프라를 공급한다. 삼성SDS는 과학기술정보통신부와 정보통신기획평가원(IITP)이 추진하는 ‘2026년 AI 연구용 컴퓨팅 지원 프로젝트’ 사업의 GPU 자원 공급사로 선정돼 지난달 20일부터 서비스를 시작했다고 11일 밝혔다. 이번 사업은 자체적으로 대규모 컴퓨팅 인프라를 구축하기 어려운 대학과 정부출연연구기관 등에 AI 연구용 GPU를 지원하는 국가 사업이다. 연구자들이 초거대 AI와 대규모언어모델(LLM)을 개발, 실험할 수 있도록 컴퓨팅 자원을 제공한다. 사업 규모는 약 153억원이다. 지원 기간은 올해 7월부터 내년 3월까지다. 이번 공급사 선정은 GPU 공급 계획과 보유 자원 규모, 연구 환경, 운영 지원 체계, 보안 역량 등을 종합 심사했다. 선정된 복수의 사업자 중 삼성SDS가 1순위 공급사로 뽑혔다. 삼성SDS는 엔비디아의 차세대 GPU인 블랙웰 울트라(B300) 등을 기반으로 한 GPU 클러스터를 공급한다. 여러 GPU를 하나의 자원처럼 사용할 수 있는 대규모 클러스터링 환경과 고속 인터커넥트 네트워크 등도 제공한다. 연구자는 장기간 진행하는 대형 모델 학습부터 단기 실험까지 과제 특성에 따라 자원을 활용할 수 있을 것으로 기대된다. 삼성SDS는 GPU뿐만 아니라 중앙처리장치(CPU)와 메모리, 스토리지, 네트워크, 개발 환경도 제공한다고 밝혔다. 연구자가 별도의 인프라를 직접 구축하지 않고 AI 연구에 집중하도록 지원한다는 설명이다.

북한의 대표적 해킹 조직으로 알려진 ‘김수키’(Kimsuky)가 단순한 이미지 위조나 피싱용 미끼 문서 제작 수준을 넘어 인공지능(AI)을 활용해 공격 전 과정의 자동화를 시도 중인 정황이 포착됐다. 미끼 문서 제작 넘어 ‘공격 전 과정 자동화’로 체질 개선10일 보안 전문 기업 지니언스의 시큐리티 센터가 발표한 분석 보고서에 따르면 김수키는 AI 기술을 사이버 공격 체계 전반에 적극적으로 이식하기 위한 연구와 기술 검증을 진행해 온 것으로 드러났다. 기존 북한 해커들의 AI 활용은 번역기나 생성형 AI를 이용해 어색하지 않은 한국어 피싱 이메일을 쓰거나 미끼용 금융 보고서를 제작하는 등 주로 ‘공격 준비’ 단계에 치우쳐 있었다. 하지만 최신 분석 결과에서는 해커들이 보안 감시를 피할 수 있는 ‘로컬 대형언어모델’(Local LLM)과 ‘검색증강생성’(RAG) 환경을 직접 구축해 운용 중인 흔적이 다수 식별됐다. 외부 서비스(OpenAI 등)로 내부 데이터가 유출되지 않는 올라마(Ollama), GPT4All, 엠스티(Msty) 등 로컬 LLM 관리 도구와 RAG 구성 환경을 비롯해 AI 에이전트 개발 프레임워크까지 자체 구축한 것이다. AI 코딩 도구 악용 및 표적 자동 추적·분석 시도 해커들은 자체 구축한 AI 환경을 통해 탈취한 막대한 양의 문서에서 유용한 정보를 자동으로 추출·분석하고, 타깃으로 삼은 공격 대상을 AI로 자동 추적 및 식별하는 시스템을 테스트하고 있는 것으로 예상된다. 특히 AI 기반 코딩 도구인 ‘커서’(Cursor)를 설치해 악성 코드 개발 프로세스를 효율화하고 AI가 생성한 가짜 가상자산·금융 투자 보고서를 한층 정교하게 다듬어 유포하는 정황도 함께 확인됐다. 주요 타깃은 비트코인 등 가상자산 관련 분야로, 가상자산 지갑 정보 및 개인 이메일 계정, 특정 웹사이트 가입 이력 등 민감 정보의 노출 여부를 자동 탐색하려는 시도가 지속되고 있다. 전 세계 코인 해킹 절반 이상이 北 소행… 누적 피해 10조원 북한 해커들이 이처럼 AI 기술을 집요하게 도입하는 배경에는 전 세계 가상자산 시장을 노린 대규모 외화벌이 목적이 자리 잡고 있다. 블록체인 보안 분석업체들의 통계에 따르면 지난해 북한 연계 해킹 조직이 전 세계에서 탈취한 가상자산 피해액은 약 20억달러(약 2조 7000억원)에 달한다. 이는 글로벌 전체 피해 규모의 60%를 차지하는 수치다. 2016년 이후 북한 연계 해커 조직에 의해 발생한 가상자산 누적 피해액만 총 67억 5000만달러(약 9조 3000억원)에 이른다. 올해 들어서도 탈중앙화 금융(DeFi) 및 리스테이킹 프로토콜 등의 취약점을 집중 공격하며 상반기에만 6억 4000만달러(약 1조원) 이상의 코인을 탈취, 전 세계 해킹 피해액의 66% 이상을 차지한 것으로 나타났다. 탈취한 가상자산은 믹서(Mixer) 서비스와 탈중앙화 거래소(DEX) 등을 통해 신속하게 세탁돼 정권 유지 및 무기 개발 자금으로 활용되는 것으로 추정된다. “단순 내용 판별 불가능… 실행 행위 감시하는 EDR 구축해야”전문가들은 해커들이 AI 도구를 공격에 본격 도입함에 따라 사회공학적 산출물의 완성도가 급격히 올라가고 있으며, 이에 따라 공격의 빈도와 속도 역시 비약적으로 증가할 것이라고 경고한다. 문종현 지니언스 시큐리티 센터장은 “AI의 발전으로 피싱 문서를 구분하기가 더욱 어려워졌다”며 “이제는 정교해진 문서 내용에 속지 않는 것을 넘어 실행 행위를 실시간으로 탐지하고 차단하는 체계를 선제적으로 마련해야 한다”고 당부했다.

북한 해킹조직 김수키(Kimsuky)가 생성형 인공지능(AI)을 피싱 문구나 가짜 문서를 만드는 데 그치지 않고, 탈취한 정보를 분석하고 공격 업무를 자동화하는 데 활용하기 위해 자체 AI 환경까지 구축한 정황이 포착됐다. 챗GPT 같은 외부 서비스를 필요할 때마다 이용하는 수준에서 벗어나, 확보한 자료를 자신들이 관리하는 서버에서 AI로 분석하고 다음 공격에 활용할 수 있는 체계를 갖추려는 움직임으로 분석된다. 사이버 보안기업 지니언스는 10일 김수키의 최근 활동을 분석한 결과, 자체 서버에서 대규모언어모델(LLM)을 구동하고 검색증강생성(RAG)을 활용할 수 있는 환경을 구축한 흔적을 확인했다고 밝혔다. LLM은 챗GPT처럼 질문을 이해해 문서나 코드 등을 만들어내는 생성형 AI의 핵심 기술이다. 김수키는 공개된 AI 모델을 자체 컴퓨터나 서버에 설치해 외부 서비스에 접속하지 않고 직접 구동할 수 있는 환경을 마련한 것으로 파악됐다. 이를 통해 탈취한 자료를 외부 AI 업체의 서버에 올리지 않고도 내부에서 분석할 수 있다. 여기에 RAG를 결합하면 탈취한 정보를 활용하기도 쉬워진다. RAG는 AI가 기존에 학습한 지식만으로 답하는 대신 별도로 저장된 문서에서 관련 내용을 찾아 답변에 활용하도록 하는 기술이다. 공격으로 빼낸 문서를 한데 모아 AI와 연결하면 사람이 수많은 자료를 일일이 읽지 않아도 특정 인물이나 계정, 가상자산 관련 정보 등을 빠르게 찾아 정리할 수 있다. 실제로 김수키의 시스템에서는 여러 AI 모델을 PC나 서버에서 실행하도록 해주는 Ollama와 GPT4All을 비롯해 AI가 여러 작업을 순차적으로 처리하도록 만드는 에이전트 개발 도구의 사용 흔적이 발견됐다. AI 기반 코드 편집기 ‘커서(Cursor)’로 공격에 쓰이는 문서를 수정하고 AI가 만든 결과물을 검토한 기록도 확인됐다. 지니언스는 김수키가 이런 환경을 이용해 탈취 문서 분석과 정보 추출은 물론 반복적인 공격 업무를 자동화하는 방안까지 시험한 것으로 보고 있다. AI는 공격 대상을 속이는 과정에도 활용되고 있다. 최근에는 생성형 AI로 만든 것으로 추정되는 가상자산 투자 전략 보고서와 금융 자료를 실제 업무 문서처럼 꾸며 악성 파일 실행을 유도하는 방식이 확인됐다. 공격자는 가상자산 지갑과 지메일 계정 정보, 웹사이트 가입 이력 등 개인정보 확보도 시도한 것으로 분석됐다. 문종현 지니언스 시큐리티센터장은 “이번 분석은 국가 배후 해킹조직이 AI를 실제 공격 체계에 접목하기 위해 로컬 LLM과 AI 개발 환경까지 구축하며 공격 역량을 고도화하고 있음을 보여주는 사례”라며 “AI 기술의 발전으로 사회공학 공격이 더욱 정교해질 것으로 예상되는 만큼 문서 내용보다 실행 행위를 중심으로 탐지하는 EDR 기반 위협 헌팅 체계가 무엇보다 중요하다”고 말했다.

올해 새롭게 도입되는 메모리 규격 중 하나가 바로 ‘LPDDR6’입니다. LPDDR 메모리는 스마트폰 같은 모바일 기기를 위한 D램 규격으로, 지난 20년 동안 꾸준한 업데이트를 거치며 현재 LPDDR5x까지 진화했고 이제 LPDDR6이 출시를 앞둔 상태입니다. 올해 초 삼성전자는 CES 2026에서 LPDDR6로 혁신상을 수상하면서 LPDDR6가 단순히 숫자 하나가 바뀌는 것이 아니라 AI 시대에 맞춘 메모리 혁신이라는 점을 소개했습니다. 물론 속도가 더 빨라지는 건 당연한 변화입니다. LPDDR6는 LPDDR5x의 최고 속도인 10.6Gbps를 넘어 최대 14.4Gbps의 빠른 속도로 AI 연산에 중요한 대역폭을 제공합니다. 하지만 속도가 유일한 혁신은 아닙니다. LPDDR6는 시스템 요구에 맞춰 전압을 세밀하게 조절할 수 있는 DVFS(Dynamic Voltage and Frequency Scaling·동적 전압 및 주파수 스케일링) 동적 효율 모드(Dynamic Efficiency mode) 기술을 제공합니다. 이를 통해 전력 효율을 최대 21%까지 높이면서도 상황에 맞춰 AI 연산에 필요한 높은 성능을 제공할 수 있습니다. SK하이닉스 역시 CES에서 1c LPDDR6 메모리를 개발했다고 발표했습니다. SK하이닉스는 이 제품이 LPDDR5X 대비 데이터 처리 속도를 33% 높이고 서브 채널 구조와 DVFS 기술을 적용해 이전 세대 제품 대비 전력 소모를 20% 이상 절감했다고 발표했습니다. 참고로 LPDDR6는 채널 너비를 16비트 단일 채널에서 12비트 서브 채널 두 개, 총 24비트로 넓혀 동일한 클럭 속도에서도 한 번에 전송할 수 있는 데이터양(비트 폭) 자체가 늘어나 데이터 병목 현상을 대폭 줄인 것이 특징입니다. 또 데이터 버스트 길이를 1.5배 늘려 인공지능(AI) 거대언어모델(LLM)이나 가중치(Weight) 매트릭스 연산과 같이 연달아 대규모 데이터를 읽고 써야 하는 온디바이스 AI 워크로드에 최적화되어 있습니다. 이런 특징 덕분에 LPDDR6를 사용한 AI 노트북은 로컬에서 LLM을 구동할 때 훨씬 빠른 토큰 속도를 보장할 수 있습니다. 스마트폰 같은 제한된 환경에서 로컬 AI 모델을 돌릴 때도 역시 LPDDR6의 빠른 속도와 AI 연산 최적화 구조가 큰 위력을 발휘할 것으로 예상됩니다. 현재 삼성전자와 SK하이닉스는 올해 하반기에 이를 양산할 계획입니다. 그런데 여기에 더해 최근 주목받는 소식이 중국 창신 메모리 테크놀로지(CXMT)가 LPDDR6의 양산에 도전하고 있다는 것입니다. 물론 삼성이나 SK하이닉스처럼 정식으로 공개한 제품도 없고 루머 수준 이야기이지만, 현재 LPDDR5x를 양산 중이고 신규 팹을 통해 웨이퍼 양산 능력을 크게 높인 만큼 가능성은 충분합니다. 일부 소식통에 따르면 CXMT는 이미 일부 고객사에 샘플을 전달했으며 올해 하반기 양산을 목표로 LPDDR6 개발에 나서고 있습니다. 첫 제품의 속도는 LPDDR6의 최고 속도인 14.4Gbps보다 느린 12.8Gbps이지만 현재 CXMT가 양산 중인 LPDDR5x 메모리보다 빠른 속도를 제공합니다. 현재 CXMT는 허페이와 베이징의 팹에서 자체 4세대 생산 라인인 G4를 이용해서 LPDDR5x 같은 주력 제품을 생산하고 있습니다. 대략 16nm 공정에 해당하는 라인으로 EUV 노광 장비 대신 DUV의 멀티 패터닝 기술을 적용해 양산에 들어간 상태입니다. 실제 양산에 근접한 것이 사실이라면 G4로 먼저 초기 제품을 양산하고 이후 차세대 공정인 G5를 통해 좀 더 고성능 제품을 선보일 것으로 생각됩니다. 기본적으로 CXMT는 DUV로만 제품을 양산하는 데다 기술적 성숙도 자체가 메모리 빅 3보다 한 세대는 느린 상태이지만, 그럼에도 CXMT가 LPDDR6 양산에 성공한다면 판로 확보는 어렵지 않을 것이라는 게 일반적인 전망입니다. 메모리 빅 3는 HBM 같은 AI 메모리 중심으로 생산 라인을 집중한 상태인 데다, LPDDR6 역시 AI 데이터로 수요가 몰릴 가능성이 있기 때문입니다. 엔비디아의 베라 루빈 플랫폼에서 루빈 GPU는 HBM4 메모리를 사용하나 베라 CPU는 소캠 2(SOCAMM2) 규격을 통해 최대 모듈당 256GB LPDDR5x를 장착할 수 있습니다. 여기에 LPDDR6를 적용하면 512GB 용량의 소캠 2 메모리 모듈이 가능해지고 속도도 더 빨라져 에이전틱 AI CPU에 훨씬 유리한 환경을 제공할 수 있습니다. 이렇게 AI 데이터 센터로 메모리 빅 3의 생산 물량이 집중되는 것은 CXMT에게 새로운 기회가 될 것으로 보입니다. 물량 구하기가 하늘에 별 따기 같은 스마트폰 업체, 특히 중국 업체에게 성능이 약간 떨어지더라도 LPDDR6를 공급해 줄 수 있는 것 자체가 큰 매력이기 때문입니다. CXMT는 올해 기업공개(IPO)와 상반기 기준 전년 대비 7배나 증가한 매출을 기반으로 막대한 투자 자금을 확보한 상태입니다. 이를 기반으로 베이징에 새로운 팹을 구축하고 기존에 계획된 팹 확장을 진행해 생산 능력을 웨이퍼 기준 월 60만 장까지 늘릴 계획으로 알려져 있습니다. LPDDR6 양산에 성공할 경우 이 계획에는 더 탄력이 붙을 것으로 보입니다. 하지만 CXMT에게 기회만 있는 것은 아닙니다. 역설계 방식으로 구형 DUV 장비를 일부 중국에서 생산하는 데 성공했다고는 하나 여전히 EUV 장비 수입이 금지된 상태에서 점점 생산 기술을 고도화하는 메모리 빅 3를 따라잡기가 힘들 가능성도 있습니다. 그리고 공격적으로 늘려 놓은 생산 시설이 메모리 시장 하강기에는 심각한 부담으로 다가올 수 있습니다. 그럼에도 CXMT가 올해 안에 LPDDR6 메모리 양산에 성공한다면 여러 어려움 속에서도 기술적 돌파구를 마련하고 있다는 증거인 만큼 시장에 큰 파장이 예상됩니다.

미국과 이스라엘의 이란 선제공격을 수십 일 전에 예측했다고 주장하는 중국 AI(인공지능) 기업이 ‘중국판 팔란티어’로 불리며 주목받고 있다. 6일 홍콩 사우스차이나모닝포스트(SCMP)에 따르면 중국 징안테크놀로지는 미국이 이란을 공습하기 50여 일 전 자체 AI 분석을 통해 중동 지역의 미군 정찰 자산이 비정상적으로 집중되는 움직임을 포착했다고 주장했다. SCMP는 “해당 회사는 지난 1월 6일 오픈소스 정보와 AI 분석을 기반으로 미국이 이미 군사작전을 준비하고 있을 가능성이 있다고 예측했고 실제 공습이 이뤄지기 50여 일 전에 이를 공개했다”고 보도했다. 매체가 주목한 징안테크놀로지는 저장성 항저우에 본사를 둔 국방 AI 및 방위기술 전문 기업으로 AI, 빅데이터, 자율 시스템, 첨단 센서 기술을 활용해 군과 정보기관, 공공안보 분야에 소프트웨어 중심의 국방 솔루션을 개발·공급하는 업체다. 기존 무기 제조업체와 달리 하드웨어보다 데이터와 알고리즘, AI 소프트웨어를 핵심 경쟁력으로 내세우는 해당 업체는 전통적인 방산기업처럼 군이 요구한 장비를 제작하는 방식이 아니라, 자체 자금을 투입해 새로운 기술을 먼저 개발한 뒤 완성된 제품을 군과 공공기관에 공급하는 방식을 채택하고 있다. 해당 업체가 이란 전쟁을 사전에 예측할 때 사용한 것으로 추정되는 시스템은 ‘징치’(Jingqi) 글로벌 상황인식 시스템이다. 이 시스템은 위성영상과 신호정보(SIGINT), 영상정보(IMINT), 오픈소스정보(OSINT), 대규모 언어모델(LLM) 등을 결합해 전 세계 항공기와 선박, 위성, 항만, 공항, 군사기지, 발사장 등의 움직임을 실시간으로 추적·분석하는 AI 기반 상황인식 플랫폼이다. 군과 정부 기관은 이를 통해 전 세계 군사 및 안보 동향을 실시간으로 파악할 수 있다. SCMP는 “징안테크놀로지의 ‘징치’는 미국 팔란티어의 ‘고담’과 비슷한 중국판 AI 지휘통제 플랫폼이라고 홍보하고 있다”고 전했다. 중국의 대표적인 경제·산업 매체인 계면신문은 “징안테크놀로지와 GPU(고성능 그래픽 처리장치) 업체 징자웨이의 협력은 ‘중국판 팔란티어의 구축’과 같다”고 평가하기도 했다. 중국 군사 AI 기술, 미국에 앞서는 상황?해당 업체는 이란 전쟁 발발 50여 일 전 미군의 군사적 움직임을 사전에 파악하고 이를 예고했다고 주장하지만, 일부 군사전문가들은 징안테크놀로지의 홍보가 과장됐을 가능성을 지적한다. 중국 싱크탱크 ‘남중국해 전략 상황 탐사 이니셔티브’(SCSPI)의 후보 소장은 “(미국과 중국 기업의) 격차는 기술 자체가 아니라 기술을 실제 작전에 적용하는 능력에 있다. 특히 의사결정 지원(decision support) 분야에서는 미국이 훨씬 앞서 있다”고 지적했다. 중국이 AI 기술을 보유하고 있는 것은 사실이지만 실제 지휘·통제와 전장 의사결정에 깊이 통합하는 수준에서는 미국에 뒤처져 있다는 것이다. 다만 후 소장의 언급대로 중국 AI가 실제 현지 군 프로젝트에 참여하고 정부와 보조를 맞추고 있는 것만은 사실로 추정된다. 징안테크놀로지는 홈페이지에 중국병기공업집단과 중국전자과기집단(CETC), 중국항천과공집단(CASIC), 중국항천과기집단(CASC) 등을 주요 고객 및 협력기관으로 공개하고 있다. 중국 공개 프로젝트 자료에서는 전략지원부대 관련 레이더 감시 사업에 참여했다는 내용도 확인된다. 이와 관련해 SCMP는 “중국의 과제는 단순히 미국 기술을 모방하는 것이 아니라 AI를 군 조직에 효과적으로 통합하고 이를 운용할 제도를 구축하는 데 있다”고 평가했다. 중국 군사 관련 AI의 현주소중국은 AI을 미래 전쟁의 핵심 기술로 규정하고 이를 군 현대화 전략의 중심에 배치하고 있다. 인민해방군(PLA)은 기존의 기계화와 정보화를 넘어 지능화(Intelligentization)를 목표로 내세우며, AI를 지휘통제(C2), 정보·감시·정찰(ISR), 무인체계, 전자전, 사이버전 등 다양한 군사 분야에 적용하고 있다. 로이터 통신은 지난달 31일 “중국은 군사 AI 기술을 빠르게 발전시키고 있지만, 여전히 미국의 첨단 AI를 활용해 자체 모델을 개발하는 단계에 있다는 평가가 나온다”며 “실전 검증과 전장 운용 경험은 여전히 미국이 우위에 있다고 평가한다”고 전했다. 싱가포르 난양공대의 안보 전문가 제임스 차 교수는 로이터에 “중국이 무인체계와 AI 등 첨단 기술을 중심으로 군 현대화를 추진하고 있으나, 전투 준비 태세와 실전 운용 능력은 지속적인 검증이 필요한 과제”라고 분석했다.

애플이 인공지능(AI) 개발 도구와 앱스토어를 필두로 국내 개발자들을 지원하고 있다고 밝혔다. 개발자 교육과 글로벌 유통 지원을 통해 국내 개발사의 해외 진출도 뒷받침하며 개발자 생태계 조성에 힘을 쏟는 모습이다. 애플은 29일 서울 강남구 애플코리아에서 간담회를 열고 최신 AI 개발 도구와 앱스토어, 개발자 교육 프로그램 등을 활용한 국내 개발자 지원 방안을 소개했다. 엔웨이 시에 애플 본사 개발자 릴레이션 총괄은 “한국은 세계에서 가장 역동적이고 창의적인 개발자 커뮤니티를 보유한 국가 중 하나”라며 “앱스토어와 애플의 개발 도구가 한국 개발자들의 성공을 지원하고 있다는 점을 자랑스럽게 생각한다”고 말했다. 애플은 지난달 세계개발자회의(WWDC26)에서 공개한 새로운 AI 개발 환경을 통해 애플 파운데이션 모델뿐 아니라 앤트로픽의 클로드, 구글의 제미나이 등 외부 AI 모델도 개발 과정에서 활용할 수 있도록 했다. 자체 대규모언어모델(LLM)을 온디바이스 환경에서 구동할 수 있는 기능도 지원한다. 통합 개발 환경인 ‘엑스코드(Xcode)’에서는 앤트로픽, 구글, 오픈AI 등의 AI 모델을 직접 연동해 코드 작성과 개발 업무에 활용할 수 있다. 프로그래밍 프레임워크인 ‘스위프트UI(SwiftUI)’와 차세대 사용자 인터페이스(UI) 디자인 시스템 ‘리퀴드 글래스(Liquid Glass)’도 함께 개선했다. 국내 개발자 양성을 위한 교육 프로그램도 확대하고 있다. 애플이 2022년 경북 포항에 문을 연 ‘애플 디벨로퍼 아카데미’는 현재까지 1000명 이상의 수료생을 배출했다. 졸업생들이 출시한 앱은 400개를 돌파한 상태다. 애플은 “지난 10년간 한국 학생 약 600명이 ‘스위프트 스튜던트 챌린지’에 참가해 120명이 수상했다”고 밝혔다. 이날 행사에서는 애플 플랫폼을 활용해 글로벌 시장을 공략하고 있는 국내 개발사들의 사례도 소개됐다. 넥슨 자회사 민트로켓은 해양 어드벤처 게임 ‘데이브 더 다이버’를 모바일 플랫폼으로 출시하는 과정에서 사용자 인터페이스(UI) 최적화와 게임센터 연동, 앱스토어 에디토리얼 피처링 등 애플의 지원을 받았다고 밝혔다. 3차원 드로잉 애플리케이션 ‘페더’를 개발한 스케치소프트는 앱스토어를 통해 현재 150여 개국에서 서비스를 제공하고 있으며, 미국과 중국 시장 진출 과정에서 애플의 글로벌 유통 시스템이 도움이 됐다고 설명했다. 데브시스터즈는 ‘쿠키런’ 지식재산권(IP)을 기반으로 한 게임의 해외 출시 과정에서 앱스토어 피처링과 글로벌 마케팅 컨설팅 등을 지원받았다고 밝혔다. 이날 행사에서는 30일 출시 예정인 모바일 방치형 역할수행게임(RPG) ‘쿠키런 키우기-쿠키런: 크럼블’도 시연됐다. 비모소프트는 영상 편집 앱 ‘웨일로’에 애플 파운데이션 모델과 비전 프레임워크를 적용해 편집 맥락에 맞는 음악과 스티커를 자동 추천하는 AI 기능을 구현했다고 소개했다.

인천경제자유구역청(IFEZ)이 인공지능(AI)을 활용해 10만 명 이상이 찾는 대규모 공연장의 안전을 실시간으로 관리하는 도시관제 서비스를 인천 펜타포트 락 페스티벌에서 처음 실증한다. IFEZ는 오는 31일부터 다음 달 2일까지 송도 달빛축제공원에서 열리는 ‘인천 펜타포트 락 페스티벌 2026’에서 자체 개발한 ‘AI 군중 위험상황 통합 모니터링 솔루션’을 운영한다고 27일 밝혔다. 이번 실증은 향후 구축할 ‘IFEZ AI 시티 운영센터’의 핵심 운영 모델을 검증하는 프로젝트로, 스마트시티를 넘어 AI가 도시 운영의 중심 역할을 하는 ‘AI 시티’ 구현의 첫걸음이라는 의미를 갖는다. AI는 행사 전부터 안전관리에 참여한다. 예상 관람객 규모와 이동 동선, 기상정보 등을 분석해 군중 밀집이 예상되는 지역과 집중 관제가 필요한 구역을 미리 제안한다. 사고 발생 이후 대응하는 기존 방식에서 벗어나 위험을 사전에 예측하고 예방하는 데 초점을 맞췄다. 행사가 시작되면 AI는 CCTV 영상을 실시간으로 분석해 군중 밀집도는 물론 화재와 연기, 폭력 상황, 관람객 쓰러짐 등 응급상황을 자동 감지한다. 위험 수준이 기준치를 넘으면 관제센터와 담당자에게 즉시 알림을 보내고, 디지털 트윈 기반 통합관제 화면에 사고 위치를 표시해 신속한 대응을 지원한다. 거대언어모델(LLM) 기반 AI 챗봇도 상황별 대응 매뉴얼 제공과 CCTV 조회, 현장 상황 확인 등을 지원해 관제 효율을 높인다. 행사가 끝난 뒤에는 AI가 시간대별 방문객 현황과 위험 발생 이력, 대응 시간 등을 분석해 결과 보고서를 자동으로 작성한다. 축적된 데이터는 AI 학습에 활용돼 향후 맥주축제와 국제행사, 스포츠 이벤트 등 IFEZ에서 열리는 다양한 대규모 행사 안전관리의 정확도를 높이는 데 활용될 예정이다. 인천경제청은 이번 실증을 시작으로 AI 기반 도시관제 서비스를 교통과 재난, 환경, 에너지 등으로 확대하고, 기존 스마트시티 운영센터를 AI 시티 운영센터로 고도화해 도시 전반의 운영 효율과 안전성을 높여나갈 계획이라고 설명했다.

‘국가대표 인공지능(AI)’ 자리를 놓고 경쟁하는 기업들이 다음달 2차 평가를 앞두고 승부수를 꺼냈다. 올해 초 1차 평가에서는 모델 성능과 독자 개발 여부가 핵심이었다면, 이제는 복잡한 업무를 스스로 처리하는 에이전트 능력과 실제 서비스에 적용할 수 있는 운영 효율이 승부처로 떠올랐다. 업스테이지는 23일 에이전트 AI에 특화한 대규모언어모델(LLM) ‘솔라 오픈2’를 공개했다. 전체 매개변수 2500억개 가운데 작업에 필요한 150억개만 사용하는 구조로, 최적화하면 엔비디아 H200 그래픽처리장치(GPU) 단 2장으로도 구동할 수 있다. 글로벌 모델과 겨룰 성능을 확보하면서 기업과 공공기관이 자체 인프라에 도입할 때의 부담을 낮춘 것이 특징이다. 업스테이지는 지시 이행과 도구 호출 평가에서 딥시크와 미스트랄 등 주요 해외 오픈 모델을 앞섰다고 밝혔다. 같은 날 SK텔레콤 컨소시엄은 국산 AI 모델과 반도체를 결합한 ‘풀스택’ 전략을 내세웠다. 참여사 리벨리온은 5190억개 매개변수 규모의 ‘A.X K1’을 자체 신경망처리장치(NPU) 서버 한 대에서 구동하고 여러 이용자의 요청을 동시에 처리하는 AI 에이전트를 시연했다. 대규모 모델을 국산 반도체에서 실제 서비스 형태로 운영할 수 있음을 보여준 것이다. SK텔레콤은 후속 모델 ‘A.X K2’를 개발하는 한편 SK AX와 테크노매트릭스를 새로 합류시켜 제조와 반도체, 국방 분야의 현장 적용 역량도 보강했다. 1차 평가 선두인 LG AI연구원은 ‘K-엑사원’의 산업 전문성과 업무 수행 능력을 끌어올리며 수성에 나선다. 통신과 공공안전, 경찰 수사 지원 등 전문 분야에서 활용 가능성을 넓히고 있다. 그룹 계열사의 산업 데이터와 현장 경험을 모델 개발과 실증에 활용할 수 있다는 점이 강점이다. 지난 2월 추가 합류한 모티프테크놀로지스의 추격도 변수다. 모티프는 지난 21일 자체 설계한 ‘모티프3’ 프리뷰 모델을 공개했다. 글로벌 오픈소스 평가에서 3위권을 기록했다는 게 회사 측 설명이다. 과학기술정보통신부는 다음달 초 벤치마크와 전문가·이용자 평가를 거쳐 4개 정예팀을 3곳으로 압축한다. 살아남은 3개 팀은 추가 고도화를 거쳐 연말 최종 2개 팀을 가리는 평가를 치른다. 정부가 오는 12월 범용 챗봇과 공공 AI 에이전트를 결합한 ‘모두의 AI’를 출시할 예정인 만큼, 독파모에서 개발한 국산 모델이 향후 대국민 서비스와 산업 현장으로 확산할 수 있을지도 관심사다.