Outcome Executive: Gainsight가 고객마다 성과 책임자를 두고 롱테일 고객은 에이전트에 맡긴 재편
고객 성공(CS) 소프트웨어 회사 Gainsight가 약 270명을 줄이며(Investing.com 단독, 회사는 인원 미공개) 회사를 에이전트 중심으로 다시 짰습니다. 고객마다 성과 책임자(Outcome Executive)를 한 명 두되 대형 고객은 사람, 롱테일 고객은 AI 에이전트가 맡고, 과금은 좌석 수에서 관리 ARR과 고객 수 기준으로 바꿉니다.
The Cost of Intelligence: 대기업 60%가 AI 예산을 넘겼는데 비용과 가치를 함께 재는 곳은 12%
Capgemini가 매출 10억 달러 이상 기업 CXO 500명을 조사했더니 약 60%가 올해 AI 예산을 평균 24% 넘겼습니다. AI 비용과 가치를 대부분 추적하는 곳은 12%였고, 80%는 전체 비용 대비 검증된 가치(AI yield)를 계산하지 못했습니다.
Project iQ: Qantas가 1,000개 넘는 레거시 앱의 데이터를 이어 AI를 넓히려 Accenture와 맺은 계약
Qantas가 Accenture와 다년 계약(Project iQ)을 맺고 서로 연결되지 않는 1,000개 넘는 레거시 앱과 데이터 플랫폼, 재무·구매·인사·마케팅 업무를 다시 짭니다. 약 850개 직무가 영향을 받고 첫 변화는 2027년 중반입니다.
AI Is a Tool, Not a Cure: 제약 CEO들이 AI 질병 정복론에 선을 긋는 이유
Novartis·AstraZeneca CEO가 WSJ Health Forum에서 AI가 질병을 곧 정복한다는 빅테크 전망에 선을 그었습니다. Vertex는 AI 기업 약 50곳을 화합물 데이터로 시험했지만 쓸 만한 결과를 얻지 못했고, AI로 설계한 약 가운데 FDA 승인을 받은 것은 아직 없습니다.
MetGen Digital Twin: TSMC·Micron이 도면을 팹 3D 트윈으로 바로 바꿔 건설 지연에 대비한다
엔비디아가 투자한 대만 스타트업 MetAI의 MetGen은 도면과 장비 사양을 장비 단위까지 맞춘 팹 디지털 트윈으로 바꿉니다. TSMC는 대만·미국 신규 팹의 유틸리티·배관 트윈에, Micron은 3D 팹 배치에 씁니다. 회사는 엔지니어 수천 시간 걸리던 작업을 5분 안에 만든다고 설명합니다.
Put Agents on a Budget: 에이전트 작업량에 상한을 걸고 결과 책임자를 정하는 AI 비용 관리
Forrester의 Kevin Ogunsua는 AI 청구서가 토큰 단가보다 에이전트가 요청 하나에 하는 일의 양에 따라 흔들린다고 봅니다. 입력량·모델 호출 수·하위 에이전트 수에 상한을 두고 예산이 확인된 지출만 승인하며 확대 전에 매출·비용·리스크 지표와 결과 책임자 1명을 정하라고 권합니다.
Humanoid Skills: E.ON·enviaM이 숙련 기술자 시범으로 변전소 점검 로봇을 가르치고 그 기술은 직접 갖는다
E.ON과 동독 지역 에너지 기업 enviaM이 Neura Robotics와 손잡고 변전소 점검·감시에 휴머노이드를 준비합니다. 숙련 기술자의 시범과 실제 투입 데이터, 시뮬레이션으로 skill을 가르치고 2027년 첫 현장 경험을 노리며 학습한 skill과 데이터는 두 회사가 통제합니다.
Mazak Foundation Model: 사내 데이터로 만든 기반 모델을 고객 공장 데이터로 키워 가공 노하우를 지키는 구상
Yamazaki Mazak 사와다 요스케 상석집행임원은 JIMTOF2026 세미나에서 사내 데이터로 사전 학습한 Mazak 기반 모델을 납품 때 고객 데이터로 조정하고 고객 공장에서 계속 학습시켜 그 공장만의 모델로 키우는 구상을 밝혔습니다. 가공 조건은 공장마다 고유해 평준화하면 가치가 사라진다고 보고 에이전트 전개까지 약 2년이 걸리니 지금부터 가공 데이터를 준비하라고 했습니다.
Agents Are Going Async: 대화는 오케스트레이터가, 긴 작업은 백그라운드 하위 에이전트가 맡는 구조
LangChain은 긴 작업 여러 개를 맡는 에이전트가 사용자에게 계속 응답하려면 사용자 응대를 맡는 오케스트레이터와 뒤에서 일하고 결과를 보고하는 비동기 하위 에이전트로 나눠야 한다고 정리했습니다. Deep Agents는 작업 시작·확인·수정·취소·목록 5개 도구와, 후속 지시가 진행 중 작업을 끊을지 뒤에 쌓일지 정하는 설정을 둡니다. 알림 기능은 베타입니다.
Systems Thinker: Intuit이 따로 돌던 결제·급여·회계 에이전트를 한 플랫폼으로 다시 묶는 이유
Intuit CEO Sasan Goodarzi는 Stratechery 대담에서 먼저 내놓은 결제·급여·회계 에이전트가 각자 맡은 일은 잘했지만 처음부터 끝까지 이어지는 경험은 만들지 못했고, 시스템으로 설계하지 않은 탓이라고 말했습니다. 지금은 데이터·수집 모델·AI 모델을 회계사용과 기업용 제품이 함께 쓰는 한 플랫폼에 올리고, 회계법인 SOP를 받아 결산을 자동화합니다. 가격은 구독 중심을 지키고 3~5년 안에 사용량 과금을 더할 계획입니다.
Oracle Fusion Cloud 이전: 옮기기 전에 레거시 프로세스를 디지털 트윈으로 그려 이전 공수 8,000시간 이상 절감
Celonis는 EBS·PeopleSoft·JD Edwards 같은 레거시 Oracle 시스템을 Fusion Cloud로 옮기기 전에 실행 기록으로 프로세스 디지털 트윈을 만들어 무엇을 옮기고 표준화할지 정하라고 권합니다. 레거시 커스터마이징을 찾아내 이전 공수 8,000시간 이상을 줄였다는 것이 Celonis의 설명입니다. 고객명과 산정 방식은 밝히지 않았습니다.
Headless Context Layer: ZoomInfo 고객이 화면 대신 MCP·API로 영업 데이터를 쓰는 이유
ZoomInfo 3분기 콜에서 Henry Schuck CEO는 1만 곳 넘는 고객이 MCP 서버·CLI·새 API로 데이터를 쓰고 그 사용량이 전 분기의 두 배가 됐다고 밝혔습니다. 일부 고객은 Replit·Vercel·Claude로 자기 화면을 만들어 좌석 대신 대량 크레딧을 삽니다. AI 과제가 데이터 계층에서 멈춘 Fortune 500 복합기업은 연락처 마스터 데이터 정비부터 계약했습니다. 연락처 마스터 스키마와 6주 일정을 붙였습니다.
Byte by Yum: KFC 주방 화면과 Taco Bell 음성 주문 AI로 드라이브스루 속도와 매출을 올린 Yum Brands
Yum Brands는 3분기 실적 콜에서 자체 AI 플랫폼 Byte by Yum의 성과를 밝혔습니다. KFC 주방 화면 Bite로 드라이브스루가 8% 빨라지고 환불이 12% 줄었습니다. Taco Bell은 900곳 넘는 매장에서 음성 주문 AI를 쓰며 매출이 약 1.5% 올랐습니다. 따라 할 때 필요한 매장 데이터, 지표, 12주 시범안을 붙였습니다.
The Four Questions of AI: AI 4층의 돈 문제, 그리고 하네스가 마진을 가르는 이유
Tomasz Tunguz는 AI를 앱·하네스·모델·데이터센터 4층으로 나누고 층마다 풀리지 않은 돈 문제를 짚습니다. 입력 맥락이 토큰의 최대 98%라 하네스가 비용을 좌우합니다. 같은 모델에서 하네스만 바꾸자 해결 과제당 비용이 71% 줄었습니다. 과제별 비용 기록 JSON과 6주 하네스 점검 계획을 붙였습니다.
Financial Engineering for AI: 비싸진 GPU 때문에 AI 랩이 기업 고객을 다년 최소약정으로 옮기는 이유
Theory Ventures의 Tomasz Tunguz는 Anthropic S-1/A에서 3분기 컴퓨트 지출 98억 6천만 달러의 51%가 단기 burst였고 GPU 시간당 blended 단가가 3.10달러에서 5.65달러로 올랐다고 짚었습니다. 그는 2027년 랩들이 기업 고객에게 GPU 임차 기간에 맞춘 고정 단가 다년 최소약정을 팔 것이라고 봅니다. 사는 쪽이 약정 수준을 정하고 조건을 협상하는 방법을 붙였습니다.
Proof of Value: Teva가 공장 30곳에 넣을 AI를 다섯 질문으로 고르는 법
Teva는 공장 30곳에 넣을 AI를 고르려고 오픈 이노베이션 프로그램 Teva Rise를 만들어 1년간 기술 약 300개를 평가했습니다. PoC 대신 다섯 질문짜리 Proof of Value로 거르고 데이터가 준비되지 않은 사이트는 좋은 벤더라도 미룹니다. 0·3·5점 채점표와 20주 일정안을 붙였습니다.
Exception-Based Replenishment: Runnings가 매장·DC 발주를 한 예측으로 묶고 예외만 사람이 본다
미국 농·생활용품 유통사 Runnings가 Relex의 AI 플랫폼으로 매장 90곳과 DC 5곳의 수요 예측과 발주를 하나로 묶습니다. 매장부터 시작해 DC로 넓히고 2027년 중반 가동이 목표이며, 담당자는 모든 주문 대신 시스템이 걸러 낸 예외만 봅니다. 예외 규칙 설계와 매장 파일럿 12주안을 붙였습니다.
Shorter Contracts: Palantir 미국 기업 매출이 정부를 넘은 분기에 신규 계약총액은 줄어든 이유
Palantir 3분기 매출은 23.1억 달러로 96% 늘었고 미국 상업 매출 9.84억 달러가 처음 정부 매출(9.53억 달러)을 넘었습니다. 그런데 미국 기업과 새로 맺은 계약총액은 21.3억 달러에서 14.6억 달러로 줄었습니다. Karp CEO는 배포가 빨라지고 계약이 짧아졌다고 설명했고 TechCrunch는 이를 빨리 사고 쉽게 해지하는 신호로 읽었습니다. 짧은 AI 계약을 다루는 장부와 12주 판정 일정을 붙였습니다.
Customer Service Shift: AI 상담으로 수요가 줄자 O2가 콜센터 2곳을 TP에 넘긴 결정
O2 Telefónica가 Rostock(약 240명)과 Bremen(약 180명) 콜센터를 TP(옛 Teleperformance)에 넘깁니다. 챗봇·음성 비서와 셀프서비스가 늘어 상담 인력 수요가 줄었다는 설명이고, 올해 약 1,100명 감축의 일부입니다. 같은 판단을 내리기 전에 재야 할 채널별 수요와 인력 계산, 12주 검토안을 붙였습니다.
NVIDIA Agent Toolkit: 회사 데이터와 권한 경계, 개선 루프를 한 묶음으로 낸 에이전트 오픈 스택
NVIDIA가 GTC Berlin에서 Agent Toolkit을 넓혔습니다. 회사 데이터를 업무 개념으로 바꾸는 Knowledge Foundation, 행동을 가두는 OpenShell, trace로 하네스를 고치는 최적화 블루프린트까지 한 묶음입니다. 업무 하나로 경계와 개선 루프를 함께 시험하는 4주안을 붙였습니다.
Cost Without Benefit: 전사 AI 도구를 산 기업들이 Gartner에 business case를 다시 묻는다
Gartner CEO Gene Hall은 3분기 실적 콜에서 AI 벤더와 전사 계약을 맺은 고객 대다수가 비용만 늘고 효과를 보지 못해 business case와 비용 관리를 도와 달라고 한다고 전했습니다. 전사 AI 계약을 직무별 지표로 다시 재는 6주 점검 방법을 붙였습니다.
Ontology for Multi-Agent: 벤더마다 다른 에이전트가 같은 업무 용어를 쓰게 하는 설계
ERP·CRM 벤더가 저마다 에이전트를 내놓으면서 같은 업무 용어가 시스템마다 다른 뜻을 갖는 문제가 다시 커졌습니다. Druid AI 공동창업자 Andreea Pleșea와 CEO Joe Kim은 공통 온톨로지, 한곳의 오케스트레이션과 평가, 쓰기는 결정적 시스템으로 보내는 원칙을 답으로 듭니다. 용어 카드와 6주 시범안을 붙였습니다.
Scale Across the Enterprise: Capgemini 고객이 PoC 대신 묻는 거버넌스·비용·보안 확산법
Capgemini CEO Aiman Ezzat은 고객이 이제 PoC가 아니라 거버넌스·비용·보안을 지키며 전사로 넓히는 법을 묻는다고 말합니다. 물류사 에이전트 운영은 연 2,700만 건을 처리해 생산성 40~50%를 올리고 회수 기간을 5~8일 줄였습니다. 자산운용사는 앱 180개를 AI 데스크톱 하나로 바꿔 약 300만 유로를 아꼈습니다. AI 비용 귀속 JSON과 8주 확산 계획을 붙였습니다.
BMS AI Targets: 약물 시험 20~30%, 타깃→선도물질 기간 절반 단축 목표
Bristol Myers Squibb CEO는 3분기 콜에서 AI 목표를 운영 계획에 넣었다며 약물 시험 기간 20~30% 단축, 타깃 선정에서 선도물질 도출까지 기간 절반을 제시했습니다. 전사 도구는 넓게 깔고 ROI가 보이는 곳에만 집중 투자한다고 했습니다. 기간 장부와 13주 일정을 붙였습니다.
Buzz: Block이 사내 AI 도구로 외부 벤더를 걷어 내고 4분기 첫 AI 매출에 나서는 계획
Block은 3분기 콜에서 사내 협업·개발 환경 Buzz로 여러 외부 벤더를 대체하고, 이 도구를 Builderlab으로 외부에 열어 4분기에 첫 AI 매출을 내겠다고 밝혔습니다. 올해 기능 180개를 내놔 2024·2025년 합계를 넘겼고 비GAAP 일반관리비는 21% 줄었습니다. 사내 도구로 외부 SaaS를 대체할 때 쓰는 장부와 12주 시범안, 가맹점 발주 에이전트 설계를 붙였습니다.
Seeking Value: 스프레드시트 75개로 돌던 Toyota 북미 공급 계획을 공용 데이터 기반으로 바꾼 방식
Toyota 북미(TMNA) 디지털 혁신 VP Jason Ballard는 스프레드시트 75개 넘게 쓰던 월간 공급 계획을 데이터 기반, 공용 서비스, 지능 계층, 공통 직원 화면으로 다시 짰다고 밝혔습니다. 반도체 부족 때는 ML 디지털 트윈으로 조립 가능한 차종을 가렸으며 5~6년 동안 투자 1달러당 약 3달러(ML 포함 합계)를 거뒀다고 말했습니다.
Snowflake AI Data Cloud: Novo가 80개국 데이터를 한곳에 모아 에이전트 약 8,000개를 돌리는 방식
Novo는 80개국 계열사가 따로 쓰던 Snowflake를 글로벌 조직 하나로 묶었습니다. 지금은 900TB가 넘는 데이터 위에서 에이전트 약 8,000개가 돌고 직원 60% 이상이 매주 AI를 씁니다. 현업에 데이터를 넘기되 가드레일·교육을 함께 깔고 모델은 갈아 끼울 수 있게 둔 구조입니다. 따라 만들 때 필요한 에이전트 등록부, 모델 평가, 12주 일정을 붙였습니다.
Agent Pay·Verifiable Intent: Mastercard가 AI 에이전트 결제에 내건 신뢰 조건 네 가지
Mastercard CEO는 3분기 콜에서 에이전트 커머스가 커지려면 결제, 에이전트, 생태계에 대한 신뢰와 보편적 도달이 필요하다고 했습니다. Agent Pay는 구매자가 승인한 검증된 에이전트만 결제하게 하고 가맹점과 발급사가 이를 알게 합니다. Verifiable Intent는 구매 의도를 기록합니다. 일회용 가상카드 번호는 임시 다리로만 보고 해법으로 지원하지 않는다고 밝혔습니다.
Agentic AI Tech Stack: Hilton이 에이전트 시대를 앞두고 기술 스택에 투자하는 방식
Hilton CEO Christopher Nassetta는 3분기 콜에서 에이전틱 AI로 고객 경험을 개선하고 비용을 줄이려고 기술 스택에 투자하고 있다고 밝혔습니다. 작은 업체까지 AI 에이전트 업체 모두와 일하고 있으며 지금 재무 효과는 작지만 인터넷만큼 커질 것으로 봤습니다. 따라 할 때 필요한 데이터 준비와 12주 계획을 붙였습니다.
Scale-Ready AI Mandate: 'AI 우선' 지시를 확장 가능한 실행으로 바꾸는 데이터 준비 순서
Capital One Software 제품 총괄 Prashant Prahlad는 AI 확장을 막는 것이 기술보다 권한 없는 'AI 우선' 지시와 데이터 준비 부족이라고 봅니다. 부서 횡단 타이거 팀과 사용 사례 하나로 데이터를 진단하는 순서를 정리하고 0·3·5점 준비도 채점표와 6주 진단 일정을 붙였습니다.
AI-Ready Data Backbone: 공장 AI를 20곳으로 넓힐 때 깨지는 것과 Volkswagen의 설계
공장 하나에서 맞던 AI 모델이 공장 20곳에서 흔들리는 원인은 태그 이름, 시각, 맥락의 어긋남입니다. Volkswagen은 43개 공장 데이터를 현장에 두고 시맨틱 레이어로 뜻을 맞춰 한 공장의 품질 개선을 나머지 42곳이 쓰게 했습니다. 태그 매핑 필드와 공장 두 곳 12주 시범안을 붙였습니다.
Ready Enough Data: 데이터 정비를 기다리지 말고 AI와 현대화를 두 트랙으로
Snowflake 글로벌 필드 CTO는 데이터 전환이 끝나기를 기다리는 쪽이 더 위험하다며, 90일 안에 증명할 AI 성과와 데이터 현대화를 두 트랙으로 병행하고 데이터는 제자리에서 하나의 정책 계층으로 통제하자고 제안합니다. '충분히 준비됨' 다섯 조건, 점검표, 90일 일정을 붙였습니다.
Joule Work: Bosch가 SAP 에이전트를 전사로 넓히기 전에 따지는 조건
Bosch Digital은 2025년 초부터 SAP와 함께 Joule Work와 에이전트를 Billing·HR에서 시험해 맞춤 AI 사례 10개로 수백만 단위를 절감했습니다. 그래도 신뢰성, 응답 속도, 권한 관리, 비용 통제를 풀기 전에는 전사로 넓히지 않는다는 판단과, 표준 에이전트를 먼저 쓰는 원칙을 정리하고 확대 관문 지표를 붙였습니다.
AI-Ready Data: S&P Global 3분기 콜, MCP로 데이터를 열자 API 호출 4,000% 넘게 증가
S&P Global은 신용등급·에너지·Visible Alpha 데이터를 MCP로 열고 검색 에이전트와 묶은 AI 데이터 포털을 냈습니다. API 호출은 전년보다 4,000% 넘게 늘었고 AI 고객의 ACV 증가율은 비AI 고객의 1.8배(MI)와 약 3배(Energy)였습니다. MCP 도구 설계, 사용량 계량 필드, 8주 시범 계획을 붙였습니다.
Own Your Own Intelligence: 모델은 가두고 평가 기준은 지키라는 나델라의 기업 AI 원칙
Microsoft CEO 사티아 나델라는 20VC 대담에서 모델이 이미 침해됐을 수 있다고 보고 에이전트를 zero trust 울타리 안에 두라고 말합니다. 대부분 업무는 싼 모델이 나눠 갖게 되고, 기업의 핵심 자산은 사내 평가 기준이 된다는 전망도 밝혔습니다. 호출 기록 필드, 평가 기준 만드는 법, 6주 일정을 붙였습니다.
Deutsche Bank ADA: 기업 대출 심사를 몇 주에서 몇 분으로 줄인 은행의 AI 운영법
Deutsche Bank는 올여름 기업 대출 심사에 AI를 붙여 단순한 중소기업 건을 몇 주에서 몇 분으로 줄였습니다. 사내 플랫폼 ADA에서 에이전트와 모델을 한곳에서 관리합니다. 엔지니어 1만 5,000명 이상의 AI 코딩, 2028년 비용 목표와의 연결, 심사 보조 JSON 필드와 6주 도입 계획을 붙였습니다.
Taoyuan Metro MetroMARS: 설비 사이로 번지는 철도 장애를 2시간 앞서 잡아 막는 AI
타오위안 공항 MRT 운영사가 설비 감시, 열화 연쇄 경로 40개, 네 부서 공동 SOP를 세 층으로 묶은 MetroMARS로 연쇄고장 21건을 막고 MKBF를 2023년 100만에서 2025년 700만 차량-km로 높였다고 보고한 사례입니다. 경로 정의 방법, 경보 판정 규칙, 12주 파일럿을 붙였습니다.
Anthropic IPO Filing: 기업 고객이 API에서 Claude Code·Cowork로 넓혀 쓰는 구조와 AI 지출 관리
TechCrunch가 읽은 Anthropic S-1에 따르면 연 10만 달러 이상 쓰는 고객은 1만 1,900곳을 넘고 그중 절반 넘게 API와 Claude Code·Cowork를 함께 씁니다(2025년 말 약 30%). 같은 구매자 안에서 층을 넓히는 구조와, 구매하는 쪽이 토큰 지출을 한 장부로 관리하는 방법을 정리했습니다.
The Rise of DeployCos: 엔지니어를 고객사에 심어 AI를 실제 업무로 옮기는 회사들
OpenAI와 Anthropic이 2026년 엔지니어를 고객사에 상주시키는 별도 회사(DeployCo)를 세웠고 AWS도 10억 달러를 약속했습니다. Wing의 Tanay Jaipuria가 이 회사 형태의 구조, 생기는 이유, 세 유형과 플레이북을 정리했습니다. DeployCo와 계약하거나 내부에 같은 기능을 세울 때 정할 것을 붙였습니다.
More AI Power, More Explainability: 모델이 강해질수록 설명도 두꺼워지게 만드는 설계 원칙
성능이 좋은 공급망 AI일수록 이유를 대기 어렵다는 통념을 SHAP·LIME의 실패 모드와 최근 연구로 반박하고, 모든 엔진이 계산하는 순간 같은 근거 스키마에 쓰게 하라는 원칙을 제시한 글. 플랫폼을 고를 때 돌릴 재현성·섭동 테스트와 2주 평가 일정을 붙였습니다.
AI Context Platforms: 에이전트 정확도를 데이터의 의미로 올리라는 Gartner 2027 트렌드
Gartner는 2027 전략 기술 트렌드에서 AI-ready data에 의미(semantics)를 갖춘 조직이 에이전트 정확도를 최대 80% 높이고 비용을 최대 60% 줄인다고 예측했습니다. 맥락 층, 코딩 에이전트 검증, 에이전트 ID, 자동 취약점 수정으로 에이전트를 다스리는 설계와 6주 파일럿 방법을 정리했습니다.
The Architecture Your Auditors Will Ask About: 공급망 AI 구매 평가의 통과 조건이 된 감사 추적 설계
공급망 AI 구매 평가에서 설명 가능성이 기술 평가 전의 통과 조건이 됐다는 글. ISO 42001·CSRD·EUDR·CSDDD가 공통으로 묻는 것과 벤더를 가르는 다섯 가지 설계 시험, 3주 평가 절차를 정리했습니다.
AI-Native Digital Twins: 비싼 실물 실험을 AI 시뮬레이션으로 대체하는 사업의 구조
Saurav Gopal은 풍동·임상시험·공장 재설계처럼 비싼 실물 실험을 대체하는 AI-native digital twin이 여러 큰 회사를 만든다고 보고 다섯 속성·6층 stack·5단계 루프·투자 실사 4질문으로 그 조건을 정리합니다. 제조 현장에서 대체할 실험을 고르는 기준표와 8주 파일럿을 붙였습니다.
Free Cash Flow Negative: GPU는 창고에 쌓이고 전력이 모자란 AWS AI 투자의 구조
Business Insider가 입수한 AWS 내부 녹음과 이메일을 다룬 보도를 2차 소스로 확인해 정리했습니다. AI 인프라 책임자는 AI 사업이 앞으로 2년쯤 크게 현금 적자일 것이라 말했고, GB300 랙은 전력이 없는 창고에서 설치를 기다립니다. 병목이 GPU에서 전력으로 옮겨 간 구조를 풀고, 우리 회사의 클라우드 GPU 의존도를 재는 인벤토리와 6주 점검 일정을 붙였습니다.
Brain over Body: OpenAI가 휴머노이드를 직접 만들며 몸보다 두뇌에 거는 이유와 2027년 시연
Sam Altman이 Sources 팟캐스트에서 OpenAI가 휴머노이드와 다른 형태의 로봇을 모두 만들겠다고 확인하고, 몸의 설계보다 로봇을 움직이는 두뇌가 더 어려운 문제라고 말했습니다. Fortune 인터뷰에서는 2027년에 시연을, 거리의 로봇은 그 뒤 몇 년이라고 했습니다. 소프트웨어 AI 기업이 하드웨어까지 수직 통합하는 흐름을 정리하고, 우리 현장에서 로봇이 맡을 일을 고르는 방법을 붙였습니다.