← 주간 클리핑 전체
AX Weekly · 10월 2주 · 2026.10.03 – 10.10

이번 주 AI, 규칙은 코드로, 판단만 모델에게.

Vercel은 영업 문의 에이전트에서 정해진 규칙 14개를 코드로 빼고 판단만 AI에 남겨 연 1,000달러 수준으로 운영합니다. Dell은 회사 데이터에 공통 의미를 붙이는 시맨틱 레이어를 인프라 제품으로 내놨고, 투자자와 창업자들은 모델 하나에 기대지 말고 작업마다 골라 쓰는 층을 회사가 가져야 한다고 말했습니다. 채용 면접, 고객 상담 전화, 정부의 AI 구매 절차까지 일하는 방식이 바뀐 사례가 이어졌습니다.

이번 주 AX 체크리스트

사람·조직

직무·채용·조직 설계와 생산성

업무·에이전트

도입 방식, 에이전트 운영 규칙과 권한

데이터·아키텍처

데이터 정의, 모델 구성과 시스템 설계

비용·계약

AI 예산, 벤더·클라우드 계약

Top 10 · AX 중요도순

프롬프트 125줄 → 1,000줄 → 둘로 나눔 프롬프트1,000줄 규칙 14개 → 코드 판단만 → 모델 사람 검수 비율 (0~100%) 첫 100건100% 이후 표본1% 0100% 연 운영비 약 $1,000
01 Tomasz Tunguz × Vercel COO 대담·글 10.06
에이전트·자동화조직·인력 현업 리더AX 추진

영업 문의 처리를 에이전트에 맡긴 Vercel의 방법: 정해진 규칙은 코드로, 판단만 AI에 맡겼습니다

VC Tomasz Tunguz가 Vercel의 COO Jeanne DeWitt Grosser와 나눈 대화를 글로 정리했습니다. Vercel은 최고 영업 담당자(SDR)가 쓴 125줄 프롬프트로 시작해, 첫 100건은 전부 사람이 읽고 이후에는 100건 중 1건만 뽑아 검수했습니다. 프롬프트가 1,000줄로 불어나자 모델이 규칙을 놓치는 일이 생겼고, 그래서 자격 판정 규칙 14개는 코드로 빼고 사람이 하던 판단만 모델에 남겼습니다. 연간 운영비는 약 1,000달러이고, SDR 전원은 아웃바운드 영업으로 옮겼습니다.

검토해 볼 질문우리 회사가 에이전트에 맡기려는 업무에서 '규칙'과 '판단'을 나눠 적어 봤습니까? 규칙까지 프롬프트에 넣어 두고 있지는 않습니까?

기술 디테일
  • 시작: GTM 엔지니어 한 명이 업무 시간의 약 20%를 들여 6월에 착수, 8월까지 사람 검수를 이어 갔습니다.
  • 검수 방식: 처음에는 에이전트가 조사·판정·초안까지만 하고 발송은 하지 않았습니다. 첫 100건 전수 검토 → 약 1%(100건 중 1건) 표본 검수로 바꿨습니다.
  • 구조: 결정형 규칙 14개(예: Salesforce에 열린 영업 기회가 있으면 담당 AE에게 배정)는 코드, 판단은 모델. 규칙 위반을 감시하는 별도 '에스컬레이션 에이전트'를 둡니다.
  • 근거로 든 연구(Tunguz): 운영 중인 에이전트 워크플로 14개에서 노드의 65%가 순수 코드, 완전 에이전트형은 14%였습니다.
  • 연간 약 1,000달러는 추론·인프라 비용만입니다(회사 자체 설명). 엔지니어 인건비는 들어 있지 않습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 배경. Tunguz의 'Office Hours'에 Vercel COO가 나와 영업 문의(인바운드) 에이전트를 만든 과정을 설명했습니다.
  2. 작게 시작. 엔지니어 한 명이 일부 시간만 들였고, 꽤 정해진 문제를 골라 회사 맥락을 붙이는 데서 출발했습니다.
  3. 신입처럼 관리. SDR이 에이전트를 새로 들어온 직원처럼 관리했습니다. 6주간 쌓인 검수 기록이 '전부 읽기'에서 '표본만 보기'로 넘어갈 근거가 됐습니다.
  4. 프롬프트의 한계. 사업이 커지며 프롬프트가 1,000줄이 됐고, 모델이 그 안의 규칙을 늘 지키지는 않았습니다. 자격 판정 단계의 상당수는 사실 규칙이었다는 것이 깨달음입니다.
  5. 규칙과 판단의 분리. 규칙 14개는 코드로 옮기고, 모델은 예전에 사람이 생각하던 자리에서만 쓰도록 좁혔습니다. 규칙 위반은 별도 에이전트가 살핍니다.
  6. 사람의 자리. SDR은 관례인 1년을 건너뛰고 모두 아웃바운드로 승진했습니다. 사람의 가치는 대화에 있다는 설명입니다.

AX 관점 메모

  • 현업 리더(영업). 영업 문의 처리 규칙(배정, 자격 판정)을 먼저 문서로 적고, 그중 코드로 옮길 것을 고릅니다.
  • AX 추진. 새 에이전트는 '전수 검수 기간 → 표본 검수' 전환 기준을 미리 정해 두고 시작합니다.

핵심 인용

"we're really only using the model for thinking exactly where a human would have thought previously."
모델은 예전에 사람이 생각하던 바로 그 자리에서만 생각하는 데 씁니다. (Jeanne DeWitt Grosser, Vercel COO)

원문 이미지·영상

1 · 시맨틱 레이어: 같은 뜻으로 client account 고객 2 · 지식 그래프: 관계를 따라 센서 기계 수리 이력 공급 배치 주문 3 · 지식 에이전트: 고객이 한도를 정함 접근 데이터 · 규칙 · 품질 기준 · 비용 한도 출시 2027년 상반기
02 Dell (Network World 보도) 발표 10.06
데이터 기반벤더 전략 CIO·CTOAX 추진

에이전트가 회사 데이터를 '같은 뜻'으로 읽게 하는 층이 인프라 제품으로 나옵니다

Dell이 AI 데이터 플랫폼에 시맨틱 레이어, 지식 그래프, 지식 에이전트를 더한다고 10월 6일 발표했습니다. 한 시스템은 '고객(client)', 다른 시스템은 '계정(account)'이라 부르는 것을 같은 대상으로 묶고, 데이터 사이의 관계를 그래프로 이어 에이전트가 찾아가게 하는 구조입니다. 모두 고객 데이터센터 안에서 돌고, 특정 모델·데이터 플랫폼에 묶이지 않게 설계했다고 밝혔습니다. 다만 핵심 세 기능은 2027년 상반기에 나옵니다. 지금 할 일은 제품 선택이 아니라 우리 데이터의 용어 사전과 관계도를 먼저 정리하는 것입니다.

검토해 볼 질문에이전트를 붙일 업무 하나를 골라, 그 업무에 쓰이는 핵심 용어(고객, 계약, 주문)의 정의가 시스템마다 같은지 확인해 봤습니까?

기술 디테일
  • 시맨틱 레이어(Unified Semantic Layer): 정형·비정형 데이터에 규칙·정의·용어집으로 공통 의미를 붙입니다. 기존 온톨로지·분류 체계를 가져올 수 있고 NVIDIA Auto-Ontology를 붙일 예정입니다.
  • 지식 그래프: 메타데이터, 계보(lineage), 쿼리 기록으로 데이터 사이 관계를 잇고 스스로 갱신합니다.
  • 지식 에이전트: 그래프의 한 영역을 맡는 주제별 조언자. 고객이 접근 데이터, 규칙, 품질 기준, 비용 한도를 정합니다.
  • 출시 시점: 세 기능은 2027년 상반기, PowerScale 보안·멀티테넌시는 2026년 11월, 데이터 처리 엔진 GPU 가속은 2026년 12월(Network World 보도).
  • 성능 수치는 Dell 내부 시험(CPU 대비 평균 3.9배, 최대 20.4배)으로 자체 발표입니다. 가격은 공개하지 않았습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 발표. Dell이 AI 데이터 플랫폼에 에이전트가 기업 데이터를 이해하도록 돕는 기능 세 가지를 더했습니다.
  2. 공통 의미. 시맨틱 레이어는 부서·시스템마다 다른 이름을 같은 업무 개념으로 맞춥니다. 기존 온톨로지를 가져와 쓸 수 있습니다.
  3. 관계도. 지식 그래프는 표, 데이터 제품, 벡터 색인 사이 관계를 이어 에이전트가 관련 정보를 따라가게 합니다. 제조사 예로, 센서 이상값을 기계, 수리 이력, 공급 배치, 영향받는 주문까지 추적합니다.
  4. 통제. 지식 에이전트마다 볼 수 있는 데이터, 따를 규칙, 품질 기준, 비용 한도를 고객이 정합니다.
  5. 위치와 종속. 모든 구성 요소가 고객 환경 안에서 돌고, 특정 모델·데이터 플랫폼·스토리지에 묶이지 않게 했다고 설명합니다.

AX 관점 메모

  • CIO·CTO. 시맨틱 레이어를 데이터 플랫폼 벤더에 둘지, 독립 계층으로 둘지 정합니다. 어디에 두든 용어 사전은 회사 자산으로 내보낼 수 있어야 합니다.
  • AX 추진. 첫 에이전트 업무의 용어 정의와 데이터 관계도를 먼저 만들고, 제품 평가는 그 다음에 합니다.

핵심 인용

"Data without context is just noise."
맥락 없는 데이터는 소음일 뿐이다. (Arthur Lewis, Dell 인프라 솔루션 그룹 사장)

원문 이미지·영상

함께 보기 iTWire (발표문 전재)
분류 작업 문서 요약 복잡한 분석 라우터회사가 소유 작은 모델 중간 모델 최상위 모델 모델 · 클라우드 · 데이터를 가로지르는 독립 계층
03 a16z × OpenRouter·Replit 대담 10.03
벤더 전략비용 CIO·CTOCFO

'모든 일을 하는 모델 하나'에 기대지 말고, 모델 사이를 고르는 층을 회사가 가져야 한다는 주장입니다

a16z 팟캐스트에서 모델 중개 서비스 OpenRouter 창업자 Alex Atallah와 Replit CEO Amjad Masad가 '신 모델(god model)' 이후를 이야기했습니다. Atallah는 서로 다르게 학습한 모델을 작업마다 골라 쓰고 섞는 쪽에 걸었고, Masad는 기업이 AI 역량을 한 모델 회사에 맡기지 말고 직접 가져야 한다고 말했습니다. 둘은 작은 특화 모델이 더 싸고 통제하기 쉽다고 보면서도, 무거운 작업을 비싼 API로 돌리면 비용이 커진다고 짚었습니다. 둘 다 모델을 골라 주는 쪽의 사업자라는 점은 감안해서 들어야 합니다.

검토해 볼 질문지금 사내 AI 호출이 모두 한 모델로 가고 있다면, 작업별 비용과 품질을 재는 평가(eval)를 갖추고 있습니까? 그 기록이 있어야 다른 모델로 옮길 수 있습니다.

기술 디테일
  • 진행: a16z GP Erik Torenberg. 게시 10월 3일, 약 48분(Podwise 표기).
  • a16z 소개문 표현: '함께 일하는 특화 모델 생태계', '모델·클라우드·데이터를 가로지르는 독립 계층(independence layer)'.
  • 라우팅·결합(fusion): 쉬운 일에 과한 모델을 쓰지 않게 해 비용을 낮춘다는 주장입니다. 구체적 절감 수치는 소개문에 없습니다.
  • Replit은 지난 1년간 플랫폼을 고객 클라우드에서도 돌릴 수 있게 바꿨다고 합니다(StartupHub 요약, 2차).
  • 이해관계: OpenRouter는 여러 모델을 중개하는 회사이고, a16z는 관련 회사에 투자하는 VC입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 질문. AI가 모든 일을 하는 거대 모델 하나로 갈지, 여러 특화 모델이 함께 일하는 생태계로 갈지를 다룹니다.
  2. Atallah의 베팅. 다르게 학습한 모델들을 작업에 맞춰 고르고 섞는 '신경 다양성'에 걸었다고 말합니다.
  3. Masad의 주장. 기업은 AI 역량을 스스로 가져야 하고, 한 모델 회사에 전부 맡기면 데이터와 전략의 통제권을 잃는다고 봅니다.
  4. 비용과 통제. 작은 모델은 싸고 안전하고 다루기 쉽다는 점, 반대로 비싼 API로 무거운 일을 돌리면 비용이 커진다는 점을 함께 다룹니다.
  5. 빠진 부품. 특화 에이전트를 묶는 체계, 에이전트 사이 통신 규약, 보안은 아직 덜 갖춰졌다고 봅니다.

AX 관점 메모

  • CIO·CTO. 모델 호출을 한곳으로 모으는 게이트웨이를 두면, 모델 교체와 작업별 배정이 쉬워집니다.
  • CFO. AI 비용을 모델별이 아니라 업무 단위(건당)로 보고받게 해야 라우팅 효과를 잴 수 있습니다.

원문 이미지·영상

함께 보기 StartupHub 요약
기업 고객 매출 비중 (0~100%) 55% 0100% 1,500만+주간 대화 (2월의 3배+) 31% 빠름채팅 대비 (자체 분석) 환불 보험 갱신 고객 문의
04 FinTech Global 기사 10.07
도입 사례에이전트·자동화 현업 리더CIO·CTO

환불·보험 갱신 전화를 음성 AI가 받습니다. Stripe, Customers Bank, Admiral이 쓰는 ElevenLabs 상담 에이전트

음성 AI 회사 ElevenLabs가 직원 지분 매각으로 기업가치 220억 달러를 인정받았고, 그 배경으로 금융사들의 도입이 꼽혔습니다. Stripe, 미국 Customers Bank, 영국 보험사 Admiral이 환불 처리, 보험 갱신, 고객 문의에 음성 에이전트를 씁니다. 회사에 따르면 주간 대화는 1,500만 건을 넘어 2월보다 세 배 이상 늘었고, 매출의 55%가 기업 고객에서 나옵니다. 상담 자동화가 채팅에서 전화로 넘어오고 있다는 신호입니다.

검토해 볼 질문고객센터 통화 가운데 본인 확인, 환불, 갱신처럼 절차가 정해진 유형의 비중을 재 본 적이 있습니까? 그 유형이 음성 에이전트의 첫 후보입니다.

기술 디테일
  • 기업가치: 3억 달러 규모 직원 지분 매각(tender offer)에서 220억 달러. 2월 시리즈 D의 두 배입니다.
  • 사용처: 환불 처리, 보험 갱신, 영업·지원·운영 문의(ElevenAgents). 세계 10대 보험사 중 절반이 기술을 쓴다고 하지만 이름은 밝히지 않았습니다.
  • 주간 대화 1,500만 건 이상, 2월 대비 3배 이상. 플랫폼 연간 반복 매출도 같은 기간 3배 이상(회사 발표).
  • 음성 에이전트가 채팅보다 문제를 31% 빨리 해결했다는 수치는 회사 내부 분석입니다.
  • WhatsApp·전화·이메일을 함께 묶어 지원하는 기업이 2월 이후 두 배가 됐다고 합니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 거래. ElevenLabs가 3억 달러 규모 직원 지분 매각으로 220억 달러 가치를 인정받았습니다. Wellington과 T. Rowe Price가 주도했습니다.
  2. 금융권 도입. Stripe, Customers Bank, Admiral이 고객 문의와 운영 업무에 음성 에이전트를 씁니다.
  3. 업무 범위. 환불 처리, 보험 갱신, 영업·지원·운영 문의를 다룹니다.
  4. 성장 지표. 주간 대화 1,500만 건 이상, 기업 고객 매출 비중 55%, 직원 800명 이상이라고 밝혔습니다.
  5. 채널 통합. WhatsApp, 전화, 이메일을 한 에이전트로 묶는 기업이 늘고 있다고 설명합니다.

AX 관점 메모

  • 현업 리더(고객 지원). 통화 유형별로 자동화할 것과 사람에게 넘길 것을 나누고, 넘기는 비율을 지표로 둡니다.
  • CIO·CTO. 음성 에이전트가 환불·갱신 같은 거래를 처리하려면 핵심 시스템에 쓸 권한이 필요합니다. 권한 범위와 기록 방식을 먼저 정합니다.

핵심 인용

"AI should interact with people the way we interact with each other."
AI는 사람끼리 대화하듯 사람과 대화해야 한다. (Mati Staniszewski, ElevenLabs CEO)

원문 이미지·영상

기존 3단계 리크루터 스크린 과제 (take-home) 엔지니어 면접 AI 면접 1회답 + 사고 과정 평가 채점: AI 결정: 사람 500,000+시범 6개월 면접 수
05 TechCrunch 기사 10.05
조직·인력규제 CHRO법무

개발자 채용의 세 단계 면접을 AI 면접관 한 번으로 합칩니다. 시범 6개월간 50만 건

개발자 평가 회사 HackerRank가 AI 면접관 Chakra를 고객사 전체에 정식으로 열었습니다. 6개월 시범 기간에 50만 건 넘는 면접을 진행했고 Snowflake, Snorkel, Capgemini가 써 봤습니다. 지원자는 실제 코드 저장소에서 AI 도우미와 함께 과제를 풀고, AI 면접관은 왜 그렇게 했는지 이어서 묻습니다. 채점은 AI가, 채용 결정은 사람이 합니다. 채용 업무가 '답을 맞혔나'에서 '어떻게 생각했나'를 보는 쪽으로 바뀌지만, AI 채용 도구에는 편향 감사 같은 규제가 붙습니다.

검토해 볼 질문채용에 AI 평가 도구를 쓰고 있거나 쓸 계획이라면, 편향 점검과 지원자 고지 절차가 마련돼 있습니까? 최종 결정을 사람이 한다는 기록이 남습니까?

기술 디테일
  • 구성: 리크루터 스크린, 과제(take-home), 엔지니어 면접 세 단계를 한 번의 면접으로 합칩니다.
  • 채점: 고용주가 정한 기준으로 답과 사고 과정을 함께 평가하고 채용 담당자에게 상세 보고서를 줍니다.
  • 부정행위 의심 표시가 기존 평가보다 70~80% 적었다고 HackerRank가 밝혔습니다(지역·직급별 차이 있음, 자체 발표).
  • HackerRank 고객은 3,000곳 이상(Amazon, Nvidia 포함). 가격은 공개되지 않았습니다.
  • 규제: 뉴욕시는 특정 자동화 채용 도구에 편향 감사와 지원자 고지를 요구합니다. 일관된 기준이 공정성을 보장하지는 않는다는 지적도 기사에 있습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 질문. AI가 지원자를 돕는 데서 지원자를 평가하는 쪽으로 넘어가면 무엇이 달라지는지 묻습니다.
  2. 출시. 약 6개월 시범 끝에 Chakra를 정식 공개했습니다. 시범 중 면접은 50만 건을 넘었습니다.
  3. 면접 방식. 실제 코드 저장소와 AI 도우미가 있는 화면에서 과제를 풀고, AI가 선택의 이유와 조건이 바뀌면 어떻게 할지를 묻습니다.
  4. 평가 관점. 결과물보다 그 뒤의 생각을 봐야 한다는 것이 CEO의 설명입니다. AI 사용을 허용하니 몰래 쓸 이유도 줄었다고 봅니다.
  5. 사람의 역할. AI는 구조화된 평가를, 사람은 조직 적합성과 최종 결정을 맡습니다.
  6. 우려. 자동화 도구도 편향을 물려받을 수 있고, 채용은 규제 대상이라는 점을 CEO도 인정했습니다.

AX 관점 메모

  • CHRO. 채용 단계를 합치면 면접관 공수가 줄어듭니다. 대신 평가 기준을 누가 정하고 검토하는지 정해야 합니다.
  • 법무. AI 채용 도구를 쓰는 지역의 고지·감사 의무를 확인합니다. 국내 개인정보·채용 절차 법령 검토가 필요한지도 묻습니다.

원문 이미지·영상

회차 구성 (분, 0~73) 04 OpenAI $70B 12 Cognition vs Factory 25 오픈 모델 Beam 34 ElevenLabs $22B 37 Listen Labs $2B 46 Vercel: 신규 사업 절반이 에이전트발 073분
06 20VC (Harry Stebbings) 팟캐스트 10.08 2차 인용
벤더 전략에이전트·자동화 CEOCIO·CTO

투자자들의 한 주 정리: 기업은 토큰 비용과 데이터 주권 때문에 오픈 모델을 보고, 에이전트가 구매를 움직입니다

20VC가 MongoDB CEO Dev Ittycheria를 포함한 세 명의 대화로 한 주의 AI 업계 소식을 정리했습니다. 코딩 에이전트 회사 Cognition과 Factory의 인재 경쟁, OpenAI의 연 매출 700억 달러 근접, Salesforce의 Listen Labs 20억 달러 인수를 다뤘습니다. 기업 쪽으로는 토큰 비용과 데이터 주권 우려가 도입을 늦추고, 그래서 미국산 오픈 모델에 관심이 쏠린다는 진단이 나왔습니다. Vercel은 신규 사업의 약 절반이 에이전트에서 온다고 소개됐습니다(1위 기사와 같은 회사).

검토해 볼 질문우리 회사 제품·서비스를 고객의 AI 에이전트가 찾아 비교할 때, 사람용 웹페이지 말고 에이전트가 읽을 정보(가격, 사양, 조건)가 정리돼 있습니까?

기술 디테일
  • 구성: 약 1시간 13분, 진행 Harry Stebbings, 게스트 Dev Ittycheria(MongoDB CEO) 외 1명. 게시 10월 8일.
  • 다룬 소식(쇼 노트): OpenAI 연 매출 약 700억 달러 근접, Reflection 오픈 모델 Beam, ElevenLabs 기업가치 220억 달러, Salesforce의 Listen Labs 20억 달러 인수, Vercel 연 반복 매출 6억 달러.
  • '에이전트가 기업 구매에 영향을 준다'는 논의와 오픈 모델 관심 이유는 Podwise 요약에서만 확인했습니다(2차 인용).
  • 출연자 대부분이 VC·투자 관련 인물이라 포트폴리오 이해관계가 있을 수 있습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 매출 경쟁. OpenAI가 연 매출 700억 달러에 다가가며 Anthropic과의 경쟁이 거세졌다는 이야기로 시작합니다.
  2. 인재 전쟁. Factory와 Cognition 사이 인재 이동 갈등과 Vinod Khosla의 공개 발언을 다룹니다.
  3. 기업 도입의 걸림돌. 토큰 비용과 데이터 주권 우려가 도입을 늦추고, 최상위에 가까운 성능을 싸게 주는 미국산 오픈 모델에 관심이 간다고 봅니다(요약 기반).
  4. 에이전트가 고르는 구매. 기업 구매에서 에이전트의 비중이 커져, 사람 검색보다 에이전트의 발견을 염두에 둬야 한다는 논의가 나옵니다(요약 기반).
  5. 거래. ElevenLabs 기업가치 두 배, Salesforce의 Listen Labs 인수, Vercel의 에이전트발 신규 사업을 짚습니다.

AX 관점 메모

  • CEO. 고객이 에이전트로 구매처를 고르는 흐름이 우리 업종에도 오는지, 영업·마케팅 채널 계획에 반영할지 지켜봅니다.
  • CIO·CTO. 데이터 주권 요구가 있는 업무에 오픈 모델을 사내 운영할 후보로 올려 둡니다.

원문 이미지·영상

함께 보기 Podwise 요약
7월 = 100 지수 (0 기준, 저자 집계) 0100 150 7월현재사용량 +50% 59 7월현재가격 −41%
07 Tomasz Tunguz (Theory Ventures) 글 10.07
비용벤더 전략 CFOCIO·CTO

모델 값은 내리고 사용량은 늘어납니다. 7월 이후 토큰 사용량 50% 증가, 가격 41% 하락

VC Tomasz Tunguz가 AI 모델이 '원자재'가 되어 가는 신호를 모았습니다. 그가 집계한 바로는 7월 이후 토큰 사용량은 50% 늘고 가격은 41% 내렸습니다. 최상위 모델이 차지하는 토큰 비중도 8월 53%에서 40%대 중반으로 내려와, 기업들이 더 작고 싼 모델로 옮겨 가고 있다고 봅니다. 그는 모델 회사가 이기는 길로 재판매 제휴, 사용자 화면 장악, 라우팅 데이터 확보를 꼽습니다. 사는 쪽에서 보면 단가 하락을 계약에 반영하고, 작업별로 작은 모델을 쓰는 구조를 갖출 때입니다.

검토해 볼 질문올해 맺은 AI 모델·API 계약에 단가 인하를 반영하는 조건(재협상 시점, 최혜 단가)이 있습니까? 최상위 모델로만 가는 호출 비중은 얼마입니까?

기술 디테일
  • 7월 이후 토큰 사용량 +50%, 가격 −41%(저자 집계).
  • 최상위(frontier) 모델의 토큰 비중: 8월 53% → 40%대 중반. 오픈소스 수요도 최상위에서 중·소형으로 이동했다고 봅니다.
  • 도입 상위 1% 기업의 지출은 8월에 9.7% 줄어 직원 1인당 월 7,205달러였습니다(저자가 인용한 데이터).
  • 라우팅 전용 모델 예: 입력 100만 토큰당 0.04달러, 일반 모델보다 약 75배 저렴(저자 인용).
  • 같은 주 OpenAI Decisions API와 Microsoft Decision-1 같은 소형 분류 모델 출시가 이어졌습니다. 이 글은 투자자의 해석입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 질문. 모델이 항공사처럼 마진 낮고 구별 안 되는 사업이 되는지 다시 묻습니다.
  2. 신호. 가격 대폭 인하, 최상위 모델의 토큰 비중 하락, 상위 도입 기업의 지출 감소, 초저가 라우팅 모델 등장을 근거로 듭니다.
  3. 사용량과 가격. 7월 이후 사용량은 50% 늘고 가격은 41% 내렸습니다.
  4. 전략 1·2. 재판매 제휴(오픈 모델을 대신 팔기)와 사용자 화면 장악을 꼽습니다. 어떤 회사도 모든 용도에서 최고 모델을 갖지 못하니 관심과 유지가 자산이 된다는 논리입니다.
  5. 전략 3. 여러 모델로 작업을 나눠 보내면 그 라우팅 데이터가 다음 모델을 좋게 만든다고 봅니다.
  6. 결론. 원자재 시장에서는 벤치마크가 조금 앞선 회사가 아니라 물량을 모으는 플랫폼이 이긴다고 맺습니다.

AX 관점 메모

  • CFO. AI 예산을 단가 하락과 사용량 증가 두 방향으로 함께 예측합니다. 단가가 내려도 총액은 늘 수 있습니다.
  • CIO·CTO. 작업별 모델 배정 기록을 남겨, 비싼 모델로 가는 호출 중 작은 모델로 옮길 것을 찾습니다.

핵심 인용

"the spoils do not accrue to the lab with a marginal benchmark lead."
이익은 벤치마크에서 조금 앞선 연구소에 돌아가지 않는다.

원문 이미지·영상

5분 영상업체 소개 심사단승인 경쟁 입찰생략 계약1주 안 120+국방부 조직 $3.26B계약 (2026.02 기준)
08 WIRED (AI Weekly 요약) 기사 10.07 2차 인용
도입 사례규제 CFO법무

미 국방부는 AI 도구를 5분 영상으로 고르고 1주 안에 계약할 수 있게 했습니다. 구매 절차가 AI 속도에 맞춰 바뀝니다

WIRED 보도를 요약한 AI Weekly에 따르면, 미 국방부 최고디지털AI실(CDAO)이 운영하는 Tradewinds에서는 업체가 5분짜리 영상으로 AI 도구를 소개합니다. 심사단이 받아들이면 구매 부서는 경쟁 입찰을 거치지 않고 1주 안에 계약할 수 있습니다. 국방부는 120개 넘는 조직이 이 장터를 쓰고, 2026년 2월까지 32억 6천만 달러의 계약이 이뤄졌다고 밝혔습니다. 군사 용도라 기업에 그대로 옮길 수는 없지만, 몇 달 걸리는 AI 도구 구매 절차를 '짧은 시연 → 사전 심사 → 빠른 계약'으로 줄인 사례입니다.

검토해 볼 질문우리 회사에서 새 AI 도구 하나를 사는 데 몇 주가 걸립니까? 보안·법무 사전 심사를 통과한 도구 목록을 두고 그 안에서는 빨리 사는 방식을 검토해 볼 수 있습니까?

기술 디테일
  • 운영: 국방부 CDAO. 영상 장터는 .gov·.mil 이메일 사용자만 접근할 수 있습니다.
  • 규모: 120개 이상 국방부 조직, 계약 32억 6천만 달러(2026년 2월 기준, 국방부 발표).
  • 올해 공고는 '전투력 강화', '킬체인 실행' 에이전트를 찾는다고 적었습니다. 군사 용도입니다.
  • 참여 업체로 OpenAI, Anthropic, Google이 올라 있습니다.
  • WIRED 원문은 이번 실행에서 열리지 않아 AI Weekly 요약으로 확인했습니다(2차 인용).
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 장터. 국방부 CDAO가 운영하는 Tradewinds에서 업체가 5분 영상으로 AI 도구를 소개합니다.
  2. 빠른 계약. 심사단이 승인하면 경쟁 입찰을 건너뛰고 1주 안에 계약할 수 있습니다.
  3. 규모. 120개 넘는 국방부 조직이 쓰고, 2026년 2월까지 32억 6천만 달러가 계약됐다고 국방부가 밝혔습니다.
  4. 배경. 1월 국방장관 메모가 'AI 우선' 군을 지시했고, CDAO는 앞서 여러 AI 회사에 에이전트 사업을 나눠 맡겼습니다.
  5. 논란. 공고 문구가 살상력과 킬체인을 직접 언급해 AI 무기화 논의와 맞닿아 있습니다.

AX 관점 메모

  • CFO. AI 도구 구매를 '사전 심사 목록 + 소액 빠른 계약'과 '대형 경쟁 입찰'로 나누면 시범 속도를 높일 수 있습니다.
  • 법무. 빠른 계약 경로를 두더라도 데이터 처리·책임 조항 표준안을 미리 만들어 둡니다.

원문 이미지·영상

함께 보기 AI Weekly 요약
이전: 글 답새 답: 누르고 고치는 화면 저축 계산기 조정 다시 10.07 Business·Enterprise 자동 적용
09 TechCrunch 기사 10.07
벤더 전략생산성 AX 추진CISO

ChatGPT 답이 글에서 '누르고 고치는 화면'으로 바뀝니다. Business·Enterprise에 첫날부터 켜졌습니다

OpenAI가 GPT-6와 함께 ChatGPT에 'Intelligent UI'를 내놨습니다. 답에 누를 수 있는 버튼, 직접 만든 계산기, 고칠 수 있는 차트가 붙어 나옵니다. Pro·Plus와 함께 Business·Enterprise 사용자에게 10월 7일부터 자동으로 켜졌고, 사용자가 설정에서 줄일 수 있습니다. 직원들이 쓰는 AI 화면이 하룻밤 사이에 바뀐 셈이라, 사내 안내와 교육 자료를 다시 볼 일이 생겼습니다. 기업용 전용 기능이나 관리자 설정은 기사에 나오지 않습니다.

검토해 볼 질문ChatGPT Business·Enterprise를 쓰고 있다면, 바뀐 답 화면에 대한 사내 안내를 이번 주에 냈습니까? AI가 만든 계산기·차트의 숫자를 그대로 보고서에 쓰지 않도록 하는 기준이 있습니까?

기술 디테일
  • 형식: 답 안에 버튼, 계산기, 대화형·편집형 차트 등을 넣습니다. 예시로 비행기 날개 양력 설명, 자전거 정비 도해, 여러 날 등산 지도, 저축 계산기가 나왔습니다.
  • 배포: GPT-6와 함께 10월 7일 Pro·Plus·Business·Enterprise, 10월 8일 Free·Go 사용자(전 세계).
  • 설정: 자동으로 켜지며, 사용자가 시각 요소를 줄일 수 있습니다.
  • 기업 관련 기능: 기사에는 관리자 제어나 기업 전용 기능에 대한 설명이 없습니다.
  • 확장 추론 모드를 켜면 Intelligent UI가 꺼진다는 보도가 있으나(XenoSpectrum) OpenAI는 확인하지 않았습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 출시. OpenAI가 ChatGPT 답에 시각 요소를 크게 늘리는 Intelligent UI를 냈습니다.
  2. 무엇이 붙나. 누를 수 있는 버튼, 맞춤 계산기, 대화형·편집형 차트처럼 사용자가 직접 조작하는 요소입니다.
  3. 목적. 복잡한 주제를 배우기 쉽게 하려는 것이라고 OpenAI는 설명합니다. 기사는 더 넓은 사용자층을 노린 것으로도 봅니다.
  4. 배포. GPT-6와 함께 유료·기업 사용자부터 켜지고, 다음 날 무료 사용자까지 넓어졌습니다.
  5. 설정. 시각 요소가 싫으면 설정에서 줄일 수 있습니다.

AX 관점 메모

  • AX 추진. 직원 교육 자료와 사내 프롬프트 가이드의 화면 예시를 새 형식에 맞게 고칩니다.
  • CISO. 답 안의 상호작용 요소가 외부 링크나 데이터 입력을 포함하는지, 기업 계정 설정으로 제한할 수 있는지 벤더에 확인합니다.

핵심 인용

"ChatGPT has predominantly been a text-based interface"
ChatGPT는 주로 글 중심의 화면이었다. (OpenAI 제품 담당 Aarush Selvan)

원문 이미지·영상

함께 보기 AI Weekly 정리
개수 (0~4,000 같은 축) 던진 문제~4,000 원고719 묶음372 핵심 결과 중 Lean 형식 검증 (0~100%) 약 42%나머지는 검증 진행 중 0100%
10 OpenAI (GitHub 공개) 자료 공개 10.07
생산성에이전트·자동화 AX 추진CIO·CTO

AI가 한 번에 수학 원고 719편을 냈지만, 형식 검증을 마친 핵심 결과는 약 42%입니다. 만드는 속도보다 검증이 병목입니다

OpenAI가 공개하지 않은 내부 모델이 쓴 수학 원고 719편(372개 묶음)을 GitHub에 올렸습니다. 약 4,000개 문제를 던져 나온 결과를 모은 것이고, 결과 하나에 평균 ChatGPT Pro 기준 약 3시간의 추론 연산을 썼습니다. 저장소 설명에 따르면 핵심 결과 가운데 수학 증명 검증 도구(Lean)로 확인한 것은 약 42%이고, 나머지는 문제가 있을 수 있다고 스스로 밝혔습니다. 에이전트가 대량의 결과물을 만드는 시대에는 그것을 어떻게 검증할지가 먼저 설계돼야 한다는 것을 보여 줍니다.

검토해 볼 질문AI가 대량으로 만드는 보고서·코드·분석을 검증하는 방법(전수, 표본, 자동 검사)이 업무별로 정해져 있습니까?

기술 디테일
  • 규모: 원고 719편, 372개 묶음(분야별 분류). AI Weekly는 722편으로 전했지만 저장소 설명은 719편입니다.
  • 생성: 미공개 내부 모델에 약 4,000개 문제를 던진 한 가지 절차에서 대부분 나왔습니다. 리만 제타 함수 영점 없는 영역, CM 아벨 다양체의 Hodge 추측 증명 두 건은 예외입니다.
  • 연산: 결과당 평균 약 3시간의 ChatGPT Pro 추론 연산.
  • 검증: 핵심 결과의 약 42%가 Lean으로 형식화됐습니다. 저장소는 형식화되지 않은 결과에 문제가 있을 수 있다고 적었습니다.
  • 게시일은 저장소에 표시되지 않아 AI Weekly 보도(10.07)로 확인했습니다. 수학계의 독립 검토는 아직입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 공개. OpenAI 내부 모델이 만든 수학 원고와 증명 자료를 GitHub 저장소로 공개했습니다.
  2. 규모와 분류. 원고 719편을 372개 묶음으로 나누고 수학 분야별로 분류했습니다.
  3. 만든 방법. 약 4,000개 문제를 모델에 던져 나온 결과를 모았고, 결과당 평균 약 3시간의 추론 연산을 썼습니다.
  4. 검증 단계. 결과마다 검증 단계가 다르고, 핵심 결과의 약 42%만 Lean으로 형식화됐다고 밝혔습니다. 형식화되지 않은 결과는 문제가 있을 수 있다고 적었습니다.
  5. 출발점. 기존 수학 평가가 포화돼 모델 평가 과정에서 시작된 프로젝트라고 설명합니다.

AX 관점 메모

  • AX 추진. 에이전트 업무를 설계할 때 산출물 양보다 검증 방식(누가, 무엇으로, 몇 건을)을 먼저 정합니다. 1위 Vercel의 표본 검수와 같은 질문입니다.
  • CIO·CTO. 코드·데이터 산출물에는 자동 테스트와 형식 검사처럼 기계가 확인할 수 있는 장치를 붙입니다.

핵심 인용

"This collection includes results at different stages of verification."
이 모음에는 검증 단계가 서로 다른 결과가 섞여 있다.

원문 이미지·영상

함께 보기 AI Weekly 요약

아깝게 빠진 것

최근 7일간 탑티어 매체, 벤더·연구소 공식 발표, 경영자·VC 대담에서 기업의 AX 결정에 영향을 주는 소식을 골라, 항목마다 바뀌는 결정과 담당을 붙이고, 체크리스트는 사람·조직, 업무·에이전트, 데이터·아키텍처, 비용·계약 네 영역으로 묶었습니다. 원문은 전문 번역 대신 요약으로 정리했고, 인용은 한 문장 이하입니다. 벤더·회사 자체 수치는 자체 발표이며, ‘2차 인용’은 원문 대신 보도·요약으로 확인한 항목입니다. 일러스트는 기사 내용을 바탕으로 새로 그렸습니다.