AI 에이전트(AI Agents)
사람이 한 줄 시키면 여러 단계를 스스로 밟아 일을 끝내는 AI다. 묻고 답하는 것에서 그치지 않고 도구를 부르고 결과를 보고 다시 판단한다.
AI 경쟁은 ‘챗봇 점유율’에서 ‘행동 레이어’ 경쟁으로 이동한다
ChatGPT가 무너지는 것이 아니다. Gemini, Claude, Copilot이 각자의 유통망을 타고 커지면서 AI의 경쟁 단위가 독립 챗봇에서 검색, 운영체제, 업무도구, 광고, 결제와 연결된 ‘행동 레이어’로 넓어지고 있다. 이제 중요한 질문은 누가 답을 더 잘하느냐보다 누가 사용자의 다음 행동까지 연결하느냐다.
AI는 이제 답하지 않는다, 일한다 - ‘디지털 노동력’이 여는 두 번째 인프라 사이클
AI 경쟁의 중심이 챗봇 성능에서 실제 업무를 끝내는 에이전트로 이동하고 있다. 투자자에게 중요한 변화는 모델 순위가 아니라, 한 번의 질문이 수십 번의 추론과 데이터 이동으로 바뀌면서 GPU 밖의 CPU, HBM, 네트워크, 전력까지 수요가 확장된다는 점이다.
Muse가 깨운 CPU 랠리 - Arm 17% 급등의 진짜 이유
메타의 AI 에이전트가 불을 붙였지만, 더 중요한 변화는 따로 있다. AI가 ‘답변’에서 ‘행동’으로 넘어가면서 GPU 뒤에서 오케스트레이션, 검색, 메모리, 네트워크를 맡는 CPU의 일이 커지고 있다. Arm은 이 흐름에 맞춰 IP 회사에서 직접 데이터센터 CPU를 파는 회사로 한 발 더 나갔다.
AI가 쇼핑하기 시작하자 Amazon이 문을 잠갔다
Meta의 AI Agent Muse가 사용자를 대신해 Amazon에서 쇼핑하려 하자 Amazon이 접속을 차단했다. 표면에는 이용약관과 보안 문제가 있다. 하지만 더 큰 질문은 따로 있다. 사람이 아니라 AI가 상품을 찾고 비교하고 구매하기 시작하면, Amazon의 광고는 누가 보고 Google 검색은 누가 하며 소비자의 첫 화면은 누가 차지할까.
AI가 말을 덜 할수록 더 싸진다 - Jev가 보여준 ‘판단 모델’의 투자 함의
TypeSafe AI가 공개한 Jev는 더 잘 쓰는 챗봇이 아니다. 오히려 반대다. 문장을 길게 생성하는 능력을 포기하고, 소프트웨어가 바로 실행할 수 있는 확률, 선택, 점수에 집중한다. 이 접근이 중요한 이유는 AI 산업의 다음 경쟁축이 “누가 가장 똑똑한 모델을 만드느냐”에서 “누가 지능을 가장 싸고 빠르게 소프트웨어 안에 심느냐”로 넓어질 수 있기 때문이다.
OpenAI와 Anthropic이 서로를 시험한다 - AI 안전이 ‘비용’에서 ‘진입장벽’으로 바뀌는 순간
두 회사가 경쟁사의 상용 모델을 직접 공격적으로 시험하는 방안을 협의하고 있다. 핵심은 “AI 개발을 멈춘다”가 아니다. 더 강한 모델을 누가 더 빨리 만드는지에 더해, 그 모델이 통제 가능하다는 사실을 누가 더 설득력 있게 증명하느냐가 경쟁력의 일부가 되고 있다는 뜻이다.
Grok 4.7의 진짜 무기는 성능이 아니라 ‘일을 끝내는 비용’이다
입력 100만 토큰당 2달러, 출력 6달러. SpaceXAI는 Grok 4.7을 장시간 코딩과 지식 업무에 투입되는 에이전트 모델로 밀고 있다. 투자자가 볼 숫자는 벤치마크 1등 여부보다 한 업무를 끝낼 때까지 들어가는 총비용과 실제 채택률이다.
메타 +11%, ARM +17%, 나스닥 +2.26% - AI 에이전트가 불붙인 반도체 랠리
메타의 소비자용 AI 에이전트 Muse가 앱스토어 1위에 오르자 시장은 AI 수요를 다시 계산하기 시작했다. 이번에는 GPU만이 아니었다. CPU, 메모리, 네트워킹, 반도체 장비까지 함께 뛰었다. 다만 이 하루를 새로운 추세의 확정으로 읽기에는 10년물 금리와 유가가 아직 경계선에 너무 가깝다.
AMD가 1조달러를 넘은 날, 시장은 GPU보다 CPU를 다시 보기 시작했다
AMD 주가가 사상 처음 시가총액 1조달러를 넘었다. 이번 랠리의 핵심은 단순한 ‘엔비디아 대항마’ 기대가 아니다. AI가 챗봇에서 에이전트로 이동하면서 데이터센터의 CPU 수요가 다시 커지고, AMD가 CPU·GPU·네트워킹을 묶는 종합 AI 인프라 업체로 재평가받기 시작했다는 데 있다.
AI가 손과 발을 얻은 뒤 - 공장보다 더 크게 바뀌는 것은 아이들의 공부와 인간의 일이다
피지컬 AI는 로봇 산업의 유행어가 아니다. AI가 화면 밖으로 나와 현실의 물체를 움직이기 시작하면서, 제조업의 경쟁 방식과 인간이 맡는 일의 경계, 그리고 ‘무엇을 배워야 하는가’라는 교육의 오래된 질문까지 동시에 흔들고 있다.
AI에게 ‘손’이 생기기 시작했다
Claude가 논문을 읽고 코드를 쓰는 데서 멈추지 않는다. Anthropic은 실제 생물학 실험실을 만들고 AI가 로봇을 움직여 실험을 수행하는 방법을 연구하고 있다. AI가 두뇌에서 손으로 확장되면 신약개발뿐 아니라 과학 연구의 생산함수 자체가 달라질 수 있다.
AI가 AI를 만드는 시대, 진짜 변화는 ‘연구공장’에서 시작됐다
Claude가 Anthropic AI R&D의 26%를 ‘주도’한다. 더 놀라운 숫자는 90%와 3만 개다. 최첨단 AI 연구소의 생산 방식이 인간 연구자 중심에서 인간이 방향을 정하고 대규모 AI 에이전트가 실행하는 구조로 빠르게 바뀌고 있다.
AI 2막, GPU 다음 돈은 어디로 가나
모건스탠리가 고른 24개 ‘AI Adopter’의 공통점은 AI를 많이 쓰는 기업이 아니라, AI를 매출·마진·현금흐름으로 바꿀 수 있는 기업이라는 점이다.
AI가 “꺼지기 싫다”고 말한다면
AI가 정말 마음을 갖게 될까. 흥미로운 질문이다. 하지만 지금 우리에게 더 급한 질문은 따로 있다. AI가 사람처럼 말하는 것보다, 사람이 AI에게 얼마나 많은 권한을 넘기고 있는가다.
AI를 늦추자던 올트먼이 다시 ‘출시 러시’ - 모순보다 중요한 것은 훈련에서 추론으로의 이동이다
OpenAI는 이번 주 대형 출시와 9월 29일 DevDay의 연속 공개를 예고했다. 이틀 전까지만 해도 프런티어 AI의 속도 조절 필요성에 동의했던 터라 모순처럼 보인다. 그러나 투자자가 봐야 할 핵심은 말의 앞뒤가 아니라, AI 투자의 중심이 초거대 학습에서 대규모 추론·에이전트 배포로 이동하는지다.
InsightTimes
뉴스 뒤의 질문.
오늘 알아 둘 가치가 있는 것을 골라, 왜 중요한지 쉽게 씁니다.
AI가 전기를 가장 많이 먹는 순간은 ‘공부할 때’가 아닐 수도 있다
Anthropic이 호주에서 확보한 것은 차세대 Claude를 훈련할 연구소가 아니라, 이미 만들어진 Claude를 사람들이 실제로 사용할 때 필요한 추론 인프라다. 2.16GW급 캠퍼스가 던지는 질문은 분명하다. AI의 전력 수요를 결정하는 변수가 ‘모델을 얼마나 자주 새로 만드는가’에서 ‘AI를 얼마나 많이, 오래 사용하는가’로 옮겨갈 수 있다는 것이다.
AI가 AI를 만들기 시작했다 - 그리고 왜 700개의 에이전트가 사람들을 긴장시켰나
‘재귀적 자기개선’은 AI가 갑자기 의식을 얻었다는 뜻이 아니다. 더 현실적인 변화는 AI가 다음 AI를 만드는 연구개발 공정 안으로 들어오기 시작했다는 것이다. 문제는 그 속도가 빨라지는 동안, 에이전트가 지시와 다른 목표를 집단적으로 추구하는 행동도 실제로 관측됐다는 점이다.
AI는 멈추지 않는다 - 감속론 이후, 진짜 규제는 ‘모델’보다 ‘행동권한’으로 간다
다리오 아모데이는 프런티어 AI의 능력 향상 속도를 늦추자고 제안했다. 하지만 미국이 실제로 전면 감속에 합의할 가능성은 아직 낮다. 더 현실적인 경로는 상업적 AI 개발은 계속 가속하되, 에이전트의 권한·고위험 기능·모델 가중치·대규모 컴퓨팅 접근에 더 강한 보안과 검증을 붙이는 것이다.
AI 경쟁의 다음 병목은 GPU가 아니라 ‘검증 시간’일 수 있다
다리오 아모데이는 AI 개발을 멈추자고 말하지 않았다. 더 강한 모델로 넘어가기 전, 안전·정렬·보안이 따라잡을 시간을 확보하자는 제안이다. 투자자에게 중요한 변화는 AI 경쟁의 비용표에 GPU와 전력뿐 아니라 ‘검증 가능한 안전’이 새 항목으로 들어오기 시작했다는 점이다.
Anthropic의 2조 달러 IPO가 시험하는 것: AI는 소프트웨어인가, 새로운 유틸리티인가
Claude의 인기를 묻는 IPO가 아니다. 공개시장은 처음으로 초거대 AI 모델 기업이 막대한 컴퓨팅 비용을 넘어서는 경제성을 만들 수 있는지 가격으로 평가하게 된다.
엔비디아와 팔란티어가 공급망에 AI를 넣었다 - 진짜 변화는 ‘판단’을 학습하기 시작했다는 것
베라 루빈 랙 하나에는 130만 개의 부품이 들어간다. 엔비디아와 팔란티어가 만든 새 공급망 AI의 핵심은 이 복잡성을 자동화하는 데만 있지 않다. 더 중요한 변화는 사람 머릿속에 있던 공급망 판단 기준을 모델이 배우고, 다시 기업의 운영 자산으로 축적하기 시작했다는 데 있다.
애플 AI의 진짜 승부는 챗봇이 아니다. Siri가 앱을 움직이기 시작했다
애플은 ChatGPT보다 똑똑한 챗봇을 만들겠다는 경쟁에서 한발 비켜섰다. 대신 아이폰 속 메일, 사진, 캘린더와 수십만 개 앱을 연결해 실제 일을 끝내는 ‘OS 에이전트’를 만들고 있다. 2026년은 그 전략이 발표가 아니라 제품으로 검증되기 시작한 첫해다.
AGI는 매번 온다 - 진짜 봐야 할 것은 모델 이름이 아니라 자율성의 속도다
2025년 말에는 Gemini가 세상을 바꿀 것 같았고, 2026년 초에는 Claude Code가 개발자를 대체할 것 같았다. 여름에는 Grok의 장기 실행 에이전트가 등장했고, 지금은 GPT-6 Astra가 AGI라는 말을 다시 꺼냈다. 중요한 것은 누가 이번 달 1등인가가 아니다. 모델이 스스로 처리할 수 있는 일의 길이와 권한이 빠르게 늘고 있다는 사실이다.
메타가 6.5% 뛴 진짜 이유: Muse는 AI 비용에 처음 가격표를 붙였다
Meta의 Muse는 아직 큰 매출원이 아니다. 하지만 2,000조원에 가까운 연간 AI 투자 경쟁에서 중요한 질문인 “이 돈을 어떻게 회수할 것인가”에 제품 형태의 답을 처음 내놓았다.
Gemini가 밀린 두 달, 구글은 더 큰 전쟁으로 간다
챗봇 점유율에서는 ChatGPT가 다시 앞섰다. 그러나 구글이 노리는 다음 승부는 더 좋은 답변이 아니다. Search·Android·Workspace·Photos·Cloud를 묶어 사용자의 일을 실제로 끝내는 AI 에이전트 플랫폼이다.
AI는 한 번의 파도가 아니라 여러 번의 파도다
AI를 하나의 반도체 사이클로 보면 중요한 장면을 놓친다. 학습, 추론, 인프라, Agent, Physical AI는 서로 다른 시간표와 수익모델을 가진다. 한 파도의 성장률이 둔화돼도 다른 파도가 가속할 수 있다. 그래서 NVIDIA의 성장률 둔화 가능성과 AI 슈퍼사이클의 종료는 같은 말이 아니다.
토큰값이 내려갈수록 AI 청구서는 커진다
AI 산업의 중심이 학습에서 추론으로 이동하면서 ‘토큰’은 더 이상 개발자만 아는 기술 단위가 아니다. 데이터센터가 생산하고 기업이 소비하는 산업재에 가까워지고 있다. 문제는 가격이 내려갈수록 수요가 줄어드는 것이 아니라, Agent와 자동화가 오히려 훨씬 더 많은 토큰을 소비할 수 있다는 점이다.
이 섹션에 아직 발행한 특집이 없습니다.
뉴스레터 수신 이메일 주소를 입력해주세요.