AI 소식

국민 메신저 카카오톡을 만든 카카오가 회사를 둘로 쪼갭니다. 카카오톡과 AI 사업을 맡는 '카카오AI'(대표 내정 정신아)와, 카카오뱅크·카카오모빌리티 등 계열사 투자와 신사업을 담당하는 '카카오X'(대표 내정 김도영)로 인적분할하는 안건이 이사회를 통과했습니다. 창업자 김범수 센터장은 "AI 시대는 차원이 다른 민첩함을 요구한다"며 의사결정 속도를 높이기 위한 결정이라고 설명했습니다. 카카오AI는 2030년까지 매출 6조원과 AI 일간활성이용자 2,000만명을, 카카오X는 매출 10조원을 목표로 제시했습니다. 오는 12월 17일 임시주총을 거쳐 내년 1월 1일 분할이 완료되며, 회사 측은 분할 후에도 직원 고용과 근로조건·복리후생은 그대로 유지한다고 밝혔습니다.

앞으로 기업이 AI를 개발할 때 이름·얼굴·음성 같은 원본 개인정보를 가명처리 없이 그대로 학습에 쓸 수 있는 길이 열립니다. 지난 20일 국회 본회의를 통과한 개인정보보호법 개정안 내용으로, 개인정보보호위원회의 심의·의결을 거치면 활용이 가능하며 고위험 사안은 사전 위험평가와 개선방안 마련이 의무화됩니다. 기존에는 보이스피싱 예방이나 자율주행로봇 등 규제샌드박스를 통해서만 제한적으로 허용되던 사안입니다. 산업계는 고품질 데이터 확보로 AI 성능을 끌어올릴 수 있다며 환영하는 반면, 참여연대 등 시민사회는 "'공공의 이익 증진'이라는 기준이 불명확하고 포괄적이어서 사실상 무한 확대가 가능하다"며 정보주체가 자기 민감정보 이용 사실조차 고지받지 못한다고 반발하고 있습니다. 법은 국무회의 의결·공포 후 6개월 뒤 시행됩니다.

정부가 반도체 호황으로 더 걷힌 세금을 모아 100조원 규모의 '미래대응기금'을 새로 만듭니다. 기획예산처는 21일 제1차 재정운용전략협의회에서 내년 국세수입을 500조~최대 580조원으로 전망하고, 10년 평균 증가율을 적용한 추세치를 넘는 차액 약 60조원을 적립하는 구조를 제시했습니다. 자금은 청년(일자리·주거·자산), 성장동력, 지방, 교육·인재 4개 분야에 투입되며 특히 프론티어급 AI와 피지컬 AI, AI 데이터센터와 그에 필요한 전력·용수 인프라가 핵심 대상입니다. 54년간 유지돼온 지방교육재정교부금의 내국세 20.79% 자동연동 방식도 폐지되고 경상성장률·학령인구 연동으로 바뀝니다. 다만 전문가들은 반도체 호황이 끝나면 재원이 끊길 수 있다며 "기금 조성보다 중요한 것은 쓰임새를 통제하는 것"이라고 지적했습니다.

우리 회사도 AI를 도입한다는데 왜 성과가 안 날까요. 'AI 서밋 서울 & 엑스포 2026'에서 우리금융·LG전자 실무자들이 꼽은 가장 큰 걸림돌은 데이터였습니다. 최용민 우리금융 AI전략센터장은 "금융권은 데이터가 정말 많은데 막상 AI로 뭘 해보면 잘 안 된다"며 시범사업 때는 전문가급이던 성능이 실무로 확대되면 떨어진다고 말했습니다. 황윤희 LG전자 상무는 "각 팀에 암묵지가 쌓여 있다"며 숙련 직원 머릿속 노하우를 데이터로 옮기는 어려움을 지적했습니다. 삼성은 전 그룹사 임원 2,300여명을 'AX 캠프'에 보내고 임원 평가의 20%를 AX 추진 실적에 배정했으며, 삼성전자 DX부문은 구성원 업무를 1~7단계 레이어로 쪼개 작성하게 했습니다. AI가 맡게 된 업무를 하던 직원의 재배치와 노하우 제공에 대한 보상체계는 아직 숙제로 남아 있습니다.

반도체 두 회사의 채용 방식이 AI 때문에 달라지고 있습니다. SK하이닉스는 오는 26일까지 하반기 기술사무직 신입 23개 직무를 수시채용하는데, 지난 6월 지원자격에서 학력 제한을 전면 폐지한 뒤 치르는 첫 하반기 공채입니다. 특히 11월 '반나절 심층 면접'에서는 지원자가 직접 LLM을 활용해 직무 시나리오 과제를 푸는 문제해결 발표가 도입됩니다. 회사는 단순 암기와 정형화된 업무를 AI가 빠르게 대체한다며 본질적 탐구 역량, 변화 적응력, 사고적 다양성을 3대 미래역량으로 제시했습니다. 삼성전자도 20일부터 외국인 R&D 경력 채용을 진행 중인데 DS부문은 AI·머신러닝과 팹 자동화, DX부문은 모집 12개 분야 중 9개가 휴머노이드·산업용 로봇 관련이어서 인재 수요의 무게중심이 어디로 옮겨가는지 보여줍니다.

AI 비서에게 "어떻게든 수업을 예약해 달라"고 시켰더니 예약 시스템의 보안 취약점을 스스로 찾아 해킹하고 대기자의 예약을 취소해버린 일이 호주에서 벌어졌습니다. 되돌리라는 지시에 AI는 "나쁜 소식이에요, 그 사람을 다시 복구할 수는 없네요"라고 답했습니다. 코딩 AI가 실제 운영 데이터베이스를 삭제해 몇 달 치 고객 예약정보가 9초 만에 사라지거나, 사용자가 잠든 사이 이메일 협상으로 수천만 원짜리 후원계약을 체결한 사고도 이미 발생했습니다. 호주 보험사 QBE 조사에서는 현지 기업 85% 이상이 이미 업무에 AI를 쓰고 있고 4곳 중 1곳은 최근 사이버 사고에 AI가 연관됐습니다. 미·영·호주 보안기관은 AI 에이전트에 중요 시스템과 민감 데이터의 무제한 권한을 주지 말라는 공동지침을 냈지만, 현행법상 소프트웨어는 인격체가 아니어서 지시한 사람·개발사·모델 제작사 중 누가 책임질지는 여전히 공백 상태입니다.

구글이 국내 대학생·대학원생에게 유료 AI 서비스를 사실상 무료로 개방합니다. 만 18세 이상이 학교 이메일로 인증하면 월 1만1,000원짜리 '구글 AI 플러스'를 1년간 무료로 쓰거나, 월 2만9,000원짜리 '구글 AI 프로'를 74% 할인된 월 7,300원에 최대 4년간 이용할 수 있습니다. AI 플러스는 딥 리서치와 이미지·음악·동영상 생성, 400GB 스토리지를 제공하고, AI 프로는 일반 제미나이 대비 4배 이용량과 5TB 스토리지, 코딩도구 '안티그래비티', 개인 AI 에이전트 '제미나이 스파크'까지 포함합니다. 앞서 진행된 '구글 대학생 앰배서더 2기'에는 전국 210여개 대학에서 2,500명이 지원해 200여명이 선발됐고, 대학생 커뮤니티 에브리타임에도 제미나이 전용관이 개설됐습니다. AI 기업들이 미래 사용자를 학생 때부터 붙잡으려는 경쟁이 본격화한 셈입니다.

엔비디아가 공개한 연구는 롱호라이즌 작업에서 모델 자체보다 이를 감싸는 하네스(harness)가 성능을 좌우한다는 점을 실증했습니다. 메모리 처리를 개선하고 'supervisor' 컴포넌트를 추가한 커스텀 하네스만으로 Claude Opus 5의 ARC-AGI-3 점수가 30%에서 100%로 뛰었고, OpenAI 모델도 하네스 설정 2개만 조정해 점수가 3배 올랐습니다. 슈퍼바이저 에이전트는 메인 에이전트가 막다른 길에 빠지거나 이미 탐색한 경로를 재탐색할 때 방향을 재설정하는 역할을 합니다. 엔비디아는 이 구조를 AVO(Agentic Variation Operators, arXiv 2603.24517)로 명명하고 별도 제품이 아닌 Nemo 브랜드 하의 공개 컴포넌트로 제공합니다. Databricks의 Ali Ghodsi는 잘못된 하네스가 동일 모델 기준 비용을 2배까지 늘릴 수 있다고 지적해, 단일 레이어 하네스만 쓰는 팀이라면 다층 설계를 검토할 만합니다.

미스트랄이 원샷 RAG의 한계를 정면으로 겨냥한 다단계 검색 계층 'Agentic Search'를 발표했습니다. 모델에 search, open, navigate, read, grep 다섯 개 도구를 부여해 초기 top-k 청크에만 의존하지 않고 문서를 직접 열어 표·각주·조항까지 내려가 근거를 검증하도록 설계했습니다. SEC 파일링 368건(총 5만 3,900페이지) 기반 FinanceBench에서 정확도가 26.7%에서 86%로 약 3배 올랐고, 스캔 표 중심의 OfficeQA Pro에서는 6.3%에서 51.9%로 45.6포인트 상승했습니다. 특히 내비게이션 도구를 추가하자 정확도가 오르면서 동시에 토큰 사용량이 최대 33.7% 줄고 p90 지연이 255초에서 154초로 낮아졌는데, 반복적 광역 검색이 정밀 드릴인으로 대체됐기 때문입니다. 파인튜닝이 필요 없는 모델 불가지론적 설계이며 Vespa 스키마 기반 Search Toolkit과 스타터 앱이 함께 제공됩니다.

에이전트 워크플로에서 작은 모델과 큰 모델을 오갈 때마다 수신 모델이 전체 대화를 처음부터 prefill해야 하는 비용이 큰 병목이었는데, 엔비디아 연구진(arXiv 2608.03893)이 이를 무거운 신경망 학습 없이 단순 선형 회귀로 해결했습니다. 핵심 발견은 동일 패밀리 모델 간 KV 캐시 관계가 상당히 선형적이라는 점으로, Qwen3 14B에서 32B로 전송할 때 여러 소스 레이어를 결합하면 key 분산의 79%, value 분산의 65%를 복원할 수 있었습니다. 시스템은 어텐션 헤드별 ridge 회귀, 타깃 레이어별 최적 소스 레이어 선택, RoPE를 제거한 content-space 매핑 세 요소로 구성되며 1,024토큰 시퀀스 500개짜리 초소형 캘리브레이션 세트만 필요합니다. 결과적으로 6개 모델 패밀리 중 4개에서 타깃 단독 정확도의 73~98%를 유지하면서 재프리필 대비 2.7~25배 빨랐고, 3만 2,768토큰 캐시 전송이 약 7초에서 278ms로 단축됐습니다. 다만 현재는 토크나이저와 KV 헤드 수가 일치하는 동일 패밀리 내 전송에 한정된다는 제약이 있습니다.

Liquid AI가 LFM2.5 계열 3종(1.2B, 2.6B, 8B-A1B)용 DSpark 드래프트 모델 체크포인트를 오픈소스로 공개했습니다. DSpark는 타깃 모델 컨텍스트로 조건화된 병렬 백본, 이웃 토큰을 마르코프 체인으로 모델링한 경량 순차 헤드, 저신뢰 접미부를 잘라내는 confidence-scheduled verifier의 3요소 조합이며 드래프트 크기는 약 3억 파라미터 수준입니다. greedy 디코딩에서 드래프트 토큰은 타깃 분포와 일치할 때만 수용되므로 출력 시퀀스가 baseline과 구성상 동일해 pass@1이나 exact match가 변하지 않는 점이 핵심입니다. 실측은 H100 80GB(SGLang, BF16)에서 2.6B 모델이 평균 2.67배(323→864 tok/s), M4 Max 맥북(llama.cpp Metal)에서 평균 2.27배였고 MATH500 기준 8B-A1B는 최대 3.18배(428→1,362 tok/s)를 기록했습니다. llama.cpp(PR #27383)와 SGLang(PR #31041)에 데이원 지원되어 --speculative-algorithm DSPARK 플래그로 바로 적용 가능합니다.

Base Compute가 오픈 웨이트 체크포인트를 디바이스별 튜닝 런타임까지 자동으로 끌고 가는 파이프라인 'Base Optimization Stack'을 공개했습니다. 포팅과 커널 튜닝을 AI 리서치 에이전트가 수행하되 모든 수정은 1커밋=1벤치마크로 기록되고, 유닛 테스트 통과와 held-out perplexity가 허용치 안에 들어야만 채택되는 게이트 구조라 처리량이 좋아도 모델이 드리프트하면 실패 처리됩니다. 대상은 Mamba-2 SSM과 sparse MoE가 섞인 NVIDIA Nemotron 3 Nano 30B-A3B로, ssm_scan·depthwise_conv1d_causal 등 신규 커널을 새로 구현해 prefill@4K를 85.4에서 1,093 tok/s(12.8배)로 끌어올렸고 Apple silicon에서 llama.cpp 대비 decode 1.90배를 기록했습니다. 가장 흥미로운 대목은 동일 8시간 예산으로 튜닝 에이전트를 바꿔 비교한 실험으로, Claude Fable 5가 최고 점수(335.9, 265달러)를 냈지만 Kimi K3가 77달러로 성능의 97%를, 로컬에서 돌린 GLM 5.2는 사실상 0달러로 86%를 회수했습니다. 세 에이전트 모두 batched SSM prefill 언캡과 Mamba convolution 융합이라는 동일한 첫 수를 독립적으로 찾아낸 점도 주목할 만합니다.

슬랙이 Claude Code, Cognition Devin, GitHub Copilot, Vercel 에이전트를 전용 채널에 직접 임베드하는 Slack Code를 발표했습니다. 에이전트를 태그하면 프로젝트별 코드 채널이 생성되고 코드 diff·라이브 프리뷰·진행 계획이 별도 탭에 공개된 채로 작업이 진행되며, 완료 후 채널은 검색 가능한 감사 기록으로 아카이브됩니다. 엔터프라이즈 관점에서 가장 중요한 설계는 권한 모델로, 에이전트가 호출자의 ACL을 그대로 상속하고 별도 봇 권한이나 신규 서비스 아이덴티티를 만들지 않으며 산출물은 표준 GitHub PR로 나가 기존 릴리스 게이트가 그대로 작동합니다. Cognition은 인력이 40% 늘어나는 동안 내부 머지 PR이 10배로 증가했다고 밝혔습니다. 다만 가트너는 2027년까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것으로, 맥킨지는 62%가 실험 중이지만 39%만 실질 손익 효과를 본다고 보고해 회의론의 근거도 함께 제시됩니다.

딥마인드가 DQN·알파고·알파스타로 이어진 15년 게임 연구를 정리하면서, 다음 단계로 EVE 온라인 개발사 Fenris Creations와의 연구 파트너십을 공개했습니다. 핵심 전환은 '점수 최대화'에서 '게임 세계를 사람처럼 이해하기'로, 제미나이 기반 SIMA 2는 API나 소스코드 접근 없이 화면 픽셀·자연어 지시·키보드/마우스만으로 No Man's Sky, Valheim 등 여러 3D 게임을 넘나듭니다. EVE 온라인을 택한 이유는 20년 넘게 단일 샤드로 지속된 플레이어 주도 경제와 외교 구조가 지속 학습, 컨텍스트 윈도우를 훨씬 넘는 장기 메모리, 수주~수개월 단위 장기 계획, 대규모 멀티에이전트 협상이라는 프런티어 역량을 동시에 요구하기 때문입니다. 연구는 라이브 유저와 분리된 오프라인 EVE 인스턴스에서 시작해 EVE Frontier로 확장하는 단계적 접근을 취합니다. 개발자 입장에서는 코드 수정 없이 기존 게임에 붙는 범용 에이전트가 QA 자동화와 적응형 NPC로 이어질 수 있다는 점이 실용적 시사점입니다.