2026-09-04 · 7분 읽기
이번 주는 GPT-6 공개와 동시에 챗GPT를 비롯한 주요 AI 서비스가 멈춘 사건으로 시작했습니다. 정부가 주도하는 '모두의 AI' 사업과 로봇 국책과제 소식도 이어졌고, 학교와 기업 현장에서는 AI를 어떻게 다뤄야 할지를 둘러싼 논쟁이 벌어졌습니다. 화려한 발표 뒤에 남는 실무의 쟁점을 짚어봤습니다.
오픈AI가 사전학습·강화학습·정렬 기술을 집약한 플래그십 모델 'GPT-6 아스트라'를 공개하며 AGI 시대 진입을 선언했습니다. 같은 신경망을 반복 활용하는 '순환 추론' 기법으로 성능을 끌어올렸다고 밝혔습니다. 그런데 공개 즈음 챗GPT·코덱스·클로드·그록 등 주요 AI 서비스가 비슷한 시간대에 동시 장애를 일으켰습니다.
AGI 진입을 선언한 날 주요 AI 서비스가 한꺼번에 멈췄다는 사실은 지금 AI 산업이 어디쯤 서 있는지를 상징적으로 보여 줍니다. 모델의 성능은 계속 올라가는데, 그 모델을 서비스로 받쳐 주는 기반은 아직 그만큼 단단하지 않다는 뜻이기 때문입니다. 원인이 무엇이었든 서로 다른 회사의 서비스가 비슷한 시간대에 함께 멈췄다는 점도 가볍게 볼 일이 아닙니다. 겉으로는 치열한 경쟁 구도지만, 밑단의 인프라는 생각보다 서로 얽혀 있을 수 있다는 신호로 읽힙니다. AI 기능을 서비스에 붙이는 쪽에서는 이것이 곧 공급망 위험입니다. 모델 제공사를 여러 곳 확보해 두는 것만으로는 부족하고, 상위 서비스가 멈췄을 때 기능을 줄여서라도 버티는 설계까지 갖춰야 합니다. 'AGI'라는 선언과 별개로, 실제 운영에서 따질 것은 응답 속도와 요금, 그리고 장애 복구 시간입니다. 새 모델이 나올 때마다 성능표보다 가동률과 장애 이력을 먼저 확인하는 습관이 필요해 보입니다.
과학기술정보통신부가 '모두의 AI' 프로젝트 사업자로 선정된 3개 컨소시엄의 서비스 개발 계획을 공개했습니다. 총 예산은 2500억원입니다. 카카오는 4900만 이용자가 쓰는 카카오톡을 중심으로 자체·외부 AI 모델과 서비스를 연결해 정신아 대표가 말한 '1인 N 에이전트'를 구현하겠다고 밝혔습니다.
정부 예산이 실린 국민 AI 서비스가 이미 거대한 메신저 플랫폼 위에 얹힌다는 점이 핵심입니다. 정보 탐색부터 예약·결제까지 하나의 대화창에서 끝내는 구조가 자리 잡으면, 이용자가 독립 앱을 따로 설치할 이유는 그만큼 줄어듭니다. 앱 생태계 전체로 보면 경쟁의 무대가 스토어 순위에서 '어느 대화창 안에 들어가 있느냐'로 옮겨 가는 셈입니다. 반대로 거대 플랫폼에 연결되는 미니 서비스나 에이전트 기능을 만드는 수요는 커질 수 있습니다. 다만 앱 하나를 통째로 운영하는 것과 남의 플랫폼에 부속 기능을 얹는 것은 수익 구조도, 이용자 데이터를 누가 쥐는지도 전혀 다른 일입니다. '1인 N 에이전트'가 현실이 되면 플랫폼 사업자의 힘은 더 커질 수밖에 없습니다. 플랫폼에 올라탈지 독립 채널을 지킬지는 각 서비스가 무엇을 자산으로 삼을지에 따라 갈리는 선택이 될 것입니다.
포스코DX 로봇자동화센터장은 국회 토론회에서 로봇전환(RX)을 막는 건 기술이 아니라 데이터 소유권·보상·책임을 다루는 제도라고 지적했습니다. NC AI는 LG전자·모빌린트 등과 함께 국산 온디바이스 AI 반도체를 탑재한 휴머노이드 개발 사업에 선정됐습니다. 라온피플은 702억원 규모의 무인공장 피지컬 AI 국책과제에, 엑스와이지는 서울 갤럭시 로봇파크에 바리스타 로봇 '바리스브루'를 공급했습니다.
로봇 이야기가 전시장 시연을 넘어 국책과제와 실제 공급 계약으로 옮겨 왔다는 것이 이번 주의 특징입니다. 포스코DX의 지적은 그중에서도 핵심을 찌릅니다. 로봇이 배워야 할 것은 결국 숙련자가 몸으로 아는 작업 노하우인데, 그것을 데이터로 옮기는 순간 누가 그 데이터를 소유하고, 기여한 사람에게 어떻게 보상하며, 사고가 나면 누가 책임지는지가 곧바로 문제가 됩니다. 기술보다 제도가 먼저 발목을 잡는다는 말은 피지컬 AI가 소프트웨어 AI와 다른 속도로 움직일 수밖에 없는 이유를 잘 설명합니다. NC AI와 라온피플 사례처럼 로봇·반도체·AI 모델 회사가 컨소시엄으로 묶이는 구조가 늘어나는 것도 눈여겨볼 대목입니다. 한 회사가 모든 층을 갖추기 어려운 분야라, 협업 구도가 자리 잡을수록 관제 소프트웨어나 데이터 수집·정제처럼 그 사이를 잇는 역할의 몫이 커질 것입니다. 국산 온디바이스 AI 반도체를 휴머노이드에 싣는 시도 역시 하드웨어와 모델을 함께 설계해야 하는 시대가 왔음을 보여 줍니다. 다만 하드웨어와 엮인 사업은 검증 주기가 길고 책임 소재가 복잡하다는 점을 함께 감안해야 합니다.
출처: 블로터 · AI타임스 · AI타임스 · AI타임스 · IT동아
뉴욕시가 초등학교·중학교 저학년 학생의 학교 내 AI 사용을 1년간 전면 금지하는 지침을 내놓았습니다. 국내에서는 KERIS 정제영 원장이 AI 시대 '가짜학습'을 경계하며 스스로 풀고 AI로 확인하는 방식으로 학습 체계를 바꿔야 한다고 강조했습니다. 한편 기업 현장에서는 AI 교육을 이수한 직원이 늘어도 실제 업무 방식은 바뀌지 않는다는 지적이 나왔습니다.
뉴욕시는 아예 금지하고, KERIS는 순서를 바꾸자고 제안하고, 기업 현장은 교육만 하고 방치하는 모습까지 접근법이 제각각입니다. 그런데 세 이야기를 나란히 놓으면 공통된 빈칸이 보입니다. 도구를 줄지 말지에 대한 논의는 많지만, 그 도구를 어떤 순서로 쓰고 결과를 어떻게 확인할지 설계하는 일은 누구의 몫인지 분명하지 않습니다. 교육 이수자가 늘어도 일하는 방식이 그대로라는 지적은 이 빈칸을 정확히 드러냅니다. 계정을 나눠 주는 것과 업무 절차를 다시 짜는 것은 전혀 다른 일이기 때문입니다. '스스로 풀고 AI로 확인하라'는 KERIS의 제안이 설득력을 갖는 것도 도구가 아니라 절차를 먼저 말하고 있어서입니다. 학교든 회사든 AI를 금지하거나 방치하는 대신, 사용 순서와 확인 절차를 구체적으로 짜는 쪽이 앞으로 더 중요해질 것으로 보입니다.
출처: 디지털투데이 · AI타임스 · 전자신문 · IT동아
이번 주 소식들을 관통하는 것은 발표 문구보다 실제 가동률, 계약 구조, 도입 절차가 결과를 가른다는 점입니다. 요란한 선언 뒤에서 이런 디테일을 누가 먼저 챙기느냐가 AI와 로봇 모두에서 승부처가 되고 있습니다.
이 글은 각 매체에 보도된 사실을 종합해 새로 쓴 것이며, 기사 본문을 옮기지 않았습니다. 자세한 내용은 각 항목의 출처 링크에서 원문을 확인해 주세요. 논평은 ㈜하세기의 견해입니다.