2026.10.27 화요일
검색
'비용 최적화' 검색결과
기간검색
-
~
검색영역
검색어
-
개발은 AI로, 운영은 클라우드로…메가존클라우드, 게임사 비용 부담 낮춘다 [경제일보] 인공지능(AI) 개발 도구가 게임 제작에 활용되면서 개발 진입장벽이 낮아지고 있지만, 게임을 실제 서비스로 운영하기 위해서는 서버 인프라 구축과 보안, 트래픽 관리 등 별도의 과제가 문제로 작용하고 있다. 특히 개발 인력이 제한적인 인디게임 업체는 개발뿐 아니라 출시 이후 인프라 운영과 비용 관리까지 부담해야 하는 상황에서 메가존클라우드는 게임 개발자 대상 행사 지원을 계기로 AI 기술 도입부터 클라우드 운영과 비용 최적화까지 게임 개발 전반에 필요한 기술을 지원한다. 26일 메가존클라우드는 경기 과천 메가존산학연센터에서 지난 23일부터 25일까지 열린 '제2회 메이커스펍 게임잼'을 지원했다고 밝혔다. 게임 개발사 모쿰이 주최한 이번 행사에는 모바일·콘솔 게임 개발사 등 12개 기업에서 50여명의 게임 업계 실무자가 참여했다. 메가존클라우드는 행사 장소를 제공하고 게임 개발에 필요한 기술과 서비스 운영 노하우를 공유하는 세션을 진행했다. 게임잼은 참가자들이 제한된 시간 안에 게임을 기획하고 제작하는 협업 행사다. 이번 행사에서도 참가자들은 2박 3일간 팀별로 게임을 개발한 뒤 완성한 작품을 시연하고 발표했다. 최종 심사에서는 바삭한소프트의 '바삭갱' 팀이 4인용 파티 게임으로 1위를 차지했다. 모쿰은 주민 수를 줄여 나가는 역발상 마을 경영 게임으로 2위에 올랐으며, 프리더스트는 층간소음을 소재로 리듬 액션과 성장 요소를 결합한 게임으로 3위를 기록했다. 이번 행사에서 메가존클라우드는 게임 개발사를 대상으로 AI 기술 도입 지원과 보안 관리, 인프라 비용 최적화, 게임 특화 운영 서비스를 소개했다. 구체적으로 멤버십 기반 보안 관리와 매니지드 서비스 제공, 클라우드 비용 관리 컨설팅인 핀옵스, 게임 전용 매니지드 서비스 등을 제시했다. 개발사가 게임 기획과 콘텐츠 제작에 집중할 수 있도록 인프라 운영 부담을 줄이는 것을 목표로 제안했다. 게임 개발 과정에서 AI 도구를 활용하더라도 실제 서비스에 필요한 운영 환경까지 자동으로 해결되는 것은 아닌 것으로 지적된다. 프로토타입을 제작하는 단계와 달리 정식 출시 이후에는 이용자 접속과 데이터 처리, 서비스 안정성, 보안 관리 등을 고려해야 한다. 이용자가 예상보다 빠르게 늘면 서버 자원을 추가로 확보해야 하고, 반대로 이용량이 적을 때는 과도하게 할당한 자원이 비용 부담으로 이어질 수 있다. 개발 인력이 적은 업체일수록 이러한 운영 과제를 자체적으로 해결하기 어려울 수 있는 것이다. 클라우드 비용 관리도 게임사의 주요 과제다. 이용자 수와 트래픽이 변동하는 게임 서비스는 서버 자원 사용량에 따라 운영비가 달라질 수 있어, 필요한 자원을 적절히 배분하고 사용량을 지속적으로 점검하는 과정이 중요하다. 핀옵스는 클라우드 사용 현황과 비용을 분석해 자원 배분과 지출을 최적화하는 접근법으로 평가된다. 메가존클라우드는 AI·클라우드·보안 기술을 바탕으로 게임 개발사의 인프라 운영을 지원한다는 계획이다. 회사의 게임 사업 담당 조직은 AI 기술 도입부터 클라우드 인프라 운영, 보안 관리, 비용 최적화까지 게임 서비스 운영에 필요한 지원을 제공해 게임사의 경쟁력 강화를 돕겠다고 설명했다. 게임 개발자 행사에서 기술과 운영 노하우를 공유하는 것도 개발사와 접점을 넓히는 활동이다. 김도형 메가존클라우드 이머징 비즈니스&게임 유닛 유닛장은 "이번 게임잼은 게임 업계 실무자들이 창의적인 아이디어와 기술을 공유하고 새로운 사업 가능성을 모색하는 자리였다"며 "메가존클라우드는 AI 기술 도입부터 클라우드 인프라 운영, 보안 관리, 비용 최적화까지 게임 개발 전반에 필요한 기술과 서비스를 지원해 게임 기업들이 서비스 경쟁력 강화에 집중할 수 있도록 도울 것"이라고 말했다.2026-10-26 17:05:57
-
![[경제일보] SKT, 통신요금 다음은 AI요금…토큰 게이트웨이의 진짜 계산법](https://image.ajunews.com//content/image/2026/10/12/20261012092647448493.jpg)
SKT, 통신요금 다음은 AI요금…'토큰 게이트웨이'의 진짜 계산법 [경제일보] SK텔레콤이 인공지능(AI) 시대의 새로운 먹거리로 ‘토큰 게이트웨이’를 꺼내 들었다. AI 모델 자체를 만드는 경쟁에서 한발 비켜서 여러 AI 모델과 인프라 가운데 이용자에게 가장 적합한 조합을 찾아주는 일종의 AI 관제센터를 만들겠다는 구상이다. 통신사가 수십년간 해온 사용량 측정과 과금, 네트워크 운영 경험을 AI 시장에 적용한다는 점에서 의미가 있다. 정재헌 SKT 대표는 지난 8일 ‘SKT 성장 기어 전략’을 발표하며 토큰 게이트웨이를 신규 사업으로 제시했다. SKT가 보유한 2300만 고객과 결제 체계, AI 플랫폼, 데이터센터와 AI 팩토리 등을 묶어 기업과 개인의 AI 사용 패턴을 관리하고 수요에 맞는 모델과 인프라를 연결한다는 개념이다. 여기서 토큰은 가상자산이 아니다. 생성형 AI가 문장과 이미지를 이해하고 결과를 만들어낼 때 처리하는 기본 단위다. 이용자가 AI를 많이 사용할수록 처리되는 토큰도 늘고 비용도 증가한다. AI 서비스가 확산될수록 기업에는 어떤 모델을 어디에 쓰고 비용을 어떻게 관리할지가 새로운 고민이 된다. 모든 업무에 가장 비싼 AI 모델을 사용할 필요는 없다. 단순 요약이나 분류는 가벼운 모델로 처리하고 복잡한 추론이 필요한 업무만 고성능 모델을 쓰면 비용을 줄일 수 있다. AWS도 프롬프트의 복잡도에 따라 적합한 모델로 요청을 보내는 ‘Intelligent Prompt Routing(지능형 프롬프트 라우팅)’을 제공하고 있으며 회사 측은 정확도를 유지하면서 비용을 최대 30% 절감할 수 있다고 설명한다. 글로벌 통신사도 같은 문제를 보고 있다. 미국 AT&T는 하루 평균 약 450억개의 AI 토큰을 내부 업무에서 사용하고 있으며 자체 AI 게이트웨이를 통해 업무별로 가장 경제적인 모델을 선택한다. AT&T는 캐시와 모델 라우팅을 적용해 일부 영역에서 AI 비용을 최대 90% 줄이고 수백만달러를 절감했다고 밝혔다. SKT가 노리는 사업도 이 지점과 맞닿아 있다. 이용자가 AI에 질문하면 토큰 게이트웨이가 질문의 난이도와 목적, 비용 등을 판단한 뒤 적합한 AI 모델과 컴퓨팅 인프라로 보내는 구조다. 단순 질의는 비용이 낮은 모델에 보내고 복잡한 추론은 고성능 모델이나 AI 팩토리의 자원을 활용하는 식이다. SKT에는 통신사라는 출발점이 있다. 이동통신사는 오랫동안 통화시간과 문자 건수, 데이터 사용량을 측정하고 고객별로 요금을 청구해왔다. AI 시대에는 이 관리 대상이 데이터 GB에서 AI 토큰으로 넓어질 가능성이 있다. 기업별 AI 사용량을 측정하고 예산 한도를 관리하거나 부서별·서비스별 비용을 정산하는 사업으로 이어질 수 있다. 수익모델도 여기서 나온다. 아직 SKT가 구체적인 토큰 요금제나 과금 방식을 공개한 것은 아니다. 다만 토큰 게이트웨이가 상용화될 경우 모델 선택과 인프라 연결에 대한 수수료, 기업용 AI 사용량 관리, 토큰 기반 정산, AI 인프라 사용료 등을 하나의 서비스로 묶는 방식은 가능하다. 통신사가 단순 네트워크 제공자를 넘어 AI 소비의 중개자 역할을 맡는 구조다. AI 인프라 투자와도 연결된다. SKT는 SK호라이즌·SK하이퍼를 통해 데이터센터와 해저케이블 사업을 확대하고 엔비디아와 협력한 AI 팩토리를 내년부터 상용화할 계획이다. 자체 인프라까지 확보하면 토큰 게이트웨이가 고객의 AI 수요를 외부 모델뿐 아니라 SKT의 컴퓨팅 자원으로 연결하는 통로가 될 수 있다. 경쟁력의 핵심은 모델을 많이 보유하는 데 있지 않다. AI 모델은 계속 바뀌고 가격도 빠르게 낮아질 가능성이 크다. 고객 입장에서는 어느 모델을 써야 하는지 직접 비교하고 계약하는 것보다 품질과 비용을 자동으로 최적화해주는 사업자가 필요할 수 있다. SKT가 노리는 자리는 바로 이 중간 지점이다. 과제도 있다. 모델 공급사가 직접 라우팅 서비스를 제공하고 AWS·마이크로소프트·구글 같은 클라우드 기업도 비용 최적화 기능을 강화하고 있다. SKT가 경쟁력을 확보하려면 단순 모델 연결을 넘어 통신 고객 데이터와 인증, 결제, 보안, 자체 AI 인프라를 묶은 차별화가 필요하다. 통신사는 과거 통화량을 팔았고 이후에는 데이터 사용량으로 성장했다. AI 시대에는 토큰이 새로운 사용량 단위가 될 수 있다. SKT가 토큰 게이트웨이를 통해 AI 모델과 인프라 선택부터 사용량 관리, 결제까지 연결한다면 통신요금 이후 새로운 과금 시장을 만들 가능성도 열린다. 아직 토큰 게이트웨이는 사업 구상 단계다. 그러나 AI 경쟁의 무게중심이 모델 성능에서 실제 사용 비용과 운영 효율로 이동할수록 ‘어떤 AI를 만들었느냐’ 못지않게 ‘어떤 AI를 얼마나 효율적으로 쓰게 해주느냐’가 중요해진다. SKT가 통신에서 축적한 관제와 과금 능력을 AI 시장의 새로운 성장동력으로 바꿀 수 있을지가 다음 관전 포인트다. [아주경제 2026년 10월 13일자 13면에 게재된 기사입니다.]2026-10-13 08:12:30
-
10조 토큰 학습에 비용 최적화…카카오, '효율형 AI' 기술 공개 [경제일보] 대규모 언어모델(LLM) 학습에 필요한 GPU와 전력 비용이 커지면서 학습 과정의 시행착오를 줄이고 모델 자체의 크기를 줄이는 기술이 인공지능(AI) 개발 경쟁력으로 떠오르고 있다. 카카오는 대규모 모델의 학습 비용을 줄이는 동시에 모델 경량화를 통해 운영 효율까지 높이는 연구 성과를 공개하며 자체 AI 경쟁력 강화에 나섰다. 8일 카카오는 언어모델링 국제 학회 'COLM(컨퍼런스 온 랭귀지 모델링) 2026'에서 대규모 전문가 혼합(MoE) 모델의 학습 효율을 높이는 기술과 모델 크기를 줄이면서 성능을 개선하는 경량화 기술을 각각 공개했다. 두 연구 모두 AI 모델의 성능을 유지·향상하면서 학습과 운영에 필요한 컴퓨팅 자원을 줄이는 데 초점을 맞췄다. 카카오가 메인 컨퍼런스에서 발표한 논문 'Let's Scale Step by Step: Compute-Efficient Hyperparameter Transfer for Large-Scale Mixture-of-Experts'는 대규모 MoE 모델을 학습할 때 최적의 학습 설정을 찾는 데 필요한 비용을 줄이는 방법론을 담았다. LLM 학습에서는 학습률과 같은 하이퍼파라미터를 어떻게 설정하느냐가 모델 성능과 학습 안정성에 영향을 미치는 것으로 꼽힌다. 학습률이 지나치게 높으면 학습이 불안정해지고 반대로 너무 낮으면 학습 속도가 떨어질 수 있다. 문제는 모델 규모가 커질수록 최적의 설정값을 찾기 위한 실험 자체에도 상당한 컴퓨팅 자원이 필요하다는 것이다. 카카오는 이를 해결하기 위해 소규모 모델에서 찾은 최적의 학습 설정을 대규모 모델로 확장하는 '뮤-매개변수화' 기법을 MoE 구조에 맞게 적용했다고 설명했다. 모델 크기와 학습 토큰량을 단계적으로 늘리면서 최적의 학습률을 탐색하고, 짧은 학습 구간에서 찾은 설정이 대규모 학습에서도 유효한지 검증하는 방식이다. 카카오에 따르면 해당 방법을 활용하면 대규모 MoE 모델의 사전학습에 필요한 최적 학습률을 전체 학습 비용의 약 1% 수준에서 예측할 수 있다. 대규모 모델을 본격적으로 학습하기 전에 상대적으로 적은 비용으로 설정값을 찾아 시행착오를 줄이는 구조다. 특히 이번 연구는 카카오의 자체 AI 모델 개발에도 실제 적용됐다. 카카오는 해당 방법론을 'Kanana-2.6-155b-a17b'의 사전학습에 적용했으며, 최대 10조(10T) 토큰 규모까지 안정적으로 학습하는 데 활용했다고 설명했다. 단순히 학술적 실험에 그치지 않고 자체 파운데이션 모델을 개발하는 과정에서 학습 효율화 기술을 적용했다는 점이 특징이다. AI 모델의 비용 문제는 학습 과정에만 국한되지 않는다. 모델이 커질수록 서비스 단계에서 필요한 메모리와 연산량도 늘어나기 때문에 실제 서비스에 투입할 때도 비용 부담이 커진다. 카카오는 이번 COLM에서 모델 자체의 크기를 줄이는 연구도 함께 공개했다. 토크나이제이션 워크숍 '톡샵'에서 발표한 'BBT: BPE-Guided Byte Transformer'는 기존 BPE(바이트 페어 인코딩) 기반 모델의 구조에 바이트 단위 처리 방식을 결합한 모델이다. 기존 방식이 단어와 단어 조각에 해당하는 정보를 토큰으로 만들어 처리하는 것과 달리 BBT는 더 작은 기본 단위인 바이트를 활용하면서 여러 문자를 효율적으로 압축 처리하는 장점을 유지하도록 설계됐다. 비교 실험에서는 모델의 파라미터 수를 20.2~40.4% 줄이면서도 테스트 성능은 2.7~6.6% 개선됐다. 모델을 단순히 축소하는 데 그치지 않고 크기를 줄이면서 성능까지 높였다는 것으로 나타났다. BBT는 오탈자나 문자 교란에 대한 강건성과 학습하지 않은 언어로의 전이 성능도 높였다. 이는 여러 언어가 섞이거나 입력 오류가 발생하기 쉬운 실제 대화 환경에서 활용 가능성을 높이는 요소다. 특히 모델의 메모리 부담을 줄일 수 있다는 점에서 스마트폰이나 PC 등 기기에서 AI를 직접 구동하는 온디바이스 AI에도 활용 가능성이 거론된다. 이 같은 효율화 기술의 중요성은 AI 모델이 대형화될수록 커질 전망이다. 고성능 LLM을 개발하기 위해서는 대규모 GPU 인프라와 전력, 데이터센터 등 막대한 자원이 필요하다. 모델 개발사가 확보한 컴퓨팅 자원을 얼마나 효율적으로 활용하느냐가 모델 개발 속도와 비용에 직접적인 영향을 미칠 수밖에 없다. 특히 국내 AI 기업 입장에서는 글로벌 빅테크와 비교해 무한정 컴퓨팅 자원을 투입하기 어려운 만큼 모델 구조와 학습 방식 자체를 최적화하는 기술이 경쟁력의 한 축이 될 전망이다. 카카오가 자체 모델인 카나나 개발 과정에서 학습 최적화 기술을 실제 적용한 것도 이러한 비용 효율화 전략과 연결된다. 카카오는 앞으로 다양한 모델 구조로 연구 적용 범위를 확대하고 멀티모달과 다국어 환경으로 연구를 확장할 계획이다. 이를 통해 대규모 LLM의 학습 비용을 줄이는 동시에 실제 서비스 환경에서 효율적으로 구동할 수 있는 AI 모델 개발 역량을 강화한다는 방침이다. 카카오 관계자는 "이번 연구들은 AI 모델의 성능을 유지하거나 향상시키면서도 학습 및 운영 비용을 낮출 수 있는 실용적인 해법을 제시했다는 데 의의가 있다"며 "앞으로 다양한 모델 구조와 멀티모달 및 다국어 환경으로 연구를 확장해 실제 서비스 활용 가능성을 높이며 글로벌 경쟁력 강화를 이어가겠다"고 말했다.2026-10-08 12:18:39
-
독자 AI '현장 투입' 나선 SKT…산업 AI 생태계 강화 [경제일보] 생성형 인공지능(AI) 경쟁이 모델 개발을 넘어 실제 산업 현장 적용 단계로 확대되고 있다. 독자 AI 모델의 성능뿐 아니라 제조와 금융, 공공 등 다양한 산업에 얼마나 빠르게 적용해 성과를 만들어내느냐가 경쟁력으로 떠오르는 가운데 SK텔레콤이 산업 AI 전문기업을 컨소시엄에 추가하며 독자 AI 생태계 확장에 속도를 내고 있다. 14일 SK텔레콤은 정부의 독자 AI 파운데이션 모델 프로젝트 컨소시엄 '정예팀'에 SK AX와 테크노매트릭스를 신규 참여사로 영입했다고 밝혔다. 산업 AI 전환(AX)과 AI 모델 운영 최적화 전문기업을 추가해 독자 AI 모델의 산업 확산 역량을 한층 강화한다는 전략이다. 이번에 합류한 SK AX는 제조와 통신·미디어, 반도체, 금융, 공공 등 다양한 산업에서 AI 전환 사업을 수행해 온 기업으로 평가된다. 컨소시엄에서는 기업 간 거래(B2B) AI 전환 사례 발굴과 실증, 산업 확산 체계 구축 등을 담당하며, 독자 AI 모델을 실제 기업 업무와 생산 현장에 적용하고 활용 사례를 확대하는 역할을 맡게 된다. 테크노매트릭스는 AI·머신러닝·파운데이션 모델 운영(FM-Ops) 전문기업이다. AI 모델을 안정적으로 운영하고 지속적으로 개선하는 기술력을 바탕으로 제조와 금융, IT 분야에서 다양한 프로젝트를 수행해 왔다. SK텔레콤은 테크노매트릭스의 운영 최적화 역량을 활용해 독자 AI 모델이 개발 이후에도 산업 현장에서 지속적으로 활용될 수 있는 운영 체계를 구축한다는 계획이다. 최근 AI 산업에서는 모델 개발 자체보다 이를 실제 서비스와 산업 현장에 안정적으로 적용하고 지속적으로 고도화하는 역량이 중요해지고 있다. 기업들은 AI 모델을 개발한 뒤에도 운영과 성능 개선, 비용 최적화 등을 반복해야 하는 만큼 산업별 특성을 반영한 AI 운영 체계 확보가 핵심 경쟁력으로 떠오르고 있다. SK텔레콤은 이번 참여사 확대를 통해 모델 개발부터 데이터 구축, AI 반도체 활용, 서비스 실증, 산업 적용까지 이어지는 협력 체계도 강화했다. 컨소시엄은 모델·인프라, 선행연구, 데이터, 서비스 확산 등 4개 트랙으로 역할을 나눠 운영하며 참여 기관 간 협업을 추진하고 있다. 이를 통해 AI 모델 개발과 산업 적용, 서비스 확산이 유기적으로 이어지는 생태계를 구축한다는 구상이다. 이 같은 협력을 기반으로 SK텔레콤 정예팀은 독자 AI 파운데이션 모델 'A.X K2'도 개발했다. A.X K2는 대규모 언어 모델(LLM)의 에이전틱 AI 역량을 강화하는 데 초점을 맞춘 모델로, 복잡한 업무를 스스로 이해하고 계획·수행하는 능력을 높이는 동시에 산업 현장 적용을 위한 개방성과 효율성도 함께 고려해 설계됐다. 활용 분야도 지속 확대한다. SK텔레콤은 산업 AI 전환을 비롯해 공공·국방, 제조, 게임, 모빌리티, 검색, 보안, 바이오 등 다양한 분야에서 독자 AI 모델 활용을 추진하고 있다. 에이닷과 에이닷 비즈, T맵 등 자사 주요 서비스를 통해 국민이 일상에서 독자 AI를 경험할 수 있도록 하는 한편, 향후에는 정보 탐색과 일정 관리, 공공·민간 서비스 연계 등을 수행하는 생활 밀착형 AI 에이전트로 발전시킬 계획이다. 산업 현장 적용도 확대하고 있다. 철강 제조기업 KG스틸에서는 AI 에이전트를 활용한 제조 혁신을 추진하고 있으며, 코넥과는 주조·가공 공정의 품질 개선을 위한 제조 AI 적용을 진행 중이다. 이 밖에도 국방 특화 AI 모델 개발을 추진하는 한편, 포티투닷과 협력해 모빌리티와 온디바이스 AI 분야로 활용 범위를 넓히고 있다. 라이너와는 검색 및 지식 서비스에 적용할 고품질 학습 데이터를 구축하고 사용자 피드백을 반영해 모델 완성도를 높이고 있다. SK텔레콤은 앞으로도 다양한 산업 분야의 기업들과 협력을 확대해 독자 AI 모델의 활용 범위를 넓히고 산업 현장에서 실제 성과를 창출하는 AI 생태계를 구축한다는 방침이다. 김태윤 SK텔레콤 파운데이션 모델 담당은 "독자 모델 개발부터 산업 AI 전환까지 정예팀 역량을 결집해 K-AI 생태계 확산에 기여할 것"이라고 말했다.2026-07-14 10:22:57
-
김창한 크래프톤 대표, 왜 AWS CEO를 만났나…AI 전환의 마지막은 '클라우드' [경제일보] 김창한 크래프톤 대표가 아마존웹서비스(AWS) 최고경영자(CEO)를 만난 것은 단순한 파트너십 확대 이상의 의미를 갖는다. 크래프톤이 게임사를 넘어 AI 기업으로 체질 전환을 추진하는 가운데 AI를 대규모 서비스로 확장하기 위한 인프라 협력을 강화하는 행보로 해석된다. 크래프톤은 24일 링크드인 게시물을 통해 김 대표가 미국 시애틀 AWS 본사를 방문해 맷 가먼 AWS CEO와 회동했다고 밝혔다. 양사는 크래프톤의 AI 비전과 이를 지원할 클라우드·AI 인프라 활용 방안을 논의했다. 크래프톤은 그동안 ‘PUBG: 배틀그라운드’ 등 글로벌 게임 서비스를 AWS 클라우드 기반으로 운영해 왔지만 양사 CEO가 직접 만난 것은 이번이 처음이다. 이번 회동의 배경에는 AI 서비스 상용화 비용 문제가 있다. 크래프톤은 지난해 ‘AI 퍼스트’ 전략을 발표한 뒤 1000억원 이상을 투입해 GPU 클러스터를 구축하고 생성형 AI와 에이전틱 AI를 게임 개발·운영·콘텐츠에 적용하겠다는 계획을 제시했다. 그러나 자체 GPU 인프라만으로 연구개발과 실제 서비스 트래픽을 모두 감당하기는 쉽지 않다. 대규모 이용자가 동시에 접속하는 게임 서비스에서는 학습 비용보다 추론 비용과 지연시간, 운영 안정성이 더욱 중요하다. 게임 안의 AI NPC, 이용자 맞춤형 콘텐츠, 실시간 상호작용 기능이 확대될수록 AI 모델을 빠르고 안정적으로 구동하는 인프라가 필요하다. AWS와의 협력은 이 과제를 해결하기 위한 전략적 선택으로 풀이된다. 크래프톤이 특정 AI 모델 기업 한 곳에 기대기보다 클라우드 플랫폼과 접점을 넓히려는 움직임도 주목된다. AWS는 공식 자료를 통해 아마존 베드록(Amazon Bedrock)을 생성형 AI 애플리케이션과 에이전트 구축 플랫폼으로 소개하고 있다. 베드록은 다양한 파운데이션 모델 선택과 데이터 기반 맞춤화, 보안·개인정보 보호, 비용 최적화 기능을 제공한다. 크래프톤이 자체 AI 모델인 ‘라온’ 계열과 외부 모델, 게임 데이터, 이용자 경험을 결합하려면 멀티모델·멀티인프라 전략이 필요하다. 피지컬 AI 확장도 이번 만남을 설명하는 중요한 축이다. 크래프톤은 게임 속 가상 세계를 만드는 기업이지만 최근에는 로보틱스와 시뮬레이션 분야로 영역을 넓히고 있다. 피지컬 AI는 로봇이나 자율 시스템이 현실 환경을 인식·판단·행동하는 기술이다. 이를 구현하려면 가상 환경 학습, 대규모 시뮬레이션, 실시간 데이터 처리, 모델 배포 인프라가 필요하다. AWS의 클라우드·AI 인프라는 연구개발과 실제 서비스 운영을 연결하는 기반 역할을 할 수 있다. 이번 만남은 크래프톤의 빅테크 협력 확대 흐름과도 맞닿아 있다. 김 대표는 앞서 샘 올트먼 오픈AI CEO와 만났고 장병규 의장과 이강욱 CAIO는 젠슨 황 엔비디아 CEO와 게임 및 피지컬 AI 협력 가능성을 논의한 것으로 알려졌다. 오픈AI가 AI 모델을, 엔비디아가 AI 컴퓨팅 인프라를, AWS가 클라우드와 AI 플랫폼을 각각 상징한다면 크래프톤은 AI 기업 전환에 필요한 핵심 기반을 차례로 점검하고 있는 셈이다. 앞으로의 전망은 실행력에 달려 있다. AI NPC, 이용자 맞춤형 콘텐츠, 개발 자동화, 운영 효율화는 이미 게임업계 전반이 검토하는 영역이다. 차별화는 선언이 아니라 실제 서비스에서 나온다. 이용자가 체감할 만큼 자연스러운 AI 동료, 비용을 감당할 수 있는 추론 구조, 개인정보 및 저작권 리스크를 관리할 수 있는 운영 체계가 갖춰져야 한다. 크래프톤에 AWS는 단순한 서버 사업자가 아니다. ‘배틀그라운드’로 축적한 글로벌 운영 경험 위에 AI 서비스를 구현하려면 클라우드는 비용 경쟁력과 서비스 속도, 운영 안정성을 좌우하는 핵심 인프라다. 김창한 대표가 AWS CEO를 만난 이유도 여기에 있다. 크래프톤이 진정한 AI 기업으로 자리매김하기 위해서는 빅테크와의 접점을 실제 게임 경험과 생산성 개선, 피지컬 AI 사업 확장으로 연결해야 한다. 선언은 이미 나왔다. 남은 것은 AI가 게임 안에서 재미를 만들고 개발 현장에서 시간을 줄이며 현실 세계의 기술로 확장될 수 있음을 성과로 입증하는 일이다.2026-06-24 16:28:19
-
질문은 한 줄인데 청구서는 백 줄…기업 AI 비용, 토큰 관리가 새 과제 [경제일보] 생성형 인공지능(AI) 도입이 확산되면서 기업들의 새로운 고민으로 '토큰 비용 관리'가 떠오르고 있다. AI 활용이 늘어날수록 생산성은 높아지지만 예상보다 빠르게 증가하는 운영 비용이 부담으로 작용하고 있기 때문이다. . 17일 업계에 따르면 국내 일부 IT 기업과 AI 도입 기업들은 최근 생성형 AI 운영 과정에서 토큰 비용 최적화 방안을 검토하고 있는 것으로 알려졌다. AI 서비스 사용자가 늘어난 영향도 있지만, 단순 이용량 증가보다 AI 서비스 구조 자체가 비용 상승을 유발하고 있는 것으로 분석된다. 토큰은 대규모 언어 모델(LLM)이 텍스트를 처리하는 기본 단위다. 기업들은 일반적으로 AI 사용량에 따라 토큰 비용을 지불한다. 문제는 직원이 입력하는 질문은 짧지만 AI가 답변을 생성하기 위해 처리하는 정보량은 훨씬 많다는 것이다. 특히 RAG 기반 AI 서비스가 토큰 사용량을 급증시키는 것으로 알려졌다. RAG는 사용자의 질문에 답하기 위해 사내 문서와 데이터베이스를 검색한 뒤 관련 정보를 함께 분석하는 기술이다. 최근 기업들은 사내 위키와 규정집, 회의록, 기술 문서, 고객 응대 매뉴얼 등을 AI와 연동해 업무 지원 서비스를 구축하고 있다. 예를 들어 직원이 "출장비 정산 기준을 알려달라"고 한 줄짜리 질문을 입력하더라도 AI는 관련 인사 규정과 회계 규정, 출장 규정, 과거 질의응답 자료 등을 함께 검색해 읽은 뒤 답변을 생성한다. 이 과정에서 실제 입력 토큰 규모는 사용자 질문보다 수십 배에서 많게는 수백 배까지 증가할 수 있다. 장문 컨텍스트 활용 역시 비용 증가의 원인으로 꼽힌다. 최근 AI 서비스는 긴 대화 흐름을 유지하기 위해 과거 대화 기록을 함께 읽는 방식을 활용한다. 사용자가 대화를 이어갈수록 AI는 이전 질문과 답변을 지속적으로 참조하게 되고, 입력 토큰도 누적된다. 업계에서는 기업들이 체감하는 AI 비용 증가의 상당 부분이 이 같은 구조에서 발생하고 있다고 분석한다. RAG 검색 과정에서 불러오는 문서와 누적된 컨텍스트가 비용의 대부분을 차지하는 경우가 적지 않은 것이다. 이에 기업들도 비용 최적화에 나서고 있다. 고성능 모델을 모든 업무에 적용하기보다 경량 모델과 병행 운영하거나, 검색 범위를 축소하는 방식으로 토큰 사용량을 줄이고 있다. 또한 불필요한 대화 기록을 압축하거나 프롬프트를 최적화하는 등 다양한 비용 절감 기법도 도입하고 있다. 일부 기업은 단순 문의나 반복 업무에는 소형 모델을 활용하고 복잡한 분석 업무에만 고성능 모델을 사용하는 방식으로 운영 체계를 개편하고 있다. AI 성능 경쟁 못지않게 운영 효율성이 중요해지면서 비용 최적화 기술이 새로운 경쟁력으로 부상하고 있는 것이다. IT 업계 관계자는 "AI 사용에 따른 토큰 소비 방식이 변해 최근 기업들이 기존보다 AI 사용에 제한을 두고 있다"며 "국내 기업들이 비용 부담을 줄이기 위해 사용 정책을 재정비하는 움직임이 나타나고 있다"고 말했다.2026-06-17 18:00:05
-
![[데스크칼럼] 페이블5가 멈춘 날, 한국 AI의 시간이 시작됐다](https://image.ajunews.com//content/image/2026/06/14/20260614154334283754.jpg)
페이블5가 멈춘 날, 한국 AI의 시간이 시작됐다 앤트로픽의 최신 인공지능(AI) 모델 페이블5와 미토스5가 멈췄다. 표면적인 이유는 보안이다. 안전장치를 우회하는 이른바 '탈옥' 가능성이 있고 이를 통해 소프트웨어 취약점 탐색이 사이버 공격에 악용될 수 있다는 논리다. 미국 정부는 국가안보를 이유로 외국 국적자의 접근을 차단했고 앤트로픽은 결국 전체 고객을 대상으로 해당 모델 사용을 비활성화했다. 여기까지 보면 하나의 보안 사고처럼 보인다. 그러나 이 말도 안 되는 상황은 미국이 인공지능을 반도체 다음의 전략물자로 공식 편입한 장면이다. 예전에는 칩을 막았다. 그다음에는 첨단 장비를 막았다. 이제는 AI 모델을 막는다. 더 정확히 말하면 최상위 AI의 지능에 접근할 권리 자체를 통제하기 시작한 것이다. 이번 조치의 핵심은 기술이 아니라 국적이었다. 미국 밖 이용자뿐 아니라 미국 내 외국인과 앤트로픽 내부의 외국 국적 직원까지 대상에 포함됐다. API 키와 결제 정보로 사용자를 구분하던 시대는 끝났다. 여권이 로그인 화면 위로 올라온 셈이다. "당신은 누구인가"가 아니라 "당신은 어느 나라 사람인가"가 인공지능 접근권의 마지막 질문이 된 것이다. 미국의 행태는 낯설지 않다. 미국은 늘 개방의 언어로 세계시장을 열어왔다. 자유무역을 말했고 혁신 생태계를 말했으며 글로벌 표준을 이야기했다. 그러나 결정적 기술이 안보와 연결되는 순간 문을 닫았다. 반도체에서 그랬고 첨단 장비에서 그랬으며 이제 AI에서도 같은 일이 벌어지고 있다. 미국 기업의 서비스라고 해서 끝까지 시장 논리로만 움직일 것이라고 믿는 것은 순진한 일이다. 마지막 스위치는 결국 워싱턴에 있다. 물론 미국에도 명분은 있다. 최상위 AI 모델은 더 이상 검색창의 연장선이 아니다. 긴 코드베이스를 읽고 취약점을 찾으며 생명과학 연구를 돕고 복잡한 업무를 대신 수행하는 에이전트로 진화하고 있다. 방어자에게 유용한 능력은 공격자에게도 유용하다. 미국 정부가 이를 안보 자산으로 보는 것은 자연스러운 흐름이다. 문제는 방식이다. 특정 위험을 정밀하게 통제하는 대신 국적이라는 거친 잣대를 꺼내 들었다. 글로벌 업무 환경에서는 버튼을 누른 사람과 결과물을 받은 사람이 다를 수 있다. 한국 국적자가 미국 법인에서 일하고 싱가포르 법인이 결제하며 유럽 고객 데이터를 다루는 시대다. 국적만으로 접근권을 자르는 방식은 현실의 업무 흐름을 따라가지 못한다. 더 큰 문제는 신뢰다. AI 인프라는 성능만으로 선택되지 않는다. 계속 사용할 수 있어야 한다. 기업의 업무 시스템에 한 번 들어간 모델은 전기나 통신망처럼 안정적으로 작동해야 한다. 그런데 어느 날 정부 지침 하나로 막힐 수 있다는 사실이 확인됐다. 페이블5가 언제 다시 열릴지는 부차적인 문제다. 이미 세계 각국의 정부와 기업은 새로운 질문을 던지기 시작했다. 우리 핵심 업무가 미국 모델 하나에 얼마나 묶여 있는가. 내일 더 강력한 모델이 국적이나 용도, 외교 문제로 막히면 무엇이 멈추는가. 대체 모델은 있는가. 자체 튜닝은 가능한가. 오픈 모델로 버틸 수 있는가. 이 질문이 시작된 순간 미국은 일부 신뢰 자본을 잃었다. 기술 패권국이 가장 경계해야 할 것은 경쟁자의 추격만이 아니다. 고객이 "이 인프라는 언제든 끊길 수 있다"고 느끼는 순간이다. 최고 성능보다 더 중요한 것이 생겼다. 지속 가능성이다. 한국은 바로 이 지점에서 길을 찾아야 한다. 소버린 AI는 더 이상 관료적 구호가 아니다. 산업 보험이자 디지털 안보이며 국가 경쟁력의 하부 구조다. 행정, 금융, 제조, 의료, 국방이 AI 위에서 돌아가기 시작하면 모델 접근권은 선택재가 아니라 필수재가 된다. 남의 나라 안보 판단에 따라 멈출 수 있는 AI에 핵심 업무를 모두 맡기는 것은 위험하다. 그렇다고 한국이 닫힌 모델의 작은 미국이 되자는 뜻은 아니다. 미국이 "누구는 못 쓴다"고 말할 때 한국은 "여기서는 만들 수 있다"고 말해야 한다. 한국에서 개발하고 한국에서 검증하며 한국의 인프라 위에서 세계가 함께 활용할 수 있는 개방형 AI 생태계를 구축해야 한다. 한국에는 그럴 자산이 있다. 메모리 반도체와 제조 공급망이 있고 초고속 통신망과 데이터센터 운영 경험이 있다. 금융·제조·의료·공공행정처럼 규제가 복잡하고 품질 검증이 중요한 산업 현장도 갖추고 있다. AI가 진짜 돈을 버는 곳은 화려한 시연장이 아니라 이런 현장이다. 거대 모델 하나를 자랑하는 데 그쳐서는 안 된다. 산업 데이터를 안전하게 연결하고 성능을 평가하며 보안을 통제하고 규제를 통과시키는 운영 체계를 만들어야 한다. 앞으로 기업이 원하는 것은 가장 똑똑한 모델 하나가 아니다. 모델이 바뀌어도 업무가 멈추지 않는 구조다. 오늘은 미국 모델을 쓰고 내일은 한국형 모델을 쓰며 특정 업무에는 오픈웨이트 모델을 적용하더라도 전체 시스템이 흔들리지 않는 환경이다. 모델 라우팅, 품질 평가, 비용 최적화, 보안 통제, 감사 기록, 데이터 주권을 묶은 운영층이 진짜 승부처가 된다. 한국 AI 산업이 잡아야 할 곳도 바로 그 지점이다. 정부의 역할도 달라져야 한다. 국산 모델 이름 몇 개를 지정하고 지원금을 배분하는 수준으로는 부족하다. 충분한 컴퓨팅 자원과 저렴한 추론 인프라, 안정적인 전력과 데이터센터, 공공 데이터의 안전한 개방, 산업별 평가 기준, 해외 개발자와 연구자가 들어올 수 있는 제도까지 함께 설계해야 한다. AI 주권은 연구실에서만 생기지 않는다. 전력망과 통신망, 클라우드, 법·제도, 인재 정책이 함께 움직일 때 비로소 완성된다. 기업도 선택해야 한다. 미국 모델을 붙여 업무 효율을 조금 높이는 수준에 머물 것인가. 아니면 제조 공정과 고객 상담, 금융 심사, 네트워크 운용, 보안 관제 같은 실제 업무에 AI를 깊숙이 심고 그 과정에서 축적되는 데이터와 평가 체계를 자산으로 만들 것인가. 앞으로의 해자는 모델 크기가 아니라 현장에서 쌓이는 경험에서 만들어진다. 매일 축적되는 업무 데이터와 사람이 고친 흔적, 실패 사례, 규정 해석, 산업별 언어가 진짜 경쟁력이다. 페이블5 사태는 불편한 현실을 보여줬다. 우리가 사용하는 최고 수준의 AI 상당수는 남의 나라 법과 남의 나라 안보 판단 아래 있다. 오늘은 앤트로픽이고 내일은 다른 회사일 수 있다. 미국이 동맹이라고 해서 모든 지능을 끝까지 나눠줄 것이라고 믿어서는 안 된다. 국가는 결국 자국의 이익을 먼저 본다. 그것이 국제질서의 냉정한 얼굴이다. 그러나 이 사건은 동시에 기회이기도 하다. 미국이 통제의 언어를 강화할수록 세계는 대체지를 찾게 된다. 중국 모델을 쓰기에는 안보가 불안하고 미국 모델에만 기대기에는 접근권이 불안한 나라들이 늘어날 것이다. 한국이 그 사이에서 신뢰할 수 있는 개방형 AI 인프라 국가로 자리 잡는다면 새로운 길은 열린다. 반도체를 수출하던 나라에서 AI 운영 인프라를 제공하는 나라로 도약할 수 있다. 페이블5가 멈춘 날, 한국 AI가 가야 할 길도 분명해졌다. 닫힌 제국의 주변부가 될 것인가. 열린 항구가 될 것인가. 남의 모델이 허락한 만큼만 일할 것인가. 우리가 만든 인프라 위에서 세계가 일하게 할 것인가. AI 주권은 선언으로 오지 않는다. 끊겨도 버틸 수 있는 능력, 세계가 믿고 들어오는 생태계에서 온다. 미국은 페이블5를 잠그며 힘을 과시했다. 동시에 세계에 불안을 심었다. 한국이 해야 할 일은 그 불안을 기회로 바꾸는 것이다. AI 시대의 승자는 가장 높이 성을 쌓은 나라가 아니라 가장 많은 사람이 드나드는 항구를 만든 나라가 될 것이다.2026-06-14 15:45:33
-
AWS 서밋 서울 개막 D-1…AI·클라우드 기업 총출동 [경제일보] AWS의 AI·클라우드 행사인 'AWS 서밋 서울 2026' 개막을 하루 앞두고 생성형 AI와 에이전틱 AI, 클라우드 인프라 전략을 둘러싼 산업계 경쟁이 본격화되고 있다. 국내 주요 IT·클라우드 기업들도 AI 보안과 업무 자동화, 클라우드 최적화 전략을 대거 공개하며 기업 인공지능 전환(AX) 시장 공략에 나서고 있다. 19일 업계에 따르면 AWS는 오는 20일부터 21일까지 서울 코엑스에서 'AWS 서밋 서울 2026'을 개최한다. 올해로 12회째를 맞는 이번 행사는 약 2만5000명이 참석하는 국내 최대 규모로 평가받는 AI·클라우드 컨퍼런스로, 생성형 AI와 클라우드 기술을 중심으로 최신 산업 트렌드와 기업 혁신 사례가 공유될 예정이다. 이번 행사에서는 함기호 AWS코리아 대표와 김성훈 업스테이지 대표 등이 기조연설에 나서며 리테일·금융·게임·통신·제조·공공 등 산업별 AI 혁신 사례가 공개된다. 첫째 날인 '인더스트리 데이'에서는 산업별 AI 활용 전략과 기업 사례가 집중 소개되며 둘째 날 'AI 데이'에서는 에이전트 AI와 AI 인프라, 데이터 전략, 보안·거버넌스 기술 등이 주요 의제로 다뤄질 계획이다. AWS는 이번 행사에서 100개 이상의 세션과 워크숍, 엑스포를 운영하며 단순 기술 소개를 넘어 기업 실무 중심 행사로 규모를 확대했다. 국내 클라우드·보안 기업들도 이번 행사에 맞춰 AI 보안과 에이전틱 AI 전략을 공개하며 시장 공략에 속도를 내고 있다. AI·클라우드 전문기업 솔트웨어는 생성형 AI 보안 솔루션 '사피가디언'과 AWS 보안 평가 서비스 'SCR(시큐리티 컴플라이언스 리뷰)'를 선보인다. 최근 생성형 AI 도입 확산과 함께 민감정보 유출 우려가 커지는 가운데 AI 사용 전 구간을 통제·모니터링하는 AI DLP(데이터 로스 프리벤션) 수요를 공략하겠다는 전략이다. 사피가디언은 프롬프트 입력과 파일 업로드, 응답 출력 등 생성형 AI 활용 전 과정을 관리하며 개인정보와 내부 문서, 기술자료 등 민감정보 유출 가능성을 문맥 기반으로 탐지할 수 있도록 설계됐다. 솔트웨어는 생성형 AI 사용 이력 관리와 정책 통제 기능을 통해 기업 보안 거버넌스 수요에도 대응할 계획이다. 함께 공개되는 SCR은 AWS 환경 보안 상태를 자동 점검하는 서비스다. 한국인터넷진흥원(KISA)의 ISMS-P 2023 기준 기반으로 총 103개 보안 항목을 자동 진단하며 AWS 환경 내 보안 취약점과 규정 준수 상태를 시각화 대시보드 형태로 제공한다. 솔트웨어는 기존 보안 점검 대비 시간을 대폭 단축할 수 있다는 점을 강조하고 있다. 메가존클라우드는 이번 행사에서 '에이전틱 AI' 전략을 핵심 화두로 제시할 계획이다. 메가존클라우드는 'Your Agentic AI Advantage, Engineered for Scale'을 주제로 AI 기반 업무 자동화와 운영 효율화, 클라우드 최적화 전략을 공개할 예정이다. 메가존클라우드는 AI 서비스 브랜드 'AIR'와 보안 브랜드 'HALO', 클라우드 마이그레이션 자동화 솔루션 '하이퍼마이그' 등을 중심으로 기업 맞춤형 AI·클라우드 운영 전략을 소개할 전망이다. 특히 AI 에이전트를 활용해 실제 비즈니스 과제를 해결하는 체험형 프로그램 '에이전트 코딩 핸즈온'도 운영할 계획이다. 또한 일본 피지컬 AI 기업 아비타(AVITA)와 협력해 AI 로봇과 다국어 AI 상담 서비스 데모도 공개한다. 행사 첫날에는 공성배 메가존클라우드 최고 AI 책임자(CAIO)가 에이전틱 AI 시대 기업 운영 전략을 주제로 브레이크아웃 세션 발표에 나설 예정이다. 올해 AWS 서밋 서울은 단순 클라우드 행사에서 벗어나 생성형 AI와 에이전틱 AI, AI 보안, 데이터 거버넌스 등 기업 AI 전환 전략 전반을 아우르는 행사로 확장된 것으로 평가된다. 특히 AI 도입 경쟁이 본격화되면서 클라우드 인프라뿐 아니라 보안과 비용 최적화, 운영 자동화까지 포함한 통합 AX 전략 경쟁도 한층 치열해질 것으로 분석된다. 이정근 솔트웨어 대표이사는 "최근 기업들의 생성형 AI 및 클라우드 활용이 확대되면서, 단순 도입을 넘어 안전한 운영과 통합 보안 체계 구축의 중요성이 커지고 있다"며 "이번 'AWS 서밋 서울 2026'을 통해 기업들이 생성형 AI와 클라우드를 보다 안전하게 활용할 수 있는 실질적인 보안 운영 방향을 공유할 계획"이라고 말했다.2026-05-19 17:27:12
많이 본 뉴스
영상
Youtube 바로가기
![[사설] EU 환경규제도 수출 장벽이다…중소기업 대응 서둘러야](https://image.ajunews.com/content/image/2026/10/27/20261027075312683730_518_323.png)