검색결과 총 57건
-
AI도 해킹당한다…정부, 프롬프트 공격 막는 보안 매뉴얼 냈다
[경제일보] 정부가 인공지능(AI) 서비스 보안 위협에 대응하기 위한 실무 매뉴얼을 내놨다. AI가 금융, 의료, 공공, 제조, 통신 등 주요 산업으로 빠르게 확산되면서 프롬프트 인젝션과 권한 오남용, 데이터 유출 같은 새로운 공격에 대응할 기준이 필요해졌기 때문이다. 과학기술정보통신부는 한국인터넷진흥원(KISA)과 함께 ‘AI 보안 위협 대응 매뉴얼’과 ‘AI 보안 레드티밍 가이드’를 발간했다고 8일 밝혔다. 두 자료는 AI 환경에서 발생할 수 있는 주요 보안 위협을 분류하고 산업 현장에서 활용할 수 있는 점검·대응 절차를 제시하는 데 초점을 맞췄다. AI 보안 위협은 기존 정보보호 체계만으로 충분히 막기 어렵다. 공격자가 AI 모델에 악성 명령을 숨겨 원하는 답변을 유도하는 프롬프트 인젝션, 에이전트 권한을 악용한 데이터 접근, 학습 데이터 유출, 외부 모델과 플러그인 공급망 공격 등이 대표적이다. AI가 스스로 도구를 호출하고 업무를 수행하는 에이전트 형태로 발전할수록 공격 표면도 넓어진다. ‘AI 보안 위협 대응 매뉴얼’은 AI 보안 위험을 데이터, 모델, 에이전트, 공급망, 고성능 모델 등 5개 영역으로 나눴다. 각 영역별 진단 지표를 제시하고 금융, 의료, 공공·행정, 교육, 제조·에너지, 통신, 법률, IT 등 8개 분야별 위협 시나리오와 대응 방안도 담았다. 경영진과 실무자의 활용 방식도 구분했다. 최고경영자 등 C레벨에는 AI 보안 위협의 종류와 실제 사례를 쉽게 설명하고, 보안 담당자와 IT 운영자에게는 위협을 어떻게 진단하고 어떤 기준으로 대응할지 안내한다. AI 도입이 기술 부서만의 일이 아니라 경영 리스크 관리로 옮겨가고 있다는 점을 반영한 구성이다. 함께 발간된 ‘AI 보안 레드티밍 가이드’는 기업 내부에서 AI 보안 점검을 직접 수행해야 하는 실무진을 위한 안내서다. 레드팀은 공격자 관점에서 시스템을 시험해 취약점을 찾아내는 조직이다. 이번 가이드는 AI 레드팀을 기획하고 구성하는 단계부터 준비, 실행, 결과 보고까지 전 과정을 다룬다. 현장 활용성을 높이기 위한 부록도 포함됐다. 레드티밍 체크리스트, 점검 도구, 인력별 직무기술서가 담겼다. 정부 차원에서 여러 산업 분야에 적용 가능한 AI 보안 레드팀 운영 기준을 제시했다는 점에서 의미가 있다. 이번 가이드는 기업의 AI 도입 속도가 빨라지는 상황에서 나왔다. 생성형 AI를 고객 상담, 문서 작성, 코드 개발, 데이터 분석에 활용하는 기업이 늘고 있지만 보안 검증 체계는 아직 초기 단계인 경우가 많다. 특히 외부 AI 모델과 사내 데이터가 연결될 경우 정보 유출과 권한 관리 문제가 함께 발생할 수 있다. 임정규 과기정통부 정보보호네트워크정책관은 “AI 기술의 확산과 함께 보안 위협도 빠르게 진화하고 있다”며 “이번 가이드가 AI 서비스의 보안 수준을 높이고 현장에서 활용할 수 있는 실질적인 기준이 되기를 기대한다”고 말했다.
2026-07-08 14:09:43
-
-
AI 에이전트가 직접 결제하는 시대 오나…Kite AI가 노리는 '결제 인프라' 시장
[경제일보] 생성형 인공지능(AI)이 질문에 답하는 도구에서 사용자를 대신해 업무를 수행하는 에이전트로 진화하면서 결제 인프라가 새로운 병목으로 떠오르고 있다. AI가 상품을 고르고 API를 호출하며 클라우드 자원을 쓰더라도 결제 단계마다 사람이 승인해야 한다면 상용화 속도는 제한될 수밖에 없다. 웹3 인프라 리서치 기관 Xangle이 소개한 Kite AI는 이 문제를 겨냥한 프로젝트다. Kite AI는 AI 모델 개발사가 아니라 AI 에이전트가 직접 결제하고 거래할 수 있도록 돕는 결제·신원·상호운용 인프라를 표방한다. 공개 검색 기준으로 Kite AI의 세부 백서나 공식 기술 문서는 확인되지 않았지만, 소개 자료상 핵심 방향은 에이전트 경제에 맞춘 결제망 구축이다. ChatGPT, Claude, Gemini 등 대형언어모델은 단순 답변을 넘어 쇼핑, 호텔 예약, API 호출, 데이터 분석 같은 복합 업무로 영역을 넓히고 있다. 업계에서는 다음 단계가 사용자를 대신해 계획을 세우고 실제 일을 처리하는 AI 에이전트가 될 것으로 본다. 이때 결제는 마지막 실행 단계다. 기존 결제 시스템은 사람을 기준으로 설계됐다. 신용카드 결제에는 계정 로그인, 카드 정보 입력, 본인 인증, 문자 확인 등이 붙는다. AI 에이전트가 매번 사용자에게 결제 승인을 요청해야 한다면 자동화의 효율은 크게 떨어진다. 결제 구조가 바뀌지 않으면 에이전트는 똑똑한 추천 도구에 머물 가능성이 크다. 거래 단위도 다르다. 일반 소비자는 하루 몇 차례 비교적 큰 금액을 결제하지만 AI 에이전트는 고빈도 소액 결제를 반복할 수 있다. 복잡한 업무 하나를 처리하기 위해 여러 유료 API를 호출하고 데이터 서비스를 구매하며 GPU 연산 자원을 잠깐 빌릴 수 있다. 건당 금액은 수 센트 이하가 될 수 있다. 카드망 수수료 체계에서는 수수료가 거래액보다 커지는 문제가 생긴다. Kite AI가 제시한 구조는 세 축으로 설명된다. 스테이블코인 결제를 처리하는 Kite Mainnet, 에이전트의 신원과 권한을 관리하는 Agent Passport, 서로 다른 에이전트 결제 프로토콜을 연결하는 상호운용 계층이다. 소개 자료 기준으로 Kite Mainnet은 결제 전용 블록체인을 지향하며 상태 채널 같은 기술로 고빈도 소액 결제 비용을 낮추는 데 초점을 둔다. Agent Passport는 에이전트 신원 인증 체계다. 사람에게 KYC가 필요하듯 AI 에이전트에도 ‘KYA’가 필요하다는 문제의식에서 출발한다. 어떤 사용자가 만든 에이전트인지, 어떤 권한을 받았는지, 얼마까지 결제할 수 있는지, 거래 책임은 어디까지인지 확인하는 장치다. 사용자가 소비 한도와 거래 대상, 사용 기간을 미리 설정하면 에이전트가 그 범위 안에서 자율 결제하는 방식이다. 이런 구상은 이미 업계 전반에서 확산되는 흐름과 맞닿아 있다. Coinbase가 공개한 x402는 HTTP의 ‘402 Payment Required’를 활용해 웹과 API 요청 과정에 결제를 붙이는 프로토콜이다. 관련 연구도 AI 에이전트가 스테이블코인 기반 결제를 수행할 때 권한 관리와 규정 준수 장치가 필요하다고 지적한다. Kite AI는 이 흐름 안에서 에이전트 결제 전용 인프라를 내세운 사례로 볼 수 있다. 활용 시나리오는 온라인 쇼핑에서 시작된다. 사용자가 “다음 주 입사하는 직원에게 50달러 이하의 환영 선물을 준비하라”고 지시하면 AI 에이전트가 상품을 고르고 결제한 뒤 안내 메일까지 보낼 수 있다. 연구와 업무 환경에서는 유료 API, 웹 수집, 데이터 분석 서비스를 필요한 만큼 호출하고 사용량에 따라 즉시 결제하는 구조도 가능하다. 디지털자산과 투자 영역에서는 더 민감한 쟁점이 붙는다. 에이전트가 사용자의 전략과 한도 안에서 주식이나 가상자산을 사고팔 수 있다면 효율은 높아질 수 있다. 반대로 책임 소재, 투자자 보호, 이상거래 감시, 해킹 피해 보상 문제가 따라온다. 에이전트 결제 인프라가 금융 인프라로 확장되려면 기술보다 규제와 신뢰 설계가 먼저 검증돼야 한다. 한국 시장도 주목된다. 한국은 온라인 쇼핑과 모바일 결제 이용률이 높고 생성형 AI 확산 속도도 빠르다. 여기에 원화 스테이블코인 논의와 디지털자산 결제 실험이 맞물리면 AI 에이전트가 실제 상거래에 참여할 기반이 마련될 수 있다. 다만 원화 스테이블코인 제도는 아직 입법과 감독 체계가 정리되는 과정인 만큼 시장 가능성은 전망으로 보는 것이 맞다. 한편 AI 에이전트 경쟁은 모델 성능만으로 끝나지 않는다. 지시를 이해하고 계획을 세우는 능력만큼 실제 거래를 안전하게 마무리하는 능력이 중요해진다. 결제와 신원 인증, 권한 관리가 붙지 않은 에이전트는 실행력이 제한된다. Kite AI가 노리는 시장은 바로 이 지점이다. AI가 말하는 도구에서 일하는 주체로 바뀌는 순간, 결제 인프라는 부가 기능이 아니라 에이전트 경제의 바닥이 된다.
2026-07-01 16:34:48
-
-
-
중국 AI, '모델 경쟁' 넘어 공장과 소비시장으로 들어간다
[경제일보] 중국이 인공지능(AI)을 제조업과 소비시장, 공급망에 접목하는 데 힘을 쏟고 있다. 한때 중국 AI 업계는 수백 개 모델이 쏟아지는 ‘백모대전’으로 불렸다. 지금은 누가 더 큰 모델을 내놓느냐보다, 누가 공장과 행정, 유통 현장에 먼저 안착하느냐가 더 중요한 경쟁이 됐다. 중국계 대형언어모델의 사용량 증가는 이런 변화를 보여준다. 해외 개발자용 AI 모델 플랫폼인 오픈라우터(OpenRouter) 집계에 따르면 중국계 모델의 주간 토큰 호출량은 최근 18조8100억개를 기록하며 8주 연속 미국계 모델을 앞섰다. 토큰은 AI가 문장을 이해하고 만들어내는 단위다. 호출량이 늘었다는 것은 그만큼 많은 이용자가 중국 모델을 실제 서비스와 개발 업무에 사용했다는 뜻이다. 다만 이 수치를 세계 전체 AI 시장의 절대적 점유율로 받아들이기는 어렵다. 오픈라우터는 여러 AI 모델을 한곳에서 이용할 수 있게 한 플랫폼일 뿐, 모든 기업과 소비자의 AI 사용량을 담지는 못한다. 그럼에도 중국 모델의 사용량이 빠르게 늘어난 것은 분명하다. 가격이 상대적으로 낮고, 오픈소스 모델이 많으며, 중국 안팎의 기업들이 자사 서비스에 붙이기 쉽다는 점이 작용했다는 분석이 나온다. ◆ AI, 공장과 행정·유통 현장으로 중국 AI 업계가 주목하는 곳은 거대한 내수시장과 제조업 현장이다. 중국에는 행정 서비스부터 전자상거래, 배달, 금융, 공장 운영까지 AI를 적용할 수 있는 수요처가 넓게 깔려 있다. 소비자 서비스에 AI 챗봇을 붙이고, 공장에서는 설비 이상을 감지하며, 유통업체는 재고와 배송 경로를 조정하는 식이다. 중국 정부도 AI를 소비와 서비스업에 결합하는 정책을 내놓고 있다. 최근 중국 상무부는 AI를 상품과 서비스 소비에 접목하기 위한 17개 조치를 발표했다. 가전제품을 단순 전자기기에서 지능형 기기로 전환하고, 휴머노이드 로봇과 AI 기반 생활서비스 시장을 키우겠다는 내용이다. 이 과정에서 중국이 가진 제조업 기반은 강점으로 꼽힌다. AI 모델을 개발하는 데서 그치지 않고 센서, 통신장비, 로봇, 서버, 전력 설비를 한 공급망 안에서 조달할 수 있기 때문이다. AI 산업은 소프트웨어만으로 움직이지 않는다. 반도체와 데이터센터, 냉각장치, 전력망, 광통신, 로봇과 각종 전자부품이 함께 필요하다. ◆ 공급망박람회에 들어온 AI 중국국제공급망촉진박람회에서도 AI는 가장 눈에 띄는 분야였다. 올해 박람회는 기존 ‘디지털 기술 공급망’을 ‘디지털·지능 기술 공급망’으로 넓히고, 별도의 AI 전시구역도 만들었다. AI 에이전트, 휴머노이드 로봇, AI 안경, AI 반도체 등이 한자리에 전시됐다. 박람회의 변화는 중국이 AI를 독립된 기술 산업이 아니라 공급망 전체를 바꾸는 도구로 본다는 점을 보여준다. AI 에이전트가 기업의 주문과 재고, 고객 응대를 맡고, 로봇이 물류센터와 공장에 들어가며, AI 안경 같은 기기는 소비재 시장으로 이어진다. 반도체와 클라우드, 데이터센터, 광통신 기업이 함께 움직여야 가능한 일이다. 글로벌 기업들이 중국 공급망을 쉽게 떼어낼 수 없는 이유도 여기에 있다. 중국은 세계 최대 제조업 국가이자 전기차와 배터리, 태양광, 풍력 설비 생산이 집중된 곳이다. AI 데이터센터와 전력 인프라, 첨단 제조업을 한꺼번에 늘리려면 중국의 생산 능력과 부품 조달망을 활용할 수밖에 없는 영역이 적지 않다. 물론 미국의 반도체 수출통제와 기술 규제는 중국 AI 산업의 부담이다. 고성능 AI 칩 확보에는 여전히 제약이 있다. 중국이 AI 모델의 이용량과 응용 서비스에서 성과를 내더라도, 최첨단 반도체와 핵심 장비에서는 미국 기업과의 격차를 줄여야 한다는 과제는 남아 있다. ◆ 맥도날드가 보는 중국 공급망 글로벌 소비기업의 움직임도 중국 시장의 성격이 바뀌고 있음을 보여준다. 맥도날드 중국 법인은 중국에서 쓰는 식재료의 90% 이상을 현지에서 조달하고 있다. 단순히 중국에 매장을 내는 수준을 넘어, 농축산물과 가공식품, 물류, 냉장유통을 현지 공급망 안에서 해결하는 방식이다. 맥도날드는 올해도 약 1000개 매장을 추가로 열 계획이다. 중국의 모든 성급 행정구역에 매장을 두게 되면서 앞으로는 베이징·상하이·광저우 같은 대도시보다 중소도시와 지방 시장의 비중이 더 커질 가능성이 있다. 매장 확장은 소비시장 공략이지만, 그 뒤에는 식재료 조달과 냉장물류, 배달, 모바일 주문 시스템이 함께 따라붙는다. 중국 시장에서 글로벌 기업이 보는 것은 소비자 수만이 아니다. 대규모 생산과 빠른 배송, 디지털 결제, 지역별 유통망을 한 번에 활용할 수 있다는 점도 중요하다. 중국의 소비 회복이 기대만큼 빠르지 않더라도, 기업들이 공급망 투자를 이어가는 이유다. 중국은 제조업 국가에서 AI 강국으로 단숨에 바뀌었다고 말하기는 어렵다. 첨단 반도체와 핵심 소프트웨어, 고급 인재 확보를 놓고는 여전히 미국과 경쟁해야 한다. 그렇지만 AI가 공장과 유통, 행정, 소비 서비스에 들어가는 속도만 놓고 보면 중국은 이미 큰 시험장을 갖고 있다. 중국이 노리는 것은 AI 모델 하나의 성능 경쟁이 아니다. 값싼 AI를 빠르게 보급하고, 제조업과 물류망에 연결해 산업 비용을 낮추며, 소비자 서비스까지 넓히는 일이다. 공급망과 내수시장을 함께 가진 나라만 할 수 있는 방식이다.
2026-06-24 17:23:10
-
오픈AI·삼성 협력, 반도체서 업무 AX로 확대…챗GPT 전사 도입
[경제일보] 오픈AI와 삼성전자의 협력이 AI 인프라에서 임직원 업무 혁신으로 확대된다. 삼성전자가 국내 전 임직원과 디바이스경험(DX)부문 전 세계 임직원에게 챗GPT 엔터프라이즈와 코덱스를 제공하기로 하면서 양사의 협력 범위가 반도체 공급을 넘어 전사적 인공지능 전환(AX)으로 넓어지고 있다. 오픈AI는 22일 삼성전자가 임직원의 업무 혁신과 전사적 AI 전환을 위해 챗GPT 엔터프라이즈와 코덱스를 도입한다고 밝혔다. 적용 대상은 삼성전자 국내 전 임직원과 DX부문 글로벌 임직원이다. 오픈AI는 이번 도입을 자사 엔터프라이즈 계약 가운데 최대 규모 사례 중 하나라고 설명했다. 이번 발표는 양사의 기존 협력의 연장선에 있다. 삼성은 지난해 오픈AI와 글로벌 AI 인프라 협력 방안을 발표한 바 있다. 당시 삼성전자는 오픈AI의 차세대 AI 인프라 구축에 필요한 고성능 메모리 반도체 공급 협력을 맡았고 삼성SDS는 AI 데이터센터 개발·운영과 국내 기업 대상 오픈AI 서비스 도입 지원 역할을 제시했다. 삼성물산과 삼성중공업도 차세대 데이터센터 인프라 협력 가능성을 검토했다. 이번 챗GPT 엔터프라이즈 도입은 그 협력이 삼성전자 내부의 일하는 방식으로 확장됐다는 점에서 의미가 있다. 양사가 AI 인프라를 함께 논의하던 단계에서 이제는 삼성전자 임직원의 업무 생산성과 조직 운영 방식까지 오픈AI 기술을 활용하는 단계로 넘어간 것이다. 삼성전자는 챗GPT와 코덱스를 소프트웨어 개발, 마케팅, 제품 개발, 제조, 경영지원 등 업무 전반에 활용할 계획이다. 챗GPT 엔터프라이즈는 정보 탐색과 분석, 문서 작성, 아이디어 구체화, 데이터 해석 등 지식 기반 업무를 지원한다. 기업용 서비스인 만큼 데이터 보호, 접근 권한 관리, 보안 통제 등 대규모 조직에 필요한 관리 기능도 제공한다. 코덱스는 개발자 생산성을 높이는 도구에서 일반 업무 플랫폼으로 활용 범위가 넓어지고 있다. 코드 작성과 리뷰, 디버깅뿐 아니라 비개발 직군이 아이디어를 내부 도구나 자동화 프로세스로 구현하는 데도 쓰일 수 있다. 오픈AI에 따르면 코덱스는 매주 500만명 이상이 기술·비기술 업무에 사용하고 있으며 한국 내 주간 활성 이용자는 올해 2월 1일 이후 800% 가까이 증가했다. 김경훈 오픈AI코리아 총괄대표는 “삼성전자가 AI를 일부 조직이 아닌 전 세계 임직원의 업무 방식과 혁신 역량을 높이는 핵심 플랫폼으로 활용한다는 점에서 의미가 크다”며 “삼성전자 임직원들이 챗GPT와 코덱스로 아이디어를 더 빠르게 실행하고 복잡한 문제를 해결할 수 있도록 협력하겠다”고 말했다. 오픈AI 서비스의 국내 확산은 삼성전자에 그치지 않는다. 서울대는 교수, 학생, 직원 등 전 구성원에게 챗GPT 에듀를 제공하고 있다. 카카오는 카카오톡 채팅방에서 챗GPT를 호출해 실시간 답변과 이미지 생성을 이용할 수 있는 기능을 도입했다. 오픈AI는 LG전자, LG유플러스, LG CNS, GS건설, 삼성SDS, 티빙, 크래프톤, 토스, 무신사 등도 챗GPT 엔터프라이즈와 오픈AI API, 코덱스를 활용하고 있다고 밝혔다. 이 흐름은 국내 AI 도입의 초점이 개인 생산성 도구에서 조직 단위 AX로 옮겨가고 있음을 보여준다. 초기에는 직원 개인이 챗봇으로 문서를 쓰거나 자료를 찾는 수준이었다면 이제는 기업이 보안과 권한 관리, 내부 시스템 연동, 업무 프로세스 재설계까지 포함해 AI를 공식 업무 플랫폼으로 들여오는 단계다. 삼성전자의 이번 도입은 상징성이 크다. 삼성은 오픈AI의 AI 인프라 수요를 뒷받침하는 메모리 공급 파트너이면서 동시에 오픈AI 도구를 사내 업무 혁신에 적용하는 대형 고객이 됐다. 공급자이자 사용자로서 AI 생태계 양쪽에 서게 된 셈이다. AI 경쟁은 모델 성능만의 싸움이 아니다. 누가 AI를 조직 안에 안전하게 넣고 실제 업무 성과로 연결하느냐가 중요해지고 있다. 삼성전자의 챗GPT 엔터프라이즈 도입은 국내 대기업의 AX가 실험 단계를 지나 전사 적용 단계로 들어섰다는 신호다. 성패는 도입 규모가 아니라 챗GPT와 코덱스가 제조, 개발, 마케팅, 제품 기획의 속도와 품질을 실제로 얼마나 바꾸느냐에서 갈릴 것이다.
2026-06-22 10:50:09
-
프롬프트 잘 쓰는 시대 지나가나…이제 '루프'를 설계한다
[경제일보] 인공지능(AI)에 좋은 답을 얻기 위해 명령어를 정교하게 다듬던 ‘프롬프트 엔지니어링’의 중심이 흔들리고 있다. 실리콘밸리 AI 개발 현장에서는 사람이 매번 프롬프트를 입력하는 방식보다 AI 에이전트가 목표를 달성할 때까지 실행과 검증, 수정을 반복하도록 설계하는 ‘루프 엔지니어링’이 새 흐름으로 떠오르고 있다. 루프는 사용자가 매 단계마다 “다시 고쳐라”, “오류를 수정하라”고 지시하지 않아도 AI가 스스로 결과를 점검하고 다음 작업을 이어가는 반복 구조를 말한다. 사람이 목표와 기준을 정하면 AI가 작업을 수행하고 결과를 검토하고 실패한 부분을 다시 고치는 방식이다. 프롬프트가 한 번의 명령이라면 루프는 AI가 일하는 절차에 가깝다. 미 경제매체 비즈니스인사이더에 따르면 앤트로픽의 AI 코딩 도구 ‘클로드 코드’를 이끄는 개발자 보리스 처니는 최근 자신이 더 이상 클로드에 직접 프롬프트를 쓰지 않는다고 말했다. 이제 업무는 프롬프트 작성이 아니라 루프를 만드는 일로 바뀌었다는 설명이다. 오픈AI 엔지니어 페터 슈타인베르거도 코딩 에이전트에 프롬프트를 입력하는 방식에서 벗어나 에이전트가 스스로 프롬프트를 만들고 실행하도록 루프를 설계해야 한다고 강조했다. 이 변화는 AI 코딩 도구의 성격 변화와 맞물려 있다. 클로드 코드, 코덱스, 커서 같은 에이전트형 도구는 단순 답변 생성에 그치지 않는다. 코드베이스를 읽고 파일을 고치며 테스트를 실행하고 오류를 다시 수정한다. 사용자는 작업 목표와 제약 조건, 검증 기준을 설계하고 AI는 그 안에서 반복 수행한다. 루프 엔지니어링은 개발자에게만 해당하는 변화가 아니다. 제품기획, 마케팅, 재무, 인사 등 일반 업무에도 적용될 수 있다. 시장조사 보고서를 예로 들면 AI가 자료를 수집하고 초안을 작성한 뒤 빠진 항목을 점검하고 다시 보완하는 식이다. 사람은 문장을 매번 지시하는 대신 업무 역할과 절차, 산출물 기준을 설계하는 관리자가 된다. 일부 현장에서는 이를 직무 설계에 비유한다. 신입사원을 뽑을 때 업무 목표와 권한, 보고 체계, 평가 기준을 정하듯 AI 에이전트에도 역할과 작업 범위, 검증 기준을 정해야 한다는 것이다. 프롬프트 엔지니어링이 ‘AI에게 어떻게 말할 것인가’의 문제였다면 루프 엔지니어링은 ‘AI가 어떤 절차로 일하게 할 것인가’의 문제다. 과제도 분명하다. AI가 목표를 달성하지 못하면 같은 작업을 계속 반복하는 ‘무한 루프’에 빠질 수 있다. 이 경우 API 호출과 토큰 사용량이 급증해 비용 부담이 커진다. 여러 에이전트가 동시에 작업하고 서로 결과를 검토하는 구조에서는 효율이 높아지는 만큼 관리 복잡성도 함께 커진다. 검증 책임도 사라지지 않는다. AI가 코드를 고치고 문서를 보완하더라도 최종 판단은 인간이 해야 한다. 루프가 빠르게 돌아갈수록 사람이 이해하지 못한 결과물이 더 많이 쌓일 수 있다. 잘못된 전제를 기준으로 삼으면 오류가 반복적으로 증폭될 가능성도 있다. 기업 입장에서는 루프 엔지니어링이 AI 도입의 다음 단계가 될 수 있다. 지금까지는 직원들이 챗봇을 잘 쓰도록 교육하는 수준이었다면 앞으로는 부서별 업무를 AI 에이전트가 수행할 수 있는 절차로 다시 설계해야 한다. 이 과정에서 데이터 접근 권한, 보안, 비용 통제, 결과 검증, 책임 소재가 핵심 관리 항목으로 떠오른다. 프롬프트 엔지니어링이 완전히 사라진다고 보기는 어렵다. 좋은 목표를 정의하고 정확한 지시를 내리는 능력은 여전히 필요하다. 달라진 것은 경쟁력의 위치다. 이제 중요한 것은 한 문장을 더 세련되게 쓰는 기술이 아니라 AI가 목표를 향해 반복적으로 움직일 수 있는 업무 시스템을 설계하는 능력이다. AI를 잘 쓰는 조직은 프롬프트를 잘 쓰는 조직을 넘어 AI가 일할 수 있는 구조를 잘 짜는 조직이 될 것이다.
2026-06-22 07:45:09
-
-
LG유플러스, 파주 AI데이터센터 승부수…2030년 수주 5조 목표
[경제일보] LG유플러스가 인공지능(AI) 데이터센터 사업을 미래 성장축으로 키운다. AI 사용량 급증으로 전력과 냉각, 구축 속도가 데이터센터 경쟁력을 좌우하는 핵심 요소로 떠오른 가운데, 파주 AI데이터센터를 앞세워 2030년 누적 수주 5조원 달성에 도전한다. LG유플러스는 지난 5일 경기 파주시 AI데이터센터 건설 현장에서 차세대 AI 인프라 전략을 공개하고, AI 인프라 전반을 통합 관리하는 사업자로 도약하겠다고 밝혔다. 회사는 AI데이터센터 사업 매출을 연평균 15~20% 성장시키고 2030년까지 누적 수주 5조원을 달성한다는 목표를 제시했다. 핵심 거점은 파주 AI데이터센터다. 파주 AIDC는 연면적 약 15만㎡ 규모로 조성되며 200MW 전력 공급이 확정됐다. 수도권 내 최대 규모의 추론형 AI데이터센터로 기능할 수 있는 기반을 확보한 셈이다. 내년 6월 준공 예정인 1동은 이미 계약이 모두 완료돼 준공 전 ‘완판’ 상태다. LG유플러스가 내세운 전략은 ‘The ACE on Trust’다. Agility는 빠른 구축, Capacity는 전력과 규모, Efficiency는 냉각 효율을 뜻한다. 이 세 가지 경쟁력을 안정적인 운영 신뢰 위에 구현하겠다는 의미다. AI 데이터센터는 단순 서버 시설이 아니라 전력, 냉각, 운영 안정성이 함께 맞물려야 하는 국가 핵심 인프라로 바뀌고 있다. 최근 AI 시장은 학습 중심에서 추론 중심으로 무게가 이동하고 있다. 이용자가 AI 서비스를 호출할 때마다 대규모 연산이 발생하고, AI 토큰 사용량도 빠르게 늘고 있다. GPU는 수개월 안에 확보할 수 있지만, 이를 수용할 데이터센터는 구축에 3~4년이 걸린다. 이 간극이 기업의 AI 사업 추진 리스크로 떠오르고 있다. LG유플러스는 구축 속도를 높이기 위해 주요 설비를 사전 제작한 뒤 현장에서 조립하는 모듈형 공법을 적용하고 있다. 파주 AI데이터센터에도 해당 방식을 도입해 급증하는 AI 인프라 수요에 적기 대응한다는 계획이다. 냉각 기술도 차별화 요소다. 파주 AIDC는 공기냉각과 액체냉각을 병행하는 구조로 설계됐다. LG전자와 공동 개발한 액체냉각 기술은 자체 실증에서 기존 공기냉각 방식 대비 약 24%의 에너지 효율 개선 효과를 확인했다. LG유플러스는 올해 하반기 실제 서버를 활용한 상용 실증에 나서고, 2027년 파주 AIDC 1동 개통 시점에는 직접액체냉각과 액침냉각을 결합한 서비스를 제공할 계획이다. ‘One LG’ 시너지도 전면에 내세웠다. LG유플러스는 데이터센터 설계와 운영을 맡고, LG전자는 냉각 설비, LG에너지솔루션은 배터리 분야 역량을 제공한다. LS일렉트릭과는 고전력 환경에 대응하는 전력 시스템을 공동 개발 중이다. 그룹 계열사와 협력사를 묶어 국산 AI 인프라 표준을 만들겠다는 구상이다. 안형균 LG유플러스 엔터프라이즈AI사업그룹장은 “AI 인프라는 국가 경쟁력을 좌우하는 핵심 기반이 되고 있다”며 “최초의 IDC 사업자로서 확보한 역량을 기반으로 대한민국 AI 산업의 기반을 확대해 나가겠다”고 말했다.
2026-06-07 11:21:34
-
-
네이버 커넥트재단·서울대, 'AI 에이전트 챌린지' 추진
[경제일보] 네이버 커넥트재단과 서울대가 인공지능(AI) 인재 양성을 위해 손을 잡았다. 양 기관은 전국 거점 국립대 학생들이 실생활 문제를 AI 에이전트로 해결하는 실무형 교육 프로그램을 함께 추진하며, 지역 AI 교육 기회 확대에 나선다. 네이버 커넥트재단은 지난 26일 서울대에서 AI 인재 양성과 교육 기회 확대를 위한 업무협약을 체결했다고 밝혔다. 이번 협약을 통해 양 기관은 AI 시대에 필요한 교육 프로그램을 공동 개발·운영하고, 연구와 학술 활동을 통해 새로운 교육 모델을 발굴할 계획이다. 첫 협력 사업은 ‘AI 에이전트 챌린지’다. 전국 거점 국립대 10개교 소속 대학생 200명을 대상으로 진행되며, 학생들이 일상과 지역사회에서 마주하는 문제를 정의하고 이를 해결하는 AI 에이전트를 직접 설계·구축하는 방식으로 운영된다. 단순 이론 교육보다 문제 정의, 데이터 활용, 프롬프트 설계, 서비스 구현 등 실무형 역량을 키우는 데 초점을 맞췄다. 이번 협력은 AI 인재 수요가 빠르게 늘어나는 상황에서 지역 대학 학생들에게도 고급 AI 교육 기회를 넓히려는 시도로 풀이된다. 정부도 국정과제로 거점 국립대 집중 육성과 AI 인재 양성을 추진하고 있다. 정부는 이른바 ‘서울대 10개 만들기’를 국정과제로 확정하고, 대학생과 대학원생 대상 AI 융복합 교육 과정을 확대해 전문 인재를 양성하겠다는 방침을 밝힌 바 있다. 네이버 커넥트재단은 그동안 소프트웨어와 AI 교육을 통해 미래 기술 교육의 저변을 넓혀왔다. 재단은 누구나 AI를 활용해 일상의 문제를 해결할 수 있도록 배움의 기회를 연결한다는 목표를 내세우고 있으며, 최근에는 AI 기초 개념과 에이전틱 AI 협업, 산업 현장의 AX, 프롬프트 작성 실습 등을 담은 교육 콘텐츠도 공개했다. 해외 교육 협력 경험도 있다. 네이버 커넥트재단은 네이버 베트남과 함께 베트남 대학생 대상 AI 해커톤을 진행했으며, 하노이과학기술대학, 하노이 국립공과대학, 호치민기술대학교 등 베트남 전역 대학생 1900여명이 참여한 바 있다. AI 에이전트는 최근 산업계와 교육계 모두에서 주목하는 분야다. 기존 생성형 AI가 질문에 답하거나 문서를 만드는 수준이었다면, AI 에이전트는 사용자의 목표를 이해하고 필요한 도구를 호출해 여러 단계를 수행하는 방향으로 발전하고 있다. 삼성전자가 대학생·대학원생 대상 AI 에이전트 챌린지를 운영한 사례에서도 볼 수 있듯, 기업들은 문제 정의부터 실험, 분석, 보고서 작성까지 수행하는 자율형 AI 시스템 역량을 차세대 인재의 핵심 능력으로 보고 있다. 서울대와의 협업은 교육 프로그램의 전문성과 확장성을 높이는 계기가 될 전망이다. 서울대는 AI 연구와 공학 교육 역량을 바탕으로 지역 대학 학생들이 실제 프로젝트를 수행할 수 있도록 교육 설계와 멘토링에 참여할 것으로 보인다. 서울대 공대는 이미 초지능형 AI 에이전트 핵심 기술 개발과 산학 협력 연구를 추진하고 있으며, 복잡한 문제를 창의적으로 정의하고 도전하는 인재 양성을 강조해왔다. 공기중 네이버 커넥트재단 이사장은 “커넥트재단은 학계와 기업을 연결하는 등 누구나 AI 역량을 갖출 수 있도록 교육 기회를 전국 단위로 넓혀가고 있다”며 “서울대와의 협업으로 각 지역의 우수한 대학생들이 AI 시대를 이끄는 인재로 도약할 수 있도록 지원하겠다”고 말했다. 이번 협약은 기업 재단과 대학이 함께 지역 AI 인재 양성 모델을 만드는 사례라는 점에서 의미가 있다. AI 교육이 수도권 일부 대학과 기업 중심으로 쏠릴 경우 지역 산업의 AI 전환 속도는 더딜 수밖에 없다. 네이버 커넥트재단과 서울대의 AI 에이전트 챌린지가 실제 프로젝트 성과와 후속 교육 과정으로 이어진다면, 지역 대학생들이 AI 실무 역량을 갖추고 산업 현장으로 진입하는 통로가 될 수 있다.
2026-05-29 12:08:33
-
-
두나무, AI 에이전트용 '업비트 스킬' 출시
[경제일보] 두나무가 인공지능(AI) 에이전트가 업비트 API를 쉽게 활용할 수 있도록 돕는 ‘업비트 스킬(Upbit Skills)’을 출시했다. 코딩 지식이 부족한 이용자도 자연어 명령을 통해 시세 조회, 잔고 확인, 주문 테스트 등 거래 도구를 실험할 수 있도록 지원하는 것이 핵심이다. 업비트 운영사 두나무는 22일 업비트 API 기반 명령줄 인터페이스(CLI)를 AI 에이전트 환경에서 보다 쉽게 사용할 수 있도록 돕는 구조화 지침인 업비트 스킬을 선보였다고 밝혔다. 업비트 스킬은 클로드 코드, 커서, 코덱스 등 스킬을 지원하는 AI 코딩 에이전트 환경에서 활용할 수 있다. 이용자가 “KRW-BTC 현재가 알려줘”, “내 잔고 확인해줘”, “BTC 1만원 시장가 매수 테스트 명령 만들어줘”처럼 자연어로 요청하면 AI 에이전트가 업비트 CLI 명령 구성을 제안하거나 실행을 보조하는 방식이다. 업비트 CLI는 터미널에서 업비트 API를 호출할 수 있도록 제공되는 공식 명령줄 도구다. 별도 코드를 직접 작성하지 않아도 시세 조회, 계좌 조회, 주문 조회 등 API 작업을 명령어 형태로 실행할 수 있다. 다만 계정 조회나 주문, 입출금처럼 인증이 필요한 기능은 API 키 설정이 필요하다. 이번 출시 배경에는 AI 에이전트를 활용한 개발 방식 확산이 있다. 자연어로 코드를 작성·수정하는 ‘바이브 코딩’에 이어 투자와 거래 영역에서도 AI와 함께 거래 도구를 구성하는 ‘바이브 트레이딩’ 수요가 늘고 있다. 두나무에 따르면 업비트에서 API를 활용한 이용자는 서비스 고도화와 AI 기술 활용 증가에 힘입어 2023년 대비 2025년 76% 증가했다. 업비트 스킬은 일회성 프롬프트가 아니라 AI 에이전트가 반복 업무를 수행할 때 참고할 절차, 규칙, 예시, 도구 사용법을 묶은 업무 매뉴얼에 가깝다. 이를 통해 이용자는 복잡한 API 명령 구성이나 거래소별 규칙 적용을 자연어 기반으로 보다 쉽게 수행할 수 있다. 지원 기능은 현재가·호가·체결·캔들·마켓 목록 등 시세 조회, 잔고 등 계정 정보 조회, 주문 생성·조회·취소와 주문 테스트, 입금 주소 조회와 출금 정보 확인, 트래블룰 검증 보조 등이다. 두나무가 업비트 스킬을 내놓은 것은 거래소 API 생태계를 AI 에이전트 시대에 맞게 재정비하려는 시도로 볼 수 있다. 기존에는 개발자가 문서를 읽고 명령 구조와 인증 방식, 주문 규칙을 직접 구현해야 했다. 스킬 방식은 AI가 문서와 규칙을 참고해 사용자의 요청을 더 일관된 명령으로 바꾸도록 돕는다. 다만 AI 에이전트 활용이 곧 투자 판단 자동화를 의미하는 것은 아니다. 실제 주문, 출금, 자동매매 실행의 최종 책임은 사용자에게 있다. 특히 API 키와 시크릿 키 관리, 주문 전 확인, 테스트 명령 우선 사용 등 기본 보안 원칙은 더 중요해진다. 두나무 관계자는 “AI 에이전트를 활용해 거래 도구를 직접 만들거나 투자 환경을 구성하려는 수요가 늘고 있다”며 “업비트 스킬을 통해 이용자들이 업비트 API를 더 쉽고 정확하게 활용하고 직접 자신의 거래 환경을 실험해볼 수 있기를 기대한다”고 말했다.
2026-05-22 09:19:13
-