오늘은 AI 업계 전반에 걸친 변화를 폭넓게 다룬다. Apodex는 기존 채팅 메시지 방식을 버리고 복잡한 문제를 풀기 위한 분기형 리서치 구조와 검증된 브리핑을 내세웠다. 앤스로픽은 최신 모델 Fable 5.1과 Mythos 5.1을 공개하면서 EU AI법 대응을 위해 증류(distillation) 차단 장치와 출력 워터마크를 적용했다. 개발 도구 쪽에서는 오픈AI가 일론 머스크 계열사와의 연관성을 이유로 Cursor와의 파트너십을 종료했다. 같은 시기 오픈AI는 여러 모델의 API 가격을 대폭 인하했다. 시장에는 클로드보다 훨씬 낮은 가격을 내세운 정체불명의 모델도 등장했고, 보이지 않는 라우터(Router)가 기업의 업무 흐름을 특정 모델 제공사에서 분리하기 시작했다. 트럼프 행정부는 중국 연구소가 제3국 허브를 통해 AI 칩에 원격 접근하는 것을 막는 새 규제를 준비 중이다. 딥시크(DeepSeek)는 자율형 오케스트레이션을 위한 모듈형 플러그인 구조를 내놓았다.

01정체불명 모델이 클로드 가격을 흔든다

고성능 AI 도입 비용이 급락하고 있다. 이름이 공개되지 않은 새 모델이 기존 강자들을 흔들기 위한 가격 전략을 들고 시장에 등장했기 때문이다. 대량의 데이터를 처리하는 개발사와 기업 입장에서는 AI 운영 규모를 키우는 진입 장벽이 크게 낮아진 셈이다. 기본 운영 비용 자체가 저렴한 이 모델은 클로드 같은 업계 선두 모델의 가격 체계에 즉각적인 압박을 가한다.

가격 격차는 극명하다. 이 신형 모델은 입력 토큰 100만 개당 15센트, 출력 토큰 100만 개당 50센트로 책정됐다. 입력 토큰은 모델이 처리하는 텍스트 조각이고, 출력 토큰은 모델이 만들어내는 단어다. 여기에 9월 9일까지 50% 할인까지 적용한다. 프로모션 조건을 적용하면 클로드보다 최대 40배 저렴하다. 신규 AI 모델 다수가 내부 벤치마크에 의존하다 실제 테스트에서 무너지는 것과 달리, 이 모델은 외부 검증에서도 성능 지표가 대체로 유지됐다. 낮은 가격이 곧 품질 저하를 의미하지는 않는다는 뜻이다.

다만 이 절감 효과에는 운영상의 대가가 따른다. 이 모델은 속도가 느리고 불필요하게 장황한 답변을 내놓는 경향이 있다. 더 큰 문제는 이따금 반복 텍스트 사이클에 갇히는 이른바 '둠 루프' 현상이다. 빠른 응답 속도나 간결한 정확성이 필요한 사용자에게는 치명적 결함이 될 수 있다. 그러나 장황한 출력과 느린 응답을 감내할 수 있다면, 기존 비용의 일부만으로 AI를 운영할 수 있다는 점은 AI 도입의 경제성을 완전히 바꾸는 변수다. 프리미엄 고속 모델과 대량 처리용 초저가 모델로 시장이 양분될 가능성을 보여주는 경쟁 구도다.

02클로드가 만든 글, 이제 숨은 서명으로 잡아낸다

AI 비서 클로드를 쓰는 이용자들은 곧 이 시스템이 생성한 텍스트에 보이지 않는 디지털 서명이 담긴다는 사실을 알게 된다. 어떤 글이 사람이 쓴 것인지, AI가 만든 것인지 가려내는 일이 훨씬 쉬워진다는 뜻이다. 이번 조치는 EU AI법에 직접 대응한 결과다. AI 안전과 투명성을 강제하는 이 규제에 맞춰 앤스로픽은 AI 생성 콘텐츠의 출처를 명확히 하라는 실천 규범을 따르기로 했다. 기계가 만든 글을 사람이 쓴 것처럼 내세우지 못하게 하겠다는 것이다.

기술적으로는 워터마크를 심는 방식이다. 텍스트의 출처를 식별하는 수치 표식을 생성 결과물 안에 직접 박아 넣는다. 채팅 끝에 붙는 안내 문구나 눈에 보이는 라벨과 달리, 이 워터마크는 출력물 자체에 내장된다. 문서의 출처를 확인해야 할 일이 생기면 앤스로픽에 요청해 수치 표식을 검사하고 클로드가 작성한 것인지 확인받으면 된다. 이 방식의 핵심 장점은 품질 저하가 없다는 점이다. 문장은 기존처럼 자연스럽고 정확하게 유지되면서, 감사 가능한 책임의 층위가 보이지 않게 더해진다.

이 시스템은 8월 2일 이후 공개되는 모든 모델 출력물에 적용된다. 앤스로픽은 이 표식을 도입함으로써 자사 운영 기준을 유럽연합의 법적 요구에 맞추고, AI 콘텐츠를 원출처까지 추적할 수 있는 능력을 우선순위에 올렸다. 일반 이용자 입장에서는 도구의 성능이 그대로 유지되지만, 더 넓은 디지털 생태계에는 검증이라는 중요한 층위가 추가된다. AI가 만든 허위 정보의 위험을 줄이는 신뢰할 만한 인증 수단이 생긴 셈이다. AI 개발사와 대중 사이의 관계가 더 투명한 방향으로 움직이는 전환점이다.

03앤스로픽, Fable 5.1·Mythos 5.1 공개 — 성능은 올랐지만 비용 역설이 붙었다

앤스로픽이 새 모델 Fable 5.1을 내놓으며 모델 지능의 기준을 다시 끌어올렸다. Artificial Analysis 벤치마크에서 66점으로 1위를 차지한 모델이다. 다만 이번 성능 도약에는 사용자 입장에서 납득하기 어려운 비용 역설이 따라붙는다. 앤스로픽은 캐시 읽기 비용, 즉 이미 처리한 데이터를 다시 불러오는 비용을 75% 낮춰 100만 토큰당 25센트까지 내렸다. 그런데도 실제 작업 완료 비용은 Fable 5.0보다 올랐다. Fable 5.1이 더 높은 추론 수준을 확보하기 위해 출력 토큰을 1.7배 더 쓰기 때문이다. 요청 한 번에 생성되는 텍스트 양이 늘어난 만큼 사용자가 내는 돈도 늘어나는 구조다.

성능 외에 이번 신모델은 증류 공격(distillation attacks)을 둘러싼 긴장도 다시 수면 위로 끌어올렸다. 경쟁 연구소가 선두 모델의 출력물을 가져다 자기네 소형 모델을 학습시키는 방식이다. Fable 5.1의 웹사이트 생성 능력을 최근 테스트한 결과 GLM 5.3과 유사한 점이 두드러졌다. 특히 에셋 선택, 톤, 색상 팔레트에서 겹치는 부분이 많았다. 선두 모델과 이를 기반으로 파생된 모델의 경계가 점점 흐려지고 있다는 신호다. 독자 개발한 지능을 다른 연구소가 그대로 베껴 가는 것을 어떻게 막을 것인지에 대한 우려도 커지고 있다.

클로드 아티팩트(클로드 Artifacts)로 업무용 도구를 만드는 사용자라면 결과물 품질이 프롬프트의 구체성에 크게 좌우된다는 점을 알아야 한다. 전문가 수준의 대시보드를 뽑으려면 막연한 요청으로는 부족하다. 임원 보고용인지 팀 내부 공유용인지 도구의 용도를 명시해야 톤과 지표가 그에 맞게 잡힌다. 여기에 구글 루커 스튜디오, 태블로, 파워 BI, 아파치 수퍼셋 같은 기존 비즈니스 인텔리전스 도구의 설계를 참조하라고 지정하면 범용 AI 특유의 평면적인 레이아웃에서 벗어나 실제 보고서에 가까운 결과를 얻을 수 있다. 필요한 지표와 차트를 처음부터 나열하고 이를 반복 다듬는 방식으로 기업 보고용 고품질 도구로 끌어올리는 것이 핵심이다.

04보이지 않는 라우터가 AI 사용 경험을 바꾼다

대다수 사용자는 곧 특정 작업에 어떤 AI 모델을 쓸지 고민하지 않게 된다. 일반 사용자 시장이 '보이지 않는 라우터' 체제로 넘어가고 있기 때문이다. 질문을 가장 적합한 자원으로 자동 배정하는 시스템이다. 의료나 금융 데이터처럼 일상적이거나 민감한 작업이면 사용자 기기 안의 로컬 모델로 보낸다. 복잡하고 중요한 질문은 클라우드에 있는 대형 최신 모델로 넘긴다.

기업에서는 이 변화가 '하네스 엔지니어링' 형태로 나타난다. AI 모델 주변에 자체 소프트웨어 계층을 구축하는 방식이다. 무디스의 데이비드 팬은 이 구조 덕분에 기업이 업무 흐름을 오픈AI나 앤스로픽 같은 특정 공급자로부터 분리할 수 있다고 설명한다. 한 벤더에 전적으로 의존하지 않고 운영 복원력을 확보하는 셈이다.

이 전환은 마이크로소프트 CEO 사티아 나델라가 지적한 '역정보 역설'도 해소한다. 사용자가 지능에 두 번 값을 치르는 문제다. 한 번은 돈으로, 또 한 번은 모델을 쓸모 있게 만드는 데 필요한 자사 지식을 공개하는 방식으로 비용을 지불한다.

자동화된 업무 흐름이 안정적으로 돌아가게 하려면 '오류 누적' 문제를 해결해야 한다. 초반의 작은 실수 하나가 최종 결과물 전체를 망가뜨리는 현상이다. Apodex는 외부 검증 시스템으로 이 문제를 푼다. 결론을 검증하는 에이전트가 그 결론을 만든 에이전트와 절대 같지 않게 설계해, 다음 단계로 넘어가기 전에 모든 결론을 확인한다. 겉보기에 그럴듯한 답변이 잘못된 가정 위에 세워지는 일을 막는 구조다.

클로드 코드 같은 도구에서는 효율성도 핵심 과제로 떠올랐다. 텍스트 처리에 쓰이는 계산 단위인 토큰 낭비를 줄이는 문제다. 사용하지 않는 커넥터만 제거해도 초기 데이터 부하를 18만 토큰에서 7만 토큰 미만으로 크게 낮출 수 있다. 성능을 유지하려면 세션 도중 모델을 바꾸지 않는 편이 좋다. Fable 5에서 Sonet 5나 Haiko로 옮기면 새 모델이 대화 전체를 다시 처리해야 하기 때문이다. 문맥 창을 초기화할 때는 보존율이 떨어질 수 있는 compact 명령보다 clear 명령이 더 효과적이다. 잘못된 대화 턴을 삭제하는 rewind 기능을 쓰면 모델이 오류를 재처리하지 않게 되고, 토큰 감사 전용 프롬프트를 활용하면 낭비 지점을 정확히 찾아낼 수 있다.

05AI 답변의 근거를 추적한다 — Apodex, 검증형 리서치 구조 공개

대부분의 사용자는 겉보기엔 완벽한 AI 답변이 실제로는 틀린 경험을 해봤다. 원인은 오류의 누적이다. 추론 초반에 사소한 가정을 잘못 세우면, AI는 그 위에 논리를 계속 쌓아 올린다. 최종 결과물은 금이 간 기반 위에 서 있지만, 사용자에게는 자신감 넘치는 매끄러운 답변으로 제시된다. 이런 블랙박스 구조에서는 문장 하나하나를 직접 확인하지 않는 한 논리가 어디서 어긋났는지 찾아내기 어렵다.

Apodex는 표준적인 챗봇 방식을 버리고 투명한 리서치 중심 구조로 이 문제를 해결한다. 즉각적인 답변을 내놓는 대신, 문제를 단계별로 추론하는 심층 리서치 프로세스를 가동한다. 핵심은 각 단계의 결론을 검증한 뒤에만 다음 단계로 넘어간다는 점이다. 인터넷에서 쉽게 답을 찾을 수 없는 복잡한 문제를 겨냥한 방식으로, 추론의 안정성을 처음부터 끝까지 유지한다.

최종 결과물은 단순한 메시지가 아니라 검증된 보고서 형태로 제공된다. 모든 주장에 인용 출처가 붙어 있어 사용자가 근거를 즉시 확인할 수 있다. 투명성을 위해 단계별 추론 기록도 함께 제공한다. 사용자는 이를 열어 최종 결론에 이르는 내부 논리를 직접 들여다볼 수 있다. 사용자의 역할은 정보를 수동적으로 받는 사람에서 감사자로 바뀐다. 주니어 애널리스트가 올린 보고서를 검토하는 관리자처럼, 방법론이 타당했는지 결론이 데이터로 뒷받침되는지 거꾸로 추적하는 경험이다.

06오픈AI, API 가격 80% 인하 — 스타트업 진입 장벽이 사라진다

AI 기반 애플리케이션을 만드는 개발사와 기업들의 운영 비용이 빠르게 줄고 있다. 오픈AI가 자사 최신 모델 접근 비용을 공격적으로 낮추면서다. API(응용 프로그램 인터페이스)는 외부 소프트웨어가 오픈AI의 지능과 통신할 수 있게 해주는 디지털 통로다. 이 통로의 가격을 내리면서 기업들이 자사 제품에 고성능 AI를 통합하는 비용이 크게 낮아졌다. 오픈AI의 의도는 분명하다. 생태계 전체의 효율을 높이고 시장 전반의 사용량을 끌어올려, 새로운 AI 기능을 실험하는 스타트업의 재정적 리스크를 낮추겠다는 전략이다.

이번 가격 조정은 모델별로 강도가 다르게 적용됐다. 가장 큰 폭의 인하는 GPT56 Luna에서 나타났다. API 가격이 80% 내렸다. 대량 작업이 필요하지만 비용 때문에 확장을 망설였던 기업들에겐 진입 장벽이 사실상 사라진 셈이다. 더 큰 규모의 Terra 버전은 20% 인하됐고, Sol 모델에도 동일한 20% 할인이 적용됐다. 가볍고 빠른 솔루션이 필요하든 대용량 고성능 모델이 필요하든, 개발자가 체감하는 비용 문턱은 최근보다 확실히 낮아졌다.

이번 가격 전략은 단순한 내부 성장용이 아니다. 서드파티 플랫폼을 장악하기 위한 계산된 수다. 오픈AI는 개발자들이 여러 AI 모델에 접근하고 전환하는 중앙 허브 역할을 하는 Open Router 같은 서비스에서 채택률을 끌어올리려 한다. 이런 통합 플랫폼에서 가장 비용 효율적인 옵션이 되면, 성능과 예산을 동시에 고려하는 개발자들의 기본 선택지로 남을 수 있다. 지능의 가격을 낮춰 개발자 시장을 최대한 확보하려는 경쟁 구도가 본격화되고 있다. 다른 AI 제공업체들도 생존을 위해 자체 가격 구조를 재검토해야 하는 압박을 받게 됐다.

07오픈AI, 커서와 결별 — 머스크 갈등이 불똥

코딩 도구 커서(Cursor) 사용자는 더 이상 오픈AI 모델을 쓸 수 없다. 두 회사의 파트너십이 갑작스럽게 종료됐기 때문이다. 소프트웨어 성능 문제가 아니다. 일론 머스크와 얽힌 기업 간 마찰이 원인이다. 오픈AI는 머스크의 스페이스X 인수와 이후 XAI 등 관련 기업들의 계약 위반이 결정 배경이라고 밝혔다. 오픈AI는 커서 팀에 대한 호감을 드러내면서도, 머스크 사업 제국과의 충돌이 결국 관계 단절로 이어졌다고 설명했다.

파장은 크지만 당장의 운영 타격은 제한적이다. 커서의 마이클 트롤 CEO는 오픈AI 모델이 전체 사용자 트래픽의 약 5%만 차지한다고 밝혔다. 이 작은 비중을 강조하며 계약 종료가 핵심 사업에 치명적이지 않을 것임을 시사한 셈이다. 커서가 단일 공급자 의존도를 피하고 모델 라인업을 다각화해 왔다는 신호로 읽힌다.

다만 오픈AI는 트래픽 5%가 곧 낮은 가치라는 해석에 반박했다. 오픈AI 제품 매니저 티보는 AI가 처리하는 텍스트 기본 단위인 토큰 사용량이 수익이나 사용자에게 창출되는 실제 가치를 재는 신뢰할 만한 지표가 아니라고 지적했다. 오픈AI의 최신 모델은 경쟁 모델보다 토큰 효율이 훨씬 높다는 것이다. 쉽게 말해, 작거나 성능이 낮은 모델은 특정 코딩 작업을 끝내는 데 방대한 토큰이 필요하지만, 더 강력한 오픈AI 모델은 훨씬 적은 토큰으로 같은 결과를 낸다. 이 관점에서 보면 작아 보이는 트래픽 점유율이 실제로는 플랫폼 효용과 효율에서 훨씬 큰 몫을 차지할 수 있다.

08트럼프 행정부, AI 칩 우회로 차단 나선다

미국 정부가 중국 AI 연구소들이 합법적으로 보유할 수 없는 고성능 칩을 원격으로 쓰는 우회로를 막는 규제를 준비 중이다. 기존 수출 통제는 고급 칩의 중국 내 물리적 반입을 막고 있지만, 알리바바와 바이트댄스 같은 기업은 제3국 데이터센터를 통해 이 제한을 비껴갔다. 태국·말레이시아·일본에 있는 데이터센터 허브에서 최신 NVIDIA 칩에 원격 접속하는 방식이다. 트럼프 행정부는 서버가 어디 있든 중국 측이 하드웨어에 접근하지 못하도록 원격 연결 자체를 차단하는 새 규제를 마련하고 있다.

이번 조치는 비동맹국에 대한 칩 배분 정책이 급변한 흐름 위에 나왔다. 바이든 행정부 말미에는 같은 허점을 막기 위한 '확산 규칙(diffusion rule)'이 도입된 바 있다. 미국의 이해와 맞지 않는 국가에 AI 칩 수입 한도를 엄격히 두는 방식으로, 중국 연구소가 제3국 허브를 세우는 것을 제한하려는 취지였다. 당시 규칙에 따르면 해당 국가 정부가 자국 데이터센터를 중국 기업에 제공하지 않겠다고 미국과 협력할 때만 수입 한도를 올릴 수 있었다. 그러나 트럼프 행정부가 들어서자 이 규칙은 곧바로 폐기됐다.

폐기 배경에는 집행 가능성에 대한 근본적 우려가 있었다. 확산 규칙이 상무부에 과도한 행정·집행 부담을 준다는 비판이 제기됐고, 지나치게 엄격한 한도가 미국 칩 산업의 지배력을 오히려 약화시킬 수 있다는 전략적 두려움도 컸다. 미국 기술을 구하기 어렵게 만들면 비동맹국이 NVIDIA를 버리고 중국 기술을 택하도록 밀어낼 위험이 있다는 판단이다. 트럼프 행정부가 새 규칙을 설계하는 지금, 핵심 과제는 글로벌 파트너를 잃지 않으면서 기술을 지키는 일이다.

09정적인 화면은 끝난다 — AI가 인터페이스를 그린다

수십 년 동안 사람은 소프트웨어에 맞춰 행동을 바꿔야 했다. 소프트웨어가 사람에게 맞추는 일은 드물었다. GPT가 나온 뒤에도 대부분의 디지털 인터페이스는 여전히 정적이다. 개발자가 업데이트를 더 빨리 배포할 수는 있게 됐지만, 실제 사용자 경험이 개인의 필요에 맞춰 실시간으로 바뀌는 경우는 거의 없다. 이 경직성은 도구가 업무 흐름을 일방적으로 규정하는 간극을 만든다. 사용자의 맥락이나 목표는 반영되지 않는다.

생성형 UI는 AI가 인터페이스 배치를 자동화함으로써 이 간극을 메우려는 시도다. 다만 기업이 이 과정에 행사하는 통제 수준은 제각각이다. 어떤 회사는 AI 에이전트가 사람 디자이너가 미리 설계한 고정 레이아웃, 이른바 ‘의도가 담긴 컴포넌트’ 목록에서만 선택하게 하는 통제 방식을 쓴다. 이 방식은 Booking.com의 예약 흐름처럼 구조화된 작업에는 매우 효과적이다. 그러나 복잡한 기업용 소프트웨어에서는 이런 고정 블록만으로는 한계가 뚜렷하다. 사용자가 과도하고 딱딱한 설정 흐름을 억지로 따라가야 해 인지 부담이 커진다.

반대편에는 클로드 같은 대형언어모델에 완전한 자율권을 주고 사용자 경험 전체를 처음부터 구성하게 하는 접근이 있다. 유연성은 최대지만 브랜드 판단과 미적 감각에서 치명적 위험이 생긴다. UX 책임자들은 AI에 전권을 넘기면 특정 결과를 보장하거나 일관된 브랜드 정체성을 유지할 능력을 잃는다고 지적한다. AI가 잘못된 디자인 선택을 하면, 회사는 그 결과물이 사용자에게 도달하는 것을 막을 방법이 없다. Gus Iwanaga는 유연성과 품질의 균형을 위해 AI가 경험을 이끌되 사람이 승인한 컴포넌트 안에 가두는 하이브리드 모델을 제안한다. 인터페이스가 적응력과 전문성을 동시에 갖추게 하는 방식이다.

10딥시크, AI 조립식 운영 체계 공개

기업이 특정 AI 업체 하나에 묶이지 않고 자체 업무 흐름을 만들 수 있는 길이 열렸다. 딥시크는 최근 AI 에이전트의 작동 방식과 다른 시스템과의 연결을 관리하는 유연한 프레임워크인 Deepseek Harness를 출시했다. 이른바 하네스 엔지니어링(harness engineering)으로 불리는 이 방식은 기업의 구체적인 업무 흐름과 이를 구동하는 AI 모델을 분리한다. 덕분에 기반 기술을 바꾸더라도 비즈니스 프로세스가 흔들리지 않는다. 특정 AI 공급자에 대한 과도한 의존을 피할 수 있는 구조다.

기술적으로는 모든 요소를 교체 가능한 부품으로 취급하는 모듈형 플러그인 아키텍처가 골격이다. AI 모델, 에이전트가 쓰는 도구, 특정 기술, 사용자 세션, 안전한 코드 실행을 위한 샌드박스, 파일 시스템까지 전부 플러그인으로 동작한다. 개발자는 이 부품들을 자유롭게 조합해 원하는 대로 조정할 수 있는 오케스트레이션 계층을 만들 수 있다. 특정 도구나 모델을 교체할 때 에이전트 동작 로직 전체를 다시 짜지 않아도 된다. 획일적인 구조에 얽매일 이유가 사라진 셈이다.

기업 AI 도입자에게 이 변화는 비즈니스 복원력의 핵심 축이다. 대형 AI 연구소가 제공하는 하네스에 의존하면 그 업체의 제약과 업데이트 주기에 발이 묶인다. 하네스를 내부로 가져와 조정 권한을 직접 쥐면 핵심 비즈니스 로직을 보호할 수 있다. AI 모델이 영구적인 기반이 아니라 교체 가능한 유틸리티가 되는 전략적 전환이다. 결과적으로 기업은 기술 스택을 빠르게 바꿔 경쟁 우위를 유지할 수 있고, 특정 업체 종속 위험은 줄어든다. AI 기반 운영의 장기 안정성은 그만큼 높아진다.

11채팅창이 앱이 된다 — AI가 화면까지 직접 만든다

채팅 인터페이스가 단순히 대화만 나누는 데 그치지 않고, 사용자의 문제를 해결하기 위해 실시간으로 맞춤형 시각 도구를 직접 만들어내는 방식이 등장했다. 미리 설계된 메뉴나 버튼에 의존하는 대신, AI가 현재 대화 맥락을 보고 디지털 화면의 모양과 기능을 스스로 결정한다. 텍스트 대화가 그 자리에서 완전히 작동하는 시각 애플리케이션으로 바뀌는 셈이다.

이를 가능하게 하는 핵심은 모델 컨텍스트 프로토콜(MCP) 도구다. AI 모델이 외부 도구나 데이터와 소통할 수 있게 해주는 표준화된 연결 통로 역할을 한다. 이 작업 흐름에서 MCP 도구는 모델이 웹 페이지를 만드는 표준 코드인 HTML을 채팅 호스트에 직접 전달하도록 허용한다. 보안과 안정성을 위해 이 코드는 샌드박스 처리된 iframe 안에서 렌더링되는데, 생성된 콘텐츠를 메인 애플리케이션과 분리해 보호하는 격리된 창이다. 이 구조 덕분에 클로드, ChatGPT, 퍼플렉시티 등 여러 인기 채팅 플랫폼에서 동일한 동적 인터페이스를 띄울 수 있다.

가장 큰 변화는 대형언어모델에 대한 완전한 자율권 부여다. 사람 개발자가 사용자가 마주칠 모든 화면을 일일이 설계하는 대신, 모델이 직접 경험을 구성한다. 사용 가능한 구성 요소를 평가하고, 사용자의 즉각적인 필요를 충족하기 위한 최적의 배치를 스스로 판단한다. 유연성과 동적 사용자 경험이라는 장점이 있지만, 개발자는 최종 시각 결과물에 대한 상당한 통제권을 내려놓아야 한다. 모델이 인터페이스의 주 설계자가 되고, 채팅 창은 단순한 텍스트 입력란에서 생성형 소프트웨어를 위한 다목적 캔버스로 바뀐다.

12AI가 UX를 설계하는 시대, 조직 운영 방식부터 바뀐다

AI가 주도하는 사용자 경험(UX)으로 전환하면 화면 디자인만 바뀌는 게 아니다. 회사가 일하는 방식 자체가 달라진다. 경영진은 사람, 제품, 프로세스라는 세 축을 전략적으로 다시 봐야 한다. AI가 사용자 흐름의 상당 부분을 결정하기 시작하면서, 모든 화면과 상호작용을 일일이 설계하던 기존 방식은 빠르게 낡은 것이 된다. 팀 간 협업 구조와 개별 직무 정의도 다시 짜야 한다.

제품 관리자나 UX 디자이너 같은 비기술 직군의 업무 성격은 시스템의 기반 논리를 다루는 쪽으로 이동했다. 사용자가 따라갈 선형 경로를 그리는 대신, AI가 어떤 데이터를 참조하고 어떤 규칙으로 움직일지 정의하는 일이 핵심이다. 구체적으로는 데이터 구조의 설계도인 스키마(schema)를 관리하고, 시스템 학습과 시험에 쓰는 합성 데이터(synthetic data)를 만든다. 사용자의 어떤 질문이 화면의 어떤 요소를 불러올지 연결 규칙을 정하는 것도 이들의 몫이다. 상호작용 패턴을 정의하는 이 작업은 전통적인 디자인 업무와 결이 완전히 다르다.

이 전환을 제대로 소화하려면 조직은 낡은 개발 주기의 경직성을 버리고 가벼운 프로세스를 도입해야 한다. 이 방정식에서 가장 중요한 변수는 사람이다. AI의 기술적 한계가 넓어질수록 디자이너와 엔지니어의 협업 모델도 함께 진화해야 한다. 경영진은 이 변화를 단순한 제품 업데이트로 취급해선 안 된다. 구성원에게 요구되는 직무 전환을 먼저 설계해야 한다. 제품 개발과 유연한 프로세스, 그리고 사람에 대한 투자를 균형 있게 가져갈 때, 조직은 내부 동요 없이 의도 중심 UX 모델로 이동할 수 있다.