AI 코딩 도구의 패러다임이 빠르게 바뀌고 있다. 핵심은 비용 절감과 개발 팀의 자율성 확대다.

먼저 자동 코드 리뷰의 번거로움을 획기적으로 줄인 Luna 5.6이 출시됐다. 오픈AI는 게임 개발의 복잡한 설계를 전담할 실험적 모델 Zinc와 Magnesium을 선보였다.

개발 효율을 극대화하려는 움직임은 계속된다. 클로드 코드는 복잡한 과업 수행을 위한 새로운 체계를 도입했고, Abacus AI는 여러 AI 모델을 한곳에서 골라 쓸 수 있는 통합 플랫폼(model aggregator)을 내놨다.

소프트웨어를 넘어 하드웨어 판도도 요동치고 있다. ASML과 CXMT가 변화를 주도하는 가운데, GLM 5.5 같은 초거대 모델은 매개변수(parameter) 규모의 한계를 계속 경신 중이다.

Hyper Agent 같은 플랫폼의 등장으로 '자율형 개발 팀'이 현실화되고 있다. 이에 맞춰 ChatLLM 등이 도입한 등급별 요금제처럼 AI 접근 권한을 세분화한 새로운 구독 모델도 빠르게 확산하는 추세다.

'제안 후 승인'이라는 인간 개입(human-in-the-loop) 시스템으로 자율형 업무 흐름(agentic workflow)의 안정성을 높이려는 시도부터, 프로젝트 전용 Ubuntu 24 LTS 환경 구축까지. 오늘 다이제스트는 기술 스택 전반의 핵심 업데이트를 짚어본다.

01루나 5.6 업데이트, 자동 검토 비용 10분의 1로 절감

오픈AI가 인프라를 개선하며 자동 검토 과정의 비용 부담을 크게 낮췄습니다. 챗GPT 앱과 코덱 CLI(codec CLI)의 자동 검토 기능을 기존 5.4 버전에서 루나(Luna) 5.6으로 업그레이드하고 새로운 가격 정책을 적용하면서, 운영 비용이 약 10배가량 줄어들 것으로 보입니다. 이번 변화로 AI가 스스로 작업을 수행하는 자율 행동 업무 흐름(agentic workflow)을 기업과 개인이 훨씬 부담 없이 활용할 수 있게 됐습니다. 긴급한 상황에서 즉각적인 결과가 필요한 API 고객을 위해 GPT 5.6의 '빠른 모드(fast mode)'도 도입됐습니다. 비용은 조금 더 들지만, AI의 지능 수준은 유지하면서 처리 시간을 획기적으로 단축할 수 있습니다.

이러한 비용 절감은 단일 범용 AI 모델 하나에 의존하던 방식에서, 각 분야에 특화된 AI 팀을 구성하는 방식으로의 전환을 가속화하고 있습니다. 그동안 많은 사용자는 AI에게 너무 많은 역할을 한꺼번에 부여하는 '과부하된 에이전트' 방식을 써왔습니다. 하나의 거대한 프롬프트에 연구, 설계, 코딩, 기획까지 모두 맡기는 식입니다. 하지만 이 방식은 AI가 처리하는 텍스트 단위인 토큰(token)을 과도하게 소비해 비용만 높이는 비효율을 낳습니다. 복잡한 목표를 잘게 쪼개어 전문화된 에이전트 팀이 나눠 맡는 것이 비용 면에서 훨씬 경제적이며, 결과물의 품질도 높습니다.

효율적인 AI 설계의 핵심은 전문화된 에이전트들이 서로 작업을 주고받는 파이프라인 구축에 있습니다. 예를 들어 HyperAgent와 같은 시스템에서는 연구 책임자가 정보의 정확성을 검증한 뒤 콘텐츠 제작자에게 넘기고, 다시 썸네일 감독에게 전달하는 식으로 업무가 흐릅니다. 일관성을 유지하기 위해 이런 시스템들은 반복적인 프롬프트 입력을 줄이는 '기술(skills)'과 기업별 가이드라인을 내재화하는 '기억(memories)' 기능을 활용합니다. 예를 들어, 과장된 홍보보다는 사실 위주의 보도를 우선시하도록 설정하는 식입니다. 앤스로픽 역시 클로드가 Gmail, Slack, HubSpot 같은 서비스와 연결해 기술을 활용할 수 있도록 지원합니다. AI가 외부 문서나 대화 내용에 직접 읽고 쓰기 권한을 갖게 되면서, 사람이 일일이 복사해서 붙여넣을 필요가 없어졌습니다. 이제 에이전트들은 같은 작업을 두고 경쟁하는 대신, 서로의 부족한 점을 채워주는 협업자로 진화하고 있습니다.

02오픈AI의 전략 수정 — 비용은 낮추고 게임 개발 시장 정조준

오픈AI가 오픈소스 진영에 맞서 '모델 효율성'으로 전략을 급선회했다. 무조건 가장 똑똑한 모델을 만드는 것보다, 서비스 비용을 낮추고 속도를 높여 개발자들의 진입 장벽을 허무는 데 집중하는 모습이다. 성과는 즉각적이다. GPT 5.6 Luna의 가격은 80%, GPT 5.6 Terra는 20% 낮아졌다. 인프라와 아키텍처를 최적화한 GPT 5.6 Sol이 이 비용 절감을 견인했다. 이러한 효율화는 ChatGPT 앱의 자동 리뷰나 codec CLI 같은 자율형 작업 흐름(agentic workflows)에도 적용된다. 버전을 5.4에서 5.6 Luna로 올리는 것만으로 자동 리뷰 비용을 약 10분의 1로 줄일 수 있다. 이제는 똑똑함보다 효율의 시대다.

비용 절감과 동시에 시간 효율을 극대화하려는 움직임도 보인다. 오픈AI는 API 내 GPT 5.6 Sol에 '패스트 모드(fast mode)'를 도입했다. 1초가 급한 핵심 운영 환경을 위한 기능으로, 일반 모드보다 최대 2.5배 빠른 처리 속도를 제공한다. 주목할 점은 속도를 높여도 지능 수준은 그대로 유지된다는 것이다. 물론 공짜는 아니다. 비용은 일반 가격의 두 배다. 예산보다 시간이 더 중요한 사용자들을 위한 맞춤형 도구다. 돈으로 시간을 사는 구조다.

효율성 너머의 비밀 병기도 준비 중이다. 오픈AI는 AI 성능 시험장인 Design Arena에서 Zinc와 Magnesium이라는 신규 모델을 비밀리에 테스트하고 있다. 특히 최근 Opus 5가 강세를 보인 게임 개발 분야를 집중 공략 중이다. 초기 테스트 결과는 다소 기복이 있었으나, 이는 모델 자체의 능력 부족이라기보다 테스트 프롬프트나 검증 장치(harness)의 설정 문제일 가능성이 크다. 잠재력은 이미 증명됐다. Magnesium 모델은 최근 단 14분 만에 작동 가능한 마인크래프트 복제판을 만들어냈다. AI 기반 게임 제작 시장의 주도권을 다시 가져오겠다는 의지다.

03클로드 코드는 어떻게 컴퓨터를 직접 조작할까?

클로드 코드는 단일 AI 모델이 아니라, 거대언어모델(LLM)이라는 '두뇌'와 이를 실제로 움직이게 하는 '자율형 검증 장치(agentic harness)'라는 소프트웨어 프레임워크의 결합체다. 사용자가 보기에는 AI가 파일을 읽고 코드를 실행하는 것처럼 보이지만, 정작 모델 자체가 컴퓨터에 직접 접근하는 일은 없다. LLM은 다음에 무엇을 해야 할지 예측하는 역할만 수행하고, 실제 실행 루프를 관리하며 명령을 수행하는 것은 검증 장치의 몫이다. LLM은 본질적으로 텍스트 예측기일 뿐, 스스로 API를 호출하거나 파일을 삭제할 능력이 없기 때문이다. 모델은 단지 그렇게 하고 싶다는 텍스트를 생성할 뿐이다. 모델은 생각하고, 장치는 움직인다.

이 과정은 끊임없는 루프로 구동된다. 모델은 도구의 이름, 설명, 필요한 입력 형식 등이 담긴 도구 정의서를 미리 전달받는다. 특정 도구가 필요하다고 판단하면, 모델은 어떤 도구를 어떤 인자로 사용할지 명시한 구조화된 텍스트(주로 JSON 형식)를 출력한다. 그러면 주변의 검증 장치가 이 텍스트를 해석해 실제 명령을 실행하고, 그 결과를 다시 모델의 컨텍스트 윈도우(context window)로 보내준다. 이 윈도우는 시스템 지침, 도구 정의, 대화 기록, 그리고 이전 실행 결과가 모두 합쳐져 계속 진화하는 하나의 거대한 프롬프트와 같다. 텍스트가 곧 명령어가 되는 구조다.

이러한 설계는 소프트웨어로 강제하는 안전장치(guardrails)를 통해 강력한 보안을 제공한다. 모델은 텍스트만 예측할 뿐이므로, 검증 장치에 설계된 규칙을 임의로 우회할 수 없다. 예를 들어 모델이 파일 삭제 같은 민감한 작업을 요청하면, 검증 장치는 '인간 개입(human-in-the-loop)' 메커니즘을 작동시켜 사용자가 승인 버튼을 클릭해야만 다음 단계로 넘어가게 만든다. 또한 모델이 너무 빠르게 작동해 시스템에 무리를 주지 않도록 실행 횟수 제한(rate limits)을 걸 수도 있다. 실행과 안전 점검을 모델 외부의 검증 장치로 완전히 분리함으로써, AI의 예측이 항상 엄격한 운영 제약 조건 내에서만 필터링되도록 보장한다. AI에게 전권을 주지 않는 것이 핵심이다.

04Abacus AI, 프롬프트 한 줄로 24시간 돌아가는 앱 구축

Abacus AI는 AI 개발 과정의 치명적인 빈틈을 메우려 한다. 바로 코드를 생성하는 단계에서 실제로 실행하는 단계로 넘어가는 과정이다. 기존 AI는 훌륭한 앱을 만들 수 있지만, 사용자가 노트북을 닫는 순간 그 앱은 사라진다. 이를 해결하기 위해 Abacus AI는 클라우드상에서 24시간 내내 작동하는 Ubuntu Linux 가상 머신, 즉 '슈퍼컴퓨터'를 도입했다. 데이터베이스, 저장소, GitHub 연동 등 필수 인프라를 모두 갖춰, 사용자는 단순한 영어 설명만으로 소프트웨어를 배포할 수 있다. 이제 AI가 만든 도구들은 전 세계 어디서든 접속 가능한 상시 가동 상태가 된다. 이제 AI가 짠 코드는 휘발되지 않는다.

이 생태계 안에서 회사는 Chat LLM과 Route LLM 기능을 선보였다. 특히 Route LLM은 사용자의 질문을 자동으로 분석해 가장 적합한 모델로 연결해 주는 경로 최적화 기능을 제공한다. 사용자가 일일이 모델을 고를 필요가 없다. 더 세밀한 제어를 원하는 사용자는 Qwen 2 같은 오픈소스 모델을 이 슈퍼컴퓨터에 직접 올려 쓰고, ChatGPT와 유사한 웹 인터페이스로 원격 조작할 수 있다. 이 모든 과정은 AI 에이전트가 돕는다. Ollama 설치나 특정 모델 크기 설정 같은 복잡한 기술 작업을 자동화해, 단 몇 분 만에 자체 호스팅 시스템을 구축한다. 모델 선택의 고민을 AI가 대신 한다.

이제 프롬프트 한 줄로 풀스택 애플리케이션(프론트엔드와 백엔드 전체) 개발이 가능하다. 예를 들어, 여러 사용자가 접속할 수 있고 서버가 재부팅되어도 데이터가 유지되는 PostgreSQL 데이터베이스 기반의 라이브 피드 앱 'We Social'을 만들 수 있다. Abacus AI 에이전트가 멀티플레이어 연결과 서버 관리 등 백엔드 전체를 처리하며, '컴퓨터 제어 동작(computer actions)'을 통해 UI가 의도대로 작동하는지 실시간으로 검증한다. 이렇게 만들어진 프로젝트는 전문적인 Linux 서비스 형태로 배포되어, 서버가 꺼져도 자동으로 재시작된다. 덕분에 24시간 내내 시장을 분석하고 거래를 실행하는 자율형(agentic) 트레이딩 실험 같은 복잡한 상시 시스템 구축이 가능해졌다. 프롬프트 한 줄이 실제 서비스가 되는 시대다.

05장비는 ASML이 쥐고, 메모리는 CXMT가 흔든다

현재 가장 강력한 AI 칩을 만드는 능력은 단 한 기업의 손에 달려 있다. 전 세계 테크 경제의 위험한 병목 지점이다. ASML은 극자외선 노광 장비(EUV) 시장을 독점하고 있다. 실리콘 웨이퍼에 가장 작고 효율적인 회로를 그리는 데 필수적인 초정밀 도구다. 대당 가격만 약 3억 달러에 달하며, TSMC가 NVIDIA의 AI 프로세서를 생산하기 위해 반드시 필요한 장비다. 차세대 AI 칩을 만들 유일한 방법이 이 장비뿐이기에, 업계 전체가 ASML의 생산 능력에 묶여 있다. 사실상 ASML이 AI 칩의 생사여탈권을 쥐고 있는 셈이다.

연산 능력만큼 중요한 것이 메모리다. ChatGPT나 클로드 같은 AI 모델, 그리고 24시간 가동되는 자율형 에이전트(autonomous agents)는 정보를 저장하고 맥락을 유지하기 위해 방대한 메모리를 필요로 한다. 수요는 완만하게 느는 것이 아니라 기하급수적으로 폭발하고 있다. 이 틈을 타 CXMT(ChangXin Memory Technologies)가 무섭게 성장했다. 기업공개(IPO) 첫날 주가가 466% 폭등하며 약 90억 달러를 조달했다. 이 과정에서 CXMT는 알리바바나 텐센트 같은 기존 거물들을 제치고 중국 상장사 중 기업 가치 1위에 올랐다. 현재 세계 4위의 D램(DRAM) 제조사로 성장했으며, 기업 가치는 Micron과 어깨를 나란히 한다. 메모리 패권의 중심이 빠르게 이동하고 있다.

하드웨어 자립을 향한 이런 움직임은 시장의 변동성을 키우고 있다. 최근 한 중국 기업이 심자외선(DUV) 장비 시제품을 개발했다고 발표했다. DUV는 EUV보다 구형 기술이지만, 투자자들은 민감하게 반응했다. 실제로는 5~10대 정도의 소규모 생산 계획이었음에도, 시장은 중국이 고성능 장비를 쏟아낼 것처럼 받아들였다. GPU 가격이 폭락하고 기존의 칩 제조 독점 체제가 무너질 수 있다는 공포가 확산된 것이다. 기술적 격차보다 무서운 것은 시장의 심리적 붕괴다.

06GLM 5.5: 1.6조 개 파라미터로 체급을 키운 오픈 모델의 정면 돌파

공개 가중치(open-weight) AI 시장의 판도가 바뀐다. 8월 초 출시 예정인 GLM 5.5가 그 주인공이다. 이 모델은 매개변수(parameter) 규모가 1.6조 개에 달해, 7,440억 개였던 이전 버전 GLM 5.2보다 두 배 이상 커졌다. 거대한 덩치를 효율적으로 운영하기 위해 '전문가 혼합(mixture of experts)' 구조를 도입했다. 모델을 여러 전문 분야로 나누고, 특정 작업에 필요한 '전문가' 부분만 활성화해 연산 낭비를 줄이는 방식이다. 체급이 곧 지능이라는 정공법을 택했다.

소프트웨어의 규모뿐 아니라 하드웨어 전략에서도 과감한 변화가 보인다. GLM 5.5는 화웨이 칩을 활용해 중국 내수 칩 최적화를 진행한다. 외산 칩 의존도를 낮추고 국산 하드웨어에 맞춤 설계함으로써 전체적인 구동 효율을 극대화하겠다는 계산이다. 이는 공급망 불안정이나 외부 제재 리스크를 줄이고 개발 동력을 유지하기 위한 필수적인 선택이다. 하드웨어 자립 없이는 AI 주권도 없다는 판단이다.

이러한 공격적인 확장 전략은 현재 AI 업계의 치열한 생존 경쟁을 보여준다. 오픈AI 같은 선두 주자들이 기존 모델의 비용 절감과 효율화에 집중하는 사이, 오픈 소스 진영은 압도적인 체급으로 격차를 좁히는 전략을 쓴다. GLM 5.5를 1.6조 개 파라미터까지 끌어올려 공개 모델의 정점을 탈환하겠다는 목표다. 사용자나 개발자에게는 폐쇄적인 상용 시스템을 대체할 강력하고 투명한 대안이 생기는 셈이다. 결국 화웨이 칩 최적화가 이 거대한 설계도를 얼마나 현실적으로 뒷받침하느냐에 성패가 달렸다.

07잠들지 않는 AI 직원 — Hyper Agent의 24시간 자율 업무 체제

사람이 일일이 지시하지 않아도 스스로 움직이는 디지털 인력을 상상해 보자. Hyper Agent는 AI를 단순한 일회성 채팅 도구에서 상시 가동되는 전문 AI 팀으로 진화시켰다. 사용자가 매번 프롬프트를 입력해야 하는 기존 방식과 달리, 각 AI에게 전담 역할과 도구, 그리고 개별 기억 장치를 부여한다. 덕분에 이미지 생성이나 웹 서핑 같은 복잡한 과업을 AI끼리 협업해 독립적으로 완수한다. 거대한 목표를 작은 전문 역할로 쪼개어 처리함으로써, 하나의 AI가 과부하로 인해 효율이 떨어지거나 비용이 치솟는 문제를 해결했다. 채팅 도구가 아니라 실제 팀이 된 것이다.

이러한 자율성의 핵심은 '라이브 모드(live mode)'다. 이 기능을 켜면 AI 팀은 Hyper Agent 내부에서 상주하며 사람이 깨우지 않아도 24시간 내내 작동한다. 수동적인 도구였던 AI가 매일 스스로 일하는 능동적인 직원으로 변하는 지점이다. 사용자는 작업 주기나 맞춤형 일정을 설정해 AI가 특정 시간대에 반복적으로 업무를 수행하게 할 수 있다. AI가 백그라운드에서 리서치를 지속하거나 작업 흐름(workflow)을 실행하므로, 사람이 일일이 시작 버튼을 누를 때까지 프로젝트가 멈춰 있을 필요가 없다. 명령을 기다리지 않고 먼저 움직인다.

사람이 계속 감시하지 않아도 상황을 파악할 수 있도록 Slack, Telegram, Gmail 같은 협업 툴과 직접 연동된다. AI는 요약 보고서나 작업 결과물을 사용자의 이메일이나 메시지로 즉시 전송한다. YC 지원을 받은 자율형(Agentyc) 영상 편집기 CardBoard의 야외 광고 캠페인 사례가 대표적이다. AI 팀은 스스로 브랜드 가치를 분석하고 로스앤젤레스 전역의 기업들을 조사해 최적의 빌보드 광고 위치를 찾아냈다. 전문적인 기억 능력과 예약 실행 기능이 결합되어, 리서치와 기획이라는 고된 작업은 AI가 도맡고 사람은 최종 결과만 확인하면 된다. 인간은 관리자로 남고, 실행은 AI가 한다.

08Abacus 요금제 — 월 10달러로 누구나 쓰는 AI 개발 환경

Abacus가 사용자 수준에 맞춘 계층형 요금제를 도입하며 진입 장벽을 대폭 낮췄다. 취미 생활자나 개인 실험자를 위해 월 10달러의 기본 플랜을 내놓았고, 더 고도화된 기능이 필요한 사용자는 10달러를 추가해 프로 플랜을 쓸 수 있다. 현재는 출시 기념 혜택으로 첫 달 비용을 7달러까지 낮춘 상태다. 사용자가 큰 비용 부담 없이 환경의 효용성을 먼저 확인하게 하려는 전략이다. 부담 없이 써보고 결정하라는 계산이다.

단순히 인터페이스만 제공하는 게 아니라, 제대로 된 개발 환경을 통째로 빌려준다는 점이 핵심이다. 원격 제어 방식(SSH)으로 접속 가능한 리눅스 기반 운영체제(Ubuntu) 환경이 그대로 제공된다. 이 안에서 데이터베이스는 물론, 소프트웨어를 표준화된 단위로 묶어 배포하는 도구(Docker) 같은 실제 서비스들을 모두 사용할 수 있다. 초보자는 AI 에이전트의 도움을 받아 도구들을 다루면 되고, 숙련자는 터미널에 직접 접속해 시스템의 제약 없이 자유롭게 작업할 수 있다. 껍데기만 제공하는 서비스와는 차원이 다르다.

가장 중요한 점은 플랫폼 종속성보다 사용자의 소유권과 이동성을 우선했다는 것이다. GitHub와 연동되기 때문에 시스템 내에서 개발한 모든 소프트웨어는 온전히 사용자의 소유가 된다. 이는 특정 서비스에 갇혀 다른 곳으로 옮기기 어렵게 만드는 '락인(lock-in) 효과'에 대한 업계의 불만을 정면으로 해결한 지점이다. 외부 버전 관리 시스템과 통합된 개방형 구조를 통해, 사용자가 인프라에 저당 잡히지 않고 언제든 프로젝트를 옮길 수 있도록 보장했다. 플랫폼의 인질이 되지 않게 만들었다.

09월 10달러로 자율형 AI까지? Chatter LM의 유료 멤버십 전략은?

Chatter LM이 월 10달러부터 시작하는 유료 멤버십을 도입했다. 단순한 구독 모델을 넘어, 더 강력한 자율형(agentic) 기능과 이미지 생성 도구를 제공하는 것이 핵심이다. 여기서 자율형 기능이란 AI가 단순히 질문에 답하는 수준을 넘어, 스스로 계획을 세우고 여러 단계의 과업을 수행하거나 복잡한 업무 흐름(workflow)을 사람의 개입 없이 처리하는 능력을 말한다. 단순한 답변기가 아니라, 진짜 '일꾼'을 고용하는 셈이다. 이제 사용자들은 텍스트 기반의 상호작용을 넘어 AI가 사용자를 대신해 실제로 업무를 수행하는 환경을 누릴 수 있게 됐다.

이미지 생성 기능 역시 단순한 결과물 도출을 넘어 정교한 제어 권한을 제공한다. 예를 들어 달팽이 이미지를 생성한 뒤, 사용자가 원하는 방향으로 결과물을 계속해서 다듬는 반복 수정이 가능하다. 구도를 세밀하게 조정하거나 디테일을 깊게 파고드는 정밀한 요청이 가능하며, 줌(zoom) 기능을 통해 특정 부분을 확인하고 수정할 수 있다. 최종 결과물을 즉시 다운로드하는 편의성까지 갖췄다. 단순한 이미지 생성기를 넘어 시각 콘텐츠 제작을 위한 전문 작업대(workstation)로 진화한 모습이다.

진입 가격을 10달러로 책정하며 일반 창작자와 소규모 개발자까지 사용자 층을 넓히겠다는 계산이다. 특히 자율적인 과업 처리와 고화질 이미지 생성을 하나의 유료 티어에 통합한 점은 '범용성'에 집중한 전략으로 읽힌다. 사용자가 서로 다른 AI 서비스에 여러 번 구독료를 낼 필요 없이, 생산성과 창의성 도구를 한곳에서 해결하게 만들었다. 파편화된 AI 구독 시대의 종말을 겨냥했다. 이는 비용 부담을 줄일 뿐 아니라, 자율형 에이전트에게 지시를 내리고 시각 자료를 다듬는 전체 과정의 효율을 극대화한다.

10ChatLLM, 월 10달러로 통합한 디자인과 코딩 도구

개인과 소규모 사업자가 고성능 AI 도구를 쓰는 문턱이 낮아지고 있다. ChatLLM은 월 10달러부터 시작하는 멤버십 체계를 통해 시장에 진입했다. 비싼 기업용 계약 없이도 일상적인 업무 흐름(workflow)에 자동화를 도입할 수 있게 된 것이다. 비용 부담을 덜어내면서 다양한 생성형 AI 기능을 마음껏 실험해 볼 수 있는 환경이 마련됐다. 진입 장벽이 사라졌다.

이 플랫폼의 강점은 특정 분야에 국한되지 않은 범용성에 있다. 코딩부터 시각적 디자인, 챗봇 구축까지 복잡한 작업들을 한곳에서 처리할 수 있다. 챗봇의 구조를 설계하는 기획 단계부터 최종 결과물을 내놓는 발표 단계까지, 플랫폼을 옮겨 다닐 필요가 없다. 백엔드의 기술적 구현과 프론트엔드의 시각적 디자인을 동시에 해결하며 작업 효율을 극대화했다. 도구의 파편화를 막은 통합의 힘이다.

실제 활용 사례로 디지털 프레젠테이션 제작을 들 수 있다. '사계절의 여정' 같은 주제를 입력하면 텍스트 생성은 물론, 슬라이드의 레이아웃과 스타일까지 AI가 직접 결정한다. 계절별 색감이나 그룹핑 같은 디자인적 선택은 사용자 취향에 따라 다를 수 있지만, 핵심은 전문가 수준의 결과물을 뽑아내는 압도적인 속도에 있다.

결국 월 10달러라는 가격과 폭넓은 기능의 결합은 콘텐츠 제작 방식을 근본적으로 바꾼다. 챗봇을 배포하든 시각 자료를 만들든, 기존에는 여러 개의 유료 서비스를 구독해야 했던 일들을 이제는 하나의 도구로 해결할 수 있다. 일반 사용자에게 디자인과 코딩을 아우르는 중앙 허브를 제공함으로써, 경제적 부담 없이 디지털 툴킷을 단순화한 셈이다.

11AI의 초안과 인간의 승인 — 자산 보안의 안전장치

AI 자율형 에이전트(AI agent)에게 민감한 데이터나 금융 계좌의 모든 권한을 맡기는 것은 위험한 도박이다. AI는 정보 처리 능력이 뛰어나지만, 본질적으로 '확률적'으로 작동하는 팀원이다. 절대적인 확신이 아니라 가능성에 기반해 답을 내놓는다는 뜻이다. 중요한 기밀이나 자금 이동 권한이 있는 상태에서 이런 불확실성은 치명적인 오류로 이어진다. 안전장치 없는 자율성은 곧 재앙이다. 이제 AI의 단독 실행이 아니라, 체계적인 견제와 균형이 작동하는 업무 흐름(workflow)으로 전환해야 한다.

보안 프레임워크는 '제안-승인-집행'이라는 단계적 장치로 이 문제를 해결한다. 이 모델에서 AI 에이전트는 최적의 경로를 계산하고 실행 계획을 짜는 '지적 노동'만 담당한다. 실제 실행 권한은 완전히 박탈된다. AI가 계획을 제안하면 사람이 이를 검토해 승인하고, 마지막으로 '서명 도구(signer)'라는 특수 장치가 원장(ledger)에 거래를 기록하며 집행한다. 복잡한 계산은 AI가 하되, 실제 가치가 이동하는 최종 결정권은 사람이 쥐는 구조다.

Ledger는 AI 에이전트가 처리하는 거래의 보안을 위해 이 방식을 그대로 적용했다. 예를 들어, 사용자가 AI에게 "최소한의 교환으로 이더리움(ETH) 비중을 전체 자산의 40%로 맞추라"고 지시한다고 가정하자. AI는 수학적 계산을 통해 필요한 교환 경로를 설계하지만, 거래를 확정 지을 수는 없다. 거래 내역은 Ledger의 서명 도구에 머물며, 사용자가 명시적으로 승인할 때까지 동결 상태로 유지된다. 제안과 집행의 분리가 핵심이다. 이를 통해 사용자는 AI의 효율성을 누리면서도, 확률적 행동이 불러올 리스크를 차단하는 강력한 보안 벽을 유지할 수 있다.

12Abacus: 내 컴퓨터를 꺼도 AI가 24시간 일하는 가상 환경 구축

이제 사용자는 직접 하드웨어를 맞추거나 복잡한 서버를 설정할 필요 없이, 24시간 내내 작동하는 자율형 AI 에이전트를 배포할 수 있다. Abacus는 AI 에이전트가 상주하며 리서치를 수행하거나 거래를 실행하는 등 실시간 작업을 처리할 수 있는 지속형 환경을 제공한다. 일반 사용자 입장에서는 인프라 관리라는 번거로운 작업을 플랫폼이 대신 처리해 주는 셈이다. 사용자가 오프라인 상태여도 AI는 멈추지 않는다. 덕분에 데이터베이스나 서버 관리라는 진입 장벽 없이, 실제 환경에서 자율형 AI를 실험하는 과정이 매우 단순해졌다.

내부적으로는 실제 Ubuntu 24 LTS 리눅스(Linux) 환경을 제공해 이를 구현했다. 단순한 채팅 창에 갇히지 않고, 기술적 이해도가 높은 사용자는 원격 터미널 접속 방식(SSH)을 통해 시스템 내부로 직접 들어갈 수 있다. 이 가상 머신은 프로세서 2코어, 메모리 8GB, 디스크 공간 48GB를 갖춘 표준 리눅스 서버다. 단순한 AI 도구가 아니라 실질적인 워크스테이션이다. 엔지니어는 서비스와 데이터베이스 등 시스템 내부를 투명하게 직접 관리할 수 있다.

인프라 구조 또한 개방적이다. 애플리케이션을 독립된 컨테이너 단위로 묶어 실행하는 표준 도구인 Docker를 지원한다. 실제 Ubuntu 환경이기에 사용자에게 숨겨진 것이 없다. AI 에이전트를 통하거나 SSH로 직접 접속해 모든 것을 제어할 수 있다. 특히 GitHub와 연동되어 이 환경에서 개발한 모든 소프트웨어는 사용자의 소유로 남는다. 특정 플랫폼에 종속되어 벗어나지 못하는 벤더 록인(vendor lock-in) 문제를 원천 차단했다. 사용자는 언제든 원하는 시점에 소프트웨어와 데이터를 다른 서비스 제공자로 옮길 수 있다.