인공지능의 지형이 바뀌고 있다. 단순한 성능 향상을 넘어, 모델이 무엇을 할 수 있는지에 대한 정의 자체가 다시 쓰이는 중이다. 이제는 결과물의 질이 아니라 구조의 싸움이다.

Prime Intellect는 '프라임 에이전트 검증 장치(Prime Agent harness)'를 통해 까다로운 ARC-AGI 벤치마크에서 인간 수준의 성능을 넘어섰다. 이는 AI가 단순한 데이터 학습을 넘어 고도의 추론 능력에서 임계점을 넘었음을 시사한다. 이러한 변화는 소프트웨어를 만드는 방식의 전환과 맞물려 있다. 개발자들은 이제 단순 반복 구조의 시스템 대신, 특화된 도구 세트를 효율적으로 관리하고 시스템 안정성을 높이는 그래프 엔지니어링(graph engineering)을 적극적으로 도입하고 있다.

개발 현장의 경험 또한 급변하고 있다. 새로운 자동화 도구들이 코드 수정 요청(pull request)의 양을 폭발적으로 늘리면서, 인간의 역할이 바뀌고 있다. 기초적인 코드를 짜는 일은 AI가 맡고, 사람은 상위 수준의 비즈니스 운영을 설계하는 역할로 이동하는 추세다. 코딩의 시대가 가고 설계의 시대가 왔다.

모델 패권 경쟁은 여전히 치열하다. 구글은 내부 리더십 교체라는 변수 속에서 제미나이 4(제미나이 4)를 통해 다시금 리더보드 정상 탈환을 노린다. 동시에 오픈 웨이트(open weights) 모델의 새로운 수익화 전략을 실험하고, Cloudflare Wallets를 통한 자율 금융 거래 가능성을 타진하고 있다. AI가 디지털 경제의 핵심 인프라로 깊숙이 침투하고 있다는 증거다.

Grok 라인업의 확장과 오픈AI의 'Doug' 프로젝트에 대한 기대감도 높다. 현재 업계는 단순한 연산 능력의 확장이라는 '힘'의 논리와, 실제로 믿고 맡길 수 있는 '자율형 업무 흐름(agent-driven workflows)'이라는 실용적 가치 사이에서 균형을 찾는 중이다. 결국 최후의 승자는 얼마나 신뢰할 수 있는 자율성을 구현하느냐에 달려 있다.

01구글 제미나이 4, 9위까지 밀려난 AI 왕좌 탈환전

구글이 글로벌 AI 순위 하락을 막기 위해 총력을 기울이고 있다. 제미나이 4는 단순한 신제품 출시를 넘어, 추락한 위상을 되살리기 위한 절박한 회복책이다. 현재 제미나이의 경쟁력은 8~9위권까지 밀려나며 위태로운 상황이다. 특히 중국의 상위권 오픈소스 모델들에게마저 뒤처지며 업계 주도권을 빠르게 잃고 있다. 이제 남은 카드는 차기 메이저 업데이트뿐이다.

제미나이 4로 급하게 방향을 튼 배경에는 제미나이 3.5 Pro의 비밀스러운 개발 중단 소식이 있다. 이 모델은 이미 6월과 7월에 여러 차례 출시가 지연되며 사실상 폐기됐다는 관측이 지배적이다. 일각에서는 구글이 Pro 모델의 공백을 메우기 위해 제미나이 4를 무리하게 앞세우고 있다고 분석한다. 중단된 3.5 Pro의 기능을 제미나이 3.7 Flash 같은 다른 버전으로 재포장해 내놓을 가능성도 크다. 제미나이 3.5 Flash와 3.6 Flash를 빠르게 출시했던 기존 전략의 연장선이다. Pro 모델의 공백을 메우기 위한 무리수라는 분석이다.

경쟁사들의 가파른 성장세가 구글을 더욱 압박하고 있다. 징검다리 모델로 내놓은 제미나이 3.6 Flash조차 메타의 Museark 1.2보다 성능이 떨어진다는 평가가 나온다. 임시방편식 업데이트로는 경쟁 속도를 따라잡지 못하고 있다는 증거다. 구글은 제미나이 4가 해결책이 될 것이라 주장하지만, 시장의 시선은 냉담하다. SemiAnalysis 분석가들은 세대 교체만으로는 현재의 하락세를 되돌리기 역부족이라고 지적한다. 이제 구글의 AI 독주는 옛말이다. 오픈소스 진영과 메타 같은 강자들이 그 격차를 완전히 지웠다.

02구글의 AI 생존 전략 — 제미나이 4에 건 마지막 승부수

구글이 글로벌 AI 시장 주도권을 되찾기 위한 중대한 기로에 섰다. 현재 구글은 제미나이 4 개발을 통해 업계 성능 지표(leaderboard)의 최상단 자리를 탈환하려는 고위험 전략을 펼치고 있다. 기존의 발전 속도로는 경쟁사를 앞지르기 어렵다는 판단이 깔려 있다. 일반 사용자 입장에서 보면, 구글은 이제 점진적인 개선을 포기했다. 단 한 번의 거대한 도약으로 잃어버린 위상을 회복하겠다는 배수진을 친 셈이다.

이러한 조급함은 제미나이 3.5 Pro의 한계에서 비롯됐다. 한때 핵심 전략이었던 제미나이 3.5 Pro는 더 이상 구글을 1위로 돌려놓을 카드가 되지 못했다. 이 때문에 구글이 제미나이 3.5 Pro 프로젝트를 전격 취소했다는 소문까지 돌고 있다. 승산 없는 모델에 매달리기보다 모든 마케팅과 엔지니어링 역량을 제미나이 4로 집중시키겠다는 계산이다. 제미나이 4는 이제 급변하는 AI 시장에서 구글의 입지를 회복하기 위한 '최후의 수단(hail mary)'이 됐다.

문제는 이런 급격한 방향 전환이 구글 DeepMind 내부의 극심한 혼란 속에서 이뤄지고 있다는 점이다. 내부 갈등과 조직적 마찰이 AI 로드맵 실행력을 심각하게 저해하고 있다. 제미나이 3.5 Pro를 버리고 다음 버전으로 건너뛰려는 결정은 내부의 불안정함과 외부의 압박이 맞물린 결과다. 제미나이 4에 모든 희망을 걸었다는 것은 그간의 노력이 실패했음을 구글 스스로 인정한 꼴이다. 이제 제미나이 4의 성공은 단순한 기술적 자존심을 넘어, AI 서열 내 구글의 생존과 직결된다.

03창립자들이 짐을 싼다? 구글 딥마인드에 무슨 일이 벌어지고 있나?

구글 딥마인드가 심각한 내부 흔들림을 겪고 있다. 조직의 상징과도 같은 핵심 인물들이 퇴사를 고민하고 있다는 소식이 전해졌다. 특히 데미스와 제프 딘 같은 상징적인 리더와 기초 연구자들이 이탈 가능성을 내비쳤다. AI 개발의 최전선인 이곳에서 핵심 인재들이 한꺼번에 빠져나갈 수 있다는 점은 내부 상황이 매우 불안정함을 시사한다. 현재의 리더십 구조가 과연 지속 가능한지에 대한 의문이 나오는 지점이다. 핵심 인재의 이탈은 곧 경쟁력의 상실이다.

이미 코리가 새로운 수장으로 자리를 잡았지만, 내부의 갈등은 가라앉지 않은 모습이다. 창립 멤버와 핵심 연구자들이 동시에 출구를 찾는다는 것은 조직 내부에 심각한 불협화음이 있다는 증거다. 보통 이런 갈등은 전략적 방향성이 모호하거나 경영 방식에 대한 불만이 쌓였을 때 발생한다. 여기에 자금 지원 문제까지 겹치면서, 과거의 성공을 이끌었던 주역들이 더 이상 이곳에서 목표를 이룰 수 없다고 판단한 것으로 분석된다. 성과가 좋다고 조직이 건강한 것은 아니다.

이번 사태의 파장은 매우 크다. 데미스와 제프 딘 같은 인물들이 떠나면 그들이 가진 방대한 지식과 비전이 한꺼번에 사라지기 때문이다. 기술의 뼈대를 만든 설계자들이 회사를 떠나려 한다는 것은 연구진과 경영진 사이의 신뢰 관계가 무너졌음을 의미한다. 구글 딥마인드에 이는 혁신 속도의 저하와 경쟁력 약화로 직결된다. 최고의 인재를 끌어오고 유지하는 능력이 곧 성패를 가르는 AI 산업에서, 리더십의 균열은 구글의 미래 경로를 위태롭게 만드는 결정적 변수다. 결국 AI 전쟁은 사람이 결정한다.

04챗봇을 전문 비서로 바꾼 설계도 — 구글이 만든 트랜스포머의 힘

현재 우리가 쓰는 모든 거대언어모델(LLM)은 하나의 결정적인 구조적 혁신 덕분에 작동한다. 방대한 데이터를 처리해 인간처럼 자연스러운 문장을 만드는 능력은 바로 이 설계의 변화에서 나왔다. 사실상 현대 AI 생태계 전체를 움직이는 동력이다. 일반 사용자 입장에서 이는 단순한 챗봇과 복잡한 전문 업무를 수행하는 고성능 AI 비서의 결정적인 차이를 만든다. AI가 맥락과 뉘앙스를 이해하게 된 것은 우연이 아니라, AI를 만드는 방식 자체가 근본적으로 바뀌었기 때문이다.

이 핵심 토대를 세운 곳이 구글이다. 구글은 2017년 'Attention is All You Need'라는 기념비적인 논문을 통해 트랜스포머(transformer) 구조를 세상에 공개했다. 기계가 정보를 처리하는 완전히 새로운 방식을 제시하며, 현재 모든 LLM이 작동할 수 있는 기술적 뼈대를 구축했다. 구글은 단순히 모델 하나를 개선한 것이 아니라, 현재의 AI 시대를 이끄는 엔진 자체를 발명했다.

이 성과가 얼마나 결정적인지는 현재 AI 시장의 구조만 봐도 알 수 있다. 수많은 기업이 더 뛰어난 모델을 만들기 위해 경쟁하고 있지만, 결국 모두가 'Attention is All You Need'의 저자들이 닦아놓은 길을 따라가고 있다. 트랜스포머 구조는 업계의 필수 설계도와 같다. 오늘날 가장 경쟁력 있는 AI 도구들의 성능은 결국 구글의 이 단 한 번의 혁신에 뿌리를 두고 있다. 데이터의 순서를 처리하는 핵심 난제를 해결함으로써 AI 발전 속도를 폭발적으로 끌어올리는 기폭제 역할을 했다. 이 구조적 혁신은 보이지 않지만 대체 불가능한 핵심으로 남아 있다. 2017년의 그 돌파구가 세운 원칙 위에서 AI 생태계는 지금 이 순간에도 진화하고 있다.

05단순 반복에서 체계적인 조직으로 — 자율형 AI의 설계도가 바뀐다

AI 개발의 중심이 단일 작업용 봇에서 여러 전문 에이전트가 협업하는 체계적인 시스템으로 옮겨가고 있다. 그 과정은 단계적이었다. 지시어를 짜는 프롬프트에서 시작해 정보 관리를 위한 컨텍스트를 거쳐, 모델이 실제로 일을 수행하게 돕는 도구와 권한의 집합인 실행 환경(harness) 단계로 진화했다. 이제는 '루프(loop)'를 넘어 '그래프(graph)'의 시대로 진입했다. 루프가 하나의 에이전트가 목표를 달성할 때까지 실행과 검증을 반복하는 개별 행동 양식이라면, 그래프 엔지니어링은 AI 전체의 조직 구조를 설계하는 일이다. 설계의 단위가 개별 행동에서 조직 체계로 확장된 셈이다.

그래프 기반 시스템에서 AI는 '노드(node)'라는 단위로 구성된다. 여기에는 전문 에이전트, 경로를 정하는 라우터, 혹은 인간 승인 단계가 포함되며, 이들은 데이터와 작업의 흐름을 정의하는 '엣지(edge)'로 연결된다. 개발자는 이를 통해 각 에이전트에게 명확한 역할과 안정적인 관계를 부여한 다중 에이전트 시스템을 설계할 수 있다. 예를 들어 조사, 제작, 편집, 발행으로 이어지는 복잡한 업무 흐름(workflow)을 하나의 조직 그래프로 관리하면, 각 에이전트는 특정 영역을 전담하며 시간이 흐를수록 고유한 기억을 축적한다. 단일 루프 구조보다 훨씬 강력한 복원력과 통제력을 갖게 된다. 허용된 인수인계 경로와 정보의 상태가 명확히 정의되기 때문이다. 이제 AI는 단순한 도구가 아니라 하나의 가상 조직으로 작동한다.

기술적 진화와 동시에 AI 기업들은 수익 모델을 지키기 위한 '라이선스 시대'에 진입하고 있다. 모델이 사회의 기초 인프라가 되면서, 모델의 핵심 파라미터인 오픈 웨이트(open weights)를 무조건 무료로 풀기보다 수익 공유 모델을 통해 가격 결정권을 유지하려는 전략이다. Moonshot이 출시한 Kimi K3가 대표적이다. 이들은 일주일간 웨이트를 비공개로 유지한 뒤, 주요 추론 서비스 제공사들과 30%의 수익 공유 계약을 체결했다. 일종의 '통행료'를 걷는 방식이다. 이렇게 되면 Open Router 같은 제3자 플랫폼이 과도한 할인 경쟁을 벌이는 것을 막을 수 있고, 원천 개발사가 모델의 시장 가치를 직접 통제할 수 있다. 무료 배포의 시대가 가고, 철저한 계산의 시대가 왔다.

06Prime Agent: 인간의 추론 능력을 넘어선 AI의 등장

AI가 일반 추론 영역에서 새로운 이정표를 세웠다. Prime Intellect가 공개한 Prime Agent는 ARC-AGI 벤치마크에서 인간의 능력을 앞질렀다. 이 시험은 한 번도 접하지 못한 퍼즐을 풀거나 새로운 기술을 습득하는 능력을 측정하는 까다로운 테스트다. 단순한 패턴 인식을 넘어 인간처럼 유연하게 생각하는 지능으로 진화하고 있다. 패턴 인식의 시대가 가고 진짜 지능의 시대가 왔다.

핵심은 AI가 코딩과 장기 자율 과제를 수행하는 방식을 관리하는 자가 개선 평가 틀(harness)에 있다. 정해진 지침에 의존하는 대신, AI가 스스로 작업 과정을 다듬으며 최적의 해답을 찾아낸다. 문제 해결을 위한 사고 과정 자체를 자동화함으로써, 과거에는 인간 전문가의 직관과 창의적 추론이 필요했던 영역까지 정복했다. AI가 스스로 생각하는 법을 배우기 시작했다.

결과는 압도적이다. ARC-AGI 3 테스트에서 Prime Agent는 95.54점을 기록하며 공식적으로 인간의 성능을 넘어섰다. 이 시스템의 범용성 또한 뛰어나다. Opus 5 모델에 적용했을 때 95.5점을 기록하며, 기존 고성능 모델의 추론 능력과 정확도를 전례 없는 수준으로 끌어올릴 수 있음을 증명했다. 이제 인간은 더 이상 추론의 절대 강자가 아니다.

이는 자율형 AI 에이전트의 궤적을 바꾸는 결정적인 전환점이다. 자가 개선 능력과 자율 과제 수행을 결합함으로써, Prime Intellect는 AI가 장기간 독립적으로 작동할 수 있는 경로를 제시했다. 업계 전반으로 보면, 단순히 프롬프트를 따르는 도구를 넘어 소프트웨어 공학이나 일반 논리 문제의 난제를 풀기 위해 스스로 논리를 수정하는 도구로 진화함을 의미한다. 프롬프트의 시대가 저물고 자율 논리의 시대가 열린다.

07개발 방식의 변화 — AI가 짜고 도구가 배포하는 시대

소프트웨어 개발 방식이 작업 난이도에 따라 AI 모델을 골라 쓰는 계층형 전략으로 바뀌고 있다. 처음 무에서 유를 만드는 단계에서는 앤스로픽 모델을 쓰고, 정교한 추론과 다듬기가 필요할 때는 오픈AI 모델로 갈아탄다. 단순 반복 작업은 비용이 저렴한 오픈소스 모델에 맡긴다. 가장 어려운 문제에만 최강의 추론 능력을 배치해 비용과 성능을 모두 잡겠다는 계산이다. 효율의 시대다.

배포 속도를 높이기 위해 개발자들은 백엔드 서비스인 Supabase를 결합한다. Supabase는 AI 연결 도구와 데이터 구조(table schemas), 권한 관리 시스템(role-based access control)을 제공해 복잡한 API 키 관리 수고를 덜어준다. 여기에 클로드 코드가 모델 컨텍스트 프로토콜(Model Context Protocol)이라는 표준 규격을 통해 외부 도구와 연결되면서 자동화 수준은 더 높아졌다. 이제 개발자는 관리자 화면을 일일이 누를 필요 없이, 클로드 코드 내에서 명령어로 Supabase 환경 전체를 설정한다. 수동 작업의 시대가 끝났다.

복잡한 파이썬 기반 소프트웨어에서는 LangGraph나 LangChain 같은 프레임워크를 사용해 여러 자율형 AI(AI agents)가 서로 어떻게 소통하고 정보를 관리할지 설계한다. 기업 단위의 대규모 코드 개편에는 Blitzee 같은 도구가 투입된다. Blitzee는 며칠에 걸쳐 프로젝트 전체를 학습해 시스템을 완전히 이해한 뒤, 수십만 줄의 코드를 생성해 낡은 소프트웨어를 최신 상태로 바꾼다. 규모의 경제를 코딩에 적용한 사례다.

하지만 이런 자동화에는 치명적인 결함이 있다. 설계(architecture)보다 속도를 우선시하는 경향이다. AI는 변경 사항을 깊이 고민하는 대신, 키워드 검색으로 파일을 찾아 즉각 수정하는 방식을 택한다. 이는 건강한 코드 상태를 유지하는 데 필수적인 깊은 추론 과정을 생략하는 행위다. 일각에서는 LLM이 지난 50년간 쌓인 소프트웨어 공학의 실무적 경험이 없기에, 결코 범용 인공지능(AGI) 수준으로 성장할 수 없을 것이라고 비판한다. 속도가 정교함을 잡아먹었다.

08내 컴퓨터에서 직접 학습시킨다 — Qwen 3.6가 연 로컬 AI 시대

AI를 개인 컴퓨터에서 직접 구동하면 인터넷 연결이나 비싼 클라우드 비용 걱정 없이 생산성을 유지할 수 있다. 특히 Qwen 3.6는 이런 로컬 환경 구축에 최적화된 모델로 꼽힌다. 사용자는 모델의 복잡도와 성능을 결정하는 내부 변수인 매개변수(parameters)를 최대 270억 개까지 처리하는 모델을 자신의 하드웨어에서 직접 관리할 수 있다. 이제 고성능 AI의 도움을 받기 위해 기업 서버에 매달릴 필요가 없다. 업무 흐름(workflow)의 주도권이 완전히 사용자에게 넘어왔다.

이러한 로컬 실행 능력은 일반 모델을 특정 데이터로 추가 학습시켜 특정 작업에 최적화하는 미세 조정(fine-tuning) 과정에서 특히 유용하다. 전문가들은 이를 통해 틈새 프로젝트에 맞게 AI를 최적화하거나, 비행기 안처럼 인터넷이 안 되는 환경에서도 작업을 이어갈 수 있다. 클로드 코드(클로드 코드)나 Cursor 같은 클라우드 기반 소프트웨어가 설정의 편의성을 제공한다면, Qwen 3.6를 로컬에서 돌리는 것은 외부 제공자에 대한 의존성을 없애고 반복적인 작업 시 발생하는 크레딧 비용을 완전히 없애는 실익을 준다.

Qwen 시리즈의 발전 속도는 더욱 가팔라질 전망이다. 모델 간 성능을 겨루는 LM Arena의 최근 동향을 보면, 이번 달 Qwen 3.9 업데이트나 9월로 예정된 Qwen 4.0 시리즈의 등장이 임박했다. 이들 차기 버전은 클로드 Opus 5나 GPT 5.16 Soul 같은 최상위 모델에 필적하는 성능을 보여준다. 특히 프런트엔드 및 웹 개발과 투석기 같은 복잡한 시뮬레이션 생성 능력에서 강점을 보인다. 로컬 모델이 거대 클라우드 AI와의 격차를 빠르게 지우고 있다.

09AI가 스스로 돈을 쓴다? Cloudflare Wallets가 바꿀 경제 생태계는?

AI 에이전트가 단순한 정보 제공 도구를 넘어 스스로 자금을 관리하는 자율형(agentic) 주체로 진화하고 있다. Cloudflare Wallets의 등장이 이 변화를 가속한다. AI 에이전트 전용 금융 도구를 통해 소프트웨어가 인간의 개별 승인 없이도 인터넷 경제 생태계를 스스로 누비는 시대가 열린 것이다. 이제 소프트웨어가 직접 지갑을 갖는다.

Cloudflare Wallets의 핵심은 가치가 일정하게 유지되는 디지털 화폐인 스테이블코인(stablecoin)을 저장할 수 있다는 점이다. 이 기능으로 에이전트는 수동적인 조언자에서 디지털 경제의 능동적인 참여자로 변모한다. 전용 지갑을 가진 에이전트는 복잡한 목표 달성에 필요한 서비스를 직접 구매하거나, 웹상에서 수행한 작업에 대한 대가를 직접 받을 수 있다. AI 에이전트에게 독자적인 금융 정체성을 부여해 자산 관리와 거래를 자율적으로 수행하게 만든 셈이다. AI가 경제적 주권을 갖게 됐다.

이는 디지털 업무 흐름(workflow)에 거대한 변화를 가져온다. 기존에는 AI가 유료 서비스나 프리미엄 데이터에 접근하려면 개발자가 직접 결제 수단을 설정하고 신용카드를 관리해야 했다. 하지만 Cloudflare Wallets를 이용하면 에이전트가 소액 결제를 스스로 처리한다. AI 도입의 가장 큰 걸림돌이었던 결제 승인 과정이 사라지며, 소프트웨어가 자신의 운영 비용을 직접 관리하는 자율 거래 모델로 진입한다. 지능과 결제 수단을 연결한 Cloudflare는 AI가 독립적인 경제 주체로 활동할 수 있는 기반 시설을 구축했다. 서비스의 구매와 판매 방식이 근본적으로 바뀐다. 결제라는 마지막 병목이 사라졌다.

10메타의 추격에 맞선 속도전 — Grok 4.6·4.7 출시 예고

일론 머스크가 새로운 인공지능 모델 Grok 4.6과 Grok 4.7의 출시를 공식화했다. 최근 Grok 4.5를 선보인 직후 내놓은 발표로, 일론 머스크와 SpaceX가 주도하는 AI 개발 주기가 급격히 빨라지고 있음을 시사한다. 일반 사용자에게는 업데이트 주기가 단축되고 더 강력한 도구를 빠르게 접할 수 있다는 실질적 이득이 돌아간다. 매주 새로운 기능이 쏟아지는 초경쟁 시장에서 속도와 반복적 개선을 통해 격차를 유지하겠다는 계산이다. 속도가 곧 경쟁력인 시대다.

이러한 속도전의 배경에는 메타(Meta)와의 치열한 경쟁이 있다. 메타는 AI 시장 진입이 다소 늦었다는 평가를 받았으나, 막대한 자본력을 바탕으로 최정상급 연구진과 개발자를 흡수하며 빠르게 격차를 좁혔다. Grok 4.5의 갑작스러운 등장은 시작에 불과했다. 이어지는 Grok 4.6과 4.7의 출시는 메타의 압박에 대응해 개발 강도를 높인 결과다. 빅테크 기업들이 규모의 경제를 통해 세력을 확장하는 상황에서 기술적 정체기를 피하겠다는 의지다.

Grok 4.6과 4.7의 빠른 배포는 '공격적 반복 개선'이라는 더 큰 전략의 일환이다. 한 번의 거대한 성능 도약을 기다리기보다, 작지만 빈번한 업데이트를 통해 실시간으로 모델을 고도화하는 방식을 택했다. 실제 사용 데이터와 경쟁사의 움직임을 즉각 반영해 모델을 다듬겠다는 전략이다. SpaceX와 일론 머스크의 목표는 명확하다. 기존 빅테크는 물론 중국의 1티어 AI 기업들의 공세 속에서도 최상위권의 지능 수준을 유지하는 것이다. 업데이트 공백을 없애 사용자가 항상 최신 기술을 누리게 함으로써 업계 최전선을 지키겠다는 계산이다.

11개발자 업무가 줄어든다 — 오픈AI의 비밀 병기 'Doug'

오픈AI가 올해 말 대규모 신모델 출시를 준비 중이다. 내부 코드명 'Doug'으로 불리는 이 프로젝트는 모델이 특정 용도로 최적화되기 전, 방대한 데이터를 통해 일반적 패턴을 익히는 기초 단계인 대규모 사전 학습(pre-training)을 진행하고 있다. 단일 모델에 집중하던 기존 방식에서 벗어나, 'Astra'를 포함한 여러 고강도 학습 프로젝트를 동시에 추진하는 전략으로 선회한 모습이다. 전략의 변화다.

초기 성능은 소프트웨어 엔지니어와 웹 디자이너에게 특히 매력적이다. 최근의 성능 시험(checkpoint) 결과, 코딩 테스트에서 클로드 Opus 5나 GPT 5.16 Soul 같은 업계 최상위 모델과 대등한 수준을 기록했다. 복잡한 코딩 능력을 검증하는 발리스타(ballista) 시뮬레이션 구현에서도 정밀한 결과물을 내놓았다. 특히 웹 화면을 구성하는 프론트엔드 개발 능력이 뛰어나, 인터랙티브한 디지털 인터페이스를 만드는 수작업 시간을 획기적으로 단축할 전망이다. 개발 효율의 차원이 달라진다.

현재 오픈AI 내부에는 Doug와 Astra 외에도 MW3, MU4 같은 코드명이 혼재해 있다. 이들이 완전히 다른 모델인지, 아니면 개발 과정의 특정 시점을 기록한 중간 저장본(checkpoint)인지는 명확하지 않다. 다만 개발 일정은 명백한 병렬 구조다. Doug가 이미 7월 9일에 언급된 점을 보면, Astra 개발과 동시에 학습이 진행됐을 가능성이 크다. 오픈AI가 출시 주기를 앞당겨, 하나의 거대한 모델을 내놓기보다 특정 용도에 특화된 고성능 도구들을 빠르게 연달아 출시하는 전략으로 전환했다는 분석이다. 이제는 '속도'와 '전문화'의 싸움이다.

12소프트웨어 창업: 개발 능력보다 제품을 파는 능력이 우선이다

AI가 소프트웨어의 초기 구축 단계를 도맡으면서 제품 출시의 진입 장벽이 빠르게 허물어지고 있다. 예비 창업자나 초보자에게 코딩 능력은 더 이상 디지털 비즈니스를 시작하는 데 있어 결정적인 장애물이 아니다. 도구를 만드는 기술적 행위가 AI를 통해 보편화된 지금, 경쟁 우위는 '어떻게 만드느냐'가 아니라 '어떻게 시장에 전달하느냐'라는 전략적 역량으로 이동했다. 기술은 이제 기본값이다.

이에 따라 현대 소프트웨어 창업자에게 가장 필요한 핵심 역량은 제품 출시(shipping)와 비즈니스 운영으로 옮겨갔다. 이제 성공 여부는 소프트웨어의 내부 작동 원리가 아니라, 사업을 지속 가능하게 만드는 외부 전략에 달려 있다. 브랜딩과 카피라이팅, 마케팅, 그리고 사람을 끌어들이는 스토리텔링 능력이 그 중심에 있다. 데이터베이스 구조를 설계하는 법보다 소셜 미디어 알고리즘을 이해하는 것이 훨씬 더 중요하다. 기능이 작동하는 소프트웨어를 만들어도, 이를 알릴 능력이 없다면 무명 속에 사라지기 때문이다.

그렇다고 전통적인 기술 지식이 완전히 쓸모없어진 것은 아니다. 지난 50년간 쌓아온 소프트웨어 공학의 기본 원칙은 제품의 장기적인 건강함을 유지하는 데 여전히 결정적인 역할을 한다. AI가 구축 속도를 획기적으로 높였지만, 텍스트를 예측하고 생성하는 거대언어모델(LLM)이 모든 과업에서 인간 수준의 추론이 가능한 범용인공지능(AGI)으로 진화할 수 있을지에 대해서는 회의적인 시각이 많다. 모델 자체의 내재적 한계로 인해 논리가 겉돌거나 반복되는 경우가 발생하기 때문이다. 결국 소프트웨어의 핵심 로직과 구조적 무결성을 책임지는 것은 여전히 인간의 몫이다. AI가 초기 구축이라는 무거운 짐을 덜어줄 순 있어도, 사업의 생존 가능성과 엔지니어링의 완성도를 최종 검증하는 것은 결국 사람이다.