매일 아침 뉴스레터를 한국어로 정리한 포치 브리핑
김용범 정책실장이 AI 인프라 시대의 초과 과실을 국민에게 구조적으로 환원하자는 취지의 ‘국민배당금’ 아이디어를 언급하면서 한국 증시가 흔들렸다. 보도에 따르면 취지는 증세가 아니라 AI 호황이 만들 초과 세수 활용 논의에 가깝지만, 시장과 정치권은 ‘AI 신분배론’으로 받아들였다.
AI 인프라 호황의 이익을 누가 가져가고 어떻게 재분배할 것인지는 앞으로 반복될 정책 이슈다. 반도체·데이터센터·AI 기업 투자심리와 조세/복지 논의가 직접 충돌하는 장면이다.
캘리포니아 샌타클라라카운티가 메타를 상대로 사기성 금융·암호화폐 광고를 알고도 방치해 수익을 냈다며 집단소송을 제기했다. 카운티는 메타가 이런 광고로 연간 약 70억 달러를 벌었다고 주장했고, 메타는 대규모 삭제 조치를 해왔다고 반박했다.
생성형 AI가 가짜 광고의 제작비를 낮추면 플랫폼의 ‘알고리즘 책임’과 광고 검수 의무가 더 커진다. AI 시대 플랫폼 규제의 핵심 쟁점은 콘텐츠뿐 아니라 광고 수익 구조가 될 가능성이 높다.
OpenAI가 기업 고객의 실제 업무 도입을 돕는 다수 지분 자회사 ‘OpenAI Deployment Company’를 내놓고, Tomoro 인수로 150명의 Forward Deployed Engineer·Deployment Specialist를 확보했다. 초기 파트너 투자 규모는 40억 달러로 언급됐다.
AI 제품 경쟁은 API 판매에서 끝나지 않고, 고객 현장에 들어가 워크플로를 바꾸는 서비스·컨설팅형 배포 경쟁으로 내려가고 있다. Palantir식 현장 엔지니어링 모델이 프런티어 AI 기업의 표준 영업 방식이 될 수 있다.
OpenAI가 Daybreak라는 보안 특화 이니셔티브를 공개했다. GPT-5.5, Codex, 저장소 위협 모델링, 취약점 탐지, 패치 생성, 대응 자동화를 묶고, Trusted Access for Cyber와 GPT-5.5-Cyber 같은 접근 계층을 둔다는 설명이다.
AI 보안은 ‘위험해서 막을 것인가’와 ‘방어 역량으로 제품화할 것인가’ 사이에서 빠르게 제품 시장을 만들고 있다. 동시에 LLM을 보안 경계로 믿으면 안 된다는 경고도 함께 커진다.
구글은 해커 조직이 AI를 이용해 소프트웨어 취약점을 자동 탐색하고 대규모 공격을 준비한 정황을 포착했다고 경고했다. 개발사도 모르는 제로데이 취약점과 2단계 인증 우회 시도까지 언급됐다.
공격자도 AI를 제품처럼 쓰기 시작하면 보안팀의 대응 속도와 자동화 수준이 뒤처지기 쉽다. AI 보안 제품과 내부 보안 운영 자동화 수요가 동시에 커질 가능성이 높다.
삼성전자 김태우 부사장은 KIW 2026에서 온디바이스 AI와 데이터센터 확장이 메모리 수요를 장기간 끌어올리며 기존의 반도체 boom-bust 사이클을 바꿨다고 말했다. AI 수요가 메모리 슈퍼사이클을 더 오래 지속시킬 수 있다는 주장이다.
AI 앱의 병목은 모델만이 아니라 HBM·DRAM·스토리지 공급이다. 메모리 부족이 길어지면 클라우드 비용, 온디바이스 전략, 한국 반도체 투자 사이클 모두에 영향을 준다.
LG전자 주가가 로보틱스 사업 성장 기대를 반영해 52주 신고가를 기록했다. 증권가가 로봇 사업의 성장 잠재력을 긍정적으로 평가하면서 투자자 관심이 커졌다.
AI가 물리 세계로 내려오는 흐름에서 로봇은 하드웨어·서비스·데이터가 만나는 인프라다. 한국 대기업의 로보틱스 재평가는 AI-로봇 밸류체인 투자 심리에 직접 연결된다.
Artificial Analysis가 SWE-Bench-Pro-Hard-AA, Terminal-Bench v2, SWE-Atlas-QnA를 묶어 모델만이 아니라 ‘모델+하네스’ 조합을 비교하는 Coding Agent Index를 공개했다. Opus 4.7 in Cursor CLI가 선두권이고, 비용·토큰·캐시 히트율·작업 시간이 크게 갈렸다.
코딩 에이전트 성능은 모델 이름만으로 설명되지 않는다. 실제 도입에서는 하네스, 캐시, 비용/작업, 실행 시간이 함께 KPI가 되므로 구매·내재화 판단 기준이 더 정교해져야 한다.
Thinking Machines가 턴 기반 챗봇 위에 음성을 얹는 방식이 아니라, 처음부터 실시간 상호작용을 목표로 학습한 ‘interaction model’을 공개했다. TML-Interaction-Small은 276B MoE(활성 12B)로, 200ms 단위의 마이크로턴·동시 음성·시각적 프로액티브 행동·인터럽션 처리를 강조한다.
음성 AI의 경쟁축이 ‘말을 잘 알아듣는 모델’에서 ‘사용자와 동시에 보고 듣고 반응하는 인터페이스’로 옮겨가고 있다. 제품 관점에서는 튜터, 코칭, 로봇, 실시간 업무 보조의 UX 기준이 다시 올라갈 수 있다.
AINews는 장기 실행 에이전트에서 긴 히스토리가 협력을 오히려 망가뜨릴 수 있다는 ‘Memory Curse’와, 목표 clarification은 실행 초반에만 가치가 크고 입력 clarification은 더 오래 유효하다는 PwC 계열 분석을 함께 소개했다.
에이전트 품질은 모델 크기만의 문제가 아니라 메모리 정책, 질문 타이밍, 실행 제어 정책의 문제다. GIO식 장기 작업 자동화에서도 ‘무엇을 기억하고 언제 되묻는가’를 별도 설계해야 한다는 신호다.
AINews는 로컬·원격 S3 기반으로 에이전트 작업물을 stash/branch/restore하는 Rust CLI ‘aggit’, 여러 Claude Code 에이전트를 관리하는 터미널 컨트롤 플레인, Microsoft Teams에서 스레드를 읽고 PR을 여는 Cursor 기능을 함께 묶어 소개했다.
에이전트 제품의 다음 UX는 ‘더 똑똑한 프롬프트’보다 되돌릴 수 있고, 비교할 수 있고, 팀 대화 안에서 추적되는 제어면이다. 실제 조직 도입에는 이 컨트롤 플레인이 생산성만큼 중요해진다.
Unsloth의 Hugging Face 프로필에 Qwen3.6-27B-GGUF-MTP와 Qwen3.6-35B-A3B-GGUF-MTP 빌드가 올라왔다는 로컬 LLM 커뮤니티 소식이 공유됐다. 다만 llama.cpp의 특정 MTP PR 빌드가 필요하고, 런타임 assert 등 호환성 이슈도 보고됐다.
로컬 추론은 모델 공개만으로 끝나지 않고 변환 포맷, speculative/MTP 지원, 런타임 병합 상태가 실제 사용성을 좌우한다. 온디바이스·프라이빗 에이전트 실험팀은 모델 카드보다 실행 스택 성숙도를 함께 봐야 한다.