미국 통신 거물 AT&T가 AI 도입을 계기로 지속적인 구조조정을 진행하고 있으며, 지난 10년간 절반 이상의 인력을 감축한 데 이어 2030년까지 약 8만 5천 명 수준으로 줄이는 것이 목표로 알려졌다. 회사는 노후한 구리선 유선전화망을 폐쇄하고 클라우드 소프트웨어와 생성형 AI로 내부 프로세스를 자동화하며, 이는 전통 산업 기업들의 AI 전환 사례로 주목받는다.
앤스로픽이 AI 자체 개발 속도 관련 지표를 공개하며, 클로드가 향후 모델 개발 작업의 26%를 '주도(AL4)'한다고 밝혔습니다. 그러나 이 수치는 인간 작업 시간 기준으로 측정된 것이고, 채점 자체도 클로드가 수행했으며, '주도'란 완전 자율이 아닌 인간이 과제와 방향을 정하는 수준입니다. 이 지표는 다리오 아모데이 CEO의 AI 개발 속도 조절 주장을 뒷받침하는 근거로도 활용될 수 있어 논란의 여지가 있습니다.
한 개발자가 적은 인력으로 여러 제품과 비영리 단체를 운영하기 위해 6개의 AI 에이전트를 구축한 사례를 공유했습니다. 각 에이전트는 행정, 개발, 인프라 관리 등의 역할을 맡아 팀원처럼 일하며, OpenAI 모델과 저렴한 클라우드 서버, 오픈소스 메신저를 연동해 운영됩니다. 최소한의 비용으로 업무를 자동화하고 확장성을 확보하려는 실무적 접근으로 주목받고 있습니다.
일반적인 AI 채팅 인터페이스는 대화 내용이 휘발되어 매번 동일한 맥락을 설명해야 하는 비효율이 발생합니다. 이 글은 터미널 기반의 Claude Code를 활용하여 프로젝트 맥락과 반복되는 업무, 그리고 AI에 대한 피드백을 파일로 체계적으로 관리하는 워크스페이스 구축법을 제안합니다. 이를 통해 매번 설명하는 시간을 없애고 AI의 작업 품질을 영구적으로 개선할 수 있습니다.
오픈챔버(OpenChamber)는 최대 5개의 AI 모델을 동시에 실행해 최적의 결과를 도출하고, 깃허브(GitHub) 이슈부터 병합까지 자동화하는 오픈소스 에이전트 개발 환경입니다. 데스크톱, 모바일, 코드 에디터(VS Code) 등 어디서나 작업을 이어갈 수 있으며, 모든 데이터는 기기에만 저장되어 철저한 보안을 보장합니다. 개발자들이 복잡한 AI 에이전트를 가장 직관적이고 효율적으로 관리할 수 있게 해주는 핵심 도구입니다.
AI 에이전트가 회사 설립부터 결제, 이메일, 클라우드 인프라 구축 등 비즈니스 운영에 필요한 단순 반복 업무를 전담하도록 지원하는 인프라 스타트업 '네이브(Naïve)'가 시리즈 A에서 2,850만 달러(약 385억 원)를 유치했습니다. 이 플랫폼은 API 하나로 복잡한 행정 및 인프라 세팅을 마무리하며, 최근 6개월 만에 연 매출(ARR)을 10배로 끌어올리며 폭발적인 실무 수요를 입증했습니다.
로봇 스타트업 그릿(Gritt)이 3천4백만 달러의 자금 조달과 함께 공개되어, AI 기반 로봇 시스템을 통해 태양광 패널 설치 작업의 효율성을 크게 높이고자 합니다. 이 시스템은 기존 하드웨어를 활용해 작업자의 부상을 줄이고 설치 속도를 몇 배 이상 향상시키며, 향후 다른 건설 작업으로 확장할 계획입니다. 이는 노동력 부족 문제를 해결하고 기후 변화 대응 인프라 구축을 가속화하는 중요한 혁신으로 평가됩니다.
개발자가 강화학습(RL)을 통해 다른 AI 모델을 효과적으로 학습시키는 방법을 스스로 터득하는 메타 에이전트를 구축했습니다. 이 에이전트는 주어진 과제에 맞춰 데이터셋과 보상 코드 등을 작성해 실제 GPU 환경에서 소형 모델을 학습시키며, 모델의 성능이 오를수록 에이전트 자체도 강화학습으로 발전합니다. 코드와 모델 가중치 등 모든 과정이 오픈소스로 공개되어, 자가 개선(self-improving)이 가능한 AI 시스템의 실질적 구현 및 저비용 검증이라는 점에서 매우 중요합니다.
Anthropic은 개발자 도구인 Claude Code에 내장 브라우저를 추가하여, AI가 외부 웹페이지를 직접 열고 읽거나 클릭 및 타이핑을 할 수 있게 되었습니다. 이를 통해 개발 문서나 이슈 트래커 등을 에이전트가 직접 확인하며 작업의 자동화 범위를 크게 넓힐 수 있게 되었습니다. 외부 사이트 기록 시 사전 분류기(Classifier)를 통한 안전 장치와 기업 통제 기능이 제공되어, 안전하게 실무에 적용할 수 있다는 점에서 중요합니다.
AI 에이전트가 코드 단 한 줄로 워드, 엑셀, 파워포인트 문서를 읽고 편집할 수 있게 해주는 최초의 오피스 스위트, '오피스CLI(OfficeCLI)'가 공개되었습니다. 별도의 MS 오피스 설치나 복잡한 파이썬 라이브러리 의존성 없이 단일 바이너리로 작동하며, 문서를 HTML이나 이미지로 렌더링해 AI가 시각적으로 문서를 확인하고 수정할 수 있도록 돕습니다. 이를 통해 기존 복잡한 코딩 과정을 거칠 필요 없이 자연어 명령만으로 완벽한 오피스 문서 생성 및 편집 자동화가 가능해졌습니다.
OpenAI가 '데이브레이크(DayBreak)' 이벤트를 통해 소프트웨어 취약점 패치 자동화를 가속화하는 신규 보안 도구와 'GPT-5.5-Cyber'의 전체 버전을 공개했습니다. AI가 취약점 '발견'을 넘어 '수정 및 패치' 단계까지 기계적인 속도로 자동화함으로써, 보안 담당자들이 공격자보다 먼저 시스템을 방어할 수 있도록 돕는 것이 핵심입니다. 또한 주요 오픈소스 프로젝트들이 참여하는 'Patch the Planet' 이니셔티브 등 파트너십을 통해 전 세계 조직의 보안 수준을 전반적으로 높이고자 합니다.
데이터브릭스(Databricks)가 클로드 코드, 코덱스(Codex), 파이(Pi) 등 다양한 코딩 AI 에이전트를 하나의 인터페이스에서 조합하고 관리할 수 있는 메타 하네스(meta-harness) '옴니젠트(Omnigent)'를 오픈소스로 공개했습니다. 이 도구는 단말기, 웹, 데스크톱, 모바일 환경 모두에서 에이전트 구성, 정책 제어, 실시간 세션 공유 기능을 지원하며, 개발자들이 여러 AI 에이전트를 유기적으로 연동해 작업 효율성을 크게 높일 수 있다는 점에서 중요합니다.
본 튜토리얼은 큐벤포(QwenPaw)를 활용해 AI 에이전트 기반 어시스턴트를 구축하고 테스트하는 실무 환경을 조성하는 방법을 다룹니다. 구글 Colab 보안 설정을 통한 모델 연동, 로컬 지식 파일 및 맞춤형 스킬 적용, 그리고 스트리밍 API 테스트까지 전 과정을 다루고 있어 AI 에이전트 개발자에게 매우 유용합니다. 성공적인 에이전트 워크플로우 파이프라인 구축을 위한 핵심 가이드라인을 제공합니다.
미국 부동산 플랫폼 오픈도어(Opendoor)가 인도 법인을 철수하며 AI 도입이 글로벌 외주 산업의 경제성을 어떻게 재편하고 있는지에 대한 논쟁이 촉발되었습니다. 단순한 오프쇼어링 축소를 넘어, AI가 기업의 전반적인 operational 인력 수요를 줄이는 'Services-as-Software' 모델로의 전환을 보여준 초기 사례로 평가받고 있습니다.
AI가 스스로 발전하는 '재귀적 자기 개선(RSI)'이 AGI를 대체할 새로운 최종 목표로 떠오르며 업계의 주목을 받고 있습니다. 안드레이 카르파티, 리처드 소처 등 유명 AI 연구자들과 구글, 앤스로픽 같은 빅테크 기업들이 RSI 실현을 위해 자동화된 AI 연구 및 코드 생성 프로젝트에 박차를 가하고 있습니다. RSI가 완벽하게 구현된다면 AI가 인간의 개입 없이 스스로 업그레이드를 반복하는 폭발적 기술 발전이 가능해지지만, 여전히 신뢰성과 기술적 한계 등 극복해야 할 과제가 많은 초기 단계입니다.
앤스로픽 공동창업자 잭 클ark는 2028년 말까지 인간의 개입 없이 AI가 스스로 더 뛰어난 후속 모델을 훈련시킬 확률이 60%에 달한다고 분석했습니다. 주요 벤치마크에서 AI의 실무 및 연구 코딩 능력이 급등하고 있지만, 이로 인해 AI의 안전성을 인간이 통제하는 '정렬(Alignment)' 기술이 무너질 위험이 큽니다. 재귀적 자가 개선 과정에서 미세한 오차가 누적되고 모델이 시험 환경을 인지해 속이는 등의 문제가 발생할 수 있어 철저한 대비가 필요합니다.
앤스로픽(Anthropic)의 공동 창립자 잭 클락(Jack Clark)은 AI가 2028년 말 이전에 AI 연구 개발 과정을 자동화할 확률이 60% 이상이라고 전망했습니다. AI가 천재적인 창의성 없이도 논문 재현 및 모델 파인튜닝, 최적화 등을 수행하며 빠르게 자가 발전하고 있기 때문입니다. AI 스스로 과학적 발전을 주도하는 수준에 도달할 경우, 그 속도를 예측하거나 통제하기 매우 어려워질 수 있다는 우려도 함께 제기했습니다.
AI 기술의 발전으로 인해 사이버 공격 표면이 확대되고 보안 환경이 더욱 복잡해짐에 따라, 기존의 방어 방식을 근본적으로 재설계해야 한다는 목소리가 커지고 있습니다. 이번 MIT 테크놀로지 리뷰 세션에서는 GC Cybersecurity의 CEO 타리크 무스타파가 보안을 사후 대응이 아닌 AI 핵심 기반으로 구축해야 하는 이유를 설명합니다. 특히 자율 협업 AI, 데이터 유출 방지(DLP), 데이터 보안 태세 관리(DSPM) 등 최첨단 보안 기술을 통해 초대규모 보안 및 컴플라이언스 문제를 어떻게 해결하는지 심도 있게 다룹니다.
엔비디아는 칩 설계 과정 전반에 AI를 도입하여 설계 시간을 획기적으로 단축했다고 밝혔습니다. 특히 8명의 엔지니어가 10개월 걸리던 표준 셀 라이브러리 포팅 작업을 단일 GPU로 하룻밤 만에 끝낼 수 있게 되었습니다. 그러나 윌리엄 달리 수석 과학자는 완전한 무인 칩 설계에는 아직 멀었으며, 현재는 AI를 보조 및 최적화 도구로 활용해 인간 설계자 이상의 성능을 이끌어내는 단계라고 설명했습니다.
구글이 로컬 및 원격 컴퓨팅 환경 전반에서 컨테이너 기반으로 다수의 AI 에이전트를 동시에 관리할 수 있는 실험적 오케스트레이션 테스트베드 'Scion'을 오픈소스로 공개했습니다. 이 플랫폼은 에이전트들을 각각 독립된 컨테이너, 깃 워크트리, 자격 증명으로 격리하여 충돌 없이 코딩, 감사, 테스트 등 병렬 작업을 수행하도록 지원합니다. 개발자는 제미나이(Gemini), 클로드 코드(Claude Code) 등 다양한 AI 에이전트를 통합 관리하며 복잡한 프로젝트를 효율적으로 자동화할 수 있습니다.