VentureBeat AI

VB Transform 2026 패널 토론에 따르면, AI 에이전트의 밀리초 단위 연산 속도를 뒷받침하지 못하는 레거시 인프라가 현재 AI 성능 구현의 주요 장애물로 지목되었습니다. LinkedIn, Walmart, Zendesk의 리더들은 모델 최적화를 넘어 인프라 구조를 재설계하여 이 격차를 줄이는 방안을 논의했습니다.

브렉스는 API 키나 OAuth 토큰 등 실제 권한을 사용하는 AI 에이전트의 활동을 기존 방식으로는 통제하기 어렵다는 문제점을 발견했습니다. 이를 해결하기 위해 모든 네트워크 트래픽을 가로채 정책을 검사하는 오픈 소스 HTTP/HTTPS 프록시인 'CrabTrap'을 구축하여 행위 중심의 보안 체계를 구현하고자 합니다.

중국 문샷 AI가 역대 최대 규모인 2.8조 파라미터의 오픈소스 모델 Kimi K3를 발표했습니다. 이 모델은 벤치마크 결과 글로벌 최상위 유료 모델들과 대등한 성능을 보여주며, 글로벌 AI 기술 경쟁을 가속화할 전망입니다.

107개 기업 조사 결과, AI 인프라 투자가 경제적 예측 능력을 앞지르며 급격히 증가하고 있습니다. 기업들은 기존 API 기반 운영에서 벗어나 특수 컴퓨팅 자원으로 지출을 확대하고 있으며, 공급업체 전환 시 토큰 가격보다 TCO와 통합 기능을 핵심 기준으로 삼고 있습니다.

107개 기업 조사 결과, AI 에이전트에게 시스템 접근 권한은 부여되었으나 이를 제어할 보안 인프라는 매우 취약한 상태입니다. 대다수 기업이 에이전트 간 자격 증명을 공유하거나 고위험 에이전트를 격리하지 않는 등 심각한 보안 격차를 보이고 있습니다.

AI 에이전트의 등장으로 기업 내 보안 위험이 발생하는 시간적 간격이 현저히 단축되었습니다. 이에 따라 핑 이덴티티의 CEO는 모든 접근과 행동에 대해 지속적인 검증을 수행하는 제로 트러스트 모델을 장기 과제가 아닌 즉각적인 필수 요구사항으로 채택해야 한다고 강조했습니다.

기업용 AI 에이전트에 비즈니스 맥락을 전달하는 RAG 기술과 인프라는 빠르게 발전하고 있지만, 데이터 누락 및 불일치로 인한 '신뢰 문제'가 여전히 해결되지 않은 상태입니다. 공급업체의 자체 검색 기능이 전문 벡터 DB를 대체하는 추세 속에서, 정확한 답변 생성을 위한 관리된 의미 체계(governed semantic layer)의 필요성이 대두되고 있습니다.

157개 조직을 조사한 결과, AI 에이전트의 자율성 확대에도 불구하고 자동화된 평가 시스템에 대한 신뢰도는 매우 낮은 것으로 나타났습니다. 특히 내부 테스트를 통과한 에이전트의 50%가 실제 운영 환경에서 실패하고 있어, 평가와 실무 결과 간의 불일치가 심각한 문제로 지적됩니다.

기업용 AI 에이전트 시장은 Anthropic의 Claude와 같은 강력한 모델로 통합되는 추세이나, 실제 배포된 에이전트 대부분은 단순 챗봇 래퍼 수준에 그치고 있습니다. 엔터프라이즈 환경에서는 보안을 위한 하이브리드 제어 평면 구축과 실시간 토큰 비용 관리 등 운영 및 배포 측면의 기술적 난제가 여전히 존재합니다.

미라 무라티가 이끄는 AI 스타트업 Thinking Machines가 Apache 2.0 라이선스의 오픈 소스 모델 'Inkling'을 출시했습니다. 이 모델은 비용 효율성과 검열 저항성에 초점을 맞추어, 기업들이 온프레미스나 프라이빗 클라우드에서 직접 제어하고 맞춤 설정할 수 있도록 설계되었습니다.

기업의 85%가 AI 에이전트를 파일럿 테스트 중임에도 실제 프로덕션 환경에 적용한 곳은 5%에 불과한 'AI 도입 격차' 현상이 나타나고 있습니다. Amazon AGI 디렉터는 이 문제의 근본 원인이 단순한 성능 지표가 아닌 시스템의 신뢰성 부재에 있다고 분석했습니다.

VB 트랜스폼 2026 컨퍼런스에서 코히어의 Rachad Alao 부사장은 기업용 AI 에이전트 구축 시 데이터 보안과 AI 주권 확보의 중요성을 역설했습니다. 그는 민감한 데이터를 안전하게 보호하기 위해 전체 에이전트 스택을 직접 제어하는 전략이 필수적이라고 설명했습니다.

메타의 인프라 부사장 바라크 야구르는 현재의 기업 데이터 인프라가 인간 사용자를 위해 설계되어 자율 AI 에이전트의 요구사항을 충족하기 어렵다고 분석했습니다. 그는 AI 에이전트가 현실 세계와 결합되는 흐름에 맞춰 향후 20개월 내에 대대적인 인프라 재설계가 필요함을 강조했습니다.

캔바가 모든 사용자(무료 계정 포함)를 대상으로 AI 기반 웹사이트 및 앱 제작 기능인 'Code 2.0'을 출시했습니다. 사용자는 자연어 프롬프트를 통해 복잡한 코딩 없이도 인터랙티브한 디지털 경험을 구축하고, 마치 프레젠테이션을 수정하듯 쉽게 편집할 수 있습니다.

1Password가 SaaS Manager 플랫폼 내에 AI 서비스의 사용량과 지출을 통합 관리할 수 있는 새로운 기능을 도입했습니다. 이를 통해 기업의 IT 및 재무팀은 Anthropic, Cursor, OpenAI 등 다양한 공급업체의 AI 토큰 소비 현황을 실시간으로 모니터링할 수 있게 됩니다.

ACRouter는 모델 라우팅을 정적인 분류 문제가 아닌, 메모리를 구축하는 에이전트의 역할로 재정의한 새로운 오픈 소스 프레임워크입니다. C-A-F(Context-Action-Feedback) 루프를 통해 모델의 성공과 실패를 학습하며 최적의 비용과 속도로 프롬프트를 처리합니다.

쿠버네티스는 선언적 구성과 자동 복구 등 강력한 이점을 바탕으로 엔터프라이즈 프로덕션 워크로드의 표준 운영 모델로 정착했습니다. 이제 기술의 초점은 서버를 넘어 기존에 해결되지 않았던 데스크톱 인프라 관리 영역으로 이동하고 있습니다.

딥시크는 최근 V4-Pro 모델 가격을 75% 인하하며 공격적인 가격 경쟁에 나섰으나, 에이전트 기반 시스템의 토큰 사용량 폭증으로 인해 실제 비용 절감 효과는 미미할 수 있습니다. 이는 추론 비용 하락보다 에이전트의 작업 복잡도 증가로 인한 토큰 소비 속도가 훨씬 빠르기 때문입니다.

AI 코딩 도구가 생성하는 잘못된 코드(AI slop)를 이용해 악성 패키지를 설치하게 만드는 '슬롭스쿼팅' 공격이 새로운 공급망 위협으로 부상했습니다. 이는 LLM의 환각 현상을 활용하여 개발자가 인지하지 못한 채 악성 코드를 소프트웨어에 주입하는 방식입니다.

기업용 AI 에이전트가 매우 자신감 있게 틀린 답변을 내놓는 현상이 빈번하게 발생하고 있으며, 이는 모델 자체의 결함보다는 부적절한 데이터 컨텍스트와 검색 시스템의 한계 때문인 것으로 나타났습니다. VB Pulse 조사에 따르면 응답 기업의 57%가 이러한 맥락 오류를 목격했으며, 이를 해결하기 위한 '에이전틱 컨텍스트 레이어'의 중요성이 대두되고 있습니다.

OpenAI는 사용자의 이메일, 캘린더, 코드 저장소 및 메시징 앱을 통합 관리할 수 있는 AI 에이전트 'ChatGPT Work'를 공개했습니다. GPT-5.6 모델을 기반으로 하는 이 서비스는 단순한 질의응답을 넘어 다단계 업무를 자율적으로 수행하는 것을 목표로 합니다.

VentureBeat의 조사 결과, 100인 이상 기업의 기술 리더들은 관리 체계 구축보다 AI 에이전트 실행을 우선하여 의도적으로 배포를 진행하고 있습니다. 현재 이들 기업은 뒤늦게 시스템을 보강하며 예산을 투입하는 단계에 있으며, 약 60%는 공급업체 교체나 추가를 계획 중입니다.

기업들이 AI 에이전트에게 더 많은 권한을 부여하고 있지만, 자동화된 테스트에 대한 신뢰도는 오히려 하락하고 있습니다. 최근 조사에 따르면 내부 평가를 통과한 AI 기능이 실제 고객 환경에서 문제를 일으킨 사례가 응답 기업의 절반 이상으로 나타났습니다.

구글 리서치는 데이터셋마다 매번 모델을 새로 학습시켜야 했던 기존 테이블 데이터 예측의 한계를 극복하기 위해 새로운 기초 모델인 TabFM을 공개했습니다. 이 모델은 인-컨텍스트 학습 방식을 활용하여 별도의 재학습이나 복잡한 피처 엔지니어링 없이도 높은 수준의 예측 성능을 보여줍니다.