확장 가능한 AI의 초석: 규제 환경에서의 책임 있는 시스템 구축
MIT 테크놀로지 리뷰의 EmTech Future 컨퍼런스는 강력한 규제 환경 속에서 확장 가능한 AI 시스템을 구축하기 위한 다섯 가지 핵심 요소—데이터, 엔지니어링, 플랫폼, 운영 모델 및 거버넌스—를 집중적으로 논의하며, 신뢰할 수 있고 책임 있는 실용화가 에이전트형 능력 등 새로운 기능들을 어떻게 지속 가능한 투자 가치로 전환하는지에 대해 강조합니다.
AI NEWS JOURNAL
AI 뉴스 검색
제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
마이크로소프트의 MAI-DxO 시스템은 복잡한 사례 진단에서 정확도가 83%에 달하지만, 그 성과의 대부분은 기반의 대규모 모델에서 비롯된다.
《Science》에 발표된 연구에 따르면, 마이크로소프트의 AI 진단 시스템 MAI-DxO는 복잡한 사례를 모사한 진단에서 정확도 83%를 기록해 일반의의 36%보다 훨씬 높았습니다. 그러나 분석 결과, 성능 향상은 주로 GPT-5.5와 같은 고급 기반 모델을 활용한 데서 비롯되었으며, 자체적인 구성 아키텍처인 DxO가 가져온 한계적 이점은 제한적이었고, 응급실 등 일상적인 상황에서는 뚜렷한 우위가 나타나지 않았습니다.
Amazon SageMaker AI가 GPU 없이 관리되는 모델 맞춤형 교육 세션을 출시하며, 정식으로 전면적으로 이용 가능해졌습니다.
AWS는 SageMaker AI의 서버리스 모델 맞춤화 기능에 ‘훈련 세션(Training Sessions)’을 추가했다고 발표했으며, 이는 오늘부터 전면적으로 이용 가능하다. 사용자는 훈련 후 로직(예: 사용자 정의 손실 함수, 보상 신호, 다단계 강화학습 등)을 직접 작성할 수 있으며, GPU 할당, 분산 실행, 장애 복구 및 체크포인트 저장은 모두 플랫폼에서 자동으로 처리된다.
아마존 세이지메이커가 학습 세션 API를 출시했습니다: 사용자는 GPU를 관리할 필요 없이 맞춤형 대규모 모델 학습 루프를 작성할 수 있습니다.
아마존 세이지메이커는 트레이닝 세션(Training Sessions) API를 출시하여, 사용자가 순수 파이썬 스크립트로 SFT, RLHF, GRPO, KTO 등과 같은 맞춤형 대규모 모델 훈련 로직을 구현할 수 있도록 지원합니다. GPU 리소스 스케줄링, 장애 복구, 분산 실행 및 체크포인트 관리는 모두 서비스에서 관리합니다.
Amazon Quick은 HIPAA 인증을 획득했지만, 규정 준수에 대한 책임은 여전히 고객에게 있습니다.
Amazon Quick은 AWS가 제공하는 HIPAA 인증 서비스로, 의료 기관이 BAA에 서명한 전제하에 보호된 건강 정보(PHI)를 처리할 수 있도록 하며, 인증이 곧 규정 준수를 의미하는 것은 아닙니다. PHI 처리 경로, 암호화 메커니즘, 로그 정책 및 비가역적 구성 요구사항은 모두 고객의 엄격한 관리 하에 이루어져야 합니다.
아마존 세이지메이커가 코코로-82M TTS 모델을 출시하여, AI 음성 에이전트의 저지연 스트리밍 음성 합성을 지원합니다.
AWS는 SageMaker에서 호스팅되는 Kokoro-82M 텍스트 음성 변환 모델을 활용한 기술 솔루션을 발표했으며, 양방향 WebSocket을 통해 AI 에이전트가 텍스트를 생성하는 동시에 음성을 합성함으로써 엔드투엔드 음성 응답 지연 시간을 크게 단축했습니다. 이 솔루션은 Base64-SSE와 통합 바이너리 전송이라는 두 가지 오디오 피드백 방식을 제공하며, ‘가치 검증형’(proof-of-value)으로 명시되어 아직 생산 준비 상태에 이르지 않았습니다.
Amazon SageMaker TTS 서비스는 측정 기반 자동 확장 및 축소를 구현합니다: Kokoro-82M 모델을 예로 들어 보겠습니다.
AWS 블로그는 텍스트 음성 변환(TTS) 모델을 SageMaker 실시간 엔드포인트에 배포할 때, 경험적 추측을 지양하고 두 가지 실제 측정 지표인 Q_max(단일 인스턴스의 최대 지속 가능한 동시 요청 수)와 T_total(계획된 확장·축소 소요 시간)을 기반으로 한 재현 가능하고 검증 가능한 확장·축소 전략을 소개합니다.
Rescale은 AWS AI-DLC 프레임워크와 Strands Agents를 기반으로 AI 테스트 트래픽 분산 에이전트를 신속하게 구축합니다.
Rescale은 AWS 엔지니어들과의 협업을 바탕으로, AI 기반 개발 라이프사이클(AI-DLC) 방법론, Strands Agents 프레임워크 및 Amazon Bedrock(Claude Opus 4.8)을 활용해, 야간 종단 간 테스트 실패를 자동으로 분류하고 라우팅하는 생산 환경에 배치 가능한 AI 테스트 분산 에이전트를 달성하는 데 5일 만에 성공했으며, 조직 내에서 이러한 인간-기계 협업 개발 패러다임을 확산시켰습니다.
NVIDIA, AI 공장용 엔드투엔드 가시성 AIOps 솔루션인 Minerva 플랫폼을 출시했습니다.
엔비디아는 2026년 10월 25일, AI 플랜트를 위해 설계된 AIOps 관찰성 플랫폼인 미네르바를 출시했습니다. 이 플랫폼은 인프라와 AI 워크로드의 텔레메트리 데이터를 통합하고, 맞춤형 AI 모델을 통해 이상 탐지, 근본 원인 파악, 장애 예측 및 자연어 기반 대화형 운영을 구현합니다.
수관 피복을 넘어서: 세계 최초의 10m 해상도 산림 유형 분류 지도 발표
DeepMind는 Google Earth Engine과 협력하여 AlphaEarth Foundations를 출시했으며, 지구의 모든 10m×10m 규모의 지표면 단위에 대해 열대우림, 온대 낙엽수림, 북방 침엽수림 등 10여 가지 생태형을 포함한 정밀한 산림 유형 분류를 최초로 구현했습니다.
Moshi가 실시간 AI 거래 추천 엔진을 출시하며, 워크플로우 내 통합과 잡음이 많은 데이터에 대한 신뢰성 높은 모델링에 중점을 두고 있습니다.
전 JP모건의 에너지 파생상품 거래원인 아네카 소칼이 설립한 스타트업 모시는 상품·매크로 트레이더를 대상으로 한 실시간 AI 추천 엔진을 출시했으며, 다중 출처의 정형 및 비정형 시장 데이터를 통합하고, 심층 워크플로우 결합, 사설 모델 구축 및 신뢰할 수 있는 신호 추출을 강조합니다. 현재 초기 단계로, 공개된 투자 유치, 매출 또는 사용자 데이터는 없습니다.
Moshi: 트레이더를 위한 실시간 AI 추천 엔진으로, 워크플로우 통합을 통해 시장 인사이트를 재구성합니다
전 JP모건의 에너지 파생상품 거래원인 아네카 소칼은 모시(Moshi)를 설립해 구조화된 데이터와 비구조화된 데이터를 통합하는 실시간 AI 추천 시스템을 개발했다. 이 시스템의 핵심은 블룸버그를 대체하는 데 있는 것이 아니라, AI를 거래원의 일상 업무 프로세스에 깊이 내장함으로써 신뢰할 수 있는 정보 출처 선별, 사설 데이터의 로컬 처리, 이견 신호 식별 및 고객 중심의 제품 개발을 강조하는 데 있다.
Anthropic이 Claude Duet 애플리케이션을 출시했습니다: 전문적인 사용 환경에 초점을 맞춘 AI 에이전트 제품입니다.
Anthropic은 전문가와 소기업을 대상으로 한 AI 에이전트 애플리케이션인 Claude Duet을 정식으로 출시했습니다. 이 앱은 Claude Opus 5.5 모델을 기반으로 하며, 6,000개가 넘는 커넥터를 지원하고 일일 브리프 작성, 대시보드 구축, 작업 제안 및 백그라운드 작업 수행 등을 자동으로 처리할 수 있습니다. 현재는 Pro 및 Max 구독자에게만 대기열을 통해 시험 사용이 제공되고 있습니다.
니르바가 3,300만 달러의 투자 유치에 성공하며, 착용자의 음성만을 인식하는 AI 펜던트를 출시했습니다.
Nirva사는 프리시리즈 A 라운드에서 2,500만 달러의 투자를 유치했으며, 누적 투자액은 3,300만 달러에 이른다고 발표했다. 회사의 첫 제품은 목걸이 또는 팔찌로 착용할 수 있는 경량형 AI 펜던트로, 가격은 249달러이며 2026년 11월부터 사전 예약을 시작해 연말까지 초기 사용자들에게 배송될 계획이다.
상황 인식 AI 구축: 기업 의사결정 지능의 새로운 패러다임
Celonis의 수석 과학자인 데바브라트 샤는 기업용 AI가 워크플로, 역할 권한, 프로세스 제약 등 실제 비즈니스 맥락에 통합되어야만 ‘의사결정 지능’을 구현할 수 있다고 주장한다. 맥락에서 벗어난 AI는 오류를 유발하거나 자원 낭비, 무효 출력으로 이어질 수 있다. 그의 기술적 접근법은 ‘맥락 계층’과 디지털 트윈 아키텍처에 기반하며, 작은 단계별 검증, 역할 기반 거버넌스, 그리고 인력 재역량화를 강조한다. 다만 이러한 모든 주장은 관점에 불과하며, 독립적인 검증을 거치지 않았다.
AI 추론의 숨은 저장 비용: 각 응답 뒤에 쌓이는 데이터 비용 청구
생성형 AI의 추론 규모가 급증함에 따라, 기업들은 로그, 캐시, 중간 렌더링, 보안 기록 등 사용자에게는 눈에 보이지 않는 후방 데이터 스토리지 비용을 크게 과소평가하고 있습니다. 이러한 데이터의 용량은 종종 사용자가 직접 확인할 수 있는 출력물의 수십 배에서 수백 배에 달합니다. IDC의 조사에 따르면, 설문에 응한 기업의 95%가 지난 1년간 AI로 인해 데이터 양이 증가했으며, 그중 61%에서는 증가율이 25%를 넘어섰습니다. 한편, 스토리지 지출 증가 속도는 이미 컴퓨팅 파워 예산의 증가 속도를 앞서기 시작했습니다.
유럽의 여러 주요 금융기관이 오픈소스 대형 모델을 활용해 독자적인 지능형 시스템을 구축하고 있습니다.
GTC 베를린 컨퍼런스에서 Revolut, Starling Bank, Lloyds, Santander 등 유럽의 금융기관들은 NVIDIA 가속 컴퓨팅 플랫폼과 PRAGMA, Nemotron 시리즈, Kumo 패밀리와 같은 오픈소스 가중치 모델을 기반으로 생산 수준의 AI 역량을 구축한다고 발표했습니다. 이는 거래 분석, 음성 인식, 사기 탐지, 데이터 파이프라인 가속 등 핵심 시나리오를 포괄하며, 데이터 주권, 비용 통제 및 규정 준수 기반 배포를 강조합니다.
NVIDIA 코스모스 플랫폼 업그레이드: 세계 모델을 위한 학습, 평가 및 배포 도구 체인 추가
NVIDIA는 Cosmos 플랫폼을 확장하여 Cosmos Data Factory 블루프린트, Cosmos Framework 학습 최적화 도구 및 Cosmos 3 NIM 마이크로서비스를 출시했으며, 이를 통해 다중 모달 데이터 생성, GR00T·QWEN 등 오픈소스 세계 모델의 적응, 그리고 낮은 지연 시간 추론을 지원합니다. 포르쉐, ANYbotics, Ultralytics, ADNOC 등은 이미 실제 적용을 시작했습니다.
글로벌 기업들이 NVIDIA DSX 플랫폼을 활용해 AI 인프라의 전력 한계를 극복하고 있다.
200기가와트가 넘는 미국의 계통 연계 프로젝트 적체와 3,000억 달러 규모의 설비 납품 지연이라는 심각한 현실에 직면해, 여러 에너지 및 산업 대기업들이 NVIDIA DSX AI 팩토리 플랫폼을 기반으로 전력망, 시설 및 컴퓨팅 인프라를 통합하고, 변전소부터 랙 단위까지의 협업 시뮬레이션과 동적 스케줄링을 구현함으로써, 현재 AI 인프라 발전의 최대 걸림돌인 전력 공급 병목 문제를 극복하고자 하고 있다.
구글 I/O 2026에서 Gemini for Science, WeatherNext 및 Antigravity 2.0 등 AI 연구 및 건강 도구를 발표했습니다.
구글 연구팀은 I/O 2026 컨퍼런스에서 과학적 발견, 기후 예측, 의료 및 엣지 컴퓨팅을 위한 일련의 AI 시스템을 집중적으로 발표했으며, 여기에는 다모드형 연구 보조 도구 Gemini for Science, 허리케인 경보를 지원하는 WeatherNext, 자율적으로 운영체제를 구축할 수 있는 에이전틱 플랫폼 Antigravity 2.0, 그리고 오픈소스 양자 칩 Willow 등이 포함된다. 이 모든 성과는 실험적 시연에 불과하며, 아직 독립적인 검증이나 규제 승인을 받지는 않았다.