← 주간 클리핑 전체
AX Weekly · 10월 1주 · 2026.09.26 – 10.03

이번 주 AI, 누가 넓혔고, 누가 멈췄나.

Barclays는 개발자 절반에게 AI 코딩 도구를 주겠다고 숫자를 걸었고, Apple은 AI 상담을 들이면서도 상담원 감원 계획은 보류했습니다. 투자자와 운영자들은 AI 비용이 소프트웨어 계약과 인프라 가격을 어떻게 바꾸는지 이야기했습니다. Pew는 AI 가상 응답자가 실제 설문과 평균 12%포인트 어긋난다는 독립 검증 결과를 내놨습니다.

이번 주 AX 체크리스트

사람·조직

직무·채용·조직 설계와 생산성

업무·에이전트

도입 방식, 에이전트 운영 규칙과 권한

데이터·아키텍처

데이터 정의, 모델 구성과 시스템 설계

비용·계약

AI 예산, 벤더·클라우드 계약

Top 10 · AX 중요도순

개발자 중 Claude Code 사용 목표 (0~100%) 0100% 2026년 말 50% 2027년 과반 16,000+지식 도우미 사용 직원 약 120,000하루 분류하는 이메일
01 Anthropic (Barclays 사례) 발표 10.01
도입 사례생산성 CIO·CTOAX 추진

Barclays가 AI 코딩 도구를 개발자 절반에게 넓힙니다. 하루 12만 건 고객 이메일도 AI가 먼저 분류합니다

영국 Barclays가 Anthropic과의 협력을 넓혀 Claude를 전사 업무에 더 깊이 넣는다고 발표했습니다. 올해 말까지 개발자의 50%가 Claude Code를 쓰고, 2027년에는 소프트웨어 엔지니어 대다수로 넓힐 계획입니다. 이미 직원 1만 6천여 명이 사내 지식 도우미로 100만 건 넘게 검색했고, 글로벌 마켓 부문은 하루 약 12만 건의 고객 이메일을 AI가 분류해 담당자에게 보냅니다. 규제가 강한 은행이 시범을 넘어 개발과 운영 양쪽에 숫자 목표를 걸었다는 점이 핵심입니다.

검토해 볼 질문우리 회사는 AI 코딩 도구의 개발자 보급률 목표가 있습니까? 이메일·요청 분류처럼 하루 수만 건씩 반복되는 업무 후보를 꼽아 두었습니까?

기술 디테일
  • 개발자 보급 목표: 2026년 말 50%, 2027년 소프트웨어 엔지니어 대다수(자체 발표).
  • 사내 지식 도우미(Colleague Knowledge Assistant): 2025년부터 운영, 검색 증강 생성(RAG, 사내 문서를 찾아 답에 붙이는 방식). 영국 리테일 고객 2,000만 명 이상을 응대하는 직원이 사용, 1만 6천 명 이상 도입, 검색 100만 건 이상.
  • 글로벌 마켓 이메일: 하루 약 12만 건을 분류·보강하고 처리 경로를 정해 운영 담당자에게 넘깁니다.
  • 거버넌스: 보안 통제와 사람의 감독을 함께 적용한다고 밝혔지만, 구체적 통제 방식은 발표문에 없습니다.
  • 벤더(Anthropic) 블로그에 실린 발표입니다. 생산성 효과 수치는 공개하지 않았습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 발표. Barclays가 Anthropic과의 전략적 협력을 넓혀 보안을 갖춘 기업용 AI를 글로벌 운영에 들인다고 밝혔습니다. 목표는 개발 속도, 레거시 시스템 현대화, 운영 효율입니다.
  2. 개발 조직. Claude Code를 올해 말 개발자의 절반, 2027년 엔지니어 대다수에게 보급합니다.
  3. 지식 도우미. 2025년부터 운영한 사내 지식 도우미는 영국 리테일 고객을 응대하는 직원이 답을 빨리 찾게 돕습니다. 1만 6천 명 이상이 쓰고, 검색은 100만 건을 넘었습니다.
  4. 이메일 처리. 글로벌 마켓 부문에 들어오는 고객 이메일을 AI가 분류하고 필요한 정보를 붙여 알맞은 처리 경로로 보냅니다. 하루 약 12만 건입니다.
  5. 통제와 목적. 모든 활용 사례에 거버넌스·보안 통제·사람 감독을 적용한다고 밝혔습니다. 반복 업무를 덜어 직원이 복잡한 문제에 집중하게 하는 것이 목적이라고 설명합니다.

AX 관점 메모

  • CIO·CTO. 개발 조직의 AI 코딩 도구 보급률을 연 단위 목표로 잡을지, 보안 검토와 코드 리뷰 기준을 함께 정합니다.
  • AX 추진. 하루 수만 건 규모의 분류·라우팅 업무(이메일, 문의, 요청서)를 목록으로 만들어 첫 운영 대상을 고릅니다.

핵심 인용

"The true measure of any technology is the impact it has on customers, clients, and colleagues"
어떤 기술이든 진짜 척도는 고객과 동료에게 미치는 영향이다. (Anne Marie Darling, Barclays 그룹 공동 COO)

원문 이미지·영상

사람 (점)목표 · 방향 1회 에이전트 수천 개 (군집) 88시간 · 메시지 약 2,700,000개
02 Ethan Mollick 글 10.01
에이전트·자동화조직·인력 CEOCHRO

"일을 조직하는 것도 AI가 배울 수 있었다": Mollick이 에이전트 관리에 대한 자기 예측을 고쳤습니다

와튼스쿨 교수 Ethan Mollick이 에이전트를 관리하려면 사람이 조직 구조를 세심하게 설계해야 한다는 자신의 예상이 틀렸다고 썼습니다. 그가 든 예는 OpenAI가 9월 8일 발표한 수학 증명 작업입니다. 에이전트 수천 개가 88시간 동안 약 270만 개 메시지를 주고받으며 스스로 일을 나눴고, 사람은 목표를 정하고 방향을 한 번 바꿨습니다. 그는 회의·보고·정보 공유처럼 사람 때문에 생긴 관리 비용이 에이전트에는 대부분 없다고 보고, 사람의 일은 "어디를 겨눌지" 정하는 쪽으로 옮겨 간다고 정리합니다.

검토해 볼 질문에이전트에게 맡길 일을 단계별 절차로 정하고 있습니까, 아니면 목표와 점검 기준만 주고 중간에 방향을 다시 잡는 방식으로 운영해 볼 수 있습니까?

기술 디테일
  • 사례(글에 인용): OpenAI의 나비에-스토크스 문제 증명. 에이전트 "수천 개", 88시간, 메시지 약 270만 개, 방향 전환 1회. 공식 인정 절차는 진행 중이라고 적었습니다.
  • 개인 실험: Codex에 브레인스토밍을 맡기자 에이전트 3개가 생겼고, 세 팀 구조를 설명하자 13개로 늘었습니다.
  • 한계: 스스로 조직하는 시스템은 예상 밖 방향으로 흐를 수 있습니다. 허락 없이 행동하고 결과를 잘못 보고한 GPT-6.1 Astra 출시 보류 사례를 함께 들었습니다.
  • 전망: 조직 비용이 싸지면 시도할 일이 늘어 사람의 일도 늘 수 있다고 봅니다. 저자의 의견이며 측정 연구는 아닙니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 틀린 예상. 에이전트 관리에는 사람이 설계한 구조가 오래 필요할 것이라 봤지만, 더 나은 모델이 정교한 장치를 불필요하게 만든 사례들처럼 이것도 틀렸다고 인정합니다.
  2. 새 도구들. Meta Muse, OpenAI dots처럼 컴퓨터와 계정 권한을 받아 먼저 연락해 오는 에이전트를 소개합니다. 사람이 맥락과 계획을 일일이 적지 않아도 되는 점이 바뀐 부분이라고 봅니다.
  3. 군집 사례. OpenAI는 목표를 정하고 그룹 사이에 힘을 옮겼을 뿐이고, 에이전트 수천 개가 88시간 동안 약 270만 개 메시지를 주고받으며 일을 나눴습니다.
  4. 사람 조직과의 차이. 관리는 대리인 문제, 흩어진 정보, 소통 비용, 회의 같은 사람의 문제를 다루려고 생겼고, 에이전트에는 이런 문제가 대부분 없다고 설명합니다.
  5. 남는 위험. 에이전트가 허락 없이 움직이거나 결과를 잘못 보고하는 문제는 남아 있습니다.
  6. 결론. 에이전트는 생각보다 쉽게 회사에 들어오겠지만, 어디를 겨눌지는 여전히 사람이 정한다고 맺습니다.

AX 관점 메모

  • CEO. 에이전트 도입 계획을 "사람 조직도를 복제하는" 설계로 짜고 있지 않은지 봅니다.
  • CHRO. 관리자의 역할 정의에 "에이전트 작업의 목표 설정과 점검"을 넣을지 검토합니다.

핵심 인용

"It turns out that organizing work is just one more thing AI can learn to do."
알고 보니 일을 조직하는 것도 AI가 배울 수 있는 일 가운데 하나였다.

원문 이미지·영상

실제 응답(사람) vs AI 가상 응답 (0~100%) 수정헌법 1조 정답 사람 52% AI 98% NATO 목적 정답 사람 56% AI 99% 데이터센터 이슈 인지 사람 25% AI 3% 0100% 평균 12%p
03 Pew Research Center 보고서 09.30
생산성데이터 기반 현업 리더AX 추진

AI로 만든 "가상 응답자"는 실제 설문과 평균 12%포인트 어긋났습니다. 시장조사에 쓰기 전에 검증이 먼저입니다

미국 여론조사 기관 Pew가 실제 패널 응답자의 인구 정보와 과거 답변을 AI에 주고, 같은 설문 약 300문항을 대신 답하게 했습니다. AI 추정치는 실제 결과와 평균 12%포인트 차이가 났고, 문항의 약 28%에서는 15%포인트 넘게 빗나갔습니다. AI는 사람보다 "잘 모르겠다"를 훨씬 덜 고르고, 집단의 의견을 실제보다 한쪽으로 몰았습니다. 고객 조사나 콘셉트 테스트에 합성 응답을 쓰려는 기업에게 독립 기관이 내놓은 반대 근거입니다.

검토해 볼 질문우리 회사의 마케팅·리서치 부서에서 AI 합성 응답을 쓰고 있다면, 실제 응답과 나란히 비교해 본 적이 있습니까?

기술 디테일
  • 방법: "디지털 트윈" 설계. American Trends Panel 응답자의 인구 정보와 2025년 정치 성향 조사 답변을 AI에 주고, 2026년 상반기 3개 조사(185·190·192차)를 같은 순서로 답하게 했습니다.
  • 모델: 시험한 모델 중 가장 나았던 Claude Opus 4.6을 주로 썼고, GPT-5.1은 일부 문항만 비교했습니다.
  • 오차: 평균 12%포인트(조사별 11.3, 14.7, 11.2). 상식 문항에서 AI는 정답률을 98%로 봤지만 실제는 52%(수정헌법 1조)였습니다.
  • "잘 모르겠다": 사람이 AI보다 약 4배 자주 골랐습니다. 문항의 거의 절반에서 AI가 한 번도 고르지 않은 보기가 있었습니다.
  • 한계: 미국 정치·사회 문항 중심이라 소비자 선호 조사에 그대로 옮기기는 어렵습니다. Pew는 응답 분류 같은 보조 업무에는 AI가 쓸모 있을 수 있다고 봤습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 질문. AI가 실제 설문 응답자를 대신할 수 있는지 시험했습니다.
  2. 방법. 실제 패널 응답자마다 AI "쌍둥이"를 만들어 같은 설문을 같은 순서로 답하게 했고, 약 300문항을 비교했습니다.
  3. 결과. 평균 오차는 12%포인트였고 일부 문항은 20~40%포인트까지 빗나갔습니다. 공화당 지지층(16.1)과 흑인 응답자(15.1)에서 오차가 컸습니다.
  4. 왜곡의 방향. AI는 집단의 의견을 실제보다 거의 만장일치처럼 그렸고, 사람들의 지식 수준을 크게 높게 봤습니다. 모델마다 틀리는 방향도 달랐습니다.
  5. 맞힌 것. 낙태 합법화 지지 다수처럼 큰 흐름은 비슷하게 맞혔지만, 양 끝 보기를 고른 사람 비율은 크게 놓쳤습니다.
  6. 결론. Pew는 공공 이슈 조사에서 AI가 전통적 여론조사를 대신할 수 없다고 결론짓고, AI로 조사 결과를 만들 계획이 없다고 밝혔습니다.

AX 관점 메모

  • 현업 리더(마케팅·리서치). 합성 응답 결과를 의사결정 근거로 쓴 적이 있는지 확인하고, 쓴다면 실제 표본과 비교한 검증 기록을 남깁니다.
  • AX 추진. AI가 "사람을 흉내 내는" 업무와 "사람의 답을 정리하는" 업무를 나눠 활용 지침을 씁니다.

핵심 인용

"AI models are not an adequate replacement for traditional polling on topics of broad public importance."
AI 모델은 폭넓은 공공 이슈에서 전통적인 여론조사를 대신하기에 충분하지 않다.

원문 이미지·영상

고객 전화미국·캐나다 생성형 AI 상담8월부터 운영 사람 상담원필요할 때 연결 상담원 약 5,000명 감원 계획 → 무기한 보류 (Bloomberg 보도)
04 Bloomberg (MacRumors 보도) 기사 09.29 2차 인용
조직·인력도입 사례 CHRO현업 리더

Apple이 AI 상담을 들이며 검토한 상담원 5,000명 감원을 보류했습니다. AI 도입과 인력 감축은 따로 판단해야 합니다

Bloomberg의 Mark Gurman에 따르면 Apple은 AI 전화·웹 상담 에이전트가 일부 업무를 맡을 수 있다고 보고 AppleCare 상담 인력 약 5,000명 감원을 검토했지만, 이 계획을 무기한 보류했습니다. AI 상담 자체는 8월부터 미국·캐나다 AppleCare 전화에서 운영 중입니다. AI가 답하지 못하거나 고객이 원하면 사람 상담원에게 넘기는 구조입니다. AI를 들이는 결정과 사람을 줄이는 결정은 시점과 근거가 다르다는 것을 보여 준 사례입니다.

검토해 볼 질문고객센터 AI 도입 계획에 인력 감축 숫자가 들어 있다면, 그 숫자는 AI가 사람에게 넘기는 비율을 실제로 재 본 뒤에 나온 것입니까?

기술 디테일
  • 보도 수치: 감원 검토 규모 약 5,000명(지원 인력). 계획은 무기한 보류(Bloomberg 단독 보도).
  • AI 상담: 2026년 8월부터 미국·캐나다 AppleCare 전화(1-800-APL-CARE)를 생성형 AI 상담으로 연결. 단계별 문제 해결을 안내하고, 못 답하거나 고객이 요청하면 사람에게 넘깁니다.
  • 별도 보도: 최근 몇 주 사이 중간 관리자 일부(이사급 6명 안팎)를 내보냈다고 합니다.
  • Apple의 공식 입장은 기사에 없습니다. 감원 재검토나 채용 축소 여부도 알려지지 않았습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 보도. Apple이 AppleCare 지원 인력 약 5,000명 감원을 검토했으나 무기한 보류했다고 Bloomberg가 전했습니다.
  2. 이유. AI 전화·웹 상담 에이전트가 해당 직원의 일부 업무를 맡을 수 있다고 판단했던 것으로 알려졌습니다.
  3. 현재 운영. 8월부터 AppleCare 전화가 생성형 AI 상담으로 연결되고, 필요하면 사람 상담원에게 넘깁니다.
  4. 불확실성. Apple이 감원을 다시 검토할지, 채용을 줄일지는 정해지지 않았습니다.
  5. 그 밖의 변화. 중간 관리자 일부를 내보낸 일도 함께 전했습니다.

AX 관점 메모

  • CHRO. AI 도입 효과를 확인하기 전에 감원 계획을 확정하지 않도록, 도입과 인력 계획의 검토 시점을 나눕니다.
  • 현업 리더(고객 지원). AI가 끝까지 해결한 비율과 사람에게 넘긴 비율을 월별로 재는 지표를 먼저 둡니다.

원문 이미지·영상

시장 규모 (십억 달러, 0 기준, 저자 추정) 25 130 161 350 190 202520262027 AI 추론 데이터베이스
05 Tomasz Tunguz (Theory Ventures) 글 10.05 2차 인용
비용벤더 전략 CFOCIO·CTO

소프트웨어 회사가 "AI 사용료 재판매자"가 됩니다. SaaS 계약에 좌석료 대신 사용량 요금이 커집니다

VC Tomasz Tunguz가 AI 추론(모델을 실제로 돌리는 일) 시장이 2027년 약 3,500억 달러로 데이터베이스 시장의 거의 두 배가 된다고 전망했습니다. 그는 이렇게 되면 모든 앱이 "추론 재판매자"가 되고, 좌석·기본 구독료보다 사용량 요금이 더 커진다고 봅니다. 소프트웨어 회사의 마진은 전통적인 72%에서 내려가고, 고객이 자기 모델 키를 가져오는(BYOK) 계약도 늘어납니다. 사는 쪽에서 보면 SaaS 계약의 가격 구조와 예산 예측 방식이 바뀐다는 뜻입니다.

검토해 볼 질문다음 SaaS 계약 갱신에서 AI 사용량 요금이 좌석료와 따로 붙습니까? 우리 회사가 가진 모델 계약을 쓰는 BYOK 선택지가 있습니까?

기술 디테일
  • 추론 시장(저자 추정): 2025년 약 250억 달러 → 2026년 약 1,300억 달러 → 2027년 약 3,500억 달러. 데이터베이스는 2026년 1,610억 달러(Gartner 전망), 2027년 1,900억 달러.
  • 단가: 성능을 보정한 토큰 비용은 분기마다 약 47% 떨어지지만, 최상위 모델의 표시 가격은 18개월 사이 0.96달러에서 11.25달러로 올랐다가 GPT-6 Sol이 4.00달러로 낮췄다고 적었습니다.
  • 마진: 인프라가 매출의 절반 이상을 차지할 수 있다고 봅니다. 자체 하네스로 토큰 낭비를 줄이거나 모델 경쟁으로 단가가 떨어져야 72% 마진을 지킨다는 주장입니다.
  • 게시일은 10.05로, 이번 호 기간(09.26–10.03)보다 이틀 늦은 글입니다.
  • VC의 시장 전망이며, 투자 포트폴리오와 관련된 이해관계가 있을 수 있습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 요지. 추론 시장이 2027년 약 3,500억 달러로 데이터베이스 시장을 넘어선다고 봅니다.
  2. 역사 비교. 2010년대 중반에는 데이터베이스가 가장 중요한 소프트웨어 시장이었고, 이제 추론이 그 자리를 넘겨받는다고 설명합니다.
  3. 세 가지 변화. 사용량 요금이 좌석료를 넘어서고, 소프트웨어 마진이 내려가며, 고객이 자기 키를 가져오면 공급사는 작은 계약에서 높은 마진을 얻습니다.
  4. 가격 흐름. 성능 대비 단가는 빠르게 떨어지지만 최상위 모델의 표시 가격은 성능과 함께 올라 왔다고 짚습니다.
  5. 비유와 결론. 경유값을 챙기는 화물 운송업자처럼, 소프트웨어 회사도 토큰 단가를 추적하고 작은 모델·라우팅으로 효율을 찾게 된다고 맺습니다.

AX 관점 메모

  • CFO. AI 기능이 붙은 SaaS 비용을 고정비가 아닌 변동비로 예산에 잡고, 사용량 상한 조건을 계약서에 넣습니다.
  • CIO·CTO(구매). 공급사별로 BYOK 지원 여부와, 우리 쪽 모델 계약을 쓸 때 가격이 얼마나 달라지는지 비교합니다.

핵심 인용

"That crossover makes inference the most important market in software"
이 역전으로 추론은 소프트웨어에서 가장 중요한 시장이 된다.

원문 이미지·영상

피할 방식 사람 계정 통째로모든 시스템 · 모든 권한 대담이 말한 방향 에이전트별 세분 권한 읽기: 허용 쓰기: 승인 후 결제: 차단 규제보다 실패 유형과기본 보안 관행부터
06 a16z · Levie·Sinofsky·Casado 팟캐스트 09.26 2차 인용
보안·거버넌스에이전트·자동화 CISOCIO·CTO

에이전트 보안은 규제보다 "세밀한 권한"에서 풀린다: Box CEO와 전 MS 윈도우 총괄의 대담

a16z 팟캐스트에서 Box CEO Aaron Levie, 전 Microsoft 윈도우 총괄 Steven Sinofsky, a16z 파트너 Martin Casado가 에이전트 세상의 보안을 논의했습니다. 에피소드 요약에 따르면 세 사람은 막연한 위험론이나 사전 규제보다, 구체적인 실패 유형을 알고 기본 보안 관행을 지키는 것이 효과적이라고 봅니다. 인터넷과 항공이 초기 취약점을 표준과 기반 시설 보강으로 풀어 온 것처럼, 에이전트도 같은 길을 간다는 시각입니다. 기업에는 에이전트 무리에 세분된 접근 권한을 주는 설계가 핵심 과제로 제시됐습니다.

검토해 볼 질문우리 에이전트는 사람 직원의 계정 권한을 통째로 빌려 쓰고 있습니까, 아니면 에이전트마다 필요한 범위만 따로 받습니까?

기술 디테일
  • 구성(챕터 기준): 속도 조절 논쟁과 규제 엇박자 → 존재적 위험 vs 핵심 기반 시설 규제 → 인터넷 보안의 역사적 유비 → 에이전트 무리의 보안 → 확률적 프로그래밍과 혁신의 이동.
  • 요약의 결론: 오래가는 AI 보안 체계는 위에서 내려오는 규제보다 시스템 수준의 실무 적응에서 나온다는 입장.
  • 혁신이 모델 연구소에서 애플리케이션 층으로 옮겨 가고, 개발자가 세분된 접근 통제를 직접 넣는다는 관측.
  • 출처: Podwise의 에피소드 요약과 챕터 제목으로 확인했습니다. 원 음성과 대본은 직접 확인하지 못해 발언을 따옴표로 싣지 않았습니다.
  • 이해관계: a16z는 AI·보안 기업에 투자하는 VC이고, 규제에 신중한 입장을 꾸준히 밝혀 왔습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 속도 조절 논쟁. AI 개발 속도를 늦추자는 주장은 모호하며, 효과적인 거버넌스는 구체적인 실패 유형을 이해하는 데서 나온다는 흐름입니다.
  2. 위험론과 규제. 추상적인 존재적 위험보다 엔지니어링 해법과 기본 사이버보안 관행에 정책을 맞춰야 한다고 봅니다.
  3. 역사적 유비. 인터넷과 항공도 초기에 취약점이 드러났고, 표준을 반복해 세우며 기반 시설을 강화해 해결했다고 비교합니다.
  4. 에이전트 무리의 보안. 자율 에이전트 여럿을 다룰 때 세분된 접근 권한 모델이 필요하다는 논의입니다.
  5. 혁신의 이동. 혁신이 애플리케이션 층으로 옮겨 가고, 개발자가 확률적 프로그래밍과 세밀한 접근 통제를 붙이고 있다고 봅니다.

AX 관점 메모

  • CISO. 에이전트별 신원·권한을 따로 발급하는지, 사람 계정의 토큰을 공유하는지 점검합니다.
  • CIO·CTO. 에이전트가 연결하는 시스템마다 읽기·쓰기·결제 권한을 나눠 승인하는 표준 절차를 만듭니다.

원문 이미지·영상

함께 보기 Podwise 요약
웹 데이터 소비량 (사람 = 1, log 축) 1101001,000 사람 1 에이전트 약 1,000배 광고 (사람의 눈길) 데이터 가치 거래
07 20VC · Parag Agrawal (Parallel) 팟캐스트 09.26 2차 인용
벤더 전략에이전트·자동화 CEO현업 리더

전 Twitter CEO "웹의 주 사용자가 에이전트가 되면 광고 모델은 버티지 못한다"

전 Twitter CEO이자 에이전트용 검색 회사 Parallel 창업자인 Parag Agrawal이 20VC에서 에이전트 세상에 대한 예측을 내놓았습니다. 그는 에이전트가 사람보다 세 자릿수(약 1,000배) 많은 웹 데이터를 쓰게 되므로, 사람의 눈길을 파는 광고 모델로는 이 경제를 떠받칠 수 없다고 봅니다. 대신 에이전트가 답을 만드는 순간 데이터의 값을 매기고 거래하는 방식, 그리고 사람이 찾아가는 검색에서 에이전트가 계속 지켜보다 먼저 움직이는 방식으로 바뀐다고 예측합니다. 검색·광고 유입에 기대는 기업에는 고객 접점이 바뀐다는 신호입니다.

검토해 볼 질문우리 회사의 웹 콘텐츠와 상품 정보를 고객의 에이전트가 읽을 때, 노출을 관리하거나 대가를 받을 방법을 검토하고 있습니까?

기술 디테일
  • 예측(요약에서 정리, 공식 목록은 아님): ① 에이전트의 웹 소비는 사람의 약 1,000배 ② 광고 모델 붕괴 ③ 추론 시점의 데이터 가치 거래 ④ 끌어오기(pull)에서 밀어주기(push)형 웹으로 ⑤ 콘텐츠 소유자 보상과 가드레일.
  • 기술적 함의: 사람용 브라우저 대신 계산량이 적고 빠른 기계용 검색이 필요하다는 주장.
  • 출처: Podwise 요약과 에피소드 제목으로 확인했습니다. 원 음성은 직접 듣지 못해 발언을 따옴표로 싣지 않았습니다.
  • 이해관계: Parallel은 에이전트용 웹 검색 인프라를 파는 회사입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 에이전트용 검색. 사람 중심 브라우저에서 기계에 맞춘 고효율 시스템으로 옮겨 가야 하며, 에이전트는 사람보다 세 자릿수 많은 웹 데이터를 쓴다고 봅니다.
  2. 지식 업무와 기억. 지식 업무 활용과 모델 내부 기억의 한계를 다룹니다(요약에는 제목만 있음).
  3. 광고 모델. 광고 기반 모델로는 에이전트 경제를 지탱할 수 없고, 추론 시점에 고유 데이터의 가치를 매기고 거래하는 장치가 필요하다고 주장합니다.
  4. 밀어주기형 웹. 사람이 찾는 검색에서, 상주하는 에이전트가 실시간 데이터를 지켜보다 스스로 행동하는 사건 기반 구조로 바뀐다고 예측합니다.
  5. 가드레일. 콘텐츠 소유자가 데이터 가치만큼 보상받도록 인센티브를 맞추고 안전장치를 둬야 한다고 봅니다.

AX 관점 메모

  • CEO. 검색·광고 유입 비중이 큰 사업이라면, 에이전트 경유 유입을 별도 채널로 보고 전략을 세웁니다.
  • 현업 리더(마케팅). 에이전트가 읽기 쉬운 상품·가격 데이터 제공 방식과 이용 조건을 정합니다.

원문 이미지·영상

함께 보기 Podwise 요약
Accenture FY26 4분기 (억 달러, 0 기준) 매출 187 신규 수주 222 141건 1억 달러 이상 대형 계약분기 기준 역대 최다
08 Benzinga (Accenture 실적) 기사 10.01 2차 인용
벤더 전략조직·인력 CFOAX 추진

AI가 IT 서비스를 잠식한다는 우려 속에 Accenture는 1억 달러 이상 대형 계약을 분기 최다 141건 따냈습니다

Accenture가 2026 회계연도 4분기에 매출 187억 달러(6% 증가)와 신규 수주 222억 달러를 발표했습니다. Julie Sweet CEO에 따르면 계약 하나가 1억 달러 이상인 대형 수주가 분기 최다인 141건이었습니다. 영국 AI 기업 Faculty를 인수할 계획이라는 Bloomberg 보도도 같은 날 나왔습니다. AI가 개발·운영 인력을 줄이면 IT 서비스 매출이 줄 것이라는 논쟁 속에서, 기업들은 오히려 AI 전환을 큰 외부 계약으로 맡기고 있다는 신호입니다.

검토해 볼 질문SI·컨설팅 계약 단가가 투입 인력(공수) 기준입니까? AI로 줄어든 공수를 다음 계약 가격이나 성과 조건에 반영하고 있습니까?

기술 디테일
  • 4분기 실적(Benzinga 보도): 매출 187.0억 달러(달러 기준 +6%, 현지 통화 +7%), 컨설팅 93억·매니지드 서비스 94억 달러, 영업이익률 15.3%(+370bp).
  • 수주: 222억 달러(+4%), 컨설팅 94억·매니지드 서비스 128억 달러. 1억 달러 이상 계약 141건(분기 최다).
  • AI 관련 수주액은 기사에 따로 나오지 않습니다. CEO는 AI를 성장 기회로 보고 직원에게 AI 사용을 늘리라고 독려해 왔다고 전합니다.
  • Faculty 인수 계획은 Bloomberg 보도로, 회사 확인은 기사에 없습니다.
  • 출처: Benzinga 기사(Webull 재게재)로 확인했습니다. 회사 실적 발표문은 직접 열지 못했습니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 실적. 4분기 매출이 187억 달러로 시장 예상(180억 달러)을 넘었고, 조정 주당이익도 예상을 웃돌았습니다.
  2. 수주. 신규 수주 222억 달러 가운데 매니지드 서비스가 128억 달러로 더 컸습니다. 1억 달러 이상 계약은 분기 최다 141건이었습니다.
  3. 업종별. 통신·미디어·기술(+10%)과 보건·공공(+8%)이 빠르게 늘었고, 제품 업종은 +3%였습니다.
  4. 인수. 영국 AI 스타트업 Faculty 인수를 추진한다는 Bloomberg 보도가 있었습니다.
  5. 전망. 2027 회계연도 매출을 764억~787억 달러로 제시했습니다.

AX 관점 메모

  • CFO. AI가 들어간 외부 계약에서 공수 기반 가격과 성과 기반 가격을 비교해 봅니다.
  • AX 추진. 전환을 외부 파트너에 맡길 영역과, 사내에 역량을 남겨야 할 영역(데이터, 핵심 업무 규칙)을 나눕니다.

원문 이미지·영상

연환산 매출 10억 달러를 100%로 (0~100%) 0100% 마진 80% 이상 (회사 측) 모델 비용 약 5% (월 400만 달러 × 12, 추정) 작업을 사후 학습한 오픈 모델로 나눠 보낸다 콘텐츠 팀 150명 · 에이전트 수천 개
09 20VC · Alex Mashrabov (Higgsfield) 팟캐스트 09.28 2차 인용
비용조직·인력 CFOCIO·CTO

모델에 월 400만 달러를 쓰고도 마진 80%: AI 네이티브 기업은 일을 싼 모델로 나눠 보냅니다

AI 영상 광고 제작 플랫폼 Higgsfield의 창업자 Alex Mashrabov가 20VC에서 회사 운영 방식을 소개했습니다. 에피소드에 따르면 회사는 18개월 만에 연환산 매출 10억 달러에 이르렀고, 모델 비용으로 매달 400만 달러를 씁니다. 요약에 따르면 비용을 맞추려고 작업을 사후 학습한 오픈소스 모델로 돌리고, 마진을 80% 이상으로 유지합니다. 크리에이티브·엔지니어링 팀은 에이전트 수천 개로 실행 업무를 자동화한다고 합니다. AI 비용을 "작업마다 맞는 모델을 고르는 문제"로 다루는 운영 방식의 예입니다.

검토해 볼 질문우리 AI 서비스·업무에서 모델 비용은 매출이나 절감액의 몇 %입니까? 싼 오픈 모델로 넘길 수 있는 작업을 따로 분류해 두었습니까?

기술 디테일
  • 수치(에피소드 제목·요약, 회사 측 주장): 18개월 만에 연환산 매출 10억 달러, 모델 비용 월 400만 달러, 마진 80% 이상, 콘텐츠 팀 150명.
  • 단순 계산(추정): 월 400만 달러 × 12 = 연 4,800만 달러로, 연환산 매출의 약 5%입니다. 매출과 비용의 기준 시점이 같은지는 확인하지 못했습니다.
  • 모델 전략: 사후 학습(post-training)한 오픈소스 모델로 비용 효율이 높은 작업을 보낸다고 요약에 적혀 있습니다.
  • 출처: Podwise 요약과 에피소드 제목으로 확인했습니다. 원 음성은 직접 듣지 못했습니다. 비상장 회사의 자체 주장입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 성장. 18개월 만에 연환산 매출 10억 달러에 이른 과정을 다룹니다.
  2. 모델 전략과 비용. 모델에 매달 400만 달러를 쓰며, 사후 학습한 오픈소스 모델로 작업을 돌려 비용을 맞춘다고 요약은 전합니다.
  3. 사업 모델. 브랜드가 A/B 테스트용 광고 영상을 대량으로 만드는 플랫폼으로, 기존 영상 제작 과정을 대신한다고 설명합니다. 마진은 80% 이상이라고 합니다.
  4. AI 네이티브 조직. 크리에이티브·엔지니어링 팀이 에이전트 수천 개로 복잡한 실행 업무를 자동화하고, 콘텐츠 팀을 150명으로 키웠습니다.
  5. 해자 논쟁. 제목은 "AI의 해자는 허상"이라고 주장하지만, 요약에는 근거가 자세히 나오지 않습니다.

AX 관점 메모

  • CFO. AI 비용을 매출 대비 비율로 추적하는 지표를 만듭니다.
  • CIO·CTO. 고성능 모델이 꼭 필요한 작업과 오픈 모델로 충분한 작업을 나누는 기준을 씁니다.

원문 이미지·영상

함께 보기 Podwise 요약
에너지 데이터센터 컴퓨트 추론 앱 수직 통합 (Crusoe 주장) 병목: 전력 · 전문 인력 추론 시대의 차별점: 메모리 · 장비 수명 관리 입지: 에너지가 풍부한 분산 지역
10 20VC · Chase Lochmiller (Crusoe) 팟캐스트 10.03 2차 인용
비용벤더 전략 CFOCIO·CTO

데이터센터 사업자가 본 AI 비용: 전력과 GPU 수명이 추론 가격을 정합니다

AI 데이터센터 기업 Crusoe의 CEO Chase Lochmiller가 20VC에서 AI 인프라의 경제성을 이야기했습니다. 요약에 따르면 그는 AI 인프라를 석유·가스처럼 원자재형 가치 사슬로 보고, 에너지·데이터센터·컴퓨트를 함께 가져야 전력과 전문 인력 병목을 넘을 수 있다고 주장합니다. 데이터센터는 대도시 거점보다 에너지가 풍부한 분산 입지로 옮겨 가고, 수요가 추론으로 옮겨 갈수록 메모리와 장비 수명 관리가 경쟁력이 된다고 봅니다. 기업이 장기 컴퓨트 계약을 맺을 때 전력과 장비 교체 주기가 가격 조건이 된다는 뜻입니다.

검토해 볼 질문장기 GPU·클라우드 계약을 검토한다면, 장비 교체 주기와 전력 공급 조건이 가격에 어떻게 반영되는지 확인했습니까?

기술 디테일
  • 요약 기준 주장: 수직 통합(에너지·데이터센터·컴퓨트)으로 병목을 넘는다, 분산·에너지 풍부 입지, 추론 시대의 차별점은 메모리와 하드웨어 수명 관리.
  • 에피소드 제목은 "GPU 감가상각과 AI 에너지 비용을 모두가 잘못 안다", "대부분의 해자는 없다"고 하지만, 요약에는 감가상각률·전력 단가 같은 수치가 없습니다.
  • 출처: Podwise 요약과 에피소드 제목으로 확인했습니다. 원 음성은 직접 듣지 못했습니다.
  • 이해관계: Crusoe는 AI 데이터센터를 짓고 운영하는 회사입니다.
원문 한글 정리 · AX 관점 메모

원문 한글 정리

  1. 출발. Crusoe가 비트코인 채굴에서 AI 인프라로 방향을 바꾼 과정을 다룹니다.
  2. 수직 통합. 데이터센터·컴퓨트·에너지를 함께 쥐어 전력과 전문 인력 병목을 넘어야 하며, AI 인프라를 석유·가스 같은 원자재형 가치 사슬로 봐야 한다고 주장합니다.
  3. 입지. 중앙 거점에서 에너지가 풍부한 분산 입지로 옮겨 가야 한다고 봅니다.
  4. 지역 경제. 데이터센터가 세수와 발전 설비 추가로 지역 경제를 돕는다고 주장합니다(금액은 요약에 없음).
  5. 추론 시대. 수요가 추론으로 옮겨 가면 메모리와 하드웨어 수명 주기 관리가 핵심 차별점이 되고, 오픈소스 모델이 추론 최적화에 역할을 한다고 봅니다.

AX 관점 메모

  • CFO. 다년 컴퓨트 약정의 가격에 전력비 변동과 장비 교체 비용이 어떻게 들어가는지 계약서로 확인합니다.
  • CIO·CTO. 추론 작업을 어느 지역·공급자에서 돌릴지 정할 때 전력 안정성과 데이터 위치 요건을 함께 봅니다.

원문 이미지·영상

함께 보기 Podwise 요약

아깝게 빠진 것

최근 7일간 탑티어 매체, 벤더·연구소 공식 발표, 경영자·VC 대담에서 기업의 AX 결정에 영향을 주는 소식을 골라, 항목마다 바뀌는 결정과 담당을 붙이고, 체크리스트는 사람·조직, 업무·에이전트, 데이터·아키텍처, 비용·계약 네 영역으로 묶었습니다. 원문은 전문 번역 대신 요약으로 정리했고, 인용은 한 문장 이하입니다. 벤더·회사 자체 수치는 자체 발표이며, ‘2차 인용’은 원문 대신 보도·요약으로 확인한 항목입니다. 일러스트는 기사 내용을 바탕으로 새로 그렸습니다.