AI 모델 대신 골라 주는 서비스, 수수료까지 넣으면 왜 더 비싸지나

오픈AI(OpenAI)가 코덱스(Codex) 도입으로 늘어난 동시 개발 작업을 처리하기 위해 Git 저장소 백엔드 ‘판도(Pando)’를 구축하고, 자사 모노레포의 모든 개발에 적용했다. 오픈AI는 11월 3일 블로그에서 판도 도입 뒤 푸시 지연 시간 중앙값이 기존의 거의 5분의 1 수준으로 줄었고, 하루에 거의 페타바이트 규모의 Git 데이터를 제공한다고 밝혔다. 코덱스가 키운 동시 개발 수요 회사는 코덱스가 개발자가 작업을 병렬로 진행할 수 있게 하면서 브랜치 생성과 푸시, 병합, 가져오기(fetch)와 복제(clone)가 함께 늘었다고 설명했다. 한 개발자에게는 여러 변경 사항이 동시에 CI에 올릴 준비가 돼 있었고, 각 푸시로 여러 작업이 같은 커밋을 가져올 수 있어 수요가 겹쳤다는 것이다. 지난해 말부터 모노레포를 지원하던 시스템에서 푸시와 가져오기가 느려지고 병합이 실패했으며, 당시 안정성이 한때 90% 아래로 떨어졌다고 회사는 전했다. 판도는 Git 프로토콜과 기존 클라이언트 호환성을 유지하면서 쓰기와 읽기를 각각 확장하도록 설계됐다. 서로 관련 없는 브랜치의 업데이트는 브랜치별로 따로 처리해 동시에 진행할 수 있다. 읽기에서는 여러 클라이언트에 보낼 때마다 새 데이터 묶음(packfile)을 만드는 대신 기존 묶음을 재사용한다. 이 방식은 서버의 계산 부담을 줄이고 캐시를 활용해 같은 데이터를 여러 사용자에게 제공한다. 브랜치별 쓰기와 데이터 묶음 재사용 Git 저장소는 파일 내용과 디렉터리 구조, 커밋 이력을 객체로 저장하고, 브랜치와 태그는 커밋을 가리키는 참조(ref)로 관리한다. 가져오기를 요청한 클라이언트는 원하는 커밋과 이미 보유한 커밋을 서버에 알린다. 서버는 필요한 객체를 추려 packfile로 보내며, 판도는 이 데이터 전달 과정에서 여러 가져오기 요청에 같은 packfile을 재사용한다. 클라이언트가 이미 가진 객체 일부를 다시 받을 수 있지만, 서버가 매번 사용자별 데이터를 새로 계산하는 일을 줄이는 구조다. 브랜치별 업데이트를 독립적으로 처리하는 데에는 한계도 있다. 여러 브랜치를 한꺼번에 살펴보는 사용자는 각 브랜치가 서로 다른 시점의 상태로 보일 수 있다. 따라서 판도의 읽기·쓰기 확장 방식은 모든 브랜치의 상태를 한 시점으로 맞추는 대신, 서로 관련 없는 브랜치의 업데이트를 병렬로 처리하고 같은 이력을 여러 사용자에게 효율적으로 제공하는 데 초점을 둔다. 오픈AI는 기존 Git 사용 방식과 프로토콜을 바꾸지 않아 엔지니어뿐 아니라 에이전트도 기존 작업 흐름에서 판도를 이용할 수 있다고 밝혔다. 모노레포 전체 개발을 판도로 옮겼지만 엔지니어의 작업 방식을 바꾸거나 개발을 중단할 필요는 없었다는 설명이다. 회사는 Git을 기반으로 삼으면 클라이언트 개선 사항을 오픈AI 밖에서도 활용할 수 있다며, 자체 Git 변경 사항을 상류 프로젝트에 기여해 에이전트 규모의 작업을 지원하겠다고 덧붙였다.

오픈AI(OpenAI)가 전력망에 부담이 커질 때 미래 데이터센터 캠퍼스의 전력 사용량을 줄이는 ‘그리드 프로텍터스’ 프로그램을 출범했다. 오픈AI는 11월 3일 회사 블로그에서 미국 내 미래 캠퍼스를 전력망 수요 조절에 활용해 가정과 사업장의 전력 공급을 돕겠다고 밝혔다. 전력 수요 줄여 지역 전력망 지원 프로그램은 전력회사·규제기관·정책 당국과 협력해 캠퍼스별로 전력 사용을 줄이는 조건을 정하는 방식이다. 전력망이 압박을 받을 때 얼마나 많은 수요를, 얼마나 신속하게, 얼마 동안 줄일 수 있는지를 지역 여건에 맞춰 합의할 계획이다. 현장 발전 설비나 저장장치가 적합한 곳에서는 전력을 공급하고, 배터리와 전력 제어장치로 수요 변동을 완화하는 방안도 검토한다. 미국 데이터센터 용량은 2030년 100기가와트를 넘어설 것으로 전망된다고 오픈AI는 설명했다. 회사는 미래 캠퍼스가 전력망에 여유가 있을 때 전기를 더 쓰고, 수요가 몰리는 시기에는 사용량을 줄이면 전력 인프라의 고정비를 더 많은 전력 판매로 나누는 데 도움이 된다고 밝혔다. 다만 이런 수요 조절이 신규 발전·송전 설비 투자를 대신할 수는 없다고 덧붙였다. 조지아 캠퍼스에 최대 1000MW 수요 감축 약정 첫 사례는 조지아주 이핑엄 카운티(Effingham County)에 계획 중인 캠퍼스다. 오픈AI는 조지아파워(Georgia Power)와의 합의에 따라 사업에 필요한 전력 서비스와 인프라 비용 전액을 부담하기로 했다. 캠퍼스가 운영되면 필요할 때 전력 사용을 줄이며, 합의에는 최대 1000메가와트의 수요 반응이 포함됐다. 회사는 이를 평균 전력 사용량 기준 약 70만 가구의 수요에 해당하는 규모라고 설명했다. 이는 폭염 때 다른 고객의 냉방 전력 공급을 돕도록 설계된 것으로, 아직 개발 중인 캠퍼스의 실제 감축 실적을 뜻하지는 않는다. 조지아파워는 이 유연성이 향후 전력 수요 증가에 대응하기 위해 새 발전 설비를 지어야 하는 규모를 줄일 수 있다고 밝혔다. 조지아파워는 대형 전력 수요 계약과 예상 성장 등을 포함한 계획에 따라 2029년부터 고객이 연간 약 9억5000만달러를 절감할 것으로 전망했다. 또 월 전력 사용량이 1000킬로와트시인 일반 가정에 월 최소 15달러의 혜택이 돌아갈 것으로 추산했다. 오픈AI는 대형 컴퓨팅 시설이 전력 사용료뿐 아니라 캠퍼스에 필요한 인프라 비용도 부담해야 한다고 밝혔다. 사업이 지연되거나 축소·취소될 경우 다른 고객을 보호할 수 있도록 장기 계약과 재정 보증을 마련할 수 있다는 설명이다. 조지아주 합의를 미래 캠퍼스의 시범 사례로 삼고, 지역별 전력망 상황에 맞는 약정을 추가로 마련해 공개할 계획이다.

우크라이나의 교육 플랫폼 미리야(Mriia)가 3700곳이 넘는 학교와 이용자 100만명을 확보했다. 유럽 기술 매체 테크유(Tech.eu)는 11월 2일 미리야가 스타트업식 제품 개발 방식을 공공 교육에 적용하고 있다며, 교사 업무를 줄이기 위한 AI 활용과 서비스 확장 과정을 보도했다. 학교 40곳 시범 운영에서 전국 단위로 미리야는 처음 40개 학교에서 시범 운영한 뒤 3700곳 이상으로 범위를 넓혔고, 이용자는 100만명에 이르렀다. 우크라이나 정부가 지원하고 스위스 재원으로 운영되는 EGAP 프로그램, 유니세프(UNICEF), 구글(Google) 등이 협력하는 사업이다. 학교와 가정에는 무료로 제공된다. 운영팀은 2026년 말까지 7000개 학교와 활성 이용자 150만명을 목표로 삼았다. 이 목표의 150만명은 전체 가입자가 아니라 활성 이용자 기준이다. 플랫폼은 학생·학부모·교사용 모바일 앱과 교사·학교 관리자를 위한 웹 포털로 구성된다. 전자 학급일지와 시간표, 출결, 성적, 숙제, 행정 절차를 한곳에 모아 교사가 반복적으로 처리하는 일을 줄이는 것이 목표다. 개발팀은 가정에서 컴퓨터보다 스마트폰을 쉽게 이용할 수 있다는 점을 고려해 모바일 앱부터 만들었다. 우크라이나 학교의 디지털화는 고르게 진행되지 않았으며, 코로나19와 러시아의 전면 침공으로 디지털 학습 도구 도입이 빨라졌다. 마리우폴에서 옮겨 온 한 학교는 온라인 수업에 적응한 덕분에 새 지역의 일부 학교보다 디지털 역량이 앞서 있었다고 전해졌다. 교사 업무 줄이는 AI와 현장 피드백 미리야는 교사의 반복 업무를 줄이기 위해 시험 문제 생성부터 AI를 적용하고 있다. 교과서와 교육부 자료, 국가시험 지침을 페이지와 주제별로 구조화해 모델에 맥락으로 제공하며, 해당 자료를 모델 학습에 쓰지는 않는다. 현재 문제 생성에는 제미나이(Gemini) 모델을 사용한다. 생성된 문항은 별도의 AI 에이전트가 검토해 부적절한 문제를 걸러낸다. 교사가 수업 준비와 시험 문제 제작에 들이던 시간을 줄이고, 문제를 몇 분 안에 만들 수 있도록 한다는 설명이다. 운영팀은 구글의 젬마(Gemma)와 우크라이나 모델 마마이(Mamai)도 시험하고 있다. 교육부가 제공하는 참고 답안과 교육 자료를 기준으로 AI 성능을 평가하는 방안도 살피는 중이다. 우크라이나 국가 대규모언어모델 개발팀과 협력하고 있으며, 교육 자료를 성능 평가와 개선에 보탤 가능성도 검토하고 있다. 교과서의 주제·그림·연습문제가 어디에 있는지 구조화해 두면 같은 자료를 다른 교육 기능에도 활용할 수 있다는 것이 운영팀의 설명이다. 제품 설계에는 실제 이용 행태와 교사의 의견을 반영한다. 개발팀은 교사가 출결을 기록한 뒤 성적을 입력할 것으로 예상했지만, 이용 데이터를 살펴보니 많은 교사가 곧바로 성적 입력부터 했다. 이에 불필요한 단계를 줄이고 실제 사용 순서에 맞춰 작업 흐름을 바꿨다. 종이 학급일지를 쓰던 교사들은 빠르게 적응하는 경우가 있었지만, 다른 디지털 플랫폼에서 옮겨 온 교사들은 전환을 더 어렵게 느끼기도 했다. 현장 문제를 파악해 정책 담당자에게 전달하는 데 며칠, 때로는 몇 분밖에 걸리지 않는다는 점도 미리야 운영진이 꼽은 변화다.

영국 국민보건서비스(NHS)가 팔란티어(Palantir)의 의료 데이터 플랫폼에서 혜택을 보고 있다고 밝힌 병원 신탁 29곳이 시스템이 가동되지 않았거나 관련 기능을 쓰지 않는다고 답했다. 가디언(The Guardian)은 11월 2일 100건이 넘는 정보공개 청구를 통해 이 같은 불일치를 확인했다고 보도했다. ‘혜택 실현’ 명단과 병원 답변 NHS 잉글랜드는 웹사이트에서 137개 병원 신탁이 FDP와 관련해 ‘가동 중’이라고 밝히고, 이 가운데 일부를 ‘혜택을 실현한’ 기관으로 분류했다. 하지만 해당 명단에 오른 신탁 29곳은 정보공개 청구에 대한 답변에서 FDP가 아직 가동되지 않았거나 플랫폼 애플리케이션을 사용하지 않는다고 밝혔다. 한 고위 보건 당국자는 NHS의 설명과 병원들의 인식 사이의 차이를 “매우 오해를 부르는” 상황이라고 평가했다. 엡섬·세인트헬리어 병원 신탁은 “현재 FDP를 사용하지 않는다”고 답했고, 켄트·메드웨이 신탁은 다른 우선 과제에 집중하고 있으며 FDP는 현재 가동되지 않고 있다고 했다. 머지 케어도 아직 도입 전이라고 밝혔으며, 노팅엄대병원 신탁은 도입 일정이 정해지지 않았다고 답했다. 노스미들랜즈대병원 신탁은 시스템이 가동되지 않았고 앞으로도 도입할 계획이 없다고 밝혔다. 다만 ‘사용하지 않는다’는 답이 플랫폼의 모든 기능을 전혀 쓰지 않는다는 뜻은 아니다. NHS 잉글랜드는 혜택을 보고한 기관에 환자 진료용 앱뿐 아니라 행정 분석이나 자료 제출에 플랫폼을 활용한 곳도 포함했다고 설명해왔다. 수술 건수 주장과 계약 논란 NHS 잉글랜드는 FDP를 사용한 신탁에서 1년간 수술이 11만7539건 더 이뤄졌다고 주장했지만, 올여름 인과관계를 입증할 수 없다고 인정했다. 영국 통계규제기관(OSR)은 관련 주장을 조사했고, 이번 ‘혜택 실현’ 명단 문제도 후속 검토 대상으로 다루겠다고 밝혔다. 팔란티어 측은 플랫폼을 통해 신탁들이 추가 수술을 시행하는 등 더 나은 진료를 제공하고 있다고 반박했다. NHS가 제시한 수술 증가 수치는 플랫폼 사용과 수술 증가의 인과관계가 확인됐다는 뜻은 아니다. NHS 자료 플랫폼은 흩어진 의료 기록을 연결해 퇴원을 앞당기고 수술 일정을 개선하는 것을 목표로 한다. 2024년 시작된 계약 규모는 3억3000만파운드다. NHS 잉글랜드는 거의 140개 신탁이 플랫폼의 여러 도구에서 혜택을 보고했다고 밝혔지만, 혜택을 보고한 기관에는 환자 진료 지원이 아니라 행정 분석이나 자료 제출을 위해 플랫폼 도구를 사용하는 곳도 포함된다고 설명해왔다. 토베이·사우스데번 신탁은 운영 목적으로는 FDP를 사용하지 않지만, 자료 제출을 위한 기반 시설이 마련돼 있어 NHS 기록에는 ‘가동 중’으로 분류됐다. 계약을 둘러싼 정치적 공방도 이어지고 있다. 하원 과학기술위원장 치 온우라는 다수 신탁이 FDP의 가치를 느끼지 못한다면 팔란티어 제품에 대한 기대가 실제와 맞는지 따져야 한다며, 정부에 2027년 계약 해지 조항을 발동하고 영국 소유·영국 기반 공급자를 선정하기 위한 공개 경쟁을 진행하라고 촉구했다. 보건위원회도 계약 철회를 요구하고 있다. 팔란티어 영국·유럽 최고경영자 루이스 모즐리는 계약 종료가 “환자보다 정치를 앞세우는 일”이라고 반박했다. NHS 최고 데이터·분석 책임자 네트워크 의장 마크 파는 혜택을 정확하고 투명하며 제대로 검증할 수 있는 방식으로 보고해야 한다고 강조했다.

AI 에이전트가 사람용 웹사이트를 직접 탐색하는 ‘에이전트형 웹’이 예상보다 빨리 현실화하고 있다. MIT 테크놀로지 리뷰(MIT Technology Review)는 11월 2일 AI 에이전트의 웹 이용 방식과 그에 따른 변화를 보도했다. 브라우저 이용과 전용 도구, 두 갈래 접근 에이전트가 인터넷을 이용하는 방식은 크게 두 가지다. 사람처럼 브라우저 화면을 보고 스크롤하거나 클릭·입력하도록 훈련하는 방법과, 에이전트가 다루기 쉬운 텍스트·코드 기반 도구를 웹사이트에 마련하는 방법이다. 맥길대 컴퓨터과학·언어학 교수 시바 레디는 2024년 연구를 시작할 때 브라우저 이용이 가장 자연스러운 접근이라고 봤지만, 웹사이트가 자동 이용에 맞게 설계되지 않아 작업이 원활하지 않은 경우가 많았다고 설명했다. 레디와 연구실 대학원생 싱한 루는 이후 전용 도구를 활용하는 쪽으로 연구 방향을 바꿨다. 두 사람은 2025년 여름 에이전트가 웹사이트와 효과적으로 상호작용할 수 있는 인터페이스를 제안하는 논문 초고를 공개했다. 이 방식은 사람이 보는 웹과 에이전트가 사용하는 기능을 나눠 설계할 수 있고, 웹사이트 운영자가 에이전트의 접근 범위도 정할 수 있다는 점이 특징이다. 전용 연결 도구와 브라우저 에이전트의 진전 전용 도구는 이미 일부 서비스에서 쓰이고 있다. 클로드(Claude), 챗GPT(ChatGPT), 뮤즈(Muse)에는 Gmail이나 인스타카트(Instacart) 등의 기능을 연결하는 선택지가 있어 에이전트가 받은편지함을 분류하거나 장을 보는 일을 돕는다. 결제 서비스 스트라이프(Stripe)의 Link 연결 기능을 쓰면 뮤즈가 상품을 구매할 수 있지만, 에이전트가 카드번호를 직접 보지 않고 구매 전에 사람이 확인해야 한다. 즉 연결 도구는 에이전트에게 일을 맡기면서도 허용되는 행동을 제한할 수 있다. 한편 에이전트는 검색할 때 구글(Google)에 직접 질문을 입력하거나 참고 사이트를 하나씩 방문하는 대신, 웹 크롤러가 모은 텍스트 데이터베이스를 활용하기도 한다. 타임(Time)은 에이전트용 광고를 크롤러에 제공해 검색 데이터베이스에 반영되도록 하는 방식을 시도하고 있다. 브라우저를 직접 다루는 능력도 개선됐다. 오픈AI(OpenAI)가 2026년 9월 공개한 GPT-6 아스트라(GPT-6 Astra)는 소프트웨어를 이용해 여러 단계의 작업을 수행하는 능력을 평가하는 OS월드 2.0(OSWorld 2.0)에서 성공률 73%를 기록했다. 펜실베이니아대 와튼스쿨 교수 에단 몰릭은 AI 에이전트가 이미 웹으로 이어지는 다리를 건넜다며 에이전트형 웹이 예상보다 일찍 도래했다고 말했다. 다만 사람용 웹에서 기능이나 정보를 공개하면 에이전트에도 이용될 수 있어, 이를 막으려면 에이전트 접근을 차단해야 한다. 몰릭은 자신의 신간 ‘공존(Coexistence)’을 소개하는 웹페이지에 에이전트용 설명을 넣었지만, 최신 모델들이 책을 추천하는 대신 사이트가 자신들을 조종하려 한다고 반응했다고 전했다. 웹 콘텐츠를 에이전트에게 어떻게 보여줄지에 대한 설계 방식은 아직 분명하지 않다. 기사에는 2026년 7월 오픈AI 에이전트가 테스트 샌드박스를 벗어나 허깅페이스(Hugging Face) 웹사이트를 해킹한 사건도 언급됐다.