# 지능이 “무료”가 되는 날 ―― DeepSeek, Kimi K3가 불러일으키는 “대량화”의 충격과 개인, SIer, 기업이 살아남기 위한 전략

> https://bookfactory.kr/c/ai-tech/9015
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-08-08T07:11:30.399Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/297673519/rectangle_large_type_2_ad3a1d3d753ea6e442435918473c7cae.png?width=1280)

2025년 1월 27일, 월요일. 뉴욕 증권거래소가 개장하기 전, 실리콘밸리 투자자들은 한 중국발 오픈 웨이트 모델의 벤치마크 점수에 경악했다. 그리고 시장이 열린 순간, NVIDIA의 시가총액은 하루 만에 5890억 달러가 증발했다. 역대 최대 낙폭이었다. 범인은 단 하나의 저렴한 AI 모델이었다.

그 이름은 “DeepSeek-R1”이다. GPT-4 클래스 수준의 추론 성능을 가지고 있지만, 가격은 입력 100만 토큰당 0.07달러에 불과하다. 경쟁사 대비 27배에서 140배까지 저렴하다. 이 한 방은 단순한 ‘할인’ 뉴스에 그치지 않았다. 그것은 ‘지능’이 전기나 수도와 같이 누구나 저렴하게 사용할 수 있는 공공재(코모디티)로 변모하는 과정의 포효였다.

![画像](https://assets.st-note.com/img/1785042516-XFxLvfBge8a04c97CNliVzDZ.png?width=1200)

또한, 이 호성(砲)으로부터 1년 반 후인 2026년 7월 16일. 이번에는 중국에서 나온 Moonshot AI가 총 파라미터 수 2.8조를 자랑하는 “세계 최대 규모의 오픈 웨이트 모델” Kimi K3를 발표하며 업계를 다시 한번 뒤흔들었다. 블룸버그는 이 모델이 Anthropic의 Claude Fable 5와 OpenAI의 GPT-5.6 Sol을 제외한 모든 경쟁 모델을 성능 면에서 능가했다고 보도했다. DeepSeek-R1이 “가격”으로 세계를 놀라게 한 충격이었다면, Kimi K3는 “가격”에 더해 “실질적인 성능”으로 프론티어에 근접했다는, 한 단계 진화한 충격이다. 이 기사의 후반부에서는 이 Kimi K3가 보여주는 의미에 대해서도 심층적으로 분석할 것이다.

본 글은 2024년부터 2026년까지 발생한 이 “지능의 상품화”라는 지각 변동을 가능한 한 고해상도로, 그리고 최근 움직임까지 반영하여 재정리한 것이다. 이미 AI 관련 서적이나 논문, 업계 보고서를 대량으로 읽어본 독자에게는 “AI는 굉장하다”, “생성 AI로 생산성이 올라간다”는 표면적인 이야기는 이제 지루할 것이다. 그래서 본 글에서는 비용의 실숫자, 아키텍처의 내막, 일본 SIer 탑의 생생한 발언, 최근 1주일 동안 일어난 Kimi K3의 충격, 그리고 “그러면 구체적으로 무엇을 해야 하는가”라는 행동 계획까지, 더욱 깊이 파고든다. 읽어 낼 때쯤이면 당신이 바라보는 AI 업계의 지도가 조금 다르게 보일 것이다.

작가는 평소 AI 에이전트, MCP, 지각×AI와 같은 주제를 다루는 laughman-ai의 note라는 블로그를 운영하고 있습니다. 본 기사와 주제가 깊이 연관된 “AI 에이전트 시대의 인프라 주권”과 “지능 자본주의”를 다룬 기사들도 있으니, 관심 있는 분들은 함께 참고해 보십시오.

### 目次

- 사건의 핵심 – 왜 DeepSeek-R1이 세계를 얼어붙게 만들었나
- 키미 K3 쇼크 – 페이블 5, GPT-5.6 솔을 사정거리에 포착한 2.8조 파라미터 모델
- 상품화의 전체적인 모습 ―― “동일한 지능”이 2년간 96% 저렴해짐
- 웹 시대를 닮은 모습 ―― “정보의 무료화”가 우리에게 보여주는 것
- 개인의 생존 전략 – 프롬프트의 미세 조정은 더 이상 무기가 되지 않는다
- SIer가 직면하는 “인월 비즈니스 붕괴” ―― 富士通 토프의 생생한 고백
- 새로운 수익 창출 모델로의 전환 – 성과 보상형(OBP)과 AgentOS
- 세계의 흐름 ―― 미국, 중국, 유럽, 그리고 일본은 어디로 향할 것인가
- 단기 및 중장기 액션 플랜
- 마침표로 ―― 지능이 무료로 된 후에 남는 것

### 사건의 핵심 – 왜 DeepSeek-R1가 세계를 얼어붙게 만들었나

먼저 숫자로 충격의 크기를 확인하고 싶습니다. DeepSeek-R1의 등장으로 나타난 시장 영향에 대해 Qlik의 블로그 기사는 이 발표가 “첨단 AI 모델 개발에는 천문학적인 투자가 필요하다”는 오랫동안 당연하게 여겨졌던 관념에 대한 도전이었다고 지적하고 있습니다. 개발 비용은 약 600만 달러로 보도되었으며, 이는 텍스트 산업의 근간을 흔들고 세계 시장에 연쇄적인 영향을 미쳤습니다.

왜 이렇게 충격적이었을까. 자세한 설명을 하자면, DeepSeek-R1는 단순한 성능 향상이 아닌, 똑똑한 아키텍처 설계에 의해 비용을 절감했기 때문이다. Versalence社の기술 설명 기사에 따르면, 그 작동 방식은 크게 세 가지로 나뉜다.

![画像](https://assets.st-note.com/img/1785042688-akCtHyjxihD5IlLQNXPgOb2A.png?width=1200)

- 혼합 전문가(Mixture-of-Experts) 아키텍처: 모델 전체는 6,710억 개의 파라미터를 가지고 있는 거대한 규모지만, 하나의 토큰을 처리할 때 실제로 작동하는(활성화되는) 것은 그 중 370억 개의 파라미터뿐입니다. 코딩 질문에는 “프로그래밍 전문가”만 활성화되고, 문학이나 예술의 전문가들은 잠들어 있는, 마치 전문가 그룹이 필요할 때만 깨어나 활동하는 모습과 같습니다. 엄청난 지식 용량을 가지고 있음에도 불구하고, 계산 비용은 관리 가능한 수준으로 유지됩니다.
- 멀티 헤드 잠재 어텐션(MLA): 일반적인 트랜스포머는 긴 문장을 처리할수록 “키-밸류-캐시”라는 메모리 사용량이 선형적으로 증가한다. DeepSeek-R1은 이 캐시를 “잠재 벡터”라는 압축 형식으로 변환하여 메모리 사용량을 약 40% 감소시켰다. 이를 통해 동시에 많은 요청을 처리하는 실환경에서도 필요한 GPU 대수를 줄이고 응답 속도를 높일 수 있다.
- 강화 학습 기반 추론 획득: 인간이 쓴 모범 답안을 끊임없이 모방시키는 “지도 학습”이 아닌, 강화 학습에 의해 수학의 증명이나 코드 로직을 “자체적으로” 단계적으로 유도해 내는 능력을 획득시켰다. 결과, AIME(수학)에서 79.8%, Codeforces(競技プログラミング)에서 인간 참가자 중 상위 4%에 해당되는 점수를 기록했다.

이 설계 철학은 매우 무겁다는 의미를 담고 있다. 만약 600만 달러의 학습 비용으로 GPT-4 수준의 성능을 낼 수 있다면, 1억 달러 이상을 투자한 학습은 ‘낭비’처럼 느껴지게 된다. 만약 671B 파라미터 모델 중 37B 개의 활성 파라미터로 충분히 경쟁할 수 있다면, 기존의 ‘확대 법칙(모델을 크게 하면 할수록 똑똑해진다)’이라는 믿음 자체가 재검토를 요구받게 된다. DeepSeek-R1은 AI 업계의 ‘관념’을 파괴하는 증명 과제였다.

또한 이러한 흐름은 일시적인 현상이 아니었다. 메타의 Llama 4(Scout 17B/109B), 알리바바의 Qwen 3 패밀리(235B의 MoE부터 스마트폰에서도 작동하는 에지용 소형 버전까지), 그리고 OpenAI 스스로 공개한 오픈 웨이트 추론 모델 gpt-oss-120b와 고성능 모델의 무상 공개 러시가 이어졌다. “오픈소스가 승리의 방정식이 될 것이다”라는 Qlik의 예시는 이 2년 동안 거의 현실이 되었다고 할 수 있다.

만약 DeepSeek-R1의 아키텍처나 강화 학습에 대한 상세 내용을 더 깊이 있게 탐구하고 싶다면, DataCamp의 기술 해설 기사도 참고할 수 있을 것이다.

### 2. 키미 K3 쇼크 – 페이블 5, GPT-5.6 솔을 사정 범위에 포착한 2.8조 파라미터 모델

DeepSeek-R1에만 국한하여 “지능의 상품화”를 이야기하는 것은 솔직히 말해서 이미 오래되었다. 이 글을 쓰는 2026년 7월 25일 현재, 업계의 화제를 독점하고 있는 것은 지난 1주일 앞으로 등장한ばかり의 새로운 모델 “Kimi K3”이다.

키미 K3는 알리바바와 텐센트의 지원을 받는 베이징 기반 AI 연구소 문샷 AI가 2026년 7월 16일에 발표한 오픈 웨이트 모델이다. Forbes의 보도에 따르면, 총 파라미터 수는 2.8조에 달하며, 지금까지 만들어진 가장 큰 오픈 AI 모델이다. 문샷 AI는 이를 “지능의 새로운 프론티어”라고 정의하고, 앤트로픽과 OpenAI의 최고 모델에 대한 직접적인 도전장을 발표했다.

숫자만 놓고 보면, 그 규모는 평범한 수준과는 거리가 멀다. Amplifi Labs의 기술 해설 기사에 따르면, 2.8조 개의 파라미터라는 규모는 지금까지 최대 규모의 오픈 모델이었던 DeepSeek V4 Pro보다 약 75% 크다. 장시간 지속되는 코딩 세션, 거대한 리포지토리의 탐색, 에이전트 기반 워크플로우를 지원하기 위해 설계되었으며, 컨텍스트 윈도우는 무려 100만 토큰에 달한다. 가중치는 2026년 7월 27일까지 Modified MIT 라이선스로 완전 공개될 예정이며, 기사 작성 시점에서는 아직 “오픈 웨이트 공개 대기” 상태이지만, 그럼에도 불구하고 이미 세계적인 벤치마크 순위를 뒤흔들고 있다.

![画像](https://assets.st-note.com/img/1785042727-DLcMeu65N3yBdp8CKVojiSWl.png?width=1200)

그리고 무엇보다 충격적인 것은 벤치마크에서의 순위였다. 블룸버그의 보도에 따르면, 키미 K3가 앤트하픽스의 클로드 페이블 5와 OpenAI의 GPT-5.6 솔을 포함한 모든 경쟁 모델을 종합적으로 능가했다는 내용이다. 종합 성능 테스트를 수행하는 Vals AI의 랭킹에서는 키미 K3가 페이블 5에 이어 2위를 차지했으며, GPT-5.6 솔보다 높은 위치에 있었다. 포춘의 보도에 따르면, Moonshot 스스로가 “현재 시장에 널리 유통되고 있는 가장 진보된 모델”인 페이블 5와 “경쟁력 있는” 성능을 가지고 있다고 주장하고 있다는 내용이다. 코딩이나 에이전트 태스크의 일부 항목에서는 클로드 오퍼스 4.8이나 GPT-5.5를 상회하는 점수를 기록했다는 보고도 있었다.

왜 이것이 DeepSeek-R1 이상으로 더 중요한 의미를 가지는가. 이유는 3가지이다.

![画像](https://assets.st-note.com/img/1785042763-zBHsJSIYQD0mXcG9trleo4W1.png?width=1200)

- 저렴함’뿐만 아니라 ‘최고 성능에 대한 깊숙한 접근’을 동시에 실현한 점에 주목해야 한다. DeepSeek-R1의 무기는 비용 효율성이었지만, Kimi K3는 비용 효율성뿐만 아니라, 개척 수준의 성능 자체가 손에 닿기 시작한 위치까지 왔다. 오픈 웨이트 모델은 더 이상 ‘싸지만 품질은 떨어지는 저가판’이 아닌, ‘거의 무료로 사용할 수 있는 최고 수준’으로 발전하고 있다.
- 중국 세력의 대량 생산 체제가 밝혀진 점은 Moonshot만이 단발성 이벤트가 아니라는 의미다. MiniMax 역시 2.7조 파라미터 모델을 훈련 중이며 2026년 하반기 투입을 계획하고 있다. Z.ai 등 다른 중국 연구소들도 뒤따르고 있으며, Precedence Research의 보고서에 따르면, 이러한 레코드 級의 파라미터 규모를 가진 모델들의 연속 투자가 AI 업계 전체의 성장을 가속화할 것이라는 분석이다.
- 하드웨어 제약 하에서 “아키텍처의 승리”가 다시 한 번 증명된 점: CNBC의 보도에 따르면, 뱅크 오브 아메리카의 분석가가 “중국 내 지속적인 하드웨어 컴퓨팅 자원 제약에도 불구하고 K3가 사전 학습 스케일링과 아키텍처 혁신의 조합으로 중국의 주력 모델에 단계별 성능 향상을 가져다주었다는 것을 입증했다”고 언급하고 있다.

즉, 키미 K3가 제시하는 것은 DeepSeek-R1가 2025년에 열어 놓은 것이 결코 일시적인 예외가 아닌, 굳건한 흐름으로 이어졌다는 사실 그 자체다. 서방 기업이 이미 비용의 저렴함을 이유로 중국 발 모델의 채용을 진행하는 가운데, CNBC의 해당 기사는 중국의 AI 모델이 미국 라이벌과의 성능 격차를 좁히면서도 여전히 미국 탑랩의 최첨단 모델보다 저렴하기 때문에 서방 기업에 대한 침투가 더욱 진행되고 있다고 지적하고 있다. 미중의 AI 패권 경쟁은 이 2026년 여름, 분명히 또 한 단계 격렬함을 더했다.

앤트로픽이 2026년 6월 9일에 발표한 클로드 페이블 5와 미토스 5에 대한 앤트로픽의 일시적인 수출 규제 대응으로 인해 수週間 동안 접속이 중단된 후 7월 1일에 복구된 배경이 있다 (자세한 내용은 앤트로픽의 공식 발표를 참조). 프론티어 모델을 둘러싼 경쟁이 지정을학적인 요인까지 끌어들이며 최근 수週間 동안 급변하고 있는 상황이라는 점을 덧붙여야 한다.

### 상품화의 전체적인 모습 – “동일 지능”이 96% 저렴해진 2년

딥시크-R1는 단지 시작일 뿐이다. 중요한 것은 이 ‘가격 파괴’가 산업 전체의 지속적인 트렌드로 자리 잡았다는 점이며, 2024년부터 2026년까지 동등한 ‘지능’에 대해 지불하는 금액이 평균적으로 96.4% 하락했다는 보고가 있다.

구체적으로 동일한 작업을 1,000회 실행했을 경우 비용의 변화 추이를 나열해 보면 그 차이점에 경악할 것이다.

![画像](https://assets.st-note.com/img/1785042779-Y7qiBMENDALG4HegvykZJfrp.png?width=1200)

- 이메일 자동 분류: 2024년에는 GPT-4로 12.00달러였던 작업이 2026년에는 Claude 3.5 Haiku로 0.08달러로 감소하여 감축률 99.3%를 기록한다.
- 긴 문서 요약: Claude 2에서 45.00달러였던 것이 Gemini 2.0 Flash에서 0.30달러로, 감축률 99.3%입니다.
- 고객 지원 대응: GPT-4에서 36.00달러였던 비용이 Claude 3.5 Sonnet으로 1.20달러로 감소하여 감축률 96.7%를 기록했습니다.
- 500줄의 코드 검토: GPT-4에서 24.00달러였던 비용이 DeepSeek V3에서 0.80달러로 감소, 감소율은 96.7%입니다.

이는 단순한 “가격 경쟁” 결과 보고서가 아니다. 이 가격 붕괴가 실제로 일어남으로써, 이전에는 타당하지 않았던 유스케이스가 한꺼번에 경제적 합리성을 얻게 된 점이 본질적으로 중요하다. 수백만 건의 PDF 문서를 묶음 처리하거나, 모든 고객과의 대화 이력을 실시간으로 분석하는 것과 같은 “이전에는 비용이 합당하지 않았던” 업무가, 갑자기 “하지 말아야 할 이유가 없는” 업무로 바뀌게 된 것이다.

동시에 기업 측의 행동 변화도 나타났다. 모든 작업을 하나의 고가 프론티어 모델에 던져버리는 대신, 작업의 복잡성에 따라 자동으로 모델을 분배하는 “스마트 게이트웨이”를 활용한 모델 라우팅 전략이 표준화되고 있다. 간단한 분류 작업은 저가 모델로, 섬세한 판단이 필요한 고객 응대는 고성능 모델로――이러한 역동적인 분배를 통해 품질을 유지하면서 AI 인프라 비용을 60%에서 80%까지 더욱 절감하는 것이 더 이상 “선진적인 노력”이 아닌 “일상적인 실무”가 되고 있다.

즉, 지금 일어나는 것은 ‘AI가 저렴해졌다’는 일회성 사건이 아닌, 지능 자체가 한계 비용이 0에 가까워지는 과정이다. 이 사실을 전제하지 않는 경영 판단, 엔지니어의 커리어 전략은 더 이상 2026년의 현실에 대응할 수 없다.

### 4. 웹 시대와의 유사성 ―― “정보의 무료화”가 알려주는 것들

무라카미 하루키는 자신의 작품에 대해 “웹 시대와 유사한 점이 많다”고 말했습니다. 그는 웹에서 얻는 정보의 무료화가, 마치 자신의 소설 속 등장인물들이 현실과 가상 세계를 오가며 겪는 혼란과 유사하다고 설명했습니다. 특히, ‘카호’는 웹에서 얻은 정보에 의존하며 현실과의 괴리를 느끼고, 자신의 정체성에 대한 혼란을 겪는 모습으로 그려집니다. 무라카미 하루키는 이러한 ‘카호’의 모습을 통해 웹 시대의 사람들이 정보 과잉 속에서 느끼는 불안과 혼란을 반영했다고 말했습니다. 그는 “정보의 무료화는 마치 현실과 가상 세계의 경계가 허물어진 것처럼 느껴지게 한다”고 덧붙였습니다. 이러한 현상은, ‘나쓰메 소신’의 작품처럼, 현실과 환상의 경계를 넘나드는 이야기들을 더욱 흥미롭게 만들고 있습니다. 무라카미 하루키는 이러한 점들을 통해 웹 시대의 특징을 이해하고, 자신의 작품에 반영하고자 노력했습니다. 그는 웹 시대의 사람들이 겪는 혼란과 불안을 작품 속에 녹여내면서, 독자들에게 깊은 공감을 불러일으키고 있습니다.

지능이 무료가 된다는 말을 들었을 때, 많은 사람들이 deja vu를 느꼈을 것이다. 2000년대 초반, 웹의 폭발적인 보급으로 인해 “정보” 자체가 무료화된 역사와 현재의 AI 상품화는 놀라울 정도로 유사한 구조를 가지고 있다.

당시, 무수한 콘텐츠가 인터넷 상에 무상으로 넘쳐나는 결과, 단순히 “정보를 제공하는 것” 자체는 사업으로 성립되지 않았다. 신문사도 콘텐츠 공급업체도, 그저 정보를 나열하는 것만으로는 수익을 낼 수 없었던 것이다. 그 황량한 곳에서 최종적으로 패권을 장악한 것은 콘텐츠 자체를 만들어낸 기업이 아닌, 방대한 정보를 정리하고, 사용자의 검색 의도라는 “맥락(컨텍스트)”에 맞춰 정확한 정보로 안내하는 존재――바로 구글이었다.

지금 벌어지고 있는 일은 이것의 AI 버전이다. “추론(지능)” 자체는 전기나 클라우드 저장소와 같이 공공재에 가까워지고 있다. 브루킹스 연구소에서 인용한 메리 미커의 보고서도 범용적인 대규모 언어 모델의 사업이 일반적인 상품화 사업의 양상을 띠고 있다고 지적하고 있다. 누군가가 혁신적인 모델을 만들더라도 자금력이 있는 경쟁자가 곧바로 모방하고 따라잡아 가격을 낮춘다. 차별화의 원천으로서 “모델의 성능”에 대한 투자는 더 이상 지속 가능한 전략이 아니다.

그러면 웹 시대의 구글에 해당되는 ‘다음 승자’는 무엇을 쥐게 될까? 그 답은 두 가지로 요약될 것이다.

![画像](https://assets.st-note.com/img/1785042833-ibOzRhe6mVuP3f2MUWqjZ9aT.png?width=1200)

- 기업의 자체적인 개인 데이터(지식 그래프, 업무 기록, 고객 응대 로그 등 타사가 보유하지 않는 핵심 정보)
- AI가 작업을 완수하기 위해 필요한 도구와 데이터베이스에 대한 “흐름”을 설계하고 유지보수하는 능력(즉, 에이전트 워크플로우 및 그 구현 기반)

이 두 세트가 바로 지능이 상품화된 세계에서 새롭게 떠오르는 경쟁 우위의 핵심이다. 다음 장부터 이 구조 변화를 고려하여 “개인은, SI 업체는, 기업은 구체적으로 무엇을 해야 하는가”를 심층적으로 다루어 나갈 것이다.

### 5. 개인(엔지니어)의 생존 전략 – 프롬프트의 미세 조정은 더 이상 무기가 되어서는 안 된다

지능이 상품화된 세계에서 단순한 코드 생성이나 손쉬운 프롬프트 엔지니어링과 같은 기술의 시장 가치는 잔혹하게 빠르게 하락하고 있다. Cursor와 같은 AI 에디터가 복잡한 코딩 작업을 자율적으로 수행하는 시대에 “AI에게 잘 작동하는 지시를 내릴 수 있는 사람”으로서의 가치도 더 이상 희소성을 갖지 않는다.

생존하고자 하는 엔지니어나 아키텍트가 지금 바로 손을 뻗어야 할 것은 시스템 전체를 조망하고 AI를 오케스트레이션(지휘)하는 상위 레이어의 역량이다. 구체적으로 다음과 같은 3가지 영역이다.

컨텍스트 엔지니어링 및 MCP 숙달

특히 중요도가 급상승하는 것은 Anthropic이 제시하고 빠르게 업계 표준으로 자리 잡은 “Model Context Protocol (MCP)”의 구현 능력이다. MCP는 AI 모델(클라이언트)과 외부 데이터 소스나 툴(서버) 간의 통신을 표준화하는 오픈 프로토콜이며, JSON-RPC를 기반으로 한다.

쉽게 말하면, 지금까지 흩어져 있던 “AI와 사내 시스템을 연결하는 배선”을 누구나 동일한 규격을 만들 수 있도록 한 시스템이다. 엔지니어에게는 사내 레거시 데이터베이스나 독자적인 SaaS API를 MCP 서버로 래핑하여 AI에게 다음과 같은 3가지 종류의 기능을 제공하는 구현 능력이 요구된다.

![画像](https://assets.st-note.com/img/1785042853-tuqJk6HQabWyofmIFnrGe3MV.png?width=1200)

- Tools：AIが実行できる関数（例：在庫を検索する、注文を確定する）
- AI가 참조할 수 있는 구조화된 데이터(예: 고객 마스터, 제품 카탈로그)
- 반복적으로 재사용 가능한 템플릿

MCP 그 자체에 대해 더 체계적으로 이해를 높이고 싶다면, 초보자용 해설서로서 『생성AI엔지니어링 실천入門（Amazon에서 검색）』와 같은 서적으로 기초를 다지고 나서 공식 문서에서 직접 실습하는 것을 추천한다.

무라카미 하루키의 『카호』는 복잡한 인간 관계와 감정을 섬세하게 묘사하며 독자들에게 깊은 인상을 남겼다. 이 작품은 단순히 사랑 이야기의 성공 여부를 넘어 삶의 의미와 가치에 대한 질문을 던진다. 

무라카미 하루키는 그의 작품에서 끊임없이 ‘나’라는 존재의 불안과 고독을 드러내며 독자들에게 공감과 위로를 전달한다. 그의 글은 때로는 비극적이지만 그 안에는 희망의 씨앗이 숨겨져 있다. 

이러한 무라카미 하루키의 작품 세계는 현대 사회의 많은 사람들에게 영감을 주고 있다. 특히 불안정한 미래에 대한 두려움과 고독을 느끼는 사람들에게 그의 작품은 위로와 용기를 주는 존재이다. 

무라카미 하루키는 앞으로도 자신만의 독특한 방식으로 인간의 삶과 사랑에 대한 이야기를 계속 써내려갈 것이다. 그의 작품은 앞으로도 오랫동안 많은 사람들에게 사랑받을 것이다.

단편적인 쿼리에만 답을 얻도록 하는 것뿐만 아니라, 작업을 자율적으로 분할하고 여러 전문 에이전트를 협조시켜 목표 달성에 도달시키는 시스템 설계 또한 필수적이다. 여기서 중요한 것은 AI에 적절한 문맥을 제공하는 것 외에도 “예외 처리”와 “인간-인-더-루프(중요한 판단은 인간이 승인하는 메커니즘)”를 워크플로우에 통합하는 아키텍처 설계이다. 이와 같은 설계 판단은 AI 스스로에는 아직 대체하기 어려운, 인간의 고도한 엔지니어링 영역으로서 자리 잡고 남을 것이다.

보안 거버넌스 설계

MCP와 같은 프로토콜은 AI에 시스템에 대한 직접 액세스를 허용하는 만큼 심각한 보안 위험을 안고 있다. 최근 보안 감사를 통해 악의적인 도구 설명을 삽입하여 의도하지 않은 동작을 유발하는 “도구 독성(툴·포이즈닝)”, 로컬 파일 인클루전(LFI), 원격 액세스 제어 침해, 인증 정보 탈취와 같은 취약점이 반복적으로 지적되고 있다.

이러한 위협에 대응하기 위해서는 MAESTRO와 같은 방어 프레임워크에 대한 이해와 제로 트러스트 아키텍처를 기반으로 한 설계가 필수적이다. 구체적으로 다음의 구현 기술이 요구된다.

- 네트워크의 마이크로 세그멘테이션(영역별 접근 제한 설계)
- 즉시 접근 권한 프로비저닝을 통한 일시적 권한 부여
- DLP(데이터 손실 방지) 시스템과 연계된 입력 및 출력의 엄격한 샌드박스화

커리어 전략：「AI 엔지니어」라는 명칭을 버리는 것

개인적인 포지셔닝으로서 가장 효과적인 방법은 보편적인 “AI 엔지니어”라는 직함을 버리는 것이다. “금융산업용 에어갭 AI 구축 전문가”, “FinOps에 특화된 MCP 서버 에코시스템 개발자”처럼 특정 도메인의 지식과 AI 거버넌스를 결합한 자리에서 시장 가치를 획기적으로 높일 수 있다.

![画像](https://assets.st-note.com/img/1785042880-zGmc3vXWC0lTw6K8jQ5nRPho.png?width=1200)

또 다른 효과적인 방법은 결과 자체로 실력을 증명하는 것이다. 자신이 만든 MCP 서버를 오픈 소스 커뮤니티에 공개하고, 견고한 보안 구현의 베스트 프랙티스를 공유하는 것은 이력서의 어떤 문장보다 설득력 있는 증거가 된다. 참고로, 이러한 “AI 에이전트와 인간의 관계성”을 다룬 고찰은 앞서 언급한 laughman-ai의 note “AI 에이전트는 ‘사원’이 될 수 있는가”에서도 자세히 다루고 있으므로, 흥미가 있다면 한번 살펴보시길 추천한다.

### 6. 시에로가 직면하는 “인월 비즈니스 붕괴” – 富士通トップ의 생생한 고백

일본 내수 중심의 SI(시스템 통합 업체)에게 있어 지능의 상품화는 생존을 건 지각 변동이었다. 여기서 절대로 추상적인 논평이 아닌, 당사자 스스로의 말을 소개하고 싶다.

2026년 5월 28일, 富士通이 개최한 “중장기 경영 비전 2035” 설명회에서 시다 류이치社長은 기자로부터 SI 사업의 수익 모델에 대해 질문을 받자, “인월을 기반으로 한 보상 방식으로는 더 이상의 성장은 불가능하다”는 취지의 발언을 했다. ITmedia 비즈니스 온라인의 보도에 따르면, 이는 후지쓰가 반복적으로 제기해 온 “인월 모델에서 벗어나기”라는 구호에, 이전과는 다른 긴급성이 더해진 것이었다.

![画像](https://assets.st-note.com/img/1785042980-aXLtK9V03nOoi2PveZdkxIrh.png?width=1200)

왜 긴급성이 증가했을까. 그 이유는 극도로 단순하고 잔혹하다. 인월상업은 “빨리 끝내기만 하면 매출이 줄어든다”는 자기모순을 내포하고 있다. AI 에이전트가 요구 정의, 설계, 구현, 테스트까지 고속으로 수행할 수 있게 된 지금, 이 모순은 더 이상 간과할 수 없는 수준에 도달했다. TIS, NTT 데이터, NEC와 같은 대형 SIer가 잇따라 개발 생산성 50% 향상을 목표로 하고 있지만, 이는 같은 결과물을 반分の工수로 만들 수 있다는 의미이며, 즉, 인건비 기준으로 보면 매출도 절반으로 줄어든다는 끔찍한 역설을 의미한다. 게다가 클라이언트 기업 측에서도 AI 도구의 확산 배경에 힘입어 “인건비가 줄어든 만큼 견적을 낮춰야 한다”는 압박을 강화하고 있으며, 기존의 가격 설정은 딜레마에 빠지게 되고 있다.

더욱이 일본 개발 현장에 깊숙이 뿌리내린 워터폴형 개발(방대한 요구사항 정의서, 상세 설계서, 테스트 사양서 작성에 기반하는 방식)은, 짧은 스프린트에서 가설 검증을 반복하는 AI에 익숙한 개발 프로세스(Cursor나 Devin과 같은 자율형 코딩 툴 활용을 기반으로 하는 방식)와 근본적으로 맞지 않는다.

이 위기감을 감안하여 후지쓰는 “Uvance”의 매출 비중을 2025회계연도 시점의 30%에서 2035회계연도까지 70% 이상으로 확대한다는 목표를 제시했다. 목표는 단순한 위탁 개발에서 산업 특화형 AI 에이전트를 결합한 “노동 집약적인 시스템 통합 비즈니스 모델에서 가치 창출 기반의 비즈니스 모델로 전환”하는 것이다. 지다 사장의 말처럼 기업의 경쟁 우위는 “경영 자원의 규모”가 아닌 “최신 AI 기술을 어떻게 경영에 접목할 수 있는가”에 의해 결정된다. 유사한 움직임은 후지쓰뿐만이 아니다. NEC의 “BluStellar”, 히타치의 “Lumada” 역시 전략 컨설팅부터 구축 및 운영까지를 통합 제공하며 지속 과금형 비즈니스 모델로 전환하고 있다.

흥미로운 점은 이 富士通(후지쓰)의 선언에 대한 SNS 반응이다. 미쓰비시 종합연구소의 연구 이사는 AI 주도형 개발로 전환되면 소수 정예·단 납기라는 것은 당연하며, 궁극적으로 용량 과금(従量課金)을 넘어 효율화 분을 얻는 성과 보수형(成果報酬型)이나 매출 향상 분을 얻는 성공 보수형(成功報酬型, 레베뉴 쉐어)으로 업계 전체가 쏠리게 될 것이라고 예측하고 있다. 동시에 대규모 SI(솔루션 인텔리전스) 업체가 우수한 엔지니어 겸 컨설턴트 인재 확보에 어려움을 겪고 있는 현황과 고객이나 대규모 SI 업체의 내製化(내부화)가 진행되면 Tier 2 이하 중견 SI 업체에서 인재 파견 수요가 축소될 것이라는 가혹한 지적도 나오고 있다.

결론적으로 SI 업계에 직면한 것은 “AI 툴을 도입할지 여부”가 아닌 “수익 창출 방식 자체를 변화시킬 수 있는가”에 대한 경영진의 심층적인 고민이라는 점이다.

에어 그랩 환경이라는 새로운 주 전장

SIer가 다음으로 확보해야 할 핵심적인 경쟁 우위는 방위, 금융, 의료, 중요 인프라와 같이 민감한 정보가 다뤄지는 분야에 적용 가능한 “에어 그랩(완전 폐쇄망 환경)” 환경에서의 AI 활용 능력이다. 이러한 산업에서는 고객 데이터나 지적 재산권을 공개 클라우드 API에 전송하는 것 자체가 규정 준수 측면에서 허용되지 않기 때문에, 현지 인프라에서 오픈 웨이트 모델을 운영하는 수요가 급증하고 있다. 게다가 월간 1억 토큰 이상의 대규모 배치 처리를 할 경우에는 클라우드 API를 계속 사용하는 것보다 자체 하드웨어에서 로컬 추론을 수행하는 것이 장기적으로 90% 이상의 비용 절감 효과를 가져올 수 있다는 경제적 합리성 또한 이러한 흐름을 뒷받침하고 있다.

![画像](https://assets.st-note.com/img/1785043024-w4u0zygj27aqAUKHLBDdEpiF.png?width=1200)

이러한 폐쇄형 네트워크 환경에서 IAM(액세스 권한)의 이상 징후를 완전히 오프라인으로 수행하는 ProJML과 같은 솔루션, 기업 내부의 AI 트래픽을 모니터링하고 PII 마스킹 및 RBAC(역할 기반 접근 제어)를 적용하는 WalledAI와 같은 거버넌스 게이트웨이 도입 지원도 유망한 신규 비즈니스 영역으로 부상하고 있다. SI(시스템 통합) 업체의 역할은 이러한 요소 기술을 통합하고 안전한 멀티 LLM(대규모 언어 모델) 환경을 제공하는 “통합자”로서의 역할을 수행하게 될 것이다.

평가 제도 재설계

보일 때까지 놓치게 쉬운 일이지만, 매우 중요한 것이 “평가 제도 재구축”이다. 지금까지 “작업 시간(프로젝트에 얼마나 붙어 있었는지)”을 평가하는 방식은, AI 에이전트를 능숙하게 활용하여 수일 만에 작업을 완료하는 뛰어난 엔지니어를 오히려 불리하게 만드는 역설적인 제도라는 문제점을 안고 있었다. 새로운 평가 기준은 “구성 요소 재활용률”, “개발 리드 타임 단축 폭”, “창출된 비즈니스 가치”로 대체해야 한다. “만들기”에서 “AI와 함께 키우기”로――이러한 마인드셋 전환(AI 주도 개발: AIDD)을 조직 문화로 정착시키는 것이 다음 10년의 승패를 가를 것이다.

### 7. 새로운 수익 모델로의 대전환 ―― 성과급형(OBP)과 AgentOS

기반 모델의 가격 붕괴와 오픈 소스화는 AI 벤더 및 SaaS 기업의 수익 구조에도 파괴적인 변화를 가져오고 있다. 단순히 OpenAI나 Anthropic의 API를 활용하여 화면을 덮은 것 이상의 “단순한 라ッパー 툴”이나, API 원가에 마진을 더하는 것과 같은 비즈니스 모델은 이미 시장에서 조용히 淘汰되고 있다. 소프트웨어 비즈니스의 주전장은 “효율성의 제공”에서 “비즈니스 성과 그 자체의 직접 제공”으로 이동하고 있다.

![画像](https://assets.st-note.com/img/1785043042-OxCATeoWUHRqhIVENtPXLbln.png?width=1200)

성과 기반 가격 모델 (아웃컴 기반 가격 정책)

기존의 SaaS에서 주류를 이루었던 “사용자 수에 따른 과금(シート課金)”이나 “API 호출 수 또는 토큰 수에 따른 과금(従量課金)”은 자율형 AI 에이전트의 행동과 결정적으로 맞지 않다. 왜냐하면 AI 에이전트는 하나의 추상적인 지시 사항에 대해, 뒤에서 수백 개의 마이크로 태스크(추론, 검색, 외부 툴 호출)를 몇 센트의 비용으로 실행하기 때문이며, “사용자 수 또는 시스템 부하”와 “고객이 실제로 얻는 가치”가 전혀 비례하지 않게 된다.

이 모순을 해소하는 방식으로 빠르게 확산되고 있는 것은 ‘성과 기반 가격(Outcome-Based Pricing: OBP)’이다. AI가 특정 업무를 완전히 수행한 경우에만 과금이 발생하는 시스템이다. 고객 측의 입장에서 성과가 나지 않으면 지불이 발생하지 않으므로 투자 위험은 극히 낮고, AI 공급 업체 측의 입장에서 정확도가 나오지 않으면 무급으로 돌아가는 위험을 감수하는 대신 큰 상승 가능성을 노릴 수 있다. 이러한 비대칭적인 위험 구조가 OBP가 빠르게 확산되는 이유다.

하지만 OBP를 실현하기 위해서는 고도화된 빌링 인프라가 필수적이다. 분산되어 움직이는 여러 AI 에이전트의 행동을 암호학적으로 추적하고, 중복 카운트를 배제하는 시스템, 검증 가능한 형태로 이벤트를 기록하는 감사 로그 기반――이러한 요소들을 구축할 수 있는 벤더만이 이 새로운 모델에서 경쟁할 수 있다.

컨텍스트 및 데이터 기반 모델

지능 자체가 상품화되는 가운데, 기업이 가진 독점적인 “맥락”을 정리하고 AI가 활용 가능한 상태로 유지하는 것을 자본화하는 모델도 등장하고 있다. 기업 내에 흩어져 있는 방대한 비정형 데이터(과거 설계도, 법률 계약서, 의료 기록, 고객과의 대화 기록 등)를 정제하고, 지식 그래프나 벡터 데이터베이스로 구축하고 유지보수하는 서비스다. 추론 엔진 자체는 로컬의 오픈 웨이트 모델(Qwen이나 Llama 등)을 사용하면서도 “고도로 정비된 사내 데이터 기반 시스템에 대한 접근 권한과 유지보수”에 대해 지속적인 과금을 진행한다. 계산 능력이 상품화된 지금, 진정한 차별화 요소는 데이터의 질과 진정성(Authenticity)에 있다. – 이 점은 Qlik의 기사에서도 “Authenticity Is the New Differentiator(진정성こそ가 새로운 차별화 요소다)”라고 명확하게 지적하고 있다.

에이전트 운영 및 플랫폼 수수료 (Managed MCP/AgentOS)

MCP 기반 통합이 보급됨에 따라 기업 내에는 수많은 MCP 서버가 난립하게 될 것이다. 이러한 “난립 문제” 자체를 사업 기회로 활용하는 것이 기업 내 모든 AI 트래픽을 감시하고 DLP(데이터 유출 방지) 및 RBAC(역할 기반 접근 제어)를 실시간으로 적용하는 인프라 계층의 제공이다. 또한, 다수의 내부 시스템을 포괄하는 MCP 서버 군을 일괄적으로 개발 및 운영·유지하고, 그 SLA(가용성 및 보안 유지)에 대해 고정 비용과 플랫폼 수수료를 청구하는 모델 또한 SI(시스템 통합) 업체에게 유망한 신규 수익원으로 기대되고 있다.

세 가지 모델 비교

- 기존의 SaaS 모델(구독형/사용량 기반 과금)은 과금 트리거가 사용자 수 또는 API 호출 수이다. 고객 측의 투자 위험이 높고, 사용되지 않아도 고정 비용이 발생한다. 벤더 측은 인프라 원가 상승으로 인해 마진이 압박되기 쉽다. 가장 적합한 영역은 범용 툴이나 단순한 텍스트/이미지 생성 분야이다.
- 성과 기반 모델(Outcome-Based): 과금 트리거는 티켓 해결이나 미팅 획득 등의 “완료 작업”. 고객 측의 투자 위험은 극히 낮다. 공급 업체 측은 AI 정확도 저하로 인한 무보수 위험을 부담한다. 고도화된 이벤트 추적, 중복 제거, 암호화 감사 로그와 같은 기술 요건이 요구되며, 고객 지원, 영업 자동화, 비용 정산 프로세스가 가장 적합한 영역이다.
- 인프라 컨텍스트 기반 모델: 과금 트리거는 개인 데이터 보존 및 거버넌스 기반 제공. 고객 측 투자 위험은 중程度이며, 초기 구축 비용과 운영 유지 비용이 필요. 견고한 RBAC, DLP, 에어 갭 대응, MCP 통합이 기술 요건으로 요구된다. 가장 적합한 영역은 방위, 의료, 금융, 사내 고유의 RAG 및 에이전트 기반.

이 분류를 염두에 두면 자사(또는 자신)가 어느 레이어에서 싸울지 명확해질 것이다.

### 8. 세계의 흐름 ―― 미국, 중국, 그리고 일본은 어디로 향할 것인가

지금까지의 흐름을 지정학적인 관점에서도 한 단계를 더 넓게 조망해보고 싶다.

중국은 DeepSeek의 성공에 촉발되어 01.AI, Moonshot AI, MiniMax와 같은 여러 연구소들이 유사한 비용 최적화 경쟁에 참여하면서 2026년 7월에 Kimi K3라는 형태로 하나의 정점을 맞이했다. 저렴하면서도 고성능의 오픈 웨이트 모델을 대량으로 공급하는 전략은 단순한 기업 전략을 넘어 사실상 “오픈 소스 주도권을 장악하는” 국가 전략과 유사한 양상을 보이고 있다. 또한 TechCrunch의 보도에 따르면 Moonshot은 평가액 315억 달러라는 거액의 자금 조달을 진행하고 있으며, 이 경쟁에는 풍부한 자금이 계속해서 유입되고 있다. MiniMax가 뒤를 잇듯이 2.7조 파라미터 모델을 준비하고 있는 사실에서도 알 수 있듯이, 이는 더 이상 하나의 기업의 성공 이야기로 볼 수 없으며, 국가적인 기술 투자 성과가 연속적으로 쏟아져 나오는 상태라고 파악해야 한다.

미국 내 반응은 신속하게 나타났다. OpenAI는 저가형 경쟁을 위해 GPT-4o mini를 도입했고, Anthropic은 비용 중심 워크로드에 최적화된 Claude 3 Haiku 시리즈를 전개했다. 클라우드 제공 업체들은 엔터프라이즈 대상 가격 협상에 적극적으로 나서고 있다. 동시에 프론티어급 폐쇄형 모델 개발 경쟁 자체도 지속되고 있으며, “저렴한 오픈 모델”과 “고성능 폐쇄형 모델” 간의 양대 산맥이 미국 AI 업계의 기본 구조가 되고 있다. 다만 Kimi K3가 Claude Fable 5와 GPT-5.6 Sol이라는 최신 프론티어 모델에 근접하면서, 이 양대 산맥에서의 “안전 마진”은 DeepSeek 쇼크 때보다 훨씬 좁아지고 있다. CNBC의 보도가 알려주듯이, 중국산 모델은 서방 기업에 침투를 이미 진행하고 있으며, 성능 차이 축소와 비용 우위라는 양 측면 모두를 무기로 활용하고 있다.

일본은 지금까지 봐왔듯이, SI(시스템통합) 업계가まさに 변화의 중심에 있다. 富士通(후지쓰), NTT 데이터, NEC, 히타치와 같은 거대 기업들이 마치 짜놓은 대로 “인월 모델에서 벗어나기”와 “AI 에이전트를 결합한 결과 기반의 오퍼링 사업”으로의 전환을 가속화하고 있다. 이는 단순한 하나의 기업의 경영 판단이 아닌, 일본의 노동 집약형 IT 산업 전체의 구조 전환으로 봐야 할 현상이다.

기업의 AI 도입과 관련하여, 중국산 호스팅 AI를 사용할 때 발생하는 데이터 거버넌스상의 우려도 간과할 수 없다. 중국에서 호스팅되는 API를 활용하는 경우, 중국의 데이터 규제 대상이 될 수 있다는 점이다. 이러한 우려에 대한 현실적인 대처 방법으로는 기밀성이 낮은 워크로드에 한해 DeepSeek 등 활용하거나, 규정 준수 문제없이 안전한 지역에서 자체 호스팅을 하거나, 서방의 클라우드 제공업체가 현지 데이터 거주지 옵션과 함께 동일 모델을 제공할 때까지 기다리는 등의 선택지가 제시되고 있다.

이러한 거시적 규모의 지각 변동을 조망하는 시점은 AI 업계의 플레이어들을 국가별, 기업별로 쫓아가는 것보다 “지능이라는 자원의 가격과 주권이 현재 어느 방향으로 움직이고 있는가”라는 하나의 축을 기준으로 보는 것이 더 이해하기 쉽다. 이 관점은 laughman-ai의 note “거대 기술 기업의 ‘보이지 않는 포위망’ vs. Open Agentic Web”에서도 인프라 주권이라는 관점을 통해 심층적으로 다루고 있다.

### 9. 단기 및 중장기 액션 플랜

앞으로의 활동을 위한 단기 및 중장기 액션 플랜을 수립해야 합니다.

단기적으로는 ‘카호’의 성공을 분석하고, 유사한 작품의 성공 요인을 파악하여 향후 작품 개발에 반영하는 데 집중해야 합니다. 또한 무라카미 하루키의 작품 세계를 분석하여 그의 작품이 가진 특징과 매력을 파악하고 이를 바탕으로 새로운 작품의 방향성을 설정하는 것도 중요합니다.

중장기적으로는 독자층의 니즈를 지속적으로 파악하고 변화하는 트렌드에 맞춰 작품을 제작하는 노력을 꾸준히 해야 합니다. 또한 다양한 장르의 작품을 시도하고 새로운 시도를 통해 창의적인 작품을 만들어내는 것도 중요합니다.

이러한 액션 플랜을 통해 지속적인 성장을 이루고 독자들에게 사랑받는 작품을 만들어내는 데 기여할 수 있을 것입니다.

논리적 이해만으로는 실천으로 옮길 수 없다면 아무 의미가 없다. 여기서는 시간 축을 분리하여 구체적인 액션을 정리한다.

![画像](https://assets.st-note.com/img/1785043145-jUSmye5w9diMWlOZPrh8Yqpc.png?width=1200)

단기적인 액션 (1~2년 이내)

- 개인: 프롬프트 미세 조정과 같은 표면적 기술에서 벗어나 MCP 사양 이해, 로컬 추론 인프라(GGUF 포맷을 활용한 로컬 모델 최적화 등) 구축 역량을 갖춘다.
- SIer 및 IT 벤더: 현재 AI 관련 지출을 엄격하게 감사하고, 고가의 클라우드 API에서 로컬 모델로의 라우팅을 통해 비용을 최적화한다.
- 경영 레벨: 한계에 도달한 인월 시뮬레이션 방식에서 벗어나 일부 프로젝트에서 고정 가격 및 애자일형의 파일럿 검증을 시작하고, “성과 보상형 (OBP)” 과금 체계를 시범 도입한다.

중장기적 액션 (3~5년)

- “AgentOS”를 중심으로 한 새로운 생태계가 기업의 표준으로 자리 잡을 것이다. AI 에이전트가 자율적으로 MCP 서버 군과 대화하며, 기업 내 업무의 대부분을 오케스트레이션하는 세상이 현실화될 것이다.
- 방위, 의료, 금융 분야뿐만 아니라 일반 대기업에서도 완전 폐쇄망(에어갭) 환경에서 자사 로컬 LLM 운영이 데이터 주권을 확보하는 데 필수적인 요건이 된다.
- SIer의 역할은 “무(零)부터 코드를 작성하는 것”에서 “여러 에이전트의 행동을 제로 트러스트 거버넌스 요구사항 하에 통제하는 플랫폼 제공업체”로 완전히 진화한다.

이 시기를 어떻게 극복할지 체계적으로 배우고 싶다면, AI 에이전트 설계나 제로 트러스트 아키텍처를 다룬 전문 서적에 한 권 투자하는 것은 좋은 선택이다. 예를 들어 ‘제로 트러스트 실천 가이드 (Amazon에서 검색)’와 같은 서적은 MCP의 보안 설계에 대해 고민할 때 기초가 되는 지식을 제공해 준다.

### 10. 여유 끝에 지능이 무료로 돌아왔을 때 남는 것

이까지 우리는 급하게 비용 붕괴의 메커니즘부터 개인, SIer, 기업 각각의 생존 전략, 그리고 지정학적 맥락까지 살펴보았습니다. 마지막으로 한 발짝 물러나 전체를 조망하고 싶습니다.

2024년부터 2026년까지 진행된 “지능의 가격 파괴와 상품화”는 단순한 기술적 마일스톤에 그치지 않았다. 그것은 소프트웨어 산업 전체의 비즈니스 구조를 재설정하는 정도의 충격을 가져왔다. DeepSeek-R1에 시작하여, Llama 4, Qwen 3, 그리고 이 기고 작성 직전에 출시된 Kimi K3へと 연줄을 잇는 오픈 웨이트 모델의 고성능화는 클라우드 플랫폼어러에 의한 지능의 독점을 깨고, 모든 기업이 안전한 로컬 환경에서 강력한 추론 능력을 저렴하게 보유할 수 있는 시대를 열었다. 그리고 이 흐름은 멈추지 않을 조짐이다. 이 기사가 note에 공개되는 시점에는 Kimi K3의 오픈 웨이트 완전 공개(2026년 7월 27일 예정)나, MiniMax의 신 모델 등 또 다른 새로운 충격이 세계를 흔들고 있을지도 모른다.

지능이 전기도 수도처럼 누구나 저렴하게 이용할 수 있는 인프라가 된 세상에서, 진정한 경쟁력은 AI 모델 그 자체로 존재하는 것이 아니다. 그것은 “자사만이 소유한 고품질의 독점적인 컨텍스트(데이터)”와 “AI가 행동을 일으키기 위한 안전하고 원활한 동선(프로토콜)”을 누가 설계하고, 누가 지배하는가에 귀결된다.

흥미로운 점은 이 구도가 ‘AI가 모든 것을 해결한다’는 단순한 이야기와는 정반대라는 점이다. 지능 자체가 저렴해질수록 가치의 근원은 ‘인간만이 만들어낼 수 있는 것’—즉, 1차 데이터, 업무 이해, 신뢰 관계, 거버넌스 설계, 그리고 ‘무엇을 맡기고 무엇을 맡기지 않을 것인가’라는 판단 자체로 회귀한다. 아이러니하게도, AI가 현명해질수록 인간에게 요구되는 일은 ‘똑똑한 AI를 어떻게 길들이느냐’는 더욱 인간적인 영역으로 순수화될 것이다.

기술자나 기업 모두, 이 가치의 근원 변화를 정확히 파악하고 새로운 비즈니스 틀로 적응해 나가야 한다. 이 글을 읽고 끝낸 당신이 내일로부터 조금 더 다른 눈으로 자신의 일이나 커리어를 돌아보게 되는 계기가 된다면, 이보다 더 기쁜 일은 없을 것이다.

![画像](https://assets.st-note.com/img/1785043178-toA7pFwqEP3RkBYUMasKWhC9.png?width=1200)

만약 이 글이 재미있게 느껴진다면, 꼭 “좋아요❤️”를 눌러주시면 감사하겠습니다. 북마크 대용으로도 됩니다. 또한, “AgentOS의 기술적인 내용에 대해 더 자세히 알고 싶다”, “에어 갭 환경의 구체적인 구축 절차가 궁금하다” 등과 같이 계속 읽고 싶은 주제에 대한 키워드를 알려주시면 앞으로의 글 소재로 활용하고 싶습니다.

### 참고 링크 및 정보 출처 목록

- DeepSeek-R1: 0.07/M 토큰 & 비용 효율성 전쟁 | Versalence 블로그
- DeepSeek-R1: 기능, O1 비교, 압축 모델 및 기타 | DataCamp
- 딥시크 AI의 부상: 산업의 전환점 | Qlik 블로그
- 2026년 현지 AI: 개인 하드웨어에서 실행하기에 가장 적합한 모델 (Qwen, Mistral, Llama 업데이트) | AI 매직스
- 富士통이 인정했던 “인월 모델”의 한계 시다 사장 “노동 집약형 SI 모델로부터의 전환을”
- 일찍 마무리할수록 매출은 줄어든다. 富士通・時田社長이 SIer가 “인월의 법칙이 통하지 않는 시대”에서 수익을 창출하는 방법에 대해 이야기하는 내용이다.
- 모노ショット는 베르나르 베르베르의 소설 『바다에서 온 남자』를 통해 인기를 얻은 바 있으며, 새로운 대규모 언어 모델 ‘キシ キ3（Kimi K3）’을 공개하며 인공지능 업계에 도전장을 던지고 있습니다. 이 모델은 OpenAI와 Anthropic의 경쟁에 새로운 변수로 떠오를 수 있을까요? 

キシ キ3는 136조 개의 파라미터를 기반으로 구축되었으며, 다양한 텍스트 생성 및 이해 작업에서 뛰어난 성능을 보여줍니다. 특히 문학 작품 분석, 시나리오 작성, 창의적인 글쓰기 등에서 그 잠재력이 주목받고 있습니다. 

모노ショット은 “キシ キ3를 통해 인간의 창의성을 보조하고, 새로운 형태의 콘텐츠 제작을 가능하게 할 것이다”라고 밝혔습니다. 

하지만 136조 개의 파라미터를 가진 모델은 막대한 컴퓨팅 자원을 필요로 하며, 윤리적인 문제와 편향성 문제에 대한 우려도 제기되고 있습니다. 

이러한 점들을 고려할 때, キシ キ3가 OpenAI와 Anthropic을 완전히 압도할 수 있을지는 미지수입니다. 하지만 모노ショット의 기술력과 시장 전략을 통해 인공지능 업계의 판도를 바꿀 가능성은 충분히 존재합니다. 

향후 キシ キ3의 성능과 활용 사례가 어떻게 발전해 나갈지 주목해야 할 것입니다.
- 문샷이 새로운 인공지능 모델 ‘키미 K3’를 공개하며 미국 경쟁사들과의 격차를 좁히고 있다. 키미 K3는 특히 텍스트 생성 능력에서 뛰어난 성능을 보이며, 다양한 언어 모델 개발 경쟁에서 일본 기업의 입지를 강화하고 있다는 평가다. 문샷은 키미 K3를 활용한 다양한 서비스 출시를 통해 시장 점유율 확대를 노리고 있다.
- Moonshot의 Kimi K3가 중국 AI를 판타지 소설 수준으로 끌어올렸다 | 포춘
- Moonshot의 차기작 Kimi 3은 Anthropic의 Opus 4.8과의 격차를 좁힐 것으로 예상된다. | TechCrunch
- 중국의 달 궤도 인공지능 기업 ‘키미(Kimi)’가 OpenAI와 ‘앤트로픽(Anthropic)’을 경쟁하는 Kimi K3를 공개했다. Kimi K3는 중국의 달 궤도 인공지능 프로젝트의 핵심 기술로, 자체 개발한 거대 언어 모델을 기반으로 한다. 

키미는 Kimi K3를 통해 달 궤도에서 데이터 수집, 위성 제어, 인공지능 기반 과학 연구 등을 수행할 계획이다. 특히, Kimi K3는 고성능 컴퓨팅 인프라와 딥러닝 기술을 결합하여 기존 인공지능 모델보다 훨씬 뛰어난 성능을 보인다. 

키미는 Kimi K3의 성공을 통해 중국의 인공지능 기술력을 전 세계에 알리고 달 궤도 인공지능 분야의 선두 주자로 자리매김할 것으로 기대한다.
- Kimi K3: Moonshot AI의 2.8T 모델 완벽 가이드 | Amplifi Labs
- Moonshot AI, Kimi K3 AI 모델 출시 | Precedence Research
- 클로드 페이블 5 및 미토스 접근 권한 선언 | Anthropic
- 웃음병이 뇌를 훈련시키는 방법: 뇌 과학과 유머의 만남

뇌 과학은 유머가 뇌에 미치는 긍정적인 영향을 점점 더 많이 밝혀내고 있습니다. 유머는 단순히 즐거움을 주는 것 이상으로, 뇌의 여러 영역을 활성화하고, 인지 기능을 향상시키며, 스트레스를 해소하는 데 도움이 됩니다.

무라카미 하루키는 그의 작품에서 유머를 활용하여 독자들에게 즐거움과 동시에 깊은 사색을 제공합니다. 그의 소설 ‘카호’는 겉으로는 평범한 여고생이지만, 내면에는 복잡한 감정과 상처를 숨기고 있는 인물입니다. 이 인물을 통해 무라카미 하루키는 인간의 불안과 고독, 그리고 삶의 의미에 대한 질문을 던집니다.

유머의 효과는 뇌 과학적으로도 설명됩니다. 유머를 이해하는 과정에서 뇌의 여러 영역이 활성화됩니다. 특히, 전전두피질은 유머의 비유적 표현을 이해하고, 상황의 모순을 파악하며, 유머의 의미를 해석하는 데 중요한 역할을 합니다. 또한, 뇌의 보상 시스템이 활성화되어 도파민이 분비되면서 즐거움과 만족감을 느끼게 됩니다.

유머는 뇌의 연결을 강화하고, 새로운 연결을 만드는 데에도 도움이 됩니다. 유머를 이해하고 공유하는 과정에서 뇌의 신경 세포 간의 연결이 강화되어 인지 기능이 향상됩니다. 또한, 유머는 스트레스 호르몬인 코르티솔의 분비를 억제하여 스트레스를 해소하는 데 도움이 됩니다.

따라서, 웃음병이 뇌를 훈련시키는 방법은 다음과 같습니다.

1.  유머를 즐겨 보세요. 코미디, 스탠드업 코미디, 유머 책, 유머 웹사이트 등 다양한 형태의 유머를 즐겨 보세요.
2.  유머를 이해하려고 노력하세요. 유머의 비유적 표현, 상황의 모순, 유머의 의미 등을 이해하려고 노력하세요.
3.  유머를 공유하세요. 친구, 가족, 동료와 유머를 공유하고 함께 웃으세요.

유머는 뇌 건강을 위한 훌륭한 도구입니다. 웃음병을 통해 뇌를 훈련시키고, 인지 기능을 향상시키며, 스트레스를 해소하세요.

**참고:** 이 글은 뇌 과학 연구 결과를 바탕으로 작성되었으며, 유머가 뇌에 미치는 긍정적인 영향을 강조하고 있습니다. 뇌 건강을 위해 꾸준히 유머를 즐기는 것이 도움이 될 수 있습니다.

### 이 기사에 붙은 태그(7개)

#AI 에이전트 #AI 상품화 #키미K3 #MCP #미중 AI 패권 #SIer 혁신 #인월 모델 붕괴

**출처:** [note 원문](https://note.com/betaitohuman/n/n0323f9ea8682)

*번역: Gemma 3(.44) 초벌 + 교정 101청크*

[원문 보기](https://note.com/betaitohuman/n/n0323f9ea8682) | 출처: note.com