4월 둘째 주 AI 흐름을 12장으로 정리했다. 반도체 자립, 데이터센터, 로봇 모델, 코딩 에이전트, 한국어 업무용 AI 스킬까지 이번 주에 눈에 띈 변화만 골랐다.
일본, AI 칩 자립에 24조 투입
AI 경쟁은 모델보다 먼저 칩 확보에서 시작된다
일본은 라피더스에 대규모 자금을 넣으며 차세대 반도체 생산망을 다시 잡으려 한다. AI 시대에는 좋은 모델만큼 칩을 안정적으로 구하는 힘도 중요해졌다.
- TSMC 의존을 줄이고 차세대 공정 역량을 안으로 가져오려는 움직임이다.
- AI 모델만큼 칩 공급망을 먼저 챙기는 나라가 늘고 있다는 점이 중요하다.
딥시크, 데이터센터까지 직접 챙긴다
AI 기업의 병목은 GPU 다음에 전력과 냉각으로 온다
딥시크가 자체 데이터센터를 검토한다는 소식은 AI 경쟁의 무게가 모델 성능에서 운영 인프라로 넓어졌다는 신호다. 이제 전력, 냉각, 서버 운영도 핵심 경쟁력이다.
- 연산 자원 조달이 불안정하면 연구와 서비스 속도를 유지하기 어렵다.
- AI 경쟁의 병목이 알고리즘에서 전력과 데이터센터 같은 물리 인프라로 내려오고 있다.
앤트로픽 성장은 인프라가 받친다
좋은 모델만으로는 빠르게 커질 수 없다
앤트로픽의 성장에는 모델 성능뿐 아니라 TPU 기반 확장성, 기업 고객 배포 능력, 안정적인 운영 구조가 함께 있다. AI 매출은 결국 인프라 위에서 커진다.
- 모델 성능만큼 배포 구조와 인프라 파트너십이 중요해졌다.
- AI 시장은 기술 경쟁과 공급 능력 경쟁이 동시에 벌어지는 구조다.
오픈AI, 기술만큼 서사도 관리한다
AI 기업은 기술을 만드는 동시에 이야기도 만든다
오픈AI의 미디어 전략은 단순 홍보가 아니라 시장의 해석을 주도하려는 움직임에 가깝다. AI 경쟁에서는 제품만큼 제품을 어떻게 설명하느냐도 중요하다.
- 플랫폼 기업은 정보 유통 채널까지 묶어 영향력을 키우려 한다.
- AI 시대에는 제품 경쟁과 메시지 경쟁이 함께 간다.
Claude Code, 채팅보다 작업 도구에 가깝다
코딩 AI는 답변보다 실행으로 이동 중이다
Claude Code는 질문에 답하는 도구라기보다 파일을 보고, 고치고, 실행하는 작업 도구에 가깝다. AI 생산성의 중심이 채팅창에서 실제 작업 흐름으로 옮겨가고 있다.
- 코딩 에이전트의 핵심 가치는 검색보다 실행과 검증에 가까워지고 있다.
- 팀 협업 방식도 문서만 주고받는 방식에서 실제 작업 흐름을 함께 관리하는 방식으로 바뀔 수 있다.
메타 V-JEPA 2, 다음 장면을 예측한다
월드모델은 보는 데서 끝나지 않고 다음 상황을 그린다
V-JEPA 2는 영상 속 세계를 이해하고 다음 변화를 예측하는 방향으로 발전했다. 로봇과 자율 시스템이 움직이려면 이런 예측 능력이 필요하다.
- 텍스트 생성 경쟁 이후 영상 이해와 행동 예측이 새 경쟁 영역이 되고 있다.
- 기초모델의 적용 범위가 디지털 화면 밖의 물리 세계로 넓어지고 있다.
AI 도입은 빠른데 성과는 아직 느리다
AI를 쓰기 시작하는 것과 돈이 되게 만드는 일은 다르다
IBM 조사에서 보이는 핵심은 많은 기업이 AI를 도입했지만 실제 ROI는 아직 낮다는 점이다. 문제는 모델 선택보다 업무 방식과 책임 구조에 더 가깝다.
- AI 도입 자체는 빨라졌지만 업무 프로세스와 책임 구조 변화는 뒤처져 있다.
- AI 프로젝트는 파일럿보다 실제 운영에 녹여내는 과정이 더 어렵다.
AI를 감시하는 AI도 필요해진다
자동화가 늘수록 점검 장치도 같이 커진다
생성형 AI와 에이전트를 많이 쓰는 조직일수록 결과를 감시하고 기록하는 장치가 필요하다. AI 도입은 생산성 문제이면서 동시에 통제 문제다.
- AI 활용 확대는 거버넌스와 모니터링 수요 확대로 이어진다.
- 생산성 경쟁 뒤에는 책임성과 감사 가능성 경쟁이 따라붙는다.
Anthropic식 성장법은 빠른 반복이다
AI 기업은 처음부터 완성형으로 움직이지 않는다
Anthropic 사례에서 보이는 건 완벽한 설계보다 빠른 실험과 수정이다. AI 조직의 경쟁력은 깔끔한 시작보다 빠르게 배우고 고치는 속도에서 나온다.
- AI 조직은 완성형 설계보다 빠른 반복을 선택하는 경우가 많다.
- 연구 문화와 제품 문화가 섞인 팀 운영을 이해하는 데 도움이 된다.
Claude Code, 개발 밖 업무에도 들어간다
코딩 에이전트는 개발팀 전용 도구에 머물지 않는다
Claude Code 활용 사례는 에이전트 도구가 기획, 운영, 문서 작업에도 쓰일 수 있음을 보여준다. 핵심은 코드를 짜는 기능보다 업무를 작은 실행 단위로 나누는 힘이다.
- 실무자는 툴 자체를 배우기보다 업무 단위를 자동화하는 방식으로 접근한다.
- AI 도구의 경쟁력은 모델 성능뿐 아니라 적용 가능한 흐름 설계에 있다.
한국어 업무에는 한국형 AI 스킬이 먹힌다
AI는 실제 쓰는 언어와 업무 방식에 맞을 때 체감된다
범용 모델이 좋아져도 한국어 문서, 회의, 보고 방식에 맞춘 스킬은 여전히 중요하다. 결국 생산성은 모델 성능보다 내 업무에 얼마나 바로 붙는지에서 갈린다.
- 한국어 업무 환경에서는 현지화된 스킬 설계가 체감 성능을 좌우한다.
- AI 도구 경쟁은 모델 성능을 넘어 실제로 쓰기 쉬운 기능 설계로 확장되고 있다.