AI가 운영 체계로 굳어집니다 — 모델 자동 선택⁠·BYOK⁠·비공개 GPU⁠·물리 AI가 같은 방향입니다

오늘의 핵심

오늘의 흐름은 AI가 더 좋은 모델 이름을 발표하는 단계를 넘어, 누가 어떤 모델을 자동으로 고르고, 어디의 키와 데이터 경계 안에서 실행하며, 어떤 운영 지표로 관리할 것인가로 이동하고 있다는 점입니다. GitHub는 Copilot의 모델 선택과 BYOK를 손봤고, Google Cloud는 Confidential AI를 GPU와 GKE까지 확장했으며, AWS는 음성 agent를 healthcare workflow로 구체화했습니다. 동시에 Agility Robotics의 SPAC 상장 계획과 Meta의 내부 데이터 수집 논란은 AI가 물리 세계와 조직 내부로 들어갈 때 생기는 자본·프라이버시 문제를 보여줍니다.

GitHub Copilot, Free·Student 플랜에서 자동 모델 선택을 기본값으로 바꿨습니다

GitHub는 Copilot Free와 Student 플랜에서 수동 모델 선택 대신 Copilot auto model selection을 기본이자 유일한 모델 선택 경험으로 전환한다고 밝혔습니다. Auto는 작업별로 적절한 모델을 동적으로 고르고, 플랜 제한 안에서 여러 모델 패밀리에 접근하게 합니다.

• 모델 선택의 추상화: 사용자가 “어떤 모델을 쓸지” 직접 고르는 대신, 제품이 task routing을 맡습니다.
• Preview 라벨 축소: Microsoft가 제공하는 모델의 (Preview) 라벨도 제거해, 사용자가 모델 상태보다 자동 라우팅 결과에 집중하게 만듭니다.

출처: Changes to model selection for Free and Student plans — GitHub Changelog

GitHub Copilot 앱, BYOK로 외부·로컬 모델 공급자를 붙일 수 있게 했습니다

GitHub는 Copilot 앱에서 bring your own key(BYOK)를 지원한다고 발표했습니다. 사용자는 OpenAI, Azure OpenAI, Microsoft Foundry, Anthropic, LM Studio, Ollama, OpenAI-compatible endpoint를 모델 공급자로 추가하고 session마다 선택할 수 있습니다.

• 기업 데이터 경계 대응: inference traffic을 자체 cloud tenant나 internal gateway로 보내는 선택지가 생깁니다.
• frontier와 local 조합: 복잡한 계획은 frontier 모델이 맡고, 실행이나 민감한 작업은 local/self-hosted 모델이 맡는 구성이 쉬워집니다.

출처: GitHub Copilot app support for BYOK — GitHub Changelog

Google Cloud, Confidential AI를 Blackwell GPU와 GKE까지 확장했습니다

Google Cloud는 Confidential G4 VM과 Confidential GKE Nodes preview를 발표했습니다. NVIDIA RTX PRO 6000 Blackwell GPU가 들어간 G4 machine series에서 inference와 fine-tuning workload를 하드웨어 기반 Trusted Execution Environment로 보호하는 방향입니다.

• GPU 사용 중 데이터 보호: 민감한 prompt, fine-tuning 데이터, 모델 처리 과정을 data-in-use 보호 대상으로 확장합니다.
• 배포 선택지 확대: On Demand, Reservations, DWS Flex Start, Spot/Preemptible 같은 여러 consumption model에서 Confidential G4를 쓸 수 있게 합니다.

출처: Verifiable, private AI: Google Cloud expands Confidential Computing frontiers — Google Cloud

AWS, Nova 2 Sonic과 AgentCore로 healthcare 음성 예약 agent를 구현했습니다

AWS는 Amazon Nova 2 Sonic과 Amazon Bedrock AgentCore를 사용해 healthcare appointment agent를 만드는 예제를 공개했습니다. React frontend가 SigV4-signed WebSocket으로 AgentCore Runtime에 연결되고, Strands BidiAgent가 실시간 음성 대화와 healthcare tool 호출을 처리합니다.

• 음성 agent의 production 패턴: 단순 음성 챗봇이 아니라 DynamoDB, SNS, IAM 인증 WebSocket, containerized agent runtime을 묶습니다.
• human escalation 포함: 환자가 사람과 통화하기를 원할 때 SNS로 escalation notification을 보내는 구조입니다.

출처: Build a healthcare appointment agent with Amazon Nova 2 Sonic — AWS Machine Learning Blog

Agility Robotics, 25억 달러 가치로 SPAC 상장을 추진합니다

Agility Robotics는 Churchill Capital Corp XI와의 합병을 통해 상장을 추진한다고 발표했습니다. 거래는 Agility를 pre-money equity value 25억 달러로 평가하며, 총 6억 2,000만 달러 이상의 gross proceeds를 제공할 것으로 예상됩니다.

• 물리 AI의 자본 시장 진입: Agility는 Digit v5 생산 확대, 상업 배포, robotics·physical AI·software·safety system·manufacturing infrastructure 투자를 상장 자금의 사용처로 제시했습니다.
• 상업 배포가 핵심 신호: 회사는 warehouse, manufacturing, distribution center에서 실제 팀과 함께 작동하는 humanoid 배포 데이터를 강조합니다.

출처: Agility Robotics to Go Public Through Merger with Churchill Capital Corp XI — Agility Robotics

Meta, 직원 컴퓨터 활동을 AI 학습 데이터로 수집하던 프로그램을 중단했습니다

The Guardian은 Meta가 AI 모델 학습용으로 직원의 keystroke, mouse click, screen content를 추적하던 Model Capability Initiative를 privacy backlash 이후 중단했다고 보도했습니다. 약 1,600명의 직원이 “employee computer use data” 수집에 반대하는 petition에 서명했습니다.

• 내부 데이터도 동의 문제가 됩니다: 공개 웹이나 고객 데이터뿐 아니라, 직원 업무 화면과 prompt도 AI 학습 데이터가 될 때 신뢰와 동의 문제가 발생합니다.
• 보안 노출 우려: 보도에 따르면 내부 보안 공지는 prompt, transcription, private conversation, people and performance data가 포함된 table 노출 가능성을 언급했습니다.

출처: Meta pauses employee tracker for AI training amid privacy concerns — The Guardian

OpenAI와 Anthropic, 뉴욕 의회 예비선거에서 AI 규제 프레임을 두고 충돌했습니다

SFGATE는 뉴욕시 의회 예비선거가 OpenAI와 Anthropic의 규제 노선 충돌 무대가 됐다고 보도했습니다. AI regulation framework를 제안한 Alex Bores 후보를 Anthropic 쪽 자금이 지원했고, OpenAI와 Palantir 등은 Leading the Future PAC를 통해 반대 진영에 자금을 넣었습니다.

• 정책 경쟁의 지역화: frontier lab의 규제 입장이 연방 로비를 넘어 지역 선거와 후보 지원으로 연결됐습니다.
• AI 친화 규제의 정의 싸움: 같은 “national regulatory framework”라는 말 아래에서도 기업별 이해관계와 위험 인식이 다르게 나타납니다.

출처: OpenAI triumphs in brutal $26M political fight against Anthropic — SFGATE

Google, A2A와 ADK로 다중 언어 agent 팀 패턴을 제시했습니다

Google Developers Blog는 Agent Development Kit와 Agent2Agent(A2A) protocol을 사용해 Python extraction agent와 Go compliance agent가 함께 계약 준수 pipeline을 처리하는 예제를 공개했습니다. 핵심은 agent를 하나의 거대한 prompt로 만들지 않고, 언어와 역할이 다른 service로 분리하는 것입니다.

• agent monolith 분해: 많은 tool과 책임을 한 agent에 넣으면 context degradation, blast radius, testability 문제가 커진다고 설명합니다.
• 공통 protocol로 연결: A2A는 Agent Card, JSON-RPC, typed message parts, task lifecycle로 서로 다른 언어와 framework의 agent가 통신하게 합니다.

출처: Build Cross-Language Multi-Agent Team with Google’s Agent Development Kit and A2A — Google Developers Blog

Thomson Reuters, 전문직 AI 도입 지연이 고객 매출과 인재 이탈로 이어진다고 경고했습니다

Thomson Reuters는 2026 Future of Professionals report를 공개하며 법률, 세무, 감사, 리스크 직군에서 AI 구현 격차가 커지고 있다고 밝혔습니다. 보고서는 미국에서 최대 1,430억 달러의 client revenue가 위험에 놓일 수 있고, 회사가 AI를 제대로 제공하지 못하면 2년 안에 24 %의 talent가 이탈을 고려할 수 있다고 정리했습니다.

• AI 도입의 비용이 명확해집니다: AI를 “실험하면 좋은 것”이 아니라 고객 기대와 인재 유지에 영향을 주는 운영 과제로 봅니다.
• shadow AI 리스크: 변호사, 회계사, compliance professional의 3분의 1이 unsanctioned AI를 쓰고 있다는 점도 invisible risk로 지적했습니다.

출처: AI is Ready but Firms are Not — Thomson Reuters

Anthropic의 Fable·Mythos 접근 중단 논쟁, frontier model 배포 통제의 기준을 드러냈습니다

Anthropic은 미국 정부 지시에 따라 Fable 5와 Mythos 5에 대한 외국인 접근을 중단한다고 밝혔습니다. Anthropic은 특정 jailbreak 가능성에 대한 우려가 있었다고 설명하면서도, narrow potential jailbreak를 이유로 상용 모델 전체를 recall하는 기준에는 반대한다고 밝혔습니다.

• 모델 배포의 국가 안보 변수: frontier model 접근권은 이제 기업 약관만이 아니라 export control과 정부 검토의 대상이 됩니다.
• 투명한 blocking process 요구: Anthropic은 정부가 unsafe deployment를 막을 권한은 필요하지만, 기술적 사실에 기반한 명확하고 공정한 statutory process가 필요하다고 주장했습니다.

출처: Statement on the US government directive to suspend access to Fable 5 and Mythos 5 — Anthropic

오늘의 도구 추천

GitHub Copilot app BYOK — Copilot 앱에서 OpenAI, Azure OpenAI, Anthropic, LM Studio, Ollama, OpenAI-compatible gateway를 직접 모델 공급자로 연결하는 기능입니다. 기업 tenant, local model, internal gateway를 섞어 에이전트 작업을 운영해야 하는 팀이라면 오늘 가장 실용적인 변화입니다.

에디터 노트

오늘 소식은 AI가 “모델 성능”만으로 설명되지 않는 단계에 들어섰다는 점을 잘 보여줍니다. Copilot은 모델 선택을 자동화하고 동시에 BYOK로 기업의 데이터 경계를 열어줍니다. Google Cloud와 AWS는 AI workload가 돌아가는 실행 환경, 인증, WebSocket, 상태 저장, escalation 같은 운영 요소를 전면에 둡니다. Agility Robotics는 AI가 물리적 노동과 생산 설비로 들어갈 때 필요한 자본 규모를 보여줍니다.

이제 AI 제품을 평가할 때는 답변 품질만 볼 수 없습니다. 모델 라우팅, 키와 데이터 경계, 관측성, 법적 책임, 사람에게 넘기는 절차, 물리적 안전까지 함께 봐야 합니다. AI가 업무 운영 체계가 된다는 말은, 결국 AI도 다른 production system처럼 관리되어야 한다는 뜻입니다.

다음에 또 찾아옵니다. — 에이브랜치