Large Language Models

주요 뉴스

1. 1

   Salesforce 파트너들, 2년이 지났지만 Agentforce 매출 아직 없다

   상황: TD Cowen이 미국, 유럽, 아시아 지역의 Salesforce 파트너들을 조사한 결과, Salesforce의 AI 에이전트 구축 플랫폼인 Agentforce가 예약 활동을 견인하는 사례가 없는 것으로 나타났다. 파트너 중 3분의 1이 강한 관심과 구매/시험 활동을 보고했지만, 11%는 즉각적인 관심이 거의 없다고 답했고, 56%는 이니셔티브가 성숙한 후에야 관심이 생길 것으로 예상했다. 중요한 이유: Salesforce CEO Marc Benioff는 Agentforce의 연간 반복 매출이 현재 $1 billion을 초과한다고 주장하며, 이 플랫폼을 AI 에이전트가 일반적인 업무를 수행하고 소프트웨어 업그레이드 수요를 감소시키는 "SaaSapocalypse"에 대응하는 핵심으로 포지셔닝했다. 그러나 파트너들의 피드백은 도입이 여전히 부진함을 시사하며, KeyBanc의 별도 CIO 조사에서는 고객들이 Agentforce 계획을 부정적으로 평가했다. 고객들은 의미 있는 AI 작업을 위해 엔터프라이즈 데이터가 충분히 일관되지 않다는 점과 "Agentforce는 제품으로서 준비가 덜 됐다"는 우려를 제기했다.

   주목할 점: Salesforce는 Q1 FY2027(4월 30일 종료)에서 미래 계약 가치를 나타내는 지표인 현재 남은 성과 의무(remaining performance obligation)가 전년 동기 대비 14% 증가하여 $33.6 billion에 도달했다고 보고했으며, Agentforce가 성장 요인으로 지목되었지만, 커머스와 Tableau의 약세가 일부 상쇄했다. 파트너 중 3분의 1이 상업 목표를 달성했거나 초과했으나, 이는 전분기의 43%에서 하락했다.

2. 2

   Nvidia, AI 모델보다 '하네스'가 장기 작업의 핵심이라 입증

   일어난 일: Nvidia 연구팀이 맞춤형 하네스와 '슈퍼바이저' 컴포넌트를 사용해 Claude Opus 5가 ARC-AGI-3 인터랙티브 추론 벤치마크에서 100% 점수를 달성했다. 같은 모델이 하네스 없이는 30%에 불과했다. 하네스는 AI 모델을 감싸는 소프트웨어로, 도구와 메모리 관리, AI가 독립적으로 행동하도록 하는 규칙들을 포함한다. 중요한 이유: 이번 발견은 장기 작업(시간에 걸쳐 여러 연쇄된 의사결정이 필요한 작업)에서 AI 모델의 기본 지능이 가장 중요하다는 가정에 도전한다. Databricks의 7월 연구는 같은 모델을 사용하더라도 하네스 선택이 비용을 2배로 늘릴 수 있음을 보여줬으며, 기업들이 잘못된 계층을 최적화하고 있을 수 있음을 시사한다. Nvidia의 결과는 또한 OpenAI가 고심했던 약점을 직접 해결한다. OpenAI의 최근 연구에서 하네스 조정은 점수를 3배 올렸지만 100%에 근접하지 못했다.

   주목할 점: 오늘날 대부분의 에이전트 사용자는 Claude Code나 Codex 같은 단일 계층 하네스에 의존한다. Nvidia는 Nemo 브랜드 아래 오픈 하네스 컴포넌트를 생산하며(일부는 상용, 일부는 무료 공개), 사용자에게 폐쇄 시스템보다 더 많은 제어권을 제공한다. Nvidia는 오픈 하네스를 통해 팀이 하네스, 인프라, 런타임을 조절해 정확도를 조정할 수 있다고 강조한다.

3. 3

   Twitch 스트리머들, Amazon을 상대로 미지급 AI 훈련 데이터 소송 제기

   무엇이 일어났는가: 코네티컷 기반 Twitch 스트리머 Warren Pandiscia가 목요일 캘리포니아 북부지구 연방법원에 Twitch와 모회사 Amazon을 상대로 집단소송을 제기했다. Pandiscia는 Amazon이 허가 없이 수백만 개의 크리에이터 영상을 수집해 Amazon의 생성형 AI 모델 훈련에 사용했다고 주장했다. Twitch는 8월 12일 크리에이터 콘텐츠를 AI 훈련에 사용한다고 확인했으며 거부 설정을 추가했지만, 사용자가 수동으로 기능을 비활성화하지 않으면 채널이 자동 등록된다. 왜 중요한가: Pandiscia는 Amazon의 AI 제품이 상용화되었으므로 회사가 라이선스 협상이나 허가 없이 대규모로 훈련 데이터를 확보할 재정적 동기가 있었다고 주장한다. 그는 이 관행이 크리에이터와 Twitch 사이의 묵시적 계약 및 주(州) 부정경쟁법을 위반하며, 2024년 초부터 수집된 콘텐츠는 복구할 수 없다고 주장한다. Twitch의 전직 최고 수익화 담당자 Mike Minton은 2024년 Twitch 콘텐츠가 이미 AI 개발에 사용되고 있었음을 인정했지만, 이를 프로토타이핑 수준이 아닌 프로덕션 규모라고 설명했다.

   주목할 점: Pandiscia는 가처분 구제, 손해배상, 반환, 이익 몰수를 요구하고 있다. 이 소송은 Twitch의 거부 방식이 거부한 채널의 콘텐츠도 동의한 채널에 참여하면 여전히 사용될 수 있다는 점을 부각시키며, Pandiscia는 이러한 설계 결함이 진정한 동의를 불가능하게 만든다고 주장한다. 또한 Twitch가 8월 12일 이용약관과 개인정보보호정책을 업데이트하기 전에 AI 훈련 관행과 거부 설정을 크리에이터에게 투명하게 공개했는지에 대한 의문을 제기한다.

4. 4

   AI가 'shimmer'를 반복하는 이유—그것이 드러내는 것

   무엇이 일어났는가: 베르겐 대학교 디지털 내러티브 센터 공동 책임자인 Jill Walker Rettberg가 'shimmer'를 AI 모델이 과도하게 사용하는 최신 언어적 특이점으로 지적했으며, 'sparkles'와 'glow' 같은 단어들과 맥락을 함께한다. 그녀는 이런 단어들이 LLM의 잠재 공간(학습한 패턴을 저장하는 수학적 구조) 내에서 예상보다 의미론적 연결이 많은 독특한 위치를 차지한다고 이론화했다. 왜 중요한가: AI는 'shimmer'와 같은 모호한 단어들을 관련 없는 개념들을 연결하는 대화의 접착제로 사용하는데, 이는 대규모 언어 모델이 근본적으로 어떻게 작동하는지를 보여주는 증상이다. 이 패턴은 Google의 거의 무처의 sparkle 아이콘과 유사하다. 2024년 8개국 2,000명을 대상으로 한 UX 연구에서 사용자들은 sparkle이 'AI'를 의미한다는 것을 배웠지만 어떤 종류의 AI인지나 어떤 조치가 뒤따를지는 이해하지 못했다. 단어와 아이콘 모두 블랙박스 AI 자체처럼 뭔가 특별한 일이 일어나고 있다는 것을 알려주지만 그것이 무엇인지는 구체화하지 않는다.

   주목할 점: 이전의 AI 언어적 특징들은 짧은 수명을 가지고 있다. Wikipedia 편집자들은 이를 연도별로 추적한다—'bolstered'와 'underscore'는 2023년에 정점을 맞았고, 'emphasizing'과 'enhance'는 2025년에 정점을 맞았다. Shimmer는 아직 그 목록에 나타나지 않았지만, 한번 발견되면 AI는 다음 언어적 습관으로 옮겨갈 가능성이 높다.

5. 5

   Twitch, 기본 설정으로 크리에이터 콘텐츠를 Amazon AI 학습에 사용; 해제 방법 안내

   무엇이 일어났는가: Twitch가 계정 보안 설정에서 "생성형 AI 학습"을 기본값으로 활성화했으며, 이를 통해 Amazon은 채널 콘텐츠를 생성형 AI 모델 학습에 사용할 수 있다. 크리에이터는 설정 > 보안 및 개인정보 보호에서 "생성형 AI 학습"을 토글해제하여 비활성화할 수 있다. 중요한 이유: 기본값으로 동의하는 방식이므로 크리에이터가 조치를 취하지 않으면 이미 콘텐츠가 Amazon의 AI 시스템에 제공되고 있다. Twitch의 최고 상품 책임자 Mike Minton은 수요일 "옵트인 방식이었다면 아무도 옵트인하지 않았을 것"이라며 설정이 기본값으로 활성화된 이유를 인정했다.

   주시할 사항: 설정을 비활성화해도 Twitch에서 이미 제공되는 AI 지원 기능(예: 자막, 보안 도구)에는 영향을 주지 않는다. 콘텐츠가 AI 학습에 사용되기를 원하지 않는 크리에이터는 즉시 계정 설정을 확인해야 한다.

6. 6

   Apple과 Meta, AI 경쟁에서 뒤처지지만 정반대 전략 추진

   무슨 일이 일어났나: Apple은 AI 인프라 구축에서 대체로 손을 놓고 있으며, Alphabet과 협력해 Gemini를 기기에 통합하는 데 그치고 있는 반면 Android 경쟁사들은 이미 앞서 나아가고 있다. 반면 Meta는 AI 컴퓨팅 용량에 수백억 달러를 투자했고 무료 AI 모델을 출시했지만, 대부분의 재정적 이익은 광고 사업을 통해서만 흘러들어오며 직접적인 AI 수익을 창출하지 못하고 있다. 왜 중요한가: Apple의 전략은 Meta가 직면한 막대한 자본 소모를 피하지만, AI 역량에서 경쟁사들보다 뒤처지게 한다—다만 Apple은 과거 다른 제품 카테고리에서 이런 위치에서 회복한 경험이 있다. Meta의 막대한 지출은 아직 비용을 상쇄하지 못했으며, 회사는 개인 초지능 모델과 AI 안경 같은 구독 서비스 가능성을 향해 나아가고 있다. 시장의 반응은 명확하다: Meta는 AI 베팅에서 약한 수익을 보기 때문에 Apple의 절반 수준의 P/E 배수로 거래되는 반면, Apple은 최소한의 AI 지출에도 불구하고 프리미엄을 유지하고 있다.

   주목할 점: Apple의 성공은 사용자에게 반향을 일으킬 수 있는 구독 서비스와 함께 AI 제품을 출시하는 데 달려 있으며—이 전략이 성공하면 수십억 달러의 새로운 수익을 창출할 수 있다. Meta의 상승 가능성은 구독 기반 서비스나 AI 안경을 통해 AI 투자를 현금화하는 데 달려 있으며, 만약 breakthrough를 달성하면 주가는 현재 밸류에이션에서 상당한 상승 여지가 있다. 두 회사 모두 실행 위험에 직면해 있지만, Meta의 낮은 밸류에이션은 실망의 여지가 더 적다.