Large Language Models

주요 뉴스

1. 1

   S&P Global이 Adaptive Retrieval 출시, 기업용 AI 워크플로우에 데이터 통합

   무엇이 일어났는가: S&P Global Inc.가 최근 Adaptive Retrieval을 출시했다. 이는 AI 준비 완료 서비스로, 고객 에이전트와 대규모 언어 모델이 AI Data Portal을 통해 자연어로 S&P Global의 라이선스 데이터에 접근할 수 있게 해주며, 기존 Deterministic Retrieval 서비스를 보완한다. 왜 중요한가: 이번 움직임은 S&P Global의 사전 인용된 감사 가능한 데이터셋을 기업용 AI 애플리케이션을 위한 플러그 앤 플레이 인프라로 포지셔닝하며, AI 중심 워크플로우의 중심에서 S&P Global의 역할을 강화한다. Capital IQ Pro 내 AI 중심 콘텐츠 생성을 지원하는 Farsight에 대한 S&P Global의 파트너십과 소수 지분 투자를 보완하면서, 새로운 AI 중심 워크플로우가 회사의 기존 혁신 촉매제를 뒷받침할 수 있다는 주장을 강화한다.

   주목할 점: 고객 채택이나 가격 책정이 예상대로 발전하지 않을 경우 더 큰 AI 및 제품 지출이 순이익 마진을 압박할 수 있다는 핵심 위험이 투자자들을 기다리고 있다. S&P Global의 시나리오는 2029년까지 연 2.9%의 수익 성장과 현재 48억 달러에서 12억 달러의 순이익 증가를 요구하며, 172억 달러의 수익과 60억 달러의 순이익을 전망하고 있다. 커뮤니티 공정가치 추정치는 주당 대략 146달러에서 541달러 범위에 걸쳐 있다.

2. 2

   코카콜라, 200개 시장의 브랜드 통제를 위한 AI 시스템 배포

   무엇이 일어났는가: 코카콜라가 Adobe와 함께 개발한 AI 시스템인 Project Fizzion을 출범했다. 이 시스템은 회사의 브랜드 지침을 '스타일아이디'라는 머신러닝 가능한 형식으로 변환한다. Adobe Creative Cloud 애플리케이션에 내장된 이 시스템은 디자이너들이 작업할 때 브랜드 규칙을 자동으로 적용하며, 동시에 코카콜라의 핵심인 빨강과 흰색 팔레트, Spencerian 글씨체, Dynamic Ribbon을 중심으로 한 새로운 시각적 정체성을 선보인다. 왜 중요한가: 코카콜라는 하루에 약 22억 잔의 음료를 200개 이상의 시장에서 판매하며, 각 지역에서 현지 캠페인에 맞게 브랜드를 적용한다. 이러한 규모에서 일관성을 유지하려면 지금까지 광범위한 수동 검토가 필요했지만, Fizzion이 이를 자동화한다. 광범위한 마케팅 산업 관점에서 보면 이는 브랜드 통제 AI의 초기 대규모 사례로, 비용을 절감하거나 산출량을 늘리기 위한 기술이 아니라 콘텐츠 생산이 증가할 때 브랜드 정체성을 유지하기 위해 적용되는 기술이다.

   주목할 점: 인코딩된 시스템이 실제 시장에서 어떻게 작동할지, 그리고 AI를 통해 더 많은 콘텐츠가 생산될 때 브랜드의 독특함이 얼마나 잘 유지될지가 미해결 과제다. Adobe는 브랜드 인식 생성 도구를 다른 엔터프라이즈 고객으로 확대하고 있으며, 이는 브랜드 통제 AI가 전통적으로 대규모 에이전시 검토 레이어를 갖추지 못한 중견 기업과 소규모 마케팅팀에도 도달할 수 있음을 시사한다.

3. 3

   AI 에이전트, 대중화권 시범사업에서 첫 B2B 결제 완료

   무엇이 일어났는가: LianLian의 LoopXPay 에이전트가 Visa의 에이전트 커머스 솔루션의 지원을 받아 대중화권 최초의 라이브 B2B 에이전트 거래에서 공급업체 결제 프로세스를 자율적으로 관리했다. 에이전트는 구매 요건을 파악하고, 공급업체를 제안 및 비교하고, 주문을 배치하며, 정의된 지출 및 승인 범위 내에서 결제를 실행했다. 왜 중요한가: 이 시범사업은 AI 에이전트가 행정 업무를 넘어 직접 비즈니스 거래를 실행하는 운영 역할로 확대될 수 있음을 보여준다. 소규모 및 중견 기업의 경우, 송장 검토, 결제 조정, 예외 처리 등 지속적인 인적 개입이 필요한 매입채무 워크플로우를 자동화하면 경영진이 일상적인 업무 대신 성장과 전략에 집중할 수 있다.

   주목할 점: 에이전트 거래를 시범사업에서 실제 운영으로 확대하려면 조직이 강력한 거버넌스 및 보안 통제 시스템을 구축해야 한다. 기사에서 지적한 대로 매출채권 및 매입채무 프로세스는 사기의 빈번한 대상이며, 사이버범죄자들은 인간을 조작하는 대신 AI 에이전트를 직접 표적으로 삼도록 전술을 적응시킬 가능성이 높다. 또한 AI 에이전트는 현재 인간 사용자를 위해 설계된 시스템에서 서로 거래할 수 있는 기본적이고 안전한 방식이 없으며, 이 격차를 해소하기 위해 업계가 계속 노력 중이다.

4. 4

   Visa, 중국 대륙 최초의 AI 기반 B2B 에이전트 결제 완료

   무엇이 일어났는가: Visa와 Lianlian이 Visa의 Agentic Directory를 활용해 중국 대륙 최초의 AI 기반 B2B 에이전트 결제를 실행했으며, 이 거래는 사전에 정해진 통제 범위 내에서 국제 송금을 자동으로 처리했다. 왜 중요한가: 이번 거래는 Visa가 에이전트 상거래와 기계 간 금융거래 시장에 진입했음을 의미하며, 정의된 규칙과 통제 범위 내에서 작동하는 AI 기반 거래 워크플로우 분야의 선도주자로서의 입지를 강화한다.

   주목할 점: 투자자들은 Visa가 이번 파일럿을 광범위한 제품 제공, 신규 활용 사례, 네트워크 전반의 거래량 성장으로 어떻게 전환할지, 그리고 향후 실적 발표에서 에이전트 상거래 채택과 AI 기반 결제 거래량에 대한 언급을 주의 깊게 모니터링해야 한다.

5. 5

   Visa와 Lianlian, 대중국 지역 최초 라이브 B2B AI 에이전트 거래 완료

   무엇이 일어났는가: Visa와 Lianlian DigiTech가 Lianlian의 AI 에이전트인 LoopXPay를 활용해 첫 라이브 B2B 에이전트 거래 완료를 발표했다. 이 에이전트는 공급업체에서 제품 샘플을 발굴하고 단일 워크플로우로 구매를 완료했으며, 요구사항 파악, 공급업체 추천, 옵션 비교, 주문 배치, 결제 실행 등 모든 과정을 사전 정의된 지출 통제 및 승인 기준 내에서 수행했다. 왜 중요한가: 중소기업(SMB)은 전담 조달팀이 부족해 소싱, 구매, 결제에 직접 시간을 투입하는 경우가 많다. AI 기반 커머스는 감시와 통제를 유지하면서 수동 작업을 줄일 수 있다. LoopXPay는 Visa의 에이전트 디렉토리에 등록되었으며, 이는 기업이 검증된 AI 에이전트를 식별하고 Visa의 신뢰할 수 있는 투명한 에이전트 기반 상호작용 요구사항을 충족하는지 확인하도록 돕는 레지스트리다.

   주목할 점: Visa와 Lianlian은 신뢰할 수 있는 커머스 발전을 위한 지속적인 협력의 일환으로 조달, 디지털 광고 최적화, B2B 플랫폼 결제 등 더 광범위한 상업 활동을 지원하는 AI 에이전트의 역할을 탐색하고 있다.

6. 6

   Alphabet, AI 지출을 2050억 달러로 인상…수요가 공급 초과

   무엇이 일어났는가: Alphabet이 2026년 자본지출 전망을 기존의 1800억 달러에서 1900억 달러에서 1950억 달러에서 2050억 달러로 상향 조정했다. 수요 공급 제약이 지속되고 있음에도 지출을 늘리기로 결정한 것이다. Sundar Pichai 최고경영자는 AI 모델과 클라우드 서비스에 대한 수요가 현재의 인프라 공급을 계속 초과하고 있으며, 회사는 3분기에 제3자 용량 활용을 확대할 계획이라고 밝혔다. 왜 중요한가: 막대한 신규 투자에도 불구하고 고객 요청을 충분히 빠르게 충족할 수 없는 구조적 문제를 드러낸다. 이는 Alphabet이 지속적으로 강한 엔터프라이즈 AI 수요를 보고 있다는 신호이며, Google Cloud의 성과가 핵심 지표로 강조되었다. 월스트리트는 엇갈린 의견을 보이고 있는데, 지출이 광범위한 '자본지출 군비경쟁'을 촉발할 수 있다고 우려하는 쪽과 가속화하는 클라우드 수요로 정당화된다고 보는 쪽으로 나뉜다.

   주목할 점: Alphabet은 2분기 매출 1198억 달러를 기록해 애널리스트 예상 1168억 2000만 달러를 상회했으며, 주당 순이익은 9.11달러로 예상 2.87달러를 웃돌았다. 2026년까지의 투자를 통해 공급과 수요 간 격차를 좁히는 능력과 경쟁사들이 유사한 지출 인상으로 추종할지 여부가 AI 인프라 경쟁의 향방을 결정할 것이다.