Large Language Models

주요 뉴스

1. 1

   Amex, AI를 활용해 제품 개발 속도 높여…일자리 감축 논의는 회피

   무엇이 일어났는가: American Express의 CEO Steve Squeri는 금요일 실적 발표에서 AI가 기술 제품 백로그 처리를 가속화하고 효율성을 높이는 데 도움이 되고 있다고 밝혔으나, 업무 흐름과 수익에 미치는 더 깊은 영향은 나중에 나타날 것이라고 경고했다. Amex는 2분기 순이익 311억 달러(약 5000억 엔)(전년 동기 288억 달러(약 4600억 엔)에서 증가), 매출 196억 4000만 달러(약 3.1조 엔)(전년 동기 178억 달러(약 2.8조 엔)에서 증가), 청구 사업량 4458억 달러(약 71조 엔)(전년 동기 4163억 달러(약 67조 엔)에서 증가)을 기록했다. 중요한 이유: Squeri는 AI를 근로자 대체가 아닌 업무 가속화로 프레임화했으며, Amex는 사업 규모 증가에도 불구하고 고객 서비스 채용 가속화가 부족했으며 인력 감축은 시간에 따른 자연 감소를 통해서만 예상되고 있다. 이러한 접근 방식은 AI 성장을 직접적으로 감원과 연결한 일부 핀테크 경쟁업체와 대조되며, 대형 금융 기관이 일자리 감소에 대한 공개적 우려를 헤쳐나가면서 기술에 투자하는 방식을 보여준다.

   주목할 점: Amex는 2025년 말 Google, PayPal 등 60개 이상의 기업과 함께 출범한 개방형 표준인 Agent Payments Protocol(AP2)을 지지하고 있으며, 향후 1년 내 비즈니스 중심의 AI 기반 제품 6개 이상을 출시할 계획이다. 이는 에이전틱 AI가 금융 서비스의 다음 단계를 견인할 것이라는 베팅이다.

2. 2

   1인 사업가들에게 핵심 업무의 AI 아웃소싱 자제 권고

   일어난 일: Fast Company가 1인 사업가들을 위해 인공지능에 위임해서는 안 되는 사업 기능에 관한 지침을 발표했으며, 인간의 판단력과 개인적 관계가 필요한 업무들을 구분했다. 중요한 이유: 1인 사업가들이 자동화 압박에 직면하면서, 어떤 업무가 인간 중심으로 유지되어야 하는지 이해하는 것이 소규모 독립 사업의 핵심인 신뢰, 진정성, 차별성 보존에 도움이 된다. 특히 고객 대면 역할이나 의사결정 부분에서 개인적 접근이 경쟁 우위가 될 수 있다.

   주목할 점: 이 기사는 AI가 일상적인 업무를 처리할 수 있지만, 핵심 관계 구축과 전략적 결정에서 개인적 통제를 유지하는 1인 사업가들이 완전히 자동화한 경우보다 더 강한 고객 충성도와 브랜드 정체성을 구축할 수 있다고 강조한다.

3. 3

   미국 재향군인부, Salesforce에 16억 달러 AI 계약 체결

   무엇이 일어났는가: 미국 재향군인부(VA)가 Salesforce와 3년 16억 달러(약 2,600억 엔) 규모의 계약을 체결했다. 이 계약을 통해 재향군인부 전역에 자동으로 행동할 수 있는 소프트웨어 에이전트인 에이전트 AI를 배치하며, 실시간 통화를 처리하는 가상 콜센터와 일부 VA 병원에서 이미 사용 중인 Slack 기반 운영 체계를 포함한다. 왜 중요한가: 현재 VA 직원들은 단절된 시스템을 헤치며 시간을 낭비하고 있어 재향군인 서비스에 집중하지 못하고 있다. Salesforce의 이 계약은 데이터와 워크플로우를 연결함으로써 행정 업무 부담을 줄이고, 직원들이 더 빠르게 정보에 접근하여 보다 많은 시간을 진료와 복지 혜택 제공에 할애할 수 있도록 한다.

   주목할 점: 이 계약은 지난해 10월 발표된 Salesforce의 에이전트 엔터프라이즈 라이선스 계약(AELA)을 사용하는데, 이는 좌석 기반의 고정 요금 모델이다. 분석 회사 Gartner는 사용량이 제한되지 않을 경우 비용 초과 가능성에 대한 우려를 제기했지만, Salesforce는 갱신 시에는 유연성을 유지하겠다고 밝혔다.

4. 4

   LEAD 방법이 LLM의 장기적 추론 병목 현상 해결

   무엇이 일어났는가: EPFL 연구진이 장기적 추론 작업을 수행할 때 대형 언어모델(LLM)의 심각한 실패 모드를 발견했다. 추론이 너무 많은 단계로 분해될 때 나타나는 '회복 불가능한 병목 현상'이 바로 그것이다. 연구진은 Lookahead-Enhanced Atomic Decomposition(LEAD)을 제안했으며, 이는 단기 미래 검증과 겹치는 롤아웃을 사용하여 안정성을 유지하면서 오류 수정 능력을 보존한다. LEAD를 사용한 o4-mini 모델은 복잡도 n = 13까지의 체커스 점프 퍼즐을 해결했으나, 극단적 분해는 n = 11을 넘어 실패했다. 왜 중요한가: LLM이 고수준 전략을 제시받더라도 장기적 실행 중에는 여전히 불안정하며, 이는 여러 단계의 지속적인 추론이 필요한 작업의 핵심 제한 사항이다. 회복 불가능한 병목 현상은 몇 가지 핵심 '어려운' 단계에서의 오류가 매우 불균등한 오류 분포로 인해 돌이킬 수 없게 되기 때문에 발생한다. LEAD의 분해 세분화와 지역 문맥의 균형을 맞추는 접근 방식은 복잡한 문제 해결을 위한 AI 시스템의 더욱 안정적인 추론 경로를 시사한다.

   주목할 점: LEAD를 사용하면 o4-mini가 체커스 점프를 n = 13 복잡도까지 해결할 수 있으며, 극단적 분해의 n = 11과 비교할 때 장기적 작업 능력의 최전선에서 측정 가능한 개선을 보여준다.

5. 5

   Oracle, 엔터프라이즈 AI용 전용 GPU 클라우드 서비스 출시

   일어난 일: Oracle이 OCI Dedicated Cloud Customer-Owned GPU를 발표했습니다. 이 새로운 서비스는 기업들이 자체 GPU를 Oracle의 클라우드 인프라에서 전용 컴퓨팅 및 네트워킹 리소스와 함께 실행할 수 있도록 합니다. 중요한 이유: 기업들은 대규모 AI 모델을 실행해야 하지만 데이터 주권, 비용 관리, 인프라 통합 측면에서 제약을 직면하고 있습니다. 클라우드의 전용 GPU 서비스를 통해 Oracle의 인프라를 활용하면서도 소유권과 제어권을 유지할 수 있고, 공유 리소스를 놓고 경쟁할 필요가 없어집니다.

   주목할 점: 이 서비스는 민감한 워크로드를 처리하며 격리와 예측 가능한 성능이 필요한 조직들을 대상으로 설계되었습니다. 가용성 세부사항과 가격 정보는 공식 발표에 포함되지 않았습니다.

6. 6

   Amazon, 샌프란시스코 AI 연구소 폐쇄하되 모델 개발은 계속 진행

   무엇이 일어났는가: Amazon은 샌프란시스코의 핵심 인공지능 연구소 폐쇄를 확인했으나, 최고 수준의 AI 모델 작업은 다른 곳에서 계속 진행된다고 밝혔다. 왜 중요한가: 이번 폐쇄는 AI 연구개발 조직 방식 변화를 시사하며, 동시에 핵심 모델 개발 업무의 연속성을 강조하는 움직임으로, 조직 내 주요 AI 작업의 위치를 재편할 수 있다.

   주목할 점: Amazon은 폐쇄 일정과 영향을 받는 직원 수를 공개하지 않아, 회사의 샌프란시스코 AI 운영에 미칠 단기적 영향에 대한 의문이 남아있다.