6월 4째주 테크 씬(Tech scene)은 AI의 「산업 침식」이 한층 더 가속화되었음을 인상 깊게 보여주는 사건들이 겹쳤다. 엔터테인メント, 언어 설계, 모바일 입력, 이커머스(E-commerce)——각각 별개로 보일지라도, 그 근저에 흐르는 흐름은 하나로 연결되어 있다. AI가 특정 분야에 「응용되는」 단계를 넘어, 산업의 의사결정 그 자체를 움직이기 시작했다는 이야기다.

Netflix, A24, Warner Bros.의 Clockwork 등 저명한 스튜디오들이 OpenAI의 공동 창립자이자 CEO인 샘 알트만(Sam Altman)을 소재로 한 루카 구아다니노(Luca Guadagnino) 감독의 전기 드라마 「Artificial」의 인수를 보류했다고 보도되었다.

표면적으로만 읽으면 「영화 한 편의 이야기」로 보이지만, 깊이 읽어보면 시사하는 바가 크다. OpenAI라는 기업과의 관계 악화를 두려워한 것인지, 아니면 AI라는 소재가 상업적으로 리스크가 있다고 판단한 것인지——스튜디오 측은 아무것도 말하지 않았지만, 어찌 되었든 OpenAI가 할리우드에서 「눈치를 보는(忖度, son-taku) 존재」가 되었다는 뜻이다.

이는 개발자에게 남의 일이 아니다. 자사 프로덕트에 OpenAI의 API를 통합할 때, 이용 약관의 변경이나 API 폐지가 비즈니스 연속성에 직결되는 리스크는 해마다 커지고 있다. 벤더 록인(Vendor lock-in) 문제는 클라우드에 국한되지 않고, AI 레이어(Layer)에서도 이미 현실적인 과제로 나타나고 있다.

Hacker News에서 화제를 모은 Rhombus Language 1.0의 출시. 상세 스펙은 공식 문서에 맡기겠지만, 새로운 프로그래밍 언어가 1.0을 맞이할 때마다 반복되는 질문이 있다. 「왜 지금 새로운 언어가 필요한가」이다.

Rust, Zig, Gleam 등 최근 몇 년간 「안전성」, 「병행 처리(Concurrency)」, 「함수형의 장점 취합」을 축으로 한 언어들이 차례로 대두되어 온 흐름의 연장선상에 Rhombus가 있다. 기존 언어의 설계상의 타협을 허용하지 않는 세대의 엔지니어들이, 「만들고 싶은 것을 만들 수 없다면 언어를 만든다」는 선택을 하고 있다.

현장에 미치는 영향은 당장 나타나지 않겠지만, 이러한 언어 실험의 성과——타입 추론(Type inference)의 세련화, 에러 핸들링(Error handling)의 UX, 컴파일 시 보장(Compile-time guarantee)——이 5~10년 후의 메인스트림 언어에 흡수되는 것은 지금까지도 반복되어 온 패턴이다. 언어 설계의 트렌드는 지금 작성하고 있는 코드의 미래상이다.

FUTO가 출시한 스와이프 입력 모델 「FUTO Swipe」는 오픈 소스 키보드 앱인 FUTO Keyboard의 핵심 기능으로서 주목받고 있다.

스와이프 입력 자체는 새로운 것이 아니다. SwiftKey나 Gboard가 이미 보급시켰다. 다만 FUTO의 접근 방식이 다른 점은, 독자적인 뉴럴 네트워크(Neural network) 기반 모델을 로컬(Local)에서 구동한다는 점이다. 클라우드에 문자 입력 데이터를 보내지 않고, 단말기 상에서 완결된다.

최근 몇 년간 프라이버시 퍼스트(Privacy-first) 설계에 대한 관심이 높아짐에 따라, 「에지(Edge)에서의 AI 추론」을 포함한 앱에 대한 기대가 현장에서도 높아지고 있다. 모바일 앱 개발자에게 FUTO Swipe의 구현은 좋은 참조 구현(Reference implementation)이 된다. 키보드라는 「모든 문자 입력이 통과하는 민감한 레이어」에서 로컬 추론을 실현한 모델 아키텍처는 다른 유스케이스(Use case)에도 전용할 수 있는 발상을 포함하고 있다.

dev.to에서 화제가 된 「Building an AI-Powered Storefront with Python」은 Python, Bitcoin 결제, AI 생성 콘텐츠를 조합한 완전 자율형 디지털 상품 판매 사이트를 구축한 사례다.

주목해야 할 점은 기술 스택보다 「완전 자율」이라는 컨셉에 있다. 상품 설명문 생성부터 트랜잭션(Transaction) 처리까지, 인간의 개입을 극도로 배제한 시스템을 개인 개발자가 만들 수 있는 시대가 되었다는 것이다.

다만 현장에서 유사한 시스템을 고려할 때 주의해야 할 점은 「자율성」과 「품질 보증」 사이의 트레이드오프(Trade-off)다. AI 생성 콘텐츠가 그대로 상품 설명이 되는 시스템에서는 할루시네이션(Hallucination)이나 잘못된 정보가 고객에게 전달될 리스크가 있다. 어디에 인간의 체크포인트(Checkpoint)를 둘 것인가——이 설계 판단이 시스템의 신뢰성을 좌우한다. 자동화 범위를 넓힐수록 그 경계 설계에 신중함이 요구된다.

OpenAI가 할리우드를 움직이고, 개인 개발자가 Bitcoin 결제가 포함된 AI 스토어를 혼자서 세우며, 새로운 언어가 1.0을 맞이한다——이것들을 하나의 주의 스냅샷(Snapshot)으로 바라보면, AI와 개발 도구의 「민주화와 집중」이 동시에 진행되고 있음을 알 수 있다.

한편으로는 기술이 강력한 소수의 플레이어에게 집중되고 있으며(OpenAI의 영향력), 다른 한편으로는 개인의 구현 능력(Python을 이용한 완전 자율 스토어)이 극적으로 향상되고 있다. 이러한 양극화가 향후 현장의 경쟁 축을 결정하게 될 것이다. 벤더 의존(Vendor dependency)의 리스크를 파악하면서, 사용할 수 있는 것은 최대한 활용한다——그 판단력이야말로 지금의 엔지니어에게 요구되는 것이다.