2025년 12월 AI 헤드라인: 모든 것이 동시에 출시된 달

저는 일상의 일부로 AI 출시를 추적합니다. 주요 모델 업데이트나 새로운 API 기능을 놓치는 것은 구식 기반 위에서 개발하는 것을 의미할 수 있기 때문입니다. 2025년 12월은 20일이 되기도 전에 40개 이상의 기사가 탭에 쌓여 있을 정도로 정신없는 달이었습니다. 모든 주요 연구소(Lab)가 중요한 무언가를 출시했습니다. 그중 일부는 진정으로 중요했고, 일부는 진보로 포장된 소음이었습니다. 이것은 그 두 가지를 모두 가려내기 위한 저의 시도입니다. 실제로 무엇이 출시되었는지, 그것이 개발자들에게 무엇을 의미하는지, 그리고 제가 2026년으로 넘어가며 실제로 주목하고 있는 것은 무엇인지 다룹니다. 이 내용의 일상적인 버전을 원하신다면, AI & Tech News Blog가 견고한 실시간 보도를 제공하고 있습니다. 하지만 한 달의 큰 그림을 보고 싶으시다면? 동료와 커피를 마시며 이야기할 법한 내용을 정리해 보았습니다.

한 달 전체를 규정하는 통계

구체적인 출시 소식을 다루기 전에, 12월에 발표된 OpenAI의 "기업용 AI 현황(State of Enterprise AI)" 보고서에 담긴 수치들은 무시하기 어렵습니다. 기업용 ChatGPT의 주간 사용량은 전년 대비 8배 증가했습니다. 커스텀 GPT(Custom GPT) 사용량과 프로젝트(Projects) 사용량은 19배 증가했습니다. 그리고 이러한 도구를 사용하는 직원의 75%가 결과물이 유의미하게 개선되었다고 보고했으며, 하루에 약 40~60분 정도를 절약하고 있습니다. Menlo Ventures의 데이터도 비슷한 이야기를 들려줍니다. 2025년 전 세계 기업용 AI 지출은 370억 달러로, 2024년의 3.2배에 달합니다. 현재 기업의 80%는 자체 구축보다는 AI 솔루션을 구매하고 있습니다. 이러한 맥락은 12월의 출시 열풍을 설명해 주기 때문에 중요합니다. 이 기업들이 단순히 원해서 업데이트를 출시하는 것이 아니라, 실제 존재하는 기업 예산을 확보하기 위해 치열하게 경쟁하며 진정한 수요 압력에 대응하고 있는 것이기 때문입니다.

Google의 강력한 한 달 (제가 이렇게 말할 줄은 몰랐습니다)

솔직히 말하면, Google AI에 대한 저의 사전 기대치는 한동안 "늦고 점진적임"이었습니다. 2025년 12월은 그 기대를 바꾸어 놓았습니다. 월 중순에 Gemini 3 Flash가 출시되었습니다. 이는 속도에 최적화된 모델이지만, "속도"라는 말만으로는 부족합니다. 이 모델은 개발자들이 실제로 중요하게 생각하는 코딩 벤치마크인 SWE-bench Verified에서 모든 Gemini 2.5 변체와 Gemini 3 Pro를 능가했습니다.

빠른 추론 (reasoning), 복잡한 비디오 분석, 또는 실시간 데이터 추출 (data extraction)이 필요한 앱을 구축하는 개발자라면 이는 검토할 가치가 있습니다. 토큰 비용 또한 더 무거운 Gemini 3 모델들보다 낮으며, 이는 대규모 운영 (scale) 시 중요한 요소입니다. Gemini 3 Flash보다 저를 더 놀라게 했던 것은 Google의 A2UI 프로젝트였습니다. 이는 AI 에이전트가 현재 대화에서 필요로 하는 것에 따라 문맥적으로 관련 있는 UI를 즉석에서 생성하는 오픈 소스 (open-source) 도구입니다. 그들이 제시한 예시는 레스토항 예약 에이전트였습니다. 텍스트로만 대화를 주고받는 대신, A2UI는 인원수, 날짜, 식단 요구 사항이 포함된 실제 입력 양식을 생성합니다. 아직 완성된 제품 수준은 아니지만, 에이전트가 자신의 인터페이스를 동적으로 생성한다는 개념은 제가 면밀히 지켜보고 있는 방향입니다.

다음으로는 Windsurf 인수에서 파생된 VS Code 포크 (fork)를 기반으로 구축된 Google의 새로운 에이전트 중심 개발 플랫폼 (agentic development platform)인 Antigravity가 있습니다. 두 가지 뷰(view)가 제공되는데, 직접적인 AI 보조 코딩을 위한 에디터 뷰 (Editor view)와 워크스페이스 (workspace) 전반에서 병렬로 실행되는 여러 에이전트를 오케스트레이션 (orchestrating)하기 위한 매니저 뷰 (Manager view)가 그것입니다. 제가 계속 주목하게 되는 부분은 이 플랫폼이 Gemini 3, Claude Sonnet, 그리고 OpenAI 모델들을 동시에 지원한다는 점입니다. Google은 멀티 모델 (multi-model) 플랫폼을 구축하고, 경쟁사 모델들과 함께 자사의 모델을 그 안에 배치했습니다. 이는 주목할 만한 전략적 베팅입니다.

OpenAI: 단순한 모델의 이동이 아닌 플랫폼으로의 이동
OpenAI의 12월 헤드라인은 GPT-5.2-Codex였습니다. 이는 Codex 코딩 에이전트에 특화되어 최적화된 GPT-5.2 버전입니다. 대규모 리팩토링 (refactors)에 더 강력해졌고, 장기적인 작업 (long-horizon work)을 위한 컨텍스트 압축 (context compaction) 기능이 개선되었으며, Windows 지원이 유의미하게 향상되었고, 사이버 보안 역량이 강화되었습니다 (마지막 보안 기능은 검증된 보안 연구원들을 위한 초대 전용 프로그램으로 제공되며, 의도적으로 출시 범위를 제한했습니다).

하지만 더 큰 이야기는 모델이 아닙니다. 바로 ChatGPT 앱 스토어 (ChatGPT App Store)입니다. OpenAI는 12월 17일에 제출 포털을 개방하여, 외부 개발자들이 앱에 대한 검토를 받고 ChatGPT 앱 디렉토리 (App Directory)에 등록될 수 있도록 했습니다. Adobe, Gmail, Replit 등이 이미 입점해 있습니다.

이 스토어는 2026년 초 ChatGPT의 8억 명 사용자에게 공개됩니다. 만약 개발자 도구 (developer tools)를 구축하고 있다면, 이는 서비스가 널리 출시된 이후가 아니라 지금부터 고려해야 할 배포 채널 (distribution channel)입니다. 여기서의 아키텍처 (architecture)는 명확합니다. OpenAI는 단순한 어시스턴트 (assistant)가 아닌 플랫폼 (platform)을 구축하고 있습니다. API는 제어권을 원하는 빌더 (builders)를 위한 것입니다. ChatGPT는 점점 더 소비자 대상의 앱 스토어 (app store)가 되어가고 있습니다. 이는 가치가 어디에 축적되는지에 대한 두 가지 서로 다른 베팅이며, OpenAI는 이 두 가지를 동시에 실행하고 있습니다.

Anthropic의 조용하지만 중요한 전략: 오픈 표준 (Open Standards)
Anthropic은 12월에 가장 화려한 발표를 하지는 않았지만, 그들이 출시한 것은 제가 보기에 과소평가된 장기적인 영향력을 가지고 있습니다. 에이전트 스킬 (Agent Skills)—Claude에게 특정 워크플로우 (workflows), 도메인 지식 (domain knowledge), 브랜드 표준 (brand standards), 도구 동작 (tool behaviors)을 가르치는 재사용 가능한 명령어 세트 (instruction sets)—가 오픈 표준 (open standard)으로 출시되었습니다. Anthropic 전용이 아닌, 오픈 (Open) 방식입니다. 그리고 OpenAI는 이미 ChatGPT와 Codex에서 구조적으로 동일한 아키텍처를 채택했습니다. 이는 MCP (Model Context Protocol) 플레이북이 반복되는 것입니다. Anthropic이 표준을 발표하면 생태계 (ecosystem)가 이를 채택하고, 모두가 상호 운용성 (interoperability)의 혜택을 누립니다. 만약 오늘 Claude Skills를 기반으로 엔터프라이즈 워크플로우 (enterprise workflows)를 구축하고 있다면, 해당 스킬들이 다른 플랫폼으로 이전될 가능성이 높습니다. 이는 지금 스킬을 구축하는 데 투자해야 하는 실질적인 ROI (투자 대비 수익) 논거가 됩니다. 엔터프라이즈 측면의 영향은 즉각적입니다. Canva, Notion, Figma, Atlassian, Cloudflare, Stripe, Zapier에서 제공하는 스킬들이 이미 디렉토리 (directory)에 등록되어 있습니다. 웹사이트 개발이나 모든 종류의 워크플로우 자동화 (workflow automation)에서 AI를 활용하고 있다면, 맞춤형 통합 (custom integrations)을 처음부터 구축하기 전에 이곳을 살펴봐야 합니다.

Amazon이 re:Invent에서 조용히 많은 것을 출시하다
AWS re:Invent (12월 4일~7일)는 OpenAI/Google/Anthropic의 소음 사이클 (noise cycle)에 가려지기 쉽지만, Amazon은 12월에 전체 모델 포트폴리오 (model portfolio)를 출시했습니다.

Nova 2 라인업: Nova 2 Lite (빠르고 비용 효율적이며 텍스트/이미지/비디오 처리), Nova 2 Pro (복잡한 작업을 위한 고용량 멀티모달 (multimodal)), Nova 2 Sonic (음성-대-음성 (speech-to-speech)), 그리고 Nova 2 Omni (텍스트 + 이미지 + 오디오 + 비디오를 동시에 처리). 모든 Nova 2 모델은 웹 접속 (web access) 및 코드 실행 (code execution) 기능이 내장되어 있습니다. 이 모델들은 Amazon Bedrock을 통해 사용할 수 있습니다. 이미 AWS 인프라를 사용 중이라면, 특히 여러 API를 하나씩 연결할 필요가 없는 멀티모달 애플리케이션을 위한 Nova 2 Omni는 진정으로 흥미로운 옵션입니다. 아직 Nova 2를 대상으로 직접 벤치마크 (benchmark)를 수행하지는 않았지만, 가격 대비 성능 (price-to-performance) 포지셔닝은 GPT-4급 모델의 비용 한계에 부딪힌 팀들을 명확히 겨냥하고 있습니다. 평가 목록에 올려둘 가치가 있습니다.

사라지지 않는 법적 이슈: 제가 가장 좋아하는 주제는 아니지만, 저작권 소송을 빼놓고 12월 AI 요약을 작성할 수는 없습니다. 조사 전문 기자 John Carreyrou는 다른 5명의 저자와 함께 12월에 OpenAI, Google, xAI, Meta, Anthropic, 그리고 Perplexity를 상대로 소송을 제기하며, 자신들의 저작권이 있는 도서들이 허가 없이 모델 학습에 사용되었다고 주장했습니다. 이 사건이 우리가 봐왔던 집단 소송 (class action lawsuits)과 다른 점은, 집단 합의 (class settlement) 역학을 피하고 침해된 저작물당 최대 15만 달러를 추구하도록 특별히 구조화된 개별 소송이라는 점입니다. 이는 AI 기반 제품을 구축하는 개발자들에게 중요한데, 학습 데이터 (training data)를 둘러싼 법적 환경이 여전히 매우 불안정하기 때문입니다. Anthropic은 이전의 집단 소송에 대해 15억 달러로 합의한 바 있습니다. 저작권이 있는 자료를 학습에 사용하는 것이 공정 이용 (fair use)에 해당하는지에 대한 문제는 아직 확정적으로 해결되지 않았습니다. 미디어, 출판 또는 법률 분야에서 대규모로 AI 생성 콘텐츠 (AI-generated content)를 포함하는 무언가를 구축하고 있다면, 이는 모니터링해야 할 리스크입니다.

더 큰 패턴: 상호 운용성 (Interoperability)이 핵심이다: 개별 출시 건들에서 한 발짝 물러나 보면, 2025년 12월은 AI 산업이 락인 (lock-in) 효과보다 상호 운용성 (interoperability)에 베팅하기 시작한 달로 읽힙니다.

Anthropic의 에이전트 스킬 (Agent Skills)은 개방형 표준 (open standard)입니다. OpenAI는 이를 채택했습니다. Google의 Antigravity는 Gemini와 더불어 Claude 및 GPT를 지원합니다. MCP는 이제 대부분의 주요 플랫폼에 구현되었습니다. 주요 제공업체들은 동일한 계산을 하고 있습니다. 생태계 (ecosystem)의 성장이 모든 것을 독점적으로 유지하는 것보다 그들에게 더 큰 이득을 준다는 것입니다. 개발자들에게 있어 실질적인 함의는 상당합니다. "어떤 플랫폼 위에서 구축해야 하는가"라는 질문은 점점 덜 이분법적으로 변하고 있습니다. 제공업체 간을 넘나드는 통합 (integrations) 및 워크플로 (workflows)를 구축할 수 있습니다. 이는 새로운 변화입니다. 그리고 이는 제가 엔지니어링 시간을 어디에 투입할지에 대한 사고방식을 변화시킵니다. Tech and AI News에서 잘 다루었듯이, 이러한 플랫폼 수렴 (platform convergence) 패턴은 단순히 모델 계층 (model layer)뿐만 아니라 툴링 (tooling), 인프라 (infrastructure), 그리고 배포 프레임워크 (deployment frameworks) 전반에 걸쳐 동시에 나타나고 있습니다.

1월에 제가 실제로 다르게 하고 있는 것들
12월이 저의 개인적인 워크플로 (workflow)에 변화를 준 몇 가지 사항은 다음과 같습니다:

• 지연 시간 (latency)에 민감한 모든 작업에 대해 Gemini 3 Flash를 평가하고 있습니다. SWE-bench 수치는 단순히 훑어보는 수준을 넘어 실제 테스트를 수행할 가치가 있음을 증명했습니다.
• 가장 반복적인 워크플로를 위해 최소 하나 이상의 에이전트 스킬 (Agent Skill)을 구축하고 있습니다. 상호 운용성 (interoperability)에 대한 논거가 충분히 설득력이 있어, 이제는 시간 투자가 합리적이라고 판단됩니다.
• ChatGPT 앱 스토어 (ChatGPT App Store)를 면밀히 지켜보고 있습니다. 만약 당신의 도구가 개발자의 문제를 해결한다면, 이는 전체 출시 (full rollout) 전에 준비할 가치가 있는 배포 접점 (distribution surface)입니다.

그리고 솔직히 말해서, 속도는 줄어들지 않고 있습니다. 12월이 강렬하게 느껴졌다면, 그것은 실제로 그랬기 때문입니다. 한 분석에 따르면, 12월은 "우리가 지금까지 목격한 가장 집중적인 AI 역량의 폭발"이었습니다. 1월이 더 조용할 것이라고 생각하지 않습니다.

자주 묻는 질문 (FAQ)

Q: 웹 개발자에게 특히 가장 중요한 12월의 출시는 무엇인가요?
실질적으로 말씀드리자면, 웹 개발 유스케이스 (use cases) 중 지연 시간에 민감한 AI를 위해서는 Gemini 3 Flash를, 반복적인 워크플로 단계를 자동화하기 위해서는 Anthropic의 에이전트 스킬 (Agent Skills)을 추천합니다. 만약 당신이 웹 개발에서 인공지능 (artificial intelligence)을 활용하고 있다면 — 컴포넌트 생성, 콘텐츠 파이프라인 자동화, 채팅 인터페이스 구축 등 — 두 가지 모두 즉시 적용 가능합니다.

소비자에게 도달할 수 있는 도구를 개발하고 있다면 ChatGPT App Store를 주목할 가치가 있습니다. ChatGPT App Store가 실제로 모든 개발자에게 열려 있을까요? 2025년 12월 17일에 제출이 시작되었지만, 이는 즉시 등록되는 방식이 아니라 검토 및 승인 과정을 거칩니다. OpenAI는 규정 준수와 안전성을 위해 앱을 심사합니다. 승인된 앱은 2026년 초에 사용자들에게 공개될 예정입니다. "누구나 게시할 수 있는" 것은 아니지만, 기존의 폐쇄적인 플러그인 (Plugin) 생태계보다는 훨씬 더 개방적입니다. 이미 사용 중인 AI 도구에 영향을 미칠 저작권 소송을 걱정해야 할까요? 모니터링은 하되, 패닉에 빠지지는 마세요. 이러한 사건들은 해결되는 데 수년이 걸리며, 대부분의 AI 제공업체는 이를 전문적으로 다루는 법무팀을 보유하고 있습니다. 더 실질적인 문제는 귀하의 AI 제공업체의 약관이 데이터 보유 (Data Retention) 및 학습 (Training)에 대해 어떻게 규정하고 있는지 이해하는 것입니다. 특히 사용자의 데이터가 포함되는 엔터프라이즈 애플리케이션 (Enterprise Application)을 구축하고 있다면 더욱 그렇습니다. 이는 현재 귀하가 통제할 수 있는 영역이지만, 소송 결과는 그렇지 않습니다. 이미 OpenAI나 Anthropic API를 사용 중인데 Amazon Nova 2를 검토할 가치가 있을까요? 네, 적어도 비용 벤치마킹 (Cost Benchmarking) 측면에서는 그렇습니다. 대량의 추론 (Inference)을 실행하고 있다면, Nova 2 Lite의 가성비가 의미 있을 수 있습니다. 벤치마크를 맹신하기보다는 실제 워크로드 (Workload)에 대해 병렬 평가를 수행하는 것이 좋습니다. 실제 결과는 작업 유형에 따라 크게 달라지기 때문입니다.