AI 일보 2026년 11월 11일: Claude의 오피스 스위트화, ChatGPT에 비즈니스 에이전트 추가, Google은 TPU 2종 추가

Anthropic은 11월 10일 산호세에서 열린 행사에서 Claude를 단순 채팅형 어시스턴트에서 종합적인 오피스 환경으로 확장하는 일련의 도구들을 발표했습니다. 먼저 Claude Sheets는 유료 플랜용 베타 버전으로, Web, 데스크톱, 모바일을 지원합니다. 사용자는 필요한 내용을 기술하기만 하면, Claude가 여러 시트, 수식, 서식, 드롭다운 메뉴를 포함한 스프레드시트를 생성하며, 이후에도 팀과 함께 셀을 직접 편집하고 변경된 부분을 명시적으로 확인할 수 있습니다. Claude Whiteboards 역시 베타 버전으로, 팀의 브레인스토밍 내용을 담당자와 마감 기한이 설정된 정리된 보드로 변환하고, 그 결과를 문서나 슬라이드 자료로 전환할 수 있습니다.

가장 공격적인 기능은 Claude Meetings입니다. Team 및 Enterprise 플랜용 베타로서 우선 Google Meet에 대응했습니다. Claude는 참가자로 표시되는 형태로 화상 통화에 참여하며, 논의가 진행됨에 따라 안건 초안을 작성하고, 연결된 업무 앱에서 정보를 가져와 회의 채팅 내 질문에 답변합니다. 외부 게스트가 참여할 경우, 관리자가 사전에 허가하지 않는 한 Claude는 자동으로 퇴장합니다. 또한, 기존 Claude Dashboards는 Claude Data로 개명하여 정식 제공(GA)되었으며, Snowflake, Salesforce, Amazon Redshift, Google BigQuery, ClickHouse에 연결됩니다. 이를 통해 데이터 팀이 인증한 지표 정의, 실시간 공유, 버전 추적 기능을 갖추게 되었습니다. 인터랙티브 커넥터도 강화되어 Adobe, Atlassian, Box, Notion의 앱을 Claude 화면 내에서 직접 조작할 수 있으며, 마켓플레이스에는 Model Context Protocol 기반의 커넥터와 플러그인이 9,000개 이상 올라와 있습니다. Enterprise 플랜에서는 각 클라우드 세션이 분리된 VM(가상 머신)에서 실행되며, 커넥터 자격 증명은 VM 외부에 보관되고, Splunk나 CrowdStrike를 포함한 100가지 이상의 보안 도구와 연동되는 Compliance API도 제공됩니다.

발표 시점은 명확합니다. 이날 아침, Anthropic은 IPO 로드쇼를 시작하며 Class A 주식 8억 2,500만 주를 주당 7078달러에 티커 ANT로 Nasdaq Global Select Market에 상장할 계획을 밝혔습니다. 이 가격대에서의 조달 규모는 약 578억644억 달러에 달합니다. 고객 사례로는 Advantage Solutions가 매 사이클의 재무 자료 작성 시간을 약 10시간에서 30분 이내로 단축했으며, Anthropic 자체 법무팀은 마케팅 심사 기간을 3일에서 24시간으로 압축했습니다. 발표 후 Microsoft의 주가는 일시적으로 3% 이상 하락했습니다. 제품 책임자 Nicholas Lin은 Sheets가 아직 기본적인 기능이며 복잡한 재무 모델링은 대상이 아니라고 솔직하게 인정했는데, 이는 Excel과 경쟁할 때의 정직한 자세로 해석됩니다. 즉, AI가 실제로 강점을 가진 워크플로우부터 시작하여 점진적으로 확장하겠다는 전략입니다.

— Anthropic · Bloomberg

OpenAI는 Businesses in ChatGPT를 베타 버전으로 출시하며, 기업들이 ChatGPT(주간 활성 사용자 12억 명) 상에서 자체 프로필을 인증받고 정보를 관리하며 사용자의 접점 상황을 파악할 수 있도록 했습니다. Business Hub에서는 인증된 기업이 기본 정보를 업데이트하고, 가격 및 재고를 포함한 상품 피드를 셀프서비스로 등록할 수 있으며, 언급 빈도, 사이트 클릭 수, 대화에서 추출된 발견 토픽과 같은 집계 인사이트(aggregate insights)도 열람할 수 있습니다. OpenAI는 사용자 간의 대화나 Business Agent의 채팅 내용을 기업 측에 공유하지 않는 방침이며, 인사이트는 일정 수준 이상의 집계 임계치(threshold)를 초과했을 때만 표시됩니다.

에이전트 요소는 Business Agents입니다. 인증된 브랜드를 대표하는 에이전트가 사용자에게 직접 대화합니다. 기업이 모델의 답변 내에 등장하면, 사용자는 해당 기업의 ChatGPT 프로필을 열어 명확하게 라벨링된 독립적인 대화로서 에이전트에게 질문할 수 있습니다. 상품 비교나 사양 확인 등, 기업 자체 정보에 기반한 응답을 받을 수 있습니다. 초기 배포는 미국 내 특정 조건을 충족하는 이커머스(EC) 및 온라인 서비스 기업으로 제한되며, Shopify 가맹점은 Business Hub 또는 Shopify 관리 화면에서 스토어를 연결할 수 있고, Shopify Catalog의 대상 상품은 이미 ChatGPT에 통합되었습니다. 기업은 Business Agent를 후원하고, 이는 ChatGPT Ads의 랜딩 페이지로도 활용 가능하며, 스폰서 슬롯은 명확하게 라벨링되어 ChatGPT 자체 답변과는 분리됩니다.

전략적 맥락 또한 중요합니다. OpenAI는 작년에 카트 기능과 커미션 방식에 기반한 직접 EC에 도전했으나, 성장 둔화를 이유로 올해 3월에 종료했습니다. 이번 방향성은 'ChatGPT 내부의 몰'이 아닌 'ChatGPT 상의 검색 및 발견 비즈니스'로 선회했음을 보여줍니다. 사업 개발 담당 VP인 Benji Shomair는 기업 인증 방식은 시장이나 산업별로 다르며, 세부 사항은 공개하지 않을 것이라고 설명했습니다. 제품 전체가 '이 에이전트가 정말 그 브랜드의 것인가'라는 신뢰에 기반하고 있는 만큼, 이러한 불투명성에는 주목이 쏠릴 것입니다. 비교 기준점은 Google의 비즈니스 프로필 생태계이며, 광고 요소가 포함된 시점에서 이해관계의 크기는 명확합니다.

— OpenAI · 로이터(Reuters)

🔗 OpenAI · 이코노믹 타임스(Economic Times)

Google은 11월 10일 공식 블로그를 통해 제8세대 TPU의 새로운 구성 두 가지, 즉 TPU 8tx와 TPU 8i Max를 발표했습니다. 이를 통해 제8세대는 단일 연도에 네 개의 시스템 체계를 갖추게 되었습니다. 8t는 스케일업(Scale-up) 트레이닝용, 8i는 저지연 추론(Low Latency Inference)용, 8tx는 기밀 컴퓨팅(Confidential Computing)용, 8i Max는 거대 컨텍스트 창(Large Context Window)용입니다. 칩 사업 책임자인 Amin Vahdat은 '단일 칩으로 모든 시장을 노리기보다는 전용 버전이 훨씬 큰 가치를 창출한다'는 방침을 명확히 밝혔으며, 에이전트 시대의 요구사항이 이러한 분기점을 촉발했다고 설명했습니다.

TPU 8tx는 최첨단 모델을 기밀 데이터 옆에서 구동해야 하는 규제 산업 및 정부 기관을 위한 것입니다. TPU 8t와 동일한 실리콘에 제5세대 AMD EPYC CPU 호스트를 결합하여 암호화를 하드웨어 계층에 내장했습니다. 일반적으로 저장 시점과 통신 시점에 암호화되는 데이터가 처리 중에는 메모리 상에서 평문이 된다는 문제가 있지만, 8tx는 사용 중인 데이터와 모델 가중치(Model Weights)까지 보호 및 분리된 상태를 유지합니다. 실시간 추론을 위해 개발된 저지연 Boardfly 네트워크를 채택하여, TPU 8t 대비 최대 2배의 지연 시간 감소를 달성했으며 암호화로 인한 성능 저하는 거의 없다고 설명했습니다. 트레이닝 등급의 컴퓨팅 능력도 갖추고 있어, 개인 데이터 기반 파인튜닝(Fine-tuning), 대형 모델 증류(Model Distillation), 강화학습(RL)을 통한 에이전트 훈련을 기밀 데이터를 별도의 클러스터로 이동시키지 않고 동일 시스템 상에서 수행할 수 있습니다. 한편 TPU 8i Max는 메모리 병목 현상에 대한 해답으로, TPU 8i를 두 개 하나의 패키지에 탑재하여 컴퓨팅, SRAM, HBM 대역폭이 모두 2배가 됩니다. 기존 랙의 점유 면적에 2배의 실리콘을 수용할 수 있어, 데이터 센터는 제곱미터당 및 와트당 컴퓨팅 밀도를 거의 두 배로 높일 수 있습니다.

소프트웨어 측면의 정비도 진행되고 있다. 지난달 오픈소스화된 TorchTPU 덕분에 PyTorch 코드가 수정 없이 TPU에서 작동하며, vLLM과 SGLang은 TPU 백엔드를 표준 탑재하고 있다. 현재 프리뷰 중인 오픈소스 TPU agent suite는 Claude Code, Cursor, Google Antigravity에 연결하여 온보딩 자동화, 병목 현상 진단, 자연어 기반 커널 자동 튜닝을 수행한다. 구글에 따르면, 자체 개발한 vLLM-TorchTPU 스택은 에이전트 코딩과 장문맥 처리 능력을 측정하는 InferenceX 및 AgentX 벤치마크에서 최고의 가격 대비 성능 비율(price/performance ratio)을 기록했다.

시장 배경 역시 순풍이다. 로이터 통신에 따르면 Alphabet의 주가는 발표일 기준 약 3% 상승했으며, TPU 공급 능력은 실질적으로 품절 상태다. 블룸버그 인텔리전스는 TPU 판매액이 올해 약 120억 달러에서 2028년에는 1,350억 달러 이상(클라우드 임대 제외)으로 성장할 것으로 추산했다. 게다가 Anthropic의 S-1 서류에는 TPU 관련 리스 지급 의무가 약 1,610억 달러로 기재되어 있다.

— Google · Reuters

Google DeepMind는 Gemini Robotics 2.5를 발표했다. 이는 실험실 외부에서 구동되는 로봇을 위한 사상 최대의 VLA(Vision-Language-Action) 모델이며, 주목할 점은 벤치마크 영상이 아닌 실제 장비 도입 실적이다. Apptronik의 휴머노이드 Apollo 2가 헝가리 케치케메트와 독일 진델핑겐에 위치한 Mercedes-Benz의 실제 생산 라인에서 자동차용 키팅(kitting) 작업을 담당했다. 이 작업은 벌크 빈(bulk bin)에서 금속 브래킷을 꺼내 차량별로 필요한 순서대로 트레이에 배열하는 것이었으며, Apollo 2는 성공률 96%를 달성했다. 역할 분담은 두 모델 구성으로 이루어졌는데, Gemini Robotics ER이 작업 흐름을 추적하고, 2.5의 액션 모델이 손과 팔을 제어한다. DeepMind 로보틱스 책임자인 Carolina Parada는 “특정 용도에 특화하면 높은 정확도를 얻을 수 있지만 일반화(generalization)를 희생하게 된다. 우리는 일반화 축을 계속 밀고 나갈 것”이라고 명확히 했으며, Kanishka Rao 디렉터는 남아 있는 4%의 격차를 “험난한 길”이라고 표현했다.

실험실 내 평가에서는 200가지가 넘는 작업이 민첩성(dexterity)을 중심으로 진행되었다. 집게로 음식을 담아내기, 피펫 조작, 리본 매듭 짓기 등에서 특히 변형하는 물체는 로봇에게 전통적인 난제다. DeepMind에 따르면, 태스크 종류별로 이전 세대 대비 성공률이 30100% 향상되었고, 완료 속도는 2030% 향상되었다. 소프트웨어는 하드웨어를 아우른다. Apollo 2의 SharpaWave 핸드는 22 자유도(DoF)를 가지지만, 동일한 소프트웨어가 병렬 그리퍼인 Franka Duo 플랫폼에서도 작동하여 특정 로봇 형태에 의존하지 않는 설계가 되었다.

안전성은 독립된 출시 트랙으로 다루어지고 있으며, 이곳이 장기적으로 가장 중요한 부분일 수 있다. Gemini Robotics 2.5는 추론 시 유도(guidance)를 통해 물리적 위험을 회피했으며, 장애물 주변 안전 작업 완료율은 33%, 근처에 사람이 있는 상황에서의 성공률은 43% 향상되었다. DeepMind는 또한 수십 개의 시나리오에서 안전하지 않은 요구사항을 위장한 1,500개의 프롬프트를 담은 오픈소스 벤치마크 ASIMOV-Jailbreak를 Hugging Face에 공개했으며, Gemini 4 Argon이 99.5%의 내성(resistance)을 보였다 (이전 세대 ER 2는 82%). 기반 시스템에서는 Gemini 4 Argon이 시뮬레이션 엔진 역할을 하여, 단일 카메라 영상으로부터 수천 가지의 다양한 연습 실행을 생성해 디지털 트윈을 구축하고, 실제 장비에 손을 대기 전에 시뮬레이션 상에서 실패 원인을 진단할 수 있게 했다. Apptronik에 따르면, 사후 훈련(post-training)을 통한 개선 사항이 생산 환경으로 “거의 떨어짐 없이” 이식되었다. 초기 파트너는 Agile Robots, Apptronik, Mercedes-Benz이다.

— Google DeepMind · Ars Technica

TSMC 이사회는 11월 10일, 몇 년 전의 파운드리 회사에서는 상상할 수 없었던 두 가지 투자를 승인했다. Anthropic의 보통주를 IPO 발행 가격으로 최대 5억 달러어치 취득하는 것과 OpenAI Group PBC의 우선주를 최대 5억 달러어치 취득하는 것이다. 이 두 건 결의는 공식 이사회 결의 발표에 기재되어 있으며, 추가로 반도체 산업 및 그 생태계에 대한 전략적 투자를 위해 5억 달러 이하의 투자 회사 설립 또한 승인되었다. 로이터(Reuters)의 요약은 정확하다. 세계 최대 위탁 제조 기업은 AI를 구동하는 칩에 대한 노출뿐만 아니라, 그 칩 수요를 지탱하는 모델 개발 기업 자체에 대한 노출을 원하고 있다.

이러한 타이밍은 불안감을 느끼는 시장에 대한 신뢰의 표현으로 해석될 수 있다. Anthropic은 같은 날 IPO 로드쇼를 시작하며, 주당 70~78달러 가격대에서 최대 약 1조 4천억 달러의 기업 가치를 목표로 하고 있으며, Google, NVIDIA, AMD, Microsoft가 참여하는 260억 달러 규모의 사모(private placement)도 진행 중이다. 한편, NVIDIA 주가는 거버넌스 문제와 AI 지출의 미래 우려를 배경으로 급변하고 있으며, AI 자본 지출이 수익을 초과하고 있다는 경계론이 확산되고 있다. TSMC 자체는 지난달까지 6분기 연속 사상 최고 실적을 기록했으며, AI 수요에 대해 “매우 견조하며 공급 능력이 수요에 미치지 못한다”고 설명하면서도, 2027년에는 신중한 입장을 보이고 있다. 회사가 자체 자본을 주주 노출로 투입하는 것은, 수주 데이터에서 보이는 수요가 실재한다는 가장 강력한 증명이라고 할 수 있다.

두 가지 투자 건은 위험의 성격이 크게 다르다. Anthropic 관련 부분은 상장 가격대에 연동되므로, 가격 유지 전제가 깔려 있어 노출도가 투명하다. OpenAI의 우선주는 비공개이며, 기업 가치나 조건이 공개되지 않아 공개 정보만으로는 평가가 불가능하다. 어느 쪽도 취득 완료 시기는 제시되지 않았다. TSMC가 얻는 것은 상승을 목표로 하는 것 이상의 것, 즉 수요 전망이다. 최대 고객의 로드맵을 내부에서 읽을 수 있다는 점은 AI 사이클 전환점에서 최첨단 용량을 과잉 건설할 위험을 줄이는 데 직결된다. 그 전망의 가치는 취득에 사용되는 10억 달러를 상회해야 할 것이다.

— TSMC · 로이터(Reuters)

Google은 11월 11일, Gemini 4 Carbon을 AI Ultra 구독자에게 제공했다. 대상은 Gemini 앱, AI Mode, Antigravity이며, 지난달 한정적으로 진행되었던 프리뷰가 공식 제품 계층으로 격상되었다. API는 도입 가격으로, 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러가 11월 30일까지 적용된다. Gemini 4 Argon은 계속해서 AI Pro 이상에서 제공되며, 두 모델은 서로 대체하는 것이 아니라 가격과 능력을 단계적으로 의도한 구성이다.

주목할 만한 점은 Carbon의 격상이 보여주는 Google의 모델 전략이다. Carbon은 원래 보안 중심의 제한된 변종(variant)으로 시작하여, 프리뷰에서 약 1개월 만에 유료 계층에 도달했다. 이는 OpenAI나 Anthropic이 전문화 모델로 진행하는 것과 같은 리듬이다. 즉, 작고 고성능인 변종을 먼저 검토된 대상에게 배포하고, 동작을 관찰하며, 안전 데이터가 뒷받침된 후에 제공 범위를 넓히는 것이다. 제3자 비교에서는 유용한 형태로 긍정적 평가와 비판이 혼재되어 있으며, 능력 점수는 높지만 태스크당 비용은 저렴한 대체품의 몇 배에 달한다고 보도되었다. Ultra 계층 사용자는 추가 비용을 회수할 수 있는 상황을 판단해야 하는 책임이 생긴다.

개발자에게 실질적인 함의는 가격 적용 기간이다. 2달러/10달러 요율은 11월 30일에 종료되며, 이후에는 표준 가격이 된다. Carbon을 Argon, Claude, GPT-6 계열과 비교 평가하고 싶다면, 도입 요율로 대규모 테스트 실행을 저렴하게 할 수 있는 이번 달에 진행하는 것이 현명하다.

— Google · 9to5Google

ElevenLabs는 녹음 음성용 Scribe v3와 실시간 전사(transcription)용 Scribe v3 Live를 출시했습니다. 회사에 따르면, Scribe v3는 Scribe v2 대비 102개 언어 전체의 단어 오류율을 27% 감소시켰으며, 실시간 버전인 Scribe v3 Live는 Scribe v2 Realtime 대비 43%의 오류 감소를 달성했습니다. 또한, Scribe v3 Live에서는 처음으로 화자 분리(speaker diarization) 기능이 도입되어 라이브 음성에서 '누가 무엇을 말했는지' 구별할 수 있게 되었습니다.

음성 인식은 제품 스택 전체에 은연중에 효과를 확산시키는 계층입니다. 에이전트의 음성 파이프라인, 고객 지원 전사, 회의 비서, 접근성 도구 등 모든 것이 ASR 모델 위에 놓여 있으며, 27~43%의 오류 감소는 다운스트림 로직이 안전하게 가정할 수 있는 범위를 변화시킵니다. 수정 루프(correction loop) 감소, 지원 티켓의 오분류율 저감, 전사가 아닌 행동을 수행하는 음성 에이전트의 명령어 해석 신뢰도 향상 등이 그 예입니다. 특히 실시간 화자 분리는 다수 참여 시나리오를 열어줍니다. 영업 전화나 스탠드업 미팅에 참여하는 에이전트는 발화된 단어뿐만 아니라, 어떤 참가자가 커밋했는지 알아야 하기 때문입니다.

ElevenLabs는 음성 생성 분야에서 명성을 쌓았고, 이제 지각(perceptual) 영역으로도 확장을 진행하고 있습니다. Scribe v3는 에이전트의 '듣기'와 '말하기' 루프 전체를 장악하려는 의도가 가장 명확하게 드러난 사례입니다. Whisper 계열 오픈 모델이나 하이퍼스케일러 ASR과 가격 경쟁을 하는 것은 어렵지만, 여기서 제시된 차별화 축은 라이브 조건에서의 정확도이며, 전사가 아카이브에 머무는 것이 아니라 다운스트림 액션을 구동하는 단계에서는 바로 이 지표가 중요하게 작용합니다.

— ElevenLabs

KD Agentic · AI Daily Digest 2026년 11월 11일