지난 24시간 동안 주목받은 7가지 소식을 KD Agentic · AI Daily Digest가 선정했습니다.
10월 28일, OpenAI와 ServiceNow는 지난 1월에 체결한 파트너십의 대폭적인 확대를 발표했습니다. 핵심은 ServiceNow의 비즈니스 컨텍스트(business context)와 워크플로우 액션(workflow action)을 ChatGPT에 직접 통합하는 새로운 연동입니다. 온콜 IT 엔지니어는 채팅 화면을 벗어나지 않고도 유사 인시던트 검색, 변경 위험 평가, ServiceNow 레코드 업데이트까지 완료할 수 있습니다. 이 액션들은 ServiceNow의 Action Fabric이 기존 업무 규칙과 권한을 적용하기 때문에 조직의 접근 설정 범위 내에서 실행됩니다.
제품 측면에서는 세 가지 축을 준비했습니다. 첫째, AI Workflow Factory에 Codex를 통합하여 개발자가 ServiceNow 플랫폼 컨텍스트를 사용하여 앱을 구축할 수 있게 합니다. OpenAI 모델은 Build Agent와 Autonomous Engineer 또한 지원합니다. 둘째, OpenAI의 사이버 보안 모델과 ServiceNow의 자산·ID·업무 컨텍스트를 결합한 공동 보안 솔루션으로, 취약점 조사 및 복구 조정 역할을 담당합니다. 게다가 Super Intelligence Control Tower에는 AI 사용 사례를 음성으로 설명할 수 있는 경험이 2027년 1분기에 등장할 예정입니다.
배포는 단계적으로 이루어집니다. ServiceNow의 MCP 플러그인은 이미 OpenAI 마켓플레이스에 출시되었으며, 보안 기능은 2027년 1월에 얼리 액세스를, 일반 제공은 2분기를 목표로 합니다. Workflow Factory 내 Codex는 2027년 중을 예정하고 있습니다. ServiceNow는 전 직원을 대상으로 ChatGPT Work와 Codex를 배포했으며, OpenAI 자체도 자사 운영에서 ServiceNow 워크플로우를 사용하기 시작했습니다. Uber의 3만 명 규모 배포나 Oracle에 제품이 통합되는 것에 이어, 클라우드 사업자뿐만 아니라 기업 워크플로우 벤더가 기반 모델의 유통 경로가 되어가고 있습니다.
— OpenAI
🔗 OpenAI
10월 31일, 호주의 AI 클라우드 사업자인 Sharon AI는 Business Wire 공식 발표를 통해 NVIDIA와 6년간의 전략적 컴퓨팅 협력을 공개했습니다. 계약 범위는 호주에 신설되는 72메가와트(MW) 데이터센터 용량이며, NVIDIA의 DSX AI 팩토리 설계를 채택하여 최대 4만 기의 Grace Blackwell GB300 GPU를 전개함으로써 호주의 AI 스타트업, 기업, 대학 연구자들의 수요에 대응할 계획입니다.
상업 구조가 흥미롭습니다. Sharon AI는 NVIDIA 탑재 클라우드 서비스를 판매하고, NVIDIA는 일반 제품 수익 외에도 지원 용량의 클라우드 수익으로부터 일정 비율을 받게 됩니다. 크레딧 지원 모델도 포함되어 있습니다. NVIDIA는 neocloud 생태계 전체에서 이러한 사용량 연동형 수익을 조용히 쌓아왔으며, 이번에 그 형태가 가장 명확하게 문서화된 사례라고 할 수 있습니다. 벤더가 구매자의 용량을 지원하여 자금을 대주고, 구매자가 늘어날 때 이익을 공유하는 구조입니다.
이 계약으로 Sharon AI의 AI 팩토리 총용량은 132MW로 확대되었으며, 그중 102MW는 이미 최종 고객과 계약되었습니다. 2027년 중반까지 NVIDIA GPU를 5만 5천 기 이상 전개할 것으로 예상됩니다. 이는 주권 AI(Sovereign AI)가 내세우는 틀 안에서, 호주 인증 NVIDIA Cloud Partner가 지역 용량을 확보하여 미국 클라우드에 대한 완전한 의존을 피하려는 목적이 있습니다. 수익 분배 모델이 6년간의 사이클 동안 지속될 수 있을지가 주목되지만, 용량 자체는 계약된 현실입니다.
— Sharon AI · Business Wire
11월 2일, 일본에 제출된 신고 자료에 따르면, Anthropic은 미국 IPO 프로세스의 일환으로 일본 투자자를 대상으로 최대 5,529억 엔(약 35억 달러) 상당의 신주를 발행할 계획입니다. 해당 신고서에는 신주 발행 수익이 운전 자금, 운영 비용, 자본 지출에 사용될 것이라고 명시되어 있습니다. IPO 규모와 평가액은 서류상 미공개 상태입니다.
일본 할당(Japan allocation)의 규모가 눈에 띕니다. 지난 6월 SpaceX가 IPO했을 때 일본 투자자가 실제로 배정받은 금액은 약 22억 달러였습니다. Anthropic의 예정 금액은 이를 상회하며, 미국 기술주 상장사로서 역대 최대급의 일본 측 할당이 될 것입니다. 이는 성장 자산을 추구하는 일본 시장에 명확한 신호를 보내는 것이기도 합니다.
IPO 전반의 전망은 아직 변동성이 크다. 보도에 따르면 상장은 11월 중순 가능성이 거론되고 있으며, 투자자들 간 논의에서는 기업 가치 평가액이 가을 초반 협상 당시 약 2조 달러에서 약 1.5조 달러로 하향 조정되는 추세이다. 2분기 매출 116억 달러와 첫 분기 영업 이익이 주요 자료로 제시되는 한편, 막대한 인프라 투자 계획도 함께 언급되고 있다. 이번 가격 책정은 OpenAI의 자금 조달을 포함하여 향후 모든 AI 금융 분야의 기준점이 될 것이다.
— SEC 제출 서류
🔗 보도 요약 · Anthropic S-1 발표
10월 29일, Hugging Face는 공적 자금을 통해 이루어진 과학 연구 성과를 AI 대응 및 기계가 읽을 수 있는(machine-readable) 형식으로 재활용하기 쉽게 만드는 Project ProtoStar를 발표했다. 초기 파트너로는 Open Forum for AI를 통해 카네기멜론 대학교, 파듀 대학교, 조지아 공과대학교, 애리조나 주립대학교, 조지 워싱턴 대학교가 참여하며, Astera Institute와 ORCA가 합류하고 Hugging Face가 인프라 파트너 역할을 맡는다. 참여 기관들은 각자 협약서(MOU)를 통해 참여를 공식화할 예정이다.
첫 번째 오픈 챌린지는 카네기멜론 대학교 주최로 11월 2일에 시작하여 11월 13일까지 진행된다. 참가자들은 미국 210개 도시의 과거 기상 데이터를 받아, 이미 관측된 2019년부터 2026년까지의 실적을 바탕으로 연평균 기온이나 냉각일수 등 4가지 지표를 예측한다. 대상이 과거 기록이기 때문에 예측 결과는 실제 측정값과 채점할 수 있으며, 공개 리더보드에서 단순 통계 기반의 기준선(baseline)과의 비교가 제시된다. 팀들은 분석에 기반한 짧은 기후 적응 정책안도 제안해야 한다.
배경에는 명확한 목표가 있다. 미국 연방 정부는 매년 약 1,900억 달러를 R&D에 투자하고 있으며, NIH나 NSF 등은 연구 결과의 공개를 의무화하고 있지만, 실제 데이터셋들은 레거시 형식으로 문서화가 부족하여 사람이나 AI 모두에게 재활용하기 어렵다. Hugging Face에는 1만 7천 개 이상의 공개 과학 데이터셋이 존재하며, 2026년 1월부터 9월까지 신규 과학 데이터셋 공개 건수는 전년 동기 대비 3배 증가했고, 데이터셋 다운로드의 90%는 완전히 문서화된 자료에서 발생하고 있다. 바로 이 '문서화'가 제품 그 자체인 것이다.
— Hugging Face
10월 29일, IBM Granite 팀은 Hugging Face를 통해 Granite Switch 4.1.1을 공개했다. 이는 지난 10월 15일에 발표된 모듈러(modular) Switch 아키텍처의 패치 릴리스이며, 버전 번호는 소프트웨어와 동일한 의미를 갖는다. 4.1과의 완벽한 후방 호환성(backward compatibility)을 제공하며 마이그레이션이 필요 없고, 내부적으로는 점진적인 개선만 이루어졌다. 30B 파라미터 및 128K 컨텍스트의 베이스 모델은 변경 사항이 없다.
변경된 것은 두 가지 컴포넌트이다. Granite Speech ASR(Automatic Speech Recognition) 모델은 다국어 음성 인식 기능을 통해 네이티브한 구두점과 대소문자를 출력할 수 있게 되어, 전처리 과정 없이 다운스트림 모델에 전달 가능하다. granitelib-core의 Decision 어댑터는 재학습되었으며, Jev Decision Index 테스트셋에서 성능이 향상되었다. guardian-core 안전 어댑터 등 다른 부분은 그대로 유지했다. IBM의 핵심 포인트는 릴리스 프로세스 자체이다. 새로운 ASR 모델과 Decision 어댑터를 학습시키는 것 외에는 아무것도 재계산하지 않았다. 필요한 어댑터들을 조합하여 배포하기만 하면 된다.
팀은 현재 개발자나 서드파티가 자신의 어댑터를 소프트웨어 라이브러리처럼 구축, 버전 관리 및 릴리스할 수 있는 Adapter SDK와 튜토리얼을 준비하고 있다. 이는 오픈 모델 유지보수 방식에 있어 조용하지만 중대한 전환점이 될 것이다. 모델이 베이스 가중치(weights)와 교체 가능한 어댑터의 조합으로 구성되고 시맨틱 버전 관리(Semantic versioning)가 적용된다면, AI의 릴리스 주기는 거대 기반 모델 발표에서 벗어나 개발자들이 이미 알고 있는 지점에서의 패치(patch), 변경 이력 및 호환성 보장이 이루어지는 포인트 릴리스에 가까워질 것이다.
— IBM Granite · Hugging Face
10월 26일, GXO Logistics와 Agility Robotics는 휴머노이드 로봇 도입을 미국 내 두 거점으로 확대한다고 발표했다. 노스캐롤라이나주 스테이츠빌과 테네시주 레바논의 두 시설에 2027년 초부터 설치를 시작할 예정이다. 초기에는 Digit 4로 운영되다가, 상용화되는 대로 후속 모델인 Digit 5로 전환된다. 이번 발표는 양사 명의의 공식 GlobeNewswire 보도자료를 통해 이루어졌다.
근거는 시연이 아닌 운영 실적에 있다. 업계 최초의 상업용 휴머노이드(humanoid) 도입 사례이자 최초의 Robots-as-a-Service 계약이 2024년 중반부터 시작된 조지아주 플라워브랜치(Flower Branch)의 GXO 시설에서, Digit은 기존 컨베이어 자동화와 병행하여 10만 개가 넘는 운반용 통(tote)을 운송했다. Agility 전체적으로는 고객 프로그램에서 65,000시간 이상의 실질적인 운영 시간을 쌓았다. 오리건주 세라멈의 RoboFab 공장은 연간 최대 1만 대의 생산 능력을 설계치로 제시한다.
솔직히 말하자면 경제성이 문제다. GXO CEO는 8월 실적 설명회에서 휴머노이드 파일럿을 45건 실시했지만 아직 투자 대비 수익률(ROI)에 도달하지 못했다고 명확히 밝힌 바 있다. 그럼에도 불구하고 두 곳의 거점 추가 계약에 서명하는 것은, Digit 5의 협업 안전 설계와 학습 곡선에 대한 베팅일 뿐, 현시점에서 비용을 회수할 수 있다는 주장은 아니다. Agility 자체는 Churchill Capital Corp XI와의 합병으로 4분기에 공개 시장에 진출할 예정이며, 티커는 AGLT이다. 상업적 증거 기반은 곧 공개 시장의 심사를 받게 된다.
— GXO · Agility Robotics
10월 29일, Hugging Face는 Apple 개발자를 위한 Apache-2.0 라이선스의 Swift 패키지 두 개를 공개했다. AnySpeechRecognizer는 macOS 26 및 iOS 26의 SpeechAnalyzer API를 미러링하면서도 인식 엔진을 선택할 수 있게 했다. NVIDIA의 Parakeet TDT 0.6B v3(25개 유럽 언어), Moondream이 추가 학습한 Parakeet Ultra, 영어 전용의 Parakeet Unified, 그리고 Qwen3-ASR(0.6B 및 1.7B, 30개 언어와 22개 중국 방언 커버)을 Core ML로 로컬 실행할 수 있다. 엔진 전환은 import 구문 한 줄만 바꾸면 된다.
벤치마크는 시사하는 바가 크다. M4 Max Mac Studio에서 LibriSpeech test-clean 평가 결과, Parakeet Unified의 단어 오류율(Word Error Rate)은 1.43%였던 반면 Apple 내장 트랜스크라이버는 2.12%였다. 1시간 분량 파일 오디오 처리는 약 20~40초가 소요된다. Apple API에는 화자 분리 기능이 없기 때문에, 이 패키지는 NVIDIA의 Streaming Sortformer를 기반으로 최대 4명의 발화 중첩을 추적하는 화자 분리 모듈을 추가했다.
두 번째 AnyDecisionModel은 텍스트를 생성하지 않고 허용된 답변 토큰의 확률을 읽어와, 예/아니오, 선택지, 평가 척도 질문에 구조화된 결과로 답한다. 선택지별 확률과 엔트로피 기반 신뢰도를 반환한다. MLX, Core AI, llama.cpp, Cloudflare Clef 같은 결정 헤드 모델 등 6가지 백엔드를 지원하며, 온도 스케일링 보정 및 선택지 순서 회전을 통한 위치 편향 감소 기능을 갖추고 있다. 두 패키지가 던지는 논점은 공통적이다. 좁은 작업 영역이라면, 장치에서 구동되는 특화된 소형 모델이 범용 LLM 호출의 비용과 정확도 면에서 우위를 점한다.
— Hugging Face
