지난 24시간 동안의 주요 AI 뉴스를 7가지 정리했으며, 각 기사는 최소한 하나의 1차 정보 출처를 기반으로 합니다. 이번 호의 주제는 두 가지 선입니다. 하나는 '대본 없이 어디까지 해낼 수 있는지'를 시험하는 에이전트의 실력 증명이며, 다른 하나는 출력이 잘못되었을 경우 누가 책임을 질지 결정하기 시작한 제도권의 움직임입니다.
Google DeepMind가 단순해 보이지만 무거운 결과를 보고했습니다. Gemini 4 Argon 에이전트 4체를 새로 생성된 Minecraft 서바이벌 세계에 투입하자, 27시간 14분 만에 엔더 드래곤을 격파했습니다. 역할 분담은 아무도 지시하지 않았습니다. 게임 로직을 작성한 사람도 없습니다. 에이전트는 오픈 소스 JavaScript 라이브러리 Mineflayer를 통해 플레이하며, 게임 내 채팅과 공유 메모리를 이용해 협력했습니다. 도중에 2,783개의 프로그램을 작성하고, 605번 사망했으며, 채팅 메시지는 229건에 달합니다. 논문(arXiv 2610.22319)은 표준 라이브러리만 사용, 시드 사전 조사 없음, 인간이 만든 전용 도구 없음이라는 조건에서 세계 최초의 엔드투엔드 자율 공략이라고 언급하고 있습니다.
— Google DeepMind · The Decoder
보스전 내용 자체보다 그 이면의 행동 양식이 더 중요합니다. 팀장이 부재했지만, 4체는 시작 후 10분 이내에 채팅으로 작업을 분할했습니다. 도구 담당, 식량 담당, 다이아몬드 담당, 네더 포털 담당입니다. 좌표와 교훈을 공유 메모에 기록하고, 사망한 동료의 아이템을 회수했으며, 하루 이상 동안 약 35초당 1개의 속도로 새로운 프로그램을 계속 작성했습니다. 개당 실행 시간 중앙값은 33.5초였습니다. 수천 개의 의존 단계를 거치는 장시간 작업을 계획-실패 복구-협력을 유지하며 완수한 모습은 실제 소프트웨어 개발이나 업무 그 자체의 형태를 하고 있습니다.
— Google DeepMind
주의할 점도 논문에 명시되어 있으니, 제목을 인용하기 전에 읽어볼 가치가 있습니다. 이는 Easy 난이도에서의 단발 실행입니다. 에이전트는 픽셀도 키보드도 사용하지 않았으며, Mineflayer는 게임 내부의 특권적 정보를 노출했고, 경로 탐색 플러그인도 사용했습니다. 2021년에 자율 공략했던 Altoclef라는 선례가 있지만, 이 경우는 인간이 작성한 태스크 로직이었습니다. 솔직히 요약하자면 'AI가 처음으로 Minecraft를 클리어했다'가 아니라, 범용 코딩 팀이 자체 조직화하고 수백 번의 실패에서 복구하며, 대본 없이 며칠에 걸친 작업을 완수할 수 있는 능력이 입증되었다는 형태입니다.
— Google DeepMind
🔗 arXiv 2610.22319 · The Decoder
Anthropic은 일요일 'Anthropic Public Benefit Fund'를 발표했습니다. 주주 승인을 조건으로, 주식의 5%를 오늘 출연합니다. 구조는 성장에 연동되어 있으며, 비공개 기준선을 초과하여 기업 가치가 50% 상승할 때마다 이사회는 추가로 2%를 더 할 수 있습니다. 이 펀드는 501(c)(3)이 아닌 완전 자회사의 LLC 형태여서 기부 형태를 유연하게 바꿀 수 있도록 했습니다. 이 펀드가 보유한 주식은 미국 국내외를 불문하고 로비 활동이나 정치 기금으로 사용될 수 없습니다.
— Anthropic · Reuters
주변의 숫자가 진짜 시그널입니다. 창업자가 지분의 80%를 기부하겠다는 서약과, 직원 약 절반이 참여하는 주식 기부 매칭 제도와 합치면, Anthropic 주식의 약 20%가 공공의 이익을 위해 확보된 것입니다. 동사는 펀드의 사용처로 노동 시장에 미치는 영향 대처를 언급하며, AI가 일자리에 미치는 영향을 연구하는 기존 2억 달러 규모의 약속이나 특정 계층에 직접 분배할 가능성을 언급했습니다.
— Anthropic · Reuters
타이밍이 설계 의도를 보여줍니다. Anthropic은 공익 법인으로서 사상 최대급 IPO 준비를 진행하고 있으며, 주식 비율이 단계적으로 확대되는 이 메커니즘은 상장 후의 장식이 아니라 상장 전에 갖춘 거버넌스 기반으로 해석됩니다. 주목할 만한 세부 사항은 기준선의 설정입니다. 누가 결정하는지, 그리고 '가치 50% 성장마다'라는 것이 다른 AI 기업들의 상장 모델의 전형이 될 수 있는지 여부입니다. 동일한 상장 수학에 직면하는 경쟁사들은 이제 명시된 허들과 비교될 것입니다.
— Anthropic · Reuters
🔗 Anthropic Blog · Reuters via CNA
펀드 발표와 함께 Anthropic은 에이전트가 자사 조직을 어떻게 변화시키고 있는지에 대한 내부 수치를 공개했습니다. 기술 부문에서 주니어 직급의 비율은 2025년 초반 기준 21%에서 14%로 감소했습니다. 신규 기술 채용에서 주니어가 차지하는 비중은 27%에서 9%로 떨어졌고, 엔트리 레벨 공석은 현재 공개된 직위의 6%에 불과합니다. 동사는 이러한 변화를 에이전트에게 직접 귀속시키고 있으며, 사내 에이전트의 가동 시간은 인간 직원의 약 6배에 달합니다.
— Anthropic · The Decoder
창업자가 이 두 개의 곡선을 함께 본다면, 발밑이 흔들리는 것을 느낄 것입니다. 이 현상을 일으키는 에이전트를 판매하는 회사 스스로가 기술 커리어의 초기 단계가 얇아지고, 동시에 회의 시간은 증가하며, 외부 평가자까지 워크플로우에 통합되고 있습니다. 채용되는 직위는 시니어 위주이며, 업무를 통해 배워야 할 지식은 다른 방식으로 만들어내야 합니다.
5년 후, 모든 연구소와 기업이 같은 방침을 채택한다면, 주니어 인재를 어디서 조달할 것인가라는 불편한 질문이 남습니다. 27%에서 9%로 떨어진 것이 이상치가 아니라 선행 지표라면, 업계는 자체 교육 파이프라인을 최적화한다는 명목으로 잘라내고 있는 것입니다. 주니어 채용을 지속하는 기업이나, 사라진 사다리를 명시적인 육성 시스템으로 대체하는 기업이 어떤 모델 체크포인트보다 희소한 자산을 얻게 될지도 모릅니다.
— Anthropic
🔗 Anthropic · The Decoder
독일 뮌헨지방법원과 아헨지방법원의 두 법원이 AI Overviews의 허위 기술에 대해 Google의 직접적인 책임을 인정했습니다. 뮌헨 사건은 5월에 시작됩니다. AI가 두 출판사를 관련 없는 사기나 정기 구독 트랩에 연관 지었기 때문입니다. 법원은 AI Overviews를 링크 목록이 아니라 Google 자체 진술로 분류하고, 동사를 중립적인 중개자가 아닌 직접적인 침해자로 규정했습니다. Google은 항소를 제기한 후 조용히 화해했기 때문에, 이 판결을 상급심에서 심리한 적은 없습니다.
— 뮌헨지방법원 판결 · 아헨지방법원 판결 · The Decoder
아헨의 결정은 이러한 패턴이 이동하고 있음을 보여주었습니다. AI Mode의 요약은 다른 사람에 대한 성폭행 형사 사건을 신경방사선과 의사와 연관 지어, 완벽한 '법적 결말'까지 조작했습니다. 해당 의사는 8월 말 콘텐츠 삭제를 요구했고, Google은 9月中旬에 이를 거부하여 허위 기사가 계속 표시되었습니다. 9월 24일, 아헨지방법원은 뮌헨 판결을 명시적으로 인용하며 긴급 가처분을 발령했고, Google이 확산을 지속할 경우 위반 건당 최대 25만 유로의 벌금을 부과했습니다.
— 아헨지방법원 판결 · The Decoder
피해를 입히는 법적 수단은 좁고 휴대 가능합니다. 법원은 전통적으로 Google을 보호해 온 검색 엔진 판례와 AI 요약을 분리했습니다. 검색 엔진은 외부 사이트를 보여줄 뿐이지만, AI Overview는 독립적이고 새로운 실질적인 진술을 생성하며, 이를 출처와 대조하여 검증할 수 있는 것은 Google뿐이라는 논리입니다. 법원은 사용자가 출처를 거의 클릭하지 않는 점도 언급하며, AI 출력물은 이미 확립된 신념이 아니라 알고리즘의 산물이므로 표현의 자유 보호 대상에도 해당하지 않는다고 했습니다. 이 선이 유지된다면, 유럽에서 운영되는 모든 답변 엔진이 동일한 법적 위험을 지게 됩니다.
— The Decoder
Character.AI가 이번 주 Chapter 11(연방 파산법 제11조)을 신청했고, 첫 번째 주요 입찰이 도착했습니다. 법원 문서에 따르면, Disney는 최소 60명의 직원, 즉 인력의 대다수에게 고용 제안을 하는 데 합의했으며, 그 연봉 총액은 약 6,000만 달러입니다. 게다가 2,000만 달러로 일부 IP와 플랫폼 자산을 인수합니다. 이 제안은 스토킹-호스 입찰(stalking-horse bid), 즉 파산 경매의 기준 가격이며, 매각 기간이 끝나기 전에 다른 입찰자가 추가 금액을 제시할 수 있습니다.
— 파산 법원 문서 · Bloomberg · TechCrunch
배경을 알면 가격의 의미를 읽을 수 있습니다. Character.AI는 월간 수십억 건의 인터랙션을 생성하는 대규모로 열성적인 사용자 기반을 가지고 있지만, 지속 불가능한 GPU 추론 비용과 미성년자 안전 소송, 사망 사고 소송에 시달리고 있었습니다. Disney는 팀과 대화형 AI 제품력을 사들이면서도, 기존 부채와 소송 위험은 파산 관리 측에 남겨둡니다. 이 구조는 목표물이 전성기가 아니라 파탄했기 때문에 성립된 것입니다.
— 파산 법원 문서 · Bloomberg
다음 전개가 흥미롭습니다. 지난달 Disney는 전 Character.AI CEO인 Karandeep Anand를 초대 CTO로 임명했으며, 제안을 받은 직원 대다수가 이미 수락했습니다. 이 규모의 인재 이동이 기존 엔터테인먼트 거대 기업에 들어오면서, 어떤 모더레이션 관리나 캐릭터 기능이 스트리밍, 게임, 테마파크에서 제품화될지가 좌우됩니다. 매각 과정에서는 경쟁 입찰이 나올 여지는 있지만, 기본적인 흐름은 Disney가 회사 대부분을 흡수하는 방향입니다.
— TechCrunch
🔗 Bloomberg · TechCrunch
GTC Berlin은 10월 20일부터 22일까지 STATION-Berlin에서 개최되며, Jensen Huang의 기조연설은 10월 21일 Tempodrom에서 열립니다. 세션 목록을 보면 NVIDIA가 유럽을 어디로 이끌고 싶은지에 대한 지도가 보입니다. OpenClaw 생태계, 휴머노이드 로봇 개발 가속화, 개발자가 검사하고 적응시키며 배포할 수 있는 오픈 모델 구축, 그리고 오픈 모델과 물리적 AI(Physical AI)를 통한 유럽의 자율적인 미래에 관한 강연들입니다. 이번 주 주제는 AI 팩토리, 오픈 모델, 물리적 AI, 가속 컴퓨팅(Accelerated Computing)입니다.
— NVIDIA
회의와 병행하여, NVIDIA는 영국에서 AI 안전성 및 보안 연구를 강화하기 위해 5년간 2억 5,000만 달러의 컴퓨팅 자원 기부를 약속했습니다. 이는 회사가 올해 한 해 동안 주권적 AI(sovereign AI) 파트너십을 쌓아온 시장에서의 움직임입니다. 이 기부는 10월 16일에 막 출시된 Windows 로컬 AI 노트북 PC 'RTX Spark'가 매대에 오르는 같은 주에 발표되었습니다. 상단에는 국가 규모의 연구 인프라를, 하단에는 소비자용 하드웨어에서의 로컬 추론을 동시에 판매하려는 구상입니다.
— NVIDIA
유럽 개발자들에게 실질적인 함의는 오픈 모델 추진이 더 이상 포즈가 아니라 일급 제품 라인이 되었다는 것입니다. 세션에서는 구매자가 검사하고, 적응시키며 배포할 수 있는 모델을 명시적으로 다루고 있으며, Open Secure AI Alliance는 Linux Foundation을 통해 멤버 모집을 계속하고 있습니다. 구체적인 발표는 10월 21일 기조연설에서 확인할 수 있지만, 강연을 둘러싼 메시지들이 이미 목표를 말해주고 있습니다.
— NVIDIA
🔗 NVIDIA GTC Berlin · NVIDIA Newsroom
Google Research는 동결된 모델을 감싸는 하네스(Harness), 즉 프롬프트, 가드레일, 메모리, 툴 가이던스, 서브 에이전트, 스킬, 스크립트, 플러그인을 검증기나 레이블링된 데이터 없이 개선하는 오픈소스 툴킷 'Harness2 v0.1.0'을 공개했습니다. 각 작업에 대해 대조적인 Propose(제안), Probe(탐색), Compose(구성) 루프를 실행합니다. 범용 하네스 변경과 도메인 특화의 변경을 동시에 시도하고, 관찰된 행동에 근거한 변경만 남기며, 그 교훈을 EXPERIENCE.md에 기록하여 미래 작업이 참조할 수 있게 합니다.
— Google Research · GitHub
논문의 수치는 규모는 작지만 형태가 흥미롭습니다. 한 번의 정제(refinement) 단계에서 4개의 모델×하네스의 모든 조합이 3가지 벤치마크 모두에서 개선되었으며, 상승 폭은 +11.5점에서 +1.2점까지였습니다. OpenCode상의 GLM-5는 64.2점에서 75.7점으로 향상되었습니다. 주목할 점은 모델의 가중치를 동결한 채 기반 구조를 최적화한다는 것입니다. 대부분의 팀은 재훈련할 수 없지만, 프롬프트, 툴, 검증의 구조는 다시 만들 수 있습니다.
실제 환경에서 에이전트를 운영하는 팀에게 유용한 것은 특정 도구가 아니라 그것이 구현하는 규율입니다. 하네스 변경은 보통 직관에 의존하여 배포되고 사고 발생 후 되돌려집니다(rolled back). Harness2는 각 변경에 실제 작업에서의 측정된 행동으로 지위를 부여하는 메커니즘을 만들고, 그 증거를 에이전트 자신이 읽는 파일에 축적합니다. 제안하고, 시도하고, 효과가 있는 것만 남기며, 이유를 기억하는 이 루프는 2026년 에이전트 운영의 건전한 기본값(default)입니다.
— Google Research
KD Agentic · AI Daily Digest