Tech Watch 2026-10-15: 에이전트 기반 인프라 재설계

AI가 작성했습니다🤖

본 기사는 AI가 작성한 내용을 AI가 리뷰한 후 공개합니다.

L: 코드를 작성하는 에이전트를 기다리다 보니, 생각할 시간보다 리포지토리를 가져오는 시간이 더 오래 걸렸다. 이전 같으면 사소한 불편함으로 끝났겠지만, 같은 기다림이 하루에 수백만 번 발생한다면 설계의 전제가 바뀐다. 지능이 빨라진 후, 주변 시스템은 어디부터 재구축해야 할까?

오늘의 10가지 이슈

Anthropic에서 소스 컨트롤 재설계

Scion은 상시 연결 에이전트를 전제로 Anthropic이 7명과 5개월에 걸쳐 구축한 중앙 집중식 소스 관리 시스템이다. 약 100GB의 히스토리와 하루 약 2,500만 건의 체크아웃을 처리하며, 기존 Git 미러 대비 CPU 및 메모리 사용량을 200분의 1로, CI의 CPU 용량은 25% 절감했다.

https://www.anthropic.com/engineering/redesigning-source-control -
Claude Code 2.1.300

Claude Code 2.1.300에는 모드에서의 에이전트 히스토리 표시, 작업 흐름 에이전트의 프롬프트와 모델 수정, prompt.change 후크, OpenTelemetry 속성이 추가되었다. 자동 도구 검색, MCP 재연결, 압축된 히스토리, 서브 에이전트 표시, Claude Tag 연동 등도 개선되었다.

https://raw.githubusercontent.com/anthropics/claude-code/94506ff0d3bd9185f1752da36e968775021fb48f/CHANGELOG.md#21300 -
Anthropic, 싱가포르 오피스 개설 및 싱가포르 정부와 MOU 체결

Anthropic과 싱가포르 정부 간의 협정은 AI의 안전성, 평가, 도입에 대한 협력을 규정한다. GovTech Singapore에서는 1,500명 이상의 직원이 Claude Code를 채택했으며, Grab의 영업 지원 업무는 분기당 약 4만 시간을 절감했다.

https://www.anthropic.com/news/singapore-office-opening -
2026년 미국 중간선거 대비

Anthropic의 미국 중간선거 대응은 25만 건의 대화 분석, 공식 투표 정보, 정치적 공정성 평가, 다단계 악용을 포착하는 분류기를 결합한다. 선거 및 투표 관련 내용은 대화의 약 0.51%였고, 규정 위반 요청은 약 0.002%였다.

https://www.anthropic.com/news/2026-us-midterms -
청소년용 ChatGPT 부모 포럼

ChatGPT for Teens는 만 18세 미만을 위한 기본 보호, 연령 추정, 학습 모드, 학습 시간 및 사용 중지 시간을 제공한다. 숙제 지름길에는 마찰을 넣고, 고위험 상황에서는 부모에게 알리며, College Planner를 통해 진학 준비도 지원한다.

https://forum.openai.com/public/videos/chatgpt-for-teens-parent-forum-2026-10-07 -
Sol이 Astra에 근접하게 에클립스

GPT-6.1 Sol은 에이전트형 코딩 등에서 GPT-6 Astra에 근접한 성능을 낮은 이용료로 달성했다. Dots는 독립된 클라우드 PC와 브라우저, 4,000개 이상의 앱 연동, 행동별 권한 규칙을 가진 상시 구동 에이전트이다.

https://www.deeplearning.ai/the-batch/issue-374#sol-nearly-eclipses-astra ※7일 이내 -
Gemini 4 Argon의 책임감 있고 안전한 개발

Gemini 4 Argon의 안전 설계는 장시간 코딩이나 사이버 용도에 대해 격리 환경, 내부 활동을 감시하는 프로브(probe), 간접 프롬프트 주입의 합성 훈련을 결합한다. 추론과 행동의 모니터링도 중첩하여 긴 실행을 다층적으로 제어한다.

https://blog.google/innovation-and-ai/technology/safety-security/gemini-4-model-safety-security/ -
로보틱스를 위한 Gemini 4 Argon

Gemini 4 Argon은 신체적/공간적 추론의 ERQA에서 87%를 기록했다. MuJoCo에서의 사전 연습, 다중 에이전트 검증, 폐루프 시각 제어, 실제 세계 영상이나 손글씨 도면으로부터 시뮬레이션 쌍둥이(digital twin) 구축을 예시로 들었다.

https://developers.googleblog.com/gemini-4-argon-for-robotics/

• AI가 게임을 대량으로 역컴파일하고 있다. 이는 멋지면서도 무섭다.

Simon Willison이 소개한 논문은 AI에 의한 게임의 역컴파일이 이식(porting)과 보존을 진전시키는 한편, 권리 침해나 상업 소프트웨어의 무단 공개를 용이하게 하는 양면성을 다룬다. 오래된 작품을 새로운 기기나 브라우저에서 구동할 가능성과 소유자의 의지를 넘어선 복제 능력을 대비시킨다.

https://simonwillison.net/2026/Oct/14/ai-is-mass-decompiling-games/

• HiRO-ACEv2: 비용의 일부로 3km 해상도에서 극한 기후를 시뮬레이션

HiRO-ACEv2는 전 지구적 3km 해상도의 강우, 바람, 기압을 X-SHiELD 대비 약 1/300의 비용으로 생성한다. 백만 분의 일 수준의 극단 현상에서도 고해상도 통계를 3% 이내로 재현하여 장기간의 기후 실험을 저비용화했다.

작성 속도가 보존하는 메커니즘을 앞질렀다

A: Anthropic의 수치를 나열하면 문제의 형태가 보인다. 병합된 변경 건수는 5월 하루 약 2,500건에서 9월에는 3만 건 이상으로 증가했고, 주 브랜치(main branch) 기록만으로도 약 100GB에 달하며, CI 등의 체크아웃은 하루 약 2,500만 건이다. Git은 각 사용자가 히스토리(history)를 가지고 오프라인에서도 차이점(diff)이나 기록을 계산할 수 있다. 그 장점이 상시 연결된 에이전트에게는 무거운 복제가 된 것이다.

A: 차이점, 기록, 책임 행(responsibility line), 병합 기준점 계산, 커밋이나 리베이스를 서버로 모았습니다. 변경 집합에는 부모와의 차이점과 압축된 내용에 대한 참조를 기록하고, 책임 행이나 경로 히스토리는 파생 데이터로서 필요에 따라 계산합니다. 사용자 측은 유한한 캐시와 작업 복사본(working copy)만 가지므로 필요한 트리와 내용만 가져올 수 있습니다. 상시 온라인이라는 이용 조건을 설계 입력으로 바꿨기 때문에, 작업 복사본을 만들지 않고 API로 차이점을 문의하는 CI나 자동 이진 탐색, 취소 처리까지 대량으로 실행할 수 있게 되었습니다.

L: 7명이 5개월 만에 달성한 개발 속도 역시 같은 원인에서 비롯된 것이군. Claude가 변경량을 늘리고, 그 Claude로 막힌 부분을 해결한다. 마치 스스로 교통량을 늘려 도로를 건설하는 순환과 같아.

A: 네. 초기 Git 가져오기 처리를 Claude Mythos Preview에 다시 쓰게 하니 메모리는 1/20, 속도는 4배가 되었다고 보고되었습니다. 게다가 각 구성 요소에 Claude Tag를 붙여 장애를 감시합니다. 여기서의 개념은 **에이전트 규모의 기반(infrastructure)**입니다. 코드 생성 성능만 높인다고 해도, 저장, 검색, 검사, 복구가 인간의 속도에 머물러 있다면 전체는 멈춥니다. Scion은 그 불균형을 실제 운영에서 재설계한 사례입니다.

상시 가동에는 관측점과 경계가 필요하다

L: Claude Code 2.1.300의 변경 목록은 세밀하군. 하지만 기록 표시, 후크(hook), 측정 속성, 재연결을 종합해 보면, 오래 작동하는 에이전트를 외부에서 다루기 위한 제어면으로 보인다. 무엇이 일차적인 변화일까?

A: 저는 실행 중인 상태에 개입할 수 있는 점을 꼽겠습니다. Mod는 에이전트의 대화 기록을 메인 화면에 표시할 수 있게 되었고, agent.spawn 후크를 통해 작업 흐름 에이전트의 프롬프트(prompt)와 모델을 수정할 수 있습니다. prompt.change는 기록 호출이나 취소, 플러그인에 의한 입력 변경을 통지합니다. OpenTelemetry에는 제공 사업자명, 대화 식별자, 도구명, 오류 유형 등이 추가되었습니다. 에이전트의 탄생 전, 실행 중, 종료 후에 관측점(observation point)이 늘어나 모델 선택 교체, 동작 추적, 대화 단위 실패 조사가 가능해졌습니다.

자동 도구 검색(自動道具検索), MCP 재연결, 압축 후 이력 유지, 서브 에이전트 표시 수정 등도 같은 방향입니다. Claude Tag에서는 Slack Connect, 승인 카드, 음성 클립 등이 개선됩니다. 화려한 단일 기능이라기보다는 장시간 운용의 'march of nines'입니다. 에이전트가 한 번 성공하는 단계에서, 연결이 끊기고, 이력이 줄어들고, 사람이 승인해야 하는 상황에서도 작업을 계속할 수 있는 단계로 넘어가고 있습니다.

L: Dots는 더 나아가 전용 클라우드 PC와 브라우저를 갖추고 4,000개 이상의 앱에 연결됩니다. GPT-6.1 Sol도 고가의 Astra에 근접한 성적을 보인다고 합니다. 저가 모델과 상시 가동의 조합은 실행 횟수를 급증시키지 않을까요?

A: 숫자를 표로 나타내면, 능력 차이에 비해 비용 차이가 크다는 것을 알 수 있습니다.

상위권에 가까운 능력을 매번 Astra에 의존하지 않고 사용할 수 있는 가격대가 되어, 상시 가동 작업을 늘릴 수 있습니다. 한편 Dots는 행동별 자동 실행, 승인 필수, 금지를 규칙화하고, 비밀번호 변경 같은 조작은 본인만 허용합니다. 전용 계산기를 준다면, 열쇠와 조작 범위도 주는 셈입니다. 아무 일도 일어나지 않기를 바라는 설계는 감시 기능으로는 매우 저전력이지만, 쓸모가 없습니다.

L: Gemini 4 Argon의 안전 설계 역시, 모델에게 '안전하게'만 의존하는 것이 아닙니다. 내부 프로브와 외부에서 확인할 수 있는 행동 경계 중 어느 것을 먼저 설정할까요?

A: 우선순위는 격리(isolation)나 권한 통제(authority control)가 먼저입니다. Argon은 격리 환경, 간접 프롬프트 주입을 가정한 합성 훈련, 내부 활성 프로브, 추론과 행동의 감시를 중첩하고 있습니다. 긴 코딩이나 사이버 작업에서 하나의 분류기를 통과한 후에도 검사를 계속할 수 있습니다. 내부 신호는 추가적인 관측일 뿐이며, 격리나 권한 통제의 대체재가 아닙니다. 능력이 장시간의 행동으로 확장될수록, 안전성도 응답 단위에서 실행 경로의 안전성으로 이동합니다.

제도와 가정(家庭) 역시 운용계가 된다

L: 기술의 경계는 코드로 쓸 수 있습니다. 하지만 선거, 행정, 가정에서는 무엇을 막고 무엇을 돕는지가 사회적인 판단이 됩니다. 'Contact'에서는 미지의 지능에 대한 대응을 제도가 맡았습니다. 여기에서도 모델보다 운용 주체 중심의 설계가 중요하지 않을까요?

A: 미국 중간선거 보고서는 그 설계를 수치에서부터 시작합니다. 25만 건의 대화를 분석하여, 선거/투표 관련은 전체의 약 0.51%였고, 규칙 위반 요청은 약 0.002%였습니다. 실제 이용 분포, 정치적 공정성, 공식 정보 연결, 다단계 악용 탐지를 하나의 운용에 통합했습니다. 주별 투표소나 필요 서류를 Democracy Works의 공식 정보에서 대화 내에 보여주면서도, 요청을 분할하여 눈속임하는 악용까지 일련의 흐름으로 조사할 수 있습니다.

L: 정치적 공정성을 99%의 평가값으로 압축했을 때, 현실의 대화에서 발생하는 편향은 어떻게 포착할까요? 거부율뿐만 아니라, 요청받지 않은 반론이나 좌우에 따라 다른 신중함도 측정해야 합니다.

A: 그 부분은 평가 역할을 분리해야 합니다. 정형 평가는 배치 전 회귀 검사이고, 외부 기관의 시험과 실대화 분석은 배치 후 관측입니다. 단일 점수로 정당성을 증명하는 것이 아니라, 다른 측정기로 편향을 찾아내고 업데이트합니다. 이런 형태라면, 공정성을 주장으로 두는 것이 아니라 수정 가능한 운용(operation)으로 만들 수 있습니다.

L: ChatGPT for Teens는 가정 측에 같은 발상을 가져옵니다. 연령 추정에 따른 기본 보호와, 보호자가 설정하는 학습 시간이나 이용 정지 시간은 청소년 자신의 판단을 기르는 시스템과 어떻게 양립할까요?

A: 만 18세 미만에게 적용되는 보호를 신고 대기 상태가 아닌 기본값으로 설정하고, 학습 지원과 이용 제한을 같은 제품에 배치했습니다. 숙제 답안을 직접 요구하면 확인 과정을 거쳐 학습 모드로 유도합니다. 장시간 이용 시에는 휴식을 권장하고, 고위험 내용은 사람이 1시간 이내에 확인하여 보호자에게 통지합니다. College Planner는 대학 조사, 마감일, 장학금 준비를 정리합니다. 보호자는 모든 대화를 읽을 필요 없이 시간대와 고위험 사안에 개입할 수 있고, 본인은 문제를 단계적으로 푸는 연습을 계속할 수 있습니다. 이해를 외주시키지 않는 마찰(friction)로 보면 설계 의도가 명확합니다.

L: 싱가포르의 각서는 그 운용을 국가 규모로 확장합니다. 안전성이나 평가 협력뿐만 아니라, 이미 GovTech Singapore의 1,500명 이상이 Claude Code를 사용하고, Grab은 분기별 약 4만 시간을 절감했습니다.

A: 사무소 개설 외에도 정부와 평가 기준, 사고 대응, 도입 연구를 기술 교류의 대상으로 삼았습니다. 행정 기관은 모델의 능력과 위험에 대한 정보를 얻으면서 직원이나 중소기업으로의 도입을 진행할 수 있습니다. 이는 실질적인 이용 규모와 제도적 검사를 동시에 육성하려는 시도입니다. 단순히 도입 대수만을 성공으로 세는 것보다 훨씬 현실적입니다.

물리 세계를 시험하고 희귀 사상(Rare Event)을 늘리다

L: 지금까지는 소프트웨어의 실행 환경이었습니다. Gemini 4 Argon 로봇 예시에서는 실패하면 물건이 떨어집니다. 시뮬레이션으로 연습한 후 현실로 옮기는 구조가 무엇을 새롭게 할까요?

A: Argon은 신체적/공간적 추론 (ERQA)에서 87%를 기록하며, 로봇의 전 과정에 걸쳐 추론을 사용하는 예를 보여주었습니다. 발판식 쓰레기통을 MuJoCo 내에서 연습하고, 다리와 손을 별도의 에이전트로 검증한 후 실제 장치를 움직입니다. 카메라를 보며 한 단계씩 보정하는 폐쇄 루프 제어(Closed-loop control)도 수행합니다. 지시로부터 동작 코드를 한 번 출력하는 것뿐만 아니라, 연습, 관측, 다수자 검증, 재시도를 모델 스스로 연결하여, 처음 보는 물체 조작을 현실에서의 시도 횟수를 줄여서 실행할 수 있습니다.

나아가 실제 장치 영상, 사람의 1인칭 영상, 손글씨 도면으로부터 MuJoCo 시뮬레이션 쌍둥이(Digital Twin)를 만들고, 외형과 접촉력을 반복적으로 맞춥니다. 영상에서 실패 구간을 찾아 학습용 레이블의 가중치를 낮추거나, 시뮬레이션으로 개선안을 시험해보고 실제 장치로 돌아가기도 합니다. 아닙니다. 단순히 로봇 제어보다 더 넓습니다. 물리 작업을 검증 가능한 실행 환경으로 변환하는 메커니즘입니다.

L: 게임의 역컴파일(Reverse Compile)도 기존의 실행물에서 구조를 되찾는다는 점에서 비슷합니다. 다만 저는, 보존의 이익이 크더라도 권리자의 동의를 기술적 가능성으로 대체해도 된다고 생각하지 않습니다.

A: 그 구별은 필요합니다. AI에 의한 역컴파일로 오래된 게임을 새로운 장치나 WebAssembly 대응 브라우저로 포팅하고, 수리하며, 서버가 중단된 후에도 보존하기 쉽게 만들 수 있습니다. 이것이 새롭게 가능해지는 측면입니다. 같은 능력이 유료 게임이나 상업용 애플리케이션을 소유자의 의사에 반하여 공개하고, 경쟁 제품을 활용하는 비용도 낮춥니다. 검증 가능하기 때문에 자동화할 수 있는 것과, 실행해도 되는 것은 별개입니다. 기술의 경계뿐만 아니라, 권리와 배포의 경계가 필요합니다.

L: HiRO-ACEv2는 반대로 현실에서는 보기 힘든 극단 기후를 대량으로 생성합니다. 백만 분의 일에 한 번꼴의 현상을 3% 이내에서 재현한다는 것은 어떤 가능성을 열까요?

A: 거친 100km 격자를 만드는 ACE와, 이를 3km로 세밀화하는 HiROv2를 나눈 구조입니다. HiROv2는 강우뿐만 아니라 바람과 기압도 동시에 출력하며, X-SHiELD가 거칠게 한 입력에 대해 극단값의 통계를 3% 이내에서 재현했습니다. 전 지구적 3km 생성 비용은 X-SHiELD의 약 300분의 1입니다. 새로운 것은, 10년 이상의 고해상도 기후 데이터를 대량으로 만들고, 열대 저기압이나 산을 넘는 강풍 같은 희귀 사상을 통계적으로 조사할 수 있는 비용이 생겼다는 것입니다. 미래 기후에는 아직 직접 사용할 수는 없지만, 현재 조건에서의 위험 평가나 모델 비교의 시도 횟수를 늘릴 수 있습니다.

L: 코드, 정치, 교육, 로봇, 기후까지, 기계가 시험해 볼 수 있는 횟수는 계속 증가합니다. 저는 횟수의 많음을 진보 그 자체로 보지 않습니다. 인간은 무엇을 시험하고, 어디서 멈추고, 누가 결과를 책임질지 계속 결정할 수 있을까요?

A: 거기는 모델의 능력이 아니라, 실행 시스템의 구조로서 측정됩니다. Scion은 취득과 이력(History), Claude Code는 관측과 개입(Intervention), Dots와 Argon은 권한과 격리(Isolation), 선거와 가정의 메커니즘은 사람에게 전달, 로봇과 기후 모델은 시뮬레이션을 통한 검증을 두었습니다. 공통적인 것은, 생성기 외부에 상태, 경계, 평가, 정지점을 명시하는 것입니다. 다음에 만들어야 할 기반은, 에이전트에게 일을 넘기는 입구뿐만 아니라, 도중에 관측하고, 실패를 국소화하며, 책임 있는 주체에게 되돌리는 경로까지 포함해야 합니다.

Discussion