AI는 어디에 두고 어떻게 사나: 이번 주 AX 발표 7건

Anthropic은 미국 조달청(GSA, 연방 정부의 구매를 맡는 기관)과의 협력을 새 계약으로 넓혔다고 발표했어요. 정부 고객은 Claude Enterprise와 Claude API, 그리고 정부용 제품인 Claude for Government를 40% 할인된 값에 쓸 수 있어요. Anthropic은 이 할인으로 정부가 아끼는 돈을 $1 billion으로 추산했어요.

할인은 제품 전반에 걸려요. Anthropic에서 바로 살 때뿐 아니라, 앞으로 몇 달 안에는 클라우드 제공사를 거쳐 살 때도 적용한다고 밝혔어요. 연방 기관에 더해 주·지방·부족·준주 정부도 대상이에요. 최소 지출 약정 없이 쓴 만큼 내는 방식이고, 기관의 도입을 돕는 전담 프로그램도 함께 내놨어요.

Anthropic은 미국 연방·주·지방 정부 조직 약 500곳이 Claude를 쓴다고 밝혔어요. 정부 조직은 예산이 빠듯하고 조달 기간이 길다는 점을 계약 설계의 이유로 들었어요. 큰 선투자 없이 작게 시작해 사용량을 늘려 가는 구조로 읽혀요. Anthropic이 소개한 Utah 사례에서는 10개 주 기관의 개발자 34명이 4주 시범을 했고, 71%가 20시간 넘게 아꼈다고 답했다고 해요.

쓴 만큼 내는 요금제는 시작은 쉽지만, 사용이 늘면 비용도 함께 늘어요. 부서별 사용량을 누가 보고 상한을 어디에 둘지 계약 전에 정해 두어야 해요. 직접 구매와 클라우드 경유 구매에서 할인과 청구가 어떻게 잡히는지도 구매 경로별로 따져 볼 일이에요.

출처 · Anthropic 공식 발표 · 10/27

SAP와 NTT는 SAP Sovereign Cloud와 SAP Business AI 분야에서 협력할 뜻이 있다고 도쿄에서 발표했어요. 아직 계획 단계의 협력이에요. 두 회사는 규제 산업이 민감한 데이터와 운영을 직접 통제하면서 클라우드와 AI를 쓰도록 돕는 것을 목표로 들었어요.

첫 협력 분야는 SAP의 Sovereign Cloud On-Site예요. SAP가 관리하는 클라우드 솔루션을 고객이 소유하거나 고른 데이터센터에서 돌리는 배포 방식이에요. 여기에 NTT가 인프라와 운영을 맡는 구성을 주요 시장에 내놓을 계획이에요. 대상은 정부, 국방 기관, 방위 산업, 핵심 기반시설 운영사 같은 규제 기업이고, 이후 이들의 AI 도입으로 협력을 넓히는 방안도 검토한다고 했어요.

SAP의 설명은 물리적 통제, 데이터 보관 위치, 운영 보증을 고객 쪽에 둔다는 것이에요. 클라우드 전환을 미뤄 온 규제 산업에도 SAP 애플리케이션과 AI를 클라우드 방식으로 쓸 길이 생긴다는 뜻이에요. 다만 어느 시장에서 언제부터인지는 발표에 없어요.

이 구조에서는 소프트웨어 관리, 인프라 운영, 데이터 소유가 세 주체로 나뉠 수 있어요. 장애나 보안 사고가 나면 누가 무엇을 책임지는지 계약 단계에서 확인해야 해요. 데이터 보관 위치를 우리 업종의 규제 기준과 어떻게 맞출지도 함께 정해야 해요.

출처 · SAP 공식 발표 · 10/28

Snowflake와 Oracle은 협력을 넓혀 Snowflake의 AI Data Cloud를 Oracle 클라우드 인프라(OCI)의 자체 서비스로 내놓을 계획이라고 발표했어요. 출시 시점은 발표에 없어요. AI·분석·데이터 엔지니어링·트랜잭션 기능을 Oracle 데이터 가까이 두고, 구매와 청구도 Oracle을 거치게 하는 구조예요.

계획된 연동은 두 갈래예요. 애플리케이션 쪽은 Oracle의 Fusion Applications 가운데 ERP·HCM(인사)·SCM(공급망)과 NetSuite예요. 데이터베이스 쪽은 클라우드에 올린 Oracle Database와 Autonomous Database, 그리고 MySQL HeatWave와 NoSQL Database 같은 Oracle 제품이에요. 데이터 수집 기능과 역할 기반 접근 제어, 데이터 접근 정책도 넣을 계획이라고 밝혔어요.

Snowflake는 재무 결과에는 영업 맥락이, 재고 계획에는 공급사와 수요 정보가 필요하다는 예를 들었어요. 여러 업무 시스템의 데이터를 한곳에서 잇고, 그 위에서 분석과 에이전트를 돌리겠다는 그림으로 읽혀요. Oracle 고객에게는 데이터 플랫폼을 고를 때 구매 창구가 하나로 묶이는 선택지가 생기는 셈이에요.

데이터를 한곳에 모으면 권한 관리는 더 까다로워질 수 있어요. Oracle 앱 데이터와 다른 시스템 데이터에 같은 역할·접근 정책을 걸 수 있는지 먼저 따져 봐야 해요. 이미 쓰는 데이터 웨어하우스와 역할이 겹치지 않는지도 확인할 점이에요.

출처 · Snowflake 공식 발표 · 10/27

OpenAI는 Oracle과의 협력을 넓힌다고 발표했어요. Oracle의 업무 애플리케이션과 AI 에이전트를 ChatGPT 안으로 들이고, Oracle이 새로 내놓는 서비스도 뒷받침하는 내용이에요.

공식 페이지 원문은 읽지 못했어요. 어떤 앱이 언제, 어떤 방식으로 연결되는지는 발표 제목과 요약에 나오지 않아요.

직원이 쓰는 대화형 AI 창에서 ERP 같은 업무 시스템을 불러 쓰는 구조로 읽혀요. 같은 주에 Snowflake도 Oracle과 협력을 넓혔어요. Oracle 업무 데이터에 데이터 플랫폼과 대화형 AI가 각각 붙는 셈이에요.

대화창에서 업무 앱을 부를 때 사용자가 원래 화면에서 갖던 권한이 그대로 지켜지는지가 중요해요. 누가 어떤 요청으로 어떤 데이터를 바꿨는지, 그 기록이 업무 시스템과 ChatGPT 중 어디에 남는지도 확인해야 해요.

출처 · OpenAI 공식 발표 · 10/27

과학기술정보통신부는 'AI 건강도우미 챗봇' 운영을 시작했다고 밝혔어요. 국민 누구나 간단한 설문에 답하면 자신에게 맞춘 건강 보고서와 상담을 받을 수 있어요.

서비스는 보건 빅데이터 500만 건을 바탕으로 24시간 대화형으로 운영돼요. 과기정통부는 의학 전문가 검증과 암호화한 폐쇄망을 신뢰성과 보안의 근거로 들었어요. 원문을 읽지 못해 어떤 모델을 썼는지, 누가 구축했는지는 알 수 없어요.

민감한 건강 데이터를 쓰는 대국민 AI 상담에서 답변 검증과 망 분리를 함께 설계했다는 뜻이에요. 민감 데이터를 다루는 기업의 고객 상담 AI에도 같은 두 축이 필요하다고 볼 수 있어요.

전문가 검증은 처음 한 번으로 끝나는 일이 아니에요. 데이터와 모델이 바뀔 때마다 누가 어떤 기준으로 답변을 다시 검증하는지 정해야 해요. 폐쇄망 안에서 모델 갱신과 로그 점검을 어떻게 할지도 운영 계획에 넣어야 해요.

출처 · 과학기술정보통신부 보도자료 · 10/28

과학기술정보통신부는 과학기술관계장관회의와 경제관계장관회의가 처음으로 함께 열렸다고 밝혔어요. 안건에는 주거·일자리·서민금융 정책과 퇴직연금 개편도 있었지만, AX와 이어지는 것은 세 가지예요.

첫째는 포항에 6천억원 규모의 AI 데이터센터를 짓는 계획이에요. 재원은 지역활성화 투자펀드 9호 프로젝트예요. 둘째는 AI·클라우드를 바탕으로 지방행정을 바꾸는 계획, 셋째는 해양수산 산업에 AI를 들이는 계획이에요. 원문을 읽지 못해 세부 일정과 사업 범위는 요약에 없어요.

데이터센터라는 인프라와 행정 시스템의 클라우드 전환을 같은 회의에서 다뤘어요. 공공 IT 사업에서 AI와 클라우드를 한 묶음으로 계획한다는 뜻으로 읽혀요.

공공 사업을 맡거나 공공 시스템과 연계하는 기업이라면, 지방행정의 AI·클라우드 전환 계획이 우리 사업 범위와 겹치는지 따져 볼 일이에요. 데이터센터 위치와 클라우드 방식이 정해지면 기존 시스템 이전과 연동 요건도 달라질 수 있어요.

출처 · 과학기술정보통신부 보도자료 · 10/28

McKinsey는 구매 업무 가운데 전략 소싱에 쓰는 에이전틱 AI를 다룬 글을 냈어요. 제목은 '과장인가, 해결사인가'라는 질문이에요. 비용 절감과 효율을 노리고 에이전틱 AI에 투자하는 구매 조직이 늘면서, 투자할 가치가 있느냐는 질문이 커지고 있다고 짚었어요.

원문은 읽지 못해 어느 기업이 어떤 시스템에 들였는지, 어떤 결론을 냈는지는 알 수 없어요. 도입 방식도 발표에 없어요.

에이전틱 AI는 목표를 받아 여러 단계를 스스로 밟아 가며 일하는 AI예요. 구매처럼 ERP와 이어진 백오피스 업무에서는 투자를 한 뒤 성과를 따지는 단계로 읽혀요. 최근 30일 ERP·백오피스 공식 발표 12건 가운데 McKinsey의 발표가 3건이에요.

성과 지표를 도입 뒤에 정하면 효과를 증명하기 어려워요. 절감액, 처리 시간, 사람이 다시 손본 비율처럼 무엇을 잴지 먼저 골라야 해요. 도입 전 기준값을 언제 잴지도 함께 정해 두어야 해요.

출처 · McKinsey 리서치 · 10/28