2026년 5월 17일 | AI 최신 트렌드
5월 17일 아침 기준으로 눈에 들어온 축은 AI가 더 큰 모델 경쟁을 넘어 분배, 공공 접근, 유지보수, 제작 파이프라인, 공간 생성 쪽으로 번지는 흐름이었다. 한쪽에서는 AI 붐이 만든 부의 격차를 이야기하고, 다른 한쪽에서는 정부가 ChatGPT Plus 접근권을 시민 교육과 묶어 배포한다. 또 오픈소스 저장소에는 AI가 만든 PR이 밀려오고, 콘텐츠 회사는 AI 제작 스튜디오를 안쪽에 만들고, 논문 쪽에서는 위성 사진 한 장을 거리 수준 3D 장면으로 바꾸려는 실험이 올라왔다.
1. AI 골드러시가 만든 이상한 분배감
AI 골드러시라는 표현이 요즘은 단순한 투자 열기보다 분배감 쪽을 더 세게 건드린다. TechCrunch는 Menlo Ventures 파트너 Deedy Das의 긴 X 글을 바탕으로, 현재 AI 붐이 업계 안에서도 꽤 거친 분배감을 만들고 있다고 정리했다. Das의 표현을 빌리면 샌프란시스코는 “pretty frenetic”한 상태이고, OpenAI, Anthropic, Nvidia 같은 회사의 창업자와 직원 일부는 2천만 달러를 훌쩍 넘는 은퇴 자산에 도달한 반면, 다른 사람들은 연봉 50만 달러 미만의 좋은 직장을 평생 다녀도 그 격차를 따라가기 어렵다고 느낀다는 이야기다.
이 대목이 단순한 질투 이야기로만 보이지는 않았다. 같은 글에는 해고가 이어지고, 많은 소프트웨어 엔지니어가 자기 기술의 미래 가치를 의심한다는 문장도 같이 붙어 있다. 재미있는 표현은 “같은 기술이 복권이면서 동시에 fallback을 먹어 치우는 것”이라는 반응이었다. AI가 누군가에게는 회사 지분과 커리어 점프를 주지만, 다른 누군가에게는 그동안 안전하다고 믿었던 직무의 가격을 깎는 기술이 되는 셈이다.
나는 이런 종류의 글을 볼 때 숫자 자체보다 감정의 구조를 더 보게 된다. 모델 성능표만 보면 “더 잘한다”가 핵심인데, 실제 노동시장에서는 “내가 가진 기술이 아직 보험인가, 아니면 이미 리스크인가”라는 질문으로 번역된다. AI 인프라와 모델 회사 쪽으로 자본이 몰릴수록, 주변 직무의 안정감은 같이 올라가기보다 오히려 흔들릴 수 있다는 점이 요즘 AI 산업 뉴스의 불편한 배경음처럼 남아 있다. 원문은 TechCrunch에서 확인할 수 있다.
2. Malta가 ChatGPT Plus를 시민 교육과 묶은 방식
Malta의 ChatGPT Plus 실험은 국가 단위 AI 접근권을 교육 과정과 묶었다는 점에서 눈에 띈다. OpenAI와 Malta 정부는 모든 Malta 시민에게 ChatGPT Plus를 제공하는 파트너십을 발표했다. 그냥 무료 계정을 뿌리는 방식이 아니라, University of Malta가 만든 AI literacy 과정을 수료한 뒤 1년간 ChatGPT Plus를 무료로 쓸 수 있게 하는 구조다. 배포는 Malta Digital Innovation Authority가 맡고, 첫 단계는 5월에 시작한다고 한다.
OpenAI는 이 발표에서 “intelligence as a global utility”라는 표현을 썼다. 전기처럼 모두가 쓸 수 있는 기반재로 AI를 보겠다는 문장인데, 말은 크지만 실제 설계는 꽤 현실적이다. 정부가 시민에게 AI 접근권을 주려면 단순 구독권 보조금만으로는 부족하다. 어떤 일을 AI에게 맡겨도 되는지, 어떤 답은 그대로 믿으면 안 되는지, 개인정보와 업무 자료를 어떻게 다뤄야 하는지까지 같이 배워야 하기 때문이다.
이 사례는 기업용 AI 도입 뉴스와 조금 다른 결을 가진다. 기업 도입은 보통 생산성, 보안, 데이터 거버넌스 언어로 설명된다. Malta 사례는 시민 접근권과 교육을 묶어 “AI를 쓸 줄 아는 공공 역량”을 만드는 쪽에 가깝다. 작은 국가라 가능한 실험이라는 생각도 들지만, 앞으로는 모델 성능보다 “어느 집단이 안전하게 쓸 수 있게 설계했는가”가 정책 뉴스의 중요한 단위가 될 가능성이 커 보인다. 원문은 OpenAI 발표에 올라와 있다.
3. Turso의 버그 바운티가 AI PR 홍수 때문에 멈춘 일
AI PR 홍수는 오픈소스에서 꽤 현실적인 운영 비용으로 나타나고 있다. GeekNews에 올라온 Turso 사례도 인상적이었다. Turso는 데이터 손상으로 이어질 수 있는 버그를 입증하면 1,000달러를 지급하는 버그 바운티 프로그램을 약 1년 운영했는데, 결국 프로그램을 종료했다. 버그가 사라져서가 아니라, AI가 만든 저품질 PR이 대량으로 몰려 유지보수자가 며칠씩 이를 닫는 데 시간을 써야 했기 때문이다.
이 프로그램이 처음부터 실패였던 것은 아니었다. 초반에는 5명이 보상을 받았고, 시뮬레이터 개선이나 SQLite 자체의 10개 넘는 버그 발견처럼 의미 있는 결과도 있었다. 문제는 보상이 붙자 LLM에게 “이 저장소에서 버그를 찾아 보상을 받아라”라고 시킨 제출이 반복됐다는 점이다. Turso는 보증 시스템으로 의심 PR을 자동 종료하려 했지만, 봇은 수동 검토 이슈와 비슷한 PR 재제출을 계속 만들었다.
내가 무릎을 친 지점은 “코드 작성 능력”과 “코드 검토 비용”의 비대칭이다. LLM은 제출물을 많이 만들 수 있지만, 유지보수자가 그것을 읽고, 재현하고, 테스트 범위에 넣고, 프로젝트 방향과 맞는지 판단하는 일은 여전히 비싸다. 이 흐름은 오픈소스에서 앞으로 더 자주 부딪힐 것 같다. 보상, 이슈 템플릿, 자동 triage, contributor 신뢰도 같은 장치가 없으면 AI는 기여를 늘리는 도구가 아니라 검토 큐를 막는 도구가 될 수 있다. 원문 요약은 GeekNews에서 볼 수 있다.
4. Netflix 안쪽으로 들어간 AI 애니메이션 제작 라인
Netflix의 INKubator는 생성 AI가 실험실 데모를 지나 제작 조직 안으로 들어가는 장면에 가깝다. AI타임스는 Netflix가 생성 AI 콘텐츠 제작을 담당하는 사내 스튜디오 “INKubator”를 지난 3월 조용히 설립했다고 전했다. 채용 공고와 일부 LinkedIn 프로필을 통해 드러난 조직이고, 필요한 인력에는 프로듀서, 소프트웨어 엔지니어, CG 아티스트 같은 역할이 같이 포함돼 있다고 한다. DreamWorks Animation, MRC Studios, A24 Films 등에서 전략과 운영을 맡았던 Serena Aiyer가 애니메이션 인큐베이터 COO로 소개됐다는 내용도 함께 보였다.
여기서 중요한 건 “AI로 애니메이션을 만든다”라는 한 줄보다, 조직 설계가 이미 제작 파이프라인 안으로 들어가고 있다는 점이다. 외부 도구를 써서 몇 장면을 보정하는 단계와, 회사 안에 AI 제작 스튜디오를 만들고 프로듀서와 엔지니어와 CG 아티스트를 한 팀으로 묶는 단계는 다르다. 후자는 모델 성능보다 워크플로, 저작권 검토, 스타일 일관성, 비용 구조, 크레딧과 책임을 같이 설계해야 한다.
콘텐츠 업계의 AI 논쟁은 자주 “사람을 대체하느냐”로 너무 빨리 좁혀진다. 물론 그 질문을 피할 수는 없다. 다만 실제 현장에서는 대체 이전에 역할의 경계가 먼저 흔들릴 가능성이 크다. CG 아티스트가 프롬프트만 쓰는 사람으로 바뀐다기보다, 어떤 장면은 모델 후보를 고르고, 어떤 장면은 기존 파이프라인으로 돌리고, 어떤 장면은 법무와 브랜드 검토를 먼저 거치는 식으로 제작 의사결정의 층이 늘어난다. 원문은 AI타임스 기사다.
5. Sat3DGen: 위성 사진 한 장에서 거리 수준 3D 장면으로
Sat3DGen은 위성 이미지와 거리 수준 3D 장면 사이의 시점 간극을 정면으로 다룬 논문이다. HuggingFace Daily Papers 쪽에서는 Sat3DGen 논문이 눈에 들어왔다. 제목 그대로 단일 위성 이미지에서 street-level 3D scene을 생성하는 작업이다. 기존 방식은 건물 중심의 geometry-colorization은 기하 구조가 비교적 깔끔하지만 의미 다양성이 부족하고, feed-forward image-to-3D 계열은 장면은 풍부하지만 geometry가 흔들리는 문제가 있었다고 정리한다. Sat3DGen은 이 간극을 줄이기 위해 geometry-first 방법론과 perspective-view training strategy를 붙였다.
숫자로 보면 VIGOR-OOD 테스트셋과 고해상도 DSM 데이터를 엮은 벤치마크에서 geometric RMSE를 6.76m에서 5.20m로 낮췄고, FID도 약 40에서 19로 줄였다고 한다. 논문은 단순히 예쁜 street-view 이미지를 만드는 데서 멈추지 않고, semantic map to 3D synthesis, multi-camera video generation, large-scale meshing, single-image DSM estimation 같은 downstream application을 같이 보여 준다.
이런 논문은 지도, 로보틱스, 시뮬레이션, 게임/미디어 제작이 조금씩 겹치는 지점에 있다. 나는 처음에는 “위성 사진에서 거리 이미지를 만든다” 정도로 읽었는데, 본문을 보면 더 중요한 건 2D 이미지 생성보다 3D 자산과 시뮬레이션 표면을 만드는 쪽이다. 실제 도시를 전부 촬영하지 않아도, 넓은 지역의 위성 이미지를 기반으로 물리적으로 그럴듯한 3D 장면을 만들 수 있다면 자율주행·로봇·재난 대응 시뮬레이터의 데이터 공급 방식도 달라질 수 있다. 원문은 arXiv 2605.14984와 HTML 본문에서 볼 수 있다.
짧게 묶어 보면
이번 묶음의 공통점은 AI가 “모델이 더 똑똑해졌다”는 한 문장 밖으로 계속 밀려나간다는 것이다. 부의 분배, 국가 단위 접근권, 오픈소스 검토 비용, 콘텐츠 제작 조직, 지도 기반 3D 생성처럼 서로 다른 표면에서 같은 질문이 반복된다. AI를 어디에 붙일 것인가보다, 붙인 뒤 생기는 비용과 책임을 누가 감당할 것인가가 점점 더 중요한 뉴스가 되고 있다.