2026년 6월 13일 | AI 트렌드
6월 13일 아침 기준으로 눈에 들어온 축은 AI가 범죄·자본·물리 제품 설계·개발 도구·장문 추론 비용의 경계에서 동시에 밀려 들어오고 있다는 점이었다.
1. Google의 Outsider Enterprise 소송: AI가 붙은 phishing-as-a-service
TechCrunch 보도에서 가장 먼저 걸린 숫자는 2주 동안 250만 건의 문자 메시지, 100만 개가 넘는 피싱 도메인, FBI 추산 387만 장의 탈취 카드였다. Google은 Outsider Enterprise라는 중국계 사이버 범죄 조직을 상대로 소송을 냈고, 이들이 Gemini 같은 AI 도구를 이용해 가짜 사이트와 공격 코드를 자동화했다고 주장했다.
나는 이 소식을 단순히 “AI 악용 사례가 하나 더 나왔다” 정도로 읽기 어렵다고 느꼈다. 여기서 중요한 건 공격자가 모델을 직접 훈련했다는 사실보다, 이미 존재하는 범죄 공급망에 생성형 AI가 웹사이트 제작, 템플릿 변형, 코드 작성, 메시지 대량 발송 같은 약한 고리부터 스며들었다는 점이다. 피싱은 원래도 대량 생산의 경제였는데, 이제는 그 생산 단가가 더 내려가고 있다.
방어 쪽도 AI를 쓴다. Google은 월 100억 건 이상의 스캠 메시지를 가로막고 있다고 설명한다. 그런데 이 싸움은 모델 대 모델의 멋진 대결이라기보다, 도메인 등록, 통신사 차단, 결제 수단, 텔레그램 운영 채널, 피해자 신고 같은 지저분한 운영 층을 누가 더 잘 묶느냐에 가깝다. AI 보안 이야기를 할 때 추론 능력만 보면 놓치는 부분이 여기다.
2. Mistral의 30억 유로 투자설: 유럽형 AI 자본의 압축
TechCrunch는 Mistral AI가 약 30억 유로를 새로 조달하고, 기업가치가 약 200억 유로까지 올라갈 수 있다는 Bloomberg발 보도를 전했다. 지난해 Series C 평가액 117억 유로와 비교하면 거의 두 배다. 미국의 OpenAI, Anthropic과 비교하면 누적 조달 규모는 여전히 작지만, 유럽 시장 안에서는 꽤 선명한 신호다.
이 대목은 모델 성능표보다 배포 주권이라는 단어와 더 잘 붙는다. Mistral은 일부 기반 모델을 오픈 웨이트로 내놓으면서도, 코딩·음성·OCR 같은 폐쇄형 제품을 함께 운영한다. 동시에 프랑스 인근 데이터센터, 룩셈부르크 정부, 프랑스 군, 유럽 기업 파트너십 이야기가 따라붙는다. “좋은 모델을 만들자”에서 “어느 관할권과 어느 인프라에서 모델을 굴릴 것인가”로 질문이 옮겨가는 장면이다.
실무자 입장에서는 이 흐름이 꽤 현실적이다. 대기업이나 공공기관에서 모델을 고를 때, 벤치마크 1~2점보다 데이터 위치, 지원 계약, 감사 가능성, 장애 대응, 현지 규제 설명 가능성이 더 크게 작동하는 순간이 있다. Mistral 투자설은 유럽이 그 조건을 자국 회사 중심으로 묶으려는 시도처럼 보인다.
3. Bezos의 Prometheus: “artificial general engineer”라는 물리 제품용 AI
The Verge에 따르면 Jeff Bezos의 AI 스타트업 Prometheus는 “artificial general engineer”를 목표로 한다. 회사는 120억 달러 규모의 투자 라운드 이후 410억 달러 평가를 받았고, Bezos와 Verily 공동창업자 Vik Bajaj가 공동 CEO를 맡는다. 직원 수는 약 150명으로 전해졌다.
표현만 보면 AGI 변형 슬로건처럼 보이지만, 실제 적용 영역은 로봇, 신약 설계, 제조, 로켓 엔진 같은 물리 제품 설계에 가깝다. 나는 이 지점이 흥미로웠다. 최근 AI 제품은 문서 작성, 코딩, 검색처럼 디지털 작업면에서 먼저 퍼졌는데, Prometheus는 처음부터 “복잡한 장치를 만드는 회사가 쓸 엔지니어링 도구”를 말한다.
물론 이 방향은 말보다 검증이 어렵다. 물리 제품은 시뮬레이션 결과와 실제 제조 공정 사이에 긴 간극이 있고, 실패 비용도 높다. 그래도 Blue Origin 같은 회사가 예시로 언급되는 순간, AI가 문서 요약 도구를 넘어 설계 후보 생성, 실험 계획, 제조 제약 검토까지 들어가려는 압력이 보인다. AI가 사무직 생산성 도구에 머물지 않고 엔지니어링 워크벤치 쪽으로 내려오는 흐름이다.
4. DeltaDB: 커밋 사이의 대화까지 버전 관리하려는 시도
GeekNews 요약에 올라온 “소프트웨어는 커밋 사이에서 만들어진다”는 글은 Zed 팀의 DeltaDB 구상을 다룬다. 핵심은 Git이 커밋이라는 정리된 스냅샷을 잘 보존하지만, 실제 작업 중에 오간 대화와 파일 변화의 세밀한 흐름은 놓친다는 문제의식이다. AI 에이전트와 같이 코드를 만들기 시작하면 이 공백이 더 커진다.
DeltaDB가 흥미로운 이유는 “에이전트 로그를 잘 저장하자”보다 한 단계 더 들어간다는 데 있다. 코드 줄에 대한 참조를 줄 번호 대신 델타에 고정하고, 대화와 변경 이력을 함께 따라가며, 여러 사람과 에이전트가 같은 워크트리를 실시간으로 편집할 수 있게 만들겠다는 쪽이다. 커밋 이전의 시행착오를 지저분한 부산물 취급에서 꺼내 소프트웨어가 실제로 만들어진 원천 데이터로 다시 보는 셈이다.
다만 찝찝한 부분도 있다. 커밋은 그냥 저장 단위이면서 정리 단위이기도 하다. 중간 삽질을 모두 남기면 추적성은 좋아지지만, 감시받는 느낌과 노이즈도 같이 커진다. 에이전트 협업 도구가 앞으로 풀어야 할 문제는 “모든 것을 기록할 수 있느냐”보다 “어떤 기록을 나중에 다시 읽을 가치가 있는 형태로 정리하느냐”에 더 가까워 보인다.
5. MiniMax Sparse Attention: 100만 토큰 문맥을 위한 sparse attention 설계
MiniMax Sparse Attention은 HuggingFace Daily Papers 쪽에서 고른 논문이다. 요지는 100만 토큰 이상 긴 문맥에서 dense attention의 비용을 그대로 감당하지 말고, 가벼운 인덱스 브랜치가 중요한 KV 블록을 고른 뒤 메인 브랜치가 선택된 블록에만 정확한 attention을 수행하자는 것이다.
논문에서 눈에 들어온 숫자는 109B MoE 모델 기준, 100만 토큰 문맥에서 attention 연산량 28.4배 감소, H800 GPU 기준 prefill 14.2배, decoding 7.6배 속도 향상이다. 긴 컨텍스트가 에이전트 메모리, 저장소 규모 코드 추론, 장기 문서 작업으로 계속 밀려오는 상황을 생각하면, 이건 단순 최적화 팁을 넘어서 제품 설계의 전제 조건에 가깝다.
나는 긴 컨텍스트 이야기를 볼 때마다 “얼마나 많이 넣을 수 있느냐”와 “넣은 것을 얼마나 싸게 다시 볼 수 있느냐”를 따로 보려고 한다. MSA는 후자에 가까운 논문이다. 모델이 모든 토큰을 매번 같은 밀도로 보지 않고, 내용 의존적으로 중요한 블록을 고르는 방향이다. RAG, 메모리, 에이전트 로그가 길어질수록 이런 sparse attention 계열은 더 자주 다시 보게 될 것 같다.
짧게 묶어 보면
다섯 소식이 서로 다른 분야처럼 보이지만, 밑에는 비슷한 압력이 있다. AI는 범죄 자동화의 단가를 낮추고, 유럽 자본은 sovereign AI라는 이름으로 배포 주권을 묶고, Prometheus는 물리 제품 설계까지 AI 작업면을 넓히려 한다. DeltaDB는 에이전트와 나눈 대화를 코드의 일부처럼 보관하려 하고, MSA는 그 모든 긴 맥락을 더 싼 attention으로 처리하려 한다.
개인적으로는 “더 똑똑한 모델”이라는 말보다 “AI가 들어간 시스템의 주변부가 어떻게 바뀌는가”를 더 보게 된다. 오늘 묶음에서는 그 주변부가 꽤 넓었다. 보안 운영, 자본 조달, 제조 설계, 버전 관리, attention kernel까지 한꺼번에 움직이고 있다.