2026년 6월 15일 | AI 최신 트렌드
6월 15일 아침 기준으로 눈에 들어온 축은 은행의 대규모 AI 도입, ChatGPT의 제품 성격 변화, 생성형 딥페이크의 호스팅 책임, 데이터센터 지역 투자, 그리고 과학 업무에 들어가는 전문 모델이었다. 단순히 새 모델이 나왔다는 얘기보다, AI가 실제 조직과 사회의 어느 레이어에 붙고 있는지가 더 선명하게 보인 날이었다.
BBVA: 은행 전체를 ChatGPT Enterprise 위에 올리는 실험
OpenAI가 공개한 BBVA 사례는 기업 AI 도입이 파일럿을 넘어가면 어떤 모양이 되는지 꽤 노골적으로 보여 준다. BBVA는 ChatGPT Enterprise를 전 세계 직원 10만 명 이상에게 배포했고, 직원들이 만든 커스텀 GPT가 2만 개를 넘었다고 설명했다. 이 중 4천 개는 자주 쓰이는 상태라고 한다. 숫자만 놓고 보면 “사내 챗봇을 많이 깔았다”에 가깝지만, 세부 사례를 보면 결이 조금 다르다.
내가 흥미롭게 본 부분은 AI 사용량 자체가 아니라 업무 단위의 재설계였다. 신용 리스크 쪽에서는 연차보고서와 ESG 공시, 언론 자료를 훑는 GPT를 만들고, 법무 쪽에서는 지점 문의에 대응하는 내부 지식 기반 어시스턴트를 붙인다. 페루 운영 조직에서는 내부 질의 처리 시간이 7.5분에서 1분으로 줄었다는 사례도 적었다. 이 정도면 생산성 홍보 문구로만 넘기기 어렵다. 최소한 “어떤 문서가 들어오고, 누가 검토하고, 어느 단계에서 사람이 결론을 고치는가”라는 프로세스가 같이 바뀌고 있다는 뜻이기 때문이다.
금융권에서 더 중요한 건 속도보다 거버넌스다. BBVA가 초기에 보안, 법무, 컴플라이언스, 기술 조직을 묶어서 공식 접근권을 열었다는 점도 그래서 눈에 들어왔다. 사내에서 금지된 소비자용 AI를 몰래 쓰는 그림보다, 승인된 환경과 학습 네트워크를 먼저 깔아 두는 쪽이 장기적으로 낫다. “shadow AI를 막으려면 쓰지 말라고만 할 게 아니라 쓸 수 있는 길을 열어야 한다”는 아주 현실적인 메시지로 읽혔다.
ChatGPT는 채팅창에서 개인용 에이전트 표면으로 이동 중
WIRED의 Thibault Sottiaux 인터뷰는 “ChatGPT가 앞으로 무엇이 되려는가”를 제품 관점에서 읽기 좋았다. 기사에서는 OpenAI가 ChatGPT를 단순 질문 답변창이 아니라, 개인 업무와 일상 작업을 처리하는 개인화 AI 에이전트에 가깝게 바꾸려 한다고 설명했다. 내부적으로는 “super app”이라는 표현까지 나온다고 한다.
나는 여기서 모델 성능보다 모델 행동이라는 단어에 더 오래 머물렀다. 코딩 에이전트도 마찬가지지만, 실제 제품이 되면 “정답을 맞히는가”만으로는 부족하다. 어느 순간에는 묻고, 어느 순간에는 실행하고, 어느 순간에는 사용자가 한 번 더 확인하게 해야 한다. 너무 소극적이면 그냥 검색창이고, 너무 적극적이면 위험한 자동화가 된다. ChatGPT가 개인용 에이전트로 가려면 이 ask/act 균형을 제품 전체의 기본값으로 풀어야 한다.
이 흐름은 Codex 쪽 성장과도 이어진다. 코딩 작업에서는 에이전트가 파일을 읽고, 수정하고, 테스트를 돌리고, 실패를 해석한다. 같은 구조가 이메일, 일정, 문서, 금융, 쇼핑, 예약으로 확장되면 채팅창은 인터페이스의 일부일 뿐이다. 결국 사용자는 “모델과 대화한다”기보다 “작업 상태를 맡기고 검수한다”에 가까운 경험을 하게 된다. 이 변화가 편리함으로만 끝날지, 피로한 승인 요청의 연속이 될지는 아직 제품 설계에 달려 있다.
Grok 딥페이크 보도: 생성보다 호스팅 책임이 더 무거워지는 구간
WIRED는 Grok 웹사이트에 유명 여성과 정치인을 대상으로 한 비동의 성적 딥페이크 이미지와 영상이 여전히 남아 있다고 보도했다. xAI가 유해한 성적 딥페이크 생성을 막기 위한 제한을 도입하겠다고 말한 뒤에도, 실제 공개 표면에는 생성물과 호스팅 흔적이 남아 있다는 취지다.
이 이슈는 “모델이 그런 이미지를 만들 수 있느냐”에서 멈추지 않는다. 더 곤란한 지점은 생성물의 저장, 링크, 검색, 삭제, 신고 처리가 제품 책임으로 붙는다는 점이다. 생성형 이미지 기능을 붙이는 순간 서비스는 모델 호출 API만 운영하는 게 아니라, 사실상 콘텐츠 플랫폼이 된다. 만들지 못하게 막는 필터도 필요하지만, 이미 만들어진 결과물이 어디에 보관되고 누구에게 노출되는지 추적하는 운영 체계가 없으면 피해는 계속 남는다.
개인적으로는 이 대목에서 AI 안전 논의가 다시 제품 운영의 언어로 내려오는 느낌을 받았다. 정책 문서에 “금지”라고 적는 것과, 실제 URL이 사라지고, 재업로드가 막히고, 신고자가 처리 상태를 확인하는 것은 전혀 다른 일이다. 모델 회사가 플랫폼 회사처럼 행동해야 하는 순간이 늘어나고 있고, 딥페이크는 그 압박이 가장 선명하게 보이는 영역 중 하나다.
Google 버지니아 투자: 데이터센터는 전력과 인력의 지역 문제
Google의 버지니아 투자 발표는 AI 인프라 뉴스를 조금 다른 각도에서 보게 만든다. 발표 자체는 지역 일자리, 숙련공 교육, 에너지 비용 지원에 관한 내용이다. 전기 견습 교육 시설을 지원해 2030년까지 2,741명의 추가 견습생을 수용하도록 돕고, 500메가와트 이상의 신규 에너지 용량에 투자했으며, 1,500만 달러 규모의 Energy Impact Fund도 만들겠다고 밝혔다.
AI 데이터센터 이야기는 보통 GPU 수량, 전력 사용량, 물 사용량, 탄소 배출로 끝나기 쉽다. 그런데 실제로는 전력망을 누가 보강하고, 지역 노동력을 어떻게 키우며, 주변 주민의 요금 부담을 어떻게 설명할 것인가가 같이 붙는다. 모델 학습과 추론이 커질수록 클라우드 리전은 추상적인 컴퓨트 단위가 아니라 지역 정치와 생활 인프라의 일부가 된다.
나도 예전에는 데이터센터 뉴스를 보면 “또 인프라 투자구나” 하고 넘겼다. 그런데 최근에는 이런 발표가 AI 기업의 운영 허가증에 가깝게 보인다. 지역 사회가 받아들이지 못하는 데이터센터는 아무리 좋은 칩을 넣어도 오래 버티기 어렵다. AI 인프라 경쟁은 이제 GPU 조달전인 동시에, 전력과 인력과 지역 신뢰를 확보하는 장기전이다.
Claude를 화학자로 만들기: 범용 모델이 전문 도구와 만나는 방식
Anthropic의 “Making Claude a Chemist”는 범용 LLM이 전문 과학 업무에 들어갈 때 어떤 검증을 받아야 하는지 보여 주는 글이었다. 핵심은 NMR, 즉 핵자기공명 스펙트럼 해석이다. 화학자는 분자 구조, 실험 장비 출력, SMILES 같은 데이터베이스 표기, 논문과 특허 문장을 계속 오가며 같은 분자를 여러 표현으로 번역한다. Anthropic은 Claude가 이 번역과 추론을 어디까지 도울 수 있는지 살폈다.
특히 Claude Opus 4.7, Opus 4.6, Sonnet 4.6을 ChemDraw와 MestReNova 같은 기존 NMR 소프트웨어와 비교한 부분이 눈에 띄었다. Anthropic 설명에 따르면 Opus 4.7은 수소 NMR 예측에서 평균 오차 ±0.079 ppm을 보였고, 탄소 NMR에서는 MestReNova와 비슷한 수준의 오차를 냈다. 또 세 Claude 모델 모두 sub-peak spacing을 0.5Hz 이내로 맞춘 비율이 대략 80%였다고 적었다.
물론 이 결과를 “화학자가 필요 없어졌다”로 읽으면 곤란하다. 표본은 20개 화합물이고, 2D NMR이나 stereochemistry 같은 어려운 축은 아직 다루지 않았다. 그래도 나는 여기서 범용 모델이 전문 소프트웨어를 대체한다기보다, 표현 사이를 오가는 접착제 역할을 한다는 점이 중요하다고 봤다. 사람이 구조를 가정하고, 모델이 스펙트럼과 문헌을 빠르게 대조하고, 다시 사람이 화학적으로 말이 되는지 판단하는 식이다. 과학용 AI가 실제로 쓸 만해지려면 멋진 데모보다 이런 좁은 검증표가 더 많이 필요하다.
작게 묶어 보면
다섯 소식의 공통점은 “AI가 어디에나 붙는다”가 아니었다. 오히려 각 영역마다 AI가 붙는 조건이 다르다는 쪽에 가까웠다. 은행에는 보안과 내부 교육망이 필요하고, 개인 에이전트에는 행동 기본값이 필요하다. 딥페이크 제품에는 생성 방지뿐 아니라 호스팅과 삭제 운영이 필요하고, 데이터센터에는 지역 전력과 숙련공이 필요하다. 과학 모델에는 좁고 엄격한 벤치마크가 필요하다.
그래서 이번 묶음에서 내가 가져간 메모는 하나다. AI 도입의 병목은 모델 성능 하나로 모이지 않는다. 어느 곳에서는 조직 설계가 병목이고, 어느 곳에서는 콘텐츠 책임이 병목이고, 어느 곳에서는 전력망과 지역 신뢰가 병목이다. 모델이 좋아질수록 주변 운영 레이어가 더 중요해지는 장면이 계속 늘고 있다.
출처
OpenAI, BBVA puts AI at the core of banking with OpenAI
WIRED, Meet the OpenAI Engineer Leading ChatGPT’s Biggest Transformation Yet
WIRED, Grok Is Still Hosting Sexualized Deepfakes of Famous Women
Google, Our new community investments in Virginia support local jobs and expand energy affordability
Anthropic, Making Claude a Chemist