Category
AI 에이전트
AI 에이전트는 목표를 받아 스스로 계획을 세우고 도구를 호출해 작업을 끝까지 수행하는 시스템이다. 단발 응답형 챗봇과 달리 다단계 추론·실행·재시도 루프를 돈다. 코드 작성, 리서치, 운영 자동화에 실제 투입되며 권한과 검증 설계가 성패를 가른다.
NVIDIA NeMo와 RL 에이전트 기술을 활용한 자동 연구 워크플로우 실행 방법
코딩 AI 에이전트는 장기적인 머신러닝(ML) 워크플로우에서 실용적인 운영자로 자리잡고 있다. 이들은 저장소를 검사하고, 런타임을 설정하며, 빌드 문제를 해결하고, 실험을 시작하고, 실행을 모니터링하며, 메트릭을 분석하고, 결과를 요약하는 등의 작업을 수행할 수 있다. 강화 학습(RL) 연구에서 이러한 기능은 필수 실험 인프라가 갖춰진 후에만 의미 있는 메트릭이 나타나기 때문에 중요하다.
기업 AI 조직의 에이전트 오케스트레이션 현황
101개 기업을 대상으로 한 조사에 따르면, 에이전트 오케스트레이션은 모델 제공 플랫폼으로 통합되고 있으며, Anthropic의 Claude가 40%로 가장 높은 점유율을 차지하고 있다. 그러나 대부분의 배포된 '에이전트'는 단일 프롬프트 챗봇에 불과하며, 진정한 다단계 오케스트레이션 워크플로우는 71%가 25% 이하로 평가하고 있다. 2026년까지 51%의 기업이 하이브리드 제어 플레인을 기대하고 있으며, 27%는 실시간 재정 통제가 부족하다.
Amazon Bedrock과 MCP 서버를 활용한 시각 지능 구축
AI의 실제 응용에서 시스템 간의 단절 문제를 해결하기 위해 컴퓨터 비전, Strands Agents, Model Context Protocol(MCP)을 통합하여 시각 정보를 수집하고 이해하며 행동할 수 있는 파이프라인을 구축했다. 이 통합은 인식, 의사결정, 행동 간의 전통적인 장벽을 줄여 AI 시스템이 인간 지능처럼 작동할 수 있도록 한다. 또한, AWS Identity and Access Management(IAM)를 통해 보안 관리를 중앙 집중화하고, Amazon S3, Amazon OpenSearch, Amazon Bedrock, Amazon Rekognition과 같은 AWS 서비스를 활용하여 데이터 관리 및 AI 도구 접근을 용이하게 한다.
iOS 27의 Siri AI와 기능 개선 사항
iOS 27의 첫 번째 공개 베타가 출시되었다. 이번 업데이트는 새로운 기능보다는 기존의 문제를 수정하고 시스템 전반의 속도를 향상시키는 데 중점을 두었다. 앱 실행, 사진 검색 결과, AirDrop 전송 속도가 빨라졌으며, 메시지 앱은 인라인 회신과 RCS 메시지에 대한 종단 간 암호화를 지원한다.
Bluesight의 Amazon Bedrock을 활용한 에이전틱 AI 솔루션 구축
Bluesight는 Amazon Bedrock AgentCore를 사용하여 340B 약물 가격 프로그램 준수를 위한 에이전틱 AI 솔루션 Prism을 개발했다. Prism Assistant for ControlCheck는 2026년 5월에 출시되어 20개 의료 시스템에서 사용 중이다. Bluesight는 약물 전환 감지와 GPO 계약을 통한 외래 약물 구매 제한을 해결하기 위해 여러 제품의 데이터를 통합하는 AI 아키텍처를 필요로 했다.
Anthropic의 Claude 모델, NVIDIA GB300에서 Azure에서 일반 제공 시작
Anthropic의 Claude 모델이 Microsoft Azure에서 NVIDIA GB300 Blackwell Ultra GPU를 사용하여 일반 제공되며, 기업들이 자율적이고 도메인 특화된 AI 에이전트를 구축할 수 있는 강력한 방법을 제공한다. Claude는 NVIDIA Quantum-X800 InfiniBand 네트워킹이 포함된 NVL72 시스템에서 실행되며, 기업들은 이를 통해 고급 작업을 수행할 수 있는 강력한 에이전트 시스템을 구축할 수 있다. NVIDIA는 Anthropic과 협력하여 개발자들이 NVIDIA 도구를 Anthropic 스택에 통합할 수 있도록 지원하고, 이를 통해 기업들은 Claude 에이전트에 도메인 특화 능력을 부여할 수 있다.
Sierra의 Natalie Meurer, 대화형 AI 에이전트를 위한 엔지니어링 역할 설명
Sierra의 Natalie Meurer는 120명 이상의 엔지니어 팀을 이끌며 기업 고객 서비스를 위한 대화형 AI 에이전트를 개발하고 있다. Forward deployed engineering(FDE)은 고객과 가까운 기술 직원을 배치하는 모델로 시작되었으나, 현재는 고객 운영, 제품 및 최종 사용자 경험을 이해하는 에이전트 개발과 시스템 통합을 결합한 역할로 확장되었다. Sierra는 이 역할을 '에이전트 엔지니어'라고 부르며, 고객과의 상호작용에서 발생하는 복잡한 문제를 해결하는 데 중점을 두고 있다.
AI 에이전트 스타트업 Lyzr, 1억 달러 자금 조달 추진
Lyzr Inc.는 기업이 인공지능 에이전트를 구축하는 데 도움을 주는 스타트업으로, 약 1억 달러 규모의 자금 조달을 추진하고 있다. 블룸버그에 따르면 이 거래에는 4억 달러 규모의 투자 관심이 모였으며, 실리콘밸리 펀드, 중동 벤처 캐피탈 및 금융 기관들이 포함되어 있다고 전해진다.
Mercor, AI 에이전트 훈련 환경 구축을 위해 Deeptune 인수
AI 훈련 데이터 회사 Mercor.io Corp.가 AI 에이전트를 훈련하는 데 사용되는 시뮬레이션 소프트웨어 환경을 구축하는 스타트업 Deeptune Inc.를 인수했다고 발표했다. 인수 조건은 공개되지 않았다. 이 거래는 Mercor CEO Brendan Foody가 Deeptune의 4,300만 달러 시리즈 A 투자에 개인 자금을 투자한 지 약 4개월 만에 성사되었다.
에이전틱 AI가 기업 소프트웨어의 본질을 변화시킨다
에이전틱 AI는 SaaS를 대체하지 않고 기업 소프트웨어의 근본적인 목적을 변화시킨다. 과거 20년간 기업 스택은 인간이 행위자인 구조로 구축되었으며, 소프트웨어는 기본적으로 데이터베이스에 양식, 권한, 워크플로우, 가격 페이지가 결합된 형태였다. 그러나 이제 행위자가 변화하고 있다.
Simba 3.2 기반 음성 에이전트
Simba 3.2는 세계 1위의 음성 모델로, 이를 기반으로 한 음성 에이전트가 제공된다.
NVIDIA BioNeMo 에이전트 툴킷을 통한 생체분자 구조 예측 및 공동 접힘 성능 향상
OpenFold3와 같은 모델을 활용한 생체분자 구조 예측 및 공동 접힘이 약물 발견과 단백질 설계를 위한 대규모 작업으로 자리잡았다. 이러한 작업은 점점 더 AI 에이전트에 의해 주도되며, 파이프라인의 모든 단계가 빠르고 확장 가능해야 한다. 여기에는 다중 서열 정렬(MSA) 생성, 공동 접힘 추론, 서비스, 다중 GPU 확장이 포함된다.
KTern.AI, Amazon Bedrock AgentCore를 활용한 SAP 변환을 위한 AI 에이전트 구축
KTern.AI는 Amazon Bedrock AgentCore를 사용해 SAP 디지털 변환을 위한 AI 에이전트를 구축하였다. 이 에이전트들은 재설계, 표준 적합, 코드 분석, 재무 및 판매 프로세스의 예외 탐색을 포함한 워크플로우를 자율적으로 조정하며, 맞춤형 에이전트 인프라 없이 자동화를 실현한다. KTern.AI는 SAP S/4HANA 마이그레이션과 디지털 변환 프로그램을 가속화하며, 데이터 기반의 하이퍼 자동화를 통해 7배 빠른 변환과 24%의 노력 절감을 제공한다.
Nathan의 개인 AI 인프라: Daniel Miessler의 감사
Daniel Miessler는 Nathan의 개인 AI 인프라를 논의하며, 1GB 데이터베이스를 가진 Claude Code 인스턴스와 독립적으로 일정 관리, 커뮤니케이션, 프로젝트를 처리하는 두 개의 자율 AI '직원'을 소개했다. 또한, AI-인간 상호작용의 사회적 규범, '이상적인 상태'를 AI와 공유하는 이유, 그리고 'Bitter Lesson engineering' 개념을 설명했다. Mercury는 가상 카드, 지출 한도, 상인/카테고리 잠금 기능을 제공하며, Sequence는 복잡한 가격 책정을 위한 전체 수익 워크플로우를 처리한다. Claude는 연구, 작문, 코딩, 조직을 지원하는 AI 협업 도구이다.
Cursor의 사이드 채팅 및 대화 검색 기능 업데이트
이번 업데이트에서는 사이드 채팅 기능이 추가되어 주 대화와 함께 질문하고 아이디어를 탐색할 수 있게 되었다. 사용자는 `/side`, `/btw`, 또는 채팅 패널 상단의 플러스 버튼을 통해 새로운 사이드 채팅을 생성할 수 있으며, 각 사이드 채팅은 독립적인 에이전트 대화로 후속 질문이나 검토가 가능하다. 대화 검색 기능도 개선되어, 에이전트 대화의 기록을 더 빠르게 검색할 수 있으며, 명령 팔레트(Cmd+K)를 통해 에이전트 전사 검색이 가능하다. 프로젝트 및 레포 picker도 간소화되어 GitHub, GitLab, Azure DevOps와 연결할 수 있는 기능이 추가되었다.
Context Graph를 통한 능동적 기업 에이전트 개발
이 논문은 능동적 에이전트의 필요성을 주장하며, Context Graph라는 실시간 관계형 데이터 구조를 제안한다. 이 구조는 기업 엔티티, 그 관계 및 상태 변화를 모델링한다. Delta Detection Engine은 상태 변화를 지속적으로 모니터링하고, Proactivity Scorer는 긴급성, 관련성, 페르소나 적합성에 따라 후보 통찰력을 평가한다. LLM 기반의 Surfacing Layer는 정렬된 알림을 제공한다. 평가 결과, Context Graph 기반의 능동성이 Precision@5 0.83, 허위 긍정률 0.11을 달성하며, 반응적 기준선의 평균 정보 탐색 시간을 47분에서 30초 미만으로 단축시킨다.
AI국민비서 에이전트 개발 과정 공유
네이버 ENGINEERING DAY 2026에서 AI국민비서 에이전트 개발 과정에 대한 발표가 이루어졌다. 발표에서는 프로젝트 개요, 모델 선택, 문제의 난이도 낮추기, 속도 최적화, Safety 대응, 평가/QA 체계, 경쟁사 대비 차별점 등 다양한 주제를 다루었다. 발표는 공공서비스 접근성 개선과 네이버 HyperClovaX 모델에 관심이 있는 사람들을 대상으로 하였다.
AWS에서 Stardog와 Amazon Bedrock AgentCore를 사용한 의미적 레이어 구축
이 글에서는 Stardog의 Semantic AI Application을 사용하여 Amazon Aurora와 Amazon Redshift에서 AWS의 의미적 레이어를 구축하는 방법과 Amazon Bedrock AgentCore에서 Strands Agents 에이전트를 실행하여 ETL 없이 고객 360 질문에 답하는 방법을 보여준다. AWS의 데이터는 Amazon Aurora, Amazon Redshift, Amazon S3 등 다양한 시스템에 분산되어 있으며, AI 에이전트가 이들 데이터를 동시에 처리할 수 있도록 하는 것이 주요 도전 과제이다. 의미적 레이어는 비즈니스 데이터의 개념, 관계, 속성 및 규칙을 캡처하여 AI 에이전트가 여러 출처에서 답변을 구성할 수 있도록 돕는다.
NVIDIA Omniverse와 OpenUSD를 활용한 Vision AI 에이전트 정확도 향상 방법
NVIDIA는 Vision AI 에이전트를 통해 물리적 세계의 비디오 데이터를 운영 지능으로 변환하는 방법을 제시하고 있다. Gartner는 2028년까지 기업 관리 데이터의 3분의 2 이상이 데이터 센터나 클라우드 외부에서 생성되고 처리될 것이라고 예측하며, 2029년까지 전 세계의 3분의 2 이상 기업이 엣지 AI를 배포할 것이라고 밝혔다. NVIDIA의 Metropolis 에이전트 기술과 블루프린트는 개발자들이 Vision AI 에이전트를 구축하고 최적화하는 데 필요한 재사용 가능한 워크플로우를 제공하며, OpenUSD는 3D 환경을 설명하고 재사용하는 공통 프레임워크를 제공한다. Roboflow는 NVIDIA Defect Image Generation 기술을 통합하여 실제 훈련 데이터가 부족할 때 합성 결함 이미지를 생성해 고객에게 제공하고 있다.
Introspection의 Autoresearch: 자기 개선 에이전트를 위한 피드백 루프
Introspection의 Roland Gavrilescu는 AI Engineer World’s Fair에서 autoresearch에 대해 설명했다. 이 개념은 에이전트가 피드백 신호와 인간 입력을 사용하여 시스템을 유지하고 개선하는 '외부 루프'를 구축하는 것이다. Gavrilescu는 xAI에서 에이전트 인프라와 클라우드 에이전트 작업을 하던 중 새로운 에이전트 형태를 탐구하고자 Introspection을 설립하게 되었다. 그는 autoresearch가 실험 개선에 기여할 수 있지만, 생산 환경에서의 루프 구현이 중요하다고 강조했다. 또한, 에이전트 레시피라는 개념을 도입하여 인간 전문 지식을 인코딩하는 데 필요한 구성 요소를 통합하는 방법을 제안했다.
Microsoft Foundry의 에이전트 배포: Microsoft 365 Copilot 및 Teams와의 통합
Microsoft Foundry는 에이전트를 Microsoft 365 Copilot과 Teams에 직접 게시할 수 있는 기능을 제공하며, 이는 다음 달에 일반 제공될 예정이다. Autopilot 에이전트는 자율적으로 작동하며, 사용자 계정을 통해 팀과 협력할 수 있다. Foundry Workstream Manager는 Teams 그룹 채팅에서 작업을 관리하고, 대화 요약, 마감일 추적, 업데이트 조정 등의 기능을 제공하는 에이전트로, 사용자 맞춤형으로 설정할 수 있는 코드 샘플이 제공된다.
Cursor의 새로운 자동 검토 실행 모드
Auto-review는 Cursor가 승인 프롬프트를 줄이고 안전하게 실행할 수 있도록 하는 새로운 실행 모드이다. 이 모드는 Shell, MCP, Fetch 도구 호출에 적용되며, 허용된 호출은 즉시 실행되고 샌드박스에서 실행 가능한 호출은 샌드박스에서 실행된다. 나머지 에이전트 작업은 분류기 서브 에이전트로 전달되어 호출을 허용할지, 다른 접근 방식을 시도할지, 또는 사용자의 승인을 요청할지를 결정한다. 실행 모드는 **Settings > Cursor Settings > Agents > Approvals & Execution**에서 구성할 수 있으며, 분류기 에이전트에 사용자 정의 지침을 제공하여 방향을 조정할 수 있다.
Modal, 3억 5천 5백만 달러 시리즈 C 투자 유치
Modal은 3억 5천 5백만 달러의 시리즈 C 투자를 유치하며, AI 에이전트 경험을 위한 인프라의 필요성을 강조하고 있다. Modal은 서버리스 기능, 탄력적 추론, GPU 스냅샷, 자동 엔드포인트 등 다양한 AI 클라우드 기능을 제공하며, 17개 클라우드 제공업체의 용량 풀을 운영하고 있다. 에이전트는 빠른 반복과 피드백 루프가 필요하며, 이를 위해 전통적인 개발자 경험에서 에이전트 경험으로의 전환이 필요하다고 설명하고 있다.
NVIDIA Nemotron 3 Ultra, LangChain Deep Agents와 함께 성능 향상
NVIDIA Nemotron 3 Ultra는 LangChain의 Deep Agents 하네스를 조정하여 최고 정확도를 달성하고, 더 많은 작업을 높은 처리량으로 수행하며, 선도적인 폐쇄형 모델보다 10배 낮은 추론 비용으로 운영된다. Nemotron 3 Ultra는 LangChain의 Deep Agents 벤치마크에서 비즈니스 작업 동등성을 달성했으며, 모델 재훈련 없이 환경 조정을 통해 성능을 개선하였다. LangChain의 에이전트 엔지니어링 플랫폼은 매달 2억 회 이상 다운로드되고 있다.