2026년 7월 마지막 주, AI 업계는 '신뢰'와 '확장'이라는 두 키워드가 교차하는 한 주를 보내고 있습니다. 앤트로픽은 클로드 공유 대화가 구글 검색에 대거 노출되는 프라이버시 사고로 곤욕을 치른 반면, 같은 회사의 Claude Design은 디자인 툴 시장의 판도를 흔들며 기대를 모으고 있습니다. 중국에서는 DeepSeek 창업자가 미중 AI 격차의 본질을 '컴퓨팅 파워'로 짚었고, 구글은 Gemini API의 에이전트 기능과 검색 AI Mode를 동시에 확장했습니다. OpenAI는 과학 컴퓨팅 분야에서 에이전틱 AI가 만들어낸 60배 성능 개선 사례를 공개하며 AI 에이전트의 실전 가치를 입증했습니다. 오늘의 주요 소식을 기업별로 정리합니다.
Anthropic: 프라이버시 사고와 신제품 기대가 교차하다
클로드 공유 대화, 구글 검색에 대규모 노출
앤트로픽의 AI 챗봇 클로드(Claude)에서 사용자가 공유한 대화 수백 건이 구글 검색 결과에 그대로 노출되는 사고가 발생했습니다. 원인은 기술적으로 단순하지만 파급력은 컸습니다. 공유 링크 페이지에 검색엔진 색인을 차단하는 'noindex' 메타 태그가 누락되어 있었던 것입니다. 앤트로픽은 robots.txt 파일로만 크롤링을 제한했는데, 이 방식만으로는 검색엔진의 색인을 완전히 막기에 불충분했습니다.
문제가 세상에 알려진 계기도 흥미롭습니다. 한 레딧(Reddit) 사용자가 'site:claude.ai/share'라는 검색어로 구글을 조회했다가 다른 이용자들의 공유 대화를 대거 발견하면서 사태가 공론화됐습니다. 노출된 정보의 민감도는 심각한 수준이었습니다.
- 암호화폐 지갑 시드 문구 — 자산 탈취로 직결될 수 있는 최고 민감 정보
- 사회보장번호(SSN)로 추정되는 개인정보
- 법률 상담 내용 및 급여 스프레드시트
- 기업 내부 CRM 대화와 출시 전 제품 로드맵
앤트로픽은 26일 noindex 태그를 추가해 문제를 수정했지만, 이미 공개 저장소에 보관된 1만여 개의 메시지가 존재해 완전한 회수는 어려운 상황입니다. 검색 색인에서 제거되더라도 이미 수집·아카이빙된 데이터는 통제 범위를 벗어났다는 점에서, AI 서비스의 공유 기능 설계에 근본적인 경각심을 던지는 사건입니다. 원문
Claude Design — 말로 설명하면 디자인이 완성된다
한편 Anthropic Labs가 지난 4월 17일 공개한 Claude Design은 디자인 툴 시장에 상당한 파장을 일으키고 있습니다. 음성 설명만으로 프로토타입, 슬라이드, 랜딩페이지를 생성하는 AI 디자인 도구로, Figma·Canva·Gamma의 기능을 하나로 통합한 제품이라는 평가를 받고 있습니다.
작업 흐름은 직관적입니다. 텍스트 프롬프트로 초안을 생성한 뒤 대화형으로 다듬어가는 방식이며, 이미지·문서·코드베이스를 업로드할 수 있고 인라인 댓글과 직접 편집도 지원합니다. 특히 주목할 점은 두 가지입니다.
- 브랜드 일관성 자동 유지 — 코드베이스와 디자인 파일을 읽어 기존 브랜드 스타일을 자동으로 반영
- 개발 핸드오프 자동화 — 완성된 디자인을 "한 번의 명령으로" Claude Code에 개발 핸드오프 번들로 전달
디자인과 개발 사이의 전통적인 단절 구간을 AI가 직접 연결한다는 점에서, 단순한 디자인 생성 도구를 넘어 제품 개발 파이프라인 전체를 겨냥한 제품으로 볼 수 있습니다. 시장의 반응도 즉각적이었습니다. 발표 직후 Figma 주가는 6.8% 하락했고, Adobe·Wix·GoDaddy 등 관련 기업들도 영향을 받았습니다. 원문
DeepSeek: "미중 AI 격차의 본질은 컴퓨팅 파워"
중국 AI 기업 DeepSeek의 창립자 겸 CEO 량원펑(Liang Wenfeng)이 최근 투자자 미팅에서 미국과 중국의 AI 격차에 대한 진단을 내놓았습니다. 그의 결론은 명확합니다. "미국과의 가장 큰 격차는 자원, 즉 컴퓨팅 파워에 있다"는 것입니다. 인재나 기술이 부족한 것이 아니라 컴퓨팅 자원에 대한 접근이 제한된 것이 핵심 문제라는 진단입니다.
량원펑이 공개한 수치들은 미중 AI 경쟁의 현주소를 구체적으로 보여줍니다.
- DeepSeek는 미국 선도 AI 기업 대비 약 12~18개월 뒤처져 있음
- 미국 기업의 약 1/20 수준의 컴퓨팅 파워로 유사한 성과를 달성
- 현재 보유 자원은 Nvidia H시리즈 GPU 약 20,000개에 상당하는 수준
- 미국 최대 AI 모델의 활성 매개변수는 약 8,000억 개인 반면, 중국 최고 모델은 수십억 개 수준으로 약 10배 격차
주목할 만한 대응 전략도 공개됐습니다. DeepSeek는 Huawei와 협력해 자체 프로그래밍 언어 'Tile Language'를 개발 중입니다. Nvidia의 CUDA 생태계에 대한 의존도를 낮추려는 전략으로, 하드웨어 제약을 소프트웨어 스택 독립으로 우회하겠다는 의도로 읽힙니다.
자금력 측면에서도 변화가 있었습니다. DeepSeek는 2026년 5월 말 첫 외부 투자 라운드를 통해 CNY500억(약 74억 달러)을 조달했으며, 이때 평가받은 기업가치는 CNY3,675억(약 543억 달러)에 달합니다. 극단적인 자원 효율로 성과를 내온 DeepSeek가 대규모 자본까지 확보하면서, 미중 AI 경쟁 구도에 또 하나의 변수가 더해졌습니다. 원문
Google: 에이전트 인프라와 생활 밀착형 AI, 양면 확장
Gemini API Managed Agents — 3.6 Flash 기본 탑재와 환경 훅 도입
구글이 Gemini API의 Managed Agents 기능을 대폭 확장했습니다. 가장 큰 변화는 Gemini 3.6 Flash가 Managed Agents의 새 기본 모델로 설정됐다는 점입니다. 비용에 민감한 개발자는 agent_config.model 설정을 통해 Gemini 3.5 Flash-Lite 같은 저비용 옵션으로 전환할 수 있습니다.
이번 업데이트에서 실무적으로 가장 주목받는 기능은 환경 훅(Environment Hooks)입니다. 도구 실행 전후에 커스텀 스크립트를 실행할 수 있게 해 보안 검증이나 코드 포맷팅 같은 작업을 에이전트 워크플로에 끼워 넣을 수 있습니다. 실제로 OffDeal 같은 기업은 이 기능으로 로고 품질 검증 파이프라인을 구축했습니다.
그 외 주요 기능은 다음과 같습니다.
- max_total_tokens 파라미터 — 토큰 소비량을 제한해 비용을 관리
- 무료 티어 접근성 — 진입 장벽을 낮춰 실험 가능
- 예약 실행 — 반복 작업의 자동화 지원
- Environments API — 샌드박스 세션을 프로그래매틱하게 관리하고, 이전 상호작용에서 중단된 지점부터 이어서 진행 가능
에이전트를 '만드는' 단계를 넘어 '운영하고 통제하는' 단계에 필요한 인프라를 채워가고 있다는 점에서, 구글의 에이전트 전략이 프로덕션 환경을 정조준하고 있음을 보여줍니다. 원문
Google AI Mode — 오프라인 생활을 돕는 5가지 활용법
개발자 인프라와 별개로, 구글은 검색의 AI Mode가 사람들의 오프라인 활동을 지원하는 다섯 가지 방법을 소개했습니다. AI를 화면 안에 머무는 도구가 아니라 현실 세계의 활동으로 연결하는 다리로 포지셔닝한 점이 특징입니다.
- 일정 맞춤형 지역 수업 찾기 — 구글 캘린더와 연동해 사용자 일정에 맞는 수업을 자동 추천
- 장비 검색과 재고 확인 — 조건에 맞는 장비를 찾고 근처 매장의 재고까지 확인
- Canvas 기능 — 보드게임 전략 가이드를 작성하고 AI와 연습까지 가능
- 이벤트 티켓 예약 — 콘서트, 스포츠 경기 등의 티켓 예약 지원
- Canva 연동 — 파티 초대장 디자인 제작
구글은 이와 함께 "성인 테니스 레슨", "트레일 러닝" 등 야외 활동 관련 검색이 증가하고 있다고 밝혔습니다. AI 검색이 정보 탐색을 넘어 실제 행동과 소비로 이어지는 접점을 넓히고 있다는 신호입니다. 원문
OpenAI: 에이전틱 AI, 과학 컴퓨팅을 60배 가속하다
OpenAI가 AI 코딩 에이전트가 과학 컴퓨팅을 현대화하는 방법을 다룬 새 필드 리포트를 공개했습니다. 리포트에는 8개의 실제 배포 사례가 문서화되어 있으며, 그중 가장 인상적인 사례는 유전체학(genomics) 분야에서 나왔습니다. AI 코딩 에이전트가 20,000줄에 달하는 레거시 C++ 코드를 Rust로 재작성해 60배의 속도 향상을 달성한 것입니다.
이 리포트가 짚는 문제의식은 명확합니다. 과학 분야에서는 데이터가 쏟아지는 속도를 과학 소프트웨어의 현대화 속도가 따라가지 못하는 만성적 병목이 존재해 왔습니다. AI 코딩 에이전트는 엔지니어링 노동력과 전문성의 제약을 해소함으로써 이 격차를 메우는 역할을 합니다. 수만 줄의 레거시 코드 재작성처럼 인력과 시간 문제로 미뤄져 온 작업이 에이전트의 실전 영역으로 들어온 셈입니다.
다만 OpenAI는 인간 과학자가 AI 에이전트의 결과물을 검증하는 과정이 여전히 필수적이라는 점을 분명히 했습니다. 에이전트가 실행을 맡고 인간이 검증을 맡는 협업 구도가, 적어도 과학 컴퓨팅 영역에서는 현재의 표준으로 자리 잡고 있음을 보여줍니다. 원문
오늘의 한 줄 인사이트
AI 경쟁의 전선이 '무엇을 만들 수 있는가'에서 '얼마나 신뢰할 수 있게 운영하는가'로 이동하고 있다. 클로드의 noindex 태그 하나가 1만여 개 대화를 노출시켰고, 구글은 에이전트에 훅과 토큰 한도라는 통제 장치를 붙였으며, OpenAI는 60배 성능 향상 뒤에도 인간 검증의 필수성을 강조했다. 모델 성능이 상향 평준화될수록, 운영의 디테일과 신뢰 설계가 승부를 가르는 시대다.
댓글 0
아직 댓글이 없습니다.