사람은 퇴근해도 봇은 24시간, SpaceXAI가 봇에게 컴퓨터를 붙였습니다

Grok Bot 공식 계정이 올린 출시 글입니다. 봇이 사용자의 도구에 로그인해 사람과 같은 방식으로 쓰고, 끝낸 일을 들고 돌아온다는 설명입니다. 첨부 영상에는 「최근 새 팀원을 뽑았다」는 자막이 나옵니다. 다음 날 공개된 Grok 4.6도 첫날부터 Grok Bot에 들어갔습니다.

SpaceXAI는 사내 시제품으로 만든 봇이 회사 전체로 퍼진 뒤에 외부에 열었다고 밝혔습니다. 영업 봇은 통화 기록으로 CRM을 고치고 후속 메일 초안을 씁니다. 운영 봇은 신입 사원의 좌석을 배치하고 Gmail로 들어온 청구서를 처리하며, 엔지니어링 봇은 제품 화면에서 버그를 재현해 티켓을 쓴 뒤 수정 작업을 디버깅 봇에게 넘깁니다.

출시 약 1시간 뒤에는 제품 뉴스레터를 쓰는 레니 라치츠키가 사용 소감을 올렸습니다. 미리 사용권을 받아 써 봤다며, 오픈소스 에이전트 OpenClaw와 비슷하지만 훨씬 쉽고 믿을 만하고 덜 무섭다고 적었습니다. 지원 메일 자동 답장과 카드 명세서에서 해지할 정기 구독 찾기, 팟캐스트 게스트 사전 조사를 쓰임새로 들었고, 이 회사에 투자했거나 이해관계가 있지 않다는 문장도 덧붙였습니다.

봇 여럿이 컴퓨터 한 대를 함께 씁니다

봇마다 자기 컴퓨터가 있다는 출시 문구는 봇 하나에 컴퓨터 한 대가 붙는다는 뜻처럼 들립니다. SpaceXAI가 출시 페이지 FAQ에 적은 설명은 조금 다릅니다. 한 사용자의 봇은 모두 영구 클라우드 컴퓨터 한 대를 함께 쓰면서 파일과 브라우저, 로그인 정보를 공유하고, 그 덕에 봇끼리 일을 넘기고 맥락을 이어 갑니다. 격리는 사용자 단위로 이뤄집니다. 이 컴퓨터의 CPU와 메모리, 저장공간 크기는 발표문과 FAQ에 적혀 있지 않습니다.

화면을 보는 컴퓨터를 통째로 주는 이유는 발표문에 있습니다. 봇은 깔끔한 API나 MCP(에이전트가 외부 도구를 부르는 표준 연결 방식)가 없는 플랫폼에도 사람처럼 로그인해 일하고, 결과물을 사람이 두었을 실제 도구 안에 남깁니다. 제품을 맡은 로만 우가르테는 출시 페이지에 이렇게 적었습니다.

90% 된 일과 100% 된 일은 크게 다릅니다. 대부분의 AI는 거의 다 해 주는 데서 멈춥니다.— 로만 우가르테, SpaceXAI 제품 담당

FAQ의 보안 설명에 따르면 클라우드 컴퓨터는 전송과 저장 단계에서 암호화되고, 사용자는 데이터를 학습에 쓰지 않도록 끌 수 있으며, 민감한 동작은 실행 전에 자동 검토(Auto Review)를 거치게 할 수 있습니다. 기업 관리자는 컴퓨터가 부팅될 때 데이터 유출 방지(DLP)와 인증서, 프록시, 네트워크 통제를 걸 수 있습니다. 구독에는 주간 사용량이 포함되고, 넘는 사용량은 토큰 비용으로 청구됩니다.

SpaceXAI 안에서는 봇 여러 개를 한꺼번에 돌리는 쓰임이 많았습니다. 비서실장 봇이 나머지를 조율하고, 받은편지함과 경비, 채용, 버그 수정, 운영을 봇 하나씩이 맡는 식입니다. 봇들은 서로 메시지를 주고받고 단체 대화방에서 일을 넘기며, 판단이 필요할 때만 사람을 끌어들입니다.

2009년 AWS가 서버에 붙인 장치

필요할 때 컴퓨터를 붙이고 끝나면 거둬들이는 방식에는 앞선 사례가 있습니다. AWS는 2009년 5월 18일 가상 서버 EC2에 오토 스케일링을 붙였습니다. 모니터링 서비스 CloudWatch가 CPU 부하를 재고, 오토 스케일링이 그 값에 맞춰 서버를 늘리고 줄이며, 로드 밸런서가 들어오는 요청을 나눠 줍니다. AWS 블로그의 제프 바는 발표 글에서 서버가 실제 부하에 맞춰 저절로 늘고 줄기 때문에 놀고 있는 인스턴스를 돌리는 데 돈을 쓰지 않게 된다고 설명했습니다.

회사가 일을 늘리는 방식에는 그동안 이런 장치가 없었습니다. 일이 늘면 사람을 뽑고, 노트북을 지급하고, 소프트웨어 계정을 만들고, 데이터 접근 권한을 하나씩 붙였습니다. 조직이 커지는 속도는 채용과 온보딩이 정했습니다. 에이전트를 들이면 이 순서가 한 번의 배정으로 줄어듭니다. 업무용 신원과 클라우드 컴퓨터, 모델과 도구, 예산을 한 묶음으로 붙이고, 일이 끝나면 컴퓨트 비용은 멈추고 작업 기록과 결과물만 남깁니다.

저는 Grok Bot을 써 보면서 이 흐름을 AWS의 오토 스케일링이 서버에서 회사의 업무로 올라오는 일로 봤습니다. 사람을 계속 늘리는 대신 일이 생길 때 컴퓨터와 모델, 권한을 배정하고 일이 끝나면 거둬들이는 방식이라, 미래의 회사는 사무실보다 데이터센터에 가까울 수 있습니다. Cloudflare도 8월 2일 에이전트 주간을 열며 지금의 클라우드와 그 위의 웹은 모든 단계에서 사람이 지켜본다고 가정하고 만들어졌다고 적었습니다.

비개발자 한 명이 CPU 500코어를 씁니다

에이전트 하나가 쓰는 컴퓨트는 노트북 한 대로 끝나지 않습니다. 브라우저를 열고 파일을 읽고 코드를 돌리는 동안 CPU와 메모리를 쓰고, 다음 행동을 정할 때마다 추론 서버의 GPU를 부릅니다. 6월 11일 공개된 투자 팟캐스트 BG2에서 앤드루 폭스는 자신이 기술자가 아닌데도 가상 서버에서 CPU 500코어와 GPU 5개를 24시간 쓰고 있다고 말했습니다. 에이전트 방식으로 AI를 쓰는 사람이 지구 인구의 0.2%도 안 된다는 추정을 인용하면서, 이 방식이 인구의 의미 있는 비율로 퍼지면 공급 부족이 한동안 이어질 거라고 봤습니다.

같은 계산을 오픈AI의 그레그 브록먼 사장은 지난해 9월에 했습니다. 오픈AI 팟캐스트에서 그는 사람마다 자기 에이전트를 돌릴 전용 GPU를 원하게 되면 100억 개 가까운 GPU가 필요하고, 지금은 그 수에서 몇 자릿수나 모자란다고 말했습니다. 지금 사람들이 말하는 대형 GPU 단지가 100만 개에서 수백만 개 규모라고 짚은 뒤에 나온 계산입니다.

Cloudflare는 이 수요를 CPU 쪽에서 봤습니다. 8월 3일 에이전트용 실행 환경 @cloudflare/computer를 공개하면서, 가장 유능한 에이전트들은 자기 컴퓨터를 받는다는 공통점이 있다고 적었습니다. 그런데 사용자의 에이전트마다 컨테이너(격리된 실행 환경)를 하나씩 주기에는 어느 클라우드에도 컴퓨트가 턱없이 모자라고, 동시에 도는 에이전트가 수억, 수십억 개로 늘면 이 방식은 버티지 못한다고 봤습니다.

업계가 GPU 컴퓨트에 더해 CPU 컴퓨트까지 공황에 가깝게 찾는 이유가 여기에 있습니다.— 맷 캐리·에런 캐럴, Cloudflare (8월 3일 블로그)

Cloudflare의 답은 무거운 컴퓨터를 필요할 때만 부르는 구조입니다. 에이전트의 판단 루프인 하네스는 가볍고 빨리 뜨는 격리 공간 아이솔레이트에서 돌리고, 리눅스와 npm이 필요한 명령만 컨테이너로 보냅니다. Cloudflare는 에이전트가 하는 일 가운데 컨테이너가 필요한 비율을 10% 밑으로 낮추는 것을 목표로 적었습니다.

Grok Bot도 봇 하나에 컴퓨터 한 대를 붙이지 않았습니다. SpaceXAI가 든 이유는 봇끼리 파일과 로그인을 나눠 쓰며 일을 넘기게 하려는 것이었고, 그 결과 필요한 클라우드 컴퓨터 수는 사용자 수만큼입니다.

노트북 밖으로 나간 코덱스

오픈AI에서도 같은 방향의 말이 나왔습니다. 코덱스와 ChatGPT 제품을 이끄는 티보 소티오(Thibault Sottiaux)는 8월 4일(한국 시각) X에 코덱스가 좋은 하네스라는 점은 분명하지만 2~3개월 뒤면 원시적으로 보일 것이고, 다음 세대 모델에는 사용자의 노트북 이상이 필요하다고 썼습니다.

그가 노트북을 문제 삼은 것은 이번이 처음이 아닙니다. 2025년 9월 오픈AI 팟캐스트에서 소티오는 코덱스를 대규모로 원격에서 돌려, 노트북을 닫아도 에이전트가 일을 이어 가고 사람은 휴대전화로 진행을 따라가는 형태가 필요했다고 설명했습니다. 에이전트가 몇 분 동안 도구를 200번쯤 부르면 GPU와 노트북 사이를 그만큼 오가니, GPU를 사용자 가까이 두면 작업 전체의 지연이 크게 준다는 말도 했습니다. 몇 년 뒤의 모습으로는 오픈AI와 기업들의 데이터센터에서 수백만 개의 에이전트가 쓸모 있는 일을 하는 모습을 들었습니다.

YouTube 영상 · 누르면 재생

오픈AI는 6월 11일 클라우드 실행 환경 회사 Ona를 인수하기로 합의했습니다. 오픈AI 뉴스룸은 Ona의 보안 클라우드 실행 기술이 노트북을 닫아도 코덱스가 더 오래 걸리는 일을 맡게 돕고, 더 많은 조직이 에이전트를 안전하게 운영하게 해 줄 거라고 적었습니다. 7월 9일 나온 ChatGPT Work도 웹에서 맡긴 작업을 오픈AI가 관리하는 인프라의 격리된 환경에서 코덱스 하네스로 돌리고, 사용자가 대화를 떠나 있는 동안에도 작업을 이어 갑니다.

아티클·11분 읽기AI"다음 모델엔 노트북 이상이 필요하다" 소티오가 예고한 코덱스8월 4일 티보 소티오는 코덱스가 좋은 하네스인 것은 분명하지만 2~3개월 뒤면 원시적으로 보일 것이라고 적었습니다. 오픈AI는 6월 11일 클라우드 실행 환경 회사 Ona를 인수하기로 합의했고, 코덱스 주간 사용자는 3월 200만 명에서 6월 500만 명 이상으로 늘었습니다.읽기

쉬는 동안에는 요금도 멈춥니다

클라우드 회사들이 파는 에이전트 실행 환경은 오토 스케일링의 문법을 그대로 따릅니다. AWS의 에이전트 실행 서비스 AgentCore Runtime은 사용자 세션마다 전용 마이크로VM(필요한 장치만 남긴 가벼운 가상 머신)을 띄우고 CPU와 메모리, 파일시스템을 따로 떼어 줍니다. 세션이 끝나면 마이크로VM을 통째로 없애고 메모리를 지워, 다른 사용자의 데이터가 섞일 틈을 막습니다. 세션 하나는 최대 8시간까지 이어지고, 기본 설정에서는 15분 동안 요청이 없으면 멈춥니다.

Cloudflare 샌드박스는 이름을 대고 부르면 돌고 있던 것을 돌려주거나 새로 띄우고, 쉬면 저절로 잠들었다가 요청이 오면 깹니다. 4월 13일 정식 출시와 함께 예고한 스냅샷은 디스크 상태와 운영체제 설정, 설치한 의존성, 고친 파일을 떠 두었다가 되살리는 기능입니다. 샌드박스를 띄우고 axios 저장소를 복제해 npm install까지 마치는 데 30초가 걸렸는데, 백업에서 되살리면 2초였습니다. 요금도 실제로 쓴 CPU 시간만 받아서, 에이전트가 모델의 답을 기다리는 동안의 CPU는 청구하지 않습니다.

이런 설계가 왜 필요한지는 백그라운드 작업 플랫폼 Trigger.dev의 에릭 앨럼 CEO가 5월 AI 엔지니어 행사에서 설명했습니다. 1993년 CGI 이후 30년 동안 웹 서버는 요청이 오면 데이터베이스에서 상태를 읽어 답하고 잊어버리는 구조였습니다. 앨럼은 에이전트를 두 부분으로 나눴습니다. 모델과 주고받은 메시지를 이어 붙인 맥락 기록은 데이터베이스에 두면 되지만, 복제한 저장소와 설치한 패키지, 메모리에 올린 데이터, 돌아가는 개발 서버는 기록으로 되살릴 수 없어서 기계 자체를 스냅샷으로 떠야 한다는 설명입니다.

사용자가 점심을 먹으러 간 사이 기계를 계속 켜 둘 수는 없으니, 스냅샷을 떠서 끄고 다음 메시지가 오면 되살립니다. Trigger.dev는 512MB짜리 기계의 스냅샷을 압축해 14MB까지 줄였고, 스냅샷은 1초 안쪽, 복원은 수백 밀리초에 끝난다고 밝혔습니다. 앨럼은 이 기술의 뿌리가 오래됐다며 1966년 IBM 메인프레임의 체크포인트 기능을 예로 들었습니다. 몇 시간씩 도는 비싼 작업을 처음부터 다시 돌릴 수 없어서 중간 상태를 저장해 두던 기능입니다.

YouTube 영상 · 누르면 재생

작업이 몰리면 실행 세션과 추론 용량을 늘리고, 기다리는 동안에는 상태만 남긴 채 자원을 줄이는 구조입니다. 저는 클라우드 회사들이 앞으로 서버 임대보다 에이전트 실행 환경을 두고 더 치열하게 겨룰 거라고 봅니다.

컴퓨터가 일한 기록은 어디에 남나

기록 쪽에서는 오픈AI가 한발 더 나갔습니다. 8월 13일(미국 시각) ChatGPT 데스크톱 앱에 들어온 Computer History는 사용자가 허용한 앱과 웹사이트에서 일어난 클릭과 입력, 단축키, 앱 전환을 이벤트로 모으고, macOS 손쉬운 사용 기능이 내주는 맥락을 더해 주기적으로 글 요약과 메모리 파일로 만듭니다. ChatGPT와 코덱스는 이 타임라인을 보고 쉬기 전에 하던 일을 알려 주거나 아까 찾던 제안서의 위치를 짚고, 되풀이되는 작업은 스킬이나 자동화로 만들자고 제안합니다.

오픈AI 공식 계정은 ChatGPT가 이제 컴퓨터의 앱과 웹사이트에서 한 활동을 기억한다고 알리며, 앞으로의 대화가 더 개인에 맞춰지고 설명이 덜 필요해진다고 적었습니다. 이어진 글에서는 Chronicle보다 토큰을 덜 쓰고 개인정보 통제를 늘렸으며, 기록 전체나 일부를 지우고 앱과 웹사이트를 넣고 뺄 수 있다고 설명했습니다.

처음에는 Pro와 Business, Enterprise 사용자의 macOS 앱에서 기본으로 꺼진 채 나왔고, 유럽경제지역과 영국, 스위스는 몇 주 뒤에 열겠다고 했습니다. 한국은 첫날 대상 지역에 들었습니다. 화면을 캡처하던 이전 연구 미리보기 Chronicle과 달리 화면과 소리는 담지 않고 사생활 보호 모드의 웹 기록도 빼며, 요약은 사용자의 맥에 메모리 파일로 남아 Finder에서 열거나 지울 수 있습니다.

저는 이 기능을 처음 보고 자동화될 사무 업무가 훤히 보인다고 스레드에 적었습니다. 사람들이 컴퓨터로 어떤 일을 어떤 순서로 하고 어디서 막히는지가 쌓이면, 모델 성능과는 다른 종류의 경쟁력이 생깁니다. 이 맥락이 쌓일수록 에이전트는 사용자가 업무 배경을 매번 처음부터 설명하지 않아도 일을 이어받습니다.

봇의 지갑에는 한도가 붙습니다

에이전트가 돈을 쓰기 시작하면 예산도 신원 옆에 붙습니다. Stripe는 4월 29일 연례 행사 Sessions에서 사용자 2억 5,000만 명의 결제 지갑 Link를 에이전트에게 열었습니다. 에이전트는 실제 카드 정보를 보지 못하고, 작업마다 한 번 쓰는 카드가 발급되며, 사람이 결제를 하나하나 승인합니다. 같은 날 내놓은 스트리밍 결제는 과금 엔진 Metronome의 사용량 추적과 블록체인 Tempo의 스테이블코인 소액결제를 묶어, 토큰이 쓰이는 순간마다 값을 받게 합니다.

한도를 어떻게 거는지는 Stripe의 스티브 칼리스키 수석 엔지니어가 6월 AI 엔지니어 행사에서 시연했습니다. 그는 에이전트가 돈을 쓸 때 생기는 사고를 넷으로 나눴습니다. 엉뚱한 곳에서, 엉뚱한 물건을, 엉뚱한 금액으로, 엉뚱한 결제 수단으로 사는 경우입니다. Stripe의 공유 결제 토큰은 결제 수단 하나에 통화와 금액, 기간, 판매처를 묶습니다. 시연에서 한도가 훨씬 높은 비자 카드를 특정 판매처에 30일 동안 25달러까지만 쓰게 묶었더니, 판매처가 50달러를 청구하자 Stripe가 결제를 막았습니다.

YouTube 영상 · 누르면 재생

칼리스키는 무엇을 살지 찾고 고르는 일은 모델의 비결정성이 도움이 되지만, 자격 증명과 결제, 결제 완료 단계는 결정성이 필요하다고 정리했습니다. 회사 안의 토큰 지출에도 같은 장치가 붙고 있습니다. 데이터브릭스는 8월 7일 블로그에서 AI 도구를 크게 쓰는 회사들이 거의 모두 기하급수로 불어나는 비용에 부딪혔고, 그대로 두면 비용이 매출을 넘어선다고 적었습니다.

데이터브릭스가 소개한 장치는 지출 관문입니다. 지출 속도가 일정 수준을 넘으면 개발자가 스스로 확인하고 넘기는 경고가 뜨고, 더 올라가면 관리 라인의 예산 승인을 받게 하며, 관문에 걸린 개발자는 토큰을 끊는 대신 싼 모델로 내려보냅니다. 8월 16일(미국 시각)에는 결제 회사가 모델 고르는 일까지 쥐려 한다는 소식도 나왔습니다. 블룸버그는 Stripe가 AI 모델 중개 플랫폼 OpenRouter를 70억 달러 넘게 주고 사는 거래에 다가섰다고 보도했습니다.

소식·11분 읽기AI80일 새 몸값 5배, Stripe가 모델 중개 회사 OpenRouter를 삽니다5월 28일 시리즈 B에서 13억 달러 가치를 인정받은 OpenRouter를 Stripe가 70억 달러 넘게 주고 사기로 했다는 블룸버그 보도가 나왔습니다. 인수가 성사되면 에이전트가 모델을 고르고 토큰을 쓰고 값을 치르는 과정이 한 회사 안에 묶입니다.읽기

모델을 나눠 쓰니 비용이 3~5배 줄었습니다

법률 AI 회사 Harvey는 6월 1일 엔지니어링 블로그에 자체 클라우드 에이전트 인프라를 만든 이유를 적었습니다. Harvey가 한 달에 처리한 토큰은 올해 1월 1조 개에서 5월 12조 개로 늘었습니다. 에이전트 한 번이 방대한 문서를 두고 모델과 도구를 수백 번 부를 수 있어서, 모든 일을 가장 좋은 프런티어 모델에 보내는 방식은 버틸 수 없다고 봤습니다. 대부분의 과제에는 이제 가장 큰 모델이 필요 없다는 판단입니다.

그래서 Harvey는 과제마다 품질 기준을 넘는 가장 효율적인 모델로 보냅니다. 직접 띄운 오픈소스 모델도 후보에 넣고, 파일을 싣는 방법과 병렬 처리, 컴퓨트 크기까지 법률 업무에 맞춰 조정합니다. Harvey가 잰 결과는 프런티어 모델만 쓸 때보다 비용이 3~5배 적었습니다. 모델과 업무에 따라 폭이 다르고, 외부 검증은 없는 회사 자체 측정입니다.

채점은 GPT-5.4가 맡았고, 오픈소스 GLM-5.1은 86.2%로 맨 위 Claude Sonnet 4.6의 86.9%와 0.7%포인트 차이였습니다. Harvey가 실행 환경을 직접 쥐는 이유는 비용 말고도 있습니다. 로펌 계약마다 무보존(ZDR, 입력 데이터를 공급사 서버에 남기지 않는 조건)을 요구하는데 프런티어 연구소의 관리형 실행 환경은 아직 이를 지원하지 않습니다. Harvey는 로펌들에 여러 클라우드에 걸친 복원력과, 사건 자료를 특정 관할 안에 두는 데이터 보관이 필요하다고 봤습니다.

다른 회사의 숫자도 같은 방향입니다. 데이터브릭스는 자사 라우터가 과제당 평균 비용을 30% 넘게 줄이면서 가장 비싼 모델과 비슷한 품질을 냈다고 밝혔고, 사내 코딩 과제로 잰 세부 결과는 코어위브 실적과 함께 a16z 차트를 정리한 글에 있습니다.

좌석 대신 해결 건수로 받는 값

사용량이 사람 수와 따로 움직이면 소프트웨어의 값을 매기는 단위도 흔들립니다. Sierra를 이끄는 브렛 테일러는 2025년 7월 레니의 팟캐스트에서 콜센터 전화 한 통의 비용을 10~20달러로 들며, 대부분이 전화를 받는 사람의 시급이라고 설명했습니다. AI 에이전트가 사람 없이 고객의 문제를 풀면 미리 정한 요금을 받는 방식을 Sierra는 해결 기반 과금이라고 부릅니다.

테일러는 토큰도 가치를 재는 좋은 단위는 못 된다며, 하루에 쓴 코드 줄 수를 보고하라는 관리자에게 음수를 적어 낸 애플 엔지니어의 일화를 꺼냈습니다. 좌석은 사람이 몇 명인지 세는 단위라서, 한 사람이 에이전트 여러 개에게 일을 맡기는 회사는 좌석 수보다 끝낸 업무와 쓴 컴퓨트, 처리한 토큰, 성공률을 함께 보게 됩니다.

승인하는 사람의 주의력

Grok Bot은 승인이 필요할 때만 사람을 부릅니다. 출시 페이지에 실린 SpaceXAI 직원들의 말을 보면 이 약속이 어떻게 쓰이는지 드러납니다. 운영 담당 에마는 처음에는 15분마다 봇을 확인했다가 봇에게 왜 그렇게 질문이 많으냐는 말을 들었다고 적었습니다. 영업 담당 베넷은 워크플로를 한 번 보여 준 뒤로는 검증과 검토 없이 맡기니 2~3배 효율이 오른 것 같다고 했습니다.

한데 앤트로픽이 5월 25일 공개한 원격 측정 결과를 보면 사람의 승인은 횟수가 늘수록 느슨해집니다. Claude Code 사용자들은 권한 요청의 약 93%를 승인했고, 승인 요청을 많이 볼수록 하나하나에 주의를 덜 기울였습니다. 앤트로픽은 안전한 승인을 자동으로 처리하는 모드를 만들고, 샌드박스를 씌워 권한 요청을 84% 줄였습니다.

Cloudflare가 8월 5일 오픈소스로 공개한 Cloudflare OS는 에이전트가 닿을 수 있는 범위를 처음부터 좁혀 둔 채 회사 전체에 에이전트를 나눠 준 사례입니다. 직원마다 회사의 맥락과 시스템에 맞춘 에이전트 작업공간을 주는 제품으로, Cloudflare 안에서는 5월부터 엔지니어가 아닌 직원을 포함해 수천 명이 날마다 써 왔습니다. 모든 에이전트는 아무 권한 없이 시작하고, 서비스별 관문(Gatekeeper)이 깃허브 계정 전체 대신 저장소 하나만 열어 주거나, 이슈는 읽되 소스 코드는 못 보게 하거나, 풀리퀘스트 병합 전에 승인을 받게 합니다.

Cloudflare OS는 에이전트가 무엇을 봤는지도 기록합니다. 민감한 표를 읽은 에이전트가 만든 대시보드는 그 표를 볼 권한이 없는 사람에게 열리지 않습니다. 모든 추론 호출은 AI Gateway를 거치면서 어느 사람과 팀, 작업공간이 부른 것인지 기록되고, 관리자는 예산과 호출 한도, 한도에 닿았을 때의 처리를 정합니다. 발표문에는 매일 아침 안 읽은 메일을 요약하는 데 가장 비싼 프런티어 모델을 돌리고 싶지는 않을 거라는 문장도 있습니다.

봇의 컴퓨터와 휴대전화 위성을 한 회사가 쥡니다

Grok Bot을 만든 SpaceXAI는 SpaceX 안에 있습니다. SpaceX는 2월 2일 xAI를 인수하면서 AI와 로켓, 우주 인터넷, 휴대전화 직접 통신, 실시간 정보 플랫폼을 한 회사로 묶었다고 밝혔습니다. 봇이 일하는 클라우드 컴퓨터와 휴대전화를 위성에 바로 붙이는 통신망을 같은 회사가 갖고 있습니다.

SpaceX가 2025년 9월 밝힌 Starlink Direct to Cell 위성은 600기가 넘고, 지상 360km로 다른 위성군보다 낮게 날며, 하늘이 보이는 곳이면 기기나 앱을 바꾸지 않은 일반 LTE 휴대전화에 붙습니다. 이용자는 600만 명을 넘었고 일본 KDDI를 포함한 여러 나라 통신사와 제휴했지만, 이때 공개한 제휴사 명단에 한국 통신사는 없었습니다. SpaceX는 세계 육지의 절반 넘게 지상 통신망이 닿지 않는다고 적었습니다.

저는 스레드에서 계정과 작업이 클라우드로 이어지면 다음 제약은 네트워크라고 적었습니다. 연결 상태에 따라 실행 위치를 바꾸고, 끊긴 동안의 입력은 기기에 저장했다가, 통신이 돌아오면 작업 기록과 승인 결과를 맞추는 구조가 필요합니다. 사무실 밖의 사람과 차량, 로봇이 같은 업무 흐름에 들어오면 에이전트가 일할 수 있는 범위는 연결이 닿는 곳까지입니다.

국내 기업이 지금 고를 수 있는 것

AWS 문서를 보면 8월 초 기준 AgentCore Runtime은 서울 리전에서도 쓸 수 있습니다. Grok Bot은 데스크톱과 iOS로 나왔고 기업용은 대기자 명단을 받는 단계이며, Computer History는 첫날부터 한국에서 켤 수 있었지만 Pro·Business·Enterprise 요금제의 맥 앱에서만 쓸 수 있습니다.

금융권에는 조건이 하나 더 있습니다. 국내 금융회사는 업무용 시스템을 인터넷 같은 외부 통신망과 분리하는 망분리 규제(전자금융감독규정 제15조)를 받습니다. 금융위원회는 5월 22일 간담회에서 보안 목적의 AI 활용에 한해 총자산 10조 원 이상, 상시 종업원 1,000명 이상인 49개 금융회사가 신청하면 심사를 거쳐 1년 동안 망분리 규제를 풀어 주겠다고 밝혔습니다. 같은 자료에 따르면 업무망에서 SaaS를 쓰는 일은 4월에 정규 제도가 됐고, 생성형 AI는 아직 규제 샌드박스로 쓰면서 연내 제도화를 추진하고 있습니다.

Grok Bot의 FAQ는 팀과 기업에 몇 주 안에 열겠다고 적었고, Ona는 거래가 마무리되면 오픈AI 코덱스 팀에 합류하며, 금융위원회의 망분리 완화 2회차 심사는 8~9월로 잡혀 있습니다. 봇에게 컴퓨터를 붙이는 회사가 늘수록, 그 컴퓨터가 쓴 CPU 시간과 토큰이 인건비 옆에 어떤 항목으로 적히는지가 다음에 나올 숫자입니다.

읽어 주셔서 고맙습니다.

초이 드림