오늘날 에이전트 경제는 더 이상 공상 과학 소설이 아닙니다. 효율성의 비약적인 향상뿐만 아니라 경제 조직의 재편과 재분배를 가져오고 있습니다. 특히 오픈 소스 프로젝트인 OpenClaw의 세계적인 인기는 대규모 모델을 연구실에서 대규모 응용 분야로 빠르게 확산시켰고, 그 결과 다양한 주체들이 에이전트 시장 진출을 위해 치열한 경쟁을 벌이고 있습니다.
그렇다면 대규모 모델에는 어떤 플랫폼을 선택해야 할까요? 토큰 리소스는 장기적인 사용을 지원하기에 충분할까요? 오픈클로(OpenClaw) 트렌드를 따르지 않으면 뒤처지게 될까요? 빠르게 진화하는 AI 혁명 속에서 개인은 어떻게 자리매김하고 혁신을 이뤄내야 할까요?
이러한 질문들을 염두에 두고, 4월 3일 쉬자후이 과학기술혁신센터, 상하이 분산 합의 기술 협회, PANews, 그리고 만큐 법률사무소는 "새우 때문에 불안해하지 마세요"라는 주제로 공동 행사를 개최했습니다.
컨플럭스 트리 그래프의 수석 아키텍트인 리 첸싱은 "예측 불가능한 AI 물결을 수용하다"라는 기조연설에서, AI에 인간의 제한된 경험으로 과도한 제약을 가하기보다는 더 많은 자율성을 부여하는 것이 기술 발전 단계에서 필연적인 추세라고 강조했습니다. 현재 AI가 보이는 "고려 부족"은 본질적으로 복잡한 시나리오에서 핵심적인 맥락적 제약 조건을 일관되게 포착하고 지속적으로 기억하는 데 어려움을 겪는 데서 비롯됩니다. 기술적인 관점에서 AI는 주로 파라미터 메모리, 컨텍스트 메모리, 외부 메모리에 의존하지만, 이러한 메커니즘은 여전히 업데이트의 어려움, 제한된 시간, 불충분한 호출 효율성 등의 문제점을 안고 있습니다. 따라서 향후 연구는 외부 메모리 검색 기능 강화, 지속적인 학습 및 경험 재사용 메커니즘 탐구, 그리고 수직적 도메인 실습을 통한 경험적 메모리 축적에 집중하여, 복잡한 실제 시나리오에서 AI 의사결정의 완전성과 신뢰성을 향상시켜야 합니다.
그는 또한 현재 인공지능의 핵심 발전은 주로 자율적인 분석 및 숙고 능력 향상에 있다고 지적했습니다. 앞으로 메모리 용량이 향상됨에 따라 주요 병목 현상을 극복하고 다양한 산업에 지대한 영향을 미칠 것으로 예상됩니다. 예를 들어, 디지털 신원 및 디지털 결제 시스템의 잠재력은 오랫동안 개발 및 사용자 장벽으로 인해 제약을 받아 왔지만, 인공지능은 개발 비용을 절감하고 사용자 학습 과정을 에이전트 기반 접근 방식으로 대체함으로써 그 가치를 실현할 수 있을 것으로 기대됩니다. 전반적으로 인공지능은 고용에 대한 위협이 아니라 생산성 향상을 이끌고 새로운 기회를 창출하는 핵심 도구로 인식되어야 합니다. 개인과 기업은 열린 마음으로 인공지능 통합 방안을 적극적으로 모색해야 합니다.
텐센트 클라우드 워크버디의 제품 아키텍트인 펑허칭에 따르면, 대규모 모델 기능이 크게 향상됨에 따라 AI는 코드 자동 완성 같은 기본적인 개발 지원에서 벗어나 복잡한 작업을 독립적으로 수행할 수 있는 수준으로 발전했습니다. 맞춤형 에이전트의 핵심 기능은 전체 프로세스 작업 지원, 다중 역할 협업, 계층적 메모리 시스템, 상황 기반 지능형 작업 분해에 반영되어 있습니다. 동시에, 다중 에이전트 협업을 통해 작업 간 데이터 흐름과 병렬 처리가 가능하며, 중요 작업에 대한 로컬 데이터 저장 및 수동 확인 메커니즘을 통해 데이터 보안을 보장합니다. 응용 분야 측면에서 워크버디는 이력서 검토, 자동 PPT 생성, 데이터 분석, 주간 보고서 통합 등 일반적인 사무 시나리오를 지원합니다. 또한 기업 수준의 통합 기능을 통해 위챗 워크와 같은 시스템과 연동하여 통합 작업 관리를 수행할 수 있습니다. 기술 아키텍처는 풀 스택 자체 개발, 실행 환경 격리, 기업 수준의 권한 제어를 강조하며 로컬 및 클라우드 배포를 모두 지원합니다. 비즈니스 모델 측면에서 워크버디는 기업 연구 개발 부서와 업무 빈도가 높은 디지털 사무직 사용자를 대상으로 합니다. WorkBuddy는 맞춤형 에이전트와 멀티태스킹 협업 기능을 통해 기업 생산성을 향상시키는 것을 목표로 하며, 작업 분해 기능을 지속적으로 최적화하고 생태계를 확장함으로써 복잡한 기업 환경에서의 적응성과 구현 능력을 더욱 강화합니다.
Biteye와 XHunt의 창립자인 테디는 주로 디지털 직원 활용 방식, 대규모 모델 적용 및 비용 문제, 기술 구성 및 보안 위험, 협업 방식 최적화에 대한 통찰을 공유했습니다. 디지털 직원 활용 방식과 관련하여, 모델의 허점을 줄이고 코드 오류율을 낮추기 위해서는 하위 에이전트가 생성한 코드를 2차 검토하는 상위 검토 에이전트가 필요하며, 이를 위해 의무적인 코드 검토 프로세스를 구축해야 합니다. 현재 에이전트 기반 코드에는 여전히 버그가 존재하므로, 개발 프로세스 표준화, 프롬프트 설계 강화, 다중 검증 메커니즘 추가를 통해 오류를 줄일 수 있습니다. 운영 시나리오에서는 백엔드 API를 통한 통합 스케줄링을 통해 게시 빈도를 제어하고 안정성을 확보하는 것이 중요합니다. 복잡한 팀 협업 환경에서는 에이전트 협업 및 작업 분배에 Telegram보다 Discord가 일반적으로 더 적합하며, 리소스 관리 시 토큰 사용량에 특별한 주의를 기울여야 합니다. 또한, 에이전트 시스템은 교육, 최적화 및 행동 교정을 위해 여전히 인적 자원의 투입이 필요합니다.
OpenClaw의 설치 및 배포와 관련하여 Teddy는 높은 자율성, 오픈 소스 코드, 강력한 개인정보 보호, 그리고 국제적인 생태계와의 통합을 제공하는 유휴 컴퓨터나 Mac Mini에서 실행하는 것을 권장합니다. 그러나 설치 및 구성이 비교적 복잡하므로, 모델 및 채널 구성을 변경할 때 부적절한 구성으로 인한 시스템 오류를 방지하기 위해 각별히 주의해야 합니다. 문제가 발생할 경우 Grok이나 Gemini와 같은 도구를 활용하여 문제 해결을 지원할 수 있습니다. 보안 측면에서는 프롬프트 단어 공격이나 악의적인 스킬 주입과 같은 위험에 대한 대비가 매우 중요합니다. 또한, 자원 및 비용 측면에서는 과도한 운영 비용을 방지하기 위해 토큰 소비를 관리하는 것이 필수적입니다.
맨큐 LLP의 파트너인 자오 쉬안은 기조연설에서 AI 시대에 기업가들이 주목해야 할 세 가지 주요 법률 문제와 해결책을 제시했습니다. 첫째, 1인 기업(OPC)이 만들어내는 '허위 고립'이라는 조직적 껍데기입니다. 1인 기업은 독립적인 주체처럼 보이지만, 책임과 위험을 진정으로 분리하는 데는 효과적이지 않습니다. 파트너를 조직 구조에 도입하고, 전용 법인 신용카드를 사용하며, 계약서에 AI 관련 면책 조항과 보상 상한선을 명시하는 등 실질적인 물리적, 법적 분리가 필요합니다. 둘째, 핵심 자산 소유권 문제입니다. 노력만으로 권리가 생기는 것은 아니며, 자신의 통제권을 입증하고 창작 과정을 완벽하게 기록하고 문서화해야 합니다. 셋째, 플랫폼 독점으로 인한 '공급 중단' 위험, 즉 '신과 같은' 조항과 기술 종속성 문제입니다. 이를 해결하기 위해서는 핵심 데이터를 제3자 서비스로부터 분리하고, 대안을 사전에 마련하며, 분산형 기술을 도입해야 합니다.
"열광에서 냉철한 현실로: 벤처캐피탈리스트의 시각에서 본 AI의 진정한 필요성과 잘못된 주장"이라는 제목의 원탁 토론에서 여러 투자자들이 AI의 개발 단계, 적용 범위, 투자 논리에 대한 견해를 공유했습니다.
워터드롭 캐피털의 창립 파트너인 캔서는 AI가 아직 개발 초기 단계에 있으며, 사용자 경험이 성숙하고 널리 "의미 있는" 것으로 여겨지는 단계에 도달하기까지는 상당한 시간이 걸릴 것이라고 믿습니다. 그는 AI 기술이 매우 빠르게 발전하기 때문에 단순히 기술적 리더십에만 의존하는 것으로는 장기적인 경쟁 우위를 확보하기에 충분하지 않다고 지적합니다. 따라서 투자는 컴퓨팅 파워와 같은 핵심 자원처럼 대체 불가능한 가치를 지닌 기본 역량에 집중해야 합니다. 응용 분야 측면에서 그는 일반 프로그래머에게는 사용하기 어렵지만, 실시간 건강 데이터를 통해 전문적인 조언을 제공하는 "가정의"와 같은 수직적 응용 프로그램으로 개발하는 데 더 적합할 수 있는 "랍스터"와 같은 도구를 예로 들었습니다. 또한 그는 AI가 기업에서 연구 보고서와 같은 정보 생산 도구를 대체할 수 있지만 최종 의사 결정 역할을 대체할 수는 없으며, 보조적인 의사 결정 도구로서만 존재할 수 있다고 생각합니다.
인라이트 캐피털의 창립 파트너인 탕 이(Tang Yi)는 현재 AI 투자 분야에서 뚜렷한 비주류 투자 기회를 찾기가 어렵다고 밝혔습니다. 대규모 모델의 빠른 발전으로 인해 애플리케이션 레이어 기업들의 강점이 점차 약화될 수 있기 때문입니다. 그는 웹3와 AI의 결합에 대해서는 비교적 낙관적인 전망을 내놓으며, 두 기술이 각 분야에서 생산성을 크게 향상시킬 것이라고 믿는다고 말했습니다. 오픈클로(OpenClaw)와 같은 오픈 소스 도구에 대해서는, 이러한 도구들이 대규모 모델에 마치 손과 발처럼 기능하여 외부 시스템 및 소셜 애플리케이션과의 연결성을 강화하지만, 동시에 보안 및 데이터 위험성을 높인다고 지적했습니다. 따라서 복잡한 설정이 필요하고 일반 사용자에게는 적합하지 않다는 것입니다. 현재로서는 캡슐화를 통해 전반적인 사용성과 사용자 경험을 개선하는 것이 더 이상적인 접근 방식이라고 강조했습니다.
퍼스트 룰 벤처스의 투자자인 잉하오는 심해 산업 응용 분야, AI 개발, 소프트웨어와 하드웨어 통합 분야에서 사용자 및 제품 관점에서의 활용 가능성에 집중하며, 사용자 행동 및 상호 작용 데이터를 통해 프로젝트의 잠재력을 평가합니다. 그는 모든 신흥 AI 제품을 직접 사용해 보지 않더라도 핵심 트렌드를 놓치지 않는다고 강조합니다. 기술 기능은 종종 빠르게 모듈화되어 기존 제품 시스템에 통합되기 때문입니다.
그는 단일 제품보다는 세 가지 장기적인 구조적 변화에 더 큰 관심을 두고 있습니다. 첫째, AI 상호작용이 새로운 메모리 저장 매체를 형성하여 사용자의 인지와 작업이 특정 시스템에 저장될 수 있는지 여부, 둘째, 이러한 메모리가 제품 간에 이동할 수 있는지, 아니면 점차 단일 제품에 묶여 높은 이동 비용과 경험 고착화를 초래할지 여부, 셋째, AI 상호작용 및 트래픽 분산의 핵심 허브가 될 새로운 슈퍼 포털이 등장할지 여부입니다.
맨큐 LLP의 파트너인 자오 쉬안은 주로 데이터 처리, 검색 및 분석에 AI 제품을 사용하며, 이러한 기능을 결합한 더욱 통합된 제품들이 등장할 것으로 예상합니다. 그는 또한 AI 스타트업에서 단 한 번의 큰 실패를 피하는 것이 매우 중요하다고 강조하며, 데이터 규정 준수, 중재 조항, 면책 조항과 같은 핵심적인 법률 설계 요소를 처음부터 우선시해야 한다고 조언합니다. 이는 통제 불가능한 위험 발생 시 위험을 분리하고 책임을 보호하여 단일 실패 지점으로 인해 회사가 무너지는 것을 방지하기 위한 것입니다. 나아가 그는 미래에는 에이전트가 데이터 획득, 정보 구매, 전략 실행, 심지어 시스템 간 거래까지 담당하는 주요 경제 주체가 되어 기계 대 기계 경제 활동 및 결제 시스템을 형성할 것으로 전망합니다.
"AI 활용의 다양한 방법: 혁신가를 위한 기회"라는 주제로 진행된 원탁 토론에서 여러 참석자들은 다양한 관점에서 AI가 가져올 변화에 대해 논의했습니다. Matrix Intelligence의 CEO인 제노는 스크립트나 플러그인을 수정하여 여러 장치를 연결하고, 장치 간 메모리 동기화 및 상태 일관성을 확보함으로써 정보 손실 없이 원활한 작업 흐름을 유지할 수 있다고 제안했습니다. 또한 시스템 안정성 유지를 위해 일일 정리/검토 메커니즘을 추가할 수 있다고 언급했습니다. 기성 도구를 사용하는 것보다 기업 수준의 권한이나 플랫폼 기능을 기반으로 심층적으로 맞춤 설정하는 것이 더 효율적이고 유연하며, 개인의 습관에 맞춘 워크플로우를 더 쉽게 구축할 수 있다고 설명했습니다. 그는 미래에는 AI가 통합된 진입점이 되어 사용자들이 단일 AI 허브를 통해 다양한 도구와 시스템에 접근하여 모든 작업을 완료할 수 있게 될 것이라고 전망했습니다. 사용량이 증가함에 따라 AI는 사용자의 기억, 선호도, 워크플로우를 지속적으로 축적하여 데이터와 기능이 선순환적으로 증가하며, 점점 더 사용자 친화적이고 효율적으로 발전할 것이라고 예측했습니다. 이러한 추세에 따라 개인은 AI 시스템을 구성하고 구독료를 지불함으로써 전통적인 인간 노동을 훨씬 뛰어넘는 생산성 향상을 달성할 수 있으며, 이는 개인 간 효율성 격차를 크게 확대할 수 있습니다.
ClawFirm.dev의 공동 창립자 0xOlivia는 실제 AI 애플리케이션에서 시스템 불안정성, 메모리 파편화, 자동화 기능 부족과 같은 문제가 여전히 존재한다고 밝혔습니다. 사용자들은 마치 레고 블록을 조립하듯 다양한 도구와 스크립트를 지속적으로 조합해야 합니다. 고급 사용자가 아닌 경우, 공식 애플리케이션과 지속적인 반복 기능을 갖춘 성숙한 상용 플랫폼을 직접 도입하는 것이 파편화된 자체 구축 시스템보다 안정적이고 효율적인 경우가 많습니다. 또한 오픈 소스 구성 요소를 도입하면 데이터 처리 및 콘텐츠 생성 기능을 더욱 향상시킬 수 있습니다. 그녀는 현재 AI의 주요 한계는 모델 자체의 기능에 있는 것이 아니라, 엔지니어링 적용 방법이 아직 그 기능을 완전히 따라가지 못하는 데 있으며, 따라서 최적화 및 구현의 여지가 매우 크다고 강조했습니다. 앞으로 대규모 모델의 기능이 빠르게 향상됨에 따라 AI 애플리케이션은 점차 업무와 삶의 모든 영역을 포괄하고 다양한 제품 형태와 통합될 것입니다.
AI 디지털 직원에 대해 논의하면서 Biteye/XHunt의 설립자 테디는 AI가 API 또는 자동화 인터페이스를 통해 내부 시스템에 통합되어 코드 생성, 요구 사항 충족, 콘텐츠 처리와 같은 특정 실행 작업을 수행할 수 있다고 지적했습니다. 반면, 인간은 제품 설계 및 요구 사항 정의에 집중하여 핵심 의사 결정 권한을 유지할 수 있습니다. 이러한 협업 모델은 더욱 안정적이고 확장 가능하며, 전반적인 개발 효율성을 향상시킬 뿐만 아니라 오류율을 크게 줄여 AI를 단일 도구가 아닌 일정 관리가 가능한 아웃소싱 팀처럼 활용할 수 있게 합니다. 그는 또한 프로세스 중심적이고 반복적인 작업은 모두 AI로 변환되거나 대체될 가능성이 있다고 강조했습니다. 초기에는 효과가 불안정할 수 있지만, 장기적인 최적화와 생산성 향상이 점진적으로 가능하다고 설명했습니다. 복잡한 작업과 경영 의사 결정에서도 AI는 상당한 보조 기능을 보여주기 시작했으며, 더 높은 수준의 비즈니스 시나리오에까지 진출하고 있습니다.
AI 애플리케이션 개발 수석 엔지니어인 Dou Ge는 AI 아웃소싱, 자동화, 툴 기반 협업 추세에 대한 일반적인 공감대가 형성되어 있지만, 비즈니스 관점에서는 보안, 접근 제어, 직원 협업 메커니즘, 자산 축적을 고려하는 것이 더욱 중요하다고 강조했습니다. 현재 시장에는 경량 설계, 로우코드 구현, 높은 통합성, 보안 제어 등 각기 다른 특징을 가진 다양한 AI 개발 프레임워크와 툴 생태계가 존재합니다. 기업은 이러한 프레임워크를 선택할 때 유연성과 제어 가능성 사이의 균형을 맞추고 실제 비즈니스 시나리오에 맞춰 아키텍처를 설계해야 합니다. AI 시스템을 진정으로 이해하고 구현하는 것은 단순히 이론적인 차원에 머무르지 않고, 실제 투자와 사용 비용을 수반해야 합니다. 그는 AI가 업무 흐름과 조직 구조를 빠르게 변화시키고 있다고 강조하며, 개인과 기업 모두 이러한 변화에 신속하게 적응하고 지속적인 학습과 툴 기반 애플리케이션을 통해 효율성을 향상시켜야 한다고 역설했습니다. 그렇지 않으면 기술 혁신의 빠른 속도에 뒤처질 위험이 있습니다.
