이번 주는 시장의 무게중심이 오픈AI 단독 우위에서 앤트로픽의 약진으로 이동하는 신호와, 국내외 기업이 생성형 AI를 실제 업무에 심는 'AX 실전화' 흐름이 뚜렷했습니다. 연구 진영에서는 단일 작업을 넘어선 다중 턴·다중 에이전트 협업을 어떻게 평가하고 안전하게 운영할지에 초점이 모였는데, 이는 곧 에이전트가 '실험'에서 '운영'으로 넘어가는 단계의 공통 과제를 반영합니다.
🏢 업계 동향
국내 보도에 따르면 오픈AI의 챗GPT 점유율이 하락하는 가운데 앤트로픽 클로드가 기세를 올리고 있습니다 [A9]. 여기에 '앤트로픽이 AI 윤리 담론을 활용해 오픈AI를 가렸다'는 비판적 논평까지 더해지면서, 클로드의 부상이 단순 성능 경쟁이 아니라 안전·윤리 서사를 앞세운 포지셔닝 전략과 맞물려 있음을 시사합니다 [A6]. 이는 프론티어 모델 경쟁이 벤치마크 수치뿐 아니라 브랜드 신뢰와 담론 주도권으로 확장되고 있다는 점에서 중요하며, 기업 도입 의사결정의 기준이 다변화되고 있음을 보여줍니다. 12
후지쯔는 오픈AI와 앤트로픽 양쪽과 협력하며 AI 전략을 확대한다고 밝혔습니다 [A8]. 특정 벤더에 종속되지 않고 복수의 프론티어 모델을 병행 채택하는 '멀티 벤더' 접근은, 앞선 점유율 변동 국면에서 대기업들이 리스크를 분산하려는 합리적 선택으로 읽힙니다 [A9]. 13
🔬 주목한 논문
TimeSage-MT는 LLM 에이전트가 여러 턴에 걸친 대화에서 시계열 분석을 신뢰성 있게 수행하는지 평가하는 다중 턴 벤치마크입니다 [A1]. 기존 벤치마크가 예측·이상탐지 같은 단일 단계 작업에 머문 것과 달리, 사용자 목표가 진화하고 이전 분석 위에 결론을 누적해가는 실제 워크플로를 반영한다는 점이 핵심 기여입니다. 이는 에이전트 평가가 '한 번의 정답'이 아니라 '누적된 추론의 일관성'으로 옮겨가고 있음을 보여줍니다. 4
LLM Consortium 논문은 소프트웨어 아키텍처 설계를 위한 12개 다중 에이전트 협업 토폴로지를 2×2×2 요인 설계(권한×역할×동태성)로 520회 실험해 비교했습니다 [A4]. 독립 평가자를 활용한 통제된 실험이라는 점에서, 다중 에이전트 구성이 막연한 'AI 협업' 구호가 아니라 정량적으로 최적 구조를 찾아야 하는 설계 문제임을 실증합니다. 5
ClawHub Security Signals는 6만7,453개 공개 에이전트 스킬 버전을 담은 정제 데이터셋으로, VirusTotal·정적 분석·SkillSpector 세 스캐너의 판정이 서로 엇갈리는 지점을 분석합니다 [A3]. 에이전트 스킬이 모델 안전이나 전통적 패키지 악성코드 탐지와는 별개의 보안 경계를 형성한다는 문제의식이 중요합니다. 6
CART는 단일 공유 코어 블록을 깊이 방향으로 R번 재사용하되 K·V를 한 번만 계산하고 학습된 선형 시불변(LTI) 게이트로 순환을 안정화하는 파라미터 효율적 아키텍처를 제시했습니다 [A2]. 7