아스트라 출시 예고부터 공공데이터 AI 검색까지: 8월 3일 AI 이슈 5선

오늘의 판

오늘은 성격이 다른 다섯 소식을 차례로 본다. 오픈AI는 여러 AI 에이전트가 함께 수학 문제를 풀도록 설계한 차세대 모델 ‘아스트라’를 예고했다. NHN은 그래픽처리장치(GPU) 인프라부터 협업도구 안의 AI 에이전트까지 이어지는 사업 구조를 확대하고 있다. 정부 연구개발에서는 사용자의 정서 변화를 먼저 알아채고 돕는 AI 컴패니언 과제가 시작됐다. 행정안전부는 공공데이터포털에 문장형 질문을 받는 검색 기능을 열었고, 사이버보안 특화 AI 사업은 다른 대형 공모와 일정이 겹치면서 참여 기업을 충분히 모을 수 있을지가 쟁점이 됐다.

이 소식들은 하나의 거대한 변화로 묶을 사건이 아니다. 아스트라는 출시 전 기술 발표이고, NHN은 이미 운영 중인 기업 서비스의 사업화 사례다. 정서 컴패니언은 연구개발 착수 단계이며, 공공데이터포털은 약 두 달간의 시범서비스다. 보안 특화 AI는 아직 사업자를 고르는 공모 단계다. 같은 ‘AI’라는 이름 아래 있어도 실행 단계와 검증 기준이 서로 다르다는 점부터 구분해야 한다.

핵심 수치

수치	무엇을 뜻하나	읽을 때 주의할 점
수학 난제 10개	오픈AI가 아스트라로 해결했다고 발표한 문제 수다.1	회사 발표이며 독립적인 전체 검증 결과는 기사에서 확인되지 않았다.
약 2천 달러	문제 해결에 쓴 토큰을 GPT-5.6 솔의 API 요금으로 환산한 비용이다.1	실제 상품 가격이나 아스트라 이용료가 아니다.
공공기관 20여 곳·금융기관 25곳	기사에서 제시한 두레이AI·두레이 도입 기관 규모다.2	기관마다 실제로 쓰는 기능과 이용 범위가 같다는 뜻은 아니다.
총 180억 원·1년 6개월	실세계 능동행동형 에이전틱 AI 기술개발 사업의 투자 규모와 기간이다.3	사람 개입 10% 이하도 현재 성과가 아니라 연구 목표다.
1117개 기관	7월 24일 기준 공공데이터포털 참여 기관 수다.4	기관 수가 검색 정확도나 데이터 최신성을 보장하지는 않는다.

숫자는 규모를 보여 주지만 성과를 대신하지 않는다. 특히 ‘해결했다’, ‘도입했다’, ‘선정됐다’는 말은 각각 다른 상태를 가리킨다. 문제 해결 발표는 검증이 남아 있고, 서비스 도입은 이용성과를 따로 확인해야 하며, 연구기관 선정은 개발이 이제 시작됐다는 뜻이다.

산업·기술 이슈

오픈AI 아스트라, 여러 에이전트가 장시간 협력하는 모델을 예고했다

오픈AI는 내부 시험 중인 차세대 모델 ‘아스트라’가 최소 10년 이상 풀리지 않았던 수학 난제 10개를 해결했다고 8월 2일 현지시간 기준 발표했다. 대상은 고차원 기하학, 군론, 양자 복잡도 등에 걸쳐 있다. 회사는 모델이 제시한 논리를 수학 증명 검증도구인 ‘린(Lean)’ 형식으로 규격화해 공개했다고 설명했다.1

린은 수학적 증명이 정해진 논리 규칙을 따르는지 컴퓨터가 확인하도록 돕는 도구다. 자연어 답변이 그럴듯한지만 보는 대신, 증명의 각 단계를 기계가 검사할 수 있는 형식으로 바꿨다는 의미다. 오픈AI는 문제 해결에 사용한 전체 토큰을 GPT-5.6 솔의 응용프로그램 인터페이스, 즉 API 요금으로 환산하면 약 2천 달러, 약 290만 원이라고 밝혔다.1 API는 다른 프로그램이 AI 모델을 호출하는 통로다.

아스트라의 특징으로 소개된 것은 ‘멀티에이전트’ 방식이다. 하나의 AI가 처음부터 끝까지 처리하는 대신 여러 AI 에이전트가 역할을 나눠 오랜 시간 협력한다. 예를 들어 한 에이전트가 풀이 전략을 세우고, 다른 에이전트가 반례를 찾으며, 별도의 에이전트가 증명 형식을 점검하는 구조를 생각할 수 있다. 이 예시는 기사에 나온 구체적인 내부 배치가 아니라 멀티에이전트 개념을 설명하기 위한 것이다.

샘 올트먼 최고경영자는 워싱턴DC의 정관계 인사와 규제 당국자에게 모델을 시연한 것으로 보도됐다. 아스트라는 주요 AI 모델을 공개하기 전에 미국 연방정부에 제출해 검증받도록 한 새 규제 체계의 첫 적용 사례가 될 전망이다.1 다만 정식 출시일, 가격, 아스트라가 GPT-5 계열인지 GPT-6인지 여부는 정해지지 않았다. 수학 난제 해결도 오픈AI 발표이므로 외부 연구자가 공개된 자료를 재검증하는 과정이 필요하다.

공공기관이 이런 시스템을 검토한다면 최종 답변 정확도만 재서는 부족하다. 역할별 에이전트가 어떤 자료와 도구에 접근했는지, 중간 결과를 누가 검증했는지, 작업이 길어질 때 비용을 어디서 멈추는지 기록해야 한다. 장시간 자율 실행은 성능을 높일 가능성과 함께 잘못된 방향으로 더 오래 움직일 위험도 키운다.

NHN, AI 인프라와 현업 도구를 한 사업 흐름으로 연결한다

NHN클라우드는 GPU 인프라, 자원관리, 모델 개발·배포, 기업 맞춤형 에이전트를 ‘FactoryX’라는 체계로 제공하고 있다. GPU는 AI 학습과 추론에 대량의 계산을 제공하는 반도체다. FactoryX에는 GPU 자원을 관리하는 GPU Live, 모델 개발과 배포를 돕는 AI EasyMaker, 맞춤형 에이전트를 만드는 ProjectX가 포함된다.2

광주 국가 AI 데이터센터에서는 엔비디아 H100 GPU와 국산 신경망처리장치(NPU)를 함께 운영한다. NPU는 AI 계산에 특화된 반도체다. FactoryX 서울에는 B200 GPU 기반 클러스터를 구축해 정부 GPU 사업을 수행한다고 기사에서 확인됐다.2 여러 장의 GPU를 하나의 계산 자원처럼 묶는 클러스터는 대형 모델을 운영하는 기반이지만, 장비가 있다는 사실만으로 업무 성과가 생기지는 않는다.

그림 1. NHN클라우드가 제공한 FactoryX 이미지다. GPU 인프라부터 AI 서비스까지 묶은 사업 브랜드를 보여 준다. 출처: NHN클라우드 제공·포인트경제 원문.2

현업 쪽에서는 두레이 AI 에이전트가 메일, 메신저, 캘린더, 위키에 쌓인 업무정보를 바탕으로 일정 관리, 프로젝트 자료 검색, 사내 시스템 연동을 지원한다. 개인 업무를 돕는 ‘마이 에이전트’, 프로젝트 데이터를 분석하는 ‘프로젝트 에이전트’, 내부 시스템을 연결하는 ‘익스텐션 에이전트’가 기업 고객에게 제공되고 있다.2

그림 2. NHN두레이 공식 홈페이지 이미지로, 협업도구 안에서 메시지와 파일을 다루는 제품 맥락을 보여 준다. 출처: NHN두레이·포인트경제 원문.2

기사에 따르면 국방부를 비롯한 공공기관 20여 곳이 두레이AI를 사용하고 있으며 금융기관 25곳이 두레이를 도입했다.2 이 숫자는 고객 기반의 폭을 보여 주지만, AI 기능을 몇 명이 얼마나 자주 쓰는지, 처리시간이나 품질이 얼마나 나아졌는지는 알려 주지 않는다. NHN클라우드가 제시한 AI 사업 매출 비중 50% 이상도 현재 실적이 아니라 앞으로의 목표다.

공공 AI 사업에서는 인프라, 모델, 업무도구를 연결해서 보는 시각이 필요하다. 반대로 한 회사의 전체 묶음을 그대로 채택하면 공급자 변경이 어려워질 수 있다. 조달 단계에서 데이터 내보내기 형식, 다른 모델로 교체할 수 있는 인터페이스, 로그의 소유권, 계약 종료 뒤 자료 반환 조건을 함께 따져야 한다.

정부·공공 이슈

정서 고립을 먼저 감지하는 AI 컴패니언 연구가 시작됐다

대화형 AI 기업 심심이는 과학기술정보통신부와 정보통신기획평가원이 추진하는 ‘실세계 능동행동형 에이전틱 AI 기술개발’ 사업의 주관기관으로 선정됐다고 8월 3일 밝혔다. 심심이가 맡은 과제는 사용자의 정서 고립을 먼저 감지하고 필요한 시점에 개입하는 ‘일상 동행·공감형 AI 컴패니언’을 개발하는 것이다.3

에이전틱 AI는 질문을 받고 답하는 데서 멈추지 않고 목표를 위해 상황을 판단하고 여러 행동을 이어 가는 AI를 말한다. 컴패니언은 사용자의 대화 맥락과 상태를 지속해서 파악하며 일상을 돕는 동반자형 서비스를 뜻한다. 이번 과제는 공감하는 문장을 보여 주는 것뿐 아니라 생활 지원 행동까지 연결하는 것을 목표로 한다.3

정부는 올해부터 1년 6개월간 총 180억 원을 투입한다. 주관기업 4곳과 산학연 기관 26곳이 참여하며, 사람의 개입을 10% 이하로 줄인 자율형 제품과 서비스를 개발한다는 목표를 세웠다. 2027년 말 단계평가에서 최우수 과제 1개를 선정해 글로벌 서비스로 고도화할 계획이다.3 심심이 컨소시엄에는 KAIST, 고려대, 성균관대, 협력 병원과 여러 기술기업·지역기관이 참여한다.

심심이는 111개 언어와 200개국에서 서비스를 제공했고 누적 대화 데이터가 170억 건 이상이라고 밝혔다.3 이는 회사가 발표한 누적량이다. 어떤 대화가 연구에 사용되는지, 동의 범위와 품질 구성이 어떤지는 기사만으로 확인할 수 없다.

정서 상태를 추정해 먼저 개입하는 서비스는 일반 검색이나 일정 도우미보다 사람에게 미치는 영향이 크다. 외로움이나 위기 상태를 잘못 판단하는 오탐, 실제 위험을 놓치는 미탐, 긴급상황에서 사람 상담으로 넘기는 절차를 따로 시험해야 한다. 이용자가 기억과 추정을 지우고 개입을 거부할 수 있는지도 중요하다. 사람 개입 10% 이하라는 목표가 무조건 좋다고 볼 수는 없다. 위험도가 높은 상황에서는 사람의 개입이 줄어드는 것보다 적절한 순간에 확실히 개입하는 편이 더 중요하다.

공공데이터포털, 문장으로 필요한 데이터를 찾는 시범서비스를 열었다

행정안전부는 공공데이터포털을 AI 기반 지능형 데이터 제공 플랫폼으로 고도화하고 8월 3일부터 약 두 달간 시범서비스를 운영한다.4 기존 검색은 이용자가 데이터의 정확한 이름이나 핵심어를 알아야 원하는 결과를 찾기 쉬웠다. 새 검색은 “고령 운전자 사고를 분석할 자료를 찾아줘”처럼 문장으로 물으면 거대언어모델이 의도와 맥락을 분석해 관련 데이터 목록을 추천한다.

여기서 거대언어모델, 즉 LLM은 많은 문장을 학습해 언어의 관계를 처리하는 AI 모델이다. 이번 기능의 목적은 일반적인 답변을 만들어 내는 것이 아니라 이용 목적에 맞는 원본 데이터 목록을 찾는 데 있다.4 답변이 자연스러운지보다 필요한 자료가 검색 결과에 빠짐없이 들어오는지가 중요하다.

7월 24일 기준 중앙부처, 지방정부, 공공기관 1117곳이 포털에 참여했다. 파일데이터 8만3533건, 오픈 API 1만1937건, 표준데이터셋 1만2433건이 공개돼 있다.4 파일데이터는 내려받아 쓰는 자료이고, 오픈 API는 프로그램이 실시간 또는 정해진 방식으로 데이터를 받아 가는 통로다. 표준데이터셋은 기관마다 제각각인 항목을 공통 형식으로 맞춘 자료다.

그림 3. 8월 3일 공공데이터포털 공식 화면의 검색 영역과 개방 현황이다. 문장형 검색의 기반이 되는 범정부 데이터 창구를 보여 준다. 출처: 행정안전부 공공데이터포털 화면 캡처.4

새 포털에는 데이터의 주요 내용과 활용 방법을 설명하는 ‘퀵서머리’, 관심 주제별 자료를 묶는 데이터 큐레이션, 여러 정부 서비스를 하나의 인증수단으로 이용하는 Any-ID가 들어간다. AI가 데이터 설명을 자동으로 작성하고, 등록·이용 현황을 그래프로 보여 주는 분석 대시보드도 도입한다. 클라우드 자원을 확충하고 실시간 API 이상징후 알림과 악성 인터넷주소 차단 체계도 마련했다.4

아직은 시범운영 단계다. 행안부는 약 두 달 동안 이용자와 기관 담당자의 의견을 받아 검색 정확도와 편의 기능을 보완할 계획이다.4 공개해야 할 평가지표도 분명하다. 같은 질문을 다르게 표현했을 때 결과가 얼마나 일관적인지, 오래된 데이터가 최신 자료보다 앞에 나오지 않는지, AI가 자동 작성한 설명의 오류를 누가 얼마나 빨리 고치는지 확인해야 한다.

사이버보안 특화 AI 공모는 일정 설계가 변수로 떠올랐다

정부는 사이버보안에 특화된 AI 파운데이션 모델 개발 사업을 공모하고 있다. 파운데이션 모델은 여러 보안 과제에 맞게 추가 학습하거나 도구를 연결할 수 있는 기반 모델을 뜻한다. 전자신문 취재 시점에는 주요 AI 기업 가운데 참여를 확정한 곳이 없는 것으로 파악됐다.5

일정이 겹친다. 독자 AI 파운데이션 모델 2차 국민평가단 평가는 8월 8일부터 11일까지다. ‘모두의 AI’ 신청 마감은 8월 18일로 연기됐고, 보안 특화 AI 신청은 8월 21일에 끝난다. 두 신청 마감 사이가 사흘뿐이다.5 AI 기업과 보안기업이 컨소시엄을 꾸리고 데이터 이용 방식과 역할을 조율하기에는 빠듯할 수 있다는 지적이 나온다.

기사에 따르면 LG AI연구원과 모티프테크놀로지스는 독자 모델 평가 준비에 집중하고 있다. SK텔레콤은 ‘모두의 AI’ 지원을 확정했지만 보안 특화 사업 검토는 뒤로 미뤘다. 업스테이지와 네이버클라우드는 초기 검토 단계이며, 트릴리온랩스와 NC AI는 신청하지 않을 계획이라고 밝혔다.5 과기정통부는 일정을 유지하되 기준에 맞는 기업이 없으면 사업자를 선정하지 않을 수 있다고 설명했다.

이 사건은 사업 실패가 확정됐다는 뜻이 아니다. 마감 전 참여 기업이 바뀔 수 있고, 실제 유찰 여부도 아직 모른다. 기한 연장 역시 업계와 전문가의 제안이지 정부가 확정한 조치가 아니다. 다만 공공 AI 사업의 품질은 예산과 기술 요구사항만으로 결정되지 않는다. 핵심 기업이 자료를 검토하고 보안 데이터를 다룰 책임을 나누며 제안서를 만들 시간이 있는지도 사업 설계의 일부다.

교차 분석

다섯 사건 전체를 하나의 방향으로 묶기는 어렵다. 실제 연결점은 두 가지 정도다. 첫째, 모델의 능력을 말하는 지표와 운영 성과를 말하는 지표를 분리해야 한다. 수학 난제 해결 수, 고객기관 수, 참여기관 수는 각각 기술 가능성·도입 범위·데이터 기반을 보여 주지만 정확성, 생산성, 안전성을 바로 증명하지 않는다.

둘째, AI가 더 오래 움직이고 더 먼저 개입할수록 통제 장치도 앞단으로 이동해야 한다. 멀티에이전트는 실행 전에 권한과 비용 한도를 정해야 한다. 정서 컴패니언은 이용자가 요청하기 전에 개입하므로 동의와 긴급 이관 기준이 필요하다. 대화형 데이터 검색은 결과를 보여 주기 전에 최신성과 추천 근거를 관리해야 한다. 그 밖의 사건은 산업 사업화, 공공서비스, 정부 공모라는 서로 다른 문제로 보는 편이 정확하다.

AI 관련 담당자라면 참고할 만한 적용 항목

업무 장면	바로 확인할 항목
멀티에이전트 실험	에이전트별 권한, 외부 도구 목록, 중간 산출물 검증자, 실행시간·비용 상한, 강제 중단 조건
AI 인프라·플랫폼 조달	데이터 반출 형식, 모델 교체 가능성, 로그 소유권, 장애 책임, 계약 종료 뒤 자료 반환·삭제
정서·건강 관련 AI 실증	오탐·미탐, 사람 상담 이관, 긴급상황 대응, 동의 철회, 기억 삭제, 민감대화 보유기간
대화형 공공 검색	원본 데이터 발견률, 최신성, 추천 근거, 같은 질문의 표현별 일관성, 설명 오류 정정 시간
정부 AI 공모 설계	유사 사업 일정, 컨소시엄 준비기간, 데이터 제공 시점, 평가인력 중복, 유찰 때 재공고 원칙

이 항목들은 기사에서 성과로 확인된 사실이 아니라, 이번 사건을 바탕으로 실무자가 검토할 수 있는 예시다. 기관의 법적 의무와 실제 위험도에 맞춰 조정해야 한다.

리스크와 불확실성

아스트라는 정식 출시 전이다. 오픈AI가 발표한 수학 난제 해결을 외부 연구자가 어느 범위까지 재현했는지, 모델을 어떤 이름과 가격으로 제공할지는 확인되지 않았다. 미국의 출시 전 검증도 실제 평가 항목과 공개 범위가 더 나와야 효과를 판단할 수 있다.

NHN 관련 도입기관 수는 서비스 확산을 보여 주지만 기관별 AI 사용 범위와 업무성과는 공개되지 않았다. 심심이 과제의 정서 감지 정확도, 임상적 안전성, 대화 데이터의 연구 활용 범위도 앞으로 검증해야 한다. 공공데이터포털은 시범서비스를 막 시작해 검색 정확도와 오류율이 나오지 않았다. 보안 특화 AI 공모는 참여 기업과 사업자 선정 결과가 바뀔 수 있으므로 현재의 ‘참여 불확실’을 최종 결과처럼 단정하면 안 된다.

더 깊이 공부하고 싶다면?

1. 린 같은 형식 검증도구는 AI가 만든 수학 증명의 어떤 오류를 잡고, 어떤 오류는 잡지 못할까?
2. 멀티에이전트 시스템의 성능을 단일 모델과 비교할 때 정확도 외에 시간·비용·중간 실패를 어떻게 측정해야 할까?
3. 정서 상태를 추정하는 AI에서 ‘사람 개입 10% 이하’보다 우선해야 할 안전지표는 무엇일까?
4. 공공데이터 대화형 검색의 발견률과 최신성을 시민이 확인할 수 있도록 어떤 평가 결과를 공개해야 할까?
5. 여러 정부 AI 사업이 동시에 공모될 때 핵심 인력과 기업의 쏠림을 줄이는 일정 원칙은 무엇일까?