핵심 요약

  • 사티아 나델라는 AI를 단일 모델이나 플랫폼보다 여러 기업이 참여하는 생태계로 봐야 한다고 말했다.
  • 기업이 자체 평가 기준과 업무 기록을 보유하고 모델을 바꿔 가며 성능을 높일 수 있어야 한다는 것이 그의 주장이다.
  • 에이전트가 소프트웨어를 쉽게 만들더라도 기존 서비스의 데이터 구조, 업무 규칙, 유지보수 비용은 여전히 중요하다.
  • 데이터센터 확장과 AI 도입이 지속되려면 기업과 지역사회가 실제 이익을 확인할 수 있어야 한다고 강조했다.

기업마다 자신의 AI를 만들 수 있는가

No Priors와의 대담에서 마이크로소프트 회장 겸 최고경영자 사티아 나델라는 플랫폼의 가치를 그 안에 쌓이는 가치보다 참여 기업이 만들어 내는 가치가 더 큰지로 설명했다. AI 전문 기업뿐 아니라 기존 기업도 다른 회사의 AI를 활용하면서 자체 AI를 만들 수 있어야 한다는 뜻이다. 그는 이를 위해 모델 외에 도구와 개발 절차까지 갖춘 생태계가 필요하다고 봤다.

나델라는 마이크로소프트의 MAI 모델을 설명하며 데이터 품질을 관리한 사전학습 모델에서 출발해, 기업이 자기 업무에 맞는 전문 모델을 발전시키는 경로를 제시했다. 그 과정에는 에이전트의 작업 기록과 기업 내부의 평가 기준이 필요하다고 했다. 공개 평가 점수는 참고할 수 있지만, 실제로 중요한 것은 각 기업의 고유한 업무에서 원하는 결과를 내는지라는 주장이다.

그가 제시한 통제력의 시험은 구체적이다. 기업이 비공개 평가 기준을 유지한 채 모델 A를 모델 B로 바꿔도 성능을 높일 수 있다면 선택권을 가진다. 반대로 모델을 바꿀 수 없다면 그 기업이 AI를 통제한다고 보기 어렵다는 것이다.

모델 주변의 작업 환경이 성능을 좌우한다

대담에서 말한 하네스는 모델에 데이터와 도구를 연결하고 작업 과정을 운영하는 환경이다. 나델라는 코딩 에이전트가 발전하면서 여러 에이전트의 작업을 사람이 확인하고 조율하는 부담도 커졌다고 말했다. 대화 기록만으로 결과를 다루기 어려워 새로운 화면과 작업 공간이 필요하다는 설명이다.

기업 업무에서도 모델, 데이터, 도구가 서로 연결돼야 한다고 봤다. 특히 에이전트가 계획을 실행할 수 있도록 필요한 맥락을 미리 정리하는 일이 어렵고 중요하다고 강조했다. 마이크로소프트 제품의 하네스를 활용할 수도 있지만, 기업이 자체 하네스와 도구를 쓰고 여러 모델을 연결하는 방식도 열려 있어야 한다는 입장이다.

나델라는 사람과 에이전트가 함께 일하며 남기는 작업 기록을 기업 고유의 자산으로 봤다. 이 기록을 바탕으로 범용 모델이 아니라 해당 기업의 숙련자처럼 일하는 에이전트를 만들 수 있다고 전망했다. 다만 이는 그가 예상하는 가능성이지, 모든 기업에서 이미 입증된 결과는 아니다.

기존 소프트웨어에서 남는 가치

나델라는 기존 업무용 소프트웨어를 데이터 구조, 업무 규칙, 사용자 화면이 결합된 형태로 설명했다. 에이전트가 화면이나 업무 절차를 새로 만들기 쉬워져도 기존 데이터 구조와 규칙까지 불필요해지는 것은 아니라고 봤다. 회계 장부의 데이터 구조나 Power BI 대시보드 아래의 지표 정의가 그가 든 사례다.

마이크로소프트 365의 Work IQ도 기존 자산을 다른 방식으로 쓰는 사례로 제시했다. 나델라에 따르면 회의 기록과 문서 등 기존 제품에 쌓인 정보를 코드 저장소의 변경 계획을 세우는 데 연결할 수 있다. 이처럼 사용 방식이 달라지면 서비스 제공 방식도 달라져야 한다. 그는 사람이 메일함을 이용할 때의 시스템을 에이전트의 작업에 그대로 적용할 수는 없다고 말했다.

기업이 기존 서비스를 계속 살지, 직접 만들지는 아직 결론 내리기 이르다고 했다. 적어도 한 차례 예산 편성 주기를 거쳐 봐야 한다는 판단이다. 비교할 때는 개발비뿐 아니라 보안 문제 수정과 지속적인 유지보수에 드는 비용까지 계산해야 한다고 강조했다.

구독료와 사용량 과금의 공존

나델라는 사용자당 요금이 기업에 예산의 예측 가능성을 준다고 설명했다. 따라서 구독과 사용자당 요금은 남겠지만, 장시간 실행되는 에이전트가 늘면 사용량에 따른 과금도 필요하다고 봤다. 그는 GitHub Copilot이 처음에는 개발자 한 명의 대화형 사용을 중심으로 설계됐지만, 다수의 에이전트를 계속 실행하는 사용 방식은 강도가 다르다고 설명했다.

성과에 따라 비용을 내는 방식에도 한계가 있다고 지적했다. 고객이 성과 기반 요금을 원하다가 실제 성과를 공급자와 나누는 상황에서는 사용자당 요금이나 사용량 요금을 다시 선호할 수 있다는 것이다. 특정 요금제가 모두를 대체하기보다 용도에 따라 여러 방식이 쓰일 것이라는 전망이다.

조직의 일을 다시 정의한 사례

나델라는 AI가 단순히 기존 업무를 빠르게 처리하는 데 그치지 않으려면 조직이 자신의 일을 다시 정의해야 한다고 말했다. 그 사례로 Azure 네트워크 운영팀을 들었다. 그의 설명에 따르면 마이크로소프트는 최근 15개월 동안 첫 15년에 구축한 것보다 많은 Azure 용량을 구축했다. 같은 팀이 이런 확장을 감당하기 위해 네트워크 작업을 직접 처리하는 대신, 그 작업을 수행하는 에이전트 시스템을 만드는 방향으로 역할을 바꿨다는 것이다.

엔지니어의 역할도 아직 정해진 결론은 없다고 봤다. 나델라는 LinkedIn이 디자인, 제품 관리, 프런트엔드 개발의 범위를 아우르는 역할을 만들었다고 소개하면서도 각 분야의 전문성은 여전히 필요하다고 말했다. Excel 팀에서 에이전트 학습에 필요한 환경을 만드는 일이 어려운 인프라 문제라는 사례도 들었다.

지역사회가 확인할 수 있는 이익

나델라는 데이터센터 확장에 따른 지역사회의 의문을 기업이 실제 결과로 풀어야 한다고 말했다. 에너지 가격과 물 사용, 건설 중과 건설 후의 일자리, 세수에 어떤 영향이 있는지 확인할 수 있어야 한다는 것이다. 지역사회가 회의적으로 묻는 것은 정당하며, 기업은 그 질문에 답할 책임이 있다고 봤다.

그는 교육에서도 정보에 접근하고 계속 학습하는 방식이 달라졌다고 말했다. 다만 개념을 배우는 일 자체는 여전히 중요하다고 선을 그었다. 새로운 교육 방식이나 대학을 만드는 스타트업의 가능성을 언급하면서도, 교육 과정과 자격이 실제 일자리와 어떻게 연결되는지까지 함께 생각해야 한다고 했다.

나델라의 주장을 관통하는 기준은 실제 성과다. 기업에는 자체 AI를 발전시킬 통제력이, 지역사회에는 확인 가능한 이익이 있어야 한다. 그는 기술 기업이 미래를 약속하는 것만으로는 신뢰를 얻기 어렵다고 말했다.