AI는 부품이 많았다

자료 기준: 2026년 8월 9일 오전, 한국 시간 · 검토: 8월 10일

나는 새 모델을 볼 때 성능표부터 열었다. 이번 브리핑을 기술 관점으로 다시 읽고 나니 순서를 조금 바꿔야 했다. 모델 카드만 들고 출발했는데 라이선스, 전기료, 메모리와 권한표가 뒤에서 택시를 타고 따라왔다. 결국 모두 같은 배포 회의에 앉았다.

핵심은 어렵지 않다. AI 서비스는 모델 하나가 아니라 계약, 계산 자원, 업무 데이터와 통제가 연결된 시스템이다.

1. 라이선스도 실행 환경의 일부다

‘오픈웨이트’는 모델 가중치를 내려받을 수 있다는 뜻에 가깝다. 모든 상업 이용이 무료이거나 아무 조건이 없다는 뜻은 아니다.

Moonshot AI가 공개한 Kimi K3 라이선스를 보면 차이가 선명하다. 모델을 제3자에게 서비스하는 사업의 최근 12개월 합산 매출이 2천만 달러를 넘으면 별도 상업 계약을 맺어야 한다. 월간 이용자 1억 명 또는 월 매출 2천만 달러를 넘는 상업 제품에는 Kimi K3 이름을 표시해야 한다. 내부 사용과 공식·인증 파트너 사용에는 예외가 있다.

Alibaba가 차기 Qwen의 대형 상업 이용자에게 수익 배분을 요구할 수 있다는 보도도 나왔지만, 최종 라이선스는 아직 공개되지 않았다. 그래서 이 내용은 확정 규칙이 아니라 방향을 보여주는 보도로만 본다.

내가 배포 전에 남길 기록은 네 가지다.

1. 받은 모델과 라이선스의 정확한 버전
2. 내부 사용, 고객 제공 API, SaaS 재판매 중 어느 방식인지
3. 매출·이용자 기준과 표시 의무가 있는지
4. 파생 모델과 재배포가 허용되는지

download가 눌렸다고 법무 검토까지 자동 설치되지는 않는다. 아쉽지만 아직 그런 패키지는 없다.

출처: Kimi K3 공식 라이선스, Kimi K3 공식 저장소

2. GPU 앞에 전력, 옆에 메모리가 있다

Nvidia가 Lancium에 최대 30억 달러를 투자할 수 있다는 보도에서 내가 확정 사실로 가져온 것은 투자 완료가 아니라 인프라 규모다. Lancium은 텍사스 Abilene의 Stargate 1 캠퍼스에 1.2GW의 승인된 전력망 연결 용량이 있다고 밝힌다.

1.2GW라는 숫자가 크다는 사실보다 중요한 것은 배포 구조다. 대형 클러스터는 GPU, 전력, 냉각, 네트워크 중 하나만 부족해도 전체 처리량이 줄어든다. GPU 수량만으로 성능과 원가를 계산하면 실제 청구서와 가동률이 어긋날 수 있다.

메모리 공급도 바로 늘지 않는다. SK하이닉스는 용인 Y2와 청주 M17에 총 54.3조 원 투자를 승인했지만 첫 클린룸 목표는 각각 2029년 6월과 2028년 12월이다. 이후에도 장비와 수율, 고객 인증이 남는다. 따라서 이 투자를 ‘곧 AI 서비스 가격이 내려간다’는 신호로 해석하지 않는다.

내 TCO 계산표에는 이제 다음을 넣는다.

• 모델·라이선스 비용
• GPU와 메모리 사용량
• 전력, 냉각, 네트워크 비용
• 예약 용량과 실제 가동률
• 공급 지연과 대체 인프라 비용

출처: Lancium Abilene 캠퍼스 안내, SK하이닉스 Y2·M17 투자 발표

3. AI는 새 창보다 기존 일 안에서 잘 보인다

Atlassian은 2026 회계연도 4분기에 매출 17억6,600만 달러, 클라우드 매출 12억1,300만 달러를 기록했다. 회사는 MCP 서버와 Teamwork Graph CLI의 월간 이용자가 100만 명을 넘었다고 밝혔다.

이 실적만으로 AI 기능의 개별 매출 효과를 분리할 수는 없다. 그래도 기술 설계에는 힌트가 있다. Jira 이슈, Confluence 문서, 담당자와 권한 관계가 이미 연결된 곳에서는 AI가 맥락을 다시 설명받지 않고 일을 돕기 쉽다. 별도 챗봇을 열어 모든 내용을 복사하는 방식보다 자연스럽다.

대신 편리함만큼 권한 문제가 커진다. 검색할 수 있는 문서, 수정할 수 있는 이슈, 실행할 수 있는 도구를 사용자와 작업별로 좁혀야 한다. 나는 에이전트에 넓은 계정 하나를 주기보다 최소 권한, 짧게 사는 자격증명, 실행 기록을 기본으로 두려 한다.

성과도 사용량 하나로 끝내지 않는다. 월간 사용자 수와 함께 작업 완료율, 사람이 고친 양, 오류와 사고, 실제 절약 시간을 본다. AI가 바쁘게 움직였다는 것과 일이 잘 끝났다는 것은 다르다. 세탁기가 두 시간 돌았다고 양말이 모두 짝을 찾는 것은 아니다.

출처: Atlassian 2026 회계연도 4분기 공식 실적 공시

내가 바꾼 배포 순서

예전에는 모델 선택 뒤에 바로 API를 붙였다. 이제는 아래 순서로 확인한다.

1. 용도와 라이선스: 누가 어떤 형태로 모델을 쓰는지 정한다.
2. 데이터와 권한: 읽기·쓰기·실행 범위를 작업별로 줄인다.
3. 인프라와 원가: 전력, 메모리, 네트워크와 가동률까지 계산한다.
4. 평가와 기록: 모델 버전, 결과, 사람의 수정, 사고를 다시 볼 수 있게 남긴다.
5. 중단 방법: 비용이나 위험이 기준을 넘으면 기능을 끌 수 있게 만든다.

오늘의 결론은 좋은 모델을 고르는 일과 좋은 AI 서비스를 운영하는 일은 같은 문제가 아니라는 것이다. 모델은 엔진이고, 라이선스는 사용 조건이며, 인프라는 도로, 권한은 브레이크다. 엔진만 자랑하다 브레이크를 빼먹는 장면은 영화에서는 멋있지만 운영 회의에서는 대체로 야근으로 끝난다.