2025년 AI 전쟁: 이제 '동영상'과 '에이전트'가 진짜 승부처다

요즘 AI 동영상 데모를 보면서 놓치기 쉬운 것들

유튜브 타임라인을 가득 채우는 AI 영상 데모를 보면 막연한 불안과 기대가 동시에 생깁니다. 그런데 막상 일에 써보려 하면 데모처럼 매끄럽게 나오지 않는다는 좌절이 바로 뒤를 따릅니다.

이번 주 공개된 클링(Cling) 01, Video 2.6, 그리고 런웨이 Gen-4.5의 데모를 보면, 마치 '영상판 나나나 바나나'를 보는 듯한 착각이 듭니다. 텍스처를 바꾼 자동차, 책을 태블릿으로 바꾸는 영상, 수십 초 동안 이어지는 시네마틱 롤까지 가능해 보입니다. 하지만 실제 테스트 결과를 보면, 디테일에서 어긋난 부분이 계속 눈에 들어옵니다. 빛이 얼굴에 제대로 안 비친다거나, 카메라 모션을 다른 장면에 완벽하게 이식하지 못하거나, 지시한 오디오 타이밍을 어김없이 빗나갑니다.

여기서 중요한 포인트는 기술 수준이 아니라 기대 관리입니다. 마케터나 1인 크리에이터에게 이런 모델은 이미 쓸 만한 도구입니다. 반면 광고 제작사나 방송사 입장에서 보면, 여전히 촬영 팀을 대체하기에는 어색함이 너무 많습니다. 제 기준에서는 "기획·프리비즈용으로는 충분히 유용하지만, 최종 납품물로는 아직 하이브리드가 필수인 단계" 정도가 현실에 가깝습니다.

'네이티브 오디오'가 의미하는 것

클링 Video 2.6이 강조하는 포인트는 '영상과 동시에 생성되는 오디오'입니다. 이전 세대처럼 영상 따로, 음성 따로 생성해서 섞는 방식이 아니라는 주장입니다. 실제 예시를 보면 랩 가사 타이밍이 어긋나고, 단어 반복이 생기지만 입 모양과 리듬은 분명 한 단계 올라섰습니다.

이 변화가 중요한 이유는 단순히 "더 자연스러워졌다"가 아니라 제작 프로세스가 통합된다는 점입니다. 지금은 대다수 팀이 영상 모델로 장면을 만들고, 다시 음성 모델로 더빙한 뒤, 편집툴에서 싱크를 맞추는 공정을 거칩니다. 네이티브 오디오는 이 과정을 한 번의 프롬프트로 압축합니다. 저라면 완성도 높은 브랜드 캠페인보다, 빠르게 테스트해야 하는 숏폼, 프로토타입 광고, 내부 보고용 콘셉트 영상부터 이런 모델을 투입하겠습니다.

"Sora보다 좋다"는 말이 주는 착시

런웨이 Gen-4.5는 아직 일반에게 공개되지 않았는데도, 각종 리더보드에서 GPT-4o, Sora보다 더 높은 선호를 받았다는 홍보를 앞세웁니다. 여기서도 함정이 있습니다. 리더보드 그래프가 0에서 시작하지 않기 때문에, 실제 격차보다 훨씬 커 보입니다.

이건 AI 업계 전반의 마케팅 패턴과 연결됩니다. 사용자에게는 "이제 완전히 다른 세대"라는 서사, 투자자에게는 "여전히 성장 여지"라는 메시지가 동시에 필요합니다. 둘 사이의 간극이 커질수록 실무자는 혼란을 겪습니다. 숫자보다 중요한 질문은 하나입니다. "내 팀의 기존 워크플로를 얼마나 줄여 주는가." 이 질문으로 필터를 걸면, 아직은 편집툴과의 연동, 버전 관리, 협업 기능이 더 큰 차이를 만드는 구간이라는 점이 보입니다.

LLM 전쟁: DeepSeek, Gemini Deepthink, 'Garlic'이 던지는 신호

AI 모델 소식에서 요즘 가장 거슬리는 단어는 '벤치마크'입니다. 점수는 치솟는데, 막상 쓰는 사람의 체감은 그만큼 따라가지 못합니다. DeepSeek v3.2, Gemini 3 Deepthink, 그리고 OpenAI의 차기 모델 코드명 'Garlic' 소식이 딱 그렇습니다.

싸게 잘 만드는 중국 모델의 압박

DeepSeek 3.2와 3.2 Special은 GPT, Claude, Gemini와 비슷한 수준의 추론 능력을 더 적은 비용과 더 효율적인 학습으로 달성했다고 주장합니다. 이 흐름이 의미하는 바는 단순한 "중국도 잘한다"가 아닙니다. 모델 자체의 희소성이 빠르게 줄어들고, "같은 성능이면 더 싸게, 더 가볍게"라는 방향으로 경쟁축이 이동한다는 신호입니다.

한국 기업 입장에서 이건 양날의 칼입니다. 독자 모델을 키우겠다는 전략이라면, DeepSeek 같은 존재는 개발비를 정면으로 압박합니다. 반대로 서비스·비즈니스 레이어에 집중하려는 팀에게는 반가운 소식입니다. 남의 모델을 빌려와서, 한국어 UX, 도메인 데이터, 업무 자동화에 힘을 싣는 전략이 훨씬 현실적으로 보이기 때문입니다. 제 기준에서는 스타트업이나 중견기업 대부분이 후자를 선택하는 편이 리스크와 비용 면에서 낫다고 봅니다.

"가장 똑똑한 모델"의 한계

Google은 월 250달러를 받는 Gemini 3 Ultra 구독자에게 Deepthink 기능을 열었습니다. 각종 시험 성적표에서는 타 모델을 압도한다는 그래프가 줄줄이 등장합니다. 하지만 실제 사용 첫날부터 "Deepthink가 너무 바빠서 잠시 쉴 틈이 필요하다"는 메시지가 떴습니다. 돈을 더 내면 가장 똑똑한 모델을 쓸 수 있다는 약속이, 막상 트래픽이 몰리는 순간 깨지는 장면입니다.

여기서 보이는 현실은 간단합니다. 모델 성능보다 서비스 품질이 중요해지는 단계로 넘어가고 있습니다. 응답 속도, 가용성, 가격, API 안정성, 개인정보 보호 등, 지루해 보이는 요소들이 실제 선택을 가르는 기준이 됩니다. "Garlic"이라는 코드명으로 언급된 OpenAI의 차기 모델도 비슷한 시험대에 올라설 가능성이 큽니다. 성능이 조금 더 좋아지는 것만으로는, 이미 포화 상태에 가까운 시장에서 기존 사용자들을 옮기기 어렵습니다.

오픈소스와 라이선스의 은근한 균열

프랑스의 미스트랄이 3B, 8B, 14B의 새로운 모델을 Apache 2.0으로 공개했다는 사실도 중요합니다. DeepSeek처럼 값싼 상용 모델이 위에서 누르고, 미스트랄 같은 오픈소스 모델이 아래에서 받치면, 미국 빅테크의 거대 폐쇄형 모델은 애매한 위치에 놓입니다.

한국 개발자와 기업에게 이 조합은 새로운 선택지를 줍니다. 자체 데이터센터나 온프레미스 환경을 고집해야 하는 금융, 공공 영역에는 오픈소스와 자가 호스팅이 필요합니다. 반대로 빠른 실험과 출시가 중요한 B2C 서비스는 중국 모델이나 미국 빅테크 모델을 섞어 쓰는 멀티 벤더 전략이가는# 2025년 AI 전쟁: 이제 '동영상'과 팀# 2025년 AI 전쟁: 이제 '동영상'과 메일을 자동으로 요약해 주는 에이전트를 만들 것이고, 누군가는 그 에이전트가 과도한 권한을 가져가는 것을 막는 정책을 설계해야 합니다. 저라면 처음에는 개인용 또는 소규모 파일럿 팀에만 이런 에이전트를 허용하고, 실제 사고 사례와 효과를 충분히 모은 뒤에야 조직 차원의 표준으로 올리겠습니다.

AWS가 말하는 "프론티어 에이전트"의 진짜 의미

AWS는 개발, 보안, 운영 영역에 각각 특화된 프론티어 에이전트를 내세웠습니다. 코드를 써 주는 것에서 끝나지 않고, 취약점을 찾고, 장애를 탐지하고, 알림을 줄이고, 대응 방안을 제안하는 역할까지 포괄한다는 그림입니다. 여기에 AI 학습용 칩인 트레이늄 3와, 기업 데이터센터에 직접 AI 인프라를 들여다 주는 AI 팩토리까지 연결됩니다.

이 흐름은 단순히 "우리도 GPU 팝니다" 수준을 넘습니다. 클라우드 회사가 아예 "개발팀의 동료" 역할을 에이전트로 제공하려 한다는 신호입니다. 개발자 입장에서는 편해질 수 있지만, 장기적으로는 내부 역량이 클라우드 사업자 쪽으로 더 많이 이전될 수 있습니다. 그래서 인프라를 완전히 맡기기 전에, 어느 부분까지 에이전트에 위임할지, 어떤 지식과 판단은 조직 내부에 남길지 선을 그어야 합니다.

광고가 붙기 시작한 챗봇이 말해 주는 것

ChatGPT에 광고 코드가 섞이기 시작했다는 소식도 묘한 시그널입니다. 이미 어떤 이용자는 유료 플랜을 쓰면서도, 답변 아래에 리테일 광고가 달린 화면을 캡처해 공유했습니다. 아직 답변 문장 속에 광고가 들어온 것은 아니지만, 방향성에 대한 우려는 충분히 나올 만합니다.

검색 엔진이 그랬듯, 챗봇도 언젠가는 광고 비즈니스와 결합할 수밖에 없습니다. 차이는 검색은 사용자가 광고 영역과 비광고 영역을 시각적으로 구분할 수 있었지만, 대화형 인터페이스에서는 그 경계가 훨씬 흐릿해진다는 점입니다. 사용자가 "이 추천이 나에게 최선이어서 나온 것인지, 광고주에게 최선이어서 나온 것인지" 구분하기 어려운 상황이 올 수 있습니다. 이 지점에서 규제와 표준 논의가 뒤따르지 않으면, AI 도구에 대한 신뢰 자체가 빠르게 꺼질 가능성도 있습니다.

이 변화가 맞는 사람, 아직 기다려야 할 사람

AI 관련 뉴스를 볼 때마다 "지금 뛰어들어야 하나, 좀 더 기다려야 하나"라는 고민이 생깁니다. 한쪽에서는 뒤처진다는 불안이 있고, 다른 한쪽에서는 허술한 도구에 업무를 얹었다가 되레 손해 볼까 하는 걱정이 있습니다.

지금 적극적으로 써야 할 사람들

콘텐츠를 많이 만들어야 하는 직군, 반복적인 디지털 업무가 많은 사람은 이미 ROI가 나오는 구간에 들어와 있습니다. 유튜브나 인스타 숏폼을 주력으로 쓰는 크리에이터, 브랜드 실험이 잦은 마케터, 데이터 리포트와 이메일 응대에 시간을 많이 쓰는 직장인은 동영상 생성 모델과 워크스페이스형 에이전트에 시간을 들일 가치가 충분합니다. 작은 품질 문제보다 속도와 볼륨이 중요한 환경에서는, 완벽한 퀄리티보다 "실험 횟수 자체를 늘릴 수 있느냐"가 더 중요한 기준이기 때문입니다. 저라면 이 그룹에 속한다면, 한 달에 딱 한 개의 업무만 골라서 AI로 자동화해 보고, 그 결과를 수치로 기록하는 습관부터 들이겠습니다.

아직은 관망이 더 나은 사람들

반대로 규제와 컴플라이언스가 중요한 업종, 고객 신뢰가 비즈니스의 핵심인 서비스는 속도보다 안정성이 우선입니다. 금융, 의료, 공공기관, 민감한 개인정보를 다루는 스타트업은, 상용 모델과 클라우드 에이전트를 무작정 붙였다가 데이터 거버넌스를 되돌릴 수 없는 수준으로 잃을 수 있습니다. 이 그룹은 오픈소스 모델, 온프레미스 인프라, 협업툴 내 제한된 에이전트부터 천천히 검토하는 편이 안전합니다.

지금 시점에서 가장 위험한 태도는 두 가지입니다. 하나는 "AI는 거품이니 다 지나갈 것"이라며 아예 손을 놓는 태도입니다. 또 하나는 "모든 걸 AI로 바꾸면 인력 비용이 줄어든다"는 기대만으로 전면 도입을 서두르는 태도입니다. 미래의 승자는 도구를 빨리 쓰는 팀이 아니라, 자신에게 맞지 않는 AI 활용법을 가장 빨리 버리는 팀일 가능성이 큽니다. 첫 행동은 거창한 전략이 아니라, 내 일주일 업무 중 지루하지만 규칙적인 일을 하나 골라서, 그 과정을 문장으로 설명해 보는 것 정도면 충분합니다. 그 설명이 곧 에이전트의 첫 프롬프트가 됩니다.

출처 및 참고 :