2026년 9월 2주차 지난주의 AI 주요뉴스 정리

1. 지난주 주요 뉴스

• 2026.09.01 — Anthropic, Claude Fable 5.1·Mythos 5.1 공개…성능에 따라 접근 범위도 차등화
  Anthropic이 Claude Fable 5.1과 Mythos 5.1을 공개했다. Fable 5.1은 장시간 비동기 작업과 코딩·지식노동에 초점을 둔 일반 제공 모델이고, Mythos 5.1은 사이버보안과 생물학처럼 높은 위험을 동반하는 연구 영역을 위해 검증된 일부 조직에 제한적으로 제공된다. 같은 기반의 높은 성능을 어디까지 일반에 공개할 것인지에 따라 모델을 나눴다는 점이 흥미롭다. 모델 성능뿐 아니라 능력에 따라 접근 범위를 다르게 설계하는 것 자체가 제품 전략이 되고 있다.
• 2026.08.27 — Cisco, 전 직원 9만 명에게 개인화 AI Agent 'MyAgent' 확대
  Cisco가 자사의 MyAgent 프로그램을 전체 임직원 약 9만 명 규모로 확대했다. 각 직원의 직무와 팀 컨텍스트를 바탕으로 개인화된 Agent를 제공하고, 800개 이상의 Sub-Agent와 Model Routing 등을 통해 실제 업무를 지원하는 구조다. 파일럿이나 특정 부서 도입이 아니라 '전사 배포'라는 점이 눈에 띈다. Agent 도입의 다음 단계가 성능 검증을 넘어 규모 있는 운영과 비용·권한 관리의 문제로 이동하고 있음을 보여주는 사례다.
• 2026.08.25 — McKinsey 조사: 대기업 40%가 AI Agent 스케일링 중…기업 규모별 격차도 확대
  McKinsey의 State of AI 조사에 따르면 연매출 10억 달러 이상 기업 중 40%가 하나 이상의 업무 영역에서 AI Agent를 스케일링하고 있다고 답했다. 전년의 27%에서 크게 증가한 수치다. 반면 상대적으로 작은 기업은 22% 수준에서 큰 변화가 없었다. Agent 도입이 전체 기업에 균일하게 확산되는 것이 아니라 먼저 준비한 대기업을 중심으로 AX 격차가 벌어지고 있다는 점도 눈여겨볼 만하다.
• 2026.09.02 — JetStream, Agent 행동을 실행 전에 승인·차단하는 'Clearance' 공개
  JetStream이 Agent가 어떤 행동을 실행하기 전에 위험도를 평가하고 승인 여부를 결정하는 추론 엔진 'Clearance'를 공개했다. Agent의 Identity, 사용하는 Tool과 Parameter뿐 아니라 이전 행동의 흐름까지 고려해 실행 여부를 판단한다. 기존 방식이 사고가 난 뒤 로그를 남기고 분석하는 데 머물렀다면, Clearance는 위험한 실행 시퀀스 자체를 사전에 막는 것에 가깝다. Agent의 권한 범위를 어떻게 설계하느냐가 모델 성능만큼 중요한 문제가 되고 있다.
• 2026.09.03 — OpenAI, 차세대 모델 'GPT-6 Astra' 공개…강력한 성능만큼 배포와 감시도 강화
  OpenAI가 코딩·컴퓨터 사용·사이버보안·과학 영역에 초점을 맞춘 GPT-6 Astra를 공개했다. 특히 Preparedness Framework에서 최초로 Cybersecurity Critical 수준으로 분류하면서 처음부터 모든 사용자에게 개방하지 않고 신뢰할 수 있는 일부 조직을 시작으로 단계적인 배포 방식을 택했다. 지난 Hugging Face 사고를 반영한 새로운 평가와 Misalignment Monitoring도 적용했다. 성능 기록보다 높아진 실행 능력에 맞춰 배포 범위와 감시 수준을 함께 높였다는 점이 더 눈에 들어온다.

 

2. 이번 주에 남긴 메모

지난주 뉴스를 보면서 계속 든 생각은, 이제 다들 '얼마나 똑똑한 Agent인가'보다 '얼마나 안전하게, 얼마나 넓게 풀어놓을 수 있는가'를 이야기하기 시작했다는 점이다.

 

좋은 모델보다 '잘 통제된' 모델이 이긴다

Fable 5.1과 Clearance는 같은 주에 나온 서로 다른 방향의 답처럼 보인다.

한쪽에서는 모델의 능력을 높이면서 위험도가 높은 영역은 접근할 수 있는 사용자를 제한하고, 다른 한쪽에서는 Agent가 어떤 행동을 하든 실제 실행 전에 한 번 더 판단하는 장치를 만들었다.

결국 실무에 Agent를 풀어놓으려면 둘 다 필요하다.

똑똑한 것과, 똑똑해도 넘지 말아야 할 선이 지켜지는 것.

GPT-6 Astra의 단계적 배포도 같은 맥락으로 보인다. 능력이 커질수록 처음부터 모두에게 공개하는 것이 아니라 접근 범위와 감시 수준을 함께 조정한다.

Agent의 안전장치가 부가 기능이 아니라 점점 제품 설계의 일부가 되어가는 것 같다.

 

Agent 배포는 이제 전사 규모의 문제다

Cisco의 9만 명 배포를 보면서 든 생각은, Agent 도입 프로젝트가 더 이상 'PoC 하나 잘 돌리기'가 아니라는 것이다.
9만 명에게 Agent를 제공하려면 각자에게 필요한 Context를 붙이고, 권한을 나누고, 적절한 Model을 선택하고, 비용을 관리하고, 문제가 발생했을 때 통제할 수도 있어야 한다.

이 정도 규모가 되면 모델 선택보다 조직 설계와 IT 운영의 영역에 훨씬 가까워진다.
회사에서 AI 담당을 하다 보면 이런 규모의 문제가 결국 나한테 떨어질 걸 알기에, 남 일 같지 않았다.

 

확산 속도가 빨라질수록 격차도 벌어진다

McKinsey의 수치도 흥미롭다. 대기업의 Agent 스케일링 비율은 1년 사이 27%에서 40%로 올라갔지만, 상대적으로 작은 기업은 22% 수준에서 큰 변화가 없었다. 처음에는 단순히 Agent 도입이 빠르게 늘고 있다고 생각했는데, 뒤집어 보면 기업 규모에 따른 AX 격차가 벌어지기 시작했다는 의미이기도 하다.

먼저 시작한 조직은 데이터와 Workflow를 이미 Agent가 사용할 수 있는 형태로 조금씩 정리하고 있을 것이다. 늦게 시작하는 조직은 모델을 도입하는 것뿐 아니라 그 정리 작업부터 다시 해야 한다.

결국 AX는 좋은 AI를 얼마나 빨리 가져왔느냐보다 AI가 일할 수 있도록 조직이 얼마나 준비되어 있느냐의 차이가 점점 커지는 싸움일 수도 있겠다.

 

Agent의 안전은 '사후 감시'에서 '사전 통제'로

Clearance에서 개인적으로 눈에 들어온 것은 실행 전에 판단한다는 점이다. Agent가 실제 시스템을 읽기만 하는 단계라면 Logging과 Monitoring으로도 어느 정도 대응할 수 있다. 하지만 DB를 수정하고, 메일을 보내고, 결제를 승인하는 식으로 실제 행동을 하기 시작하면 사후에 로그를 확인하는 것만으로는 부족하다.

결국 Enterprise Agent에서는 '누가 → 무엇을 → 어떤 상황에서 → 어디까지 실행할 수 있는가'를 실행 전에 판단하는 구조가 필요해질 것 같다.
기존 IT에서 Least Privilege나 Zero Trust를 이야기했던 것과 크게 다르지 않다. AI는 새로운 기술이지만, 막상 운영 단계로 들어가면 익숙한 보안 원칙으로 다시 돌아오는 느낌이다.

 

결국 관건은 '통제된 확장'이다

이번 주 뉴스를 관통하는 키워드를 하나만 고르라면 '통제된 확장'이 아닐까 싶다. 모델은 계속 좋아질 것이고, 기업은 더 많은 사람과 업무에 Agent를 붙일 것이다. 하지만, Agent가 할 수 있는 일이 많아질수록 모든 능력을 처음부터 모두에게 열어주는 방식은 점점 어려워질 수밖에 없다.

Anthropic은 위험도에 따라 모델의 접근 범위를 나눴고, JetStream은 실행 전에 행동을 통제하려 하고, OpenAI는 강력해진 모델을 단계적으로 배포하면서 감시 체계를 강화했다. Cisco처럼 전사 규모로 Agent를 사용하는 기업에서는 권한과 비용, Model Routing까지 함께 고민하기 시작했다.

결국 경쟁은 '누가 가장 똑똑한 Agent를 가지고 있는가'보다, '누가 사고 없이 더 많은 사람과 더 많은 업무에 Agent를 확장할 수 있는가' 로 옮겨가는 것 같다.

 

3. 이번 주 결론

지난 몇 주 동안 Agent를 보면서 계속 '연결'과 '표준화'에 눈이 갔다.

MCP를 통해 시스템을 연결하고, Skill과 Plugin으로 기능을 재사용하고, Gateway를 통해 그 연결을 관리하는 구조가 빠르게 만들어졌다.
그런데 연결이 어느 정도 해결되자 이제는 그 능력을 어디까지 허용할 것인가라는 문제가 앞으로 나오기 시작했다.
Agent가 답변을 만드는 수준을 넘어 실제 시스템에서 행동하기 시작하면 성능과 안전을 따로 생각하기 어렵다.

잘못된 답변은 다시 만들면 되지만, 잘못된 실행은 되돌리지 못할 수도 있기 때문이다.
그래서 이번 주에는 이렇게 정리하고 싶다.

Agent의 능력이 커지는 속도만큼, 그 능력을 어디까지 누구에게 허용할 것인지도 제품과 아키텍처의 일부가 되고 있다.

 

AI 도입이 좋은 모델을 가져오는 일이었다면, AX에서는 그 능력을 실제 업무에 연결하면서도 조직이 감당할 수 있는 범위 안에서 안전하게 확장하는 능력이 점점 중요해질 것 같다.

이번 주의 키워드는 '통제된 확장(Controlled Expansion)'이다.