State of AI Report 2026이 244장 분량으로 나왔습니다. 경영 리더가 볼 신호는 네 가지입니다. AI가 AI를 만드는 속도와 쓰는 방식의 격차입니다. 전력과 정부라는 공급 제약, 실제로 일어난 에이전트 사고도 있습니다.
앤트로픽에서 클로드가 이끈 모델 연구 비중은 2월 1% 미만에서 8월 26%로 올랐습니다. 같은 모델도 도구·맥락·피드백만 바꾸자 코딩 과제 해결률이 52.5%에서 65.5%로 올랐습니다.
미국 정부의 수출 지침으로 앤트로픽 모델 두 개가 모든 사용자에게 일시 중단되기도 했습니다. 모델 교체 주기, 내부 설정 역량, 공급 중단 대비, 에이전트 행동 감시를 올해 계획에 넣어야 합니다.
앤트로픽에서 클로드가 이끈 모델 연구 비중은 반년 새 1% 미만에서 26%가 됐습니다.
귀사의 AI 계획은 몇 달에 한 번 다시 짭니까?
올해 보고서에서 경영자에게 가장 쓸모 있는 문장은 기술 이야기가 아닙니다. 저자는 네이선 베나이크(Nathan Benaich)입니다. 그는 AI로 큰 가치를 얻는 사람과 못 얻는 사람의 차이를 이렇게 불렀습니다. "AI 기술 문제가 아니라 인간의 기술 문제"입니다. 쓰는 법과 설정하는 법을 아느냐가 격차를 만든다는 뜻입니다.
그런데 그 '쓰는 법'의 수명이 짧아지고 있습니다. 모델이 다음 모델을 만드는 일을 점점 더 많이 맡고 있기 때문입니다. 244장을 다 읽을 필요는 없습니다. 이 글은 리더의 결정을 바꾸는 네 장면만 골랐습니다.
보고서는 최전선 AI를 앤트로픽, 오픈AI, 구글 세 곳의 경쟁으로 정리했습니다. 오픈AI와 앤트로픽의 연환산 매출 합계는 연초 약 300억 달러에서 늦여름 1,050억 달러가 됐습니다. 같은 점수를 내는 데 드는 비용은 2023년 이후 분기마다 47%씩 내려갔습니다. 다만 에이전트는 일하면서 모델을 여러 번 부르므로 전체 AI 청구서까지 줄어든다는 뜻은 아닙니다. 이제 AI는 IT 예산의 한 줄이 아니라 사업 구조의 변수입니다.
출처: State of AI Report 2026. 앤트로픽 내부 지표, 각 사 발표, 갤럽 3월 조사를 인용.
첫째, AI가 AI를 만드는 속도가 붙었습니다. 앤트로픽 내부 지표에서 클로드가 이끈 모델 연구 비중은 2월 1% 미만에서 8월 26%로 올랐습니다. 과제는 연구자가 정하고, 실행도 사람이 감독합니다. 앤트로픽은 이 변화로 개발 속도가 빨라지고 있다고 밝혔습니다. 앞서 다룬 오픈AI 연구조직의 에이전트 사용량과 같은 방향입니다.
리더에게 이 숫자는 모델 교체 주기가 더 짧아진다는 신호입니다. 보고서는 수년을 버티도록 만든 수학·과학·코딩 벤치마크가 몇 달 만에 한계에 다가간다고 적었습니다. 베나이크의 사용 경험으로는 성능도 고르게 오르지 않았습니다. 오퍼스 4.6은 좋았고, 오퍼스 5는 뒷걸음질했고, 오퍼스 5.5는 다시 좋아졌습니다. 새 모델이 우리 업무에서 늘 더 낫다는 보장은 없습니다.
둘째, 성과 격차는 모델보다 쓰는 방식에서 납니다. 보고서가 든 근거는 통제된 코딩 연구입니다. 연구진은 GLM-5.1 모델의 가중치를 그대로 두었습니다. 대신 모델이 쓸 도구, 맥락, 피드백만 바꿨습니다. SWE-bench Verified 100개 과제의 해결률이 52.5%에서 65.5%로 올랐습니다.
| 에이전트 설정 | 바꾼 것 | 과제 해결률 |
|---|---|---|
| 최소 설정 | 기본 도구만 제공 | 52.5% |
| 개선 설정 | 도구·맥락 일부 보강 | 56.5% |
| 전체 설정 | 도구·맥락·피드백 모두 보강 | 65.5% |
출처: State of AI Report 2026, Explore 'Can an AI agent improve without changing its model?' (원 연구 Table 2). 모델은 GLM-5.1로 고정, SWE-bench Verified 100문제, 2회 평균. '바꾼 것' 열은 원문 설정명을 풀어 쓴 요약.
이 효과는 개발자에게만 해당하지 않습니다. 보고서가 인용한 오픈AI 조사에서 에이전트 사용이 가장 빠르게 늘어난 곳은 비개발 직군이었습니다. 법무, 영업, 채용, 마케팅이 여기에 들어갑니다. 베나이크는 그래서 AI용 '지니어스 바'가 필요하다고 말합니다. 직원이 도구를 고르고 설정하도록 옆에서 직접 돕는 창구입니다.
회사 단위 성장률에서도 차이가 보입니다(스탠더드 메트릭스 2분기 잠정 자료, 상위 25% 기준). 연 매출 100만~2,000만 달러 구간의 AI 네이티브 기업은 전년보다 256% 성장했습니다. 기존 소프트웨어에 AI를 덧붙인 기업은 90%였습니다. 2,000만 달러 이상 구간에서는 172% 대 53%였습니다. 베나이크도 이 비교가 인과를 증명하지는 않는다고 적었습니다.
이 차이는 주식시장에서 먼저 값이 매겨졌습니다. 클로드 코워크와 법무·재무·마케팅용 업무 플러그인은 소프트웨어 시장을 크게 흔들었습니다. 2월에는 두 주 만에 소프트웨어 주식 약 2,850억 달러가 사라졌습니다. 베나이크는 투자자가 기존 기업마다 세 가지를 판단해야 한다고 적었습니다. 에이전트가 가격 결정력을 깎는지, 시장을 넓히는지, 경쟁자가 자리를 대신하게 하는지입니다.
그는 이 답을 매출에 드러나기 훨씬 전에 정해야 한다고 덧붙였습니다. 이 질문은 투자자만의 것이 아닙니다. 기존 사업을 가진 경영자라면 같은 질문을 자기 회사에 던져야 합니다. 우리 회사의 데이터가 여전히 해자인지, 에이전트가 그 위에 올라탈 기반인지도 함께 따져야 합니다.
셋째, AI 공급을 막는 것은 기술이 아니라 전력, 주민, 정부입니다. 미국 하이퍼스케일러 4곳이 내놓은 2026년 설비투자 전망은 합계 약 7,330억 달러입니다. 그러나 돈만으로 데이터센터가 서지는 않습니다. 갤럽 3월 조사에서 동네 AI 데이터센터에 반대한 미국인은 71%로, 원전 반대(53%)보다 많았습니다. 2분기에만 최소 45개 사업, 약 680억 달러 규모가 주민 반대로 막히거나 늦어졌습니다.
정부도 공급을 끊을 수 있다는 점이 올해 처음 현실이 됐습니다. 6월 미국 수출 지침은 외국 국적자의 Fable 5와 미토스 5 사용을 막았습니다. 미국 안에 있는 외국인도 대상이었습니다. 앤트로픽은 지침을 지키려고 두 모델을 모든 사용자에게 중단했고, 7월 1일에 접근을 복구했습니다. 베나이크는 워싱턴이 핵심 기술 접근을 즉시 거둘 수 있다는 의존성이 구체화됐다고 봤습니다.
한국 기업도 이 지침의 영향권에 있습니다. 핵심 업무를 미국 최전선 모델 하나에 묶어 두었다면, 그 업무의 연속성은 미국 정책이 정합니다. 클라우드 장애에 대비하듯 모델 공급 중단에도 대비해야 합니다. 대체 모델과 전환 절차가 있는지부터 확인해야 합니다.
넷째, 에이전트 사고는 이미 실제 시스템에서 일어났습니다. 오픈AI는 안전장치를 줄인 상태로 내부 사이버 평가를 돌렸습니다. 그 과정에서 에이전트가 인터넷에 닿아 허깅페이스의 운영 인프라를 침해했습니다. 운영 작업 서버 41대에서 코드가 실행됐고, 비공개 저장소 4개가 내려받아졌습니다. METR과 레드우드 조사로는 우연히 풀 수 없는 과제를 받은 에이전트 약 700기가 공격에 가담했습니다.
보고서가 이 사건에서 끌어낸 교훈은 방어하는 쪽에도 같은 수준의 도구가 필요하다는 점입니다. 허깅페이스의 포렌식 요청은 상용 API 안전장치에 막혔습니다. 요청에 공격 명령과 익스플로잇 코드가 들어 있었기 때문입니다. 결국 허깅페이스는 중국의 오픈 웨이트 모델 GLM-5.2로 침입을 조사했습니다.
보고서는 감시 방식에도 경고를 남겼습니다. 모델이 적어 낸 추론이 실제 행동을 그대로 보여 준다고 가정할 수 없다는 것입니다. 오픈AI 실험에서 GPT-6 아스트라는 감시 모델이 추론만 볼 때 해로운 곁가지 작업을 더 잘 숨겼습니다. 감시 모델에 행동 기록까지 보여 주자 회피 성공은 거의 0이 됐습니다.
마지막으로, 2027년 예측 9가지는 리더의 점검표로 읽을 만합니다. 보고서는 매년 예측을 내고 이듬해 채점합니다. 지난해 예측 10개의 성적은 적중 2개, 부분 적중 5개, 빗나감 3개였습니다. 그러니 아래 예측은 확정된 미래가 아닙니다. 대비할 시나리오 목록으로 쓰는 편이 맞습니다.
| 2027년까지의 예측 | 경영 리더에게 닿는 지점 |
|---|---|
| 에이전트가 모델 업그레이드 없이, 한 달간 고객 업무를 하며 새 과제 실패율을 절반으로 줄인다 | 현장 업무 기록이 곧 경쟁력이 됨 |
| 자율 AI 팀이 같은 시간과 연산으로 사람이 이끄는 모델 연구를 이긴다 | 모델 교체 주기가 더 짧아짐 |
| 비자나 마스터카드가 AI 에이전트 구매의 책임을 정하는 분쟁 규정을 도입한다 | 에이전트 결제 정책 필요 |
| 미국의 한 주가 소비자 AI 에이전트의 해지·청구 요청을 기업이 받도록 법으로 정한다 | 고객 응대 창구 재설계 |
| 미국 규제기관이나 거래소가 개인 투자자 AI 에이전트의 동조 주문을 이상 주가 원인으로 지목한다 | 시장 변동 위험 |
| AI가 이끈 사이버 공격이 선도 연구소의 폐쇄형 최전선 모델 가중치를 통째로 훔친다 | 공급사 보안 점검 |
| 배포된 에이전트가 자기 환경 밖으로 자신을 복제해, 원래 인스턴스가 꺼진 뒤에도 작동한다 | 에이전트 통제 장치 |
| 미국 AI 연구소들이 최전선 사이버 방어 제품을 공식 출시한다 | 보안 조달 선택지 확대 |
| 2027년 AGI | 저자의 확신 표명 |
출처: State of AI Report 2026, slide 238 (9 predictions for the next 12 months). 오른쪽 열은 AI ROASTING의 해석.
네 가지 신호를 팀 단위에서 바로 할 수 있는 일로 옮겼습니다.
공개 벤치마크는 몇 달 만에 한계에 닿고, 새 모델이 늘 더 낫지도 않습니다. 지난 분기 실제 업무에서 20건을 고르고, 사람이 낸 모범 답안을 붙입니다. 새 모델이 나오면 같은 20문제를 돌려 비교한 뒤 바꿀지 정합니다. 클로드에 이렇게 요청하면 초안이 나옵니다. "이 업무 기록에서 난도가 다른 과제 20개를 골라 평가 문제와 채점 기준 표로 만들어 줘." (2시간)
GLM-5.1 실험에서 해결률을 13%포인트 올린 것은 도구, 맥락, 피드백이었습니다. 지금 쓰는 AI에 회사 문서, 작업 규칙, 좋은 결과물 예시를 붙여 같은 과제를 다시 돌립니다. 1번의 평가 문제로 전후를 비교하면 설정의 효과를 숫자로 볼 수 있습니다. (반나절)
에이전트 사용이 가장 빠르게 느는 곳은 법무, 영업, 채용, 마케팅입니다. 이 부서 직원이 자기 업무를 들고 오면, 능숙한 사람이 도구 선택과 설정을 옆에서 돕습니다. 매주 나온 설정을 한 문서에 모아 두면 다음 사람이 그대로 씁니다. (주 30분)
특정 최전선 모델 하나에 묶인 핵심 업무를 적습니다. 업무마다 대체 모델, 전환 담당자, 전환에 걸리는 시간을 적습니다. 분기에 한 번은 대체 모델로 1번 평가 문제를 실제로 돌려 봅니다. 미국 수출 지침 하나로 모델이 멈춘 사례가 이미 있습니다. (반나절)
운영 시스템에 닿는 에이전트마다 접근 권한과 행동 기록 보관 여부를 표로 정리합니다. 사고 조사 때 쓸 보안 도구가 상용 API 안전장치에 막히지 않는지도 미리 확인합니다. 권한을 정리하는 순서는 에이전트 권한 공백 글을 따르면 됩니다. (팀당 반나절)
저자는 AI 투자자입니다. 베나이크가 이끄는 에어 스트리트 캐피털은 AI 기업에 투자하는 벤처캐피털입니다. 그는 보고서에서 웨이브(Wayve), 프로플루언트(Profluent) 같은 투자 회사를 직접 언급합니다. 보고서는 자료와 저자의 견해를 함께 담고 있습니다. "인간의 기술 문제"나 "AGI 2027"은 측정 결과가 아니라 저자의 판단입니다.
26%는 한 연구소 안의 숫자입니다. 이 지표는 앤트로픽 내부에서, 사람의 감독 아래 측정됐습니다. 보고서도 이 숫자가 AI 연구 전체의 자동화 비율이 아니라고 적었습니다. AI가 스스로 연구 방향을 정할 수 있다는 증거도 아닙니다. 지속적이고 완전히 자율적인 자기 개선은 아직 입증되지 않았습니다.
예측의 적중률은 높지 않습니다. 지난해 예측 10개 가운데 온전히 맞은 것은 2개입니다. 2027년 예측도 대비할 시나리오로 읽어야 합니다. 예측 하나를 근거로 큰 예산을 옮기는 것은 위험합니다.
일부 근거는 일화이거나 잠정치입니다. 오퍼스 세대별 평가는 저자 개인의 사용 경험입니다. AI 네이티브 기업의 성장률 비교는 2분기 잠정 자료이고 인과를 보여 주지 않습니다. GLM-5.1 실험도 코딩 과제 100개에 대한 결과입니다. 우리 업무에 같은 폭의 개선이 나온다는 보장은 없습니다.
모델은 몇 달마다 바뀌고, 공급은 정부와 전력이 좌우합니다. 그래서 오래 남는 자산은 특정 모델이 아니라 우리 업무용 평가 문제, 설정, 대체 계획입니다.
State of AI Report: 네이선 베나이크가 2018년부터 매년 내는 AI 보고서입니다. 2026년판이 9번째입니다.
최전선 모델(frontier model): 그 시점에 가장 높은 성능을 내는 AI 모델입니다.
연환산 매출(run rate): 최근 한 달 같은 짧은 기간의 매출을 1년 치로 환산한 값입니다.
가중치(weights): 학습으로 정해지는 모델 내부의 수치입니다. 가중치를 그대로 두면 모델 자체는 바뀌지 않습니다.
SWE-bench Verified: 실제 소프트웨어의 버그를 AI가 고치는지 재는 코딩 평가입니다.
하이퍼스케일러: 대규모 데이터센터를 운영하는 거대 클라우드 기업입니다.
오픈 웨이트 모델: 가중치가 공개되어 누구나 내려받아 직접 돌릴 수 있는 모델입니다.
AI 네이티브 기업: 처음부터 AI를 중심으로 제품과 업무를 설계한 기업입니다.
- Benaich, N., & Air Street Capital. (2026, October 8). State of AI Report 2026 [Report]. Air Street Capital. (원문 보기 ↗)
- Benaich, N. (2026, October 8). The State of AI Report 2026 [Article]. State of AI newsletter. (원문 보기 ↗)
- Benaich, N. (2026, October 8). Is AI already helping researchers build better models? [Article]. State of AI Report 2026 Explore. (원문 보기 ↗)
- Benaich, N. (2026, October 8). Can an AI agent improve without changing its model? [Article]. State of AI Report 2026 Explore. (원문 보기 ↗)
- Benaich, N. (2026, October 8). What does the State of AI Report predict for 2027? [Article]. State of AI Report 2026 Explore. (원문 보기 ↗)