이번 주 AI 뉴스 — Anthropic은 국방 계약에서 '진 게' 아니다

이번 주 핵심 요약

• 국방부 주요 빅테크 AI 계약 — Anthropic만 빠졌고, 그게 패배가 아니라 선택이었다
• Anthropic·OpenAI 며칠 차이로 엔터프라이즈 합작 — 라이벌이 거의 같은 전략을 베꼈다
• 이미지 AI가 챗봇 6.5배 추월 — 컨슈머 AI의 무게중심이 텍스트에서 픽셀로 넘어갔다
• SubQ, 1,200만 토큰을 비용 5%로 — 서브쿼드라틱 어텐션이 추론 비용을 95% 줄였다고 주장

---

이번 주의 숫자

6.5배 이미지 생성 AI 모델 업데이트가 챗봇 업데이트 대비 신규 앱 다운로드를 더 끌어오는 비율. 텍스트 기반 AI의 마케팅 효율이 한계에 부딪혔다는 가장 명확한 증거다.

---

1. Anthropic이 국방 계약에서 빠진 것은 '패배'가 아니다

Anthropic이 미 국방부 계약에서 빠진 것을 두고 '안전 회사의 패배'라고 한다면, 절반은 틀렸습니다. 주요 빅테크들(SpaceX·OpenAI·Google·Microsoft·Nvidia 등)이 명단에 오른 동안 Anthropic은 이번 명단에서 제외됐습니다. 그러나 이 해석은 한 가지를 놓치고 있습니다. Anthropic은 처음부터 이 계약을 적극적으로 원하지 않았다는 사실입니다.

안전 회사가 밀려난 게 아니라, 빠지기로 한 것

CEO 다리오 아모데이는 4월 중순 인터뷰에서 안전 가드레일을 협상 대상으로 두지 않겠다는 입장을 분명히 했습니다. 단순한 PR이 아니라 비즈니스 계산입니다. Anthropic의 핵심 고객은 금융, 법률, 헬스케어 같은 규제 산업입니다. 이들은 "AI가 군사 의사결정에 쓰인다"는 헤드라인 한 줄에 계약을 흔들 수 있는 시장입니다.

반면 OpenAI와 Google은 다릅니다. 매출 구조가 컨슈머와 클라우드 양쪽으로 이미 분산되어 있어, 국방 매출이 브랜드에 미치는 리스크가 상대적으로 낮습니다. 같은 결정이라도 회사마다 손익이 다릅니다.

국방부 계약 한 건의 가치는 수십억 달러대지만, Anthropic의 엔터프라이즈 매출은 연 30억 달러 수준으로 추정됩니다. 이번 결정은 손실이 아니라 트레이드오프였습니다.

진짜 의미 — AI 산업이 두 갈래로 갈라진다

이 사건은 미국 AI 산업이 처음으로 명확하게 두 진영으로 나뉘는 신호입니다. '국가 인프라 진영'(OpenAI, Microsoft, Google)과 '엔터프라이즈 신뢰 진영'(Anthropic). 같은 기술이지만 판매처와 약속이 다릅니다. 모델 성능 순위에서 GPT-5.5(xhigh, 100점)와 Claude Opus 4.7(95점)이 박빙을 벌이는 현재 구도도, 결국 두 진영이 각자의 영역에서 1등이 되겠다는 전략의 표현입니다. 같은 점수대를 두고 싸우는 것 같지만 노리는 시장이 다릅니다.

한국 기업 관점에서 보면 단순한 미국 정치 뉴스가 아닙니다. 예컨대 국내 한 대형 금융지주가 사내 법무·리스크 검토 도구로 Claude를 시범 도입한 사례가 업계에 알려져 있는데, 평가 기준은 가격이나 성능이 아니라 '학습 데이터 정책'과 '군사·감시 활용 가드레일'이었습니다. 한 진영의 모델을 쓴다는 건 곧 컴플라이언스 책임 라인이 거기에 묶인다는 뜻입니다. 국내에서도 기관별로 선호 모델이 갈리는 흐름이 관찰되며, 이 분기점의 연장선에 있습니다. 월요일 회의에서 "우리는 어느 진영을 쓰고 있나?"라는 질문이 곧 표준 의제가 될 것입니다.

비판적으로 보면, Anthropic의 입장이 끝까지 유지될지는 미지수입니다. 매출 압박이 커지고 정책 환경이 바뀌면 '안전 우선' 메시지는 흔들릴 수 있습니다. Claude 4.7 출시 후 가격을 인상한 사례에서 보듯, 이 회사도 결국 상업 압력에서 자유롭지 않습니다.

출처: CNN Business 2026-05-01 · TechCrunch 2026-05-04 검증 노트: Anthropic 매출 30억 달러는 The Information 등 IT 매체 보도 기준 추정치이며 회사 공식 발표는 확인되지 않음. 다리오 아모데이 4월 중순 인터뷰 인용 매체·정확한 날짜는 본문에서 직접 확인되지 않아 의역 처리. 빅테크 명단은 일부만 확인되어 '주요 빅테크들'로 완화. 국내 금융지주 시범 도입 사례는 업계 보고 수준이며 특정 기관·도입 규모 등 공식 발표는 확인되지 않음.

---

2. Anthropic과 OpenAI가 며칠 차이로 같은 전략을 베꼈다

라이벌 두 회사가 며칠 차이로 거의 동일한 전략을 발표하는 일은 거의 없습니다. 그런데 Anthropic과 OpenAI가 정확히 그 일을 했습니다. 두 회사 모두 엔터프라이즈 AI 합작법인 설립을 발표했고, Anthropic은 금융 분야에 특화된 사전 구성 AI 에이전트 약 10종을 동시에 공개했습니다. 투자은행 모델링, 자산운용 리서치, 보험 언더라이팅까지 — 그동안 컨설팅펌이 컨설턴트를 보내 풀던 영역입니다.

항목	Anthropic	OpenAI
진입 방식	사전구성 에이전트 약 10종	합작법인 + 컨설팅 파트너
1차 타깃	금융 (IB·자산운용·보험)	산업 전반
차별점	도메인별 가드레일	인프라+생태계

이 시점의 진짜 뉴스는 "두 회사가 합작법인을 만들었다"가 아닙니다. 컨설팅 회사 매출을 직접 잠식하기 시작했다는 점입니다.

실제로 Accenture는 2025년 후반 분기 실적 발표에서 AI 컨설팅 수요는 두 자릿수로 늘었지만 전통적 시스템 통합·재량 컨설팅 매출은 둔화 흐름이라는 메시지를 꺼냈습니다. AI가 컨설턴트의 수임을 직접 대체하기 시작했다는 신호입니다. 매킨지·BCG도 내부 자료 작성과 1차 분석을 자체 AI로 돌리며 주니어 컨설턴트 채용 규모를 조정한 것으로 알려져 있습니다.

한국 시장으로 가져오면 — 삼성SDS, LG CNS, 네이버클라우드의 엔터프라이즈 AI 영업이 미국 빅2와 정면으로 부딪히는 시기가 1년이 아니라 6개월 안으로 당겨집니다. 국내 SI들이 'GPT 래퍼' 단계에 머물러 있는 동안, 외국계는 도메인별 사전구성 제품을 들고 들어옵니다.

출처: TechCrunch 2026-05-04 · Air Street Press 2026-05-05 검증 노트: 사전 구성 에이전트 수치는 '약 10종'으로 완화. Accenture 분기 실적 멘트는 컨퍼런스 콜 요지 기반 의역. 매킨지·BCG의 채용 조정은 보도 수준이며 분기 보고서·공식 자료의 직접 출처는 본문에 명시되지 않음.

---

3. 이미지 AI 한 번의 업데이트 = 챗봇 6.5번

6.5배.

이미지 생성 AI 한 번의 모델 업데이트가 끌어오는 신규 앱 다운로드 수는, 챗봇 업데이트 대비 6.5배에 달했습니다. 같은 시기에 Nvidia 젠슨 황 CEO는 AI를 미국 재산업화의 최대 기회로 규정하며 일자리 창출 효과를 강조했습니다.

이 숫자가 의미하는 바는 단순합니다. 텍스트 기반 챗봇 시장이 포화에 도달했다는 뜻입니다. 사용자는 ChatGPT, Claude, Gemini를 이미 써봤기 때문에 새 챗봇 기능에 무뎌졌습니다. 반대로 이미지·영상 생성은 시각적 충격이 즉각적입니다. 캐릭터 일관성, 4K 업스케일, 영상으로의 확장 — 이 세 축이 신규 사용자를 강하게 끌어당기고 있습니다.

챗봇은 '익숙한 도구'가 됐고, 이미지·영상 AI는 여전히 '새로운 마법'입니다. 마케팅 효율 격차는 당분간 더 벌어집니다.

비판적 시각도 짚어둡니다. 다운로드 수치가 곧 매출은 아닙니다. 이미지 AI 앱 사용자의 ARPU는 챗봇 구독자보다 낮은 경향이 있고, 이탈률도 더 높다는 분석이 있습니다. 6.5배라는 숫자는 화려하지만, 결제 전환율로 보면 격차가 좁혀집니다. 업계 추정으로 이미지 AI 앱 ARPU는 월 5~10달러 범위, 챗봇 구독은 월 20달러 안팎이 표준입니다. 다운로드 6.5배가 매출 6.5배로 직결되지 않는다는 의미입니다.

출처: TechCrunch 2026-05-04 검증 노트: 젠슨 황 CEO 발언은 매체·정확한 날짜 1차 출처가 본문에서 직접 확인되지 않아 의역 처리. ARPU·이탈률 비교 및 ARPU 범위(이미지 5~10달러 / 챗봇 20달러 안팎)는 업계 통설·추정 수준이며 1차 시장조사 보고서명은 본문에서 명시되지 않음.

---

4. SubQ가 어텐션 연산량을 1/1000로 줄였다고 주장한다

어텐션 연산량 1/1000, 비용 5%, 컨텍스트 1,200만 토큰 — 이 세 숫자가 한 모델 안에 같이 등장했습니다. 농담이 아닙니다.

한 스타트업(Unwire.hk 보도 기준 'Subquadratic')이 공개한 LLM 'SubQ'는 서브쿼드라틱 희소 어텐션 아키텍처를 기반으로 합니다. 기존 트랜스포머는 컨텍스트가 길어지면 어텐션 연산량이 제곱으로 폭증합니다. 컨텍스트 100만 토큰만 돼도 비용이 비현실적인 수준이죠. SubQ는 이 연산량 증가를 거의 선형 수준으로 낮췄다고 주장합니다.

사실이라면 RAG(검색 증강 생성)의 절반은 필요 없어집니다. 그냥 책 한 권, 코드베이스 전체, 회의록 1년치를 통째로 컨텍스트에 넣으면 됩니다.

물론 검증이 먼저입니다. 자체 발표 벤치마크와 독립 평가는 다릅니다. 정확도가 GPT-5.5나 Claude Opus 4.7급에 미치지 못하면 효율은 의미가 반감됩니다. 모델 순위에서 SubQ가 아직 Top 5에 진입하지 못했다는 점, 신규 진입 모델 중 LLM Stats 데이터 기준으로 Grok 4.3·GPT-5.4(low)·Kimi K2.6 정도만 이름을 올린 점은 시장이 여전히 '검증된 정확도'를 우선시한다는 신호입니다.

그래도 한국 개발자에게 시사점은 명확합니다. 1,200만 토큰을 5% 비용으로 처리하는 모델이 1~2년 내 메인스트림이 되면, 사내 모든 문서를 한 컨텍스트에 넣고 질의응답하는 시나리오가 표준이 됩니다. Pinecone·Weaviate 같은 벡터DB 비즈니스가 가장 먼저 흔들립니다 — 사내 위키·매뉴얼·티켓 수만 건을 청크로 쪼개 임베딩 검색으로 답을 찾는 RAG 파이프라인의 핵심 가치가 사라지기 때문입니다. "1차 문서 검색 후 LLM에 주입"이라는 표준 패턴 자체가 "그냥 다 넣고 물어봐"로 단순해집니다.

출처: Unwire.hk 2026-05-06 · LLM Stats 2026-05 검증 노트: 회사명 'Subquadratic'·제품명 'SubQ'는 Unwire.hk 1건 보도 기준이며 공식 사이트·1차 보도자료는 본문에서 확인되지 않음. Grok 4.3·GPT-5.4(low)·Kimi K2.6 표기는 LLM Stats 페이지 표기와 일치 여부 재확인 필요.

---

에디터 한마디

올 한 사이클을 관통하는 한 단어를 꼽자면 '분화'입니다. 같은 AI 기술이 국방용·엔터프라이즈용·컨슈머용으로 갈라지고, 같은 트랜스포머 아키텍처가 정확도형(GPT·Claude)과 효율형(SubQ)으로 갈라집니다. Anthropic과 OpenAI가 며칠 차이로 똑같은 합작 전략을 발표한 것조차 — 표면적 모방 뒤에는 '누가 어느 산업의 신뢰를 먼저 가져갈 것인가'라는 분화의 시작입니다. 한국 기업이 던져야 할 질문도 바뀝니다. "어떤 AI를 쓸까"가 아니라 "어느 진영, 어느 효율 곡선 위에 우리 비즈니스를 올릴 것인가." 답을 미루면, 그 결정은 곧 외국계 영업담당자의 손에 넘어갑니다.