지난 3월 중국 기반 스타트업 ‘모니카’가 공개한 마누스(Manus) AI 에이전트가 대표적인 예다.
공개 직후 알리바바 큐원(Qwen)팀과 전략적 파트너십을 발표하기도 했고, 초기 제한적 접근에 따라 일주일 만에 대기 명단이 200만명을 넘기도 했다.
이에 일각에서는 “제2의 딥시크 사태로 이어지는 것이 아니냐”는 주장도 제기됐다.
마누스 실행 절차는 이용자 요청 분석→목표 식별→실행 가능 단계로 분해→최적 AI 모델 선택→작업 실행→자체 검증 순서로 이뤄진다.
이력서 심사, 부동산 조사, 주식 분석, 여행 계획, 웹사이트 구축 등 다양한 사용 사례에서 효과적인 결과물을 내놨다.
하지만 마누스가 자체 개발 모델로 구동되는 것이 아니라 서드파티(타 회사) 모델을 활용한 게 부정적 영향을 미쳤다.
사전 정의된 워크 플로(업무 흐름)에 따라 작업을 수행하고, 제한된 환경에서만 작동한다는 단점도 있었다.
안정성, 신뢰성, 실행 속도, 가격 측면에서도 한계가 존재해 실제 파급력이 크진 않았다.
이 밖에 주목할 만한 AI 에이전트 기술력 역시 모두 스타트업이 보유하고 있다.
문샷 AI에서 공개한 ‘키미-리서처(Kimi-Researcher)’는 검색, 추론, 코드 실행을 반복 대화를 통해 수행하는 자율 에이전트다.
작업당 평균 23단계 추론을 수행하고 200개 이상 링크(URL)를 탐색한다.
실시간 내부 검색 툴(도구), 문서 기반 웹 브라우저, 코딩 툴과 같은 도구를 통합한 아키텍처(기본 설계)가 활용된다.
키미-리서쳐는 엔드 투 엔드(일괄처리) 자율적 강화학습(AI가 환경과 상호작용하며 최적의 방법을 찾아 학습하는 방식)으로 성과를 창출한 게 강점으로 평가받는다.
강화학습이 에이전트 지능 향상으로 이어진다는 증거가 되기 때문이다.
기존 에이전트 개발 방식은 확장성과 유연성이 떨어지거나 일반화가 어렵다는 단점이 있었다.
반면 이러한 방식은 정답을 맞히면 보상을 획득하고 틀리면 학습 경로를 다시 수정한다.
미니맥스의 ‘미니맥스 에이전트’는 장기적이고 복잡한 작업을 해결하기 위해 설계된 범용 지능 에이전트다.
다단계 계획수립, 과제 분해, 하위 작업 실행을 스스로 수행해 해결책을 제공한다.
미니맥스 측은 “지난 두 달간 내부에서 사용되고 있었고 팀원 50% 이상이 매일 사용하고 있다”고 언급했다.
다만 다수 모델이 연동해 동작하는 만큼 비용·효율성 문제가 존재한다.
향후 단일 효율성 구조 개선을 시사했다.
미국과 중국 AI 에이전트의 발전 방향성에는 차이가 있다.
미국 AI 에이전트는 툴·API(응용프로그램 인터페이스) 호출을 우선적으로 활용한다.
반면 중국 상용화 AI 에이전트는 브라우저와 웹, 앱상 UI(이용자 환경)를 직접 제어하는 멀티 에이전트를 지향한다.
툴·API 사용이 없지는 않지만 화면 내 UI 요소 좌표를 직접 조정해 사람처럼 일괄적으로 완결 작업을 수행하는 것에 무게를 두고 있다.
업무적 활용도보다는 웹 검색, 예약, 일상 작업 등에 초점이 맞춰져 있다.
한영훈 기자 han@ajunews.com
<본 콘텐츠의 저작권 및 법적 책임은 아주경제(www.ajunews.com)에 있으며, 뽐뿌는 제휴를 통해 제공하고 있습니다.>
