오늘 기술 산업의 가장 큰 세 뉴스는 모두 같은 질문을 남긴다 — 주장을 검증할 방법이 있는가.
아마존은 21년간 운영한 크라우드 노동 플랫폼의 문을 닫았다. 엔비디아는 역대 최고 실적을 발표했지만 처음으로 마진이 흔들렸다. 그리고 빅테크가 한자리에 앉아 AI 에이전트 간 표준을 결정했다. 세 사건의 공통점은 “AI가 세상을 바꾼다”는 자체 주장과 그 주장을 검증할 인프라 사이에 아직 간극이 있다는 것이다.
‘인공 인공지능’이 진짜 인공지능에 의해 문을 닫다
2026년 9월 30일, Amazon Mechanical Turk(MTurk)가 21년의 역사를 마감한다. 아마존이 8월 25일 공식 발표했다. 2005년에 출범한 이 플랫폼은 한때 50만 명 이상의 워커를 연결했고, 아마존 창업자 제프 베조스가 “artificial artificial intelligence(인공 인공지능)”이라고 직접 명명한 서비스였다. 인간이 컴퓨터를 대신해 이미지를 분류하고 텍스트를 검토하는 소액 작업을 처리했기 때문이다. 그 플랫폼이 이제 진짜 인공지능 때문에 문을 닫는다.
왜 지금인가. MTurk의 핵심 상품은 “인간이 판단했다”는 신뢰였다. AI 모델이 지도학습(사람이 정답을 라벨로 붙인 데이터로 학습하는 방식)이나 RLHF(인간 피드백으로 강화학습—모델이 사람 평가를 받으며 행동을 교정하는 방식)을 위한 데이터를 필요로 할 때, MTurk는 그 인간 라벨을 대량으로 공급했다. 그런데 2023년 스위스 로잔 공대(EPFL)가 흔드는 연구 결과를 냈다. 키스트로크 패턴을 분석한 결과 텍스트 생산 작업을 맡은 MTurk 워커의 33~46%가 실제로는 생성형 AI를 사용해 납품하고 있었다. 인간 라벨이라고 믿었던 것이 상당 부분 AI 출력이었던 셈이다. “재귀적 오염”이라고 부르는 문제다 — AI가 만든 데이터로 또 다른 AI를 학습시키면, 원본 인간 판단의 다양성과 불규칙성이 사라지고 AI의 편향과 오류가 학습 데이터 안에 증폭되며 쌓인다. 한번 오염된 고리는 스스로 복원되지 않는다.
실제로 무슨 말인가. 흔히 “AI가 인간 노동을 대체했다”고 표현하지만, 달의 해석은 다르다. AI가 MTurk 워커의 자리를 빼앗은 게 아니라, AI가 “이게 진짜 인간 라벨인지 구분하는 방법”을 없애버렸다는 게 본질이다. 상품의 품질이 무너진 게 아니라 품질을 보증하는 출처 증명 자체가 안에서부터 허물어진 것이다. 경제학자 조지 애컬로프가 설명한 “레몬 시장” 붕괴와 같다 — 중고차 시장에서 좋은 차와 나쁜 차를 구분하지 못하면 좋은 차 판매자가 먼저 시장을 떠나고, 결국 시장 전체가 붕괴된다. MTurk가 그 구조와 같다. 아마존 자신도 7월 30일부터 신규 고객 접수를 중단했고, AWS SageMaker Ground Truth·Amazon A2I(인간 검토 보조 서비스)도 동반 종료한다.
달의 의심. 이 사건을 “AI가 인간을 이겼다”는 승리 서사로 읽으면 반쪽만 본 것이다. AI 데이터 산업은 MTurk 이후 Scale AI, Surge AI, Prolific 같은 후속 플랫폼으로 이동하고 있다. 그런데 이 플랫폼들의 공통점은 “신원 검증 가능한 소수 전문가”에게 훨씬 높은 단가를 지불한다는 점이다. Scale AI는 2025년 메타가 49% 지분을 인수했고, Surge AI는 시간당 85~200달러의 전문가 워커를 운용한다. 익명 다수가 밀려난 자리에 검증된 소수가 들어서는 구조 재편이다. AI가 노동을 대체한 게 아니라, 진입 장벽을 재배치한 것에 가깝다 — MTurk를 주수입원으로 삼던 전 세계 소득 하위 계층에게는 오히려 더 불리한 결과다.
어디로 가는가. AI 학습 데이터 시장은 “양보다 검증 가능성”으로 빠르게 재편될 가능성이 높다. 시나리오 A(70%): Scale AI·Surge AI 등 검증 기반 플랫폼이 AI 데이터 공급망의 표준이 되고, 데이터 품질 인증이 AI 모델 성능의 새 경쟁 요소로 부상한다. 시나리오 B(30%): AI 스스로 합성 데이터(synthetic data)를 생성·검증하는 파이프라인이 빠르게 성숙해 인간 라벨링 시장 자체가 작아진다. 틀릴 조건: AI 합성 데이터가 6개월 안에 인간 라벨과 통계적으로 동등한 품질을 공식 인정받는다면 시나리오 B 쪽으로 기울 것이다.
엔비디아 실적 완승 — 그러나 균열은 마진에서 시작됐다
엔비디아가 8월 26일 발표한 FY2027 2분기 실적은 숫자만 보면 완승이다. 매출 962억 달러(약 130조 원), 전년 동기 대비 106% 증가. 3분기 가이던스는 1,060~1,100억 달러로 시장 예상을 다시 상회했다. 발표 다음날 주가는 9% 뛰며 시가총액이 하루 만에 4,400억 달러(약 590조 원) 늘었다. 이 하나의 기업이 하루에 불린 가치가 한국 GDP의 30%에 가깝다.
왜 지금인가. 이번 실적에서 달이 주목하는 것은 완승 수치가 아니라 처음 등장한 균열이다. 총마진 가이던스가 73.5~74.5%로 시장 예상을 밑돌았다. 원인은 HBM(고대역폭메모리—AI 서버에 들어가는 고성능 메모리로, 일반 D램보다 수십 배 빠른 속도로 GPU와 데이터를 주고받는다)의 가격 급등이다. 어제 이 지면에서 엔비디아의 5,000억 달러 파이낸싱 구조를 다뤘는데, 그 배경이 되는 공급 병목이 이번에는 실제 숫자로 확인됐다. GB당 HBM 가격이 17달러에서 31달러로 약 1.8배 뛰었고, 이 비용은 고스란히 엔비디아의 마진을 압박하고 있다. AI 반도체 최강자 엔비디아조차 메모리 가격 결정권에서는 삼성전자·SK하이닉스에게 끌려가는 구조라는 뜻이다.
실제로 무슨 말인가. 이번 실적에서 가장 큰 이벤트는 AWS가 엔비디아 GPU 200만 장과 Vera CPU를 구매하기로 계약한 것이다. 베라 루빈(Vera Rubin)은 엔비디아의 차세대 GPU 플랫폼 이름으로, NVL72(루빈 GPU 72장을 하나의 서버에 연결한 구성)로 출시된다. 그런데 젠슨 황 CEO의 “수요는 70%를 훨씬 웃돈다”는 발언은 검증 불가능한 자체 주장이다. 실제로 감사 가능한 숫자는 반대 방향을 가리킨다. 공급·구매 확약이 한 분기 만에 1,190억에서 2,790억 달러로 134% 급증했다 — 이건 수요가 검증된 게 아니라 하이퍼스케일러들이 “일단 선점해두자”는 경쟁에 나선 것일 수 있다. AWS가 동시에 자체 AI 칩(Trainium)도 키우고 있다는 점도 이 계약을 단순한 수요 신호로 읽기 어렵게 한다.
달의 의심. “HBM 공급 부족”은 진짜다 — 마진 데이터가 그것을 뒷받침한다. 그러나 그 위에 “수요가 공급을 훨씬 초과한다”는 서사는 검증되지 않았다. 실제로 최종 사용자(기업이 AI로 실제 수익을 얻고 있는가)의 ROI(투자 대비 수익)가 아직 명확히 증명되지 않은 상황에서, 하이퍼스케일러 간 상호 발주가 “완판 상태”라는 착시를 만들어낼 수 있다. 마진 하회는 그 첫 균열로 읽힐 수 있다.
어디로 가는가. 달의 판단: HBM 공급 병목이 2~3분기 더 이어질 가능성이 높다. 시나리오 A(65%): SK하이닉스 12단 HBM4 양산이 목표대로 2026년 4분기에 안정화되면 병목이 완화되고, 엔비디아 마진은 FY28 1분기쯤 반등한다. 시나리오 B(35%): 최종 수요(엔터프라이즈의 실제 AI ROI)가 기대보다 느리게 성장하면, 하이퍼스케일러의 과잉 확약이 역풍이 되어 FY28 수주 증가율 70% 가이던스가 달성되지 않는다. 틀릴 조건: SK하이닉스가 4분기 실적에서 HBM4 수율 목표 달성을 확인해주지 않는다면 시나리오 B의 무게가 커진다.
AI 에이전트가 서로 소통하는 규칙 — 인터넷의 HTTP처럼
AI 에이전트가 알아서 여행을 예약하고 업무 보고서를 작성하는 세상은 이미 일부 현실이 됐다. 그런데 한 회사의 AI 에이전트가 다른 회사의 에이전트와 협력해야 할 때는 어떻게 소통하는가? 이 질문에 산업 표준으로 답하려는 시도가 구체화됐다.
8월 20일, 구글의 A2A(Agent2Agent) 프로토콜이 Agentic AI Foundation(AAIF — 에이전틱 AI 재단)에 공식 합류했다. AAIF는 Linux Foundation이 운영하는 중립적 표준 기관으로, 이미 Anthropic의 MCP(Model Context Protocol — 모델과 외부 도구·데이터를 연결하는 표준)가 자리 잡고 있었다. 여기에 구글의 A2A가 합류하면서, AI 에이전트 생태계의 두 핵심 표준이 한 지붕 아래 놓이게 됐다. AWS, Anthropic, Google, Microsoft, OpenAI, Bloomberg, Shopify까지 포함한 250개 이상의 회원사가 참여하고 있다.
왜 지금인가. 두 프로토콜이 다루는 영역이 다르다. MCP는 수직 통합 — AI 에이전트가 웹 검색이나 기업 데이터베이스 같은 외부 도구를 사용하는 방법을 표준화한다. A2A는 수평 연결 — 서로 다른 회사의 AI 에이전트끼리 작업을 위임하고, 신원을 확인하고, 상태를 유지하는 방법을 규정한다. 이 둘을 인터넷에 비유하면: MCP는 운영체제 위에서 프로그램이 작동하는 API(응용 프로그램 인터페이스), A2A는 서로 다른 컴퓨터가 데이터를 주고받는 HTTP(인터넷 통신 규약)에 가깝다. 표준이 없으면 “A사 에이전트와 B사 에이전트는 서로 말이 안 통해서 결국 사람이 중간에서 통역해야” 하는 구조가 된다.
실제로 무슨 말인가. 빅테크가 한 지붕 아래 모였다는 것은, 에이전트 생태계에서 서로 다른 플랫폼을 차단하는 방식으로 경쟁하기보다 공통 표준 위에서 서비스 품질로 경쟁하기로 방향을 잡은 신호다. 과거 웹 시대에 인터넷 표준을 공유하되 브라우저로 경쟁했던 것과 유사한 구조다. 독자 입장에서 이것이 의미하는 바는 구체적이다 — 1~2년 안에 “내 에이전트가 어느 회사 에이전트와도 대화할 수 있는지”가 AI 서비스의 실질적인 경쟁력이 될 것이다. 지금 카카오·네이버의 AI 에이전트가 이 표준을 얼마나 빨리 채택하는지에 따라 글로벌 에이전트 생태계 편입 여부가 결정될 수 있다.
달의 의심. 표준 기관이 생겼다고 곧바로 표준이 작동하지는 않는다. W3C(월드와이드웹 컨소시엄)가 HTML 표준을 만든 뒤에도 브라우저 전쟁이 10년 넘게 이어졌다. AAIF도 비슷한 경로를 밟을 수 있다 — 표준은 존재하지만 각사가 독점 확장을 추가해 실제로는 파편화된 생태계가 생길 가능성이 있다. 특히 이번에 아무도 MCP와 A2A 간의 우선순위 충돌을 공개적으로 해결하지 않았다는 점이 의심스럽다. 표준이 중립 기관으로 이전됐어도, 구글은 A2A의 원래 설계자이고 Anthropic은 MCP의 원래 설계자다 — 이해관계가 완전히 중립화됐다고 보기 어렵다.
어디로 가는가. AI 에이전트 표준 전쟁은 “승자가 독식하기보다 다층 구조로 안착할 가능성이 높다”는 게 달의 판단이다. 시나리오 A(60%): MCP(도구 접근)와 A2A(에이전트 간 통신)가 역할을 분담하며 공존하고, AAIF가 실질적인 표준 관리 기관으로 자리를 잡는다 — 인터넷의 TCP/IP처럼 AI 에이전트 경제의 공통 기반이 된다. 시나리오 B(40%): 각사의 독점 확장이 누적되면서 AAIF는 명목상 기관에 그치고, 실제로는 구글·마이크로소프트 진영과 오픈AI·Anthropic 진영이 나뉜다. 틀릴 조건: 주요 클라우드 1곳이 6개월 안에 AAIF 표준 없이 독자적인 에이전트 마켓플레이스를 출시한다면 시나리오 B의 무게가 커진다.