AI 에이전트 성능 비교 전에, 자체 벤치마크와 시장 전망 걸러 읽는 법

무슨 일이 일어나고 있나

첫 번째는 Exponential View의 GLP-1 분석이에요. 체중 감량 목적으로 GLP-1을 쓰는 미국 성인 비율은 2024년 3%에서 현재 11%로 늘었고, 2025년 말 GLP-1 매출은 760억 달러로 이 매체가 추산한 생성형 AI 매출 630억 달러를 넘어섰다고 합니다. a16z 자료를 인용해 GLP-1에 돈을 내는 미국인이 AI에 돈을 내는 사람의 두 배가 넘는다고도 적었어요. 가격 구조는 이중적입니다. 지난해 미국에서 두 번째로 많이 팔린 약인 세마글루타이드의 미국 정가는 2021년 6월 출시 때 월 1,349달러에서 한 번도 움직이지 않았습니다. 그런데 보험 밖 현금가는 Novo의 자가부담 가격 499달러를 거쳐 올해 2월부터 월 199달러까지 내려왔고, 인도에서는 3월 20일 특허가 만료된 뒤 한 달치가 약 13달러가 됐어요. 원래 미국 정가 대비 99%, 현금가 대비 93% 낮은 수준입니다.

두 번째는 Meta Superintelligence Lab이 월요일 공개한 첫 프런티어 모델 Muse Wonder와 Muse Wonder Full이에요. Meta Model API 기준 가격은 입력 100만 토큰당 4달러, 출력 100만 토큰당 20달러로 GPT-6 Sol, Opus 5.5와 비슷한 구간입니다. Meta는 모델 카드에서 Fable 5.1, GPT-6 Astra와 비슷한 벤치마크 점수를 제시했고, 사용자 정보를 장기간 보관하고 종합하는 active memory를 앞세워 MemoryBench에서 Fable, Opus, Astra보다 높은 점수를 받았다고 밝혔어요. 두 모델은 Muse 에이전트도 구동합니다. 다만 가장 큰 Wonder Full은 Muse Code 구독자 전용이라 API로는 제공되지 않아요.

세 번째는 MIT Tech Review와 Aventine이 함께 쓴 휴머노이드 로봇 점검 기사입니다. 일론 머스크는 1월 다보스에서 Optimus가 2027년 말 대중 판매될 수 있다고 했고, 대당 2만 달러 수준으로 거의 모든 인간 노동을 자동화할 수 있다고 주장해요. Marc Andreessen은 로봇이 지구 역사상 가장 큰 산업이 될 수 있다고 했고, Jensen Huang은 1월에 휴머노이드가 올해 인간 수준 능력에 도달한다고 말했습니다. Morgan Stanley는 2050년까지 사람을 닮은 로봇이 10억 대 가까이 늘어 5조 달러 넘는 시장이 된다고 전망했어요. 반면 같은 다보스 기간에 Yann LeCun은 휴머노이드를 만드는 회사 중 누구도 로봇을 쓸모 있을 만큼 똑똑하게 만드는 법을 모른다고 잘라 말했습니다. Google DeepMind의 ALOHA 2와 Gemini Robotics 모델은 도시락 싸기 같은 작업은 해내지만 훈련 데이터에 없는 과제는 대부분 실패하고, 영상에 나온 Optimus도 물병을 건네다 뒤로 넘어지거나 셔츠 다림질에 애를 먹는 모습이 함께 잡혔어요.

왜 중요한가

세 건은 업종이 다르지만 구조가 같습니다. 시선을 끄는 숫자와 실제로 관측된 숫자가 따로 있고, 마케터가 예산과 메시지를 정할 때 손이 가는 건 대개 앞쪽이에요. 문제는 두 숫자가 서로 다른 메커니즘을 가리킨다는 점입니다.

GLP-1에서 헤드라인은 760억 대 630억이지만, 수요를 실제로 움직이는 건 가격과 유지율의 조합이에요. 가격 쪽 메커니즘은 분명합니다. Eli Lilly는 2분기에 실현 가격을 13% 내려 물량을 60% 늘렸어요. 가격 탄력성이 크다는 뜻이고, 현금가 199달러와 인도 13달러는 신규 유입을 더 키울 재료입니다. 그런데 유입 뒤의 곡선은 다릅니다. 인도에서는 제네릭 출시 직후 4월 월 매출이 58% 늘었지만 6월에는 2% 성장에 그쳤어요. 영국 연구에서는 복용자 100명 중 1년 뒤 32명, 2년 뒤 15명만 남았고, 덴마크 연구에서도 비만 목적 복용자의 절반이 1년 안에 끊었습니다. FDA가 2021년 Wegovy를 기간 제한 없는 만성 체중 관리용으로 승인했다는 점을 생각하면, 설계상 평생 복용 약이 실제로는 단기 체류 상품처럼 소비되고 있는 셈이에요. 가격 인하는 입구를 넓히지만 출구를 좁히지는 못합니다. 그래서 복용 경험자는 늘어도 특정 시점의 복용 중인 사람은 계속 교체돼요. 식품과 소비재 마케터가 '약 복용자'를 고정 세그먼트로 잡는 순간, 1년 안에 그 세그먼트의 다수가 다른 구매 패턴으로 옮겨 가는 걸 놓치게 됩니다.

Meta 사례에서 주목할 대목은 주장이 두 층으로 나뉜다는 점이에요. 범용 벤치마크에서는 경쟁 모델과 '비슷하다'고 했고, 우위를 말한 건 Meta가 직접 골라 강조한 MemoryBench 하나입니다. 동급을 말할 때와 우위를 말할 때 쓴 저울이 다르다는 뜻이에요. 반면 4달러, 20달러는 공개 요금표라 그대로 믿어도 됩니다. AI 에이전트 성능 비교를 할 때 이 둘을 같은 무게로 놓으면 PoC 범위부터 잘못 잡혀요.

로봇 사례는 간극이 가장 큽니다. 낙관론의 근거는 ChatGPT와 Claude를 만든 AI 발전이 언어를 흉내 내듯 사람의 움직임도 흉내 내게 해 준다는 가정이에요. 하지만 연구자들은 언어와 이미지로 만든 지능이 물리 세계의 무한한 변수를 다루는 건 다른 문제라고 봅니다. VLA 모델은 시연 데이터 분포 안에서는 매끄럽게 움직이지만 분포 밖에서는 무너지고, 이건 LLM이 학습하지 않은 영역에서 그럴듯한 오답을 내는 환각과 같은 뿌리예요. 대안으로 영상, 3D 스캔, 센서 데이터로 물리 세계를 예측하는 world model에 Nvidia, Google, World Labs, AMI Labs가 뛰어들었지만 아직 초기 단계입니다. 마케팅 에이전트가 학습하지 않은 캠페인 유형에서 자신 있게 틀리는 문제와 같은 축에서 읽어야 하는 이유예요.

이해관계와 역학

숫자마다 그 숫자로 이득을 보는 쪽이 있어요. 이걸 먼저 짚으면 어떤 값을 얼마나 깎아 읽을지가 보입니다.

Meta부터 보겠습니다. 이번이 첫 프런티어 모델이에요. 작년 8월 Scale AI 창업자 Alexandr Wang이 AI 조직을 재편한 뒤 경량 모델 Muse Spark와 Muse 에이전트만 내놓았고, OpenAI와 Anthropic이 해 온 최상위 모델 발표는 피해 왔습니다. 올해 가동한 오하이오 중부의 Prometheus 데이터센터에서 학습했다는 점도 굳이 밝혔죠. 대규모 인프라 투자를 정당화하려면 상위권과 같은 줄에 섰다는 서사가 필요하고, 가격을 GPT-6 Sol, Opus 5.5와 같은 구간에 맞춘 것도 '우리도 이 등급'이라는 신호로 읽힙니다. 그런데 가장 강한 Wonder Full은 API에서 빼고 Muse Code 구독에만 넣었어요. 외부 개발자에게는 비교표에 오를 모델을 주고, 최상위 성능은 자사 구독 상품의 유인으로 묶어 두는 구조입니다. active memory를 전면에 둔 것도 같은 방향이에요. Meta 연구원 Kavya Kopparapu는 며칠, 몇 주, 몇 달 이상 중요한 걸 기억하게 만드는 데 큰 노력을 들였다고 말했는데, 기억이 쌓일수록 사용자가 다른 모델로 옮겨 갈 때 잃는 게 커집니다. 블로그가 내건 '개인 초지능'이라는 목표는 곧 전환 비용을 높이는 설계이기도 해요. 경쟁사 대비 우위를 굳이 MemoryBench로 보여 준 건 이 사업 논리와 맞닿아 있습니다.

휴머노이드 쪽은 이해관계가 더 노골적이에요. 역대 최대 제품이라는 머스크 발언은 7월 주주들 앞에서, 2027년 말 판매 예고는 다보스에서, 역사상 가장 큰 산업이라는 말은 벤처캐피털 공동창업자의 입에서 나왔습니다. 주가와 자금 조달, GPU 수요에 직접 연결되는 자리들이에요. Nvidia CEO가 휴머노이드의 인간 수준 도달을 말하는 것도 로봇이 커질수록 컴퓨팅 수요가 늘어나는 회사의 위치에서 나온 발언입니다. 5조 달러는 2050년을 가정한 투자은행 전망이라 지금 시점에 맞고 틀림을 가릴 수단이 없어요. 반대편의 LeCun은 world model 연구를 대안으로 미는 진영에 서 있다는 점도 함께 기억해 둘 만합니다. 회의론에도 입장이 있다는 뜻이에요.

GLP-1 비교에도 유인이 있습니다. Exponential View는 2024년 8월에 GLP-1이 향후 2년간 AI나 재생에너지보다 미국에서 더 의미 있고 측정 가능한 영향을 낼 것이라고 예측했고, 같은 해 10월에는 의료 목적만으로 미국 성인의 20%, 생활 목적으로 6-10%가 쓸 수 있으며 최종 시나리오에서는 60-70%까지 갈 수 있다고 썼어요. 그 2년 시한이 다가온 시점에 자기 예측이 맞았다는 근거로 자기 추산치를 쓴 구조입니다. 비교의 방향은 참고하되 630억 달러를 시장 통계처럼 인용하면 곤란해요. 반대로 1년 32%, 2년 15% 유지율과 인도 성장 둔화처럼 매체 서사에 불리한 숫자를 스스로 실었다는 점은 신뢰할 만한 대목입니다. 가격 쪽에서도 정가 1,349달러는 그대로 두고 현금가만 내리는 방식은, 기존 가격 체계를 흔들지 않으면서 보험 밖 수요를 끌어오는 선택으로 읽혀요.

실무에 주는 함의

내일 바로 손댈 수 있는 점검 항목을 정리했어요.

• 모델 비교표의 숫자를 두 칸으로 나누세요. 공개 가격, 제공 범위(API 가능 여부) 같은 확정값과 자체 벤치마크, 전망치 같은 주장값을 분리하고, 주장값 옆에는 측정 주체를 한 줄 적습니다. 이렇게 해 두면 Muse Wonder처럼 상위 모델이 API에 없는 경우를 놓치지 않아요. PoC 비용은 실제로 붙일 수 있는 Muse Wonder 기준으로 산정하는 게 맞습니다.
• AI 에이전트 가격 비교는 토큰 단가가 아니라 작업당 비용으로 다시 계산하세요. Muse Wonder는 출력 단가가 입력의 5배입니다. 공개 요금으로 계산해 보면, 입력 1만 토큰에 출력 2천 토큰인 분류성 작업은 건당 약 0.08달러지만, 입력 2천 토큰에 출력 8천 토큰인 리포트 생성은 건당 약 0.168달러로 두 배가 넘어요(토큰 수는 설명용 가정). 우리 작업의 입출력 비율을 먼저 재야 같은 가격 구간의 모델끼리도 비교가 됩니다.
• 답이 정해진 반복 작업은 범용 LLM에서 떼어 내는 방안을 검토하세요. 티켓 분류, 불만 점수화, 긴급 여부 판단 같은 일은 Snowflake Decision 같은 전용 결정 모델이 범용 LLM보다 비용과 지연에서 유리하도록 설계됐다는 게 Snowflake 측 설명입니다. 다만 현재 프라이빗 프리뷰라 구체적인 비용과 성능 수치는 공개되지 않았어요.
• 장기 기억 기능을 개인화 마케팅에 붙이기 전에 동의 수집, 삭제 요청 대응, 보관 기간 정책부터 확인하세요. MemoryBench 점수는 실서비스에서 고객 정보를 얼마나 정확히 기억하는지 보장하지 않습니다. 기억 기간이 길어질수록 잘못 기억한 정보를 찾아 고치는 운영 부담도 같이 커지고, 축적된 기억이 다른 모델로 옮겨 가지 않는다면 그 자체가 벤더 종속 비용이에요.
• 에이전트 오류를 추적할 지표 정의를 먼저 정리하세요. Snowflake Semantic Studio처럼 지표 정의를 git 파일로 두고 pull request, CI, 롤백으로 관리하면, 에이전트가 틀린 답을 냈을 때 모델 문제인지 지표 정의 문제인지 가를 수 있습니다. 벤더 벤치마크를 우리 데이터로 다시 재는 작업도 이 기반이 있어야 반복 가능해져요.
• 식품, 소비재, 헬스케어 광고주라면 GLP-1 관련 고객을 복용 중, 중단 후 리바운드, 비복용 세 코호트로 나눠 구매 데이터를 따로 보세요. 영국 연구 기준으로는 오늘 잡은 복용자 세그먼트 중 1년 뒤 남는 비율이 3분의 1에 못 미칩니다. 초콜릿에서 껌과 구강청결제로 수요가 옮겨 가는 식의 변화가 카테고리 점유율이나 상권 매출에서 이미 잡히는 업종부터 포지셔닝을 재점검하는 순서가 안전해요. 가격 인하 국면에서는 유입 급증 뒤 둔화가 따라올 수 있다는 인도 사례도 함께 반영해 두세요.
• 로봇이나 제조 자동화 관련 B2B 메시지에서 '곧 상용화' 표현은 빼세요. 2027년 말 판매 예고는 CEO 발언이고 훈련 데이터 밖 과제의 실패는 연구 현장의 관측입니다. 제조 광고주와 협업한다면 전문가 견해처럼 투자 타임라인을 최소 5-7년 단위로 잡는 시나리오를 함께 제시하는 편이 신뢰를 지켜요.

리스크와 반대 관점

반대로 읽을 여지도 분명히 있습니다. Meta의 자체 테스트가 실제로 맞을 수 있어요. 자체 측정이라는 이유만으로 후보에서 빼면 같은 가격대의 대안 하나를 스스로 지우는 꼴입니다. 의심할 대상은 Meta가 아니라 검증되지 않은 상태이고, 해법은 배제가 아니라 우리 업무 데이터로 짧게 재보는 거예요. 같은 기준을 GPT-6 Sol, Opus 5.5에도 적용해야 공정합니다. 경쟁 벤더의 모델 카드도 대개 자체 측정이니까요.

GLP-1을 회전문 시장으로 단정하기도 이릅니다. 지난 1년 사이 매일 먹는 경구형 GLP-1이 들어오기 시작했고, 기사는 하루 한 알이 주 1회 주사보다 유지에 유리할 수 있다고 봤어요. 주사제 효능도 지난 5년간 평균 체중 감량 폭이 10퍼센트포인트 개선됐습니다. 유지율 32%와 15%는 영국 연구의 값이라 미국 현금가 시장이나 경구형 시장에 그대로 옮겨도 된다는 근거는 공개되지 않았어요. 사용자 풀이 커지면 유지율이 낮아도 복용 경험자 전체 규모는 계속 늘 수 있고, 보험사 의료비 절감 효과도 연구마다 엇갈립니다. 어느 쪽으로도 확정할 근거는 아직 없어요.

로봇 회의론도 틀릴 수 있습니다. Nvidia, Google, World Labs, AMI Labs가 world model 연구에 뛰어들었고 돌파구가 언제 나올지는 아무도 모릅니다. 5-7년이라는 타임라인 역시 원자료의 연구 결과가 아니라 전문가 판단이에요. 이걸 고정 전제로 두면 그 사이 신호를 놓칠 수 있으니, 분기마다 훈련 데이터 밖 과제의 성공 사례가 나오는지 재점검하는 장치를 두는 게 좋습니다.

실무자가 가장 놓치기 쉬운 함정은 숫자의 종류를 바꿔 끼우는 습관입니다. 회의 자료에 'GLP-1이 AI 매출을 넘었다'를 시장 통계처럼 넣거나, 벤더 모델 카드의 벤치마크 표를 출처 없이 옮겨 붙이는 경우가 흔해요. 또 하나는 비율과 규모를 섞는 실수입니다. 11% 복용률은 특정 시점의 스냅숏이고, 유지율이 낮은 시장에서는 같은 11%라도 매년 사람이 바뀝니다. 출처, 측정 주체, 측정 시점을 한 줄 같이 적는 것만으로 이 오류의 상당 부분을 막을 수 있어요.

자주 묻는 질문

AI 에이전트 성능 비교는 어떤 기준으로 해야 하나요

벤더가 모델 카드에 적은 벤치마크는 출발점일 뿐이에요. Muse Wonder의 동급 성능도 Meta 자체 테스트이고, 우위를 말한 MemoryBench도 Meta가 골라 강조한 지표입니다. 실제 업무 데이터로 같은 과제를 돌려 비교하고, 그 전에 API로 쓸 수 있는 모델인지부터 확인하세요. Wonder Full은 API에 없습니다.

AI 에이전트 가격 비교할 때 무엇을 봐야 하나요

토큰 단가보다 작업당 비용을 보세요. Muse Wonder는 입력 100만 토큰당 4달러, 출력 20달러라 출력이 많은 작업일수록 비용이 빠르게 늘어요. 우리 작업의 입출력 토큰 비율을 먼저 재고, 분류나 점수화처럼 답이 정해진 작업은 전용 모델로 나누는 방식도 검토할 만합니다.

생성형 AI 마케팅 사례에서 장기 기억 기능은 어떻게 쓰이나요

Meta는 active memory로 사용자가 준 정보를 며칠에서 몇 달 이상 기억하게 했다고 밝혔고, 개인화 마케팅 시나리오와 맞는 방향이에요. 다만 MemoryBench 점수가 실서비스 정확도를 보장하지는 않습니다. 고객 정보를 장기 보관하는 순간 동의 수집과 삭제 요청 대응 책임이 생기고, 쌓인 기억은 벤더 전환 비용이 되기도 해요.

2026 AI 마케팅 트렌드 숫자는 얼마나 믿어도 되나요

측정 주체와 숫자의 종류를 먼저 확인하세요. GLP-1과 비교된 생성형 AI 매출 630억 달러는 매체 자체 추산이고, 휴머노이드 5조 달러는 2050년 전망치예요. 공개 가격이나 연구로 관측된 유지율은 근거로 쓸 수 있지만, 추산과 전망은 방향 참고용으로만 쓰는 게 안전합니다.

GLP-1 확산이 개인화 마케팅 전략에 어떤 영향을 주나요

체중 감량 목적 복용 미국 성인이 3%에서 11%로 늘며 식품과 소비재 수요 구조가 바뀌고 있어요. 그런데 영국 연구 기준 1년 유지율이 32%, 2년은 15%라 복용자를 고정 세그먼트로 두면 안 됩니다. 복용 중, 중단 후 리바운드, 비복용 코호트로 나눠 구매 데이터를 따로 추적하는 방식이 맞아요.