년 10월 AI 산업 현황

1. 서론: 2025년 10월, 지능의 재정의

2025년 10월 현재, 인공지능(AI)은 단순한 콘텐츠 생성 도구를 넘어, 디지털 세계에서 자율적으로 작업을 수행하고 물리적 세계와 상호작용하는 ’행위자(Agent)’로 진화했다. 과거의 AI가 인간의 지시에 따라 특정 과업을 수행하는 보조적 역할에 머물렀다면, 이제는 스스로 목표를 설정하고, 계획을 수립하며, 여러 도구를 활용해 복잡한 문제를 해결하는 주체로 변모하고 있다.

본 보고서는 이러한 패러다임 전환의 핵심 동력으로 **에이전틱 AI(Agentic AI)**와 **물리적 AI(Physical AI)**의 융합을 지목한다. 에이전틱 AI는 지식 노동의 자동화를 새로운 차원으로 끌어올리고 있으며, 물리적 AI는 디지털 공간에 갇혀 있던 지능을 현실 세계로 확장시키고 있다. 이 두 축의 발전은 전 산업에 걸쳐 생산성과 비즈니스 모델의 근본적인 재편을 촉발하고 있으며, 동시에 기술의 신뢰성과 안전성을 보장하기 위한 **AI 거버넌스(AI Governance)**가 지속 가능한 성장의 필수 전제 조건으로 부상했음을 논증할 것이다.

본 보고서는 총 5개의 장으로 구성된다. 제1장에서는 패러다임 전환의 두 축인 에이전틱 AI와 물리적 AI의 개념과 의의를 정의한다. 제2장은 이를 뒷받침하는 핵심 기술 동향을 심층 분석한다. 제3장은 제조업, 헬스케어, 금융 등 주요 산업별 도입 현황과 비즈니스 임팩트를 정량적으로 평가한다. 제4장은 글로벌 빅테크와 국내 기업들의 전략을 비교 분석하고 시장 및 투자 동향을 진단한다. 제5장은 기술의 발전과 함께 중요성이 커지는 규제 및 거버넌스 환경을 조망한다. 마지막으로, 결론에서는 2026년을 향한 전략적 제언을 제시한다.

2. AI 패러다임의 전환 - 에이전틱 AI와 물리적 AI의 부상

2.1 에이전틱 AI: 지식 노동의 자동화를 넘어

에이전틱 AI는 인간의 명시적인 지시 없이도 스스로 계획을 수립하고, 감지하며, 의사결정을 내리고, 복잡한 작업을 완수하는 소프트웨어 솔루션으로 정의된다.1 이는 단순히 정해진 규칙에 따라 반복적인 업무를 수행하던 기존의 자동화(RPA)나, 주어진 프롬프트에 따라 콘텐츠를 생성하던 생성형 AI를 뛰어넘는 개념이다. 2025년 현재 에이전틱 AI는 여러 단계를 포함하는 워크플로우 전체를 자율적으로 관리하고 실행하는 수준에 도달했다.3 세계적인 IT 리서치 기업 가트너(Gartner)는 2025년 10대 전략 기술 트렌드의 핵심으로 ’에이전틱 AI’를 지목하며, 24시간 일하며 별도의 혜택이 필요 없는 AI 에이전트가 미래의 업무 자동화를 주도할 것이라 예측했다.3

이러한 진화는 단일 에이전트를 넘어, 특정 도메인에 전문화된 여러 AI 에이전트가 상호 협력하여 복잡한 문제를 해결하는 ’다중 에이전트 시스템(Multi-Agent Systems)’의 부상으로 이어지고 있다.1 이 시스템은 각 에이전트가 보유한 도메인 전문성, 변화하는 환경에 자율적으로 대처하는 유연한 사고, 그리고 에이전트 간의 소통을 통한 창발적 협업을 통해 개별 에이전트의 역량을 초월하는 시너지를 창출한다.1 예를 들어, AI 기업 앤스로픽(Anthropic)이 개발한 연구 시스템은 리드 에이전트가 사용자 쿼리를 기반으로 연구 계획을 세우고, 여러 하위 에이전트에게 병렬적으로 정보 수집을 지시하여 종합적인 결과를 도출하는 방식으로 작동한다.7

에이전틱 AI의 등장은 자동화의 단위가 개별 ’태스크(task)’에서 여러 태스크로 구성된 ‘워크플로우(workflow)’ 전체로 확장되었음을 의미한다. 초기 AI 자동화가 규칙 기반의 반복적인 단일 작업을 대체하는 데 초점을 맞췄다면, 생성형 AI는 콘텐츠 생성, 요약 등 보다 복잡한 ’지식 작업’을 자동화했다. 에이전틱 AI는 여기서 한 단계 더 나아가, ’목표’가 주어지면 목표 달성을 위한 계획을 수립하고 1, 여러 도구(tool)와 다른 에이전트를 활용하여 7 계획을 실행한다. 이는 마치 프로젝트 매니저처럼 전체 프로세스를 조율(Orchestration)하는 역할에 가깝다. 맥킨지(McKinsey)가 “에이전트가 아닌 워크플로우에 집중해야 한다“고 강조한 것은 바로 이 지점을 지적하는 것이다.4 기업은 단순히 특정 업무에 AI 에이전트를 도입하는 것을 넘어, AI 에이전트가 중심이 되어 움직이는 새로운 업무 프로세스를 설계해야만 경쟁 우위를 확보할 수 있다. 실제 생명 과학 분야에서는 규제 문서 생성, 인수합병(M&A) 실사, 임상시험 환자 모집과 같은 복잡하고 여러 단계에 걸친 프로세스를 에이전트 시스템으로 자동화하는 사례가 등장하며 그 가능성을 입증하고 있다.8

2.2 물리적 AI: 디지털 지능의 구현

물리적 AI(Physical AI)는 디지털 공간에 머물던 AI가 로봇과 같은 물리적 실체를 통해 현실 세계와 상호작용하는 기술을 의미한다. 2025년 10월 현재, 이는 더 이상 공상과학 소설 속 이야기가 아닌 산업 현장의 현실이 되었다.9 엔비디아(NVIDIA)의 젠슨 황 CEO는 CES 2025에서 “AI의 종착점은 휴머노이드 로봇“이라고 선언하며, 로봇 상용화 시기가 대폭 앞당겨질 것을 예고한 바 있다.1

물리적 AI의 핵심 기술 기반은 ’구현된 지능(Embodied AI)’이다. 이는 AI, 로보틱스, 인지과학의 원칙을 통합하여 로봇이 인간과 유사하게 환경을 인식하고(perception), 목표에 기반해 계획을 수립하며(planning), 행동을 통해 과업을 완수하는(action) ’인식-행동 루프(perception-action loop)’를 강조하는 학제간 연구 분야다.11 컴퓨터 비전 분야 최고 권위 학회인 CVPR 2025에서는 로봇이 공간적 관계를 추론하고 13, 시각-언어-행동 모델(Visual-Language-Action Models, VLA)을 통해 “농구공을 슬램덩크하라“와 같은 복잡하고 추상적인 명령을 이해하고 실행하는 연구가 발표되며 기술적 성숙도를 입증했다.13

물리적 AI는 스마트 제조, 물류 및 유통, 헬스케어, 공공 인프라 등 다양한 분야에서 완전한 인간 노동력 대체를 목표로 빠르게 확산되고 있다.1 특히 제조업 분야에서는 정해진 규칙에 따라 고정된 작업을 반복하던 자동화를 넘어, AI가 가상 환경에서의 시뮬레이션이나 실제 경험을 통해 학습하는 ’훈련 기반 로보틱스(Training-based robotics)’가 부상했다.9 이는 다품종 소량 생산과 같이 변동성이 높은 작업 환경에 로봇을 유연하게 투입할 수 있게 하여 생산 패러다임의 근본적인 변화를 예고한다.

물리적 AI의 등장은 단순히 AI의 적용 범위가 확장되는 것을 넘어, AI 기술 자체의 발전을 가속화하는 새로운 동력이 될 것이다. 지금까지의 대규모 언어 모델(LLM)이나 시각 언어 모델(VLM)은 인터넷의 방대한 텍스트와 이미지 데이터, 즉 ’디지털 세계의 기록’을 통해 세상을 간접적으로 학습했다. 그러나 Embodied AI 연구자들은 “환경과의 상호작용이 지능의 진화를 가속화한다“고 주장한다.11 로봇이 물리적 세계에서 직접 사물을 만지고, 움직이며, 실패하고 배우는 과정에서 얻는 데이터는 기존의 정적인 데이터셋과는 질적으로 다르다. 예를 들어, ’컵을 잡는다’는 개념은 수백만 장의 컵 이미지를 보는 것보다, 로봇이 실제로 다양한 재질과 모양의 컵을 여러 각도에서 잡아보는 경험을 통해 훨씬 더 깊이 있게 학습될 수 있다. 이러한 상호작용은 물리 법칙, 공간 관계, 인과관계에 대한 근본적인 이해, 즉 ’세계 모델(World Model)’의 구축으로 이어진다.13 결국 물리적 AI는 AI의 ’학습장’을 디지털 세계에서 물리적 세계로 확장시키며, 이 과정에서 생성되는 고품질의 상호작용 데이터는 다시 AI 모델을 고도화시키는 선순환 구조를 만들어 AI 기술 발전의 다음 단계를 이끌 것이다.

3. 핵심 기술 동향 및 심층 분석

2025년 하반기 AI 기술 지형은 에이전트와 로봇으로 대표되는 패러다임 전환을 뒷받침하는 다양한 기술들의 동시 다발적인 발전으로 특징지어진다. 모델 아키텍처의 혁신부터 비용 효율성의 극대화, 그리고 학계의 최신 연구에 이르기까지, 기술 생태계 전반에서 지능의 한계를 확장하고 접근성을 높이려는 노력이 계속되고 있다.

3.1 모델 아키텍처와 추론의 진화

2025년 AI 모델 개발의 화두는 ’규모’와 ‘효율’ 그리고 ’추론’이다. 거대한 단일 모델(Dense Model)이 갖는 막대한 계산 비용의 한계를 극복하기 위해, 전문가 혼합(Mixture-of-Experts, MoE) 아키텍처가 다시금 주목받고 있다.15 MoE는 모델의 전체 파라미터 수를 늘리면서도, 각 입력에 대해 일부 전문가(파라미터의 하위 집합)만 선택적으로 활성화하여 계산 효율성을 유지하는 방식이다.18 이를 통해 더 적은 비용으로 더 큰 모델 용량을 확보할 수 있어, AI 모델의 성능과 훈련 비용 간의 이상적인 균형점을 찾게 해준다.18 실제로 DeepSeek-R1, DeepSeek-V3 등 최상위권 성능을 자랑하는 추론 모델들이 MoE 아키텍처를 채택하여 그 효율성과 성능을 입증했다.16

단순한 패턴 인식과 텍스트 생성을 넘어, 논리적 **추론(Reasoning)**과 다단계 문제 해결 능력이 LLM의 핵심 경쟁력으로 부상했다.16 OpenAI의 o1, DeepSeek의 R1, Qwen의 QwQ-32B와 같은 ’추론 전문 모델’들은 강화학습과 사고의 연쇄(Chain-of-Thought) 같은 기법을 통해 복잡한 수학, 코딩, 과학 문제에서 기존의 GPT-4.5를 능가하는 성능을 보이고 있다.16 이러한 고도화된 추론 능력은 스스로 계획을 세우고 실행하는 에이전틱 AI의 성능을 뒷받침하는 핵심 기술로 작용한다.15

한편, 2017년 등장 이후 AI 모델의 표준 아키텍처로 군림해 온 트랜스포머(Transformer)를 넘어서려는 시도 또한 본격화되고 있다.15 Mamba와 같은 상태 공간 모델(State Space Models, SSMs)과 다양한 방식이 결합된 하이브리드 모델은 더 적은 하드웨어 요구사항으로 높은 성능을 보여, 하드웨어 비용 절감과 AI 접근성 대중화에 기여할 것으로 기대된다.15

3.2 비용 효율성 혁신: 추론 비용 절감과 온디바이스 AI

알고리즘 개선과 모델 아키텍처 효율화에 힘입어 AI를 사용하는 추론 비용이 획기적으로 감소하고 있다. 2년이 채 안 되는 기간 동안 동등한 성능을 내기 위한 토큰당 가격이 수십 배 이상 하락했으며, 알고리즘 개선 속도는 연간 400%에 달하는 것으로 추정된다.15 이러한 비용 절감의 배경에는 양자화(Quantization, 모델 가중치의 정밀도를 낮추는 기술), 가지치기(Pruning, 불필요한 파라미터를 제거하는 기술), 지식 증류(Knowledge Distillation, 거대 모델의 지식을 소형 모델에 이전하는 기술)와 같은 다양한 모델 최적화 기술이 자리 잡고 있다.21 추론 비용의 감소는 다중 에이전트 시스템과 같이 복잡하고 많은 연산을 요구하는 AI 애플리케이션의 상용화를 가능하게 하는 결정적인 요인이다.15

클라우드 의존도를 줄이고 스마트폰, PC, 자동차 등 디바이스 자체에서 AI 연산을 직접 처리하는 온디바이스 AI(On-Device AI) 시장 역시 폭발적으로 성장하고 있다. 관련 시장은 2031년까지 연평균 27.95%의 높은 성장률을 기록하며 약 167조 원 규모에 이를 것으로 전망된다.1 온디바이스 AI는 클라우드를 거치지 않기 때문에 실시간 처리 및 초저지연, 강화된 개인정보보호, 네트워크 독립성 및 비용 효율성 측면에서 클라우드 기반 AI 대비 명확한 장점을 가진다.1 딜로이트(Deloitte)는 향후 온디바이스 연산의 장점과 클라우드 연산의 장점을 결합한 하이브리드 AI 아키텍처의 중요성이 더욱 커질 것이라고 강조했다.1

2025년 AI 기술 발전의 핵심 동력은 상호보완적인 두 가지 축, 즉 ’최고 성능(Peak Performance)’을 추구하는 거대 모델 경쟁과 ’비용 대비 성능(Performance per Watt/Dollar)’을 극대화하려는 효율성 경쟁으로 요약할 수 있다. 한쪽에서는 OpenAI, Google, DeepSeek 등이 MoE 아키텍처와 강화학습을 통해 추론 능력을 극한으로 끌어올리는 ’성능 경쟁’을 벌이고 있다.16 이는 AI가 해결할 수 있는 문제의 복잡도 상한선을 계속해서 높이는 역할을 한다. 다른 한쪽에서는 추론 비용 절감 15, 모델 경량화 21, 온디바이스 AI 1 등 ’효율성 경쟁’이 치열하게 전개되고 있다. 이는 AI 기술의 보급과 대중화를 촉진하고, 다양한 엣지 디바이스에서 AI 애플리케이션을 가능하게 한다. 이 두 축은 서로 분리된 것이 아니라 MoE나 지식 증류와 같은 기술을 통해 상호 연결되어 있다. 시장은 ’가장 똑똑한 AI’와 ’가장 경제적인 AI’를 동시에 요구하고 있으며, 기업들은 자신의 비즈니스 모델과 적용 사례에 맞춰 이 두 축 사이에서 최적의 균형점을 찾는 전략적 의사결정이 필요하다.

3.3 학계 최전선: NeurIPS, ICML, ICLR 2025 주요 연구 동향

최신 AI 기술의 흐름을 파악할 수 있는 세계 최고 권위의 학회들에서는 에이전트, 멀티모달리티, 그리고 모델의 근본적인 학습 및 평가 방식에 대한 심도 깊은 논의가 이루어졌다.

자연어처리 분야 학회인 ACL 2025에서는 단순 텍스트 생성을 넘어 계획, 추론, 협업이 가능한 에이전틱 NLP 시스템이 주요 의제로 다뤄졌다.24 특히 에이전트가 행동하기 전에 자신의 지식의 적절성을 스스로 평가하는 ‘자기 성찰(introspection)’ 메커니즘 24이나, 복잡한 워크플로우 내에서 여러 에이전트의 역할과 상호작용을 자율적으로 최적화하는 프레임워크 25 등의 연구가 발표되어 에이전트의 자율성과 지능을 한 단계 끌어올렸다.

머신러닝 분야의 양대 산맥인 NeurIPS와 ICML에서는 **멀티모달리티와 구현(Embodiment)**에 대한 연구가 두드러졌다. NeurIPS 2025에서는 시각 중심 접근법으로 설계된 멀티모달 LLM 26과 디지털-물리 영역을 연결하는 ‘구현된 웹 에이전트(Embodied Web Agents)’ 27 등, 언어를 넘어 다양한 양식의 데이터를 통합적으로 이해하고 물리적 세계와 상호작용하는 연구가 주목받았다. ICML 2025에서는 기존 넥스트 토큰 예측 방식의 창의적 한계를 지적하고, 여러 토큰을 동시에 고려하는 다중 토큰 접근법의 우수성을 주장한 연구가 우수 논문으로 선정되기도 했다.28

딥러닝 분야의 ICLR 2025에서는 모델의 근본적인 학습 및 평가 방식에 대한 연구가 활발히 진행되었다. 기존의 토큰 단위 예측을 넘어 이미지의 일부인 ‘패치(patch)’ 레벨로 학습하는 새로운 LLM 훈련 방식이 제안되었으며 29, 다양한 함수 호출 능력과 복잡한 명령 수행 능력을 종합적으로 평가하는 ’BigCodeBench’와 같은 새로운 벤치마크가 소개되었다.30 이는 모델의 실제적 문제 해결 능력을 보다 정교하게 측정하려는 학계의 노력을 보여준다.

4. 산업별 AI 도입 현황 및 비즈니스 임팩트

에이전틱 AI와 물리적 AI의 발전은 특정 산업에 국한되지 않고 제조업, 헬스케어, 금융 등 경제 전반에 걸쳐 혁신적인 변화를 주도하고 있다. 각 산업은 고유의 문제 해결과 경쟁력 강화를 위해 AI를 적극적으로 도입하고 있으며, 이는 가시적인 투자수익률(ROI)로 나타나고 있다.

4.1 제조업: 지능형 로봇과 자율 운영 공장의 시대

제조업은 ’물리적 AI’가 가장 극적인 변화를 일으키는 분야다. 단순 반복 작업을 수행하던 산업용 로봇은 이제 AI와 결합하여 주변 환경을 인식하고, 학습하며, 복잡하고 가변적인 작업에 적응하는 지능형 로봇으로 진화하고 있다.9 글로벌 완성차 기업들은 이미 설계, 조립, 검사, 물류 등 생산 전 과정에 AI 기술을 적용하여 평균 45~55%의 생산성 향상과 10~20%의 품질 관리 비용 절감 효과를 거두고 있다.32

특히, 스스로 계획하고 작업을 수행하는 에이전틱 AI는 제조업의 자율 운영(Autonomous Operations) 시대를 열고 있다. 구글 클라우드의 조사에 따르면, 제조업 경영진의 56%가 이미 AI 에이전트를 사용하고 있으며, 55%는 향후 AI 예산의 절반 이상을 AI 에이전트에 할당할 계획이라고 밝혔다.33 주요 활용 사례로는 비전 시스템과 연동하여 실시간으로 제품 결함을 수정하는 ‘품질 관리(54%)’, 수요 예측과 자원 배분을 최적화하는 ‘생산 계획(48%)’, 그리고 복잡한 공급망을 관리하는 ‘공급망 및 물류(47%)’ 등이 있다.33

이러한 변화를 뒷받침하는 기술로는 디지털 트윈(Digital Twin)이 핵심적인 역할을 한다. 액센츄어(Accenture)의 ’Physical AI Orchestrator’는 NVIDIA Omniverse 플랫폼을 기반으로 공장 전체를 가상 공간에 복제한 후, AI 에이전트를 통해 시뮬레이션을 수행하여 최적의 생산 라인 설계를 도출하고 실제 공장을 제어한다.34 NVIDIA 역시 지멘스(Siemens), 도요타(Toyota), TSMC 등 유수의 제조 기업들과 협력하여 공장 디지털 트윈 구축과 AI 기반 로봇 개발을 가속화하고 있다.35

4.2 헬스케어: 정밀 의료와 운영 효율성의 혁신

헬스케어 분야에서 AI는 진단, 치료, 재활, 행정 등 전 영역에 걸쳐 ’조용한 혁명가’로 자리매김하고 있다.37 글로벌 헬스케어 AI 시장은 2025년 약 392.5억 달러 규모로 성장했으며, 2032년까지 연평균 44.0%의 폭발적인 성장세를 보일 것으로 예측된다.38

AI는 인간 의사의 진단 능력을 보강하거나 뛰어넘고 있다. 단 15초의 청진으로 심부전, 판막질환 등을 조기 진단하는 AI 청진기가 임상 적용을 앞두고 있으며, 뇌졸중 환자의 재활을 돕는 AI 스캐닝 시스템은 기존 대비 3배 이상의 회복 효과를 입증했다.37 또한, AI는 의료진을 과도한 행정 업무로부터 해방시키고 있다. 진료 기록 작성, 데이터 관리 등을 자동화하는 ’앰비언트 AI(Ambient AI)’와 음성 인식 솔루션이 도입되면서 의료진은 환자 치료와 연구에 더 많은 시간을 할애할 수 있게 되었다.37

경제적 측면에서 AI 도입은 막대한 비용 절감 효과를 가져올 것으로 기대된다. 미국의 경우, AI의 광범위한 도입을 통해 연간 2,000억에서 3,600억 달러에 달하는 의료 비용을 절감할 수 있을 것으로 추산된다.40 이는 진단 정확도 향상, 운영 효율화, 불필요한 시술 감소 등을 통해 가능하다. AI 신약 개발 분야 역시 아직 상업적 성공 사례는 없지만, 막대한 투자가 이루어지며 미래의 핵심 성장 동력으로 주목받고 있다.42

4.3 금융: 초개인화 서비스와 사기 방지의 첨병

금융 산업의 AI 도입은 아직 초기 단계에 머물러 있지만, 그 잠재력은 매우 크다.43 AI 기반 솔루션은 이미 영업 및 가격 책정 분야에서 10~20%의 ROI 개선 효과를 보이고 있으며, AI를 도입한 영업팀의 80%는 리드 생성 효과가 크게 향상되었다고 응답했다.44

가장 활발하게 AI가 활용되는 분야는 사기 탐지 및 방지다. 생성형 AI는 점점 더 정교해지는 사기 유형을 신속하게 탐지하고 새로운 패턴을 식별하여 기존 방식 대비 탐지 실패 확률을 대폭 낮추고 있다.45 AI와 머신러닝 기반의 사기 방지 시스템은 연간 28억 달러의 손실을 막는 효과를 내는 것으로 분석된다.43

고객 서비스 및 자산 관리 분야에서도 AI의 역할이 커지고 있다. 24시간 고객 문의에 응대하는 AI 챗봇과 가상 비서는 콜센터의 업무 부담을 줄이고 서비스 품질을 향상시킨다.43 2025년에는 전체 고객 상담의 70%가 AI에 의해 처리될 것으로 전망된다.44 또한, 고객의 재무 데이터와 투자 성향을 분석하여 맞춤형 포트폴리오를 추천하는 ’로보 어드바이저(Robo-advisor)’는 초개인화된 자산 관리 시대를 열고 있다.43 다만, AI 기반 자동 거래 시스템이 확산되면서 인간이 예측하고 대응하기 어려운 속도로 금융 위기가 발생할 수 있다는 우려도 제기되며, 이에 대한 규제 당국의 적절한 관리가 중요한 과제로 떠오르고 있다.46

5. 시장 및 투자 동향

2025년 하반기 AI 시장은 글로벌 빅테크 기업들의 천문학적인 투자와 기술 경쟁, 그리고 이를 추격하는 국내 기업들의 빠른 행보로 특징지어진다. 시장은 폭발적인 성장세를 이어가고 있으나, 동시에 투자 대비 성과에 대한 검증 요구 또한 높아지고 있다.

5.1 글로벌 빅테크 동향: AI 풀스택 경쟁 심화

글로벌 빅테크 기업들은 자체 개발한 파운데이션 모델부터 클라우드 인프라, 그리고 최종 애플리케이션에 이르는 ‘풀스택(Full-stack)’ AI 역량을 확보하기 위해 전력투구하고 있다.

• 구글(Google): 2025년 3분기, AI를 핵심 서비스에 깊숙이 통합하며 강력한 실적을 기록했다. 웹 브라우저 크롬(Chrome)에 AI 비서 ’제미나이(Gemini)’를 탑재하고, 검색에 시각적 영감을 제공하는 ’AI 모드’를 도입했다.47 구글 클라우드는 AI 인프라와 생성형 AI 솔루션에 대한 수요 증가에 힘입어 3분기에만 152억 달러의 매출을 올리며 전년 동기 대비 34% 성장했다.48
• 메타(Meta): AI 연구 조직을 ’슈퍼인텔리전스 랩스(Superintelligence Labs)’로 재편하고, 2025년에만 700억~720억 달러에 달하는 막대한 자본을 AI 인프라에 투자하며 기술 개발에 사활을 걸고 있다.50 2025년 10월부터는 사용자가 ’메타 AI’와 나눈 대화 내용을 기반으로 맞춤형 광고와 콘텐츠를 추천하는 정책을 시행하며, AI를 통한 수익화 모델을 본격적으로 실험하고 있다.52
• 마이크로소프트(Microsoft): 6개 대륙에 걸쳐 400개 이상의 데이터센터를 운영하며 AI 인프라를 공격적으로 확장하고 있다.53 AI 비서 ’코파일럿(Copilot)’의 월간 활성 사용자 수는 1억 명을 돌파했으며, ’Azure AI Foundry’를 통해 OpenAI, Mistral 등 11,000개 이상의 파트너사 모델을 제공하며 개방형 생태계를 구축하고 있다. 또한, 자체 파운데이션 모델인 ’MAI-1’을 공개하며 모델 개발 역량 내재화에도 힘쓰고 있다.53 최근에는 OpenAI와의 파트너십 계약을 2032년까지 연장하며 안정적인 기술 협력 관계를 확보했다.54

5.2 국내 기업 동향: 자체 LLM 고도화와 서비스 혁신

국내 AI 시장을 주도하는 네이버와 카카오는 자체 개발한 초거대 AI 모델을 고도화하고, 이를 국민 서비스에 접목하여 사용자 경험을 혁신하는 데 집중하고 있다.

• 네이버(Naver): 2025년 2월, 자체 개발 LLM ’하이퍼클로바X’의 대규모 업데이트를 단행했다. 새로운 모델은 기존 대비 파라미터 수를 약 40% 수준으로 줄였음에도 불구하고, 언어 이해 능력 등 전반적인 성능은 더 강력해졌다.55 특히, 모델 구조를 효율화하여 운영 비용을 기존 대비 50% 이상 절감함으로써, 검색, 커머스 등 대규모 서비스에 AI를 적용하는 데 있어 비용 부담을 크게 낮췄다.56 2025년 하반기에는 자연스러운 음성 대화가 가능한 모델 공개를 예고하며 기술 고도화를 지속하고 있다.55
• 카카오(Kakao): 2025년 10월부터 국민 메신저 ’카카오톡’을 전면 개편하여 OpenAI의 챗GPT를 직접 탑재하는 파격적인 전략을 발표했다.58 사용자들은 별도의 앱 설치 없이 카카오톡 채팅 탭에서 바로 챗GPT를 이용할 수 있게 된다. 이는 단순한 챗봇 연동을 넘어, 선물하기, 캘린더 일정 등록, 택시 호출 등 카카오의 다양한 서비스와 챗GPT를 유기적으로 연결하는 ‘AI 에이전트’ 전략의 일환이다.60 또한, 개인정보보호를 위해 온디바이스 AI ’카나나(Kanana)’를 함께 도입하여 기기 내에서 대화 맥락을 이해하고 기능을 수행하도록 했다.58

5.3 투자 동향 분석: 지속되는 열기와 옥석 가리기

AI 분야에 대한 투자 열기는 2025년 하반기에도 계속되고 있다. 글로벌 벤처캐피털(VC)의 분기별 투자 규모는 4분기 연속 1,000억 달러를 상회했으며 63, 특히 AI 기반 핀테크 분야는 2025년 상반기에만 72억 달러의 투자를 유치하며 높은 성장세를 보였다.64 엔비디아, 팔란티어(Palantir) 등 AI 관련 기업들의 주가는 폭발적인 성장률을 기록했으며, 빅테크 기업들은 자체 영업현금흐름만으로 연간 1,300억 달러가 넘는 자본을 AI 인프라와 연구개발에 투입하고 있다.65

그러나 장밋빛 전망만 있는 것은 아니다. MIT의 연구에 따르면, 기업에서 시도하는 생성형 AI 파일럿 프로젝트의 95%가 빠른 매출 성장 달성에 실패하며 기대했던 비즈니스 효과를 얻지 못하고 있는 것으로 나타났다.65 이는 AI 기술에 대한 높은 기대감과 실제 비즈니스 가치 창출 사이의 간극이 여전히 존재함을 시사한다. 투자 시장 역시 단순한 기술적 가능성을 넘어, 명확한 ROI와 지속 가능한 비즈니스 모델을 갖춘 기업을 선별하는 ‘옥석 가리기’ 단계에 진입하고 있음을 보여준다.

6. 규제 및 거버넌스 환경

AI 기술이 사회 전반에 깊숙이 통합되면서, 기술의 잠재적 위험을 관리하고 신뢰를 확보하기 위한 규제 및 거버넌스 체계 구축이 전 세계적인 화두로 떠올랐다. 2025년은 각국 정부와 기업이 AI 규제의 방향성을 구체화하고, 내부 거버넌스 체계를 강화하는 중요한 시기다.

6.1 글로벌 규제 동향: EU와 미국의 상반된 접근

AI 규제에 있어 세계를 선도하는 두 축인 유럽연합(EU)과 미국은 서로 다른 접근 방식을 보이고 있다.

• 유럽연합(EU): 세계 최초의 포괄적인 AI 규제법인 **‘EU AI Act’**를 통해 ’위험 기반 접근법’을 채택했다.66 이 법은 AI 시스템을 잠재적 위험 수준에 따라 ‘수용 불가(Unacceptable)’, ‘고위험(High-risk)’, ‘제한된 위험(Limited-risk)’, ’최소 위험(Minimal-risk)’의 4단계로 분류한다. 사회적 점수(Social scoring) 시스템, 직장 및 교육 기관에서의 감정 인식 등은 ‘수용 불가’ 위험으로 분류되어 사용이 전면 금지된다. 채용, 신용 평가, 법 집행 등에 사용되는 ‘고위험’ AI 시스템은 시장 출시 전 엄격한 위험 평가, 데이터 품질 관리, 인간 감독 등의 의무를 준수해야 한다.66 이는 AI가 인권과 안전에 미칠 수 있는 부정적 영향을 최소화하려는 강력한 규제 철학을 반영한다.
• 미국(US): 연방정부 차원의 단일 법안보다는 각 주(State)가 주도하는 분절적이고 산업별 특화된 규제 환경이 특징이다.67 2025년 한 해에만 50개 주 전체에서 AI 관련 법안이 발의되었으며, 선거 캠페인에서의 딥페이크 사용 규제, AI를 활용한 채용 과정에서의 차별 방지, 헬스케어 분야 AI 사용에 대한 환자 보호 등 구체적인 현안에 초점을 맞춘 법안들이 제정되었다.68 한편, 행정부의 정책 방향에 따라 규제 강도가 유동적이며, 혁신과 경쟁력 강화를 명분으로 규제를 완화하려는 움직임도 존재한다.67

6.2 국내 정책 및 규제: ’AI 3대 강국’을 향한 제도적 기반 마련

한국 정부는 ‘AI 3대 강국’ 도약을 목표로 100조 원 규모의 민관 투자를 약속하며, AI 산업 육성을 위한 제도적 기반 마련에 속도를 내고 있다.70 주요 정책 방향은 규제 혁파와 데이터 활용 촉진에 맞춰져 있다. (가칭)「산업 인공지능 전환 촉진법」 제정을 통해 산업 전반의 AI 도입을 지원하고 71, 자율주행 학습을 위한 원본 영상 데이터 활용을 허용하는 등 데이터 관련 규제를 합리적으로 개선하려는 노력이 진행 중이다.72 또한, AI 학습 데이터 확보를 위한 저작권법 개정, AI 시대에 맞는 개인정보보호법 해석 및 적용 등 AI 기술의 특수성을 고려한 법·제도 개선 논의가 활발하게 이루어지고 있다.73

6.3 기업의 AI 거버넌스: 신뢰가 곧 경쟁력

AI 기술의 복잡성과 사회적 영향력이 커지면서, 기업 내부의 AI 거버넌스 구축은 더 이상 선택이 아닌 필수 경쟁력으로 인식되고 있다.1 딜로이트의 조사에 따르면, 아시아-태평양 지역 기업 고위 리더의 90% 이상이 AI 거버넌스 개선의 필요성을 인식하고 있으며, 소비자의 62%는 AI를 윤리적으로 활용하는 기업에 더 높은 신뢰를 보낸다고 응답했다.1

이러한 인식 변화는 기업 공시에서도 뚜렷하게 나타난다. 2025년, 이사회 차원에서 AI 리스크를 감독하고 있다고 명시적으로 밝힌 기업의 비율은 48%로, 전년(16%) 대비 3배 증가했다.69 또한, 이사회 구성원의 전문성 기술 목록에 ’AI’를 포함하는 기업은 44%로, 전년(26%) 대비 크게 늘었다. 이는 기업들이 AI를 단순한 기술적 도구가 아닌, 기업의 존속과 성장에 중대한 영향을 미치는 핵심 전략적 리스크로 관리하기 시작했음을 의미한다.

7. 결론: 2026년을 향한 전망 및 전략적 제언

2025년 10월, AI는 변곡점을 지나 새로운 시대로 진입했다. 지능이 디지털 세계를 넘어 물리적 현실과 상호작용하고, 인간의 지시를 기다리는 대신 자율적으로 문제를 해결하는 에이전틱 AI와 물리적 AI가 새로운 패러다임을 주도하고 있다. 이러한 전환은 MoE 아키텍처, 추론 능력 고도화, 그리고 획기적인 비용 절감과 같은 기술적 성숙에 힘입어 가속화되고 있다. 제조업, 헬스케어, 금융 등 주요 산업 현장에서는 이미 생산성 향상과 비즈니스 모델 혁신이라는 가시적인 성과가 나타나고 있으며, 이는 AI에 대한 지속적인 투자를 이끌고 있다. 동시에, 기술의 영향력이 커짐에 따라 EU AI Act를 필두로 한 글로벌 규제 환경이 구체화되고 있으며, 기업의 AI 거버넌스 구축은 신뢰 확보와 지속 가능한 성장을 위한 핵심 과제로 부상했다.

이러한 분석을 바탕으로, 2026년을 준비하는 기업과 정책 입안자들을 위해 다음과 같은 네 가지 전략적 방향을 제언한다.

1. ’워크플로우 재설계’에 집중하라: AI 에이전트를 기존 업무 프로세스에 단순히 끼워 넣는 방식으로는 제한적인 효율 개선에 그칠 것이다. 에이전트가 중심이 되어 자율적으로 작업을 조율하고 실행하는 새로운 워크플로우를 근본적으로 재설계해야 한다. 이는 조직 구조, 직무 정의, 성과 평가 방식의 전면적인 변화를 수반하는 조직적 변혁(Organizational Transformation) 과제다.
2. ‘물리적 세계’ 데이터를 확보하라: 제조업, 물류, 농업, 건설 등 물리적 자산이 핵심인 산업에서, 구현된 지능(Embodied AI)을 통해 얻는 실제 상호작용 데이터는 미래의 가장 중요한 경쟁 우위가 될 것이다. 로봇, 드론, IoT 센서 등을 통해 수집된 고품질의 물리적 세계 데이터는 AI 모델을 고도화하고, 시뮬레이션을 통해 운영을 최적화하며, 새로운 비즈니스 기회를 창출하는 원천이 될 것이다.
3. ‘하이브리드 AI’ 전략을 수립하라: 모든 AI 연산을 클라우드에 의존하는 시대는 지나가고 있다. 최고의 성능이 필요한 거대 추론 모델은 클라우드에서 활용하되, 실시간 반응과 개인정보보호가 중요한 기능은 온디바이스 AI로 처리하는 하이브리드 아키텍처를 구축해야 한다. 이는 비용, 성능, 보안, 사용자 경험을 최적화하는 가장 현실적인 접근법이다.
4. ’신뢰할 수 있는 AI’를 구축하라: AI 규제는 더 이상 피할 수 없는 현실이다. 규제를 단순한 비용이나 제약으로 여기지 말고, 신뢰를 구축하고 브랜드 가치를 높이는 기회로 삼아야 한다. 투명성, 공정성, 책임성을 갖춘 AI 거버넌스 프레임워크를 선제적으로 구축하고, 이를 대내외에 적극적으로 소통하는 기업이 결국 시장의 신뢰를 얻고 지속 가능한 성장을 이룰 것이다.

8. Works cited

1. 딜로이트가 분석한 2025년 AI 10대 핵심 트렌드 - 지디넷코리아, accessed October 30, 2025, https://zdnet.co.kr/view/?no=20251014215942
2. 2025 AI 10대 핵심 트렌드 | Deloitte Korea, accessed October 30, 2025, https://www.deloitte.com/kr/ko/issues/generative-ai/ai-trend-2025.html
3. 가트너, 2025년 10대 전략 기술 트렌드 제시 - SAP Korea 뉴스센터, accessed October 30, 2025, https://news.sap.com/korea/2025/01/%EA%B0%80%ED%8A%B8%EB%84%88-2025%EB%85%84-10%EB%8C%80-%EC%A0%84%EB%9E%B5-%EA%B8%B0%EC%88%A0-%ED%8A%B8%EB%A0%8C%EB%93%9C-%EC%A0%9C%EC%8B%9C/
4. One year of agentic AI: Six lessons from the people doing the work - McKinsey, accessed October 30, 2025, https://www.mckinsey.com/capabilities/quantumblack/our-insights/one-year-of-agentic-ai-six-lessons-from-the-people-doing-the-work
5. Multi-Agent System: Top Industrial Applications in 2025 - [x]cube LABS, accessed October 30, 2025, https://www.xcubelabs.com/blog/multi-agent-system-top-industrial-applications-in-2025/
6. Multi-Agent AI Systems in 2025: Key Insights, Use Cases & Future Trends - Terralogic, accessed October 30, 2025, https://terralogic.com/multi-agent-ai-systems-why-they-matter-2025/
7. How we built our multi-agent research system - Anthropic, accessed October 30, 2025, https://www.anthropic.com/engineering/multi-agent-research-system
8. How agentic AI is transforming life sciences in 2025: three real-world …, accessed October 30, 2025, https://www.ontoforce.com/blog/how-agentic-ai-is-transforming-life-sciences-in-2025-three-real-world-use-cases
9. What is physical AI – and how is it changing manufacturing? - The World Economic Forum, accessed October 30, 2025, https://www.weforum.org/stories/2025/09/what-is-physical-ai-changing-manufacturing/
10. The Rise of AI in Robotics: 2025’s Breakthroughs in Physical AI, accessed October 30, 2025, https://www.forwardfuture.ai/p/the-rise-of-embodied-ai
11. MIPR 2025 - Embodied AI: Ushering in the Next Era of Intelligent Systems - Google Sites, accessed October 30, 2025, https://sites.google.com/view/mipr-2025/innovation-forums/embodied-ai-ushering-in-the-next-era-of-intelligent-systems
12. AI That Moves, Adapts, and Learns: The Future of Embodied Intelligence | Columbia AI, accessed October 30, 2025, https://ai.columbia.edu/news/ai-moves-adapts-and-learns-future-embodied-intelligence
13. Embodied Computer Vision at CVPR 2025: The Next AI Frontier - Voxel51, accessed October 30, 2025, https://voxel51.com/blog/embodied-computer-vision-at-cvpr-2025-the-next-ai-frontier
14. Four Ways Computer Vision Is Driving AI-Enhanced Robotics - CVPR, accessed October 30, 2025, https://cvpr.thecvf.com/Conferences/2025/News/AI_Enhanced_Robotics
15. 주요 인공 지능 트렌드 | IBM, accessed October 30, 2025, https://www.ibm.com/kr-ko/think/insights/artificial-intelligence-trends
16. Ultimate Guide - The Best LLMs for Reasoning Tasks in 2025 - SiliconFlow, accessed October 30, 2025, https://www.siliconflow.com/articles/en/best-LLMs-for-reasoning-tasks
17. Stanford CS25: V5 I Large Language Model Reasoning, Denny Zhou of Google Deepmind, accessed October 30, 2025, https://www.youtube.com/watch?v=ebnX5Ur1hBk
18. [2406.18219] A Closer Look into Mixture-of-Experts in Large Language Models - arXiv, accessed October 30, 2025, https://arxiv.org/abs/2406.18219
19. [2507.11181] Mixture of Experts in Large Language Models - arXiv, accessed October 30, 2025, https://arxiv.org/abs/2507.11181
20. AI Trends 2025: The Rise of Cost-Efficient AI for Enterprises — Part I | by Yi Zhou - Medium, accessed October 30, 2025, https://medium.com/generative-ai-revolution-ai-native-transformation/ai-trends-2025-the-rise-of-cost-efficient-ai-for-enterprises-part-i-6d628a446028
21. Analysis of the Evolution Path of “Inference Cost” of Large Models in 2025: The API Price War Erupts - Skywork.ai, accessed October 30, 2025, https://skywork.ai/skypage/en/Analysis%20of%20the%20Evolution%20Path%20of%20%22Inference%20Cost%22%20of%20Large%20Models%20in%202025%3A%20The%20API%20Price%20War%20Erupts/1948243097032671232
22. AI in the workplace: A report for 2025 - McKinsey, accessed October 30, 2025, https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work
23. Optimizing AWS Costs for AI Development in 2025 - DEV Community, accessed October 30, 2025, https://dev.to/tarunsinghofficial/optimizing-aws-costs-for-ai-development-in-2025-8ee
24. ACL 2025 Highlights: Direction of NLP & AI - Megagon Labs, accessed October 30, 2025, https://megagon.ai/acl-2025-highlights-direction-of-nlp-ai/
25. The 1st Workshop for Research on Agent Language Models (2025) - ACL Anthology, accessed October 30, 2025, https://aclanthology.org/events/realm-2025/
26. Most Influential NIPS Papers (2025-09 Version) - Paper Digest, accessed October 30, 2025, https://www.paperdigest.org/2025/09/most-influential-nips-papers-2025-09-version/
27. NeurIPS 2025 Papers, accessed October 30, 2025, https://neurips.cc/virtual/current/papers.html
28. ICML 2025 Awards, accessed October 30, 2025, https://icml.cc/virtual/2025/awards_detail
29. ICLR 2025 Papers, accessed October 30, 2025, https://iclr.cc/virtual/2025/papers.html
30. Most Influential ICLR Papers (2025-09 Version) - Paper Digest, accessed October 30, 2025, https://www.paperdigest.org/2025/09/most-influential-iclr-papers-2025-09-version/
31. Physical AI is the convergence of robotics and intelligence | Manufacturing Dive, accessed October 30, 2025, https://www.manufacturingdive.com/news/opinion-omdia-industrial-robotics-automation-nvidia-fujitsu-yaskawa-abb/804073/
32. [AI 트렌드②] 자율형 공장의 부상, 인간 없는 생산라인이 현실이 되다 < 경제 < 뉴스 < 기사본문 - KtN (K trendy NEWS), accessed October 30, 2025, http://www.k-trendynews.com/news/articleView.html?idxno=193452
33. The ROI of AI in manufacturing | Google Cloud Blog, accessed October 30, 2025, https://cloud.google.com/transform/roi-ai-the-next-wave-of-ai-in-manufacturing
34. Accenture Launches “Physical AI Orchestrator” to Help …, accessed October 30, 2025, https://newsroom.accenture.com/news/2025/accenture-launches-physical-ai-orchestrator-to-help-manufacturers-build-software-defined-facilities
35. NVIDIA and US Manufacturing and Robotics Leaders Drive …, accessed October 30, 2025, https://nvidianews.nvidia.com/news/nvidia-us-manufacturing-robotics-physical-ai
36. Nvidia says it’s working with US manufacturing and robotics leaders to ‘drive America’s reindustrialization with physical AI’, accessed October 30, 2025, https://roboticsandautomationnews.com/2025/10/29/nvidia-says-its-working-with-us-manufacturing-and-robotics-leaders-to-drive-americas-reindustrialization-with-physical-ai/96007/
37. 2025 글로벌 헬스케어 트렌드: AI·정밀의료·협력이 바꾸는 미래, accessed October 30, 2025, https://www.gmeditimes.com/news/view.php?no=49516
38. AI in Healthcare Market Size, Share | Growth Report [2025-2032], accessed October 30, 2025, https://www.fortunebusinessinsights.com/industry-reports/artificial-intelligence-in-healthcare-market-100534
39. AI로 촉발된 헬스케어 산업의 대전환, accessed October 30, 2025, https://assets.kpmg.com/content/dam/kpmg/kr/pdf/2024/insight/kpmg-korea-ai-healthcare-20240625.pdf
40. Beyond implementation: the long-term economic impact of AI in healthcare, accessed October 30, 2025, https://www.tandfonline.com/doi/full/10.1080/13696998.2023.2285186
41. NBER WORKING PAPER SERIES THE POTENTIAL IMPACT OF ARTIFICIAL INTELLIGENCE ON HEALTHCARE SPENDING Nikhil Sahni George Stein Rodne, accessed October 30, 2025, https://www.nber.org/system/files/working_papers/w30857/w30857.pdf
42. [KHF 2025] ‘의료 AI : 정책·현장·기술의 만남’ - 병원신문, accessed October 30, 2025, https://www.khanews.com/news/articleView.html?idxno=236965
43. 챗봇부터 생체인식까지…2025년 금융권 AI 도입 로드맵 - AI 매터스, accessed October 30, 2025, https://aimatters.co.kr/news-report/ai-report/11356/
44. 2025년을 위한 인공지능 통계 140선 - Thunderbit, accessed October 30, 2025, https://thunderbit.com/ko/blog/top-artificial-intelligence-stats
45. 금융 서비스 내 생성형 AI의 도입 효과를 높이려면 어떻게 대응해야 할까요? | EY, accessed October 30, 2025, https://www.ey.com/ko_kr/insights/financial-services/how-can-financial-services-maximize-the-effect-of-introducing-generative-ai
46. 첨단 인공지능 기술과 새로운 금융 위기 | 글로벌 경제 리뷰 | Deloitte Korea, accessed October 30, 2025, https://www.deloitte.com/kr/ko/our-thinking/global-economic-review/ger-2025-02-04.html
47. The latest AI news we announced in September - Google Blog, accessed October 30, 2025, https://blog.google/technology/ai/google-ai-updates-september-2025/
48. Alphabet Announces Third Quarter 2025 Results, accessed October 30, 2025, https://s206.q4cdn.com/479360582/files/doc_financials/2025/q3/2025q3-alphabet-earnings-release.pdf
49. AI business is booming! Alphabet raises capital expenditure guidance again, Q3 cloud backlog orders rise to $155 billion - Longbridge, accessed October 30, 2025, https://longbridge.com/en/news/263391494
50. Meta to cut around 600 roles in Superintelligence Labs AI unit, accessed October 30, 2025, https://indianexpress.com/article/technology/meta-cut-around-600-roles-superintelligence-labs-ai-unit-10321379/
51. Meta reports mixed financial results amid spree of AI hiring and spending, accessed October 30, 2025, https://www.theguardian.com/technology/2025/oct/29/meta-earnings-report
52. Improving Your Recommendations on Our Apps With AI at Meta, accessed October 30, 2025, https://about.fb.com/news/2025/10/improving-your-recommendations-apps-ai-meta/
53. Microsoft CEO Satya Nadella in his annual letter to shareholders, colleagues, and customers: Fifty years after our founding, Microsoft is, accessed October 30, 2025, https://timesofindia.indiatimes.com/technology/tech-news/microsoft-ceo-satya-nadella-in-his-annual-letter-to-shareholders-colleagues-and-customers-fifty-years-after-our-founding-microsoft-is-/articleshow/124800819.cms
54. Microsoft, OpenAI announce new deal: What the two companies gain and lose under the new agreement, accessed October 30, 2025, https://timesofindia.indiatimes.com/technology/tech-news/microsoft-openai-restructure-deal-what-two-companies-gain-and-lose-under-the-new-agreement/articleshow/124881636.cms
55. “하이퍼클로바X, 기존 크기의 40%… 성능은 더 강력” - 조선일보, accessed October 30, 2025, https://www.chosun.com/economy/tech_it/2025/02/21/VOMUAA4PUBHNHPV3UKPAS4RGU4/
56. 네이버, 하이퍼클로바X 플래그십 업데이트…“저비용·고성능 AI” - 디지털데일리, accessed October 30, 2025, https://m.ddaily.co.kr/page/view/2025022011272192000
57. 네이버의 하이퍼클로바X 업그레이드: 저비용 고성능 AI 모델의 진화 - Goover, accessed October 30, 2025, https://seo.goover.ai/report/202503/go-public-report-ko-4735fe19-74d0-44c6-a2af-125d610ce13d-0-0.html
58. [AI 뉴스] 카카오톡에 챗GPT가 들어오면 일상이 어떻게 바뀔까? - 아웃소싱타임스, accessed October 30, 2025, https://www.outsourcing.co.kr/news/articleView.html?idxno=200871
59. 카카오톡에 ‘챗GPT’ 기능 추가…여론 반전 시킬 수 있을까 - 조선일보, accessed October 30, 2025, https://www.chosun.com/economy/tech_it/2025/10/28/6FCJBDGZUJARNJMIFTFT7D6SPQ/
60. [이프카카오2025] 카카오톡에 챗GPT 탑재…if kakao 2025서 공식 발표 - KMJ, accessed October 30, 2025, https://www.kmjournal.net/news/articleView.html?idxno=3737
61. [Q&AI] if 카카오 25 발표 내용 총정리 - AI 매터스, accessed October 30, 2025, https://aimatters.co.kr/news-report/ai-news/31870/
62. 카카오톡과 AI의 결합…카카오, ’if(kakao)25’에서 ‘일상 AI’ 비전 공개, accessed October 30, 2025, https://www.kakaocorp.com/page/detail/11713
63. AI 덕에 글로벌 VC 투자 ‘날개’…앤트로픽·xAI·리벨리온 등 ‘주목’ - 지디넷코리아, accessed October 30, 2025, https://zdnet.co.kr/view/?no=20251024104612
64. ‘글로벌 핀테크 2025년 상반기 투자 결과 분석과 전망’ 보고서 발간 - KPMG International, accessed October 30, 2025, https://kpmg.com/kr/ko/media/press-releases/2025/09/press-release-10.html
65. 2025년 AI 투자 사이클 vs 닷컴 버블: 구조적 차별화 분석, accessed October 30, 2025, https://contents.premium.naver.com/unis/something/contents/250923221453570ep
66. AI Act | Shaping Europe’s digital future, accessed October 30, 2025, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
67. AI trends for 2025: AI regulation, governance and ethics - Dentons, accessed October 30, 2025, https://www.dentons.com/en/insights/articles/2025/january/10/ai-trends-for-2025-ai-regulation-governance-and-ethics
68. Artificial Intelligence 2025 Legislation, accessed October 30, 2025, https://www.ncsl.org/technology-and-communication/artificial-intelligence-2025-legislation
69. Cyber and AI Oversight Disclosures: What Companies Shared in 2025, accessed October 30, 2025, https://corpgov.law.harvard.edu/2025/10/28/cyber-and-ai-oversight-disclosures-what-companies-shared-in-2025/
70. [경영전략 써밋 2025] “AI 투자 100조 시대, 인재 확보·공공 혁신 미래 판 바꾼다” - 딜사이트, accessed October 30, 2025, https://dealsite.co.kr/articles/150052/068020
71. 인공지능(AI) 공약 (대한민국 제21대 대통령 선거) - 네플라, accessed October 30, 2025, https://www.nepla.ai/wiki/it-%EC%A0%95%EB%B3%B4-%EB%B0%A9%EC%86%A1%ED%86%B5%EC%8B%A0/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-%EC%9E%90%EC%9C%A8%EC%A3%BC%ED%96%89/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-ai-%EA%B3%B5%EC%95%BD-%EB%8C%80%ED%95%9C%EB%AF%BC%EA%B5%AD-%EC%A0%9C21%EB%8C%80-%EB%8C%80%ED%86%B5%EB%A0%B9-%EC%84%A0%EA%B1%B0-54gnvyzpen1p
72. AI·로봇·자율주행 등 ‘신산업’ 발목 잡는 ‘거미줄 규제’ 걷어낸다 - 대한민국 정책브리핑, accessed October 30, 2025, https://www.korea.kr/news/policyNewsView.do?newsId=148949360
73. AI 주요 이슈 및 시사점 (2025년 상반기) - Kim & Chang, accessed October 30, 2025, https://www.kimchang.com/ko/insights/detail.kc?sch_section=4&idx=31917