🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Vercel CEO 기예르모 라우치는 AI가 시제품 단계를 지나 운영 단계로 이동하면서 모델과 에이전트를 분리하고, 보안·데이터 통제·멀티모델 선택권을 갖춘 인프라가 핵심 경쟁장이 되고 있다고 설명했다.

📌 핵심 요약

• Vercel은 서버 관리 없이 개발자가 에이전트를 배포할 수 있는 클라우드 인프라를 제공하며, 하루 600만 건의 배포와 1조 개 이상의 토큰 흐름을 처리하는 AI 소프트웨어의 중심 플랫폼으로 부상했다.
• 라우치는 지난해의 분위기가 에이전트 실험과 시제품 제작에 가까웠다면, 지금은 실제 운영 환경에서 에이전트를 어떻게 안전하고 효율적으로 작동시킬지에 초점이 옮겨갔다고 말했다.
• 그는 에이전트의 핵심 사용 사례로 코딩 에이전트와 사내 업무 에이전트를 꼽았고, 특히 사내 에이전트에서는 데이터 접근 권한, 감사 추적, 도구 호출 기록, 샌드박스 기반 통제가 중요하다고 강조했다.
• Vercel은 자연어로 에이전트의 지시와 능력을 정의하는 Eve와, 에이전트를 통제된 환경에 두는 Vercel Sandbox를 통해 데이터 유출과 무분별한 접근을 줄이려 한다.
• 라우치는 기업들이 특정 AI 연구소 하나에 묶이기보다 모델, 하네스, 데이터 플랫폼, 샌드박스, 게이트웨이를 조합하는 방식으로 가고 있으며, 이 과정에서 모델과 에이전트를 결합할지 분리할지가 중요한 쟁점이 됐다고 봤다.

🧩 주요 포인트

1. Vercel은 서버 관리 없이 개발자가 에이전트를 배포할 수 있는 클라우드 인프라를 제공하며, 하루 600만 건의 배포와 1조 개 이상의 토큰 흐름을 처리하는 AI 소프트웨어의 중심 플랫폼으로 부상했다.
2. 라우치는 지난해의 분위기가 에이전트 실험과 시제품 제작에 가까웠다면, 지금은 실제 운영 환경에서 에이전트를 어떻게 안전하고 효율적으로 작동시킬지에 초점이 옮겨갔다고 말했다.
3. 그는 에이전트의 핵심 사용 사례로 코딩 에이전트와 사내 업무 에이전트를 꼽았고, 특히 사내 에이전트에서는 데이터 접근 권한, 감사 추적, 도구 호출 기록, 샌드박스 기반 통제가 중요하다고 강조했다.
4. Vercel은 자연어로 에이전트의 지시와 능력을 정의하는 Eve와, 에이전트를 통제된 환경에 두는 Vercel Sandbox를 통해 데이터 유출과 무분별한 접근을 줄이려 한다.
5. 라우치는 기업들이 특정 AI 연구소 하나에 묶이기보다 모델, 하네스, 데이터 플랫폼, 샌드박스, 게이트웨이를 조합하는 방식으로 가고 있으며, 이 과정에서 모델과 에이전트를 결합할지 분리할지가 중요한 쟁점이 됐다고 봤다.

🧠 상세 정리

1. Vercel이 AI 소프트웨어 인프라의 중심으로 부상한 배경

기사의 출발점은 Vercel이 더 이상 단순한 웹 배포 플랫폼으로만 보이지 않는다는 점이다. Vercel은 개발자가 서버를 직접 관리하지 않고 에이전트를 배포할 수 있는 클라우드 인프라로 알려져 있으며, 현재 하루 600만 건의 배포를 처리한다고 소개된다. 그중 절반은 코딩 에이전트가 촉발한 배포이고, 회사의 AI 게이트웨이를 통해 매일 1조 개 이상의 토큰이 흐른다. 이런 수치는 Vercel이 AI 애플리케이션의 실행, 배포, 연결 계층에서 중요한 위치에 놓였다는 맥락을 만든다.

2. 시제품 제작에서 운영 현실로 이동한 AI 에이전트 논의

라우치는 지난해의 AI 분위기를 ‘프로토타이핑’의 시기로 묘사한다. 당시에는 에이전트를 풀어놓고 누구나 무엇이든 만들 수 있다는 식의 기대가 강했고, Vercel 내부에서도 수백 개의 에이전트가 자발적으로 개발되고 배포됐다. 그러나 그 경험은 실제 운영 환경에서 에이전트가 마주하는 제약과 문제를 드러냈다. 이제 논의의 초점은 파일럿 프로젝트나 가능성 과시보다, 에이전트를 생산 환경에서 안정적으로 작동시키고 통제하는 방법으로 옮겨가고 있다.

3. 두 가지 핵심 사용 사례: 코딩 에이전트와 사내 업무 에이전트

라우치가 꼽은 에이전트의 첫 번째 ‘킬러 앱’은 코딩 에이전트다. 코딩 에이전트는 세계적인 토큰 사용량을 크게 끌어올리고 있으며, 많은 소프트웨어를 만들어내는 만큼 그것을 배포하고 운영할 공간도 필요하게 만든다. 두 번째 핵심 사용 사례는 회사를 운영하는 데 도움을 주는 내부 에이전트다. 이 영역에서는 단순히 질문에 답하는 능력보다, 어떤 데이터에 접근했는지, 어떤 도구를 호출했는지, 어떤 권한을 거쳤는지 추적하고 감사할 수 있는 구조가 중요해진다.

4. Eve와 Sandbox가 다루는 보안·데이터 통제 문제

Vercel은 내부 에이전트 운영 문제를 해결하기 위해 Eve라는 프레임워크와 Vercel Sandbox를 제시한다. Eve는 에이전트의 지시와 기술을 자연어로 정리할 수 있게 하는 틀이고, Sandbox는 에이전트를 제한된 환경 안에 두어 자유롭게 작동하되 접근 가능한 데이터와 외부로 나갈 수 있는 데이터를 정책으로 통제하게 한다. 라우치는 특히 개발 도구가 잘못 설정될 경우 기업의 전체 코드베이스가 클라우드 학습에 넘어갈 수 있다는 위험을 언급한다. 에어버스와의 대화 사례를 통해, 특정 산업에 축적된 중요한 코드 자산이 잘못된 도구 선택 하나로 노출될 수 있다는 우려를 설명한다.

5. 사내 에이전트가 기업 데이터 병목을 푸는 방식

라우치는 Vercel의 영업 담당자 사례로 내부 에이전트의 실제 모습을 설명한다. 기존 계정을 성장시키는 영업 담당자에게 병목은 창의성이나 관계 구축 능력이 아니라, 어떤 계정이 빠르게 성장하고 있는지 파악할 데이터 접근성이었다. 과거에는 최근 2주 동안 좌석 수가 가장 많이 늘어난 다섯 계정을 묻는 간단한 질문도 새 영업 대시보드 프로젝트가 끝나야 가능했다. 라우치는 Eve가 고객 대응 에이전트뿐 아니라 사내 생산성 향상에도 쓰일 수 있다고 말하며, 에이전트가 기업으로 하여금 API와 데이터를 더 개방하도록 압박한다고 본다.

6. 멀티모델 선택권과 모델·에이전트 분리 경쟁

AI 연구소와 고객의 관계에 대해 라우치는 특정 연구소 하나를 선택해 모든 것을 구축하던 흐름이 약해지고 있다고 말한다. 이제 기업들은 모델, 실행 구조, 데이터 플랫폼, 샌드박스, 게이트웨이를 각각 교체 가능한 부품처럼 이해하고 있으며, OpenAI, Anthropic, Gemini 같은 모델을 필요에 따라 사용할 수 있다고 본다. 그는 운영 최적화 단계에서는 가격 대비 성능이 중요해지고, Gemini와 DeepSeek, GLM-5.2 같은 선택지가 성장하고 있다고 설명한다. 동시에 모델 제공사가 웹 게시 같은 기능을 더하면 기존 인프라 플랫폼과 직접 경쟁하게 되며, 결국 모델과 에이전트를 묶어둘 것인지 분리 가능한 구성 요소로 둘 것인지가 핵심 싸움이 된다.

🧾 핵심 주장 / 시사점

• Vercel이 강조하는 경쟁력은 특정 모델 자체가 아니라, 여러 모델과 도구, 데이터 접근, 배포 환경을 안전하게 엮는 운영 인프라에 있다.
• 에이전트가 기업 내부에서 확산될수록 성능보다 데이터 권한, 감사 가능성, 샌드박스, 정책 적용 같은 거버넌스 요소가 더 중요한 구매 기준이 될 수 있다.
• 기사의 핵심 긴장은 AI 연구소가 기능을 확장해 플랫폼 영역으로 들어오는 흐름과, Vercel처럼 모델을 교체 가능한 구성 요소로 분리하려는 인프라 사업자의 전략 사이에 있다.

✅ 액션 아이템

• Vercel의 하루 600만 건 배포와 1조 토큰 처리 규모를 전제로 에이전트 운영 전환 시 인프라 적정성을 점검한다.
• 라우치가 언급한 코딩 에이전트와 사내 업무 에이전트 흐름에서 데이터 접근 권한·감사 추적·도구 호출 로그를 통합 운영 항목으로 정렬한다.
• Eve의 자연어 기반 지시 정의와 Vercel Sandbox 통제 모델을 기준으로 모델·에이전트 결합 방식을 운영 안전 관점에서 재정의한다.

❓ 열린 질문

• 모델과 에이전트를 분리할 때 보안·효율·멀티모델 선택권의 우선순위는 어떤 기준으로 정할 것인가?
• 사내 업무 에이전트에서 데이터 접근 권한·감사 추적·도구 호출 로그의 최소 범위는 어디까지 잡아야 적절한가?
• 모델, 하네스, 데이터 플랫폼, 샌드박스, 게이트웨이 조합에서 운영 안정성은 어떤 지표로 검증할 것인가?