[원문 유형] 네이버 프리미엄 콘텐츠
[채널] 미국주식 사관학교
[게시일] 2026.09.09
[원문 URL] https://contents.premium.naver.com/usa/nasdaq/contents/260909212707417wk
[제목] 아스트라 이후: AI가 사람 대신 일하기 시작하면 돈은 어디로 갈까?
[수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다.

[구독 원문 본문]
안녕하세요, 카레라입니다.

사진 출처: 오픈AI

GPT-6 아스트라(Astra)가 나왔습니다. GPT가 클로드한테 밀릴 것 같으면 새로운 모델 내놓는 거야 하루이틀이 아니지만 이번엔 좀 다릅니다.

사진 출처: 구글

GPT-6 아스트라 때문에 최근 며칠 미국과 한국의 반도체 관련주가 올랐을 정도입니다(...). 

특히 잊을 만하면 스멀스멀 나오는 시즌 752번째 AI 거품론을 단번에 눌러버린 모델이기도 한데, 오늘은 GPT-6 아스트라의 등장이 왜 특별한 건지 알려드리고 덤으로 투자 인사이트도 가져오겠습니다!

사진 출처: OpenAI

원래 GPT는 클로드보다 프로그래밍에서 약간 뒤처져 있었습니다. 

​

코딩할 때 GPT-4 이런 것보다 클로드 Opus가 훨씬 나았던 시절이 있었고, 해보신 적 있다면 대체로 공감하실 겁니다.

​

2024년 클로드 3.5 소넷 이후 개발자들 사이에서는 "코딩은 클로드지" 하는 인식이 빠르게 자리 잡았고 클로드 코드(Claude Code)가 나오면서 차이가 더 크게 벌어졌습니다.

사진 출처: XDA Developers

사실상 클로드 코드가 개발 = 클로드 라는 이미지를 만들었다고 해도 과언이 아닙니다. 아스트라가 건드린 게 바로 이 마지막 영역입니다.

사진 출처: 레딧

과학 코딩, 긴 문맥을 읽고 추론하는 평가 등등은 여전히 Fable이 좀 더 높습니다. 

​

그래서 Fable 5.1은 여전히 세계 최상위 모델입니다. 하지만 아스트라는 클로드가 가장 자신 있던 종류의 작업, 코드를 쓰고 여러 단계를 거쳐 업무를 끝내는 능력에서 클로드를 많이 따라잡았습니다. 

​

특히 Computer Use라고 해서 말 그대로 AI가 화면을 보고 마우스와 키보드를 사용하는 것처럼 소프트웨어를 직접 조작하는 능력이 엄청납니다.

사진 출처: 구글

AI가 이제 컴퓨터를 직접 조작하는 게 훨씬 쉬워졌다면 어떤 기업들이 제일 타격을 받게 될까요? 

​

그렇죠. 소프트웨어 기업(SaaS)들입니다. 얘네는 최근 많이 회복했다가 GPT-6 출시 이후 약간 충격을 받았습니다(다만 저는 SaaS 기업들 중 일부 기업은 여전히 좋게 봅니다. 미주사에 관련 콘텐츠가 많습니다). 

​

이제 두 가지를 살펴봅시다.

GPT가 갑자기 왜 이렇게 강해졌을까? 미국주식에 써먹을 수 있는 아이디어가 있는가?

사진 출처: Tosea.ai

이건 썰일 뿐입니다만, recurrent depth라는 기술이 등장합니다. 

​

아스트라는 이 방식을 썼는지에 대해 긍정도, 부정도 하고 있지 않습니다. 

​

개념 자체는 어렵지 않습니다. 기존 AI 연산을 아주 단순하게 표현하면 정보가 여러 층(신경망 블록)을 차례로 지나갑니다. 1층에서 처리하고 2층으로 보내고 다시 3층으로 보내는 식입니다.

​

recurrent depth는 일부 신경망 블록을 여러 번 사용해서 같은 블록을 다시 통과시킴

그러면 AI 모델의 크기를 계속 키우지 않고도 하나의 문제를 내부에서 더 여러 번 가공할 수 있음

정말 쉽게 말하면 직원 100명이 보고서를 한 번씩 넘겨보는 방식 대신 전문가 20명이 같은 보고서를 몇 차례 다시 검토하는 방식과 비슷

​

(아마도) 이런 방식으로 아스트라는 고난도 업무를 굉장히 잘 처리하면서도 일부 평가에서는 필요한 토큰과 작업비용을 크게 줄였습니다.

대신 문제가 하나 생겼습니다. AI가 내부에서 어떤 과정을 거쳐 결론을 만들었는지 사람이 관찰하기가 더 어려워졌습니다.

사진 출처: 오픈AI

오픈AI도 아스트라가 이전 GPT-5.6 Sol보다 글로 드러나는 사고 과정을 감시하기 어려워졌다고 밝혔습니다. recurrent depth가 직접적인 원인이라고 말한 건 아니지만 모델의 능력이 높아질수록 AI가 무슨 생각으로 이런 결론을 내리는지를 점점 더 알기 어려워지고 있다는 뜻입니다.

​

심지어 아스트라는 오픈AI의 안전 기준에서 처음으로 사이버 보안 능력 Critical 등급에 도달

적절한 도구와 접근권한이 주어지면 사람이 일일이 안내하지 않아도 알려지지 않은 보안 취약점을 찾고 공격 방법을 개발할 수 있는 수준이라는 뜻

​

제 생각은 이렇습니다. 이제 엔비디아(NVDA), 데이터독(DDOG), 스노우플레이크(SNOW), 서비스나우(NOW) 같은 이야기는 하도 많이 해서 지겨우니까 패스합시다. 좀 신박한 아이디어가 없을까요? 

​

지금까지 기업용 소프트웨어는 대부분 사람을 위해 만들어졌습니다.

사진 출처: 서비스나우

사람이 Salesforce에 로그인해서 메뉴를 누르고 고객 정보를 입력합니다. 다른 사람이 ServiceNow에 들어가서 티켓을 만들고 상태를 바꿉니다. 일을 보통 이런 식으로 하죠. 

​

그래서 소프트웨어 회사들도 사람 숫자를 기준으로 돈을 받았습니다.

​

직원 100명이 쓰면 100석을 사고 1,000명이 쓰면 1,000석을 사는 시트 기반 과금

그런데 아스트라 같은 AI 에이전트가 직접 일을 하기 시작하면 이 전제가 흔들림

사진 출처: 오픈AI

사진 출처: 구글

???: 아니 뭐야 내 컴퓨터 돌려줘요

​

???: 이게 왜 니 컴퓨터야 ㅋㅋㅋ

​

원래도 AI 웹 검색, AI 에이전트 때문에 이런 방향으로의 변화는 조금씩 있었는데 Fable 5와 아스트라가 아예 돌아올 수 없는 엄청난 변화의 급류를 만들어버렸습니다. AI가 컴퓨터 자체를 직접 조작하는 시대가 왔으니까요.

근데 아스트라 이전에도 AI 에이전트 뭐 이런 건 있었잖아. 그거랑 이거랑 뭐가 다른 거지?

네, 아스트라 전에도 AI 에이전트는 있었습니다. 근데 차이는 "컴퓨터를 만질 수 있느냐"가 아니라 "얼마나 오래, 정확하게, 덜 개입받고 일을 끝내느냐"에 있습니다.

​

예전 AI 에이전트도 클릭하고 입력하고 브라우저를 돌아다녔지만 중간에 길을 잃거나 화면이 조금만 바뀌어도 실수해서 사람이 자주 잡아줘야 했습니다. 아스트라는 아예 화면을 보고 판단하는 능력과 긴 작업을 이어가는 능력이 대폭 올라갔습니다.

​

그러니까 예전에는 마우스를 쓸 줄 아는 AI에 가까웠다면 아스트라는 "컴퓨터 앞에 앉혀놓고 업무 하나 정도는 통째로 맡길 수 있는 AI" 쪽으로 넘어간 겁니다.

그러면 중요한 숫자가 "몇 명이 로그인했는가?" 에서 "몇 건의 일을 처리했는가?" 로 이동합니다. 소프트웨어 회사 입장에서는 상당히 골치 아픈 변화입니다.

그리고 또 다른 병목도 생깁니다. 코드를 만드는 비용이 급격하게 내려가면 세상에 만들어서 풀리는 코드가 많아집니다. 연준이 돈을 풀 때의 양적 완화처럼요. 

​

코드가 많아졌다고 해서 전부 믿을 수 있는 건 아닙니다. 세상에는 책임 소재라는 게 있습니다. 사건이 벌어졌을 때 누가 뒤집어쓰고 감옥에 가는가의 문제죠.

​

그래서 누군가는 코드를 테스트해야 함

누군가는 취약점을 검사해야 함

누군가는 기존 프로그램과 충돌하지 않는지 확인해야 함

누군가는 배포하기 전에 승인해야 함

​

코드를 만드는 일이 싸지면 코드를 검증하는 일이 상대적으로 귀해집니다. 그렇지만 양이 많아지므로 이 코드를 하나하나 사람이 쫓아다니면서 검증하긴 어렵습니다. 

사진 출처: 연합뉴스

그럼 가장 쉬운 방법은? 통제입니다. AI가 어디서 어디까지 볼 수 있고 무엇을 바꿀 수 있는지를 한정해놔야 통제가 되겠죠. 

​

사람 직원에게는 이름, 사번, 부서, 직급이 있습니다. 회사 데이터 가운데 어디까지 볼 수 있는지도 정해져 있습니다. 접속 기록도 있고요.

AI가 직원처럼 일하려면 AI에게도 똑같은 게 필요합니다. 누가 이 AI를 만들었는지 알아야 하고 이 AI는 어떤 서버에 접근할 수 있는지 정해야 합니다. 얼마까지 결제해도 되는지도 정해야 합니다.

AI 에이전트가 본격적으로 직접 컴퓨터를 건드릴 수 있게 된 아스트라 이후에 새롭게 볼 만한 투자 아이디어는 이런 병목에서 나옵니다. 

​

이제 평범한 SaaS 기업들보다는 아스트라 같은 AI 에이전트가 실제 기업 안에 들어가 일을 시작했을 때 새로 생기는 병목을 찾아보는 게 훨씬 재미있을 겁니다.

​

제가 관심을 가지고 있는 회사들 중 하나는 SailPoint(SAIL)입니다.

사진 출처: SAIL

SailPoint(SAIL)이라고 아시나요? identity security 회사인데... 쉽게 말하면 회사 시스템에 들어오는 사람이나 프로그램이 누구인지 확인하고 어디까지 접근할 수 있는지 관리합니다.

​

원래 이런 시스템의 중심에는 사람이 있었습니다.

​

회사에 직원이 입사하면 계정을 만들어줌

인사 시스템에 등록하고 이메일과 회사 서버와 각종 프로그램에 접근할 권한을 줌

회계팀 직원이라면 회계 시스템을 볼 수 있고 개발자라면 GitHub와 개발 서버에 들어갈 수 있음 

퇴사하면 그 권한을 회수하고 쫓아냄

​

그런데 AI 에이전트가 직원처럼 일을 하기 시작하면 매우 골치 아픈 문제가 생깁니다.

얘 누구야? 누가 얘를 만들었어? 얘는 어디까지 들어가도 돼? 얘가 간단한 작업은 혼자 다른 AI 데려와서 걔한테 하청 맡겨도 돼? 사고 치면 한 번에 모든 권한 회수할 수 있어?

예를 들어 회사가 아스트라 기반 에이전트 하나에게 고객 환불 업무를 맡겼다고 해보겠습니다. 이 AI는 고객 데이터베이스를 읽어야 합니다. 주문 기록도 봐야 합니다. 결제 시스템에도 접근해야 합니다.

​

그렇다고 회사 은행계좌 전체를 건드릴 권한까지 줄 이유는 없습니다.

​

고객 한 명에게 최대 100달러까지 환불하도록 허용할 수도 있고 그 이상은 인간 직원의 승인을 받게 만들 수도 있습니다. 그러면 AI 하나하나에 사실상 새로운 사번과 직급과 출입증이 필요합니다.

​

AI 에이전트 하나가 새로운 identity가 되는 겁니다. 여기에 더 까다로운 문제도 있습니다.

사진 출처: 나무위키

사람 직원은 보통 조직도에 올라가 있음. 누가 상사이고 어떤 부서 소속인지 알 수 있음

그러나 AI는 개발자가 몇 분 만에 만들어서 서버 어딘가에 띄울 수도 있음

​

어떤 직원이 테스트하려고 만든 에이전트가 몇 달 뒤에도 살아 있고 그동안 부여받았던 데이터베이스 접근권한도 그대로 남아 있을 수 있습니다. 

몇 달 전에 퇴사한대서 자리 뺐는데 알고보니 걔가 지금까지 회사 화장실에서 몰래 살고 있었던 감동실화가 일어날 수도 있는 겁니다.

"누가 무엇에 접근할 수 있는가?" 가 그래서 더 중요해집니다. 회사 화장실에 누가 숨어사는지 일일이 적발하기 어렵다면 그냥 회계팀, 전산팀 문단속만 더 철저히 하면 되니까요. SailPoint가 보고 있는 시장이 바로 이것입니다.

​

그리고 이게 사실 먼 미래 이야기도 아닙니다.

사진 출처: SAIL

SailPoint는 SEC에 제출한 2026년 1분기 10-Q에서 4월 말까지 3개월 동안 자사 플랫폼의 identity 증가분 가운데 약 40%가 non-human identity였다고 밝혔습니다. 사람 직원이 아니라 AI 에이전트와 머신 계정과 각종 소프트웨어 identity가 신규 증가분의 거의 절반까지 올라온 겁니다.

​

회사 표현을 그대로 보면 이미 일부 기업에서는 이런 non-human identity가 사람 identity보다 훨씬 많습니다.

​

SailPoint의 시장이 예전에는 직원 숫자 증가에 어느 정도 묶여 있었다면 이제는 다릅니다.

​

직원이 1만 명인 회사가 있다고 하면 사람 직원은 1만 명에서 갑자기 10만 명으로 늘어나지 않습니다. 하지만 직원 한 명이 AI 에이전트를 5개씩 사용하면 관리해야 할 identity는 금방 몇만 개가 추가될 수 있습니다.

자동화 프로그램과 API 계정까지 합치면 숫자는 더 커집니다. 그래서 AI가 인간 노동을 줄이는 기술인데 역설적으로 SailPoint가 관리해야 하는 "직원 비슷한 것" 의 숫자는 폭증할 수 있다 이거죠.

SailPoint에만 해당되는 이야기는 아니고 가장 직관적으로 연결된 기업이라 대표 예시로 소개해드리는 겁니다. 아무튼, SailPoint도 이 변화에 맞춰 2026년 5월 Agentic Fabric을 출시했습니다.

​

핵심 기능은 AI 에이전트에 대해서 회사 표현으로는 discovery, visibility, governance, authorization, protection을 하나로 묶겠다는 겁니다. 쉽게 풀면 AI를 찾아내고 + 신분증을 붙이고 + 출입 가능한 방을 정하고 계속 감시하는 시스템입니다.

​

여기서 아스트라의 가치, 그리고 본질을 다시 봅시다.

​

???: AI의 지능이 올라갈수록 AI에게 더 많은 권한을 줘야 하겠지? 권한을 많이 줄수록 identity security의 가치도 커지지 않을까?

​

그래서 SAIL은 제가 관심있게 보는 기업들 중 하나이고... 또 다른 기업이 있습니다. 

사진 출처: Everhour

GitLab(GTLB)입니다. 이쪽은 문제가 완전히 다릅니다. 아스트라 같은 모델이 코딩을 더 잘하게 되면 가장 먼저 떠오르는 생각이 무엇일까요?

​

???: 개발자가 코드를 빨리 만들면 좋은 거 아닌가?

​

그런데 회사 전체로 보면 일이 그렇게 간단하지 않습니다. 앞서도 말했듯, 코드는 만들어진 뒤에 끝나는 상품이 아니고 누군가는 읽고 책임을 져야 합니다. 

사진 출처: Gitlab

GitLab은 올해 이 현상을 아예 AI paradox라고 부르기 시작했습니다.

​

AI 덕분에 코드 작성 속도는 크게 빨라졌는데 소프트웨어가 실제 서비스로 나가기까지 필요한 전체 과정은 그만큼 빨라지지 않는다는 겁니다.

​

GitLab은 개발자 전체 업무시간 중 코드를 직접 작성하는 시간은 약 20% 수준이라고 설명

코딩만 10배 빨라져도 나머지 80%가 그대로 남아 있으면 전체 개발 속도는 거의 그대로

​

오히려 다른 문제가 생깁니다. AI가 하루에 코드 수정안을 10개 만들던 것을 100개 만들 수 있게 됐다면? 검토해야 할 코드도 100개가 됩니다. 거버넌스 문제가 생기는데요, 쉽게 말하면 이런 겁니다.

​

???: 이 코드 누가 만들었고 왜 만들었고 사고 나면 누가 책임질 건데?

​

이렇게 되면 GitLab으로 들어오는 코드 변경량과 테스트량과 보안 검사량도 같이 커집니다. 

​

AI가 만든 코드가 너무 많아져서 사람이 일일이 볼 수가 없으니 대부분의 검증도 AI로 맞불을 놓고 진짜 중요한 것만 사람이 걸러낸다는 방향이죠.

​

GitLab이 올해 제품 방향을 이쪽으로 확 틀고 있는 이유입니다.

사진 출처: Gitlab

GitLab Duo Agent Platform이라는 게 있는데... 

2026년 7월 GitLab은 AI가 만들어내는 코드와 변경량을 개발자가 따라가지 못하고 있다고 직접 표현하면서 보안 취약점을 자동으로 수정하고 코드의 보안 문제를 검토하는 기능을 내놨습니다.

과금 방식도 신박한데, GitLab Credits라는 사용량 기반 과금을 도입했습니다. 예를 들어 현재 agentic code review는 코드 리뷰 한 번에 0.25달러(...)로 책정돼 있습니다. 

​

AI가 코드 리뷰를 많이 할수록 GitLab이 돈을 더 받을 수 있는 방식입니다.

​

이건 꽤 중요한 변화입니다. 기존 SaaS는 개발자가 몇 명인지가 중요했는데 그런데 AI가 개발자 숫자를 줄이거나 직원 한 명당 생산성을 크게 높이면 이 숫자는 매출 성장의 좋은 기준이 아닐 수도 있습니다.

​

GitLab은 AI 시대에 맞춰 "사람 몇 명이 쓰나요?" 에서 "사람과 AI가 우리 플랫폼에서 일을 몇 번 했나요?" 로 과금 단위를 조금씩 옮기고 있습니다.

​

그래서 GTLB에 대한 투자 논리는 AI 코딩 회사니까 수혜를 받겠지? 로 생각하면 안 되고, 아스트라가 코딩을 너무 잘해서 코드 생산량이 폭증할수록 그 코드를 실제 서비스까지 보내는 과정에서 역할이 중요하다고 해석하면 되겠죠. 

​

다시 말하지만 누군가는 책임을 져야 합니다.

사진 출처: 마스터카드

마지막으로 조금 뜬금없는 아이디어인데... 아마 조금 더 먼 미래 이야기일 겁니다.

​

AI 에이전트가 회사에서 실제 업무를 하면 언젠가는 돈을 써야 합니다. 직원처럼 굴어야 하는데 백날 코딩만 하고 있을 순 없으니까요. 스스로 API 토큰을 구매할 수도 있고 회사 예산을 필요한 곳에 집행할 수도 있습니다.

​

그러면 AI에게도 결제 권한이 필요합니다. 다만 카드번호 하나를 저장해두고 마음대로 쓰게 할 수는 없습니다.

​

???: 너는 하루 500달러까지만! 이 회사에는 결제 가능하고 이 종류의 상품은 결제 금지. 아니 스카이넷 후원 멤버십 비용은 왜 결제하고 있냐? ㄷㄷ

​

이런 규칙이 필요합니다. 

사진 출처: our crypto talk

마스터카드가 2026년 6월 출시한 Agent Pay for Machines가 노리는 영역이 바로 여기인데요, 특히 AI와 기계가 서로 서비스를 사고팔면서 아주 작은 금액을 자동으로 결제하는 거래까지 보고 있습니다.

​

사실 생각해보면 AI가 이제 엄청나게 발전해서 컴퓨터를 떡 주무르듯 할 수 있는데 그 능력을 가지고 그림 그리거나 코딩만 하고 있으란 법은 없죠. 

​

결제를 대신 해주는 것도 당연히 필요하지 않을까요? 이 간단한 걸 왜 간과하고 있었을까 싶습니다. 

​

아스트라 같은 에이전트가 실제 경제활동까지 들어오면 사람과 기업 외에 소프트웨어라는 새로운 결제 주체가 등장할 수 있다는 이야기입니다.

​

다만 이쪽은 SAIL이나 GTLB보다 실적 연결까지 시간이 더 필요합니다.

​

그래서 간략히 요약하면...

​

SAIL: AI 에이전트가 새로운 직원이 되는 데 베팅하는 회사

GTLB: AI 버젼 코드의 양적 완화에 베팅하는 회사

MA: 그 AI 직원들이 언젠가 돈까지 쓰게 되는 세계에 베팅하는 회사

세 회사 모두 "AI가 더 많이 쓰이면 컴퓨팅이 늘어난다" 와는 전혀 다른 곳에서 출발합니다. 이게 이번 투자 아이디어의 핵심이라고 볼 수 있겠습니다.

AI 때문에 무엇이 싸지는가? 그 결과 무엇의 사용량이 폭증하는가? 마지막으로 무엇이 새로운 병목이 되는가? 이런 요소들을 끊임없이 고민해야 할 때라고 봅니다.

​

읽어주셔서 감사합니다. ^^