중국 AI가 모델을 넘어 '업무'를 통째로 노린다 — Kimi Work가 던진 질문

먼저 솔직하게 말씀드리겠습니다. 이번 주제는 커뮤니티 데이터가 거의 없었습니다. 레딧에서 지난 30일간 관련 스레드를 찾아봤는데 유의미한 논의가 잡히지 않았습니다. 그래서 이 글은 커뮤니티 반응 정리가 아니라, 지금 벌어지고 있는 구조적 변화에 대한 제 해석에 가깝습니다. 숫자를 지어내느니 관점을 드리는 편이 낫다고 판단했습니다.

왜 하필 ‘워크’인가

Moonshot AI는 Kimi로 이름을 알린 회사입니다. 긴 컨텍스트 처리로 주목받았고, 이후 오픈웨이트 모델을 내놓으며 글로벌 개발자 커뮤니티에서도 존재감을 키웠습니다. 그런 회사가 다음 카드로 ‘업무 제품’을 꺼내든다는 건 의미심장합니다.

이유는 단순합니다. 모델 성능만으로는 더 이상 차별화가 안 되기 때문입니다. 2026년 현재 상위권 모델들의 벤치마크 점수 차이는 소수점 싸움이 됐습니다. 사용자 입장에서 체감되는 차이는 거의 없습니다. 그런데 “이 도구를 쓰면 보고서 작성 시간이 절반으로 준다"는 건 즉시 체감됩니다.

즉 경쟁의 축이 모델 품질에서 업무 결과물로 이동하고 있습니다.

코딩 에이전트의 성공 공식을 복사한다

지난 2년간 AI 에이전트가 확실하게 자리 잡은 영역이 하나 있습니다. 코딩입니다. 이유가 있습니다. 코드는 검증이 쉽습니다. 컴파일이 되거나 안 되고, 테스트가 통과하거나 실패합니다. 에이전트가 스스로 시도하고, 틀리면 고치고, 다시 시도하는 루프를 돌 수 있습니다.

지식노동 에이전트가 어려웠던 이유도 여기 있습니다. “이 시장 분석 보고서가 잘 쓰였는가"는 컴파일러가 판단해주지 않습니다. 피드백 루프가 없으면 에이전트는 자기 결과물이 좋은지 나쁜지 모릅니다.

그래서 이 영역에 도전하는 제품들은 공통적으로 우회로를 씁니다. 검증 가능한 중간 단계를 잘게 쪼개는 겁니다. 데이터를 어디서 가져왔는지, 계산이 맞는지, 인용한 출처가 실제로 존재하는지. 최종 품질은 못 재도 중간 과정의 사실성은 잴 수 있습니다. 이 접근이 통하는지가 향후 1~2년의 핵심 관전 포인트입니다.

중국 AI 진영의 계산

중국 AI 회사들이 오픈웨이트 전략을 택한 배경은 여러 번 다뤄졌습니다. 반도체 제약 속에서 생태계 점유율을 먼저 확보하겠다는 판단이었죠. 그런데 오픈웨이트에는 구조적 약점이 있습니다. 돈이 안 됩니다.

여기서 ‘업무 제품’이 등판합니다. 모델은 열어두고, 그 위에 얹는 워크플로우 제품으로 과금하는 구조입니다. 리눅스가 무료여도 레드햇이 돈을 벌었던 방식과 비슷합니다. 모델 가중치는 복제 가능하지만, 기업의 실제 업무 데이터와 결합된 워크플로우는 복제가 어렵습니다.

한 가지 더 있습니다. 중국 내수 시장은 그 자체로 거대한 테스트베드입니다. 서구 SaaS 접근이 제한된 환경에서, 로컬 AI 업무 도구는 경쟁자 없이 실전 데이터를 쌓을 수 있습니다. 이건 벤치마크로는 살 수 없는 자산입니다.

그래서 진짜 장벽은 무엇인가

여기서 냉정해질 필요가 있습니다. 지식노동 자동화 제품이 넘어야 할 벽은 기술이 아닙니다.

첫째, 신뢰입니다. 코드는 틀리면 에러가 납니다. 보고서는 틀려도 그럴듯하게 읽힙니다. 임원 보고에 들어간 숫자가 환각이었다면, 그 조직은 다시는 그 도구를 안 씁니다. 한 번의 사고가 도입 전체를 되돌립니다.

둘째, 데이터 거버넌스입니다. 업무 자동화는 본질적으로 사내 문서, 메일, 재무 데이터에 접근해야 합니다. 국경을 넘는 AI 제품에게 이건 성능 이전의 문제입니다. 한국 기업이 중국계 업무 도구를 도입할 때 첫 질문은 성능이 아니라 “데이터가 어디로 가느냐"일 겁니다.

셋째, 기존 워크플로우와의 접합입니다. 회사 업무는 슬랙, 노션, 구글 워크스페이스, 사내 ERP에 흩어져 있습니다. 이 연결고리를 못 만들면 아무리 똑똑해도 ‘별도로 열어야 하는 또 하나의 탭’에 머뭅니다.

우리가 봐야 할 신호

앞으로 이 분야를 지켜볼 때 체크할 지표를 정리하면 이렇습니다.

가격 정책입니다. 좌석당 과금인지, 완료된 작업당 과금인지. 후자로 간다면 그 회사는 결과물에 자신이 있다는 뜻입니다. 소프트웨어를 파는 게 아니라 노동을 파는 모델이니까요.

통합 목록입니다. 어떤 외부 도구와 연결되는지가 실사용 의지를 보여줍니다.

그리고 오픈소스 공개 범위입니다. 업무 제품의 핵심 로직까지 여는지, 모델만 열고 제품은 닫는지. 여기서 그 회사의 수익 전략이 드러납니다.

마무리

Kimi Work 같은 시도가 흥미로운 건 제품 자체보다 방향 전환이 주는 신호 때문입니다. “우리 모델이 더 똑똑합니다"에서 “우리가 당신 일을 대신 합니다"로 메시지가 바뀌고 있습니다. 이건 AI 산업이 인프라 단계를 지나 응용 단계로 넘어가고 있다는 뜻이기도 합니다.

다만 저는 아직 판정을 유보하겠습니다. 지식노동은 코딩과 달리 정답이 없는 영역이고, 정답이 없는 곳에서 에이전트가 어떻게 학습하고 개선되는지는 여전히 미해결 문제입니다.

여러분 회사의 업무 중, AI가 처음부터 끝까지 맡아도 괜찮다고 느껴지는 일은 무엇인가요. 그 목록이 짧다면, 아직 시장은 열리지 않은 겁니다.