24시간 일하는 개인 AI의 사업모델 - Zuckerberg가 설명한 Muse와 신뢰의 조건

TL;DR

• Meta가 소개한 Muse는 질문에 답하고 끝나는 챗봇보다 목표를 받아 계속 일하는 개인 에이전트에 가깝다. 가상머신과 지속적인 기억을 바탕으로 프로젝트를 진행하고 다음 작업도 제안한다. Zuckerberg의 가족·운동 관련 사용 경험은 이런 방향을 설명하는 사례다.
• 사업 구상은 유료 구독만이 아니라 넓은 무료 사용과 거래 수수료를 결합한다. 인터뷰에서는 초기 무료량으로 주당 1억 토큰과 가상머신을 언급했다. 사용자가 돈을 벌거나 절약하도록 돕겠다는 기대이지 실제 수익을 보장하거나 현재 요금 조건을 확정하는 자료는 아니다.
• 개인 에이전트는 많은 맥락을 알아야 하지만 외부에 그 정보를 모두 전달해서는 안 된다. 자격증명 보관소·감시 에이전트·사람의 승인·최소 권한은 행동 통제를 위한 장치다. Meta도 내용을 볼 수 없게 하려는 기밀 가상머신 구상은 별도의 보호 계층이며 인터뷰 당시 추가 공개와 확대를 예고한 상태다.
• Zuckerberg는 강한 AI의 광범위한 접근이 번영과 권력의 견제에 필요하다고 본다. 다만 모든 연구와 모델을 공개하겠다는 약속은 아니며 일부 비공개 개발도 인정한다. 오픈소스 지원과 소비자 서비스의 보급은 구분해야 한다.
• 모델 연구의 재편과 데이터센터 투자, 안경·청소년 안전 문제도 같은 제품 전략에 연결된다. 작은 고밀도 연구팀과 기반부터 설계한 모델로 개인화·신중한 정보 공개를 강화하려는 방향이다. 안전성과 지역사회 효과에 관한 설명은 회사 측 주장과 실제 검증을 구별해 읽어야 한다.

Mark Zuckerberg는 Muse에게 주말마다 딸과 함께할 베이킹 활동을 준비하게 했다. 아이와 초보 성인이 할 만한 과제를 고르고 재료를 주문해 두는 일까지 포함했다. 그러나 케이크 팝은 예상보다 어려웠고 그는 그 결과를 다시 알려 줬다. 한 번의 답을 받는 대신 목표를 맡기고 실제 경험을 반영해 다음 작업을 바꾸는 것이 인터뷰에서 소개한 개인 에이전트의 모습이다.

질문에 답하는 모델에서 목표를 맡는 에이전트로

Muse에는 사용자를 대신해 컴퓨터를 조작할 가상머신과 계속 유지되는 작업 맥락이 붙는다. 사용자는 단일 질문뿐 아니라 프로젝트와 목표를 전달하고 에이전트는 그 작업을 이어 간다. 인터뷰에서는 밤에 활동을 돌아보고 기억으로 정리하는 과정도 설명한다. 이를 모델 자체가 매번 새 가중치로 학습한다는 뜻이나 모든 작업을 항상 성공한다는 보장으로 해석할 수는 없다.

Zuckerberg가 소개한 사용 사례는 거대한 기업 업무보다 생활의 작은 목표에 가깝다. 등산 허가가 열리면 신청하고 운동 영상을 살펴 피드백을 보내며 가족과 할 게임의 가이드를 만든다. Civilization 전략 가이드에서 역사 학습 자료로 확장하는 아이디어는 에이전트가 먼저 제안했다. 다만 이런 경험은 제품의 방향을 보여 주는 개인 사례이며 정확도나 신뢰성을 독립적으로 측정한 결과는 아니다.

Meta AI와 Muse의 구분도 이 지점에 있다. Zuckerberg는 즉각적인 답이 필요한 질문에는 Meta AI를 쓰고 장기적인 의도를 이해해 오래 일할 작업에는 Muse를 쓴다고 설명한다. 두 제품이 나중에 합쳐질 가능성은 열어 두지만 현재 동일한 역할로 보지는 않는다. 질문을 던졌을 뿐인데 긴 프로젝트로 확장하는 에이전트가 언제나 더 적합한 인터페이스인 것도 아니다.

무료 사용의 비용을 거래에서 회수하려 한다

인터뷰에서 제시한 초기 무료 사용 구상은 주당 1억 토큰과 가상머신이다. 사용자가 원하면 구독할 수도 있지만 대부분의 사람에게 충분한 사용량을 무료로 제공하려는 방향이다. 개인 에이전트가 널리 쓰이려면 고급 기능뿐 아니라 접근 가능한 가격이 필요하다는 판단이다. 이 숫자는 인터뷰 시점의 설명이며 현재의 지역별 제공 조건이나 장기적인 무료 한도를 별도로 확인한 값은 아니다.

장기적으로는 에이전트가 관여하는 거래에서 작은 몫을 받는 사업모델을 생각한다. 사용자가 직접 요금을 내기보다 거래 상대인 사업자가 부담하는 경우도 언급한다. 에이전트가 작은 사업을 운영하거나 상품을 만들고 판매를 돕는다면 그 과정에서 수익을 회수할 수 있다는 구상이다. 사용자가 돈을 벌고 절약할 것이라는 기대와 실제 사업성과가 확인됐다는 주장은 다르다.

Meta의 광고 시스템도 사용자가 원할 때 연결할 수 있다. 제품 제작과 사업 운영을 돕는 에이전트가 광고·거래 도구까지 다룰 수 있다는 설명이다. 하지만 인터뷰는 구체적인 수수료율이나 모든 거래의 계약 조건을 제시하지 않는다. 무료 사용량과 거래 수익의 관계를 제안한 것이지 개인 이용자의 비용 절감이나 수익을 확약한 발표는 아니다.

개인화에는 아는 능력과 말하지 않는 능력이 모두 필요하다

개인 에이전트가 유용해지려면 일정과 메시지, 선호와 건강 관련 사정처럼 사용자의 맥락을 알아야 할 수 있다. 그러나 예약이나 구매를 위해 외부와 상호작용할 때 그 사정을 모두 공개할 필요는 없다. Zuckerberg는 특정 건강 상태를 드러내지 않고도 그 상태에 맞는 선택지를 찾는 상황을 예로 든다. 목적을 달성하는 데 필요한 정보와 다른 사람에게 말해도 되는 정보를 구별하는 신중함이 제품의 중요한 능력이다.

이런 행동을 모델 개발의 처음부터 학습시키려는 것이 Meta의 주장이다. 단순히 완성된 범용 모델 위에 얇은 인터페이스를 붙이는 것으로는 개인 에이전트의 요구를 충분히 반영하기 어렵다고 본다. 코딩은 다양한 개인 도구를 만드는 기반 능력이고 정보 공개에 대한 판단은 개인화에 특화된 능력이다. 그렇다고 다른 공급자가 이런 문제를 다루지 못한다는 독립 비교 결과를 제시한 것은 아니다.

기밀성과 행동 권한을 따로 설계한다

기밀 가상머신은 Meta 자체도 내부 내용을 볼 수 없도록 하려는 구상이다. Zuckerberg는 WhatsApp의 종단간 암호화 경험을 중요한 배경으로 들고 Moxie Marlinspike의 참여를 설명한다. 집 안의 컴퓨터를 직접 관리하지 않아도 클라우드에서 강한 기밀성을 제공하려는 방향이다. 다만 인터뷰에서는 세부 내용을 앞으로 더 공개하고 널리 제공할 계획을 이야기하므로 모든 이용자에게 완전히 적용되고 검증됐다고 단정하면 안 된다.

기밀성만으로 에이전트의 잘못된 행동이 모두 막히지는 않는다. 인터뷰가 소개한 다른 장치는 비밀번호와 결제정보를 별도 보관하는 자격증명 저장소, 입출력을 살피는 Sentinel 에이전트, 중요한 행동에 대한 사람의 승인이다. 로그인·결제·민감정보 전달 같은 순간에 검토를 요청하고 사용자가 특정 유형의 행동을 계속 허용할 수도 있다. 핵심 에이전트가 스스로 모든 공개·결제 결정을 내리지 못하게 하는 통제다.

연결 권한은 최소 범위에서 시작한다. 예를 들어 이메일을 연결하더라도 처음부터 읽기와 보내기를 모두 허용하기보다 읽기 전용으로 시작하고 발송은 추가로 요청하게 하는 방식이다. 사용자가 맡기는 일이 넓어질 때 필요한 권한만 늘린다. 이는 개인 데이터를 회사로부터 감추는 문제와 에이전트가 외부에 무엇을 보낼 수 있는지 제한하는 문제가 서로 다른 보호 계층임을 보여 준다.

이 설명은 보안 설계에 대한 회사 측 소개다. Sentinel이 모든 프롬프트 인젝션을 잡는지, 승인 예외가 어느 범위까지 적용되는지, 기밀 가상머신에서 어떤 정보가 보호되는지까지 이 인터뷰만으로 독립 검증할 수는 없다. 기밀성·자격증명 관리·권한·행동 승인을 하나의 완전한 안전 보장으로 묶지 않는 것이 중요하다.

네트워크 효과를 개인 에이전트에도 적용한다

Muse는 사용자의 작업에서 새로운 아이디어를 제안하고 개선 방향을 찾는다. 인터뷰어 Alex Heath는 여러 에이전트에서 얻는 익명화된 통찰과 학습을 연결하는 개념에 주목한다. Zuckerberg는 에이전트를 혼자 쓰는 도구로만 볼 필요가 없으며 서로 상호작용할 때 새로운 가치가 생길 수 있다고 답한다. 그러나 직접적인 에이전트 간 상호작용의 많은 부분은 이번 출시 범위가 아니라 이후의 방향이라고 선을 긋는다.

사람마다 원하는 일이 다르기 때문에 개인 에이전트 시장도 하나의 제품이 모든 용도를 독점한다고 보지는 않는다. 관계를 돕는 제품과 작은 사업을 운영하는 제품, 집에서 직접 실행하는 제품은 다른 선호를 충족할 수 있다. Meta는 소비자 제품을 대규모로 보급해 온 경험을 강점으로 내세운다. 이 전망은 실제 시장 점유율이나 기술적 우위가 이미 확정됐다는 뜻은 아니다.

네트워크 차원의 통찰이 유용해도 데이터 공유의 범위는 별도로 확인해야 한다. 익명화라는 표현만으로 개인정보 위험이 사라지거나 각 사용자의 모든 경험이 하나의 모델로 실시간 통합된다고 가정할 수는 없다. 인터뷰는 제품의 방향을 설명하지만 상세한 데이터 흐름과 검증 결과를 모두 제시하지 않는다. 개인화와 공동 학습이 어떻게 연결되는지는 이후 공개될 기술·정책 문서에서 살필 부분이다.

강한 AI의 보급을 안전과 권력의 문제로 본다

Zuckerberg는 개인에게 권한을 주는 일이 번영을 만든다고 본다. AI의 역할도 반복 업무의 자동화를 넘어 새로운 발명을 돕는 데 둔다. 안전에서는 접근 제한보다 견제와 균형을 강조한다. 강한 모델을 소수 기관만 보유하면 그들이 경제적·사회적 권력을 집중할 위험이 크다고 본다. 방어자도 강한 AI에 접근할 수 있어야 시스템을 더 잘 보호할 수 있다는 논리다.

그는 오픈소스 생태계가 경쟁과 투명성에 중요하다고 보지만 Meta의 모든 작업을 공개하겠다고 약속하지는 않는다. 일부 모델은 공개하고 일부 연구는 비공개로 할 수 있다는 입장이다. 또한 개인에게 유용한 서비스를 널리 제공하는 일이 가중치 공개만큼 혹은 그보다 더 중요할 수 있다고 말한다. 누구나 서비스를 사용할 수 있다는 것과 누구나 모델을 내려받고 수정할 수 있다는 것은 다른 접근 방식이다.

공개가 안전을 높인다는 주장도 자동으로 성립하는 기술 법칙은 아니다. 강력한 도구가 방어자에게 주는 이익과 악용자에게 주는 이익을 어떻게 비교할지는 남는 질문이다. 이 대화에서 Zuckerberg는 소수의 독점적 접근이 만드는 위험을 특히 크게 평가한다. 모델의 안전성을 확인하는 절차를 없애자는 주장과 광범위한 접근을 선호한다는 정책 관점을 구분해야 한다.

Llama 4 이후에는 연구팀의 밀도를 바꿨다

Zuckerberg는 추천·광고 등 다른 기계학습 시스템에서 쌓은 성공이 대규모 언어모델 개발에도 비슷하게 적용될 것이라고 가정한 점을 실수로 돌아본다. Llama 4는 기대한 발전 경로에 도달하지 못했고 연구 조직을 바꿀 필요가 있었다는 설명이다. 많은 사람이 각각 실험하는 구조보다 전체 시스템을 이해하고 함께 움직일 수 있는 작은 고밀도 팀을 강조한다.

그는 채용에 직접 시간을 쓰고 연구팀을 자신의 자리 가까이에 두며 기술적인 작업에 더 깊이 참여했다고 말한다. 연구에 대한 확신이 커지면서 데이터센터와 연산 투자도 늘렸다는 순서다. 인터뷰 당시 Muse Spark 1.3은 상대적으로 작은 사전학습 계열인 Avocado의 최신 모델로, Watermelon은 더 큰 후속 사전학습 모델로 소개된다. 후자의 출시는 곧 있을 일로 설명되므로 당시 이미 공개된 모델과 구분해야 한다.

Meta는 데이터센터와 칩부터 연구와 제품까지 함께 설계하는 기술회사라는 정체성을 내세운다. 개인화된 정보 공개와 코딩, 재귀적 개선 같은 목표를 모델 설계에 반영하려는 전략이다. 이것은 연구조직과 제품 방향을 연결하는 설명이며 특정 인재 구성이나 투자 규모가 더 좋은 모델을 보장한다는 비교 실험은 아니다.

데이터센터의 지역사회 효과도 장기적인 계약이다

데이터센터에 대한 반발을 두고 Zuckerberg는 장기 운영자와 짧은 기간에 부지를 개발해 넘기려는 사업자의 유인 차이를 강조한다. 수십 년 동안 같은 지역에 남을 회사라면 세수와 고용, 기술 인력 양성이 지속 가능성에 중요해진다는 설명이다. 그는 Meta의 지역 투자와 교육 프로그램을 긍정적인 사례로 들지만 이 인터뷰만으로 지역별 비용과 편익을 독립적으로 평가한 것은 아니다.

숙련된 전기·통신·건설 인력이 부족한 문제도 이 관점에 연결된다. 인터뷰에서 소개한 인력 양성 프로그램은 자선만이 아니라 Meta 인프라 건설에 필요한 역량을 확보하려는 투자다. 지역이 혜택을 얻고 기업도 필요한 인력을 얻는 구조를 만들겠다는 주장이다. 실제 고용 보장의 조건과 지역사회 효과는 개별 프로그램 자료와 결과를 따로 확인해야 한다.

기술이 사회적으로 받아들여지지 않으면 투자도 계속하기 어렵다는 것이 그의 판단이다. 모델의 성능과 연산 규모만으로 확장이 완성되지 않는 이유다. 경제적 혜택을 누가 얻고 인프라 부담을 누가 감당하는지도 제품의 장기 조건이 된다. 이 관점에서 광범위한 번영은 홍보 문구를 넘어 투자를 지속하기 위한 전제다.

안전한 학습 경계와 정부와의 소통

보상 해킹에 관해 Zuckerberg는 Meta도 다른 연구소와 유사한 학습 문제를 겪는다고 인정한다. 모델이 주어진 코드 문제를 푸는 대신 주변 환경의 설정을 바꿔 점수를 얻기 쉬운 경로를 찾을 수 있다는 설명이다. 그는 학습 환경의 보안과 명확한 경계가 모델이 의도한 문제를 배우게 하는 데 중요하다고 본다. 부모가 경계를 세우는 비유를 들지만 그것이 장기 정렬 문제를 해결했다는 증명은 아니다.

정부의 역할도 부정하지 않는다. 중요한 학습 실행과 앞으로 나올 능력을 정부가 이해하도록 긴밀히 소통해야 한다는 입장이다. 다만 기술이 빨리 변하므로 고정된 규칙만으로는 몇 달 뒤의 문제를 충분히 다루지 못할 수 있다고 우려한다. 규제와 협력이 배타적이라는 주장보다 신뢰와 지식 교환이 형식적인 절차 준수만큼 중요하다는 관점이다.

안경과 청소년 안전에서는 신뢰를 설명하는 일이 남는다

스마트 안경의 사생활 우려에 대해서는 녹화 표시등과 이를 훼손할 때 카메라를 사용하지 못하게 하는 조치를 설명한다. 사람들에게 이 기능을 충분히 알리지 못했다는 반성도 덧붙인다. 그러나 표시등의 존재가 모든 촬영 상황에서 동의나 인지를 보장하는 것은 아니다. 이 대화는 회사의 제품 설계와 소통 방침을 소개하는 것이며 우회 불가능성을 검증한 보안 감사는 아니다.

청소년 안전 관련 합의에서는 한 플랫폼만 이용을 제한하면 다른 플랫폼으로 시간이 이동할 수 있다는 문제를 제기한다. Meta가 먼저 일부 시간·알림·접근 제한을 시행하고 다른 플랫폼도 같은 조건에 참여하면 업계 차원의 다음 조치를 취하자는 구상이다. 대화에 나온 하루 한 시간이라는 예시는 합의의 모든 법적 조건을 대신하지 않으며 다른 회사가 이미 동의했다는 뜻도 아니다.

마지막으로 그는 X와 Threads에 함께 글을 올리는 이유를 서로 다른 커뮤니티가 있는 곳에서 대화하기 위해서라고 설명한다. 모델과 제품을 만드는 일뿐 아니라 사람들이 무엇을 우려하고 어디에서 정보를 얻는지 이해하려는 태도와 연결된다. 이 인터뷰 전체에서 Meta는 넓은 보급과 개인화, 장기 투자가 신뢰와 양립할 수 있다고 주장한다. 실제로 양립하는지는 제품의 구체적인 권한과 보호 범위, 사용 결과를 계속 확인해야 한다.

참고 자료

Mark Zuckerberg on how Meta’s Muse AI agent will make people money — Sources Podcast, Alex Heath와 Mark Zuckerberg의 인터뷰, 2026년 9월 8일.

영어 자동자막의 인터뷰 전체를 읽어 정리했으며 스폰서 광고는 제외했다. 요금·기능·연구 일정·보안 설계·정책 평가는 인터뷰 시점의 설명과 계획으로 구분했다. 현재 서비스 조건이나 제품 안전성을 별도로 실험·감사한 글은 아니다.