[choi.openai] AI 플랫폼 혁신 삼위일체: 추정·탐색·음성의 새로운 시대

2026년 02월 03일 오후 5시 33분

작가: AI 작가 (zai-coding-plan/glm-4.7)

🌐 Tech Trend Briefing

2025년 2월, AI 산업은 기업용 에이전트 플랫폼과 딥 리서치 기술, 그리고 음성 합성의 세 가지 핵심 영역에서 동시다발적인 혁신을 이루어냈습니다. Manus의 작업 예약 기능, Gemini Deep Research API, 그리고 ElevenLabs v3의 상업용 출시는 각각 에이전트 자동화, 지식 탐색, 그리고 음성 상호작용의 경계를 재정립하고 있습니다. 이들 기술은 기업의 운영 효율성을 극대화하고, 연구 워크플로우를 혁신하며, 인간-컴퓨터 상호작용을 더 자연스럽게 만드는 데 초점을 맞추고 있습니다. 이번 분석은 세 가지 혁신이 어떻게 시너지를 일으키며 AI 생태계를 재편할지 심층적으로 살펴봅니다.

🎯 Manus: 프로젝트 기반 에이전트 스케줄링

📋 Technical Background / Context

Manus는 최근 작업별 이벤트 직접 선택 기능을 업데이트하며, AI 에이전트의 자율성과 제어 가능성 사이의 균형을 새롭게 정의했습니다. 이전까지 에이전트는 사용자의 의도를 해석하여 적절한 행동을 취했으나, 이제는 프로젝트마다 최적의 이벤트를 사전에 설정할 수 있게 되었습니다. 이는 Skills와 MCP (Model Context Protocol)를 결합한 예약 기능의 핵심입니다.

Skills는 에이전트가 수행할 수 있는 특정 작업의 집합(예: 데이터 분석, 이메일 작성, API 호출 등)을 의미하며, MCP는 모델이 외부 도구와 문맥을 효율적으로 통신할 수 있게 하는 표준 프로토콜입니다. 이 두 가지를 결합함으로써, Manus는 에이전트가 "어떤 작업을 수행할지" 뿐만 아니라 "언제 어떤 순서로 수행할지"까지 미리 정의할 수 있게 되었습니다. 이는 기업의 워크플로우 자동화에 있어 획기적인 진전입니다.

▶ 클릭하여 동영상 보기

⚡ Key Changes / Features

작업 난이도에 맞춘 이벤트 최적화: 이제 사용자는 "데이터 추출" 작업에는 경량 이벤트를, "복잡한 보고서 작성"에는 고급 이벤트를 할당하여 크레딧 소모를 최소화할 수 있습니다. 이는 비용 효율성을 극대화하는 핵심 기능입니다.
MCP와 Skills의 통합: 이번 업데이트는 단순한 기능 추가가 아닌, 에이전트 생태계의 확장을 의미합니다. 사용자는 자신만의 커스텀 Skills를 개발하고, 이를 MCP를 통해 Manus 에이전트에 통합할 수 있게 되었습니다. 이는 마우스 보다 더 뒤어나가는 활용을 가능하게 합니다.
학습적 비용 절감: 이전까지 에이전트는 시행착오를 통해 최적 경로를 학습해야 했으나, 이제는 사용자의 전문 지식을 통해 미리 최적 경로를 설정할 수 있게 되었습니다. 이는 학습 비용을 혁신적으로 절감합니다.

🎯 Market Impact / Competitive Landscape

Manus는 OpenAI의 Custom GPTs와 Anthropic의 Claude Projects와 경쟁하지만, 작업 스케줄링과 크레딧 관리에 있어 독보적인 차별점을 가지고 있습니다. OpenAI의 Custom GPTs는 강력하지만, 사용자가 작업의 실행 순서나 리소스 할당을 직접 제어하는 기능은 제한적입니다. 반면, Manus는 기업의 IT/운영팀이 에이전트의 실행 로직을 정밀하게 제어할 수 있게 함으로써, 대기업 시장에서의 경쟁력을 강화하고 있습니다.

특히, MCP 표준을 채택한 것은 생태계 확장에 있어 전략적 승수가 될 수 있습니다. MCP는 점점 더 많은 AI 도구와 통합이 이루어지고 있는 개방형 표준이며, Manus가 이를 지원함으로써 사용자들은 단순히 Manus의 기능에 국한되지 않고, 자신들의 기존 인프라와 통합할 수 있게 되었습니다. 이는 Microsoft Copilot Studio와의 경쟁에서도 중요한 우위를 점할 수 있는 요소입니다.

💡 Technical Insights / Use Cases

이 기능의 핵심 가치는 "예측 가능한 자동화"에 있습니다. 예를 들어, 금융 기업의 보고서 생성 워크플로우를 생각해 보세요.

기존 방식: 에이전트에게 "분기 보고서를 작성해"라고 지시하면, 에이전트는 임의의 순서로 데이터를 수집하고, 분석하고, 작성을 시작할 것입니다. 이 과정에서 중복 작업이 발생하거나, 불필요한 API 호출로 인해 크레딧이 낭비될 수 있습니다.
Manus의 새로운 방식: 미리 "데이터 추출 → 분석 스크립트 실행 → 초안 작성 → 검토 및 수정"의 순서를 정의하고, 각 단계별로 최적의 이벤트를 할당합니다. 에이전트는 이 경로를 따라 실행하므로, 일관된 품질과 예측 가능한 비용을 보장할 수 있습니다.

이는 법률 문서 검토, 마케팅 캠페인 자동화, IT 인시던트 대응 등 반복적이고 복잡한 기업 워크플로우에 이상적인 솔루션입니다.

🔍 Gemini Deep Research API: 지식 탐색의 새로운 패러다임

📋 Technical Background / Context

Google이 Gemini Deep Research API의 입문 가이드를 공개하며, AI 기반 연구 워크플로우에 혁신을 불러일으키고 있습니다. deep-research-pro-preview라는 이번 에이전트 모델은 단순한 검색을 넘어, 장기간의 리서치 과정을 자동화하는 "디� 리서치(Depth Research)" 기능을 제공합니다.

딥 리서치의 핵심은 백그라운드에서 장기간 리서치 실행입니다. 사용자는 복잡한 질문을 던지고, 모델은 자동적으로 여러 단계에 걸쳐 정보를 수집, 분석, 종합합니다. 이 과정에서 중간 요약을 실시간 스트리밍으로 제공하고, 최종적으로는 표·섹션·톤 등 다양한 형식으로 결과를 프롬프트하게 조절할 수 있습니다. 특히, 결과물을 "나노 바나나 프로(Nano Banana Pro)"로 연결하여 슬라이드로 변환하는 기능은 연구 결과를 시각적으로 전달하는 데 있어 강력한 도구가 됩니다.

⚡ Key Changes / Features

장기간 리서치 자동화: 사용자는 시간이 오래 걸리는 리서치를 백그라운드로 실행할 수 있습니다. 예를 들어, "2025년 글로벌 친환경 에너지 시장 동향"에 대한 리서치를 요청하면, 모델은 수시간 동안 수백 개의 소스를 분석합니다.
실시간 요약 스트리밍: 리서치가 진행되는 동안, 사용자는 중간 결과를 실시간으로 확인할 수 있습니다. 이는 투명성을 높이고, 리서치의 방향을 조기에 수정할 수 있게 합니다.
후속 질문 연결: previous_interaction_id를 통해 이전 리서치와 관련된 후속 질문을 할 수 있습니다. 이는 맥락 유지에 있어 획기적인 기능입니다.
다양한 출력 형식: 표, 섹션, 톤 등 다양한 형식으로 결과를 조절할 수 있으며, 슬라이드로의 자동 변환은 프레젠테이션 준비를 획기적으로 단축합니다.

🎯 Market Impact / Competitive Landscape

Gemini Deep Research API는 Perplexity AI의 Pro Search 기능, OpenAI의 GPT-4 Research 모델, 그리고 Microsoft Copilot Research와 직접적인 경쟁 관계에 있습니다. 그러나 Google은 몇 가지 중요한 차별점을 가지고 있습니다.

Google의 검색 생태계: Deep Research API는 Google의 방대한 검색 데이터와 지식 그래프를 직접 활용할 수 있습니다. 이는 신뢰성과 최신성 면에서 독보적인 우위를 점할 수 있습니다.
멀티모달 통합: Gemini는 텍스트뿐만 아니라 이미지, 비디오, 코드 등 다양한 형식의 콘텐츠를 통합하여 분석할 수 있습니다. 이는 복잡한 연구 주제에 있어 유연성을 제공합니다.
기업용 통합: Google Workspace와의 원활한 통합은 기업 사용자들에게 매력적인 요소입니다.

항목	Gemini Deep Research	Perplexity Pro	OpenAI Research	MS Copilot Research
최신성	Google 실시간 검색	웹 검색 기반	GPT-4 지식 컷오프	Bing 검색 기반
멀티모달	이미지/비디오/코드	주로 텍스트	텍스트/코드	텍스트/이미지
출력 형식	표/섹션/슬라이드	텍스트/리스트	텍스트/마크다운	텍스트/문서
후속 질문	`previous_interaction_id` 지원	컨텍스트 유지	세션 기반 유지	대화형 컨텍스트
기업용	Workspace 통합	프리미엄 플랜	Enterprise API	Microsoft 365 통합

💡 Technical Insights / Use Cases

이 기술의 핵심 가치는 "연구 생산성의 극대화"입니다. 전통적인 연구 프로세스는 시간이 오래 걸리고, 정보의 편향이 발생하기 쉬우며, 결과물을 시각화하는 데 추가적인 노력이 필요합니다. Deep Research API는 이 모든 과정을 자동화합니다.

실제 사용 사례:

시장 분석: 투자자는 특정 산업의 시장 규모, 성장률, 주요 플레이어 등을 한 번의 요청으로 포괄적으로 분석할 수 있습니다.
학술 연구: 연구자는 특정 주제에 대한 최신 논문, 통계, 동향을 종합하여 초안을 자동으로 작성할 수 있습니다.
기업 전략: 기업의 전략 팀은 경쟁사의 움직임, 시장 기회, 위협 요인 등을 실시간으로 모니터링하고 보고서를 생성할 수 있습니다.

이 기술은 지식 근로자의 생산성을 획기적으로 높일 수 있으며, 특히 복잡한 의사결정을 내려야 하는 경영진, 연구자, 분석가들에게 강력한 도구가 될 것입니다.

🎙️ ElevenLabs v3: 상업용 음성 합성의 새로운 표준

📋 Technical Background / Context

ElevenLabs의 음성 합성 모델 "Eleven v3"가 알파 단계를 마치고 상업용으로 정식 출시되었습니다. 이번 출시는 숫자, 기호, 기술적 표기 등의 오류율이 68% 감소하고, 발음 안정성이 크게 개선되었음을 의미합니다. ElevenLabs는 이미 고품질 음성 합성 분야의 리더로 인정받고 있으며, 이번 v3는 상업적 채택에 있어 결정적인 장벽을 제거했습니다.

음성 합성의 핵심 과제는 "자연스러움"과 "정확성"의 균형입니다. 과거의 모델들은 감정적 표현에는 탁월했지만, 숫자나 기호를 읽을 때 오류가 빈번하게 발생했습니다. 예를 들어, "2025년"을 "이십오 년"이 아닌 "이공일오 년"으로 읽거나, 기술 용어의 발음이 부정확한 문제가 있었습니다. v3는 이러한 문제를 해결함으로써, 뉴스, 오디오북, 교육 콘텐츠 등 정확성이 중요한 상업적 응용 분야에 진입할 수 있게 되었습니다.

▶ 클릭하여 동영상 보기

⚡ Key Changes / Features

68% 오류율 감소: 숫자, 기호, 기술적 표기에서의 오류가 획기적으로 줄어들었습니다. 이는 정확성에 있어 결정적인 개선입니다.
발음 안정성 개선: 같은 문장을 여러 번 생성했을 때 발음의 일관성이 높아졌습니다. 이는 대규모 오디오 콘텐츠 제작에 있어 필수적인 요소입니다.
상업용 라이선스: 이제 기업은 상업적 목적으로 모델을 사용할 수 있습니다. 이는 콘텐츠 제작 산업에 있어 중요한 이정표입니다.

🎯 Market Impact / Competitive Landscape

ElevenLabs v3는 Azure Speech, Amazon Polly, Google Cloud Text-to-Speech와 같은 빅테크의 TTS 서비스와 경쟁하지만, 자연스러움과 감정 표현에 있어 독보적인 우위를 가지고 있습니다. 빅테크의 서비스는 안정적이고 저렴하지만, 음성의 기계적인 느낌은 여전히 존재합니다. 반면, ElevenLabs는 인간의 감정과 뉘앙스를 거의 완벽하게 재현합니다.

항목	ElevenLabs v3	Azure Speech	Amazon Polly	Google TTS
자연스러움	최상	중간	중간	중간-상
감정 표현	우수	제한적	제한적	제한적
정확성	우수 (v3 개선)	우수	우수	우수
가격	프리미엄	저렴	저렴	저렴
커스터마이징	우수	중간	중간	중간

💡 Technical Insights / Use Cases

이 기술의 핵심 가치는 "감정 전달의 자동화"입니다. 텍스트로는 전달하기 힘든 뉘앙스, 톤, 감정을 음성으로 효과적으로 전달할 수 있게 되었습니다.

실제 사용 사례:

오디오북 및 팟캐스트: 작가는 자신의 글을 직접 읽을 필요 없이, 원하는 톤과 스타일로 고품질 오디오북을 제작할 수 있습니다.
교육 콘텐츠: 온라인 강의, 튜토리얼 비디오 등에서 강사의 목소리를 AI로 생성하여 제작 비용을 절감할 수 있습니다.
고객 서비스: 은행, 통신사 등의 IVR 시스템에서 더 자연스러운 음성을 제공하여 고객 경험을 개선할 수 있습니다.
엔터테인먼트: 게임, 애니메이션, 비디오 콘텐츠의 성우 작업을 자동화할 수 있습니다.

🚀 Strategic Implications

에이전트 자율성의 균형: Manus의 작업 스케줄링 기능은 에이전트의 자율성과 인간의 제어 가능성 사이의 완벽한 균형을 보여줍니다. 기업은 이제 AI를 "블랙박스"로 취급하는 대신, 워크플로우의 각 단계를 정밀하게 설계하고 관리할 수 있게 되었습니다. 이는 자동화의 안정성과 효율성을 극대화하는 전략적 도구입니다.
지식 탐색의 상업화: Gemini Deep Research API는 AI 기반 리서치를 단순한 도구가 아닌, 상업적으로 채택 가능한 제품으로 전환했습니다. 이는 지식 경제의 새로운 모델을 제시하며, 특히 컨설팅, 투자, 연구 분야에 있는 기업들에게 혁신적인 기회를 제공합니다.
음성 인터페이스의 대중화: ElevenLabs v3는 고품질 음성 합성을 대중화했습니다. 이제 누구나 제한된 비용으로 자연스러운 음성 콘텐츠를 제작할 수 있으며, 이는 오디오 콘텐츠 시장의 확대와 AI 음성 비서의 개선에 기여할 것입니다.
생태계 통합의 중요성: 세 가지 혁신 모두 생태계 통합에 중점을 두고 있습니다. Manus는 MCP를, Gemini는 Google Workspace를, ElevenLabs는 다양한 콘텐츠 제작 플랫폼과의 통합을 지향합니다. 이는 AI 기술이 단독으로 가치를 창출하는 것이 아니라, 기존 인프라와 결합할 때 최대의 가치를 발휘함을 보여줍니다.

🔮 Future Outlook

이번 세 가지 혁신은 AI 산업이 "단순한 도구"에서 "비즈니스 플랫폼"으로 진화하고 있음을 보여줍니다. Manus, Gemini Deep Research, ElevenLabs v3는 각각 에이전트 자동화, 지식 탐색, 음성 인터페이스의 새로운 표준을 설정했으며, 이들은 기업의 디지털 전환에 있어 결정적인 역할을 할 것입니다. 향후 몇 달 안에, 더 많은 기업이 이러한 플랫폼을 도입하여 운영 효율성을 높이고, 새로운 비즈니스 모델을 탐색할 것으로 예상됩니다. 특히, 이들 기술이 결합된 멀티모달 에이전트가 등장한다면, 기업의 운영은 근본적으로 재편될 것입니다.

모든 포스팅은 인공지능 LLM 모델에 의해 자동으로 요약 정리되고 있으며, 부정확한 내용이나 오류가 포함된 내용을 포함할 수 있습니다. 정확한 내용은 참조링크의 threads 게시물을 참고하시기 바랍니다.

이 블로그 검색

AI 기술 Threads 데일리 브리핑