마이크로소프트가 OpenAI와의 협력에만 기대던 단계에서 벗어나 자체 AI 모델, 보안 도구, 상시 실행형 에이전트를 한꺼번에 전면에 세웠다. 다만 두 회사의 관계가 완전히 끝난 것은 아니며, 기업이 지금 확인할 것은 선언보다 모델 품질·권한 통제·총비용·실제 업무 성과다.
핵심 요약
- 마이크로소프트는 Build 2026에서 자체 추론 모델 MAI-Thinking-1을 비롯해 이미지·음성·전사·코딩에 초점을 둔 7개 모델을 공개했다.
- 마이크로소프트 AI 책임자 무스타파 술레이만은 이 모델들을 다른 회사 모델의 증류 없이 자체 IP와 데이터로 처음부터 학습했다고 설명했다.
- Microsoft 365에는 장시간 백그라운드에서 일하는 에이전트 범주인 Autopilots와 첫 제품 Microsoft Scout가 추가됐다. Scout는 OpenClaw 기술을 기반으로 Teams·Outlook·OneDrive·SharePoint 및 로컬 자원과 연결된다.
- OpenAI는 여전히 마이크로소프트의 주요 클라우드 파트너다. 이번 변화는 ‘완전한 결별’보다는 모델과 에이전트 주도권을 되찾고 공급자 선택지를 넓히는 전략에 가깝다.
무엇이 바뀌었나
1. OpenAI 중심에서 자체 모델 포트폴리오로
그동안 마이크로소프트의 생성형 AI 경쟁력은 OpenAI와의 초기 독점적 협력에 크게 기대고 있었다. The Verge 보도에 따르면 양사는 2026년 4월 말 계약을 재조정했고, 마이크로소프트는 더 큰 규모로 자체 모델을 학습하고 자체 IP·데이터로 초지능 연구를 추진할 수 있게 됐다. 그렇다고 Azure와 OpenAI의 사업 관계까지 즉시 종료된 것은 아니다.
첫 결과물 중 하나인 MAI-Thinking-1은 수학·코딩·기업 배포를 겨냥한 중형 추론 모델이다. 마이크로소프트는 공식 모델 페이지에서 경쟁력 있는 추론 성능과 SWE-Bench Pro 결과, ‘중형급 가격’을 강조한다. 그러나 구체적인 실제 비용과 업무 성능은 사용 토큰, 지연 시간, 도구 호출, 재시도율까지 포함해 별도로 측정해야 한다. 벤치마크 우위만으로 운영비 절감이 보장되지는 않는다.
2. 보안도 단일 모델이 아닌 에이전트 시스템으로
마이크로소프트는 취약점을 찾는 AI 보안 도구 MDASH도 소개했다. 사티아 나델라 CEO는 100개의 AI 에이전트를 결합해 단일 모델보다 악용 가능한 버그를 더 잘 찾는다고 주장했다. 이 수치는 공급자 발표이므로, 실제 도입 판단에서는 탐지율뿐 아니라 오탐, 재현 가능한 증거, 패치 제안의 안전성, 사람이 검토해야 하는 범위를 함께 봐야 한다.
특히 자동 패치까지 연결할 경우 탐지와 수정 권한을 분리하는 편이 안전하다. 에이전트는 읽기 전용으로 문제와 근거를 제시하고, 수정은 별도 브랜치와 승인 절차를 거치게 해야 잘못된 변경을 되돌릴 수 있다.
3. Copilot을 ‘답변 도구’에서 ‘상시 실행 에이전트’로
Autopilots는 매번 프롬프트를 기다리지 않고 자체 ID로 백그라운드에서 일하는 에이전트다. 첫 제품 Scout는 메일·채팅·일정·연락처를 바탕으로 회의 준비 자료를 만들고, 마감 일정을 찾아 캘린더에 시간을 확보하거나 지연 위험을 알리는 용도로 소개됐다. Teams에서 대화하며 데스크톱 앱을 통해 브라우저, 로컬 자원, MCP 서버까지 연결할 수 있다.
공식 발표 기준 Scout는 아직 일반 제공 제품이 아니다. 일부 고객 대상 비공개 프리뷰와 Frontier의 실험 릴리스이며, 사용하려면 Frontier 등록, Intune 정책 설정, 옵트인 확인 및 GitHub Copilot 라이선스가 필요하다. 따라서 기능 소개와 현재 조직에서 바로 쓸 수 있는 범위를 구분해야 한다.
의미하는 변화
핵심은 마이크로소프트가 모델 공급자, 업무 데이터, 실행 환경을 한 스택에서 묶으려 한다는 점이다. Azure는 외부 모델 선택지를 유지하면서 MAI 모델을 추가할 수 있고, Microsoft 365는 Entra ID와 Intune 정책을 이용해 에이전트의 신원과 접근 범위를 관리할 수 있다. OpenAI와의 협력 여부보다 기업 고객이 ‘어떤 모델이 어떤 권한으로 어떤 데이터를 처리했는지’를 한곳에서 추적할 수 있느냐가 더 중요한 경쟁 포인트가 된다.
반대로 잠금 효과도 커질 수 있다. Outlook·Teams·SharePoint의 문맥을 많이 사용할수록 다른 에이전트로 옮길 때 권한 규칙, 프롬프트, 감사 로그, 업무 메모리를 다시 설계해야 한다. 도입 전에는 결과물뿐 아니라 설정과 실행 이력을 내보낼 수 있는지 확인해야 한다.
실사용 전에 확인할 기준
| 항목 | 확인할 질문 | 통과 기준 |
|---|---|---|
| 접근 권한 | Scout가 메일·일정·파일·MCP 서버 중 어디까지 읽고 쓸 수 있는가? | 전용 Entra ID, 최소 권한, 중요 작업의 사람 승인, 즉시 철회 절차가 있다. |
| 데이터 처리 | 입력·출력·자격 증명·진단 로그가 어디에 얼마나 오래 남는가? | 보존 기간과 학습 사용 여부가 문서화되고 민감 데이터 제외 규칙을 적용할 수 있다. |
| 재현성과 감사 | 에이전트가 어떤 근거와 권한으로 작업했는지 다시 확인할 수 있는가? | 실행 ID, 호출 도구, 변경 전후 값, 승인자가 감사 로그에 남는다. |
| 실패와 롤백 | 잘못된 일정·메시지·코드 변경을 어떻게 막고 되돌리는가? | 초기에는 읽기 전용이며, 쓰기는 샌드박스·초안·별도 브랜치로 제한한다. |
| 품질 | 벤치마크가 아니라 우리 작업에서 정확한가? | 고정된 평가 세트로 성공률, 오탐, 수정 횟수, 처리 시간을 비교한다. |
| 총비용 | 라이선스 외에 모델 호출, 도구 실행, 재시도, 운영 인력이 얼마나 드는가? | 기존 방식과 같은 업무량을 기준으로 월 총비용과 절감 시간을 함께 계산한다. |
Scout와 MAI 모델을 2주간 검증하는 순서
- 업무 하나만 고른다. 예를 들어 공개 정보로 만드는 일일 회의 브리핑처럼 실패 피해가 작은 작업을 선택한다.
- 첫 주는 읽기 전용으로 둔다. 에이전트가 제안만 만들게 하고 일정 등록, 메시지 전송, 코드 수정은 사람이 실행한다.
- 권한 경계를 기록한다. 연결한 메일함·폴더·MCP 도구, 차단한 데이터, 승인 필요 작업을 테스트 문서에 남긴다.
- 고정 사례로 비교한다. MAI 모델과 현재 쓰는 OpenAI·Anthropic 계열 모델에 같은 입력과 도구를 제공해 성공률, 지연 시간, 비용, 재작업 횟수를 비교한다.
- 중단 조건을 먼저 정한다. 민감 정보 노출, 근거 없는 외부 전송, 반복 오작동, 예산 초과가 발생하면 토큰과 연결 권한을 즉시 철회한다.
결론
마이크로소프트의 발표는 OpenAI와의 관계를 끊었다는 선언보다, 자체 모델과 기업용 에이전트를 독립적인 경쟁 축으로 키우겠다는 신호다. MAI 모델의 가격·성능과 Scout의 조직 문맥 활용은 매력적일 수 있지만, 둘 다 실제 업무에서의 검증이 먼저다. 특히 상시 실행 에이전트는 챗봇보다 권한과 실패 반경이 크므로 ‘무엇을 할 수 있는가’보다 ‘누가 승인하고 어떻게 추적·중단·복구하는가’를 우선 설계해야 한다.
출처와 검증
- The Verge: Microsoft and OpenAI broke up — now they’re ready to fight — 2026년 6월 3일 보도. 계약 관계와 Build 발표를 종합한 분석 기사.
- Microsoft AI Models — MAI-Thinking-1 등 모델 종류와 공급자 설명 확인.
- Microsoft 365 Blog: Introducing Microsoft Scout — 연결 범위, 보안·권한 설계, 프리뷰 접근 조건 확인.
마이크로소프트가 제시한 성능·보안 설명은 공급자 주장이다. 실제 품질, 가격, 지역별 제공 범위는 조직의 계약과 공식 문서에서 다시 확인해야 한다.