1. CEOs go bargain hunting for AI
URL: https://www.axios.com/2026/05/29/ceos-ai-cheaper-tokens
요약: Axios는 기업들이 AI 사용량 증가로 커지는 IT 비용을 낮추기 위해 더 저렴한 모델과 모델 라우팅 전략을 찾고 있다고 보도했다. Anthropic, OpenAI, Google 같은 프런티어 모델을 모든 작업에 쓰기보다 작업별로 적정 성능과 비용을 맞추려는 흐름이 강해지고 있다. AI 도입이 파일럿을 넘어 운영 예산 문제가 되면서, 기업의 관심이 모델 성능뿐 아니라 토큰 단가, 벤더 종속, 전환 비용으로 이동하고 있다는 점이 핵심이다.
2. First head-to-head comparison of agentic AI applied to simulated Einstein Telescope data
URL: https://arxiv.org/abs/2605.28916
요약: 최근 arXiv 논문은 Claude Code와 OpenAI Codex를 이용해 중력파 데이터 분석 파이프라인을 자율 실행하는 실험을 비교했다. 연구용 에이전트가 단순 코드 작성 보조를 넘어 데이터 처리, 분석 절차 실행, 오류 수정까지 수행할 수 있는지 검증했다는 점에서 의미가 있다. 과학 워크플로에 AI 에이전트를 적용할 때 성능뿐 아니라 재현성, 실패 처리, 도구 사용 로그가 중요하다는 점을 보여준다.
3. The AI agent bottleneck isn't model performance — it's permissions
URL: https://venturebeat.com/orchestration/the-ai-agent-bottleneck-isnt-model-performance-its-permissions
요약: VentureBeat는 엔터프라이즈 AI 에이전트의 병목이 모델 성능이 아니라 권한 관리와 승인 체계에 있다고 분석했다. 에이전트가 실제 업무 시스템을 다루려면 어떤 데이터와 API에 접근할 수 있는지, 누구의 권한으로 행동하는지, 승인 흐름을 어떻게 지키는지가 중요하다. Workday 사례처럼 기존 시스템 오브 레코드를 에이전트 거버넌스 계층으로 활용하려는 접근은 기업형 AI 에이전트가 실제 운영으로 넘어가기 위한 핵심 조건으로 보인다.
Sources: