WF2026: Software Factories & Keynotes ft. Microsoft, OpenAI, OpenClaw, Z.ai (GLM), MiniMax, HF

한 줄 핵심

이 영상은 AI 엔지니어링의 중심이 단순한 코드 생성이 아니라, 지식·루프·하네스·평가·보안·배포를 포함한 ‘소프트웨어 팩토리’ 전체를 설계하는 일로 이동하고 있다고 강하게 주장한다.

시간별 요약

1. 1:08
   행사는 AI 엔지니어가 모인 최대 규모의 세계 박람회로 소개되며, 오늘의 핵심 주제가 루프를 쌓아 올리는 소프트웨어 팩토리와 다양한 기술 트랙임을 제시한다. AI는 이제 채팅과 도구 사용을 넘어 자동화와 장기 실행 루프로 확장되고 있다.
2. 9:00
   소프트웨어 팩토리는 새로운 모델 기능, 더 강한 추론, 풍부한 도구, 긴 컨텍스트, 보안 성숙도가 함께 맞물리며 현실적인 생산 방식이 되었다고 정리한다. 핵심은 무엇이 진짜로 작동하는지와 과장된 기대를 구분하는 일이다.
3. 11:01
   Microsoft 발표는 지식을 intrinsic, extrinsic, learned 세 범주로 나누고, 에이전트가 무엇을 알고 어떻게 배우는지에 따라 시스템 설계가 달라진다고 설명한다. 특히 GitHub, Foundry, Microsoft IQ를 통해 지식 연결과 추론, 호스팅, 관측을 통합하는 방향을 보여준다.
4. 16:00
   RAG는 단순 벡터 검색에서 회사 전체 맥락을 아우르는 context engineering으로 발전했으며, Foundry IQ는 문서·이메일·캘린더·데이터웨어하우스·웹을 하나의 grounding 계층으로 묶는다. 검색은 단일 기법보다 하이브리드·agentic retrieval처럼 조합형 구조에서 더 좋은 결과를 낸다.
5. 24:00
   학습된 지식은 agent optimizer와 평가 루프로 materialize할 수 있으며, baseline 생성 후 후보를 반복 최적화해 더 나은 설정을 자동으로 찾는다. 핵심은 instructions, tools, skills를 외부화해 실사용 trace를 기반으로 개선을 누적하는 것이다.
6. 29:00
   OpenAI 발표는 엔지니어링의 본질이 코딩 자체가 아니라 문제 해결과 디자인, 판단, 상상력의 결합이라고 강조한다. 모델은 더 자주, 더 빠르게 출시되고 있으며, 엔지니어는 AI가 코드 작성 전후의 맥락까지 다루도록 제품 형태를 재설계해야 한다.
7. 33:00
   Codex는 코드만 돕는 도구가 아니라 작업의 앞·중간·뒤를 모두 연결하는 협업 인터페이스로 설명된다. chat과 hands-on UI를 함께 두고, 사용자는 대화로 시작해 필요할 때만 깊게 파고들며 작업을 steer할 수 있다.
8. 39:00
   OpenAI는 자신들이 내부에서 쓰는 것과 개발자에게 주는 것을 분리하지 않고, Responses API, harness, agents.md, apps server, plugins를 모두 공개된 계층으로 설계한다. 공통 하네스 위에서 compaction, open model 지원, 확장 가능한 앱 레이어를 쌓는 것이 핵심 철학이다.
9. 44:02
   value maxing의 관점에서 중요한 축은 비용, 속도, 실행 환경의 분리다. GPT 5.6 계열은 가격 대비 성능과 토큰당 가치, 그리고 750 tokens a second 같은 고속 추론을 통해 병렬 탐색과 즉시성 있는 협업을 가능하게 한다.
10. 48:00
    Peter Steinberger는 장기 실행 에이전트 운용에서 핵심이 persistent context, delegation, triggers라고 정리한다. 사람은 더 이상 10개 터미널을 직접 오케스트레이션하는 대신, 매니저 에이전트를 두고 바깥 루프에서 방향과 승인만 맡는 구조로 이동한다.
11. 54:03
    미래의 제약은 모델보다 하네스와 조직 설계에 있으며, 에이전트가 어디서나 연결되고 텍스트나 Slack으로도 조종되는 형태가 더 자연스럽다고 본다. 기술 발전의 다음 과제는 단순 자동화가 아니라 더 나은 루프를 만드는 일이다.
12. 57:01
    Z.ai는 GLM 5.2를 open weight 모델로 소개하며, 코딩·추론·멀티모달·롱컨텍스트 전반에서 성능을 끌어올렸다고 설명한다. open weight는 보안, 제어, 온프레미스 배포, 파인튜닝, 미래 공동 설계에 유리하며, Zcode라는 자체 하네스도 함께 제시된다.
13. 1:11:01
    MiniMax는 M3를 통해 400 billion parameters와 20 billion activated, 1 million context, multimodal understanding을 결합했다고 소개한다. 장문 컨텍스트와 멀티모달은 후처리가 아니라 처음부터 함께 학습해야 하며, 내부적으로는 누구나 모델 약점을 발견하고 개선 프로젝트를 제안하는 구조를 둔다.
14. 1:32:00
    보안은 소프트웨어 팩토리의 필수 구성요소이며, 전통적 앱 보안에서 agentic security로 무게중심이 이동하고 있다. 에이전트 권한 범위, 신원 확산, 공급망 위험, 배포된 에이전트의 오작동을 통제할 수 있어야 진짜 생산 시스템이 된다.
15. 1:38:02
    생산 환경 에이전트의 핵심 문제는 재현 불가능성과 디버깅 가능성이다. temperature 0으로도 결정론을 얻지 못하며, 상태 전이를 기록하는 replayability가 필요하므로, boundary 단위에서 입력·출력·버전 정보를 trace로 남겨야 한다.
16. 2:10:12
    software factory는 단순 코딩 에이전트가 아니라 문제 수집, 우선순위화, 실행, 검증, 학습까지 포함하는 전체 수명주기다. 조직은 모델에 종속되지 않는 agnostic 구조, 장기 실행을 허용하는 autonomy, 그리고 지속적으로 학습되는 개선 루프를 갖춰야 한다.
17. 2:37:01
    agentic AI engineer는 오프라인 루프와 온라인 루프를 모두 에이전트화해, 사람이 하던 평가·AB 테스트·트레이스 분석을 자동화하려는 시도다. 스펙 작성, 샘플 생성, 검토, 배포를 인간이 느리게 반복하던 구조를 더 높은 처리량의 루프로 바꾼다.
18. 2:41:01
    Conductor는 여러 coding agent를 동시에 다루는 데스크톱 앱이며, 최고의 빌더 습관을 정리한 원칙으로 frontier 근처에 머물되 시장을 과하게 이기려 하지 말라고 조언한다. slot-free zones, feed the beast, free-range agents, orchestras not factories라는 표현으로 팀·권한·샌드박스·협업을 재정의한다.
19. 2:58:01
    한 제조업 사례는 회사 지식이 몇 개의 머릿속에 갇혀 있던 문제를 36 AI agent와 구조화된 memory, graph, vector, multi-provider stack으로 바꾸어 해결한다. 동시에 Graphile, Nori, 10X, mobile workflow 등 다양한 사례가 에이전트가 코드보다 넓은 지식·문서·슬라이드·모바일 개발까지 다룰 수 있음을 보여준다.
20. 3:05:01
    실전 사례 전반은 결국 AI 도입의 승부처가 모델 성능보다 knowledge base, sandbox, eval, memory, UI, workflow 재설계에 있음을 반복해서 증명한다. 제대로 설계된 agentic system은 PR 리뷰, 브라우저 작업, 멀티모달 처리, GTM 운영까지 실무를 대체하거나 증폭시킨다.

실무 인사이트

• 에이전트를 도입할 때는 모델 선택보다 먼저 컨텍스트·하네스·검증 루프를 설계해야 실제 생산성이 나온다.
• 장기 실행 태스크는 사람이 직접 감시하는 구조보다 매니저-워커-밸리데이터 분리를 두고, 재현 가능한 trace와 replay를 기본값으로 삼는 편이 안전하다.
• 멀티모달·롱컨텍스트·문서화·검색을 한 덩어리로 묶어 조직 지식을 구조화하면, 코딩뿐 아니라 GTM·지원·영업·운영까지 자동화 범위를 넓힐 수 있다.