SKT, 풀스택 AI 확장 추진…그러나 주도권은 여전히 파트너에게

SK Telecom은 인프라, 모델, 소비자 애플리케이션 전반으로 AI 서비스를 확장하며 Google News 헤드라인에 구체적인 전략적 근거를 더했다. 이 한국 통신사는 이제 단순히 챗봇을 추가하는 통신사가 아니라 풀스택 AI 제공업체로 스스로를 제시한다. 데이터센터, 컴퓨팅 칩, 파운데이션 모델, 엔터프라이즈 소프트웨어, 수백만 명의 사용자를 보유한 AI 에이전트를 하나의 전략으로 연결하는 구상이다.

이 변화가 중요한 이유는 SKT가 컴퓨팅 용량부터 고객이 실제로 여는 서비스에 이르는 경로를 더 많이 통제하려 하기 때문이다. 이 접근법은 더 나은 최적화, 강화된 한국어 지원, 단일 해외 플랫폼에 대한 의존도 축소를 약속한다. 하지만 SKT는 여전히 Nvidia 인프라와 외부 모델·하드웨어·소프트웨어 파트너의 폭넓은 네트워크에 의존하고 있다.

이 모순이 이 이야기의 핵심을 이룬다. SKT는 AI 스택의 더 많은 계층을 구축하는 동시에 핵심 요소를 공급하는 기업들과 깊이 연결되고 있다. 그 결과 KT와 Naver Cloud 같은 국내 경쟁사에는 압박이 커지지만, 더 어려운 질문도 제기된다. 가장 중요한 인프라가 여전히 글로벌 공급업체에 의존하는 상황에서 풀스택 제공업체는 얼마나 많은 통제권을 가질 수 있을까?

SKT가 풀스택 AI 전략에 실제로 추가한 것

SKT의 확장은 이전까지 별도의 AI 이니셔티브로 소개되던 제품들을 하나의 상업적 시스템으로 연결한다.

회사는 이 시스템을 AI 인프라, AI 모델, AI 서비스라는 세 가지 큰 계층으로 나눈다. 인프라는 컴퓨팅 용량을 제공한다. 모델은 그 용량을 활용 가능한 지능으로 전환한다. 서비스는 이러한 모델을 소비자, 통신 운영, 엔터프라이즈 고객과 연결한다.

인프라 계층에서 SKT는 AI 데이터센터와 GPU-as-a-Service, 즉 GPUaaS를 운영한다. GPUaaS는 고객이 전용 컴퓨팅 클러스터를 직접 구축하는 대신 클라우드 서비스를 통해 그래픽 프로세서에 접근할 수 있도록 한다. 이 모델은 구축 시간을 단축할 수 있지만, 성능과 가용성은 여전히 용량, 네트워킹, 소프트웨어 오케스트레이션에 좌우된다.

SKT의 Haein 클러스터는 이 계층을 보여주는 사례다. 회사는 Haein이 Petasus AI Cloud, AI Cloud Manager, GPUaaS 오케스트레이터, 모니터링 소프트웨어를 결합한다고 설명한다. SKT의 Haein 클러스터 업데이트에 따르면, 이 시스템은 2025년 8월 1일 가동을 시작했으며 한국의 Sovereign AI Foundation Model Project를 지원한다.

모델 계층에는 SKT의 A.X 계열이 포함된다. 회사는 Mobile World Congress 2026에서 5,190억 개 파라미터를 갖춘 한국어 초거대 모델이라고 설명한 A.X K1을 공개했다. 파라미터는 모델이 패턴을 표현하도록 돕는 학습된 값이지만, 파라미터 수만으로 정확도, 효율성, 또는 상업적 유용성이 입증되지는 않는다.

서비스 계층에서 SKT는 통화, 녹음, 일정 관리, 검색, 모빌리티, 미디어 기능을 중심으로 A.(“A dot”으로 발음)를 구축했다. 제품군에는 A. phone과 A. note, 엔터프라이즈 도구, AI 지원 컨택센터 서비스가 포함된다.

회사는 A.가 2022년 5월 베타 테스트에 들어간 뒤 월간 활성 사용자 1,000만 명에 도달했다고 말한다. 또한 A. note는 출시 첫 주에 사용자 30만 명을 확보했다고 밝혔다. 이 수치는 독립적으로 감사를 받은 사용량 보고서가 아니라 SKT 임원 칼럼에서 나온 것이지만, 서비스 계층이 전략의 중심인 이유를 보여준다.

많은 인프라 기업은 대규모 소비자 유통 채널을 보유하지 못한다. 많은 소비자 AI 제품은 인프라를 임대하고 외부 모델에 의존한다. SKT는 통신 관계를 서비스 배포에 활용하는 동시에 그 서비스가 구동되는 기반 시스템을 구축하며 두 영역 모두를 차지하려 한다.

바로 이것이 달라진 점이다. 모든 구성 요소가 새롭지는 않지만, SKT는 이제 이를 연결된 제공 체계로 패키징하고 있다. 기업, 공공기관, 소비자가 컴퓨팅, 모델, 운영 소프트웨어, 완성된 애플리케이션을 제공할 수 있는 하나의 공급업체를 보도록 만들려는 것이다.

Google News의 프레이밍은 이를 서비스 확장처럼 보이게 한다. 더 중요한 변화는 통합이다. SKT는 기존 통신망, 데이터센터, 모델 연구, 고객 접점을 엔드투엔드 제공 역량에 대한 하나의 주장으로 전환하고 있다.

Google News의 관심보다 중요한 SKT의 유통 역량

SKT의 가장 강력한 장점은 단일 모델 벤치마크가 아니다. 기존 통신 고객 기반과 AI 서비스를 연결할 수 있는 능력이다.

AI 모델은 클라우드 플랫폼과 애플리케이션 프로그래밍 인터페이스를 통해 접근하기 쉬워졌다. 반면 유통은 여전히 더 어렵다. 기술적으로 유능한 어시스턴트도 사용자, 관련 데이터, 신뢰할 수 있는 워크플로, 그리고 누군가의 일상에 들어갈 이유가 필요하다.

SKT는 통신 관계와 통화, 메시징, 미디어, 내비게이션, 고객 지원에 이미 닿아 있는 서비스에서 출발한다. 이 위치는 사용자에게 완전히 낯선 제품을 채택하라고 요구하지 않고도 AI를 도입할 실질적인 지점을 제공한다.

A. phone이 가장 분명한 사례다. SKT는 통화 기능을 전사, 요약, 스팸 탐지 및 기타 AI 지원 기능과 연결했다. 이 작업들은 개방형 챗봇보다 범위가 좁지만, 통신사가 이미 사용자 경험의 일부를 통제하는 반복적 상황을 겨냥한다.

A. note는 녹음된 대화와 회의로 같은 논리를 확장한다. 이 제품은 음성을 캡처하고, 전사본을 만들며, 요약을 생성할 수 있다. 이는 SKT를 전용 녹음 애플리케이션과 생산성 플랫폼이 밀집한 시장으로 끌어들인다.

회사는 에이전틱 워크플로도 추진하고 있다. 에이전틱 워크플로란 소프트웨어가 목표를 해석하고, 행동을 선택하며, 제한된 사용자 개입으로 여러 단계를 완료하는 일련의 과정이다. SKT는 이 기술이 A. phone, TMAP, B tv 같은 서비스를 연결할 수 있다고 말한다.

유용한 판단 기준은 이러한 연결이 사용자가 서로 다른 애플리케이션 사이에서 정보를 옮기는 일을 줄여주는지 여부다. 한 통화는 요약, 후속 작업, 캘린더 항목으로 이어질 수 있다. 모빌리티 요청은 목적지, 일정, 맥락적 추천을 결합할 수 있다. 이러한 워크플로는 SKT가 여러 제품 계층에 걸쳐 운영할 이유를 제공할 것이다.

동시에 데이터 거버넌스의 중요성도 커진다. 통화, 위치, 캘린더, 미디어 이용 행태는 민감한 세부 정보를 드러낼 수 있다. 사용자와 기업 구매자는 보관, 모델 학습, 권한, 삭제에 관한 명확한 통제를 필요로 한다. 풀스택 통합은 활용 가능한 맥락을 확장하지만, 취약한 접근 통제가 초래할 결과도 키운다.

지식 노동자들도 이미 유사한 문제에 직면해 있다. 노트, 회의 기록, 파일, 메시지는 종종 연결되지 않은 도구들에 흩어져 남는다. 개인 지식 베이스는 모든 소스를 각각 별도의 워크플로로 바꾸지 않고도 이러한 자료를 검색 가능하게 만들 수 있다.

따라서 SKT의 장점에는 의무가 따른다. 회사는 통합 서비스가 범용 AI 기능에 편리하게 접근하는 것 이상의 가치를 제공한다는 점을 보여야 한다. 일관된 품질, 방어 가능한 개인정보 보호 관행, 제품 간 유용한 조정이 필요하다.

소비자 도달 범위가 수익을 보장하는 것도 아니다. 서비스는 수백만 명의 사용자를 끌어모으면서도 직접 수익은 제한적일 수 있다. SKT는 어떤 기능이 통신 서비스 유지에 기여하는지, 어떤 기능이 유료 엔터프라이즈 제품이 되는지, 어떤 기능이 이를 구동하는 데 필요한 인프라를 정당화하는지를 결정해야 한다.

이 지점에서 SKT는 KT와 Naver Cloud에 압박을 가한다. KT 역시 통신 인프라, 엔터프라이즈 관계, 클라우드 역량을 보유하고 있다. Naver는 대규모 소비자 플랫폼, 한국어 서비스, 자체 클라우드 및 모델 개발 역량을 갖췄다. 각 경쟁사는 가치 있는 계층을 통제하지만, SKT는 가장 광범위한 통합을 주장하고 있다.

이 주장은 경쟁의 질문을 바꾼다. 이제 경쟁은 어느 한국 기업이 가장 강력한 언어 모델을 보유했는지에만 국한되지 않는다. 컴퓨팅 접근성, 모델 성능, 배포 소프트웨어, 사용자 유통, 고객 지원을 반복 가능한 사업으로 결합할 수 있는 기업이 누구인지에 관한 문제다.

풀스택 AI는 여전히 Nvidia와 외부 파트너에 의존한다

SKT의 스택은 폭넓지만 수직적으로 독립적이지는 않다. 이 전략은 현지 통제와 글로벌 파트너에 대한 의도적 의존을 결합한다.

Nvidia와의 인프라 관계는 이 상충 관계를 특히 뚜렷하게 보여준다. 2026년 6월 SKT와 Nvidia는 Nvidia의 DSX 플랫폼을 활용해 한국에 기가와트급 AI 클라우드를 구축할 계획을 발표했다. 첫 번째 AI 팩토리는 2027년 가동에 들어갈 예정이다.

DSX는 AI 팩토리를 위한 Nvidia의 레퍼런스 아키텍처다. 데이터센터 규모에서 가속 컴퓨팅, 네트워킹, 소프트웨어, 운영 지침을 결합한다. SKT는 이 설계가 한국 기업과 산업을 위한 소버린 AI, 피지컬 AI, 에이전틱 AI 서비스를 지원할 것이라고 말한다.

이 파트너십은 SKT에 검증된 컴퓨팅 플랫폼 접근성을 제공하지만, 동시에 핵심 인프라를 Nvidia의 하드웨어 및 소프트웨어 로드맵에 묶어둔다. GPU 가용성, 에너지 요구 사항, 시스템 경제성, 제품 전환은 여전히 일부가 SKT의 통제 밖에 있다.

SKT는 국내 대안을 통해 이 의존성에 대응하고 있다. 소비자 서비스 개발에는 한국 AI 반도체 기업 Rebellions의 기술이 포함된다. NPU, 즉 신경망 처리 장치는 머신러닝 연산 실행에 최적화된 칩으로, 범용 프로세서보다 낮은 에너지 요구 사항으로 작동하는 경우가 많다.

회사는 A. phone, A.X 모델, Rebellions NPU를 결합해 엔드투엔드 한국어 AI 서비스를 운영했다고 말한다. 이는 배포 사례로서 의미가 있다. 다만 국내 가속기가 모델 학습, 대규모 추론 또는 모든 엔터프라이즈 워크로드에서 Nvidia 시스템을 대체할 수 있다는 점을 입증하지는 않는다.

SKT는 멀티모델 전략도 따른다. 자체 모델을 개발하는 동시에 Anthropic, OpenAI, Perplexity, 그리고 한국 기술 파트너를 포함한 기업들과 협력한다. 이 접근법은 모든 워크로드를 A.X로 처리하도록 강제하는 대신 작업별로 모델을 선택할 수 있게 한다.

멀티모델 아키텍처는 유연성을 높일 수 있다. 더 작은 로컬 모델은 개인정보 보호 또는 지연 시간에 민감한 요청을 처리할 수 있다. 더 큰 외부 모델은 어려운 추론 작업을 지원할 수 있다. 특화 모델은 통신 운영, 고객 지원, 제조, 문서 분석을 다룰 수 있다.

그 대가는 운영 복잡성이다. 각 모델은 서로 다른 인터페이스, 컨텍스트 한도, 안전성 행동, 데이터 규칙, 비용 특성을 지닌다. SKT는 요청을 라우팅하고, 품질을 측정하며, 데이터 유출을 방지하고, 외부 제공업체가 모델을 변경할 때도 예측 가능한 서비스를 유지해야 한다.

이 때문에 “풀스택”은 완전한 소유권보다 오케스트레이션에 관한 표현에 가깝다. SKT는 모든 프로세서를 제조하지도, 모든 모델을 소유하지도, 모든 의존성을 통제하지도 않는다. 필요한 경우 구성 요소를 교체하면서 전체 제공 체인을 관리하는 것이 목표다.

이 구분은 소버린 AI에 중요하다. 소버린 AI는 일반적으로 한 국가의 법률과 전략적 우선순위에 부합하는 AI 인프라, 모델, 데이터 거버넌스를 의미한다. 모든 구성 요소가 국내에서 설계·제조됐다는 뜻은 항상 아니다.

SKT의 접근법은 소버린 목표와 국제 공급망을 결합한다. 한국 데이터, 로컬 모델, 국내 칩, 국가 인프라는 Nvidia 시스템 및 외부 파운데이션 모델과 공존할 수 있다. 한 공급업체가 훨씬 더 강력한 성능이나 소프트웨어 지원을 제공할 때 SKT가 의미 있는 선택권을 유지할 수 있는지가 관건이다.

SKT의 기존 AI Pyramid 전략은 이미 이러한 균형을 인정하고 있었다. 2023년 9월 발표된 이 전략은 인프라, AI 전환, 서비스 전반의 파트너십과 자체 개발을 결합했다. 현재의 풀스택 메시지는 이 전략의 연장선이지, 갑작스러운 단절이 아니다.

이러한 이력은 Google News 헤드라인을 다소 차분하게 바라보게 한다. SKT는 수년간 인프라, 모델, 서비스에 대해 논의해 왔다. 새로운 단계는 이러한 자산을 측정 가능한 사용량과 수익으로 전환하는 동시에 이를 뒷받침할 물리적 용량을 확장하는 데 있다.

수치는 인프라를 뒷받침하지만, 아직 전체 스택을 입증하지는 못한다

SKT는 강력한 데이터센터 성장세를 보고했지만, 공개된 실적만으로는 모델과 AI 에이전트가 동등하게 강력한 사업을 형성하고 있음을 아직 입증하지 못한다.

SKT의 2026년 1분기 실적에 따르면 AI 데이터센터 매출은 1,314억 원이었다. 회사에 따르면 이는 전년 동기 대비 89.3% 증가한 수치다. 기존 시설의 가동률 상승과 GPUaaS가 성장에 기여했다.

해당 분기는 나머지 AI 사업 부문에서는 다른 모습을 보였다. SKT는 AI B2B와 B2C를 합친 매출이 450억 원으로, 전년 대비 10.3% 감소했다고 보고했다. 이 범주에는 클라우드 서비스, 컨택센터, AI 팩토리, 생성형 AI, 마케팅, A., 커머스, 광고가 포함됐다.

이러한 구성은 중요하다. 인프라 매출은 빠르게 성장한 반면, 더 광범위한 서비스 부문은 감소했다. 한 분기만으로 장기적 결론을 내릴 수는 없지만, 현재로서는 SKT의 완전한 애플리케이션 스택에 대한 수요보다 컴퓨팅 용량 수요가 더 쉽게 확인된다는 점을 보여준다.

2분기 실적도 인프라 중심 기조를 강화했다. SKT는 연결 매출 4조 3,591억 원, 영업이익 5,660억 원을 기록했다고 밝혔다. 매출은 전년 대비 0.5%, 영업이익은 67.3% 증가했다.

SKT가 한국어 발표에서 인정했듯, 영업이익 비교에는 전년 동기 일회성 비용의 영향이 있었다. 따라서 영업이익 증가율만으로 AI 진전을 판단하기는 어렵다.

SKT는 데이터센터 성장이 전체 매출 증가에 기여했다고 밝혔다. 2분기 실적에서는 향후 AI 데이터센터를 위한 부지, 전력, 글로벌 고객 확보를 전담할 조직인 SK Hyper도 소개했다.

회사는 2029년부터 단계적으로 5기가와트의 AI 데이터센터 용량을 가동한다는 초기 목표를 제시했다. 별도의 7월 발표에서는 최대 15기가와트라는 더 장기적인 목표도 설명했다. 이는 계획된 용량이며, 운영 중인 시설이나 계약된 고객 수요를 뜻하지는 않는다.

이 간극이 SKT 서사에서 가장 큰 위험이다. 데이터센터에는 부지, 전력, 냉각, 건설, 네트워크 연결성, 컴퓨팅 하드웨어에 대한 대규모 투자가 필요하다. 용량 목표만으로는 가동률, 자금 조달 조건, 고객 집중도, 수익성을 알 수 없다.

첫 Nvidia 기반 시설은 2027년으로 계획돼 있으며, 더 큰 확장은 그 이후에 시작된다. 인허가, 전력 확보, 부품 공급, 고객 계약에 따라 일정은 바뀔 수 있다. SKT의 실행력은 발표한 규모가 아니라 완공된 용량과 실제 사용량으로 평가해야 한다.

모델 관련 주장도 비슷한 검증이 필요하다. A.X K1의 파라미터 수는 규모를 보여주지만, 구매자에게는 과업별 근거가 필요하다. 관련 지표에는 한국어 정확도, 추론 속도, 에너지 사용량, 신뢰성, 보안성, 기업 워크로드 성능이 포함된다.

개발자가 유리한 테스트를 선택하거나 서로 다른 구성의 모델을 비교하면 벤치마크 결과도 오해를 불러일으킬 수 있다. 회사 발표보다 독립 평가와 고객 배포 사례가 더 강력한 근거가 될 것이다.

소비자 지표 역시 맥락이 필요하다. SKT는 A.의 월간 활성 이용자 수가 1,000만 명이라고 밝혔으며, 이는 2025년 2월에 보고한 740만 명과 비교된다. 상당한 성장으로 보이지만, 회사는 최신 수치와 함께 상세한 유지율, 참여도, 매출 지표를 공개하지 않았다.

프로모션 기간에 한 번 실행된 회의 보조 도구와 매일 사용되는 에이전트는 다르다. 투자자와 제품 구매자는 사람들이 A.를 얼마나 자주 사용하는지, 어떤 기능이 이용자 활동을 유지하는지, 사용량이 통신 서비스 유지율 상승이나 직접 매출로 이어지는지를 알아야 한다.

풀스택 최적화는 궁극적으로 측정 가능한 이점을 만들어야 한다. SKT는 소프트웨어와 국내 가속기를 조율해 추론 지연 시간을 줄일 수 있다. 통신 특화 데이터를 활용해 모델 품질을 개선할 수도 있다. 인프라, 모델, 운영 서비스를 함께 판매해 배포 시간을 단축할 수도 있다.

그러나 이러한 결과는 전체 스택에 걸쳐 독립적으로 입증되지 않았다. SKT는 특히 데이터센터에서 신뢰할 만한 구성 요소와 초기 매출 근거를 제시했다. 하지만 더 많은 계층을 직접 보유하거나 조율하는 방식이 전문 공급업체의 서비스를 결합하는 것보다 지속적인 우위를 만든다는 점은 아직 보여주지 못했다.

SKT의 진짜 경쟁자는 다른 통합형 한국 플랫폼이다

SKT는 이미 클라우드 인프라, 한국어 모델, 기업 접근성, 소비자 유통망을 자체적으로 조합해 보유한 기업들과 경쟁하고 있다.

Naver Cloud는 클라우드 서비스를 HyperCLOVA X 및 Naver의 소비자 플랫폼과 연결한다는 점에서 직접적인 비교 대상이다. 보유 자산에는 검색, 커머스, 지도, 메시징, 콘텐츠, 기업용 소프트웨어가 포함된다. 이러한 유통망은 SKT가 통신 서비스에서 보는 것과 유사한 맥락적 기회를 제공한다.

KT는 다른 조합을 갖추고 있다. 전국 단위 네트워크 인프라, 기업 계약, 데이터센터, 고객 관계를 보유하고 있다. SKT와 마찬가지로 외부에 역량을 제공하기 전에 네트워크 운영, 고객 서비스, 기업 커뮤니케이션에 AI를 적용할 수 있다.

당장의 경쟁 구도가 국내에 국한되더라도 글로벌 클라우드 기업은 여전히 중요하다. Amazon Web Services, Microsoft Azure, Google Cloud는 성숙한 인프라, 개발자 도구, 여러 모델군에 대한 접근성을 제공한다. 이들의 규모는 제품 범위와 글로벌 가용성 면에서 따라잡기 어렵게 만든다.

SKT가 모든 하이퍼스케일러를 이길 필요는 없다. 한국의 데이터 요건, 현지 언어 성능, 통신 운영, 규제 산업의 기업 배포에 집중할 수 있다. SKT의 가장 강력한 위치는 글로벌 기술을 현지 인프라와 고객 요구에 통합하는 운영자일 수 있다.

이는 완전한 기술 독립보다 덜 극적이지만 상업적으로는 충분히 설득력이 있다. 기업 구매자는 한 공급업체가 모든 구성 요소를 직접 발명하기를 요구하는 경우가 드물다. 이들은 책임성, 보안, 지원, 성능, 배포 시간, 그리고 문제가 발생한 의존성을 교체할 수 있는 능력을 중시한다.

SKT는 이러한 계층을 함께 운영하기 쉽게 만들어 차별화할 수 있다. 네트워크 운영 경험은 신뢰성과 관측 가능성에 도움이 될 수 있다. 통신 채널은 유통을 뒷받침할 수 있다. 모델 및 칩 파트너십은 서로 다른 개인정보 보호 또는 성능 요구를 가진 워크로드에 대안을 제공할 수 있다.

회사의 2023년 전략은 AI 투자 대폭 확대를 목표로 하고, 더 넓은 사업을 위한 2028년 매출 목표를 제시했다. 이러한 목표는 파일럿과 기술 시연을 넘어선 성과를 보여줘야 한다는 압박을 만들었다.

AI Pyramid 2.0은 수익화 가능한 프로젝트를 중심으로 이러한 초점을 더욱 선명하게 했다. SKT는 자신을 AI의 사용자이자 공급자로 설명했다. 내부적으로는 AI를 활용해 네트워크 운영과 고객 서비스를 개선할 수 있다. 외부적으로는 인프라, 소프트웨어, 전환 서비스를 판매할 수 있다.

이러한 이중 역할은 실용적인 시험 환경을 제공한다. SKT는 기업에 판매하기 전에 자사 통신 운영 내에서 시스템을 검증할 수 있다. SK Group 내 제조 계열사는 피지컬 AI, 로보틱스, 공정 최적화를 위한 추가 활용 사례를 제공할 수 있다.

그러나 내부 도입은 외부 제품-시장 적합성과 동일하지 않다. 한 대기업의 시스템을 중심으로 설계된 솔루션은 다른 고객을 위해 상당한 조정이 필요할 수 있다. SKT의 통합 패키지가 제약적으로 느껴질 경우 기업은 전문 공급업체를 선택할 수도 있다.

따라서 벤더 종속성도 또 다른 압박 요인이다. 풀스택 공급업체는 조달을 단순화할 수 있지만, 고객은 해당 인프라 인터페이스, 모델 라우팅, 모니터링, 데이터 형식에 의존하게 될 수 있다. SKT는 정교한 구매자를 안심시키기 위해 이식성 표준과 명확한 이탈 옵션을 제공해야 한다.

회사는 에이전트 연결을 위한 MCP와 A2A 같은 프레임워크를 언급했다. MCP, 즉 Model Context Protocol은 AI 애플리케이션이 도구와 데이터에 접근하는 방식을 표준화한다. A2A는 분리된 에이전트들이 작업과 결과를 교환하도록 돕는 프로토콜을 가리킨다.

개방형 인터페이스 지원은 SKT 플랫폼의 적응성을 높일 수 있다. 동시에 고객이 개별 구성 요소를 더 쉽게 교체하게 만들어 독점적 통합의 가치를 낮출 수도 있다. 이러한 긴장은 구매자에게는 건전하지만, 엔드투엔드 우위를 주장하는 어느 공급업체에게나 불편한 요소다.

경쟁 결과는 한 번의 Google News 주기로 결정되지 않을 것이다. SKT의 통합이 고객 선택권을 제한하지 않으면서 운영 마찰을 낮추는지에 달려 있다. KT, Naver Cloud, 글로벌 클라우드 공급업체는 서로 다른 출발점에서 동일한 기업 예산을 공략할 것이다.

Google News 헤드라인 이후 주목할 점

세 가지 신호가 SKT의 풀스택 전략이 방어 가능한 사업으로 자리 잡고 있는지, 아니면 야심 찬 자산의 집합에 머물고 있는지를 보여줄 것이다.

첫 번째 신호는 2027년으로 계획된 Nvidia 기반 AI 팩토리의 운영 진척이다. SKT와 Nvidia는 이 시설이 DSX 아키텍처를 사용하고 소버린 AI, 피지컬 AI, 에이전틱 AI를 지원할 것이라고 밝혔다. 확정된 위치, 전력 배정, 건설 이정표, 배치된 시스템, 실명 고객에 주목해야 한다.

이러한 세부 사항은 SKT가 기존 데이터센터 운영에서 훨씬 더 큰 규모의 AI 인프라 제공으로 전환할 수 있다는 주장을 강화할 것이다. 지연이나 모호한 용량 업데이트는 일정에 대한 신뢰를 약화시킬 것이다.

두 번째 신호는 A.X K1에 대한 독립적인 근거다. SKT의 MWC26 발표는 5,190억 파라미터 모델을 설명했으며, AI-native 전략에서는 더 큰 시스템을 향한 작업을 다뤘다. 규모만으로는 경쟁 가치를 입증할 수 없다.

유용한 근거에는 재현 가능한 한국어 및 다국어 벤치마크, 추론 효율성, 안전성 평가, 고객 배포 사례, 동등한 하드웨어를 활용한 비교가 포함된다. Korea’s Sovereign AI Foundation Model Project의 결과는 SKT 모델을 국내 대안과 비교해 검증할 수 있기 때문에 특히 중요할 것이다.

A.X가 한국 인프라에서 효율적으로 구동되면서 우수한 성능을 보인다면 SKT의 통제력 주장은 더 강해진다. 고객이 가장 어려운 작업을 지속적으로 외부 모델에 맡긴다면, A.X는 파트너 중심 플랫폼 안의 현지 선택지 역할에 주로 머물 수 있다.

세 번째 신호는 서비스 참여도와 매출이다. SKT는 A.의 최상위 이용자 수만 공개해서는 안 된다. 유지율, 활성 이용 일수, 작업 완료율, 기업 도입, 매출 기여도는 서비스 계층이 그 아래 인프라의 혜택을 받고 있는지를 보여줄 것이다.

A. note는 구체적인 시험 사례를 제공한다. 초기의 빠른 도입도 중요하지만, 녹음과 요약이 지속적인 습관이 되는지는 계속된 사용을 통해 드러날 것이다. SKT의 에이전틱 워크플로가 설명대로 작동한다면 통화, 캘린더, 내비게이션, 미디어 전반의 통합은 궁극적으로 반복 참여를 높여야 한다.

기업 고객도 그에 못지않게 중요한 시험 대상이다. 실명 배포 사례, 계약 갱신, 하나의 워크로드에서 여러 워크로드로의 확장은 SKT의 통합 판매 논지를 뒷받침할 것이다. 구매자가 GPU 용량만 선택한다면, 풀스택이 아니라 인프라가 여전히 주요 매력이라는 뜻일 것이다.

SKT의 전략은 통신 유통망, 데이터센터 운영, 모델 개발, 국내 칩 파트너십, 수백만 명의 AI 서비스 사용자라는 실질적 자산에서 출발한다는 점에서 신뢰할 만하다. SKT의 Nvidia 인프라 계획은 컴퓨팅 역량을 대폭 확대할 수 있는 경로를 더한다.

아직 해결되지 않은 질문은 통제력이다. SKT는 Nvidia 시스템과 외부 AI 파트너를 통해 확장하는 동시에, 자체 로컬 모델을 구축하고 한국산 칩을 활용하고 있다. 이 조합은 회복탄력성을 만들 수 있지만, SKT가 성능이나 고객 신뢰를 희생하지 않고 구성 요소를 교체할 수 있을 때에만 가능하다.

독자들은 다음 google news 헤드라인을 넘어 세 가지 신호를 추적해야 한다. 완성된 인프라, 독립적으로 검증된 모델, 그리고 지속적인 서비스 이용이다. 이들은 풀스택 AI가 SKT에 측정 가능한 운영상 우위를 제공하는지 보여줄 것이다. 어떤 결과가 가장 설득력 있을까? 경쟁력 있는 모델 벤치마크, 대규모 기업 도입, 아니면 소비자들이 매주 SKT의 AI 에이전트를 사용한다는 증거일까?