2026년 10월 25일 AI 트렌드: Qwen Code 업데이트, Work IQ 기업 에이전트, AI 바이오안보

2026년 10월 25일 오전 9시(한국 시간)까지 확인한 AI 소식의 핵심은 새 모델의 성능 경쟁보다 AI가 실제 업무를 오래, 안전하게 수행할 수 있도록 만드는 운영 구조입니다. Qwen Code는 관리형 작업의 세션 복구와 기록을 다듬었고, Microsoft는 회사 데이터와 승인 규칙을 에이전트에 연결하는 기능을 소개했습니다. 영국 정부는 AI 바이오안보 연구소 계획을 발표했으며, OpenAI는 ChatGPT의 대규모 저장소를 운영하며 얻은 기술 교훈을 공개했습니다.

이 글은 10월 24일 18시부터 25일 09시까지(Asia/Seoul)를 먼저 확인하고, 발표가 적어 10월 23일 21시까지 조사 범위를 넓혔습니다. 아래 Qwen Code 릴리스는 기본 구간에 들어갑니다. 나머지 세 건은 공식 게시 시각을 확인한 확장 구간의 발표입니다. 이미 공개된 기능의 정확한 최초 제공일과 발표문 게시일은 같지 않을 수 있습니다. 제품 설명은 발표 기업의 주장으로, 적용 제안은 윤자동의 실무 해석으로 구분했습니다.

한눈에 보는 오늘의 AI 트렌드

기술 소식만 훑고 지나가면 각기 다른 이야기처럼 보입니다. 그러나 네 건은 같은 운영 질문으로 이어집니다. AI에게 더 많은 일을 맡기려면 모델 외에 데이터의 의미, 실행 권한, 실패 후 복구, 시스템 성능을 함께 설계해야 합니다. 특히 기업에서는 '답을 잘한다'와 '허용된 일을 안전하게 끝낸다' 사이에 큰 차이가 있습니다.

1. Qwen Code v0.26.1: 코딩 에이전트의 세션 복구와 감사 기록

QwenLM은 GitHub에 Qwen Code v0.26.1 릴리스를 게시했습니다. 릴리스 화면의 게시 시각은 10월 24일 15:47:58 UTC, 한국 시간으로 25일 00:47:58입니다. 새 Qwen 모델 발표가 아니라 오픈소스 코딩 에이전트의 소프트웨어 업데이트입니다. 릴리스 노트는 기능과 수정 사항을 함께 나열하므로, 모든 항목을 모든 사용자에게 이미 적용된 상용 기능으로 해석해서는 안 됩니다.

발표에서 확인한 기능

릴리스 노트에 따르면 워크스페이스에 연결된 관리형 세션에서 유휴 상태일 때 수동으로 대화 맥락을 압축할 수 있습니다. 공개 API와 웹셸의 맥락 사용량 화면에서 이를 다루며, 감사 기록은 보존한다고 설명합니다. 대화가 길어지면 이전 문맥을 줄이는 작업이 필요할 수 있는데, 중요한 작업 기록까지 사라지면 나중에 왜 그런 결과가 나왔는지 추적하기 어렵습니다. 이 업데이트는 바로 그 경계를 제품 기능으로 다룹니다.

관리형 워크스페이스의 복구 흐름도 바뀌었습니다. 복구가 영속적으로 확정될 때까지 다음 단계로 넘어가지 않고, 복구 이유와 가능한 조치를 웹셸에 보여주며, 메시지 전송을 제어한다고 릴리스 노트는 적습니다. 세션 수명주기 화면과 읽기용 내보내기, 관리형 세션의 오류 코드 및 진행 표시도 포함됩니다. 별도로 선택 가능한 데몬 토큰 저장은 소유자만 읽을 수 있는 파일을 사용하고 종료 시 제거하는 방식으로 설명합니다.

왜 기업 실무에서 중요한가

에이전트가 짧은 질문에 답할 때는 실패하면 다시 물으면 됩니다. 여러 파일을 수정하고 명령을 실행하며 장시간 이어지는 작업은 다릅니다. 중간에 끊겼을 때 어디부터 재개할지, 이전 대화의 어떤 정보가 남았는지, 사람이 어떤 변경을 승인했는지가 결과의 신뢰도를 좌우합니다. 윤자동의 해석으로는 이번 릴리스의 가치는 '더 똑똑한 모델'이라는 구호보다 오래 실행되는 작업의 상태를 사람이 이해하고 복구할 수 있게 하는 것에 있습니다.

사내 코딩 에이전트를 시험한다면 작은 저장소 하나에서 세 가지를 확인해 보세요. 첫째, 중간에 작업을 멈춘 뒤 재개했을 때 미완료 단계와 이미 반영된 파일이 구분되는가. 둘째, 맥락 압축 뒤에도 사람이 결정한 제약과 작업 이유를 확인할 수 있는가. 셋째, 토큰·자격 증명을 파일에 보관한다면 파일 권한과 정리 시점을 실제 환경에서 점검할 수 있는가. 릴리스 노트는 기능의 존재를 말해 주지만, 조직의 환경에서 안전하게 동작한다는 보증은 아닙니다.

적용 시 주의할 점

이번 버전에는 QQBot의 그룹별 세션 분리 복구처럼 범위가 좁지만 중요한 수정도 있습니다. 조직에서 쓰지 않는 구성 요소의 변경을 일반적인 제품 성능 향상으로 포장할 이유는 없습니다. 관리형 기능은 사용하는 배포 방식과 설정에 따라 보이는 화면과 동작이 달라질 수 있습니다. 시험 전 버전, 세션 저장 방식, 접근 권한을 기록하고, 읽기·쓰기·외부 전송 권한을 구분하는 편이 좋습니다. 공식 릴리스 노트의 항목별 조건을 기준으로 검증해야 합니다.

2. Microsoft Work IQ: 회사 데이터를 '답변'에서 '허용된 작업'으로 잇기

Microsoft는 Dataverse와 Work IQ를 소개한 공식 글을 10월 23일 게시했습니다. 페이지의 datePublished는 10월 23일 21:34:54 UTC로, 한국 시간 24일 06:34:54입니다. 25일부터 시작하는 Power Platform Community Conference의 기능을 미리 소개한 글입니다. 행사 날짜와 글 게시 날짜를 혼동해서 오늘 처음 출시한 기능으로 쓰지는 않겠습니다.

발표 기업이 설명한 변화

Microsoft의 설명은 세 겹입니다. 먼저 Dataverse의 데이터와 관계를 공통 의미 모델로 표현해 에이전트가 '고객', '계약', '승인' 같은 회사 개념을 같은 뜻으로 이해하도록 합니다. 다음으로 Business Skills에 조직의 판단 기준과 승인 조건을 재사용 가능한 업무 절차로 담습니다. 마지막으로 Agent 365를 통한 작업은 사용자 권한 안에서 시스템 기록을 바꾸고 IT 부서가 관리할 수 있도록 설계한다고 설명합니다. 이는 발표 기업의 제품 구상이며, 모든 기존 데이터가 자동으로 정리되거나 모든 권한 문제가 해결된다는 뜻은 아닙니다.

글에는 여러 공개 프리뷰 기능이 나옵니다. Power Apps 제작 화면의 Business Skills에는 에이전트를 이용한 작성·편집 경험, 버전 기록, 보안 설정 방식이 소개됐습니다. Copilot Studio의 Work IQ MCP Server는 회사 업무 맥락을 이해하도록 확대된다고 설명합니다. Cowork의 Business Apps 플러그인은 Dynamics 365와 Power Apps에 있는 맥락을 이용해 관리된 작업을 수행하는 공개 프리뷰입니다. Dataverse Ask API는 자연어 질문을 위한 의미 모델을 정의하고 Web API와 Dataverse Connector 양쪽에서 사용할 수 있다고 소개합니다.

왜 데이터 정리가 먼저인가

윤자동의 실무 해석은 단순합니다. 에이전트에게 회사 데이터베이스를 연결하는 일보다 어떤 기록을 어떤 조건에서 읽고 바꿀 수 있는지 설명하는 일이 먼저입니다. 같은 '고객'이라는 말도 영업 문의, 결제 고객, 계약 담당자에서 다르게 쓰일 수 있습니다. 의미가 정리되지 않은 채 질문창만 붙이면 답변이 그럴듯해도 기준이 흔들립니다. 작업 권한까지 연결되면 잘못된 해석이 실제 데이터 수정으로 이어질 수 있습니다.

예를 들어 '이번 주 미완료 고객 요청을 정리해줘'라는 질문을 시범 과제로 잡아봅시다. 먼저 요청 상태의 정의와 조회 범위를 정합니다. 어떤 팀이 볼 수 있는 정보인지, 상담 메모의 민감 정보가 섞이는지 확인합니다. 그다음 읽기 전용 결과와 담당자 검토를 거쳐, 필요한 경우에만 후속 작업 생성 권한을 붙입니다. Microsoft의 발표는 이러한 구조를 제품 기능으로 지원하려는 방향을 보여주지만, 실제 업무 규칙을 대신 정의해 주지는 않습니다.

프리뷰와 권한을 확인하는 순서

공개 프리뷰는 일반 제공과 다릅니다. 테넌트, 지역, 라이선스, 정책에 따라 접근 가능한 기능이 달라질 수 있습니다. 글에 이름이 나온 구성 요소를 한꺼번에 켜기보다 읽기 전용 질문 하나로 시작해 응답 근거, 권한, 변경 로그를 살펴보세요. 이후 시험 계정에서 쓰기 작업과 승인 단계를 분리합니다. MCP 서버나 외부 도구 연결은 데이터 접근 범위를 넓히므로, 누가 어떤 도구를 호출했는지 기록할 방법을 운영 설계에 포함해야 합니다. Microsoft 공식 설명에 적힌 'public preview' 표기를 구매·배포 판단에서 그대로 유지하는 것이 정확합니다.

3. 영국 AI Biosecurity Lab: AI 활용과 검증 책임을 함께 설계

영국 정부는 AI Biosecurity Lab 설립 계획을 10월 24일 00:01 영국 서머타임에 공개했습니다. 한국 시간으로 24일 08:01이며, 이번 글의 확장 조사 구간에 들어갑니다. 이는 연구소의 설립·지원 계획 발표입니다. 그 시각에 연구소가 완전히 운영을 시작했고 성과를 냈다는 의미는 아닙니다.

공식 발표에서 확인되는 범위

정부 설명에 따르면 AI Biosecurity Lab은 생물학적 위협을 더 일찍 탐지하고, 백신·치료제 등 대응 수단의 발견과 시험을 빠르게 하는 기술 역량에 초점을 맞춥니다. 정부는 1억 파운드 지원 계획을 밝혔습니다. OpenAI는 1억 파운드 상당의 컴퓨트·모델 크레딧과 관련 모델의 신뢰 기반 접근을, Anthropic은 최대 1억 파운드 상당의 모델 크레딧·접근·기술 지원을 제공하기로 했다고 정부는 설명합니다. 기업 지원 약정을 현금 투자 2억 파운드로 바꿔 적으면 안 됩니다. Google DeepMind와 Basecamp Research는 연구 협력 파트너로 언급됩니다.

정부는 연구소를 독립적인 비영리 조직으로 운영할 계획이라고 밝혔습니다. 과학 자문과 정부 기관 협력을 포함한 구조를 설명하지만, 향후 구체적인 운영 절차와 검증 성과는 별도 확인이 필요합니다. 이 분야에서는 모델이 가능성을 보여주는 것과 실제 보건 대응 체계에서 믿고 쓸 수 있는 것이 전혀 다른 단계입니다. 오늘 발표에서 확인되는 것은 목표, 예정된 지원 형태, 협력 구조입니다.

기업이 읽어야 할 실무 의미

바이오안보는 대부분 회사의 직접 사업이 아닐 수 있습니다. 그래도 윤자동은 이번 발표를 민감한 영역에서 AI 협력을 설계하는 사례로 봅니다. 데이터와 모델을 가진 기관, 해당 분야의 전문 조직, 책임 있는 공공기관이 역할을 나눌 때 누가 문제를 정의하고 누가 결과를 검증할지 명시해야 합니다. 같은 원칙은 법무, 재무, 고객 지원처럼 잘못된 결과의 비용이 큰 업무에도 적용됩니다.

사내 AI 도입에서도 시범 실행 전에 세 문서를 준비해 보세요. 사용 가능한 데이터와 접근 권한, 사람이 반드시 판단해야 하는 지점, 오류가 발견됐을 때 작업을 멈추고 수정하는 절차입니다. 특히 'AI가 위험을 찾아준다'는 약속은 탐지 기준과 오탐·누락 처리 없이는 운영 지침이 되지 못합니다. 이번 정부 발표 역시 AI가 질병을 진단하거나 위협을 자동으로 해결했다는 실적 자료로 읽어서는 안 됩니다. 영국 정부 원문의 미래형 표현과 지원 약정의 조건을 함께 확인해야 합니다.

4. OpenAI Habitat: AI 서비스가 커지면 저장소가 제품 경험이 된다

OpenAI는 Habitat 저장 플랫폼의 확장 과정 2부를 10월 23일 공개했습니다. OpenAI 공식 RSS의 해당 글 게시 시각은 10월 23일 17:00 UTC, 한국 시간 24일 02:00입니다. 이미 진행한 시스템 구축과 개선을 설명한 기술 글이며, 24일 새 저장 서비스를 출시했다는 발표는 아닙니다.

발표 기업의 수치와 구조

글에 따르면 Habitat은 ChatGPT의 대화 데이터를 비롯한 대규모 저장 수요를 다루기 위해 발전해 왔습니다. OpenAI는 전 세계 40개 지역에서 10억 명이 넘는 사용자에게 응답해야 하는 환경, 500페타바이트가 넘는 데이터를 제공하는 플랫폼을 설명합니다. Azure Cosmos DB를 기반으로 다중 테넌트 구조, 가까운 지역에 필요한 데이터 복제, 지역 내 캐싱, Rust로 작성한 경로 개선 등을 소개합니다. 글로벌 읽기 지연의 중앙값(p50)이 대략 120밀리초에서 10밀리초로 줄어 약 12배 개선됐다는 수치는 OpenAI가 자사 환경에서 보고한 결과입니다. 다른 서비스에서 같은 개선이 재현된다는 뜻은 아닙니다.

이 숫자를 'AI 모델이 12배 빨라졌다'고 옮기면 틀립니다. 측정 대상은 모델 추론 속도가 아니라 저장소의 읽기 지연입니다. 사용자는 답변 화면만 보지만, 그 뒤에는 대화 기록을 찾고, 계정별 데이터를 분리하며, 장애가 나도 다시 읽을 수 있어야 하는 작업이 있습니다. 저장소가 느리거나 불안정하면 좋은 모델을 붙여도 체감 품질이 흔들립니다.

작은 조직은 무엇을 가져올까

윤자동의 해석으로는 대규모 구조를 그대로 복제할 필요가 없습니다. 먼저 우리 서비스에서 느린 구간을 분리해 재는 습관을 가져오면 됩니다. 사용자가 질문을 보낸 시각, 관련 자료를 찾은 시각, 모델 응답이 시작된 시각, 최종 화면이 열린 시각을 나누어 기록해 보세요. 어느 단계가 느린지 모르면 캐시나 고가의 모델에 투자해도 효과를 판단할 수 없습니다.

두 번째는 데이터 위치와 복구입니다. 고객 문서가 어느 저장소와 지역에 있는지, 요청 실패 뒤 같은 작업을 다시 실행하면 중복 저장되는지, 캐시에 오래된 내용이 남을 수 있는지를 확인해야 합니다. 세 번째는 지표의 정의입니다. p50 하나만 좋아져도 일부 사용자는 여전히 느릴 수 있습니다. 평균, 상위 지연, 오류율을 함께 보고 업무에 중요한 시간대를 따로 측정하는 편이 실용적입니다. OpenAI 글은 규모가 커질 때 이런 운영 요소가 AI 경험의 일부가 된다는 사례로 읽는 것이 적절합니다.

네 소식에서 뽑은 기업 AI 실행 체크리스트

이번 네 발표를 그대로 도입 목록으로 바꿀 필요는 없습니다. 현재 업무의 병목에 맞춰 순서를 정하세요.

1. 작업을 하나로 좁힙니다. '모든 업무에 에이전트'보다 파일 검토, 기록 조회, 초안 작성처럼 결과를 사람이 확인할 수 있는 과제 하나를 고릅니다.
2. 데이터의 뜻을 정의합니다. 같은 용어가 부서마다 다르면 조회 범위와 상태 값을 먼저 정리합니다. Microsoft의 의미 모델 이야기를 현실 업무에 옮기는 첫 단계입니다.
3. 읽기와 쓰기를 나눕니다. 처음에는 읽기 전용으로 시험하고, 외부 전송·수정·삭제는 승인 조건과 로그가 준비된 뒤 붙입니다.
4. 중단과 재개를 시험합니다. Qwen Code 사례처럼 세션이 끊긴 뒤 미완료 작업, 이미 반영된 변경, 보존된 맥락을 구분할 수 있어야 합니다.
5. 성능 구간을 쪼개서 잽니다. 모델 호출 시간과 검색·저장소 읽기 시간을 섞지 않습니다. OpenAI의 저장소 지표를 조직의 기준으로 그대로 가져오지 않습니다.
6. 민감한 결과의 검증자를 지정합니다. 바이오안보처럼 비용이 큰 분야는 사람이 언제 결과를 확인하고 작업을 멈출지 먼저 정합니다.
7. 프리뷰와 정식 제공을 구분합니다. 발표문에 나온 기능의 지역·계정·계약 조건을 실제 사용 환경에서 다시 확인합니다.

제가 현장에서 먼저 보는 것은 데모의 화려함보다 실패한 뒤의 화면입니다. 에이전트가 왜 멈췄는지 보이고, 누가 다시 시작할지 알 수 있으며, 그 과정이 기록된다면 작은 업무부터 맡길 수 있습니다. 이 순서가 잡히면 모델이 바뀌어도 운영 방식은 오래 남습니다.

자주 묻는 질문

오늘 새로운 AI 모델이 출시됐나요?

이번 조사 범위에서 게시 시각과 공식 원문을 함께 확인한 주요 신규 모델 발표는 찾지 못했습니다. Qwen Code v0.26.1은 코딩 에이전트 프로그램의 릴리스입니다. 모델 성능 발표로 바꾸어 소개하지 않았습니다.

네 소식이 모두 10월 25일 발표인가요?

아닙니다. Qwen Code만 25일 새벽 한국 시간에 게시됐습니다. 다른 세 글은 24일 새벽·오전에 게시된 확장 조사 범위의 자료입니다. 각 절의 게시 시각은 공식 릴리스, 메타데이터 또는 RSS 기준이며, 해당 기능이 처음 제공된 시각과는 다를 수 있습니다.

Work IQ 기능은 지금 모든 회사에서 바로 쓸 수 있나요?

Microsoft가 소개한 여러 항목은 공개 프리뷰입니다. 실제 이용 가능 여부는 테넌트와 지역, 라이선스, 관리자 설정을 확인해야 합니다. 업무 데이터에 쓰기 권한을 주기 전 읽기 전용 시험이 적절합니다.

영국 AI Biosecurity Lab의 기업 지원은 현금인가요?

공식 발표는 정부 지원과 기업의 크레딧·모델 접근·기술 지원 약정을 구분합니다. 기업 지원액을 전액 현금 투자로 표현하지 않았습니다. 연구소 운영 개시와 성과는 앞으로 별도 확인이 필요합니다.

OpenAI가 밝힌 12배 개선을 우리 시스템 목표로 써도 되나요?

그 수치는 OpenAI가 자사 저장소의 글로벌 읽기 p50을 비교해 보고한 값입니다. 우리 서비스의 데이터량과 조회 방식은 다릅니다. 먼저 검색, 저장소, 모델 호출, 화면 표시의 기준선을 따로 측정해야 목표를 정할 수 있습니다.

공식 출처

• QwenLM, Qwen Code v0.26.1 릴리스: https://github.com/QwenLM/qwen-code/releases/tag/v0.26.1
• Microsoft Power Platform, Dataverse and Work IQ at PPCC 2026: https://www.microsoft.com/en-us/power-platform/blog/2026/10/23/dataverse-and-workiq-ppcc-2026/
• 영국 정부, Introducing the AI Biosecurity Lab: https://www.gov.uk/government/news/introducing-the-ai-biosecurity-lab
• OpenAI, Rapidly scaling online storage to serve over 1 billion ChatGPT users (Part II): https://openai.com/index/scaling-storage-one-billion-users-part-two/
• OpenAI 공식 뉴스 RSS(게시 시각 교차 확인): https://openai.com/news/rss.xml

조사 기준: 2026년 10월 25일 09:00, Asia/Seoul. 각 기업·기관의 발표 내용은 해당 기관의 설명이며, 실무 적용 제안과 위험 점검은 윤자동의 해석입니다.