마이크로소프트 자체 모델(MAI), 코파일럿의 그 실망을 풀어줄까
- AI동향
- 마이크로소프트
- 코파일럿
- 기업교육
기업 교육을 나가면 코파일럿 이야기가 자주 나옵니다. 회사가 이미 깔아 둔 도구라 다들 한 번씩은 써봤는데, “생각보다 별로더라”는 반응이 적지 않습니다. 저는 수업에서 그 실망을 이렇게 설명해 왔습니다. 문제는 코파일럿이라는 제품이 아니라, 그 밑에 자기 모델이 없다는 구조에 있다고요.
발행한 글에서도 비슷한 결의 이야기를 했습니다. 어떤 AI가 제일 좋으냐는 질문에, 저는 성능표 순위가 아니라 ‘회사가 내일 켤 수 있느냐’가 기준이라고 답했지요.
그런데 2026년 6월, 마이크로소프트가 바로 그 빈자리를 겨눈 발표를 내놓았습니다. 수업에서 칠판에 적던 이야기가 사건으로 나타난 셈입니다. 다만 결론부터 말씀드리면, 원인이 짚혔다는 것과 실망이 풀렸다는 것은 다른 이야기입니다.
무슨 일이 있었나
2026년 6월 2일, 마이크로소프트는 연례 개발자 행사 빌드(Build) 2026에서 자체 개발한 AI 모델 제품군 ‘MAI’ 7종을 공개했습니다. 그동안 마이크로소프트의 AI는 상당 부분 외부 모델에 기대어 왔는데, 이번에 처음으로 자체 모델 라인을 전면에 내세운 겁니다.
간판은 첫 추론 모델인 MAI-Thinking-1입니다. 다른 모델을 베껴 학습(증류)하지 않고 상업적으로 라이선스를 확보한 데이터로 바닥부터 훈련했다는 점을 강조했습니다. 활성 파라미터는 350억, 한 번에 처리하는 맥락(컨텍스트)은 약 25만 토큰 규모입니다.
다만 이 간판 모델이 곧바로 코파일럿에 들어간 것은 아닙니다. 현재 코파일럿·VS코드 등에 단계적으로 적용되기 시작한 것은 코딩용 경량 모델(MAI-Code-1-Flash)이고, MAI-Thinking-1 자체는 아직 개발자용 프리뷰 단계입니다. 코파일럿의 기본 엔진을 자체 모델로 교체하는 시점은 아직 정해지지 않았습니다.
성능에 대해서는, 마이크로소프트 발표 기준으로 코딩에서 클로드 오푸스 4.6과 대등하고 블라인드 비교에서 소네트 4.6보다 선호됐다고 합니다(평가는 마이크로소프트 측 파트너가 수행). 회사가 내놓은 주장인 만큼, 독립적인 검증은 지켜봐야 합니다.
코파일럿의 실망은 어디서 왔나
이 발표가 왜 의미 있는지는, 코파일럿에 대한 실망이 어디서 왔는지를 되짚어야 보입니다.
그동안 마이크로소프트의 AI 기능은 자기 모델이 아니라 외부에서 빌려온 모델 위에 얹혀 있었습니다. 빌려 쓰는 구조에서는, 같은 성능의 모델을 쓰더라도 정작 중요한 통제권을 갖기 어렵습니다. 가격을 마음대로 조정하지 못하고, 데이터가 어디로 흐르는지 끝까지 책임지기 어렵고, 자사 제품에 맞게 깊이 최적화하거나 기업 고객의 까다로운 컴플라이언스 요구에 맞추는 데도 한계가 생깁니다. 사용자가 느끼는 ‘뭔가 어중간하다’는 감각은 종종 여기서 비롯됩니다. 제품이 게을러서가 아니라, 손발이 묶여 있었던 셈입니다.
오해는 없으셨으면 합니다. 코파일럿이 나쁜 도구라는 말이 아닙니다. 빌려 쓰는 구조 자체가 가진 천장이 있었다는 이야기입니다. MAI는 바로 그 천장을 겨냥합니다. 자기 모델을 가지면, 마이크로소프트는 오피스·윈도우·애저 같은 자사 환경에 모델을 직접 깊이 통합하고, 가격과 데이터 흐름까지 스스로 설계할 수 있게 됩니다.
한국 기업 현장에서 진짜 중요한 건
여기서부터가 현장의 이야기입니다.
먼저 학습 방식입니다. 남의 모델을 베끼지 않고 라이선스가 확보된 데이터로 훈련했다는 점은, ‘AI가 학습한 데이터의 출처가 깨끗한가’를 따지는 기업들을 안심시키려는 포석으로 읽힙니다. 기업 도입에서 데이터 출처와 저작권은 생각보다 큰 걸림돌이거든요.
더 눈여겨본 것은 ‘프런티어 튜닝(Frontier Tuning)‘입니다. 기업의 컴플라이언스 경계 안에서, 데이터가 회사 환경 밖으로 빠져나가지 않은 채로, 그 회사 고유의 업무 방식에 맞게 모델을 학습시킨다는 개념입니다. 한국 대기업 보안팀이 AI 도입을 검토할 때 가장 먼저 던지는 질문이 있습니다. “우리 데이터가 외부 서버를 거치느냐.” 이 한 줄에서 멈춰 선 도입을 저는 여러 번 봤습니다. 프런티어 튜닝은 정확히 그 질문을 겨냥하고 있습니다.
그리고 이 지점에서, 제가 줄곧 해온 이야기와 만납니다. 가장 좋은 AI는 성능표 맨 위의 모델이 아니라, 회사가 내일 아침 켤 수 있는 모델이라는 것. 마이크로소프트 생태계는 이미 한국의 많은 대기업이 깔아 둔 환경입니다. 그 환경 안에서 통제권과 데이터 안전, 기업 맞춤이 갖춰진다면, ‘성능이 1등이냐’와 무관하게 ‘실제로 켤 수 있는 도구’에 한 발 더 가까워집니다. 이번 발표의 진짜 무게는 거기에 있습니다.
원인은 짚혔다, 해소는 지켜봐야
그렇다고 실망이 끝났다고 말하기엔 이릅니다.
원인이 짚혔다는 것과, 그 원인이 실제로 해소됐다는 것은 다른 이야기입니다. 자체 모델을 가졌다고 해서 통합과 최적화가 하루아침에 완성되지는 않습니다. 모델을 발표하는 일과, 그것이 기업의 실제 업무 환경에서 매끄럽게 도는 일 사이에는 늘 간극이 있습니다. 무엇보다 ‘우리 회사가 이걸 실제로 켤 수 있느냐’는 질문은, 모델이 좋아진 것과는 여전히 별개로 남습니다.
그래서 저는 이번에도 같은 자리로 돌아옵니다. 도구는 계속 바뀝니다. 어제는 빌려 쓰던 회사가 오늘은 자기 모델을 내놓고, 내일은 또 다른 구도가 펼쳐질 겁니다. 그 변화를 좇아 ‘지금 누가 1등이냐’를 묻는 일은 끝이 없습니다. 현장에서 우리가 던져야 할 질문은 그대로입니다. 어떤 모델이 제일 센가가 아니라, 우리가 내일 켤 수 있는 것이 무엇인가. 이번 소식은 그 답을 바꿀 수도 있는 변화의 시작이지, 답 그 자체는 아닙니다.
출처
이 글의 사실관계는 위 출처를 따르며, 해석과 현장 관점은 박상훈의 견해입니다.