에이아이브 김현경 사업리드의 이야기 좋은 기술이 곧 좋은 사업이 되는 것은 아닙니다. 기술이 고객의 문제를 해결하고, 실제 현장에 도입되고, 지속 가능한 매출로 이어지기까지는 수많은 빈칸을 채우는 사람이 필요합니다. AIEEV의 김현경 리드는 그 빈칸을 찾아 끝까지 연결하는 사람입니다. 통신사 B2B 현장과 AI 반도체 기업의 사업개발을 거쳐, 지금은 분산형 AI 클라우드라는 새로운 시장을 만들고 있습니다. 파트너 미팅부터 제품 기획, 고객 제안, 정부과제, 해외 사업, 운영 체계까지 업무에는 선명한 경계가 없습니다. 기술을 고객의 언어로 번역하고, 가능성을 다음 실행으로 바꾸는 현경님의 이야기를 들어봤습니다. 안녕하세요. 간단한 자기소개 부탁드립니다. 안녕하세요. AIEEV에서 사업을 맡고 있는 김현경입니다. 😊 저를 한 문장으로 소개한다면 ‘기술이 실제 사업이 되도록 연결하는 사람’이라고 말하고 싶어요. KT에서 B2B 영업과 IT 컨설팅을

안녕하세요. AIEEV Biz & Strategy Team입니다. 사업이 성장하면 매출만 늘어나는 것은 아닙니다. 고객사별 제안과 계약이 늘고, 견적서와 거래명세서를 작성하는 횟수도 많아집니다. 세금계산서 발급일과 입금 여부를 확인하고, 발행한 파일을 다시 찾아 전달하는 일도 함께 늘어납니다. AIEEV도 B2B 프로젝트와 Air Cloud 플랫폼 사업이 함께 성장하면서 비슷한 변화를 겪었습니다. 고객사와 진행하는 PoC, 구축 프로젝트, 플랫폼 이용 건이 동시에 늘었고, 시기에 따라 한 달에 약 10~30건의 세금계산서를 작성하고 관리해야 할 정도로 매출 관련 업무가 많아졌습니다. 관리하고 있는 과제도 10건을 초과하여, R&D PM의 업무가 과중되고 있는 상황이었습니다. 사업이 잘되고 있다는 반가운 신호였지만, 관리 방식은 여전히 여러 엑셀과 Word 문서, 로컬 폴더에 나뉘어 있었습니다. 여기에 국책과제 예산과 증빙 문서까지 더해지면서 “어떤

한여름, 에어컨을 하루 종일 켜놓고 외출한 적 있으신가요? 돌아와서 시원해진 집을 느낄 때는 아무 생각이 없다가, 전기요금 고지서를 받아보고서야 정확히 얼마를 냈는지 알게 됩니다. 그리고 고지서를 들여다보며 "내가 진짜 이만큼 썼나..." 라는 의구심이 듭니다 😅 지금 많은 기업의 인프라 담당자들이 AI 비용 청구서를 보며 똑같은 생각을 하고 있습니다. 다른 점이 있다면 청구서 액수가 훨씬 크다는점이 되겠네요. 2년 전만 해도 이 질문은 몇몇 앞서가는 팀만의 고민이었습니다. FinOps 팀 중 AI 지출을 관리 대상에 포함한 비율은 2024년 31%에 불과했습니다. 그런데 올해는 98%입니다. 거의 모든 조직이 이 청구서를 유심히 들여다보기 시작했다는 뜻입니다. 무엇이 이렇게 짧은 시간에 모두를 청구서 앞으로 불러모았을까요. 그리고 청구서를 유심히 보기 시작한 조직들은, 정말 자신이 얼마나 썼는지 정확히 알게 됐을까요. 이 글에서는 이 두 가지

안녕하세요. 개발팀의 DevOps/SRE를 담당하고 있는 이창윤(CY Lee)입니다. 일전에 ClawHub 플러그인 이야기로 한 번 찾아뵀었는데, 이번엔 서비스 알림 때문에 생긴 고민과 그 해결 과정을 공유드리러 다시 돌아왔습니다. 여러분의 팀에는 하루에 알림이 몇 개나 쌓이나요? 유저 피드백, 결제 이벤트, 가입 이벤트, 그리고 SigNoz가 감지한 500 에러까지. 처음에는 이런 알림들이 각각 다른 Slack 채널로 들어오고 있었습니다. 채널이 유형별로 나뉘어 있으면 알림을 구분해서 보기에는 편했지만, 정작 지금 우리 서비스에 무슨 일이 일어나고 있는지 전체 상황을 한눈에 파악하기는 어려웠습니다. 그래서 흩어져 있던 알림을 하나의 Slack 채널로 모았습니다. 고객 이벤트와 시스템 알림을 한곳에서 볼 수 있게 되자 흐름을 파악하기는 한결 편해졌습니다. 그런데 정작 궁금한 건 따로 있었습니다. 급하게 대응해야 하는 알림이 정말 제대로 처리되고 있

여러분이 어릴 때 상상했던 미래 도시는 어떤 모습이었나요? 로봇이 아파트 단지의 쓰레기를 수거하고, 자율주행 차량이 도로를 달리며, 아이언맨의 자비스 같은 비서가 대신 일을 해주는 세상일 수도 있습니다. 영화 <월-E>에서는 사람들이 거대한 우주선 안 이동 의자에 앉아 가상세계 속에서 대부분의 일상을 보내기도 합니다. 미래 도시를 그린 수많은 상상 속 장면들은 서로 달라보이지만 한 가지 공통점을 가지고 있습니다. 바로 AI 입니다. 여러분이 이동을 할 때도, 누군가와 이야기를 할 때도, 업무를 할 때도 AI가 녹아들어 있습니다. 그런 점에서 미래 도시는 결국 수많은 AI 서비스가 동시에 작동하는 거대한 운영체제(OS)와도 같습니다. 최근에 이런 개념을 바탕으로 AI 시티, Agentic 시티라는 새로운 도시 비전이 등장하게 된 이유죠. 그런데 미래 도시의 AI 인프라는 어디서 어떻게 돌아가고 있을지 상상해보셨나요? 많은 사람들이 AI 시티를 이야기

월 20달러. 지금 AI 구독료는 한국 기준으로 대략 치킨 한 마리, 미국 기준으로는 스타벅스 커피 몇 잔 정도로 느껴집니다. BZCF의 한 글에서는 ChatGPT Plus나 Claude Pro 같은 월 $20 구독료가 미국·싱가포르·독일에서는 월급 대비 약 0.5%, 한국에서는 약 0.75% 수준이지만, 일부 개발도상국에서는 7~20%까지 체감될 수 있다고 비교했습니다. 같은 $20라도 어떤 나라에서는 생산성 도구이고, 어떤 나라에서는 부담스러운 고정비가 됩니다. 그런데 더 중요한 질문은 따로 있습니다. 이 가격이 앞으로도 월 $20에 머물 수 있을까요? 지금 우리가 내는 AI 구독료는 대부분 “대화형 AI” 기준입니다. 사람이 질문하고, 모델이 답하고, 다시 사람이 이어서 묻는 구조입니다. 하지만 AI가 점점 에이전트로 바뀌고 있습니다. 이제 AI는 답변만 하지 않습니다. 계획을 세우고, 검색하고, 파일을 읽고, 코드를 실행하고, 도구를 호출하

GPU를 사놓고 5%만 씁니다 2026년 4월, 기업 Kubernetes 클러스터의 평균 GPU 활용률이 5~30%에 머문다는 데이터가 나왔습니다. 시간당 $2 ~ $15(저가형 GPU와 고성능 GPU 평균치)를 소비하는 GPU가 대부분의 시간 동안 아무것도 하지 않고 있습니다. Cast AI 보고서는 사실 더 직접적입니다. 이 보고서에 따르면, 기업들은 실제 필요한 GPU 비용보다 평균 20배를 더 지출하고 있습니다. AI 경쟁에서 밀리지 않으려고 확보한 자원이 확보한 것만으로 비용이 쌓이고 있습니다. Kubernetes 클러스터 자원 활용률 현황 (출처: CAST AI) 그렇다면 왜 GPU는 놀고 있을까? 문제는 기술이 아니라 구조입니다. Kubernetes는 기본적으로 GPU를 분할 없이 할당합니다. 어떤 팀이 GPU를 예약하면, 그 팀이 쓰든 안쓰든 다른 팀은 접근할 수 없습니다. 모델 학습은 하루에 몇 시간이지만 GPU는 24시간 점유됩니

AI를 잘 활용한다는 것은, 누구나 필요할 때 원하는 만큼 AI를 사용할 수 있는 인프라에서 출발합니다. AI에 대한 관심이 높아지는 만큼, 이를 뒷받침하는 인프라 시장 역시 폭발적인 성장을 지속하고 있습니다. 글로벌 시장에서는 다양한 플레이어들이 각자의 방식으로 인프라 경쟁을 하고 있고 AIEEV도 그 흐름 속에 있습니다. 다만 저희는 기존의 중앙화된 데이터센터 중심 모델에서 벗어나 유휴 자원을 연결하는 분산 클라우드로 시장에 뛰어들었습니다. 오늘은 이 구조가 실제로 어느 정도의 비용 절감을 만들어내는지 주요 공급사들과의 가격 비교를 통해 살펴보겠습니다. Part 1: Air API 가격 비교 몇 달 전, 사용자의 명령만으로 컴퓨터에서 실제 작업까지 수행하는 AI 에이전트 'OpenClaw'가 등장했습니다. 이후 Hermes와 같은 새로운 AI 에이전트가 시장에 등장했고 Claude Code와 Codex는 기능을 빠르게 고도화하면서, 이른바 '잠

설명을 돕기 위해 AI로 생성된 그림입니다. 몇일 전 Meta가 CoreWeave와 $210억 규모의 AI 클라우드 계약을 2032년까지 연장했습니다. 기존 $142억 계약까지 합산하면 총 $350억이 넘습니다. 한화로 약 50조원입니다. CoreWeave는 이 계약을 발표한 시점 기준으로, 역대 가장 빠르게 $50억 ARR을 돌파한 클라우드 기업이 되었습니다. 숫자 자체보다 중요한 건 이 계약의 구조입니다. 쓸지 안 쓸지 모르는 GPU 용량을 몇 년 단위로 미리 확보하는 방식인 장기 용량 예약 모델은 대형 테크 기업들이 AI 인프라를 선점하기 위해 선택하는 대표적인 전략입니다. 🤔 왜 대형 테크 기업들은 장기 계약을 선택할까요? AI 인프라 경쟁에서 GPU 확보는 제품 출시 속도와 직결됩니다. 필요할 때 수급할 수 있는 시장이 아닙니다. NVIDIA Blackwell 시리즈처럼 수요가 폭발하면, 수급 타이밍을 놓친 기업은 수개월을 기다려야 합

전쟁과 지정학적 갈등 속에서 드러난 AI 인프라의 구조적 한계. 중앙 집중형 데이터센터의 취약성을 짚고, 분산형 인프라가 왜 새로운 기준이 되어야 하는지 살펴봅니다.

80GB GPU는 정말 필수였을까? TurboQuant가 KV 캐시를 압축하면서 LLM 추론 비용 구조가 바뀌고 있습니다.

유휴 GPU 연결해 AI 인프라 비용 절감, 분산 클라우드 전문 스타트업 에이아이브의 도전

SK AI Summit 2025 - 에이아이브 하이라이트

분산형 AI 클라우드 '에이아이브', 고비용 인프라 장벽 허문다

에이아이브 브랜드 가이드 제작기를 공유드립니다.

기획자에게 PRD란 무엇일까? : Air Cloud의 PRD를 공유해드립니다.

안녕하세요! AIEEV의 비즈니스 팀에서 서비스기획자로 열심히 성장 중인 윤아입니다. 🐥 이번 글에는 저희 Air Cloud의 기획 과정을 중심으로, 어떤 고민 끝에 이 서비스가 세상에 나오게 되었는지를 이야기해보려고 합니다. 이 글이 AI 모델을 구성/활용하는 많은 개발자들과 고객 User flow를 기획하는 기획자들에게 공감과 작은 도움이 되기를 바라며 Air Cloud의 탄생과 서비스화 과정을 지금부터 풀어보겠습니다 : ) 1. Air Cloud, 어떻게 시작했나요? 우리가 흔히 알고 있는 클라우드 서비스인 AWS나 Google Cloud는 중앙집중형 클라우드인데요, 이런 구조는 비용, 확장성, 자원 효율성 측면에서 한계가 존재합니다. Air Cloud는 이러한 문제에서 시작한 ‘분산형 클라우드 서비스’입니다. Air Cloud에서는 Air container 기능을 활용해 누구나 자신의 AI 모델이나 애플리케이션을 쉽게 클라우드에 올려서 실

At CES, we created a private Air Cloud on-site and delivered a live demo, highlighting the cost-effectiveness and reliability of our distributed GPU cloud solution to a global audience. Despite the challenges of setting up a private Air Cloud due to internet limitations, we were excited to connect with potential customers face-to-face. The showcase provided us with valuable feedback and opened up exciting business opportunities. With our successful closed beta completed with