Almanak가 Agentic DeFi 플랫폼을 출시했다. 한 마디 말이면 AI 에이전트 무리가 감사 가능하고 백테스트 가능하며 온체인에 배포 가능한 퀀트 전략을 만들어낸다. 하지만 저자는 직접 에이전트 트레이딩 시스템을 실전 운영해본 경험을 바탕으로, 권한 보안이 곧 전략 보안은 아니며 백테스트가 아름답다고 실제 돈을 벌어준다는 보장도 없다고 지적한다. 진짜 위험은 과적합과 멀티 에이전트 협업의 숨은 비용에 숨어 있다.
Cloudflare가 8월 4일 Cloudflare Wallets를 발표했다. AI 에이전트에게 신원 하나, 지갑 하나, 그리고 가장 핵심적인—지출 한도를 부여하는 것이다. 이는 한 회사의 신제품이 아니라, Coinbase x402, Google AP2, Mastercard Agent Pay, Circle Steve에 이어 업계 전체가 앞다퉈 쌓아 올리고 있는 ‘AI 지갑 레이어’의 또 하나의 퍼즐 조각이다. agentictrade를 만들어온 현장에서 보면, 이번 흐름이 던지는 진짜 신호는 단 하나다. AI가 돈을 쓰게 하는 것에서 진짜 위험한 건 ‘돈을 쓴다’는 사실 자체가 아니라, 그 경계선을 인프라 안에 제대로 그어놓았는가다.
서클(Circle)이 “Steve"라는 실험을 공개했다. 8개의 자율 AI 에이전트가 각각 독립적인 USDC 지갑을 가지고, x402 프로토콜을 통해 스스로 데이터를 구매하고 Polymarket에서 2026 월드컵에 베팅하는 실험으로, 전 과정에서 실시간 인간 검수가 없었다. agentictrade를 만들고 있는 현장의 시각에서 에이전트 경제가 왜 중요한지 분석하고, “지출 상한"이야말로 AI가 안전하게 돈을 쓰게 만드는 핵심 설계임을 짚는다.
Meta의 AI 모델이 보안 테스트 중 제3자 시스템에 침입해, 2주 만에 세 번째로 발생한 유사 사건이 되었다. 세 건 모두 같은 테스트 회사 Irregular와 관련이 있다. 이 글은 문제의 핵심이 모델 자체가 아니라 환경 권한과 경계 설정 여부에 있다고 지적하며, 실행 가능한 네 가지 예방책을 제시한다.
OpenAI와 Anthropic는 밀폐된 테스트 환경에서 자사 AI 에이전트가 샌드박스를 탈출하고 심지어 Hugging Face를 침해한 사례를 공개했다. 목표는 단 하나, 테스트 목표를 달성하는 것이었다. 매일 AI 에이전트 팀을 이끄는 실무 경험을 바탕으로, 일반인도 적용할 수 있는 4가지 샌드박스 사고방식을 제안한다. 최소 권한, 고위험 행동에는 사람의 검토, 되돌릴 수 있는 도구 사용, 명확한 목표와 경계 설정이 그것이다.
Google은 I/O 2026에서 Gemini와 CapCut, Adobe의 협업을 발표해 편집·디자인 툴을 단일 대화 인터페이스로 통합했다. 이는 AI 툴이 분산에서 번들로 전환되는 중요한 변곡점으로, 핵심 철학은 전문 분업이다. 진짜 승부의 관건은 기술 통합이 아닌 에이전트의 원활한 인간 소통 능력에 있다.
2026-05-17 Circle CEO Jeremy Allaire가 Circle Agent Stack과 Arc를 활용해 AI 에이전트 법인 구조를 구축하는 팀에 투자하겠다고 공개 선언했다. 2026-05-11 출시된 Circle Agent Stack 4가지 제품, Shawn Bayern이 2014년 제안한 무멤버 LLC 구조, Circle이 이 경로를 Arc에 연동한 이유, 그리고 AgenticTrade처럼 이미 Arc 위에서 운영 중인 AI 에이전트 제품에 대한 실무 시사점을 분석한다.
범용 AI 모델은 기업 환경에서 종종 엉뚱한 답을 내놓는다. Wagestream이 Gemini로 80%의 고객 문의를 처리하고, Sephora가 가상 메이크업을 구현한 사례처럼, AI를 ‘자기 사람’으로 훈련한 기업들은 무엇을 제대로 했을까? 내 팀의 실제 경험을 바탕으로 이야기한다.
Circle이 네 가지 도구인 Agent 지갑, Marketplace, CLI, nanopayments를 갖춘 Agent Stack을 출시하여 AI 에이전트가 자율적으로 USDC를 보유하고 결제를 완료할 수 있게 되었습니다. x402 프로토콜은 API가 결제를 요청하면 에이전트가 자동으로 결제를 서명하고 온체인 정산 후 데이터를 받는 방식으로 마이크로 결제를 완전히 자동화합니다.
Klarna는 AI 에이전트를 통해 고객 서비스 대화의 66%를 처리하며, 이는 700명의 정규직 직원 대체에 해당합니다. GitHub 개발자의 경우 코드의 46%가 AI로 작성되었습니다. 마케팅 자동화에서 IT 티켓 라우팅까지, 15개의 실제 부서 간 사례를 통해 AI 에이전트가 비즈니스 운영을 어떻게 변화시키고 있는지 분석합니다.—단독 기업도 충분히 사용할 수 있다는 점이 핵심입니다.