한컴 판교 사무실에 처음으로 방문했습니다. 그만큼 저도 한컴도 피차 관심이 없었던 관계였습니다. 한컴이 해외 사업 확대라는 오랜 숙제에 다시 도전장을 냈습니다. 김연수 한컴 대표는 10월 29일 판교 한컴타워 '노마디안 데이' 기자간담회에서 AI 워크포스 플랫폼 '노마디안(Nomadian)'을 앞세워 별도 기준 해외 매출 비중을 2028년 40%, 2030년 50%까지 끌어올리겠다고 밝혔습니다. 한컴이 반기보고서를 인용해 제시한 올해 상반기 해외 매출 비중은 0.3%입니다.

과거와 무엇이 달라졌느냐는 질문에 김 대표는 지난 5년간의 기술 모듈화와 함께 클라우드·오픈소스로 바뀐 사업 환경을 꼽았습니다. PDF 문서에서 텍스트·표·이미지를 추출하는 오픈소스 프로젝트 '오픈데이터로더'는 올해 3월 깃허브 전체 개발 언어 대상 트렌딩 1위에 올랐고, 깃허브 스타는 3만 개를 넘었다고 소개했습니다. 깃허브 스타가 유료 고객이나 매출을 뜻하는 것은 아니지만, 직원들이 해외에서도 통할 수 있다는 공감대를 만들었다는 설명입니다.

실행 방식도 과거와 다릅니다. 미국에 개발 조직을 따로 두기보다 기능별로 필요한 역할을 채용하고, 제품·사업 모델 설계와 시장 진출 전략은 AWS와 함께, 마케팅은 시카고의 비주얼피즈, 서비스 운영·품질 검증은 클릭잇, 고객 응대는 태스크어스의 미국인 상담사가 맡습니다. 한국에 먼저 최적화한 서비스를 다시 해외에 맞추는 시행착오를 피하려고 미국부터 출시한다는 설명입니다. 12월 15일 미국 베타 서비스를 시작하고, 2027년 3월 글로벌 상용 출시 때 한국어를 지원합니다. 표준 요금은 월 40달러, 2028년 글로벌 유료 고객 목표는 50만 명입니다.

다만 시험대는 이제부터입니다. 파트너 중심 전략은 속도를 얻지만, 미국 고객의 목소리가 제품 개발에 얼마나 빨리, 정확하게 반영되느냐가 관건입니다. 베타 신청 수보다 실제 이용률과 이탈률, 2027년 3월 과금 시작 이후의 유료 전환율이 한컴의 근육을 처음으로 계량하는 지표가 될 것입니다.

현재 한컴에 근무하는 이들 중 창립 초기 멤버는 하나도 없다고 합니다. 새로운 이들이 새롭게 이끌고 있습니다. 정부의 우산 아래 땅짚고 헤엄치기 한다는 비판도 많았습니다. 저라도 그 기회를 스스로 허물지는 않을 거 같습니다. 지갑이 두둑하니까요. 그럼에도 그들도 뭔가를 보여줘야 하는 시대인 건 맞습니다. 오히려 당신들은 초기 멤버가 아니니 기득권을 가질 이유가 없다고 지적해도 할 말이 없을 겁니다.

한컴의 새로운 도전을 멀리서나마 응원합니다. 그들이 내세운 시간은 몇년 안됩니다. 모쪼록 그 때까지 현장을 잘 지킬 수 있게 열심히, 잘 해야겠습니다.

Look Only When Needed: Certificate-Guided Visual Routing for Efficient Diffusion VLMs

사진 속 물체를 설명하는 AI는 답변을 만드는 내내 같은 이미지를 다시 처리해야 할까요? 확산형 시각언어모델은 가려진 답변의 빈칸을 여러 차례 채우는데, 그때마다 이미지 정보까지 함께 계산합니다. KAIST·에이아이트릭스 연구진은 이 반복을 줄이는 LOWN을 제안했습니다. 먼저 이미지를 보고 얻은 예측을 저장한 뒤, 다음 단계에서는 이미지 없이 글만으로 예측합니다. 두 예측이 일치하면 저장한 결과를 활용하고, 어긋나면 이미지 정보를 다시 처리합니다. 확신이 높은 위치부터 일치 여부를 살펴 한 번에 채울 분량도 정합니다. 이미지의 일부를 영구히 버리는 대신 필요할 때 다시 참고하는 구조이며, 추가 학습이나 과제별 기준값 조정은 필요하지 않습니다.

연구진은 LLaDA-V 모델에 이 방식을 적용해 문서·차트 이해와 수학 추론 등을 포함한 벤치마크 10개를 평가했습니다. 기존 모델 점수를 기준으로 정규화한 평균은 99.6%를 유지했고, 답변 생성 단계의 연산량은 기존의 평균 35.3%로 줄었습니다. 정답률이 99.6%라는 뜻은 아닙니다. 성적이 오른 과제의 이득을 제외하고 계산하면 유지율은 98.6%입니다. 엔비디아 H200에서 요청을 하나씩 처리했을 때 생성 시간은 평균 57.4% 짧아졌습니다. 시간 측정에는 이미지 인코딩이 포함됐지만 모델 적재와 평가 채점은 빠졌습니다. 따라서 연산량 감소율과 전체 서비스의 비용 절감률을 같은 수치로 읽어서는 안 됩니다.

기업에는 모델을 더 작게 만드는 방법 외에, 같은 자료를 불필요하게 되풀이해 계산하지 않는 방법도 있다는 시사점을 줍니다. 다만 아직 사전공개 논문이고, 검증 대상도 확산형 모델입니다. 일반적인 모든 멀티모달 서비스에 그대로 적용할 수는 없습니다. 이전 예측을 재사용하면 새로 이미지를 처리한 결과와 달라질 수 있고, 그림 속 글자나 차트를 꼼꼼히 읽는 과제에서는 절감 폭이 작습니다. 요청마다 계산량도 달라집니다. 문서 분석 서비스를 운영한다면 평균 속도뿐 아니라 작은 글씨를 놓치는 오류와 요청별 지연시간까지 함께 검증해야 합니다.

arXiv 프리프린트(2026년 10월 27일 공개) 게재. 동료 심사 전 단계이며, 확산형 시각언어모델 대상 검증이라는 점을 염두에 두고 읽어야 합니다.