메타의 20억 달러 대담한 투자, 당신의 AI 동료를 만든다

첫 번째 진지한 대화부터 20억 달러 인수 계약서 서명까지 10일은 오타처럼 들립니다. 하지만 메타와 마누스에게는 전체 일정이었습니다. 긴 시간에 걸친 구애도, 1년짜리 규제 드라마도 없이, 스타트업의 시드 라운드처럼 보이는 압축되고 고속의 거래였습니다.

메타는 대략 20억 달러를 지불하여 매너스를 세 번째로 큰 거래로 만들었으며, 이는 왓츠앱과 2025년도에 Scale AI에 대한 투자 뒤에 위치합니다. 이 가격표는 매너스를 즉시 "핫 스타트업" 범주에서 끌어내어 메타의 핵심 전략으로 확고히 자리잡게 했으며, 인스타그램과 왓츠앱과 함께 기본적인 베팅으로 간주되고 선택적인 실험이 아닙니다.

속도와 규모는 AI 산업에 즉각적인 충격파를 일으켰습니다. 최근에 약 1억에서 1억 2천 5백만 달러의 연간 반복 수익(ARR)에 도달하고 147조 개 이상의 토큰을 처리한 한 회사가 한 기술 대기업을 긴급 속도로 움직이게 했습니다. 경쟁자들은 이를 사이렌으로 받아들였습니다: 능동적 시스템은 더 이상 부수적인 과제가 아니라 기본 요구사항이 되었습니다.

산업 내부자들은 이미 "모델 능력 과잉"에 대해 걱정해왔고, 그들의 주장은 20억 달러에서 증명이 되었습니다. 메타는 문제는 더 스마트한 모델이 아니라 구조(스캐폴딩)—AI 에이전트가 코드를 작성하고, 가상 머신을 생성하며, 8천만 대 이상의 가상 컴퓨터를 신뢰성 있게 운영하게 해주는 실행 레이어라고 효과적으로 신호를 보냈습니다. 매너스는 메타가 그 결여된 레이어에 대한 답이 되었습니다.

랜드마크 거래들과 비교할 때, 그 속도는 거의 비현실적으로 보입니다. 마이크로소프트의 오픈AI 파트너십은 수년에 걸쳐 발전해왔고, 애플의 내부 AI 추진은 조심스럽고 점진적인 단계로 진행되고 있으며, 2012년 인스타그램의 페이스북 판매조차 몇 주간의 협상이 필요했습니다. 10일 만에 이루어진 수억 달러 규모의 악수는 이사회 결정의 새로운 기준으로 부각됩니다.

그 속도는 또한 최전선의 긴박함을 드러냅니다. 메타는 아직 OpenAI, Anthropic 또는 구글 딥마인드가 주장하는 방식의 명확한 "최전선 모델"을 보유하고 있지 않습니다. 이미 최고 수준의 외부 모델 위에서 운영되고 있는 Manus를 인수함으로써, 메타는 한 번의 움직임으로 시간과 인재, 그리고 실행 레이어를 확보했습니다. 그리고 그 모든 과정을 단일하고 frenzied한 스프린트로 압축했습니다.

범용 AI 에이전트는 추상적으로 들릴 수 있지만, 아이디어는 간단합니다: 질문에 답하는 챗봇 대신, 계획하고 클릭하며 입력하고 앱을 인간처럼 운영할 수 있는 소프트웨어 작업자를 얻게 됩니다. 단순히 대화하는 것이 아니라, 작업을 맡기면 에이전트가 모호한 요청에서 완성된 결과물까지 어떻게 진행할지 스스로 알아냅니다.

Manus는 샌드박스 데모가 아닌 전체 가상 컴퓨터 안에 살아있는 에이전트를 구축했습니다. 각 에이전트는 브라우저를 열고, 오피스 스타일의 앱을 실행하며, 파일을 관리하고, 사람의 조작 없이 수십 개의 단계를 연결할 수 있습니다.

핵심 능력은 많은 지식 노동자들이 하루종일 하는 일과 불편할 정도로 가까워 보입니다. Manus 에이전트는 생산 수준의 코드를 작성하고, 레거시 코드베이스를 리팩토링하며, 개발 환경을 구성하고, 테스트를 실행할 수 있습니다. 같은 에이전트는 이후 PowerPoint에서 피치 덱을 만들기 위해 스프레드시트에서 차트를 가져오고, 제품 목업에서 스크린샷을 캡처할 수 있습니다.

텍스트 예측에서 실제 작업으로의 그 전환은 Manus가 실행 레이어라고 부르는 것에서 비롯됩니다. 대규모 언어 모델은 "두뇌"를 제공하지만 — 추론, 계획, 자연어 이해 — 마우스나 키보드를 사용할 수는 없습니다. Manus는 이러한 모델을 실제 기계에서 고수준의 계획을 구체적인 UI 작업으로 변환하는 인프라로 감쌉니다.

실행이란 에이전트가 단순히 “X를 해야 한다”고 말하는 것이 아니라 실제로 X를 수행한다는 의미입니다. 에이전트는 소프트웨어를 설치하고, 웹 대시보드에 로그인하며, 도구 간 데이터를 이동하고, 웹사이트 레이아웃이 변경되거나 스크립트가 오류를 일으킬 때 복구할 수 있습니다. 이 모델에 대한 구조는 상태, 메모리 및 오류 수정을 처리합니다.

“지난 12개월간의 광고 지출을 감사하고 어떤 항목을 줄여야 하는지 알려달라”고 Manus 에이전트에게 요청하는 모습을 상상해 보세요. 이 에이전트는 Meta Ads와 Google Ads에 로그인하여 보고서를 내보내고, 스프레드시트에서 데이터를 정규화한 다음, 기본적인 기여 분석을 실행하고, 추천하는 예산 조정에 대한 요약 및 슬라이드 데크를 작성할 수 있습니다.

또는 제품 팀이 Manus에게 버그 리포트와 GitHub 저장소를 전달하는 모습을 상상해 보세요. 에이전트는 가상 환경에서 문제를 재현하고, 문제를 일으킨 커밋을 추적하고, 수정 사항을 제안하며, 테스트와 함께 풀 리퀘스트를 열고, 슬랙에 상태 업데이트를 게시합니다. 시작부터 끝까지 모든 과정을 사람이 키보드를 터치하지 않고 수행하는 것입니다.

제로에서 전설까지 Manus는 겨우 1년이 걸렸습니다. 이 회사는 은밀한 출시에서 눈부신 1억 2500만 달러 ARR 실행률로 성장했습니다. 이는 대부분의 SaaS 창립자들이 5년이 아닌 12개월 안에 얻고 싶어하는 궤적입니다. 수익은 사용량을 따라갔고, 사용량은 기록을 깼습니다.

Scale은 스타트업이라기보다 인터넷 프로토콜에 가깝게 보였다. Manus 에이전트는 147조 개 이상의 토큰을 처리했으며, 이는 그들을 최고의 LLM 플랫폼들과 같은 대화 주제에 올려놓았다. 이 에이전트들은 또한 AI가 조작할 수 있도록 소프트웨어, 파일, 도구가 있는 일회용 작업 공간인 8,000만 개 이상의 가상 컴퓨터를 생성했다.

그 가상 컴퓨터 트릭은 실제로 큰 문제를 해결했습니다. 기업들은 기발한 챗봇을 원한 것이 아니라, 대시보드에 로그인하고, 코드베이스를 리팩토링하며, 슬라이드 덱을 업데이트하고, 준수를 해치지 않으면서 티켓을 제출할 수 있는 AI를 원했습니다. Manus는 이를 소규모 연구실을 고용하지 않고도 기업들이 배포할 수 있는 구독 제품으로 감췄습니다.

에이전틱 AI에 대한 시장 수요는 회의론자들이 주장한 것보다 훨씬 덜 가상적인 것으로 밝혀졌다. 팀들은 Manus를 사용하여 다음을 자동화했다: - 연구 스프린트 - 데이터 정리 및 보고 - 일상적인 엔지니어링 및 DevOps 작업 - 재무, 인사 및 지원 부서의 내부 운영 워크플로우

각각의 성공적인 워크플로우는 플랫폼을 더 매력적으로 만들어 사용량과 연간 반복 수익(ARR)을 증가시켰습니다.

메타가 연락을 취했을 때, 매너스는 더 이상 위험한 투자로 보이지 않았다; 미래 AI 작업을 위한 기본 실행 레이어처럼 보였다. 메타는 이미 대규모로 에이전트 수요를 검증하고, 수조 개의 토큰에 대한 인프라를 스트레스 테스트했으며, AI 동료를 자연스럽게 받아들이는 사용자 기반을 구축한 회사를 눈여겨보았다. 출처에서 직접 확인할 수 있는 자세한 내용은 매너스가 블로그 게시물에서 조용히 자신의 성장 경로를 정리한 글에서 확인할 수 있다: 매너스, 혁신의 다음 시대를 위해 메타에 합류하다.

메타의 매너스(Manus) 인수는 흥미롭지만 중요한 아이디어인 “모델 역량 오버행” 문제를 중심으로 진행됩니다. 이는 대규모 언어 모델들이 이미 얼마나 똑똑한지를 보여주는 것과 그 지능이 실제 작업에서 얼마나 적게 나타나는지 간극을 의미합니다. 모델은 벤치마크를 완벽하게 수행하고 우아한 코드 조각을 작성할 수 있지만, 여전히 신뢰성 있게 판매 보고서를 실행하거나 제품 기능을 처음부터 끝까지 배포하는 데 실패할 수 있습니다.

원시 모델 지능은 질문에 답변합니다; 작업은 다단계 실행을 요구합니다. 기능을 배포하는 것은 사양을 읽고, 코드베이스를 수정하고, 테스트를 실행하고, 문서를 업데이트하고, 티켓을 제출하고, 슬랙에 게시하는 것을 의미합니다. 채팅 스타일 모델은 각 단계에서 도움을 줄 수 있지만, 워크플로우를 소유하거나 상태를 추적하거나 중간에 문제가 발생했을 때 복구하는 기능은 없습니다.

Manus는 연결하는 최전선 모델 주위에 비계 역할을 하며 그 격차를 공격합니다. 그 에이전트들은 단순히 반응하는 것이 아니라, 계획하고, 순서를 정하며, 작업을 모니터링합니다. 그들은 Manus가 구동하는 8천만 개 이상의 가상 컴퓨터 중 하나를 즉시 생성하고, 도구를 설치하며, 스크립트를 작성하고 실행하며, 구체적인 목표가 달성될 때까지 반복할 수 있습니다.

그 골조는 채팅봇 같기보다는 AI 작업자를 위한 운영 체제 같아 보입니다. 매뉴스 에이전트는: - 프로젝트에 대한 장기적인 맥락을 유지합니다 - 브라우저, IDE, 파워포인트와 같은 도구를 호출합니다 - 세션 간의 오류 처리, 재시도 및 분기 로직을 관리합니다

모델 제공업체들은 토큰에 집중하지만, 매너스는 환경에 집중합니다. 이 회사는 이미 147조 개 이상의 토큰을 처리했지만, 그 가치가 텍스트 자체가 아니라 이 토큰들이 파일, API 및 GUI를 어떻게 전송하는지에서 나옵니다. "이 질문에 답하라"는 "이 프로세스를 소유하라"로 바뀝니다.

메타의 20억 달러 베팅은 다음 AI 군비 경쟁이 더 큰 대형 언어 모델(LLM)만이 아니라 그 위의 실행 레이어를 누가 제어하는지에 관한 것임을 시사합니다. Manus는 현재 제3자 프론티어 모델에서 운영되며, 메타는 그 분야에서 여전히 OpenAI 등에게 뒤쳐져 있습니다. Manus를 인수함으로써 메타는 기본 모델 성능을 따라잡기 위해 노력하는 동시에 애플리케이션 분야에서 경쟁할 수 있게 됩니다.

메타는 실제로 보유하고 있지 않은 모델로 운영되는 회사를 인수했습니다. 매너스는 경쟁사로부터의 프론티어 모델을 기반으로 한 1억 2500만 달러 ARR 에이전트 플랫폼을 구축했으며, 메타의 자체 스택을 기반으로 하지 않았습니다. 이제 메타는 에이전트 레이어를 소유하게 되었지만, 이를 뒷받침하는 뇌를 공급하는 경쟁에서는 여전히 뒤처져 있습니다.

OpenAI, Google, 및 Anthropic은 모두 GPT-4와 GPT-4o, Gemini 1.5 Pro, Claude 3.5 Opus와 같이 최첨단으로 간주되는 모델을 출시합니다. 이러한 시스템은 이미 Office, Workspace 및 기업 워크플로에 내장된 보조 도구를 운영하며, 모델 혁신과 실제 사용 데이터 간의 밀접한 피드백 루프를 창출합니다. 반면에 Meta는 비용과 개방성으로 찬사를 받는 오픈 웨이트 패밀리인 Llama 3를 제공합니다. 절대적인 최첨단 기능으로는 평가받지 않습니다.

메타의 이번 움직임은 사실상 AI 전략을 두 개의 전선으로 나누게 됩니다. 한 전선에서는 Manus가 에이전트 레이어를 소유하려는 노력이 되고 있습니다: 계획, 도구 사용, 및 원모델을 작업자로 전환하는 “가상 컴퓨터” 환경입니다. 다른 전선에서 메타는 자사의 강력한 오픈 모델인 Llama를 오늘날 Manus가 의존하는 독점 엔진을 신뢰할 수 있는 대체물로 발전시키기 위해 분주히 발빠르게 움직여야 합니다.

그 두 가지 전략은 실제 실행 위험을 도입합니다. Manus 에이전트는 8000만 개 이상의 가상 머신을 가동하고 147조 개 이상의 토큰을 처리했으며, 이는 과제에 가장 잘 맞는 모델을 활용한 결과라고 전해집니다. 메타가 GPT-4급 성능을 달성하기 전에 Llama로 조기 전환을 강요한다면, 20억 달러 규모의 인수는 기존 Manus 고객에게 하향 조정으로 이어질 위험이 있습니다.

현재 압박은 메타가 이전에 경험하지 못한 방식으로 라마 팀에 집중되고 있습니다. 매너스는 단순히 괜찮은 오픈 모델이 필요한 것이 아니라, 장기 계획, 다단계 도구 사용 및 코드 중심의 작업 흐름을 오류 없이 처리할 수 있는 최고의 추론 엔진이 필요합니다. GPT-4, 제미니 또는 클로드와의 기준선에서 미달되는 모든 경우는 메타의 새로운 에이전트 플랫폼의 가치를 직접적으로 훼손하고 있습니다.

메타의 경쟁자들은 더 깔끔한 스택을 누리고 있습니다. OpenAI는 ChatGPT와 그 기반 모델을 모두 제어하고 있으며, Google은 Gemini를 검색, 문서, Android와 결합하고 있습니다. Anthropic은 Claude를 API 우선의 어시스턴트로 집중하고 있습니다. 반면 메타는 빠르게 발전하는 Llama 로드맵과 Manus의 에이전트 인프라를 결합하는 데 베팅하고 있어 단순히 따라잡는 것이 아니라 앞서 나갈 수 있을 것이라 기대하고 있습니다.

그 내기가 실패하면 매너스는 다른 사람의 두뇌에 연결된 뛰어난 인터페이스로 남게 된다. 성공하면 메타는 더 위험한 것을 얻게 된다: 메타의 플랫폼에서 살아가는 AI 동료로, 메타의 자체 스택으로 엔드 투 엔드 구동되며 더 이상 다른 어떤 외부의 의존에 놓이지 않게 된다.

챗봇은 반응합니다. 당신이 입력하면 그들이 응답합니다. 에이전트는 그 방식을 뒤바꿉니다: 그들은 목표를 설정하고, 계획을 세우며, API를 호출하고, 앱을 열고, 당신이 탭을 닫은 후에도 계속 작업을 진행합니다. 더 이상 단순한 검색 상자가 아니라 마치 후배 동료처럼 일하는 것입니다.

오늘날의 고객 지원 봇이나 웹사이트 도우미와 같은 반응형 시스템은 단일 대화 창 안에 존재합니다. 이들은 귀하의 일정을 기억하지도 않고, 파일을 열지도 않으며, 도구 간의 협업을 하지도 않습니다. 반면에 능동형 에이전트는 귀하의 이메일, 문서, CRM, 내부 대시보드 위에서 운영되며, 귀하의 지시를 기다리지 않고 다음에 무엇을 할지 결정합니다.

당신보다 먼저 깨어나는 AI 에이전트가 있는 근무일을 상상해보세요. 이 에이전트는 밤새 받은 이메일을 스캔하고, 스레드를 분류하며, 답장을 초안하고, 실제 작업처럼 보이는 것들에 대해 당신의 캘린더에 시간을 차단합니다. 당신이 로그인이 끝났을 때, 넘치는 받은편지함 대신 짧은 브리핑을 받게 됩니다.

낮 동안, 동일한 에이전트는: - Salesforce와 내부 데이터베이스에서 데이터를 가져올 수 있습니다. - 차트가 포함된 슬라이드 데크를 PowerPoint에서 작성할 수 있습니다. - 티켓을 제출하고, Notion 문서를 업데이트하며, Slack에서 팀원에게 연락할 수 있습니다.

이제 그것을 회사 전반에 확장해 보십시오. 연구 분석가들은 수백 개의 PDF와 대시보드를 동시에 읽는 에이전트에게 문헌 검토와 데이터 수집을 맡깁니다. 제품 관리자는 에이전트가 사용자 지표를 모니터링하고, 버그 보고서를 작성하며, 로드맵 조정을 제안하도록 합니다. 인사팀은 후보자를 소싱하고, 인터뷰를 일정 잡으며, 맞춤형 온보딩 계획을 생성하는 에이전트를 보유하고 있습니다.

지식 기반 작업은 더 이상 고정된 직무 설명처럼 보이지 않고 오히려 조율처럼 보이기 시작합니다. 인간은 목표, 제약 및 취향을 정의하고, AI 에이전트가 현재 화이트칼라 주간의 30-50%를 차지하는 잔여 작업—상태 보고서, 시스템 간 복사 및 붙여넣기, 수동 품질 검사, 캘린더 테트리스 등을 처리합니다.

기업 구조는 이로 인해 변화합니다. 팀은 축소되지만 더 많은 성과를 냅니다. 한 관리자는 소규모 팀을 "감독"하고, 컴플라이언스 검사, 재무 모델링 또는 사용자 조사에 특화된 많은 에이전트들을 관리할 수 있습니다. 성과 평가에서는 디지털 직원의 디자인, 모니터링 및 디버깅을 얼마나 잘 수행하는지를 측정하기 시작합니다.

메타의 20억 달러 규모의 매너스 인수는 이 주체적인 미래가 2030년 이야기가 아님을 가장 명확하게 보여주는 신호입니다. 매너스는 이미 8천만 개 이상의 가상 컴퓨터를 작동시키고 147조 개의 토큰을 처리하는 에이전트를 운영하며, 조용히 유료 고객을 위해 실제 작업을 수행하고 있습니다. 메타가 이 베팅을 어떻게 포지셔닝하고 있는지에 대한 더 깊은 분석은 메타, 자율 AI 에이전트를 강화하기 위해 매너스 인수를 참조하세요.

메타는 지분을 확보하고, 샤오홍은 매누스가 운전대를 유지해야 한다고 주장한다. 인수 후 메모에서 그녀는 매누스가 “운영 독립성”을 유지하며, 이번 거래가 “매누스의 작업 방식이나 의사 결정 방식에 변화를 주지 않는다”는 점을 강조한다. 이 약속은 중요하다. 왜냐하면 매누스의 가치는 복잡한 메타의 관료제에 편입되는 것에 있지 않고, 그 주체적인 기술과 까다로운 기업 고객 간의 긴밀한 피드백 루프에 있다는 점이다.

싱가포르에서 매너스를 운영하는 것은 단순한 감정적 선택이 아닙니다. 이 회사는 이미 구독 앱과 웹사이트를 통해 전 세계 고객을 서비스하고 있으며, 그 사용자들은 메타 계정이나 인스타그램 로그인으로 강제로 이전하는 것이 아닌 연속성을 기대합니다. 동일한 URL, 청구 흐름 및 지원 채널을 유지하는 것은 이것이 단지 메타 AI 내의 데모가 아닌, 여전히 구매할 수 있는 제품임을 알리는 신호입니다.

역사는 거대 기업이 스타트업을 인수할 때 어떤 일이 일어나는지 끊임없이 경고하고 있습니다. 구글의 네스트, 페이스북의 인스타그램 인수, 그리고 수많은 소규모 거래는 통합이 제품 속도를 저하시킬 수 있고, 초기 사용자들을 소외시키며, 핵심 인재를 빼앗아 갈 수 있다는 것을 보여줍니다. 메타는 여기서 다른 플레이북을 시도하는 것으로 보입니다: 매뉴스를 내부 스타트업처럼 자금 지원하면서도 에이전트 스타일의 실험을 저해하는 느린 다중 팀 의존성 사슬을 피하려고 합니다.

“더 강력하고 지속 가능한 기반”이라는 표현은 로드맵의 함의를 unpack 하지 않으면 홍보용 미사여구처럼 들린다. Manus에게 이는 메타의 데이터 센터 전역에서의 보장된 GPU 접근, Facebook, WhatsApp, Instagram 같은 1차 표면과의 더 깊은 통합, 그리고 단기 ARR 최적화 대신 더 야심찬 에이전트 기능을 추구할 수 있는 자금 조달을 의미할 가능성이 높다. 열려 있는 질문: "지속 가능하다"는 것은 느려진다는 의미일까?

더 강력한 토대는 보이지 않는 안전 장치와 함께합니다. 메타의 개인 정보 보호 규칙, 브랜드 안전 정책 및 규제 노출은 매너스 에이전트가 자동화할 수 있는 요소, 사용할 수 있는 도구 및 위험한 기능에 대해 얼마나 적극적으로 반복할 수 있는지를 결정짓습니다. 매너스는 홍이 메타의 인프라를 사용하면서 메타의 모든 것을 중앙 집중화하고, 정제하고, 표준화하려는 본능을 물려받지 않으면 그 영혼을 유지할 수 있습니다.

메타는 AI 군비 경쟁에서 새로운 방향으로 나아갔습니다. OpenAI와 구글의 벤치마크 차트를 쫓는 대신, 약 20억 달러를 Manus라는 회사에 투자했습니다. 이 회사의 주장은 모델은 충분히 좋다는 것이며, 필요한 것은 실제로 작업을 수행할 수 있는 에이전트라는 것입니다. 이 결정은 두 경쟁사의 전략에서 약한 부분을 겨냥하고 있습니다. 즉, 원시 모델 지능을 신뢰할 수 있는 엔드 투 엔드 워크플로우로 전환하는 복잡하고 매력 없는 문제를 해결하려는 것입니다.

구글과 오픈AI는 여전히 프론티어 모델이 플랫폼이라는 비전을 판매하고 있습니다. GPT-4, 제미니 및 그 후속 모델이 중심에 있고, 플러그인, 액션 및 API가 그 주위를 돌고 있습니다. 메타는 사실 반대의 입장을 취하고 있습니다: 진정한 플랫폼은 어떤 모델, 어떤 도구, 어떤 환경도 조정할 수 있는 실행 레이어이며, 마누스는 이미 수백만 개의 가상 머신에서 이를 수행하고 있습니다.

마누스의 에이전트는 코드를 작성하고, 파워포인트를 조작하며, 전체 데스크탑을 운영하고, 복잡한 연구 작업을 조정할 수 있습니다. 이 모든 것은 가장 성능이 좋은 모델에 의해 구동됩니다. 이러한 점에서 마누스는 위험할 정도로 휴대성이 뛰어납니다: 오늘은 OpenAI를, 내일은 메타의 미래 모델을, 그 다음에는 미스트랄을 교체할 수 있습니다. 만약 메타가 이를 페이스북, 인스타그램, 그리고 왓츠앱에 연결할 수 있다면, 경쟁 모델이 내부에서 작동하더라도 매일 사용자들이 접촉하는 에이전트를 통제하게 됩니다.

구글과 오픈AI는 이제 불편한 질문에 직면해 있습니다: 모델의 우위를 계속 유지할 것인지, 아니면 Manus 스타일의 에이전트에 맞추기 위해 경쟁할 것인지. 명백한 대응책은 다음과 같습니다: - 유사한 “AI 동료” 스택을 구축하는 경쟁 에이전트 스타트업 인수 - 워크스페이스 및 오피스 경쟁 제품에 더 공격적인 자율 에이전트를 번들로 제공 - 메타 스타일의 추상화를 방지하기 위해 에이전트를 자사 모델에 tightly 연결

전략적으로, 이것은 플랫폼의 최종 목표처럼 보입니다. 메타가 소셜, 메시징 및 기업 워크플로에 내장된 기본 작업 에이전트를 소유하게 되면, 안드로이드가 핸드셋 제조업체를 상품화한 것처럼 기본 모델을 상품화할 수 있습니다. 구글과 오픈AI는 메타가 관계, 데이터 소모, 그리고 배급을 소유하는 동안 서로 바꿔 사용할 수 있는 인프라가 될 위험에 처해 있습니다.

메타는 몇 년 후에 아무도 "이건 어떤 모델로 했나요?"라고 묻지 않을 것이라고 예측하고 있습니다. 대신에 "어떤 에이전트가 내 작업을 수행하나요?"라고 물을 것이라는 것입니다. 메타는 매너스와 함께 그 답변이 자사에 되길 원하며, 다른 모든 경쟁자들이 그 판에서 경쟁하도록 만들려고 합니다.

메타는 단순히 페이스북에 채팅봇을 추가하기 위해 20억 달러를 쓴 것이 아니다. 메타는 라마를 무기화하기 위해 매너스를 인수했다. 수년간 메타는 오픈 소스 모델에 수십억 달러를 쏟아부으면서 라마 2와 라마 3을 공개했지만, 오픈AI와 구글이 대부분의 수익을 차지하는 것을 지켜보았다. 매너스는 이러한 무료로 제공되는 데이터 가중치를 돈을 뿌리는 기업 준비 플랫폼으로 전환할 수 있는 잃어버린 층이다.

현재 Llama는 몸을 찾고 있는 강력한 두뇌입니다. Manus는 이미 대형 언어 모델을 에이전트 스택 뒤에 있는 교환 가능한 엔진으로 다루고 있으며, 이를 가상 머신, 브라우저, SaaS 도구에 연결하고 있습니다. 이 구조를 Llama에 연결하면 Meta는 실리콘에서 인터페이스까지 실제로 제어할 수 있는 종합적인 에이전트 프레임워크를 갖추게 됩니다.

라마가 구동하는 매너스 에이전트가 만든 인스타그램 광고를 상상해 보세요. 이 에이전트는 다음과 같은 기능을 갖추고 있습니다: - 귀하의 제품 카탈로그를 스크랩합니다. - 카피, 이미지 및 비디오 변형을 생성합니다. - A/B 테스트를 진행합니다. - 성과를 모니터링하고 매일 자동으로 반복합니다.

그 워크플로우는 “광고 아이디어에 대해 Meta AI와 대화하기”에서 “귀하의 캠페인이 실시간으로 진행 중이며, 지출 및 최적화가 당신이 잠자는 동안 이루어집니다.”로 넘어갑니다. Reels 스크립팅, 크리에이터 분석, 그리고 Meta의 자체 도구에서 진행되는 자동 브랜드 아웃리치에서도 동일한 이야기입니다.

기업 측면에서 Manus는 Llama를 Meta의 생산성 투자에 걸쳐 전방위 작업 도구로 변모시킵니다. Llama 에이전트는 Workplace 내에 존재하며, 문서를 읽고, 슬라이드 데크를 생성하고, 티켓을 제출하며, 대시보드를 업데이트할 수 있습니다. Manus는 이미 8천만 대 이상의 가상 컴퓨터를 운영하고 147조 개 이상의 토큰을 처리했으며, Llama에 연결됨으로써 그 숫자들은 다른 API 비용이 아닌 Meta의 본래 사용으로 전환됩니다.

수익화가 드디어 구체화되고 있습니다. 단순히 모델을 오픈소스하고 생태계의 선의에 의존하는 대신, 메타는 다음을 판매할 수 있습니다: - 관리형 서비스로 제공되는 호스팅된 Llama + Manus 에이전트 - 규제 산업을 위한 온프레미스 에이전트 스택 - 모델 + 도구 + 오케스트레이션을 묶은 사용량 기반 API

이로 인해 Llama는 연구 자부심에서 플랫폼 전환으로 변화합니다. Manus는 실행 계층을 제공하고, Meta는 모델, 데이터 및 수십억 사용자에 대한 배포를 제공합니다. 만약 Meta가 이를 실현한다면, Llama는 더 이상 "GPT에 대한 무료 대안"이 아니라 자동화된 작업을 위한 기본 운영 체제가 될 것입니다.

사무실 업무에 새로운 동료가 생겼습니다. 이 동료는 잠을 자지 않으며, 잊어버리지도 않고, 이미 당신의 도구를 사용할 줄 압니다. 메타는 더 똑똑한 챗봇을 만들기 위해 20억 달러를 Manus에 투자한 것이 아니라, 앱을 열고, 버튼을 클릭하며, 코드를 작성하고, 가상 머신을 통해 대규모로 작업을 수행할 수 있는 AI 동료들을 위한 엔진을 구매한 것입니다.

개별 지식 근로자에게 AI는 "텍스트 상자의 코파일럿"에서 "백그라운드에서 작동하는 동료 팀원"으로 전환됩니다. Manus는 이미 8천만 개 이상의 가상 컴퓨터를 생성하고 147조 개 이상의 토큰을 처리했습니다. 이는 모든 분석가, 마케터, 엔지니어가 항상 켜져 있는 디지털 운영자를 가질 때 발생하는 일이 어떤 것인지에 대한 암시입니다.

오늘날의 ChatGPT나 Meta AI는 주로 프롬프트를 기다리지만, Manus 스타일의 에이전트는 작업을 찾아 나섭니다. 다음과 같은 AI를 상상해 보세요: - 당신의 인박스를 읽고 회신을 초안하며 회의를 일정에 추가합니다. - 내부 대시보드에 로그인하고 지표를 추출하여 슬라이드를 업데이트합니다. - 티켓을 처리하고, 통합 코드를 작성하며, 배포를 검증합니다.

더 이상 공상 과학 소설이 아닙니다; 이것은 문자 그대로 Manus의 제품 로드맵으로, 현재 Meta의 인프라에 연결되어 있습니다. 프로젝트 매니저에게는 상태 보고서가 자동으로 작성됩니다. 영업 담당자에게는 후속 조치, CRM 업데이트, 제안서 작성이 배경 프로세스가 됩니다. 주니어 엔지니어에게는 범용 에이전트가 불편할 정도로 직접 경쟁자처럼 보이기 시작합니다.

준비는 선택 사항이 아닙니다. 반복적인 작업 흐름을 위해 에이전트를 단순한 수송 대상으로 여기는 전문가는 이를 무시하는 동료들보다 더 빠르게 움직일 것입니다. 필요한 핵심 역량은 다음과 같습니다: - 시스템 설계 및 프로세스 사고 - 명확한 서면 사양과 프롬프트 - 분야에 대한 판단, 위험 평가 및 책임감

재교육은 이제 모델을 질의하는 방법뿐만 아니라 에이전트를 조정하는 방법을 배우는 것을 의미합니다. 만약 당신의 업무를 브라우저 클릭, API 호출 및 문서 편집의 연속으로 설명할 수 있다면, 에이전트가 이를 배울 수 있다고 가정하세요. 당신의 경쟁력은 어떤 작업을 자동화할지, 출력 결과를 어떻게 검증할지, 그리고 언제 거절할지를 아는 것입니다.

메타의 20억 달러 매뉴스 투자로 타임라인이 압축되었습니다. AI가 일상 업무에 통합되는 것은 더 이상 모호한 5~10년 후의 일이 아닙니다. 10일 만에 수십억 달러 규모의 거래를 완료한 이 회사는 긴급성을 신호하고 있습니다. 주도적인 직장은 언젠가 오는 것이 아닙니다. 이제 막 인수되었습니다.

Manus AI는 무엇인가요?

Manus AI는 복잡한 작업을 수행하도록 설계된 범용 인공지능 에이전트를 개발합니다. 이러한 작업에는 코딩, 데이터 분석 및 실제 컴퓨터 환경 내에서 소프트웨어 애플리케이션 사용이 포함됩니다.

메타는 매너스를 인수하기 위해 얼마를 지급했나요?

메타는 매너스를 20억 달러에 인수했습니다. 이 거래는 단 10일 만에 완료되어 속도가 특징적이었습니다.

메타는 왜 매나스를 인수했을까요?

메타는 자율 AI 에이전트 개발을 가속화하기 위해 매너스를 인수했습니다. 이는 AI 모델이 강력하긴 하지만 복잡한 실제 작업을 효과적으로 수행하기 위한 '기초 구조'가 부족하다는 문제를 해결하기 위함입니다.

인수 후에도 매노스 서비스가 계속될까요?

네, Manus는 싱가포르에서 구독 서비스를 계속 운영할 것입니다. 이 회사는 인수가 기존의 운영 방식이나 의사 결정 과정을 변화시키지 않으면서 더 강력한 기반을 제공한다고 밝혔습니다.