메타의 AI 에이전트 전략에서 이번에 드러난 핵심은 단순한 성능 경쟁이 아니다. Mark Zuckerberg는 내부 타운홀에서 지난 4개월 동안 agentic development가 기대만큼 가속하지 않았고, 에이전트를 중심에 둔 조직 재편도 충분히 깔끔하게 진행되지 않았다고 인정했다. 회사가 AI 중심으로 재구성되는 속도와 실제 산출 속도 사이에 간극이 생긴 셈이다.
메타는 이미 대규모 베팅을 시작했다. AI 조직을 Meta Superintelligence Labs로 재브랜딩했고, Alexandr Wang을 AI 부문 전면에 세웠으며, 약 7,000명을 AI 팀으로 이동시켰다. 5월에는 글로벌 인력 약 10%를 감축했고, 올해 AI 인프라에 최대 1,450억 달러를 쓰겠다는 계획도 세웠다. 4월 공개한 Muse Spark는 나쁘지 않은 벤치마크를 냈지만 OpenAI나 Anthropic을 확실히 넘어섰다고 보기는 어려웠다.
흥미로운 점은 같은 타운홀 안에서도 톤이 갈렸다는 것이다. Zuckerberg는 조직과 에이전트 개발 속도의 지연을 인정한 반면, Alexandr Wang은 다음 모델 Watermelon이 GPT-5.5급에 따라잡았다고 말했다. 다만 그 주장은 구체적으로 공개되지 않은 벤치마크에 기대고 있다. 좋은 모델을 훈련하는 일과 그 모델을 회사 전체의 업무 흐름에 안정적으로 녹이는 일은 서로 다른 문제다.
직원 활동 추적 소프트웨어 논란도 같은 맥락에서 중요하다. 메타는 마우스 움직임과 디지털 활동을 AI 학습 데이터로 쓰려는 프로그램을 운영하다가 민감 데이터 노출 우려로 중단했다. CTO Andrew Bosworth는 내부 리뷰 결과 직원 데이터가 학습에 들어가지는 않았다고 설명했고, 재개될 경우 opt-in 방식이 될 수 있다고 말했다. 기업 내부 에이전트는 성능뿐 아니라 데이터 수집의 정당성과 직원 신뢰를 함께 요구한다.
앞으로 3~6개월 동안 메타가 증명해야 할 것은 새 모델 이름이 아니다. Muse Spark 업데이트가 코딩과 agentic capability에서 실제 개선을 보여주는지, Watermelon의 성능 주장이 외부에서도 납득 가능한지, 그리고 AI 팀으로 이동한 7,000명이 더 빠른 제품 개발과 업무 자동화로 연결되는지가 중요하다. 이번 뉴스는 메타의 실패 선언이라기보다, 대형 기술 기업이 AI 에이전트를 연구실 밖 운영 체계로 옮길 때 어떤 마찰을 겪는지 보여주는 장면이다.