[태그:] 애플

애플이 접은 자율주행차 프로젝트, 한 번쯤 들어봤을 거다. 몇 년을 쏟아붓고 결국 차는 못 만들었다. 그런데 이 프로젝트가 남긴 게 실패한 자동차 한 대만은 아니라는 분석이 나온다. 지금 아이폰과 맥에 들어가는 AI 칩, 그 설계 기반이 여기서 나왔다는 얘기다. 블룸버그 마크 거먼 기자가 전한 바에 따르면, 애플은 자율주행차용 온디바이스 AI 처리 성능을 확보하는 과정에서 쌓은 노하우를 뉴럴엔진 설계에 그대로 이식했다. 차는 못 만들었지만, 그 과정에서 얻은 칩 기술이 오늘날 애플 실리콘을 AI 작업에 강하게 만든 셈이다.

이 이야기를 계기로 정리해볼 만한 게 하나 있다. 뉴럴엔진이 정확히 뭘 하는 부품인지, M시리즈 칩마다 AI 성능이 얼마나 차이 나는지, 로컬에서 AI를 돌리려면 맥북을 어떤 기준으로 골라야 하는지. 이 세 가지다.

애플 칩이 AI에 유독 강한 이유

애플 실리콘은 CPU, GPU, 뉴럴엔진이 메모리를 공유하는 통합 메모리 구조다. 인텔 CPU에 별도 그래픽카드를 얹는 조합과는 다르다. 데이터를 이곳저곳으로 복사할 필요 없이 한 곳에 모아두고 세 가지 연산 장치가 동시에 접근한다. AI 모델을 돌릴 때는 이 구조가 속도와 전력 효율, 두 마리 토끼를 다 잡는다. 여기에 더해 애플은 클라우드 서버가 아니라 기기 안에서 연산을 끝내는 방향을 오래전부터 밀어왔다. 사진 속 얼굴 인식, 문장 자동완성, 음성 인식 같은 기능을 기기 안에서 처리하려면 전용 AI 가속기가 필수다. 그게 바로 뉴럴엔진이다.

뉴럴엔진이 실제로 하는 일

뉴럴엔진은 CPU나 GPU와는 별도로 마련된 AI 연산 전용 칩 블록이다. 초당 처리 가능한 연산 횟수를 TOPS(Tera Operations Per Second)라는 단위로 표시하는데, 숫자가 클수록 같은 시간에 더 많은 AI 연산을 소화한다는 뜻이다. 아이폰의 얼굴 인식, 사진 앱의 인물·사물 구분, 시리의 음성 처리, 맥의 실시간 자막 번역. 이런 기능 대부분이 이 부품에서 돌아간다. 클라우드로 데이터를 보내지 않고 기기 안에서 끝내다 보니 반응 속도가 빠르고, 개인정보도 밖으로 새지 않는다. 이 부분은 솔직히 애플이 잘 잡은 방향이라고 본다.

M1부터 M4까지, 칩별 AI 성능 비교

세대가 바뀔 때마다 뉴럴엔진 성능도 큰 폭으로 뛰었다.

• M1: 뉴럴엔진 11 TOPS, 첫 세대치고 준수한 수준
• M2: 15.8 TOPS, 로컬 이미지 생성 모델도 무난하게 소화
• M3: 18 TOPS, GPU 레이 트레이싱까지 함께 강화
• M4: 38 TOPS로 전작 대비 2배 이상 도약, 애플이 처음으로 AI 성능을 정면에 내세운 세대

숫자만 보면 M4가 압도적이다. 다만 실제 체감 차이는 어떤 작업을 하느냐에 따라 갈린다. 이건 좀 케이스 바이 케이스다.

용도별로 맥북 고르는 법

• 문서 작업, 웹서핑, 가벼운 사진 보정: M1이나 M2 에어로 충분하다. 굳이 최신 칩에 돈을 더 쓸 이유가 없다.
• 로컬 LLM 구동(라마, 미스트랄 등 오픈소스 모델): M3 프로 이상, RAM 32GB를 기준으로 삼는 게 안전하다.
• 이미지 생성(Stable Diffusion), AI 영상 편집: M4 프로나 맥스, RAM 32~64GB급을 권장한다.
• 대형 모델 연구·개발용: M4 맥스에 RAM 64GB 이상. 여기까지 필요한 사람은 사실 소수다.

RAM은 얼마나 필요할까

애플 실리콘은 CPU, GPU, 뉴럴엔진이 메모리를 나눠 쓰는 구조라서 RAM 용량이 곧 AI 성능의 상한선을 결정한다. 로컬에서 언어 모델을 돌린다면 대략 이런 기준으로 잡으면 된다.

• 70억 파라미터급 모델: RAM 8~16GB로 실행 가능
• 130억 파라미터급 모델: RAM 16~24GB 권장
• 700억 파라미터급 모델: RAM 64GB 이상 필요

저장 공간은 넉넉해도 RAM이 부족하면 모델 자체가 안 돌아간다. 맥북 살 때 SSD 용량보다 RAM 용량부터 챙겨야 하는 이유가 여기 있다.

윈도우 노트북과 비교하면 어떨까

퀄컴 스냅드래곤 X 엘리트를 탑재한 이른바 코파일럿+PC는 NPU 성능 40 TOPS를 마이크로소프트 인증 기준으로 내걸었다. 숫자만 보면 M4의 38 TOPS와 비슷하다. 하지만 실제 AI 앱 생태계와 최적화 수준은 아직 애플 쪽이 한발 앞서 있다는 평가가 많다. 반대로 게임이나 범용 소프트웨어 호환성에서는 윈도우 진영이 여전히 유리하다. AI 작업 비중이 크다면 맥, 범용성과 호환성을 우선한다면 윈도우. 이 정도로 나눠서 생각하면 답이 나온다.

자주 묻는 질문 몇 가지

Q. 인텔 맥으로는 로컬 AI를 못 쓰나?
전용 뉴럴엔진이 없어서 클라우드 기반 AI 기능 위주로만 쓸 수 있다. 로컬 LLM 구동은 사실상 권장하지 않는다.

Q. 아이폰도 맥과 같은 구조인가?
A시리즈 칩에도 동일한 개념의 뉴럴엔진이 들어간다. 세대별 TOPS 수치는 다르지만 설계 철학은 같다.

Q. 굳이 맥스 칩까지 필요할까?
대형 모델을 직접 돌리거나 영상·3D 작업을 전문적으로 하는 게 아니라면 프로 등급으로 충분하다. 맥스는 오버스펙인 경우가 많다. 괜히 돈만 더 나가는 셈이다.

출처: The Verge

애플이 10년 넘게 붙잡고 있던 자율주행차 프로젝트 ‘타이탄’, 결국 빛을 못 보고 2024년 초 조용히 문을 닫았다. 그런데 최근 블룸버그 마크 거먼 기자가 전한 이야기를 보면 얘기가 좀 다르다. 실패로 끝난 이 프로젝트가 지금 애플 실리콘을 AI 성능 괴물로 만든 숨은 배경이었다는 거다.

자율주행이 요구한 무자비한 연산량

자율주행차는 카메라, 레이더, 라이다에서 쏟아지는 데이터를 실시간으로 처리해야 한다. 사람이 브레이크를 밟는 그 찰나까지 온디바이스에서 판단을 끝내야 하니, 클라우드로 데이터 보내고 답 받아오는 방식은 애초에 통할 수가 없는 구조였다.

애플 엔지니어들은 프로젝트 초기부터 결론을 내렸다. 기존 모바일 칩으로는 어림도 없다고. 그래서 차량 전용 프로세서를 따로 설계하기 시작했는데, 이 칩 자체는 끝내 완성되지 못했다. 다만 그 과정에서 쌓인 기술 자산은 고스란히 남았다.

M시리즈로 흘러들어간 기술

거먼 보도에 따르면, 타이탄을 위해 개발하던 고성능 AI 처리 기술이 이후 맥용 M시리즈 칩과 아이폰용 A시리즈 칩의 뉴럴 엔진 설계에 그대로 반영됐다. 애플이 매년 신제품 발표 때마다 “역대 최고 성능”이라고 외치는 그 뉴럴 엔진 강화, 사실은 자율주행차 만들다 남은 부산물이었던 셈이다. 좀 아이러니하지 않나.

• 초기 타이탄 팀이 온디바이스 AI 추론 성능을 최우선 과제로 설정
• 전용 프로세서 개발은 무산됐지만 아키텍처 노하우는 그대로 축적
• 이후 M시리즈·A시리즈 뉴럴 엔진 고도화에 기술 이전

10년, 100억 달러 넘게 쓰고 접은 이유

타이탄은 2014년 시작됐다. 완전 자율주행차로 갔다가, 반자율주행 소프트웨어로 갔다가, 방향을 여러 번 바꿨다. 외신들이 추산한 누적 투자액은 100억 달러를 훌쩍 넘는다. 팀 쿡 체제에서도 사업성을 끝내 확신하지 못했고, 2024년 2월 공식 종료를 선언했다.

그렇다고 이 돈이 전부 허공으로 날아간 건 아니다. 실리콘 설계, 센서 데이터 처리, 저전력 고성능 연산 노하우. 이게 애플의 다른 제품군에 그대로 스며들었다. 지금 애플이 AI 경쟁에서 하드웨어 우위를 자신하는 근거 중 하나가 바로 이거다.

서버용 AI칩까지 넘보는 애플 실리콘

업계에서는 애플이 자체 AI 서버용 칩, 그러니까 차세대 고성능 모델까지 준비 중이라는 관측이 나온다. 애플이 지난해 공개한 ‘프라이빗 클라우드 컴퓨트’도 자체 실리콘 기반으로 대규모 언어모델 연산을 처리하는 구조인데, 이 역시 타이탄에서 쌓은 저전력 고성능 칩 설계 역량과 무관하지 않다는 분석이 많다.

자율주행이라는 하드웨어 사업에서는 손을 뗐지만, 그 과정에서 얻은 반도체 설계 능력으로 온디바이스 AI 시장 주도권을 노리는 모양새. 결과적으로 보면 밑지는 장사는 아니었던 셈이다.

삼성·SK하이닉스, 현대차가 눈여겨볼 지점

삼성전자와 SK하이닉스 입장에서는 신호가 두 가지다. 하나는 애플이 뉴럴 엔진 성능을 계속 끌어올리면서 모바일 AP 시장에서 엑시노스나 퀄컴 스냅드래곤과의 격차를 더 벌릴 가능성. 다른 하나는 애플의 저전력 고성능 AI칩 노하우가 온디바이스 AI용 메모리, 그러니까 LPDDR이나 HBM 저전력 버전 수요를 끌어올릴 여지가 있다는 점이다.

현대차·기아 쪽에서도 참고할 대목이 있다. 애플조차 100억 달러를 쓰고도 완전 자율주행 상용화에 실패했다는 사실, 이게 레벨3 이상 자율주행 기술이 얼마나 넘기 힘든 벽인지 다시 보여준다. 대신 그 과정에서 나온 반도체·AI 기술이 전혀 다른 제품에서 꽃피웠다는 점. 국내 자동차·부품사들의 자율주행 R&D 투자도 당장 성과가 안 보이더라도, 장기적으로는 다른 사업의 자산이 될 여지가 있다는 얘기다.

출처: The Verge

전 직장 자료를 슬쩍 들고 이직했다가 소송까지 가는 경우, 생각보다 자주 나온다. 최근 애플이 오픈AI를 상대로 낸 소송도 딱 이 구도인데요. 채용한 직원이 기밀 프레젠테이션이랑 시제품 정보, 공급망 자료까지 옮겨왔다는 게 애플 측 주장이다. 와이어드 보도를 보면 이 사건, 단순 이직 분쟁이 아니라 영업비밀 침해 소송으로 번진 상태다. 그럼 영업비밀 침해라는 게 정확히 뭘 말하는 걸까. 어디서부터를 선 넘었다고 보는 걸까.

영업비밀, 법적으로는 뭘 뜻하나

법에서는 세 가지 조건을 동시에 채워야 영업비밀로 인정한다.

• 공공연히 알려져 있지 않은 정보(비공지성)
• 경제적 가치를 지닌 정보(경제적 유용성)
• 비밀로 관리되고 있다는 사실이 확인되는 정보(비밀관리성)

회사가 “이건 비밀입니다”라고 우긴다고 인정되는 게 아니다. 접근 권한을 제한했는지, 보안 서약서를 받았는지, 문서 등급을 매겨 관리했는지. 이런 실질적인 조치가 있어야 비로소 보호 대상이 된다. 시제품 설계도, 아직 공개 안 한 제품 로드맵, 핵심 공급업체 리스트, 내부 알고리즘, 고객 데이터베이스. 대표적인 예다.

침해로 인정되려면 뭐가 겹쳐야 하나

전 직장에서 배운 걸 머릿속에 담고 있다고 처벌받진 않는다. 그래도 침해로 인정되려면 보통 아래 네 가지가 함께 맞아떨어져야 한다.

• 부정한 방법으로 취득했는가 (몰래 복사, 이메일 전송, USB 반출 등)
• 취득 사실을 알면서 사용하거나 공개했는가
• 그 정보가 실제로 비밀로 관리되고 있었는가
• 사용으로 인해 손해나 부당이득이 발생했는가

기억에 의존한 지식이나 일반적인 업무 노하우, 이건 대체로 보호 대상이 아니다. 문제는 문서나 파일, 프레젠테이션처럼 형태가 남는 자료를 통째로 옮기는 경우다. 이메일 로그 하나, 클라우드 접속 기록 하나만으로도 증거가 되거든요. 소송에서 불리해지기 딱 좋은 지점이다.

인재 영입 과정에서 자주 터지는 함정

빅테크끼리 인재 쟁탈전이 치열해지면서, 스카우트 과정에서 비슷한 사고가 반복된다.

• 퇴사 직전 회사 문서를 개인 클라우드나 메일로 백업
• 새 회사 면접에서 이전 프로젝트 자료를 보여달라는 요청에 응함
• 이직 후 새 팀에 전 직장 방식이나 프로세스를 그대로 적용
• 공급업체 연락처, 단가 정보를 넘겨받아 협상에 활용

채용 담당자든 신규 입사자든, 이 지점에서 선을 넘기 쉽다. 회사가 시키지 않았어도 입사자가 알아서 자료를 들고 오면, 그 회사까지 책임을 지는 경우가 많다.

기업들이 실제로 취하는 방어책

기업이 실무적으로 취하는 조치는 크게 갈린다.

• 입사 시 비밀유지계약(NDA)과 경업금지 조항 체결
• 퇴사 시 자료 반납 확인 및 접근 권한 즉시 회수
• 문서 등급별 접근 제어, 이른바 Need-to-know 원칙 적용
• 클라우드·USB 반출 로그 상시 모니터링
• 신규 입사자 온보딩 시 전 직장 자료 반입 금지 서약

규모 큰 기업일수록 퇴사자 컴퓨터랑 이메일 계정을 포렌식 방식으로 훑는 절차를 갖춘 곳도 많다. 소송까지 가는 사례, 대부분 이런 점검 중에 이상 징후가 걸리면서 시작된다.

이직 준비 중이라면 이것만은 조심하자

커리어를 위해 옮기는 건 자연스럽다. 자료 반출은 완전히 별개 얘기다.

• 회사 소유 문서, 코드, 디자인 파일은 절대 개인 저장소에 백업하지 않는다
• 포트폴리오용으로 프로젝트 자료를 쓰고 싶다면 반드시 회사 승인을 받는다
• 새 직장에서 전 직장 자료를 참고하자는 요청을 받으면 명확히 거절한다
• 퇴사 전 회사 자산 반납 체크리스트를 꼼꼼히 확인한다

실무 경험과 노하우는 개인의 자산이지만, 문서화된 자료와 코드는 회사 자산이다. 이 선을 분명히 긋는 게 나중 분쟁을 막는 가장 확실한 방법 아닐까 싶다.

자주 나오는 질문들

Q. 머릿속에 있는 지식도 영업비밀 침해에 해당하나?
일반적인 업무 지식이나 스킬은 해당하지 않는다. 다만 구체적인 알고리즘 로직이나 수치 데이터를 통째로 암기해서 그대로 재현하는 수준이라면 얘기가 달라진다. 이건 좀 다툼의 여지가 생긴다.

Q. 회사가 몰랐어도 회사 책임이 될까?
입사자가 자발적으로 자료를 가져왔더라도, 회사가 그 자료를 사용하거나 알고도 방치했다면 함께 책임을 질 가능성이 크다.

Q. 손해배상 규모는 어느 정도일까?
침해로 얻은 부당이득이나 피해 기업의 손실액을 기준으로 산정되며, 사안에 따라 수백억 원대 소송으로 번지기도 한다.

출처: Wired

애플이 오픈AI를 상대로 소송을 걸었다. 전직 직원들이 하드웨어 관련 기밀을 빼내 경쟁사 제품 개발에 썼다는 주장이다. 빅테크 사이 이직이 잦아지면서 이런 분쟁, 이제 뉴스에서 흔하게 본다. 이직을 준비 중이거나 회사 보안 정책을 다시 손봐야 하는 처지라면 영업비밀 침해가 정확히 뭘 뜻하는지, 어디까지 괜찮고 어디서부터 소송감인지 미리 짚어두는 게 낫다.

영업비밀, 법적으로는 정확히 뭘까

부정경쟁방지 및 영업비밀보호에 관한 법률에서 영업비밀로 인정받으려면 다음 3가지를 동시에 충족해야 한다.

• 비공지성: 공개적으로 알려지지 않은 정보여야 한다
• 경제적 유용성: 그 정보를 알면 경쟁상 우위를 얻을 수 있어야 한다
• 비밀관리성: 회사가 접근 권한을 제한하는 등 비밀로 관리하고 있어야 한다

그냥 ‘사내에서만 쓰는 자료’라고 다 영업비밀이 되는 건 아니다. 접근 통제나 보안 등급 표시가 없으면, 법적으로 보호받기 어렵다는 얘기다.

이직 앞두고 자주 터지는 사고 유형 3가지

실제 소송 사례들을 보면 패턴이 비슷하다.

• 자료 반출: 퇴사 전 개인 메일이나 클라우드로 파일을 슬쩍 옮기는 경우. 접근 로그가 고스란히 남아서 제일 흔한 증거가 된다
• 설계 재현: 소스코드나 회로도를 그대로 베끼지 않아도 구체적인 수치와 구조를 그대로 재현하면 침해로 판단될 여지가 있다
• 고객·협력사 리스트 활용: 영업직군에서 자주 걸리는 유형이다. 거래 조건이나 단가 정보까지 들어있으면 사안이 커진다

NDA랑 경업금지조항, 헷갈리기 쉬운데

둘을 같은 걸로 아는 사람이 많은데, 성격 자체가 다르다.

• NDA(비밀유지계약): 퇴사 이후에도 기간 제한 없이 특정 정보를 발설하지 않을 의무를 지운다
• 경업금지조항: 일정 기간 동종업계 취업이나 창업을 막는다. 효력 인정 범위는 지역마다 크게 갈린다

캘리포니아주는 경업금지조항 자체를 원천 무효로 본다. 실리콘밸리에서 인재 이동이 유독 활발한 이유 중 하나가 이거다. 한국은 직무 특성, 보상 여부, 기간의 합리성을 따져서 제한적으로만 유효성을 인정하는 편이다.

소송으로 번지면 실제로 벌어지는 일

기업이 침해를 의심하면 보통 디지털 포렌식부터 들어간다. 파일 접근 시각, USB 연결 기록, 클라우드 업로드 이력을 확보해서 증거로 낸다. 침해가 인정되면 민사상 손해배상과 부정취득 이익 반환 청구가 동시에 걸리고, 국내법상 형사처벌도 가능하다. 부정경쟁방지법 위반은 최대 10년 이하 징역, 혹은 이에 상응하는 벌금형까지 규정돼 있다. 미국은 연방법인 DTSA(Defend Trade Secrets Act)를 적용하는데, 고의성이 인정되면 실손해액의 최대 2배까지 징벌적 배상을 물릴 수 있다.

이직 전에 한 번은 체크해야 할 것들

분쟁을 피하려면 퇴사 전에 정리해둘 게 있다.

• 회사 자료와 개인 자료를 물리적으로 분리해서 보관한다
• 협업 툴, 클라우드 저장소 접근 로그를 스스로 한 번 확인해본다
• 계약서에 있는 경업금지조항의 유효기간과 적용 지역을 다시 읽어본다
• 새 직장에서 이전 프로젝트의 구체적인 수치나 알고리즘은 입 밖에 내지 않는다
• 근로계약서, NDA 사본은 따로 챙겨둔다

회사는 이걸 어떻게 막을까

기업 쪽에서는 DLP(데이터 유출 방지) 솔루션으로 대용량 파일 이동을 실시간으로 감지하고, 직무별로 접근 권한을 잘게 나누는 방식을 쓴다. 퇴사자 계정은 마지막 근무일에 바로 회수하고, 핵심 인력에게는 입사 시점마다 NDA를 다시 쓰게 하는 곳도 많다. 반도체나 배터리처럼 기술 격차가 곧 매출로 이어지는 업종일수록 이 절차, 훨씬 촘촘하다.

궁금한 것들, 짧게 답하면

Q. 머릿속에 남은 지식도 침해로 볼 수 있나?
일반적인 업무 경험이나 스킬은 해당하지 않는다. 다만 구체적인 알고리즘 수치나 미공개 설계 구조를 그대로 재현하면 얘기가 달라진다.

Q. 파일 하나만 보내도 걸리나?
분량과 상관없이 고의성이 인정되면 소송 대상이 된다. 핵심은 몇 개를 보냈느냐가 아니라 접근 권한 밖의 정보를 빼냈느냐다.

Q. 국내 기업도 이런 소송이 흔한가?
반도체, 배터리, 디스플레이 업계에서 매년 여러 건씩 나온다. 해외 경쟁사로 이직할 때는 산업기술보호법까지 겹쳐서 적용 기준이 더 엄격해진다.

출처: The Verge

애플이 결국 오픈AI를 법정에 세웠다. 전직 애플 직원 몇 명이 하드웨어 관련 영업비밀을 빼돌려 오픈AI로 넘겼다는 게 소송의 골자다.

소장에 뭐라고 적혀 있나

애플은 소장에서 “애플 출신 오픈AI 직원들에 의한 영업비밀 절취 패턴”을 발견했다고 밝혔다. 한두 명이 실수로 저지른 일이 아니라는 뉘앙스다. 조직적이고 반복적인 행위였다는 주장이다.

이번 소송에서 애플이 콕 집어 지목한 곳은 오픈AI 산하 하드웨어 조직, IO 프로덕츠(IO Products)다. 애플 하드웨어 인력이 무더기로 옮겨간 바로 그 부서.

IO 프로덕츠, 왜 하필 여기였나

IO는 오픈AI가 2025년 5월 애플의 전설적 디자이너 조니 아이브(Jony Ive)의 스타트업 io를 약 65억 달러에 사들이며 만든 하드웨어 개발 조직이다. 아이브가 오픈AI와 손잡고 스마트폰을 대체할 차세대 AI 기기를 만들겠다고 선언한 뒤부터, 애플 하드웨어 엔지니어링 출신 인재들이 하나둘 자리를 옮겼다.

• 조니 아이브 – 애플 수석 디자이너 출신, io 창업자
• IO 프로덕츠 – 2025년 5월 오픈AI에 인수된 하드웨어 개발 조직
• 인수 규모 – 약 65억 달러(주식 교환 방식)
• 목표 – 아이폰을 대체할 새로운 폼팩터의 AI 디바이스 개발

애플 입장에서 보면 다르게 볼 도리가 없다. 아이폰을 만들며 20년 가까이 쌓아온 산업 디자인, 부품 조달, 제조 공정 노하우가 고스란히 경쟁 프로젝트로 흘러 들어간 셈이니까.

애플이 진짜 걱정하는 건

애플의 우려는 명확하다. 아이폰을 위협할 새 AI 디바이스가, 다름 아닌 애플 출신 엔지니어들 손에서 완성되는 그림.

The Verge 보도에 의하면 애플은 해당 직원들이 재직 당시 접근했던 설계 도면, 부품 사양, 시제품 관련 기밀 정보가 오픈AI 프로젝트에 그대로 쓰였다고 주장한다. 실리콘밸리에서 인재 이동에 따른 영업비밀 분쟁은 흔하다면 흔하다. 다만 애플과 오픈AI, 두 공룡의 정면충돌이라는 점에서 파장의 크기 자체가 다르다.

AI 하드웨어 경쟁, 판이 커졌다

휴메인의 AI 핀, 래빗 R1처럼 앞서 나온 AI 디바이스들은 시장에서 사실상 실패했다는 평가를 받았다. 그런데도 오픈AI가 조니 아이브까지 영입해 새 폼팩터에 돈을 거는 이유는 단순하다. 챗GPT 같은 대화형 AI를 스마트폰 없이 쓸 수 있는 전용 하드웨어 시장, 아직 비어 있다고 보는 거다.

여기에 애플 자체 AI 전략인 시리 업그레이드가 계속 미뤄지는 상황도 겹친다. AI 기기 시장 주도권을 오픈AI에 넘겨줄 수 없다는 위기감이, 이번 소송의 수위를 끌어올렸을 가능성이 크다.

오픈AI는 어떻게 나올까

오픈AI 쪽 공식 입장은 아직 구체적으로 나온 게 없다. 다만 실리콘밸리 영업비밀 소송의 전례를 보면 답은 대강 나와 있다. 피고 측은 대개 “이직 직원이 가진 건 일반적인 업계 지식과 경험일 뿐, 특정 기밀이 아니다”라는 논리로 맞선다.

관건은 애플이 법정에서 내놓을 증거가 얼마나 구체적이냐다. 이직한 직원이 실제로 애플 내부 문서나 도면 파일을 유출했다는 직접 증거가 나오면 오픈AI 쪽 입지는 크게 흔들린다. 반대로 정황 증거 수준에 그친다면? 수년짜리 장기 소송전으로 흘러갈 공산이 크다.

국내 기업엔 남 얘기가 아니다

당장 국내 소비자가 체감할 변화는 없다. 다만 이 사건, 삼성전자·LG전자를 비롯한 국내 하드웨어 제조사에도 시사하는 바가 있다.

AI 스타트업들이 빅테크 출신 인재를 공격적으로 데려가는 흐름은 한국도 예외가 아니다. 대기업 출신 엔지니어가 스타트업이나 해외 기업으로 옮길 때, 영업비밀 보호와 정당한 이직 사이 경계선을 어디에 그을지가 점점 민감한 문제로 떠오르고 있다. 애플-오픈AI 소송의 결과는 국내 기업들이 이직 계약서와 비밀유지 조항을 다시 손보는 데도 참고 사례가 될 법하다.

출처: The Verge