{"allow_comments":false,"category":"AI 동향","content":{"author":{"title":"YOON DATA","url":"https://yoondata.com/about"},"body":"## 핵심 요약\n조사 기준 시각: 한국시간 2026-09-15 20:44:08 KST (Asia/Seoul, UTC+09:00) / 미국 동부 2026-09-15 07:44:08 EDT (America/New_York, UTC-04:00) / 미국 서부 2026-09-15 04:44:08 PDT (America/Los_Angeles, UTC-07:00) / UTC 2026-09-15 11:44:08Z. 미국 기준 날짜는 America/New_York의 2026-09-15이다.\n중복 회피 기준: 지정 Google Drive 폴더의 직전 확인 파일은 gpt_20260915_194456_001.docx이며, 해당 브리핑은 Temporal의 durable execution, Bolt Forge의 data-for-compute, Bell AI Fabric, Nuance Labs를 다뤘다. 이번 실행 전 Drive 검색에서 `Liquid Compute`, `Salesforce Agentforce`, `Agentforce long-horizon runtime`을 독립 핵심사건으로 다룬 기존 문서는 확인되지 않았다. 인접한 AI 인프라 금융 리스크 문서는 있었지만 compute exchange/derivatives를 직접 다룬 사건과는 구분했다.\n[확인] 직전 브리핑 이후 OpenAI·Anthropic·Google DeepMind·Microsoft·Meta·NVIDIA·GitHub·Hugging Face의 공개 채널에서 이를 대체할 규모의 신규 frontier foundation model/API launch는 확인하지 못했다. 새 사건을 만들어 채우지 않고, 오늘 영어권 공개웹에서 확인된 두 개의 구조적 변화를 심층 추적한다.\n[확인] 1순위는 New York 기반 Liquid Compute가 FirstMark Capital·Chemistry Ventures가 주도한 $15M seed round를 확보하고, AI compute capacity를 규제된 commodity/exchange market으로 만들려는 계획을 본격화한 사건이다. Wall Street Journal은 9월 15일 이 투자를 보도했고 K8 Capital, Night Capital, TrueBridge, Brainchild Holdings, Y Combinator 등의 참여를 전했다. [WSJ - FirstMark, Chemistry Invest in a Startup Building an Exchange for AI Compute Power](https://www.wsj.com/pro/private-equity/firstmark-chemistry-invest-in-a-startup-building-an-exchange-for-ai-compute-power-33c8661d)\n[확인] Liquid Compute 공식사이트는 physical order book 위에 derivatives market을 만들고 verification·clearing·settlement·price discovery를 제공한다고 설명한다. PMEX Markets는 CFTC DCM designation, PMEX Clearing은 DCO registration을 신청해 현재 pending 상태다. [Liquid Compute](https://liquidcompute.com/) [CFTC - PMEX Markets DCM Filing](https://www.cftc.gov/IndustryOversight/IndustryFilings/TradingOrganizations/59665) [CFTC - PMEX Clearing DCO Filing](https://www.cftc.gov/IndustryOversight/IndustryFilings/ClearingOrganizations/59720)\n[확인] CFTC는 8월 19일 compute derivatives 전반에 대한 공식 Request for Comment를 열었다. Michael S. Selig 의장은 미국이 AI 경쟁에서 이기려면 robust derivatives market for compute가 필요하다고 밝혔고, cash-market size·liquidity·market manipulation·customer protection·perpetual compute futures를 검토 대상으로 지정했다. 이는 한 스타트업의 아이디어를 넘어 규제기관이 compute를 별도 파생상품시장으로 보기 시작했다는 직접 신호다. [CFTC - Requests Comment on the Listing of Compute Derivatives Contracts](https://www.cftc.gov/PressRoom/PressReleases/9286-26)\n[확인] 경쟁시장도 이미 형성 중이다. CME Group과 Silicon Data는 5월 GPU rental-rate indices를 기초로 compute futures를 출시하겠다고 발표했다. 따라서 Liquid Compute의 차별점은 단순 price index가 아니라 physical capacity transfer, exchange, clearing, credit까지 한 stack으로 묶으려는 구조와 신규 DCM/DCO 신청을 동시에 추진한다는 데 있다. [CME Group and Silicon Data Partner to Launch First Compute Futures](https://www.prnewswire.com/news-releases/cme-group-and-silicon-data-partner-to-launch-first-compute-futures-302769215.html)\n[추론] compute market이 성숙하면 AI 기업의 GPU 비용은 cloud bill이 아니라 commodity exposure처럼 관리될 수 있다. `GPU/Region/Interconnect/QoS 표준화 → Spot Price → Forward Curve → Futures/Options/Swaps → Clearing/Margin → Credit/Collateral`이 만들어지면 모델개발사·neocloud·data center·lender는 GPU 구매가격, rental rate, residual value, offtake rollover risk를 분리해 hedge할 수 있다.\n[추론] 더 큰 변화는 AI infrastructure의 금융화다. GPU가 담보가 되고 capacity contract가 cash flow가 되며 forward curve가 생기면 data-center financing에서 lender가 사용하는 underwriting 방식도 바뀐다. AI compute가 power market처럼 금융상품이 되면 model lab의 경쟁력은 benchmark뿐 아니라 장기 compute procurement·hedging competence까지 포함할 수 있다.\n[주의] Liquid Compute는 아직 CFTC가 승인한 DCM/DCO가 아니다. CFTC 공식페이지에는 PMEX Markets와 PMEX Clearing이 pending으로 표시된다. WSJ의 $15M funding은 확인됐지만, compute derivatives 시장의 유동성·benchmark integrity·physical delivery·basis risk가 충분히 검증됐다는 뜻은 아니다. GPU SKU·region·network·cluster topology가 달라 완전한 fungibility가 어렵다는 반대근거도 크다.\n[확인] 2순위는 Salesforce가 Agentforce를 single-turn assistant에서 multi-day/multi-week execution platform으로 옮긴 것이다. 9월 14일 공식발표에서 Salesforce는 Casey·Paige·Carter·Hunter·Marshall·Piper·Fin 등 job-ready agents를 공개하고, Hunter를 시작으로 `Memory + Durable Execution + Dynamic Steering`을 갖춘 long-horizon runtime을 도입했다. [Salesforce - Expands Agentforce With a New Portfolio of AI Agents Built for High-Value Work](https://www.salesforce.com/ap/news/press-releases/2026/09/14/ph-salesforce-expands-agentforce-with-a-new-portfolio-of-ai-agents-built-for-high-value-work/)\n[확인] Salesforce는 Agent Script라는 open-source behavior language로 AI reasoning과 deterministic rules를 결합하고, Multi-Agent Orchestration은 GA, Agent Optimizer는 10월 GA 예정이라고 밝혔다. 공식발표 기준 Agentforce·Slack에서 누적 7B Agentic Work Units, Q2 alone 3.2B를 처리했다고 주장한다. 이 수치는 회사자체 usage metric이므로 독립 MAU·transaction count와 동일하게 취급하지 않았다.\n[확인] 독립 분석에서도 long-horizon runtime이 핵심으로 평가됐다. Forbes는 9월 11일 Salesforce AI EVP Jayesh Govindarajan 발언을 인용해 LLM만으로는 부족하고 context·control·tools를 제공하는 harness가 필요하다고 보도했다. Valoir의 Rebecca Wettemann은 long-horizon agent가 상태를 지속하고 오류에서 복구하며 사람의 재지시 없이 프로세스에 재진입해야 실제 위임이 가능하다고 평가했다. [Forbes - Salesforce Adds Long-Horizon AI Agents To Agentforce](https://www.forbes.com/sites/timkeary/2026/09/11/salesforce-brings-long-horizon-ai-agents-to-agentforce/)\n[확인] 9월 15일 Air India 확장사례는 이 architecture가 실제 production workflow에서 어떻게 쓰이는지 보여준다. Salesforce 발표에 따르면 Air India는 refund turnaround를 약 14일에서 4시간으로, passenger name update를 3일에서 30분으로 줄였고 multi-intent email에서는 specialized sub-agents를 호출한 뒤 하나의 응답으로 통합한다. 자동응답은 95% confidence threshold를 넘는 eligible case에서만 생성하고 필요한 경우 human oversight를 둔다. [Salesforce - Air India Accelerates Customer Service Transformation with Agentforce](https://www.salesforce.com/in/news/press-releases/2026/09/15/air-india-accelerates-customer-service-transformation-with-agentforce/)\n[확인] Air India는 140개 이상의 enterprise systems와 30개 이상의 agentic AI initiative를 운영한다고 밝혔다. refund·name change·knowledge retrieval는 서로 다른 backend rule, validation, ticketing, payment/refund system을 연결해야 하므로 chatbot 응답보다 workflow orchestration과 deterministic control이 중요한 사례다. 고객성과 수치는 Salesforce/Air India 발표자료이므로 독립 audit 결과로 보지 않았다.\n[추론] Salesforce의 전략적 변화는 agent를 `대화 세션`이 아니라 `지속되는 업무주체`로 다루는 것이다. 실제 기업업무는 며칠·몇 주에 걸쳐 새 정보가 들어오고 승인조건이 바뀌기 때문에 `Goal → Plan → Persistent State → Event/Timer → Tool Action → Approval → Retry/Recovery → Replan → Audit → Outcome`이 runtime의 기본구조가 된다.\n[추론] Temporal이 durable execution infrastructure를, Salesforce가 domain-specific long-horizon runtime을 동시에 강조한다는 점은 서로 다른 layer에서 같은 문제를 해결하고 있다는 신호다. enterprise agent 경쟁의 moat는 foundation model 자체보다 business context, state, permissions, deterministic rules, recovery semantics, audit evidence를 누가 안정적으로 제공하는가에 형성될 가능성이 높다.\n[주의] Salesforce가 제시한 50%·60%·70%·90%·79% 등의 customer outcome과 Air India의 시간단축은 vendor/customer case study다. workload mix, exception rate, human rework, total cost, baseline definition이 모두 공개된 독립 benchmark는 아니다. Hunter long-horizon runtime도 pilot이며 모든 Agentforce customer가 즉시 동일 기능을 쓰는 것은 아니다.\n## 핵심 사건 종합표\n| 순위 | 분류 | 핵심 사건 | 최초 출처 | 연관 출처 체인 | 발생 시각과 미국 현지 날짜 | 핵심 사실 | 후속 전개 | 왜 중요한가 | 숨은 의미·비하인드 해석 | 담당자·관련 인물 | 수혜자 | 불리한 측 | 기술·사업 영향 | 다음 신호 | 신뢰도 | 검증 상태 | 원문 링크 |\n| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |\n| 1 | AI Compute·Financial Market | Liquid Compute, $15M seed로 regulated compute exchange 추진 | WSJ 9/15 | WSJ funding → Liquid Compute physical order book·indices·credit → PMEX DCM/DCO CFTC filings → CFTC compute-derivatives RFC → CME/Silicon Data compute futures 경쟁 | 2026-09-15, WSJ 원문 시각 미공개; 미국 동부 날짜 9/15 | FirstMark·Chemistry 주도 $15M; physical capacity와 GPU index derivatives를 연결; PMEX Markets/PMEX Clearing은 CFTC pending | 규제승인 시 exchange+clearing+settlement+credit 통합시장 시도; CFTC comment window와 CME 경쟁이 병행 | AI compute가 구매비용에서 hedge 가능한 commodity exposure로 바뀌면 procurement·financing·risk management가 재설계됨 | [추론] GPU의 `가격+기간+지역+품질`이 표준계약으로 표현되면 compute forward curve가 data-center financing의 핵심 기준이 될 수 있음 | Ronit Jain, Aarav Patel, FirstMark, Chemistry Ventures, CFTC Michael S. Selig, neoclouds, traders | neocloud, AI labs, data-center lenders, market makers, compute-index providers | 가격불투명성에 의존하는 broker, 비표준 capacity 계약, hedge 수단 없는 장기 offtake | GPU indices·forward/futures/options·margin·clearing·collateral·capacity transfer가 AI infra stack에 추가 | CFTC DCM/DCO 결정, first listed contracts, benchmark methodology, volume/open interest, physical delivery, CME launch | 매우 높음 | 확인: WSJ funding + Liquid Compute 1차 + CFTC filing/RFC; 규제승인은 아직 미확인 | [WSJ](https://www.wsj.com/pro/private-equity/firstmark-chemistry-invest-in-a-startup-building-an-exchange-for-ai-compute-power-33c8661d) / [Liquid Compute](https://liquidcompute.com/) / [CFTC RFC](https://www.cftc.gov/PressRoom/PressReleases/9286-26) |\n| 2 | Enterprise Agents·Long-Horizon Runtime | Salesforce Agentforce, multi-day/multi-week durable agent runtime과 job-ready agents 확대 | Salesforce 9/14; Forbes 9/11 독립분석 | Salesforce job-ready agents → Memory/Durable Execution/Dynamic Steering → Agent Script → Multi-Agent Orchestration → Air India 9/15 production expansion | Salesforce official 2026-09-14, 시각 미공개; Forbes 2026-09-11 08:00 EDT; Air India case 9/15 | Hunter pilot은 장기 goal을 상태유지하며 실행; Agent Script로 reasoning+deterministic rule 결합; Air India는 refund 14일→4시간, name update 3일→30분이라고 발표 | Multi-Agent Orchestration GA, Agent Optimizer 10월 GA, Hunter 11월 GA 예정; Air India 30+ agent initiative 확대 | enterprise agent의 실제 병목이 LLM 응답에서 persistence·recovery·permissions·audit·business rules로 이동 | [추론] Agent platform이 business operating system처럼 event/timer/state/approval/evidence를 소유하면 model은 교체 가능한 reasoning engine이 될 수 있음 | Marc Benioff, Jayesh Govindarajan, Satya Ramaswamy, Salesforce AI, Air India | CRM/workflow platform, process automation, durable runtime, observability/governance vendors | single-turn chatbot, stateless copilot, manual follow-up-heavy workflow | persistent memory, durable execution, dynamic steering, deterministic policy, sub-agent routing, confidence gate 중요도 상승 | Hunter GA, failure/recovery metrics, cost per resolved workflow, human rework rate, agent SLA, independent ROI | 높음 | 확인: Salesforce 1차 + Forbes 독립취재 + Air India production case; 성과수치는 vendor/customer reported | [Salesforce](https://www.salesforce.com/ap/news/press-releases/2026/09/14/ph-salesforce-expands-agentforce-with-a-new-portfolio-of-ai-agents-built-for-high-value-work/) / [Forbes](https://www.forbes.com/sites/timkeary/2026/09/11/salesforce-brings-long-horizon-ai-agents-to-agentforce/) / [Air India case](https://www.salesforce.com/in/news/press-releases/2026/09/15/air-india-accelerates-customer-service-transformation-with-agentforce/) |\n## 1. Liquid Compute - GPU 컴퓨트의 금융상품화 — 연관 추적\n### ① 최초 신호\n[확인] AI compute를 금융상품으로 만들려는 흐름은 2026년 초 PMEX Markets와 PMEX Clearing이 CFTC에 DCM·DCO 신청을 제출하면서 제도권 단계로 들어갔다. Liquid Compute는 초기 Pluto 명칭에서 rebrand하며 compute를 oil·power와 유사한 risk exposure로 다루겠다는 방향을 지속해왔다.\n### ② 공식 확인\n[확인] CFTC filing page는 PMEX Markets의 DCM status를 Pending, PMEX Clearing의 DCO status를 Pending Registration으로 표시한다. Liquid Compute 공식사이트는 verification, clearing, settlement, price discovery와 physical order book을 제공하고 derivatives를 그 위에 올리겠다고 설명한다.\n### ③ 후속 기사와 반응\n[확인] 9월 15일 WSJ Pro는 FirstMark·Chemistry Ventures가 주도한 $15M seed round를 보도했다. K8 Capital, Night Capital, TrueBridge, Brainchild Holdings 등이 참여했으며, 회사는 AI developers와 compute suppliers가 capacity를 거래하고 hedge하는 시장을 목표로 한다.\n### ④ 담당자·연구자·개발자 발언\n[확인] CFTC 의장 Michael S. Selig는 compute를 intelligence economy를 움직이는 commodity로 규정하고 robust derivatives market 필요성을 공개적으로 제시했다. Liquid Compute CEO Ronit Jain의 공개글은 compute buyer·fleet owner·lender가 이미 가격위험을 보유하고 있으며 reference index와 cash-settled forward로 이를 hedge할 수 있다고 설명한다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] Liquid Compute LinkedIn에는 최근 CCO 영입, GPU forward/hedging, B200/B300 index spread, lender underwriting, compute offtake financing 관련 게시물이 이어졌다. 이는 단순 fundraising보다 compliance·market surveillance·commercial counterparty team을 실제로 구축 중인 신호다. 회사의 공개 GitHub나 Hugging Face model artifact는 핵심사업과 직접 관련되지 않아 근거로 사용하지 않았다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] 공식사이트는 A100·H100·H200·B200·B300 등의 GPU price index 화면과 exchange·settlement·credit layer를 제공한다. 아직 CFTC 승인 전이므로 regulated exchange가 live라고 단정하지 않았으며, onboarding과 일부 OTC/market activity와 규제된 DCM/DCO 운영을 구분했다.\n### ⑦ 숨은 의미와 비하인드\n[추론] AI compute가 financial asset class가 되면 GPU manufacturer의 list price보다 rental yield·forward curve·basis·credit quality·residual value가 더 중요한 지표가 된다. 이는 AI infrastructure를 IT procurement가 아니라 energy/project-finance와 유사한 시장으로 바꾼다.\n[추론] 특히 1~3년 GPU offtake와 10~15년 data-center lease의 tenor mismatch를 forward market이 줄일 수 있다면 lender가 GPU fleet와 data-center project에 요구하는 haircut·interest spread가 낮아질 수 있다. 결과적으로 금융시장이 compute capacity 자체를 더 빠르게 확장시키는 feedback loop가 만들어질 수 있다.\n### ⑧ 반대 근거와 과장 가능성\n[주의] GPU compute는 oil처럼 완전히 동질적인 commodity가 아니다. chip generation, memory, interconnect, region, datacenter cooling, network topology, software stack, utilization guarantee가 달라 basis risk가 크다. forward/futures가 있어도 실제 workload의 delivered performance와 계약가격이 완전히 일치하지 않을 수 있다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nPMEX DCM/DCO 승인 여부, 첫 standardized contract specification, benchmark governance, clearing margin model, physical delivery/assignment rule, daily volume·open interest, market maker 참여, CME compute futures 출시와 cross-venue basis를 추적해야 한다. 이 지표가 생기면 compute financialization이 개념이 아니라 실제 시장구조가 된다.\n## 2. Salesforce Agentforce - 장기 실행 에이전트로의 이동 — 연관 추적\n### ① 최초 신호\n[확인] enterprise agent의 초기 배포는 one-shot response나 single workflow에 집중했지만 Salesforce는 customer deployment에서 장기 목표·반복업무·multi-system action이 더 중요하다고 판단했다고 설명한다. 7B Agentic Work Units라는 자체 usage 지표를 근거로 job-ready agents와 long-horizon runtime을 확장했다.\n### ② 공식 확인\n[확인] Agentforce long-horizon runtime은 Memory, Durable Execution, Dynamic Steering 세 구성요소를 핵심으로 한다. Hunter outbound sales agent가 첫 적용대상이며 plan을 만들고 여러 주에 걸쳐 새 정보와 user feedback에 따라 course-correct한다. Agent Script는 deterministic rules를 reasoning과 결합한다.\n### ③ 후속 기사와 반응\n[확인] Forbes는 9월 11일 이 변화를 long-horizon enterprise agent 경쟁으로 분석했고, Deloitte·Gartner 자료를 인용해 많은 기업이 여전히 production deployment와 ROI에서 어려움을 겪는다고 지적했다. 따라서 Salesforce 발표는 agent adoption이 해결됐다는 증거라기보다 packaging·runtime을 강화해 adoption friction을 줄이려는 전략이다.\n### ④ 담당자·연구자·개발자 발언\n[확인] Jayesh Govindarajan은 LLM 자체만으로는 충분하지 않고 올바른 context, control, tools를 제공하는 harness가 필요하다고 설명했다. Rebecca Wettemann은 장기 작업을 위임하려면 agent가 상태를 지속하고 오류에서 복구하며 사람 재지시 없이 프로세스에 재진입할 수 있어야 한다고 평가했다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] Dreamforce 2026은 9월 15~17일 San Francisco에서 진행 중이며 opening keynote는 9월 15일 10:00 PT로 예정돼 있다. 이번 조사 기준시각에는 아직 해당 keynote 시각 전이므로 future 발표를 이미 공개된 것처럼 쓰지 않았다. Agent Script는 Salesforce가 open-source language로 소개했지만 이번 보고서에서 repo commit까지 직접 검증하지는 않았다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] Casey·Paige·Carter·Marshall·Piper·Fin은 GA, Hunter는 pilot이고 11월 GA 예정이다. Multi-Agent Orchestration은 GA이며 Agent Optimizer는 10월 GA 예정이다. Air India는 refund, multi-intent email, name change, knowledge retrieval로 production scope를 확대했다.\n### ⑦ 숨은 의미와 비하인드\n[추론] enterprise agent의 핵심 추상화는 chat session에서 `durable process instance`로 바뀌고 있다. 사람의 업무티켓처럼 owner, goal, state, deadline, pending approval, exception, evidence가 유지되어야 하며 model call은 process 내부의 한 action이 된다.\n[추론] 이 구조에서는 가장 가치있는 데이터도 prompt/response보다 state transition과 recovery trace가 된다. 어떤 조건에서 agent가 중단·재시도·escalate·rollback했는지가 향후 Agent Optimizer와 자동개선의 핵심 training/evaluation data가 될 가능성이 높다.\n### ⑧ 반대 근거와 과장 가능성\n[주의] long-horizon runtime이 실제로 human labor를 광범위하게 대체한다는 독립증거는 아직 부족하다. 장기실행은 error accumulation, permission drift, stale context, cost runaway, hidden human review 비용을 키울 수 있다. Air India와 Salesforce customer metrics는 successful workflow 중심 case study일 가능성이 있어 exception-rate와 total cost가 필요하다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nHunter GA 이후 goal completion rate, median task duration, retry/recovery success, human approval frequency, total cost per completed business outcome, Agent Script adoption, Multi-Agent Orchestration failure mode, Agent Optimizer가 실제 session trace를 어떻게 학습·추천에 사용하는지 확인해야 한다.\n## ① 오늘의 핵심 흐름\n오늘 새로 보강된 두 사건은 같은 방향을 가리킨다. AI가 커질수록 모델 자체보다 주변의 시장구조와 실행구조가 더 중요해진다. Liquid Compute는 GPU capacity를 commodity/financial market으로 만들고, Salesforce는 agent work를 durable process로 만든다. 하나는 compute의 시간·가격 risk를 구조화하고 다른 하나는 agent의 시간·상태 risk를 구조화한다.\n## ② 새로운 출시·업데이트\n새 frontier foundation model/API launch는 직전 브리핑 이후 확인되지 않았다. 제품 측 새 핵심은 Salesforce의 job-ready agents·long-horizon runtime과 9월 15일 Air India production expansion이며, 시장 인프라 측 핵심은 Liquid Compute의 funding과 regulated compute exchange 추진이다.\n## ③ 핵심기술·연구\n기술적으로는 `financial standardization`과 `runtime durability`가 핵심이다. compute side에서는 index/contract/clearing/margin, agent side에서는 memory/state/retry/idempotency/approval/recovery가 각각 신뢰가능한 장기 실행을 만든다.\n## ④ 기업·담당자·조직 신호\nLiquid Compute는 CCO·CCO(Chief Compliance Officer)·market surveillance 역할을 보강하며 financial-market operator 조직으로 이동하고 있다. Salesforce는 prebuilt agent catalog, orchestration, optimizer를 한 platform에서 제공해 consulting-heavy custom agent 구축을 productized platform으로 전환하려 한다.\n## ⑤ SNS·YouTube에서 포착된 신호\nLiquid Compute의 LinkedIn은 GPU price exposure, offtake quality, residual value, lender underwriting과 실제 swap booking을 반복적으로 다뤄 시장참여자 교육과 counterparty 확보를 병행하고 있다. Salesforce의 Dreamforce keynote는 조사시점 아직 시작 전이므로 발표내용을 선반영하지 않았다. 소셜 게시물은 공식 filing·product docs보다 낮은 증거등급으로 사용했다.\n## ⑥ 약한 신호와 향후 조짐\n[추론] 다음 AI infrastructure 경쟁은 compute 자체를 누가 싸게 사느냐보다 누가 price/tenor risk를 잘 hedge하느냐로 이동할 수 있다. 다음 enterprise-agent 경쟁은 누가 가장 똑똑한 모델을 갖느냐보다 누가 실패한 며칠짜리 업무를 안전하게 이어서 완료시키느냐로 이동할 수 있다.\n[추론] 두 흐름이 결합되면 AI 운영은 `Compute Hedge → Workload Scheduler → Model Router → Durable Agent Runtime → Business Outcome → Cost/Revenue Evidence`로 연결된다. 그러면 agent의 business outcome과 underlying compute cost를 같은 운영·재무모델에서 최적화할 수 있다.\n## ⑦ 과장·루머·주의 항목\nLiquid Compute가 이미 CFTC-approved exchange라고 쓰지 않았다. PMEX Markets/DCO는 pending이다. Salesforce long-horizon runtime이 일반적으로 AGI에 해당한다고 쓰지 않았다. Air India 성과를 independent benchmark로 취급하지 않았다. Dreamforce opening keynote는 조사시점 미래 일정이므로 내용추정을 넣지 않았다.\n## ⑧ 사용자가 반드시 알아야 할 것\n실전 AI architecture는 이제 `Compute/Finance Plane`과 `Agent Execution Plane`을 분리해야 한다. Compute plane에는 GPU SKU·region·price index·capacity contract·hedge·credit, Agent plane에는 identity·goal·state·timer·permission·tool·approval·retry·recovery·audit가 필요하다. 두 plane 사이에는 workload cost attribution과 SLA를 연결해야 한다.\n## ⑨ 누락 가능성과 탐색 한계\n이번 증분조사는 미국·영어권 공개웹과 지정 Drive의 기존 문서를 대조했다. WSJ의 공개페이지는 기사 전체가 paywall로 제한돼 headline·초반 funding facts와 회사/CFTC 1차자료를 교차검증했다. Liquid Compute의 실제 OTC 거래규모·고객명·CFTC 심사상태 상세는 비공개다. Salesforce/Air India 성과는 vendor/customer 발표이며 raw operational dataset은 공개되지 않았다. X·Threads 로그인 제한자료와 비공개 기업 communication은 사용하지 않았다.\n## 참고 자료와 작성 정보\n작성·조사 시각: 2026-09-15 20:44:08 KST / 2026-09-15 07:44:08 EDT / 2026-09-15 04:44:08 PDT / 2026-09-15 11:44:08 UTC.\n핵심 직접출처: Wall Street Journal 2026-09-15 Liquid Compute funding 보도; Liquid Compute 공식사이트; CFTC PMEX Markets·PMEX Clearing filings; CFTC 2026-08-19 compute derivatives Request for Comment; CME Group/Silicon Data compute futures 발표; Salesforce 2026-09-14 Agentforce job-ready agents 및 long-horizon runtime 공식자료; Forbes 2026-09-11 독립분석; Salesforce/Air India 2026-09-15 production case. 지정 Google Drive 폴더에서 관련 키워드를 검색해 기존 독립 브리핑 중복을 확인했다.\n이 브리핑은 AI의 도움으로 공개 자료를 조사·정리했습니다. 확인된 사실과 추론, 미확인 내용을 구분해 표시했습니다.","body_format":"text/markdown","body_text":"핵심 요약 조사 기준 시각: 한국시간 2026-09-15 20:44:08 KST (Asia/Seoul, UTC+09:00) / 미국 동부 2026-09-15 07:44:08 EDT (America/New_York, UTC-04:00) / 미국 서부 2026-09-15 04:44:08 PDT (America/Los_Angeles, UTC-07:00) / UTC 2026-09-15 11:44:08Z. 미국 기준 날짜는 America/New_York의 2026-09-15이다. 중복 회피 기준: 지정 Google Drive 폴더의 직전 확인 파일은 gpt_20260915_194456_001.docx이며, 해당 브리핑은 Temporal의 durable execution, Bolt Forge의 data-for-compute, Bell AI Fabric, Nuance Labs를 다뤘다. 이번 실행 전 Drive 검색에서 Liquid Compute, Salesforce Agentforce, Agentforce long-horizon runtime을 독립 핵심사건으로 다룬 기존 문서는 확인되지 않았다. 인접한 AI 인프라 금융 리스크 문서는 있었지만 compute exchange/derivatives를 직접 다룬 사건과는 구분했다. [확인] 직전 브리핑 이후 OpenAI·Anthropic·Google DeepMind·Microsoft·Meta·NVIDIA·GitHub·Hugging Face의 공개 채널에서 이를 대체할 규모의 신규 frontier foundation model/API launch는 확인하지 못했다. 새 사건을 만들어 채우지 않고, 오늘 영어권 공개웹에서 확인된 두 개의 구조적 변화를 심층 추적한다. [확인] 1순위는 New York 기반 Liquid Compute가 FirstMark Capital·Chemistry Ventures가 주도한 $15M seed round를 확보하고, AI compute capacity를 규제된 commodity/exchange market으로 만들려는 계획을 본격화한 사건이다. Wall Street Journal은 9월 15일 이 투자를 보도했고 K8 Capital, Night Capital, TrueBridge, Brainchild Holdings, Y Combinator 등의 참여를 전했다. WSJ - FirstMark, Chemistry Invest in a Startup Building an Exchange for AI Compute Power [확인] Liquid Compute 공식사이트는 physical order book 위에 derivatives market을 만들고 verification·clearing·settlement·price discovery를 제공한다고 설명한다. PMEX Markets는 CFTC DCM designation, PMEX Clearing은 DCO registration을 신청해 현재 pending 상태다. Liquid Compute CFTC - PMEX Markets DCM Filing CFTC - PMEX Clearing DCO Filing [확인] CFTC는 8월 19일 compute derivatives 전반에 대한 공식 Request for Comment를 열었다. Michael S. Selig 의장은 미국이 AI 경쟁에서 이기려면 robust derivatives market for compute가 필요하다고 밝혔고, cash-market size·liquidity·market manipulation·customer protection·perpetual compute futures를 검토 대상으로 지정했다. 이는 한 스타트업의 아이디어를 넘어 규제기관이 compute를 별도 파생상품시장으로 보기 시작했다는 직접 신호다. CFTC - Requests Comment on the Listing of Compute Derivatives Contracts [확인] 경쟁시장도 이미 형성 중이다. CME Group과 Silicon Data는 5월 GPU rental-rate indices를 기초로 compute futures를 출시하겠다고 발표했다. 따라서 Liquid Compute의 차별점은 단순 price index가 아니라 physical capacity transfer, exchange, clearing, credit까지 한 stack으로 묶으려는 구조와 신규 DCM/DCO 신청을 동시에 추진한다는 데 있다. CME Group and Silicon Data Partner to Launch First Compute Futures [추론] compute market이 성숙하면 AI 기업의 GPU 비용은 cloud bill이 아니라 commodity exposure처럼 관리될 수 있다. GPU/Region/Interconnect/QoS 표준화 → Spot Price → Forward Curve → Futures/Options/Swaps → Clearing/Margin → Credit/Collateral이 만들어지면 모델개발사·neocloud·data center·lender는 GPU 구매가격, rental rate, residual value, offtake rollover risk를 분리해 hedge할 수 있다. [추론] 더 큰 변화는 AI infrastructure의 금융화다. GPU가 담보가 되고 capacity contract가 cash flow가 되며 forward curve가 생기면 data-center financing에서 lender가 사용하는 underwriting 방식도 바뀐다. AI compute가 power market처럼 금융상품이 되면 model lab의 경쟁력은 benchmark뿐 아니라 장기 compute procurement·hedging competence까지 포함할 수 있다. [주의] Liquid Compute는 아직 CFTC가 승인한 DCM/DCO가 아니다. CFTC 공식페이지에는 PMEX Markets와 PMEX Clearing이 pending으로 표시된다. WSJ의 $15M funding은 확인됐지만, compute derivatives 시장의 유동성·benchmark integrity·physical delivery·basis risk가 충분히 검증됐다는 뜻은 아니다. GPU SKU·region·network·cluster topology가 달라 완전한 fungibility가 어렵다는 반대근거도 크다. [확인] 2순위는 Salesforce가 Agentforce를 single-turn assistant에서 multi-day/multi-week execution platform으로 옮긴 것이다. 9월 14일 공식발표에서 Salesforce는 Casey·Paige·Carter·Hunter·Marshall·Piper·Fin 등 job-ready agents를 공개하고, Hunter를 시작으로 Memory + Durable Execution + Dynamic Steering을 갖춘 long-horizon runtime을 도입했다. Salesforce - Expands Agentforce With a New Portfolio of AI Agents Built for High-Value Work [확인] Salesforce는 Agent Script라는 open-source behavior language로 AI reasoning과 deterministic rules를 결합하고, Multi-Agent Orchestration은 GA, Agent Optimizer는 10월 GA 예정이라고 밝혔다. 공식발표 기준 Agentforce·Slack에서 누적 7B Agentic Work Units, Q2 alone 3.2B를 처리했다고 주장한다. 이 수치는 회사자체 usage metric이므로 독립 MAU·transaction count와 동일하게 취급하지 않았다. [확인] 독립 분석에서도 long-horizon runtime이 핵심으로 평가됐다. Forbes는 9월 11일 Salesforce AI EVP Jayesh Govindarajan 발언을 인용해 LLM만으로는 부족하고 context·control·tools를 제공하는 harness가 필요하다고 보도했다. Valoir의 Rebecca Wettemann은 long-horizon agent가 상태를 지속하고 오류에서 복구하며 사람의 재지시 없이 프로세스에 재진입해야 실제 위임이 가능하다고 평가했다. Forbes - Salesforce Adds Long-Horizon AI Agents To Agentforce [확인] 9월 15일 Air India 확장사례는 이 architecture가 실제 production workflow에서 어떻게 쓰이는지 보여준다. Salesforce 발표에 따르면 Air India는 refund turnaround를 약 14일에서 4시간으로, passenger name update를 3일에서 30분으로 줄였고 multi-intent email에서는 specialized sub-agents를 호출한 뒤 하나의 응답으로 통합한다. 자동응답은 95% confidence threshold를 넘는 eligible case에서만 생성하고 필요한 경우 human oversight를 둔다. Salesforce - Air India Accelerates Customer Service Transformation with Agentforce [확인] Air India는 140개 이상의 enterprise systems와 30개 이상의 agentic AI initiative를 운영한다고 밝혔다. refund·name change·knowledge retrieval는 서로 다른 backend rule, validation, ticketing, payment/refund system을 연결해야 하므로 chatbot 응답보다 workflow orchestration과 deterministic control이 중요한 사례다. 고객성과 수치는 Salesforce/Air India 발표자료이므로 독립 audit 결과로 보지 않았다. [추론] Salesforce의 전략적 변화는 agent를 대화 세션이 아니라 지속되는 업무주체로 다루는 것이다. 실제 기업업무는 며칠·몇 주에 걸쳐 새 정보가 들어오고 승인조건이 바뀌기 때문에 Goal → Plan → Persistent State → Event/Timer → Tool Action → Approval → Retry/Recovery → Replan → Audit → Outcome이 runtime의 기본구조가 된다. [추론] Temporal이 durable execution infrastructure를, Salesforce가 domain-specific long-horizon runtime을 동시에 강조한다는 점은 서로 다른 layer에서 같은 문제를 해결하고 있다는 신호다. enterprise agent 경쟁의 moat는 foundation model 자체보다 business context, state, permissions, deterministic rules, recovery semantics, audit evidence를 누가 안정적으로 제공하는가에 형성될 가능성이 높다. [주의] Salesforce가 제시한 50%·60%·70%·90%·79% 등의 customer outcome과 Air India의 시간단축은 vendor/customer case study다. workload mix, exception rate, human rework, total cost, baseline definition이 모두 공개된 독립 benchmark는 아니다. Hunter long-horizon runtime도 pilot이며 모든 Agentforce customer가 즉시 동일 기능을 쓰는 것은 아니다. 핵심 사건 종합표 | 순위 | 분류 | 핵심 사건 | 최초 출처 | 연관 출처 체인 | 발생 시각과 미국 현지 날짜 | 핵심 사실 | 후속 전개 | 왜 중요한가 | 숨은 의미·비하인드 해석 | 담당자·관련 인물 | 수혜자 | 불리한 측 | 기술·사업 영향 | 다음 신호 | 신뢰도 | 검증 상태 | 원문 링크 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 1 | AI Compute·Financial Market | Liquid Compute, $15M seed로 regulated compute exchange 추진 | WSJ 9/15 | WSJ funding → Liquid Compute physical order book·indices·credit → PMEX DCM/DCO CFTC filings → CFTC compute-derivatives RFC → CME/Silicon Data compute futures 경쟁 | 2026-09-15, WSJ 원문 시각 미공개; 미국 동부 날짜 9/15 | FirstMark·Chemistry 주도 $15M; physical capacity와 GPU index derivatives를 연결; PMEX Markets/PMEX Clearing은 CFTC pending | 규제승인 시 exchange+clearing+settlement+credit 통합시장 시도; CFTC comment window와 CME 경쟁이 병행 | AI compute가 구매비용에서 hedge 가능한 commodity exposure로 바뀌면 procurement·financing·risk management가 재설계됨 | [추론] GPU의 가격+기간+지역+품질이 표준계약으로 표현되면 compute forward curve가 data-center financing의 핵심 기준이 될 수 있음 | Ronit Jain, Aarav Patel, FirstMark, Chemistry Ventures, CFTC Michael S. Selig, neoclouds, traders | neocloud, AI labs, data-center lenders, market makers, compute-index providers | 가격불투명성에 의존하는 broker, 비표준 capacity 계약, hedge 수단 없는 장기 offtake | GPU indices·forward/futures/options·margin·clearing·collateral·capacity transfer가 AI infra stack에 추가 | CFTC DCM/DCO 결정, first listed contracts, benchmark methodology, volume/open interest, physical delivery, CME launch | 매우 높음 | 확인: WSJ funding + Liquid Compute 1차 + CFTC filing/RFC; 규제승인은 아직 미확인 | WSJ / Liquid Compute / CFTC RFC | | 2 | Enterprise Agents·Long-Horizon Runtime | Salesforce Agentforce, multi-day/multi-week durable agent runtime과 job-ready agents 확대 | Salesforce 9/14; Forbes 9/11 독립분석 | Salesforce job-ready agents → Memory/Durable Execution/Dynamic Steering → Agent Script → Multi-Agent Orchestration → Air India 9/15 production expansion | Salesforce official 2026-09-14, 시각 미공개; Forbes 2026-09-11 08:00 EDT; Air India case 9/15 | Hunter pilot은 장기 goal을 상태유지하며 실행; Agent Script로 reasoning+deterministic rule 결합; Air India는 refund 14일→4시간, name update 3일→30분이라고 발표 | Multi-Agent Orchestration GA, Agent Optimizer 10월 GA, Hunter 11월 GA 예정; Air India 30+ agent initiative 확대 | enterprise agent의 실제 병목이 LLM 응답에서 persistence·recovery·permissions·audit·business rules로 이동 | [추론] Agent platform이 business operating system처럼 event/timer/state/approval/evidence를 소유하면 model은 교체 가능한 reasoning engine이 될 수 있음 | Marc Benioff, Jayesh Govindarajan, Satya Ramaswamy, Salesforce AI, Air India | CRM/workflow platform, process automation, durable runtime, observability/governance vendors | single-turn chatbot, stateless copilot, manual follow-up-heavy workflow | persistent memory, durable execution, dynamic steering, deterministic policy, sub-agent routing, confidence gate 중요도 상승 | Hunter GA, failure/recovery metrics, cost per resolved workflow, human rework rate, agent SLA, independent ROI | 높음 | 확인: Salesforce 1차 + Forbes 독립취재 + Air India production case; 성과수치는 vendor/customer reported | Salesforce / Forbes / Air India case | 1. Liquid Compute - GPU 컴퓨트의 금융상품화 — 연관 추적 ① 최초 신호 [확인] AI compute를 금융상품으로 만들려는 흐름은 2026년 초 PMEX Markets와 PMEX Clearing이 CFTC에 DCM·DCO 신청을 제출하면서 제도권 단계로 들어갔다. Liquid Compute는 초기 Pluto 명칭에서 rebrand하며 compute를 oil·power와 유사한 risk exposure로 다루겠다는 방향을 지속해왔다. ② 공식 확인 [확인] CFTC filing page는 PMEX Markets의 DCM status를 Pending, PMEX Clearing의 DCO status를 Pending Registration으로 표시한다. Liquid Compute 공식사이트는 verification, clearing, settlement, price discovery와 physical order book을 제공하고 derivatives를 그 위에 올리겠다고 설명한다. ③ 후속 기사와 반응 [확인] 9월 15일 WSJ Pro는 FirstMark·Chemistry Ventures가 주도한 $15M seed round를 보도했다. K8 Capital, Night Capital, TrueBridge, Brainchild Holdings 등이 참여했으며, 회사는 AI developers와 compute suppliers가 capacity를 거래하고 hedge하는 시장을 목표로 한다. ④ 담당자·연구자·개발자 발언 [확인] CFTC 의장 Michael S. Selig는 compute를 intelligence economy를 움직이는 commodity로 규정하고 robust derivatives market 필요성을 공개적으로 제시했다. Liquid Compute CEO Ronit Jain의 공개글은 compute buyer·fleet owner·lender가 이미 가격위험을 보유하고 있으며 reference index와 cash-settled forward로 이를 hedge할 수 있다고 설명한다. ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서 [확인] Liquid Compute LinkedIn에는 최근 CCO 영입, GPU forward/hedging, B200/B300 index spread, lender underwriting, compute offtake financing 관련 게시물이 이어졌다. 이는 단순 fundraising보다 compliance·market surveillance·commercial counterparty team을 실제로 구축 중인 신호다. 회사의 공개 GitHub나 Hugging Face model artifact는 핵심사업과 직접 관련되지 않아 근거로 사용하지 않았다. ⑥ 실제 제품·기술·정책 변화 [확인] 공식사이트는 A100·H100·H200·B200·B300 등의 GPU price index 화면과 exchange·settlement·credit layer를 제공한다. 아직 CFTC 승인 전이므로 regulated exchange가 live라고 단정하지 않았으며, onboarding과 일부 OTC/market activity와 규제된 DCM/DCO 운영을 구분했다. ⑦ 숨은 의미와 비하인드 [추론] AI compute가 financial asset class가 되면 GPU manufacturer의 list price보다 rental yield·forward curve·basis·credit quality·residual value가 더 중요한 지표가 된다. 이는 AI infrastructure를 IT procurement가 아니라 energy/project-finance와 유사한 시장으로 바꾼다. [추론] 특히 1~3년 GPU offtake와 10~15년 data-center lease의 tenor mismatch를 forward market이 줄일 수 있다면 lender가 GPU fleet와 data-center project에 요구하는 haircut·interest spread가 낮아질 수 있다. 결과적으로 금융시장이 compute capacity 자체를 더 빠르게 확장시키는 feedback loop가 만들어질 수 있다. ⑧ 반대 근거와 과장 가능성 [주의] GPU compute는 oil처럼 완전히 동질적인 commodity가 아니다. chip generation, memory, interconnect, region, datacenter cooling, network topology, software stack, utilization guarantee가 달라 basis risk가 크다. forward/futures가 있어도 실제 workload의 delivered performance와 계약가격이 완전히 일치하지 않을 수 있다. ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호 PMEX DCM/DCO 승인 여부, 첫 standardized contract specification, benchmark governance, clearing margin model, physical delivery/assignment rule, daily volume·open interest, market maker 참여, CME compute futures 출시와 cross-venue basis를 추적해야 한다. 이 지표가 생기면 compute financialization이 개념이 아니라 실제 시장구조가 된다. 2. Salesforce Agentforce - 장기 실행 에이전트로의 이동 — 연관 추적 ① 최초 신호 [확인] enterprise agent의 초기 배포는 one-shot response나 single workflow에 집중했지만 Salesforce는 customer deployment에서 장기 목표·반복업무·multi-system action이 더 중요하다고 판단했다고 설명한다. 7B Agentic Work Units라는 자체 usage 지표를 근거로 job-ready agents와 long-horizon runtime을 확장했다. ② 공식 확인 [확인] Agentforce long-horizon runtime은 Memory, Durable Execution, Dynamic Steering 세 구성요소를 핵심으로 한다. Hunter outbound sales agent가 첫 적용대상이며 plan을 만들고 여러 주에 걸쳐 새 정보와 user feedback에 따라 course-correct한다. Agent Script는 deterministic rules를 reasoning과 결합한다. ③ 후속 기사와 반응 [확인] Forbes는 9월 11일 이 변화를 long-horizon enterprise agent 경쟁으로 분석했고, Deloitte·Gartner 자료를 인용해 많은 기업이 여전히 production deployment와 ROI에서 어려움을 겪는다고 지적했다. 따라서 Salesforce 발표는 agent adoption이 해결됐다는 증거라기보다 packaging·runtime을 강화해 adoption friction을 줄이려는 전략이다. ④ 담당자·연구자·개발자 발언 [확인] Jayesh Govindarajan은 LLM 자체만으로는 충분하지 않고 올바른 context, control, tools를 제공하는 harness가 필요하다고 설명했다. Rebecca Wettemann은 장기 작업을 위임하려면 agent가 상태를 지속하고 오류에서 복구하며 사람 재지시 없이 프로세스에 재진입할 수 있어야 한다고 평가했다. ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서 [확인] Dreamforce 2026은 9월 15~17일 San Francisco에서 진행 중이며 opening keynote는 9월 15일 10:00 PT로 예정돼 있다. 이번 조사 기준시각에는 아직 해당 keynote 시각 전이므로 future 발표를 이미 공개된 것처럼 쓰지 않았다. Agent Script는 Salesforce가 open-source language로 소개했지만 이번 보고서에서 repo commit까지 직접 검증하지는 않았다. ⑥ 실제 제품·기술·정책 변화 [확인] Casey·Paige·Carter·Marshall·Piper·Fin은 GA, Hunter는 pilot이고 11월 GA 예정이다. Multi-Agent Orchestration은 GA이며 Agent Optimizer는 10월 GA 예정이다. Air India는 refund, multi-intent email, name change, knowledge retrieval로 production scope를 확대했다. ⑦ 숨은 의미와 비하인드 [추론] enterprise agent의 핵심 추상화는 chat session에서 durable process instance로 바뀌고 있다. 사람의 업무티켓처럼 owner, goal, state, deadline, pending approval, exception, evidence가 유지되어야 하며 model call은 process 내부의 한 action이 된다. [추론] 이 구조에서는 가장 가치있는 데이터도 prompt/response보다 state transition과 recovery trace가 된다. 어떤 조건에서 agent가 중단·재시도·escalate·rollback했는지가 향후 Agent Optimizer와 자동개선의 핵심 training/evaluation data가 될 가능성이 높다. ⑧ 반대 근거와 과장 가능성 [주의] long-horizon runtime이 실제로 human labor를 광범위하게 대체한다는 독립증거는 아직 부족하다. 장기실행은 error accumulation, permission drift, stale context, cost runaway, hidden human review 비용을 키울 수 있다. Air India와 Salesforce customer metrics는 successful workflow 중심 case study일 가능성이 있어 exception-rate와 total cost가 필요하다. ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호 Hunter GA 이후 goal completion rate, median task duration, retry/recovery success, human approval frequency, total cost per completed business outcome, Agent Script adoption, Multi-Agent Orchestration failure mode, Agent Optimizer가 실제 session trace를 어떻게 학습·추천에 사용하는지 확인해야 한다. ① 오늘의 핵심 흐름 오늘 새로 보강된 두 사건은 같은 방향을 가리킨다. AI가 커질수록 모델 자체보다 주변의 시장구조와 실행구조가 더 중요해진다. Liquid Compute는 GPU capacity를 commodity/financial market으로 만들고, Salesforce는 agent work를 durable process로 만든다. 하나는 compute의 시간·가격 risk를 구조화하고 다른 하나는 agent의 시간·상태 risk를 구조화한다. ② 새로운 출시·업데이트 새 frontier foundation model/API launch는 직전 브리핑 이후 확인되지 않았다. 제품 측 새 핵심은 Salesforce의 job-ready agents·long-horizon runtime과 9월 15일 Air India production expansion이며, 시장 인프라 측 핵심은 Liquid Compute의 funding과 regulated compute exchange 추진이다. ③ 핵심기술·연구 기술적으로는 financial standardization과 runtime durability가 핵심이다. compute side에서는 index/contract/clearing/margin, agent side에서는 memory/state/retry/idempotency/approval/recovery가 각각 신뢰가능한 장기 실행을 만든다. ④ 기업·담당자·조직 신호 Liquid Compute는 CCO·CCO(Chief Compliance Officer)·market surveillance 역할을 보강하며 financial-market operator 조직으로 이동하고 있다. Salesforce는 prebuilt agent catalog, orchestration, optimizer를 한 platform에서 제공해 consulting-heavy custom agent 구축을 productized platform으로 전환하려 한다. ⑤ SNS·YouTube에서 포착된 신호 Liquid Compute의 LinkedIn은 GPU price exposure, offtake quality, residual value, lender underwriting과 실제 swap booking을 반복적으로 다뤄 시장참여자 교육과 counterparty 확보를 병행하고 있다. Salesforce의 Dreamforce keynote는 조사시점 아직 시작 전이므로 발표내용을 선반영하지 않았다. 소셜 게시물은 공식 filing·product docs보다 낮은 증거등급으로 사용했다. ⑥ 약한 신호와 향후 조짐 [추론] 다음 AI infrastructure 경쟁은 compute 자체를 누가 싸게 사느냐보다 누가 price/tenor risk를 잘 hedge하느냐로 이동할 수 있다. 다음 enterprise-agent 경쟁은 누가 가장 똑똑한 모델을 갖느냐보다 누가 실패한 며칠짜리 업무를 안전하게 이어서 완료시키느냐로 이동할 수 있다. [추론] 두 흐름이 결합되면 AI 운영은 Compute Hedge → Workload Scheduler → Model Router → Durable Agent Runtime → Business Outcome → Cost/Revenue Evidence로 연결된다. 그러면 agent의 business outcome과 underlying compute cost를 같은 운영·재무모델에서 최적화할 수 있다. ⑦ 과장·루머·주의 항목 Liquid Compute가 이미 CFTC-approved exchange라고 쓰지 않았다. PMEX Markets/DCO는 pending이다. Salesforce long-horizon runtime이 일반적으로 AGI에 해당한다고 쓰지 않았다. Air India 성과를 independent benchmark로 취급하지 않았다. Dreamforce opening keynote는 조사시점 미래 일정이므로 내용추정을 넣지 않았다. ⑧ 사용자가 반드시 알아야 할 것 실전 AI architecture는 이제 Compute/Finance Plane과 Agent Execution Plane을 분리해야 한다. Compute plane에는 GPU SKU·region·price index·capacity contract·hedge·credit, Agent plane에는 identity·goal·state·timer·permission·tool·approval·retry·recovery·audit가 필요하다. 두 plane 사이에는 workload cost attribution과 SLA를 연결해야 한다. ⑨ 누락 가능성과 탐색 한계 이번 증분조사는 미국·영어권 공개웹과 지정 Drive의 기존 문서를 대조했다. WSJ의 공개페이지는 기사 전체가 paywall로 제한돼 headline·초반 funding facts와 회사/CFTC 1차자료를 교차검증했다. Liquid Compute의 실제 OTC 거래규모·고객명·CFTC 심사상태 상세는 비공개다. Salesforce/Air India 성과는 vendor/customer 발표이며 raw operational dataset은 공개되지 않았다. X·Threads 로그인 제한자료와 비공개 기업 communication은 사용하지 않았다. 참고 자료와 작성 정보 작성·조사 시각: 2026-09-15 20:44:08 KST / 2026-09-15 07:44:08 EDT / 2026-09-15 04:44:08 PDT / 2026-09-15 11:44:08 UTC. 핵심 직접출처: Wall Street Journal 2026-09-15 Liquid Compute funding 보도; Liquid Compute 공식사이트; CFTC PMEX Markets·PMEX Clearing filings; CFTC 2026-08-19 compute derivatives Request for Comment; CME Group/Silicon Data compute futures 발표; Salesforce 2026-09-14 Agentforce job-ready agents 및 long-horizon runtime 공식자료; Forbes 2026-09-11 독립분석; Salesforce/Air India 2026-09-15 production case. 지정 Google Drive 폴더에서 관련 키워드를 검색해 기존 독립 브리핑 중복을 확인했다. 이 브리핑은 AI의 도움으로 공개 자료를 조사·정리했습니다. 확인된 사실과 추론, 미확인 내용을 구분해 표시했습니다.","canonical_url":"https://yoondata.com/posts/ai-briefing-20260915-204408-001","category":"AI 동향","description":"직전 브리핑 이후 새 frontier model/API 출시는 확인되지 않았다. 대신 Liquid Compute의 1,500만달러 조달과 CFTC의 compute derivatives 제도화가 GPU 용량을 금융상품으로 바꾸는 흐름을 강화했고, Salesforce는 Agentforce에 memory·durable execution·dynamic steering을 갖춘 long-horizon runtime을 도입했다. Air India의 실제 배포 사례는 에이전트 경쟁이 모델 성능보다 상태지속·권한·감사·업무성과로 이동하고 있음을 보여준다.","id":34,"image":null,"language":"ko-KR","modified_at":"2026-09-15T12:02:57Z","published_at":"2026-09-15T12:02:57Z","related_content":[{"title":"미국 2026년 9월 20일 AI 브리핑: Snap SPECS Intelligence가 개인 컨텍스트를 선점하고, Agentforce·AWS·NVIDIA로 AR 실행면까지 확장","url":"https://yoondata.com/posts/ai-briefing-20260920-133619-001"},{"title":"미국 2026년 9월 19일 AI 브리핑: Google은 Mantis를 코드 제출 게이트에 넣어 탐지-증명-패치의 보안 폐쇄루프를 구축","url":"https://yoondata.com/posts/ai-briefing-20260920-123728-001"},{"title":"미국 2026년 9월 19일 AI 브리핑: Qwen은 실시간 통역을 단일 멀티모달 스트림으로, Pika는 멀티모델 창작 운영체계로 이동","url":"https://yoondata.com/posts/ai-briefing-20260920-113419-001"}],"schema_version":1,"sources":[{"title":"WSJ - FirstMark, Chemistry Invest in a Startup Building an Exchange for AI Compute Power","url":"https://www.wsj.com/pro/private-equity/firstmark-chemistry-invest-in-a-startup-building-an-exchange-for-ai-compute-power-33c8661d"},{"title":"Liquid Compute","url":"https://liquidcompute.com/"},{"title":"CFTC - PMEX Markets DCM Filing","url":"https://www.cftc.gov/IndustryOversight/IndustryFilings/TradingOrganizations/59665"},{"title":"CFTC - PMEX Clearing DCO Filing","url":"https://www.cftc.gov/IndustryOversight/IndustryFilings/ClearingOrganizations/59720"},{"title":"CFTC - Requests Comment on the Listing of Compute Derivatives Contracts","url":"https://www.cftc.gov/PressRoom/PressReleases/9286-26"},{"title":"CME Group and Silicon Data Partner to Launch First Compute Futures","url":"https://www.prnewswire.com/news-releases/cme-group-and-silicon-data-partner-to-launch-first-compute-futures-302769215.html"},{"title":"Salesforce - Expands Agentforce With a New Portfolio of AI Agents Built for High-Value Work","url":"https://www.salesforce.com/ap/news/press-releases/2026/09/14/ph-salesforce-expands-agentforce-with-a-new-portfolio-of-ai-agents-built-for-high-value-work/"},{"title":"Forbes - Salesforce Adds Long-Horizon AI Agents To Agentforce","url":"https://www.forbes.com/sites/timkeary/2026/09/11/salesforce-brings-long-horizon-ai-agents-to-agentforce/"},{"title":"Salesforce - Air India Accelerates Customer Service Transformation with Agentforce","url":"https://www.salesforce.com/in/news/press-releases/2026/09/15/air-india-accelerates-customer-service-transformation-with-agentforce/"}],"summary":"직전 브리핑 이후 새 frontier model/API 출시는 확인되지 않았다. 대신 Liquid Compute의 1,500만달러 조달과 CFTC의 compute derivatives 제도화가 GPU 용량을 금융상품으로 바꾸는 흐름을 강화했고, Salesforce는 Agentforce에 memory·durable execution·dynamic steering을 갖춘 long-horizon runtime을 도입했다. Air India의 실제 배포 사례는 에이전트 경쟁이 모델 성능보다 상태지속·권한·감사·업무성과로 이동하고 있음을 보여준다.","tags":["AI 동향","AI 에이전트","AI 인프라","AI 컴퓨트","AI 파생상품","Agent Script","Agentforce","CFTC","Durable Execution","GPU","Liquid Compute","Long Horizon Agents","Multi-Agent Orchestration","Salesforce","미국 AI","생성형 AI"],"title":"미국 2026년 9월 15일 AI 브리핑: GPU 컴퓨트가 상품시장으로 이동·Salesforce 장기 실행 에이전트"},"content_md":"## 핵심 요약\n조사 기준 시각: 한국시간 2026-09-15 20:44:08 KST (Asia/Seoul, UTC+09:00) / 미국 동부 2026-09-15 07:44:08 EDT (America/New_York, UTC-04:00) / 미국 서부 2026-09-15 04:44:08 PDT (America/Los_Angeles, UTC-07:00) / UTC 2026-09-15 11:44:08Z. 미국 기준 날짜는 America/New_York의 2026-09-15이다.\n중복 회피 기준: 지정 Google Drive 폴더의 직전 확인 파일은 gpt_20260915_194456_001.docx이며, 해당 브리핑은 Temporal의 durable execution, Bolt Forge의 data-for-compute, Bell AI Fabric, Nuance Labs를 다뤘다. 이번 실행 전 Drive 검색에서 `Liquid Compute`, `Salesforce Agentforce`, `Agentforce long-horizon runtime`을 독립 핵심사건으로 다룬 기존 문서는 확인되지 않았다. 인접한 AI 인프라 금융 리스크 문서는 있었지만 compute exchange/derivatives를 직접 다룬 사건과는 구분했다.\n[확인] 직전 브리핑 이후 OpenAI·Anthropic·Google DeepMind·Microsoft·Meta·NVIDIA·GitHub·Hugging Face의 공개 채널에서 이를 대체할 규모의 신규 frontier foundation model/API launch는 확인하지 못했다. 새 사건을 만들어 채우지 않고, 오늘 영어권 공개웹에서 확인된 두 개의 구조적 변화를 심층 추적한다.\n[확인] 1순위는 New York 기반 Liquid Compute가 FirstMark Capital·Chemistry Ventures가 주도한 $15M seed round를 확보하고, AI compute capacity를 규제된 commodity/exchange market으로 만들려는 계획을 본격화한 사건이다. Wall Street Journal은 9월 15일 이 투자를 보도했고 K8 Capital, Night Capital, TrueBridge, Brainchild Holdings, Y Combinator 등의 참여를 전했다. [WSJ - FirstMark, Chemistry Invest in a Startup Building an Exchange for AI Compute Power](https://www.wsj.com/pro/private-equity/firstmark-chemistry-invest-in-a-startup-building-an-exchange-for-ai-compute-power-33c8661d)\n[확인] Liquid Compute 공식사이트는 physical order book 위에 derivatives market을 만들고 verification·clearing·settlement·price discovery를 제공한다고 설명한다. PMEX Markets는 CFTC DCM designation, PMEX Clearing은 DCO registration을 신청해 현재 pending 상태다. [Liquid Compute](https://liquidcompute.com/) [CFTC - PMEX Markets DCM Filing](https://www.cftc.gov/IndustryOversight/IndustryFilings/TradingOrganizations/59665) [CFTC - PMEX Clearing DCO Filing](https://www.cftc.gov/IndustryOversight/IndustryFilings/ClearingOrganizations/59720)\n[확인] CFTC는 8월 19일 compute derivatives 전반에 대한 공식 Request for Comment를 열었다. Michael S. Selig 의장은 미국이 AI 경쟁에서 이기려면 robust derivatives market for compute가 필요하다고 밝혔고, cash-market size·liquidity·market manipulation·customer protection·perpetual compute futures를 검토 대상으로 지정했다. 이는 한 스타트업의 아이디어를 넘어 규제기관이 compute를 별도 파생상품시장으로 보기 시작했다는 직접 신호다. [CFTC - Requests Comment on the Listing of Compute Derivatives Contracts](https://www.cftc.gov/PressRoom/PressReleases/9286-26)\n[확인] 경쟁시장도 이미 형성 중이다. CME Group과 Silicon Data는 5월 GPU rental-rate indices를 기초로 compute futures를 출시하겠다고 발표했다. 따라서 Liquid Compute의 차별점은 단순 price index가 아니라 physical capacity transfer, exchange, clearing, credit까지 한 stack으로 묶으려는 구조와 신규 DCM/DCO 신청을 동시에 추진한다는 데 있다. [CME Group and Silicon Data Partner to Launch First Compute Futures](https://www.prnewswire.com/news-releases/cme-group-and-silicon-data-partner-to-launch-first-compute-futures-302769215.html)\n[추론] compute market이 성숙하면 AI 기업의 GPU 비용은 cloud bill이 아니라 commodity exposure처럼 관리될 수 있다. `GPU/Region/Interconnect/QoS 표준화 → Spot Price → Forward Curve → Futures/Options/Swaps → Clearing/Margin → Credit/Collateral`이 만들어지면 모델개발사·neocloud·data center·lender는 GPU 구매가격, rental rate, residual value, offtake rollover risk를 분리해 hedge할 수 있다.\n[추론] 더 큰 변화는 AI infrastructure의 금융화다. GPU가 담보가 되고 capacity contract가 cash flow가 되며 forward curve가 생기면 data-center financing에서 lender가 사용하는 underwriting 방식도 바뀐다. AI compute가 power market처럼 금융상품이 되면 model lab의 경쟁력은 benchmark뿐 아니라 장기 compute procurement·hedging competence까지 포함할 수 있다.\n[주의] Liquid Compute는 아직 CFTC가 승인한 DCM/DCO가 아니다. CFTC 공식페이지에는 PMEX Markets와 PMEX Clearing이 pending으로 표시된다. WSJ의 $15M funding은 확인됐지만, compute derivatives 시장의 유동성·benchmark integrity·physical delivery·basis risk가 충분히 검증됐다는 뜻은 아니다. GPU SKU·region·network·cluster topology가 달라 완전한 fungibility가 어렵다는 반대근거도 크다.\n[확인] 2순위는 Salesforce가 Agentforce를 single-turn assistant에서 multi-day/multi-week execution platform으로 옮긴 것이다. 9월 14일 공식발표에서 Salesforce는 Casey·Paige·Carter·Hunter·Marshall·Piper·Fin 등 job-ready agents를 공개하고, Hunter를 시작으로 `Memory + Durable Execution + Dynamic Steering`을 갖춘 long-horizon runtime을 도입했다. [Salesforce - Expands Agentforce With a New Portfolio of AI Agents Built for High-Value Work](https://www.salesforce.com/ap/news/press-releases/2026/09/14/ph-salesforce-expands-agentforce-with-a-new-portfolio-of-ai-agents-built-for-high-value-work/)\n[확인] Salesforce는 Agent Script라는 open-source behavior language로 AI reasoning과 deterministic rules를 결합하고, Multi-Agent Orchestration은 GA, Agent Optimizer는 10월 GA 예정이라고 밝혔다. 공식발표 기준 Agentforce·Slack에서 누적 7B Agentic Work Units, Q2 alone 3.2B를 처리했다고 주장한다. 이 수치는 회사자체 usage metric이므로 독립 MAU·transaction count와 동일하게 취급하지 않았다.\n[확인] 독립 분석에서도 long-horizon runtime이 핵심으로 평가됐다. Forbes는 9월 11일 Salesforce AI EVP Jayesh Govindarajan 발언을 인용해 LLM만으로는 부족하고 context·control·tools를 제공하는 harness가 필요하다고 보도했다. Valoir의 Rebecca Wettemann은 long-horizon agent가 상태를 지속하고 오류에서 복구하며 사람의 재지시 없이 프로세스에 재진입해야 실제 위임이 가능하다고 평가했다. [Forbes - Salesforce Adds Long-Horizon AI Agents To Agentforce](https://www.forbes.com/sites/timkeary/2026/09/11/salesforce-brings-long-horizon-ai-agents-to-agentforce/)\n[확인] 9월 15일 Air India 확장사례는 이 architecture가 실제 production workflow에서 어떻게 쓰이는지 보여준다. Salesforce 발표에 따르면 Air India는 refund turnaround를 약 14일에서 4시간으로, passenger name update를 3일에서 30분으로 줄였고 multi-intent email에서는 specialized sub-agents를 호출한 뒤 하나의 응답으로 통합한다. 자동응답은 95% confidence threshold를 넘는 eligible case에서만 생성하고 필요한 경우 human oversight를 둔다. [Salesforce - Air India Accelerates Customer Service Transformation with Agentforce](https://www.salesforce.com/in/news/press-releases/2026/09/15/air-india-accelerates-customer-service-transformation-with-agentforce/)\n[확인] Air India는 140개 이상의 enterprise systems와 30개 이상의 agentic AI initiative를 운영한다고 밝혔다. refund·name change·knowledge retrieval는 서로 다른 backend rule, validation, ticketing, payment/refund system을 연결해야 하므로 chatbot 응답보다 workflow orchestration과 deterministic control이 중요한 사례다. 고객성과 수치는 Salesforce/Air India 발표자료이므로 독립 audit 결과로 보지 않았다.\n[추론] Salesforce의 전략적 변화는 agent를 `대화 세션`이 아니라 `지속되는 업무주체`로 다루는 것이다. 실제 기업업무는 며칠·몇 주에 걸쳐 새 정보가 들어오고 승인조건이 바뀌기 때문에 `Goal → Plan → Persistent State → Event/Timer → Tool Action → Approval → Retry/Recovery → Replan → Audit → Outcome`이 runtime의 기본구조가 된다.\n[추론] Temporal이 durable execution infrastructure를, Salesforce가 domain-specific long-horizon runtime을 동시에 강조한다는 점은 서로 다른 layer에서 같은 문제를 해결하고 있다는 신호다. enterprise agent 경쟁의 moat는 foundation model 자체보다 business context, state, permissions, deterministic rules, recovery semantics, audit evidence를 누가 안정적으로 제공하는가에 형성될 가능성이 높다.\n[주의] Salesforce가 제시한 50%·60%·70%·90%·79% 등의 customer outcome과 Air India의 시간단축은 vendor/customer case study다. workload mix, exception rate, human rework, total cost, baseline definition이 모두 공개된 독립 benchmark는 아니다. Hunter long-horizon runtime도 pilot이며 모든 Agentforce customer가 즉시 동일 기능을 쓰는 것은 아니다.\n## 핵심 사건 종합표\n| 순위 | 분류 | 핵심 사건 | 최초 출처 | 연관 출처 체인 | 발생 시각과 미국 현지 날짜 | 핵심 사실 | 후속 전개 | 왜 중요한가 | 숨은 의미·비하인드 해석 | 담당자·관련 인물 | 수혜자 | 불리한 측 | 기술·사업 영향 | 다음 신호 | 신뢰도 | 검증 상태 | 원문 링크 |\n| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |\n| 1 | AI Compute·Financial Market | Liquid Compute, $15M seed로 regulated compute exchange 추진 | WSJ 9/15 | WSJ funding → Liquid Compute physical order book·indices·credit → PMEX DCM/DCO CFTC filings → CFTC compute-derivatives RFC → CME/Silicon Data compute futures 경쟁 | 2026-09-15, WSJ 원문 시각 미공개; 미국 동부 날짜 9/15 | FirstMark·Chemistry 주도 $15M; physical capacity와 GPU index derivatives를 연결; PMEX Markets/PMEX Clearing은 CFTC pending | 규제승인 시 exchange+clearing+settlement+credit 통합시장 시도; CFTC comment window와 CME 경쟁이 병행 | AI compute가 구매비용에서 hedge 가능한 commodity exposure로 바뀌면 procurement·financing·risk management가 재설계됨 | [추론] GPU의 `가격+기간+지역+품질`이 표준계약으로 표현되면 compute forward curve가 data-center financing의 핵심 기준이 될 수 있음 | Ronit Jain, Aarav Patel, FirstMark, Chemistry Ventures, CFTC Michael S. Selig, neoclouds, traders | neocloud, AI labs, data-center lenders, market makers, compute-index providers | 가격불투명성에 의존하는 broker, 비표준 capacity 계약, hedge 수단 없는 장기 offtake | GPU indices·forward/futures/options·margin·clearing·collateral·capacity transfer가 AI infra stack에 추가 | CFTC DCM/DCO 결정, first listed contracts, benchmark methodology, volume/open interest, physical delivery, CME launch | 매우 높음 | 확인: WSJ funding + Liquid Compute 1차 + CFTC filing/RFC; 규제승인은 아직 미확인 | [WSJ](https://www.wsj.com/pro/private-equity/firstmark-chemistry-invest-in-a-startup-building-an-exchange-for-ai-compute-power-33c8661d) / [Liquid Compute](https://liquidcompute.com/) / [CFTC RFC](https://www.cftc.gov/PressRoom/PressReleases/9286-26) |\n| 2 | Enterprise Agents·Long-Horizon Runtime | Salesforce Agentforce, multi-day/multi-week durable agent runtime과 job-ready agents 확대 | Salesforce 9/14; Forbes 9/11 독립분석 | Salesforce job-ready agents → Memory/Durable Execution/Dynamic Steering → Agent Script → Multi-Agent Orchestration → Air India 9/15 production expansion | Salesforce official 2026-09-14, 시각 미공개; Forbes 2026-09-11 08:00 EDT; Air India case 9/15 | Hunter pilot은 장기 goal을 상태유지하며 실행; Agent Script로 reasoning+deterministic rule 결합; Air India는 refund 14일→4시간, name update 3일→30분이라고 발표 | Multi-Agent Orchestration GA, Agent Optimizer 10월 GA, Hunter 11월 GA 예정; Air India 30+ agent initiative 확대 | enterprise agent의 실제 병목이 LLM 응답에서 persistence·recovery·permissions·audit·business rules로 이동 | [추론] Agent platform이 business operating system처럼 event/timer/state/approval/evidence를 소유하면 model은 교체 가능한 reasoning engine이 될 수 있음 | Marc Benioff, Jayesh Govindarajan, Satya Ramaswamy, Salesforce AI, Air India | CRM/workflow platform, process automation, durable runtime, observability/governance vendors | single-turn chatbot, stateless copilot, manual follow-up-heavy workflow | persistent memory, durable execution, dynamic steering, deterministic policy, sub-agent routing, confidence gate 중요도 상승 | Hunter GA, failure/recovery metrics, cost per resolved workflow, human rework rate, agent SLA, independent ROI | 높음 | 확인: Salesforce 1차 + Forbes 독립취재 + Air India production case; 성과수치는 vendor/customer reported | [Salesforce](https://www.salesforce.com/ap/news/press-releases/2026/09/14/ph-salesforce-expands-agentforce-with-a-new-portfolio-of-ai-agents-built-for-high-value-work/) / [Forbes](https://www.forbes.com/sites/timkeary/2026/09/11/salesforce-brings-long-horizon-ai-agents-to-agentforce/) / [Air India case](https://www.salesforce.com/in/news/press-releases/2026/09/15/air-india-accelerates-customer-service-transformation-with-agentforce/) |\n## 1. Liquid Compute - GPU 컴퓨트의 금융상품화 — 연관 추적\n### ① 최초 신호\n[확인] AI compute를 금융상품으로 만들려는 흐름은 2026년 초 PMEX Markets와 PMEX Clearing이 CFTC에 DCM·DCO 신청을 제출하면서 제도권 단계로 들어갔다. Liquid Compute는 초기 Pluto 명칭에서 rebrand하며 compute를 oil·power와 유사한 risk exposure로 다루겠다는 방향을 지속해왔다.\n### ② 공식 확인\n[확인] CFTC filing page는 PMEX Markets의 DCM status를 Pending, PMEX Clearing의 DCO status를 Pending Registration으로 표시한다. Liquid Compute 공식사이트는 verification, clearing, settlement, price discovery와 physical order book을 제공하고 derivatives를 그 위에 올리겠다고 설명한다.\n### ③ 후속 기사와 반응\n[확인] 9월 15일 WSJ Pro는 FirstMark·Chemistry Ventures가 주도한 $15M seed round를 보도했다. K8 Capital, Night Capital, TrueBridge, Brainchild Holdings 등이 참여했으며, 회사는 AI developers와 compute suppliers가 capacity를 거래하고 hedge하는 시장을 목표로 한다.\n### ④ 담당자·연구자·개발자 발언\n[확인] CFTC 의장 Michael S. Selig는 compute를 intelligence economy를 움직이는 commodity로 규정하고 robust derivatives market 필요성을 공개적으로 제시했다. Liquid Compute CEO Ronit Jain의 공개글은 compute buyer·fleet owner·lender가 이미 가격위험을 보유하고 있으며 reference index와 cash-settled forward로 이를 hedge할 수 있다고 설명한다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] Liquid Compute LinkedIn에는 최근 CCO 영입, GPU forward/hedging, B200/B300 index spread, lender underwriting, compute offtake financing 관련 게시물이 이어졌다. 이는 단순 fundraising보다 compliance·market surveillance·commercial counterparty team을 실제로 구축 중인 신호다. 회사의 공개 GitHub나 Hugging Face model artifact는 핵심사업과 직접 관련되지 않아 근거로 사용하지 않았다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] 공식사이트는 A100·H100·H200·B200·B300 등의 GPU price index 화면과 exchange·settlement·credit layer를 제공한다. 아직 CFTC 승인 전이므로 regulated exchange가 live라고 단정하지 않았으며, onboarding과 일부 OTC/market activity와 규제된 DCM/DCO 운영을 구분했다.\n### ⑦ 숨은 의미와 비하인드\n[추론] AI compute가 financial asset class가 되면 GPU manufacturer의 list price보다 rental yield·forward curve·basis·credit quality·residual value가 더 중요한 지표가 된다. 이는 AI infrastructure를 IT procurement가 아니라 energy/project-finance와 유사한 시장으로 바꾼다.\n[추론] 특히 1~3년 GPU offtake와 10~15년 data-center lease의 tenor mismatch를 forward market이 줄일 수 있다면 lender가 GPU fleet와 data-center project에 요구하는 haircut·interest spread가 낮아질 수 있다. 결과적으로 금융시장이 compute capacity 자체를 더 빠르게 확장시키는 feedback loop가 만들어질 수 있다.\n### ⑧ 반대 근거와 과장 가능성\n[주의] GPU compute는 oil처럼 완전히 동질적인 commodity가 아니다. chip generation, memory, interconnect, region, datacenter cooling, network topology, software stack, utilization guarantee가 달라 basis risk가 크다. forward/futures가 있어도 실제 workload의 delivered performance와 계약가격이 완전히 일치하지 않을 수 있다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nPMEX DCM/DCO 승인 여부, 첫 standardized contract specification, benchmark governance, clearing margin model, physical delivery/assignment rule, daily volume·open interest, market maker 참여, CME compute futures 출시와 cross-venue basis를 추적해야 한다. 이 지표가 생기면 compute financialization이 개념이 아니라 실제 시장구조가 된다.\n## 2. Salesforce Agentforce - 장기 실행 에이전트로의 이동 — 연관 추적\n### ① 최초 신호\n[확인] enterprise agent의 초기 배포는 one-shot response나 single workflow에 집중했지만 Salesforce는 customer deployment에서 장기 목표·반복업무·multi-system action이 더 중요하다고 판단했다고 설명한다. 7B Agentic Work Units라는 자체 usage 지표를 근거로 job-ready agents와 long-horizon runtime을 확장했다.\n### ② 공식 확인\n[확인] Agentforce long-horizon runtime은 Memory, Durable Execution, Dynamic Steering 세 구성요소를 핵심으로 한다. Hunter outbound sales agent가 첫 적용대상이며 plan을 만들고 여러 주에 걸쳐 새 정보와 user feedback에 따라 course-correct한다. Agent Script는 deterministic rules를 reasoning과 결합한다.\n### ③ 후속 기사와 반응\n[확인] Forbes는 9월 11일 이 변화를 long-horizon enterprise agent 경쟁으로 분석했고, Deloitte·Gartner 자료를 인용해 많은 기업이 여전히 production deployment와 ROI에서 어려움을 겪는다고 지적했다. 따라서 Salesforce 발표는 agent adoption이 해결됐다는 증거라기보다 packaging·runtime을 강화해 adoption friction을 줄이려는 전략이다.\n### ④ 담당자·연구자·개발자 발언\n[확인] Jayesh Govindarajan은 LLM 자체만으로는 충분하지 않고 올바른 context, control, tools를 제공하는 harness가 필요하다고 설명했다. Rebecca Wettemann은 장기 작업을 위임하려면 agent가 상태를 지속하고 오류에서 복구하며 사람 재지시 없이 프로세스에 재진입할 수 있어야 한다고 평가했다.\n### ⑤ SNS·YouTube·GitHub 등에서 드러난 추가 단서\n[확인] Dreamforce 2026은 9월 15~17일 San Francisco에서 진행 중이며 opening keynote는 9월 15일 10:00 PT로 예정돼 있다. 이번 조사 기준시각에는 아직 해당 keynote 시각 전이므로 future 발표를 이미 공개된 것처럼 쓰지 않았다. Agent Script는 Salesforce가 open-source language로 소개했지만 이번 보고서에서 repo commit까지 직접 검증하지는 않았다.\n### ⑥ 실제 제품·기술·정책 변화\n[확인] Casey·Paige·Carter·Marshall·Piper·Fin은 GA, Hunter는 pilot이고 11월 GA 예정이다. Multi-Agent Orchestration은 GA이며 Agent Optimizer는 10월 GA 예정이다. Air India는 refund, multi-intent email, name change, knowledge retrieval로 production scope를 확대했다.\n### ⑦ 숨은 의미와 비하인드\n[추론] enterprise agent의 핵심 추상화는 chat session에서 `durable process instance`로 바뀌고 있다. 사람의 업무티켓처럼 owner, goal, state, deadline, pending approval, exception, evidence가 유지되어야 하며 model call은 process 내부의 한 action이 된다.\n[추론] 이 구조에서는 가장 가치있는 데이터도 prompt/response보다 state transition과 recovery trace가 된다. 어떤 조건에서 agent가 중단·재시도·escalate·rollback했는지가 향후 Agent Optimizer와 자동개선의 핵심 training/evaluation data가 될 가능성이 높다.\n### ⑧ 반대 근거와 과장 가능성\n[주의] long-horizon runtime이 실제로 human labor를 광범위하게 대체한다는 독립증거는 아직 부족하다. 장기실행은 error accumulation, permission drift, stale context, cost runaway, hidden human review 비용을 키울 수 있다. Air India와 Salesforce customer metrics는 successful workflow 중심 case study일 가능성이 있어 exception-rate와 total cost가 필요하다.\n### ⑨ 향후 예상되는 다음 행동과 확인해야 할 신호\nHunter GA 이후 goal completion rate, median task duration, retry/recovery success, human approval frequency, total cost per completed business outcome, Agent Script adoption, Multi-Agent Orchestration failure mode, Agent Optimizer가 실제 session trace를 어떻게 학습·추천에 사용하는지 확인해야 한다.\n## ① 오늘의 핵심 흐름\n오늘 새로 보강된 두 사건은 같은 방향을 가리킨다. AI가 커질수록 모델 자체보다 주변의 시장구조와 실행구조가 더 중요해진다. Liquid Compute는 GPU capacity를 commodity/financial market으로 만들고, Salesforce는 agent work를 durable process로 만든다. 하나는 compute의 시간·가격 risk를 구조화하고 다른 하나는 agent의 시간·상태 risk를 구조화한다.\n## ② 새로운 출시·업데이트\n새 frontier foundation model/API launch는 직전 브리핑 이후 확인되지 않았다. 제품 측 새 핵심은 Salesforce의 job-ready agents·long-horizon runtime과 9월 15일 Air India production expansion이며, 시장 인프라 측 핵심은 Liquid Compute의 funding과 regulated compute exchange 추진이다.\n## ③ 핵심기술·연구\n기술적으로는 `financial standardization`과 `runtime durability`가 핵심이다. compute side에서는 index/contract/clearing/margin, agent side에서는 memory/state/retry/idempotency/approval/recovery가 각각 신뢰가능한 장기 실행을 만든다.\n## ④ 기업·담당자·조직 신호\nLiquid Compute는 CCO·CCO(Chief Compliance Officer)·market surveillance 역할을 보강하며 financial-market operator 조직으로 이동하고 있다. Salesforce는 prebuilt agent catalog, orchestration, optimizer를 한 platform에서 제공해 consulting-heavy custom agent 구축을 productized platform으로 전환하려 한다.\n## ⑤ SNS·YouTube에서 포착된 신호\nLiquid Compute의 LinkedIn은 GPU price exposure, offtake quality, residual value, lender underwriting과 실제 swap booking을 반복적으로 다뤄 시장참여자 교육과 counterparty 확보를 병행하고 있다. Salesforce의 Dreamforce keynote는 조사시점 아직 시작 전이므로 발표내용을 선반영하지 않았다. 소셜 게시물은 공식 filing·product docs보다 낮은 증거등급으로 사용했다.\n## ⑥ 약한 신호와 향후 조짐\n[추론] 다음 AI infrastructure 경쟁은 compute 자체를 누가 싸게 사느냐보다 누가 price/tenor risk를 잘 hedge하느냐로 이동할 수 있다. 다음 enterprise-agent 경쟁은 누가 가장 똑똑한 모델을 갖느냐보다 누가 실패한 며칠짜리 업무를 안전하게 이어서 완료시키느냐로 이동할 수 있다.\n[추론] 두 흐름이 결합되면 AI 운영은 `Compute Hedge → Workload Scheduler → Model Router → Durable Agent Runtime → Business Outcome → Cost/Revenue Evidence`로 연결된다. 그러면 agent의 business outcome과 underlying compute cost를 같은 운영·재무모델에서 최적화할 수 있다.\n## ⑦ 과장·루머·주의 항목\nLiquid Compute가 이미 CFTC-approved exchange라고 쓰지 않았다. PMEX Markets/DCO는 pending이다. Salesforce long-horizon runtime이 일반적으로 AGI에 해당한다고 쓰지 않았다. Air India 성과를 independent benchmark로 취급하지 않았다. Dreamforce opening keynote는 조사시점 미래 일정이므로 내용추정을 넣지 않았다.\n## ⑧ 사용자가 반드시 알아야 할 것\n실전 AI architecture는 이제 `Compute/Finance Plane`과 `Agent Execution Plane`을 분리해야 한다. Compute plane에는 GPU SKU·region·price index·capacity contract·hedge·credit, Agent plane에는 identity·goal·state·timer·permission·tool·approval·retry·recovery·audit가 필요하다. 두 plane 사이에는 workload cost attribution과 SLA를 연결해야 한다.\n## ⑨ 누락 가능성과 탐색 한계\n이번 증분조사는 미국·영어권 공개웹과 지정 Drive의 기존 문서를 대조했다. WSJ의 공개페이지는 기사 전체가 paywall로 제한돼 headline·초반 funding facts와 회사/CFTC 1차자료를 교차검증했다. Liquid Compute의 실제 OTC 거래규모·고객명·CFTC 심사상태 상세는 비공개다. Salesforce/Air India 성과는 vendor/customer 발표이며 raw operational dataset은 공개되지 않았다. X·Threads 로그인 제한자료와 비공개 기업 communication은 사용하지 않았다.\n## 참고 자료와 작성 정보\n작성·조사 시각: 2026-09-15 20:44:08 KST / 2026-09-15 07:44:08 EDT / 2026-09-15 04:44:08 PDT / 2026-09-15 11:44:08 UTC.\n핵심 직접출처: Wall Street Journal 2026-09-15 Liquid Compute funding 보도; Liquid Compute 공식사이트; CFTC PMEX Markets·PMEX Clearing filings; CFTC 2026-08-19 compute derivatives Request for Comment; CME Group/Silicon Data compute futures 발표; Salesforce 2026-09-14 Agentforce job-ready agents 및 long-horizon runtime 공식자료; Forbes 2026-09-11 독립분석; Salesforce/Air India 2026-09-15 production case. 지정 Google Drive 폴더에서 관련 키워드를 검색해 기존 독립 브리핑 중복을 확인했다.\n이 브리핑은 AI의 도움으로 공개 자료를 조사·정리했습니다. 확인된 사실과 추론, 미확인 내용을 구분해 표시했습니다.","created_at":"2026-09-15T12:02:57Z","id":34,"published_at":"2026-09-15T12:02:57Z","scheduled_at":null,"slug":"ai-briefing-20260915-204408-001","source_key":null,"status":"published","summary":"직전 브리핑 이후 새 frontier model/API 출시는 확인되지 않았다. 대신 Liquid Compute의 1,500만달러 조달과 CFTC의 compute derivatives 제도화가 GPU 용량을 금융상품으로 바꾸는 흐름을 강화했고, Salesforce는 Agentforce에 memory·durable execution·dynamic steering을 갖춘 long-horizon runtime을 도입했다. Air India의 실제 배포 사례는 에이전트 경쟁이 모델 성능보다 상태지속·권한·감사·업무성과로 이동하고 있음을 보여준다.","tags":["AI 동향","AI 에이전트","AI 인프라","AI 컴퓨트","AI 파생상품","Agent Script","Agentforce","CFTC","Durable Execution","GPU","Liquid Compute","Long Horizon Agents","Multi-Agent Orchestration","Salesforce","미국 AI","생성형 AI"],"thumbnail":"","title":"미국 2026년 9월 15일 AI 브리핑: GPU 컴퓨트가 상품시장으로 이동·Salesforce 장기 실행 에이전트","updated_at":"2026-09-15T12:02:57Z","version":2,"views":65}