🍺 빠르게 식어가는 열기, Manus AI는 과연 거품일까?

하지만, 엄청난 속도로 바이럴 되었던 것도 잠시, 이튿날부터는 그 열기가 꽤 빠르게 식어갔는데요. 순간의 Wow에 가려져 보이지 않았던 여러 한계점이 드러나면서부터였습니다.

🧐 단순 LLM Wrapper인가, 아니면 정말 기술적으로 뛰어난가?

지금까지 가장 큰 비판은 Manus AI가 딥시크, OpenAI, Anthropic과는 달리 모델을 직접 개발하지 않는, LLM Wrapper라는 점입니다. 보도에 따르면, Manus AI는 Anthropic의 Claude 모델을 기반으로 하고, 알리바바의 통의천문(Qwen) 기반 RL(강화학습) 모델을 사용할 가능성이 높다고 하는데요. 이를 두고 일각에서는 “기존 모델을 ‘조합’한 것일 뿐, 기술적으로 전혀 새로울 게 없다”고 이야기하며 대기업이나 스타트업에서 빠르게 복제할 수 있다는 우려를 표현하기도 했습니다.

🧐 Manus, 진짜 AGI(범용 인공지능)의 단계인가?

데모 영상에서 Manus는 AGI 시대의 서막을 예고하며, 범용 인공지능의 첫걸음을 내디뎠다고 자부했는데요. 하지만, 이를 두고 ‘아직은 멀었다’는 여론이 주를 이루고 있습니다. Manus는 아직 자체 데이터 피드백 루프가 없어 스스로 발전하는 AI가 아닌, 외부 모델과 도구를 효과적으로 활용하는 최적화된 에이전트에 가깝기 때문인데요. 즉, Manus는 사용자의 요청을 처리하면서 생성한 데이터를 지속적으로 학습하거나 자체적으로 성능을 개선하지 못하고, 이는 이전 경험을 학습하며 스스로 발전하는 AGI의 모습과는 거리가 멀다는 겁니다.

⚗️ 그럼에도 불구하고, 주목해야 하는 이유 (Feat. KV’s Thoughts)

Manus AI가 하루아침에 이렇게 큰 관심을 받으며 OpenAI, 딥시크와 어깨를 나란히 할 수 있다고 보는 건 시기상조는 맞습니다. 아직 베타 테스트 기간인 만큼 더 지켜봐야 할 부분도 분명히 있죠. 하지만, 이번 Manus 열풍은 저희에게 주는 중요한 시사점이 있다고 생각합니다.

💭 Manus는 결코 Foundation Model 덕만 본 프로덕트는 아닙니다. (feat. 눈물의 차력쇼)

좋은 결과물은 기본적으로 Foundation Model의 성능, 맥락, 그리고 외부 정보가 유기적으로 결합해 만들어집니다. 물론 Foundation Model 자체의 추론 성능이 결과물에 가장 큰 영향을 준다는 점은 부정하기 어렵습니다. 실제로 한 Cursor 유저는 Claude가 버전 업되기 전후로 완전히 달라진 사용자 경험을 언급하기도 했죠. 그래서 “Manus가 보여주는 성능은 결국 Claude 추론 성능 덕 아니냐?”라는 이야기도 나올 법합니다. 

그러나 AI 모델들을 유기적으로 연결해, 데모 수준을 넘어서는 퀄리티를 꾸준히 내는 것은 고도의 엔지니어링이 필요한 작업입니다. 대략 네 가지 허들이 있는데요.

첫째, 모델 최적화입니다. Hugging Face에만 해도 11만 개가 넘는 모델이 있고, 모두 “어떤 특정 영역 벤치마크 점수를 최고로 갱신했다”고 주장합니다. 모델마다 잘하는 태스크가 다르므로, 하나의 태스크를 쪼개 어떤 모델이 어떤 부분에서 효율적으로 성능을 낼지 끊임없는 테스트와 최적화가 필요하죠.

둘째, 외부 정보를 무리 없이 연동하는 일입니다. Manus가 직접 인터넷을 검색해 외부 데이터를 가져오려면, 모델 ↔ 인터넷 ↔ API가 연결되는 인터페이스를 구축해야 합니다. 거기에 요청 속도 최적화, 인증 관리, 요청 오류 처리 등도 필수입니다. (리캡차 같은 건 어떻게 뚫을지 고민해야 한다든가.)

셋째, 답변 안정성입니다. 언제든 엉뚱한 답변을 낼 수 있는 LLM 모델을 한 번 더 가공해, 유저가 요청하지 않은 것까지 막 알아서 해버리는 위험을 방지해야 합니다. 

넷째, 속도 문제입니다. 위 과정을 가능한 최소 시간 안에 구현해야 하죠.

이런 전 과정을 단순히 ‘Wrapping’이라고 하기엔 너무 박한 평가 같아요. KV EIR 태호는 이를 “눈물의 차력쇼”라고 표현했는데, 참 적확합니다. Manus가 매번 대규모 ‘Agent 단체 차력쇼’를 벌여 정확도, 속도, 안전성을 지켜내고 있다는 뜻이니까요.

실제로 한 전문가는 “새로운 기술은 많지 않지만, 놀라울 정도로 완벽하게 통합했다”며 이를 “PM이 거둔 완벽한 승리”라고까지 평했습니다. 저희도 이 사례를 보며, AI 시대가 Researcher들의 R&D 단계에서 Engineer들이 주도하는 실용화 단계로 넘어가고 있다고 느꼈습니다. (feat. 천재 심사역 제로)

물론, 앞으로 상용화되는 과정에서 수백만 명의 유저가 사용해도 성능과 속도를 유지할 수 있는지, BM은 어떻게 붙일 수 있을지 등등 풀어야 할 문제들이 많이 남아있겠죠. 하지만, 앞으로 더욱 뛰어난 모델들과 혁신적인 UX가 강결합하며 다양한 산업군과 환경에서 누구나 쉽게 사용할 수 있는 에이전트가 탄생할 수 있다는 가능성을 보여주지 않았나 싶습니다. 결국, Manus가 정말 AGI의 서막을 알리는 제품이 될지는 시간이 증명하겠지만 적어도 현재 Manus가 AI 에이전트 시장의 판도를 바꾸고 있다는 건 분명해 보입니다.

😱과연 범용 에이전트가 상용화된다면 지금의 AI Application들은 어떻게 될까?
Manus가 범용 Agent의 가능성을 보여주긴 했어도, 특정 버티컬이나 워크플로우에 최적화된 서비스를 이기긴 어렵다고 봅니다. 속도나 정확도 면에서 전문화된 Agent가 우위에 있을 테니까요. 그래서 어느 정도 범용성을 요구하는 개인 영역에선 범용 Agent가, 반대로 업무 환경에선 업무별 특화 Agent들이 시장을 나누어 가지지 않을까 싶습니다.