OpenClaw란? AI 에이전트는 어디까지 왔나, 투자자가 주목해야 하는 이유

생성형 AI가 등장한 이후 우리는 AI에게 질문하고

답을 받는 방식에 빠르게 익숙해졌다.

 

하지만 최근 AI 산업의 관심은 단순히 질문에 답하는

AI에서 직접 일을 수행하는

AI 에이전트(AI Agent)로 이동하고 있다.

 

최근 주목받고 있는 오픈소스 AI 에이전트

OpenClaw(오픈클로우) 역시 이러한 변화를

보여주는 사례 중 하나다.

 

OpenClaw가 중요한 이유는 하나의 프로그램이

인기를 얻고 있기 때문만은 아니다.

 

AI가 앞으로 얼마나 많은 일을 대신하게 될지,

그리고 그 과정에서 데이터센터와

GPU(대규모 AI 연산을 처리하는 반도체) , 

 HBM(High Bandwidth Memory·AI 반도체에

데이터를 빠르게 공급하는 고대역폭 메모리) ,

클라우드 수요가 어떻게 달라질지를 보여주는

하나의 신호이기 때문이다.

 

1. OpenClaw란 무엇인가

OpenClaw는 개인이 자신의 기기에서 실행하고

여러 메신저나 AI 모델과 연결해 사용할 수 있는

오픈소스 AI 에이전트다.

 

오픈소스(Open Source)란 프로그램의 설계도에

해당하는 소스코드를 공개해 다른 개발자들도

코드를 확인하고, 정해진 라이선스 범위 안에서

수정하거나 기능을 추가할 수 있도록 한 것을 말한다.

 

OpenClaw 자체가 GPT나 Claude 같은

 LLM(Large Language Model·대규모 언어모델)은

아니다.

 

쉽게 말하면 GPT나 Claude 같은 AI 모델이

사람의 ‘두뇌’ 역할을 한다면,

OpenClaw는 그 두뇌를 이메일이나 메신저,

파일 같은 여러 도구와 연결해 실제 일을 할 수

있도록 해주는 시스템에 가깝다.

 

OpenClaw 공식 문서에 따르면 Discord,

Google Chat, Microsoft Teams, Signal,

Slack, Telegram, WhatsApp 등 다양한

채널과 연결할 수 있다.

 

현재 OpenClaw는 비영리 조직인

OpenClaw Foundation을 중심으로

공개 개발되고 있다.

 

OpenClaw는 다양한 메신저와 AI를 연결해 사용할 수 있는 오픈소스 AI 에이전트다.
출처: OpenClaw 공식 문서

 

바로가기: OpenClaw 공식 홈페이지 또는 공식 Docs

 

2. ChatGPT와 AI 에이전트는 무엇이 다른가

기존 생성형 AI와 AI 에이전트의 가장 큰 차이는

행동(Action)이다.

 

일반적인 생성형 AI는

사용자 질문 → AI 답변 → 사용자가 판단하고 실행

하는 방식이다.

 

반면 AI 에이전트는 사용자가 목표를 제시하면

목표 확인 → 정보 검색 → 판단 → 도구 사용 →

작업 실행 → 결과 확인 → 다음 행동

같은 과정을 반복할 수 있다.

 

예를 들어 사용자가

“오늘 중요한 이메일을 확인하고 필요한

일정을 정리해줘.”

라고 요청했다고 가정해보자.

 

일반적인 챗봇은 이메일을 어떻게 정리하면

좋을지 답변하는 데 그칠 수 있다.

 

하지만 AI 에이전트는 필요한 권한과 도구가

연결되어 있다면 이메일을 확인하고 내용을

분류하고, 캘린더를 확인한 뒤 다음 작업까지

이어갈 수 있다.

 

OpenAI의 Codex(코덱스·코딩 작업을 대신

수행하는 AI 에이전트)도 이러한 변화를

보여주는 사례다.

Codex는 단순히 코드를 생성하는 데 그치지 않고

프로젝트의 코드를 읽고, 기능을 만들거나

수정하고, 테스트를 실행하는 등 여러 단계의

개발 업무를 수행할 수 있다.

 

OpenAI에 따르면 2026년 5월 기준 Codex의

주간 사용자는 400만 명 이상이다.

 

AI 에이전트가 단순한 실험을 넘어 실제 업무에

사용되기 시작했다는 것을 보여주는 사례다.

 

3. AI 에이전트는 지금 어디까지 왔을까

AI 에이전트가 완전히 보편화된 상태를

100이라고 가정하면 현재는 어느 정도일까.

 

공식적인 지표는 아니지만 개인적으로는

아직 20~30 정도의 초기 단계라고 생각한다.

 

이미 코딩과 자료 검색, 문서 처리, 고객 서비스 등

특정 분야에서는 AI 에이전트가 실제로

사용되고 있다.

 

Microsoft는 Copilot Studio

(기업이 업무용 AI 에이전트를 직접 만들어

사용할 수 있게 해주는 도구)를 통해 기업이

필요한 AI 에이전트를 설계하고 테스트해

배포할 수 있도록 하고 있다.

 

Amazon 역시 Bedrock AgentCore

(기업이 AI 에이전트를 만들어 실제 업무에서

운영할 수 있게 해주는 AWS 서비스)를

제공하고 있다.

 

2026년에는 AgentCore가 장시간 작업,

메모리, 웹 브라우징, 도구 실행 등을 지원하는

방향으로 발전하고 있다.

 

즉 AI 에이전트는 더 이상 개념만 존재하는 

단계는 아니다.

 

하지만 아직 해결해야 할 문제도 많다.

 

대표적인 것이 정확성, 보안, 권한 관리다.

 

4. 편리해질수록 보안은 더 중요해진다

AI가 답변만 하는 것과 실제 행동하는 것은

위험의 크기가 다르다.

 

AI 에이전트가 이메일과 파일을 읽고 프로그램을

실행하려면 그만큼 많은 권한을 받아야 한다.

 

권한이 많아지면 편리해지는 대신 잘못된

판단이나 해킹이 발생했을 때 피해도 커질 수 있다.

 

OpenClaw에는 Gateway(게이트웨이)라는

핵심 기능이 있다.

 

쉽게 말하면 Gateway는 OpenClaw에서

여러 서비스가 드나드는 ‘중앙 출입구’이면서,

이들을 연결하고 관리하는 ‘지휘자’ 역할을 한다.

 

OpenClaw에 텔레그램, 이메일, 컴퓨터 파일,

AI 모델 등이 연결되어 있다면 Gateway는

이 연결을 한곳에서 관리한다.

 

누가 명령했는지, 어떤 AI에게 일을 맡길지,

어떤 도구를 사용하게 할지 등을 관리하는

역할을 한다.

 

문제는 이렇게 여러 곳을 연결하는 중심 역할을

하기 때문에 보안이 더욱 중요해진다는 점이다.

 

예를 들어 OpenClaw에 이메일을 읽고 보내는

권한을 허용했다고 가정해보자.

 

정상적인 상황에서는 사용자가 명령했을 때

AI 에이전트가 이 권한을 이용해 이메일을

확인하거나 발송한다.

 

하지만 악의적인 해커가 OpenClaw 시스템을

해킹해 사용자의 권한을 탈취한다면

문제가 달라진다.

 

해커가 이메일 계정에 직접 로그인하지 않더라도,

OpenClaw에 이미 연결해 둔 이메일 접근 권한이

악용될 수 있다.

 

예를 들어 해커가 사용자인 것처럼 명령을 내릴 수

있게 된다면, AI 에이전트가 그 명령을 정상적인

사용자의 명령으로 잘못 판단해 이메일 내용을

가져오거나 사용자가 원하지 않는 이메일을

발송할 위험이 있다.

 

즉 해커가 직접 이메일을 읽고 보내는 것이 아니라,

사용자가 AI 에이전트에게 미리 허용해 둔 권한을

해커가 악용할 수 있다는 의미다.

 

AI 에이전트에게 많은 권한을 줄수록 편리해지지만,

해킹을 당했을 때 악용될 수 있는 권한의 범위도

함께 커질 수 있다.

 

OpenClaw는 기본적으로 한 사람이 자신의

개인 AI 비서로 사용하는 것을 전제로

설계되어 있다.

 

여러 사람이 하나의 OpenClaw를 함께 사용하면

서로의 정보나 권한이 섞일 위험이 있기 때문에,

공식 보안 문서에서도 여러 사람이 함께 사용하는

경우에는 접근 권한과 인증 정보를 더욱 철저하게

분리해 관리할 것을 권고하고 있다.

 

결국 AI 에이전트가 현재의 초기 단계에서

더 널리 보급되기 위해서는 AI의 성능

향상뿐 아니라 사람이 안심하고 일을 맡길 수

있는 보안 기술도 함께 발전해야 한다.

 

OpenClaw는 한 명의 신뢰할 수 있는 사용자가 개인 AI 비서로 사용하는 것을 기본 보안 모델로 두고 있다.
출처: OpenClaw 공식 Security 문서

 

바로가기: OpenClaw Security 공식 문서

 

5. AI 에이전트가 데이터센터 수요를 키우는 이유

투자자 입장에서 중요한 부분은 여기부터다.

 

사람이 AI에게 질문하면 AI는 질문을 읽고

답변을 만든다.

 

AI가 읽는 내용을 입력 토큰(Input Token),

AI가 만들어내는 내용을 출력 토큰(Output Token)

이라고 한다.

 

AI 에이전트에서는 이 과정이 여러 번 반복될 수 있다.

 

사용자가 한 번 명령하더라도 에이전트가 일을

완료하려면 정보를 검색하고, 검색 결과를 읽고

판단하고, 다른 프로그램을 실행한 뒤 다시

결과를 확인할 수 있기 때문이다.

 

즉 사용자에게 보이는 최종 결과는 짧아도 내부에서는

입력 → 출력 → 입력 → 출력

과정이 여러 차례 발생할 수 있다.

 

더 나아가 한 사람이 투자, 이메일, 일정,

쇼핑, 업무 등을 담당하는 여러 AI 에이전트를

동시에 사용한다면 사람 수가 늘지 않아도

한 사람이 사용하는 AI 연산량 자체가

증가할 수 있다.

 

이것이 AI 에이전트 시대에

데이터센터의 추론(Inference·학습을 마친 AI가

실제 질문이나 작업을 처리하는 과정) 수요가

중요해지는 이유다.

 

6. AI 데이터센터는 스마트폰으로 치면 어디쯤 왔을까

AI 산업을 스마트폰의 발전 과정과 비교해보면

이해하기 쉽다.

 

아이폰이 처음 등장한 것은 2007년이다.

초기에는 스마트폰이 정말 세상을 바꿀 수 있을지

의문도 많았지만 앱 생태계가 만들어지고

사용자가 급증하면서 지금은 생활에 없어서는

안 되는 기기가 됐다.

 

2026년 현재 AI 데이터센터 산업을 스마트폰

역사에 비유한다면 개인적으로는

2009~2011년 정도라고 생각한다.

 

완전한 시작점은 지났지만 아직 대중화와

인프라 확대가 본격적으로 진행되는 단계라는 의미다.

 

물론 이것은 공식적인 산업 지표가 아니라

현재 AI 사용과 데이터센터 투자의 발전 단계를

이해하기 위한 비유다.

 

스마트폰과 AI에는 중요한 차이도 있다.

 

스마트폰은 대부분의 사람이 한 대씩 보유하면

신규 수요가 줄고 교체 수요의 비중이 높아진다.

 

하지만 AI는 사용자 수가 더 이상 늘지 않더라도

한 사람이 사용하는 AI 연산량이 계속 증가할 수 있다.

 

AI 에이전트가 사람 대신 여러 업무를 수행하게

된다면 같은 사용자 한 명이 발생시키는 컴퓨팅

수요가 지금보다 훨씬 커질 수도 있다.

 

7. AI 에이전트는 GPU와 HBM 수요로 연결될까

AI의 연산량이 증가하면 이를 처리할 데이터센터가

필요하다.

 

데이터센터에서는 AI 연산을 담당하는 GPU와

이를 지원하는 HBM(High Bandwidth Memory·

고대역폭 메모리)이 중요하다.

 

HBM 역시 빠르게 발전하고 있다.

 

현재는 HBM3E에서 HBM4로 세대교체가

진행되고 있다.

 

HBM4는 GPU와 메모리 사이에서 데이터가

오가는 인터페이스(데이터 통로)가 이전 세대보다

넓어지고 데이터 전송 속도도 크게 향상됐다.

 

이러한 성능 향상은 AI가 긴 문서나 긴 대화처럼

많은 내용을 한꺼번에 참고하는

장문 컨텍스트(Long Context)와,

텍스트·이미지·음성·영상 등 여러 형태의 정보를

함께 처리하는 멀티모달(Multimodal) AI처럼

더 많은 데이터를 처리해야 하는 AI 작업에 중요하다.

 

그러나 현재와 같은 폭발적인 데이터센터 투자

증가율이 영원히 지속된다고 볼 수는 없다.

 

어느 순간 인프라가 충분히 구축되면 신규 설치보다

기존 장비의 교체와 성능 업그레이드 비중이

높아질 수 있다.

 

스마트폰 시장이 초기의 폭발적인 신규 수요에서

교체 수요 중심으로 이동한 것과 비슷하다.

 

따라서 투자자는 단순히

“AI가 계속 성장하니 HBM도 계속 성장한다.”

라고만 생각해서는 안 된다.

 

AI 연산 수요가 얼마나 빠르게 증가하는지와

동시에 HBM 생산능력이 얼마나 빠르게

증가하는지도 함께 확인해야 한다.

 

AI 연산량이 증가하면서 HBM의 성능도 빠르게 높아지고 있다. HBM4는 GPU와 메모리 사이의 데이터 통로를 HBM3E의 1,024비트에서 2,048비트로 두 배 넓혀 한 번에 더 많은 데이터를 주고받을 수 있다.
출처: Micron 공식 홈페이지

 

바로가기: Micron HBM4 공식 페이지

 

8. 투자자가 봐야 할 것은 OpenClaw 자체가 아니다

OpenClaw가 앞으로 가장 성공한 AI 에이전트가

될지는 알 수 없다.

 

더 좋은 프로그램이 등장해 OpenClaw를

대체할 수도 있다.

 

투자자에게 더 중요한 질문은 따로 있다.

 

OpenClaw의 확산이 AI가 ‘대답하는 도구’에서

‘직접 일하는 도구’로 이동하고 있다는 신호인가?

 

AI 에이전트가 본격적으로 확산된다면 AI 산업의

수요 구조도 달라질 수 있다.

 

AI 모델을 개발하는 OpenAI, Google,

Anthropic뿐 아니라 기업들이 AI를 사용할 수

있도록 인프라를 제공하는 Microsoft Azure,

Amazon AWS, Google Cloud의 역할도

커질 수 있다.

 

그리고 어떤 AI 모델이 최종 승자가 되더라도

전체 AI 연산량이 계속 증가한다면 그 아래에서

GPU와 네트워크를 공급하는 NVIDIA 역시

중요한 위치에 있다.

 

HBM을 공급하는 SK하이닉스, Micron,

삼성전자도 AI 연산 확대의 수혜를 받을 수 있다.

 

다만 HBM은 메모리 반도체 특성상 공급 증설과

가격 사이클을 함께 살펴봐야 한다.

 

AI 산업이 장기적으로 성장한다는 것과

HBM 가격이나 메모리 업체의 이익이 같은

속도로 계속 증가한다는 것은 다른 이야기다.

 

9. AI의 다음 경쟁은 ‘답변’에서 ‘행동’으로

생성형 AI 경쟁의 초기에는 어느 모델이 더

정확하고 좋은 답변을 내놓느냐가 중요했다.

 

앞으로는 여기에 새로운 경쟁이 더해질 가능성이 있다.

 

어떤 AI가 실제 일을 얼마나 정확하고 안전하게

수행할 수 있는가다.

 

OpenClaw는 수많은 AI 프로젝트 가운데

하나일 수 있다.

 

하지만 OpenClaw가 보여주는 변화는 작지 않다.

 

사람이 질문할 때만 작동하던 AI가 정보를 찾고,

프로그램을 실행하고, 여러 작업을 연결하면서

실제 일을 수행하는 방향으로 발전하고

있기 때문이다.

 

AI 에이전트가 스마트폰처럼 한번 사용하면

쉽게 포기하기 어려운 도구가 될지는

아직 알 수 없다.

 

그러나 실제 업무를 대신하는 수준까지 발전한다면

AI 수요는 단순한 사용자 수 증가를 넘어

AI가 수행하는 작업량의 증가로 이어질

가능성이 있다.

 

투자자의 입장에서 OpenClaw를 바라볼 때도

프로그램 하나의 성공 여부보다

AI 에이전트가 얼마나 빠르게 일상과

기업 업무 속으로 들어오는가를 살펴볼 필요가 있다.

 

그리고 그 과정에서 증가하는 연산량이

클라우드와 데이터센터, GPU, HBM 수요를

얼마나 오래 끌고 갈 것인지가 앞으로 AI 투자를

바라보는 중요한 기준이 될 수 있다.