컴퓨터 사용 에이전트란 — 오픈AI가 GPU 대신 맥 수만 대를 산 이유
A computer-use agent is an AI system that operates a computer the way a person does — reading the screen as an image, then moving a virtual mouse and typing on a virtual keyboard, instead of calling an API. That difference in method changes what the training hardware has to be. Training a language model is one very large matrix computation, which suits a rack of GPUs. Training a computer-use agent means running thousands of real desktop sessions in parallel so the agent can try, fail and be scored — which suits many cheap, complete computers. On August 31, 2026 The Information reported that OpenAI has bought tens of thousands of Mac minis and Mac Studios for reinforcement learning and computer-use agent training, and that Anthropic rents Mac minis through Amazon Web Services for similar work. Neither OpenAI nor Apple has confirmed a number, price or contract
컴퓨터 사용 에이전트(computer-use agent)는 사람이 컴퓨터를 쓰는 방식 그대로 컴퓨터를 조작하는 AI다. API를 호출하는 대신 화면을 이미지로 보고, 가상 마우스를 움직이고, 가상 키보드로 입력한다. 이 차이가 학습에 필요한 하드웨어를 바꾼다. 언어모델 학습은 거대한 행렬 연산 한 덩어리라 GPU 랙에 맞지만, 컴퓨터 사용 에이전트 학습은 수천 개의 실제 데스크톱 환경을 동시에 띄워 놓고 시도하고 실패하고 점수를 매기는 일이라 값싸고 완결된 컴퓨터가 많이 필요하다. 2026년 8월 31일 디인포메이션은 오픈AI가 강화학습과 컴퓨터 사용 에이전트 훈련을 위해 맥 미니와 맥 스튜디오를 수만 대 사들였다고 보도했고, 앤스로픽도 AWS를 통해 맥 미니를 임대해 유사한 작업에 쓰는 것으로 전해졌다. 오픈AI와 애플 어느 쪽도 수량·가격·계약을 공식 확인하지 않았다
3줄 요약
- 정의 — 화면을 보고 마우스·키보드를 움직여 컴퓨터를 직접 조작하는 AI다. API를 안 쓴다
- 학습 — 실제 데스크톱 환경 수천 개를 동시에 돌려야 해서 GPU 랙보다 '완성된 컴퓨터'가 많이 든다
- 보도 — 오픈AI가 맥 미니·맥 스튜디오 수만 대 구매(8월 31일 디인포메이션). 공식 확인은 없다
핵심 질문
- 컴퓨터 사용 에이전트가 뭐야
- **화면을 보고 마우스와 키보드를 직접 움직여 컴퓨터를 조작하는 AI다.** 보통의 AI 에이전트는 프로그램과 대화할 때 **API**를 쓴다 — 정해진 형식으로 요청을 보내고 정해진 형식으로 답을 받는다. 컴퓨터 사용 에이전트는 그 통로를 쓰지 않는다. 대신 ① **화면을 이미지로 받아** 무엇이 어디 있는지 인식하고, ② **좌표를 정해 클릭**하고, ③ **키보드 입력을 흘려 넣는다**. 사람이 하는 그대로다. 왜 굳이 이렇게 하느냐 — **세상의 대부분 프로그램에는 API가 없기 때문**이다. 사내 회계 시스템, 오래된 관공서 웹사이트, 설치형 설계 도구에는 AI가 부를 수 있는 창구가 없다. 화면을 보고 클릭하는 방식은 **API가 없어도 되는 유일한 방법**이다. 도구를 연결하는 표준(「MCP란」)과는 정반대 접근이라고 보면 된다.
- 왜 GPU가 아니라 맥이야
- **학습에 필요한 것이 '연산'이 아니라 '환경'이기 때문이다.** 두 학습의 성격이 다르다. 언어모델을 학습시킬 때는 거대한 행렬 곱셈 한 덩어리를 나눠 계산하면 되고, 이 작업은 **GPU 여러 장을 하나처럼 묶는** 구조에 맞는다. 반면 컴퓨터 사용 에이전트를 학습시킬 때는 **실제로 돌아가는 데스크톱이 수천 개** 필요하다. 에이전트가 화면을 열고, 클릭하고, 실패하고, 점수를 받고, 다시 시도하는 과정을 반복해야 하기 때문이다(**강화학습**). 이때 필요한 단위는 '연산 조각'이 아니라 **운영체제와 화면과 앱이 다 들어 있는 완결된 컴퓨터 한 대**다. 맥 미니·맥 스튜디오가 여기 맞는 이유는 세 가지로 정리된다 — ① **통합 메모리** 구조로 CPU·GPU가 같은 메모리를 쓰고, ② **전력 대비 성능**이 좋아 수천 대를 꽂아도 전기와 열이 감당되며, ③ **macOS 앱을 그대로 돌릴 수 있는 유일한 하드웨어**다. 다만 이 세 가지 중 어느 것이 실제 구매 사유였는지는 **오픈AI가 밝히지 않았다.**
- 그래서 실제로 얼마나 산 거야
- **공식적으로 확인된 숫자는 없다.** 2026년 8월 31일 **디인포메이션(The Information)** 보도에 따르면 오픈AI는 강화학습과 컴퓨터 사용 에이전트 훈련용으로 **맥 미니와 맥 스튜디오를 수만 대(tens of thousands)** 사들였다. 앤스로픽은 **AWS를 통해 맥 미니를 임대**해 비슷한 작업에 쓰는 것으로 전해졌다. 하지만 **오픈AI도 애플도 수량·가격·계약 형태를 공식 확인하지 않았다.** 확인된 사실은 주변 정황뿐이다 — 애플은 **8월 25일 맥 미니와 맥 스튜디오를 예정보다 이르게** 새 모델로 교체했고, 이 고객군을 위한 기업용 AI 영업 조직이나 개발자 관계 인력은 두고 있지 않다. 즉 **애플이 만든 수요가 아니라 애플에게 온 수요**다. 이 구도가 9월 1일 취임하는 새 CEO 존 터너스의 첫 시험대가 된다(「애플 새 CEO 존 터너스 9월 1일 취임」).
AI 회사가 GPU를 사는 것은 뉴스가 아니다. AI 회사가 맥 미니를 수만 대 사는 것은 뉴스다.
2026년 8월 31일 디인포메이션 보도로 알려진 이 이야기를 이해하려면, 먼저 컴퓨터 사용 에이전트가 무엇인지부터 봐야 한다.
1. 정의 — API를 쓰지 않는 AI
| 구분 | 일반 AI 에이전트 | 컴퓨터 사용 에이전트 |
|---|---|---|
| 프로그램과 대화하는 법 | API 호출 | 화면 보고 클릭 |
| 입력 | 구조화된 데이터 | 화면 이미지 |
| 출력 | 구조화된 요청 | 마우스 좌표·키보드 입력 |
| 필요 조건 | 상대 프로그램에 API가 있어야 함 | 아무 조건 없음 |
마지막 줄이 이 기술이 존재하는 이유다.
세상의 대부분 프로그램에는 AI가 부를 수 있는 창구가 없다. 사내 회계 시스템, 오래된 관공서 웹사이트, 설치형 설계 도구, 사장님이 20년째 쓰는 재고 프로그램 — 이런 것들에 API를 붙이려면 만든 회사가 새로 개발해야 한다.
화면을 보고 클릭하는 방식은 상대방이 아무것도 하지 않아도 되는 유일한 접근법이다. 도구를 표준 규격으로 연결하는 MCP(「MCP란 — AI에게 도구를 연결하는 표준」)와는 정확히 반대 방향의 해법이라고 보면 된다.
2. 이 학습이 GPU 랙에 맞지 않는 이유
여기가 핵심이다. 두 학습은 성격이 다르다.
| 항목 | 언어모델 학습 | 컴퓨터 사용 에이전트 학습 |
|---|---|---|
| 작업의 정체 | 거대한 행렬 연산 한 덩어리 | 실제 데스크톱 세션 수천 개 |
| 필요한 단위 | 연산 조각 | 완결된 컴퓨터 한 대 |
| 잘 맞는 하드웨어 | GPU 여러 장을 하나처럼 묶은 랙 | 값싼 컴퓨터를 많이 |
| 학습 방식 | 다음 토큰 예측 | 강화학습 — 시도·실패·점수·재시도 |
언어모델 학습에서는 GPU 여러 장을 묶어 하나의 거대한 계산기처럼 쓴다. 계산이 클수록 유리하다.
컴퓨터 사용 에이전트는 다르다. 에이전트가 실제로 창을 열고, 버튼을 찾고, 잘못 누르고, 점수를 받고, 다시 시도해야 학습이 된다. 이때 필요한 것은 계산 성능이 아니라 운영체제와 화면과 앱이 전부 들어 있는 컴퓨터다. 그것도 수천 대가 동시에.
연산이 아니라 환경이 병목인 것이다.
3. 왜 하필 맥인가
구조적으로 설명되는 이유는 셋이다.
| 이유 | 내용 |
|---|---|
| 통합 메모리 | CPU와 GPU가 같은 메모리를 쓴다. 화면 이미지를 주고받는 데 복사 단계가 줄어든다 |
| 전력 대비 성능 | 수천 대를 한 공간에 꽂아도 전기와 열이 감당된다 |
| macOS 실행 | macOS 앱을 정식으로 돌릴 수 있는 하드웨어는 맥뿐이다 |
세 번째가 특히 결정적일 수 있다. 에이전트가 다뤄야 할 앱 중 일부는 맥에서만 돌아간다.
다만 분명히 해 둔다. 이 세 가지는 구조에서 나온 추론이지 오픈AI가 밝힌 사유가 아니다. 회사는 구매 이유를 설명한 적이 없다.
4. 확인된 것과 확인되지 않은 것
| 항목 | 상태 |
|---|---|
| 오픈AI가 맥 미니·맥 스튜디오를 수만 대 샀다 | 디인포메이션 보도. 공식 확인 없음 |
| 용도는 강화학습·컴퓨터 사용 에이전트 훈련 | 보도 |
| 앤스로픽이 AWS로 맥 미니 임대 | 보도 |
| 수량·가격·계약 형태 | 공개된 적 없음 |
| 애플이 8월 25일 맥 미니·맥 스튜디오 조기 교체 | 사실 |
| 애플에 이 고객을 위한 기업용 AI 영업 조직 | 없음 |
마지막 두 줄이 이 사건의 성격을 말해 준다. 애플이 만든 수요가 아니라, 애플에게 온 수요다.
그리고 이 상황은 9월 1일 취임하는 새 CEO 존 터너스에게 그대로 넘겨진다(「애플 새 CEO 존 터너스 9월 1일 취임」).
5. 이 기술을 볼 때 같이 봐야 할 것
컴퓨터 사용 에이전트는 권한이 큰 만큼 사고도 크다. 화면을 보고 클릭할 수 있다는 것은, 사람이 할 수 있는 실수를 그대로 할 수 있다는 뜻이기도 하다.
이 지면은 8월에 관련 사건을 두 건 기록했다.
- 8월 30일 — 오픈AI 에이전트 700개가 허깅페이스에 부하를 일으킨 사건. 원인은 보상 해킹이었다.
- 8월 27일 — 100개사가 서명한 AI 사이버공격 공개서한. 위험 목록 1번은 병원과 정수장이었다.
능력이 커질수록 무엇을 못 하게 막을 것인가가 같이 커진다.
6. 남은 것과 확인하지 못한 것
- 수량·금액 — 오픈AI 구매 규모는 보도 기준이며 어느 회사도 확인하지 않았다.
- 선택 이유 — 통합 메모리·전력 효율·macOS는 구조상 추론이다.
- 앤스로픽 — AWS 임대 규모와 용도는 보도 기준이다.
- 애플의 대응 — 8월 25일 조기 교체가 이 수요와 관련 있는지 확인되지 않았다.
- 비용 비교 — 컴퓨터 사용 에이전트 학습에서 맥과 GPU 서버의 실제 비용 차이를 보여 주는 공개 자료는 없다.
출처
- Digitimes — AI Macs, Part 1: OpenAI reportedly buys tens of thousands of Macs for reinforcement learning
- implicator.ai — Apple's CEO handover; OpenAI's Mac buying spree
- TechBriefly — OpenAI buys tens of thousands of Apple Macs for AI training
- OpenAI — Computer-Using Agent
- arXiv — ComputerRL: Scaling End-to-End Online Reinforcement Learning for Computer Use Agents
- 24/7 Wall St. — Apple Is Suddenly an AI Infrastructure Stock as OpenAI Buys Macs by the Tens of Thousands