[AI 도구 업데이트] Adobe, Lightroom 동영상 생성 추가…Microsoft는 Copilot 종량 과금 검토 (6.16)

6월 16일 AI 도구 업데이트는 제작 도구의 생성형 기능 과금, 업무용 Copilot의 사용량 기반 가격 논의, OpenAI의 배포 전 안전성 평가, Google의 데이터센터 투자로 갈렸다. 실무자는 새 기능보다 크레딧·토큰·인프라 비용의 이동을 함께 봐야 한다.

목차

1. 개요
2. Adobe, Lightroom에 사진-동영상 생성 기능 추가
3. Microsoft, Copilot Cowork에 사용량 기반 과금 검토
4. OpenAI, 실제 대화 데이터로 배포 전 모델 행동 예측
5. Google, Alabama 데이터센터에 15억 달러 투자
6. 오늘 아침 추가 속보
7. 한눈에 보기
8. FAQ
9. 출처

Adobe, Lightroom 동영상 생성 추가…Microsoft는 Copilot 종량 과금 검토 (6.16)

개요

• Digital Camera World는 Adobe의 2026년 6월 Creative Cloud 업데이트로 Lightroom desktop에 정지 사진을 4초, 6초, 8초 영상으로 바꾸는 Generate Video 기능이 들어갔다고 전했다.
• Axios는 Microsoft가 Copilot Cowork를 사용량 기반 과금 쪽으로 옮기고 DeepSeek 선택 연동을 검토한다고 보도했다.
• openai.com은 실제 대화 데이터를 활용해 배포 전 모델 행동을 예측하는 Deployment Simulation 방법을 공개했다.
• blog.google은 Google이 2026년과 2027년에 Alabama Jackson County 데이터센터 캠퍼스 확장에 15억 달러를 투자한다고 밝혔다.

Adobe, Lightroom에 사진-동영상 생성 기능 추가

Digital Camera World에 따르면 Adobe의 2026년 6월 Creative Cloud 업데이트에는 Lightroom desktop의 Generate Video 기능이 포함됐다. 이 기능은 정지 사진을 4초, 6초, 8초 길이의 짧은 클립으로 바꾸며, 생성에는 Adobe Firefly 또는 Google Veo가 쓰인다. 사진 보정 앱 안에서 동영상 생성이 별도 앱 이동 없이 이어지는 구조다.

이번 변경의 실무적 핵심은 기능 자체보다 과금 방식이다. Digital Camera World는 이 도구가 Adobe가 만든 Lightroom 기능 가운데 처음으로 generative credits를 사용하는 사례라고 전했다. Lightroom을 사진 보정 중심으로 쓰던 사용자도 생성형 동영상 기능을 쓰는 순간 크레딧 잔량과 팀별 사용량을 관리해야 한다는 뜻이다.

같은 업데이트에는 Assisted Culling의 베타 종료, 얼굴 인식과 점수화, AI 편집 이미지용 Lightroom Classic 필터, Photoshop Reflection Removal의 비파괴 레이어 처리, 온디바이스 생성형 처리를 활용한 offline Remove Tool 지원도 함께 언급됐다. 사진 워크플로의 변화는 단일 생성 버튼 추가가 아니라 선별, 보정, 제거, 짧은 영상 변환이 한 묶음으로 재배치되는 데 있다.

▸ Lightroom 생성 기능 자세히 확인하기

Adobe의 Lightroom 변경은 이미지 편집 도구가 생성형 기능을 어디에 배치하는지 보여준다. 과거에는 사진을 고르고 보정한 뒤 동영상이나 소셜 클립 제작 단계에서 다른 도구로 넘어가는 흐름이 일반적이었다. Generate Video가 Lightroom desktop에 들어가면, 사진 선택 직후 짧은 영상 소재를 만드는 작업이 같은 앱 안에서 끝난다. 이는 디자이너와 마케터에게 파일 이동과 포맷 변환을 줄이는 효과를 낸다.

다만 비용 관리 방식은 더 복잡해진다. Digital Camera World가 전한 대로 이 기능은 Adobe 제작 Lightroom 도구 중 처음으로 generative credits를 쓴다. 기존 Lightroom 사용자는 구독료를 기준으로 비용을 예측했지만, 생성형 기능 사용량이 늘면 프로젝트별 크레딧 소모를 따로 계산해야 한다. 특히 4초, 6초, 8초 길이 선택은 결과물 길이뿐 아니라 재생성 횟수와 검수 비용에도 영향을 준다.

Adobe Firefly와 Google Veo를 함께 언급한 점도 중요하다. 한 회사의 자체 모델만으로 기능을 닫지 않고, 외부 모델을 기능 옵션 안에 포함하는 방식이기 때문이다. 실무자는 품질 차이뿐 아니라 사용 가능한 지역, 기업 계정 정책, 콘텐츠 권리 처리 기준을 같이 확인해야 한다. 같은 Lightroom 안의 버튼이라도 어떤 모델을 호출하는지에 따라 승인 절차가 달라질 수 있다.

Assisted Culling의 베타 종료는 사진가와 에디터에게 더 직접적인 변화다. 얼굴 인식과 점수화가 선별 단계에 들어가면 수백 장 단위 촬영 결과에서 후보 이미지를 줄이는 시간이 짧아진다. 여기에 AI 편집 이미지용 Lightroom Classic 필터가 붙으면, 팀 내부에서 원본·AI 보정본·생성 변형본을 분리해 검수하는 작업도 쉬워진다. 생성 기능이 늘수록 중요한 것은 결과물 생성 속도보다 어떤 파일이 AI 처리됐는지 추적하는 능력이다.

Photoshop Reflection Removal의 비파괴 레이어 처리와 offline Remove Tool 지원은 같은 방향을 가리킨다. 생성형 편집을 원본 위에 직접 덮어쓰지 않고 되돌릴 수 있게 만들거나, 네트워크가 불안정한 환경에서도 제거 기능을 쓰게 하는 변화다. 현장 촬영, 출장 편집, 보안 제한이 있는 기업 환경에서는 온라인 모델 호출 여부가 작업 승인 기준이 된다. 이번 업데이트는 제작 속도와 감사 가능성을 동시에 다루려는 Adobe의 방향을 보여준다.

Microsoft, Copilot Cowork에 사용량 기반 과금 검토

Axios는 Microsoft가 Copilot Cowork를 사용량 기반 가격 체계로 옮기는 방안을 검토하고 있다고 보도했다. 보도에 따르면 Microsoft는 Copilot Cowork 안에서 DeepSeek를 선택적으로 연동하는 방안도 살피고 있다. 이는 Copilot을 단일 모델 제품이 아니라 여러 모델을 상황에 맞춰 쓰는 업무 도구로 구성하려는 움직임이다.

과금 변화는 기업 사용자에게 가장 큰 변수다. 좌석당 월정액 중심의 AI 도구는 예산 편성이 단순하지만, 사용량 기반 모델은 부서별 호출량, 자동화 빈도, 토큰 소모량에 따라 비용이 크게 달라진다. Copilot Cowork가 문서 작성 보조를 넘어 실제 업무 흐름을 대신 수행하는 쪽으로 가면, 사용량 측정 단위가 실질적인 구매 기준이 된다.

Axios는 DeepSeek 사용이 이뤄질 경우 Azure에서 호스팅되고 기업 보안, 컴플라이언스, 데이터 거주성 통제를 적용받는 방식이라고 전했다. 이는 중국계 모델을 둘러싼 보안 우려를 Microsoft의 클라우드 경계 안에서 관리하려는 설계다. 선택 연동이라는 표현은 모든 고객에게 기본 적용하기보다, 비용·성능·정책 조건을 맞춘 고객에게 옵션으로 열 가능성을 남긴다.

▸ Copilot 과금 구조 자세히 확인하기

Copilot Cowork 논의의 중심에는 토큰 비용이 있다. Axios가 사용량 기반 가격 전환과 DeepSeek 검토를 함께 다룬 것은 두 사안이 분리된 기능 업데이트가 아니기 때문이다. 업무용 AI가 긴 문서, 회의 기록, 코드, 데이터 분석을 반복 처리하면 단순 대화형 챗봇보다 토큰 사용량이 빠르게 늘어난다. 이때 공급자는 모든 요청을 고가 모델로 처리하기보다 작업 성격에 따라 모델을 나누려는 유인을 갖는다.

DeepSeek 선택 연동 검토는 이 맥락에서 비용 절감 옵션이 될 수 있다. 다만 Axios가 전한 조건은 명확하다. Microsoft가 검토하는 방식은 Azure 호스팅과 엔터프라이즈 보안, 컴플라이언스, 데이터 거주성 통제를 전제로 한다. 즉 외부 모델을 그대로 기업 데이터에 붙이는 방식이 아니라 Microsoft의 클라우드 관리 체계 안에서 선택지를 늘리는 형태다. 기업 구매 담당자에게는 모델 이름보다 데이터가 어디에 머무르고 어떤 감사 기준을 충족하는지가 더 중요하다.

사용량 기반 과금은 실무팀의 도구 사용 습관도 바꾼다. 월정액에서는 직원 수가 비용의 중심이지만, 종량제에서는 자동화가 많이 도는 팀이 더 많은 비용을 만든다. 예컨대 Copilot Cowork가 반복 보고서 생성, 사내 지식 검색, 코드 리뷰 보조, 일정 조율 같은 작업을 계속 수행하면 비용은 사용자의 머릿수보다 워크플로 빈도에 의해 움직인다. 이 경우 기업은 AI 기능을 켜는 것뿐 아니라 어떤 업무를 자동화할지 우선순위를 정해야 한다.

Microsoft 입장에서는 멀티 모델 전략이 제품 경쟁력을 보완한다. 고성능 모델은 복잡한 추론과 긴 컨텍스트 작업에 쓰고, 비용 효율 모델은 반복적 분류나 초안 생성에 쓰는 식의 분업이 가능하다. 그러나 이 구조는 고객에게 새로운 질문을 만든다. 같은 Copilot Cowork 요청이라도 어떤 모델이 쓰였는지, 결과 품질이 어떻게 달라지는지, 감사 로그에 모델 선택 정보가 남는지 확인해야 한다.

개발자와 운영팀은 요금표 발표 전에도 준비할 일이 있다. Copilot Cowork를 파일 처리, 코드 생성, 고객 응대 초안, 회의 요약 등에 연결할 계획이라면 작업 유형별 호출량을 먼저 추정해야 한다. 또한 DeepSeek 옵션이 제공될 경우 허용 가능한 데이터 범위와 금지 데이터 범위를 구분해야 한다. 이번 보도는 Copilot 도입 논의가 기능 비교에서 비용 계량과 모델 거버넌스로 이동하고 있음을 보여준다.

OpenAI, 실제 대화 데이터로 배포 전 모델 행동 예측

openai.com은 6월 16일 Deployment Simulation을 소개했다. OpenAI가 설명한 이 방법은 실제 대화 데이터를 활용해 AI 모델이 배포 뒤 어떤 행동을 보일지 미리 예측하는 평가 절차다. 목표는 출시 전 안전성 평가의 정확도를 높이고, 실사용 환경에서 발생할 수 있는 문제를 더 이른 단계에서 잡는 데 있다.

AI 도구 사용자에게 이 발표는 새 버튼이나 요금제 변경은 아니지만, 모델 업데이트의 신뢰성과 관련된다. 챗봇, 코딩 에이전트, 업무 자동화 도구는 배포 전 벤치마크만으로 실제 사용 문제를 모두 설명하기 어렵다. OpenAI의 Deployment Simulation은 실제 대화 패턴을 평가 과정에 넣어 배포 후 행동을 더 현실적으로 가늠하려는 시도다.

이 접근은 개발자와 기업 고객에게 두 가지 영향을 준다. 첫째, 새 모델 릴리스가 단순 성능 점수뿐 아니라 실제 대화 기반 안전성 지표와 함께 설명될 가능성이 커진다. 둘째, 기업이 자체 AI 기능을 배포할 때도 내부 대화 로그나 시나리오 데이터를 활용한 사전 평가 요구가 늘어날 수 있다.

▸ OpenAI 배포 평가 자세히 확인하기

Deployment Simulation의 배경에는 평가 데이터와 실제 사용 데이터 사이의 간극이 있다. 모델은 공개 벤치마크에서 높은 점수를 받아도, 실제 사용자가 모호한 지시를 하거나 긴 맥락을 제공하거나 정책 경계에 걸친 요청을 할 때 다른 행동을 보일 수 있다. openai.com이 실제 대화 데이터를 사용한다고 설명한 이유는 이 차이를 줄이기 위해서다. 배포 전 평가가 실험실 문제 풀이에 머물면 운영 단계의 위험을 충분히 잡기 어렵다.

이 방법은 모델 안전성 평가를 사후 대응에서 사전 예측으로 옮긴다. 기존에는 모델을 배포한 뒤 신고, 로그 분석, 정책 위반 사례 수집을 통해 문제를 고치는 일이 많았다. Deployment Simulation은 배포 전에 실제 대화와 유사한 입력을 구성하고, 모델이 어떤 답변 경향을 보이는지 미리 확인한다. 이는 특히 의료, 금융, 법률, 코딩 자동화처럼 잘못된 답변의 비용이 큰 영역에서 의미가 크다.

도구 개발자에게는 평가 파이프라인의 기준이 달라질 수 있다. 단순히 테스트 프롬프트 몇 개를 통과하는 것으로는 충분하지 않고, 제품 안에서 실제로 들어오는 요청 유형을 반영해야 한다. 예를 들어 고객지원 챗봇은 환불, 계정 삭제, 개인정보 요청 같은 실제 대화 묶음을 평가에 넣어야 한다. 코딩 에이전트는 실패한 빌드 로그, 불완전한 이슈 설명, 보안 취약점 수정 요청을 포함해야 한다.

OpenAI가 이 방식을 공개한 시점도 중요하다. 생성형 AI 도구는 기능 경쟁과 함께 배포 책임을 요구받고 있다. 모델이 더 많은 업무를 대신할수록, 출시 전 검증은 내부 품질 절차가 아니라 고객 신뢰의 일부가 된다. Deployment Simulation은 모델 공급자가 새 모델을 배포할 때 어떤 근거로 안전하다고 말할 수 있는지에 대한 답을 강화한다.

다만 이 방식이 모든 위험을 없애는 것은 아니다. 실제 대화 데이터가 어느 범위까지 대표성을 갖는지, 개인정보를 어떻게 비식별화하는지, 드문 악용 사례를 충분히 포함하는지가 남는 과제다. 따라서 실무자는 OpenAI의 발표를 단일 평가 지표의 등장으로 받아들이기보다, 모델 배포 전 시뮬레이션을 제품 검수 체계에 넣어야 한다는 신호로 읽어야 한다. 새 모델을 채택할 때도 성능 점수와 함께 배포 전 평가 방식이 설명되는지 확인할 필요가 있다.

Google, Alabama 데이터센터에 15억 달러 투자

blog.google은 Google이 2026년과 2027년에 Alabama Jackson County 데이터센터 캠퍼스 확장에 15억 달러를 투자한다고 밝혔다. 이 캠퍼스는 2019년부터 운영됐으며, Google은 기존 부지를 재활용한 시설이라는 점도 함께 설명했다. AI 도구 업데이트 관점에서는 새 기능보다 기반 인프라 확충에 가까운 소식이다.

생성형 AI 제품은 모델 성능만으로 운영되지 않는다. Gemini, 검색, Workspace, Cloud AI 서비스는 대규모 연산과 저장, 네트워크 용량을 필요로 한다. Google의 지역 데이터센터 투자는 사용자가 체감하는 응답 속도, 서비스 안정성, 기업 고객의 데이터 처리 위치와 연결된다.

이 발표는 Adobe나 Microsoft의 제품 단위 업데이트와 결이 다르지만, 같은 비용 구조 안에 있다. Adobe는 Lightroom 기능에 generative credits를 붙이고, Microsoft는 Copilot Cowork의 사용량 기반 가격을 검토한다. Google은 그 뒤에서 필요한 물리적 컴퓨팅 용량을 늘리는 쪽의 결정을 공개한 셈이다.

▸ Google 인프라 투자 자세히 확인하기

Google의 15억 달러 투자는 AI 도구가 결국 데이터센터 산업 위에서 움직인다는 사실을 드러낸다. 사용자는 Gemini나 Google Cloud의 모델 API를 소프트웨어로 접하지만, 실제 서비스 품질은 GPU, 전력, 냉각, 네트워크, 지역별 데이터 처리 능력에 의해 제한된다. blog.google이 2026년과 2027년의 투자 기간을 명시한 것은 단기 기능 업데이트가 아니라 중기 용량 계획이라는 뜻이다.

Jackson County 캠퍼스가 2019년부터 운영됐다는 점은 새 지역 진입보다 기존 거점 확장에 가깝다는 의미를 갖는다. 기존 캠퍼스는 전력 연결, 운영 인력, 지역 인허가, 네트워크 경로가 이미 마련돼 있다. AI 수요가 늘 때 완전히 새 부지를 여는 것보다 기존 캠퍼스를 확장하는 편이 일정과 운영 리스크를 줄일 수 있다. 기업 클라우드 고객에게는 이런 확장이 특정 지역의 처리 지연과 장애 복원력에 영향을 준다.

AI 도구 실무자는 데이터센터 투자를 멀리 있는 인프라 뉴스로만 볼 수 없다. 모델 호출 비용과 응답 지연은 결국 공급자의 연산 여유와 관련된다. 대형 공급자가 데이터센터 투자를 늘리는 동안, 제품 가격은 한편으로 크레딧과 사용량 기반 구조로 더 세분화되고 있다. 즉 공급자는 인프라 비용을 확장하면서도 고객에게는 실제 사용량에 맞춘 과금을 강화하는 방향을 동시에 취한다.

Google 발표는 AI 도구 경쟁의 뒷단 비용을 보여주는 사례다. 사용자가 보는 변화는 Gemini의 답변 품질, Workspace 기능, Cloud API 속도일 수 있다. 그러나 그 변화가 유지되려면 지역별 데이터센터가 더 많은 요청을 처리해야 한다. 15억 달러라는 수치는 Google이 Alabama 캠퍼스를 단순 유지 시설이 아니라 향후 AI·클라우드 수요를 받는 주요 거점으로 키우려 한다는 신호다.

다만 제공된 발표만으로 특정 AI 모델 버전이나 새 API 기능을 말할 수는 없다. 이번 소식은 기능 출시가 아니라 인프라 투자다. 따라서 개발자에게 직접적인 액션은 새 엔드포인트 적용이 아니라, Google Cloud나 Gemini 기반 서비스를 쓰는 조직에서 지역, 지연 시간, 데이터 처리 위치, 비용 구조를 함께 점검하는 일이다. AI 도구의 성능과 가격은 모델 카드만이 아니라 이런 인프라 확충 일정에도 영향을 받는다.

오늘 아침 추가 속보

• AI Income Lab: 🚨 Google’s New AI Feature Will Change Search Forever! - Google just launched a powerful new AI feature that can research, compare information, and generate detailed answers in ...

한눈에 보기

사실	발행처	출처
Lightroom desktop에 4·6·8초 동영상 생성 기능이 추가됐다	Digital Camera World	digitalcameraworld.com
이 기능은 Adobe 제작 Lightroom 도구 중 처음으로 generative credits를 쓴다	Digital Camera World	digitalcameraworld.com
Microsoft는 Copilot Cowork에 사용량 기반 과금 전환을 검토하고 있다	Axios	axios.com
DeepSeek 연동 검토안은 Azure 보안·컴플라이언스·데이터 거주성 통제를 전제로 한다	Axios	axios.com
OpenAI는 실제 대화 데이터로 배포 전 모델 행동을 예측하는 Deployment Simulation을 소개했다	openai.com	openai.com
Google은 2026~2027년에 Alabama Jackson County 데이터센터에 15억 달러를 투자한다	blog.google	blog.google

FAQ

Q1. 6월 16일 AI 도구 업데이트의 핵심 사실은 무엇인가?

A. Digital Camera World는 Lightroom desktop의 Generate Video 추가를, Axios는 Copilot Cowork의 사용량 기반 과금 검토를 전했다. openai.com은 Deployment Simulation을 공개했고, blog.google은 15억 달러 데이터센터 투자를 밝혔다.

Q2. Lightroom Generate Video는 어떻게 쓰이는 기능인가?

A. Digital Camera World에 따르면 사용자는 Lightroom desktop에서 정지 사진을 4초, 6초, 8초 클립으로 만들 수 있다. 생성에는 Adobe Firefly 또는 Google Veo가 쓰이며, Adobe 제작 Lightroom 기능 중 처음으로 generative credits를 사용한다.

Q3. Copilot Cowork 과금 변화가 기업 비용에 미칠 영향은 무엇인가?

A. Axios 보도처럼 사용량 기반 과금으로 이동하면 좌석 수보다 실제 호출량과 토큰 사용이 예산의 중심이 된다. 반복 자동화가 많은 팀은 Copilot Cowork 사용 범위와 작업별 소모량을 먼저 추정해야 한다.

Q4. Adobe와 Microsoft의 변화는 어떤 점에서 다르나?

A. Adobe 변화는 Lightroom 안의 생성형 제작 기능과 크레딧 사용에 초점이 있다. Microsoft 변화는 Copilot Cowork의 가격 구조와 DeepSeek 선택 연동 검토가 핵심이며, Axios는 Azure 보안·컴플라이언스 통제를 조건으로 전했다.

Q5. 다음에 확인해야 할 후속 변화는 무엇인가?

A. Adobe는 generative credits 소모 기준, Microsoft는 Copilot Cowork의 실제 요금표와 DeepSeek 적용 범위가 남아 있다. OpenAI는 Deployment Simulation이 향후 모델 릴리스 설명에 어떻게 반영되는지 봐야 한다.

출처

1. Predicting model behavior before release by simulating deployment - openai.com
2. Lightroom has just gained the ability to turn photos into videos - Digital Camera World
3. Microsoft weighs DeepSeek for Copilot Cowork - Axios
4. We’re strengthening our presence in Alabama through new investments and community support. - blog.google
5. 🚨 Google’s New AI Feature Will Change Search Forever! - AI Income Lab

마지막 업데이트: 2026-06-17T12:07:14.656Z