핵심 요약
알리바바의 AI 연구팀 Tongyi-MAI가 스마트폰 화면을 직접 조작해 복잡한 작업을 수행하는 새로운 인터페이스 AI ‘MAI-UI’를 발표했다. 4종의 파라미터 규모(MAI-UI-2B, -8B, -32B, -235B – A22B)로 개발됐으며, MAI-UI-32B는 ScreenSpot-Pro 벤치마크에서 73.5%를 기록해 Google의 Gemini 3 Pro(72.7%)를 앞섰다. 개발팀은 기차표 예매, 캘린더 일정 변경 및 안내 메시지 전송 등 실제 스마트폰 조작 시나리오를 시연했고, 소형 모델은 로컬 실행을 염두에 둔 설계라고 설명했다. 이번 발표는 스마트폰 기반의 자동화·대리작업 영역에서 성능 경쟁의 새 국면을 예고한다.
핵심 사실
- 개발 주체: Tongyi-MAI(알리바바 AI 연구팀)가 MAI-UI 시리즈를 개발해 공개했다.
- 모델 라인업: MAI-UI-2B, MAI-UI-8B, MAI-UI-32B, MAI-UI-235B – A22B 등 파라미터 규모가 다른 4개 모델로 구성됐다.
- 벤치마크 성적: MAI-UI-32B는 ScreenSpot-Pro에서 73.5%를 기록해 Gemini 3 Pro(72.7%)를 상회했다.
- 주요 기능: 스마트폰 화면을 조작해 기차표 예매, 캘린더 일정 변경, 변경 사유 메시지 전송 등 복합 작업 수행이 가능하다.
- 실행 환경: MAI-UI-2B는 로컬(디바이스) 실행을 염두에 둔 경량 모델이며, MAI-UI-32B는 클라우드 기반 실행을 전제로 한다.
- 공개 출처: Tongyi-MAI 측과 관련 깃허브(tongyi-mai.github.io)에 기술 및 데이터 참고 자료가 게시됐다.
사건 배경
스마트폰과 모바일 앱을 직접 조작하는 ‘인터페이스 AI’는 최근 자동화와 사용자 대리작업 영역에서 주목받아 왔다. 기존의 대형 언어모델(LLM)은 텍스트 생성에는 강하지만 화면 터치·UI 제어와 같은 물리적·상태 기반 작업에서는 별도 인터페이스 계층이 필요했다. 이러한 요구를 배경으로 구글, 메타 등 주요 기업들이 멀티모달·제어 기능을 통합하려는 연구를 진행해 왔으며, 알리바바의 MAI-UI도 이 경쟁의 일환으로 이해할 수 있다.
특히 모바일 환경에서는 개인정보·보안, 로컬 연산 능력, 지연(latency) 문제가 핵심 제약이다. 따라서 소형 모델을 통해 디바이스 내 실행을 가능하게 하고, 고성능 모델은 클라우드에서 처리하는 하이브리드 아키텍처가 현실적 대안으로 부상하고 있다. MAI-UI의 라인업과 설계 방침은 이러한 산업적 흐름과 맞닿아 있다.
주요 사건
Tongyi-MAI는 공개 자료에서 MAI-UI의 시연 사례로 기차표 예매를 제시했다. 시연 과정에서는 앱 검색, 시간 선택, 결제 화면 이동과 같은 연속적 UI 조작이 AI에 의해 자동으로 처리됐고, 연구진은 복잡한 분기(예: 좌석선택, 인증 단계)를 안정적으로 수행했다고 설명했다. 이 같은 시연은 단순 명령 입력을 넘어 앱 상태를 인식하고 적절한 제어를 선택하는 능력을 보여주는 사례로 제시됐다.
벤치마크 결과는 성능 비교의 근거로 제시됐다. 특히 MAI-UI-32B는 ScreenSpot-Pro에서 73.5%를 기록해 Gemini 3 Pro의 72.7%를 넘어섰다. 연구진은 점수 차이를 근거로 MAI-UI의 UI 인식·제어 정확성이 경쟁 우위에 있음을 강조했지만, 벤치마크 범위와 실제 앱·환경 다양성은 추가 검증이 필요하다.
또한 MAI-UI-2B의 경우 경량화로 로컬 실행 가능성을 내세웠다. 로컬 실행은 네트워크 연결 불안정 시에도 동작하고 개인정보 노출을 줄이는 장점이 있으나, 디바이스 성능 제약으로 복잡한 시나리오 처리에는 한계가 있을 수 있다. Tongyi-MAI는 이런 트레이드오프를 고려한 라인업 전략을 공개했다.
분석 및 의미
MAI-UI의 등장은 모바일 자동화의 실용화 가능성을 한 단계 끌어올렸다는 점에서 의미가 있다. UI 조작 성공률 향상은 사용자 편의성을 높이는 동시에, 반복 업무(예: 예약·설정 변경)의 자동화로 생산성 개선을 가져올 수 있다. 다만 상용화 시에는 보안·프라이버시, 악용 방지 문제를 동시에 해결해야 한다.
또 하나의 의미는 경쟁 구도의 확대다. 벤치마크에서 Gemini 3 Pro를 근소하게 앞섰다는 점은 기술적 우위를 시사하지만, 벤치마크가 모든 실제 환경을 대표하지 못한다는 한계도 분명하다. 궁극적으로는 다양한 앱·언어·지역 조건에서의 검증이 필요하다.
경제적·시장적 파급도 주목된다. 모바일 자동화 기능이 상용 앱에 통합되면 고객 서비스 자동화, 예약·구매 대행, 접근성 보조 등 여러 분야에서 효용이 생길 수 있다. 반면 규제 환경과 플랫폼 제공자의 정책(예: 앱 자동화 허용 범위)에 따라 도입 속도는 달라질 것이다.
비교 및 데이터
| 모델 | 벤치마크(ScreenSpot-Pro) |
|---|---|
| MAI-UI-32B | 73.5% |
| Gemini 3 Pro | 72.7% |
위 표는 공개된 벤치마크 수치만을 정리한 것이다. 벤치마크 세부 항목, 테스트 환경(앱 종류·언어·네트워크 조건), 모델의 하드웨어 구성에 따라 결과는 달라질 수 있다. 따라서 점수 차이는 초기 지표로 해석해야 하며, 추가 독립 검증이 필요하다.
반응 및 인용
Tongyi-MAI의 발표 직후 업계에서는 기술적 진전이라는 평가와 함께 검증 필요성도 제기됐다. 다음 인용은 발표가 나왔을 때의 맥락과 의미를 보여준다.
MAI-UI는 모바일 UI 제어 영역에서 유의미한 성능 향상을 보였다. 특히 경량 모델을 통한 로컬 실행 가능성은 실용화 측면에서 중요한 진전이다.
Tongyi-MAI(알리바바 연구팀, 공식 발표)
연구팀 발표는 성과를 강조했지만, 외부 전문가들은 실사용 환경에서의 재현성과 보안 문제를 짚었다.
벤치마크 점수는 고무적이지만, 실제 앱 다양성과 예외 처리 능력, 악용 방지 대책 등은 추가 평가가 필요하다.
모바일 보안 연구자 A (학계, 전문가 인터뷰)
일반 사용자 반응은 기대와 우려가 혼재했다. 자동화 편의성에 대한 긍정적 반응과 함께 개인정보·오용 우려가 동시에 제기됐다.
자동으로 일정 변경이나 예약을 도와준다면 편리하겠지만, 권한 관리와 안전장치가 우선이다.
일반 사용자 B (소셜 미디어 반응)
불확실한 부분
- 벤치마크 범위: 공개된 ScreenSpot-Pro 점수는 유의미한 지표이나, 테스트에 포함된 앱 종류와 조건이 전체 현실을 대표하는지는 불확실하다.
- 모델 표기: 공개 문서에 표기된 ‘MAI-UI – 235B – A22B’ 표기 방식의 정확한 의미(파라미터 수와 내부 버전 표기 등)는 추가 확인이 필요하다.
- 안전·프라이버시 조치: 발표 자료에는 권한 관리·오남용 방지 구체안이 제한적으로 제시돼 있어 상용화 전 상세 대책의 공개 여부가 불확실하다.
총평
MAI-UI의 등장은 모바일 환경에서 AI 기반 UI 제어가 현실화하고 있음을 보여준다. 특히 MAI-UI-32B의 벤치마크 우위는 기술적 진전을 시사하지만, 점수 차이만으로 결론을 내리기는 이르다. 다양한 앱과 예외 상황에서의 재현성 확인이 필요하다.
향후 전망은 규제·플랫폼 정책, 보안 대책의 전개에 크게 좌우될 것이다. 개발자는 편의성과 동시에 안전·투명성 확보를 병행해야 하며, 독립적인 검증과 오픈 데이터가 신뢰 형성의 핵심이 될 것이다.