• ZDNet USA
  • ZDNet China
  • ZDNet Japan
  • English
  • 지디넷 웨비나
뉴스
  • 최신뉴스
  • 방송/통신
  • 컴퓨팅
  • 홈&모바일
  • 인터넷
  • 반도체/디스플레이
  • 카테크
  • 헬스케어
  • 게임
  • 중기&스타트업
  • 유통
  • 금융
  • 과학
  • 디지털경제
  • 취업/HR/교육
  • 생활/문화
  • 인사•부음
  • 글로벌뉴스
  • AI의 눈
ZDPick
인공지능
AI의 눈
IT'sight
칼럼•연재
포토•영상

ZDNet 검색 페이지

'AI 에디터'통합검색 결과 입니다. (999건)

  • 태그
    • 제목
    • 제목 + 내용
    • 작성자
    • 태그
  • 기간
    • 3개월
    • 1년
    • 1년 이전

구글 AI 모드, 항공권 값 떨어지면 메일로 알려준다…호텔 예약까지 대화로

구글이 대화형 검색 기능인 AI 모드에 여행 예약 기능을 추가했다고 현지 시각 8월 27일 발표했다. 항공권 가격을 추적하고, 호텔을 예약하고, 항공권과 호텔 값을 마일리지나 포인트로 확인하는 세 가지다. 항공권은 언제 어디로 가고 싶은지 말하면 300곳이 넘는 항공사와 여행 사이트의 최신 가격을 비교해 제시한다. 바로 예약할 수도 있고, "이 항공권 가격을 추적해 줘"라고 요청하면 지정한 날짜와 목적지의 값이 바뀔 때 메일로 알려준다. 가격 추적은 180개가 넘는 나라에서 쓸 수 있다. 호텔은 대화로 조건을 말하면 후기와 함께 후보를 제시한다. 마음에 드는 곳을 고른 뒤 예약을 요청하면 구글과 연동된 사업자 목록과 함께 '구글에서 계속하기' 버튼이 표시된다. 여기서 객실을 고르고 취소 규정 같은 조건을 확인한 다음 구글 페이로 결제한다. 예약 처리와 고객 응대는 호텔이나 예약 사이트가 담당한다고 구글은 밝혔다. 호텔 예약은 미국에서 영어로 먼저 시작했고 앞으로 몇 주에 걸쳐 확대된다. 참여 사업자는 부킹닷컴, 초이스 호텔스 인터내셔널, 익스피디아, 힐튼, 호텔스닷컴, IHG 호텔스 앤드 리조트, 메리어트 인터내셔널, 프라이스라인, 트립닷컴, 윈덤 호텔스 앤드 리조트다. 마일리지 조회는 전 세계에서 바로 쓸 수 있다. "AA 마일리지로 애틀랜타에서 마이애미까지 가려는데 10월 9일 출발, 12일 귀국 직항편을 찾아 줘"처럼 요청하면 조건에 맞는 항공편과 필요한 마일이 함께 표시된다. 처음 지원하는 곳은 알래스카항공과 하와이안항공, 아메리칸항공, 초이스 호텔스 인터내셔널, 힐튼, 윈덤 호텔스 앤드 리조트이며 아코르와 플라잉 블루, 하얏트, 라탐항공, 루프트한자 그룹이 몇 주 안에 추가된다. 다만 항공권 가격 추적은 유럽경제지역 국가에서는 제공되지 않는다. 테크크런치는 이번 변화를 두고 구글이 AI 모드를 여행사 역할까지 하도록 만들고 있다고 평가했다. 정보를 찾아 주는 데서 그치지 않고 여행 계획과 예약 과정 일부를 직접 처리하는 쪽으로 옮겨 가고 있다는 것이다. 자세한 내용은 구글에서 확인할 수 있다. 이미지 출처: 구글 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.29 08:38AI 에디터

"AI로 일 빨라졌다" 80%…"AI가 이익에 기여" 37%뿐

AI를 쓰는 응답자 10명 중 8명이 생산성이 높아졌다고 답했으나, 회사 이익에 AI가 기여했다고 답한 비율은 1년 전과 같았다. 맥킨지(McKinsey)가 2026년 8월 발표한 'AI 현황 2026: ROI를 향한 길(The state of AI in 2026: On the road to ROI)' 보고서가 확인한 AI 도입 성과 격차다. AI 도입 성과 격차란 개인이 체감하는 업무 효율 상승과 기업이 실제로 얻는 재무 성과 사이에 벌어진 간극을 뜻한다. 전 세계 97개국 1,719명이 참여한 이번 조사는 AI를 쓰는 개인은 분명한 이득을 보는데도 조직의 성과에는 반영되지 않는 상황을 데이터로 보여준다. 생산성 80%와 영업이익 기여 37%가 만든 AI 도입 성과 격차 맥킨지 조사에서 응답자의 80%는 AI가 자신의 생산성을 높였다고 답했고, 50%는 더 나은 의사결정에 도움이 됐다고 답했다. 반면 AI가 조직의 영업이익(EBIT)에 조금이라도 기여했다고 답한 비율은 37%로, 2025년 조사와 사실상 동일했다. 영업이익은 기업이 제품이나 서비스를 팔아 얻은 수익에서 인건비와 운영비를 뺀 금액을 가리킨다. 두 수치의 거리가 이번 보고서의 핵심이다. 개인은 보고서 요약을 10분 만에 끝내고 코드를 반나절 만에 완성하면서 업무 속도가 빨라졌다고 느낀다. 그러나 절약된 시간이 조직의 매출이나 비용 절감으로 이어지려면 그 시간을 어디에 쓸 것인지에 대한 회사 차원의 설계가 필요하다. 설계가 없다면 개인이 아낀 30분은 개인의 30분으로 남는다. 맥킨지 시니어 파트너 댄 팅코프(Dan Tinkoff)는 이 격차를 올해 조사에서 특히 두드러진 발견으로 꼽으면서, 직원들이 스스로 AI 활용 능력을 쌓고 있는 지금이 오히려 기회라고 진단했다. 개인이 체감하는 이득 역시 균일하지 않다. AI를 쓰면서 업무 압박이나 불안 같은 부정적 경험을 하나 이상 겪었다고 답한 비율은 중간 관리자와 실무자에서 47%였던 반면, 임원과 고위 관리자는 31%에 그쳤다. AI가 만들어낸 결과물을 실제로 검토하고 책임지는 위치일수록 부담이 크다는 의미로 해석된다. 조직이 AI 도입의 성과만 보고 이 부담을 놓칠 경우, 현장에서 도입 속도가 떨어질 여지가 있다. 대기업 40%와 중소기업 22%로 벌어진 AI 에이전트 확산 격차 AI 에이전트를 확산 단계까지 끌어올린 기업 비율은 연 매출 10억 달러 이상 대기업에서 27%에서 40%로 1년 만에 상승했다. 반면 그보다 규모가 작은 기업은 22%로 사실상 변화가 없었다. AI 에이전트는 사람이 매번 지시하지 않아도 여러 단계를 스스로 계획하고 실행하는 AI를 말한다. 챗봇이 질문을 받으면 답하는 상담 창구에 가깝다면, 에이전트는 업무 전체를 위임받는 실무자에 가깝다. 전체 흐름을 보면 기업의 AI 활용은 계속 깊어지고 있다. 최소 한 개 업무 영역에서 AI를 정기적으로 쓴다는 응답은 89%에 이르렀고, 전사 차원으로 AI를 확산하고 있다는 응답은 38%에서 44%로 늘었다. 세 개 이상의 업무 영역에서 AI를 쓴다는 비율도 51%에서 56%로 올랐다. 도구별로는 챗봇이 47%로 가장 널리 퍼졌고, AI 에이전트와 소프트웨어 코딩 에이전트는 각각 10곳 중 2곳 정도가 확산 단계에 진입했다. 문제는 확산의 속도가 기업 규모에 따라 갈린다는 점이다. 대기업의 54%가 전사 차원에서 AI를 확산하고 있다고 답한 반면 중소기업은 3분의 1 수준에 머물렀다. 규모에 따른 확산 속도 차이가 에이전트 도입에서 다시 벌어지고 있으며, 이 간격이 좁혀지는지 여부가 향후 조사에서 확인해야 할 지점이다. 소프트웨어 구매를 포기한 기업 32%가 만든 IT 예산의 변화 응답자의 32%는 코딩 에이전트로 직접 개발할 수 있다는 이유로 소프트웨어 제품이나 기능의 구매를 포기한 적이 있다고 답했다. 업종별로는 기술 41%, 의료 보험사와 의료기관 39%, 전문 서비스 38%, 에너지와 소재 38% 순이었다. 지금까지 당연히 사서 쓰던 소프트웨어를 사내에서 만들어 쓰기 시작했다는 신호이며, 이 흐름이 이어지면 기업의 IT 예산 구조 자체가 바뀔 수 있다. 맥킨지 시니어 파트너 리번 반 데어 베켄(Lieven Van der Veken)은 최근까지 많은 경영진이 AI를 자사 기술팀의 역량 밖 영역으로 여겼으나 이제는 무엇을 직접 만들 수 있는지 묻기 시작했다고 설명했다. 다만 그는 모든 것을 자체 개발하라는 뜻은 아니며, 어디까지 사고 어디부터 만들지를 스스로 판단할 수 있는 역량을 갖추는 것이 핵심이라고 덧붙였다. 운영비에 발목 잡힌 기업 20%와 투자 확대를 예고한 기업 60% AI 운영비, 특히 토큰 비용 때문에 AI 사용을 제한한 적이 있다고 답한 기업은 20%였다. 토큰은 AI가 문장을 읽고 만들어낼 때 쪼개어 세는 단위로, 사용한 양에 따라 요금이 매겨진다. 업종별로는 기술 25%, 금융기관 24%가 높았고 소비재와 유통은 12%로 낮았다. 비용 부담을 느끼면서도 투자를 늘리겠다는 기업이 훨씬 많다는 점은 주목할 만하다. 응답자의 60%가 내년에 AI 투자를 늘리겠다고 답했고, 28%는 이미 전체 정보통신기술 예산의 10%를 넘는 금액을 AI에 쓰고 있다고 밝혔다. 맥킨지 시니어 펠로 마이클 추이(Michael Chui)는 최고재무책임자들이 '토크노믹스'라는 표현을 쓰기 시작했다고 전하면서, 토큰 단가는 내려갔지만 소비되는 토큰의 양이 그보다 더 빠르게 늘어난 것이 원인이라고 분석했다. 단가 인하보다 사용량 증가가 앞서면서 총비용이 오히려 커진 구조다. 상위 6% 고성과 기업이 나머지와 갈라진 지점 AI로 영업이익의 5% 이상을 창출하고 상당한 가치를 얻었다고 답한 기업, 보고서가 'AI 고성과 기업(AI high performers)'으로 분류한 집단은 전체 응답자의 6%에 불과했다. 이 비율 역시 작년과 같다. 앞선 격차를 좁힐 실마리는 이들이 나머지 기업과 무엇을 다르게 했는지에서 찾을 수 있다. 가장 뚜렷한 차이는 목적이다. 효율을 목표로 삼는 비율은 고성과 기업 78%, 나머지 82%로 오히려 비슷하거나 낮았다. 반면 성장을 목표로 한다는 응답은 74% 대 47%, 혁신을 목표로 한다는 응답은 65% 대 49%로 크게 벌어졌다. 비용을 줄이는 데만 AI를 쓰는 기업과 새로운 매출을 만드는 데까지 AI를 쓰는 기업의 차이다. 그림1. 효율 목표는 78%와 82%로 같지만 성장 목표는 74% 대 47%로 갈렸다. AI 고성과 기업과 나머지 기업을 가른 차이다. (출처: McKinsey & Company) 두 번째 차이는 일하는 방식을 바꿨는지 여부다. 고성과 기업의 약 4분의 3이 AI 도입을 계기로 업무 흐름을 근본적으로 다시 설계했다고 답했다. 작년 55%에서 크게 늘어난 수치다. 반면 나머지 기업은 4분의 1에 그쳤다. 기존 업무 순서를 그대로 둔 채 중간에 AI만 끼워 넣는 방식으로는 개인의 속도는 빨라져도 조직의 수치까지 움직이기는 어렵다는 의미로 읽힌다. 이 밖에도 고성과 기업은 경영진이 AI 사업에 직접 책임지고 나서는 비율, 성과를 측정하는 절차를 갖춘 비율이 나머지의 두 배였다. 맥킨지 어소시에이트 파트너 타라 발라크리슈난(Tara Balakrishnan)은 고성과 기업의 강점을 예산으로 환원할 수 없다고 강조하면서, 도구와 시범 사업을 쌓아 올리는 일과 일하는 방식을 바꾸는 일은 전혀 다르다고 지적했다. 그는 도입 속도가 기술 발전 속도를 따라가지 못하는 이유가 결국 조직이 변화를 감당하는 능력에 있다고 봤다. 인력 감소 예상 39%와 실제 감소 14%의 괴리 AI 때문에 내년에 전체 직원 수가 줄어들 것으로 보는 응답은 39%로, 작년의 32%보다 높아졌다. 그러나 작년에 32%가 감소를 예상했던 그 1년이 실제로 지난 뒤 확인해보니, AI로 인해 인력이 실제 줄었다고 답한 비율은 14%였다. 예상치의 절반에 미치지 못한 수준이다. 응답자의 66%는 AI로 인한 인력 변화가 거의 없었다고 답했다. 그림2. 작년 감소 예상은 32%였지만 실제 감소는 14%에 그쳤다. 그런데도 내년 전망은 39%로 더 올랐다. (출처: McKinsey & Company) 업무 영역별로도 같은 양상이 나타났다. 조사한 모든 영역에서 실제 인력 감소를 보고한 비율은 작년에 예상했던 비율보다 낮았다. 내년 감소 전망이 가장 높은 영역은 고객 서비스 운영과 공급망 관리인데, 이는 작년 조사에서도 상위에 올랐던 영역이다. 개인 차원의 불안은 예상보다 크지 않았다. AI 때문에 자신의 커리어 전망이 불안하다고 답한 비율은 13%에 그쳤다. 조직 전체 인원은 줄어들 수 있으나 자신의 자리는 유지될 것으로 보는 인식이 자리 잡고 있다는 뜻이며, 이 판단이 타당했는지는 내년 조사에서 다시 확인할 필요가 있다. 도구를 늘린 기업과 방식을 바꾼 기업의 분기점 이번 보고서가 보여준 가장 일관된 신호는 AI 도입 자체가 성과를 보장하지 않는다는 점이다. 89%가 AI를 쓰고 44%가 전사 확산 단계에 진입했음에도 영업이익 기여를 보고한 비율이 37%에 멈춰 있다는 사실이 이를 뒷받침한다. 개인이 얻는 이득은 즉시 나타나지만 조직의 이득은 일하는 순서 자체를 다시 짜야 나오는 것일 가능성이 있다. 다만 이 해석에는 확인이 필요한 부분도 남는다. 이번 조사는 응답자의 인식과 자기 보고에 기반하며, AI 투자가 재무 성과로 이어지기까지 걸리는 시간을 감안하면 현재의 정체가 실패의 증거인지 시차의 결과인지는 아직 단정하기 어렵다. 인력 감소 예상이 매년 실제보다 크게 나오는 현상 또한, 기술 변화 앞에서 미래를 과대 추정하는 일반적 경향인지 도입 속도가 실제로 느린 결과인지 구분해서 볼 필요가 있다. 개인 차원에서 남는 질문은 하나다. AI로 절약한 시간이 어디로 가고 있는가이다. 그 시간이 더 나은 결과물이나 새로운 시도로 이어지고 있다면 조직의 성과로 연결될 여지가 있고, 다음 업무를 앞당겨 처리하는 데만 쓰이고 있다면 보고서가 지적한 80%와 37%의 격차 안에 머물러 있는 셈이다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI 에이전트는 챗봇과 어떻게 다른가요? 챗봇은 사용자가 질문할 때마다 답을 주는 방식이고, AI 에이전트는 목표만 주면 여러 단계를 스스로 계획하고 실행하는 방식입니다. 맥킨지 조사에서 챗봇은 47%가 전사 확산 단계에 도달했지만, AI 에이전트는 10곳 중 2곳 수준에 머물러 있습니다. Q2. 토큰 비용이란 무엇이고 왜 부담이 되나요? 토큰은 AI가 문장을 읽고 만들어낼 때 세는 단위로, 사용한 양에 따라 요금이 붙습니다. 토큰 하나당 가격은 계속 내려가고 있지만 기업이 쓰는 토큰의 총량이 더 빠르게 늘어나면서, 조사 대상 기업의 20%가 비용 때문에 AI 사용을 제한한 적이 있다고 답했습니다. Q3. AI 때문에 제 일자리가 정말 위험한가요? 이번 조사에서 응답자의 39%가 내년 인력 감소를 예상했지만, 작년에 32%가 감소를 예상했던 지난 1년간 실제로 감소했다고 답한 비율은 전체의 14%에 그쳤습니다. 응답자 본인의 커리어가 불안하다고 답한 비율도 13%로 낮은 편이어서, 예상과 실제 사이에는 상당한 거리가 있습니다. 기사에 인용된 리포트 원문은 맥킨지(McKinsey)에서 확인할 수 있다. 리포트명: The state of AI in 2026: On the road to ROI (McKinsey & Company, 2026년 8월) ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.28 14:21AI 에디터

빌 게이츠 "일자리 최대 40%는 사람 몫으로 남겨야"

빌 게이츠가 6,000단어 분량 에세이 '격동의 AI 시대가 왔다, 우리의 선택이 중요하다'를 현지 시각 8월 26일 공개했다. 각국 정부가 AI가 일으킬 변화의 규모에 대비하지 못하고 있다는 것이 글의 요지다. 게이츠는 사람만 하도록 남겨 두는 일의 영역을 '휴먼 리저브드'라고 부르기 시작했다고 밝혔다. 자연보호구역에서 가져온 표현이다. 건물과 도로를 세울 수 있는 땅이지만 잃는 것이 너무 커서 그대로 두는 것처럼, AI와 로봇이 대신할 수 있어도 사람에게 남겨 두는 일이 있어야 한다는 것이다. 게이츠는 액시오스 인터뷰에서 육아와 배심원 봉사가 분명히 여기 해당한다고 말했고, 교육과 의료는 사람과 AI가 섞이는 영역으로 봤다. 보호받는 노동자가 AI를 써서 처리하는 일의 양을 늘리는 방식이다. 그는 극단적으로 적용하면 처음에는 일자리의 최대 40%까지 사람 몫으로 지정할 수 있다고 말했다. 다만 현실적으로 재교육이 어려운 노동자를 위한 한시적 보호로 시작하는 편이 낫다고 덧붙였다. 과세 제안도 다시 제시했다. 모델이 언어를 처리할 때 쓰는 최소 단위이자 이용 요금을 매기는 기준인 AI 토큰과 로봇에 세금을 매겨, 사람을 기계로 바꾸려는 유인을 줄이자는 내용이다. 게이츠는 지금의 세제가 사람 대신 기계를 쓰도록 유도하고 있다고 말했다. 새 기구가 필요하다는 주장도 함께 제시했다. 기존 정부 기관은 이 속도로 움직이는 기술을 다루도록 만들어지지 않았기 때문에 국가 차원과 국제 차원 모두에서 새로운 기구가 있어야 한다는 것이다. 그는 많은 경영자가 공개 발언보다 사석에서 훨씬 더 우려하고 있다고도 말했다. 자세한 내용은 액시오스에서 확인할 수 있다. 이미지 출처: 이디오그램 생성 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.28 12:35AI 에디터

직장인 10명 중 9명이 AI 쓰는 시대…진짜 격차는 지금부터

AI가 내 일자리를 빼앗을 것이라는 걱정은 절반만 맞았다. 커리어 플랫폼 원티드랩이 국내 직장인 209명을 조사해 발표한 'AX 인사이트 리포트'에 따르면, AI는 일자리를 통째로 없애기보다 'AI를 쓰는 사람'과 '쓰지 않는 사람' 사이의 격차를 빠르게 벌리고 있었다. 여기서 AX란 인공지능을 도입해 일하는 방식 자체를 바꾸는 'AI 전환'을 의미한다. 이미 직장인 10명 중 9명이 AI를 활용하는 지금, AI 시대 직장인의 생존은 'AI를 쓰느냐'가 아니라 '얼마나 잘 쓰느냐'에서 갈리기 시작했다. 일자리 감축 보도와 정반대로 움직인 IT 채용 2배 증가 AI가 일자리를 줄인다는 뉴스와 채용 시장의 실제 데이터는 정반대 방향을 가리켰다. 2025년 12월 21일 미국 CNBC는 컨설팅 업체 챌린저, 그레이 앤 크리스마스(Challenger, Gray & Christmas)의 조사를 인용해 2025년 1월부터 11월까지 미국에서 감축된 일자리가 117만여 개이며 이 가운데 AI가 이유로 언급된 경우가 5만 4,694개였다고 보도했다. 숫자만 보면 'AI가 사람을 밀어낸다'는 불안이 사실처럼 느껴진다. 그런데 국내 채용 데이터는 다른 신호를 보냈다. 원티드가 IT 직군 신규 공고 수를 2023년 1월을 100으로 두고 비교한 결과, 2025년 7월에는 208.40을 기록하며 2년 반 만에 2배 이상으로 늘었다. IT 직군은 개발, 디자인, PM/PO, 보안처럼 IT 기업에 필수적인 직군을 의미한다. AI 유관 직군과 소프트웨어 엔지니어 수요가 세계적으로 커지고, AX를 추진하는 기업들이 관련 인력 확보에 나선 흐름이 맞물린 결과다. 다시 말해 AI는 일자리를 단순히 줄이는 것이 아니라, 기업이 원하는 인재의 기준을 빠르게 바꾸고 있다. 직장인 92.1%가 AI 사용, 업무 활용자 86%는 거의 매일 사용 이미 대다수 직장인에게 AI는 특별한 도구가 아니라 매일 함께 일하는 업무 파트너로 자리 잡았다. 원티드랩이 2025년 12월 15일부터 2026년 1월 5일까지 직장인 209명을 조사한 결과, 전체 응답자의 92.1%가 최근 1년 안에 AI를 사용해 본 경험이 있었다. 특히 업무에 AI를 도입한 유경험자 중 86.3%는 거의 매일 AI를 활용할 만큼 실무 만족도가 높았다. 아직 사용해 본 적 없는 응답자도 전원이 '적절한 교육과 가이드라인만 있으면 쓰겠다'고 답해, 직장 내 AI 보편화는 더욱 빨라질 전망이다. 그림1. 직장인 92.1%가 최근 1년간 AI를 사용했다. (자료: 원티드랩 'AX 인사이트 리포트') 어떤 도구를 사용하는지 조사한 결과, 개발, 디자인, 마케팅 세 직군 모두에서 챗GPT(ChatGPT)와 클로드(Claude) 같은 텍스트 기반 도구가 나란히 1위를 차지했다. 개발 직군은 90.8%, 디자인 직군은 90.9%, 마케팅 직군은 95.6%가 이 범용 AI를 지목했다. 직군마다 활용 목적은 달라도, 업무를 시작할 때 챗GPT나 클로드부터 여는 습관은 공통적으로 나타났다. 활용 영역에서도 '정보 검색 및 자료 조사'가 세 직군 공통으로 상위에 올라, AI가 검색창을 대신하는 필수 도구로 자리 잡았음을 보여준다. AI가 만드는 생산성 선순환, 확보한 시간을 완성도에 재투자한다 AI의 진짜 효과는 단순히 일을 빨리 끝내는 것이 아니라 결과물의 기준 자체를 끌어올리는 데 있었다. 조사에서 응답자의 90% 이상이 AI로 결과물의 품질이 좋아졌다고 답했고, 78.4%는 업무에 여유 시간이 생겨 속도도 빨라졌다고 했다. 눈여겨볼 대목은 응답자의 46.7%가 AI로 확보한 시간을 '결과물 완성도를 높이는 데' 다시 투자하고 있다는 점이다. 여기서 생산성 선순환이란 AI로 아낀 시간이 곧 품질 개선으로 이어져 일의 기준이 계속 높아지는 구조를 말한다. 현장 인터뷰는 이 변화를 더 구체적으로 보여준다. 8년 차 백엔드 엔지니어는 클로드 코드(Claude Code)와 제미나이(Gemini)를 활용해 코드 작성 업무의 60% 이상을 AI 도움으로 처리하고, 2주 넘게 걸리던 프로젝트를 3일 만에 끝내기도 한다고 밝혔다. 13년 차 퍼포먼스 마케터는 업무 처리 속도가 최소 50% 빨라졌고, 여러 업무를 동시에 처리하는 병렬 방식이 가능해졌다고 말했다. 11년 차 프로덕트 디자이너는 일주일 걸리던 시제품(MVP) 초안을 3분 만에 완성한다고 했으며, 5년 차 교육 기획자의 팀은 AI 자동화 프로그램을 도입해 행정 서류 처리 시간을 10분의 1로 줄였다. 결국 관건은 이렇게 확보한 시간을 단순한 휴식에 쓰는가, 아니면 결과물의 완성도를 높이는 데 다시 투자하는가에 있다. 이 리포트가 던지는 질문의 핵심도 바로 이 지점이다. 성과는 올랐는데 불안은 더 커진 이유, 기업은 이미 계산을 시작했다 성과가 좋아질수록 불안도 함께 커진다는 것이 AI 시대 직장인이 마주한 현실적 긴장이다. 응답자의 74% 이상이 생성형 AI 등장 이후 자신의 직무가 달라지고 있다고 체감했고, 향후 10년 안에 반복 업무가 AI로 넘어갈 것이라 전망했다. 문제는 이 불안이 개인의 막연한 걱정만은 아니라는 데 있다. 기업 HR 담당자 130명을 조사한 결과, 55% 이상이 향후 3년 안에 AI 도입과 자동화로 인력 재배치나 감축이 발생할 것이라 내다봤다. 동시에 기업들은 AI를 잘 쓰는 인재에게 차별화된 보상을 줄 의지를 보였다. AI 역량을 '보너스'가 아니라 핵심 경쟁력의 기준으로 보기 시작한 것이다. 그림2. 응답자 74% 이상이 AI로 인한 직무 변화를 체감했다. (자료: 원티드랩 'AX 인사이트 리포트') 이 변화는 이직 시장에서도 이미 검증되고 있다. 전체 응답자 중 47% 이상이 이력서나 포트폴리오에 AI 활용 역량을 적었고, 면접 경험자 중 절반 이상은 AI 활용 능력에 대한 질문이나 실제 검증을 받았다고 답했다. 나아가 62% 이상은 AI를 적극적으로 쓰는 기업에서 일하는 것 자체가 이직 때 유리하게 작용할 것이라 봤다. AI 역량은 이제 숨길 수 있는 선택 사항이 아니라, 채용 과정에서 자연스럽게 확인되는 기본 요건이 됐다. 지원자와 기업, 이직 시장이 같은 방향을 보고 있다는 뜻이다. 격차는 개인의 노력보다 조직의 환경에서 시작된다 리포트가 마지막으로 던지는 메시지는 다소 뜻밖이다. AI 격차가 개인의 역량 차이보다 '속한 조직이 허용하는 학습과 실험의 밀도'에서 먼저 시작될 수 있다는 것이다. 리포트는 AI 시대의 질문이 '어떻게 더 좋은 자리에 합격할 것인가'에서 '내 커리어가 계속 자랄 수 있는 환경에 있는가'로 바뀐다고 봤다. 지금 다니는 회사에서 AI로 시도하고 실패하고 다시 개선할 구조가 보이지 않는다면, 그 자체가 커리어 리스크가 될 가능성이 있다는 해석이다. 물론 이 결론은 커리어 플랫폼이 자사 데이터를 바탕으로 내린 관점인 만큼, 산업과 직군에 따라 체감은 다를 수 있어 두고 볼 필요가 있다. 다만 분명한 것은, AI를 쓰는 사람과 쓰지 않는 사람의 격차가 실제로 벌어지고 있다는 데이터가 쌓이고 있다는 점이다. 매일 반복되는 작은 활용의 차이가 몇 개월 뒤에는 전혀 다른 수준의 업무 결과물로 누적된다면, '지금 나는 어느 쪽에 서 있는가'를 스스로 점검해 볼 시점이다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI를 쓰면 정말 제 일자리가 사라지나요? 리포트 데이터는 조금 다른 그림을 보여줍니다. 미국에서는 AI로 인한 감축 사례가 보고됐지만, 국내 원티드 IT 직군 채용 공고는 2023년 1월 대비 2025년 7월에 2배 이상 늘었습니다. AI가 일자리를 없애기보다, 기업이 원하는 인재의 기준을 바꾸고 있다고 보는 편이 정확합니다. Q2. AI를 아직 잘 못 쓰는데, 지금 시작해도 늦지 않았을까요? 늦지 않았습니다. 조사에서 AI 미경험자 전원이 교육과 가이드라인만 제공되면 쓰겠다고 답했습니다. 이메일 초안 작성처럼 간단한 업무부터 맡겨 보고, 결과가 아쉬우면 조건을 덧붙여 다시 물어보는 연습부터 시작하면 됩니다. Q3. 회사가 AI 도입에 소극적이면 어떻게 해야 하나요? 리포트는 AI 역량을 키울 학습과 실험이 가능한 환경 자체를 커리어 자산으로 봅니다. 개인 차원에서 자주 쓰는 프롬프트를 모아 두고 반복 업무에 적용해 보는 한편, 성장 기회가 막혀 있다면 그 점을 커리어 판단의 기준 중 하나로 삼아 볼 수 있습니다. 기사에 인용된 리포트 원문은 원티드랩에서 확인할 수 있다. 리포트명: AX 인사이트 리포트, AI 시대 직장인으로 살아남기 위해 이미지 출처: AI 생성 콘텐츠 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.27 10:57AI 에디터

스타링크 고객센터 전화 상담원 사람 아니다…그록이 하루 1만 5000통 처리

스페이스X가 위성 인터넷 서비스 스타링크의 고객지원 전화를 AI로 받고 있다. 회사 AI 조직이 8월 25일 공개한 수치를 보면, 그록 보이스가 하루 1만 5,000통이 넘는 고객지원·영업 전화를 처리한다. 전화와 채팅을 합쳐 주당 3,000건 이상의 주문도 마무리한다. 일론 머스크는 이 게시물에 그록 보이스가 스타링크에서 지원과 영업에 대규모로 쓰이고 있다고 덧붙였다. 그록은 스페이스X의 AI 부문이 만드는 모델이고, 그록 보이스는 이를 음성 대화에 맞춰 만든 버전이다. 전화를 걸면 사람처럼 들리는 목소리가 응답하며, 하드웨어 문제를 진단하고 교체품 발송을 걸어 주며 주문까지 끝낸다. 사람 상담원이 필요하면 콜백 일정을 잡아 준다. 스페이스X는 7월 '그록 보이스 씽크 패스트 2.0'으로 시스템을 교체했다. 이 버전은 이해력과 음성 인식 정확도, 그리고 도구를 불러 쓰는 안정성을 개선했다. 도구 호출은 AI가 대화 도중에 주문 시스템이나 배송 조회 같은 외부 기능을 직접 실행하는 동작을 말하는데, 여기서 틀리면 엉뚱한 주문이 들어가기 때문에 실제 업무 적용에서 가장 까다로운 부분으로 꼽힌다. 이 버전은 8월 5일부터 그록 보이스의 기본값이 됐다. 이전 버전인 씽크 패스트 1.0을 도입했을 때 스페이스X는 스타링크 전화 상담이 영업 문의의 20%를 실제 계약으로 연결했고, 지원 문의의 70%를 사람 개입 없이 해결했다고 밝힌 바 있다. 고객센터는 AI 도입이 가장 먼저 실적으로 드러나는 영역으로 꼽혀 왔다. 통화량과 처리 건수가 곧바로 집계되기 때문이다. 다만 사람 상담원 없이 처리되는 비율이 높아질수록, 시스템이 잘못 판단했을 때 이용자가 사람에게 닿는 경로를 어떻게 남겨 둘지가 함께 따라온다. 자세한 내용은 벤징가에서 확인할 수 있다. 이미지 출처: 이디오그램 생성 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.26 14:25AI 에디터

AI 영상 플랫폼 힉스필드, 5600억 유치… 미래에셋·NTT도코모가 아시아 축 맡는다

힉스필드(Higgsfield)가 약 7조 5000억 원의 기업가치를 인정받으며 4억 달러, 약 5600억 원 규모의 시리즈 B 투자를 유치했다. 전문 크리에이터와 브랜드, 스튜디오를 위한 AI 영상·이미지 제작 플랫폼을 운영하는 힉스필드가 8월 24일(현지시간) 이같이 발표했다. 이번 라운드에는 미래에셋캐피탈(Mirae Asset Capital)과 NTT 도코모 벤처스(NTT DOCOMO Ventures)가 전략적 투자자로 참여했다. 각각 국내 대표 금융그룹 계열 투자사와 일본 NTT 그룹의 벤처 투자 부문으로, 힉스필드의 아시아·태평양(APAC) 시장 확장을 뒷받침하는 축이 됐다. 투자는 DST 글로벌(DST Global)이 주도했으며 트라이브 캐피털(Tribe Capital), 골드만삭스 얼터너티브의 그로스 에쿼티, 인텔 캐피털(Intel Capital) 등이 신규 투자자로 합류했다. 힉스필드에 따르면 한국과 일본은 현재 힉스필드의 글로벌 사용자 기준 상위 5개 시장에 포함된다. 회사는 이번 자금을 아시아·태평양 전담 조직 확대와 AI 인재 확보에 투입한다. 이번 투자로 힉스필드의 기업가치는 직전 시리즈 A 당시 13억 달러(약 1조 8000억 원)보다 4배 이상 상승했다. 회사는 이달 연환산 매출(ARR) 약 1조 원을 돌파했고, 포춘 500 기업 중 390곳이 힉스필드 플랫폼으로 영상 콘텐츠를 제작하고 있다. 글로벌 사용자 수는 3000만 명을 넘어섰다. 성장을 이끈 제품은 다중 장면 영상 제작을 자동화하는 에이전틱(agentic) 제품군이다. 2026년 5월 슈퍼컴퓨터(Supercomputer) 출시 이후 3개월 만에 관련 사용자가 42배 늘었고, 월간 콘텐츠 생성량은 2000만 건을 넘는다. 사진1: 알렉스 마쉬라보프(Alex Mashrabov) 힉스필드 공동창업자 겸 CEO 알렉스 마쉬라보프(Alex Mashrabov) 힉스필드 공동창업자 겸 최고경영자(CEO)는 "모든 비즈니스에 영상 콘텐츠가 필요하지만, 기업이 원하는 품질과 속도, 규모로 제작하는 일은 여전히 복잡하고 비용이 많이 든다"며 "미래에셋, NTT와의 파트너십은 한국과 일본의 크리에이티브 시장에 엔터프라이즈급 AI 제작 플랫폼을 전개하는 데 결정적 역할을 할 것"이라고 말했다. 힉스필드는 스냅챗(Snapchat)의 카메오와 얼굴 필터 기술을 개발한 AI 팩토리(AI Factory) 공동창업자 출신인 마쉬라보프가 공동 설립했다. 현재 238개 국가·지역에서 3000만 명 이상이 힉스필드를 사용하며, 미국이 최대 시장이다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.25 22:23AI 에디터

경찰이 감시 카메라로 전 연인 추적…플록 CEO "프라이버시와 안전 타협해야"

개릿 랭글리 플록 세이프티 최고경영자가 폭스뉴스 인터뷰에서 프라이버시와 안전 사이의 "타협"이 필요하다고 말했다. 현지 시각 8월 23일 테크크런치가 전한 내용이다. 플록 세이프티는 감시 카메라와 드론, 번호판 인식 기술을 미국 지방자치단체와 경찰에 공급한다. 번호판 인식은 도로를 지나는 차량의 번호판을 자동으로 읽어 시각과 위치를 기록으로 남기는 기술이다. 랭글리는 "사람들이 프라이버시와 안전 중 하나만 이야기할 때 그들은 잘못된 것을 우선하고 있다"며 "국가로서 우리가 우선해야 할 것은 타협"이라고 말했다. 그는 "오늘날 플록과 다른 기술에는 규제가 없는 경우가 너무 많고 책임도 없는데, 우리는 그것이 잘못됐다고 본다"고 덧붙였다. 워싱턴포스트는 경찰관이 플록 기술을 무단 목적으로 쓴 것으로 지목된 46건을 확인했다. 아내와 여자친구, 전 연인을 스토킹하는 데 쓴 사례가 포함됐다. 랭글리는 CBS뉴스 인터뷰에서 피해자 한 명의 인터뷰를 들은 뒤 "사과한다. 그가 겪은 일이 나를 괴롭게 한다"고 말했다. 그러면서도 "플록이 경찰의 남용을 만들었다고 생각하지 않는다. 우리는 그 문제를 처음으로 밝히고 찾아낼 도구를 만든 회사"라고 주장했다. 압둘 엘사예드 미시간주 민주당 상원 후보는 상대 후보인 마이크 로저스가 플록 카메라 확산을 지지한다고 X에서 비판했고, 버니 샌더스 버몬트주 상원의원은 X에 "AI 대량 감시를 멈춰라. 플록을 멈춰라"라고 포스팅했다. 비판은 여당과 야당 어느 한쪽에 몰려 있지 않다. 공화당 하원의원 3명은 연방정부가 안면인식과 생체 ID, 번호판 인식을 쓰는 자동 감시 시스템을 구매하지 못하도록 하는 법안(H.R. 9800)을 발의했고, 법안 문구에는 "플록 세이프티 카메라를 포함해"라는 표현이 들어갔다. 플록은 기본 데이터 보관 기간을 30일에서 7일로 줄이고 데이터에 접근하기 전 사건 코드를 입력하도록 의무화했다. 두 조치 모두 무력화가 가능하며, 경찰은 '에비던스 모드'라는 설정으로 데이터를 더 오래 보관한다. 美 시민자유연맹(ACLU)은 권고 기준인 48시간에는 못 미치지만 올바른 방향일 수는 있다면서, 실제 변화인지 여부는 에비던스 모드가 어떻게 작동하느냐에 달렸다고 논평했다. 랭글리는 주 규제 당국이 플록 데이터의 불법 사용을 형사 범죄로 규정하는 법을 통과시켜야 한다고 말했다. 자세한 내용은 테크크런치에서 확인할 수 있다. 이미지 출처: 플록 세이프티 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.24 20:27AI 에디터

하버드 경영대학원 97만원짜리 창업 부트캠프, 강사 AI 아바타가 피드백 준다

하버드 경영대학원이 교육 범위를 넓히면서 개별 피드백에 강사의 AI 아바타를 쓰고 있다. 현지 시각 8월 22일 테크크런치가 뉴욕타임스 딜북 보도를 인용해 전한 내용이다. 아바타는 영상 생성 스타트업 헤이젠이 제작했고, 8주 과정에 699달러(약 97만 원)인 창업자 부트캠프 'HBS 파운드리'에 포함된다. 헤이젠은 사람의 영상과 음성을 학습해 그 사람이 말하는 영상을 만들어 주는 도구를 제공한다. 프로그램은 매주 강사와의 라이브 세션을 제공하지만, 모의 피칭과 이사회 회의에서 피드백을 주는 쪽은 AI 아바타다. 뉴욕타임스 세라 케슬러 기자는 직접 체험에 나서 플라이브리지 캐피털 공동창업자 제프 버스갱의 AI 복제본에게 피칭했다. 실제 버스갱과 복제본 모두 '바나나판 우버'라는 사업안에 좋은 반응을 보이지 않았다. 케슬러는 가상 버전이 피칭이 이어지는 동안 눈에 띄게 굳은 미소를 지었다고 적었다. 버스갱은 자신의 디지털 복제본이 다소 "섬뜩하다"고 인정하면서도 "내 학생들은 좋아한다"고 말했다. 카타리나 링스 프로젝트 디렉터는 애초 AI 요소를 챗봇에 가까운 형태로 구상했다고 말했다. 하버드 경영대학원이 시험판을 공개한 뒤 학생들이 더 안내가 많은 경험을 원한다고 요청하면서 지금의 아바타 형태로 바뀌었다. 파운드리 참가자들은 케슬러에게 아바타가 마음에 든다고 밝혔다. 자세한 내용은 테크크런치에서 확인할 수 있다. 이미지 출처: 하버드 경영대학원 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.24 20:25AI 에디터

AI로 숙제하니 점수 18%↑…그런데 시험 성적은 20% 곤두박질

학생 2만 6811명을 30개월간 추적했더니 이상한 일이 벌어졌다. 생성형 AI를 쓰기 시작한 학생들의 숙제 점수는 18% 올랐지만, 같은 학생들의 시험 점수는 20% 떨어졌다. 스톡홀름대와 홍콩대 연구진이 2026년 6월 공개한 이 연구는 AI가 만들어낸 이른바 '학습 손실(learning penalty)'을 대규모 실제 학교 데이터로 확인했다. 학습 손실이란 AI가 과제를 대신 해주면서 학생이 스스로 배우는 과정을 건너뛰어 실력이 오히려 떨어지는 현상을 말한다. AI를 공부에 쓰는 자녀나 학생을 둔 사람이라면, 성적표에 곧 나타날 신호가 무엇인지 미리 알아둘 필요가 있다. 숙제 점수는 18% 상승, 시험 점수는 20% 하락 생성형 AI를 도입한 학생은 숙제에서 점수가 오르고 시간은 줄지만, 정작 실력을 재는 시험에서는 성적이 떨어진다. 스톡홀름대와 홍콩대 공동 연구진이 중국 중부의 한 카운티에서 7~12학년 학생 2만 6811명을 30개월간 추적한 결과, AI 사용 6개월 뒤 숙제 점수는 기준치 대비 18% 올랐고 과제 하나를 끝내는 시간은 64분에서 45분으로 약 30% 짧아졌다. 겉보기에는 완벽한 성공이다. 문제는 같은 기간 학교에서 치른 월별 시험 점수가 기준치 대비 20% 떨어졌다는 데 있다. 이 수치는 통계적으로 표준편차 1.4에 해당하는 큰 변화다. 여러 과목 평균을 낸 값이라 과목 하나만 놓고 보면 그 절반 수준이지만, 그래도 무시하기 어려운 격차다. 숙제는 책을 펴놓고 AI의 도움을 받아 풀 수 있지만, 시험은 아무것도 없이 혼자 풀어야 한다. 숙제 점수와 시험 점수가 정반대로 움직였다는 사실은, 숙제를 잘 냈다는 것이 곧 실력이 늘었다는 뜻은 아니라는 점을 그대로 보여준다. 그림1. 생성형 AI 사용 후 숙제 점수(위)는 오르지만 시험 점수(아래)는 떨어진다. 붉은색이 AI 사용 학생. (출처: Strömberg, Lei, Wu, 2026, Figure 2) 2년 뒤에야 드러난 진짜 타격, 대입 성적 24% 하락 생성형 AI의 학습 손실은 매달 보는 시험보다 인생을 가르는 큰 시험에서 더 크고 더 늦게 나타난다. 연구진에 따르면 월별 시험 성적은 AI를 쓰기 시작한 지 6개월 안에 이미 완전히 나빠졌지만, 고입 시험인 중카오(Zhongkao)는 24%, 대입 시험인 가오카오(Gaokao)는 18%까지 떨어지는 데 약 2년이 걸렸다. 손실이 서서히, 그러나 더 깊게 쌓인 것이다. 이 지점이 특히 중요하다. 지금까지 나온 대부분의 AI 교육 실험은 몇 시간에서 몇 주 단위로 짧게 진행됐다. 그런 짧은 연구로는 2년에 걸쳐 천천히 벌어지는 이 격차를 잡아낼 수 없다. 연구진은 단기 실험이 생성형 AI의 장기 학습 비용을 체계적으로 과소평가해 왔다고 지적했다. 시험 삼아 한 학기 써보고 "성적에 별 영향 없더라"고 판단하는 것이 왜 위험한지를 데이터가 말해준다. 학습 손실의 진짜 범인은 'AI 사용자'가 아니라 '숙제 아웃소싱' 생성형 AI를 쓴다고 모두 성적이 떨어진 것은 아니며, 학습 손실은 숙제를 통째로 AI에 맡긴 약 81%의 사용자에게 집중됐다. 숙제 아웃소싱(homework outsourcing)이란 학생이 문제를 스스로 고민하지 않고 AI에 그대로 넣어 답을 받아 제출하는 행동을 말한다. 연구진은 숙제를 AI 없이 가장 빨리 푸는 학생보다도 훨씬 짧은 시간에 끝내면서 점수는 높은 학생들을 이 유형으로 분류했는데, 이들이 바로 시험에서 무너진 집단이었다. 반대되는 장면도 있다. AI를 쓰면서도 숙제에 비사용자와 비슷한 시간을 들인 학생들은 시험 점수가 거의 떨어지지 않았다. 숙제 점수가 높아 AI를 쓴 것은 분명한데, 답만 베끼지 않고 스스로 생각하는 시간을 지킨 것이다. 두뇌는 문제를 붙들고 끙끙대는 그 과정에서 실력이 는다. 심리학 연구에서 반복해 확인된 사실이고, 이 논문의 데이터도 같은 이야기를 한다. AI가 문제가 아니라, AI로 생각을 건너뛰는 방식이 문제인 셈이다. 사회 과목이 가장 큰 타격, 남학생과 우등생이 더 위험 학습 손실의 크기는 과목과 학생 유형에 따라 크게 갈렸으며, 암기와 서술이 많은 사회 과목이 가장 큰 타격을 입었다. 정치와 지리를 포함한 사회 과목은 평균 27% 하락해 가장 심했고, 이어 수학과 과학 등 STEM 과목이 22%, 영어가 17%, 중국어가 9% 순이었다. 흥미로운 점은 기존 AI 교육 실험이 주로 수학과 프로그래밍, 외국어에 집중돼 왔다는 사실이다. 정작 타격이 가장 큰 사회 과목은 연구의 사각지대에 있었던 셈이다. 학생 유형에서도 뜻밖의 결과가 나왔다. 저학년일수록, 남학생일수록, 그리고 원래 공부를 잘하던 우등생일수록 손실이 더 컸다. "잘하는 아이는 AI를 잘 활용할 것"이라는 통념과 정반대다. 성적이 좋은 학생일수록 AI가 내주는 그럴듯한 답을 의심 없이 받아들여 스스로 고민하는 시간을 더 크게 줄였을 가능성이 있다. 내 아이가, 혹은 나 자신이 "AI를 잘 다루니까 괜찮다"고 안심하고 있다면, 이 데이터는 오히려 그런 사람이 더 조심해야 한다고 말한다. 시간이 지나며 손실은 줄지만, 완전히 사라지진 않는다 이 연구가 던지는 마지막 질문은 사람이 AI에 적응하며 손실을 극복할 수 있느냐다. 데이터는 조심스러운 희망을 보여준다. 동일하게 5개월간 AI에 노출된 학생을 시점별로 비교하자, 학습 손실은 2023년 초 약 25%에서 2025년 6월 약 16%로 줄었다. 학생이나 교사가 AI를 다루는 방식을 조금씩 익혀가고 있다는 신호로 볼 수 있다. 다만 손실이 16%까지 줄었다는 것은, 뒤집어 말하면 여전히 상당한 격차가 남아 있다는 뜻이기도 하다. 연구진은 이 손실을 완전히 없애기까지는 아직 큰 장벽이 있다고 봤다. AI 자체를 막는 것이 답이 아니라는 점은 연구진이 함께 소개한 다른 실험에서 분명하다. 잘 설계된 AI 튜터로 동기가 높은 학생을 가르친 하버드대 물리학 실험에서는 학습 효과가 오히려 커졌기 때문이다. 결국 관건은 도구를 쓰느냐 마느냐가 아니라, 생각하는 시간을 지키느냐에 달려 있을 가능성이 크다. AI에게 답을 맡기되 이해하는 과정까지 넘기지는 않는, 그 경계선을 어떻게 설계하느냐가 앞으로의 과제로 남는다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. AI로 공부하면 무조건 성적이 떨어지나요? 아닙니다. 연구에서 학습 손실은 숙제를 통째로 AI에 맡긴 약 81%의 학생에게 집중됐습니다. AI를 쓰면서도 스스로 고민하는 시간을 비슷하게 유지한 학생들은 시험 점수가 거의 떨어지지 않았습니다. 문제는 AI 사용 자체가 아니라 생각을 건너뛰는 방식입니다. Q. 숙제 점수는 올랐는데 왜 시험 성적은 떨어지나요? 숙제는 AI의 도움을 받아 풀 수 있지만 시험은 혼자 풀어야 하기 때문입니다. AI가 답을 대신 만들어 주면 숙제 점수는 오르지만, 학생이 직접 문제를 붙들고 익히는 과정이 빠지면서 실제 실력은 늘지 않습니다. 그 차이가 시험에서 드러납니다. Q. AI가 학습에 도움이 되는 경우도 있나요? 있습니다. 같은 연구진이 인용한 하버드대 실험에서는 교육 목적으로 잘 설계된 AI 튜터로 동기가 높은 학생을 가르치자 학습 효과가 커졌습니다. 핵심은 AI에게 답을 맡기더라도 이해하는 과정까지 넘기지 않고, 스스로 생각하는 시간을 지키는 것입니다. 기사에 인용된 리포트 원문은 SSRN에서 확인할 수 있다. 리포트명: The Generative AI Learning Penalty: Evidence from Chinese Secondary Education (David Strömberg, Victor Lei, Yanhui Wu, 2026) ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.24 14:13AI 에디터

구글, 마벨에 17조원 지분 옵션…맞춤형 AI 칩 대반격

구글(Google)이 맞춤형 AI 반도체 확보에 승부를 걸었다. 야후 파이낸스(Yahoo Finance)에 따르면 8월 20일 구글은 반도체 기업 마벨(Marvell)과 맞춤형 칩 협력을 확대하면서, 마벨 주식을 대량으로 사들일 수 있는 워런트(주식매수권)를 받았다. 전량 행사 시 지분 가치는 최대 122억 달러, 원화로 약 17조원에 이른다. 워런트는 마벨 보통주 약 5,897만 주를 주당 206.58달러에 살 수 있는 권리로, 2033년 8월까지 유효하다. 구글은 칩 주문이 5억 달러어치씩 채워질 때마다 매수권의 다음 구간이 열리는 구조로 권리를 확보한다. 이번 워런트의 바탕이 된 상업 계약은 7월 29일 체결됐다. 구글의 텐서처리장치(TPU) 생태계에 맞춘 AI 추론 가속기와 스토리지 컨트롤러, 네트워크 인터페이스 컨트롤러, 메모리 인터페이스 컨트롤러 등 데이터센터용 반도체가 대상이다. 이번 계약이 주목받는 이유는 구글이 자체 칩 생태계를 넓히며 엔비디아(Nvidia) 의존을 줄이려는 흐름을 보여주기 때문이다. 구글은 TPU를 내부용 자산에서 상업 플랫폼으로 확장해 왔고, 특정 AI 작업에서는 엔비디아 GPU의 대안으로 내세우고 있다. 발표 직후 마벨 주가는 장전 거래에서 11% 넘게 뛰었다. 반면 그동안 구글의 주력 맞춤형 칩 파트너였던 브로드컴(Broadcom)은 하락했다. 공급망이 다변화되면 자신들의 몫이 줄어들 수 있다는 우려가 반영된 것이다. 구글이 목표를 모두 채우면 마벨은 해당 기간에 약 1,200억 달러 규모의 맞춤형 칩 매출을 올릴 수 있고, 구글은 마벨의 5대 주주에 오르게 된다. 하이퍼스케일 기업이 단순한 칩 구매자를 넘어 반도체 설계의 능동적 참여자가 되고 있음을 보여주는 사례다. AI 인프라 지출이 늘어날수록 연산 비용과 네트워크, 전력 효율을 통제하는 능력이 빅테크의 핵심 경쟁력이 되고 있다. 구글의 이번 결정은 그 경쟁이 칩 설계 단계까지 내려왔음을 보여준다. 결국 누가 더 값싸고 효율적인 연산을 확보하느냐가 AI 시대의 승패를 가르는 변수로 떠오르고 있다. 구글과 마벨의 이번 동맹은 그 경쟁 구도를 다시 그리는 신호다. 자세한 내용은 야후 파이낸스에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.22 08:37AI 에디터

미국 정부, 지멘스 PLC 해킹 경고…AI가 공격 스크립트 짠다

미국 사이버보안 당국이 산업 제어 시스템을 겨냥한 해킹 위협에 긴급 경고를 내렸다. 미국 사이버보안인프라보안청(CISA)에 따르면 8월 20일 전해진 이번 경보는, 상수도와 에너지망, 제조 설비 전반에 쓰이는 지멘스(Siemens) S7 계열 프로그래머블 로직 컨트롤러(PLC)가 표적이 되고 있다는 내용이다. 이번 경보는 국가안보국(NSA)과 연방수사국(FBI), 에너지부(DOE), 환경보호청(EPA), CISA가 공동으로 발표했다. 당국은 인터넷에 노출된 S7 계열 컨트롤러가 공격자에게 물리적 공정에 대한 접근을 내줄 수 있다는 점을 특히 우려한다. 주목할 점은 AI의 개입이다. CISA는 공격자들이 공개된 정보를 바탕으로 AI의 도움을 받아 지멘스 S7 PLC를 겨냥한 공격 스크립트를 만들고 있다고 밝혔다. 초기 침투와 계정 정보 탈취, 서비스 거부 등 여러 목적에 쓰인다는 것이다. 산업 제어 시스템은 일반적인 기업 IT와 근본적으로 다르다. 이 시스템이 뚫리면 단순히 파일이 유출되는 데 그치지 않고, 펌프와 전력, 기계 같은 물리 설비가 직접 영향을 받을 수 있다. 문제를 키우는 요인은 노후 장비다. 많은 운영기술(OT) 환경에는 수십 년 전에 설치된 장비가 남아 있어, 패치와 업그레이드가 쉽지 않다. 그만큼 취약점이 오래 방치되기 쉽다. 당국은 아직 이번 활동을 특정 국가의 소행으로 공식 규정하지는 않았다. 다만 이란과 연계된 것으로 의심되는 활동이 우려의 일부였고, 최근 미국 상수도 시스템을 겨냥한 공격이 경계를 높였다고 설명했다. CISA는 S7-200부터 S7-1500까지 각 컨트롤러의 펌웨어 버전을 확인하고, 인터넷에 노출된 장비를 우선 점검해 최신 펌웨어로 갱신할 것을 권고했다. 특히 인터넷이나 비무장지대(DMZ)에 노출된 컨트롤러를 최우선 점검 대상으로 삼으라고 강조했다. 노출된 산업 시스템과 자동화된 정찰, 그리고 AI가 거드는 취약점 악용이 맞물리면 특히 위험한 새로운 유형의 보안 위협이 생길 수 있다. 이번 경보는 디지털 공격이 물리 인프라의 피해로 번질 수 있음을 경고한 셈이다. AI가 공격에 필요한 전문성과 시간을 낮추면서, 이런 산업 시스템을 겨냥한 정찰이 한결 쉬워지고 있다는 우려도 함께 커지고 있다. 자세한 내용은 미국 사이버보안인프라보안청에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.22 08:34AI 에디터

애플, 이미지 처리 결함 긴급 패치…스파이웨어 악용 우려

애플(Apple)이 아이폰과 아이패드, 맥에 영향을 주는 심각한 이미지 처리 취약점을 긴급 패치했다. 애플에 따르면 8월 17일 배포된 이번 보안 업데이트는 이미지 처리 프레임워크 이미지IO(ImageIO)의 결함(CVE-2026-65346)을 바로잡은 것으로, 악의적으로 조작된 이미지를 처리할 때 임의 코드가 실행될 수 있는 문제였다. 이 결함은 정수 오버플로(integer overflow) 유형으로, 프로그램이 처리할 수 있는 범위를 넘는 값을 계산하도록 유도해 메모리를 오작동시키는 방식이다. 공격자는 이를 악용해 악성 프로그램을 실행하거나 권한을 탈취할 수 있다. 애플은 입력값 검증을 강화해 문제를 해결했다고 밝혔다. 취약점은 메타(Meta)의 레드팀이 찾아낸 것으로, 최근 출시된 아이폰과 아이패드, 맥이 영향권에 들었다. 애플은 이용자들에게 8월 17일 업데이트를 즉시 설치할 것을 당부했다. 보안 전문가들이 이 결함을 특히 눈여겨보는 이유는, 이미지를 해석하는 구성 요소의 허점이 과거 정교한 공격에 악용된 전례가 있기 때문이다. 사용자가 파일을 열지 않아도 감염되는 이른바 '제로클릭' 스파이웨어가 이미지 처리 결함을 통해 심어진 사례가 있었다. 이번 취약점이 실제로 스파이웨어 배포에 쓰였다는 정황은 아직 공개되지 않았다. 다만 이미지 파싱 결함은 표적 감시에 악용될 위험이 커, 선제적 패치가 중요하다는 것이 전문가들의 지적이다. 이번 업데이트 대상에는 최신 운영체제뿐 아니라 구형 기기를 위한 버전도 포함됐다. 애플이 구형 기기까지 함께 패치했다는 점은, 그만큼 이 결함의 위험을 심각하게 봤다는 뜻으로 읽힌다. 업계에서는 AI가 취약점 분석과 공격 도구 제작을 가속하면서, 결함이 공개된 뒤 실제 공격으로 이어지기까지의 시간이 갈수록 짧아지고 있다는 우려가 나온다. 이미지처럼 흔히 오가는 미디어를 다루는 구성 요소를 신속히 패치하는 일이 그만큼 중요해지고 있다. 결국 수십억 대에 이르는 기기를 노리는 위협이 정교해질수록, 하드웨어 제조사의 보안 대응 주기도 빨라질 수밖에 없다. 애플의 이번 긴급 패치는 그 압박을 보여주는 사례다. 자세한 내용은 애플에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.20 20:48AI 에디터

가사만 붙여넣으면 곡 완성…50만 시간 학습한 무료 AI가 수노 코앞까지 추격

노래를 만드는 AI라고 하면 대개 매달 요금을 내야 하는 수노(Suno) 같은 서비스를 떠올린다. 그런데 텐센트(Tencent)와 칭화대(Tsinghua University) 연구진이 2026년 6월 공개한 노래 생성 AI 레보 2(LeVo 2)는 모델과 코드 전체를 무료로 내놓았다. 노래 생성 AI란 가사와 짧은 지시문만 넣으면 보컬과 반주가 합쳐진 완성곡 한 곡을 통째로 만들어 주는 인공지능을 말한다. 흥미로운 점은 이 무료 오픈소스 모델이 20명의 음악 전문가 평가에서 유료 상용 서비스의 성능을 코앞까지 따라잡았다는 사실이다. 텐센트와 칭화대가 공개한 무료 노래 생성 AI 레보 2 레보 2(LeVo 2)는 텐센트와 칭화대 연구진이 2026년 6월 논문과 함께 모델 가중치, 추론 코드를 전면 공개한 완곡 생성 AI다. 사용자가 가사를 적고 "따뜻한 포크풍, 여성 보컬, 어쿠스틱 기타와 피아노" 같은 분위기 설명을 덧붙이면, 보컬과 반주가 어우러진 완성곡 한 곡이 통째로 만들어진다. 기존에도 노래를 만드는 AI는 있었지만, 대부분 수노(Suno)나 뮤레카(Mureka)처럼 내부 작동 방식을 공개하지 않는 유료 서비스였다. 레보 2는 그 반대편에서 "어떻게 만들었는지"까지 논문으로 상세히 공개했다는 점에서 뚜렷이 구별된다. 이 차이는 단순한 무료 여부를 넘어선다. 상용 서비스는 회사가 문을 닫거나 요금제를 바꾸면 이용자가 여기에 종속될 수밖에 없지만, 코드와 모델이 공개된 도구는 누구나 자신의 컴퓨터에서 직접 구동하고 원하는 방향으로 수정해 활용할 수 있다. 곡을 자주 만드는 창작자나 소규모 스튜디오에게는 이 점 하나만으로도 선택지가 근본적으로 달라진다. 상용 유료 서비스를 위협하는 전문가 평가 성적 레보 2는 20명의 음악 전문가가 중국어 100곡, 영어 100곡을 직접 듣고 채점한 평가에서 오픈소스 모델 가운데 압도적 1위를 차지했다. 전체 음악성(OVL) 점수는 10점 만점에 5.48점으로, 기존 오픈소스 최강자였던 에이스스텝 1.5(ACE-Step 1.5)의 4.76점을 큰 차이로 앞섰다. 더 눈에 띄는 대목은 상용 서비스와의 격차다. 유료 서비스인 미니맥스 뮤직 2.5+(MiniMax Music 2.5+)는 5.22점으로, 무료인 레보 2가 오히려 모든 주관적 청취 지표에서 이 상용 모델을 앞질렀다. 업계 최정상급인 수노 v5(5.72점)와 뮤레카 v8(5.69점)에는 아직 미치지 못하지만, 그 격차는 이제 반주 음질 등 일부 항목에서 사실상 동률에 이를 만큼 좁혀졌다. 멜로디(6.12점), 편곡(6.42점), 반주 음질(7.10점) 항목에서는 상용 정상권과 거의 어깨를 나란히 한다. 특히 지시한 감정을 얼마나 정확히 표현하는지를 측정한 감정 제어 점수에서 레보 2는 8.72점을 기록해, 유료 상용 서비스를 포함해 어떤 시스템보다도 낮지 않은 최고 수준을 보였다. 가사를 얼마나 정확히 발음하는지를 보는 발음 오류율(PER)도 8.55%로 오픈소스 중 가장 낮아, 엉뚱한 가사를 지어내는 이른바 "가사 환각" 현상이 크게 줄었다. 이 숫자들이 작아 보일 수 있지만, 실제로 들었을 때 느껴지는 차이는 작지 않다. 음악성 0.5점 차이는 이 연구의 전문가 평가에서 90%가 같은 판정을 내릴 만큼 뚜렷한 격차였다. 무료로 풀린 도구가 유료 서비스와 이 정도로 좁혀졌다는 것은, 취미로 곡을 만들던 사람이 상용 구독을 끊고도 비슷한 결과물을 얻을 수 있는 지점에 가까워졌다는 뜻이다. 사람이 작곡하듯 큰 그림을 먼저 잡는 계층적 설계 레보 2가 이런 성적을 낸 비결은 사람이 곡을 만드는 순서를 흉내 낸 계층적 구조에 있다. 계층적 모델링(Hierarchical Modeling)이란 곡 전체의 큰 흐름을 먼저 정하고, 그 위에 세부 음질을 나중에 채워 넣는 2단계 작업 방식을 말한다. 레보 2는 이 작업을 두 개의 언어모델로 나눠 처리한다. 먼저 곡의 뼈대를 잡는 언어모델이 멜로디, 리듬, 템포, 보컬과 반주의 조화 같은 전체 흐름을 설계한다. 이어서 음질을 다듬는 또 다른 언어모델이 그 뼈대 위에서 보컬과 반주 소리의 세밀한 부분을 채운다. 그림1. 레보 2의 전체 구조와 3단계 학습 과정 개요 (출처: LeVo 2 논문 그림 1) 이 구조가 중요한 이유는 기존 방식의 고질적 딜레마를 피해 가기 때문이다. 보컬과 반주를 한 덩어리로 묶어 처리하면 둘의 조화는 잘 이루지만 각 소리의 세부가 흐려진다. 반대로 보컬과 반주를 개별적으로 처리하면 음질은 좋아지지만 처리해야 할 데이터가 길어져 곡 전체의 통일감이 흔들린다. 레보 2는 큰 그림을 잡는 언어모델과 세부를 채우는 언어모델을 분리해 병렬로 처리하는 방식으로, 조화와 음질이라는 두 목표를 동시에 달성했다. 또 하나의 핵심은 좋은 곡을 골라 가르치는 미학 평가 프레임워크다. 미학 평가 프레임워크란 AI가 만든 곡의 완성도를 사람 대신 자동으로 채점해 주는 심사위원 역할의 도구다. 연구진은 약 50만 시간에 이르는 방대한 음악 데이터를 이 도구로 채점해 다섯 등급으로 나눴고, AI가 상위권 곡의 특징을 우선 학습하도록 유도했다. 여기에 기초 학습, 사용자 취향에 맞추는 정렬, 세부 음질 보완이라는 세 단계로 훈련을 구분해, 여러 목표가 서로 충돌하는 문제를 줄였다. 창작 도구의 대중화와 남겨진 숙제 레보 2의 공개는 곡을 만드는 문턱을 크게 낮춘다. 악기를 다루지 못해도, 작곡 이론을 몰라도, 가사와 분위기만 정하면 완성곡을 얻을 수 있는 도구가 무료로 공개됐다는 점은 개인 창작자와 소규모 콘텐츠 제작자에게 실질적인 변화를 가져올 가능성이 있다. 유튜브 배경음악, 개인 프로젝트, 습작 등에서 상용 구독 없이도 실용적인 결과물을 얻을 수 있는 선택지가 생긴 셈이다. 다만 연구진 스스로 밝힌 한계도 분명하다. 레보 2의 음질은 여전히 학습 데이터의 양과 품질에 좌우되어 최정상 상용 서비스와는 격차가 남아 있다. 또 학습 데이터의 상당 부분을 다른 AI 모델이 자동으로 붙인 설명에 의존한 탓에, 지시를 정확히 따르는 능력에서 상용 서비스에 밀리는 부분이 있다. 저작권과 윤리 문제도 두고 볼 필요가 있다. 연구진은 모든 모델과 데이터를 학술 연구 목적으로만 쓰며 원작자의 지식재산권을 존중하려 했다고 밝혔지만, 이런 도구가 널리 퍼질수록 창작물의 권리와 책임을 둘러싼 논의는 더 커질 가능성이 있다. 무료 공개가 창작의 민주화로 이어질지, 아니면 새로운 분쟁의 불씨가 될지는 앞으로의 활용 방식에 달려 있다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 레보 2는 정말 누구나 무료로 쓸 수 있나요? 연구진은 레보 2의 모델 가중치와 추론 코드를 공개했습니다. 다만 논문에는 학술 연구 목적으로 공개한다는 점이 명시되어 있어, 실제 이용 시에는 공개된 라이선스 조건을 확인하는 것이 좋습니다. 코드와 예시 음원은 연구진이 안내한 공식 저장소에서 확인할 수 있습니다. Q2. 레보 2로 만든 노래가 수노나 뮤레카보다 좋은가요? 전문가 평가 기준으로는 수노 v5와 뮤레카 v8이 여전히 앞섭니다. 다만 그 격차가 매우 좁혀졌고, 또 다른 상용 서비스인 미니맥스 뮤직 2.5+는 모든 주관적 청취 지표에서 레보 2가 앞섰습니다. 오픈소스 모델 중에서는 레보 2가 가장 뛰어난 성적을 보였습니다. Q3. 노래 생성 AI는 어떤 원리로 곡을 만드나요? 레보 2는 곡 전체의 큰 흐름(멜로디, 리듬, 보컬과 반주의 조화)을 먼저 잡은 뒤, 그 위에 보컬과 반주의 세밀한 음질을 채워 넣는 계층적 방식으로 곡을 만듭니다. 여기에 좋은 곡을 자동으로 골라 학습시키는 미학 평가 도구를 더해, 사람이 듣기 좋은 음악에 가까워지도록 훈련합니다. 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: LeVo 2: Stable and Melodious Song Generation via Hierarchical Representation Modeling and Progressive Post-Training ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.20 20:18AI 에디터

오픈AI, 청소년 전용 챗GPT 출시…나이 예측으로 미성년 자동 분류

오픈AI(OpenAI)가 13~17세 청소년을 위한 별도 서비스 '챗GPT 포 틴즈(ChatGPT for Teens)'를 내놨다. 오픈AI에 따르면 8월 18일 공개된 이 서비스는 더 엄격한 콘텐츠 제한과 학습 도구, 선택형 부모 통제 기능을 묶었다. 핵심은 자동 분류다. 스스로 13~17세라고 밝힌 사용자뿐 아니라, 오픈AI의 나이 예측(age prediction) 시스템이 18세 미만으로 추정하는 사용자도 자동으로 청소년 환경에 배치된다. 청소년 환경에서는 성적·연애적 역할극과 자해, 극단적 폭력 같은 민감한 내용에 더 강한 제한이 걸린다. 챗GPT는 청소년에게 애정 표현이나 다정한 호칭을 쓰지 않도록 하고, 감정이나 의식이 있다는 인상을 주지 않도록 더 강하게 지시받는다. 부모 알림에는 섭식장애와 관련된 특정 상황도 새로 포함된다. 교육 측면도 강조됐다. 청소년용 제품은 과제를 대신 풀어주기보다 학생이 스스로 풀도록 유도하는 스터디 모드(Study Mode)로 안내하고, 과제를 건너뛰려는 정황을 감지하는 '책임 있는 숙제 알림'을 더한다. 계정을 연결한 부모는 사용 시간대를 정하고 위험 상황에서 알림을 받을 수 있다. 청소년 사용자에게는 장시간 사용 시 휴식 알림이 더 자주 뜨고, AI와 대화하고 있다는 사실도 함께 상기시킨다. 민감하거나 사적인 이미지를 올리기 전에는 경고가 표시된다. 오픈AI는 가정에서 챗GPT 사용을 안내하는 부모용 자료 페이지도 함께 열었다. 이런 장치는 챗GPT를 단순한 답변 도구가 아니라 미성년자의 사용 습관까지 살피는 방향으로 설계했음을 보여준다. 청소년이 이미 학업과 상담, 정서적 교감에 AI를 쓰고 있는 만큼, 문제는 사용 여부가 아니라 어떤 보호 장치를 두느냐로 옮겨가고 있다. 이번 출시는 대화형 AI가 미성년자와 어떻게 상호작용하는지, 사람을 닮은 비서가 정서적 의존을 만들지 않는지에 대한 우려가 커지는 가운데 나왔다. 오픈AI의 대응이 경쟁사와 학교, 규제 당국의 연령별 AI 접근 방식에 본보기가 될 수 있다는 관측이 나온다. 이 서비스는 8월 18일부터 순차 적용되며, 호주에서는 9월 8일 전면 제공될 예정이다. 자세한 내용은 오픈AI에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.20 14:21AI 에디터

보는 AI 시대 오나…애플, 카메라 탑재 에어팟 유출

애플(Apple)이 카메라를 단 에어팟(AirPods)을 준비 중인 정황이 드러났다. 테크스팟(TechSpot)에 따르면 맥OS 배포 후보 버전에서 'B790'이라는 코드명의 미공개 기기를 가리키는 코드가 발견됐고, 함께 나온 영상에는 착용자가 든 책을 시스템이 인식해 정보를 저장하는 장면이 담겼다. 이 카메라는 사진 촬영이 아니라 기계 인식(machine perception)을 위한 것으로 보인다. 아이폰을 들어 올리지 않고도 시리(Siri)와 애플의 비주얼 인텔리전스(Visual Intelligence)에 시각 정보를 제공하는, 가벼운 AI 센서로 에어팟을 바꾸는 셈이다. 소리를 듣고 사용자가 보는 것까지 파악하는 비서는 제품을 식별하고 표지판을 번역하며, 사물을 기억하거나 주변에 대한 질문에 답할 수 있다. 메타(Meta)의 스마트 글래스 전략, AI 네이티브 하드웨어 스타트업의 흐름과도 이어져 있다. 다만 카메라 달린 이어버드는 새로운 사생활 문제를 낳는다. 주변 사람은 그 기기에 시각 센서가 있다는 사실을 곧바로 알아채기 어렵기 때문이다. 애플이 실제로 출시한다면 촬영 표시등이나 동의 같은 장치로 균형을 잡아야 한다. 이런 기기는 사용자가 손을 쓰지 않고도 주변을 인식하는 이른바 앰비언트 AI로 향하는 흐름의 일부다. 애플이 실제 제품을 내놓는다면 스마트 글래스와 AI 이어버드를 둘러싼 하드웨어 경쟁이 한층 뜨거워질 수 있다. 관건은 편의와 사생활의 균형이다. 카메라가 상시 켜져 주변을 인식하는 기기는 착용자뿐 아니라 주변 사람의 프라이버시에도 영향을 미치기 때문이다. 애플이 어떤 표시등과 동의 절차를 마련하느냐가 수용성을 가를 전망이다. 애플은 그동안 시리의 한계로 AI 경쟁에서 뒤졌다는 평가를 받아왔다. 카메라로 시각 맥락을 확보하면 비서가 이해하고 답하는 범위가 크게 넓어질 수 있어, 반등의 계기가 될지 주목된다. 유출 단계인 만큼 실제 출시 여부와 시점은 불확실하다. 그럼에도 AI 비서가 화면과 휴대폰을 넘어, 늘 곁에서 환경을 인지하는 웨어러블로 향하고 있음을 보여주는 신호로 읽힌다. 자세한 내용은 테크스팟에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.20 08:22AI 에디터

구글 실험작 '믹스보드', 9월 28일 종료

구글(Google)이 실험적 창작 도구 '믹스보드(Mixboard)'를 오는 9월 28일 종료한다. 믹스보드팀은 이용자에게 보낸 공지에서 "믹스보드는 새로운 창작 표현 방식을 시험하기 위해 만든 구글 랩스(Google Labs)의 실험 프로젝트였다"며 종료 사실을 알렸다. 믹스보드는 이미지 생성과 편집, 아이디어 확장을 시도할 수 있는 실험형 도구다. 구글은 "이번 실험에서 많은 것을 배웠으며, 그 결과를 향후 구글 랩스의 새로운 탐색과 창작 도구 개발에 반영할 계획"이라고 밝혔다. 이용자는 종료일인 9월 28일까지 기존과 동일하게 믹스보드에서 콘텐츠를 제작하고 편집할 수 있다. 다만 이후에는 웹사이트가 완전히 폐쇄되며, 이용자가 제작한 보드와 생성 이미지, 프롬프트 등 모든 데이터에 접근할 수 없게 된다. 작업물을 보관하려면 종료 전에 직접 내려받아야 한다. 구글이 안내한 절차는 다음과 같다. 먼저 프로젝트 페이지에서 원하는 프로젝트를 연 뒤, 캔버스 좌측 상단의 프로젝트 이름을 눌러 보드 목록을 펼친다. 이어 보드 이름 위에 커서를 올리면 오른쪽에 점 세 개(⋮) 메뉴가 나타나며, 여기서 'PNG로 다운로드'를 선택하면 해당 보드의 모든 이미지가 압축 파일(zip) 형태로 기기에 저장된다. 보드나 프로젝트가 여러 개라면 동일한 과정을 반복한다. 구글은 공지 말미에 "이번 여정 동안 믹스보드와 함께 즐기고 창작해 준 이용자들에게 감사하다"고 전했다. 기사 출처: 구글 믹스보드 뉴스레터 믹스보드 웹사이트: labs.google/mixboard 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.19 19:55AI 에디터

AI로 연구비 '대박' 후보 골랐더니, 뜻밖 1위 누구?…챗GPT는 아니었다

영국 정부가 세금으로 나가는 연구비를 더 똑똑하게 쓰려고 인공지능(AI)에게 숙제를 하나 맡겼다. 산더미처럼 쌓인 연구 제안서를 읽고, 그 안에서 다음 대박이 될 만한 유망 분야를 미리 찾아내라는 것이었다. 그런데 성적표를 열어보니 가장 유명한 챗GPT(ChatGPT)도 단독 1위를 차지하지 못했고, 정부가 직접 만든 전용 도구는 오히려 뒤처졌다. 영국 연구혁신기구(UKRI)가 발표한 이번 실험은 AI가 국가의 연구 투자 방향까지 넘보기 시작했다는 신호이자, 크고 비싼 모델이 늘 이기는 것은 아니라는 사실을 보여준다. 정부가 연구 제안서에서 '유니콘'을 찾는 이유 영국 연구혁신기구(UKRI)가 진행한 이번 프로젝트의 이름은 '별과 유니콘 추적하기(Tracking Stars and Unicorns)'다. 여기서 유니콘(unicorn)이란 아직 주목받지 못했지만 앞으로 큰 성과를 낼 가능성이 있는 새로운 연구 분야를 뜻한다. 정부가 연구비를 나눠줄 때 이런 씨앗을 남들보다 먼저 알아채면, 같은 예산으로 훨씬 큰 성과를 거둘 수 있다. 문제는 방식이다. 연구자들이 제출하는 제안서는 매년 수십만 건에 달하고, 사람이 일일이 다 읽어 유망 분야를 골라내기란 사실상 불가능하다. 실제 이번 프로젝트가 궁극적으로 다루려는 UKRI 제안서는 약 35만 건에 이른다. 그래서 연구진은 AI에게 제안서를 대신 읽고 핵심 주제를 뽑아내는 일을 맡겨보기로 했다. 세 선수의 대결, 챗GPT와 미스트랄 그리고 정부 전용 도구 이번 실험은 서로 다른 세 가지 도구의 성능을 정면으로 겨루게 한 대결이었다. 첫 번째는 오픈AI(OpenAI)의 챗GPT를 움직이는 GPT-4o, 두 번째는 기관 내부에서 직접 돌릴 수 있는 경량 모델 미스트랄(Mistral), 세 번째는 영국 과학혁신기술부(DSIT)와 이노베이션 그로스 랩이 연구 분석용으로 따로 만든 전용 도구 'DSIT-택소노미(DSIT-Taxonomies)'다. 연구진은 영국의 7개 국가 연구위원회와 전문 연구기관에서 실제 지원을 받은 제안서 42건의 제목과 초록을 골라 세 도구에 똑같이 읽혔다. 그림1. 연구 제안서의 개념 추출부터 주제 분류까지 AI 처리 흐름도 (출처: arXiv 논문 2606.30304v1) 여기서 각 도구가 해야 할 일은 두 가지였다. 하나는 제안서에서 핵심 개념(연구 엔티티)을 뽑아내는 것, 다른 하나는 그 개념이 어느 연구 분야에 속하는지 정확히 분류하는 것이다. 참고로 연구 엔티티(research entity)란 특정 연구가 다루는 주제, 방법론, 사용한 데이터나 소프트웨어처럼 그 연구를 구성하는 의미 있는 최소 단위를 말한다. 90.5% 대 71.4%, 작은 모델이 정부 도구를 앞선 순간 결과는 통념을 뒤집었다. 미스트랄이 뽑아낸 개념을 바탕으로 연구 주제를 분류했을 때 정확도는 90.5%였고, 정부가 직접 만든 DSIT-택소노미 방식은 71.4%에 그쳤다. 42건 중 미스트랄은 38건을 맞히고 4건만 틀린 반면, 정부 도구는 12건이나 틀렸다. 흥미로운 점은 개념을 더 많이 뽑아냈다고 더 좋은 게 아니었다는 사실이다. 정부 도구는 제안서 한 건당 평균 25.22개의 개념을 뽑아 미스트랄(15.94개)이나 GPT-4o(14.3개)보다 훨씬 많았지만, 그 안에는 '제공하다' 같은 동사나 '수천' 같은 수량 표현처럼 연구와 무관한 잡음이 잔뜩 섞여 있었다. 예를 들어 '신호 증폭기(signal amplifier)'라는 하나의 개념을 '신호'와 '증폭기' 두 개로 잘못 쪼개는 식이었다. 개수는 많지만 알맹이가 부실했던 셈이다. 결국 얼마나 많이 찾느냐가 아니라 얼마나 정확하게 찾느냐가 승부를 갈랐다. GPT-4o와 대등한 미스트랄, 실무에서 앞선 두 가지 이유 같은 언어 모델끼리 비교하면 미스트랄과 GPT-4o의 실력은 막상막하였다. 두 모델이 뽑아낸 개념이 서로 얼마나 겹치는지를 재는 자카드 유사도(Jaccard similarity)는 0.374로, 정부 도구와의 유사도(약 0.19)보다 두 배 가까이 높았다. 서로 비슷한 답을 내놓았다는 뜻이다. 그런데 미스트랄에는 두 가지 결정적 강점이 있었다. 첫째는 환각(hallucination)이 적다는 점이다. 환각이란 원문에 없는 내용을 AI가 마치 있는 것처럼 지어내는 현상을 말한다. 미스트랄의 제안서당 평균 오류는 1.56건으로 GPT-4o(2.84건)보다 크게 낮았고, 아예 오류가 하나도 없던 제안서도 미스트랄은 16건, GPT-4o는 7건이었다. 둘째는 몸집이 가볍다는 점이다. 미스트랄은 외부 서버로 데이터를 보내지 않고 기관 내부의 보안 시스템 안에서 직접 돌릴 수 있다. 연구비 제안서처럼 외부 유출이 민감한 자료를 다루는 정부 기관 입장에서는, 성능이 비슷하다면 데이터를 밖으로 내보내지 않아도 되는 쪽이 훨씬 매력적이다. 크고 유명한 AI가 늘 정답은 아니다 이번 결과가 던지는 메시지는 분명하다. 가장 크고 이름값 높은 AI가 모든 상황에서 최선은 아닐 수 있다는 것이다. 미스트랄은 GPT-4o와 견줄 성능을 내면서도, 지어내는 오류가 적고 내부에서 안전하게 돌릴 수 있다는 실용적 이점으로 정부 업무에 더 잘 맞는 후보가 됐다. 다만 몇 가지는 여전히 지켜볼 필요가 있다. 이번 평가는 제안서 42건이라는 비교적 작은 표본을 사람이 직접 검토한 결과이고, 개념 추출 성능은 사람이 정한 정답과 비교한 것이 아니라 모델끼리 얼마나 비슷한 답을 내는지를 측정한 것에 가깝다. 연구진도 이 점을 인정하며, 다음 단계로 지원에 성공한 제안서와 탈락한 제안서를 합쳐 35만 건 전체로 분석을 확장할 계획이라고 밝혔다. AI가 국가의 연구 지도를 그리고 투자 우선순위를 가늠하는 데까지 쓰이려면, 대규모 데이터에서도 같은 성능이 유지되는지가 앞으로의 관건이 될 가능성이 있다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. 연구 '유니콘'이 정확히 무슨 뜻인가요? 아직 널리 주목받지는 못했지만 앞으로 큰 성과나 파급 효과를 낼 가능성이 있는 새로운 연구 분야를 뜻합니다. 정부가 이런 분야를 남보다 먼저 발굴하면 한정된 연구 예산을 더 효율적으로 쓸 수 있어, 조기 발굴이 중요한 과제로 꼽힙니다. Q. 미스트랄이 GPT-4o를 완전히 이긴 건가요? 개념을 뽑아내는 성능 자체는 두 모델이 거의 비슷했습니다. 다만 미스트랄은 없는 내용을 지어내는 오류가 GPT-4o보다 크게 낮았고, 데이터를 외부로 보내지 않고 기관 내부에서 직접 돌릴 수 있다는 실용적 장점이 있어 민감한 정부 자료 분석에 더 적합하다는 평가를 받았습니다. Q. AI가 실제로 정부의 연구비 배분을 결정하게 되나요? 아직은 아닙니다. 이번 실험은 42건의 제안서를 대상으로 한 초기 단계 연구이며, AI는 사람이 판단할 자료를 정리해 주는 역할에 가깝습니다. 연구진은 35만 건 규모로 분석을 넓혀 신뢰성을 더 검증한 뒤 실제 정책에 활용할 수 있을지 살펴볼 예정입니다. 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: Research Entity Extraction and Topic Detection from UKRI Grant Proposals 이미지 출처: AI 생성 콘텐츠 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.18 22:08AI 에디터

오픈AI, AI 위험 감시 '대비팀' 해체…안전 조직 또 흔들

오픈AI(OpenAI)가 고성능 AI 모델의 심각한 위험을 평가하던 전담 조직을 해체한 것으로 전해졌다. 더버지(The Verge)가 인용한 보도에 따르면 이 대비팀(Preparedness)은 7월 말 해산됐고, 생물·사이버 보안 같은 세부 영역은 다른 팀으로 나뉘어 넘어갔다. 팀을 이끌던 딜런 스칸디나로는 앞으로 스스로 능력을 키우는 재귀적 자기개선 AI의 함의를 살피는 쪽으로 방향을 옮기는 것으로 알려졌다. 이번 개편은 오픈AI 안전 조직이 다시 한번 흔들리는 흐름 속에서 나왔다. 앞서 초정렬(superalignment)과 AGI 대비를 맡던 조직도 해체되거나 재편됐고, 저명한 안전·연구 인력 여러 명이 회사를 떠났다. 대비 업무를 개별 사업팀으로 분산하는 것이 반드시 위험 평가를 포기한다는 뜻은 아니라는 시각도 있다. 분산된 책임이 오히려 안전 작업을 제품을 만드는 팀에 더 가깝게 붙일 수 있다는 것이다. 그럼에도 이번 결정은 논란을 부를 수밖에 없다. 프런티어 모델이 코딩과 사이버 작전, 생물학 연구, 자율 작업에서 점점 유능해지는 가운데, 오픈AI는 기업공개(IPO)를 준비하고 있기 때문이다. 오픈AI는 대비팀을 없애는 대신 위험 평가 책임을 여러 팀에 나눠 맡겼다. 안전을 제품 개발에 더 밀착시키려는 시도라는 해석도 있지만, 독립적인 감시 기능이 약해질 수 있다는 우려가 동시에 제기된다. 오픈AI의 안전 조직 개편은 이번이 처음이 아니어서, 회사의 위험 관리 방식이 일관되지 않다는 지적을 피하기 어렵다. 기업공개를 앞둔 시점이라는 점도 이번 결정을 향한 시장의 관심을 키우고 있다. 이런 위험을 어떻게 관리하느냐는 이제 규제 당국에 모델 성능 못지않게 중요한 사안이 됐다. 전담 독립 조직과 제품·연구팀 가운데 누가 안전을 책임져야 하는지를 두고 근본적인 물음이 남는다. 안전과 속도 사이에서 오픈AI가 택하는 균형점은 다른 프런티어 기업에도 기준점이 될 수 있다. 자세한 내용은 더버지에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.18 17:11AI 에디터

챗GPT가 내 PC 기록을 기억한다…'컴퓨터 히스토리'의 두 얼굴

오픈AI(OpenAI)가 챗GPT(ChatGPT)에 사용자의 컴퓨터 활동을 기억하는 '컴퓨터 히스토리(Computer History)' 기능을 개발하고 있다. 더버지(The Verge)에 따르면 8월 17일 공개된 시연에서 이 기능은 마지막으로 편집한 문서를 찾아내고, 그것을 슬랙(Slack)으로 공유했는지 확인하며, 오전 활동을 요약해 보여줬다. 마이크로소프트(Microsoft)의 리콜(Recall) 기능과 달리, 컴퓨터 히스토리는 화면이나 영상, 음성을 계속 캡처하지 않는다는 것이 오픈AI의 설명이다. 대신 '이벤트'라고 부르는 구조화된 활동 기록을 남긴다. 이 기능은 개인용 컴퓨팅의 더 큰 변화를 예고한다. AI 비서는 사용자가 무엇을 했고 어떤 파일을 다뤘으며 누구와 소통했는지 맥락을 알수록 훨씬 쓸모가 커진다. 다만 같은 기록은 공격자나 악성 확장 프로그램, 탈취된 AI 에이전트가 접근할 경우 곧바로 보안 위협이 된다. 결국 설계의 관건은 비서에게 더 많은 기억을 주는 것 자체가 아니라, 수집과 보관, 권한, 삭제를 둘러싼 엄격한 경계를 세우는 데 있다. 이 기능은 오픈AI 개발자경험팀의 도미닉 쿤델이 시연했다. 그는 컴퓨터 히스토리가 자신의 오전 작업을 정리해 보여주는 과정을 선보였는데, 이런 편의가 곧 방대한 개인 기록의 축적을 뜻한다는 점에서 통제 설계가 한층 중요해진다. 챗GPT가 사용자의 활동 맥락을 더 많이 확보할수록 비서로서의 쓸모는 커지지만, 그만큼 기록이 새어 나갔을 때의 위험도 함께 커진다. 오픈AI가 수집 범위와 보관 기간, 삭제 권한을 어떻게 설계하느냐가 신뢰의 관건이 될 전망이다. 개인용 컴퓨팅이 AI가 관리하는 활동 기록을 중심으로 재편될수록, 이런 통제 장치는 운영체제 보안의 새로운 층위가 될 전망이다. 편리함과 사생활 사이의 균형을 어떻게 잡느냐, 그리고 어떤 기본값과 권한 설정으로 내놓느냐가 이 기능의 성패를 가를 것으로 보인다. 자세한 내용은 더버지에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.18 14:10AI 에디터

AI가 알아서 처리한다…앤트로픽, 클로드 코드 자동 모드 기본 탑재

앤트로픽(Anthropic)이 8월 14일부터 코딩 도구 클로드 코드(Claude Code)의 자동 모드(auto mode)를 기본값으로 전환한다. 테크크런치(TechCrunch)에 따르면 프로(Pro), 맥스(Max), 팀(Team) 요금제 사용자가 대상이다. 자동 모드에서 클로드 코드는 매 단계마다 사람의 승인을 받는 대신, 되돌릴 수 없거나 파괴적이거나 사용자 환경 밖을 겨냥한 작업이 아니라면 스스로 진행한다. 개발자가 일일이 확인 버튼을 누르지 않아도 되도록 작업 흐름을 바꾼 것이다. 그만큼 사람의 개입은 줄고 AI의 자율성은 커진다. 앤트로픽이 공개한 통제 실험 결과도 눈길을 끈다. 몰래 심어둔 위험한 명령어를 사람이 잡아내는 비율은 13.6%에 그친 반면, 자동 모드는 89%를 걸러냈다. 사람이 오히려 위험을 더 자주 놓친다는 의미로, 자동화가 안전성까지 높일 수 있다는 근거로 제시됐다. 같은 날 앤트로픽은 기업·정부용 기능도 대거 내놨다. 팀·엔터프라이즈 요금제를 위한 자체 호스팅 환경이 퍼블릭 베타로 열려, 기업이 자사 인프라에서 세션을 돌리며 내부 네트워크 접근과 맞춤형 도구, 컴플라이언스 통제를 적용할 수 있다. 보안과 규제가 까다로운 조직도 클로드 코드를 안심하고 쓸 수 있도록 한 조치다. 정부 기관용 '클로드 포 거버먼트(Claude for Government)'도 이날 베타로 시작됐다. 엔터프라이즈 버전에는 관리자 분석, 모델별 사용 권한, 지출 경고 기능이 추가됐다. 단순 대화를 넘어 모델 등급 구분, 에이전트형 동작, 오피스 파일 처리, 웹 검색, 기업용 통제까지 아우르는 행동형 AI로 앤트로픽이 무게중심을 옮기고 있음을 보여주는 대목이다. 이번 조치는 앤트로픽이 클로드 코드를 개인 개발자용 도구에서 기업의 핵심 개발 인프라로 끌어올리려는 흐름의 연장선에 있다. 자율성을 높이는 동시에 위험한 작업에는 여전히 사람의 확인을 두는 이중 장치로, 생산성과 안전 사이의 균형을 맞추려는 시도로 읽힌다. 자체 호스팅과 정부용 버전까지 더해지면서, 규제가 엄격한 공공·금융 영역으로 사용처를 넓힐 발판도 마련됐다. 자세한 내용은 테크크런치에서 확인할 수 있다. 이미지 출처: AI 생성 이미지 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.08.17 09:24AI 에디터

  Prev 1 2 3 4 5 6 7 8 9 10 Next  

지금 뜨는 기사

이시각 헤드라인

[종합] "李 정부 AI 라인 공백 끝났다"…배경훈·하정우·이해민 '3각축' 재가동 기대

하정우, 국가AI전략위 상근부위원장으로…"산적한 AI 현안 단계적 해결"

청와대 AI 정책 맡는 이해민은 누구…구글 거쳐 국회서 AI 입법 주도

웨이모 "자율주행, 카메라만으론 역부족"…테슬라 방식 비판

ZDNet Power Center

Connect with us

ZDNET Korea is operated by Money Today Group under license from Ziff Davis. Global family site >>    CNET.com | ZDNet.com
  • 회사소개
  • 광고문의
  • DB마케팅문의
  • 제휴문의
  • 개인정보취급방침
  • 이용약관
  • 청소년 보호정책
  • 회사명 : (주)메가뉴스
  • 제호 : 지디넷코리아
  • 등록번호 : 서울아00665
  • 등록연월일 : 2008년 9월 23일
  • 사업자 등록번호 : 220-8-44355
  • 주호 : 서울시 마포구 양화로111 지은빌딩 3층
  • 대표전화 : (02)330-0100
  • 발행인 : 김경묵
  • 편집인 : 김태진
  • 개인정보관리 책임자·청소년보호책입자 : 김익현
  • COPYRIGHT © ZDNETKOREA ALL RIGHTS RESERVED.