검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'Q'통합검색 결과 입니다. (1278건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

공연장부터 피트니스센터까지 초고속 인증…슈프리마, '엑스패스 Q2' 출시

인공지능 기반 통합 보안 및 출입통제 솔루션 전문 기업 슈프리마(대표 이재원, 김한철)가 방문객, 회원, 티켓 이용자 등 다양한 사용자의 출입이 많은 환경에 최적화된 지능형 QR·RFID 리더 '엑스패스(XPass) Q2'를 출시한다고 8일 밝혔다. 엑스패스 Q2는 QR, 바코드, RFID 카드, 모바일 크리덴셜을 모두 지원하며, 빠르고 안정적인 인증 성능을 통해 대규모 인원이 출입하는 다양한 환경에서도 보안성과 운영 효율성을 동시에 향상시킨다. 이메일이나 모바일로 발급된 QR 및 바코드, RFID 카드, 모바일 크리덴셜 등 모든 형태의 출입을 하나의 리더로 처리할 수 있는 것이다. 이를 통해 운영자는 하나의 리더만으로 직원, 방문객, 회원, 티켓 소지자 등 다양한 사용자를 효율적으로 관리할 수 있으며, 출입구별 장치 추가나 별도의 동선 구성이 필요 없어서 하드웨어·배선·유지보수에 대한 부담도 줄일 수 있다. 기존의 일반적인 제품이 단순 QR 스캐너이거나 기존 리더에 스캐너를 부착해 QR 기능을 보완한 방식이었다면, 엑스패스 Q2는 처음부터 QR·바코드 인증 성능을 강화하기 위해 설계됐기 때문에 약 5~15cm의 짧은 거리에서도 빠르고 안정적으로 QR·바코드를 인식한다. 어두운 조도 환경에서도 높은 인식률을 유지하며, LED 표시와 적응형 오디오 피드백을 통해 사용자가 직관적으로 출입 상태를 확인할 수 있다. 또한 IP65 등급의 방진·방수 성능과 견고한 내구성을 갖춰, 실외 게이트뿐 아니라 실내 로비까지 다양한 설치 및 사용자 환경에서도 유연하게 안정적으로 운영할 수 있다. API 기반의 간편한 연동을 통해 방문자 관리 시스템이나 티켓 발권 플랫폼 등 서드파티 솔루션과 쉽게 연결하는 것도 가능하다. 바이오스타  X(BioStar X)와 연동돼 방문자, 회원, 티켓 출입을 통합적으로 관리하기 때문이다. 이를 통해 사전 등록과 크리덴셜 발급, 실시간 출입 로그 관리, 규정 준수 보고 및 감사 대응까지 아우르는 엔드-투-엔드프로세스를 구축할 수 있다. 최종규 슈프리마 국내 사업 및 시스템 총괄은 “최근 방문객 및 티켓 이용자의 대부분이 QR 코드를 활용해 출입하고 있음에도, 여전히 RFID 카드 중심 구조에 QR 스캔 기능을 단순히 추가해 사용하는 것이 현실"이라며 "엑스패스 Q2는 처음부터 QR 및 바코드에 최적의 성능을 제공하도록 설계된 리더로, 비용 효율성과 보안성, 편의성을 모두 갖춰 고객이 QR 기반의 출입 환경으로 전환할 수 있도록 지원한다”고 말했다.

2026.04.08 15:39김기찬 기자

AI 모델 하나로는 부족하다, 질문마다 '최적 모델'이 따로 있다

뉴욕대학교(New York University), 스탠퍼드대학교(Stanford University), 카네기멜론대학교(Carnegie Mellon University) 공동 연구팀이 AI 모델의 다양한 답변 생성 능력을 측정하는 새로운 방식을 제안했다. 연구팀은 18개의 대형 언어 모델(LLM)을 분석한 결과, 모든 질문에 가장 다양하고 질 높은 답변을 생성하는 단일 모델은 존재하지 않는다는 사실을 발견했다. 대신 질문마다 최적의 모델이 다르며, 이를 자동으로 선택하는 라우터(Router)를 훈련시키면 단일 최적 모델 대비 26.3%의 성능을 달성할 수 있다는 점을 입증했다. 이는 AI를 활용해 창작, 코딩, 교육 콘텐츠를 만들 때 하나의 모델에만 의존하는 것이 최선이 아닐 수 있음을 시사한다. 다양성 커버리지, AI 답변의 폭과 질을 동시에 측정하다 연구팀은 AI 모델이 생성한 답변 세트의 다양성과 품질을 함께 평가하는 '다양성 커버리지(Diversity Coverage)'라는 새로운 지표를 제안했다. 기존 평가 방식은 단일 답변의 정확도나 답변 간 유사도만 측정했기 때문에, 창작이나 브레인스토밍처럼 여러 가지 유효한 답변이 존재하는 개방형 질문에는 적합하지 않았다. 다양성 커버리지는 생성된 답변 세트에서 중복을 제거한 뒤 각 답변의 품질 점수를 합산하고, 이를 동일한 개수의 답변으로 도달할 수 있는 최대 점수로 나눈 값이다. 예를 들어 "북미 국가를 하나 말해보세요"라는 질문에 미국, 캐나다, 멕시코를 각각 한 번씩 답하면 100%의 커버리지를 달성하지만, 미국만 세 번 반복하면 33%에 그친다. 이 지표는 AI가 얼마나 넓은 답변 공간을 탐색했는지를 정량화한다. 그림 1. 모델별 다양성 차이와 NB-WildChat에서 단일 최우수 모델이 존재하지 않음을 보여주는 분석 결과. 라마(Llama) 70B도, 큐엔(Qwen) 72B도, 모든 질문의 정답은 아니다 연구팀은 라마(Llama), 큐엔(Qwen), 올모(OLMo), 젬마(Gemma) 등 4개 모델 패밀리에서 1B부터 72B 파라미터까지 18개 모델을 대상으로 실험을 진행했다. NB-WildChat 데이터셋의 1,000개 질문을 분석한 결과, 질문마다 최적 모델을 선택하면 33.0% 다양성 커버리지를 기록했다. 그러나 이 '최적 모델'은 질문마다 달랐다. 예를 들어 어떤 질문에서는 라마(Llama) 3.3 70B가 최고 성능을 보였지만, 다른 질문에서는 큐엔(Qwen) 0.6B 같은 소형 모델이 더 나은 결과를 냈다. 모델 크기나 패밀리만으로는 다양성 성능을 예측할 수 없었다. 연구팀은 "만약 질문마다 최적 모델을 선택할 수 있다면 33.0%의 커버리지를 달성할 수 있지만, 단일 최고 모델을 고정해서 쓰면 23.8%에 머문다"고 밝혔다. 이 9.2%포인트 격차는 매일 수십 개의 질문을 처리하는 실무 환경에서 누적되면 결과물의 질적 차이로 이어진다. 질문만 보고 최적 모델을 고르는 라우터 훈련 연구팀은 질문마다 가장 다양한 답변을 잘 만들 모델을 골라주는 '라우터'를 개발했다. 이 라우터는 질문을 보고 18개 후보 모델 중 하나를 선택한다. 실험 결과, 라우터는 NB-WildChat에서 26.3%의 다양성 커버리지를 기록해 단일 최고 모델(23.8%)보다 높은 성능을 보였다. NB-Curated에서도 약 40% 안팎의 성능을 보여, 다른 유형의 질문에도 일정 수준 일반화되는 경향을 확인했다. 연구팀은 "라우터는 질문 텍스트를 기반으로 모델 선택 패턴을 학습하는 것으로 나타났다"고 설명했다. 두 모델을 조합하면 성능은 더 오른다 연구팀은 한 단계 더 나아가, 질문마다 두 개의 모델을 함께 선택해 답변을 합치는 방식도 실험했다. 쉽게 말해, 하나의 모델 대신 두 모델의 아이디어를 섞는 방법이다. 이 방식은 성능을 조금 더 끌어올려, NB-WildChat에서는 약 26.7%, NB-Curated에서는 약 42.2% 수준을 기록했다. 즉, 하나의 모델만 사용할 때보다 더 다양한 답변을 얻을 수 있었다. 그 이유는 간단하다. 서로 다른 모델을 쓰면 겹치는 답변은 줄고, 새로운 아이디어는 늘어나기 때문이다. 다만 단점도 있다. 모델을 두 개 동시에 실행해야 하므로 시간과 비용이 더 든다. 따라서 실제로는 성능을 조금 더 높일지, 비용을 줄일지 상황에 따라 선택해야 한다. 또한 연구팀은 학습 데이터가 많을수록 라우터 성능이 좋아지는 경향도 확인했다. 프롬프트 바꾸면 결과도 달라진다… 라우터는 환경에 따라 성능 흔들려 연구팀은 라우터가 특정 프롬프트 방식에만 맞춰 학습된 것은 아닌지 확인하기 위해, 훈련 때와 다른 방식의 프롬프트로 추가 실험을 진행했다. 훈련 시에는 "가능한 한 많은 답변을 나열하라"는 명시적 지시를 포함한 프롬프트를 사용했지만, 테스트에서는 일반적인 단일 답변 생성 프롬프트와 자기 일관성(Self-Consistency) 샘플링 방식도 적용했다. 그 결과, 프롬프트 방식에 따라 성능 차이가 크게 나타났고, 특히 한 번에 여러 답을 생성하는 방식이 가장 높은 다양성을 보였다. 하지만 중요한 점은, 한 프롬프트로 학습한 라우터가 다른 프롬프트에서는 성능이 잘 나오지 않았다는 것이다. 즉, 라우터는 프롬프트와 무관하게 항상 잘 작동하는 시스템이 아니라, 어떤 방식으로 답을 생성하느냐에 영향을 받는 구조였다. 또한 연구팀은, 여러 답을 한 번에 생성하는 방식은 다양성은 높지만 뒤로 갈수록 답변의 질이 떨어지는 경향도 함께 확인했다고 밝혔다. 모델 앙상블은 선택이 아니라 필수가 될 수 있다 이 연구는 단일 AI 모델에 의존하는 현재의 일반적 관행이 최선이 아닐 수 있음을 데이터로 보여준다. 특히 창작, 교육 콘텐츠 생성, 마케팅 카피 작성처럼 다양한 아이디어가 필요한 작업에서는 질문마다 최적 모델이 다를 가능성이 크다. 다만 이 연구는 18개의 오픈소스 모델만을 대상으로 했기 때문에, GPT-4나 클로드(Claude) 같은 최신 클로즈드 모델이 포함될 경우 결과가 달라질 수 있다. 또한 라우터 훈련에는 모든 후보 모델의 답변을 미리 생성해야 하므로 초기 데이터 구축 비용이 크다. 그럼에도 불구하고 라우터가 한 번 훈련되면 추론 시에는 단일 모델만 실행하면 되기 때문에, 장기적으로는 비용 효율적일 수 있다. 이 접근법이 실무에 정착하려면 라우터의 일반화 성능과 훈련 데이터 확보 방법에 대한 추가 연구가 필요하다. 그러나 적어도 한 가지는 분명하다. AI 모델을 '하나만' 쓰는 시대는 끝나가고 있다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. 다양성 커버리지는 어떤 상황에서 중요한가요? 창작 글쓰기, 브레인스토밍, 교육 콘텐츠 생성처럼 여러 가지 유효한 답변이 존재하는 작업에서 중요합니다. 단일 정답이 있는 질문보다는 다양한 관점이나 아이디어를 탐색해야 하는 경우에 이 지표가 유용합니다. Q. 라우터는 어떻게 최적 모델을 선택하나요? 라우터는 질문 텍스트를 분석해 각 모델이 얼마나 다양한 답변을 생성할지 예측합니다. 훈련 과정에서 수천 개의 질문에 대해 각 모델의 실제 성능 데이터를 학습하기 때문에, 새로운 질문이 들어왔을 때 패턴을 인식해 최적 모델을 고를 수 있습니다. Q. 일반 사용자도 이 방식을 활용할 수 있나요? 현재는 연구 단계이지만, 향후 API 서비스나 플랫폼 형태로 제공될 가능성이 있습니다. 사용자가 질문을 입력하면 자동으로 최적 모델을 선택해 답변을 생성하는 방식으로 구현될 수 있습니다. 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: No Single Best Model for Diversity: Learning a Router for Sample Diversity 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)

2026.04.08 15:38AI 에디터

삼성전자 TV·사운드바, TUV 라인란드 '탄소저감' 인증 획득

삼성전자는 자사 2026년형 OLED·더 프레임 프로 TV와 사운드바 등 14개 모델이 독일 'TUV 라인란드(TÜV Rheinland)'로부터 '탄소저감(Product Carbon Reduction)'인증을 받았다고 8일 밝혔다. 또한 삼성전자는 마이크로 RGB TV와 미니LED TV 등 20개 모델에서 '탄소 발자국' 인증을 획득하며 프리미엄 라인업 전반에서 탄소 중립을 향한 노력을 지속하고 있다. 인증기관인 TUV 라인란드는 TV제품의 제조, 운송, 사용, 폐기에 이르는 전 생애주기에 걸쳐 발생하는 온실가스 배출량을 자체 측정 기준에 따라 평가해 '탄소 발자국' 인증을 부여한다. 이 중 기업의 지속적인 탄소배출 저감 노력을 통해 기존 동급 모델 대비 탄소 발생량이 감소한 제품에는 '탄소저감' 인증도 수여한다. 삼성전자는 2021년 Neo QLED TV를 통해 4K 이상 해상도를 가진 TV 최초로 탄소저감 인증을 획득한 이후 ▲QLED ▲OLED ▲라이프스타일 TV ▲모니터 ▲사이니지 등 다양한 제품군의 탄소 저감 인증을 계속해서 받아왔다. 올해 삼성전자는 마이크로 RGB·OLED·더 프레임 프로 등 프리미엄 모델 중심으로 인증을 획득했다. 특히 TV뿐 아니라 제품군 전반으로 탄소 중립 노력을 확대하며 2026년형 사운드바 Q990H는 '탄소 발자국'과 '탄소저감' 인증을 모두 획득했다. 손태용 삼성전자 영상디스플레이사업부 부사장은 "삼성전자는 글로벌 TV 시장을 선도하는 1위 기업으로서 압도적인 화질 기술력은 물론, 더 나은 미래를 만들기 위해 제품의 전 생애주기에 걸쳐 탄소 중립에 앞장서 나가겠다"고 말했다.

2026.04.08 08:19장경윤 기자

[1보] LG엔솔, 1Q 영업손실 2078억…적자전환

LG에너지솔루션은 올해 1분기 연결기준 잠정 실적으로 매출 6조 5550억원, 영업손실 2078억원을 거뒀다고 7일 공시했다. 전년 동기 대비 매출은 2.5% 감소하고 영업이익은 적자전환했다. 전분기 대비로는 매출이 1.2% 증가한 반면 영업손실 규모는 70.3% 확대됐다. 이번 분기에는 미국 인플레이션감축법(IRA)상 첨단제조생산세액공제(AMPC) 수령액 1897억원이 매출 및 영업이익으로 반영됐다. 이를 제외하면 분기 매출 6조 3652억원, 영업손실 3975억원을 기록했다. LG에너지솔루션은 이번 분기부터 북미 생산 보조금 회계 표시 방식을 변경, 북미 생산 보조금을 포함한 매출액을 '매출 및 기타수익'으로 표시할 예정이다.

2026.04.07 16:27김윤희 기자

K배터리 1~2월 전기차 점유율 15%…전년비 2.2%p ↓

7일 시장조사업체 SNE리서치에 따르면 올해 1~2월 세계 전기차(EV), 플러그인하이브리드차(PHEV), 하이브리드차(HEV)에 탑재된 총 배터리 사용량은 약 134.9GWh로 전년 동기 대비 4.4% 성장했다. 이 기간 LG에너지솔루션, SK, 삼성SDI 등 국내 배터리 3사의 글로벌 전기차용 배터리 사용량 시장 점유율은 전년 동기 대비 2.2%p 하락한 15%를 기록했다. LG에너지솔루션은 전년 동기 대비 2.7%(11.8GWh), SK온은 12.9%(5.2GWh), 삼성SDI는 21.9%(3.3GWh) 감소하며 3사 모두 역성장한 것으로 나타났다. 이에 대해 SNE리서치는 미국 시장 전기차 판매량이 29.8% 감소한 영향과 더불어, 주요 완성차 업체들의 전기차 판매 둔화가 배터리 사용량 감소로 이어진 데 따른 것으로 분석했다. 반면 글로벌 시장에서는 CATL을 중심으로 한 일부 중국 배터리 업체들의 점유율 확대가 지속되며, 국내 업체들의 상대적 입지는 더욱 축소되는 흐름을 보였다. 삼성SDI는 BMW, 아우디, 리비안 등 순으로 공급 비중이 높았다. 주요 고객사 전반에서 전기차 판매가 둔화되며 삼성SDI의 배터리 탑재량은 감소한 것으로 나타났다. 특히 리비안과 지프 등 북미 시장 의존도가 높은 고객사의 경우, 미국 전기차 판매 감소 영향이 직접적으로 반영되며 배터리 사용량 감소폭이 확대된 것으로 분석된다. BMW는 i4, i5, i7, iX 등 주요 전동화 모델 전반에서 판매가 감소하며 탑재량이 줄어들었고, 아우디는 Q6 이트론 출시에도 기대 대비 판매가 부진했다. Q6 이트론 출시로 기존 Q8 이트론 판매가 감소하면서 전체 배터리 탑재량 감소로 이어졌다. SK온 배터리는 주로 현대차그룹, 메르세데스-벤츠, 포드, 폭스바겐 등의 주요 완성차에 탑재된 것으로 나타났다. 현대차그룹의 경우 아이오닉 5의 안정적인 판매와 더불어 아이오닉 9의 신규 출시 효과가 반영되며 배터리 탑재량이 증가한 것으로 조사됐다. 다만 기아, 메르세데스-벤츠, 폭스바겐 등 주요 고객사 전반에서 전기차 판매가 둔화되며 전체 탑재량 감소로 이어졌다. 특히 포드의 경우 F-150 라이트닝 생산 중단 영향이 배터리 사용량 감소 주 요인으로 작용했다. 미국 시장 전기차 수요 둔화 영향도 맞물렸다. 폭스바겐 역시 ID.4 판매 감소가 두드러지며 전반적인 탑재량 축소로 이어졌다. LG에너지솔루션 배터리 사용량은 주로 테슬라, 쉐보레, 기아, 폭스바겐 등 주요 완성차에 탑재된 것으로 나타났다. 테슬라의 경우 모델Y 판매 증가에 힘입어 배터리 탑재량이 크게 증가했으며, 기아 또한 EV4 등 신규 모델 출시와 일부 차종의 판매 확대에 따라 배터리 사용량이 증가했다. 르노와 스코다 역시 주요 전기차 모델 판매 증가가 반영되며 성장세를 보였다. 다만 쉐보레, 포드, 폭스바겐 등 주요 고객사에서 전기차 판매가 둔화되며 전체 배터리 사용량 감소에 영향을 미쳤다. 특히 쉐보레와 포드는 주요 전기차 모델 판매 감소가 두드러졌으며, 폭스바겐도 ID.4를 중심으로 한 판매 부진이 이어지며 탑재량이 크게 감소했다. 이에 따라 LG에너지솔루션의 전체 배터리 사용량은 전년 동기 대비 소폭 감소한 것으로 나타났다. 테슬라 공급 비중이 높은 일본 파나소닉은 배터리 사용량 5.3GWh를 기록하며 전년 동기 대비 2.7% 증가한 것으로 나타났다. 주요 고객사인 테슬라는 모델Y 판매 증가가 두드러진 반면 모델3, 모델S, 모델X는 감소하며 차종 간 수요 구조 변화가 나타났다. 특히 모델S와 모델X의 생산 중단이 확정되면서 고가 라인업 축소에 따른 배터리 수요 감소가 불가피할 것으로 보인다. 중국 CATL은 전년 동기 대비 13.7% 증가한 56.9GWh를 기록하며 글로벌 1위를 유지했다. BYD는 전년 동기 대비 12.5% 감소한 18.1GWh를 기록했으나 글로벌 2위를 유지했다. 특히 자사 브랜드의 중국 내수 판매 감소가 반영되며 배터리 사용량이 크게 줄어든 것으로 나타났다. 반면 샤오미와 팡청바오 등 일부 고객 및 신규 브랜드에서는 판매 확대가 이뤄지며 배터리 탑재량이 크게 증가했다.

2026.04.07 10:38김윤희 기자

AI 에이전트가 기억을 지우는 법? 더 똑똑해지려면 잊어야 한다

AI 에이전트가 대화를 길게 이어갈수록 성능이 떨어진다는 사실이 확인됐다. 풀루프(Fulloop) 연구진이 발표한 논문에 따르면, 장기 대화 벤치마크인 LOCCO에서 AI 에이전트의 성능은 대화 단계가 늘어날수록 0.455에서 0.05로 감소했다. 문제는 기억을 무한정 쌓아두는 방식 때문이었다. 연구팀은 '적응형 예산 기반 망각(adaptive budgeted forgetting)'이라는 새로운 메모리 관리 방식을 도입해, 불필요한 기억을 체계적으로 삭제하면서도 추론 성능을 유지할 뿐 아니라 일부 지표에서 개선된 결과를 보였다. 대화가 길어지면 AI는 혼란에 빠진다 AI 에이전트가 사람처럼 긴 대화를 이어가려면 이전 맥락을 기억해야 한다. 하지만 모든 대화 내용을 그대로 저장하면 두 가지 문제가 발생한다. 첫째, 메모리 크기가 무한정 커져 처리 속도가 느려진다. 둘째, 오래된 정보가 새로운 정보와 뒤섞이면서 '거짓 기억(false memory)'이 생긴다. LOCCO 벤치마크에서 Openchat-3.5 모델은 대화 단계가 늘어나면서 메모리 성능이 0.455에서 0.05로 감소해 약 85.27% 하락했다. ChatGLM3-6B는 6단계 이후에도 48.25%를 유지했지만, 사용자 수가 20명에서 100명으로 증가할 경우 성능이 추가로 감소하는 경향을 보였다. 한편, MultiWOZ 데이터셋에서는 기존 연구 기준으로 정확도 78.2%와 6.8%의 거짓 기억 비율(false memory rate)가 보고됐으며, 이는 AI가 실제 대화와 다른 정보를 기억하는 오류를 의미한다. 기존 연구들은 메모리를 계층적으로 정리하거나 압축하는 방식을 제안했지만, 명확한 삭제 정책은 없었다. 어떤 기억을 남기고 어떤 기억을 지울지 판단하는 기준이 없었던 것이다. 이번 연구는 바로 이 지점에서 출발한다. 그림 1. 장기 메모리 3대 문제(성능 저하, 감쇠, 거짓기억)와 개선하 는프레임워 크제안 중요도 점수로 기억을 선별한다 연구팀이 제안한 '적응형 예산 망각 프레임워크(adaptive budgeted forgetting FRAMEwork)'는 각 기억에 중요도 점수를 매긴 뒤, 정해진 메모리 용량 안에서 가장 가치 있는 기억만 남기는 방식이다. 중요도는 세 가지 요소로 결정된다. 첫째, 시간 감쇠(temporal decay)다. 최근 대화일수록 높은 점수를 받는다. 둘째, 사용 빈도(usage frequency)다. 자주 언급된 정보는 중요하다고 판단한다. 셋째, 의미 정렬(semantic alignment)이다. 현재 대화 주제와 관련성이 높은 기억이 우선순위를 얻는다. 이 세 가지 요소를 결합해 각 기억 단위에 점수를 부여하고, 메모리 예산(budget) 안에서 점수가 높은 순서대로 기억을 유지한다. 예산을 초과하는 기억은 삭제된다. 이 과정은 수학적 최적화 문제로 정식화된다. 성능과 메모리 크기를 동시에 제어하는 제약 조건 하에서, 가장 효율적인 기억 조합을 찾는 것이다. Honda 등의 연구에서 제안된 ACT-R 기반 활성화 모델은 시간 감쇠와 빈도 강화를 시뮬레이션했지만, 실제 벤치마크 평가는 없었다. Ming 등은 장기 메모리와 단기 메모리를 통합했지만 명시적 삭제 정책은 없었다. 이번 연구는 삭제 정책을 명확히 정의하고, 여러 벤치마크에서 성능을 비교했다는 점에서 차별화된다. 기억을 지우자 성능이 올라갔다 LOCOMO 벤치마크에서 이 프레임워크를 적용한 결과, 장기 대화 F1 점수가 기존 0.583 베이스라인을 상회하는 수준으로 개선됐다. 메모리 사용량은 늘지 않았다. Shah 등이 제안한 성능 기반 계층적 메모리 재구성 방식(A-MEM)은 전체 F1 점수 0.327에 그쳤지만, 이번 프레임워크는 0.583을 넘어섰다. 특히 다단계 추론(multi-hop reasoning)과 적대적 질문(adversarial question) 상황에서 기존 연구는 이러한 항목에서 성능 차이가 컸으며, 본 연구는 이를 개선하는 방향을 제시한다. 기존 MultiWOZ 결과(78.2%, FMR 6.8%) 대비 거짓 기억 비율이 감소하는 경향을 보였다. Phadke 등의 쓰기 시점 필터링(write-time filtering) 방식도 비슷한 수준의 거짓 기억 비율을 보였지만, 여러 망각 전략을 비교 평가하지는 않았다. 이번 연구는 시간 감쇠, 빈도, 의미 정렬을 조합한 복합 전략이 효과적임을 시사한다. 메모리 크기가 고정된 상황에서도 성능이 유지되거나 개선됐다는 점이 핵심이다. 기억을 무작정 쌓아두는 것보다, 필요 없는 기억을 적극적으로 지우는 것이 AI 에이전트의 추론 능력을 높인다는 의미다. 이는 사람이 중요한 정보에 집중하기 위해 사소한 기억을 잊어버리는 과정과 유사하다. 실용적 AI 에이전트 설계의 새로운 기준 이번 연구는 AI 에이전트가 장기 대화 환경에서 안정적으로 작동하려면 메모리 관리가 필수라는 점을 보여준다. 특히 고객 상담, 개인 비서, 교육용 챗봇처럼 수십 번 이상의 대화를 이어가는 서비스에서는 메모리 증가가 곧 비용 증가로 이어진다. 클라우드 환경에서 메모리 사용량이 두 배로 늘면 운영 비용도 비례해서 증가하기 때문이다. 연구팀은 메모리 예산을 고정하면서도 성능을 유지하는 방법을 제시했다. 이는 제한된 자원 안에서 AI를 효율적으로 운영해야 하는 기업에게 실질적인 가이드가 된다. 예를 들어, 하루 1만 건의 대화를 처리하는 고객 상담 AI가 있다면, 각 대화마다 메모리를 무한정 쌓는 대신 중요도 기반으로 기억을 선별해 저장하면 서버 비용을 절감하면서도 응답 품질을 유지할 수 있다. 다만, 이 연구가 제시한 방식이 모든 상황에 최적이라고 단정하기는 어렵다. 대화 주제가 급격히 바뀌거나, 사용자가 이전 대화 내용을 예상치 못한 시점에 다시 언급하는 경우, 이미 삭제된 기억 때문에 문맥 파악에 실패할 가능성도 있다. 연구팀은 시간 감쇠, 빈도, 의미 정렬의 가중치를 조정해 이런 상황에 대응할 수 있다고 설명하지만, 실제 서비스 환경에서 어떤 조합이 가장 효과적인지는 추가 검증이 필요하다. 또한, 이번 실험은 LOCOMO, LOCCO, MultiWOZ 같은 특정 벤치마크에서 진행됐다. 실제 사용자 대화는 벤치마크보다 훨씬 복잡하고 예측 불가능하다. 따라서 이 프레임워크가 실제 서비스에 적용될 때 어떤 성능을 보일지는 두고 볼 필요가 있다. 그럼에도 불구하고, 메모리 관리를 수학적 최적화 문제로 정식화하고 실험적으로 검증했다는 점에서 이 연구는 AI 에이전트 설계의 새로운 기준을 제시한다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. AI 에이전트가 기억을 지운다는 것은 무슨 뜻인가요? AI 에이전트는 대화 내용을 메모리에 저장해 맥락을 유지합니다. 하지만 모든 대화를 저장하면 메모리가 너무 커져서 느려지고, 오래된 정보가 새로운 정보와 섞여 오류가 생깁니다. 이 연구는 중요하지 않은 기억을 선별해 삭제하는 방식으로 메모리를 관리합니다. Q. 기억을 지우면 AI가 이전 대화를 까먹지 않나요? 무작정 지우는 것이 아니라, 최근 대화, 자주 언급된 내용, 현재 주제와 관련 있는 정보는 남깁니다. 중요도 점수를 매겨서 가장 가치 있는 기억만 유지하기 때문에, 필요한 맥락은 유지하면서도 불필요한 정보는 제거할 수 있습니다. Q. 이 기술은 어떤 AI 서비스에 유용한가요? 고객 상담 챗봇, 개인 비서 AI, 교육용 대화 에이전트처럼 긴 대화를 이어가는 서비스에 유용합니다. 메모리 사용량을 줄여 운영 비용을 절감하면서도 응답 품질을 유지할 수 있기 때문입니다. 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: Novel Memory Forgetting Techniques for Autonomous AI Agents: Balancing Relevance and Efficiency ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.04.06 20:34AI 에디터

AI가 검색창 대체하고 있다…쇼핑 시작점 바뀌었다

쇼핑을 시작할 때 구글(Google) 검색창에 상품명을 치던 시대가 끝나가고 있다. 디지털 데이터 분석 기업 시밀러웹(Similarweb)이 발표한 2026년 연말 쇼핑 시즌 분석 보고서는 AI 검색이 단순한 보조 도구를 넘어 소비자 구매 여정의 새로운 출발점이 되었음을 데이터로 증명한다. AI 쇼핑 레퍼럴(Referral) 트래픽이란 챗GPT(ChatGPT)나 퍼플렉시티(Perplexity) 같은 AI 플랫폼을 통해 소비자가 쇼핑 사이트로 이동하는 것을 의미한다. 이 흐름을 이해하지 못하는 브랜드는 2026년 연말 쇼핑 시즌에서 조용히 밀려날 수 있다. 발견 단계에서 AI가 검색을 2배 이상 앞질렀다 소비자가 새로운 상품을 발견하는 첫 단계에서 AI 도구는 이미 구글 검색을 압도하고 있다. 시밀러웹의 2026년 1월 미국 소비자 패널 조사에 따르면, 상품 발견 단계에서 AI 도구를 사용하는 소비자 비율은 35%인 반면 검색 엔진은 13.6%에 그쳤다. AI는 발견부터 평가단계까지 검색 대비 1.5배 이상의 우위를 점했으며, 최종 구매처를 찾는 마지막 단계에서만 두 채널의 격차가 거의 사라졌다. 이것이 소비자에게 어떤 의미인지 구체적으로 생각해보자. 누군가 "가족 모임에 어울리는 선물"을 찾는다고 가정하자. 이전에는 구글에서 검색어를 어떻게 입력해야 할지조차 막막했다. 지금은 챗GPT에 상황을 설명하면 맞춤형 추천 목록이 나온다. AI는 검색이 제대로 해결하지 못하던 구매 여정 최상단, 즉 소비자가 무엇을 원하는지조차 불분명한 막연한 탐색 단계를 대체하기 시작했다. 소비자 여정은 더 이상 검색창에서 시작하지 않는다. 2026년 1월 기준 이커머스 트래픽 전환 소스_직접 방문보다 챗GPT가 더 높게 나타남 아마존·월마트로 향하는 AI 트래픽, 전환율은 검색의 2배 AI 플랫폼이 실제 쇼핑 사이트로 보내는 방문자 수는 아직 전체의 1% 수준이지만, 성장 속도와 품질은 기존 채널과 차원이 다르다. 시밀러웹의 다른 리포트에 따르면 2025년 8월부터 2026년 1월까지 AI 검색 엔진이 아마존, 월마트, 타겟(Target), 테무(Temu), 이베이(eBay) 등 5대 소매업체 웹사이트로 보낸 방문자 수는 총 4,950만 명에 달했으며, 이 중 아마존이 28%, 월마트가 27%를 차지했다. 시밀러웹 추산에 따르면 챗GPT를 통해 유입된 방문자의 전환율은 약 7%로, 유기적 검색의 4.1%와 비교해 약 1.5배 이상 높다. 100명이 챗GPT를 통해 쇼핑 사이트에 접속하면 7명이 실제로 구매한다는 의미다. 같은 100명이 구글 검색을 통해 접속했을 때는 약 4명만 구매로 이어진다. AI 채널로 들어온 소비자는 이미 AI와의 대화를 통해 충분히 고려를 마친 뒤 사이트를 방문하기 때문에 구매 의도 자체가 높다. 트래픽 규모는 작아도 챗GPT 유입 방문자는 사이트에서 평균 15분을 머물고 12페이지를 탐색했는데, 이는 구글 유입 방문자의 8분, 9페이지보다 눈에 띄게 높은 수치다. AI가 재편하는 발견과 구매 퍼넬 챗GPT 독주 시대 끝, 제미나이가 빠르게 추격한다 AI 쇼핑 트래픽 시장 내부에서도 판도가 달라지고 있다. 시밀러웹 데이터에 따르면 2025년 9월부터 11월까지 구글 제미나이(Gemini)의 외부 사이트 레퍼럴 트래픽은 전년 동기 대비 388% 증가했다. 같은 기간 챗GPT의 레퍼럴 증가율은 52%에 그쳐, 제미나이가 쇼핑 트래픽 유입에서 빠르게 점유율을 넓히고 있음을 보여준다. 시밀러웹 추산 기준으로 2025년 6월 AI 플랫폼 전체의 레퍼럴 방문은 11억 3,000만 건에 달했으며, 이는 전년 동월 대비 357% 증가한 수치다. 그러나 같은 기간 구글 검색의 레퍼럴은 1,910억 건으로 AI의 절대적 규모에는 아직 미치지 못한다. AI 채널은 폭발적으로 성장하고 있지만 외부 사이트로의 트래픽은 아직 정체 상태이다. 브랜드 입장에서는 기존 SEO 전략을 포기할 단계가 아니라, AI 채널을 병행 준비해야 하는 시점이다. 전체 구매 여정 단계에서 AI 툴이 더 유용한 것으로 나타남 브랜드 노출 공식이 바뀌었다, AI가 먼저 이름을 고른다 AI 쇼핑이 기존 검색 광고와 근본적으로 다른 점은 광고비를 써도 AI 답변 안에 브랜드를 넣을 수 없다는 것이다. 시밀러웹의 AI 브랜드 가시성(Brand Visibility) 분석에 따르면 AI는 브랜드 충성도 없이 콘텐츠 기준만으로 노출을 결정한다. 특정 질문에 완결된 형태로 답하는 콘텐츠를 보유한 전문 사이트가 대형 유명 브랜드보다 일관되게 높은 AI 노출 점유율을 기록했다. 나이키(Nike), 에어비앤비(Airbnb) 같이 검색 순위는 높지만 AI가 찾는 대화형 질문에 답하지 못하는 콘텐츠를 가진 브랜드는 AI 노출 모멘텀이 꺾이고 있다. 소비자가 "10만원대 부모님 선물 추천해줘"라고 챗GPT에 묻는 순간, AI가 특정 브랜드를 언급하거나 언급하지 않는 것만으로 구매 후보군이 결정된다. 옴니센드가 진행한 한 조사에 따르면 소비자의 13%가 AI의 도움으로 구매할 가능성이 더 높다고 답한 조사 결과는 AI 플랫폼에서 브랜드가 노출되는 것이 이미 필수 과제임을 보여준다. 광고가 끼어들 여지가 없는 이 순간에 살아남는 브랜드는, 소비자가 실제로 묻는 질문에 명확하게 답하는 콘텐츠를 사전에 구축해 둔 곳이다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. AI 쇼핑 레퍼럴 트래픽이란 무엇인가요? A. AI 쇼핑 레퍼럴 트래픽이란 챗GPT, 구글 제미나이, 퍼플렉시티 같은 AI 검색 도구를 통해 소비자가 쇼핑 사이트로 이동하는 방문자 수를 말합니다. 사용자가 AI와 대화하다가 특정 상품이나 사이트 링크를 클릭해 이동하는 방식으로 발생합니다. Q. AI를 통해 쇼핑 사이트를 방문한 사람들은 정말 더 많이 구매하나요? A. 시밀러웹 추산에 따르면, 챗GPT를 통해 유입된 방문자의 구매 전환율은 약 11.4%로 일반 구글 검색 유입(5.3%)의 두 배 이상입니다. AI를 통해 이동한 소비자는 이미 AI와의 대화를 통해 충분한 정보를 얻은 뒤 방문하기 때문에 구매 의도가 높은 편입니다. Q. 내 브랜드가 AI 검색 결과에 잘 노출되려면 어떻게 해야 하나요? A. AI는 광고비보다 콘텐츠 품질을 우선시합니다. 소비자가 실제로 묻는 질문에 완결된 형태로 답하는 정보성 콘텐츠를 제품 페이지와 블로그에 갖추는 것이 핵심입니다. 우선 챗GPT나 제미나이에 내 브랜드 관련 질문을 직접 입력해 어떤 결과가 나오는지 확인하는 것부터 시작할 수 있습니다. 기사에 인용된 리포트 원문은 Similarweb에서 확인할 수 있다. 리포트명: Holiday Retail Season Planning 2026 / Generative AI Statistics for 2026 ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.04.06 17:01AI 에디터

ICTK, 일본 IT 위크 2026 참가..."일본 양자보안 시장 공략"

보안 팹리스 아이씨티케이(ICTK)가 일본 IT 위크 2026(Spring)에서 양자보안칩 신제품 G5Q 등 하드웨어 기반 보안 제품과 솔루션을 선보인다고 6일 밝혔다. IT 위크는 8일부터 10일까지 일본 도쿄 빅사이트에서 열린다. 보안·클라우드·인공지능(AI)·사물인터넷(IoT) 등 최신 ICT 기술과 솔루션을 소개하고, 기업 간 비즈니스 협력과 파트너십을 확장하는 국제 전시회다. 신제품 G5Q는 PUF(물리적 복제 불가 기술) 기반 하드웨어 신뢰 기술을 토대로 PQC(양자내성암호) 알고리즘을 지원하는 양자보안칩이다. ML-KEM과 ML-DSA 등 NIST PQC 표준 알고리즘을 지원한다. 2025년 2월 양산을 시작한 양자보안칩 G5N 대비 PQC 연산 성능을 40%가량 높였다. DPA(차분 전력 분석) 등 부채널 공격 대응을 강화해 실제 적용 환경에서 요구되는 보안 요구사항을 반영했다. ICTK는 G5Q를 중심으로 PUF 기반 PQC 보안칩(G5N, G5Q)과 함께, PUF 기반 배터리 정품 인증 보안칩(MTB), 차세대 보안 프로토콜 기반 VPN 솔루션을 함께 소개할 예정이다. 양자 전환과 공급망 리스크에 대응하는 하드웨어 기반 신뢰점(HRoT) 중심 보안 방향성을 제시할 계획이다. ICTK 관계자는 "일본 시장에서 양자보안 전환과 디바이스 신뢰 확보 논의를 확대하고, 현지 파트너십 기반 협력 기회를 발굴하겠다"고 말했다.

2026.04.06 10:10전화평 기자

2026 봄·여름 놓치면 안될 'HR 컨퍼런스' 3선

인공지능(AI)이 일의 정의와 방식을 근본적으로 바꾸고 있는 2026년 봄·여름, 기업의 지속 가능한 성장을 꾀하는 경영자와 인사(HR) 담당자들의 고민이 깊어지고 있다. 'AI가 내 일자리를 대체할까?'라는 막연한 질문을 넘어, 이제는 '어떻게 기술을 통해 조직의 몰입을 이끌어내고 인재를 지킬 것인가?'라는 궁금증도 커지고 있다. 이런 갈증을 해소하기 위해 4월과 5월, 대한민국 HR의 미래를 설계하는 세 가지 컨퍼런스가 잇따라 열려 주목된다. ▲개발자의 커리어 고민을 다루는 잡코리아(웍스피어) ▲일의 영역 확장을 논하는 원티드랩 ▲그리고 기술과 인간의 조화를 심도 있게 파고드는 지디넷코리아 행사가 그 주인공이다. 지디넷코리아 'HR테크 리더스 데이 시즌5', 5월7일 슈피겐홀 지디넷코리아는 5월 7일 서울 선정릉역 인근 슈피겐홀에서 'HR테크 리더스 데이 시즌5' 컨퍼런스를 연다. 단순히 최신 IT 솔루션을 소개하는 자리를 넘어, AI 전환(AX)의 파도 속에서 조직이 놓치기 쉬운 '사람'의 문제를 정면으로 다룬다는 점에서 차별화된다. '휴먼테크+휴먼터치'를 대주제로 내건 이번 행사는 채용, 조직문화, 리더십부터 총보상, 웰니스, 감정관리까지 HR의 모든 핵심 의제를 단 하루 만에 점검할 수 있는 실전형 컨퍼런스로 기획됐다. 행사의 포문은 조여준 더벤처스 최고투자책임자가 연다. 그는 '딴짓 우대'라는 파격적인 화두를 던지며, AI가 흉내 낼 수 없는 인간 고유의 동기 부여와 몰입, 그리고 창의성이 어떻게 기업의 핵심 경쟁력이 되는지 역설한다. 이어지는 키노트 세션에서는 플렉스의 채효진 컨설턴트가 데이터가 리더의 의사결정을 어떻게 정교하게 만드는지 짚어주며, 크리니티의 유병선 대표는 기술보다 강력한 '몰입하는 팀'을 설계하는 리더십의 실체를 공개다. 엔피의 박창준 이사는 '감정 관리'를 단순한 복지가 아닌 '생산성 인프라'로 정의하며 HR의 새로운 패러다임을 제시할 예정이다. 오후 세션은 인사 담당자들이 현업에서 마주하는 구체적인 문제들에 대한 해답으로 채워진다. 영림원소프트랩은 침묵하는 조직의 문화를 깨는 구조 설계를, 코드박스(ZUZU)는 급여와 주식 보상, 세금 데이터가 연결된 정교한 리텐션 전략을 소개한다. 웰니스와 교육에 대한 혁신적인 시각도 돋보인다. 헤세드릿지(달램)는 웰니스를 조직 변화의 실행 도구로 활용하는 법을, 팀스파르타와 소프트스퀘어드는 각각 우리 조직 수준에 맞는 현실적인 AX 전환과, 화이트칼라의 생존 조건을 논한다. 또한 링글은 작고 빠른 조직이 갖춰야 할 채용과 성장 로드맵을 공유하며 스타트업과 성장 기업들에게 실무적인 가이드를 제공한다. 현업의 전문가들과 정책 전문가들의 강연도 이번 행사를 더욱 값지게 한다. 네이버의 송석호 리더는 AI 시대에 인재를 판단하는 새로운 기준을 제시하고, 오현호 작가는 개인의 의지가 아닌 '환경'이 행동을 끌어내는 구조 설계법을 전수한다. 끝으로 이해민 의원(조국혁신당)은 글로벌 빅테크 현장과 입법 경험을 바탕으로, 기술의 파도 속에서도 HR 리더가 끝까지 지켜야 할 본질이 무엇인지에 대한 메시지를 던진다. 원티드랩 '하이파이브 2026', 5월12~13일 코엑스 5월 12~13일 코엑스 그랜드볼룸 등에서 열리는 원티드랩의 '하이파이브 2026'은 '확장의 시대'를 키워드로 내걸었다. 이번 행사는 글로벌과 인공지능(AI)이 모든 경계를 허무는 시대에 업계 리더들과 함께 일의 미래에 대한 해답을 제시하고자 기획됐다. 행사는 첫날 HR 담당자를 위한 'HR 데이'를 시작으로, 둘째 날에는 서비스 기획자·개발자·디자이너 등을 위한 '메이커스 데이'가 이어진다. HR 데이에서는 마이크로소프트, CJ올리브영, 틱톡 등 글로벌 기업의 연사들이 참여해 변화하는 고용 시장과 글로벌 인재 영입 전략을 공유한다. 특히 5개 트랙(글로벌·트렌드·그로스·에센셜·테크)으로 나뉘어 진행돼 우리 기업의 현재 규모와 필요에 맞는 세션을 골라 들을 수 있다. 둘째 날 '메이커스 데이'와의 연계를 통해 실무 조직(기획·디자인·개발)이 AI를 어떻게 생산성 혁신에 활용하는지도 입체적으로 살필 수 있다. 컨퍼런스 종료 후에도 학습의 열기를 이어가기 위한 특별 세션이 마련된다. 5월 16일에는 전문가와 함께 세션의 핵심을 짚어보는 '디브리핑' 세션과 연사와의 오프더레코드 Q&A가 가능한 '밋업' 세션이 마루180에서 진행될 예정이다. 웍스피어 '잡코리아 데브콘', 4월23일 온라인 테크 인재 영입과 관리에 난항을 겪는 기업이라면 4월 23일 온라인으로 열리는 웍스피어의 '잡코리아 데브콘'에 주목할 필요가 있다. 이 회사는 실제 현업에서 치열하게 성장해온 다양한 멘토들의 사례를 통해 현실적인 해법을 제시하고자 이번 행사를 마련했다. 네이버, 토스, 카카오 등 주요 빅테크 출신 멘토 7인이 참여하는 이번 컨퍼런스는 'AI 시대 개발자의 생존법'과 실무 활용 노하우를 집중적으로 다룬다. 개발자들이 느끼는 AI에 대한 불안감을 해소하고, 사내 개발 조직이 어떻게 AI와 협업하여 역량을 강화할 수 있는지에 대한 실전 인사이트를 제공한다. 특히 실시간 소통 세션인 '랜선 사수에게 물어봐'를 통해 현직자들의 생생한 고민을 엿볼 수 있다는 점이 특징이다.

2026.04.06 08:36백봉삼 기자

[ZD브리핑] 삼성전자 잠정실적 발표...기아 CEO 인베스터 데이 개최

지디넷코리아는 IT 업계의 이슈를 미리 체크하는 '이번 주 꼭 챙겨봐야 할 뉴스'를 제공합니다. '꼭 챙길 뉴스'는 정보통신, 소프트웨어(SW), 전자기기, 소재부품, 콘텐츠, 플랫폼, e커머스, 금융, 디지털 헬스케어, 게임, 블록체인, 과학 등의 소식을 담았습니다. 바쁜 현대인들의 월요병을 조금이나마 덜어 줄 '꼭 챙길 뉴스'를 통해 한 주 동안 발생할 IT 이슈를 미리 확인해 보시기 바랍니다. [편집자주] 삼성전자·LG전자 잠정실적 발표...TCL·소니, TV 합작사 출범 최종계약 체결 삼성전자와 LG전자가 이번주 올해 1분기 잠정실적을 발표합니다. 7일 잠정실적을 발표하는 삼성전자의 1분기 영업이익은 50조원을 넘어설 것으로 전망됩니다. 지난해 연간 영업이익 43조원보다 큰 규모입니다. LG전자의 잠정실적 발표는 8~9일 나올 것으로 예상됩니다. LG전자의 1분기 영업이익 컨센서스는 지난해 1분기에 비해 9.2% 늘어난 1조3755억원입니다. 삼성전자 실적 전망이 좋지만, 사업부별 온도차는 큽니다. 반도체 사업부는 분위기가 좋지만, 메모리 가격 상승이 완제품 제조원가 부담으로 이어지는 스마트폰 사업부와 TV 사업부는 다를 수밖에 없습니다. 지난주에는 중국 TCL과 일본 소니가 TV 합작사 설립을 위한 최종계약을 체결했습니다. 지난 1월 MOU 체결 당시 3월 말까지 최종계약을 체결하고, 승인 등의 절차를 거친 뒤 2027년 4월부터 합작사 사업을 개시하겠다고 밝힌 바 있습니다. 합작사가 당장은 기존 소니 체제를 유지하고, 직원 요구도 상당 부분 수용한 것으로 알려졌습니다. 합작사는 TCL의 자회사 CSOT에서 LCD를 저가에 조달하고, TCL은 TV를 만들 때 소니 기술을 적용하는 방안 등을 우선 검토할 텐데 실현 가능성과 기대효과는 지켜봐야 할 것 같습니다. 삼성전자와 LG전자 TV 사업부도 TCL과 소니의 합작사 행보에 관심을 가질 것으로 예상됩니다. 기아, CEO 인베스터 데이 개최 기아가 9일 서울 중구에서 '2026 CEO 인베스터 데이'를 개최하고 중장기 사업전략과 재무 로드맵을 전격 공개합니다. 이번 행사는 단순 실적 보고를 넘어 현대차그룹의 미래 모빌리티 핵심 전략이 총망라되는 자리가 될 전망입니다. 박민우 현대차그룹 첨단차플랫폼(AVP) 본부장 겸 포티투닷 대표가 합류 후 처음으로 공식 석상에 등판합니다. 엔비디아와 테슬라를 거친 박 사장은 자율주행 소프트웨어인 '아트리아(Atria) AI' 로드맵과 2026년 양산 예정인 '풀스택 SDV' 기술의 구체적 실행 방안을 제시할 것으로 보입니다. 로보틱스 분야 양산 전략도 베일을 벗습니다. 잭 재코우스키 보스턴다이내믹스 아틀라스 개발 총괄은 CES 2026의 화두였던 전동식 '아틀라스'의 양산 시점과 산업 현장 투입 등 실질적인 사업화 계획을 발표합니다. 이 밖에도 기아는 ▲2030년 전기차(EV) 판매 목표 조정 ▲신규 5세대 배터리 적용 로드맵 ▲목적 기반 모빌리티(PBV) 사업 진척 상황 등을 공유하며 미래 시장 주도권 확보 의지를 드러낼 방침입니다. 유엔 안전보장이사회(안보리)가 호르무즈 해협 봉쇄를 풀기 위해 무력 방어를 허용하는 내용의 결의안을 이번주에 표결할 것으로 예상됩니다. 당초 4일로 예정됐던 15개 이사국 회의는 구체적인 일정 발표 없이 연기됐습니다. 초안에는 해협 통행을 보장하기 위한 무력 사용 등 각국이 '필요한 모든 수단'을 동원하는 것을 허용하는 내용이 담겼지만 채택은 불투명한 상황입니다. 거부권을 가진 중국과 러시아는 무력 사용을 승인하는 데 반대한다는 입장을 전한 것으로 알려졌습니다. 안보리 결의안은 15개 이사국 중 최소 9개국의 찬성이 필요하며, 5개 상임이사국(미국·중국·영국·프랑스·러시아) 중 어느 국가도 거부권을 행사하지 않아야 합니다. 한편 이란은 전쟁이 끝난 이후에도 해협 통제권을 유지하겠다는 입장이며, 최근에는 통과 선박에 통행료를 부과하는 방안까지 마련했습니다. 전쟁 추경 10일 처리 목표...여야 심의 돌입 중동 전쟁에 따른 경제 여파에 대응하기 위해 편성된 26조 2000억원 규모의 추가경정예산안에 대한 국회 심의가 시작됩니다. 소관 상임위원회가 6일부터 살피기 시작하며 주 중반에는 예산결산특별위원회에서 본격적인 논의가 이뤄질 예정입니다. 국회는 10일 본회의에서 추경안을 처리하는 것을 목표로 이주 내내 심사에 돌입합니다. 여당은 유가 급등과 같은 경제 파급 효과 대응을 위해 서둘러야 한다는 입장이며 야권에서는 지방서거에 앞서 재정을 통해 매표에 나섰다고 맞서고 있습니다. 세일즈포스, 차세대 AI 에이전트 '슬랙봇' 공개...AWS, '게임데이' 개최 매스웍스는 오는 7일 서울 코엑스 그랜드볼룸 및 아셈볼룸에서 '매트랩 엑스포 2026 코리아' 기자간담회 및 미디어 데모 투어를 진행합니다. 사미르 M. 프라부 인더스트리 부문 이사, 박주일 매스웍스코리아 사장, 김용우 엔지니어링 총괄 전무가 참석해 생성형 AI와 모델 기반 설계가 엔지니어링 개발 전반을 어떻게 변화시키는지 산업 적용 사례 중심으로 소개할 예정입니다. 오토폼엔지니어링은 같은 날 아비스 스타일 앰배서더 서울 용산에서 'AI가 다시 뛰게 할 제조의 심장, 금형 산업의 골든타임'을 주제로 기자간담회를 진행합니다. 이번 행사에서 오토폼은 금형 기술을 AI 기반 지식 자산으로 보존하는 디지털 제조 혁신 방안을 공유합니다. 올리비에 르퇴르트르 CEO와 조영빈 한국 대표가 참석해 글로벌 전략과 국내 시장 투자 계획을 발표할 예정입니다. 세일즈포스는 8일 여의도 콘래드 호텔에서 '에이전틱 엔터프라이즈: 인간과 에이전트가 공존하는 기업' 주제로 기자간담회를 개최합니다. 이 행사는 세일즈포스와 슬랙이 구현하는 '워크 OS' 비전을 공유하고, AI 에이전트가 실질적으로 수익을 창출하는 미래를 직접 확인하는 자리입니다. 이번 간담회에서는 업무방식의 새로운 패러다임을 제시할 차세대 AI 에이전트 '슬랙봇(Slackbot)'을 선보일 예정입니다. 당근, 배달의민족 등 국내 테크 기업 혁신 사례와 미디어 맞춤형 에이전틱 워크플로 데모 세션도 진행됩니다. 한국IT전문가협회도 같은 날 삼정호텔에서 'AI 시대 개인정보 보호 체계 대전환'을 주제로 4월 조찬세미나를 개최합니다. 송경희 개인정보보호위원회 위원장이 연사로 나설 예정입니다. 협회는 매월 조찬·석찬세미나를 통해 업계 현황 및 IT 분야 정보를 공유하고 회원 간 네트워킹 자리를 마련하고 있습니다. PTC코리아는 8일 서울 코엑스에서 열리는 한국제조산업전에서 '에이전틱 AI가 주도하는 지능형 제품개발-데이터로 연결되는 엔지니어링의 새로운 패러다임' 세션을 진행합니다. 엄형욱 솔루션 컨설팅 팀 총괄책임이 발표를 맡을 계획으로, 행사장 내 PTC 부스에선 별도 미디어 인터뷰 공간도 운영됩니다. 시스코코리아는 8일 서울 코엑스에서 연례 컨퍼런스 '시스코 커넥트 2026 코리아'를 개최하고 미디어 라운드테이블을 진행합니다. 이번 행사에는 최지희 시스코코리아 대표를 비롯해 본사의 비조이 판데이 아웃시프트 총괄 매니저, 빌 가트너 옵티컬 시스템·옵틱스 부문 수석 부사장이 참석합니다. AI를 효과적으로 구현하고 확장하기 위한 차세대 네트워크 및 인프라 전략을 공유할 예정입니다. 과학기술정보통신부와 한국과학기술연구원(KIST) 미래국방 국가기술전략센터는 같은 날 대한상공회의소 의원회의실에서 '피지컬 AI의 국방 활성화 방안'을 주제로 제3회 미래국방 전략포럼을 개최합니다. 정현준 한국로봇융합연구원 본부장의 피지컬AI 현황 및 전망 발표를 시작으로, 남승현 육군 군사혁신사장의 로봇·피지컬AI 정책 추진 방향, 유재관LIG넥스원 연구위원의 무인체계 피지컬AI 적용 사례 발표가 이어집니다. 2부에선 김진완 카이스트 교수를 좌장으로 국방기술진흥연구소·핀진 등이 참여하는 패널토론이 진행됩니다. 에퀴닉스는 9일 서울 여의도 하나증권빌딩에서 '미디어 에듀케이션 세션'을 진행합니다. 글로벌 코로케이션 데이터센터 사업자인 에퀴닉스는 AI 시대를 맞아 전환되는 '상호연결' 기반 아키텍처에 대해 소개하고 클라우드·네트워크·파트너를 연결하는 디지털 인프라 전략을 발표할 예정입니다. 국내 시장에서의 사업 전략과 파트너 지원 방안도 공유합니다. 아마존웹서비스(AWS)는 이달 10일 서울 역삼 AWS코리아 오피스에서 '금융사를 위한 AWS 게임데이 2026'을 개최합니다. 5년 연속 이어온 이 행사엔 국내 주요 금융기관 19개 팀이 참가해 AWS가 지원하는 개발 어시스턴트 '아마존Q'와 '키로'를 활용한 개발 대결을 펼치고 실전 활용 가능성을 검증할 예정입니다. 노경훈 AWS코리아 금융 사업 총괄과 구태훈 금융 전문 수석 솔루션즈 아키텍트도 참석해 금융권 생성형 AI 트렌드와 개발 패러다임 전환에 대해 소개합니다. 법무법인 화우, 제12회 게임 대담회 7일 개최...선택적 셧다운 제도 타당성 의논 법무법인 화우가 제12회 게임 대담회를 7일 오후 2시 서울 강남구 아셈타워 34층에서 개최합니다. '선택적 셧다운 조항과 게임산업의 굴레'를 주제로 진행하는 이번 대담회는 게임산업의 지속 가능한 성장과 합리적인 규제 환경 조성을 위해 선택적 셧다운 제도의 법적 쟁점과 개선 방향을 논의하는 자리입니다. 선택적 셧다운 제도는 2021년 강제적 셧다운 제도가 폐지된 후에도 게임산업법 제12조의3에 따라 여전히 유지되고 있습니다. 이 제도는 본인확인 및 가족관계증명 기반 인증 등 규제 이행의 복잡성으로 인해 국내외 게임사들의 서비스 축소 또는 중단을 초래하는 등 산업 전반에 부담으로 작용해 왔다고 알려졌습니다. 이번 대담회에서는 선택적 셧다운 제도의 법적 타당성을 중심으로, 글로벌 규제 동향 및 연령인증 체계(GDPR 사례)를 함께 살펴보고 게임산업 및 OTT 등 콘텐츠 플랫폼 산업 전반에 미치는 영향과 개선 방향을 논의할 예정입니다. 대담회 세션 발표에는 정호선 변호사(변호사시험 6회)가 '게임 선택적 셧다운 제도의 법적 검토'를 주제로 발표하고, 제2세션에서는 이수경 변호사(연수원 26기)가 '디바이스 및 네트워크 기반 연령인증과 GDPR 사례'를 중심으로 해외 규제 흐름을 소개할 계획입니다. 이어 정한근 화우 고문(전 과학기술정보통신부 실장)을 좌장으로 한국게임정책자율기구(GSOK) 나현수 국장 등이 참여하는 대담도 마련됩니다. KISIA, '보안특화 IR피칭 & 컨설팅데이' 개최 한국정보보호산업협회(KISIA)가 '보안특화 IR피칭 & 컨설팅데이'를 오는 10일 오후 2시30분부터 개최합니다. 이번 행사는 국내 보안기업만을 위한 무료 컨설팅을 지원하는 행사입니다. 투자사 및 선배기업, 피칭기업과의 네트워킹 기회를 제공합니다. 행사 접수는 7일 오후 6시까지입니다. 피칭기업으로는 ▲포테이토넷 ▲피지컬리콘 ▲씨티아이랩 ▲지엔 ▲도구공간 등 6곳입니다. 선배기업으로는 ▲지니언스 ▲솔티랩 ▲드림시큐리티 등 3곳 입니다. 참여 AC(액셀러레이터) 및 VC(벤처캐피탈)로는 ▲액시스인베스트먼트 ▲에이온인베스트먼트 ▲지앤텍벤처투자 ▲플래티넘기술투자 ▲오픈워터인베스트먼트 ▲탭엔젤파트너스 등이 참여합니다. 참가비용 역시 무료입니다. 보건의료 인력 기준 제도화 위한 국회 토론회 및 '범국민서명운동본부'발족 보건의 날 기념 국회토론회 및 보건의료 인력 기준 의무화 의료법 개정 촉구 범국민서명운동본부 발족식이 오는 7일 오전 10시 국회도서관 대강당에서 열립니다. 전국보건의료산업노동조합(이하 보건의료노조)은 2026년 정기대의원회에서 보건의료 인력 확충과 인력기준 제도화를 핵심사업으로 결정하고 실질적 이행을 위한 전 조직적 투쟁을 전개하기로 결의한 바 있습니다. 이날 토론회에서는 이재명 정부의 인력기준 도입 계획을 확인하고, 국회와 정부에 인력기준 법제화 실행 로드맵 마련을 촉구할 예정입니다. 이와 함께 의료현장을 만들기 위해 의료법 개정을 요구하며 국민과 함께 범국민 서명운동을 시작합니다. 또 이를 위한 '보건의료인력 기준 의무화 의료법 개정 촉구 범국민서명운동본부'도 발족하는데요, 보건의료노조는 보건의료 인력기준 마련 법제화를 위해 대한간호협회·대한간호조무사협회·대한약사회·대한영양사협회·대한응급구조사협회·대한물리치료사협회·대한방사선사협회·대한보건의료정보관리사협회·대한임상병리사협회·대한작업치료사협회·대한치과기공사협회·대한치과위생사협회와 함께 범국민 서명운동을 벌일 예정입니다. 서명운동은 온라인, 오프라인 동시에 진행되며 이를 바탕으로 사회 쟁점화하고 정부, 국회 등에 촉구활동을 전개할 예정입니다. "AI 강국, '보안'이 완성한다"…지디넷코리아, '2026 디지털 트러스트' 캠페인 전개 IT 전문 미디어 지디넷코리아가 AI 대전환 시대의 핵심 가치인 '디지털 신뢰' 구축을 위한 온라인 캠페인을 전개합니다. 7일부터 두 달간 진행되는 '2026 디지털 트러스트 캠페인'은 해킹, 딥페이크, 가짜뉴스, 랜섬웨어 등 지능화되는 디지털 위협에 맞서 안전한 AI 활용 환경을 조성하자는 취지로 기획됐습니다. 관련된 10여편의 기획 기사 발행과, 댓글 참여형 이벤트가 동시 진행됩니다. "AI 기술이 서 말이라도 '보안'으로 꿰어야 보배"라는 슬로건 아래 진행되는 이번 캠페인은 과학기술정보통신부, 개인정보보호위원회 등 주요 부처와 라인·카카오·토스·우아한형제들·로보락·안랩 등 대표 테크 기업, 한국인터넷기업협회·한국정보보호산업협회 등 협단체가 함께 합니다. 이를 통해 지디넷코리아는 기술 발전의 중요성 못지 않게 중요한 보안 등 '디지털 안전'의 중요성을 공론화할 예정입니다. 독자들은 이달 7일 지디넷코리아 사이트 내에 열리는 디지털 트러스트 캠페인 페이지를 통해 댓글 이벤트에 참여할 수 있습니다. 제시되는 '디지털 트러스트 7대 안전수칙'에 대한 개인적인 경험을 공유하거나 창의적인 표어를 제안하면 됩니다. 또는 해당 이벤트를 엑스·링크드인·카카오톡 등에 공유하고 인증하면 됩니다. 추첨 및 심사를 통해 애플 맥북 네오·에어팟 맥스2·에어팟 프로3·에어팟4·스타벅스 쿠폰 등 경품을 증정할 예정입니다.

2026.04.05 11:33이기종 기자

AI가 조용히 당신의 일자리를 재설계하고 있다

당신 회사의 AI는 아직 '도우미' 수준인가, 아니면 이미 스스로 결정을 내리고 있는가. ISG(Information Services Group)가 발표한 보고서 「에이전틱 AI가 당신이 깨닫는 것보다 빠르게 업무를 재설계하고 있다」는 AI가 단순 보조 도구를 넘어 목표를 해석하고 의사결정을 내리는 '에이전틱 AI(Agentic AI)' 시대로 진입했음을 선언한다. 에이전틱 AI(Agentic AI)란 콘텐츠를 생성하거나 정보를 요약하는 데 그치지 않고, 스스로 목표를 파악하고 제한된 범위 안에서 판단을 내리며 여러 시스템을 넘나들어 실제 업무를 실행하는 AI 시스템을 말한다. 이 보고서가 독자에게 중요한 이유는 간단하다. 대부분의 기업이 아직 준비되지 않았기 때문이다. 흥분과 현실 사이의 격차, 43%의 함정 에이전틱 AI에 대한 기업들의 열기는 뜨겁다. 서비스나우(ServiceNow)는 2025년 IT, 인사, 고객 서비스 영역에 걸친 수천 개의 사전 구성 에이전트와 함께 AI 에이전트 오케스트레이터(AI Agent Orchestrator)를 출시했다. 워크데이(Workday)는 AI 개발에 투자를 집중하기 위해 전 세계 인력의 8.5%를 구조조정했다. 벤더 생태계는 이미 배팅을 마쳤다. 그러나 기업 내부의 현실은 다르다. ISG의 에이전틱 AI 시장 현황 보고서에 따르면 현재 실제로 운영 중인 에이전틱 시스템의 43%는 단순 모델 기반 에이전트(model-based agent)로, 목표 지향적이기보다는 특정 작업 처리에 집중된 수준이다. 쉽게 말해 'AI 에이전트'라고 불리는 것의 절반 가까이가 사실상 잘 포장된 자동화 워크플로에 불과하다는 뜻이다. 파일럿 또는 개념 증명 단계에서 전사적 도입으로 넘어가는 길목에서 대부분의 에이전틱 프로젝트가 실패한다. 앞서 나간 기업들이 먼저 바꾼 것 일찌감치 에이전틱 AI를 도입한 기업들의 사례는 무엇이 진짜 변화인지 보여준다. 한 대형 기술 기업은 청구, 자격 부여, 물류에 걸친 고객 문제 해결처럼 여러 부서가 연결된 복합 비즈니스 문제를 겨냥한 에이전틱 개념 증명(PoC)을 12개 이상 운영하면서, 재무 담당자의 투자수익률(ROI) 승인을 받은 과제만 다음 단계로 진행하는 원칙을 고수했다. 감으로 움직이지 않고, 숫자로 증명된 것만 키운다는 뜻이다. 더 구조적인 변화를 보여준 곳은 한 글로벌 바이오테크 기업이다. 이 회사는 2025년 인사(HR)와 IT 리더십 기능을 통합했다. AI가 진정한 인력 구성원이 되는 세상에서는 '사람 관리'와 '기술 관리'의 전통적 경계가 더 이상 의미가 없다는 판단에서다. 조직도가 기술보다 먼저 바뀌어야 한다는 메시지다. 이전틱 AI 시대, 기업이 바꿔야 할 4가지 ISG 보고서는 기업이 지금 당장 준비해야 할 네 가지 과제를 제시한다. 첫째, 업무를 '누가 하느냐'가 아니라 '무엇이 필요한가'를 중심으로 설계해야 한다. 기존 자동화가 반복적이고 예측 가능한 단순 업무를 대상으로 했다면, 에이전틱 AI는 다단계 추론과 판단, 부서 간 조율이 필요한 지식 노동 영역으로 침투하고 있다. 선도적인 기업들은 업무를 의사결정 지점, 자율 실행 흐름, 인간 개입 트리거의 세 가지로 분해하여 설계한다. 예컨대 고객 인사이트팀이 월간 보고서를 기다리는 대신, 에이전틱 AI가 트렌드를 실시간으로 모니터링하고 이상 신호를 즉시 알린다. 사람은 데이터를 취합하는 대신 해석하고 행동하는 역할에 집중하게 된다. 둘째, 의사결정의 거버넌스를 재건해야 한다. AI가 인간의 지시 없이 스스로 결정을 내릴 때, 그 결과의 책임은 누구에게 있는가. ISG의 2025 보고서에 따르면 인간 감독의 역할은 아직 모호하게 정의된 경우가 많다. 선도 기업들은 자율 행동의 명확한 경계, 예외 상황의 에스컬레이션(상위 보고) 경로, 에이전트 의사결정 실시간 모니터링 대시보드를 구축함으로써 기계의 판단에 대한 신뢰를 쌓아가고 있다. 셋째, 인재 전략을 대체가 아닌 협업 중심으로 전환해야 한다.MIT 슬론 매니지먼트 리뷰(MIT Sloan Management Review) 연구에 따르면 에이전틱 AI를 광범위하게 도입한 조직의 45%는 3년 내 중간 관리직 레이어가 줄어들 것으로 예상했다. 또한 심층 AI 도입 조직의 43%는 제너럴리스트(generalist, 여러 분야를 두루 아는 인재)를 더 많이 채용할 계획인 반면, 29%는 신입직 역할이 줄어들 것으로 내다봤다. 세계경제포럼(WEF)의 미래 직업 보고서는 2025년부터 2030년 사이에 현재 직무 역량의 약 39%가 쓸모없어지거나 전면 개편될 것이라 경고한다. 이는 5년간 누적 변화로, 연평균으로 환산하면 약 8% 수준이라는 점을 감안하면, 지금 당장 어떤 역량을 키울지 고민하지 않는 것은 사실상 도태를 선택하는 것과 같다. 넷째, 도구를 구매하는 것을 넘어 에코시스템을 조율하는 역량을 키워야 한다.ISG 데이터에 따르면 2025년 현재 배포된 에이전틱 솔루션 중 멀티 에이전트(multi-agent, 여러 AI 에이전트가 협력하는 구조) 방식은 17%에 불과하다. 하나의 에이전트를 배포하는 것은 쉽다. 여러 에이전트를 서로 협력하게 만드는 것이 진짜 도전이다. 어떤 단일 벤더도 에이전틱 AI 전 영역을 장악하지 못하고 있기 때문에, 여러 제공사와 아키텍처를 아우르는 내부 역량이 전략적 경쟁력이 되고 있다. 준비된 기업과 그렇지 않은 기업의 분기점 이 보고서가 그리는 미래에서 흥미로운 점은 기술 자체보다 조직 설계를 더 강조한다는 것이다. 가장 정교한 AI를 보유한 기업이 아니라, 가장 먼저 올바른 준비 투자를 시작한 기업이 앞서 나간다는 주장이다. 글로벌 바이오테크 기업의 HR·IT 통합 사례는 이를 상징적으로 보여준다. 다만 한 가지 열린 질문이 남는다. 보고서는 에이전틱 AI가 인간을 더 높은 가치 사슬로 이동시킨다고 말하지만, 그 '더 높은 역할'로의 전환이 모든 사람에게 동등하게 열려 있는지는 두고 볼 필요가 있다. 29%의 신입직 감소 예측은, 커리어를 이제 막 시작하려는 세대에게 어떤 의미인지 보고서는 명확히 답하지 않는다. 독자 스스로 판단해야 할 지점이다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. 에이전틱 AI(Agentic AI)가 일반 AI와 다른 점은 무엇인가요?에이전틱 AI는 단순히 질문에 답하거나 글을 써주는 기존 생성형 AI와 달리, 스스로 목표를 이해하고 여러 단계의 작업을 계획·실행할 수 있는 AI를 말합니다. 예를 들어 "고객 불만을 처리해"라는 지시를 받으면, 관련 데이터를 조회하고 담당 부서에 알림을 보내며 후속 조치까지 스스로 진행하는 방식입니다. Q. 에이전틱 AI 도입으로 제 직업이 없어질 수도 있나요?보고서에 따르면 에이전틱 AI는 단순 반복 업무와 일부 중간 관리 역할을 줄이는 반면, 전략적 판단·공감·복잡한 의사결정이 필요한 역할의 중요성은 높아집니다. 세계경제포럼은 2030년까지 현재 직무 역량의 약 39%가 바뀔 것으로 예측하므로, 지금부터 협업·판단·창의 역량을 키우는 것이 중요합니다. Q. 기업이 에이전틱 AI 도입에 실패하는 주된 이유는 무엇인가요?ISG 보고서는 기술보다 조직 준비가 더 큰 문제라고 지적합니다. 실제 운영 중인 에이전틱 시스템의 43%가 여전히 단순 자동화 수준에 머물러 있으며, 파일럿 단계에서 전사 도입으로 확장하는 과정에서 거버넌스(관리 체계) 미비, 부서 간 조율 부재, 명확한 ROI 기준 없음이 주요 실패 원인으로 꼽힙니다. 기사에 인용된 리포트 원문은 ISG One에서 확인할 수 있다. 리포트명: Agentic AI Is Redesigning Work Faster Than You Realize ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.04.03 16:53AI 에디터

"양자컴퓨터, 이르면 2027년에 기존 암호 체계 무력화 가능"

이르면 오는 2027년 경이면 양자컴퓨터가 암호 체계를 무력화할 가능성이 있다는 전망이 제기됐다. 엄상윤 아이디퀀티크 대표는 최근 양자 보안 스터디에 참가하는 취재진을 대상으로 와이매틱스 사옥에서 양자 기술의 기초와 글로벌 양자산업 현황에 대해 강의하면서 이 같이 전망했다. 엄 대표는 "양자 컴퓨터가 현대 암호 체계를 깨는 날을 'Q-Day'라고 한다"며 "현재 중국, 유럽, 싱가포르, 폴란드, 루마니아 등 다양한 국가들이 Q-Day에 대비하고 있다"고 밝혔다. 엄 대표는 "아이디퀀티크 모회사인 아이온큐(IonQ)의 로드맵에 따르면 기존 암호 체계인 RSA(공개 키 기반 암호체계)-2048 암호화를 해독할 수 있는 양자 컴퓨터가 빠르면 내년, 늦으면 2030년 사이에 출시될 것으로 전망하고 있다"며 "미국, 유럽연합(EU) 등 국가나, JP모건 등 글로벌 투자은행도 양자내성암호(PQC), 양자 키 분배(QKD)를 결합한 방식의 필요성을 강조하고 있다"고 말했다. 엄 대표가 이끄는 아이디퀀티크는 양자 무작위성 및 양자 안전 보안 분야의 글로벌 선도 기업이다. 지난 2001년 설립돼 지난해 아이온큐에 인수됐다. 지난해 세계 최초로 QKD, QKMS(양자 키 관리) 국가 보안 인증을 획득하기도 했다. 아래는 엄 대표 이력. 엄상윤 아이디퀀티크 대표 - 2004~2019년 Robert Bosch Korea 시큐리티사업부 사업부장 - 2020~현재 아이디퀀티크 대표 - 2020~2022년 디지털 뉴딜 양자암호통신 시범 인프라 구축 및 운영사업 1위 선정 - 2022년 T 서비스 챔피언 어워드 2021 수상 - 2024년 과학기술정보통신부 장관 표창상 - 2024년~2025년 NIA 양자암호 테스트베드 구축 사업 참여 - 현 국가양자전략위원회 민간위원 - 양자과학기술 플래그십 프로젝트 최고전문가위원회 - 국가전략기술 특별위원회(양자) 기술조정위원 - 퀀텀 프론티어 전략협의회 위원 - 한국과학기술연구원 차세대반도체연구소 양자분야 혁신위원회 위원 - 세종 양자산업 육성 마스터플랜 위원 - 경기도 양자산업협력단 위원 - 전북특별자치도 양자산업협력단 위원 - 충청남도 양자산업협력단 위원 - 양자정보학회 정회원

2026.04.03 08:56김기찬 기자

AI가 사람 움직임을 '언어'처럼 이해하게 됐다

북경대와 둥화대, 화난이공대 공동 연구진이 3월 23일 발표한 유니모션(UniMotion) 논문은 AI가 사람의 동작, 이미지, 텍스트를 하나의 '언어'처럼 자유롭게 읽고 쓸 수 있게 만든 첫 사례다. "앉았다 일어나"라는 말을 듣고 3D 동작을 만들고, 반대로 춤추는 영상을 보고 "발을 앞으로 내딛고 팔을 흔든다"는 설명을 자동으로 써내는 일이 같은 시스템 안에서 동시에 가능해졌다는 뜻이다. 기존 AI는 움직임을 '단어'로 쪼갰다가 잃어버렸다 지금까지 AI는 사람의 움직임을 다룰 때 마치 영화 필름을 사진으로 찢어 보관하듯 '단어'로 바꿔 저장했다. 모션GPT 같은 기존 기술은 VQ-VAE라는 방식으로 동작을 512개 코드북의 조합으로 쪼갰다. 문제는 이 과정에서 어깨를 얼마나 들어 올렸는지, 발끝이 정확히 어디를 향했는지 같은 미세한 정보가 증발한다는 점이었다. 연구진 실험 결과 VQ-VAE 방식은 손목 위치 오차가 평균 212.9mm에 달했다. 성인 손바닥 너비를 두 번 벌려놓은 정도다. 유니모션은 이 문제를 '연속 공간'으로 해결했다. 동작을 코드로 자르지 않고 수학적 좌표 그대로 보존하는 CMA-VAE 구조를 만든 것이다. 같은 조건에서 손목 오차는 43.8mm로 떨어졌다. 5분의 1 수준이다. 더 중요한 건 시간 흐름이 자연스럽게 이어진다는 점이다. 기존 방식은 프레임마다 코드가 바뀌면서 움직임이 뚝뚝 끊기는 '지터' 현상이 생겼지만, 유니모션은 실제 사람의 가속도 패턴과 거의 동일한 부드러움을 보였다. 그림 1. 움직임·텍스트·영상 세 가지를 하나의 모델로 처리하는 유니모션(UniMotion)이 기존 모델들이 일부만 지원하던 7가지 과제를 최초로 전부 수행하며 성능도 앞섰다. 영상 없이도 '눈으로 본 것처럼' 학습하는 구조 연구진은 여기서 한 발 더 나갔다. 평소엔 동작 데이터만 보지만, 훈련 중에는 영상과 동작을 함께 보는 '이중 인코더' 방식(DPA)을 설계했다. 비유하자면 학생이 교과서(동작)만 보고 공부하지만, 선생님이 옆에서 그림(영상)을 보며 설명해주는 방식이다. 훈련이 끝나면 선생님은 떠나고 학생 혼자 문제를 푸는데, 이미 시각 정보의 핵심이 머릿속에 남아 있다. 실제로 DPA를 제거하자 텍스트→동작 생성 정확도(R@3)가 0.841에서 0.818로, 동작 편집 정확도는 84.94%에서 80.35%로 떨어졌다. 영상 없이도 "몸의 균형은 어때야 하는가" "팔다리 비율은 자연스러운가" 같은 시각적 직관이 내재화됐다는 증거다. 스스로 복습하며 구조를 익히는 '자가 정렬' 단계 연구진은 본격 훈련 전 AI에게 '자가 복습' 시간을 줬다. LRA(잠재 복원 정렬)라는 단계에서 시스템은 자신이 인코딩한 동작 정보를 노이즈에서 다시 복원하는 연습만 8만 스텝 반복한다. 텍스트 설명 같은 애매한 힌트 없이 "이 좌표값이 주어지면 원래 동작은 이거였다"는 명확한 정답만으로 뼈대를 다지는 것이다. 이 단계를 건너뛰면 어떻게 될까. 텍스트→동작 점수는 0.801, 동작 예측 오차는 3.777mm로 치솟았다. 반대로 자가 정렬을 거치면 0.841과 3.172mm로 안정된다. 마치 악보를 읽기 전에 스케일 연습부터 하는 음악가처럼, AI도 구조를 먼저 익혀야 복잡한 과제를 안정적으로 처리한다. 7가지 일을 한 몸으로 처리하는 통합 설계 유니모션의 진짜 강점은 범용성이다. 텍스트→동작, 동작→텍스트, 동작 예측, 동작 편집, 영상→동작, 영상→텍스트, 동작 기반 이미지 편집까지 총 7개 작업을 단일 모델로 처리한다. 기존엔 작업마다 별도 모델이 필요했다. 모션GPT는 텍스트↔동작만, 유니포즈는 정지 자세↔이미지만 다뤘다. 통합의 핵심은 '듀얼 패스 임베더'다. 동작 정보를 두 갈래로 처리하는데, 한쪽은 의미(Semantic)를 추출하고 다른 쪽은 세부 좌표(Generation)를 보존한다. 마치 책을 읽을 때 줄거리와 문장 표현을 동시에 기억하는 것과 같다. 동작 편집 과제에서 이 구조는 결정적이다. "양손을 위로"라는 명령(의미)을 이해하면서도 원본 동작의 걸음 폭이나 어깨 각도(세부)는 그대로 유지해야 하기 때문이다. 전문 모델보다 정확하고, 범용 모델보다 세밀하다 휴먼ML3D 데이터셋 텍스트→동작 생성에서 유니모션은 R@3 점수 0.841로 1위를 기록했다. 단일 과제 전문 모델 MoMask(0.807)를 제쳤다. 동작→텍스트 설명에선 BertScore 41.2로 기존 최고(36.7)를 크게 앞섰다. 동작 예측 오차는 3.172mm로 모션GPT(4.745mm) 대비 33% 개선됐다. 영상→동작 변환에선 MPJPE 75.0으로 같은 통합 모델인 유니포즈(81.8)를 8.3% 앞섰다. 전문 모델(TokenHMR 52.4)과는 여전히 격차가 있지만, 7개 작업을 동시 지원하는 모델 중에선 독보적이다. 동작 기반 이미지 편집에선 모션 정확도 67%로 기존 2단계 방식(50~59%)을 압도했다. AI 동작 이해는 이제 '읽기·쓰기·번역'을 모두 아는 단계 유니모션이 보여준 건 단순히 성능 향상이 아니다. 동작을 '언어'처럼 다루는 패러다임 전환이다. 기존 AI는 영어만, 또는 불어만 구사했다면, 이젠 영·불·독을 넘나들며 통역까지 하는 셈이다. 연속 공간 표현, 시각 정보 증류, 자가 정렬 사전 훈련이라는 세 기둥이 이 전환을 가능하게 했다. 다만 몇 가지는 두고 봐야 한다. 첫째, 훈련 데이터 대부분이 실내 촬영 환경(Human3.6M)이라 야외 복잡한 상황에서 시각 정렬이 얼마나 유지될지 미지수다. 둘째, 15억 파라미터 모델이라 실시간 모바일 구동은 아직 무리다. 셋째, 논문은 단일 프레임→동작 복원을 주로 다뤘는데, 다중 프레임 영상에서 시간 추론을 어떻게 강화할지는 후속 과제로 남았다. 그럼에도 이 연구가 여는 가능성은 크다. 게임 캐릭터가 자연어 지시만으로 즉석 애니메이션을 만들고, 재활 치료사가 환자 동작을 촬영하면 AI가 자동으로 교정 가이드를 텍스트로 출력하는 미래가 구체화되고 있다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. 유니모션이 기존 모션GPT와 다른 핵심 차이는 무엇인가요?모션GPT는 동작을 512개 코드로 쪼개 저장(VQ-VAE)하지만 유니모션은 좌표를 연속값으로 유지(CMA-VAE)합니다. 덕분에 손목 위치 오차가 212.9mm에서 43.8mm로 줄고, 시간 흐름도 끊김 없이 자연스러워집니다. Q. '듀얼 패스 임베더'는 왜 두 갈래로 나뉘나요?한쪽(Semantic)은 "앉는다"는 의미를, 다른 쪽(Generation)은 무릎 각도 같은 세부를 담습니다. 동작 편집 시 명령은 이해하되 원본 디테일은 보존해야 하므로 둘 다 필요합니다. Q. LRA 자가 정렬 단계는 왜 필요한가요?텍스트 설명은 "걷는다"처럼 추상적이라 학습 신호가 모호합니다. 반면 동작 좌표는 명확한 정답이므로, 먼저 이걸로 뼈대를 다진 뒤 텍스트 학습을 하면 성능이 크게 오릅니다(R@3 0.801→0.841). 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: UniMotion: A Unified FRAMEwork for Motion-Text-Vision Understanding and Generation ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.04.02 22:10AI 에디터

"의자를 책상 앞에"라는 말만으로 AI가 3D 공간을 완벽하게 재배치한다

엔비디아(NVIDIA)와 메사추세츠대학교(UMass Amherst) 연구진이 자연어 명령만으로 3D 공간 내 물체를 정교하게 재배치할 수 있는 3D-Layout-R1 프레임워크를 공개했다. 이 시스템은 기존 언어 모델이 "의자를 소파와 나란히 놓아라"는 명령을 받으면 물체끼리 겹치거나 허공에 떠 있는 결과를 만들던 문제를 해결했다. 핵심은 각 단계를 투명하게 기록하는 구조화된 추론 방식이다. 마치 레고 조립 설명서처럼 "1단계: 의자를 책상 앞에 배치, 2단계: 침대를 책상 뒤로 이동"처럼 중간 과정을 단계별로 추론하면서 최종 배치에 도달한다. 그림 1. 3D-Layout-R1의 다단계 공간 배치 추론 과정 기존 AI가 공간을 엉망으로 만드는 이유 챗GPT(ChatGPT)나 제미나이(Gemini) 같은 언어 모델에게 "거실 가구를 재배치해줘"라고 요청하면, 그럴듯한 설명은 내놓지만 실제로는 소파가 테이블을 관통하거나 의자가 벽 밖으로 튀어나가는 배치를 제안한다. 이들은 공간 관계를 말로는 이해하지만, 물리 법칙을 따르는 구체적인 좌표 계산에는 약하기 때문이다. 마치 지도를 읽을 줄은 알지만 실제로 그 길을 걸어본 적은 없는 사람처럼, 추상적 이해와 실제 실행 사이에 큰 간극이 존재한다. 기존 방식은 두 가지로 나뉜다. 첫 번째는 AI가 "의자를 옮겨야 할 것 같아요"라고 대략적인 계획만 세우고, 별도의 프로그램이 실제 좌표를 계산하는 방식이다. 문제는 AI의 생각이 너무 모호해서 계산 프로그램이 제대로 된 결과를 만들어내기 어렵다는 점이다. 두 번째는 AI가 한 번에 최종 결과를 예측하는 방식인데, "먼저 상자를 옮기고, 그 다음 책 옆에 램프를 놓아라" 같은 여러 단계가 필요한 작업에서는 중간 과정을 관리하지 못해 실패한다. 결국 기존 시스템은 복잡한 공간 편집 명령을 제대로 수행하지 못했다. 투명한 설계도가 AI를 똑똑하게 만든다 3D-Layout-R1의 핵심은 장면 그래프(Scene Graph)라는 투명한 중간 표현이다. 이는 방 안의 모든 물체를 카드 목록처럼 정리한 것이다. 각 카드에는 물체 이름, 정확한 위치, 크기, 회전 각도가 적혀 있다. 기존 AI가 "의자를 어딘가로 옮겨야 할 것 같은데, 아마도 테이블 근처쯤?"이라고 두루뭉술하게 말하는 대신, 3D-Layout-R1은 JSON과 같은 형태로 좌표를 명시적으로 수정 한다. 이 방식의 장점은 각 단계를 즉시 확인할 수 있다는 점이다. 만약 2단계에서 침대가 의자와 겹친다면, 3단계로 넘어가기 전에 바로 문제를 발견하고 수정할 수 있다. 마치 요리할 때 레시피를 한 단계씩 따라가며 맛을 보는 것과 비슷하다. 기존 방식은 모든 재료를 한꺼번에 냄비에 넣고 나서야 맛이 이상하다는 걸 깨닫는 반면, 새로운 방식은 재료를 하나씩 넣으며 계속 확인한다. 연구진은 DeepSeek-R1을 활용해 추론 트레이스를 생성한 1만 5천 개 데이터셋을 만들었다. 각 데이터에는 처음 상태, 자연어 명령, 단계별 카드 수정 내역, 최종 목표 상태가 포함된다. 세 가지 연습 과제를 준비했다. 첫 번째는 물체를 크기와 모양으로 분류한 뒤 일렬로 정렬하는 '정렬 과제'다. 두 번째는 무작위로 흐트러진 물체를 원래의 깔끔한 격자 구조로 되돌리는 '공간 정렬 과제'다. 세 번째는 "보라색 침대를 책상 뒤에 놓되, 침대는 책상으로부터 정확히 팔 길이만큼 떨어뜨려라" 같은 복잡한 조건을 동시에 만족시키는 '방 편집 과제'다. 게임처럼 점수를 매기며 물리 법칙을 배운다 구조화된 추론만으로는 부족하다. AI가 카드를 올바른 형식으로 작성하더라도, 실제 위치가 부정확하거나 물체끼리 겹칠 수 있다. 이를 해결하기 위해 연구진은 강화학습을 적용했다. 이는 게임 플레이어에게 점수를 주며 학습시키는 방식과 같다. AI가 물체를 배치할 때마다 세 가지 기준으로 점수를 매긴다. 첫 번째 기준은 '목표 일치도'다. AI가 놓은 의자가 정답 위치와 얼마나 겹치는지 측정한다. 마치 다트 게임에서 과녁 중앙에 가까울수록 높은 점수를 주는 것과 같다. 두 번째 기준은 '충돌 방지'다. 의자가 테이블을 관통하거나 벽 안으로 파고들면 감점한다. 세 번째 기준은 '형식 준수'다. AI의 답변이 제대로 된 카드 형식으로 작성됐는지 확인한다. 이 세 가지 점수를 합산해 AI에게 피드백을 준다. 처음에는 서툴지만, 수천 번 반복하며 점점 높은 점수를 받는 배치 방법을 학습한다. 마치 농구 선수가 슛 연습을 반복하며 골대 감각을 익히듯, AI도 어떤 배치가 물리적으로 타당하고 명령을 정확히 따르는지 체득한다. 이 과정을 거친 모델은 기존보다 훨씬 정확한 위치에 물체를 배치하고, 충돌 없는 완벽한 레이아웃을 만들어낸다. 작은 모델이 거대 AI를 이긴 이유 정렬 과제에서 3D-Layout-R1은 최신 모델의 성능을 IoU 기준으로 약 20% 정도 향상된 성능을 보였다. 더 중요한 점은 충돌이 거의 없었다는 것이다. 기존 모델들이 만든 배치에서는 물체 5개 중 1~2개가 다른 물체와 겹쳤지만, 새 모델은 모든 물체가 깔끔하게 분리됐다. 공간 정렬 과제는 더 까다롭다. 무작위로 흩어진 물체를 보고 원래 있어야 할 자리를 추론한 뒤 되돌려놓아야 한다. 제미나이 2.5 프로는 물체 10개 중 7~8개를 대략적인 위치로 복원했다. 3D-Layout-R1은 9개 이상을 정확한 격자 위치에 맞춰 배치했다. 흥미로운 점은 훨씬 작은 모델이 대형 상용 모델을 이긴다는 사실이다. 엔비디아 연구진이 훈련시킨 소형 모델도 경쟁력 있는 성능을 보였다는 것이다. 이는 모델 크기보다 추론 구조가 더 중요하다는 증거다. 방 편집 과제에서는 차이가 더 극명했다. 제미나이나 딥시크는 물체 3개 중 1~2개를 대략적인 위치에 놓는 수준이었다. 3D-Layout-R1은 더 높은 정확도로 물체를 배치했다. 특히 "의자는 책상으로부터 팔 두 뼘 정도 떨어뜨려라" 같은 거리 제약까지 정확히 지켰다. 더 놀라운 점은 단순히 강화학습만 적용하면 오히려 성능이 제한적이라는 발견이다. 구조화된 단계별 추론을 먼저 가르치고, 그 위에서 강화학습으로 미세 조정하는 2단계 전략이 핵심이었다. 그림 6. 실제 로봇을 이용한 테이블 위 물체 재배치 및 집기-놓기 작업 창고에서 거실까지, 한 번 배우면 어디서나 통한다 연구진은 실제 로봇 팔로도 가능성을 확인했다. 카메라가 테이블 위 물체를 촬영하면, 3D-Layout-R1이 "노란 컵을 노란 그릇에 넣어라"는 명령을 해석해 목표 배치를 생성한다. 그러면 로봇 제어 프로그램이 그 배치를 따라 팔을 움직여 작업을 완수했다. AI는 로봇 동작을 직접 배운 적이 없지만, 명확한 목표를 제시하는 것만으로도 기존 로봇 시스템과 협업할 수 있었다. 더 흥미로운 점은 창고 시뮬레이션 실험이다. 연구진은 창고 데이터로 모델을 재훈련하지 않았다. 그런데도 "상자를 높이 순으로 정렬하고, 팔레트가 가장 적은 구역에 배치하라"는 실무 지시를 정확히 따랐다. 이는 구조화된 추론이 특정 환경에만 맞춰진 것이 아니라, 장면 그래프라는 범용적 표현 덕분에 새로운 상황에도 적응한다는 증거다. 식당 주방에서 일하던 요리사가 카페 주방에서도 레시피만 보면 요리할 수 있는 것과 비슷하다. 다만 한계도 있다. 물체 이름이 없거나 위치 정보가 부정확한 상황에서는 시각 정보를 함께 처리하는 비전-언어 모델이 텍스트만 다루는 모델보다 훨씬 나았다. 이는 불완전한 정보를 이미지로 보완하는 능력이 중요하다는 뜻이다. 또한 대형 비전-언어 모델을 훈련시켰을 때 기대만큼 성능이 오르지 않았는데, 이는 시각 정보를 활용하는 방식 자체를 개선해야 한다는 과제를 남긴다. 중간 단계를 보여주는 AI가 신뢰받는다 3D-Layout-R1이 보여주는 핵심 교훈은 '중간 단계를 투명하게 만들면 AI가 더 똑똑해진다'는 것이다. 기존 방식은 AI의 사고 과정이 블랙박스처럼 감춰져 있어서, 뭔가 잘못됐을 때 어디서부터 고쳐야 할지 알 수 없었다. 새로운 방식은 각 단계를 명확한 카드 수정으로 기록하기 때문에, 2단계에서 실수했다면 2단계만 다시 고치면 된다. 이는 의료 진단이나 법률 자문처럼 추론 과정을 설명해야 하는 분야에도 적용 가능한 원리다. 또 다른 교훈은 '기초 훈련과 실전 최적화를 분리하라'는 것이다. 처음부터 강화학습으로 모든 것을 학습시키려 하면 방향을 잃는다. 먼저 구조화된 추론으로 기본기를 다지고, 그 위에서 점수 기반 학습으로 다듬는 2단계 전략이 효과적이다. 이는 언어 학습에서 문법을 먼저 배우고 대화 연습으로 유창성을 높이는 과정과 비슷하다. 남은 질문은 이 방법이 얼마나 확장될 수 있느냐다. 현재는 가구 배치 같은 정적인 작업에 집중하지만, "공을 굴려서 목표 지점에 맞춰라" 같은 동적 물리 시뮬레이션으로 확장되면 어떻게 될까. 또한 현재 데이터는 1만 5천 개 수준이지만, 수백만 개의 다양한 장면으로 학습하면 AI의 공간 지능은 인간 수준에 근접할 가능성이 있다. 다만 비전 정보를 더 효과적으로 활용하는 방법은 아직 개선의 여지가 크다. 보는 것과 이해하는 것 사이의 간극을 좁히는 일이 다음 과제로 남아 있다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 3D-Layout-R1이 기존 AI와 다른 점은 무엇인가요? 기존 AI는 "의자를 옮겨라"는 명령에 추상적인 설명만 제공하지만, 3D-Layout-R1은 장면 그래프라는 명확한 카드 목록을 단계별로 수정합니다. 각 단계가 투명하게 기록돼 어디서 실수했는지 즉시 확인하고 수정할 수 있습니다. Q2. 어떤 작업에 실제로 사용할 수 있나요? 가상 공간 디자인, 로봇 작업 계획, 창고 물류 자동화, 건축 시뮬레이션 등에 활용 가능합니다. "상자를 높이 순으로 정렬하고 팔레트가 적은 구역에 배치하라"는 복잡한 명령도 정확히 수행합니다. Q3. 일반 사용자도 이 기술을 쓸 수 있나요? 현재는 연구 단계이지만, 향후 3D 게임 에디터, 메타버스 공간 설정, 스마트 홈 가구 배치 앱 등에 통합될 가능성이 있습니다. 자연어만으로 복잡한 공간 재배치가 가능해지는 시점이 올 수 있습니다. 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: 3D-Layout-R1: Structured Reasoning for Language-Instructed Spatial Editing ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.04.02 17:29AI 에디터

로보락, iF 디자인 어워드 본상 6관왕

글로벌 스마트 홈 브랜드 로보락이 'iF 디자인 어워드 2026' 제품 디자인 부문에서 총 6개의 본상을 수상했다고 2일 밝혔다. 독일 국제포럼디자인이 주관하는 iF 디자인 어워드는 세계 3대 디자인상 중 하나로, 전 세계 전문가들로 구성된 심사위원단이 ▲혁신성 ▲기능성 ▲완성도 등을 기준으로 심사를 진행한다. 로보락은 올해 제품 디자인 부문 내 가전 및 가든 카테고리에서 수상하며 제품의 혁신적인 디자인과 기능성을 인정받았다. 수상 제품에는 2026년 신제품 로봇청소기 'S10 MaxV Ultra'(S10 맥스V 울트라), 'S10 MaxV Slim'(S10 맥스V 슬림), 'Qrevo Curv 2 Flow'(Q레보 커브2 플로우) 등이 포함됐으며, 이 중 S10 MaxV Slim은 상반기 내 국내 출시를 앞두고 있다. 가전 카테고리 본상을 수상한 S10 맥스V 울트라와 S10 맥스V 슬림은 로보락의 2026년 플래그십 로봇청소기다. 어댑트리프트 섀시 3.0 시스템을 갖춰 약 8.8cm 문턱(이중 문턱 기준)을 넘을 수 있으며, 최대 3만6000Pa의 흡입력으로 안정적인 청소 성능을 제공한다. 또한 리트랙트센스 내비게이션 시스템을 통해 초슬림 본체의 강점을 극대화했으며, 높이 7.95cm의 낮은 공간까지 진입해 정밀한 탐색과 청소가 가능하다. Q레보 커브2 플로우는 로보락 최초로 롤러형 물걸레를 탑재한 로봇청소기로, 분당 최대 220회 회전하는 초광폭 롤러형 물걸레 구조인 스피라플로우 시스템을 통해 보다 정밀하고 위생적인 청소를 구현한다. 가든 카테고리에서는 로봇 잔디깎이 'RockNeo Q1'(락네오 Q1)과 'RockMow Q1'(락모우 Q1)이 본상을 수상했다. 해당 제품들은 북미 및 유럽 시장에서 판매되고 있으며, AI 기반 스마트 매핑 기능을 통해 정밀한 잔디 관리가 가능하다. 또한 경사 지형에서도 안정적인 주행 성능을 제공한다. 로보락 관계자는 “이번 iF 디자인 어워드 2026 수상은 제품 설계 전반에 걸친 혁신성과 사용자 중심 디자인을 인정받은 결과”라며 “앞으로도 기술과 디자인을 결합한 차별화된 제품으로 글로벌 경쟁력을 강화해 나갈 것”이라고 말했다.

2026.04.02 10:28전화평 기자

독일 3사 vs 중국…프리미엄 전기 SUV 판 커진다

글로벌 전기차 시장이 캐즘(일시적 수요 둔화)을 지나 반등 국면에 접어들면서 프리미엄 전기 스포츠유틸리티차(SUV) 시장이 빠르게 확대되고 있다. 특히 메르세데스-벤츠, BMW, 아우디로 대표되는 독일 완성차 3사를 중심으로 형성됐던 경쟁 구도에 중국 브랜드까지 가세하며 경쟁이 한층 치열해지는 양상이다. 최근 2~3년 사이 프리미엄 전기 SUV는 주요 완성차 업체들의 핵심 전략 모델로 자리 잡았다. 포르쉐 '마칸 일렉트릭', 아우디 'Q6 e-트론'을 시작으로 메르세데스-벤츠와 BMW까지 전기 SUV 라인업을 확대하며 시장 주도권 경쟁이 본격화되고 있다. 특히 BMW는 차세대 전기 SUV 'iX3'를 앞세워 공격적인 행보에 나섰다. iX3는 사전예약 개시 사흘 만에 2천대를 돌파하며 프리미엄 전기 SUV 수요를 입증했다. 이 같은 추세 속에서 중국 프리미엄 전동화 브랜드 지커가 '7X'를 앞세워 본격적인 시장 진입에 나서면서 경쟁 구도 변화도 감지된다. 그동안 독일 브랜드 중심의 독주 체제가 이어졌지만, 이제는 성능과 가격을 앞세운 신흥 브랜드까지 가세하며 다자 경쟁 체제로 전환되는 분위기다. 올해 국내 시장에는 BMW iX3와 지커 7X가 추가로 출시될 예정으로, 프리미엄 전기 SUV 선택지는 더 다양해질 전망이다. 또한 동급 모델인 폴스타3, 메르세데스-벤츠 GLC 위드 EQ 테크놀로지 등도 출시가 예정돼 있다. 지커 7X는 동급 모델 대비 가격 경쟁력이 강점으로 평가된다. 휠베이스는 2900㎜로 경쟁 모델 중 가장 길어 실내 공간 확보에 유리하며, 듀얼 모터 기준 최고출력 475kW, 최대토크 710Nm를 기록해 동급 최고 수준의 성능을 확보했다. 충전 성능도 강점으로 꼽힌다. 800V 고전압 시스템을 기반으로 10%에서 80%까지 충전하는 데 16분이 소요되며, LFP 배터리 모델은 13분 만에 충전이 가능하다. 독일 브랜드는 완성도 높은 기술력과 브랜드 신뢰도를 바탕으로 시장을 방어하고 있다. BMW iX3는 차세대 '노이어 클라쎄' 플랫폼과 800V 시스템을 적용해 WLTP 기준 최대 805㎞ 주행거리를 확보했으며, 디지털 인터페이스와 주행 성능을 결합한 점이 강점으로 꼽힌다. 여기에 BMW 특유의 주행 감성과 브랜드 경험이 더해지며 프리미엄 시장에서 경쟁력을 유지하고 있다. 현재 주요 프리미엄 전기 SUV간 제원 격차는 크지 않은 상황이다. 대부분 100kWh급 배터리와 800V 시스템을 채택하고 있으며, 충전 성능과 출력 역시 비슷한 수준이다. 이에 따라 시장에서는 가격과 실사용 효율이 구매 결정의 핵심 변수로 부상하고 있다. BMW iX3는 8690만원부터 시작하며 비교적 합리적인 가격대를 형성했다. 반면 아우디 Q6 e-트론과 포르쉐 마칸 일렉트릭은 각각 1억원을 웃도는 가격대로 형성돼 프리미엄 포지셔닝을 유지하고 있다. 지커 7X는 8000만원 이하 가격이 예상되면서 성능 대비 가격 경쟁력을 앞세운 전략을 펼칠 것으로 보인다. 이 같은 경쟁 심화는 전기차 시장 구조 변화와 맞닿아 있다. 최근 시장은 가격 경쟁력을 앞세운 대중형 모델과 기술·성능 중심의 프리미엄 차량으로 양분되는 흐름을 보이고 있다. 국내 전기차 판매는 올해 들어 급증했으며, 수입차 시장에서도 전기차 비중이 빠르게 확대되고 있다. 특히 프리미엄 시장에서는 단순한 성능을 넘어 브랜드 경험과 기술력이 핵심 경쟁 요소로 자리 잡고 있다. BMW처럼 다양한 전기차 라인업과 충전 인프라를 구축한 브랜드가 빠르게 수요를 흡수하고 있으며, 신규 브랜드 역시 성능과 가격을 앞세워 시장 진입을 확대하고 있다. 업계에서는 전기차 시장이 단순 성장 단계를 넘어 경쟁력 중심으로 재편되고 있는 것으로 보고 있다. 초기 투자 부담을 감당하지 못한 업체들이 속도 조절에 나섰지만 이미 라인업과 기술력을 확보한 브랜드들은 시장 확대의 수혜를 누리고 있다는 분석이다.

2026.04.01 08:55김재성 기자

강바닥 모래와 자갈, AI가 레이저로 구분한다: 헬기 띄워 3차원 지도 완성

핀란드 연구진이 헬리콥터에 3색 레이저 스캐너를 달고 강 위를 날아다니며 촬영한 결과, AI가 모래·자갈·풀·나무·물을 95% 정확도로 구별해냈다. 핀란드 국립측량연구원(FGI)이 발표한 보고서에 따르면 Point Transformer v2(PTv2)라는 AI 모델이 3차원 포인트 클라우드 데이터를 분석해 평균 IoU 0.950이라는 높은 정확도를 달성했다. 놀라운 점은 3차원 좌표만 썼을 때보다 레이저 색깔 정보를 추가하자 정확도가 30% 이상 뛰었다는 것이다. 특히 사람 눈으로도 구별하기 어려운 모래와 자갈을 거의 완벽하게 분류했다. 이 기술은 홍수 예측, 물고기 서식지 보호, 강 복원 계획에 활용될 수 있다. 위성사진으론 안 보이는 걸 3차원 레이저가 본다 강은 끊임없이 변한다. 비가 오면 모래가 쓸려가고, 자갈이 쌓이고, 풀이 자란다. 이런 변화를 추적하려면 정확한 지도가 필요한데 기존 방식엔 한계가 많았다. 사람이 직접 강에 들어가 측정하면 시간도 오래 걸리고 위험하다. 위성사진이나 드론 사진은 넓은 면적을 찍을 수 있지만 치명적 약점이 있다. 물속은 못 보고, 나무가 빽빽한 숲 아래 땅도 안 보인다. 게다가 평면 사진이라 높낮이를 알 수 없어 모래인지 풀인지 구별이 어렵다. 핀란드 연구진은 이 문제를 3색 레이저로 해결했다. 헬리콥터에 1550nm, 905nm, 532nm 세 가지 색깔의 레이저 스캐너를 달았다. 100m 높이에서 시속 54km로 날아다니며 1㎡당 1400~1600개 점을 찍었다. 머리카락 두께만 한 간격으로 강바닥을 스캔한 셈이다. 각 점마다 위치(XYZ 좌표)와 함께 세 가지 색깔에서 반사된 빛의 세기·반사율·진폭·편차를 기록했다. 좌표만 쓰면 64점, 색깔 정보 넣으니 95점 연구진은 핀란드 북부 울란카 강 세 곳에서 데이터를 모았다. 모래, 자갈, 낮은 풀, 높은 나무, 숲바닥, 물 이렇게 6가지로 분류했다. 먼저 AI에게 3차원 좌표만 알려줬다. 점이 어디 있는지만 보고 맞춰보라는 거다. 결과는 mIoU 0.643, 정확도 75%였다. 나쁘진 않지만 특히 자갈을 거의 못 알아봤다. IoU가 0.194에 불과했다. 그런데 여기에 레이저 색깔 정보를 추가하자 극적인 변화가 일어났다. 전체 정확도가 mIoU 0.950, 정확도 97.7%로 뛰었다. 모래는 IoU가 0.487에서 0.990으로, 자갈은 0.194에서 0.971로 급상승했다. 차이를 보여주는 구체적 장면이 있다. 강가 퇴적 지대를 3차원 좌표만으로 분류한 지도는 모래·자갈·풀이 뒤섞여 얼룩덜룩했다. 색깔 정보를 추가한 지도는 깔끔하게 구역이 나뉘었다. 모래는 노란색, 자갈은 회색, 풀은 초록색으로 선명하게 구분됐다. 항공사진과 비교해도 경계선이 정확히 일치했다. 빛의 세기와 반사율이 핵심, 진폭·편차는 별 도움 안 돼 연구진은 어떤 색깔 정보가 가장 중요한지 하나씩 테스트했다. 레이저가 물체에 부딪혀 돌아올 때 네 가지 정보가 기록된다. 빛의 세기(인텐시티), 반사율(리플렉턴스), 파형 최고점(앰플리튜드), 파형 변형 정도(데비에이션)다. 인텐시티만 쓰면 mIoU 0.937, 반사율만 쓰면 0.934가 나왔다. 둘 다 훌륭했다. 특히 모래(IoU > 0.99)와 자갈(IoU ≈ 0.98) 구별에 탁월했다. 반면 진폭만 쓰면 mIoU 0.767, 편차만 쓰면 0.719로 떨어졌다. 진폭으로는 모래 IoU가 0.605, 자갈이 0.400밖에 안 나왔다. 편차는 더 심해서 각각 0.606, 0.222였다. 신기한 건 물과 나무는 어떤 정보를 써도 거의 완벽하게 맞췄다는 점이다. 결론은 명확했다. 모래와 자갈 같은 퇴적물을 구별하려면 빛의 세기와 반사율이 핵심이다. 나머지는 보조 역할이다. 모래 0.5%밖에 없는 데이터에 모래 32% 데이터 섞으니 정확도 22% 상승 AI 모델을 실제 환경에 적용할 때 가장 큰 난관 중 하나는 훈련 데이터의 부족이다. 특히 자연 환경에서는 지형마다 특성이 달라 한 지역에서 훈련한 모델이 다른 지역에서는 제대로 작동하지 않는 경우가 많다. 연구팀은 이 문제를 해결하기 위해 다중 데이터셋 훈련(multi-dataset training) 방식을 시도했다. 울란카 강의 누르미사리(NS) 지역은 데이터가 3400만 개 점으로 많았지만 모래가 0.5%밖에 없었다. 나무가 60%, 물이 13%인데 정작 중요한 모래와 자갈이 합쳐봐야 10.6%였다. 이런 데이터로 학습하면 AI가 모래를 제대로 못 배운다. 연구진은 묘수를 뒀다. 논문의 방법론(Method) 섹션에 따르면, 연구팀은 오울랑카 강의 완전히 주석이 달린 데이터와 함께, 다른 강에서 수집한 희소하게 주석이 달린 데이터를 추가로 활용했다. 이는 마치 학생이 한 과목을 깊이 공부하면서 동시에 관련 과목들을 가볍게 훑어보는 것과 같다. 완벽하지 않더라도 다양한 환경의 데이터를 접하면 AI가 새로운 환경에 더 잘 적응할 수 있다는 가설이었다. 결과는 긍정적이었다. 다중 데이터셋으로 훈련한 모델은 새로운 강 환경에서 더 나은 일반화 성능을 보였다. 특히 훈련 데이터에서 상대적으로 적게 나타났던 모래나 자갈 같은 퇴적물 분류에서 기존 지역 데이터만 사용한 결과 대비 정확도가 22% 상승했다. 이는 고품질의 주석 데이터가 제한적인 상황에서도, 여러 지역의 데이터를 전략적으로 결합하면 더 강건한 AI 모델을 만들 수 있음을 시사한다. 한계도 있다: 모래-자갈 섞인 곳과 얕은 물속은 여전히 어려워 AI도 헷갈리는 상황이 있다. 모래와 자갈이 섞인 전이 지대가 대표적이다. 강물이 흐르며 퇴적물을 분류하는데 경계가 칼로 자른 듯 명확하지 않다. 모래 알갱이 크기가 점점 커지며 자갈로 변하는 구간이 있다. 예를 들어 노란색(모래)과 회색(자갈)이 점점이 섞이는 지형이다. 포인트 클라우드 해상도가 2cm라 미세한 변화를 못 잡는 것도 한계다. 더 까다로운 건 얕은 물속 자갈이다. 물이 자갈 위를 살짝 덮으면 레이저가 물 표면과 자갈 둘 다 감지한다. PTv2는 이 지역을 일부는 자갈로, 일부는 물로 분류했다. 일관성이 떨어졌다. 연구진도 이 문제를 인정했다. 전이 구역에서는 k-최근접 이웃 알고리즘이 여러 클래스 정보를 뒤섞어 처리하기 때문에 정확도가 떨어진다고 설명했다. 홍수 예측부터 물고기 집 찾기까지, 쓸 곳 많은 기술 이 기술은 어디에 쓸까? 가장 직접적인 활용은 홍수 예측이다. 강바닥 모래와 자갈 분포를 정확히 알면 물이 어떻게 흐를지 시뮬레이션할 수 있다. 모래가 많은 곳은 쉽게 깎이고, 자갈이 많은 곳은 물살을 버틴다. 이 데이터로 홍수 때 어느 구역이 위험한지 미리 알 수 있다. 생태학자들에게도 보물이다. 연어 같은 물고기는 자갈밭에 알을 낳는다. 정확한 자갈 분포 지도가 있으면 산란지를 찾고 보호할 수 있다. 하천 복원 프로젝트에도 쓰인다. 댐을 허물거나 강을 옛 모습으로 되돌릴 때 현재 상태를 정밀하게 파악하는 게 첫 단계다. 시간이 지나며 변화를 추적하는 데도 유용하다. 매년 같은 구간을 스캔하면 어디서 침식이 일어나고 어디에 퇴적이 쌓이는지 3차원 애니메이션으로 볼 수 있다. 연구진은 이 기술이 퇴적물 이동 모니터링, 서식지 변화 추적, 하천 관리 전반에 새로운 가능성을 연다고 강조했다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 다중분광 LiDAR이란 무엇인가요?다중분광 LiDAR은 여러 파장의 레이저를 동시에 발사해 3차원 좌표뿐 아니라 각 파장에서의 반사 특성(인텐시티, 반사율 등)을 함께 기록하는 레이저 스캐닝 기술입니다. 이를 통해 단일 파장 LiDAR보다 지표면 물질의 분광 특성을 더 정확히 파악할 수 있습니다. Q2. PTv2가 기존 딥러닝 모델보다 나은 이유는 무엇인가요?PTv2는 트랜스포머 기반 아키텍처로 셀프 어텐션 메커니즘을 활용해 포인트 클라우드의 전역적 맥락을 효과적으로 포착합니다. 그룹화된 벡터 어텐션과 파티션 기반 풀링 기법으로 계산 효율성도 높였으며, 특히 다중분광 피처를 통합 처리하는 데 강점을 보입니다. Q3. 이 기술이 하천 관리에 어떻게 활용될 수 있나요?고정밀 하천 토지 피복 지도는 퇴적물 이동 모니터링, 홍수 위험 평가, 서식지 변화 추적, 하천 복원 계획 수립 등에 활용될 수 있습니다. 특히 모래와 자갈 같은 퇴적물 분포를 정확히 파악하면 수생 생물 서식 환경과 하천 형태 변화를 예측하는 데 도움이 됩니다. 기사에 인용된 리포트 원문은 arXiv에서 확인할 수 있다. 리포트명: Riverine Land Cover Mapping through Semantic Segmentation of Multispectral Point Clouds ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.04.01 08:46AI 에디터

하나자산운용, '1Q 은액티브 ETF' 신규 상장

하나자산운용 31일 은 현물가격을 추종하는 '1Q 은액티브 ETF'를 상장한다고 밝혔다. '1Q 은액티브 ETF'는 대표적인 귀금속이자 인공지능(AI) 시대에 필수 소재 중 하나인 '은'에 투자할 수 있는 상품이다. '블룸버그 은 현물 USD 인덱스'를 비교지수로 하며, 아이셰어즈 실버 트러스트(SLV), 애버딘 피지컬 실버 셰어즈 ETF(SIVR) 등 미국에 상장되어 있는 은현물 ETF를 주로 편입할 예정이다. 투자자는 일반계좌는 물론, 퇴직연금(DC·IRP) 계좌에서 최대 70%, 연금저축 및 개인종합자산관리계좌(ISA)에서는 최대 100%까지 투자할 수 있다. 은은 금과 함께 대표적인 귀금속 원자재로, 태양광·반도체·배터리 등 첨단 산업에서 필수적으로 사용되는 전략 금속으로 주목받고 있다. 글로벌 은 수요의 약 50~55%는 산업용 수요가 차지 하고 있어, 금 등 다른 귀금속 대비 산업 의존도가 높은 특징을 가지고 있다. 반면 공급 측면에서는 신규 광산 개발 지연 및 생산 증가 제한으로 인해 글로벌 은 시장은 2021년 이후 구조적인 공급 부족 상태가 지속 되고 있다. 이러한 산업 수요 확대와 공급 제약이 맞물리면서 은 가격의 중장기 상승 가능성에 대한 기대도 커지고 있다. 하나자산운용 김태우 대표는 “국내 최초로 은현물 가격을 추종하는 ETF를 출시하게 되어 매우 의미 있게 생각한다”며, “퇴직연금 계좌에서 은에 투자할 수 있는 새로운 투자 수단을 제공함으로써 투자자들의 장기 자산배분 선택지를 한층 확대할 것”이라고 밝혔다.

2026.03.31 13:50홍하나 기자

"냉장고와 일상 대화한다"...삼성 AI 가전, '더 똑똑해진 빅스비' 적용

삼성전자가 더 똑똑해진 빅스비를 AI 가전에 적용하며 고객들이 더 편리하게 제품을 사용할 수 있도록 돕는다. 삼성전자는 AI 기능을 강화한 빅스비를 AI 가전에 적용했다고 31일 밝혔다. 빅스비는 대규모 언어 모델을 기반으로 일상적인 대화에서도 사용자의 의도에 반응하도록 고도화 됐으며, 생성형 AI 서비스 퍼플렉시티(Perplexity)와 결합해 일상생활 속에서 유용한 답변을 제공하는 '오픈 Q&A'를 새롭게 지원한다. 업그레이드된 AI 기능은 2026년형 패밀리허브와 에어컨, 로봇청소기, 정수기, 7형 스크린이 탑재된 세탁 가전 신제품에 적용됐다. 자연스러운 일상 대화 통해 보다 직관적이고 편리한 가전 사용 지원 삼성전자는 대규모 언어 모델(LLM)을 기반으로 자연스러운 일상 대화를 보다 정밀하게 이해하고, 상황에 대한 추론과 판단까지 가능하도록 빅스비를 고도화했다. 사용자 발화 속 정보와 이전 대화의 문맥을 통해 맥락을 이해하고 더 적합한 반응을 제공할 수 있도록 했다. 이를 통해 사용자는 특정 기능명이나 정해진 명령어를 말하지 않아도 의도에 맞는 응답을 제공받을 수 있다. 예를 들어, "패밀리 허브에 소고기와 고등어 넣었으니까 모드 좀 바꿔줘"라고 말하면 냉장고는 사용자의 발화를 이해하고 '육류/생선 모드'를 자동으로 설정한다. 또 "위스키 마실 건데 얼음 좀 만들어줘"라고 말하면 냉장고의 위스키 볼 아이스 기능이 설정된다. 에어컨의 경우 "에어컨 바람 안나오게 켜줘"라고 말하면 '무풍'으로 냉방을 시작하고, "로봇청소기, 조용하게 청소해"라고 말하면 로봇청소기가 '저소음 모드'로 청소를 시작한다. 세탁기에도 "청바지 빨 건데 맞는 코스로 설정해줘"라고 말하면 청바지에 적합한 '데님 코스'로 설정되는 식이다. 사용자는 빅스비를 통해 손쉽게 가전제품 '자동화 설정'도 할 수 있다. '자동화 설정'은 특정 시간이나 요일, 날씨 등 다양한 조건에 맞춰 기기를 제어하는 기능이다. 예를 들어 사용자가 빅스비에게 "세탁이 종료되면 바닥 청소 좀 해줘" 라고 말하면 세탁기가 세탁을 끝낸 후 로봇청소기가 청소를 시작한다. 또 "비가 오면 에어컨으로 제습해줘" 라고 말하면 비 오는 날 자동으로 제습 기능이 실행되도록 설정된다. 또한 삼성전자는 가전제품 관리 방법이나 문제 해결 방법 등을 제공하는 '기기 Q&A' 기능도 한층 고도화했다. 가전제품 사용법을 질문하면 음성으로 답변을 제공하며, 스크린이 있는 가전의 경우에는 동영상 가이드도 제공한다. 예컨대 "로봇청소기 리셋하는 방법 알려줘", "얼음정수기 세척 어떻게 해?", "세탁기 열교환기 청소 어떻게 해?"와 같이 질문을 하면 음성 안내와 함께 스크린에 관련 안내 영상을 제공한다. 사용자는 인터넷 검색이나 고객센터 문의 없이도 제품 관련 정보를 편리하게 확인할 수 있다. 이외에도 "전기료가 많이 나오는데 줄일 수 있는 방법 없어?"라고 질문하면 스마트싱스 기반 'AI 절약모드' 등 에너지를 절감할 수 있는 방안을 제안하고 "AI 절약모드 켜줘" 라고 말해 집안 기기들을 설정할 수 있다. 생성형 AI '퍼플렉시티' 결합해 일상생활 속 궁금증에 대한 답변 제공 삼성전자는 빅스비에 생성형 AI 서비스 퍼플렉시티를 결합해, 일상 생활 속 궁금증에 대해 답변을 제공하는 '오픈 Q&A' 기능을 새롭게 지원한다. '오픈 Q&A'는 사용자가 냉장고나 에어컨 등 AI 가전에 자유롭게 질문하면 정확하고 유용한 답변을 제공하는 기능이다. 사용자는 "가족들과 봄 나들이 가기 좋은 장소 알려줘", "봄 제철음식을 추천해줘", "양파를 오래 보관하는 방법 알려줘" 등 다양한 일상 질문에 대한 적절한 답을 얻을 수 있다. 김용재 삼성전자 DA사업부 부사장은 "삼성전자 빅스비는 사용자와 자연스럽게 대화하면서 각 제품을 편리하게 이용할 수 있도록 진화를 거듭하고 있다"며 "삼성의 AI 가전이 집안의 동반자로 역할을 할 수 있도록 빅스비와 소프트웨어 기능을 더욱 고도화해 나갈 것"이라고 말했다.

2026.03.31 09:19전화평 기자

AI가 단백질과 약물의 궁합을 예측해 신약 개발 판도를 바꾼다

신약 하나를 개발하는 데 평균 10년 이상, 수조 원의 비용이 든다. 그 긴 여정의 출발점은 수천 개의 약물 후보 중 단 하나의 '궁합 맞는 분자'를 찾아내는 일이다. 바이트댄스(ByteDance)가 개발한 AI 기반 신약 개발 툴킷 '펠리스(Felis)'가 이 난제에 정면으로 도전장을 내밀었다. 43개 단백질 표적과 859개 리간드(약물 후보 물질)를 대상으로 한 대규모 벤치마크에서 기존 최고 수준의 방법론과 동등한 성능을 입증하며, 신약 개발의 새로운 가능성을 제시했다. 약값이 비싼 이유, 단백질-약물 궁합 맞추기가 너무 어렵기 때문 신약 개발 과정에서 가장 중요한 단계 중 하나는 약물 후보 물질이 질병을 일으키는 단백질에 얼마나 잘 결합하는지를 예측하는 것이다. 마치 자물쇠와 열쇠의 관계처럼, 약물 분자가 표적 단백질에 딱 맞아야 효과를 발휘할 수 있다. 그런데 이 '궁합'을 실험실에서 일일이 확인하려면 막대한 비용과 시간이 든다. 수천 개의 후보 중 실제로 효과가 있는 것은 극소수에 불과하다. 이 문제를 해결하기 위해 컴퓨터 시뮬레이션을 활용한 '자유 에너지 섭동(FEP)' 방법이 등장했다. 이 방법은 물리학 법칙에 기반해 약물과 단백질의 결합력을 계산한다. 그중에서도 '상대 결합 자유 에너지(RBFE)' 방식은 구조가 비슷한 약물들 간의 결합력 차이를 비교하는 데 효과적이어서 현재 제약 업계에서 널리 쓰인다. 실제로 대규모 벤치마크 연구에서 RBFE는 약 1 kcal/mol의 정확도를 달성했는데, 이는 실험 오차 범위인 0.67 kcal/mol에 근접한 수준이다. 하지만 RBFE에는 치명적인 한계가 있다. 구조가 비슷한 약물들끼리만 비교할 수 있다는 점이다. 완전히 새로운 구조의 약물, 즉 '스캐폴드 호핑(scaffold hopping)'이 필요한 경우에는 적용하기 어렵다. 이는 마치 같은 브랜드의 자동차 모델들 간 성능 비교는 가능하지만, 자동차와 비행기를 비교하기는 어려운 것과 같다. 펠리스의 혁신, 구조 제약 없이 모든 약물 후보를 독립 평가 펠리스가 채택한 '절대 결합 자유 에너지(ABFE)' 방식은 이러한 구조적 제약에서 자유롭다. 각 약물 후보를 독립적으로 평가하기 때문에, 구조가 전혀 다른 약물들도 동일한 기준으로 비교할 수 있다. 이는 초기 신약 발굴 단계에서 특히 유용하다. 수천 개의 다양한 구조를 가진 화합물 라이브러리를 스크리닝할 때, 구조적 유사성에 구애받지 않고 가장 유망한 후보를 골라낼 수 있기 때문이다. ABFE의 작동 원리는 다음과 같다. 먼저 약물 분자가 물속에 녹아 있는 상태에서 '사라지는' 과정의 에너지 변화를 계산한다. 그다음 단백질 결합 부위에서 약물이 '나타나는' 과정의 에너지 변화를 계산한다. 이 두 값의 차이가 바로 결합 자유 에너지다. 이 과정에서 '연금술적 변환(alchemical transformation)'이라는 기법을 사용하는데, 실제로는 불가능한 분자의 점진적 소멸과 생성을 컴퓨터 시뮬레이션으로 구현한다. 그러나 ABFE는 이론적으로는 우수하지만 실용화에 어려움이 있었다. 계산량이 너무 많고, 복잡한 설정이 필요하며, 대규모 검증 데이터가 부족했다. 예를 들어 슈뢰딩거(Schrödinger)사의 FEP+ ABFE는 단 8개 단백질 표적에서만 검증됐는데, 이는 RBFE 벤치마크에 비해 현저히 적은 규모다. 859개 약물 후보로 검증, RBFE와 동등한 성능 입증 펠리스 연구팀은 이러한 한계를 극복하기 위해 완전 자동화된 파이프라인을 구축했다. 사용자가 단백질 구조와 약물 분자 정보만 입력하면, 시스템 준비부터 시뮬레이션 실행, 결과 분석까지 모든 과정이 자동으로 진행된다. 특히 '보레쉬 스타일 구속(Boresch-style restraints)'이라는 기법을 사용해 약물 분자가 시뮬레이션 중 단백질 결합 부위에서 이탈하는 것을 방지한다. 이는 마치 약물 분자에 보이지 않는 스프링을 연결해 적절한 위치에 머물게 하는 것과 같다. 연구팀은 펠리스를 43개 단백질 표적과 859개 리간드로 구성된 대규모 데이터셋으로 테스트했다. 이는 기존 ABFE 벤치마크 중 가장 큰 규모다. 중요한 점은 모든 예측이 '제로샷(zero-shot)' 방식으로 수행됐다는 것이다. 즉, 각 시스템에 맞춘 특별한 조정 없이, 사전에 학습된 힘장(force field) 파라미터만으로 예측했다. 이는 실제 신약 개발 환경에서 새로운 표적에 즉시 적용 가능함을 의미한다. 펠리스는 이 테스트에서 최신 RBFE 방법과 비슷한 순위 예측 성능을 보였다. 약물 후보들의 결합력 순위를 얼마나 정확하게 맞추는지를 측정하는 '켄달 타우(Kendall's tau)' 지표에서 양호한 결과를 얻었다. 또한 계산 수렴성도 우수했는데, 이는 시뮬레이션 시간을 충분히 주면 안정적인 결과를 얻을 수 있음을 의미한다. KRAS(G12D) 같은 난제도 돌파, 고전하 약물 예측 성공 연구팀은 더 어려운 테스트로 KRAS(G12D) 단백질 데이터셋을 선택했다. KRAS는 암 발생과 관련된 중요한 표적인데, 특히 G12D 변이는 치료가 어렵기로 악명 높다. 이 데이터셋의 약물 후보들은 크기가 크고 전하량이 높아서, 열역학적 샘플링이 매우 까다롭다. 마치 큰 짐을 좁은 문으로 옮기는 것처럼, 시뮬레이션에서 이러한 분자들의 움직임을 정확히 추적하기 어렵다. 그럼에도 펠리스는 이 도전적인 데이터셋에서도 안정적인 수렴성과 순위 예측 성능을 보였다. 이는 펠리스가 단순히 쉬운 경우에만 작동하는 것이 아니라, 실제 신약 개발에서 마주칠 수 있는 복잡한 상황에도 대응할 수 있음을 시사한다. 연구팀은 이 모든 예측을 역시 제로샷 방식으로 수행했으며, 힘장 파라미터나 연금술적 스케줄을 시스템별로 조정하지 않았다. 펠리스는 단백질에는 AMBER ff14SB 힘장을, 약물과 보조인자에는 바이트댄스가 이전에 개발한 데이터 기반 분자역학 힘장인 바이트FF(ByteFF)를 사용했다. 바이트FF는 더 광범위한 양자화학 데이터셋으로 학습돼 화학 공간의 커버리지가 향상됐다. 비결합 파라미터(전하 및 반데르발스 상호작용)는 GAFF2와 동일하게 유지하면서, 결합 파라미터만 개선한 것이 특징이다. 신약 개발의 패러다임 전환 가능성, 실험실에서 컴퓨터로 펠리스의 등장은 신약 개발 워크플로우에 중요한 변화를 예고한다. 기존에는 구조가 비슷한 약물들을 최적화하는 '리드 최적화(lead optimization)' 단계에서만 계산 방법이 주로 쓰였다. 그러나 ABFE가 실용화되면, 초기 '히트 발굴(hit discovery)' 단계부터 컴퓨터 시뮬레이션을 활용할 수 있는 길이 열릴 수 있다. 이는 실험실에서 수천 개의 화합물을 일일이 테스트하는 대신, 컴퓨터로 먼저 유망한 후보를 추려낸 뒤 소수만 실험하는 방식으로 전환할 수 있다는 희망을 준다. 현재 신약 하나를 개발하는 데 평균 10년 이상, 수조 원의 비용이 든다. 만약 초기 단계에서 실패할 후보를 미리 걸러낼 수 있다면, 이 비용과 시간을 크게 단축할 수 있다는 긍정적인 전망이 나온다. 물론 이는 아직 연구 단계의 가능성이며, 실제 임상 적용까지는 추가 검증이 필요하다. 펠리스는 오픈소스로 공개돼 누구나 사용할 수 있다. 이는 대형 제약사뿐 아니라 자원이 부족한 중소 바이오텍 기업이나 학계 연구자들도 최신 계산 도구를 활용할 수 있게 한다. 또한 자동화된 파이프라인 덕분에 전문적인 계산화학 지식이 없어도 사용할 수 있어, 접근성이 크게 향상됐다. 향후 펠리스는 더 다양한 단백질 표적과 약물 화학 공간으로 검증 범위를 확대하고, 기계학습 기반 힘장과의 결합, 더 효율적인 샘플링 알고리즘 도입 등을 통해 계산 속도와 정확도를 더욱 개선해 나갈 것으로 기대된다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. ABFE와 RBFE의 차이는 무엇이며, 왜 ABFE가 더 유용한가요? A. RBFE는 구조가 비슷한 두 약물의 결합력 차이를 비교하는 방식으로, 같은 계열의 약물 최적화에 유용합니다. 반면 ABFE는 각 약물을 독립적으로 평가해 구조가 전혀 다른 약물들도 비교할 수 있어, 초기 신약 발굴 단계에서 더 넓은 화학 공간을 탐색할 수 있습니다. Q2. 펠리스가 신약 개발에 어떤 희망을 줄 수 있나요? A. 펠리스는 컴퓨터 시뮬레이션으로 수천 개의 약물 후보 중 유망한 것만 미리 선별해, 실험실 테스트 횟수를 줄일 수 있는 가능성을 제시합니다. 아직 연구 단계이지만, 신약 개발의 초기 단계를 크게 효율화할 수 있다는 기대를 모으고 있습니다. Q3. 제로샷 예측이란 무엇이며 왜 중요한가요? A. 제로샷 예측은 새로운 시스템에 대해 별도의 조정 없이 즉시 예측하는 것을 의미합니다. 이는 실제 신약 개발에서 아직 연구되지 않은 새로운 표적 단백질에 바로 적용할 수 있어, 시간과 전문 인력이 부족한 환경에서도 활용 가능하다는 장점이 있습니다. 기사에 인용된 논문 원문은 arXiv에서 확인할 수 있다. 논문명: Development and large-scale benchmarks of a protein-ligand absolute binding free energy toolkit ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.03.28 09:19AI 에디터

Prev 1 2 3 4 5 6 7 8 9 10 Next