검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'Q'통합검색 결과 입니다. (1171건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

타이핑 없이 느낌으로 코딩하는 시대…'바이브코딩'오나

인공지능(AI) 기술 급격한 발전으로 소프트웨어(SW) 개발 방식에 큰 변화가 있을 것이란 전망이 제기되고 있다. 특히 기존의 수작업 중심 개발 방식에 근본적인 변화를 예고하며 AI가 대신 코딩하는 형태의 개발 문화가 자리잡을 것이란 예상이다. 대표적으로 최근 전 테슬라 AI 디렉터이자 오픈AI 공동 창립자인 안드레 카파시(Andrej Karpathy)는 '바이브코딩(Vibe Coding)'이라는 개념을 SNS를 통해 제시했다. 그는 "최근 내가 '바이브 코딩이라고 부르는 새로운 종류의 코딩이 있다"며 "이 방식은 그저 바이브에 완전히 몸을 맡기고 지수적 변화를 받아들이며 코드가 존재한다는 사실조차 잊는다"고 바이브코딩을 설명했다. 이어 "이러한 개발이 가능한 이유는 LLM의 기능이 너무 좋아졌기 때문"이라고 밝혔다. 그는 실제로 코드 편집기인 커서 컴포저(Cursor Composer), LLM 소넷(Sonnet), 음성 명령 도구 슈퍼위스퍼(SuperWhisper) 등을 AI기반 도구를 활용해 키보드를 거의 사용하지 않고 프로젝트를 진행하고 있다고 밝혔다. 예를 들어 UI 스타일 변경, 버그 수정, 레이아웃 조정 등의 요청을 모두 음성이나 자연어로 입력하는 것 만으로 AI가 이를 인식하고 자동으로 작성한다. 안드레 카파시는 코드 리뷰나 디버깅도 AI에 맡기고 있다고 설명했다. 에러 메시지를 복사해 붙여넣기만 해도 대부분 문제가 해결되며, 코드 변경 내용은 별도 검토 없이 전부 수락하는 방식으로 작업한다. 그는 이러한 흐름을 '더 이상 코딩이라 부를 수 없는 새로운 제작 방식'이라고 표현했다. 안드레 카파시 외에도 실리콘밸리의 스타트업에서 상당수 AI를 활용한 개발이 가속화되고 있는 추세다. 미국 최대 스타트업 액셀러레이터인 와이컴비네이터의 개리 탄 최고경영자는 "포트폴리오 스타트업 중 25%가 전체 코드의 95%를 AI에 의존하고 있다"고 밝힌바 있다. 그는 LLM 기반 개발 도구를 활용하면 소규모 인력으로도 대규모 제품을 빠르게 출시할 수 있으며, 코드 품질 역시 일정 수준 이상을 유지할 수 있다고 설명한다. 더불어 비개발자인 실무자도 직접 앱을 개발하고 운영하는 만큼 속도가 중요한 스타트업의 경쟁력을 높일 수 있다는 것도 장점으로 꼽았다. 비개발자나 초급 개발자도 프로토타이핑 수준의 기능을 빠르게 구현할 수 있어 스타트업과 소규모 팀에 적합하다는 의견이 제시된다. 프로덕트 매니저, 디자이너 등의 직군에서도 AI 기반 개발 도구를 도입하는 사례가 늘고 있다. AI의 개입이 코드 작성 전반을 대체하면서 개발자의 역할도 재정의되고 있다. 코드를 잘 작성하는 능력은 점차 AI로 대체되고 있으며 대신 AI의 효율적 활용, 명확한 설계 지시 능력, 비즈니스 요구사항과 다양한 기술 간 조합 능력이 새로운 핵심 역량으로 부상하고 있다. 안드레 카파시의 바이브코딩에 대해선 아직 긍정과 우려가 교차한다. 생산성과 접근성을 높였다는 평가가 있는 반면, 코드 품질 저하와 기술 부채 누적에 대한 경계도 커지고 있다. 특히 AI가 생성한 코드를 사용자가 충분히 이해하지 못한 채 적용할 경우 보안 취약점이나 논리 오류가 발생할 수 있다. 복잡한 시스템에서는 장기적인 유지보수가 어려워질 수 있다는 지적도 제기된다. 안드레 카파시 역시 바이브코딩이 주말에 만들고 테스트하는 프로젝트용으로 바이브코딩이 적합하며 진짜 코딩은 아니라고 언급했다. 간단한 서비스나 데모 개발 등에는 효과적이지만 정교한 인프라나 실시간 시스템 개발에는 여전히 한계가 있다는 것이다. 더불어 그는 일부 버그의 경우 AI가 해결하지 못해 반복적인 요청이나 질문을 우회해야 했다고 밝혔다. 파이썬 웹 프레임워크 장고(Django)의 공동 창시자인 사이먼 윌리슨도 "LLM은 강력한 보조 도구이지만, 코드에 대한 이해와 검토 과정을 생략해서는 안 된다"며 과도한 AI 의존에 대해 경고했다. 이러한 우려에도 불구하고 AI를 중심에 둔 개발 방식은 빠르게 하나의 흐름으로 자리잡고 있다. 구글, 마이크로소프트, 아마존 등 주요 빅테크는 코파일럿, 제미나이 코드 어시스트, Q디벨로퍼 등 자체 개발한 LLM 기반 개발 도구를 선보이고 있다. AI 기반 개발은 아직 실험과 실전 단계의 경계에 놓여 있다. 그러나 LLM이 생성하는 코드 품질이 빠르게 개선되며 일부 분야에서는 코드를 쓰지 않고 개발이 가능할 것이란 예측이 강세를 보이고 있다. 베타랩스 데니스김 CEO는 "바이브코딩은 아직 초기 개념이지만 직관과 감성, 협업의 시대로 전환하는 디딤돌이 될 수 있다"며 "이제 우리는 AI와 코드를 함께 느끼는 시대로 향하고 있는지도 모른다"고 말했다.

2025.03.30 09:11남혁우

정부 업무에 챗GPT를?…美 앨라바마주 생성형 AI 도입

생성형 AI 현황 조사 결과: 74.8%의 정부 기관은 아직 AI 도입 전 단계 앨라바마주 정부가 생성형 인공지능(생성형 AI) 도입을 위한 종합 가이드라인을 마련했다. 태스크포스가 실시한 종합적인 생성형 AI 활용 현황 조사에서 주목할 만한 통계 과에 따르면, 총 139개 응답 기관 중 74.8%에 해당하는 104개 기관은 생성형 AI를 전혀 사용하지 않는다고 응답했으며, 26개 기관(18.7%)만이 어떤 형태로든 생성형 AI를 활용 중이라고 답했다. 9개 기관(6.5%)은 응답을 제공하지 않았다. 생성형 AI 제품 공급업체 현황을 살펴보면, 마이크로소프트(Microsoft)가 가장 큰 점유율을 보였으며, 그 뒤를 이어 어도비(Adobe), 오픈AI(OpenAI), 구글(Google), 미스트랄(Mistral), 그래머리(Grammarly) 순으로 나타났다. 그러나 기타(Others) 카테고리가 가장 큰 비중을 차지해, 다양한 공급업체의 제품이 활용되고 있음을 보여준다. 생성형 AI 시스템이 구동되는 플랫폼으로는 55개가 기타 클라우드 제공업체를 이용하고 있으며, 30개는 마이크로소프트 애저(Microsoft Azure), 19개는 온프레미스(On-premises) 환경, 16개는 아마존 웹 서비스(AWS), 6개는 구글 클라우드 플랫폼(GCP)을 사용하고 있는 것으로 조사됐다. 텍스트 생성, 문제 해결, 대화형 에이전트가 주요 활용 영역... 안전을 위한 교육이 최우선 앨라바마주 행정기관들이 현재 사용 중인 생성형 AI의 주요 기능으로는 텍스트 생성(67건)이 가장 많았고, 다음으로 문제 해결(52건), 대화형 에이전트(46건), 코드 생성(35건), 언어 번역(32건) 순으로 나타났다. 이는 생성형 AI가 다양한 행정 업무에서 텍스트 기반 작업을 지원하는 데 주로 활용되고 있음을 보여준다. 안전 조치 측면에서는 교육 및 인식 제고(57건)가 가장 많이 적용된 안전 단계로 나타났으며, 보안 조치(50건), 지속적 모니터링(43건), 사용자 동의(31건), 법적 준수(23건) 순으로 조사됐다. 이는 앨라바마주 정부가 생성형 AI 도입에 있어 교육과 보안을 최우선으로 고려하고 있음을 보여준다. 비즈니스 활용 측면에서는 워드 클라우드 형태로 제시된 데이터에 따르면 '생성형(Generative)', '현재 목적(purpose currently)', '대규모 언어 모델(LLM)', '네트워크(network)', '다중(multi)', '기존(Existing)' 등의 키워드가 두드러지게 나타났다. 이는 현재 행정기관들이 주로 텍스트 생성, 콘텐츠 개발, 고객 경험 개선 등의 목적으로 생성형 AI를 활용하고 있음을 시사한다. 패턴 인식에서 창작까지: 생성형 AI가 전통적 AI와 다른 결정적 차이점 태스크포스가 발표한 최종 보고서에 따르면 생성형 AI와 전통적 AI는 응용 분야와 기능 면에서 큰 차이가 있다. 전통적 AI는 주로 패턴 인식, 의사결정, 사전 정의된 규칙과 데이터 분석을 기반으로 한 작업 자동화에 중점을 둔다. 이는 사기 탐지, 추천 시스템, 예측 분석과 같은 응용 분야에서 뛰어난 성능을 발휘한다. 반면 생성형 AI는 새로운 콘텐츠를 만들고 원본 출력물을 생성하도록 설계됐다. 학습한 데이터를 기반으로 텍스트, 이미지, 음악 등을 생성할 수 있어 콘텐츠 제작, 디자인, 엔터테인먼트와 같은 창의적 분야에서 특히 유용하다. 생성형 AI는 기사 작성, 사실적 이미지 생성, 음악 작곡, 가상 세계 생성 등이 가능하며, 챗봇과 가상 비서에서 보다 인간다운 응답을 제공해 고객 상호작용을 향상시킬 수 있다. 또한 마케팅 캠페인 개발이나 새로운 제품 디자인과 같이 창의성과 혁신이 요구되는 작업을 지원할 수 있다. 정리하자면, 전통적 AI가 데이터 분석과 의사결정에 중점을 두는 반면, 생성형 AI는 새롭고 창의적인 콘텐츠를 생성하는 능력이 특징이며 이는 정부를 포함한 다양한 산업 분야에서 광범위한 응용 가능성을 열어준다. 편향과 개인정보 침해 위험: 생성형 AI 도입 전 고려해야 할 양면성 생성형 AI 기술은 많은 이점을 제공하지만, 개인과 사회 모두에게 위험을 초래할 수 있다. 태스크포스는 책임감 있고 윤리적인 방식으로 해결해야 할 여러 위험 요소를 지적했다. 개인적 위험으로는 개인정보 침해가 큰 문제로, 생성형 AI는 개인 데이터를 기반으로 콘텐츠를 생성할 수 있어 적절하게 관리되지 않으면 개인정보 문제로 이어질 수 있다. 또한 생성형 AI는 현실적이지만 거짓된 정보를 창출하여 개인을 오도할 수 있으며, 저작권이 있거나 보호된 콘텐츠를 기반으로 콘텐츠를 생성하고 작성할 수 있어 법적 문제를 야기할 가능성도 있다. 공유적 위험으로는 보안 위협이 심각한데, 생성형 AI는 정교한 피싱 공격이나 딥페이크를 생성하는 데 사용될 수 있어 조직과 사회에 중대한 보안 위험을 초래할 수 있다. 또한 생성형 AI에 의한 창의적 작업의 자동화는 특정 산업에서 일자리 대체로 이어져 많은 사람들의 생계에 영향을 미칠 수 있다. 의료나 법 집행과 같은 민감한 영역에서 생성형 AI 사용은 책임과 의사결정에 관한 윤리적 질문을 제기하며, 생성형 AI 모델은 훈련 데이터에 존재하는 편향을 의도치 않게 영속화하여 개인에 대한 불공정한 대우로 이어질 수 있다. 이러한 위험을 완화하기 위해 강력한 개인정보 보호와 보안 조치 구현, 정기적인 편향성 평가 실시, 생성형 AI 응용 프로그램의 투명성과 책임성 확보가 중요하다. 태스크포스는 책임감 있는 생성형 AI 관행이 윤리적 사용을 위한 지침이 될 수 있다고 강조했다. 정책 지원부터 환경 모니터링까지: 앨라바마주가 계획하는 생성형 AI 활용 영역 태스크포스의 조사에 따르면 앨라바마주 정부는 현재 총 108개의 생성형 AI 제품을 사용 중이며, 72개의 고유 공급업체와 협력하고 있다. 또한 106개의 생성형 AI 시스템이 이미 배포되어 운영 중인 것으로 나타났다. 정책 및 거버넌스 영역에서는 생성형 AI가 정책, 규제, 입법 문서 초안 작성을 지원할 수 있다. 방대한 양의 데이터를 분석하여 통찰력과 권장 사항을 제공함으로써 정책 입안자들이 정보에 입각한 결정을 내리는 데 도움을 줄 수 있다. 법 집행 및 공공 안전 분야에서는 생성형 AI가 범죄 데이터 분석, 범죄 핫스팟 예측, 수사 지원 등을 통해 법 집행 기관을 지원할 수 있다. 또한 비상 대응 및 재해 복구 노력을 관리하는 데도 도움을 줄 수 있다. 시민 서비스 측면에서는 생성형 AI가 개인화되고 효율적인 서비스를 제공함으로써 시민 참여를 향상시킬 수 있다. 예를 들어, 시민들의 문의, 신청 및 정부 서비스 접근을 돕는 챗봇 개발에 사용될 수 있다. 의료 분야에서는 생성형 AI가 환자 데이터 분석, 질병 발생 예측, 의학 연구 지원에 활용될 수 있다. 또한 의료 자원 관리 및 환자 치료 개선을 지원할 수 있다. 교육 및 훈련 분야에서는 생성형 AI가 개인화된 학습 경험 개발, 교육 콘텐츠 생성, 교사 훈련 지원을 통해 교육 프로그램을 향상시킬 수 있다. 또한 교육 결과를 개선하기 위해 교육 데이터를 분석하는 데 사용될 수 있다. 인프라 및 교통 분야에서는 생성형 AI가 교통 패턴, 대중교통 이용, 인프라 상태에 대한 데이터를 분석하여 인프라 계획 및 관리를 최적화할 수 있다. 또한 스마트 시티 개발 및 도시 계획 개선을 지원할 수 있다. 환경 모니터링에서는 생성형 AI가 대기질, 수자원, 기후 변화에 대한 데이터를 분석하여 환경 자원의 모니터링 및 관리를 지원할 수 있다. 또한 보존 노력과 재난 관리를 지원할 수 있다. 윤리적 데이터 활용이 핵심: 앨라바마주의 생성형 AI 데이터 관리 전략 생성형 AI 시스템에서 데이터의 책임감 있는 사용을 보장하는 것은 데이터 보안뿐만 아니라 윤리적인 배포와 대중 신뢰 유지에 관한 것이다. 태스크포스는 이와 관련해 몇 가지 중요한 원칙을 제시했다. 윤리적 데이터 사용 및 편향 완화를 위해 생성형 AI 시스템은 사용자 개인정보를 존중하고 편향된 결과를 방지하는 방식으로 설계 및 배포되어야 한다. 기관들은 AI 모델이 의사결정 과정에서 투명하고, 모든 데이터가 윤리적으로 수집 및 처리되도록 해야 한다. 데이터나 모델 출력물에서 의도하지 않은 편향을 탐지하고 완화하기 위한 정기적인 점검이 있어야 한다. 오픈소스 생성형 AI 모델을 사용할 때는 생성형 AI 시스템의 무결성과 공정성을 보장하기 위해 데이터 처리 및 편향 탐지에 대한 엄격한 기준을 유지하는 것이 중요하다. 공공 신뢰 및 시민 참여 측면에서는 생성형 AI의 책임 있는 사용과 데이터 프라이버시에 미치는 영향에 대해 시민과 정부 직원을 교육하는 것이 중요하다. 주 기반 생성형 AI 시스템의 시민들과 사용자들에게 개인 데이터가 어떻게 사용되고 있는지, 그리고 주 기관들이 이 데이터를 어떻게 보호하고 있는지 명확해야 한다. 이러한 투명성은 생성형 AI 사용에 대한 대중의 신뢰와 자신감을 키운다. AI 시스템 책임성 및 모니터링을 위해서는 생성형 AI 시스템 출력에 대한 명확한 책임을 설정해야 한다. 부정확성, 예상치 못한 결과 또는 데이터 오용을 감지하기 위해 생성형 AI 시스템을 지속적으로 모니터링해야 한다. 여기에는 투명성을 제공하고 감사나 조사를 지원하기 위해 생성형 AI 결정에 대한 상세한 로그와 기록을 유지하는 것이 포함된다. 성능 추적 및 오류 감지를 위한 자동화된 도구는 시스템 무결성을 유지하는 데 도움이 될 수 있다. 태스크포스는 이러한 책임 있는 사용 지침을 도입함으로써 생성형 AI 시스템 도입이 시민 데이터를 보호하고 윤리적 기준을 유지하면서 대중에게 혜택을 줄 수 있다고 강조했다. FAQ Q: 생성형 AI와 전통적 AI의 주요 차이점은 무엇인가요? A: 전통적 AI는 주로 패턴 인식, 의사결정, 작업 자동화에 중점을 두는 반면, 생성형 AI는 텍스트, 이미지, 음악 등 새로운 콘텐츠를 만들고 원본 출력물을 생성하는 능력이 특징입니다. 전통적 AI가 주로 분석적이라면, 생성형 AI는 창의적인 결과물을 만들어낼 수 있습니다. Q: 앨라바마주 정부는 생성형 AI의 안전한 사용을 위해 어떤 조치를 취하고 있나요? A: 앨라바마주 정부는 생성형 AI 태스크포스를 구성하여 책임 있는 사용 지침을 개발하고, 데이터 보안 및 개인정보 보호 정책을 강화하며, 정부 직원들을 위한 교육 프로그램을 마련하고 있습니다. 조사 결과에 따르면 현재 교육 및 인식 제고, 보안 조치, 지속적 모니터링, 사용자 동의 확보, 법적 준수가 주요 안전 조치로 적용되고 있습니다. Q: 일반 시민들에게 생성형 AI 도입은 어떤 영향을 미칠 수 있나요? A: 생성형 AI 도입은 시민들에게 더 개인화되고 효율적인 정부 서비스 접근을 제공할 수 있습니다. 예를 들어 챗봇을 통한 24시간 문의 응대, 보다 효율적인 의료 서비스, 맞춤형 교육 콘텐츠 등이 가능해집니다. 그러나 개인정보 보호, 편향 및 차별 문제가 발생할 수 있어 책임 있는 구현이 중요합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.03.29 20:24AI 에디터

[Q&AI] 챗GPT '지브리 풍' 이미지 생성 화제… 왜?

질문: 챗GPT로 지브리 스타일 이미지 생성하는 게 화제인데, 무슨 일이야? 그록 답변: 최근 오픈AI가 챗GPT에 GPT-4o 모델을 기반으로 한 새로운 이미지 생성 기능을 도입하면서, 특히 '지브리 스타일' 이미지를 만드는 것이 큰 화제가 되고 있어. 2025년 3월 25일에 이 기능이 공개된 이후, 소셜 미디어와 온라인 공간에서 사람들이 기존 사진이나 텍스트 설명을 이용해 스튜디오 지브리(일본의 유명 애니메이션 제작사)의 독특한 애니메이션 스타일로 변환된 이미지를 대량으로 생성하고 공유하기 시작했어. 예를 들어, 유명 인물이나 영화 캐릭터를 지브리풍으로 바꾼 밈들이 폭발적으로 퍼졌고, 심지어 오픈AI의 CEO 샘 알트먼도 자신의 X 프로필 사진을 지브리 스타일로 바꿀 정도로 유행이 됐지. 이 기능이 주목받는 이유는 챗GPT-4o가 이전 모델들보다 텍스트 렌더링, 세부 묘사, 스타일 재현 능력이 크게 향상돼서 사용자들이 원하는 이미지를 더 정교하게 만들어낼 수 있기 때문이야. 그런데 이게 화제가 된 동시에 논란도 불러일으켰어. 스튜디오 지브리의 스타일을 모방하는 게 저작권 침해에 해당할 수 있느냐는 문제가 제기된 거지. 일부 전문가들은 AI가 지브리 작품으로 학습했을 가능성이 크다고 보고, 그 과정에서 정식 허가를 받았는지 의문을 던지고 있어. 반면, 법적으로 '스타일' 자체는 저작권 보호 대상이 아니라는 의견도 있어서 아직 결론이 모호한 상황이야. 결과적으로, 이 기능의 인기가 폭발하면서 서버 과부하까지 일어나서 오픈AI가 무료 버전 출시를 연기할 정도였고, 사용자들 사이에선 창의적 재미와 윤리적 고민이 동시에 떠오르는 중이야. X 같은 플랫폼에서도 사람들이 직접 만든 지브리 스타일 이미지를 올리며 신기해하거나 저작권 문제를 언급하는 반응이 섞여 있어. 이게 지금 상황의 전말이야! ■ 기사는 그록을 활용해 작성되었습니다. (☞ 원문 바로가기)

2025.03.28 21:20AI 에디터

AI로 취업하고 싶지만…평가받고 싶진 않다?

82%가 AI에 친숙하지만 68%는 미래에 불안감 표현: 자선단체 채용에서의 AI 인식 인공지능(AI)이 업무 환경에 점차 통합되면서 자선단체 부문의 채용 과정에도 영향을 미치고 있다. 영국의 비영리단체 전문 채용 플랫폼 채리티잡(CharityJob)이 발표한 '2025년 자선단체 부문 채용에서의 AI 관점' 보고서에 따르면, 구직자와 채용담당자 모두 AI 기술에 대해 혼합된 견해를 보이고 있다. 보고서는 2024년 5월 진행된 2,309명의 구직자와 97명의 채용담당자를 대상으로 한 설문조사를 기반으로 분석됐다. 구직자들은 AI를 자신의 취업 준비에 활용하는 데는 열린 태도를 보이지만, AI에 의해 평가받는 것에는 큰 거부감을 나타냈다. 흥미롭게도 채용담당자들도 AI가 채용 과정을 더 빠르고 효율적으로 만든다고 인정하면서도, 77%가 AI가 채용에 부정적인 결과를 가져올 수 있다고 우려했다. 구직자의 46%가 이미 채용과정에서 AI 활용, 자기소개서 작성(41%)에 가장 많이 사용 조사에 참여한 구직자의 82%가 AI에 대해 어느 정도, 매우, 또는 극도로 친숙하다고 답했다. 응시자의 46%는 이미 구직 과정에서 AI를 활용한 경험이 있으며, 이들 중 41%는 자기소개서 작성, 25%는 면접 준비, 22%는 이력서 작성에 AI를 사용했다. 응시자들의 의견은 대체로 긍정적이었는데, 43%는 AI 사용이 취업 과정에서 자신의 성공 가능성을 높인다고 생각했다. 그러나 응시자들은 AI에 의해 평가받는 것에는 명확히 반대 입장을 보였다. 무려 80%가 AI보다 실제 채용담당자가 자신의 지원서를 검토하길 원했으며, 68%는 AI의 미래에 대해 우려를 표했다. 이러한 우려는 인종 및 성별 편향성에 관한 워싱턴대학교 연구 결과와도 연관되어 있는데, 해당 연구에서는 AI 모델이 백인 남성 이름과 연관된 이력서를 선호하는 경향이 있다고 밝혔다. "AI 지원서는 눈에 띈다" 채용담당자 35%는 AI 사용 의심 시 탈락 고려 채용담당자들은 AI 활용에 대해 더욱 복잡한 견해를 보였다. 76%가 AI를 채용 과정에서 활용한 경험이 없다고 응답했으며, 44%는 앞으로도 사용할 의향이 없다고 답했다. 이는 AI에 대한 불신과 관련이 있는데, 63%는 AI의 채용 결정을 신뢰하지 않는다고 밝혔다. 그럼에도 불구하고 채용담당자들은 AI가 특정 채용 단계에서는 유용할 수 있다고 인정했다. 76%는 채용공고 작성, 68%는 면접 질문 생성, 58%는 면접 일정 조정에 AI가 도움이 될 수 있다고 응답했다. 반면, 90%는 최종 후보자 선정과 같은 중요한 의사결정에는 AI를 사용해서는 안 된다고 믿었다. 흥미로운 점은 채용담당자들의 47%가 지원자들이 AI를 사용하는 것에 반대했으며, 이들 중 35%는 지원자가 AI를 사용했다고 의심되면 채용 과정에서 배제할 것이라고 응답했다. 역설적으로, 본인이 구직자 입장이 된다면 62%가 AI에 의해 평가받는 것이 불편하다고 답했다. 채용담당자 46%는 AI가 편향 줄인다 vs 40%는 다양성 증진에 도움 안 된다 AI가 채용 과정의 공정성과 다양성에 미치는 영향에 대한 인식도 주목할 만하다. 채용담당자의 46%는 AI가 채용 과정에서 편향을 줄이는 데 도움이 될 수 있다고 믿었지만, 다양성 증진 측면에서는 40%가 AI가 도움이 되지 않을 것이라고 응답했다. 이는 AI 자체가 가질 수 있는 내재적 편향성에 대한 인식을 반영한다. 구직자들의 경우, 60%는 AI를 사용한 지원서 맞춤화가 증가하면서 자신의 지원서가 눈에 띄기 어려워졌다고 느꼈다. 특히 16-24세 연령대에서는 61%가 AI가 일자리를 대체함으로써 취업 기회가 줄어들었다고 우려했는데, 이는 다른 연령대의 평균 32%보다 현저히 높은 수치다. 채용공고 작성(76%)엔 좋지만 최종 결정(90%)엔 사람이 필요한 AI 채용 보고서의 결론에 따르면, AI는 채용 과정에서 양날의 검으로 작용하고 있다. 한편으로는 채용 과정을 더 빠르고 효율적으로 만들 수 있지만, 다른 한편으로는 인간의 판단을 대체할 우려와 편향성 문제를 야기한다. 가장 효과적인 접근법은 AI를 행정적 업무와 초기 선별 과정에 활용하되, 최종 결정은 여전히 인간의 판단에 맡기는 균형을 찾는 것으로 보인다. 채용담당자들은 지원자가 AI를 통해 작성한 지원서에서 인간적인 개성이 결여된 것을 빠르게 식별할 수 있다고 언급했다. 이는 AI 사용 그 자체보다는 사용 방식과 정도가 중요함을 시사한다. 결국 AI는 인간 능력을 보완하는 도구로서 가치가 있으며, 적절히 사용될 때 양측 모두에게 긍정적인 경험을 제공할 수 있을 것이다. FAQ Q: 인공지능을 활용한 취업 준비는 어떤 장점이 있나요? A: 인공지능은 이력서와 자기소개서 작성을 더 명확하고 구조적으로 만들어주며, 면접 준비에도 도움을 줍니다. 특히 41%의 구직자들이 자기소개서 작성에, 25%가 면접 준비에 인공지능을 활용하고 있으며, 신경다양성이 있는 사람들에게 특히 유용할 수 있습니다. Q: 채용담당자들은 지원자의 인공지능 사용에 대해 어떻게 생각하나요? A: 47%의 채용담당자들은 지원자가 인공지능을 사용하는 것에 부정적이며, 35%는 인공지능을 사용했다고 의심되면 채용 과정에서 배제할 수 있다고 응답했습니다. 많은 채용담당자들이 인공지능으로 작성된 문서는 개성이 결여되어 있어 쉽게 식별할 수 있다고 언급했습니다. Q: 채용 과정에서 인공지능이 가장 유용하게 사용될 수 있는 영역은 무엇인가요? A: 채용담당자들은 채용공고 작성(76%), 면접 질문 생성(68%), 면접 일정 조정(58%) 등 주로 행정적인 업무와 초기 선별 과정에서 인공지능이 유용하다고 생각합니다. 반면, 최종 후보자 선정(90%)이나 윤리적 의사결정(80%)과 같은 중요한 영역에서는 인공지능 사용에 반대합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.03.28 16:30AI 에디터

생성형 AI 없으면 뒤처진다…최고 경영진 89%가 도입 서두르는 이유

1년 만에 16%에서 89%로… 생성형 AI 도입률 폭발적 증가 생성형 인공지능(생성형 AI)에 대한 기업들의 접근 방식이 불과 1년 만에 탐색 단계에서 본격적인 가속화 단계로 급격히 전환됐다. 전략 컨설팅 및 엔터프라이즈 벤치마킹 전문 기업 해킷 그룹(The Hackett Group)의 2025년 주요 이슈 연구에 따르면, 경영진의 89%가 자사에서 생성형 AI 이니셔티브를 추진 중이라고 밝혔다. 이는 작년 조사에서 생성형 AI를 통한 비즈니스 혁신을 최우선 과제로 삼았다는 경영진이 16%에 불과했던 것과 대조적인 결과다. 기업들은 이제 생성형 AI 어시스턴트와 AI 에이전트를 확장하여 성과를 재구상하고 경쟁 우위를 확보하는 데 우선순위를 두고 있다. 여기서 '어시스턴트'란 자연어를 이해하고 대화형 인터페이스를 활용해 사용자를 위한 작업을 완료하는 지능형 애플리케이션을 의미하며, '에이전트'는 사용자나 다른 시스템을 대신해 자율적으로 작업을 수행하도록 설계된 지능형 프로그램을 말한다. 대부분의 경영진은 현재 높은 중앙집권형에서 더 분산되고 비즈니스에 내장된 구조에 이르기까지 다양한 공식 모델을 통해 생성형 AI 도입을 지원하고 있다. 그러나 최대의 효과를 얻기 위해서는 데이터 품질 문제, 프로세스 및 기술 복잡성, 현실적인 혜택 기대치 설정의 어려움 등을 극복해야 한다. 2025년에는 생성형 AI 이니셔티브가 기업 활동의 중심 무대를 차지할 전망이다. 생성형 AI 어시스턴트와 에이전트를 운영에 계획하거나 통합하지 않는 조직들은 중요한 갈림길에 서 있다고 볼 수 있다. 기업 58%가 고객 경험 개선에 생성형 AI 활용, 3대 비즈니스 목표 지원 2025년 기업의 3대 비즈니스 목표는 고객 만족/경험 향상, 시장 침투율 증가, 제품/서비스 혁신 발전인 것으로 나타났다. 이는 이전 연구에서 최우선 목표가 마진 개선/보호였던 것과는 확연히 다른 결과로, 지속적인 경제적 불확실성과 다른 잠재적 위험에도 불구하고 성장에 더 초점을 맞추는 방향으로 변화하고 있음을 보여준다. 경영진들은 이러한 우선순위 달성에 생성형 AI가 핵심적인 역할을 할 것으로 기대하고 있다. 기업의 절반 이상이 최우선 목표인 고객 만족 및 경험 개선을 지원하기 위해 생성형 AI를 활용할 계획이다. 특히 고객 만족 및 경험 향상에는 58%, 제품/서비스 혁신에는 47%, 비용 리더십 달성에는 46%의 기업이 생성형 AI를 도입할 예정이라고 응답했다. 기업들은 새로운 성과와 경쟁 우위를 창출할 수 있는 기회를 활용하기 위해 생성형 AI 도입을 가속화하고 있다. 조사에 참여한 거의 모든 기업이 고도로 중앙집중화된 모델부터 더 분산되고 비즈니스에 내장된 모델에 이르기까지 네 가지 모델 중 하나를 수용하여 규모를 확장하고자 한다. 각 기업에 적합한 모델은 생성형 AI 솔루션(어시스턴트 및 에이전트 포함)을 업무와 인력에 통합하기 위한 올바른 기반을 신속하게 구축할 수 있게 해주는 모델이다. 기반 구축 여정의 초기 단계에 있는 기업일수록 생성형 AI 솔루션을 배포하는 위치와 방법을 엄격하게 관리하고 통제하기 위해 중앙집중식 모델을 채택할 가능성이 높다. 반면에 더 강력한 기반을 갖춘 기업들은 생성형 AI 활용을 확장하기 위한 분산형 모델을 가질 가능성이 높다. 품질 40% 이상 개선: 생성형 AI 도입 기업들이 경험하는 실질적 효과 경영진들은 생성형 AI를 통해 품질, 생산성, 고객/직원 경험 개선, 운영 비용 및 인력(FTE) 감소 등의 가치를 창출하고 있다고 보고했다. 현재 나타나는 대부분의 가치는 최대 25%의 개선과 같은 점진적인 수준이다. 그러나 품질과 생산성에서 40% 이상의 개선을 보고한 일부 기업들은 혁신적이고 획기적인 가치의 가능성을 보여주고 있다. 기업들이 새로운 성과와 경쟁 우위 잠재력을 실현하기 위해서는 주요 장애물을 해결해야 한다. 설문조사에서 경영진들은 경영진의 후원 및 투자 확보보다 프로세스 및 기술 복잡성 해결, 데이터 품질, 생성형 AI 기대치 정의 및 충족에 대한 우려가 더 컸다. 이는 2024년 실험에서 2025년 비즈니스 우선순위를 지원하는 실제 솔루션 제공으로의 초점 전환을 반영한다. 공동 지능(Co-intelligence) 수용과 인재 재교육: 생성형 AI 확장의 핵심 전략 2024년에 기업들과 경영진은 생성형 AI 실험을 통해 중요한 교훈을 얻었다. 2025년에는 생성형 AI를 확장할 준비가 된 조직들이 새로운 수준의 성과와 경쟁 우위를 확보하고, 지속적인 사이버 보안, 경제, 인재 및 기타 위험에 대응하는 데 필요한 비즈니스 탄력성을 갖추게 될 것이다. 생성형 AI 솔루션(어시스턴트 및 에이전트 포함)은 업무와 인력을 변화시킬 것이다. 기업은 단순히 생성형 AI를 기존 운영 모델에 통합하는 것만으로는 노력을 확장할 수 없으며, 획기적인 가치를 추구하고 실현하기 위해 운영 모델을 재구성해야 한다. 해킷 그룹은 2025년 운영 모델 재구성과 생성형 AI 노력 확대를 위한 권장사항을 발표했다. 우선, 기업들이 기초 학습에서 생성형 AI 확장으로 전환할 것을 제안한다. 생성형 AI를 지속적으로 발전시키는 기업들은 더 큰 비즈니스 가치를 실현하고 최우선 비즈니스 목표를 달성하고 있다. 이를 위해 리더들이 사전에 참여하여 생산성, 품질, 고객 및 직원 경험, 비용 절감과 같은 혜택을 파악하는 것이 중요하며, 단순히 반응적인 사용 사례 검토는 피해야 한다고 조언한다. 또한 공동 지능(co-intelligence)을 수용하고 고립된 사용 사례를 넘어설 것을 권장한다. 워튼 스쿨의 이단 몰릭 교수가 제시한 '공동 지능' 개념처럼, 생성형 AI는 업무와 인력을 변화시키므로 인간과 AI가 협력적으로 함께 일하는 환경을 조성해야 한다. 복잡성 해결을 위한 준비에도 집중해야 한다. 복잡성은 진행을 늦추거나 방해할 수 있으므로, 가치 창출 시간을 개선하기 위해 프로세스 기회를 우선시하고, 특정 복잡성, 데이터 품질 및 기술 문제를 식별하고 해결하는 것이 필요하다. 마지막으로, 재교육과 역량 강화 및 변화 관리를 통한 인재 준비를 우선시해야 한다. 생성형 AI에 준비된 직원들을 보유한 조직은 업무 프로세스에 대한 지식을 활용하여 업무를 재구성할 수 있다. 이를 위해 직원 개발 프로그램을 재정의하고, 증가하는 생성형 AI 교육 기회를 활용해야 한다. 해킷 그룹은 조직들이 새롭게 출현하는 모범 사례를 활용하여 생성형 AI를 채택하고 배포하는 데 긴급성을 가지고 행동해야 하며, 그렇지 않으면 경쟁에서 뒤처질 위험이 있다고 강조했다. FAQ Q: 생성형 AI 어시스턴트와 에이전트의 차이점은 무엇인가요? A: 생성형 AI 어시스턴트는 자연어를 이해하고 대화형 인터페이스를 사용해 사용자를 위한 작업을 완료하는 지능형 애플리케이션입니다. 반면 AI 에이전트는 사용자나 다른 시스템을 대신해 자율적으로 작업을 수행하도록 설계된 지능형 프로그램으로, 보다 독립적인 작업 수행이 가능합니다. Q: 기업들이 생성형 AI 도입에서 직면하는 가장 큰 장애물은 무엇인가요? A: 해킷 그룹의 연구에 따르면, 기업들은 기존 프로세스 및 기술의 복잡성, 데이터 품질 문제, 비현실적인 혜택 기대치를 가장 큰 장애물로 꼽았습니다. 특히 복잡성이 진행을 방해하거나 늦추는 주요 요인으로 작용하고 있습니다. Q: 생성형 AI를 도입한 기업들은 어떤 가치를 얻고 있나요? A: 기업들은 생성형 AI 도입으로 품질 개선(최대 40% 이상), 생산성 향상, 고객 및 직원 경험 개선, 운영 비용 감소, 필요 인력(FTE) 감소 등의 가치를 얻고 있습니다. 현재는 대부분 25% 미만의 점진적 개선이 주를 이루지만, 일부 기업들은 40% 이상의 혁신적 개선 효과를 보고하고 있습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.03.28 16:28AI 에디터

AI가 정신과 의사 가르친다?…생성형 AI의 새로운 가능성

코로나19로 25% 증가한 정신 건강 문제, 정신의학 교육 혁신 필요성 대두 코로나19 팬데믹은 불안과 우울증 유병률을 25% 증가시키며 전 세계적으로 정신 건강 문제를 악화시켰다. 이러한 상황에서 싱가포르와 같은 국가들은 일차 진료 의사들에게까지 정신 건강 교육을 확대하며, 정신의학 교육의 중요성이 더욱 부각되고 있다. 그러나 현재 정신의학 교육은 다양한 환자 경험에 대한 불충분한 노출과 포괄적 훈련을 위한 자원 부족 등 여러 도전에 직면해 있다. 이러한 상황에서 생성형 인공지능(GenAI)은 의대생, 일차 진료 의사 및 다른 분야에서 정신의학 교육을 받고자 하는 사람들을 더 잘 준비시키는 데 도움이 될 수 있다. 정신의학은 수술, 방사선, 내분비학과 같은 다른 전문 분야와 달리 소프트 대인관계 기술에 더 중점을 두고 있다. 정신과 의사는 진단 기준에 익숙해지고 적절한 약물을 처방할 뿐만 아니라, 면담 기술과 심리 치료를 종합적으로 습득하면서 현상학과 환자의 주관적 경험을 파악해 효과적인 치료 계획을 수립해야 한다. 정신과 실습의 많은 요소는 정신 상태 검사, 자살 위험 평가, 동기 부여 인터뷰, 인지 행동 치료와 같이 기술적 능력보다 훨씬 가르치고 평가하기 어려운 소프트 스킬에 의존한다. 임상 현장 재현: ChatGPT 생성 사례, 인간 작성 사례와 품질 차이 없어 터키의 가지 대학교(Gazi University)의 의학 교육 및 정보학과 연구팀은 12,594개의 논문을 검토하여 최종적으로 5개의 논문을 선별했으며, 이를 통해 생성형 AI가 정신의학 교육에서 수행할 수 있는 네 가지 핵심 역할을 확인했다. 첫째, 사례 기반 학습에서 생성형 AI는 다양하고 효율적인 사례 비네트(case vignettes)를 생성할 수 있다. Coşkun 등(2024)의 연구에서는 ChatGPT로 합성된 비네트와 인간이 작성한 비네트 사이에 품질 차이가 없었으며, 오히려 ChatGPT 생성 비네트가 학생들의 임상 추론 능력 활용을 더 촉진하는 것으로 나타났다. Smith 등(2023)의 연구에서는 ChatGPT 생성 사례가 진단 과정, 치료, 정신약리학적 치료 필요성 판단, 사례 관련 윤리 문제 등 다양한 학습 결과를 가르치는 데 활용될 수 있음을 강조했다. 둘째, 시뮬레이션 기능 측면에서 ChatGPT는 환자 역할을 시뮬레이션하여 학생들이 임상 기술이나 위험 요소 식별 능력을 연습할 수 있게 도와준다. 이전 연구에서 정신의학에서의 시뮬레이션이 환자에 대한 정신과적 위험 평가 수행 능력을 효과적으로 향상시킨다는 것이 입증되었지만, 정신의학 교육 내 환자 시뮬레이션에서 생성형 AI의 방법과 효과에 관한 연구는 아직 부족한 실정이다. 셋째, 콘텐츠 합성 및 요약 영역에서 ChatGPT는 복잡한 연구의 정확한 의학 정보와 단순화된 요약을 제공한다. Yanagita 등(2024)의 연구에서는 184개의 질병에 대한 질병 스크립트(illness scripts)를 생성했는데, 이 중 84%가 상대적으로 높은 정확도를 보였다. 이런 질병 스크립트는 의대생들에게 임상 추론 기술을 가르쳐 진단 정확도를 향상시킬 수 있다. 넷째, 평가 도구 영역에서 생성형 AI는 다양한 평가 도구를 개발하는 데 활용될 수 있다. Coşkun 등(2024)은 ChatGPT가 생성한 객관식 문제(MCQ)의 품질을 논의했으며, 15개 생성 문항 중 6개가 효과적이라고 결론지었다. 또한 두 연구는 스크립트 일치 검사(SCT) 생성에 대규모 언어 모델(LLM)을 사용하는 방법을 논의했다. Hudon 등(2024)은 ChatGPT 생성 SCT와 전문가가 만든 SCT 사이에 시나리오, 임상 질문, 전문가 의견 측면에서 유의미한 차이가 없음을 입증했다. 생성형 AI의 한계점: 정신 장애 스크립트 45.5%가 낮은 평가 받아 생성형 AI는 정신의학 교육에 많은 이점을 제공하지만, 여러 한계점과 도전 과제도 존재한다. 콘텐츠 정확성 부족, 편향성, 생성된 콘텐츠에 대한 통제력 부족이 주요 문제로 지적되었다. 또한 시뮬레이션을 위해 생성형 AI를 사용하면 민감하거나 개인 데이터를 공유할 위험이 있어 보안 및 개인 정보 보호 문제가 제기된다. 특히 정신 장애에 대한 GenAI 생성 질병 스크립트는 "진단은 주로 임상 면담과 증상 기준에 기초한다"와 같은 일반적인 정보를 제시하면서 구체적인 단계를 설명하지 않아 낮은 평가를 받았다. 이는 문자 수 제한에서 비롯된 문제일 수 있으며, 더 많은 문자 수를 허용하면 특히 다양한 정신과적 증상을 고려할 때 더 자세한 내용을 다룰 수 있을 것이다. 또한 생성형 AI가 생성한 SCT가 너무 단순하다는 제한점이 있다. 잘 설계되고 더 복잡한 프롬프트를 사용하면 SCT의 품질을 향상시킬 수 있으며, 주제 전문가가 약간의 조정을 할 수 있다. 생성된 콘텐츠가 교육용으로 필요한 표준을 충족시키지 못할 수 있으므로 생성형 AI를 활용하기 위한 적절한 지침이 여전히 필요하다. 정신의학 7대 역량 개발에 기여하는 AI: CanMEDS 프레임워크 적용 분석 이 연구에서는 캐나다 의학 교육 지침(CanMEDS) 프레임워크를 기반으로 정신의학 교육에서 생성형 AI의 역할을 분석했다. CanMEDS는 의사소통자, 협력자, 리더, 건강 옹호자, 학자, 전문가, 의학 전문가 등 7가지 역량을 포함하며, 생성형 AI는 이러한 역량 개발에 기여할 수 있다. 사례 기반 학습을 통해 생성형 AI는 의학 전문가, 의사소통자, 협력자, 리더, 학자, 전문가 역할 개발에 기여할 수 있다. 또한 다학제 간 협력이 필요한 사례(예: 정신 및 신체 질환 조합)를 생성하여 학생들의 협력 기술 개발을 촉진할 수 있다. 시뮬레이션을 통해 학생들은 의사소통 프레임워크를 연습하고 동기 부여 인터뷰와 같은 의사소통 기술을 유연하게 사용하는 법을 배울 수 있다. 이는 의학 전문가와 의사소통자 역할에 부합한다. 학생들은 또한 시뮬레이터와의 대화 중 단어를 신중하게 선택함으로써 전문가적 경계를 유지하는 법을 배울 수 있다. 콘텐츠 합성 및 요약 기능은 학생들이 의학 전문가와 학자 역할을 구현하도록 격려한다. 생성형 AI는 질병 스크립트를 합성하여 학생들이 다양한 질병에 관한 필수 정보를 파악하도록 돕는다. 다만 정신 질환의 복잡성을 고려할 때, 정신의학 교육에서 GenAI 생성 질병 스크립트의 품질과 효과성을 향상시키기 위한 추가 연구가 필요하다. 마지막으로, 평가 도구 면에서 생성형 AI는 객관식 문제(MCQ)와 스크립트 일치 검사(SCT)와 같은 다양한 평가 문항을 생성할 수 있다. 이러한 문항은 환자의 사회경제적 또는 인종적 배경을 포함하여 학생의 객관성을 평가하고 비판단적 태도를 유지하도록 훈련시킬 수 있다. 생성형 AI 활용의 미래 전망 정신의학 교육에 생성형 AI를 도입하는 것은 여러 도전과제를 수반한다. 교육자들이 생성형 AI 사용에 주저할 수 있고, 온기, 공감, 개인적 상호작용 상실에 대한 우려가 있을 수 있다. 또한 많은 교육자와 임상의가 아직 정신의학 교육을 위한 생성형 AI 도구 사용 훈련을 받지 않았다. 생성형 AI와 관련된 위험을 해결하기 위해 윤리적 원칙에 기반한 명확한 지침을 수립하고, 더 포괄적인 데이터셋으로 생성형 AI를 훈련시켜 편향 가능성을 완화해야 한다. 또한 전문가들이 생성형 AI 생성 콘텐츠의 정확성과 관련성을 평가하기 위한 수동 검토를 수행해야 한다. 지금까지 생성형 AI의 역할은 다른 전문 분야와 임상 응용에서 광범위하게 논의되었지만, 정신의학 교육에서의 활용에 대한 분석은 미미한 수준이다. 정신의학의 복잡한 특성이 이 분야에서 생성형 AI 역할 탐색 부족에 기여하는 요인 중 하나일 수 있다. 다양한 언어로 콘텐츠를 번역하고 언어 장벽을 허물어 더 많은 국가에서 정신의학 교육 자원에 대한 접근성을 촉진하는 등 추가적인 응용 분야도 모색될 수 있다. FAQ Q. 정신의학 교육에서 생성형 AI는 어떤 역할을 할 수 있나요? A: 생성형 AI는 정신의학 교육에서 네 가지 주요 역할을 수행할 수 있습니다. 첫째, 사례 기반 학습을 위한 다양한 사례 비네트 생성, 둘째, 환자 역할 시뮬레이션을 통한 임상 기술 연습 기회 제공, 셋째, 질병 스크립트와 같은 교육 자료의 콘텐츠 합성 및 요약, 넷째, 객관식 문제와 스크립트 일치 검사와 같은 평가 도구 개발입니다. Q. 생성형 AI를 정신의학 교육에 사용할 때 주요 한계점은 무엇인가요? A: 생성형 AI의 주요 한계점으로는 콘텐츠 정확성 부족, 편향성, 생성된 콘텐츠에 대한 통제력 부족, 보안 및 개인 정보 보호 문제 등이 있습니다. 특히 정신 장애에 관한 질병 스크립트에서는 구체적인 단계 대신 일반적인 정보를 제시하는 경향이 있으며, 평가 도구 생성 시 복잡성이 부족한 경우가 있습니다. Q. 정신의학 교육이 다른 의학 분야와 다른 특성은 무엇이며, 이것이 생성형 AI 활용에 어떤 영향을 미치나요? A: 정신의학은 수술, 방사선, 내분비학과 같은 다른 전문 분야와 달리 소프트 대인관계 기술에 더 중점을 둡니다. 면담 기술, 정신 상태 검사, 자살 위험 평가, 동기 부여 인터뷰와 같은 기술적 능력보다 가르치고 평가하기 어려운 소프트 스킬이 요구됩니다. 이러한 특성으로 인해 정신의학 교육에서의 생성형 AI 활용은 다른 분야와 크게 다를 수 있으며, 의학 교육 전반에 관한 기존 연구가 정신의학에 직접 적용되지 않을 수 있습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.03.28 08:33AI 에디터

[Q&AI] AI가 예측한 경북 산불 진화 시점은

질문: 앞으로의 기후 변화를 봤을 때, 언제쯤 경북 산불 불길이 다 잡힐 것 같아? 그록 답변: 경북 산불의 불길이 언제쯤 완전히 잡힐지 예측하려면 현재 상황과 앞으로의 기후 변화를 종합적으로 고려해야 합니다. 2025년 3월 27일 오전 2시 50분 기준으로, 경북 의성에서 시작된 산불은 안동, 청송, 영양, 영덕까지 확산되어 약 33,204㏊에 영향을 미쳤고, 진화율은 44.3%입니다. 산림청은 오늘 중 주불 진화를 목표로 하고 있지만, 여러 변수가 얽혀 있어 정확한 시점을 단정하기는 어렵습니다. 현재 상황과 기후 요인 오늘(3월 27일) 날씨: 대구·경북 지역에 5㎜ 미만의 적은 비가 내렸지만, 이는 불길을 잡는 데 큰 영향을 주지 못할 것으로 보입니다. 강풍(최대 풍속 15㎧ 이상 예상)과 낮은 습도가 계속되면서 확산 위험이 여전히 높습니다. 연무로 헬기 투입이 제한된 점도 진화 속도를 늦추고 있습니다. 주말(3월 29~30일) 기온 하락: 기상청 예보에 따르면 주말에는 최저 기온 47℃, 최고 기온 12 ~ 15℃로 평년보다 약간 낮거나 비슷할 것으로 보입니다. 기온 하락은 습도 유지와 불길 확산 억제에 다소 도움이 될 수 있지만, 강풍이 동반되면 오히려 불씨를 퍼뜨릴 가능성도 있습니다. 강수량 전망: 현재 예보로는 3월 28일 이후 추가적인 비 소식이 뚜렷하지 않습니다. 만약 의미 있는 강수(10㎜ 이상)가 없다면, 자연적인 진화 보조는 기대하기 어려울 수 있습니다. 기후 변화의 장기적 영향 기후 변화로 인해 한국은 점점 더 건조하고 따뜻한 봄철을 경험하고 있습니다. 최근 연구(예: IPCC 보고서)와 국제 기후 단체(Climate Central, ClimaMeter)의 분석에 따르면, 온난화로 강수량이 감소하고 이상고온 및 강풍 빈도가 늘어나면서 산불 위험이 커지고 있습니다. 이번 경북 산불도 올겨울 강수 부족과 낮은 적설량으로 산림이 건조해진 상태에서 발생한 것으로 보입니다. 이런 추세라면 앞으로 며칠간 습도가 낮고 바람이 강한 날씨가 이어질 가능성이 높아, 진화 작업이 더뎌질 수 있습니다. 예측 시나리오 낙관적 시나리오 (3월 28~29일 주불 진화): 산림청의 목표대로 오늘(27일) 강풍이 잦아들고, 주말 기온 하락과 습도 증가가 불길을 억제해 주불이 28일 밤 ~ 29일 새벽에 잡힐 수 있습니다. 이후 잔불 정리가 며칠 더 걸려 3월 31일 ~ 4월 1일쯤 완진으로 선언될 가능성도 있습니다. 이는 현재 투입된 헬기 79대와 인력 4,960명이 최대 효율로 작동하고, 날씨가 협조할 경우에 해당합니다. 현실적 시나리오 (3월 30일~4월 1일 주불 진화): 강풍과 연무가 변수로 작용하며 진화율이 천천히 올라, 주불 진화가 주말을 넘어갈 가능성이 더 높아 보입니다. 기온 하락만으로는 불길을 완전히 제어하기 어렵고, 추가 강수가 없으면 4월 초까지 잔불 정리가 이어질 수 있습니다. 비관적 시나리오 (4월 2일 이후 장기화): 만약 주말에 강풍이 지속되거나 새로운 불씨가 발견되면, 산불이 더 번져 피해 면적이 40,000㏊를 넘을 수도 있습니다. 이 경우 완진까지 4월 중순까지 갈 가능성도 배제할 수 없습니다. 결론 현재로선 현실적 시나리오가 가장 가능성 있어 보이며, 주불 진화는 3월 30일 ~ 4월 1일 사이, 완전 진화는 4월 23일경이 될 가능성이 높습니다. 다만, 기후 변화로 인한 건조함과 강풍이 계속된다면 불확실성이 커질 수 있습니다. 산림청의 진화 노력과 함께 주말 날씨(특히 바람 세기와 습도)가 결정적인 역할을 할 것으로 보입니다. 추가적인 기상 업데이트를 지켜보는 게 중요할 것 같습니다. ■ 기사는 그록을 활용해 작성되었습니다. (☞ 원문 바로가기)

2025.03.27 23:28AI 에디터

"애플, 당분간 아이폰 미니 출시 계획 없다"

애플이 가까운 시일 내에 작은 화면을 가진 아이폰 미니를 출시할 계획이 없다는 분석이 제기됐다. 블룸버그 마크 거먼은 26일(현지시간) 라이브 생중계를 통한 Q&A 시간을 통해 애플이 향후 몇 년 간 아이폰 미니를 다시 출시할 계획이 없다고 말했다고 애플인사이더 등 외신들이 보도했다. 애플은 2020년 아이폰12 시리즈를 출시하며 5.4인치 아이폰 미니 모델을 처음 선보였다. 이후 2021년 아이폰13 미니를 선보인 후 2023년 9월 아이폰13 미니를 단종시켰다. 이후 일부 아이폰 사용자들은 작은 화면의 아이폰 미니가 사라진 것을 안타까워했다. 작은 화면을 원하는 아이폰 사용자 중 일부는 아이폰SE 모델을 사용하기도 했으나 올해 6.1인치아이폰16e를 내놓으며 아이폰SE 3세대를 단종하면서 6인치 미만 아이폰 모델은 사라지게 됐다. 애플이 지금 판매 중인 아이폰은 모두 6.1~6.9인치 사이의 디스플레이를 가지고 있다.

2025.03.27 17:24이정현

로보락, 로봇청소기 'Q 시리즈' 사전 예약 판매

중국 로보락은 신제품 로봇청소기 Q 시리즈의 사전 예약 판매를 시작했다고 27일 밝혔다. Q 시리즈는 로보락의 스마트 프리미엄 제품군이다. 소비자가 자신의 라이프스타일에 맞게 필요한 기능을 선택할 수 있도록 다양한 제품을 선보였다. 이번에 새롭게 출시된 Q 시리즈는 총 6종으로 구성됐다. 먼저 로보락 Q레보 엣지C는 1만8천500Pa 하이퍼포스 흡입력과 섬세한 가장자리 청소, 엉킴 방지 설계를 갖췄다. 오는 29일까지 쿠팡에서 단독으로 사전 예약 판매가 진행되며, 20만원 할인을 제공한다. 30일에는 로보락 Q레보 C가 GS 홈쇼핑 라이브 방송을 통해 첫 판매된다. Q레보 C는 듀오 디바이드 메인 브러시와 엉킴 방지 사이드 브러시를 장착해 긴 머리카락이나 반려동물의 털 등을 깔끔하게 청소해준다. 이외에 바닥 청소에 특화된 Q레보 L, Q8, Q8플러스, Q8 맥스 프로 플러스 등도 출시된다. 한편 로보락코리아 공식 유튜브 채널에서는 Q 시리즈의 콘셉트와 핵심 메시지를 담은 프리 론칭 영상을 확인할 수 있다. 30일부터 전용 이벤트 페이지도 운영한다.

2025.03.27 14:39신영빈

커리어데이, 아웃컴·리캐치와 '세일즈 전략 팁' 푼다

B2B 세일즈 전략에 실질적인 해법을 찾는 기업들을 위한 오프라인 세미나가 오는 4월 3일 서울 강남구 선릉 디캠프에서 열린다. 커리어데이(대표 강경민)는 B2B 세일즈 솔루션 기업인 아웃컴, 리캐치(비즈니스캔버스)와 함께 공동 세미나를 개최한다고 27일 밝혔다. '세일즈 개발 현장 솔루션'을 주제로 열리는 이번 행사는 단순한 이론 소개를 넘어 실제 현장에서 검증된 세일즈 전략과 운영 사례를 공유하는 실전형 세미나다. 리드(잠재고객) 발굴과 미팅 전환, 세일즈 조직 운영 등 B2B 기업들이 현장에서 마주하는 난제를 해결할 구체적인 인사이트가 제공될 예정이다. 세션은 총 3개로 구성되며, 각 기업의 실무 담당자들이 연사로 참여한다. 거슨러먼그룹(GLG) 출신의 사업개발 전문가인 김재희 커리어데이 본부장, LG전자 출신 마케팅·세일즈 전문가 양우진 아웃컴 부대표, 김한규 리캐치 영업대표 등이 연단에 선다. 세미나는 서울 강남구 선릉 디캠프에서 4월3일 오후 7시부터 열린다. 참가비는 1만원이며, 간단한 다과가 제공될 예정이다. 세션 종료 후에는 연사들과의 오픈 Q&A와 함께 참석자 간 네트워킹 시간도 마련돼 B2B 세일즈 업계 종사자 간에 교류가 이뤄질 수 있도록 구성됐다. 커리어데이 관계자는 "잠재고객 연락처 수집부터 최종 계약까지의 세일즈 전 과정에 관해서, 단순 이론이 아닌 실전 경험에서 우러나온 실무 인사이트를 얻을 수 있을 것"이라며 "세일즈 효율이 잘 나지 않고 있는 기업과 아직 전담 세일즈 조직이 없는 스타트업 등을 위한 행사"라고 말했다. 지디넷코리아(대표 김경묵)는 기고만장과 5월8일 강남구 봉은사로에 위치한 슈피겐홀에서 'HR테크 리더스 데이' 컨퍼런스를 개최한다. 참가 기업으로는 ▲인크루트 ▲휴먼컨설팅그룹(탈렌엑스) ▲ 플렉스 ▲사람인 ▲두들린(그리팅) ▲디웨일(클랩) ▲스펙터 ▲데이원컴퍼니(패스트캠퍼스) ▲스픽이지랩스코리아 ▲에이블런 ▲헤세드릿지(달램) 등이다. 전문 강연자로는 오용석 SAP 코리아 최고문화전문가와 더:미 원미영 대표가 무대에 오른다. 스페셜 키노트에는 '프로텍터십' 저자인 이주호 고운세상코스메틱 대표가 강연자로 나선다. 참석자들은 최근 HR 관련 트렌드뿐 아니라, 최신 기법이 적용된 핵심 인재 채용 전략과 조직·구성원들의 성장법, 공정하고 효과적인 업무 평가와 보상 노하우, 건강한 조직문화를 위한 복지 정책 등 HR에 관한 정보를 한자리에서 얻을 수 있다. HR테크 리더스 데이 참석을 희망하는 HRer들은 [☞사전등록] 페이지를 통해 신청하면 된다.

2025.03.27 13:53백봉삼

[Q&AI] 경북 산불 엿새째…발화 원인·피해상황은

질문: 안동 산불 피해 현황과 원인 등 관련 정보를 종합해서 정리해줘. 그록 답변: 2025년 3월 25일 기준으로 안동 산불 피해 현황과 원인에 대한 정보를 종합하면 다음과 같습니다. 이는 경북 의성에서 시작되어 안동으로 확산된 초대형 산불 사태를 기반으로 한 내용입니다. 피해 현황 피해면적: 의성-안동 산불의 산림 피해 면적은 약 1만 5,158ha(3월 26일 오전 9시 기준)로 추정됩니다. 이는 여의도 면적(290ha)의 약 52배에 해당하며, 단일 산불로는 2022년 울진·삼척 산불(1만 6,302ha)에 이어 역대 두 번째로 큰 규모입니다. 안동 지역 내에서는 길안면, 풍천면, 임하면 등 여러 지역으로 불길이 번졌습니다. 인명 피해: 3월 26일 기준, 경북 지역에서 최소 14명, 경남 지역에서 4명이 사망한 것으로 확인되었습니다. 사망자 대부분은 60대 이상 고령자로, 화재와 직접 관련이 있는지는 일부 사례에서 추가 확인이 필요합니다. 안동시 임하면 신덕리에서 70대 여성, 임동면 박곡리에서 50대 여성이 각각 주택 마당에서 숨진 채 발견되었으며, 질식사로 추정됩니다. 부상자도 다수 발생했으며, 진화 작업 중 소방대원 부상 사례도 보고되었습니다. 재산 피해: 주택, 창고, 공장, 사찰 등 건물 209곳이 전소되거나 피해를 입었습니다. 안동 지역에서는 동안동농협 하나로마트 임하점, 안동남선우체국, 점곡휴게소 등이 전소되었습니다. 농업 시설 피해도 심각해 비닐하우스 20동, 농기계 약 90대가 불탔습니다. 문화유산 피해: 천년고찰 고운사와 최치원 문학관이 전소되었으며, 국가유산인 가운루와 연수전도 소실되었습니다. 하회마을은 불길이 5.4km까지 근접했으나, 소방 노력으로 아직 직접 피해는 면한 상태입니다. 병산서원과 봉정사는 긴급 조치로 주요 유물(예: 병산서원 현판, 봉정사 목조관음보살좌상 등)이 안전한 곳으로 이송되었습니다. 의성 단촌면 하화교회(100년 이상 역사) 등 지역 문화재도 소실되었습니다. 주민 대피: 안동시는 3월 25일 오후 5시경 15만 전 시민을 대상으로 대피령을 발령했습니다. 길안면, 풍천면, 임하면, 정하동 등 여러 지역 주민이 대피했으며, 약 3,300명 이상이 임시 대피소에 머물렀습니다. 국립경국대학교 안동캠퍼스(구 안동대)에도 대피령이 내려졌고, 기숙사 1,200명 학생의 안전이 우려되었습니다. 교통 및 인프라: 중앙고속도로(풍기IC 의성IC), 서산영덕고속도로(동상주IC영덕IC), 동해선(포항역~동해역) 등 주요 도로와 철도가 통제되었습니다. 안동시 전역에서 전기 및 통신 장애가 발생해 엘리베이터 사용 자제 요청이 있었습니다. 미세먼지 농도가 의성·청송 350 이상, 영덕 174로 치솟아 대기 질이 극도로 악화되었습니다. 산불 원인 최초 발화: 산불은 3월 22일 오전 11시 24분 의성군 안평면 괴산리에서 시작되었습니다. 발화 원인은 성묘객의 실화로 추정되며, 해당 성묘객이 "묘지를 정리하던 중 불을 냈다"고 119에 신고한 것으로 확인되었습니다. 발화 지점은 계곡 지형으로 평소 강풍이 자주 몰아치는 곳이었습니다. 확산 요인: 기상 조건: 건조한 날씨와 초속 15~20m의 강풍(남고북저 기압 배치로 인한 서풍)이 불길을 급속히 확산시켰습니다. 기상청은 3월 25일까지 이런 조건이 지속될 것으로 예보했습니다. 지형적 요인: 의성과 안동의 산악 지형은 진화대 접근을 어렵게 했고, 불씨가 바람을 타고 멀리 퍼지는 비화 현상이 심화되었습니다. 인적 요인: 초기 진화 실패와 전문 인력·장비 부족이 지적되며, 당국의 대응이 다소 늦었다는 비판이 있습니다. 대응 상황 진화 노력: 헬기 110대, 인력 6,700여 명, 군 병력 5,000여 명 및 헬기 146대가 투입되었습니다. 진화율은 의성 안평면 산불 기준으로 3월 25일 60~65% 수준에 머물렀으나, 강풍으로 불길이 재확산되는 상황이 반복되었습니다. 산림청은 지연제 살포와 방화선 구축으로 민가와 문화재 보호에 집중하고 있습니다. 정부 조치: 의성군, 울주군, 하동군이 특별재난지역으로 선포되었으며, 안동시 추가 지정이 검토 중입니다. 산불재난 국가위기경보가 "심각" 단계로 격상되었습니다. 기타 산불은 안동을 넘어 청송, 영양, 영덕, 포항 등 경북 동북부로 확산 중이며, 3월 27일 전국에 비가 예보되어 진화에 도움이 될 가능성이 있습니다. 이번 사태는 기후위기와 건조 시기 변화(4월→3월)로 산불 위험이 커졌음을 보여줍니다. 이상은 현재까지 확인된 정보를 종합한 내용이며, 상황이 계속 변동 중이므로 최신 소식을 주시할 필요가 있습니다. ■ 기사는 그록을 활용해 작성되었습니다. (☞ 원문 바로가기)

2025.03.27 08:27AI 에디터

오토메이션 애니웨어, 회사 역사상 최대 비GAAP 예약 분기 및 2025 회계연도 EBITDA 가이던스 초과 달성

-- 에이전틱 프로세스 자동화(APA)에 대한 수요 증가가 다양한 부문에서 자율적 기업의 성장 촉진 새너제이, 캘리포니아주, 2025년 3월 26일 /PRNewswire/ -- 에이전틱 프로세스 자동화(Agentic Process Automation•APA) 선도기업인 오토메이션 애니웨어(Automation Anywhere)가 3월 26일 2025 회계연도 및 4분기 재무 실적을 발표했다. 오토메이션 애니웨어는 4분기 회사 역사상 최대 규모의 예약(비GAAP 기준)을 기록하고, 연간으로도 전년 대비 성장세를 이어가는 우수한 경영 성과를 달성했다. 또 연간 EBITDA 가이던스를 뛰어넘는 성과를 냄으로써 APA 제품 채택을 촉진하면서 효율적으로 규모를 확장할 수 있는 능력을 입증했다. 2025 회계연도 주요 사업 성과 100만 달러 이상 거래는 전년 대비 150% 이상 성장하고 20만 달러 초과 거래는 두 자릿수 성장을 기록하며 강력한 성장 모멘텀 실현. APA 시스템은 기존 설치 기반 내에서 38%의 부착률을 보인 가운데 예약 건수는 전년 대비 90% 증가. 첨단 APA 시스템이 주요 기업들로부터 인정을 받는 가운데 세계 최대 PC 회사 중 한 곳을 포함해 경쟁업체에서 전환하는 기업 증가 추세. APA 시스템을 사용하는 고객과 파트너는 총 65만 5000 차례 AI 에이전트 실행. 잔여성과의무(Remaining Performance Obligation•RPO)는 강력한 고객 수요와 장기적인 수익 모멘텀이 반영되면서 30% 이상 급증. 현금 잔액 및 잉여현금흐름 증가로 더욱 견실해진 재무 상태로 회계연도 마감. 미히르 슈클라(Mihir Shukla) 오토메이션 애니웨어의 설립자이자 CEO는 "오토메이션 애니웨어는 자율적 기업을 추진하는 에이전틱 프로세스 자동화(APA) 분야의 선두주자로 빠르게 자리매김했다"면서 "이는 먼 미래의 비전이 아니라 지금의 현실"이라며 다음과 같이 덧붙였다. "가이던스를 초과한 EBITDA뿐만 아니라 회사 역사상 최대 규모의 분기 비GAAP 예약 실적을 기록하며 우리 비즈니스 모델의 강점을 더욱 강화하고, 전 세계 주요 산업 전반에 걸쳐 늘어나고 있는 APA 시스템에 대한 수요를 충족할 수 있게 됐다. 미래 AI의 가능성에 대해서만 이야기하는 사람들이 있지만 APA는 실제로는 지금 여기에서 산업을 변화시키고 가시적인 영향을 촉진하고 있다. 우리는 이러한 변화를 주도하고 파트너와 고객에게 실질적인 가치를 지속적으로 제공하기 위해 최선을 다하고 있다." 로보틱 프로세스 자동화(Robotic Process Automation•RPA)는 지난 수년 동안 기업이 디지털 전환에 착수하고 업무의 최대 40%를 자동화할 수 있도록 지원해 왔다. 기업이 AI 도입 과정을 가속화하고 복잡한 프로세스를 자율적으로 운영할 수 있도록 돕기 위해 오토메이션 애니웨어는 RPA 분야의 선두주자로서 회사가 쌓아온 유산을 기반으로 자율적 기업의 발전을 촉진하는 에이전틱 프로세스 자동화(APA)란 카테고리를 만들었다. APA는 기업이 대형언어모델(large language model) 활용해 다양한 애플리케이션과 클라우드 플랫폼에서 AI 에이전트, 봇, API, 사람들로 구성된 팀을 조율할 수 있게 지원한다. APA 시스템은 비즈니스 운영 방식을 혁신적으로 변화시킨다. AI 기반 자동화를 적극 도입한 기업은 수작업 부담을 대폭 줄여 정확도를 높이고, 업무 속도를 가속화할 수 있다. 이러한 변화가 시작되면 직원들은 영향력이 큰 전략적 이니셔티브에 집중할 수 있게 된다. 2025 회계연도의 추가 사업 성과: 업계로부터 인정: 오토메이션 애니웨어는 더 포레스터 웨이브(The Forrester Wave™)가 선정한 2024년 4분기 '작업 중심 자동화 소프트웨어(Task-Centric Automation Software)' 부문 1위 기업으로 선정됐다. 수상 및 인정: 오토메이션 애니웨어는 시사 주간지인 '뉴스위크(Newsweek)'가 발행하고 '모스트 러브드 워크플레이스(Most Loved Workplace®)'가 개발한 '미국에서 가장 사랑받는 직장(America's Top Loved Workplaces®)' 명단에 이름을 올렸다. 또한 2024년 미국 경제 전문지인 '패스트 컴퍼니(Fast Company)'가 발표한 '세상을 바꾸는 아이디어(World Changing Ideas)' 기업의 사회적 책임 부문 수상자로 선정됐다. 전략적 제휴 강화: 오토메이션 애니웨어와 PwC 인도(PwC India)는 2025년 1월 다보스에서 열린 세계경제포럼(World Economic Forum)에서 오토메이션 애니웨어의 첨단 AI 에이전트 기능을 PwC 인도의 독점적인 지능형 지출 관리 제품군(Intelligent Spend Management Suite•ISMS)에 통합함으로써 전략적 제휴를 강화했다고 밝혔다. 제품 혁신: 오토메이션 애니웨어는 복잡한 인지 작업을 위한 2세대 생성형 AII 프로세스 모델(GenAI Process Models)과 AI 에이전트를 특징으로 하는 새로운 APA 시스템을 공개했다. 여기에는 ▲맞춤형 자율 AI 에이전트 구축을 위한 AI 에이전트 스튜디오(AI Agent Studio) ▲생성형 리코더(Generative Recorder) 및 강화된 자동 조종 장치가 포함된 자동화 AI(Automator AI) ▲개선된 문서 자동화(Document Automation) ▲아마존 Q(Amazon Q)와의 대화형 자동화 보조 파일럿 통합과 같은 신제품이 포함되어 있다. 추가 자료 자율 기업에 대한 상세 정보 라이브 데모 신청 연례 사용자 콘퍼런스인 이매진(Imagine) 등록 오토메이션 애니웨어의 4분기 및 2025년 1월 31일로 마감된 회계연도 기준. 오토메이션 애니웨어는 비상장 기업으로서 자세한 재무 정보를 공개하지 않는다. 오토메이션 애니웨어 소개 오토메이션 애니웨어는 에이전틱 프로세스 자동화(APA) 분야의 선두주자로, 자동화를 통해 인간이 잠재력을 발휘하며 일할 수 있는 세상을 앞당기겠다는 비전을 실현하기 위해 노력하고 있다. www.automationanywhere.com에서 더 자세한 정보를 확인할 수 있다. 포레스터는 연구 간행물에 포함된 회사, 제품, 브랜드 또는 서비스를 보증하지 않으며, 해당 간행물에 포함된 평가에 근거하여 특정 회사나 브랜드의 제품이나 서비스를 선택하도록 권하지 않는다. 정보는 이용 가능한 최고의 자원을 기반으로 한다. 의견은 당시의 판단을 반영하며 변경될 수 있다. 포레스터의 객관성에 대한 자세한 정보는 여기에서 확인할 수 있다. 로고 - https://mma.prnewswire.com/media/2383572/5235337/Automation_Anywhere_Logo.jpg

2025.03.26 23:10글로벌뉴스

슈퍼마이크로, 엔터프라이즈 AI 제품군 확대… 엔비디아 RTX 프로 6000 블랙웰 서버 에디션 및 H200 NVL 플랫폼 지원

- 최대 10개의 이중 대역폭 GPU를 탑재해 데이터센터 요구사항에 맞춰 확장 - 저전력 지능형 엣지 시스템에서 엔터프라이즈 AI LLM 추론 워크로드를 위한 최고의 유연성과 최적화된 성능 제공 캘리포니아주, 샌호세, 2025년 3월 26일 /PRNewswire/ -- AI/ML, 클라우드, 스토리지 및 5G/엣지를 위한 토탈 IT 솔루션의 글로벌 리더 슈퍼마이크로컴퓨터(Super Micro Computer, Inc.(SMCI), 이하 슈퍼마이크로)가 새로운 엔비디아 RTX 프로 6000 블랙웰 서버 에디션GPU를 지원하며 워크로드 최적화 GPU 서버와 워크스테이션 제품군을 확장했다. Supermicro GPU for Enterprise AI 슈퍼마이크로의 새로운 제품군은 엔비디아 블랙웰 세대 PCIe GPU에 최적화되어 있어, 더 많은 기업들이 LLM 추론과 미세 조정, 에이전틱 AI(Agentic AI), 시각화, 그래픽 및 렌더링, 그리고 가상화에 가속 컴퓨팅을 활용할 수 있도록 지원한다. 슈퍼마이크로의 많은 GPU 최적화 시스템이 엔비디아 인증을 획득했으며, 프로덕션 AI의 개발과 프로세스 단순화를 위해 엔비디아 AI 엔터프라이즈에 대한 호환성 및 지원을 보장한다. 찰스 리앙(Charles Liang) 슈퍼마이크로 사장 겸 CEO는 "슈퍼마이크로는 다양한 엔터프라이즈 환경에서 구축할 수 있는 광범위한 애플리케이션 최적화 GPU 서버 제품군을 매우 짧은 리드 타임으로 제공하며 업계를 선도하고 있다"며, "당사는 엔비디아 RTX 프로 6000 블랙웰 서버 에디션 GPU를 지원함으로써 데이터센터부터 지능형 엣지까지 최신 가속 컴퓨팅 기능을 구현하려는 고객에게 새로운 차원의 성능과 유연성을 제공한다"고 말했다. 이어서 그는 "슈퍼마이크로의 광범위한 PCIe GPU 최적화 서버는 엔비디아 2-way 및 4-way NV링크 환경에서 엔비디아 H200 NVL을 지원하며, 최첨단 AI 모델의 추론 성능을 극대화하고 HPC 워크로드를 가속할 것"이라고 설명했다. 엔비디아 RTX 프로 6000 블랙웰 서버 에디션은 AI와 그래픽 워크로드 모두에 최적화된 범용 GPU이다. 기존 엔비디아 L40S 대비 GDDR7 메모리 속도가 빨라지고 메모리 용량이 두배로 늘어나는 등 성능이 크게 향상됐다. 또한, PCIe 5.0 인터페이스를 지원해 GPU와 CPU 사이 통신 속도가 빨라졌으며, 새로운 멀티 인스턴스 GPU(MIG) 기능을 통해 GPU 하나를 공유할 수 있는 완전히 분리된 인스턴스 수가 최대 4개까지 확장됐다. 슈퍼마이크로 GPU 최적화 서버는 블루필드-3와 커넥트X-8과 같은 엔비디아 슈퍼NIC을 지원하도록 설계됐으며, 엔비디아의 퀀텀 인피니밴드와 스펙트럼 이더넷을 활용해 최상의 인프라 확장 및 GPU 클러스터링을 제공한다. 밥 피트(Bob Pette) 엔비디아 엔터프라이즈 플랫폼 담당 부사장은 "엔비디아 RTX 프로 6000 블랙웰 서버 에디션은 AI 및 비주얼 컴퓨팅을 위한 최고의 데이터센터 GPU이다. 가장 까다로운 워크로드에서도 전례 없는 가속 성능을 제공한다"며, "슈퍼마이크로의 광범위한 엔비디아 가속 시스템에 RTX 프로 6000 블랙웰 서버 에디션이 추가됨으로써 AI 개발 및 추론을 포함해 대부분의 워크로드 속도를 높일 수 있게 됐다"고 말했다. 일부 슈퍼마이크로 워크스테이션은 엔터프라이즈급 엔비디아 RTX 프로 6000 블랙웰 서버 에디션 외에도 AI 처리 및 개발, 3D 렌더링, 미디어 및 콘텐츠 생성 등의 워크로드를 위한 가장 강력한 전문가급 GPU인 엔비디아 RTX 프로 6000 블랙웰 워크스테이션 에디션과 엔비디아 RTX 프로 6000 블랙웰 맥스-Q 워크스테이션 에디션도 지원한다. 슈퍼마이크로 엔터프라이즈 AI용 PCIe GPU 기반 서버 슈퍼마이크로 엔터프라이즈 AI용 PCIe GPU 기반 서버에 대한 자세한 내용은 홈페이지에서 확인 가능하다. 5U PCIe GPU: 단일 섀시에서 최대 10개의 GPU와 공냉식 냉각을 지원하도록 설계된 매우 유연하고 열에 최적화된 아키텍처이다. 듀얼 소켓 CPU와 PCIe 5.0 확장 기능을 통해 고속 네트워킹을 지원한다. 주요 워크로드로는 AI 추론 및 미세 조정, 3D 렌더링, 디지털 트윈, 과학적 시뮬레이션, 클라우드 게임 등이 있다. 엔비디아 MGX: 엔비디아 모듈형 레퍼런스 디자인을 기반으로 하는 GPU 최적화 시스템이다. 2U에서 최대 4개의 GPU, 또는 4U에서 최대 8개의 GPU를 지원해 산업 자동화, 과학 모델링, HPC, AI 추론 애플리케이션을 지원한다. 3U 엣지 최적화 PCIe GPU: 엣지 데이터센터 구축을 위해 설계된 소형 폼팩터이다. 시스템당 최대 8개의 이중 대역폭 또는 19개의 단일 대역폭 GPU를 지원한다. 주요 워크로드로는 EDA, 과학 모델링, 엣지 AI 추론 등이 있다. 슈퍼블레이드: 랙당 최대 밀도를 제공하기 위해 설계된 밀도 최적화, 에너지 효율적인 다중 노드 아키텍처로, 랙당 최대 120개의 GPU를 지원한다. 랙마운트 워크스테이션: 랙 마운트 폼팩터에 워크스테이션 성능과 유연성을 제공하며, 공유 리소스를 활용하려는 기업에 더 높은 밀도와 보안을 제공한다. 타워 워크스테이션: AI, 3D 미디어 및 시뮬레이션 애플리케이션을 위해 설계된 데스크탑 및 책상 하부 배치형 폼팩터 제품군으로, AI 개발자, 크리에이티브 스튜디오, 교육 기관, 현장 사무실 및 연구소에 적합하다. H200 및 H100 NVL, L40S, L4를 비롯해 다음과 같은 GPU도 지원한다: 4U GPU 최적화: 단일 및 이중 루트 구성으로 최대 10개의 이중 대역폭 GPU를 지원하고, 최대 4개의 이중 대역폭 GPU를 지원하는 타워 GPU 서버를 제공한다. 1U 및 2U MGX: 최대 4개의 이중 대역폭 GPU를 탑재할 수 있는 엔비디아의 모듈형 레퍼런스 디자인을 기반으로 한 소형 GPU 최적화 시스템이다. 1U 및 2U 랙마운트 플랫폼: 플래그십 성능 하이퍼 및 하이퍼-E, 그리고 최대 4개의 이중 대역폭 GPU 또는 8개의 단일 대역폭 GPU를 지원하는 클라우드 데이터센터에 최적화된 CloudDC를 제공한다. 멀티 프로세서: 2U에서 최대 2개의 이중 대역폭 GPU 또는 6U에서 12개의 이중 대역폭 GPU를 통해 최대 메모리 및 I/O 밀도를 제공하도록 설계된 4소켓 및 8소켓 아키텍처이다. 엣지: 1개의 이중 대역폭 GPU 또는 2개의 단일 대역폭 GPU를 지원하는 소형 엣지 박스 PC이다. [슈퍼마이크로 소개]슈퍼마이크로는 애플리케이션에 최적화된 토탈 IT 솔루션을 제공하는 글로벌 리더이다. 캘리포니아 산호세에 본사를 두고 있으며, 엔터프라이즈, 클라우드, AI, 5G 통신 및 엣지 IT 인프라를 위한 혁신을 시장에 가장 먼저 제공하기 위해 노력하고 있다. 슈퍼마이크로는 서버, AI, 스토리지, IoT, 스위치 시스템, 소프트웨어 및 지원 서비스를 제공하는 토탈 IT 솔루션 제조사다. 슈퍼마이크로의 마더보드, 전원 및 섀시 설계 전문성은 개발 및 생산을 강화해 전 세계 고객을 위해 클라우드부터 엣지까지 차세대 혁신을 지원한다. 미국과 아시아, 네덜란드에 위치한 글로벌 제조시설의 규모와 효율성을 기반으로 자체 설계 및 제조되는 슈퍼마이크로 제품은 그린 컴퓨팅 제품으로, 총소유비용(TCO)를 개선하고 환경에 미치는 영향을 줄이도록 최적화됐다. 또한, 수상 경력에 빛나는 서버 빌딩 블록 솔루션즈(Server Building Block Solutions) 포트폴리오를 통해 고객은 폼 팩터, 프로세서, 메모리, GPU, 스토리지, 네트워크, 전력 및 냉각 솔루션을 포괄적으로 지원하는 유연하고 재사용 가능한 빌딩 블록을 기반으로 구축된 광범위한 시스템 제품군에서 자신의 특정 워크로드와 애플리케이션에 맞게 제품을 선택하여 최적화할 수 있다. 슈퍼마이크로(Supermicro), 서버빌딩블록솔루션즈(Server Building Block Solutions), 친환경 IT추구(We Keep IT Green)는 슈퍼마이크로의 상표 또는 등록상표이다. 인텔, 인텔 로고, 그 외 인텔 상표는 인텔 코퍼레이션 및 산하 조직의 트레이드마크이다. 기타 모든 브랜드, 명칭 및 상표는 각 해당 소유주의 자산이다. 사진 - https://mma.prnasia.com/media2/2644640/Supermicro_GPU.jpg?p=medium600심벌 마크 - https://mma.prnasia.com/media2/1443241/Supermicro_Logo.jpg?p=medium600

2025.03.26 16:10글로벌뉴스

[현장] 나델라 MS CEO, 韓 코파일럿 응용 사례 감탄…"브라보 코리아"

"'코파일럿'은 인공지능(AI) 그 이상입니다. 앞으로 AI 분야 사용자 인터페이스(UI) 중심축 역할을 맡을 것입니다. 전 산업을 키우고 고객 경험을 강화할 것입니다. 코파일럿은 '에이전틱 AI' 시대를 여는 출발점이 될 것입니다." 사티아 나델라 마이크로소프트 최고경영자(CEO)는 양재 aT타워에서 열린 '마이크로소프트 AI 투어 인 서울' 기조연설에서 이같이 밝혔다. 나델라 CEO는 코파일럿이 AI 플랫폼 역할을 넘어설 것으로 내다봤다. 그는 "코파일럿 사용자는 전사 데이터 기반으로 추론 모델을 호출해 일반 업무부터 전문 영역 연구까지 실시간으로 진행할 수 있을 것"이라며 "실행버튼 하나로 음성 에이전트와 연결된 개인 AI 사용도 지금보다 확산할 것"이라고 예측했다. 이에 대한 예시로 나델라 CEO는 '마이크로소프트 365 코파일럿'에 오픈AI의 추론 모델을 적용한 AI 에이전트 '리서처 에이전트'와 '애널리스트 에이전트'를 전 세계 최초로 공개했다. 두 에이전트 추론은 AI가 업무 데이터와 웹 정보 등 복잡한 데이터를 기반으로 진행된다. 다양한 맥락을 통합해 고도화된 문제 해결을 지원할 수 있다. 리서처 에이전트는 오픈AI의 o3 추론 연구 모델과 코파일럿의 조합 및 심층 검색 기능을 통합한 형태다. 새로운 시장 전략, 분기 미팅을 위한 고객 조사 등의 복잡한 분석 작업을 수행할 수 있다. 애널리스트 에이전트는 최신 추론 모델의 연쇄 추론 능력을 기반으로 작동한다. 흩어진 데이터를 분석해 새로운 제품의 수요 예측부터 소비자 구매 패턴 분석, 매출 데이터 트렌드 파악 등 비즈니스 핵심 인사이트를 도출한다. 두 AI 에이전트는 내달부터 마이크로소프트 365 코파일럿 라이선스 고객 대상으로 '프런티어 프로그램'을 통해 순차적으로 제공될 예정이다. "한국 기업 AI 응용 수준 우수…협력 꾸준할 것" 나델라 CEO는 한국 기업의 마이크로소프트 솔루션 활용 사례에 대한 견해도 밝혔다. 그는 "한국 기업은 마이크로소프트의 AI 응용 수준이 가장 높다"며 "이를 더 활성화하기 위해 아낌없이 지원할 것"이라고 강조했다. 나델라 CEO는 국내 고객 사례도 소개했다. GS리테일은 실제 업무 현장에 마이크로소프트 코파일럿을 도입해 프론트라인 생산성을 높인 것으로 전해졌다. 이를 통해 셀프서비스율은 35%까지 올랐으며, 마케팅·영업·인사 등 모든 부서에서 투자대비수익률(ROI)이 실질적으로 발생하고 있다고 설명했다. 그는 LG전자가 오픈AI 기반의 스마트 홈 로봇 'Q9'을 출시한 사례도 소개했다. 씨젠이 마이크로소프트 솔루션으로 만든 개발 자동화시스템으로 진단 혁신을 가속화한 예시도 나왔다. 또 LG CNS가 자사 고객이 마이크로소프트 365 코파일럿을 업무에 적용해 생산성을 혁신할 수 있는 인사이트를 얻고 AI 서비스를 기획을 했던 사례를 공개하기도 했다. 나델라 CEO는 "코파일럿은 전 산업 커뮤니케이션 방식을 근본적으로 변화시키는 혁명"이라며 "에이전틱 세상을 여는 출발점"이라고 강조했다.

2025.03.26 14:42김미정

내달부터 중점검역관리지역 체류·경유자, Q-CODE 제출해야

방역당국이 올해 2분기 '중점검역관리지역'과 '검역관리지역'으로 18개국을 지정해 다음 달 1일부터 시행한다. 해당 지역에서 체류하거나 경유했다면 입국 시 검역관에게 Q코드나 건강상태질문서 제출로 건강 상태를 신고해야 한다. 중점검역관리지역은 검역관리지역 중 유행하거나 유행할 우려가 있는 검역감염병이 치명적이고 감염력이 높아 집중적인 검역이 필요한 지역을 말한다. 검역관리지역은 검역감염병이 유행하거나 유행할 우려가 있어 국내로 유입될 가능성이 있는 지역이다. 총 15종의 검역감염병 대상 167개국이 지정됐으며, 마찬가지로 해당 지역을 체류·경유 시 감염병 증상이 있다면 입국 시 검역관에게 신고해야 한다. 기존에 반기별로 지정됐던 중점·검역관리지역은 올해부터 분기마다 지정된다. 우선 '페스트' 중점검역관리지역은 기존 마다가스카르와 콩고민주공화국에 중국 내몽골자치구도 새로 포함됐다. '동물인플루엔자인체감염증'의 경우, 1분기에 포함됐던 멕시코가 빠지고, 중국 일부 지역 변화가 있었다. 2분기 미국은 ▲미네소타주 ▲미시간주 ▲워싱턴주 ▲캘리포니아주 ▲콜로라도주 ▲펜실베니아주 등이 1분기와 마찬가지로 유지됐다. 중국은 ▲광둥성 ▲광시좡족자치구 ▲구이저우성 ▲쓰촨성 ▲충칭시 ▲후난성 ▲후베이성 등으로 지정됐다. 캄보디아는 2분기에도 지정이 유지됐다. '중동호흡기증후군(MERS)' 중점검역관리지역은 ▲레바논 ▲바레인 ▲사우디아라비아 ▲시리아 ▲아랍에미리트 ▲예멘 ▲오만 ▲요르단 ▲이라크 ▲이란 ▲이스라엘 ▲카타르 ▲쿠웨이트 등이 1분기와 마찬가지로 유지됐다. 지영미 질병청장은 “올해부터 분기별 위험도 등에 따른 중점검역관리지역 지정과 여행자 호흡기 감염병 검사 서비스 시범사업을 추진한다”라며 “검역소를 통한 서비스를 확대해 나가겠다”라고 밝혔다.

2025.03.26 11:25김양균

라온시큐어-쓰리에이로직스, DPP 사업 협력

라온시큐어가 자사의 블록체인 기반 디지털 ID 기술을 기반으로 제품의 생산·유통·폐기 등 전 생애주기 정보를 디지털 형태로 저장하고 공유하는 디지털제품여권(Digital Product Passport, DPP) 분야 경쟁력 확보에 나섰다. IT 보안·인증 플랫폼 기업 라온시큐어(대표 이순형, 이정아, 042510)는 서울 여의도 본사에서 근거리 무선 통신(NFC) 팹리스 기업 쓰리에이로직스(대표 이평한, 박광범)와 '디지털제품여권(DPP) 사업 협력을 위한 업무 협약(MOU)'을 체결했다고 밝혔다. 이번 협약을 통해 양사는 유럽연합(EU)의 '지속 가능한 제품을 위한 에코디자인 규정(ESPR)' 도입과 국내 ESG 경영 및 자원순환 강화 등 사회적·제도적 변화에 따라 향후 급성장할 것으로 전망되는 DPP 분야에서의 경쟁력을 확보하고 상호 사업 시너지를 창출을 위해 협력한다. 라온시큐어와 쓰리에이로직스는 이번 협약을 계기로 ▲DPP 기술 공동연구 및 개발 ▲NFC/RFID 태그와 블록체인 기반 디지털 ID 시스템의 연계 및 통합 솔루션 개발 ▲국내외 DPP 시장 공동 대응 및 협력 사업 추진 등의 업무를 상호 협력한다. DPP는 제품의 생산 및 판매, 사용, 폐기에 이르기까지의 디지털 데이터를 QR코드나 바코드, NFC에 담은 디지털 신분증으로, 소비자가 DPP를 통해 제품의 원료, 부품, 출처, 재활용 가능성, 수리 용이성, 탄소발자국, 재생원료 함량 등 정보를 확인할 수 있다. 오는 2027년부터 EU 시장에 진출하는 모든 제품과 서비스에 의무화될 예정이다. 라온시큐어는 DPP 사업 진출을 통해 블록체인 기반 디지털 ID 사업 확장에 한층 더 박차를 가할 계획이다. 회사는 공공 영역과 민간 영역에서 더욱 확산되고 있는 모바일 신분증 대응과 함께 진단서·의료 증명서 등 각종 모바일 증명서까지 사업을 확대 중이며, 이번 협약을 통해 블록체인 기반 디지털 ID 기술을 기반으로 한 DPP 분야까지 사업 영역을 넓힐 방침이다. 쓰리에이로직스는 국내 NFC 산업을 선도하는 기업으로, 자동차용 NFC 리더 칩 분야에서 AEC-Q100 인증과 NFC Forum의 디지털 키(Digital Key) 인증을 획득해 주요 완성차 업체에 공급하고 있으며 이외에도 전자가격표시기, 정품인증용 NFC 칩을 세계적인 세트 제조사에 납품하고 있다 이순형 라온시큐어 대표는 “쓰리에이로직스와의 DPP 통합 솔루션 공동 협력을 통해 블록체인 기반 디지털 ID 기술을 활용해 디지털제품여권 시장에서 선도적인 입지를 확보할 계획"이라며 “DPP가 유럽을 시작으로 북미, 아시아 등 전 세계로 본격 확산할 것으로 전망하고 있어 해외 파트너십 및 글로벌 프로젝트 참여 등을 통해 글로벌 사업으로 확대해 나가겠다”고 말했다.

2025.03.26 09:52방은주

엔비디아, 7초만에 초고해상도 이미지 생성하는 신기술 발표

확산 모델의 품질과 7.7배 빠른 속도를 동시에 구현한 HART의 하이브리드 접근법 MIT와 NVIDIA 연구팀이 개발한 하이브리드 자기회귀 트랜스포머(HART)는 고해상도 이미지를 직접 생성할 수 있는 혁신적인 자기회귀(AR) 모델이다. 연구팀이 발표한 논문에 따르면, HART는 최신 확산 모델과 견줄 만한 이미지 품질을 제공하면서도 처리 속도는 최대 7.7배 빠르다는 강점을 지닌다. 기존 AR 모델들은 이산형 토크나이저(discrete tokenizer)의 낮은 재구성 품질과 1024×1024 해상도 이미지 생성의 한계에 직면해 왔다. HART는 이러한 문제를 하이브리드 토크나이징 접근법으로 해결했다. 하이브리드 토크나이저는 오토인코더의 연속적인 잠재 출력을 두 가지 구성 요소로 분해한다. 하나는 VAR 토크나이저에서 파생된 이산 잠재 변수의 합으로, 다른 하나는 이산 토큰으로 표현할 수 없는 정보를 나타내는 연속적인 잔차(residual)다. 이미지의 전체적인 구조는 이산 토큰이 담당하고, 세부 디테일은 연속적인 잔차 토큰으로 처리한다. 이 두 잠재 변수는 하이브리드 트랜스포머를 통해 모델링된다. 이산 잠재 변수는 확장 가능한 해상도를 가진 VAR 트랜스포머로 처리되는 반면, 연속적인 잠재 변수는 단 37M 매개변수와 8단계로 구현된 경량 잔차 확산 모듈을 통해 예측된다. FID 31% 향상, 계산량 13.4배 감소: HART의 기술적 혁신이 가져온 성능 도약 HART는 기존의 이산형 전용 VAR 토크나이저와 비교해 이미지 토크나이징과 생성 모두에서 상당한 개선을 이루었다. MJHQ-30K 데이터셋에서 1024×1024 해상도의 재구성 FID(Frechet Inception Distance)를 2.11에서 0.30으로 낮췄으며, 이는 31%의 생성 FID 향상(7.85에서 5.38로)을 가능하게 했다. 또한 ImageNet에서 클래스 조건부 생성에 대해 VAR 대비 최대 7.8%의 FID 개선을 달성했으며, MAR보다 13배 높은 처리량을 제공한다. HART는 여러 텍스트-이미지 생성 지표에서 최신 확산 모델의 품질에 근접하거나 능가하면서도, 3.1-5.9배 빠른 추론 지연 시간, 4.5-7.7배 높은 처리량, 그리고 6.9-13.4배 적은 연산량(MACs)을 제공한다. 특히 SD-XL과 비교했을 때 모든 벤치마크에서 우수한 품질을 보이면서도 3.1배 낮은 지연 시간과 4.5배 높은 처리량을 달성했다. '큰 그림'과 '세부 디테일'의 완벽한 결합: 하이브리드 자기회귀 모델링과 잔차 확산의 시너지 하이브리드 토크나이징은 이산형 토크나이징보다 우수한 재구성 FID와 더 나은 생성 상한선을 제공한다. HART는 연속적인 이미지 토큰을 두 구성 요소의 합으로 모델링한다: (1) 확장 가능한 해상도의 자기회귀 트랜스포머로 모델링된 이산 토큰과 (2) 효율적인 잔차 확산 과정을 통해 적합화된 잔차 토큰이다. HART는 텍스트 토큰을 시각 토큰과 연결하여 텍스트-이미지 생성으로 확장하였고, 높은 해상도에서의 확장성을 개선했다. O(n⁴) 훈련 비용을 완화하기 위해 사전 훈련된 저해상도 체크포인트에서 미세 조정을 진행했다. VAR의 모든 절대 위치 임베딩을 보간 호환 가능한 상대 임베딩으로 변환했으며, 텍스트 토큰에는 1D 회전 임베딩, 시각 토큰에는 2D 회전 임베딩을 구현했다. 이러한 상대 임베딩은 높은 해상도에서 HART의 수렴을 크게 가속화했다. 1024px 해상도에서 1.9배 가속: 토큰 서브샘플링과 커널 최적화로 구현한 HART의 효율성 강화 HART의 확장 가능한 해상도 AR 트랜스포머와 잔차 확산 설계는 고품질, 고해상도 이미지 생성에 중요하지만, 추론과 훈련 시 오버헤드를 도입한다. 이러한 효율성 과제를 해결하기 위해 다양한 최적화 기법을 적용했다. 훈련 중에는 마지막 단계의 토큰 중 80%를 폐기하고 서브샘플링된 토큰에만 감독을 적용하는 방식으로 512px에서 1.4배, 1024px에서 1.9배 훈련을 가속화하고 메모리 사용량을 1.1배 줄였다. 추론 시에는 상대 위치 임베딩이 도입한 여러 메모리 바운드 GPU 커널 호출을 두 개의 커널로 융합하여 전체적인 실행 시간을 7% 개선했다. 또한 RMSNorm의 모든 연산을 단일 GPU 커널로 융합하여 총 실행 시간을 10% 개선했다. FAQ Q: HART가 기존 확산 모델과 비교해 어떤 장점이 있나요? A: HART는 확산 모델과 유사한 고품질 이미지를 생성하면서도 처리 속도가 최대 7.7배 빠르고, 연산량은 최대 13.4배 적습니다. 특히 1024×1024 해상도에서 기존 확산 모델보다 3.1-5.9배 낮은 지연 시간을 제공하여 실시간 응용 프로그램에 더 적합합니다. Q: 하이브리드 토크나이저란 무엇이며 왜 중요한가요? A: 하이브리드 토크나이저는 이미지를 이산 토큰(큰 그림 구조)과 연속 잔차 토큰(세부 디테일)으로 분해합니다. 이 접근법은 기존 이산형 토크나이저의 한계를 극복하여 재구성 품질을 크게 향상시키고, 이는 최종 생성 이미지의 품질 향상으로 이어집니다. Q: HART가 실제 응용에서 어떻게 활용될 수 있을까요? A: HART의 고속 처리 능력과 고품질 이미지 생성 기술은 텍스트 기반 이미지 생성, 콘텐츠 제작, 게임, VR/AR 등의 분야에서 실시간 응용을 가능하게 합니다. 특히 컴퓨팅 자원이 제한된 환경에서도 고품질 시각 콘텐츠 생성이 가능해져 모바일 기기나 엣지 컴퓨팅 환경에서의 활용도가 높아질 것으로 기대됩니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.03.25 22:48AI 에디터

[Q&AI] 싱크홀 사고 대체 왜…AI로 원인 분석했더니

질문: 명일동에 싱크홀이 발생했는데, 사건 경위와 싱크홀이 생긴 이유를 정리해서 알려줘. 그록 답변: 2025년 3월 24일 서울 강동구 명일동에서 발생한 싱크홀 사건에 대해 사건 경위와 발생 원인을 아래와 같이 정리해 드리겠습니다. 사건 경위 발생 시각: 2025년 3월 24일 오후 6시 29분경 위치: 서울 강동구 명일동 대명초등학교 앞 사거리(대명초교입구교차로) 상황 전개: 오후 6시 28분경, 흰색 카니발 승합차와 오토바이가 도로를 지나가던 중 갑작스럽게 1차 붕괴가 발생했습니다. 카니발은 도로 잔해에 충격을 받아 튕겨져 나왔으나, 뒤따르던 오토바이는 싱크홀 속으로 추락했습니다. 오후 6시 29분, 붕괴 직후 싱크홀 테두리가 점차 무너지며 2차 붕괴가 이어졌고, 구멍이 반대 차선까지 확장되었습니다. 이 과정에서 상수도관으로 보이는 파이프가 파열되며 물이 대량으로 분출되었습니다. 싱크홀 규모는 초기 가로 18m, 세로 20m, 깊이 20m 정도로 추정되었으나, 이후 더 커진 것으로 확인되었습니다. 피해 상황: 오토바이 운전자 1명이 싱크홀에 매몰되어 구조 작업이 진행 중이며, 25일 새벽 오토바이와 휴대전화는 발견되었으나 운전자는 아직 찾지 못했습니다. 카니발 운전자(40대 여성)는 경상을 입고 병원으로 이송되어 치료 후 귀가했습니다. 대응: 소방당국은 약 35명의 구조대원을 투입해 수색을 진행 중이나, 싱크홀 내부에 토사와 물 2,000톤이 섞여 있고 균열 위험이 있어 작업에 난항을 겪고 있습니다. 서울시는 사고 현장을 통제하고 주변 교통을 우회 조치했으며, 오세훈 시장이 현장을 방문해 구조와 안전 조치를 지시했습니다. 인근 상수도관 단수와 전기 공급 중단 조치가 이루어졌고, 일부 학교는 휴업에 들어갔습니다. 싱크홀 발생 원인 정확한 원인은 현재 조사 중이지만, 여러 추정과 관련 요인을 종합하면 다음과 같습니다: 상수도관 파열: 사고 직후 상수도관으로 보이는 파이프 파열로 물이 분출된 점으로 미루어, 지하 상수도관의 누수나 파손이 지반을 약화시켜 싱크홀을 유발한 것으로 보입니다. 강동소방서는 이를 주요 원인으로 추정하고 있습니다. 지하철 9호선 공사: 사고 지점 인근에서 진행 중인 서울 지하철 9호선 연장 공사가 영향을 미쳤을 가능성이 제기되고 있습니다. 공사 중 지반 교란이나 배수 작업 부실이 지하 공동을 형성했을 수 있다는 의견이 있습니다. 공사 관계자 5~6명이 누수 현상을 감지하고 대피한 사례도 보고되었습니다. 기존 지반 취약성: 사고 전날부터 인근 주유소 바닥에 금이 가는 등 이상 징후가 있었고, 당일 오전 11시경 맨홀 주변에 작은 구멍이 생겨 구청이 응급 복구를 완료한 바 있습니다. 이는 지반이 이미 약화된 상태였음을 시사합니다. 복합 요인: 노후된 상수도 시설, 지하철 공사, 그리고 세종포천고속도로 고덕터널 등 주변 대규모 지하 공사가 복합적으로 작용해 지반 안정성을 떨어뜨렸을 가능성이 있습니다. 서울시는 모든 가능성을 열어두고 조사 중이라고 밝혔습니다. 추가 사항 사고 전조: 주민과 주유소 운영자는 이전부터 지반 이상을 감지하고 민원을 제기했으나, 신속한 대처가 이루어지지 않았다는 지적이 있습니다. 현재 상황: 구조 작업은 싱크홀 안정화와 중장비 투입 여부를 결정하는 단계로, 시간이 더 걸릴 수 있습니다. 이 사건은 지하 시설 관리와 공사 안전성에 대한 우려를 불러일으키며, 철저한 원인 규명과 재발 방지 대책이 요구되고 있습니다. 추가 정보가 확인되면 더 정확한 원인이 밝혀질 것으로 보입니다. ■ 기사는 그록을 활용해 작성되었습니다. (☞ 원문 바로가기)

2025.03.25 16:02AI 에디터

로옴, 부전압·고전압용 고정밀도 전류 검출 앰프 개발

로옴(ROHM)은 자동차기기 신뢰성 규격 'AEC-Q100'에 준거하는 고정밀도 전류 검출 앰프 'BD1423xFVJ-C' 및 'BD1422xG-C'를 개발했다고 25일 밝혔다. TSSOP-B8J 패키지를 채용한 'BD1423xFVJ-C'는 +80V의 입력전압에 대응해 48V 전원 구동의 DC-DC 컨버터, 이중화 전원, 보조기기 배터리, 전동 컴프레서 등의 고전압 환경용으로 적합하다. 게인 설정에 따라 'BD14230FVJ-C'·'BD14231FVJ-C'·'BD14232FVJ-C'의 3개 기종을 구비하고 있다. 소형 SSOP6 패키지를 채용한 'BD1422xG-C'는 +40V의 입력전압에 대응해, Body계 및 드라이브계 도메인에서 사용되는 5V·12V 구동의 전원 네트워크에서의 전류 모니터링이나 보호 (과전류 검출) 등 스페이스 절약이 요구되는 자동차기기에 최적이다. 게인 설정에 따라 'BD14220G-C'·'BD14221G-C'·'BD14222G-C'의 3개 기종을 구비하고 있다. 전류 검출 앰프는 회로에 흐르는 전류를 간접적으로 측정하기 위한 증폭기다. 션트 저항기에서 발생하는 미세한 전압 강하를 증폭시킴으로써, 측정 가능한 전압 신호로 변환하는 역할을 담당하여 시스템의 제어 및 모니터링 등에 사용된다. 신제품은 OP Amp와 디스크리트 부품으로 조합한 기존의 OP Amp 회로 구성을 1 패키지에 집적함으로써 스페이스 절약화를 실현했다. 션트 저항기를 접속하는 것만으로 전류 검출이 가능하다. 또한 입력단에 초퍼 앰프, 후단에 오토 제로 앰프를 채용한 2단 앰프 구성을 채용했다. 게인 정밀도를 결정하는 저항을 IC 내부에서 매칭시켜 온도 변화의 영향을 억제함과 동시에 ±1%의 고정밀도로 안정적인 전류 검출이 가능하다. 노이즈 대책용 RC 필터 회로를 외장하는 경우에도 전류 검출 정밀도가 유지되기 때문에, 설계 공수 삭감에도 기여한다. -14V의 부전압에 대한 내성을 구비하여 역기 전력, 역접속, 부전압 입력에 대응한다. 전동 차량 (xEV) 등에서 사용되는 48V 전원에 대응하는 +80V 입력전압 제품도 라인업으로 구비하여, 자동차기기 용도의 다양한 요구에 대응한다. 신제품은 2025년 2월부터 양산을 개시했으며, 월 10만개의 생산 체제로 공급 예정이다. 인터넷 판매도 개시해 CoreStaff Online, Chip 1 Stop 등 온라인 부품 유통 사이트에서 구입 가능하다. 또한, 어플리케이션 설계 시의 신속한 평가를 위해 평가 보드도 구비했다. 로옴은 "앞으로도 자동차기기에서 요구되는 고정밀도화, 신뢰성 향상에 기여할 수 있는 최적의 솔루션을 제공해 나갈 것"이라고 밝혔다.

2025.03.25 14:51장경윤

AI가 교통 혼잡 해결한다...'24시간 내 응답' 똑똑한 도로 설계

교통 계획에서 생성형 AI 활용의 혁신적 가능성 생성형 인공지능(GenAI)은 교통 계획 분야에 혁신적인 변화를 가져오고 있다. 특히 대규모 언어 모델(Large Language Models, LLMs)은 다양한 이종 데이터 소스에서 통찰력을 통합하여 교통 연구와 실무를 발전시키는 필수적인 도구로 자리 잡고 있다. 애리조나 주립대학교와 텍사스 A&M 대학교, 캔자스 대학교 등 다학제 연구팀은 교통 계획 분야에서 생성형 AI를 효과적으로 활용하기 위한 최초의 포괄적인 프레임워크를 제시했다. 교통 계획은 장기적인 사회적 목표를 다루면서 다양한 교통 시스템 전반에 걸쳐 사람과 물자의 이동을 관리하고 향상시키기 위한 전략을 개발하는 체계적인 과정이다. 이 과정은 효율성, 형평성 및 지속 가능성의 균형을 맞추기 위해 데이터 기반 방법론을 통합하여 이동성 시스템을 개선한다. 교통 계획은 수요 예측, 인프라 설계, 교통 관리 및 대중 참여와 같은 활동을 포함한다. 기존에는 전문가 주도의 프레임워크에 의존했으나, 이러한 방법들은 현대 교통 시스템의 증가하는 규모와 복잡성을 관리하는 데 어려움을 겪고 있다. 특히 다양한 데이터 소스 통합, 실시간 동적 대응, 적응형 솔루션 생성 측면에서 한계를 보인다. 또한 기술 중심 솔루션에 대한 공공 기관의 예산 제약과 기술적으로 강한 인재를 유지하는 능력도 도전 과제다. 생성형 AI는 토지 이용 패턴, 교통량 계산, 환경 지표 등의 데이터를 합성하여 다양한 조건에서 미래 인프라 수요를 예측함으로써 여행 수요 생성을 혁신했다. 교통 시뮬레이션이나 정책 감정 모델링과 같은 애플리케이션은 생성형 AI가 속도, 정확성 및 범위를 향상시켜 계획자가 자신감을 가지고 정보에 입각한 결정을 내릴 수 있도록 돕는 능력을 보여준다. 전문가 주도에서 자율 AI로: 교통 분야 AI 기술의 3단계 진화 교통 분야에서 인공지능의 발전은 전통적인 접근 방식에서 생성형 AI 방법론으로의 변환적 전환을 보여준다. 역사적으로 전통적인 교통 계획은 전문가 주도 프로세스에 크게 의존했다. 도메인 전문가들은 중심 역할을 맡아 설문 조사와 관찰을 통해 수동으로 데이터를 수집하고, 단순화된 가정에 기반한 정적 모델을 구축하고, 심리적 프레임워크와 반복적 테스트를 사용하여 계획을 검증했다. 이러한 방법은 복잡하거나 동적인 시스템을 처리하는 능력이 제한적이었다. AI 지원 방법론의 도입은 중요한 도약을 이루었다. 예측 모델과 같은 기계 학습은 교통량, 날씨 데이터, 가구 여행 일지 조사 등의 구조화된 데이터셋을 보다 효율적으로 분석할 수 있게 했다. AI 지원 시스템은 혼잡 예측, 신호 최적화, 교통 우회와 같은 작업에 대한 예측과 최적화 제안을 제공했다. 그러나 이러한 시스템은 재교육, 매개변수 조정 및 검증을 위해 상당한 인간 개입이 필요했다. 최신 진화인 생성형 AI는 고도의 자율 시스템을 향한 패러다임 전환을 대표한다. 생성 모델은 실시간 센서 입력과 소셜 미디어나 일기 예보와 같은 외부 소스를 포함한 대규모, 세밀한 데이터셋을 활용한다. 이러한 모델은 솔루션을 자율적으로 생성하고, 교통 시나리오를 시뮬레이션하고, 각 작업에 대한 명시적 프로그래밍 없이 인프라 설계를 최적화한다. 그럼에도 불구하고 기존 전문 지식의 통합은 이러한 AI 시스템을 안내하는 데 중요한 역할을 계속하고 있다. 교통 분야에서 생성형 AI 모델은 교통 계획 및 관리를 위한 정교한 데이터 합성, 시뮬레이션 및 의사 결정 능력을 제공한다. 생성적 적대 신경망(GANs)과 변분 오토인코더(VAEs)는 교통 흐름이나 다중 모달 교통 네트워크 시나리오와 같은 합성 교통 데이터를 생성하는 데 널리 사용되며, 계획자가 극단적인 기상 이벤트와 같은 희귀 조건에서 시스템 회복력을 평가할 수 있게 한다. 최근 확산 모델의 발전은 적응형 라우팅 계획이나 다중 모달 수요 예측과 같은 복잡한 시나리오를 생성하는 데 교통 분야에서의 응용을 확장했다. 이러한 모델은 현실적이고 맥락적으로 관련된 출력을 생성하기 위해 노이즈 데이터 입력을 반복적으로 개선한다. 대규모 언어 모델(LLMs)은 정책 분석, 이해 관계자 참여 및 대중 감정 분석을 포함한 텍스트 기반 교통 응용 프로그램을 혁신했다. 방대한 텍스트 데이터 코퍼스에서 훈련된 LLM은 교통 문제에 대한 자연어 설명을 해석하고 생성하여 실행 가능한 전략을 추천하고 의사 결정을 촉진할 수 있다. 다중 모달 대규모 언어 모델(MLLMs)은 LLMs의 기능을 이미지, 비디오 및 지리공간 데이터와 같은 추가 데이터 모달리티를 통합하여 확장한다. 이 다중 모달 통합을 통해 MLLMs는 실시간 교통 카메라 피드 분석이나 텍스트 정책 문서와 센서 데이터 통합과 같은 복잡한 교통 작업을 처리할 수 있다. 시나리오 생성부터 수요 예측까지: 생성형 AI로 혼잡 가격제 효과 시뮬레이션 생성형 AI는 교통 계획에서 다양한 작업을 지원하며, 전통적인 방법을 시나리오 생성, 수요 예측 및 교통 시뮬레이션과 같은 기능으로 향상시킨다. 시나리오 생성은 생성형 AI를 활용하여 인프라 설계, 정책 개입, 혼란 이벤트에 대한 대응 계획과 같은 대안 교통 전략을 탐색한다. 예를 들어, AI 모델은 혼잡 가격 책정의 영향을 시뮬레이션하거나, 대중교통 중심 개발을 최적화하거나, 극단적인 기상 조건에서 인프라 회복력을 모델링할 수 있다. 이러한 시나리오를 분석함으로써 계획자는 비용 효율적이고 환경적으로 지속 가능한 솔루션을 식별할 수 있다. 수요 예측은 생성형 AI를 적용하여 다중 모달 시스템 전반에 걸친 여행 수요 패턴을 예측한다. 모델은 관찰된 교통량 계산과 일치하도록 기원지-목적지(O-D) 매트릭스를 미세 조정하고, Shared Mobility 서비스의 채택을 추정하고, 인구통계학적 또는 경제적 변화로 인한 장기적인 수요 변화를 시뮬레이션할 수 있다. 이러한 예측은 시스템 병목 현상에 대한 통찰력을 제공하여 계획자가 교통 네트워크 전반에 걸쳐 여행 부하를 효과적으로 균형을 맞출 수 있게 한다. 교통 시뮬레이션 및 최적화는 교통 역학을 모델링하고 시스템 성능을 최적화하는 데 중점을 둔다. 생성형 AI는 인간 운전 차량과 자율 차량이 공존하는 혼합 자율성 시스템의 시뮬레이션을 가능하게 하여 차량 조정을 개선하고 정체 유발 파동을 줄인다. 또한 AI는 교통 신호 타이밍과 경로 선택 전략을 최적화하여 지연을 최소화하고 도시 이동성 효율성을 향상시킬 수 있다. 지속 가능성 및 회복력 계획은 생성형 AI의 역할을 저탄소 및 기후 회복력이 있는 교통 시스템 발전에 초점을 맞춘다. AI 모델은 환경 친화적인 운전 행동을 시뮬레이션하고, 전기 자동차 채택을 예측하고, 자연 재해와 같은 극단적인 시나리오에서 인프라 회복력을 평가할 수 있다. 또한 생성형 도구는 소외된 인구를 위한 공정한 이동성 솔루션을 보장하기 위해 교통 시스템의 접근성을 평가할 수 있다. 완전성·정확성·일관성·세분성: 지역 특화 교통 AI 데이터의 4가지 핵심 요건 데이터 준비는 생성형 AI를 하류 교통 계획 응용 프로그램에 적용하는 데 중요한 단계이다. 교통에서 생성형 AI의 응용은 여전히 새롭게 등장하고 있으며, 공개적으로 사용 가능한 벤치마크 데이터셋은 규모와 범위가 제한적이다. 효과적인 교통 특화 데이터셋을 개발하려면 도메인 특화 전략에 대한 신중한 고려가 필요하며, 시계열 예측, 인프라 모델링, 감정 분석 및 시뮬레이션 작업과 같은 인접 분야에서 통찰력을 도출해야 한다. 교통 계획은 관할 경계, 다양한 인구 통계 프로필, 각 지역에 특화된 독특한 교통 상황으로 인해 본질적으로 지역적 특성을 갖는다. 예를 들어, 로스앤젤레스의 운전 행동과 교통 우선순위는 뉴욕시, 중서부 지방, 아시아 도시 중심지의 운전 행동과 크게 다르다. 따라서 관할 지역 간 확장 가능한 데이터셋을 구축하려면 교통 조건, 인구 통계 분포 및 정책 환경의 상당한 변동성을 해결해야 한다. 교통 계획에서 생성형 AI 모델의 품질과 신뢰성을 보장하기 위해 데이터셋은 다음과 같은 주요 요구 사항을 충족해야 한다: 완전성, 정확성, 일관성, 세분성이다. 완전성은 피크 및 오프피크 시간, 주중 및 주말, 다양한 기상 조건과 같은 다양한 교통 조건을 포괄해야 하며, 지리적 경계와 관할 경계를 넘나들어야 한다. 또한 정확성을 위해 고품질 데이터가 AI 모델이 신뢰할 수 있는 출력을 생성할 수 있게 보장한다. 일관성은 다른 소스의 데이터셋을 조화시키는 것이 중요하며, 세분성은 교통 응용 프로그램이 종종 특정 수준의 세부 정보를 요구한다는 점을 염두에 두어야 한다. 실시간 적응과 편향 해소: 생성형 AI 교통 시스템 도입의 주요 과제와 해결책 생성형 AI를 교통 계획에 통합하는 데 있어 몇 가지 중요한 도전 과제가 있다. 지역적 뉘앙스와 데이터 편향은 지역 특정 여행 행동, 사회경제적 가변성, 인프라 설계와 같은 교통 시스템의 지역적 뉘앙스를 포착하는 데 있어 주요 도전 과제를 제기한다. 역사적 데이터에 의존하면 잘 문서화된 지역이나 인구를 우대하는 기존 편향이 영속될 위험이 있다. 실시간 적응성도 도전 과제로, 날씨 교란, 특별 이벤트, 예상치 못한 인프라 고장과 같은 빠르게 변화하는 조건에서 모델이 예측을 동적으로 업데이트해야 한다. 센서 데이터, 크라우드 소스 정보 및 정책 변경과 같은 다중 모달 입력의 통합은 구현을 더욱 복잡하게 만든다. 설명 가능성과 신뢰성 또한 특히 심층 학습 모델에서 생성형 AI 모델의 설명 가능성 부족은 교통 계획 내 고위험 의사 결정 프로세스에서 채택의 중요한 장애물이다. 이 불투명성은 계획자가 AI 생성 예측 뒤의 추론을 이해하고 신뢰하기 어렵게 만든다. 이러한 도전 과제를 해결하기 위해 향후 연구는 역동적인 시스템 변화를 고려하면서 다양하고 고품질의 데이터셋을 통합하는 적응형 실시간 모델 개발에 초점을 맞추어야 한다. 도메인 특화 지식과 불확실성 정량화 프레임워크의 통합은 강건성과 해석 가능성을 향상시켜 계획자가 AI 기반 예측에 자신감을 갖고 정보에 입각한 결정을 내릴 수 있도록 지원할 수 있다. 또한 교통 시스템에 생성형 AI를 적용할 때 모듈화된 파이프라인과 검색 증강 생성(RAG) 기반 접근 방식을 조합하는 것이 효과적이다. 모듈화된 파이프라인은 복잡한 문제를 작고 관리 가능한 구성 요소로 분해하여 확장성, 해석 가능성 및 정확성을 향상시킨다. RAG 기반 파이프라인은 생성형 AI의 실시간 도메인별 지식을 동적으로 통합하는 능력을 향상시켜 출력이 시기적절하고 정확한 데이터에 기반하도록 보장한다. 교통 계획에서 생성형 AI의 잠재력에도 불구하고, 모델 해석 가능성, 데이터 편향 해결, 시스템 확장성 유지 등 몇 가지 중요한 도전 과제가 남아 있다. 또한 인류 중심 솔루션을 위해서는 데이터, 알고리즘 및 교통 정책에 있어 형평성과 투명성을 보장하는 윤리적 프레임워크의 개발이 필수적이다. FAQ Q: 교통 계획에서 생성형 AI는 어떤 구체적인 이점을 제공합니까? A: 생성형 AI는 교통 계획에 여러 이점을 제공합니다. 방대한 데이터셋을 처리하고 분석하는 확장성을 제공하며, 시간 소모적이고 노동 집약적인 작업을 자동화하여 운영 효율성을 향상시킵니다. 또한 변화하는 교통 조건과 새로운 데이터에 동적으로 대응하는 적응성, 복잡한 교통 데이터를 처리하기 위한 효율성, 그리고 다양한 사용자 그룹에 대한 개인화된 교통 서비스를 제공합니다. Q: 생성형 AI가 교통 계획에서 직면하는 주요 도전 과제는 무엇입니까? A: 생성형 AI는 교통 계획에서 몇 가지 중요한 도전 과제에 직면합니다. 지역별 교통 패턴과 인프라 설계에서의 지역적 차이를 포착하는 데 어려움이 있으며, 날씨 변화나 특별 행사와 같은 급변하는 조건에 실시간으로 적응하는 능력이 필요합니다. 또한 AI 모델의 예측이 어떻게 도출되는지에 대한 명확한 설명을 제공하는 설명 가능성도 중요한 과제입니다. 마지막으로, 다양한 지리적 맥락에 걸쳐 모델을 일반화하고 적용하는 일도 어려움으로 남아 있습니다. Q: 교통 계획에 생성형 AI를 적용하기 위한 데이터 요구 사항은 무엇입니까? A: 교통 계획에 생성형 AI를 적용하려면 완전성, 정확성, 일관성, 세분성을 갖춘 데이터가 필요합니다. 다양한 교통 조건(피크 시간대, 주중/주말, 기상 조건)을 포괄하는 완전한 데이터가 필요하며, 실시간 교통 데이터와 지리공간 데이터의 정확성이 중요합니다. 또한 다양한 소스에서 수집된 데이터가 상호 일관성을 유지해야 하며, 특정 분석에 필요한 세부 수준(예: 초 단위 GPS 추적 또는 광범위한 인구통계 트렌드)의 데이터 세분성도 중요합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.03.25 10:44AI 에디터

Prev 11 12 13 14 15 16 17 18 19 20 Next