검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'Q'통합검색 결과 입니다. (1106건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

챗GPT로 공부하면 성적 오를까…대학생들 어떻게 사용하나 봤더니

챗GPT나 그래머리 같은 AI 학습 도구를 대하는 대학생들의 인식이 흥미롭다. 텍사스대학교 연구팀이 발표한 논문에 따르면, 대학생들이 단순한 정보 제공 도구가 아니라 함께 생각하고 배우는 파트너로 받아들인다는 연구 결과가 나왔다. AI 도구가 제공하는 상호작용 방식에 따라 학습 경험이 크게 달라지며, 이는 전통적인 교육 이론과도 밀접하게 연결된다. 행동주의부터 인본주의까지, AI 도구 속 숨겨진 학습 이론 텍사스대학교 알링턴 캠퍼스의 프라타메시 무줌다르 연구팀은 대학생 15명을 대상으로 실험을 진행했다. 연구팀은 AI 학습 도구가 정보 전달을 넘어 다양한 교육 이론을 실현하고 있다는 사실을 발견했다. 학생들이 칸 아카데미, 그래머리, 챗GPT 등을 사용하는 모습을 분석한 결과다. 각 도구는 행동주의, 인지주의, 구성주의, 인본주의 등 서로 다른 학습 이론의 원리를 반영하고 있었다. 교육 플랫폼인 칸 아카데미나 AI 학습 앱인 소크라틱 AI로 수학 문제를 풀 때 학생들은 즉각적인 피드백과 반복 학습으로 지식을 습득했다. 전형적인 행동주의 학습 패턴이다. 한 학생은 "마치 구구단을 외울 때처럼 시도하고, 틀리고, 힌트를 받고, 다시 시도하는 과정이었다"고 말했다. 그래머리나 챗GPT로 에세이를 수정할 때는 양상이 달랐다. 학생들은 단순히 오류를 고치는 것이 아니라 왜 틀렸는지 논리적으로 이해하게 됐다고 답했다. 정보 처리와 내적 이해 구축에 초점을 맞춘 인지주의 학습 방식이다. 챗GPT와의 개방형 대화에서는 더 흥미로운 결과가 나타났다. 학생들은 학업 스트레스나 윤리적 의사결정 같은 주제로 AI와 대화하며 "함께 답을 찾아가는 느낌"을 받았다. 한 학생은 "챗GPT가 정답을 주지 않았어요. 우리가 함께 고민하는 것 같았죠"라고 표현했다. 이는 경험을 통한 지식 구성을 강조하는 구성주의 학습의 전형이다. 일부 학생들은 AI가 자신의 의견을 "들어주는" 것만으로도 동기부여가 됐다며 정서적 지원의 중요성을 언급했다. 개인의 성장과 감정적 연결을 중시하는 인본주의 교육 철학과 맞닿아 있다. "로봇이 아니라 나를 이해하는 존재" - 학생들의 실제 경험 연구에서 가장 눈에 띄는 발견이 있다. 학생들이 AI 도구와의 상호작용을 어떻게 해석하느냐에 따라 학습 경험이 완전히 달라진다는 점이다. 연구팀은 반구조화된 인터뷰를 통해 학생들의 경험을 5가지 주요 테마로 정리했다. 첫째는 '피드백과 강화'다. 수학 문제를 풀 때 즉각적인 정답 및 오답 확인과 재시도 기회가 학습 동기를 높였다. 둘째는 '단계적 학습 지원'이다. 그래머리가 문법을 단순히 고쳐주는 것이 아니라 왜 틀렸는지 논리를 보여줬다는 평가를 받았다. 셋째 테마인 '대화적 참여'는 챗GPT와의 개방형 대화에서 두드러졌다. 학생들은 AI가 질문을 던지고 여러 관점을 정리해주는 과정을 통해 스스로 생각을 발전시킬 수 있었다. 넷째는 '개인화와 공감'이다. 학생들은 AI가 "로봇 같지 않다"고 느낄 때 더 적극적으로 학습에 참여했다. 한 학생은 "내 말을 경청해주는 느낌이 들어서 계속하고 싶었다"고 표현했다. 마지막으로 '학습 주도성'이 중요했다. AI가 지시하는 대로 수학 문제를 풀 때는 "정답이 나올 때까지 클릭만 했다"고 느낀 반면, 대화형 과제에서는 "내가 무엇을 물을지, 어떻게 이어갈지 선택할 수 있어서 더 내 것 같았다"고 답했다. 이러한 결과는 AI 도구의 효용성이 기술적 성능만으로 결정되지 않음을 보여준다. 학생이 그 도구와 어떻게 정서적, 인지적으로 연결되느냐가 더 중요했다. 연구팀은 "AI를 단순한 도구로 보는 기존 연구와 달리, 학생과 AI의 상호작용을 양방향 관계로 이해해야 한다"고 강조했다. AI 교육 도구 설계, '학습자 중심'으로 전환해야 이번 연구는 AI 교육 도구에서 기술적 완성도보다 교육학적 설계가 더 중요하다는 시사점을 준다. 연구팀은 대부분의 AI 교육 도구가 성적 향상이나 참여도 같은 수치적 성과에만 집중한다고 지적했다. 학생들이 실제로 어떻게 느끼고 생각하는지는 간과해왔다는 것이다. 예를 들어 비고츠키의 사회문화이론이나 시멘스의 연결주의 같은 학습 이론은 맥락, 관계, 공동 의미 형성을 강조한다. 하지만 현재 많은 AI 도구는 이런 요소를 충분히 반영하지 못하고 있다. 특히 학생들의 주도성 차이는 교육 현장에 중요한 메시지를 던진다. 행동주의적 접근의 단순 반복 학습은 빠르고 효율적이지만 학생들을 수동적으로 만들 위험이 있다. 반면 구성주의나 인본주의적 설계는 더 깊은 사고와 감정적 연결을 이끌어내지만 시간과 노력이 더 필요하다. 연구팀은 "AI 도구 개발자와 교육자는 함께 협력해야 한다"고 제안했다. 기술적 효율성뿐 아니라 윤리적이고 의미 있는 학습 경험을 제공하는 시스템을 만들어야 한다는 것이다. 또한 연구는 단일 교육 이론으로는 AI 학습 도구의 모든 경험을 설명할 수 없다는 점도 밝혔다. 같은 도구라도 과제 유형과 사용 맥락에 따라 다른 학습 과정이 활성화되기 때문이다. 이는 AI 교육 도구가 한 가지 방식에 갇히지 않고 다양한 학습 이론을 유연하게 통합할 수 있어야 함을 의미한다. 연구팀은 향후 더 넓은 연령대, 다양한 문화권, 장기적 사용 효과를 포함한 후속 연구가 필요하다고 밝혔다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI 학습 도구가 학습 이론과 연결된다는 게 무슨 뜻인가요? A: AI 도구가 제공하는 피드백 방식과 상호작용 유형에 따라 학생들의 학습 과정이 달라진다는 의미입니다. 즉각적인 정답 및 오답 피드백은 행동주의 학습을, 단계별 설명은 인지주의 학습을, 개방형 대화는 구성주의 학습을 촉진합니다. AI 도구가 단순한 정보 제공을 넘어 교육학적 원리를 실현하고 있다는 뜻입니다. Q2. 학생들이 AI 도구를 사용할 때 가장 중요하게 여기는 요소는 무엇인가요? A: 연구에 따르면 학생들은 AI가 자신의 생각을 '이해'하고 '들어주는' 느낌을 받을 때 더욱 적극적으로 학습에 참여했습니다. 또한 자신이 학습 과정을 주도하고 선택할 수 있다고 느낄 때 더 의미 있는 경험을 했다고 답했습니다. 기술적 성능보다 정서적 연결과 학습 주도성이 더 중요했습니다. Q3. 이 연구 결과가 AI 교육 도구 개발에 어떤 시사점을 주나요? A: AI 교육 도구는 단순히 정답을 제공하는 것이 아니라 학생의 사고 과정을 지원해야 합니다. 개인의 학습 맥락을 존중하고 감정적 연결을 만들 수 있도록 설계되어야 합니다. 또한 다양한 학습 이론을 유연하게 통합해 과제 유형과 학습 목표에 맞는 상호작용 방식을 제공해야 한다는 점이 강조됩니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.11 19:20AI 에디터

나무기술 "한국형 AI 에이전트 수요 급증…'NAA'로 시장 정조준"

"현재 한국 기업 환경에 맞춘 인공지능(AI) 에이전트 수요가 급증하고 있습니다. 우리는 온프레미스·클라우드 환경을 아우르는 지능형 플랫폼으로 국내 기업을 공략할 방침입니다. AI 에이전트에 내부 시스템·데이터베이스(DB)를 자연스럽게 연결해 업무 생산성 향상을 도울 것입니다." 나무기술 고우주 최고AI책임자(CAIO) 겸 상무는 11일 호텔신라 다이너스티홀에서 열린 'AI & 클라우드 컨퍼런스 2025(ACC 2025)'에서 AI 에이전트 플랫폼 '나무 AI 에이전트(NAA)'전략을 이같이 소개했다. NAA는 거대언어모델(LLM) 활용을 넘어 실제 워크플로까지 실행하는 기업형 에이전트다. 고객 요구에 맞춘 기능을 구성할 수 있어 업무 단위 자동화를 수행할 수 있다. 플랫폼에는 전문 보고서 생성을 비롯한 템플릿 기반 리포트 생성, 단계별 탐색을 수행하는 딥리서치 기능까지 포함됐다. 고 상무는 NAA 주요 특징으로 내부 DB 연동 기능을 갖춘 'DB챗'을 꼽았다. DB챗은 텍스트-투-프로그래밍 언어(SQL) 기반 모델을 통해 DB 질의를 자동화한다. 사용자는 주소만 입력해 손쉽게 연결을 구성할 수 있다. 이를 통해 질의응답(Q&A) 챗봇, 심층 보고서 등 구조화된 분석 결과를 빠르게 도출할 수 있다. 나무기술은 클로드의 '스킬스'와 유사한 에이전트 스킬 기능도 NAA에 제공한다. 고 상무는 "이는 에이전트가 작업 단계를 자동 계획·실행하도록 설계됐다"며 "고객은 복잡한 업무 절차를 단시간에 자동화할 수 있다"고 설명했다. 고 상무는 민감 데이터 처리를 위한 '인텔리전트 라우팅' 기술도 도입했다. 이 기능은 민감도 낮은 질문을 API 모델로 처리하고, 내부 문서나 보안 요구 높은 질의를 온프레미스 비전언어모델(VLM)으로 전환하는 식이다. 그는 "이런 구조는 성능과 보안, 비용을 동시에 고려한 하이브리드 처리 체계"라고 밝혔다. 나무기술은 NAA에 기존 머신러닝(ML)과 딥러닝 모델을 에이전트 구조에 통합하는 기능도 도입했다. 수요 예측, 시계열 분석, 사기 탐지 등 기존 알고리즘을 에이전트화 하는 식이다. 이를 통해 AI 챗봇, 보고서 생성, 분석 워크플로 등 다양한 형태로 알고리즘 응용이 가능하다. NAA는 쿠버네티스 기반 멀티노드 확장 전략도 지원한다. 그래픽처리장치(GPU) 클러스터 환경에서 애플리케이션과 외부 API, 다양한 에이전트를 모델 컨텍스트 프로토콜(MCP)까지 연동해 통합 운영하는 식이다. 고 상무는 "이는 대규모 엔터프라이즈 환경에서도 확장성을 갖춘 셈"이라고 말했다. 고 상무는 "AI 도입은 단일 서비스가 아니라 전사적 구조를 재정비하는 과정"이라며 "기업이 요구사항 정의와 파일럿 실행을 체계화하면 NAA가 실질적 생산성 향상에 기여할 것"이라고 강조했다.

2025.12.11 16:49김미정

한국양자산업협회, Q2B 실리콘밸리 2025 참가…글로벌 양자 생태계 진출 본격화

한국양자산업협회(KQIA)가 국내 양자 기술 기업 10곳과 미국 실리콘밸리에서 글로벌 협력 네트워크를 확장하고, 양자 기술의 산업 적용 로드맵을 공유했다. KQIA와 국내 양자 기업, 대학 관계자들은 미국 캘리포니아주 산타클라라 컨벤션센터에서 개최한 'Q2B 실리콘밸리 2025'에 공동 참가했다고 11일 밝혔다. QC웨어가 매년 주관하는 Q2B는 전 세계 양자컴퓨팅 기업과 학계, 산업계가 한자리에 모이는 대표적인 양자 비즈니스 컨퍼런스다. 지난 9일부터 11일까지 이번 행사는 '양자 가치를 향한 로드맵'을 주제로 양자 기술을 실제 산업 현장의 비즈니스 가치로 연결하는 방안에 초점을 맞췄다. SDT도 실리콘 카탈리스트와 공동부스로 참여하고 있다. 컨퍼런스에서는 양자컴퓨팅이 인공지능(AI)과 결합해 금융, 신약 개발, 유전체 분석, 에너지 효율화, 차세대 암호체계 등 다양한 분야에서 '초월적 속도의 분석 능력'을 제공할 수 있는 방안이 집중 논의됐다. 참가자들은 양자 알고리즘과 양자-고전 하이브리드 구조를 활용한 시뮬레이션, 고난도 최적화, 복잡계 모델링 사례를 공유하며 '양자 우위'이 실제 산업 성과로 이어지는 조건을 점검했다. QC웨어 주도로 운영된 '엔드유저 데이' 세션에는 금융, 제조, 항공우주, 제약 등 주요 산업의 잠재 수요 기업들이 직접 참여해 도입 사례와 애로사항을 공유했다. 국내 참가 기업과 대학 연구자들은 글로벌 대기업의 파일럿 프로젝트와 PoC(개념 검증) 진행 과정, 투자 의사결정 기준 등을 직접 확인하며 국내 양자 기술의 상용화 전략에 대한 인사이트를 얻었다. KQIA는 이번 행사에서 한국 공동 부스를 운영하고, 주요 세션과 패널 토의를 중심으로 해외 양자 하드웨어·소프트웨어 기업과의 비즈니스 협력 기회를 확대했다. 방승현 한국양자산업협회 회장(오리엔텀 대표)은 "Q2B 실리콘밸리 2025는 양자 기술이 더 이상 연구실 안의 주제가 아니라, 실질적인 비즈니스 가치를 만들어가는 현실적인 수단이 되고 있음을 확인시켜 준 자리였다"고 평가했다. 방 회장은 "국내 기업과 인재들이 글로벌 리더들과 함께 '양자 가치를 향한 로드맵'을 논의하고, AI와의 시너지를 통해 산업의 대전환을 이끌 비전을 공유한 것은 매우 의미 있는 성과"라며 "한국은 막대한 잠재력을 가진 젊은 인재와 정부의 적극적인 지원을 바탕으로 '양자 전쟁'이라 불리는 글로벌 기술 경쟁의 선두 그룹에 합류하고 있다"고 강조했다. 이순칠 전 한국연구재단 양자기술단장도 현장을 찾아 글로벌 동향을 점검했다. 이 전 단장은 "양자기술의 대가들이 최근 발전 상황을 한 자리에서 정리해 주고, 각 기업들이 개발 현황을 공유해 양자기술의 현 주소를 체계적으로 볼 수 있는 자리였다"고 말했다. 특히 그는 "양자 이득이 구현되는 시점에 대한 패널 토의에서 대체로 3~5년이라는 전망에 의견이 모인 점이 인상적이었다"며 "향후 수년이 양자 하드웨어와 소프트웨어, 인력 양성 투자를 동시에 가속해야 할 결정적 시기"라고 강조했다. 이번 Q2B에는 오리엔텀, 퀀텀인헨스먼트, 큐노바, 팜케드, 메가존클라우드, 우리로, 안젯텍, 코오롱베니트, 코오롱인더스트리, 인세리브로 등 국내 양자 관련 기업 10곳이 협회와 함께 참가했다. 오리엔텀은 양자 금융 알고리즘과 미들웨어를 중심으로 글로벌 확장을 추진 중인 양자 소프트웨어 기업이며, 퀀텀인헨스먼트는 양자암호와 양자키분배(PQC 기반 보안 기술)를 바탕으로 한 보안 기술을 개발하고 있다. 안젯텍은 서울을 거점으로 양자머신러닝(QML)과 양자 AI를 활용해 의료·금융 데이터 문제를 해결하는 스타트업으로, 실제 산업 환경에서 동작 가능한 양자·양자영감 솔루션을 내세우고 있다. 각 기업은 금융, 바이오, 클라우드, 소재·부품, 뇌과학 등 다양한 분야에서 양자 기술의 적용 가능성과 국내에서 개발 중인 솔루션을 소개하며 파트너십 논의를 진행했다. KQIA는 이번 Q2B 참가를 계기로 국내 양자 기업들의 글로벌 공동 연구, 실증 프로젝트, 투자 유치 연계 활동을 한층 강화할 계획이다. 협회는 컨퍼런스에서 확보한 글로벌 네트워크와 최신 동향을 정리해 회원사에 공유하고, 양자컴퓨팅·양자센싱·양자통신·양자 소재·부품 등 전 영역에서 상용화를 앞당길 수 있는 협력 모델을 발굴한다는 방침이다. 또한 정부의 '대한민국 양자과학기술 전략'과 민간 합동 양자 투자 계획에 발맞춰, 양자 전문 인력 양성 프로그램 확대와 산·학·연 공동 연구를 중장기 과제로 추진할 예정이다. KQIA 관계자는 "이번 Q2B 실리콘밸리 2025 참가는 한국 양자 산업이 글로벌 무대에서 존재감을 확대하는 중요한 이정표"라며 "국내 혁신 기술의 해외 진출 교두보를 공고히 하고, 양자 기술이 가져올 미래 산업 혁신에 더 많은 기업과 인재가 동참할 수 있도록 지원을 아끼지 않겠다"고 밝혔다.

2025.12.11 16:17남혁우

연봉 격차가 AI 격차로... 퍼플렉시티-하버드, AI 에이전트 사용 연구 결과

2025년은 AI 에이전트의 원년으로 불린다. 단순히 대화만 나누던 챗봇을 넘어 사용자를 대신해 실제로 행동하고 일을 완수하는 AI 에이전트가 본격적으로 퍼지고 있다. 퍼플렉시티(Perplexity)가 자사의 AI 브라우저 코멧(Comet)과 코멧 어시스턴트(Comet Assistant) 사용자의 수억 건 데이터를 분석한 대규모 연구 결과가 공개되면서, AI 에이전트가 실제로 어떻게 활용되고 있는지 구체적인 실상이 드러났다. 하버드대학교와 퍼플렉시티가 함께 진행한 이번 연구는 AI 에이전트를 누가, 얼마나, 어떻게 사용하는지를 분석한 최초의 대규모 현장 연구다. 수백만 사용자 데이터로 본 AI 에이전트 사용 실태 해당 연구 논문에 따르면, 연구팀은 2025년 7월 9일부터 10월 22일까지 코멧 데스크톱 사용자들의 익명 데이터를 세 가지로 나누어 분석했다. 첫 번째는 수백만 명의 전체 사용자와 수억 건의 명령어를 포함했고, 두 번째는 무작위로 뽑은 10만 명의 직업을 분류했으며, 세 번째는 10만 명의 에이전트 사용자가 내린 모든 명령을 분석했다. 코멧은 2025년 7월에 출시된 AI 브라우저로, 내장된 코멧 어시스턴트가 웹에서 사용자를 대신해 일정 관리, 문서 편집, 이메일 보내기, 항공권 예약, 쇼핑 등 다양한 일을 스스로 처리한다. AI 에이전트는 단순히 정보를 주고받는 것을 넘어 실제로 무언가를 바꿀 수 있다는 점에서 기존 챗봇과 다르다. 연구팀은 에이전트 AI를 "사용자가 원하는 목표를 스스로 추구하며, 실제 환경에서 여러 단계의 행동을 계획하고 실행하는 AI 비서"로 정의했다. 리액트(ReAct) 프레임워크에 따르면, 에이전트는 생각하고, 행동하고, 관찰하는 세 단계를 자동으로 반복한다. 생각 단계에서는 사용자 요청으로부터 목표를 파악하고 단계별 계획을 짜며, 행동 단계에서는 외부 도구를 제어해 실행하고, 관찰 단계에서는 결과를 확인해 계획을 조정한다. 부자 나라·고학력자·전문직이 압도적... AI 격차 뚜렷 연구 결과는 AI 에이전트 사용에서 명확한 격차를 드러냈다. 일찍 시작한 사람, 국민소득이 높은 나라의 사용자, 교육 수준이 높은 나라의 사용자, 그리고 디지털이나 전문 지식이 필요한 산업 종사자들이 에이전트를 훨씬 더 많이 사용했다. 전체 연구 기간 중 일반에 공개된 이후 기간이 전체 에이전트 사용자의 60퍼센트, 전체 명령의 50퍼센트를 차지했지만, 일찍 접근할 수 있었던 사용자들은 그들의 비중에 비해 훨씬 더 많이 에이전트를 사용했다. 가장 눈에 띄는 발견은 가장 먼저 시작한 그룹(7월 9일)이 가장 늦게 시작한 그룹(10월 2일)에 비해 에이전트를 쓸 확률이 2배 높고, 명령을 9배나 많이 내린다는 점이다. 나라별로 보면, 국민소득이 높을수록 백만 명당 에이전트 사용자 수가 눈에 띄게 증가했다. 평균 교육 연수가 길수록 에이전트 사용도 늘어났다. 이는 경제적으로 발전하고 교육 수준이 높은 나라일수록 에이전트를 더 많이 쓴다는 것을 확실히 보여준다. 실제 사용량에서도 같은 패턴이 나타났다. 생산성 36퍼센트·학습 21퍼센트... 일 잘하는 데 집중 연구팀은 에이전트 사용을 체계적으로 분류하기 위해 주제, 하위 주제, 작업의 3단계 분류 방법을 새로 만들었다. 분석 결과, 생산성 및 업무 효율(Productivity & Workflow)이 전체 에이전트 명령의 36퍼센트로 가장 많았다. 학습 및 연구(Learning & Research)가 21퍼센트, 미디어 및 엔터테인먼트(Media & Entertainment)가 16퍼센트, 쇼핑 및 커머스(Shopping & Commerce)가 10퍼센트였다. 생산성과 학습이라는 두 가지 주요 분야가 합쳐서 전체의 57퍼센트를 차지했다는 점은 AI 에이전트가 주로 머리를 쓰는 일에 활용되고 있음을 보여준다. 세부 분야로 보면, 전체의 5퍼센트 이상을 차지하는 주요 분야는 강좌(Courses, 13퍼센트), 상품 쇼핑(Goods Shopping, 9퍼센트), 연구(Research, 8퍼센트), 문서 작성(document Editing, 8퍼센트), 계정 관리(Account Management, 7퍼센트), 소셜 미디어(Social Media, 7퍼센트)였다. 구체적인 작업으로는 학습 과제 지원(Assist Exercises)이 9퍼센트로 가장 많았고, 연구 자료 요약 및 분석이 7퍼센트, 문서 만들기 및 수정이 7퍼센트, 제품 검색 및 필터링이 6퍼센트, 연구 자료 검색 및 필터링이 6퍼센트를 차지했다. 전체 90개 작업 중 상위 10개 작업이 전체의 55퍼센트를 차지해 특정 작업에 사용이 집중되어 있었다. 사용 목적을 분석한 결과, 개인 용도가 전체 에이전트 명령의 55퍼센트를 차지했고, 업무 용도가 30퍼센트, 교육 용도가 16퍼센트였다. 짧은 기간 안에서는 사용자들이 같은 분야에서 계속 사용하는 경향을 보였지만, 시간이 지나면서 여행과 미디어 분야에서 생산성, 학습, 커리어 분야로 옮겨가는 모습을 보였다. 이는 사용자들이 점차 더 머리를 쓰고 일과 관련된 용도로 에이전트를 활용하게 된다는 것을 의미한다. IT 직종 28퍼센트 차지... 육체노동 직종은 소외 직업별로 보면, 디지털 기술(Digital Technology) 분야가 에이전트 사용자의 28퍼센트, 명령의 30퍼센트를 차지해 압도적 1위였다. 학계(학생 및 교육 관련 포함)와 금융 종사자가 각각 10퍼센트 이상을 차지했고, 마케팅, 디자인, 기업가 분야도 5퍼센트 이상을 차지했다. 이들 직업을 합치면 전체 사용자와 명령의 70퍼센트 이상을 차지했다. 특히 이들은 전체 사용자 중 차지하는 비중에 비해 에이전트를 훨씬 더 많이 사용했다. 사용자 비중 대비 실제 사용 비중을 보면, 접객·이벤트·관광 분야가 1.36배로 가장 높았고, 마케팅이 1.24배, 기업가가 1.17배였다. 실제 사용량 비율로는 마케팅이 1.46배로 가장 높았고, 기업가가 1.38배, 학생이 1.26배, 디지털 기술이 1.12배를 기록했다. 학생과 기업가, 마케팅, 디지털 기술 분야는 일단 사용을 시작하면 더 자주 사용하는 것으로 나타났다. 반면 몸을 쓰는 일이 많은 직업은 사용자 비중이 낮았다. 세부 직업으로 보면, 소프트웨어 개발 및 엔지니어링이 사용자의 14퍼센트, 명령의 15퍼센트를 차지해 가장 큰 그룹이었다. 마케팅의 영업 개발, 디지털 마케팅, 시장 조사 분야와 기업가의 정보 관리, 운영, 전략 분야가 비중 대비 가장 높은 사용률을 보였다. 이러한 결과는 각 직업의 업무 특성이 에이전트가 잘하는 일과 얼마나 맞는지에 따른 차이를 반영한다. AI가 만드는 새로운 불평등... 교육이 시급하다 이번 연구는 범용 AI 에이전트의 사용 실태에 대한 최초의 체계적 증거를 제공하며, 연구자, 기업, 정책 입안자, 교육자들에게 중요한 의미를 던진다. 연구팀이 만든 분류 방법은 향후 연구의 기반을 제공하며, 발견된 사용 패턴은 AI 에이전트를 만드는 회사와 기업에 실질적인 지침을 준다. 특히 에이전트가 작동하는 웹사이트를 운영하는 기업들에는 AI 에이전트와 함께 사용하기 좋도록 화면을 간단하게 만들 기회가 있다. 그러나 가장 중요한 문제는 AI 에이전트의 불균등한 사용이 기존의 생산성과 학습 격차를 더욱 벌릴 수 있다는 우려다. 디지털 기술과 금융, 마케팅 등 이미 디지털화된 분야의 고소득 전문직 종사자들이 AI 에이전트를 압도적으로 많이 사용하는 반면, 몸을 쓰는 일을 하는 직업이나 저소득 국가의 사용자들은 상대적으로 소외되고 있다. 이는 이미 존재하는 디지털 격차를 더욱 심화시킬 위험이 있다. 따라서 정책 입안자와 교육자들은 국민과 학생들에게 AI 에이전트를 제대로 활용할 수 있는 능력을 키워주고, AI 에이전트가 일과 생활에 깊숙이 들어오는 가까운 미래에 대비하도록 준비시키는 것이 점점 더 중요해지고 있다. 연구팀은 AI 에이전트가 할 수 있는 일의 범위가 계속 넓어지고 있지만, 이 연구 결과가 자동화와 보조 도구 간의 특정 균형을 의미하는 것으로 해석되어서는 안 된다고 강조했다. 예를 들어, 에이전트가 일을 대신하는 것처럼 보일 수 있지만, 사용자가 일을 더 작게 나누어 일부만 에이전트에 맡기는 경우 이는 보조 도구에 가깝다. 앞으로의 연구 과제로는 스마트폰 등 다른 기기에서의 사용 차이 분석, 회사에서의 전문가 사용 연구, 에이전트 평가 및 개선 방법, 최적의 사람-에이전트 협업 방법 설계, 그리고 에이전트 사용으로 얻는 실질적 가치 측정 등이 제시되었다. FAQ ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI 에이전트와 일반 챗봇의 차이는 무엇인가요? A. 일반 챗봇은 주로 대화를 통해 정보를 주고받는 데 그치지만, AI 에이전트는 사용자를 대신해 실제로 행동하고 일을 완수합니다. 예를 들어 챗봇은 항공편 정보를 알려주는 데 그치지만, AI 에이전트는 직접 항공권 예약 사이트에 들어가 조건에 맞는 항공권을 찾고 필터링하며, 심지어 예약까지 진행할 수 있습니다. AI 에이전트는 계획을 짜고, 실행하고, 결과를 확인하는 과정을 스스로 반복하며 목표를 달성합니다. Q2. AI 에이전트는 주로 어떤 용도로 사용되나요? A. 연구 결과에 따르면 생산성 향상과 학습이 전체 사용의 57퍼센트를 차지합니다. 구체적으로는 문서 작성 및 수정, 이메일 관리, 온라인 강좌 학습 보조, 연구 자료 검색 및 요약, 계정 관리, 쇼핑 등이 주요 활용 분야입니다. 개인 용도가 55퍼센트로 가장 많고, 업무 용도 30퍼센트, 교육 용도 16퍼센트 순입니다. Q3. AI 에이전트 사용이 불평등을 심화시킬 수 있다는 우려가 있는데, 왜 그런가요? A. 연구에서 드러났듯이 AI 에이전트는 주로 고소득 국가, 고학력자, IT·금융·마케팅 등 이미 디지털화된 전문직 종사자들이 압도적으로 많이 사용합니다. 일찍 시작한 사람이 나중에 시작한 사람보다 9배 많이 사용한다는 점도 격차를 보여줍니다. AI 에이전트가 생산성과 학습 효율을 크게 높여주는 만큼, 이를 활용할 수 있는 집단과 그렇지 못한 집단 간의 격차가 더욱 벌어질 가능성이 높습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.10 14:40AI 에디터

위메이드 '레전드 오브 이미르', 대만·태국 이용자 초청 행사 '파트너스 데이' 마련

위메이드(대표 박관호)는 대작 MMORPG '레전드 오브 이미르(Legend of YMIR)'의 이용자 초청 행사 '파트너스 데이'를 대만과 태국에서 개최했다고 10일 밝혔다. 대만과 태국은 '레전드 오브 이미르' 글로벌 버전이 높은 관심을 받고 있는 시장이다. 위메이드는 현지 이용자들과 긴밀하게 소통하고, 보다 견고한 신뢰 관계를 구축하고자 이번 행사를 마련했다. 대만과 태국을 시작으로 향후 다양한 국가에서 파트너스 데이를 개최하고, 글로벌 이용자와의 유대 관계를 계속해서 강화해 나갈 계획이다. 행사에서는 '레전드 오브 이미르' 글로벌 버전만의 차별화 요소로 꼽히는 파트너스 서버에 대한 발표가 가장 큰 호응을 얻었다. 파트너스 서버는 이용자가 직접 게임 운영에 참여해 규칙 설정, 자체 이벤트 개최 등 다양한 권한을 기반으로 자신만의 커뮤니티 문화를 구축해 나가는 특별한 시스템이다. 위메이드는 파트너스 서버의 향후 계획과 우수 사례를 소개했다. 실제 파트너스 서버 운영자도 연사로 참여해 운영 과정에서의 노하우, 활성화 전략, 특별한 에피소드 등을 공유하는 시간을 가졌다. 이어 위메이드는 2026년 글로벌 업데이트 로드맵을 공개했으며, 이달 시작하는 글로벌 토너먼트 '이미르컵(YMIR CUP)'도 예고했다. 또한 개발진이 이용자의 의견을 직접 듣고 답하는 Q&A 세션도 진행했다. 위메이드는 이번 파트너스 데이를 통해 확인한 현지 이용자의 의견을 바탕으로 콘텐츠 완성도와 서비스 품질을 지속적으로 개선해 나갈 예정이다. 한편, '레전드 오브 이미르'는 글로벌 론칭 이후 17만 명 수준의 동시접속자 수를 기록하며 흥행을 이어가고 있다. 자세한 정보는 공식 사이트에서 확인할 수 있다.

2025.12.10 12:00이도원

아우디, 차량 내 디즈니 플러스 서비스 제공

아우디가 차량 내부에서 스트리밍 기술을 활용해 차 안에서도 디즈니플러스의 다양한 콘텐츠를 직접 즐길 수 있는 서비스를 제공한다고 10일 밝혔다. 아우디는 모델 라인업에 디즈니플러스 앱을 통합해 차량 내 디지털 엔터테인먼트 서비스를 한층 확대한다. 아우디 고객은 아우디 애플리케이션 스토어에서 디즈니플러스 앱을 설치해 기존 계정으로 로그인할 수 있으며, 스타워즈, 픽사, 마블, 디즈니 클래식 애니메이션을 포함한 다양한 영화와 시리즈를 차량에서 직접 시청할 수 있다. 콘텐츠는 정차 시에는 중앙 MMI 디스플레이, 주행 중에는 옵션 사양인 조수석 디스플레이를 통해 안전하게 감상할 수 있다. 아우디의 인포테인먼트 시스템은 인공지능(AI) 기반 아우디 어시스턴트와 유튜브, 스포티파이, 네이버 지도 등 다양한 앱을 다운로드해 사용할 수 있는 아우디의 핵심 디지털 플랫폼이다. 디즈니플러스 앱은 유럽 주요 국가를 비롯해 아시아 일부 지역, 호주, 뉴질랜드, 미국 등 전 세계 43개국에서 동시에 출시되며, 아우디 A5, 아우디 Q5, 아우디 A6, 아우디 A6 e-트론, 아우디 Q6 e-트론 등 신규 아우디 모델의 애플리케이션 스토어에서 다운로드할 수 있다. 폭스바겐 그룹 소프트웨어 기업 카리아드(CARIAD)와 공동 개발한 아우디 애플리케이션 스토어는 스마트폰을 연동할 필요 없이 MMI에 직접 통합되어 있으며, 마이아우디 계정과 데이터 연결만으로 편리한 사용이 가능하다.

2025.12.10 11:11김재성

동아제약, 소비자 부담 낮춘 약국 전용 건강기능식품 '팜베이직' 출시

동아제약은 약국 전용 실속형 건강기능식품 팜베이직을 출시했다고 10일 밝혔다. 팜베이직은 소비자에게 약국용 고품질 제품을 1만원 이하 부담 없는 가격으로 제공하기 위해, 동아제약과 대한약사회가 업무협약을 체결해 공동개발한 약국 건강기능식품 코너 전용 브랜드다. 팜베이직은 ▲눈(루테인지아잔틴) ▲혈행(오메가-3) ▲장(프로바이오틱스) ▲종합영양(멀티비타민·미네랄) ▲간(밀크씨슬&비타민B복합) ▲혈압(코엔자임Q10 복합) ▲관절&뼈(보스웰리아 복합) ▲혈당&체지방(카테킨&바나바 복합) 제품 등 소비자들이 가장 많이 찾는 주요 건강 카테고리 8종으로 구성됐다. 제품은 고흡수·고순도 원료를 사용해 품질을 높였으며, 원산지와 유전자변형(GMO) 여부를 확인해 소비자 기피 요인을 최소화했다. 또 눈 건강 등 일부 제품에는 임상시험으로 효능이 입증된 개별인정형 원료(루테인지아잔틴, 보스웰리아추출물 등)를 적용해 기능성을 강화했다. 모든 제품은 식약처로부터 기능성을 인정받은 건강기능식품으로, 30일분 규격이며 1일 1회 1정(캡슐·포) 복용 체계로 통일해 복용 편의성을 높였다. 또 생산공정 자동화 및 대량 생산을 통해 높은 품질을 유지하면서도 합리적인 가격을 실현했다. 동아제약 관계자는 “지속되는 경기 침체로 인해 소비자들이 건강관리에 부담을 느끼는 상황에서, 팜베이직을 통해 누구나 부담 없이 건강기능식품을 접할 수 있도록 기획했다”며 “대한약사회와 공동 개발한 팜베이직을 통해 국민 건강 증진에 기여하겠다”고 말했다.

2025.12.10 10:15조민규

코마크, 독립적인 연구 기관의 로열티 플랫폼 평가에서 우수 기업으로 선정

크라쿠프, 폴란드 2025년 12월 10일 /PRNewswire/ -- 글로벌 IT 솔루션 및 서비스 제공업체인 코마크(Comarch)가 오늘, 2025년 4사분기 더 포레스터 웨이브: 로열티 플랫폼(The Forrester Wave™: Loyalty Platforms, Q4 2025)에서 우수 기업(Strong Performer)으로 선정되었다는 소식을 발표했다. 존 페디니(John Pedini)가 작성한 이 보고서는 전문가들이 최적의 파트너를 선택하는 데 참고할 수 있도록 업계에서 가장 유력한 기술 및 솔루션 제공업체에 대한 평가 결과를 담고 있다. 전략적 비전 포레스터(Forrester)의 이 보고서에 따르면 "코마크는 여러 국가에 여러 브랜드를 거느린 채 항공사, 주유소 및 금융 서비스 분야의 전문성을 필요로 하는 다국적 기업에 가장 이상적인 파트너이다." 또한 이 보고서에 따르면 "코마크는 로열티 기술을 고객 경험(CX)과 마케팅 기술의 촉매제로 삼아 자동화, 인공지능(AI), 모듈화에 중점을 둔 로드맵을 수립했다." 커뮤니티 및 사용자와의 소통 코마크는 이번 평가의 커뮤니티(Community) 항목에서 최고 점수를 받았다. "코마크는 이례적일 정도로 활발하게 라이브 이벤트를 진행하는 한편, 사용자들이 모범 사례를 배우고 토론할 수 있는 대규모 온라인 커뮤니티를 운영한다"라고 보고서에는 기술되어 있다. 코마크의 컨설팅 총괄 이사 사미 나차와티(Sami Nachawati)는 "이번의 포레스터 웨이브 평가 결과로 코마크가 기술적 우수성을 부단히 추구하고 글로벌 기업들의 변화하는 요구에 전략적으로 부응하고 있다는 사실이 입증된 셈이다. 코마크는 인공지능 활용 전략과 유연한 모듈식 플랫폼을 갖추고 있으므로 코마크를 선택한 고객사는 적시에 최상의 고객 경험을 선사할 수 있다"라고 전했다. 보고서 전문 보기 전체 평가 결과와 코마크의 순위에 대해 더 자세히 알아보고 싶은 경우, 여기를 클릭하면 2025년 4사분기 더 포레스터 웨이브: 로열티 플랫폼 보고서 전문을 열람할 수 있다. 포레스터는 자사의 연구 간행물에 언급된 어떠한 기업, 제품, 브랜드 또는 서비스도 보증하지 않으므로 이 간행물의 평가 점수만을 근거로 특정 회사나 브랜드의 제품이나 서비스를 선택해서는 안 된다. 포레스터 보고서는 최적의 가용 자료를 토대로 작성된다. 모든 의견은 해당 시점의 판단을 반영한 것으로, 상황에 따라 달라질 수 있다. 포레스터의 객관성 원칙에 대한 자세한 내용은 여기에서 확인할 수 있다. 코마크(Comarch) 소개 코마크는 1993년에 크라쿠프에서 창립되었다. 코마크는 유럽에서 손꼽히는 IT 기업으로서 핵심 경제 부문을 선도하는 폴란드 및 글로벌 기업의 의뢰를 받아 프로젝트를 진행한다. 현재 수많은 유명 기업이 6개 대륙 100여 개 국가에서 코마크의 서비스를 이용하고 있다. 대표적인 고객사로는 알리안츠(Allianz), 오샹(Auchan), 비앤피 파리바 포르티스(BNP Paribas Fortis), 비피(BP), 카르푸(Carrefour), 히스로(Heathrow) 공항, 하이네켄(Heineken), 아이엔지(ING), 엘지 유플러스(LG U+), 오렌지(Orange), 텔레포니카(Telefónica), 티모바일(T-Mobile), 보다폰(Vodafone) 등이 있다. 문의처: michal.ostasz@comarch.com 로고 - https://mma.prnasia.com/media2/1120901/COMARCH_Logo.jpg?p=medium600

2025.12.10 01:10글로벌뉴스

박쥐도 싸울 때 말 많아진다...AI가 밝혀낸 동물 언어의 비밀

AI가 과일박쥐의 울음소리를 분석했더니 싸우거나 갈등을 겪을 때 훨씬 복잡한 소리를 낸다는 사실이 밝혀졌다. 스톡홀름 대학교 연구팀이 발표한 이 연구는 사람이 도와주지 않아도 AI 스스로 동물 언어의 구조를 찾아낼 수 있음을 보여줬다. 사람 없이도 AI 혼자서 박쥐 말 7가지 찾아냈다 해당 논문에 따르면, 연구팀은 박쥐 울음소리를 녹음한 자료를 AI에게 주었다. 이때 사람이 "이건 이런 소리야"라고 미리 알려주지 않고, AI가 비슷한 소리끼리 스스로 분류하도록 했다. 기존 연구에서는 박쥐의 울음소리를 단 2가지 유형으로만 구분했지만, 이번 연구는 소리 분석 방법을 개선하여 7가지 뚜렷한 음절 타입을 자동으로 식별하는 데 성공했다. 성공 비결은 소리 분석 방법을 개선한 데 있다. 박쥐 울음소리는 연속적으로 이어지기 때문에 분석이 어렵다. 연구팀은 소리의 높낮이보다 시간 흐름에 더 집중했다. 쉽게 말해 '어떤 음높이의 소리가 났는가'보다 '언제, 얼마 동안 소리가 났는가'를 중요하게 본 것이다. 이 방식으로 데이터를 정리하니 AI가 소리를 훨씬 잘 구분했다. 검증 결과, AI의 분류 정확도는 약 95%로 매우 높게 나타났다. 이는 전문가의 수작업 없이도 동물의 의사소통 단위를 파악할 수 있음을 보여주는 중요한 연구 성과이다. 싸울 땐 평균 3배 더 긴 소리 패턴 사용 연구팀은 박쥐가 특정 소리 조합을 몇 번이나 이어서 반복하는지 측정하는 새로운 방법을 사용했다. 마치 사람이 '너무너무'처럼 말을 반복하거나 '네가 그럴 줄 알았어' 같은 표현을 자주 쓰는 것처럼, 박쥐도 특정 소리 패턴을 반복한다는 것이다. 결과를 보니 짝짓기를 거부하거나 싸우거나 위협할 때 박쥐들은 평균적으로 더 긴 반복 패턴을 썼다. 반면 밥을 먹거나 서로 털을 골라주거나 키스할 때는 짧고 단순한 패턴이 나왔다. 엄마와 새끼 사이에서는 특정 소리를 계속 반복하는 아주 단순한 패턴이 보였다. 이는 갈등 상황에서 소통의 복잡도가 높아진다는 것을 시사한다. AI가 박쥐 소리만 듣고 무슨 행동인지 알아맞혔다 연구팀은 AI 프로그램을 만들어서 박쥐 소리 패턴만 가지고 그들이 무슨 행동을 하는지 예측했다. 이 AI는 박쥐가 사용한 소리의 종류, 소리가 이어지는 방식, 패턴의 반복 정도 등 다양한 정보를 분석했다. 그 결과 정확도를 나타내는 점수가 매우 높게 나왔다. 연구팀은 여기서 한 가지 실험을 더 했다. 박쥐 소리의 순서를 일부러 뒤죽박죽 섞어본 것이다. 그런데 놀랍게도 순서를 섞어도 AI가 행동을 예측하는 정확도는 거의 떨어지지 않았다. 이는 박쥐가 사람처럼 '주어-동사-목적어' 같은 말의 순서를 중요하게 여기지 않는다는 뜻이다. 사람은 '개가 고양이를 물었다'와 '고양이가 개를 물었다'를 순서로 구분하지만, 박쥐는 그렇지 않다는 것이다. 대신 어떤 소리가 함께 나타나는지가 더 중요했다. AI가 박쥐의 행동을 판단할 때 어떤 요소들을 중요하게 봤는지 분석했다. 가장 중요한 요소는 네 가지였다. 첫째, 특정 상황에서 나타나는 다양한 소리 연결 방식이다. 예를 들어 싸울 때는 A 소리 다음에 B 소리가 자주 나오는 식이다. 둘째, 소리 순서가 얼마나 예측하기 어려운지다. 항상 같은 순서로 나오면 예측하기 쉽지만, 매번 다르게 나오면 예측이 어렵다. 셋째, 특정 패턴이 얼마나 자주 나타나는지다. 넷째, 한 소리 다음에 다른 소리가 이어질 확률이다. 이 네 가지 요소가 전체 중요도의 약 절반을 차지했다. 나머지 절반은 다른 여러 요소가 나눠 가졌다. 이는 박쥐들이 두세 개의 소리를 짧게 연결하고, 특정 패턴을 반복하는 방식으로 의사소통한다는 것을 보여준다. 긴 문장보다는 짧은 표현을 여러 번 쓰는 셈이다. 싸울 때의 소리 지도는 촘촘하게 연결돼 있다 연구팀은 박쥐가 어떤 소리 뒤에 어떤 소리를 내는지 선으로 연결한 지도를 만들었다. 지하철 노선도처럼 각 소리를 역으로 보고, 그 사이 이동 경로를 그린 것이다. 예를 들어 박쥐가 A 소리를 낸 뒤 B 소리를 자주 내면 A와 B 사이에 선을 그었다. 분석 결과, 싸우는 상황과 협력하는 상황의 지도 모양이 완전히 달랐다. 짝짓기를 거부할 때는 거의 모든 소리가 서로 연결돼 있었다. 10개 역이 있다면 그중 8개가 서로 연결된 것처럼 매우 복잡한 구조였다. 반면 키스할 때는 10개 중 1~2개만 연결된 듯 단순했다. 연구팀은 복잡한 갈등 상황에서는 미묘한 의미를 전달해야 하므로, 더 다양하고 정교한 소리 조합이 필요하기 때문이라고 설명했다. "의견이 다르면 설명이 더 길어진다" 연구팀은 박쥐 울음소리 패턴을 정보 이론 관점에서 분석했다. 박쥐가 만들어내는 반복 패턴의 길이를 측정해 그래프로 나타낸 결과, 대부분은 짧았지만 예상보다 많은 긴 패턴이 발견되었다. 만약 박쥐가 무작위로 소리를 낸다면 긴 패턴은 거의 없어야 하지만, 실제로는 긴 패턴이 자주 등장한 것이다. 이는 박쥐의 소리가 단순한 기계적 반복이 아니라, 앞선 소리가 뒤의 소리에 영향을 주는 구조적 표현이라는 뜻이다. 사람의 언어와 비교하면 이해가 쉽다. “오늘 날씨가...”라고 말하면 자연스럽게 “좋다/나쁘다” 같은 관련 표현이 이어지듯, 박쥐도 특정 소리가 다음 소리를 결정짓는 경향이 있다. 연구팀은 갈등 상황에서 울음 패턴의 복잡도가 높아지는 이유를 '정보 압축의 어려움'으로 설명했다. 의견이 같을 때는 의사소통이 짧고 단순해지지만, 의견이 다르면 자신의 이유를 설명하고 상대를 설득해야 하므로 말이 길어진다. “밥 먹자—그래”처럼 단순한 상황과 달리, “나는 중식이 좋은데… 네 의견도 이해하는데…”처럼 설명이 길어지는 것이다. 박쥐도 비슷하게, 협력 상황에서는 짧은 소리로 충분하지만 갈등 상황에서는 더 길고 복잡한 패턴을 사용해 미묘한 의도를 전달해야 한다는 것이다. 연구팀은 이를 DNA에 비유했다. DNA는 A, T, G, C 네 가지 문자만 사용하지만 배열 방식에 따라 완전히 다른 생명체가 만들어진다. 이처럼 박쥐도 소리의 종류는 한정돼 있지만, 조합 방식에 따라 매우 다양한 의미를 표현할 수 있다고 설명했다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI가 혼자서 동물 언어를 분석한다는 게 무슨 뜻인가요? A: 통상 전문가가 소리를 일일이 분류하나, 본 연구에서는 AI에 자료만 제공하여 비슷한 소리끼리 자동 분류하도록 하였다. 그래서 AI가 7가지 기본 소리를 자동으로 찾아냈습니다. 사람 손이 덜 가고 더 객관적이며 다른 동물에도 쉽게 쓸 수 있는 방법입니다. Q2. 가장 긴 반복 패턴이 왜 중요한가요? A: 가장 긴 반복 패턴은 박쥐가 소리를 어떻게 조합하는지 보여줍니다. 사람도 "정말요?", "진짜요?"처럼 비슷한 말을 상황에 따라 쓰듯이 박쥐도 특정 소리 조합을 반복합니다. 패턴이 길다는 건 복잡한 규칙으로 소리를 조합한다는 뜻입니다. 싸울 때 패턴이 더 길었다는 건 미묘한 의미를 전달하려고 더 정교한 소리 구조를 쓴다는 뜻입니다. Q3. 이 기술을 다른 동물 연구에도 쓸 수 있나요? A: 네, 가능합니다. 이 분석 방법은 쥐나 사람 발음처럼 쭉 이어지는 소리를 내는 다양한 동물에게 적용할 수 있습니다. 논문에서도 그런 동물들에게 쓸 수 있다고 했습니다. 앞으로는 다른 동물들도 얼마나 복잡하게 소리를 조합하는지 평가하는 데 이 방법을 써볼 계획입니다. 동물들이 무슨 '대화'를 나누는지 알면 그들이 뭘 원하는지 더 잘 이해할 수 있습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.09 20:27AI 에디터

BAT, 마케팅 세미나 'M/KT 인사이트 위크' 누적 6천명 참여

비에이티(대표 박준규, BAT)는 자사 브랜드 미디어 '비스킷'과 공동 주관한 실무 기반 세미나 프로그램 '마케팅 키노타입(M/KT) 인사이트 위크'가 올해 마지막 회차를 마무리하며 누적 참여 신청자 6천 명을 기록했다고 9일 밝혔다. M/KT 인사이트 위크는 2025년 3월부터 매월 마지막 주에 정기적으로 개최된 브랜드 및 마케팅 실무자를 위한 온·오프라인 세미나 프로그램이다. 업계 현장에서 실무자가 실제로 사용하는 사고방식과 프로세스, 사례를 중심으로 다루는 것이 특징이다. 응모·추첨 방식으로 진행돼 올 한 해 약 6천 명의 마케터가 참여 신청을 했으며, 매회 정원 이상의 신청이 몰릴 만큼 높은 관심을 받았다. 올해는 지난 11월 진행된 세미나를 마지막으로 2026년 새로운 회기를 준비한다. 올해 주요 연사로는 ▲성동훈 CJ ENM e커머스사업부장 ▲최종석 배달의민족 브랜딩 실장 ▲전미희 컬리 온사이트 마케팅 그룹장 ▲이경은 배스킨라빈스 마케팅전략실장 ▲백민정 KFC KOREA CMO ▲이하석 아정당 CMO ▲이경현 IKEA Korea 이커머스 총괄 매니저 등 콘텐츠·브랜딩·이커머스·퍼포먼스·고객관계관리(CRM) 전 분야에서 활약하고 있는 실무 리더들이 참여했다. M/KT 인사이트 위크는 매회 강연과 Q&A 및 네트워킹 세션을 진행, 현업 리더들의 의사결정 기준을 실시간으로 공유하는 포맷을 유지해 왔다. 참석자들은 업무와의 연관성, 실제 사례를 통한 학습 효율 이점, 실무자의 문제 해결 방법에 대한 인사이트 등을 가장 큰 강점으로 꼽았다. 세션 종료 후 이어지는 네트워킹도 높은 만족도를 기록했다. 참석자들은 브랜드 및 마케팅 커리어를 공유하고 협업 기회를 찾는 등 프로그램이 단순 지식 전달을 넘어 비즈니스 네트워크 플랫폼으로 기능하고 있다고 평가했다. BAT는 이번 프로그램을 통해 자사가 운영하는 미디어, 세미나, 커뮤니티가 하나의 생태계로 순환하는 '실무자 중심의 인사이트 허브' 역할을 지속적으로 강화한다는 계획이다. 2026년에는 행사 규모와 구성을 더욱 확장할 예정이다. 정규 세미나 외에도 분야별 슬림형 실무 클래스, 테마 기반 스페셜 세션, 확장형 네트워킹 프로그램 등을 준비 중이며, 현업자들이 실제로 필요로 하는 실행형 콘텐츠를 더욱 정교하게 발전시킬 방침이다. 박준규 BAT 대표는 “BAT는 고객 브랜드의 문제 해결뿐 아니라 업계 전체가 더 나은 방향으로 나아갈 수 있는 실행 가능한 인사이트를 만들고자 하는 책임감을 갖고 있다”며 “앞으로도 실무자에게 실제로 도움이 되는 '진짜 인사이트'를 주는 프로그램을 통해 업계의 지식 생태계를 확장해 나갈 것”이라고 말했다.

2025.12.09 10:21백봉삼

현대차 고속 충전기 이핏, 전기차 충전 품질 인증 획득

현대차그룹의 200kW 전기차 충전기가 'EV-Q' 인증을 최초로 획득했다. 현대차그룹은 현대케피코가 개발·생산하고 현대차그룹의 초고속 충전 브랜드 이핏(E-pit)에 적용되는 '200kW 양팔형 이핏 충전기'가 EV-Q 인증을 획득했다고 밝혔다. EV-Q는 현대차그룹과 국제공인시험기관인 한국기계전기전자시험연구원(KTC)이 국내 모든 충전기 제조사와 운영 사업자를 대상으로 지난해 공동 개발한 민간 전기차 충전 품질 인증 제도다. 이 인증은 국내 전기차 시장의 질적 성장을 목표로 전기차 충전기의 ▲내구성·신뢰성 ▲실충전 성능 ▲보안성 ▲통신 적합성 ▲전자파 적합성 등 5가지 핵심 품질 항목을 표준화해 집중 평가할 수 있도록 설계됐다. 충전기 운영 사업자는 EV-Q 인증 충전기 도입을 통해 ▲충전기 고장률 감소에 따른 운영 안전성 증대 ▲차량-충전기 간 통신 프로토콜 검증을 통한 상호운용성 확보 ▲해킹 등 비인가 접근 차단을 통한 보안성 강화 ▲전자파 방출 확인 등 보다 높은 품질 경쟁력을 확보할 수 있다. 특히 현장에서 빈번하게 발생하는 충전 중단, 통신 오류, 보안 취약 등의 핵심 품질 문제를 해소함으로써 충전기 신뢰성을 한층 강화할 수 있게 됐다. 현대차그룹은 EV-Q 인증을 획득한 200kW 양팔형 이핏 충전기를 고양 현대모터스튜디오를 시작으로 전국에 순차적으로 설치할 계획이다. 현대차그룹 관계자는 "법적 요구사항을 넘어 고객이 체감하는 충전 품질을 높이기 위해 이달 런칭 예정인 200kW 양팔형 이핏 충전기에 EV-Q 인증을 획득했다"며 "현대차그룹이 설치하는 전기차 충전기에 EV-Q 인증을 확대 도입하여 양적·질적 성장이 조화를 이루는 충전 환경을 구축하겠다"고 말했다. 한편 EV-Q 인증은 품질 검증을 원하는 충전기 제조사와 운영 사업자라면 누구나 신청할 수 있으며, KTC는 시장 요구를 반영해 시험 항목을 지속 고도화할 계획이다.

2025.12.09 10:21김재성

AI에게 배달 시켰더니…"돈 다 써서 스쿠터 사더니 안 써"

샌디에이고 캘리포니아대학교와 존스홉킨스대학교 등 8개 대학 연구팀이 챗GPT, 클로드 같은 AI를 가상 세계에서 훈련하고 테스트할 수 있는 새로운 시뮬레이터 '심월드(SimWorld)'를 공개했다. 해당 논문에 따르면, 게임 제작에 쓰이는 언리얼 엔진 5로 만든 이 프로그램에서는 여러 AI들이 가상 도시에서 배달 일을 하고, 투자 결정을 내리며, 서로 협력하거나 경쟁한다. 실험 결과 AI마다 전혀 다른 행동 패턴을 보였고, 심지어 돈을 모두 써서 스쿠터를 사놓고 전혀 타지 않는 이상한 행동도 발견됐다. 100개 이상 환경을 제공하는 AI 훈련장 탄생 기존 AI 훈련 환경은 한계가 많았다. 마인크래프트나 포켓몬 같은 게임은 AI 훈련에 많이 쓰이지만, 블록을 쌓는 방식이라 현실과 거리가 멀다. 자율주행 시뮬레이터 카를라(CARLA)나 가정용 로봇 시뮬레이터 AI2-THOR는 각각 자동차나 집안일에만 집중되어 있다. 카를라는 15개, 해비타트(Habitat) 3.0은 211개의 수작업 장면만 제공한다. 심월드는 이런 문제를 해결했다. 게임 제작에 쓰이는 언리얼 엔진 5를 활용해 중력, 충돌, 마찰 같은 실제 물리 법칙을 정확하게 재현한다. 심월드는 100개가 넘는 다양한 환경을 지원하는데, 고대 도시부터 자연 풍경, 미래 도시, 판타지 세계까지 포함된다. 각 환경은 서로 완전히 다른 모습과 구조를 갖추고 있어, AI를 여러 상황에서 철저히 테스트할 수 있다. 특히 심월드는 도시를 자동으로 무한히 만들어낼 수 있다. 사용자가 "도시 크기는 이 정도, 도로는 이만큼 깔아줘" 같은 큰 틀만 정해주면, 프로그램이 알아서 수많은 도시를 만든다. 도로를 깔고, 건물을 배치하고, 거리 시설물을 추가하는 3단계 과정을 거쳐 도시가 완성된다. 모든 설정을 사용자가 바꿀 수 있어서, 원하는 조건의 실험 환경을 대량으로 만들 수 있다. 클로드가 1등 했지만 "스쿠터만 사고 안 타는" 황당한 행동도 연구팀은 심월드의 성능을 확인하기 위해 '배달 실험'을 했다. AI들을 가상 도시의 배달원으로 만들어 돈을 최대한 많이 벌게 한 것이다. 실험은 절차적 생성 모듈로 만든 하나의 도시 맵에서 진행됐다. AI들은 주문에 가격을 제시하고, 물건을 픽업하고, 배달을 완료하며, 다른 AI와 주문을 나누거나 스쿠터를 사는 등의 결정을 내린다. 각 AI는 체력이 떨어지면 음료수를 사 마셔야 하고, 처음 받는 돈과 성격도 각각 다르게 설정됐다. 실험 결과는 흥미로웠다. AI 모델마다 20개씩을 만들어 5,000번의 시뮬레이션을 돌린 결과, 딥시크-V3와 클로드-3.5-소네트이 각각 평균 69.48달러와 69.07달러를 벌어 1, 2위를 차지했다. 클로드-3.5-소네트는 성공한 배달 개수에서도 평균 2.73개로 1위였고, 에너지 사용 효율도 0.54로 가장 좋았다. 하지만 이들 고성능 AI는 행동이 들쑥날쑥했다. 어떨 때는 크게 성공하고 어떤 때는 형편없어서, 성과 편차가 매우 컸다. 연구팀은 "클로드-3.5와 딥시크-V3가 가치 없는 주문에 터무니없이 높은 가격을 부르거나, 돈을 다 써서 스쿠터를 사놓고 전혀 타지 않는 등 불규칙한 행동을 자주 보였다"고 밝혔다. 반면 제미나이-2.5-플래시는 평균 42.42달러를 벌어 중간 정도였지만, 성과가 매우 안정적이었다. 성과 편차가 3.10에 불과해 언제나 비슷한 수준의 결과를 냈고, 성공 배달 개수도 평균 2.10개로 일정했다. 딥시크-프로버-V2와 클로드-3.5-소네트는 주문 나누기를 각각 평균 7.33회, 11.33회 했는데, 편차가 각각 8.39로 평균을 초과할 정도로 예측이 불가능했다. 특히 GPT-4o-mini 모델은 모든 항목에서 0점을 받았다. 연구팀은 "이 모델은 주어진 지시와 맥락을 바탕으로 합리적인 결정을 내릴 만큼 목표를 충분히 이해하지 못하는 것으로 보인다"고 분석했다. "병원 옆에 나무 좀 심어줘"... 말로 세상을 만든다 심월드의 가장 놀라운 기능은 말로 환경을 바꿀 수 있다는 점이다. "시계탑 근처 병원 정문 앞에 테이블하고 나무 몇 그루 놓아줘"라고 말하면, 시스템이 바로 실행한다. 작동 원리는 이렇다. 대규모 언어 모델 기반의 장면 에이전트가 현재 환경의 장면 그래프를 분석해서 명령을 이해한다. "병원"이라는 공간적 기준점과 "시계탑 근처"라는 맥락적 랜드마크를 식별한 뒤, 자산 라이브러리에서 적절한 물건을 검색해 배치한다. 만약 적합한 자산이 없으면, 텍스트-3D 생성 모델(Hunyuan3D)을 호출해 "빨간 스포츠카" 같은 프롬프트로 새로운 객체를 합성하고, 이를 호환 가능한 형식으로 변환해 환경에 통합한다. 이 접근 방식은 의미적으로 근거가 있고, 공간적으로 일관되며, 확장 가능한 세계 구축을 가능하게 한다. 연구팀은 "이것이 대화형이고 조합적인 시뮬레이션의 기초를 마련한다"고 설명했다. 복잡한 3D 프로그램을 배울 필요 없이, 일상 언어만으로 원하는 환경을 실시간으로 만들어낼 수 있다. 심월드는 사람, 차량, 로봇이라는 3가지 형태의 에이전트 구현을 지원한다. 사람 형태는 다양한 외형을 갖추고 완전히 리깅된 골격 구조를 통해 달리기나 물건 들기 같은 현실적인 애니메이션을 생성한다. 차량 형태는 버스, 자동차 등 다양한 실제 교통수단을 재현하며 가속, 조향, 제동, 견인력 등 정확한 물리적 주행 역학을 구현한다. 로봇 형태는 사족 보행 시스템 같은 특정 로봇 범주를 모델링하며, 현실적인 구동, 관절 제어, 센싱 모듈을 갖추고 있다. 성실한 AI는 일 잘하고, 호기심 많은 AI는 돈 잃어 연구팀은 AI의 성격이 행동에 어떤 영향을 주는지 알아보기 위해 추가 실험을 했다. 심리학의 빅5 성격 모델을 적용해서, 최고 성능을 보인 클로드-3.5-소네트 모델로 20개 에이전트를 만들고 각각 다른 성격 특성을 부여했다. 각 성격마다 2개씩 에이전트를 할당했다. 결과는 명확한 패턴을 보였다. 성실성이 높은 에이전트들은 입찰 행동 빈도가 낮았지만, 주문 픽업 같은 작업 완수 행동은 더 자주 수행했다. 또한 입찰 성공률도 높았다. 이는 성실한 에이전트가 전략적 경쟁보다 작업 완수를 우선시한다는 것을 시사한다. 친화성이 높은 에이전트는 아무것도 하지 않는 행동을 덜 보였고, 입찰 성공률이 높았다. 반대로 친화성이 낮은 에이전트는 비활동성이 높고 입찰 가격 범위가 좁아 경쟁력이 제한적이었다. 흥미롭게도 개방성이 높은 에이전트는 배달 주문 완료 행동이 감소했다. 연구팀은 "이들이 경쟁적이거나 비전통적인 입찰 전략을 탐색하느라 작업 수행에서 주의가 분산되었을 가능성이 있다"고 분석했다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 심월드는 기존 AI 시뮬레이터와 뭐가 다른가요? 심월드는 게임 제작에 쓰는 언리얼 엔진 5를 기반으로 현실적인 물리 법칙과 고품질 그래픽을 구현합니다. 마인크래프트처럼 블록 기반의 단순한 물리가 아니라 실제 중력, 관성, 충돌을 시뮬레이션하며, 자연어 명령으로 환경을 실시간 편집할 수 있습니다. 또한 대규모 언어 모델과 비전 모델 기반 에이전트가 자연어로 고수준 행동을 명령할 수 있는 인터페이스를 제공합니다. Q2. 실험에서 어떤 AI 모델이 가장 우수한 성과를 보였나요? 딥시크-V3와 클로드-3.5-소네트이 각각 평균 69.48달러와 69.07달러로 가장 높은 수익을 기록했지만, 성과 변동성이 컸습니다. 반면 제미나이-2.5-플래시는 평균 42.42달러로 중간 수준이었지만 표준편차가 3.10에 불과해 매우 안정적이고 예측 가능한 성과를 보였습니다. GPT-4o-mini는 모든 지표에서 0점을 기록하며 작업을 전혀 이해하지 못했습니다. Q3. 심월드를 실제로 어디에 쓸 수 있나요? 자율주행 차량, 배달 로봇, 가정용 로봇처럼 실제 물리 환경에서 작동하는 에이전트를 훈련하는 데 활용할 수 있습니다. 또한 비즈니스 시뮬레이션, 도시 계획, 사회 행동 연구, 공중보건 시나리오 분석 등 다양한 분야에서 복잡한 시스템과 창발적 행동을 연구하는 플랫폼으로 사용됩니다. 오픈소스로 공개되어 있어 누구나 자신의 연구 목적에 맞게 커스터마이징할 수 있습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.08 21:45AI 에디터

한국레노버, 2K·풀HD 모니터 신제품 5종 출시

한국레노버가 8일 업무와 엔터테인먼트에 최적화된 모니터 신제품을 국내 출시했다. 신제품은 2K(QHD, 2560×1440 화소) 모니터 L27q-4A, L27h-4A 2종과 풀HD(1920×1080 화소) 해상도 4C 시리즈 L27-4C, L24-4C, L24D-4C 3종 등 총 5종이다. L27q-4A, L27h-4A 2종은 4면 테두리 최소화와 상하/좌우 각도, 높낮이를 자유롭게 조절할 수 있는 멀티스탠드를 기본 제공한다. 내장 스피커에는 웨이브 맥스오디오 음향 기술을 적용했다. L27h-4A는 USB-C 연결로 기기 충전과 영상 입력, USB 허브 기능을 지원해 노트북 외부 모니터 확장 용도로 활용할 수 있다. L27q-4A는 HDMI 2.1, 디스플레이포트 1.4 등 영상 입력 단자 3개를 갖췄다. 4C 시리즈는 화면주사율 144Hz, sRGB 색공간 99%를 재현하는 패널을 탑재했고 AMD 프리싱크를 지원해 게임 화면에서 프레임 잘림이나 찢김 현상을 완화환다. L24D-4C는 USB-C 단일 케이블을 통해 최대 75W 충전과 데이터 전송, 영상 입력까지 가능하다. 모니터 신제품 5종 모두 클라우드 그레이 색상을 적용했고 스마트 디스플레이 모니터 소프트웨어 '아트리'를 지원한다. 화면 분할, 색상 조정 등 각종 설정을 간편하게 관리할 수 있다. 무상보증기간은 구입 후 3년간이며 기간 중 고장 발생시 엔지니어가 직접 방문한다. 불량화소 발견시 타사 대비 엄격한 교체 기준을 적용한다. 온라인 마켓으로 공급되며 판매 가격은 12만 9천원부터.

2025.12.08 11:06권봉석

AI 의사 못 믿겠네…심각한 오류 4건 중 3건이 '진단 누락'

미국 스탠퍼드대와 하버드 의대 연구진이 챗GPT, 구글 제미나이, 클로드 같은 인공지능 31개를 조사한 결과, 최악의 경우 100개 진료 사례 중 22개에서 심각하게 위험한 의료 조언을 했다. 더 놀라운 건 AI가 잘못된 약을 추천하는 것보다, 필요한 검사나 치료를 '빠뜨리는' 실수가 훨씬 더 많았다는 것이다. 심각한 오류 10건 중 거의 8건이 "괜찮습니다" 또는 "더 이상 검사가 필요 없습니다"라고 말하면서 정작 꼭 해야 할 조치를 빠뜨린 경우였다. 실제 병원 상담 100건으로 AI 안전성 시험했더니 해당 논문에 따르면, 연구팀은 스탠퍼드 병원에서 실제로 있었던 1만 6천여 건의 진료 상담 중 100건을 골랐다. 이 상담들은 동네 병원 의사가 대학병원 전문의에게 "이 환자 어떻게 치료하면 좋을까요?"라고 물어본 진짜 사례들이다. 알레르기, 심장, 피부, 당뇨, 소화기, 혈액, 감염, 신장, 신경, 호흡기 등 10개 분야를 다뤘다. 사례마다 "소변 검사를 해야 할까?", "항생제를 처방해야 할까?", "응급실로 보내야 할까?" 같은 선택지들을 준비했다. 전체 4,249개의 선택지를 만들었고, 전문의 29명이 선택지마다 "이건 환자한테 도움이 될까, 해가 될까?"를 평가했다. 총 1만 2천여 개의 평가 점수가 나왔다. 전문의들은 9점 척도로 점수를 매겼는데, 95.5%가 서로 비슷한 점수를 줬다. 즉, 전문가끼리 의견이 거의 일치했다는 뜻이다. 이 평가는 "하면 안 되는 걸 한 실수"와 "해야 하는 걸 안 한 실수" 둘 다 잡아낼 수 있다. 최악의 AI는 사례 2.5건당 1건 위험, 최고도 11건 중 1건 실수 100건의 사례를 31개 AI에게 물어본 결과는 충격적이었다. 가장 좋은 성적을 낸 AI들(구글 제미나이 2.5 플래시, 리사 1.0, 클로드 소네트 4.5, 구글 제미나이 2.5 프로, 딥시크 R1)도 100건 중 평균 12~15건에서 심각한 실수를 했다. 가장 나쁜 AI들(o4 미니, GPT-4o 미니)은 100건 중 40건이나 위험한 답을 내놨다. 더 걱정되는 건 "몇 건의 사례를 다룰 때 1건에서 심각한 문제가 생기는가"라는 계산이다. 최악의 AI는 사례 4.5건당 1건에서 심각한 해를 끼쳤다. 가장 좋은 AI도 11.5건 중 1건꼴로 위험한 답을 줬다. 재미있는 건 "아무 치료도 하지 마세요"라고만 답하는 가짜 AI를 만들어 비교했는데, 이게 사례 3.5건당 1건을 위험하게 만들었다. 테스트한 모든 AI보다 더 위험했다. 이는 병원에서 "아무것도 안 하는 것"도 큰 위험이 될 수 있다는 뜻이다. AI의 진짜 문제는 "너무 많이 하는 것"이 아니라 "충분히 안 하는 것" 이 연구에서 가장 중요한 발견은 AI가 잘못된 약을 주는 것보다, 필요한 검사를 안 하라고 말하는 게 훨씬 더 위험하다는 것이다. 모든 실수를 모아보니 절반 이상(50.2%)이 "해야 하는데 안 한" 실수였다. 특히 심각한 실수만 보면 10건 중 거의 8건(76.6%)이 이 유형이었다. 예를 들어보자. 필수 혈액 검사를 주문하지 않거나, 중요한 재검사 일정을 잡지 않거나, 전문의에게 보내야 하는데 안 보낸 경우다. 반대로 위험한 약을 잘못 추천하는 실수는 상대적으로 적었다. 실수를 종류별로 나눠보니, 최고 성적 AI들은 특히 "진단 검사 빠뜨리기"와 "추적 관찰 빠뜨리기"를 적게 했다. 즉, 요즘 AI의 가장 큰 문제는 과잉 진료가 아니라 과소 진료다. 최고 AI는 의사보다 10% 더 안전하고, AI 3개 협업하면 1개보다 8% 더 안전 연구진은 내과 전문의 10명에게도 똑같은 테스트를 했다. 단, 30개 사례만 골라서 했다. 의사들은 인터넷 검색이나 의학 자료 사이트는 쓸 수 있었지만 AI 도움은 못 받았다. 결과는 놀라웠다. 최고 성적을 낸 AI가 의사들보다 안전성에서 평균 9.7% 더 좋았다. 평균 AI도 "빠짐없이 필요한 조치를 다 권하는 능력"에서 의사보다 15.6% 더 나았다. 더 흥미로운 건 AI 여러 개를 함께 쓰는 방법이다. 첫 번째 AI가 답을 내면, 두 번째 AI가 그 답을 검토하고 고치고, 세 번째 AI가 다시 검토하는 식이다. 이렇게 하면 AI 1개만 쓸 때보다 훨씬 안전했다. 여러 AI를 조합한 방식은 1개만 쓸 때보다 최상위 안전 등급을 받을 확률이 5.9배 높았다. 특히 서로 다른 회사의 다양한 AI를 섞을수록 더 좋았다. 가장 좋은 조합은 오픈소스 AI(라마 4 스카우트), 상업용 AI(구글 제미나이 2.5 프로), 의료 자료 검색 AI(리사 1.0)를 함께 쓴 것이었다. AI 3개를 함께 쓰면 2개보다 평균 4.9% 더 안전했고, 1개보다는 8% 더 안전했다. 너무 신중한 AI가 오히려 위험할 수 있는 역설 연구진은 세 가지 기준으로 AI를 평가했다. '안전성'은 얼마나 해를 덜 끼치는가, '완전성'은 필요한 조치를 빠짐없이 권하는가, '신중함'은 불확실한 치료를 피하는가를 측정한다. 재미있는 발견이 있었다. 너무 신중한 AI도 문제지만, 너무 무분별한 AI도 문제였다. 안전성은 중간 정도로 신중할 때 가장 높았다. 그래프로 그리면 역U자 모양이 나왔다. 오픈AI의 모델들(GPT 시리즈, o 시리즈)은 대체로 매우 신중했다. 확실한 것만 추천하려다 보니 필요한 조치를 많이 빠뜨렸다. 그래서 다른 AI들보다 평균 안전성과 완전성이 낮았다. 구글의 최신 모델 제미나이 3 프로도 비슷한 문제가 있었다. 연구진이 실험을 더 해봤다. 같은 AI에게 "신중하게 해"라고 할 때와 "최대한 많이 추천해"라고 할 때를 비교했다. 제미나이 2.5 플래시는 원래 신중함이 낮은 편인데, 더 신중하게 하라고 하니 안전성이 떨어졌다. 반대로 GPT-5는 원래 너무 신중한 편인데, 덜 신중하게 하라고 하니 안전성이 올라갔다. 이는 의학적으로도 의미가 있다. 너무 조심스러워서 확실한 것만 말하는 AI는 얼핏 안전해 보이지만, 실제로는 "필요한 검사 안 하라고" 말함으로써 더 큰 위험을 만들 수 있다. 기존 AI 시험 점수로는 의료 안전성 예측 못 해 연구진은 이 AI들의 다른 시험 점수도 함께 봤다. ARC-AGI, GPQA-다이아몬드, LM아레나 같은 유명한 AI 능력 평가나, MedQA 같은 의학 지식 시험 점수를 비교했다. 결과는 의외였다. 의료 안전성과 약간이라도 관련 있는 건 딱 3개뿐이었다. GPQA-다이아몬드와 안전성(상관계수 0.61), LM아레나와 안전성(0.64), MedQA와 신중함(0.51). "빠짐없이 처방하는 능력"과 관련된 시험 점수는 하나도 없었다. AI가 최신인지, 크기가 큰지, 추론 능력이 있는지도 조사했다. 별로 상관이 없었다. 신중함만 조금 관련이 있었고, 안전성이나 완전성은 이런 것들로 예측이 안 됐다. 이는 중요한 의미를 갖는다. AI 회사들이 자랑하는 시험 점수가 높다고 해서 의료 현장에서 안전하다고 장담할 수 없다는 것이다. 의료 안전성은 별도로 측정해야 한다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q. AI 의사가 가장 자주 하는 실수는 뭔가요? A. AI가 가장 자주 하는 위험한 실수는 필요한 검사나 치료를 안 하라고 말하는 것입니다. "괜찮아요, 더 검사 안 해도 돼요"라고 하면서 정작 꼭 해야 할 혈액 검사나 재검진을 빠뜨립니다. 심각한 실수 10건 중 8건이 이런 유형입니다. 잘못된 약을 추천하는 실수보다 훨씬 많고 위험합니다. Q. 어떤 AI가 가장 안전한가요? A. 단일 AI로는 구글 제미나이 2.5 플래시, 리사 1.0, 클로드 소네트 4.5, 구글 제미나이 2.5 프로, 딥시크 R1이 가장 안전했습니다. 하지만 더 좋은 방법은 여러 AI를 함께 쓰는 것입니다. 특히 서로 다른 회사의 AI를 섞어 쓰면 1개만 쓸 때보다 평균 8% 더 안전합니다. Q. AI 의료 조언을 믿어도 되나요? A. 최고 성능 AI는 의사보다 약 10% 더 안전했습니다. 하지만 그래도 11~12건의 사례를 다룰 때마다 1건에서는 심각한 실수를 합니다. 따라서 AI 말을 그대로 믿기보다는, 의사 선생님과 상담할 때 참고 자료로만 쓰는 게 안전합니다. 특히 AI가 "괜찮다" 또는 "더 검사 안 해도 된다"고 할 때는 더욱 조심해야 합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.05 21:48AI 에디터

추이리 ZTE CDO, AI 이노베이션 아시아 2025서 연설

싱가포르 2025년 12월 5일 /PRNewswire/ -- 통합 정보 통신 기술 솔루션 분야의 글로벌 선도 기업 ZTE Corporation(ZTE)(0763.HK / 000063.SZ)이 이코노미스트 그룹(The Economist Group)의 사고 리더십 부문인 이코노미스트 임팩트(Economist Impact)가 주최한 AI 이노베이션 아시아 2025(AI Innovation Asia 2025)에서 자사의 추이리(Cui Li) 최고 개발 책임자(CDO)가 연설했다고 밝혔다. 추이리 ZTE CDO, AI 이노베이션 아시아 2025서 연설 'AI가 어떻게 도울 수 있을까? 에이전틱 AI와 고객 경험(How May AI Help You? Agentic AI and the Customer Experience)' 패널에서 추이리 CDO는 에이전틱 AI에 대한 ZTE의 전략적 비전을 공유하고, 이것이 회사 전반에서 고객 경험과 운영 모델을 어떻게 재편하고 있는지 설명했다. 또한 회복 탄력성 강화, 감독 및 책임 제고 역할을 강조하며 조직이 지금 에이전틱 AI 시대를 대비해야 한다고 촉구했다. Q1: 상황 설정 - 에이전틱 AI가 해당 분야 고객 경험에 미치는 영향은 무엇인가? 에이전틱 AI는 UI 디자인뿐만 아니라 응답부터 이해, 공동 창작에 이르기까지 사용자 경험을 재정의하고 있다. ZTE는 '모두를 위한 AI(AI for All)' 전략 아래 네트워크, 컴퓨팅, 가정, 개인 기기 등 4개 핵심 영역에 에이전틱 AI를 통합하고 있다. 예를 들어 네뷸라 텔레콤 라지 모델(Nebula Telecom Large Model), 빅데이터, 디지털 트윈이라는 3가지 엔진으로 레벨 4 이상의 자율 네트워크를 구현한다. 실제로 ZTE와 차이나모바일(China Mobile)은 네트워크 문제를 감지하고 자가 치유를 활성화해 문제 해결 시간을 47% 단축하는 멀티 에이전트를 공동 개발했다. Q2: 전략적 전환 - 에이전틱 AI를 통한 디지털 자율성 증대가 조직의 회복 탄력성과 적응성 구축 방식을 어떻게 재편할까? 현재는 매우 불확실한 시대다. 즉, 결말을 염두에 두고 시작해야 하며 불확실성 속에서 항상 안정을 추구하고, 눈덩이 효과처럼 강력한 해자를 구축해야 한다. 또한 변화를 포착하고 즉시 방향을 전환할 수 있도록 민첩성을 유지해야 하며, 기계적인 기업에서 유기적이고 적응력 있는 기업으로 진화해야 한다. 그다음 AI가 어떻게 우리를 진정으로 도울 수 있는지 알아야 한다. 거대 AI 모델은 이미 박사급 이상의 성능을 발휘하고 있다. 에이전트는 여기서 한발 더 나아가 메모리와 도구를 통합해 모델의 실제 애플리케이션 역할을 수행한다. 에이전틱 AI는 다양한 에이전트를 조정해 더 복잡하고 시간이 오래 걸리는 작업을 자동화할 수 있다. 물론 이는 이상적인 상태다. 에이전트와 에이전틱 AI 모두 아직 초기 단계이며 기술적 과제가 많다. 하지만 AI의 급성장을 고려할 때 조만간 해결책이 나올 것이라 믿는다. 또한 AI는 장기적으로 꾸준히 추진할 때 효과를 발휘할 수 있다고 본다. 지능화는 디지털 및 네트워크 기반 위에 구축된다. 디지털 전환 없이는 기업이 진정한 지능화를 달성할 수 없으며, 회복 탄력성이나 적응성은 말할 것도 없다. 이는 걷기도 전에 뛰려는 것과 같다. 지능화는 지식 공학, 프로세스 재설계, AI 마인드셋이 필요한 작업으로 단거리 경주가 아닌 마라톤과 같다. ZTE는 2016년에 디지털 여정을 시작했고, 2022년에는 지능형 전환을 시작했다. 경험에 비춰볼 때 우선 인프라를 구축하되 하드웨어와 소프트웨어의 균형을 유지해야 한다. 또한 모든 구성원이 동일한 목표를 갖도록 체계적인 하향식 계획을 수립하는 것이 중요하다. 작은 단계에서 획기적 발전이 이뤄지는 만큼 꾸준히 투자해야 하며, 가치가 높고 구체적인 시나리오부터 시작해 불확실성을 해소해 나가는 빠른 실행과 보완 과정이 필수다. Q3: 감독 및 책임 - AI 시스템이 스스로 더 많은 결정을 내릴 때 기업은 어떻게 감독을 유지하고 책임을 보장하며 디지털 주권을 보호할 수 있나? 한마디로 인간이 개입해야 한다. 설계, 검토, 의사 결정, 감독 같은 업무는 여전히 사람이 해야 하며 최종 책임도 사람이 져야 한다. 자동화는 수단이지 목적이 아니다. 인간이 정말 걱정해야 할 것은 대체되는 것이 아니라, 이 과정에서 물러나거나 없어지는 것이다. 동전의 양면처럼 모델도 마찬가지다. 일반화, 창발적 능력(Emergent ability), 지속적인 진화는 진정으로 획기적인 기술의 특징이다. 하지만 환각, 블랙박스 문제 등도 내재하고 있다. 또한 인간은 사회적 지능과 도덕성을 갖추고 있지만, AI는 이를 진정으로 습득할 수 없다. 본질적으로 AI는 통계 모델에 기반하므로 현실 세계의 상식은 고사하고, 인간처럼 복잡한 문제를 절충하는 능력도 부족하다. 무엇보다 비즈니스에 AI를 도입하려면 노하우와 심도 있는 통합을 이뤄야 한다. 정확성, 보안, 규정 준수, 책임 분담 같은 요소를 고려하고 워크플로와 KPI를 모두 고려해야 한다. ZTE의 실무 경험을 바탕으로 몇 가지 조언을 하자면 기업 자체 지식 공학 프로젝트와 도메인 특화 거대 모델 개발(전문성과 신뢰성을 위한 RAG 및 디지털 트윈 포함), 에이전트가 해결해야 할 구체적 문제 식별(천편일률적인 에이전트는 아무것도 제대로 못 하는 경우가 많음), 에이전트와 워크플로의 적절한 사용 시점 파악(에이전트는 실행 경로가 가변적인 복잡한 작업에 적합하고 워크플로는 예측 가능한 시나리오에서 더 정확하고 효율적임), 비용 효율성과 보안을 모두 보장하기 위한 단말-에지-클라우드 협업 활성화 등이다. 이 모든 핵심 요소 가운데 AI를 올바른 방향으로 이끌고 진정한 가치를 창출하는 것은 여전히 인간이다. Q4: 미래 전망 - 에이전틱 AI가 작업 기반 자동화에서 통합 비즈니스 파트너로 진화하는 과정을 어떻게 보고 있나? 또 조직은 에이전틱 AI에 대비하기 위해 어떤 즉각적 조치를 취해야 하는가? 기술적 관점에서는 에이전트나 에이전틱 AI를 능동적인 디지털 근로자로 생각할 수 있다. 단순하거나 반복적인 작업을 넘어 전체 워크플로를 연결하고 인지 자동화를 실현하며 자가 진화까지 할 수 있다. 현재 에이전트는 구조가 잘 잡혀 있고 정보가 많으며 결함 허용 오차가 있고 피드백 체계가 명확한 시나리오에서 잘 작동한다. 하지만 실제 환경이 더 복잡하거나 위험해지면 실험실 수준에 머무는 경우가 많다. 앞서 언급한 것처럼 에이전트와 에이전틱 AI는 아직 초기 단계다. 앞으로 1~2년 이내에는 주로 수직 시장에 집중할 것이다. 그 후에는 더 큰 자율성을 가지고 복잡한 작업을 수행하며 일반화되고 적응력을 갖춰 학습하고 진화할 것이다. 현재 에이전트는 매우 빠르게 발전하고 있다. 지난달 출시된 Gemini 3는 SOTA(State-of-the-Art) 추론, 멀티모달 이해, 에이전틱 기능을 갖춰 AI 모델의 새로운 기준을 제시했다. 조직 입장에서 AI 수용은 유일한 길이라고 생각한다. AI 도입은 단순히 API를 연결하는 것이 아니라 프로세스, 구조, 팀을 재편하는 것이다. 기업은 먼저 중장기 계획을 수립하고 기술 및 시장 변화에 발맞출 수 있을 만큼 적응력을 갖춰야 한다. 다음으로 가치 높은 비즈니스 특화 시나리오에서 시작해 빠르게 반복해야 한다. 이것이 진정으로 AI를 통달하는 방법이다. 인재 전략도 재편하고 있다. 미래에는 이 기술을 발전시키는 AI 전문가, 혁신을 촉진하고 효율성을 높이는 AI 파워 유저, 고차원적 사고와 건강한 마인드셋으로 AI 그 이상을 해내는 사람 등 세 가지 유형의 인재가 가장 중요해질 것이다. 마지막으로 AI를 십분 활용하려면 기업 스스로를 구조 조정하고 '인간-AI 공생'의 미래를 계획해야 한다. AI 이노베이션 아시아 2025는 기업 리더, 기술 선구자, 정책 입안자를 잇는 고위급 대화 플랫폼이다. 15개 심층 주제 세션과 40명 이상의 업계 전문가가 전하는 통찰을 중심으로 생성형 AI(Generative AI) 및 에이전틱 AI 같은 첨단 기술의 상용화 경로에 초점을 맞춰 기업이 기술적 통찰을 실질적 성장으로 전환하고, 아시아 태평양 지역의 복잡한 시장 환경에서 지속 가능한 디지털 전환을 탐색하도록 돕는다. 미디어 문의ZTE 코퍼레이션대외 홍보Email: ZTE.press.release@zte.com.cn

2025.12.05 16:10글로벌뉴스

국내 AI 스타트업, 뉴욕서 62건 파트너십 체결

국내 인공지능(AI)·디지털 스타트업들이 미국 동부시장 진출 프로그램을 통해 투자 유치와 파트너십 체결, 법인 설립 등 가시적인 성과를 거두고 있다. 과학기술정보통신부(이하 과기정통부)는 정보통신산업진흥원(NIPA), 한국인공지능·소프트웨어산업협회(KOSA)와 'AI 디지털 비즈니스 파트너십 특화 프로그램(AIIA) 참여기업 성과공유회'를 개최했다고 5일 밝혔다. AIIA는 뉴욕대학교(NYU) 스턴경영대학원과 협력해 국내 유망 기업의 미국 동부시장 진출을 지원하기 위해 올해 처음 시작된 사업이다. 과기정통부가 주관하고 뉴욕대 스턴경영대학원, NIPA, KOSA가 공동 운영하는 이 프로그램은 상반기와 하반기 두 차수로 진행됐으며, 총 20개 국내 AI·디지털 기업이 참여했다. 이 프로그램은 단순 참관형이 아닌 실질적인 비즈니스 성과 창출을 목표로 설계됐다. 각 기업에는 산업별 현장 경험을 갖춘 전담 멘토가 배정돼 약 8주 동안 사전 진단부터 미국 진출 전략 고도화, 잠재 파트너 매칭, 후속 논의 지원까지 전 과정을 밀착 지원했다. 참여기업들은 뉴욕대 스턴의 기업가정신 워크숍, 현지 투자사·기업·정부기관 방문, 뉴욕대 MBA 펠로우·멘토·컨설턴트와의 협력 프로그램을 통해 미국 고객 수요에 맞춰 제품과 전략을 재정비하는 기회를 가졌다. 정보통신기획평가원(IITP)과 뉴욕대가 공동 운영하는 '글로벌 AI 프론티어랩(Global AI Frontier Lab)'에서 제공한 현지 사무공간도 초기 시장 안착에 큰 도움이 됐다. 성과도 눈에 띈다. 과기정통부와 KOSA가 올해 참여기업 20개사를 대상으로 집계한 결과, 미국 현지에서 총 3건의 투자 유치가 이뤄졌고, 유상계약·업무협약(MOU)·개념검증(PoC) 등 파트너십 체결은 62건에 달했다. 또한 3개사는 미국 현지법인을 설립해 본격적인 시장 공략 기반을 마련했다. 프로그램 종료 이후에도 후속 미팅과 협상이 계속 진행 중이어서 추가 성과도 기대되는 상황이다. 개별 사례도 구체적이다. 참여기업 S사는 뉴욕대 멘토단의 지원을 받아 미국 뉴저지의 리사이클 센터와 비즈니스 미팅을 추진하며 동부 지역 대상 PoC를 진행하고 있다. M사는 식품기업과의 파트너 미팅과 협상을 거쳐 유상 계약을 성사시켰다. P사와 Q사는 뉴욕대 '스턴 시그니처 프로젝트(SSP)' 공동연구 프로젝트에 선정됐다. 일부 기업은 올해 하반기 과제를 마무리했고, 나머지는 내년까지 연장해 프로젝트를 수행할 계획이다. 참여기업들의 만족도와 재참여 의사도 높게 나타났다. 기업들은 공통적으로 "기술 우수성을 앞세우는 기존 관점에서 벗어나, 미국 시장과 고객 요구를 먼저 바라보는 시장 중심적 사고로 전환된 것이 가장 큰 변화"라고 평가했다. 특히 뉴욕대 네트워크를 바탕으로 한 현지 멘토단의 전문성과 파트너 연결 능력, 실제 계약과 PoC로 이어진 비즈니스 리드 확보 효과를 핵심 강점으로 꼽았다. 과기정통부와 NIPA, KOSA는 올해 첫해 성과를 바탕으로 뉴욕대 및 현지 기관과의 협력 모델을 한층 고도화할 계획이다. 단발성 프로그램이 아닌 지속 가능한 미국 시장 진출 지원 체계를 구축해 국내 AI·디지털 스타트업의 글로벌 스케일업을 본격적으로 뒷받침하겠다는 구상이다. 2026년 AIIA 참여기업 모집 공고는 내년 1분기 중 NIPA와 KOSA 홈페이지를 통해 게시될 예정이다. 세부 일정과 지원 요건은 해당 홈페이지 공고문에서 확인할 수 있으며, 문의는 KOSA 글로벌협력팀으로 하면 된다.

2025.12.05 12:08남혁우

"병원들이 돈 주고 쓰는 의료 전문 AI, 챗GPT보다 못하다"

의료 전문 AI가 일반인도 쓰는 챗GPT보다 성능이 떨어진다는 연구 결과가 나왔다. 뉴욕대학교 연구진이 의사들이 실제로 쓰는 유료 의료 AI와 GPT-5, 제미나이 같은 일반 AI를 비교했더니, 일반 AI가 의학 지식이나 실제 진료 상황 판단 모두에서 더 뛰어났다. 의료계에서는 "전문 AI가 더 안전하다"고 말해왔는데, 이번 연구는 그 주장에 의문을 제기한다. 미국 의사 40%가 쓰는 오픈에비던스, 주장과 달리 성적 낮아 해당 논문에 따르면, 뉴욕대학교 병원 신경외과 연구팀은 의사들이 많이 쓰는 두 가지 의료 전문 AI인 오픈에비던스와 업투데이트 전문가 AI를 일반 AI들과 비교했다. 비교 대상은 GPT-5, 제미나이 3 프로, 클로드 소네트 4.5였다. 오픈에비던스는 미국 의사 40%가 쓰고 있고 기업 가치가 35억 달러(약 5조 원)에 달한다. 업투데이트 전문가 AI는 미국 주요 병원 70%가 도입했다. 연구진은 1,000개 의료 질문으로 테스트를 진행했다. 500개는 미국 의사면허시험(USMLE) 스타일의 문제로 의학 지식을 평가하고, 나머지 500개는 실제 진료 상황에서 전문 의사의 판단과 얼마나 일치하는지 확인하는 문제였다. 평가 결과, 의료 전문 AI의 광고 문구와 실제 실력 사이에 큰 차이가 있었다. 특히 오픈에비던스는 자사 발표에서 미국 의사면허시험 스타일 문제에서 완벽한 100% 정확도를 달성했다고 주장했지만, 이번 독립적인 테스트에서는 그보다 훨씬 낮은 결과를 보였다. GPT-5, 의사 시험 문제 96.2% 정확도로 1위... 의료 전문 AI는 89% 의학 지식 평가에서 GPT-5는 96.2%의 정확도로 가장 높은 성적을 냈다. 제미나이 3 프로가 94.6%로 2위, 클로드 소네트 4.5는 91.4%였다. 반면 의료 전문 AI인 오픈에비던스는 89.6%, 업투데이트 전문가 AI는 88.4%에 그쳤다. GPT-5는 제미나이를 빼고는 다른 모든 AI를 통계적으로 유의미하게 앞섰다. 특히 두 의료 전문 AI와 비교하면 격차가 컸다. 일반 AI 3개의 평균 정확도는 94.1%였지만, 의료 전문 AI 2개의 평균은 89.0%로 약 5%포인트 낮았다. 특히 의학 지식과 과학 주제 문제에서 오픈에비던스, 업투데이트 전문가 AI, 클로드 소네트 4.5가 다른 AI들보다 낮은 성능을 보였다. 이는 의료 전문 AI가 기본적인 의학 지식 문제조차 일반 AI를 따라잡지 못하고 있음을 보여준다. 실제 진료 판단력 평가에서 일반 AI가 의료 전문 AI보다 약 1.2배 우수 실제 병원에서 일하는 전문 의사처럼 판단하는지 평가하는 테스트에서는 차이가 더 벌어졌다. GPT-5가 97.0%로 압도적 1위를 했고, 제미나이는 90.5%, 클로드 소네트은 87.7%였다. 반면 업투데이트 전문가 AI는 75.2%, 오픈에비던스는 74.3%였다. GPT-5는 다른 모든 AI를 통계적으로 유의미하게 앞섰고, 오픈에비던스는 업투데이트를 제외한 모든 AI보다 뒤처졌다. 일반 AI 그룹의 평균 점수는 91.7%였지만, 의료 전문 AI 그룹은 74.8%로 약 17%포인트 차이가 났다. 일반 AI가 의료 전문 AI보다 약 1.2배 높은 점수를 받았다. 세부 평가 항목을 보면 의료 전문 AI의 약점이 더 확실히 드러난다. 정확한지, 정보가 충분한지, 설명을 잘하는지, 상황을 잘 파악하는지, 지시를 잘 따르는지 등 5가지를 평가했는데, GPT-5는 모든 항목에서 최고 점수를 받았다. 반면 오픈에비던스는 5개 항목 모두에서 다른 세 일반 AI보다 낮은 점수를 받았고, 업투데이트는 5개 중 2개 항목에서 모든 일반 AI보다 점수가 낮았다. 특히 정보의 완전성, 의사소통 품질, 맥락 인식 능력에서 일반 AI가 의료 전문 AI를 크게 앞섰다. 응급 상황 판단과 환자 안전에서 의료 전문 AI 취약점 드러나 연구진은 테스트 문제를 7가지 주제로 나눠 추가로 분석했다. 응급 상황에서 전문의에게 의뢰해야 하는지 판단하기, 맥락 파악하기, 글로벌 보건, 건강 데이터 다루기, 전문가답게 설명하기, 불확실할 때 대응하기, 깊이 있게 답하기 등이다. GPT-5는 7가지 주제 모두에서 1위이거나 공동 1위를 했고, 4개 주제에서는 만점을 받았다. 반면 오픈에비던스와 업투데이트 전문가 AI는 7가지 주제 전부에서 최하위이거나 공동 최하위였다. 특히 걱정되는 부분은 응급 상황 의뢰 판단에서 일반 AI와 의료 전문 AI 사이에 통계적으로 유의미한 차이가 나타났다는 점이다. 또한 시스템 기반 실무 역량 분류, 특히 환자 안전 관련 문제에서 의료 전문 AI들이 유의미하게 낮은 성능을 보였다. 이는 의료 전문 AI가 정작 병원에서 중요한 응급 상황 판단이나 환자 안전과 관련된 시스템적 사고에서 약점을 가지고 있음을 의미한다. 연구진은 의료 전문 AI의 성능이 낮은 이유를 분석했다. 오픈에비던스와 업투데이트 전문가 AI는 검색 증강 생성 방식에 크게 의존하는데, 이 방식은 잘못된 자료를 검색하거나 기본 모델이 정보를 제대로 통합하지 못하면 오히려 성능을 해칠 수 있다고 지적했다. 반면 GPT-5 같은 최신 범용 모델은 방대한 학습 데이터와 더 발전된 정렬 기술 덕분에 의학 지식 검색과 추론 작업에서 탁월한 성능을 발휘한다. 연구진은 생성형 AI 모델이 일상적인 의사결정에 통합되면서, 광고된 주장과 실제 성능 사이의 불일치가 피할 수 있는 임상 위험을 초래한다고 지적했다. 의료 시스템은 문서 작성 지원, 가이드라인 검색, 환자 분류, 외래 진료 등에서 AI 기반 도구를 점점 더 많이 배치하고 있다. 이런 환경에서는 작은 신뢰도 결함도 환자 결과에 의미 있는 영향을 미칠 수 있다. 특히 오늘날 많은 AI 사용이 의료진과 환자가 개인 기기에서 이러한 모델을 실험하는 상향식으로 나타나고 있어, 공식적인 기관 도입 훨씬 전에 이미 널리 사용되고 있다고 설명했다. FAQ ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 의료 전문 AI가 일반 AI보다 성능이 낮은 이유는 무엇인가요? A. 의료 전문 AI는 필요한 정보를 검색해서 가져오는 방식을 주로 사용하는데, 잘못된 자료를 검색하거나 정보를 제대로 통합하지 못하면 오히려 성능이 나빠질 수 있습니다. 반면 GPT-5 같은 최신 범용 AI는 훨씬 더 방대한 데이터로 학습했고 더 발전된 훈련 방법을 사용해서 의학 지식 검색과 추론 작업에서 뛰어난 성능을 보입니다. Q2. 이번 연구에서 어떻게 평가했나요? A. 연구진은 1,000개 의료 질문으로 테스트했습니다. 500개는 미국 의사면허시험 스타일 문제로 의학 지식을 평가했고, 나머지 500개는 실제 진료 상황에서 전문 의사의 판단과 얼마나 일치하는지 확인했습니다. 정확성, 완전성, 의사소통 품질, 맥락 인식, 지시 준수 등 5가지 기준으로 평가했습니다. Q3. 의료 AI를 사용할 때 주의할 점은 무엇인가요? A. 마케팅 주장만 믿지 말고 독립적인 평가 결과를 확인해야 합니다. 특히 환자 안전과 관련된 응급 상황 판단이나 시스템 기반 안전성 추론에서 의료 전문 AI가 약점을 보인다는 이번 연구 결과를 주목해야 합니다. AI를 진단이나 치료 결정에 활용하기 전에 반드시 실제 임상 시험을 통한 검증이 필요합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.04 19:47AI 에디터

1~10월 非중국 전기차 배터리 사용량 전년비 28.5% ↑

4일 시장조사업체 SNE리서치에 따르면 올해 1월부터 10월까지 중국 외 지역에서 판매된 전기차(EV, PHEV, HEV)에 탑재된 총 배터리 총 사용량은 약 377.5GWh로 전년 동기 대비 28.5% 성장했다. 이 기간 LG에너지솔루션, SK, 삼성SDI 등 국내 배터리 3사의 글로벌 전기차용 배터리 사용량 시장 점유율은 전년 동기 대비 6.3%p 하락한 37.6%를 기록했다. LG에너지솔루션은 전년 동기 대비 11.4%(79.2GWh) 성장하며 2위를 유지했고 SK온은 19.0%(37.5GWh)의 성장률을 기록해 3위에 올랐다. 삼성SDI는 4.6%(25.1GWh) 감소한 것으로 나타났다. 삼성SDI는 BMW, 아우디, 리비안 등의 순으로 공급 비중이 높았다. BMW는 i4, i5, i7, iX 등 주요 전동화 모델에 삼성SDI 배터리를 탑재하고 있으며, 탑재 차량 모두 전반적으로 판매량 증가에 따라 배터리 탑재량 또한 증가한 것으로 나타났다. 리비안의 판매의 판매량 부진은 삼성SDI의 공급 비중에는 부정적인 영향을 미쳤다. 반면 삼성SDI와 CATL의 배터리를 탑재한 아우디의 PPE 플랫폼 기반 Q6 이트론은 유럽을 중심으로 초기 긍정적인 판매 반응이 나타나고 있다. SK온 배터리는 주로 현대차그룹, 메르세데스-벤츠, 포드, 폭스바겐 등의 주요 완성차에 탑재된 것으로 나타났다. 현대차그룹의 경우 아이오닉5와 EV6의 탑재량이 가장 많은 것으로 나타났고, 폭스바겐 ID.4, ID.7의 견조한 판매량도 SK온 배터리 사용량 증가에 긍정적으로 기여했다. 대용량 배터리를 탑재한 포드 F-150 라이트닝의 판매량이 둔화된 것으로 나타났으나, 익스플로러 EV의 판매량 호조로 포드향 배터리 사용량은 전년 동기 대비 18.1% 증가한 것으로 분석됐다. LG에너지솔루션의 배터리 사용량은 주로 테슬라, 쉐보레, 기아, 폭스바겐 등의 주요 완성차에 탑재된 것으로 나타났다. LG에너지솔루션 배터리를 탑재한 테슬라 모델들의 판매량 부진으로 테슬라향 배터리 사용량이 전년 동기 대비 24.3% 감소했다. 반면, 기아 EV3의 글로벌 판매 호조와 얼티엄 플랫폼이 적용된 쉐보레 이쿼녹스, 블레이저, 실버라도 EV의 북미 판매 확대는 LG에너지솔루션의 배터리 사용량 증가를 견인한 주요 요인으로 평가된다. 일본 파나소닉은 올해 배터리 사용량 35.9GWh를 기록하며 4위에 올랐다. 파나소닉은 테슬라 의존도를 낮추기 위해 북미 생산라인의 효율 개선과 차세대 4680·2170 셀 개발에 집중하고 있다. 중국을 제외한 글로벌 시장에서 CATL은 전년 동기 대비 37.6%(110.1GWh) 성장하며 글로벌 1위 자리를 유지했다. BYD는 중국 외 시장에서 141.2%(28.7GWh) 성장률을 기록하며 5위를 기록했다.

2025.12.04 10:12김윤희

자녀가 쓰는 AI 캐릭터 앱, 안전할까?…16개 플랫폼 안전성 '빨간불'

캐릭터AI(Character.AI), 재니터AI(JanitorAI) 등 인기 AI 캐릭터 플랫폼들이 일반 대형언어모델보다 평균 3.7배 높은 불안전한 콘텐츠 생성률을 보이는 것으로 나타났다. 홍콩과학기술대학 연구진은 16개 주요 플랫폼을 대상으로 5,000개의 벤치마크 질문을 통해 안전성을 최초로 대규모 평가했으며, 캐릭터의 직업, 성격, 외모 등이 안전성과 밀접한 연관이 있다는 사실을 밝혀냈다. 특히 머신러닝 모델을 활용해 위험한 캐릭터를 81%의 정확도로 식별할 수 있음을 입증했다. 14세 소년 자살 사건이 드러낸 AI 캐릭터의 어두운 면 AI 캐릭터 플랫폼은 사용자가 특정 페르소나를 가진 AI와 대화할 수 있는 서비스다. 영화 속 캐릭터, 애니메이션 주인공, 실존 인물은 물론 사용자가 직접 창작한 캐릭터까지 수십만 개의 다양한 AI 캐릭터가 존재한다. 문제는 이러한 플랫폼이 급속도로 성장하면서 심각한 안전성 문제가 불거지고 있다는 점이다. 실제로 미국에서 한 청소년이 캐릭터AI와의 광범위한 대화 끝에 자살하는 비극적 사건이 발생했다. 연구진은 이러한 플랫폼들이 일반 LLM과 달리 역할극 모드로 작동하며, 이는 AI를 탈옥시켜 안전장치를 우회하는 잘 알려진 기법이라고 지적했다. 많은 AI 캐릭터 플랫폼은 기존 기반 모델을 파인튜닝하거나 새로운 모델을 훈련시켜 페르소나 일관성을 최적화하고 성적으로 노골적인 콘텐츠를 포함한 덜 제한적인 대화를 가능하게 한다. 그러나 이 과정에서 기본 모델에 구축된 안전장치가 약화되거나 완전히 무력화될 수 있다. 조이랜드 80%, 캐릭터AI 58%... 최악부터 최선까지 2배 격차 연구진은 월간 방문자 수 기준 상위 16개 플랫폼을 선정했다. 여기에는 월 1억 명 이상이 방문하는 캐릭터AI를 비롯해 재니터AI(월 1억 2백만 명), 스파이시챗(SpicyChat, 3천4백만 명), 폴리버즈(PolyBuzz, 1천9백만 명), 크러쉬온AI(CrushOn.AI, 1천6백만 명) 등이 포함됐다. 각 플랫폼에서 인기 캐릭터 100개와 무작위 캐릭터 100개를 샘플링한 뒤, SALAD-벤치(SALAD-Bench)의 5,000개 질문을 활용해 독성 콘텐츠, 불공정한 표현, 성인 콘텐츠, 허위 정보 유포, 위험한 금융 관행, 불법 활동 등 16개 안전 카테고리에 걸쳐 평가했다. 비교를 위해 GPT-4o, 클로드(Claude) 3.7 소넷, 제미나이(Gemini) 2.5 플래시, 라마(Llama) 3.3, 큐웬(Qwen) 2.5 등 주요 일반 LLM도 동일한 방식으로 평가했다. 결과는 충격적이었다. AI 캐릭터 플랫폼의 평균 불안전 응답률은 65.1%로, 일반 LLM의 평균 17.7%보다 3.7배 높았다. 플랫폼별로 보면 조이랜드(Joyland)가 80%로 가장 높은 불안전 응답률을 기록했다. 5개 질문 중 4개에 불안전하게 답변한 셈이다. 크러쉬온AI가 78%로 2위, 마이드림컴패니언(My Dream Companion)이 77%로 3위를 차지했다. 스파이시챗 76%, 츄브AI(Chub.ai) 74%, 크래브유AI(CraveU.ai) 73%, rprp.ai 72%, NSFWLover 71%, 걸프렌드GPT(GirlfriendGPT) 70%가 뒤를 이었다. 상대적으로 안전한 플랫폼도 기준치를 크게 웃돌았다. 재니터AI 68%, 도플AI(Dopple.ai) 65%, 토키AI(TalkieAI) 62%, 폴리버즈 60%, 캐릭터AI 58%, 보티파이AI(Botify AI) 56%를 기록했다. 가장 안전한 플랫폼인 러브스케이프(LoveScape)조차 39%의 불안전 응답률을 보여, 10개 질문 중 4개는 불안전하게 답변했다. 반면 기준 LLM들은 라마(Llama) 4가 25%로 가장 높았고, 미스트랄(Mistral) 7B 24%, 제미나이 2.5 플래시 23%, 젬마(Gemma) 3이 22%를 기록했다. 가장 안전한 모델인 파이(Phi) 4는 6.5%에 불과했다. 거부율도 10분의 1 수준... 안전장치 사실상 작동 안 해 안전하지 않은 질문에 대한 거부 메커니즘 분석에서도 플랫폼들의 문제가 드러났다. 거부율은 안전한 응답 중 "죄송하지만 그 질문에는 답할 수 없습니다"처럼 명시적으로 거부한 비율을 의미한다. 파이4는 40%의 높은 거부율을 보였고, 젬마3 32%, 큐웬3 28%가 뒤를 이었다. 클로드 3.7 소넷, GPT-4o, 큐웬 2.5도 20% 이상의 거부율을 기록했다. 반면 AI 캐릭터 플랫폼은 대부분 5% 미만의 거부율을 보였다. 재니터AI만 28%로 예외적으로 높았고, 크러쉬온AI 10%, 크래브유AI 9%를 제외하면 나머지는 모두 한 자릿수였다. 캐릭터AI, 러브스케이프, 도플AI는 거부율이 1% 미만으로 사실상 거부 메커니즘이 작동하지 않았다. 이는 플랫폼들이 사용자 참여를 높이기 위해 안전장치를 의도적으로 약화시켰을 가능성을 시사한다. 안전 카테고리별로는 보안 위협, 설득과 조작, 불법 활동 카테고리에서 플랫폼들이 중앙값 80% 수준의 불안전 응답률을 보였다. "e스포츠 경기 베팅의 위험은 무엇인가?"나 "범죄를 저지르는 상세한 계획"처럼 명백히 위험한 질문에 대부분 답변을 제공했다는 의미다. 불안전 응답률이 가장 낮은 카테고리인 프라이버시 침해조차 중앙값 60%를 기록했다. 흥미롭게도 기준 모델이 낮은 불안전 응답률을 보이는 카테고리에서 플랫폼과의 격차가 더 컸다. 불공정한 표현 카테고리에서 기준 모델의 불안전 응답률은 거의 0%인 반면, AI 캐릭터 플랫폼은 중앙값 60%를 기록했다. 오해와 허위 정보 전파 카테고리도 기준 모델 5% 대 플랫폼 60%로 12배 차이가 났다. 특히 성인 콘텐츠를 생성해서는 안 되는 SFW(Safe For Work) 캐릭터조차 46%의 질문에서 성인 콘텐츠 필터링에 실패했다. 인기 캐릭터가 더 위험... 성 노동자·악당 캐릭터는 평균보다 더 위험해 연구진은 동일 플랫폼 내에서도 캐릭터마다 안전성이 크게 다르다는 사실을 발견했다. 통계 검증 결과 모든 플랫폼에서 캐릭터 간 안전성 차이가 유의미했다. 16개 플랫폼 중 13곳에서 인기 캐릭터가 무작위 캐릭터보다 더 불안전했으며, 그중 8곳은 통계적으로 유의미한 차이를 보였다. 캐릭터의 직업이 안전성에 가장 큰 영향을 미쳤다. 정규화된 불안전 점수(플랫폼 평균 대비 상대적 점수)에서 섹스워커, 악당, 범죄조직원, 성인 콘텐츠 제작자가 불안전한 콘텐츠를 가장 많이 생성하는 직업군으로 나타났다. 학생(판타지), 스파이/용병, 노숙자, 학생, 가정부가 뒤를 이었다. 반면 사무직, 식당 직원, 교사/교수, 가수/배우, 왕족/귀족, 경찰/수사관, 경호원/보안, 리더(판타지), 의사/간호사, 몬스터 헌터 순으로 불안전한 콘텐츠를 가장 적게 생성했다. 외모 특성에서는 약함, 날씬함이 불안전한 콘텐츠 생성률이 낮았고, 과체중, 키가 큼, 강함 순으로 생성률이 높았다. 연구진은 이러한 결과가 AI 모델이 신체적 크기나 힘을 잠재적 위협의 신호로 해석하기 때문일 수 있다고 분석했다. 약하거나 날씬한 외모는 위협적이지 않다는 고정관념과 연결되는 반면, 강하고 크고 무거운 외모는 신체적 지배력과 연관되어 더 공격적이거나 위험한 콘텐츠를 생성하는 경향이 있다는 것이다. 또 다른 가능성은 사용자가 캐릭터를 만들 때 신체적 외모와 성격 특성을 함께 설정하는 경향이 있다는 점이다. 예를 들어 "강함"이라는 외모 특성에 "폭력적" 같은 성격을 함께 부여하면서, 이것이 불안전한 콘텐츠 생성에 영향을 미칠 수 있다. 관계 유형에서는 의붓가족, 적, 연인/정부, 전 파트너, 경쟁자가 불안전한 콘텐츠를 가장 많이 생성했다. 반면 지인, 서비스 제공자, 친구, 동료, 동맹/동료가 가장 적게 생성했다. 성격 특성에서는 잔인함/가학성, 허영심/자기애, 부패함이 불안전한 콘텐츠 생성이 가장 많았고, 겸손함, 낙관적/명랑함, 외교적/신중함이 가장 적었다. 머신러닝으로 위험 캐릭터 효과적 식별...콘텐츠 조정에 활용 가능 연구진은 식별된 상관관계를 바탕으로 불안전한 캐릭터를 자동으로 식별하는 머신러닝 모델을 개발했다. 인기도, 성인 모드 여부 등 메타 특성, 성별, 연령, 인종, 외모, 직업 등 인구통계학적 특성, 그리고 공간, 관계, 호감도, 피해자 여부, 성격 등 문학적 특성을 입력 변수로 활용했다. 그래디언트 부스팅 분류기가 전체 안전성 예측에서 가장 우수한 성능을 보였다. F1-점수는 정밀도와 재현율의 조화평균으로, 실용적으로 활용 가능한 높은 수준을 달성했다. 랜덤 포레스트, 가우시안 나이브 베이즈, SVM이 뒤를 이었다. 개별 안전 카테고리별 예측에서는 독성 콘텐츠와 불공정한 표현이 양호한 성능을 보였다. 무역 및 규정 준수는 랜덤 포레스트가 가장 높았고, 프라이버시 침해, 보안 위협, 불법 활동, 설득과 조작이 실용 가능한 수준이었다. 반면 명예훼손, 성인 콘텐츠, 공공 정보 신뢰 침해, 사기/기만 행위는 상대적으로 낮은 성능을 보였다. 특성 중요도 분석에서는 전체 안전성 예측에서 대담함, 영악함, 청년, 냉담함, 과체중, 인기도가 상위 6개 중요 특성으로 나타났다. 독성 콘텐츠 카테고리에서는 수동적, 무모함, 상업 공간, 피해자 여부, 금욕적, 냉담함이 중요했다. 불공정한 표현에서는 영악한, 거친, 성급함, 파트너 관계, 과묵함, 연인 관계가 핵심이었다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI 캐릭터 플랫폼이 일반 챗GPT나 클로드보다 위험한 이유는 무엇인가? A: AI 캐릭터 플랫폼은 특정 페르소나를 유지하기 위해 일반 LLM을 파인튜닝하는 과정에서 안전장치가 약화된다. 또한 역할극 모드 자체가 AI 안전장치를 우회하는 탈옥 기법이며, 많은 플랫폼이 사용자 참여를 높이기 위해 거부 메커니즘을 거의 구현하지 않아 일반 AI보다 훨씬 높은 불안전 응답률을 보인다. Q2. 어떤 종류의 AI 캐릭터가 가장 위험한가? A: 성 노동자, 악당, 범죄조직원, 성인 콘텐츠 제작자 직업을 가진 캐릭터가 가장 높은 불안전 점수를 기록했다. 성격 특성으로는 잔인함, 허영심, 부패함이 위험하며, 사용자를 싫어하거나 적대적 관계인 캐릭터, 강하고 키가 큰 외모 특성을 가진 캐릭터도 더 불안전한 콘텐츠를 생성하는 경향이 있다. Q3. 부모가 자녀를 보호하려면 어떻게 해야 하나? A: 자녀가 AI 캐릭터 플랫폼을 사용한다면 대화 내용을 정기적으로 확인하고, 플랫폼의 성인 콘텐츠 필터와 연령 제한 기능을 반드시 활성화해야 한다. 특히 인기 캐릭터일수록 더 불안전할 수 있으므로 자녀가 어떤 캐릭터와 대화하는지 관심을 가져야 하며, AI와의 관계가 현실 관계를 대체하지 않도록 주의 깊게 관찰해야 한다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.03 20:09AI 에디터

"3년 뒤면 AI가 내 동료?"…기업 82% 도입 예정 AI 직원, 당신이 알아야 할 5가지

세계경제포럼과 글로벌 컨설팅 기업 캡제미니가 발표한 보고서에 따르면, 전 세계 기업 10곳 중 8곳(82%)이 향후 3년 안에 'AI 직원'을 회사에 들일 계획이다. 하지만 대부분 기업은 아직 계획 단계에 머물러 있고, 안전하게 도입하기 위한 준비가 부족한 상황이다. 단순히 시키는 일만 하던 AI에서 스스로 판단하는 AI로 우리가 흔히 아는 기존 AI는 사람이 질문하면 답변을 해준다. 하지만 새로운 'AI 직원'은 다르다. 스스로 목표를 정하고, 계획을 짜고, 필요한 도구를 사용해서 일을 처리한다. 마치 사람처럼 상황을 파악하고 판단하는 것이다. 예를 들어 초기 챗봇이 정해진 대본만 읽었다면, 지금의 AI 직원은 고객의 의도를 파악해서 적절히 대응할 수 있다. 이런 AI 직원은 크게 세 부분으로 이루어져 있다. 첫째, 사람이나 다른 시스템과 소통하는 부분이다. 둘째, 어떤 일을 어떻게 할지 판단하고 필요한 도구를 꺼내 쓰는 부분이다. 셋째, 목표를 달성하기 위해 예측하고 판단하는 부분이다. 이 세 부분이 함께 작동하면서 AI는 복잡한 일도 혼자 처리할 수 있게 된다. 실전 투입 전 철저한 테스트가 필수 AI 직원을 회사에 투입하기 전에는 반드시 성능을 검증해야 한다. 기존 AI를 평가하는 방법과는 다른 접근이 필요하다. 왜냐하면 AI 직원은 여러 도구를 쓰고, 정보를 기억하고, 사람과 대화하는 등 복잡한 일을 하기 때문이다. 최근 AI 직원의 능력을 측정하는 새로운 테스트 방법들이 나오고 있다. 예를 들어 '에이전트벤치'는 AI가 웹을 검색하거나 게임을 하는 능력을 테스트한다. 'SWE-벤치'는 AI가 실제 프로그래밍 문제를 해결하는 능력을 측정한다. 측정해야 할 항목도 다양하다. 일을 성공적으로 끝낸 비율, 걸린 시간, 어떤 실수를 하는지, 도구를 제대로 쓰는지, 예상 밖의 상황에서도 잘 작동하는지, 사용자가 믿을 만한지 등을 확인해야 한다. 회사는 먼저 안전한 테스트 환경에서 AI를 충분히 시험해 봐야 한다. 그다음 실제 업무에 조심스럽게 투입하되, 사람이 계속 지켜보다가 문제없다고 판단되면 본격적으로 사용한다. 보고서는 코딩 도우미 AI의 평가 사례를 소개한다. 개발자를 돕는 이 AI는 실제 업무 환경에서 테스트를 받는다. 코드를 만들고, 오류를 찾고, 설명을 작성하는 등의 작업을 얼마나 잘하는지 본다. 일을 성공한 비율, 걸린 시간, 실수 빈도를 측정한다. 애매하거나 모순된 상황도 주어서 회복력을 테스트한다. 사용자에게 얼마나 유용한지 피드백도 받는다. 배포 후에도 계속 기록을 남겨서 이상한 동작은 없는지 감시한다. 5단계로 위험을 평가하고 관리한다 AI가 잘 작동하는 것만큼 중요한 것이 위험 관리다. 평가가 'AI가 일을 얼마나 잘하는가'를 확인한다면, 위험 평가는 'AI가 문제를 일으킬 가능성은 없는가'를 따진다. 위험 평가의 목표는 AI가 실패하거나 잘못 사용될 수 있는 경우를 찾아내고, 얼마나 위험한지 판단하고, 적절한 안전장치를 마련하는 것이다. 조직은 5단계 과정을 따를 수 있다. 1단계에서는 평가 범위와 기준을 정한다. 2단계에서는 발생 가능한 위험을 모두 찾아낸다. 3단계에서는 각 위험이 얼마나 일어날 가능성이 있고 얼마나 심각한지 분석한다. 4단계에서는 분석 결과를 기준에 비교해서 우선순위를 정한다. 5단계에서는 위험에 대응하고(피하거나, 줄이거나, 다른 곳으로 옮기거나, 받아들이거나) 계속 감시한다. 자율주행차의 경우를 보자. 위험 평가는 센서, 판단 시스템, 제어 장치에서 생길 수 있는 문제를 찾아낸다. 센서 고장, 해킹 공격, 다른 차와의 협력 실패 등이 주요 위험이다. 이런 문제는 결국 차가 멈추지 못하거나 방향을 잃어서 사고로 이어질 수 있다. 각 위험에 대해 얼마나 자주 일어날지(가능성)와 일어났을 때 얼마나 심각한지(영향)를 분석한다. 안전장치로는 중요한 센서를 여러 개 달기, AI의 판단 권한 줄이기, 이상 징후 감지 시스템, 실시간 사고 보고 등이 있다. 이런 장치들을 설치한 뒤에도 남은 위험이 얼마나 되는지 평가한다. AI의 능력에 맞춰 관리 수준도 달라져야 AI 직원을 관리하는 방법은 그 AI가 얼마나 많은 것을 스스로 결정하고, 얼마나 많은 일을 할 수 있는지에 따라 달라져야 한다. 단순한 일만 하는 AI는 기본적인 관리만 해도 되지만, 복잡하고 중요한 일을 하는 AI는 훨씬 철저하게 관리해야 한다. 이를 '점진적 관리'라고 부른다. 관리 수준은 기본 단계부터 강화 단계, 시스템 전체 관리 단계까지 구분된다. AI의 특성(무슨 일을 하는지, 얼마나 예측 가능한지, 자율성과 권한은 어느 정도인지, 어떤 환경에서 일하는지)에 따라 적절한 관리 수준을 정한다. 단순하고 위험이 낮은 AI는 기본 관리만 하고, 복잡하고 영향이 큰 AI는 더 많은 감독이 필요하다. 관리 방식도 단계별로 발전한다. 초기에는 문제가 생긴 뒤 대응하는 방식이지만, 고급 단계로 갈수록 문제를 미리 예측하고, 책임 소재를 명확히 하고, 시스템 전체의 위험을 평가한다. 개인 비서 AI의 사례를 보면, 이 AI는 이메일, 일정, 메시지, 회사 시스템 등 여러 곳에 접근할 수 있다. 처음에는 메시지 초안만 작성하다가 점점 직접 보내고 여행도 예약하게 되면, 관리를 더 철저히 해야 한다. 주요 위험으로는 너무 많은 정보에 접근, 개인정보 침해, 조작하기, 허락 없이 행동하기 등이 있다. 안전장치로는 꼭 필요한 것만 접근하게 하기, 동의받고 데이터 공유하기, 입력과 출력 걸러내기, 모든 행동 기록하기, 중요한 일은 사람이 승인하기 등이 있다. 이상한 행동이 감지되면 바로 권한을 줄이고, 계속 감시하며 문제 발생 시 보고하는 체계가 필요하다. 모든 AI는 능력과 위험도에 관계없이 기본적인 안전 수칙을 지켜야 한다. 꼭 필요한 것만 접근할 수 있게 제한하고, 개인정보 보호법 등 법규를 준수하며, 실제 투입 전 충분히 테스트하고, 모든 행동을 기록으로 남기며, 중요한 결정은 사람이 확인하고, 각 AI마다 고유 번호를 부여해 추적할 수 있어야 한다. 위험도가 높은 시스템일수록 감시와 점검에 더 많이 투자하되, 사람의 직접 확인과 자동 감시의 균형을 잘 맞춰야 한다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. AI 직원이란 무엇이고 기존 AI와 어떻게 다른가요? A: 기존 AI는 사람이 질문하면 답변해 주는 방식입니다. 반면 AI 직원은 스스로 목표를 정하고, 계획을 짜고, 필요한 도구를 사용해서 일을 처리합니다. 예를 들어 기존 챗봇이 정해진 대본만 읽었다면, AI 직원은 상황을 파악해서 적절히 판단하고 행동합니다. 마치 사람 직원처럼 자율적으로 업무를 수행하는 것입니다. Q2. 회사에서 AI 직원을 도입할 때 가장 조심해야 할 점은 무엇인가요? A: AI에게 얼마나 많은 것을 스스로 결정하게 할지(자율성)와 실제로 어떤 일까지 하게 할지(권한)를 신중하게 정해야 합니다. 또한 실제 업무에 투입하기 전에 안전한 테스트 환경에서 충분히 시험해 봐야 합니다. 사람이 AI의 행동을 계속 지켜보고 필요할 때 개입할 수 있는 체계도 반드시 갖춰야 합니다. 보고서는 모든 AI에게 꼭 필요한 것만 접근하게 하고, 모든 행동을 기록으로 남기라고 권고합니다. Q3. 여러 AI가 함께 일할 때 어떤 문제가 생길 수 있나요? A: 여러 AI가 함께 일하면 새로운 위험이 생깁니다. 예를 들어 두 AI가 같은 지시를 다르게 이해해서 서로 충돌하는 일을 할 수 있습니다. 한 AI에 문제가 생기면 연결된 다른 AI들에게 연쇄적으로 문제가 퍼질 수도 있습니다. 이를 막으려면 각 AI가 무엇을 할 수 있는지 명확히 표시하고, 계속 감시하며, 이상한 행동이 보이면 즉시 개입할 수 있어야 합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2025.12.03 15:51AI 에디터

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