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

ZDNet 검색 페이지

'Q'통합검색 결과 입니다. (1278건)

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

사람 눈 움직임 닮아가는 AI...중국 딥시크 문서 인식 AI, 인식률 91% 돌파

중국 AI 기업 딥시크(DeepSeek)가 사람의 눈 움직임을 따라하는 새로운 문서 인식 기술을 공개했다. 해당 논문에 따르면, 기존 AI가 이미지를 로봇처럼 무조건 왼쪽 위에서 오른쪽 아래로 읽었다면, 새 기술은 사람이 나선 그림을 볼 때처럼 의미 있는 순서로 시선을 옮긴다고 밝혔다. 덕분에 복잡한 표나 수식이 섞인 문서도 정확하게 읽을 수 있게 됐다. 로봇식 읽기 버리고 사람처럼 '의미' 따라 읽는다 딥시크가 공개한 딥시크-OCR 2(DeepSeek-OCR 2)는 문서를 읽는 AI의 새로운 방식을 보여준다. 지금까지 이미지를 보는 AI들은 사진을 작은 조각으로 나눈 뒤, 무조건 왼쪽 위부터 시작해서 오른쪽 아래까지 순서대로 읽었다. 마치 책을 한 줄씩 읽듯이 말이다. 하지만, 이 방식은 문제가 있었다. 실제 문서는 2차원 평면인데, 이를 억지로 1차원 줄로 만들어 읽다 보니 표와 텍스트, 수식이 섞여 있을 때 내용의 연결 관계를 제대로 이해하지 못했다. 새로운 딥인코더 V2(DeepEncoder V2)는 이 문제를 해결했다. 사람의 눈이 작동하는 방식에서 힌트를 얻었다. 우리 눈은 중심부는 선명하게 보면서도 주변 전체를 동시에 인식한다. 그리고 나선 그림을 볼 때처럼, 눈동자가 의미 있는 순서로 움직인다. 각각의 시선은 이전에 본 것에 영향을 받는다. 이 기술의 핵심은 '인과적 흐름 쿼리'라는 개념이다. 쉽게 말해 "이전에 뭘 봤는지에 따라 다음엔 어디를 봐야 할지 결정한다"는 뜻이다. AI가 이미지의 정보 조각들을 공간상의 위치가 아니라 내용의 의미에 따라 다시 정리한다. 예를 들어 논문을 볼 때 제목 → 저자 → 본문 → 표 → 그림 순서로 읽는 것처럼, AI도 이제 문서의 논리적 구조를 파악해서 읽는 순서를 스스로 정한다. 기존 방식 버리고 언어 모델 구조 활용... 적은 계산으로 효율 높여 딥인코더 V2의 또 다른 특징은 이미지를 분석하는 방식을 완전히 바꿨다는 점이다. 기존에는 CLIP이라는 이미지 분석 도구를 사용했는데, 이번에는 글을 이해하는 언어 모델 구조를 이미지 분석에 적용했다. 구체적으로는 Qwen2-0.5B라는 5억 개 규모의 학습 값을 가진 모델을 사용했다. 이는 기존 CLIP의 3억 개와 비슷한 수준이라 컴퓨터 계산량을 크게 늘리지 않으면서도 효율적으로 작동한다. 이 구조는 실제로 2단계로 나뉜다. 1단계에서 이미지 분석 엔진이 이미지 정보 조각들을 의미 있는 순서로 다시 배열한다. 2단계에서 언어 모델이 이렇게 정리된 순서대로 내용을 이해한다. 기존 방식이 위치만 보고 순서를 정했다면, 새 방식은 내용의 의미를 파악해서 순서를 정하기 때문에 언어 모델이 훨씬 이해하기 쉽다. 이미지 한 장당 처리하는 정보 조각은 256개에서 1,120개 사이다. 최소 256개는 1024×1024 크기 이미지 하나를 처리할 때 나오고, 최대 1,120개는 구글의 제미나이-3 프로 AI가 사용하는 최대치와 같다. 큰 이미지는 1024×1024 크기로, 작은 부분은 768×768 크기로 나눠서 보는 방식을 사용했다. 문서 인식 정확도 91%... 읽는 순서 찾기도 크게 개선 딥시크-OCR 2는 옴니닥벤치(OmniDocBench) v1.5라는 평가 시험에서 뛰어난 성적을 거뒀다. 이 시험은 잡지, 학술 논문, 연구 보고서 등 9가지 종류의 문서 1,355장으로 구성되어 있고, 중국어와 영어 문서를 모두 포함한다. 결과는 전체 정확도 91.09%였다. 이전 버전인 딥시크-OCR의 87.36%보다 3.73% 올랐다. 더 놀라운 건 더 적은 정보량으로 이 성적을 냈다는 점이다. 이전 버전은 이미지 하나당 최대 1,156개의 정보 조각을 사용했지만, 새 버전은 1,120개만 사용했다. 특히 '읽는 순서를 얼마나 정확하게 찾아내는가'를 측정하는 지표에서 큰 개선이 있었다. 오류 정도가 0.085에서 0.057로 줄었다. 숫자가 작을수록 정확하다는 뜻이다. 이는 새 AI가 이미지를 보고 어떤 순서로 읽어야 할지 스스로 잘 판단한다는 의미다. 텍스트 인식 오류는 0.073에서 0.048로, 수식 인식은 0.236에서 0.198로, 표 인식은 0.123에서 0.096으로 모두 좋아졌다. 구글의 제미나이-3 프로와 비교해도 딥시크-OCR 2가 더 나았다. 비슷한 정보량(1,120개)을 사용했을 때 문서 해석 오류가 0.100으로, 제미나이-3 프로의 0.115보다 낮았다. 적은 계산으로도 더 정확하다는 얘기다. 실제 서비스에서도 같은 내용 반복 오류 대폭 줄어 딥시크-OCR 2는 시험 환경뿐 아니라 실제 서비스에서도 개선된 성능을 보였다. 딥시크-OCR은 두 가지 용도로 쓰인다. 하나는 사용자가 올린 이미지를 실시간으로 읽는 온라인 서비스고, 다른 하나는 대량의 PDF 파일을 처리하는 데이터 준비 작업이다. 실제 서비스에서는 정답을 알 수 없기 때문에 '같은 내용을 얼마나 반복하는가'를 주요 품질 지표로 본다. AI가 혼란스러워하면 같은 문장을 여러 번 반복하는 경향이 있기 때문이다. 온라인 사용자 이미지의 경우 반복 오류가 6.25%에서 4.17%로 2.08% 줄었다. PDF 처리에서는 3.69%에서 2.88%로 0.81% 감소했다. 연구팀은 9가지 문서 유형별로 자세히 비교했다. 딥시크-OCR 2는 대부분 이전 버전보다 나았지만, 신문에서는 여전히 0.13 이상의 오류를 보였다. 연구팀은 두 가지 이유를 추정했다. 첫째, 정보 조각 개수에 제한을 뒀는데 텍스트가 아주 많은 신문에는 부족할 수 있다. 둘째, 학습 데이터에 신문이 25만 장밖에 없어서 충분히 배우지 못했을 수 있다. 하지만 읽는 순서를 찾아내는 능력은 모든 문서 종류에서 일관되게 이전 버전을 앞섰다. 진짜 2차원 이해하는 AI와 모든 정보 처리 가능한 AI로 발전 딥시크-OCR 2는 새로운 AI 구조의 가능성을 보여준다. 이미지 분석 엔진과 언어 모델을 연결한 이 방식은 진짜 2차원 이해로 가는 길을 제시한다. 이미지 분석 엔진이 시각 정보를 의미 있는 순서로 다시 정리하고, 언어 모델이 그 순서대로 이해한다. 2차원 이미지 이해를 서로 보완하는 두 개의 1차원 순서 처리 작업으로 나눈 것이다. 물론 완벽한 2차원 이해까지는 갈 길이 멀다. 예를 들어 한 곳을 여러 번 다시 보거나 복잡한 경로로 시선을 옮기려면 지금보다 훨씬 더 많은 정보 조각이 필요할 것이다. 더 중요한 건 이 기술이 모든 종류의 정보를 처리하는 통합 AI로 발전할 가능성이다. 하나의 이미지 분석 엔진이 글, 소리, 이미지를 모두 처리할 수 있다는 뜻이다. 핵심 구조는 같고, 각 정보 종류마다 다른 질문 방식만 학습하면 된다. 이 엔진은 같은 기본 구조 안에서 글을 압축하고, 소리 특징을 뽑아내고, 이미지 내용을 재구성할 수 있다. 연구팀은 딥시크-OCR이 이 방향으로 가는 첫 시도였고, 딥시크-OCR 2는 한 걸음 더 나아간 것이라고 밝혔다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 딥시크-OCR 2가 기존 문서 인식 AI와 뭐가 다른가요? A. 기존 문서 인식 AI는 이미지를 무조건 왼쪽 위에서 오른쪽 아래로 한 줄씩 읽었습니다. 하지만 이번 논문에서 사용한 딥시크의 문서 인식 AI인 딥시크-OCR 2는 사람처럼 의미를 파악하며 읽습니다. 제목 보고, 본문 읽고, 표 확인하는 식으로 내용에 맞춰 순서를 정하기 때문에 복잡한 문서도 정확하게 이해합니다. Q2. 이 기술은 어디에 쓸 수 있나요? A. 종이 문서를 스캔해서 컴퓨터로 옮기거나, 논문을 자동으로 분석하거나, 업무 자동화에 쓸 수 있습니다. 특히 수식이나 표가 많이 들어간 연구 보고서, 잡지, 교과서를 정확한 디지털 텍스트로 바꿀 수 있습니다. Q3. 다른 AI보다 얼마나 더 좋은가요? A. 문서 인식 시험에서 91.09%의 정확도를 기록했습니다. 이전 버전보다 3.73% 올랐고, 계산량은 더 적습니다. 구글 제미나이-3 프로 같은 대형 AI와 비슷하거나 더 나은 성능을 보였고, 특히 문서를 읽는 순서를 찾아내는 능력이 크게 좋아졌습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.28 23:18AI 에디터

AX 주도권 잡은 코오롱베니트, 지난해 실적 목표 초과…강이구 "올해 추진력 강화"

강이구 코오롱베니트 대표가 올해 인공지능 전환(AX) 시장에서의 주도권을 확보하기 위해 사업과 운영 전반을 AX 중심으로 재편하겠다는 구상을 밝혔다. 자체 플랫폼 '프롬튼'과 '코오롱베니트 AI 얼라이언스'를 기반으로 생태계를 구축해 AX 사업 실행력을 본격적으로 끌어올린다는 방침이다. 28일 코오롱베니트에 따르면 강 대표는 지난 27일 오후 전 임직원과 함께하는 '2026 타운홀 미팅'에 참석해 AX·디지털전환(DX) 기반 중기 전략과 이에 대한 성과를 올해 가시화하기 위해 필요한 구체적인 실행 방향에 대한 생각을 공유했다. 그는 "(올해) '프롬튼'과 '코오롱베니트 AI 얼라이언스'를 통해 AX 사업 실행 기반과 추진력을 강화할 것"이라며 "문제 해결 역량과 데이터 분석 역량을 갖춘 젊은 인재 및 리더십 육성을 통해 조직 경쟁력을 높여 지속 가능한 성장 체계를 만들어 나갈 것"이라고 강조했다. 이어 "모든 사업과 업무의 기준이 되는 명확한 규칙과 프로세스 기반의 체계적 운영을 실행하기 위한 내부 기준과 틀을 세우겠다"고 덧붙였다. 코오롱베니트는 그동안 다양한 방식으로 직원 간 소통을 위한 프로그램을 운영해왔다. 올해부터는 최고경영자(CEO) 및 경영진이 임직원과 전사적 차원에서 직접 소통하는 자리인 타운홀 미팅을 마련해 내부의 호응을 얻었다. 이날 오프라인 현장에는 약 120여 명, 온라인으로는 약 200여 명이 참여하며 높은 관심을 보였다. 이번 행사는 '코오롱베니트 성장 그리고 AX'를 주제로 CEO 메시지와 함께 2025년 경영성과 및 2026년 경영목표를 공유하고 본부별 성장 전략과 AX 실행 방향을 구체화하는 방식으로 진행됐다. 특히 실시간 Q&A 세션을 통해 구성원들의 질문을 현장에서 즉시 다루며 전략과 실행에 대한 직원 이해도를 높였다. 코오롱베니트는 "2025년 경영성과로 매출액과 영업이익을 목표 대비 초과 달성했다"며 "2026년에는 매출 성장과 함께 AX 중심의 다양한 회사 운영 측면에서의 변화가 있을 것"이라고 밝혔다. 본부별 발표에서는 각 조직의 2026년 성장 전략과 실행 과제를 공유하며 전사 전략의 실행력을 높이기 위한 방향성을 구체화했다. 코오롱그룹 내부 시스템 운영을 담당하는 ITM 본부 김상억 본부장은 "고객 실행력 강화와 오류 최소화를 위해 안정과 혁신 사이의 균형을 높일 것"이라며 "AI 기반 운영 효율화를 직접적인 재무 성과로 연결하겠다"고 말했다. 제조 DX 사업과 데이터 분석 사업을 담당하는 DX 본부 정상섭 본부장은 "DX 사업 전반의 연결·융합을 기반으로 AX 혁신을 실현하는 DX-to-AX 시스템을 구현할 것"이라며 "이를 사업 성장으로 이어가겠다"고 밝혔다. AX 관련 사업을 총괄하는 AX 센터 송재형 센터장은 "현장·데이터·솔루션을 유기적으로 연결하고 통제 가능한 거버넌스를 통해 AX 사업의 초석과 신뢰성을 확보할 것"이라며 "이로써 고객 가치를 극대화하는 비즈니스 실행 체계를 다지겠다"고 다짐했다. 대외 IT 시스템 구축과 운영을 담당하는 ITS 본부 정주영 본부장은 핵심 역량 강화와 AI 내재화를 통해 기존 사업의 경쟁력을 높이고 신사업 발굴에 집중하겠다는 의지를 드러냈다. 그는 "사업 운영의 원칙과 절차를 준수하는 컴플라이언스 기준도 더욱 정교화하겠다"고 말했다. IT 유통사업을 총괄하는 ITD 본부 최상문 본부장은 "준법·소통·협업 원칙 아래 수행 체계를 고도화해 총판 사업에서 점유율을 확대할 것"이라며 "1등 DNA를 내재화해 새로운 성장 궤도로 도약하겠다"고 밝혔다. 경영지원부문 최형욱 본부장은 "회사의 '성장통'을 최소화하기 위한 전사 지원 체계를 강화할 것"이라며 "현장의 실행 속도를 높일 수 있는 체계적인 사업 지원에 집중하겠다"고 강조했다. 그러면서 "최적의 인재를 발굴·육성하기 위한 AX 기반 운영 체계로 전사 목표 달성을 뒷받침하겠다"고 덧붙였다. 코오롱베니트 관계자는 "이번 타운홀 미팅을 계기로 전사 전략과 실행 방향에 대한 공감대를 더욱 강화하고 AX 관점에서 고객의 비즈니스 성과로 연결되는 실행력을 높여 나갈 계획"이라며 "본부별 핵심 과제의 추진 속도를 높이고 협업과 소통을 기반으로 조직의 성장 동력을 지속적으로 확대해 나갈 방침"이라고 말했다.

2026.01.28 15:37장유미 기자

SK키파운드리, 4세대 200V 고전압 180nm BCD 공정 출시

파운드리 반도체 기업 SK키파운드리는 최근 4세대 200V 고전압 0.18micron(180나노미터) BCD(Bipolar-CMOS-DMOS) 공정을 출시하고, 연내 양산을 목표로 국내외 주요 고객과 본격적인 제품 개발에 나선다고 28일 밝혔다. 최근 자동차 전동화와 AI데이터센터의 확산으로 고전압·고효율 전력 반도체에 대한 시장 수요가 급증하고 있다. 특히 자동차 전압 체계가 기존 12V에서 48V로 전환되고 있으며, AI 서버 및 데이터센터 역시 전력 효율과 밀도를 극대화 하기 위해 380V DC에서 최대 800V DC까지 전압을 높이고 있는 추세다. 이에 따라 100V 이상의 고전압을 안정적으로 견디면서 전력을 효율적으로 제어할 수 있는 공정 기술의 중요성이 어느때 보다 커지고 있다. SK키파운드리가 이번에 선보인 4세대 200V 고전압 0.18micron BCD 공정은 기존 3세대 대비 전력 효율성과 고온 내구성을 나타내는 Rsp(특성온저항), BVDSS(항복전압) 특성을 20%이상 개선한 것이 특징이다. 또한 동작 전압별 낮은 온저항(On-Resistance) 소자를 제공해, 칩 면적과 전력 손실을 최소화해 공정 경쟁력을 확보했다. 특히 BCD, HV MOSFET을 사용하는 고전압·고전류의 PMIC 반도체 사이에 디지털 신호는 안전하게 전송하면서 원치 않는 고전압이나 노이즈는 차단하는 Thick IMD 옵션을 제공하며, SRAM·ROM·MTP·OTP 등 다양한 내장 메모리 옵션과 정밀 모터 제어용 홀 센서를 제공해 고전압 IC 설계의 확장성을 더욱 높였다. SK키파운드리의 이번 공정은 고전압 전력 관리 및 변환 칩, 모터 드라이버, LED 드라이버, 전원 공급 게이트 드라이버 등 다양한 제품 개발에 적용 가능하며, 무엇보다 까다로운 자동차용 부품 신뢰성 평가 규격 'AEC-Q100 Grade 0'을 충족해, 극한의 환경에서도 높은 신뢰성이 요구되는 차량용 전장 부품에도 즉시 적용할 수 있다. 이동재 SK키파운드리 대표는 “AI 서버와 차량 전장 시스템의 고전력화로 100V 이상 BCD 공정 수요가 빠르게 증가하고 있다.”며 “특히 벌크 실리콘 기반에서 고전압 BCD 공정을 제공하는 파운드리가 드문 상황에서 200V 고전압 0.18micron BCD 공정 양산은 의미 있는 성과”라고 밝혔다.

2026.01.28 08:42장경윤 기자

챗GPT로 이력서 보는 시대…그런데 채용 담당자 80%는 'AI 불신', 왜?

2025년 채용 시장에서 AI는 단순 작업을 보조하는 도구로 자리 잡았다. 그러나 2026년부터는 AI가 맥락을 파악하고 인재를 검증하는 전략적 영역으로 진화할 전망이다. 국내 1위 채용 관리 솔루션 그리팅이 채용 담당자 200명을 대상으로 실시한 설문조사 결과, AI 활용이 효율성을 넘어 채용 퀄리티 향상으로 확장되고 있음이 드러났다. 2025년 상반기, AI가 채용 실무에 정착한 전환점 채용 담당자들의 AI 활용은 2025년을 기점으로 폭발적으로 증가했다. 응답자의 54.1%가 2025년부터 채용 업무에 AI를 활용하기 시작했으며, 특히 2025년 상반기에 가장 높은 도입률을 보였다. 이 시기가 AI가 실무에 정착된 결정적인 전환점이었던 것이다. 주목할 점은 활용 빈도다. 응답자의 58.3%가 AI를 매일 또는 주 3~4회 활용하고 있어, AI가 일회성 실험이 아닌 일상 업무 도구로 완전히 자리 잡았음을 보여준다. 채용 담당자들이 가장 많이 활용하는 AI 도구는 챗GPT로 161회의 응답을 기록하며 압도적 1위를 차지했다. 이 외에도 클로드, 코파일럿 등 접근성이 높고 비용이 저렴한 생성형 AI들이 상위권을 차지했다. 반면 면접이나 역량 검사에 특화된 국내 채용 솔루션의 활용 빈도는 상대적으로 낮았다. 채용 공고 작성부터 보고서까지, 텍스트 작업에 집중된 AI 활용 채용 업무에서 AI를 가장 많이 활용하는 분야는 채용 공고 작성으로 134회의 응답을 받아 압도적 1위를 기록했다. 이어서 채용 보고서 작성 75회, 지원자 이력서 평가 64회 등 주로 텍스트 초안 작성 영역에 AI가 집중 활용되고 있다. 한 채용 담당자는 "공고를 기반으로 이력서의 적합도와 기술 스택 일치 여부를 평가해달라고 요청한다"며 "허수 지원자를 걸러내고 전체 이력서의 경향성을 파악하는 데 활용한다"고 답했다. 또 다른 담당자는 "채용 데이터들을 직접 정리할 필요가 없어 시간이 단축되었다"고 밝혔다. 반면 지원자 안내 메일 작성 51회, 지원자 면접 평가 33회 등 지원자 소통과 면접 평가 영역의 AI 활용도는 상대적으로 낮게 나타났다. 결론적으로 채용 담당자들은 AI를 면접 평가보다는 텍스트 초안 작성과 같은 업무 효율화 영역에 집중 활용하고 있다. 채용 리드타임 30% 단축 성공했지만, 지원자 평가는 여전히 과제 AI 활용의 가장 큰 성과는 채용 리드타임 단축이었다. 평균적으로 30% 단축되었으며, AI를 통해 리드타임이 개선될 것이라고 기대했던 비중보다 실제로 개선을 경험한 비중이 약 10%포인트 더 높게 나타나 기대를 뛰어넘는 성과를 보였다. 채용 담당자들은 "공고 작성, 메일 작성, 이력서 스크리닝 등 비교적 단순한 업무를 AI가 빠르게 처리해줘서 시간이 단축되었다"고 답했다. 그러나 지원자 평가의 일관성과 정확도 영역에서는 기대치에 미치지 못했다. 지원자 평가가 개선될 것이라고 기대했던 비중보다 실제 개선을 경험한 비중이 10%포인트 이상 낮았다. 더욱 충격적인 것은 응답자의 82%가 'AI의 지원자 평가 결과를 신뢰하지 않는다'고 답한 점이다. 한 채용 담당자는 "동일한 지원자도 AI 도구에 따라 평가가 크게 달라지는 케이스를 목격하여 평가할 때는 잘 안 쓰게 된다"고 밝혔다. 2026년 예산은 연 50만 원 이하가 절반, 하지만 활용 의지는 83.5% 2026년 채용 업무에서 AI 활용에 대한 채용 담당자들의 의지는 강력하다. 응답자의 83.5%가 앞으로 채용 업무에 AI를 더 많이 활용하겠다고 답했다. 그러나 실질적인 투자 수준에서는 괴리가 존재한다. 81.4%의 팀이 AI 활용 예산을 배정했지만, 그중 58.8%가 연간 50만 원 이하의 투자만을 계획하고 있다. 이러한 문제의 핵심은 투자수익률(ROI) 산출 근거가 부족하기 때문이다. 채용 데이터가 ATS(지원자추적시스템), 엑셀, 노션 등으로 분산되어 AI 채용 성과를 측정할 기반이 없다면 경영진을 설득할 투자 타당성 논리를 만들 수 없다. 흥미로운 점은 2026년 채용 담당자들이 AI를 가장 적극적으로 활용하고 싶은 분야가 지원자 이력서 평가 146회, 채용 데이터 분석 120회, 면접 디브리핑 89회 순으로 나타났다는 것이다. 이는 AI를 단순 효율화 도구를 넘어 채용 퀄리티를 높이는 전략적 도구로 활용하려는 방향성을 보여준다. AI가 단순 비서에서 전략적 파트너로 진화하려면 이번 조사 결과는 2026년 채용 시장에서 AI의 역할이 근본적으로 변화하고 있음을 시사한다. 2025년 AI가 업무 속도를 높이는 도구였다면, 2026년에는 채용 정확도를 높이는 전략적 파트너가 되어야 한다는 것이 채용 담당자들의 명확한 요구사항이다. 그러나 현재 생성형 AI는 세 가지 한계를 가지고 있다. 첫째, 보안 문제로 기업의 내부 평가 기준이나 과거 합격자 정보를 학습시키기 어렵다. 둘째, 수백수천 명의 지원자 데이터를 통합 학습시키는 과정이 현실적으로 어렵다. 셋째, 해당 포지션의 맥락적 선호 조건을 정확히 반영하여 판별하기 어렵다. 따라서 2026년 AI 활용 전략은 ROI 설계와 데이터 통합 기반 마련부터 시작해야 한다. 채용 솔루션 내장 AI로 전환하여 공고의 숨은 의도를 파악하고, 기업의 채용 의도를 학습하며, 구체적인 검증 포인트를 제시할 수 있어야 한다. 조직 차원에서는 흩어진 AI 도구를 통합 채용 솔루션으로 묶어 지원자 평가의 정확도를 높이는 시스템을 구축해야 하며, 개인 차원에서는 AI가 놓칠 수 있는 인재의 잠재력을 최종 검증하고 최상위 후보자와의 관계 형성에 집중해야 한다. FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 채용 담당자들이 가장 많이 사용하는 AI 도구는 무엇인가요? A. 챗GPT가 161회로 압도적 1위를 차지했습니다. 이 외에도 클로드, 코파일럿 등 접근성이 높고 비용이 저렴한 생성형 AI들이 많이 활용되고 있습니다. 반면 면접이나 역량 검사 특화 솔루션은 상대적으로 활용도가 낮습니다. Q2. AI를 활용하면 채용 기간이 얼마나 줄어드나요? A. 평균적으로 채용 리드타임이 30% 단축되었습니다. 특히 공고 작성, 메일 작성, 이력서 스크리닝 등 단순 반복 업무에서 시간 절감 효과가 컸습니다. AI를 통한 리드타임 개선은 채용 담당자들의 기대를 뛰어넘는 성과를 보였습니다. Q3. AI로 지원자를 평가할 때 정확도는 어느 정도인가요? A. 현재로서는 신뢰도가 낮습니다. 응답자의 82%가 AI의 지원자 평가 결과를 신뢰하지 않는다고 답했습니다. 동일한 지원자도 AI 도구에 따라 평가가 크게 달라지고, 명백히 부적합한 지원자를 걸러내는 수준에 그치고 있어 정밀한 평가는 여전히 사람의 몫입니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.28 08:15AI 에디터

첫 시행 앞둔 '지역의사제'...의대진학 수단 변질될라

의대에 진학하기 위해 구리나 남양주 등으로 이사간다? 학생의 인생을 생각하지 않은 것이다. 보건복지부 관계자의 말이다. 정부가 2027학년도 의과대학 입학부터 지역의사제도를 도입한다. 지역의료 붕괴에 대응하려는 조치인데, 자칫 의대 진학 방편으로 악용될 가능성 등이 제기되자 내놓은 발언이었다. '지역 의사의 양성 및 지원 등에 관한 법률'(이하 지역의사법)이 다음 달 24일부터 시행된다. 제도의 골자는 지역에 있는 의과대학의 경우, 선발 인원의 일정 비율을 해당 지역 학생으로 선발하는 '지역의사선발전형'이 실시된다. 지역의사선발전형으로 뽑힌 의대생들은 기존 의대생 정원과는 별도로 추가 증원된다. 이들에게는 입학금, 수업료, 교재비, 기숙사비 등에 대한 지원이 이뤄진다. 퇴학 등 제적 및 자퇴 시, 국시 미합격, 의무복무 미이행, 의무복무 기간 중 면허 취소 시 지원금을 반환해야 한다. 특히 이들은 졸업 후 의무복무지역에서 10년간 근무를 해야 한다. 이들에게 주어지는 면허도 의무복무기간을 채워야 하는 조건부다. 만약 기간을 채우지 않고 대도시 등으로 지역을 이탈하면 의사 면허 정지 및 재교부 금지 등의 페널티가 부과된다. 쟁점은 현재 의대 입시 열풍이 지역의사선발전형으로 번질 수도 있다는 점이다. 그렇지 않더라도 수도권과 가까운 경기 지역 등에서 의무복무를 선택하려는 경쟁이 과열될 가능성도 없지 않다. 현재 지역의사선발전형이 적용되는 지역은 ▲대전/충남 ▲충북 ▲광주 ▲전북 ▲대구/경북 ▲부산/울산/경남 ▲강원 ▲제주 ▲경기/인천 등 9개 권역이다. 대전/충남, 경기/인천 등 서울과 가까운 지역의 선호도가 더 높아질 수 있다는 이야기다. 복지부 관계자는 “지역의사선발전형은 지역에서의 10년의 의무복무란 제한이 강하게 있는 제도”라며 “취약지가 있는 진료권에 가서 평생 근무해야 한다는 생각을 해야 한다”라고 강조했다. 이어 지역설정과 관련해 “도 단위로 의료 취약지가 있는 곳을 분류했다”라며 “광역시 단위에 인천시가 포함됐는데, 옹진, 강화가 의료취약지라 포함됐으며, 경기도는 경기 북부의 의료 취약지가 많아서 포함됐다”라고 설명했다. 그러면서 “처음 만들어지는 제도인 만큼 의견 수렴을 충분히 해야 하고, 이 과정에서 나온 견해를 받아들여 내용이 바뀔 수 있다”라며 “의대 입시에 대한 제도와 관련돼 서울 지역은 기회가 없는 것 아니냐는 논란이 있을 수도 있다”라고 말했다. 또 “새로 증원되는 의대 정원을 뽑겠다는 것이라 기존 학생들에게 불이익이 가지는 않는다”라고 설명했다. 다음은 복지부와의 일문일답. Q. 의무복무지역을 변경하려면 장관과 지자체장 승인을 받아야 한다. 또 의료기관장은 이들의 근무 상황을 복지부에 제출할 수 있어서 말 그대로 지역의사들은 목줄이 잡힌 것 아닌가. 의료기관에서 불합리한 일을 당하거나 해도 참아야 하는 부작용도 발생할 수 있는데. A. 지역의사제가 경직돼 지역의사들이 자칫 병원과의 갑을관계 등의 부담을 느낄 우려가 있을 수 있다. 그래서 복무지역 등에 다양한 고려를 했다. 어떤 의료기관에 근무할지는 본인이 선택할 수 있도록 했다. 최대한 자율성을 부여코자 했다. 지역의사제도의 취지를 고려해서 의료 취약지 등에 근무할 수 있도록 균형되게 하도록 노력했다. Q. 지역에서 수련을 꺼리는 이유가 다양한 환자 사례를 보지 못한다는 한계가 있다. 수련병원 소재지는 보건복지부장관령이라고만 나와 있어서 모호하다. A. 수련지역은 서울을 제외한 모든 지역으로 선택권을 넓혀놓았다. 대학병원급에서 필수 의료 분야에 관한 환자 사례는 충분할 것으로 예상한다. 지방국립대병원 육성 노력을 하고 있다. 지역 내에서 환자를 책임지게 돌볼 사례 제공할 것이다. 전반적으로 수련제도가 의료 기관 내 머물러 있는 경우가 많아 다기관 수련 등 방향을 바꿔가고 있다. 지역의사들도 특성에 맞는 지역 의사에 특화된 수련 트랙을 개발하고, 지역의사지원센터에서 전공의의 다양한 진로 지원 체계도 만들 것이다. Q. 전공과에 대한 세부계획 설계 방안은 무엇인가. A. 다양하게 의견을 수렴하고 있다. Q. 지역 내 개원 등을 할 때 세제 지원 규모 등은 어떻게 이뤄지나. 수도권 대비 지역은 환자가 적으니 수익 측면에서 불리하다. 지원이 확실하지 않으면 의무복무기간 이후 이탈을 어떻게 막을지 의문이다. A. 구체적인 내용은 관계 부처 간 협의 중이다. 제도의 기본적 목적이 10년간 의무복무이지만 이후 장기 정착 취지이기 때문에 지자체와 함께 다양한 지원을 할 수 있도록 노력할 것이다. Q. 권역 설정은 어떻게 된 건가. A. 도 단위로 의료 취약지가 있는 곳을 분류했다. 광역시 단위에 인천시가 포함됐는데, 옹진, 강화가 의료취약지라 포함됐다. 경기도는 경기 북부의 의료 취약지가 많아서 포함됐다.

2026.01.27 13:23김양균 기자

[유미's 픽] 'AX 강자' LG CNS, 매출 줄어도 웃었다…지난해 4Q 실적 살펴보니

LG CNS가 지난해 4분기 동안 '양적 성장'을 넘어 '질적 성장' 단계에 접어든 모습을 보여 시장의 기대감을 높이고 있다. 연간 기준 사상 최대 실적이라는 외형적 성과뿐 아니라 지난해 4분기에는 수익성 개선과 재무 체력 강화가 동시에 나타나며 인공지능(AI)·클라우드 중심 사업 전환의 성과가 본격화된 모습이다. 27일 금융감독원 전자공시시스템에 따르면 LG CNS의 지난해 4분기 연결 기준 매출은 1조9천357억원으로 전년 동기 대비 4.4% 감소했다. 그러나 같은 기간 영업이익은 2천160억원으로 7.9% 증가, 영업이익률은 11.2%로 1년 새 1.3%포인트(p) 상승했다. 매출 감소에도 불구하고 수익성이 크게 개선되며 '이익 중심 성장' 기조가 더욱 뚜렷해진 것이다. 연간 기준으로는 매출 6조1천295억원, 영업이익 5천558억원을 기록하며 각각 2.5%, 8.4% 성장했다. 매출, 영업이익 모두 6년 연속 최대치다. 이 같은 연간 실적은 지난해 3분기까지 이어진 매출 성장에 더해 4분기 수익성 개선이 더해진 결과다. 특히 4분기에는 매출이 다소 줄었음에도 불구하고 비용 구조 개선과 고부가 AX(인공지능 전환) 사업 비중 확대 효과가 동시에 반영되며 영업이익과 이익률 측면에서 연간 실적을 뒷받침한 것으로 분석됐다. 그러나 LG CNS의 주축 사업인 클라우드·AI 부문 매출은 지난해 4분기 동안 다소 부진한 모습을 보였다. 이 부문의 4분기 매출은 전년 동기 대비 6.8% 감소했는데, 이는 해외 신공장 구축 프로젝트 종료에 따른 일시적 기저 효과 때문으로 나타났다. 연간 기준 클라우드·AI 매출은 3조5천872억원으로 7.0% 성장하며 여전히 LG CNS 전체 실적을 견인했다. 업계 관계자는 "지난해 4분기 동안 국내 AI 데이터센터(AIDC) 구축과 코로케이션(Co-location) 사업이 크게 성장한 모습을 보였다"며 "AI·데이터 플랫폼 구축과 클라우드 기반 AI 서비스 확산이 이어지며 LG CNS의 중장기 성장 동력이 될 것"이라고 분석했다. 스마트엔지니어링·디지털 비즈니스는 연간 기준 매출이 감소했으나, 지난해 4분기동안 긍정적인 신호를 보였다. 스마트엔지니어링은 그룹사 대형 프로젝트 종료 영향으로 연간 매출이 줄었지만, 4분기에는 방산·에너지 등 논캡티브(외부) 고객 확대가 이어지며 사업 구조 전환이 진행됐다. 디지털 비즈니스 서비스 부문도 연간 매출은 3.2% 감소했으나, 4분기에는 금융권 대형 프로젝트가 본격 개발 단계에 진입하면서 매출이 전년 동기 대비 4.5% 증가했다. 이는 LG CNS가 전통 SI·SM 사업에서 벗어나 금융 AX, 공공 대형 사업, 차세대 시스템 중심으로 포트폴리오를 재편하고 있음을 보여주는 신호로 해석된다. 또 지난해 4분기 실적에서 가장 눈에 띄는 변화 중 하나는 재무 안정성의 급격한 개선이다. 2025년 말 기준 LG CNS의 현금성 자산은 1조6천794억원으로 1년 새 5천억원 이상 증가했다. 순차입금은 마이너스(-) 1조2천896억원으로 사실상 무차입 구조를 구축했으며 신용등급도 AA0(안정적)를 유지했다. 업계 관계자는 "LG CNS의 재무 안정성은 향후 대형 AI·AX 투자, 글로벌 데이터센터 사업, M&A 추진 여력을 뒷받침하는 핵심 기반"이라며 "IPO 이후 재무 체질이 근본적으로 달라진 것으로 보인다"고 평가했다. 업계에선 LG CNS의 4분기 실적이 단순한 분기 성적표를 넘어 AI·클라우드 중심 기업으로의 전환이 실질적인 수익성과 재무 안정성으로 연결되기 시작했음을 보여주는 지표라고도 분석했다. 매출 성장보다 수익성, 외형보다 구조 개선이 부각된 상황에서 LG CNS의 실적 흐름이 한 단계 진화했다는 평가도 나왔다. 업계 관계자는 "작년 4분기 실적은 LG CNS가 'AI를 잘하는 SI'가 아니라 'AI로 돈을 버는 기업'으로 전환된 변곡점을 보여줬다"며 "올해는 AX·RX(로봇전환) 중심의 질적 성장이 더욱 뚜렷해질 것"이라고 말했다.

2026.01.27 11:37장유미 기자

아키스케치, '고객이 먼저 찾아오는 인테리어 AI마케팅 전략' 세미나 개최

아키스케치(대표 이주성)는 3월11일 서울 성수동에 위치한 아키스케치 성수 오피스에서 인테리어·콘테크 업계 실무자를 위한 오프라인 세미나 '고객이 먼저 찾아오는 인테리어 AI마케팅 전략'을 개최한다. 이번 세미나는 콘테크(Construction Technology) 및 인테리어 시장 전반의 성장 둔화 속에서, 기술 경쟁을 넘어 '고객을 만들고 계약으로 연결하는 방식'에 대한 실전적인 논의가 필요하다는 문제의식에서 기획됐다. 아키스케치는 AI·3D 인테리어 플랫폼으로서, 단순한 기술 트렌드 소개가 아닌 인테리어 비즈니스가 다시 성장하기 위한 마케팅·브랜딩·AI 활용의 기준을 공유할 계획이다. 세미나에서는 ▲오프라인 상담과 온라인 리드 유입을 계약까지 연결하는 세일즈 퍼널 설계 기준 ▲인테리어·콘테크 업계에서 AI를 실무에 적용한 실제 사례 ▲최근 인테리어 고객의 유입 채널과 의사결정 방식 ▲소규모 브랜드와 1인 사업자가 차별화되는 브랜딩 전략 등을 중심으로 다룬다. 특히 '브랜딩–AI 콘텐츠–퍼포먼스 마케팅'이라는 공통 프레임을 인테리어 비즈니스에 맞게 구체화해, 누구나 적용할 수 있지만 실제 현장에서 바로 활용 가능한 인사이트에 집중한다는 점이 특징이다. 이번 세미나에는 인테리어 브랜딩, AI, 퍼포먼스 마케팅 분야에서 실제 성과를 만들어 온 연사 3인이 참여한다. 김주황 레이어스튜디오 대표는 브랜드 크리에이터 '브만남'으로 누적 9만 2천 명 이상의 팔로워를 보유한 경험을 바탕으로, 개인과 기업이 브랜드로 차별화되는 지점과 브랜딩 설계가 어떻게 비즈니스 성과로 이어지는지를 공유한다. 한의선 원더스랩 대표는 전문가와 중소기업을 위한 실무형 AI·AX 솔루션을 만들어 온 경험을 토대로, AI 인테리어 어시스턴트 '아이닷 인테리어'의 실제 고객 사례를 통해 프롭테크 업계에서 AI가 의사결정과 업무 흐름을 어떻게 단축하는지를 소개할 예정이다. 하아얀 수파리드 대표는 전 아파트멘터리 CGO로서 브랜드 전반을 이끌었던 경험과 함께, 리드 인입부터 실제 계약까지 단절된 데이터를 연결해 디지털 마케팅 효율을 개선한 사례를 중심으로, 마케팅 채널과 활동별 목적을 재정의하는 인사이트를 전한다. 세션은 오후 7시에 시작되며, 오후 6시 30분부터 입장이 가능하다. 각 세션 이후에는 패널 토크와 Q&A, 네트워킹 시간이 마련돼 있어 참가자들이 서로의 고민과 사례를 직접 공유할 수 있도록 구성됐다. 아키스케치 관계자는 “이번 세미나는 기술이나 툴 소개가 아닌, 실제로 고객을 만들고 계약으로 이어지는 구조를 이해하는 데 초점을 맞췄다”며 “인테리어 비즈니스에서 브랜딩과 AI, 마케팅을 어떻게 하나의 흐름으로 설계해야 하는지에 대한 현실적인 기준을 얻을 수 있을 것”이라고 말했다.

2026.01.27 08:56백봉삼 기자

91%가 우려하면서도 70%가 사용하는 AI 쇼핑의 아이러니

온라인 쇼핑의 패러다임이 바뀌고 있다. 챗GPT, 제미나이, 클로드 같은 AI 어시스턴트가 소비자의 일상적인 쇼핑 동반자로 자리 잡으면서, 에이전틱 커머스(Agentic Commerce)라는 새로운 쇼핑 방식이 주목받고 있다. 에이전틱 커머스란 AI 시스템이 제품 추천부터 결제 개시까지 보다 능동적인 역할을 수행하는 쇼핑 형태를 말한다. 그러나 AI의 능력이 커진다고 해서 자동으로 소비자의 신뢰까지 커지는 것은 아니다. 클러치(Clutch)가 발표한 리포트에 따르면, 소비자의 70%가 이미 AI를 활용해 온라인 쇼핑을 하고 있지만, 77%는 특정 에이전틱 커머스 기능에 개방적이라고 답했음에도 불구하고 95%는 AI 기반 구매에 대한 우려를 표명했다. 편의성과 프라이버시, 정확성, 통제권 사이의 긴장감이 현재 AI 쇼핑 도구 도입 단계의 핵심 특징이다. "며칠 걸리던 쇼핑, AI는 몇 분으로 압축한다"… 주간 사용자만 32% AI 쇼핑 어시스턴트는 이미 소비자 여정의 일상적인 부분이 되어가고 있다. 주로 구매를 완료하기보다는 리서치와 비교를 위해 사용된다. 실제로 소비자의 65%가 구매 전 제품 리서치를 위해 AI 도구를 사용한 경험이 있으며, 그중 32%는 매주 사용하고 있다. 주목할 점은 14%의 소비자가 아직 AI를 쇼핑 리서치에 사용해본 적은 없지만 관심이 있다고 답했으며, 단 21%만이 사용한 적도 없고 관심도 없다고 응답했다는 것이다. 소비자들이 쇼핑 여정에서 AI를 활용하는 이유는 일상적인 효율성과 깊이 연관되어 있다. 제품 리서치 시 시간 절약(43%), 옵션 비교의 용이성(43%), 더 나은 제품 추천(35%), 할인 및 가격 인하 추적(27%), 새로운 제품 발견(26%), 정신적 부담 감소 및 의사결정 용이성(19%) 순으로 나타났다. 결국 소비자들은 AI를 쇼핑 여정의 기초 단계를 지원하는 도구로 활용하며, 완벽한 제품을 찾는 과정에서 시간과 비용을 절약하고 있다. 영국의 디지털 마케팅 대행사인 익스포저 닌자(Exposure Ninja)의 CEO 찰리 마천트(Charlie Marchant)는 "온라인 쇼핑은 수동적인 프로세스다. 여러 탭을 열고 제품을 비교하고 리뷰를 읽으며 며칠 동안 왔다 갔다 하다가 구매 결정을 내린다. 에이전틱 AI는 이 모든 것을 몇 분으로 압축한다"고 설명했다. 91%가 우려하는 AI 쇼핑… 완전 신뢰는 겨우 17% AI 사용이 증가하고 있음에도 불구하고, 신뢰는 AI 쇼핑 여정의 더 깊은 도입에 있어 중요한 장벽으로 남아 있다. 전체적으로 91%의 소비자가 쇼핑용 AI 어시스턴트 사용 시 우려나 불만을 보고했다. 데이터 및 보안 문제가 응답자의 43%로 가장 큰 걱정거리였으며, 38%는 부정확하거나 신뢰할 수 없는 제품 추천을 경계했다. 특정 제품에 대한 AI 추천의 소비자 신뢰를 세분화하면, 17%만이 AI 추천 제품을 일반적으로 신뢰한다고 답했다. 23%는 자체 리서치를 추가로 수행한 후에만 신뢰하며, 26%는 때때로 신뢰하고 제품에 따라 다르다고 답했다. 17%는 회의적이며, 또 다른 17%는 전혀 신뢰하지 않는다고 밝혔다. AI 추천 제품에 대한 불신은 몇 가지 주요 우려와 불만으로 귀결된다. 42%의 응답자는 제안이 자신의 취향이나 스타일과 맞지 않는다고 공유했으며, 38%는 부정확하거나 신뢰할 수 없는 추천을 받았고, 34%는 AI 시스템이 특정 브랜드나 제품에 편향되어 있을 가능성에 대해 회의적이었다. 그러나 특정 요소들은 AI 추천에 대한 신뢰도를 높일 수 있다. 소비자들은 AI가 제품을 추천한 이유를 명확하게 설명할 때(47%), 하나가 아닌 여러 옵션을 제시할 때(46%), 기능, 장단점, 비교와 같은 주요 제품 세부 정보를 요약할 때(39%), 실제 고객 리뷰를 포함할 때(34%), 후원 추천에 대해 투명할 때(33%) 제안을 신뢰할 가능성이 더 높다. 이러한 발견은 투명성, 여러 옵션, 실행 가능하고 검증 가능한 정보로부터 더 높은 신뢰가 나온다는 것을 강화한다. 이러한 요소들은 에이전틱 커머스가 점점 더 광범위해짐에 따라 매우 중요할 것이다. 생필품은 OK, 반려동물 용품은 NO… 카테고리별 신뢰도 최대 4배 차이 AI 쇼핑에 대한 소비자의 편안함은 제품 카테고리에 따라 크게 다르지만, 패턴은 일관적이다. 사람들은 일상적이고 교체 가능하거나 비교 중심의 품목을 구매할 때 AI를 사용할 의향이 더 높다. 일상 생활필수품이 목록의 맨 위에 있으며, 소비자의 40%가 이 카테고리에서 AI를 사용하는 것이 편하다고 답했다. 이러한 구매는 위험이 낮고 반복 가능한 경향이 있어 AI 지원에 자연스럽게 적합하다. 전자제품 및 기술이 37%로 바로 뒤를 이어, 소비자들이 이 비교 중심 카테고리에서 사양을 비교하는 데 AI를 사용할 가능성이 높음을 나타낸다. 중간 수준의 편안함은 다양한 라이프스타일 카테고리에 걸쳐 나타나며, 소비자들은 뷰티 및 퍼스널 케어 제품(27%), 의류 및 액세서리(27%), 식료품(25%), 취미 또는 공예품(22%), 가정용품 또는 가구(21%)에 AI를 사용하는 데 개방적이다. 또한 5명 중 1명(20%)의 소비자는 가전제품, 가구 또는 주요 기술과 같은 고가 구매에 AI를 사용할 것이라고 답했다. 이 데이터는 소비자들이 대형 품목을 리서치하고 선택할 때 지원을 높이 평가한다는 것을 보여준다. 편안함이 가장 크게 떨어지는 곳은 개인 웰빙과 관련된 카테고리다. 소비자의 16%만이 건강 또는 웰니스 제품 쇼핑에 AI를 사용하는 것이 편하며, 단 11%만이 애완동물 용품에 대해 그렇게 하는 것이 편하다고 느낀다. 이러한 카테고리는 더 높은 인지된 위험, 더 개별화된 요구, 인간의 판단에 대한 더 강한 욕구를 수반한다. 전반적으로 데이터는 소비자들이 의사 결정이 반복 가능하고 정보 중심인 상황에서 AI 쇼핑 지원을 선택적으로 활용하며, 가장 자주 사용한다는 것을 보여준다. 반면, 구매가 개인적이거나 감정적이거나 고위험으로 느껴질 때 AI에 덜 의존한다. 에이전틱 커머스를 향해 나아가는 브랜드와 플랫폼의 경우, 이러한 카테고리 차이는 AI가 오늘날 가치를 추가할 수 있는 곳과 신뢰가 여전히 얻어져야 하는 곳을 강조한다. "결제 버튼만은 내가 누른다"… AI 완전 위임 겨우 4% AI가 이미 쇼핑 여정의 많은 부분에 내장되어 있지만, 결제는 대부분의 소비자에게 명확한 AI 쇼핑 활용 중단 지점으로 남아 있다. 데이터는 사람들이 AI를 통해 정보를 얻는 것에는 편리함을 느끼지만, AI 정보를 바탕으로 쇼핑을 마무리하는 데는 불편함을 느낀다는 것을 보여준다. 실제로 소비자의 4%만이 구매를 완료하는 행위를 AI 어시스턴트에게 완전히 넘기는 것이 편할 것이라고 답했다. AI 플랫폼 내에서 구매하는 것에 대해 보다 직접적으로 질문했을 때, 감정은 여전히 신중하다. 27%는 결제 프로세스가 안전하다고 느끼면 구매를 완료하는 것이 편할 것이라고 답했고, 29%는 결정을 내리기 전에 더 많은 정보가 필요하다고 답했으며, 44%는 AI 플랫폼 내에서 구매를 완료하는 것이 전혀 편하지 않을 것이라고 답했다. 이러한 주저함은 95%의 소비자가 AI 지원 구매에 대한 우려를 보고한다는 사실에서 비롯되며, 이러한 우려는 신뢰와 통제 문제를 중심으로 밀접하게 집중되어 있다. 응답자의 63%는 데이터 프라이버시에 대해 우려하고, 53%는 특정 브랜드나 제품에 대한 잠재적 편향에 대해 회의적이며, 52%는 개인 정보의 오용에 대해 걱정한다. 이러한 우려는 연구 전반에 걸쳐 일관된 주제를 강화한다. 소비자들은 돈이 손을 떠날 때 통제권을 유지하기를 원한다. AI 쇼핑 기능 선호도, 가격 인하 알림 54%로 압도적 소비자들은 통제권을 제거하지 않으면서 정보를 유지하는 데 도움이 되는 AI 쇼핑 기능을 원한다. 설문 조사 데이터에 따르면, 가격 모니터링이 수요를 주도하며 54%가 가격 인하 알림을 원한다. 이는 소비자들이 즉각적인 구매 결정을 내리는 것보다 시간이 지남에 따라 절약을 추적하는 데 AI를 가치 있게 여긴다는 것을 보여준다. 거래 발견 및 보충 지원도 환영받는다. 36%는 더 나은 거래나 유사한 제품에 대한 제안을 원하고, 36%는 자주 구매하는 품목이 부족할 때 알림을 원한다. 이는 소비자들이 이미 수동으로 관리하고 있으며 자동화하는 것이 편한 작업이다. 계획 지원은 적당한 매력을 가지고 있다. 24%는 구독 관리(일시 중지, 건너뛰기 또는 조정)에 대한 도움을 원하고, 22%는 휴일이나 생일과 같은 계절별 또는 시간에 민감한 구매에 대한 알림을 원한다. 자동 재주문은 여전히 틈새 기능으로 남아 있다. 19%만이 AI가 자동으로 구매를 재주문하는 데 관심이 있으며, 이는 대부분의 소비자가 AI가 인식과 효율성을 지원하기보다는 최종 구매 통제권을 대체하는 것을 선호한다는 것을 강화한다. 이러한 선호도를 종합하면 소비자들이 AI를 자율적인 구매자가 아닌 지원적인 쇼핑 어시스턴트로 본다는 것을 나타낸다. 인식을 높이고 시간을 절약하며 의사 결정 통제권을 유지하는 기능이 쇼핑객을 대신하여 행동하는 기능보다 훨씬 더 매력적이다. 영국 글로벌 디지털 마케팅 회사, 아큐캐스트(AccuraCast)의 그룹 CEO 파르하드 디베차(Farhad Divecha)는 에이전틱 커머스가 "오늘날 판매 손실의 가장 큰 원인 중 하나인 선택의 과잉을 해결한다"고 요약했다. 그는 "사용자 의도에 부합하는 방식으로 옵션을 좁힘으로써 AI 주도 구매 여정은 더 나은 고객 경험을 창출하면서 전환율을 개선할 수 있다"고 설명했다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 에이전틱 커머스란 무엇인가요? A. 에이전틱 커머스는 AI 시스템이 제품 추천부터 결제 개시까지 쇼핑 과정에서 보다 능동적인 역할을 수행하는 새로운 형태의 전자상거래입니다. 단순히 정보를 제공하는 것을 넘어 소비자를 대신해 의사결정을 지원하고 실행하는 AI 기반 쇼핑 방식을 의미합니다. Q2. 소비자들이 AI 쇼핑에서 가장 우려하는 점은 무엇인가요? A. 소비자의 95%가 AI 기반 구매에 대한 우려를 표명했으며, 주요 우려 사항은 데이터 프라이버시(63%), 특정 브랜드나 제품에 대한 편향 가능성(53%), 개인정보 오용(52%)입니다. 또한 38%는 부정확하거나 신뢰할 수 없는 제품 추천을 걱정하고 있습니다. Q3. 소비자들은 어떤 제품 카테고리에서 AI 쇼핑을 선호하나요? A. 일상 생활필수품(40%), 전자제품 및 기술(37%)에서 AI 활용 의향이 가장 높습니다. 반면 건강 및 웰니스 제품(16%), 애완동물 용품(11%)처럼 개인적이고 감정적이거나 높은 위험이 수반되는 카테고리에서는 AI 사용 선호도가 낮게 나타났습니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.26 21:16AI 에디터

"AI 하나로 부족해"… 메타·구글, 역할 나눠 협력하는 AI 팀 공개

인간은 스스로의 부족한 점을 보충하기 위해 조직을 만들어 과업에 대응한다. 인류는 서로의 장단점을 보완해 가며 역사를 이뤄냈다. 인간처럼 능동적으로 행동할 수 있는 AI 역시 팀을 이루면 각 AI의 장단점을 극복할 수 있다. 일리노이대학교, 메타, 아마존, 구글 딥마인드 등 글로벌 AI 연구 기관들이 발표한 대규모 연구 리포트가 AI의 새로운 진화 방향을 제시했다. 해당 논문에 따르면, 이 연구는 AI가 단순히 질문에 답하는 단계를 넘어, 마치 사람처럼 스스로 계획을 세우고 도구를 활용하며 경험을 통해 배우는 존재로 발전하고 있다고 밝혔다. 연구진은 이러한 AI의 능력을 '에이전트 추론'이라 부르며, 3단계로 나눠 설명했다. 기본적인 일 처리 능력, 스스로 학습하는 능력, 그리고 여러 AI가 협력하는 능력이다. 스스로 계획 세우고 도구 쓰고 정보 찾는 AI의 기본 능력 AI가 갖춰야 할 기본 능력은 크게 세 가지다. 계획 세우기, 도구 사용하기, 정보 찾기가 그것이다. 예를 들어, 리액트(ReAct)라는 시스템은 사람처럼 '생각하기'와 '행동하기'를 번갈아 가며 일을 처리한다. 큰 목표를 작은 단계로 나누고, 필요한 외부 도구를 불러 쓰며, 결과가 맞는지 확인하는 식이다. 도구를 사용하는 능력은 AI가 본래 가진 한계를 뛰어넘게 해준다. AI는 최신 정보를 모르거나 복잡한 계산을 못 하는 경우가 많은데, 이때 외부 프로그램을 호출해서 문제를 해결한다. 툴포머(Toolformer)라는 시스템은 스스로 필요한 프로그램을 만들어 쓰고, 툴LLM(ToolLLM)은 수많은 사용 예시를 보고 배우며, 허깅GPT(HuggingGPT)는 여러 도구를 동시에 조율해서 사용한다. 이들은 언제 도구를 써야 하는지, 어떤 도구가 적합한지, 어떻게 명령을 내려야 하는지를 스스로 판단한다. 정보를 찾는 능력도 똑똑해졌다. 기존 AI는 한 번만 검색해서 답을 찾았다면, 이제는 상황에 따라 언제, 무엇을, 어떻게 찾을지를 스스로 결정한다. 리액트는 생각하는 과정에 검색 명령을 끼워 넣고, 셀프-RAG(Self-RAG)는 매 단계마다 "더 찾아봐야 하나?"를 스스로 판단하며, 에이전트-G(Agent-G)는 일반 문서와 정리된 데이터베이스를 동시에 뒤져 답을 찾는다. 실패를 기억하고 다시 도전하는 AI: 경험으로 배우는 학습 능력 AI가 정말 똑똑해지려면 한 번 배운 것을 기억하고, 실수를 반복하지 않아야 한다. 이것이 바로 '스스로 진화하는 능력'이다. 정해진 방식대로만 일하는 게 아니라, 경험을 쌓고 기억하며 점점 나아지는 것이다. 리플렉시온(Reflexion) 같은 시스템은 AI가 자기 판단을 스스로 비판하고 개선하게 만들고, 메모리-R1(Memory-R1)은 무엇을 기억하고 어떻게 꺼내 쓸지를 학습한다. 기억 시스템은 AI가 똑똑해지는 핵심이다. 예전 방식은 단순히 정보를 저장만 했다면, 이제는 기억을 활용해서 판단하고 결정한다. Amem이라는 시스템은 AI가 스스로 상황에 맞는 기억을 만들고, 관련된 경험들끼리 연결하며, 새로운 정보가 들어오면 기억을 업데이트한다. 메모리뱅크(MemoryBank)와 워크플로우 메모리(Workflow Memory)는 이전에 어떤 과정으로 일했는지 추적해서, 나중에 비슷한 일을 더 잘할 수 있게 돕는다. 피드백 받아서 개선하는 능력도 중요하다. 과학 실험 AI는 실험 결과가 나아졌을 때만 다음 단계로 넘어가고, 화학 AI인 켐리즈너(ChemReasoner)는 화학 시뮬레이션 결과를 보고 아이디어를 수정한다. 노벨시크(NovelSeek)는 사람의 조언을 받을 때마다 코드와 계획을 고쳐나간다. 이런 방식으로 AI는 완전히 새로 학습하지 않아도 점점 더 나은 판단을 내릴 수 있게 된다. 각자 맡은 일 따로 있는 AI 팀: 협력으로 복잡한 문제 해결 혼자보다 여럿이 힘을 합치면 더 어려운 일을 해낼 수 있다. AI도 마찬가지다. 여러 AI가 각자 다른 역할을 맡아 협력하면 훨씬 복잡한 문제를 풀 수 있다. 관리자 AI는 전체 계획을 세우고, 실행자 AI는 실제 작업을 하며, 검증자 AI는 결과를 확인한다. 메타GPT(MetaGPT)는 소프트웨어 개발을 제품 기획자, 설계자, 프로그래머 AI로 나눠서 처리하고, 챗Dev(ChatDev)는 각 전문 AI들이 대화하며 요구사항 분석부터 코딩, 테스트까지 진행한다. AI의 역할은 크게 두 종류로 나뉜다. 먼저 일반적인 역할이 있다. 리더 AI는 전체 목표를 정하고 일을 나눠 맡기며 의견이 엇갈릴 때 조정한다. 작업자 AI는 실제로 도구를 쓰고 코드를 작성하며 정보를 찾는다. 평가자 AI는 결과가 정확한지 확인하고 위험을 찾아낸다. 기억 담당 AI는 중요한 정보를 오래 보관하고 관리한다. 소통 담당 AI는 다른 AI들이 효율적으로 정보를 주고받게 돕는다. 분야별로 특화된 역할도 있다. 소프트웨어 개발에서는 시스템 설계자, 코드 작성자, 검토자, 자동화 담당자, 배포 관리자로 나뉜다. 의료 분야의 MDAgents는 진료 난이도에 따라 AI 팀 구성을 자동으로 조정하고, 닥터에이전트-RL(DoctorAgent-RL)은 의사-환자 대화를 학습으로 개선한다. AI들이 각자 맡은 분야를 전문적으로 처리하고 서로 결과를 검토하면서, 혼자서는 해결하기 어려운 복잡한 문제도 풀어낼 수 있다. 실험실에서 병원까지: 현실에서 일하기 시작한 AI 에이전트들 이런 AI 기술은 이미 여러 분야에서 실제로 쓰이고 있다. 수학 문제 풀이, 프로그래밍, 과학 연구, 로봇, 의료, 인터넷 검색 등 다양한 영역에서 활약 중이다. 과학 분야의 켐크로우(ChemCrow)는 여러 화학 도구를 자동으로 연결해서 화학 물질 합성 과정을 스스로 진행한다. 켐매트에이전트(CheMatAgent)는 100개가 넘는 화학 및 재료 관련 도구를 다루면서, 어떤 도구를 선택하고 어떻게 사용할지를 학습한다. 의료 분야에서도 활용도가 높다. 에이전트클리닉(AgentClinic)은 가상 병원 환경에서 환자 증상과 의료 영상을 보고 진단을 내린다. EHR에이전트(EHRAgent)는 환자의 전자 진료 기록을 분석해서 진단 코드를 예측하고 약물 치료를 제안한다. 다이나미케어(DynamiCare)는 환자 상태가 변하면 즉시 치료 계획을 수정하고, 메드에이전트짐(MedAgentGym)은 만든 코드를 실행해 보고 점수를 매겨서 정확도를 높인다. 인터넷을 자동으로 검색하는 AI도 발전했다. 웹아레나(WebArena)는 쇼핑몰과 예약 사이트 같은 실제 웹사이트 90개 이상을 AI가 사용할 수 있는지 시험한다. 비주얼웹아레나(VisualWebArena)는 화면을 보고 어디를 클릭해야 할지 판단하는 능력까지 평가한다. 에이전트Q(Agent Q)는 여러 경로를 미리 생각해 보고 가장 좋은 방법을 선택하며, 스스로 판단의 문제점을 찾아 개선한다. 기업이 AI 에이전트로 얻을 수 있는 5가지 기회 이번 연구가 제시한 AI의 3단계 진화는 단순한 이론이 아니라 기업의 실제 전략에 중요한 힌트를 준다. 첫째, 기본적인 에이전트 능력은 이미 실용화됐다. 오픈핸즈(OpenHands) 같은 시스템이 생각하고, 계획하고, 테스트하는 과정을 하나로 묶어서 처리하고 있으며, 이는 기업의 코드 작성과 자동화 업무에 바로 쓸 수 있다. 둘째, 스스로 배우는 능력이 AI 시스템의 수명을 결정한다. 기존 AI는 한 번 배우면 그게 끝이었지만, 기억과 피드백 기능을 가진 AI는 일하면서 계속 나아진다. 특히 고객 상담, 의료 진단, 법률 자문처럼 계속 새로운 지식이 쌓여야 하는 분야에서 경쟁력을 높여줄 것이다. 셋째, 여러 AI의 협력이 복잡한 업무 자동화의 핵심이다. 한 AI가 모든 것을 다 하는 것보다 각자 전문 분야를 맡은 AI들이 팀을 이루는 게 효과적이다. 메타GPT의 소프트웨어 개발 사례는 기획부터 코딩, 테스트까지 전 과정을 AI 팀으로 자동화할 수 있음을 보여준다. 기업이 AI를 도입할 때는 하나의 솔루션이 아니라 AI 생태계를 구축하는 관점으로 접근해야 한다. 넷째, 앞으로 중요해질 개인 맞춤형 서비스, 장기 학습, 세계 모델링 능력이 차세대 AI 제품의 차별화 요소가 될 것이다. 사용자 중심 AI는 개인의 취향과 행동 방식을 배워서 맞춤형 서비스를 제공한다. 이는 일반 소비자 서비스뿐 아니라 기업용 솔루션에서도 사용자 경험을 바꿀 잠재력이 있다. 마지막으로, 안전 관리 체계는 AI를 실제 환경에 투입하기 전에 반드시 갖춰야 한다. 스스로 판단하는 AI는 예상 못 한 행동을 할 수 있으며, 특히 의료나 금융 같은 중요한 분야에서는 안전장치와 모니터링이 필수다. 가드에이전트(GuardAgent) 같은 안전 시스템이 이미 연구되고 있으며, 기업은 AI 도입 초기부터 이런 안전장치를 설계에 포함해야 한다. FAQ ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 에이전트 AI가 뭔가요? 기존 AI랑 뭐가 다른가요? A. 에이전트 AI는 질문에 답만 하는 게 아니라 스스로 계획을 세우고, 필요한 도구를 찾아 쓰며, 환경과 계속 소통하면서 배우는 AI입니다. 기존 AI가 "질문 → 답변"으로 끝났다면, 에이전트 AI는 "목표 설정 → 계획 수립 → 실행 → 결과 확인 → 학습"의 전 과정을 스스로 진행합니다. 마치 사람처럼 일을 처리하는 거죠. Q2. 스스로 배우는 AI는 어떻게 작동하나요? A. 두 가지 방법으로 학습합니다. 첫째, 기억 시스템을 통해 과거 경험을 저장하고 나중에 다시 활용합니다. 둘째, 자기 평가 기능으로 자신이 한 일을 스스로 검토하고 개선점을 찾습니다. 예를 들어, 화학 실험 AI가 실험에 실패하면 그 내용을 기억해뒀다가 다음번엔 같은 실수를 안 합니다. 사람이 경험으로 배우는 것과 비슷합니다. Q3. 여러 AI가 협력한다는 게 기업에서 어떻게 쓰이나요? A. 복잡한 일을 역할별로 나눠서 처리합니다. 소프트웨어 개발을 예로 들면, 설계 담당 AI가 전체 구조를 짜고, 코딩 AI가 프로그램을 만들고, 검토 AI가 오류를 찾아냅니다. 의료 분야에서는 진단 AI, 치료 계획 AI, 환자 상태 모니터링 AI가 팀을 이뤄 종합적인 의료 서비스를 제공할 수 있습니다. 각자 잘하는 일을 맡아서 하니까 더 좋은 결과가 나옵니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.26 19:45AI 에디터

에쓰오일 "1Q도 정제마진 좋다"…올해 영업익 4배 뛰나

에쓰오일이 올해 우호적인 시황과 함께 전년 대비 개선된 실적을 기록할 것으로 전망했다. 에쓰오일은 26일 2025년 4분기 실적발표 컨퍼런스콜에서 "올해 글로벌 수요 성장이 정제 설비와 파라자일렌 설비 순증설 규모를 초과해 우호적인 제품 시황이 기대되는 가운데 저유가 기조 및 공식판매가격(OSP) 하락에 따른 원가 부담 완화로 안정적인 정제마진이 지속될 것으로 예상하고 있다"고 밝혔다. 지난해 에쓰오일 연간 실적은 매출 34조 2천470억원, 영업이익 2천882억원으로 매출액과 영업이익은 전년 대비 각각 6.5%, 31.7%씩 감소했다. 매출은 유가 하락으로 줄었으며, 영업이익은 하반기 정제마진 상승에 힘입은 정유부문 실적 개선과 윤활부문 실적 강세에도 석유화학부문이 적자(영업손실 1천368억원)로 전환하며 수익성이 뒷걸음질쳤다. 러시아 정제설비 차질, 1분기도 지속 예상...수요 성장, 설비 증설 순증분 상회 올해 1분기 전망은 밝다. 정유 부문의 경우 러시아 등 일부 설비 가동 차질 지속과 미국 노후 설비 폐쇄에 따라 공급이 제한적인 가운데 수요가 견조할 것으로 예상됨에 따라 양호한 정제마진이 유지될 것으로 전망되기 때문이다. 석유화학부문도 중국의 지속적인 설비 증설이 하향 압박 요인으로 작용할 것으로 예상되나, 글로벌 무역환경 불확실서 완화로 수요가 점진적으로 회복될 것으로 전망했다. 윤활 부문 역시 봄철 윤활유 교체 성수기에 앞서 재고 비축 수요가 증가할 전망이다. 에쓰오일 관계자는 "올해는 79만 BD(배럴/일) 정제 설비 순증설이 예정돼 있는데, 증설은 159만 BD, 폐쇄는 80만 BD로 예정돼 있으며 이중 대부분 신증설이 하반기에 집중돼 있다"며 "신규 물량은 주로 인도를 중심으로 증설되는 것으로 파악하고 있으며, 인도의 경우 기존 발표 일정보다 증설이 지연되는 경우가 많아 올해 예정된 증설 중 일부는 연말 또는 내년으로 지연될 가능성이 있을 것으로 보고 있다"고 전망했다. 이어 "내년 순증설은 5만 BD에 불과하며, 2028년은 설비와 폐쇄 설비 규모가 거의 비슷해 순증분이 거의 없을 것으로 예상된다"며 "수요 증가분이 공급을 상회하는 구조적으로 긍정적인 환경이 장기화될 가능성이 높을 것으로 예상한다"고 부연했다. 이용욱 한화투자증권 연구원은 "올해를 마지막으로 순증설 규모는 크게 축소되고, 유럽연합(EU)의 러시아 제재 역시 유지될 공산이 크다"며 "중국과 인도가 러시아·이란·베네수엘라 등에서 조달해온 저가 원유에 기반한 원가 경쟁력 역시 점차 약화될 것으로 전망됨에 따라 올해도 견조한 정제마진이 이어질 것"이라고 관측했다. 금융정보업체 에프앤가이드 올해 에쓰오일 연간 컨센서스(증권 전망 평균치)는 영업이익은 1조4천111억원이다. 지난해 영업이익 4배가 넘는 수치다. 샤힌프로젝트 막바지...석화 구조조정 참여 관심↑ 약 9조원을 투입하는 샤힌프로젝트도 올해 마무리 단계에 접어드는 만큼 고객사 확보에 한창이다. 지난 14일 기준 EPC 진행률이 93.1%며 주요 장치·설비 설치가 완료됐다. 에쓰오일은 "샤힌프로젝트는 상반기 기계적 완공을 앞두고 하반기 시운전을 거쳐 내년초 상업가동을 목표로 계획대로 진행되고 있다"며 "올레핀 모노머 고객사와 연간 공급 계약 관련 협의를 진행 중이며, 울산 지역 주요 고객사에 대한 지선 배관 연결 공사를 진행하고 있다"고 밝혔다. 이어 "온산과 울산을 연결하는 간선 배관 설치는 완료했고, 각 고객사로 연결되는 지선 배관 설치는 상반기 완료를 목표로 한다"며 "폴리에틸렌과 관련해서는 프리마케팅을 통해 품질 평가를 진행 중이며, 장기 수출 계약 협의도 진행하고 있다"고 덧붙였다. 국내 석유화학 산업 구조재편과 관련한 질의도 있었지만, 지금까지 나온 내용을 복기하는 수준에 그쳤다. 국내 석화업계가 270~370만t 규모 NCC 감축을 위해 구조조정을 진행 중인 가운데 샤힌프로젝트가 완공되면 에쓰오일만 무임승차하는 것이라는 불만이 제기되고 있기 때문이다. 이로 인해 에쓰오일이 구조조정에서 어떤 역할을 할 지 업계의 관심이 모아지고 있다. 이날 컨퍼런스콜에서 석유화학 구조조정에 에쓰오일이 관여된 부분을 묻는 애널리스트 질문에 에쓰오일 관계자는 "국내 석유화학 산업 구조적 경쟁력 제고에 기여하고자 첨단 고효율 설비에 대한 투자를 진행하고 있으며, 동시에 석유화학 산업단지 재편 자율협약에도 참여해 울산 산업단지 내 석유화학 회사들과 공동 컨설팅을 실시해 산업 재편 계획을 정부에 제출하는 등 적극적으로 협력하고 있다"고 답했다. 이어 "샤힌프로젝트는 탁월한 원가 경쟁력과 생산 효율성을 바탕으로 세계적 경쟁력을 확보하고 있으며 경쟁력 있는 제품을 고객사에 안정적으로 공급함으로써 울산 지역 석유화학 업계 경쟁력 강화에 크게 기여하고, 지역경제 발전뿐 아니라 수입 대체 무역수지 개선 등 국가경제에도 실질적으로 기여할 계획"이라고 덧붙였다.

2026.01.26 15:52류은주 기자

스페클립스, '피코케이·벨루스큐' 美 FDA 허가

스페클립스는 레이저 기반 피부 미용·치료기기 '피코케이'(PICO-K)와 '벨루스큐'(BELLUS-Q) 두 품목이 미국 식품의약국(FDA)으로부터 510(k) 허가를 획득했다고 26일 밝혔다. 피코케이는 색소 치료에 최적화된 4세대 피코초 레이저 미용 및 치료용 의료기기로, 총 9개의 특허를 기반으로 높은 안정성과 정밀도를 인정받았다. 특히 높은 에너지 밀도를 유지해 기존 피코 레이저들의 고질적인 문제였던 레이저 빔의 불균일성을 해결했고, 우수한 전달력을 구현했다는 평가다. 나노초 레이저인 벨루스큐 역시 기존에 형성된 나노 레이저 시장을 공략할 수 있는 뛰어난 품질과 기능이 입증됐다. 스페클립스는 이번 FDA 승인으로 미국 시장 진출 시기가 예상했던 3~4월에서 한 분기가량 앞당겨진 데 따라, 올해 미국 현지 실적을 온전히 반영할 수 있게 됐다. 앞서 미국 현지 진출을 위해 글로벌 에스테틱 대기업과 유통 마케팅 협력을 체결한 바 있다. 회사는 올해 미국 시장에서 최소 100억원 규모의 매출을 달성할 수 있을 것으로 기대 중이며, 현재 1분기 발주는 완료된 상태로 약 30억원의 성과는 확보된 상태다고 밝혔다. 홍정환 스페클립스 대표는 “피코케이와 벨루스큐의 뛰어난 기술력과 스페클립스의 글로벌 인허가 역량이 더해져 신속하게 FDA 허가를 획득할 수 있었다”며 “올해 초부터 미국 현지에서 판매를 개시했으며, 이를 통해 스페클립스의 글로벌 신인도는 물론 올해 실적 역시 가파르게 성장할 것으로 기대한다”고 말했다. 이어 “당사 제품의 안전성과 효과성을 입증할 수 있는 논문 및 학술지 게재와 임상 발표도 증가하고 있는 만큼, 현지 내 의료 전문가 마케팅을 넓혀가며 새로운 시장을 열어가는 스페클립스의 미래에 많은 관심을 부탁드린다”고 덧붙였다.

2026.01.26 10:36조민규 기자

챗GPT '잘 쓰는 사람 vs 못 쓰는 사람' 실력 차이 7배…어느 쪽?

챗GPT를 만든 오픈AI가 충격적인 분석 결과를 내놨다. 같은 돈을 내고 똑같은 서비스를 쓰는데도, 어떤 사람은 7배 더 많은 기능을 활용한다는 것이다. 국가별로 봐도 차이는 3배에 달했다. AI 기술은 빠르게 발전하는데, 정작 대부분의 사람들은 그 능력의 일부만 쓰고 있다는 의미다. 해당 리포트에 따르면, 오픈AI는 이런 현상을 '역량 격차'라고 부르며, 이 문제를 해결하지 않으면 AI 시대의 혜택이 소수에게만 돌아갈 수 있다고 경고했다. AI는 7개월마다 2배씩 똑똑해지는데, 우리는 여전히 '초보' 수준 AI의 능력은 약 7개월마다 2배씩 성장하고 있다. 2022년에 챗GPT는 전문가가 1분 정도 걸리는 일을 할 수 있었다. 지금은 30분 이상 걸리는 복잡한 일도 처리할 수 있다. 하지만 대부분의 사람들은 여전히 간단한 질문만 던지고 있다. 오픈AI는 월 2만 원짜리 요금제를 쓰는 사람들을 조사했다. 그 결과, 상위 5%에 속하는 '파워 유저'는 평균적인 사용자보다 7배 더 많이 AI의 고급 기능을 활용하는 것으로 나타났다. 여기서 '고급 기능'이란 AI가 복잡한 문제를 풀 때 동원하는 '생각하는 능력'을 말한다. 어려운 질문일수록 AI는 더 깊이 생각해서 답을 내놓는다. 더 놀라운 건 오픈AI 직원들의 활용 수준이다. 오픈AI 직원들은 일반 사용자보다 무려 15배나 더 많은 고급 기능을 쓴다. 이는 단순히 질문하고 답을 받는 수준을 넘어, 실제 업무에 깊숙이 AI를 활용하고 있다는 뜻이다. 오픈AI는 이런 차이가 "AI를 쓸 수 있느냐"의 문제가 아니라 "AI를 어떻게 활용하느냐"의 문제라고 지적했다. 국가별로도 3배 차이... 의외의 강자는 베트남과 파키스탄 챗GPT 사용자가 많은 70개 이상의 나라를 비교했더니, 나라마다 AI 활용 수준이 크게 달랐다. 앞서가는 나라는 뒤처진 나라보다 1인당 3배나 더 많은 고급 기능을 사용했다. 미국과 인도는 사용자 수가 가장 많았고, 싱가포르와 네덜란드는 인구 대비 사용 비율이 가장 높았다. 그런데 흥미로운 사실이 있다. 부자 나라만 AI를 잘 쓰는 게 아니었다. 베트남과 파키스탄은 '에이전트 도구'라는 최첨단 기능 사용에서 세계 최상위권에 올랐다. 이는 AI 활용 능력이 반드시 경제 규모나 소득 수준과 비례하지 않는다는 걸 보여준다. 일의 종류별로도 차이가 컸다. 가장 큰 차이를 보인 건 '코딩(프로그래밍)' 분야였다. 1등 국가인 싱가포르는 평균 국가보다 3배 이상 많은 코딩 관련 질문을 했다. 반면 정보 검색이나 그림 만들기 같은 쉬운 기능은 나라별 차이가 작았다. 선두 국가도 평균보다 46% 정도만 더 많이 썼다. 도구별로도 비슷한 패턴이 나타났다. 데이터 분석, 앱 연결, 코딩 도구, 자동 작업 등 고급 기능은 선두 국가가 평균보다 2~4배 더 많이 사용했다. 베트남은 데이터 분석을 평균 국가보다 4배나 더 많이 썼다. 반면 음성 대화, 그림 만들기, 검색 같은 쉬운 기능은 나라별 차이가 작았다. 11개국과 손잡은 오픈AI... 교육부터 재난 대응까지 전방위 지원 오픈AI는 이런 격차를 줄이기 위해 2025년 '국가를 위한 AI(OpenAI for Countries)' 프로그램을 시작했다. 전 영국 재무장관이 이끄는 이 프로그램은 각 나라 정부가 AI를 국민에게 제대로 보급할 수 있도록 돕는다. 교육, 의료, AI 기술 교육, 사이버 보안, 재난 대응, 창업 지원 등 다양한 분야를 지원한다. 현재 아르헨티나, 호주, 에스토니아, 독일, 그리스, 아일랜드, 이탈리아, 노르웨이, 한국, UAE, 영국 등 11개국이 오픈AI와 협력하고 있다. 이들 국가의 인구를 합치면 3억 5천만 명이 넘고, 경제 규모는 15조 달러가 넘는다. 교육 분야에서 에스토니아가 좋은 예다. 에스토니아는 전국 모든 중고등학교에 챗GPT를 도입했다. 선생님의 60% 이상이 매주 챗GPT를 써서 수업을 준비하고, 숙제를 채점하고, 창의적인 수업을 만든다. 학생들도 안전하게 최신 AI를 쓸 수 있게 됐다. 창업 지원도 활발하다. 그리스는 'AI 창업 프로그램'을 통해 새로운 창업자들을 돕고 있다. 오픈AI의 기술과 자금을 제공하고, 오픈AI 엔지니어들이 직접 조언을 해준다. 아일랜드는 정부와 협력해서 중소기업과 젊은 창업자들이 AI를 배우고 활용할 수 있도록 실습 교육을 제공한다. 재난 대응과 의료까지... AI를 '전기'처럼 필수 인프라로 오픈AI는 사이버 범죄와 사기로부터 국민을 보호하는 프로그램도 진행 중이다. 정부 기관이 AI 기반 보안 시스템을 만들고 활용할 수 있도록 돕는다. 재난 대응 분야에서는 한국 수자원공사(K-water)와 협력을 검토하고 있다. 수자원공사의 데이터와 경험에 오픈AI의 최신 AI 기술을 결합해서, 홍수나 가뭄 같은 물 재해를 미리 예측하고 대응하는 시스템을 만들 계획이다. 의료 분야에서는 최근 출시된 '챗GPT 헬스'를 기반으로 정부 및 병원과 협력하고 있다. AI가 사람들이 건강 정보를 더 잘 이해하도록 돕고, 병원이 더 많은 환자를 효율적으로 돌볼 수 있게 하는 게 목표다. 안전과 개인정보 보호를 최우선으로 한다. 인프라 구축도 중요하다. 노르웨이는 수력 발전으로 돌아가는 친환경 AI 센터를 만들고 있다. 이는 유럽의 첫 오픈AI 인프라 시설이다. 한국은 삼성과 SK와 협력해서 AI 개발에 필요한 컴퓨팅 능력을 확보할 예정이다. UAE는 중동 최대 규모의 AI 인프라를 구축한다. 오픈AI는 "AI는 지능 시대의 전기나 인터넷 같은 것"이라며 "기회를 잡는 나라는 경제적으로나 사회적으로 앞서 나갈 것"이라고 강조했다. 실제로 독일에서는 지난 1년간 챗GPT 사용이 5배 늘었다. 거의 모든 젊은이가 매주 챗GPT를 쓴다. 한국도 2,500만 명이 넘는 사람들이 매달 챗GPT를 공부, 일, 창작에 활용하고 있다. 한국도 '양'에서 '질'로 도약해야 할 때 오픈AI 보고서는 한국이 월 2,500만 명 이상이 챗GPT를 쓰는 선진국임을 보여준다. 하지만 숫자만으로는 부족하다. 대부분의 사람들이 AI를 검색이나 간단한 질문에만 쓰는 동안, 소수의 파워 유저는 7배 더 많은 고급 기능으로 실제 생산성을 높이고 있다. 한국은 세계 최고 수준의 인터넷과 높은 교육 수준을 갖췄다. 하지만 AI를 깊이 있게 활용하는 체계적인 교육이 부족하다. 에스토니아처럼 전국 학교에 AI 교육을 도입하거나, 그리스처럼 국가 차원의 창업 지원 프로그램을 만드는 것을 참고할 만하다. 특히 수자원공사와의 협력 가능성이 언급된 만큼, 정부와 기업이 함께 재난 대응, 의료, 교육 등에서 AI를 실제로 활용해야 한다. 더 중요한 것은 'AI를 쓸 수 있다'를 넘어 'AI를 잘 쓴다'로 가는 것이다. AI 도구를 쓸 수 있다는 것만으로는 부족하다. 실제 일터에서 AI를 효과적으로 활용할 수 있는 능력과 의지를 키워야 한다. 이를 위해 직업별, 업종별 맞춤 AI 교육과 자격증이 필요하다. 오픈AI가 유럽, 캐나다, 호주, UAE에서 시작하는 AI 교육 프로그램에 한국도 적극 참여해서, 기업들이 인정하는 실전 능력을 키워야 한다. AI 시대의 경쟁력은 기술을 아는 것이 아니라 기술을 쓸 줄 아는 것에서 나온다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. '역량 격차'가 뭔가요? A. AI가 실제로 할 수 있는 일과 사람들이 실제로 시키는 일 사이의 차이를 말한다. 지금 AI는 전문가가 30분 넘게 걸리는 복잡한 일도 할 수 있다. 하지만 대부분의 사람들은 간단한 질문만 한다. 이런 차이가 줄어들지 않으면, AI의 혜택이 소수의 '고수'에게만 돌아갈 수 있다. Q2. 챗GPT를 더 잘 쓰려면 어떻게 해야 하나요? A. 질문만 하지 말고 일을 맡겨야 한다. 데이터 분석, 코딩, 심층 조사 같은 고급 기능을 적극 써보자. 반복되는 일을 위한 나만의 GPT를 만드는 것도 좋다. 오픈AI 조사에 따르면 이런 고급 기능을 쓰는 사람들이 시간을 훨씬 많이 절약했다. Q3. 나라 차원에서 AI 격차를 줄이려면? A. 학교에서 AI 교육을 하고, 실무에서 바로 쓸 수 있는 AI 교육 프로그램을 만들어야 한다. 창업자들을 지원해서 AI 기반 회사를 키우고, 정부가 먼저 AI를 써서 행정 효율을 높이는 것도 중요하다. 민간 기업과 협력해서 의료, 재난 대응, 보안 등 다양한 분야에서 AI를 활용해야 한다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.26 08:36AI 에디터

엑세스랩, 퀄컴 기반 Arm 추론 어플라이언스 출시

Arm CPU 기반 데이터센터 전문기업인 엑세스랩이 23일 퀄컴 AI 추론 솔루션 기반 저전력·고성능 AI 추론용 어플라이언스 'V-랩터 Q100'을 출시했다. V-랩터 Q100은 엑세스랩이 자체 개발한 Arm 기반 저전력 CPU와 퀄컴 클라우드 AI 100 울트라 가속기를 활용해 AI 추론과 에너지 효율성, 확장성을 노렸다. 퀄컴 클라우드 AI 100 울트라는 퀄컴이 개발한 SoC와 LPDDR4 128GB 메모리를 활용해 INT8(정수 8비트) AI 연산을 초당 870 TOPS(1초당 1조 번 연산), FP16(부동소수점 16비트) 연산은 288 테라플롭스로 처리한다. 김상표 퀄컴코리아 사장은 "퀄컴은 생성 AI와 지능형 엣지 컴퓨팅 수요 급증에 따라 IoT 제품과 솔루션 포트폴리오를 확장중이며 엑세스랩과의 협업을 시작으로 온프레미스 어플라이언스 시장을 적극 공략하고 포트폴리오를 더욱 확대할 것"이라고 밝혔다. 유명환 엑세스랩 대표이사는 "퀄컴과 협업으로 출시한 AI 추론용 Arm CPU 서버 어플라이언스를 시작으로 향후 퀄컴과의 지속적인 기술 개발과 협업을 통해 온프레미스 어플라이언스와 AI 인프라의 글로벌 표준을 만들어가겠다"고 밝혔다.

2026.01.23 10:59권봉석 기자

실험실에선 천재, 현실에선 바보…AI 성능 80% 급락의 진실, 해결책은

KAIST와 LG AI 연구원이 충격적인 연구 결과를 발표했다. 해당 논문에 따르면, AI가 무관한 정보가 섞인 환경에서 최대 80%까지 틀린 답변을 내놓는다는 것이다. 실험실에서는 완벽해 보였던 AI가 실제 사용 환경에서는 심각한 문제를 일으킬 수 있다는 경고다. 실험실에서만 똑똑한 AI, 현실에서는 혼란 연구팀은 '노이지벤치'라는 새로운 테스트 방법을 만들었다. 기존 AI 테스트가 깨끗하게 정리된 정보만 주었다면, 이번에는 실제 상황처럼 쓸데없는 정보를 섞어서 테스트했다. 예를 들어 질문과 전혀 상관없는 문서를 함께 주거나, 이전 대화 내용을 뒤섞거나, 정답처럼 보이지만 사실은 틀린 정보를 제공했다. 결과는 충격적이었다. 구글의 제미나이 2.5 프로는 깨끗한 환경에서 77.8%의 정확도를 보였지만, 헷갈리는 정보가 섞이자 48%로 떨어졌다. 더 심각한 경우도 있었다. 딥시크 AI 모델은 정확도가 무려 80% 이상 떨어져서 사실상 사용할 수 없는 수준이 됐다. 이는 AI가 겉으로는 관련 있어 보이는 틀린 정보에 쉽게 속는다는 뜻이다. 더 놀라운 건 악의적인 공격이 없어도 문제가 생긴다는 점이다. 그냥 무관한 문서나 대화 기록만 섞여도 AI의 판단력이 크게 흐려졌다. 제미나이 2.5 프로는 편향을 측정하는 테스트에서 무작위로 섞인 정보 때문에 정확도가 94%에서 60%로 급락했다. 연구팀은 이를 일반적인 노이즈만으로도 AI의 안전장치가 무너질 수 있다는 증거라고 설명했다. AI에게 도구를 주면 오히려 역효과 연구팀은 AI에게 검색 기능이나 계산기 같은 도구를 제공하는 방식도 테스트했다. 보통 이런 도구들은 AI 성능을 높여준다고 알려져 있다. 실제로 깨끗한 환경에서는 도구가 도움이 됐다. 하지만 쓸데없는 정보가 섞인 환경에서는 오히려 독이 됐다. 도구를 사용한 AI가 기본 AI보다 더 나쁜 성능을 보인 것이다. 이유는 간단하다. AI는 도구가 제공하는 정보를 믿도록 설계되어 있다. 그래서 잘못된 정보가 섞여 있어도 그대로 받아들인다. 게다가 AI가 여러 단계를 거쳐 문제를 해결하다 보면, 초반에 잘못 받아들인 정보가 다음 단계로 계속 전달되면서 오류가 눈덩이처럼 커진다. 여기에 AI가 엉뚱한 정보 때문에 도구를 잘못 선택해서 쓸데없는 정보를 더 많이 가져오는 악순환까지 생긴다. 연구팀은 "도구는 깨끗한 환경에서는 좋지만, 노이즈가 있는 환경에서는 AI가 쓸데없는 정보를 너무 많이 가져다 쓰면서 오히려 더 취약해진다"고 지적했다. 앞으로 AI 시스템은 잘못된 정보를 걸러낼 수 있는 장치가 꼭 필요하다는 설명이다. 새로운 학습법으로 성능 3배 향상 연구팀은 '레어(RARE)'라는 새로운 학습 방법을 제안했다. 기존 방식은 AI가 정답을 맞췄는지만 평가했다. 하지만 레어는 AI가 답을 찾아가는 과정 자체를 평가한다. AI가 쓸데없는 정보 속에서 진짜 필요한 정보를 잘 찾아냈는지를 보고 점수를 준다는 뜻이다. 실험 결과는 놀라웠다. 한 모델의 경우 기존 방식으로는 38% 정확도였지만, 레어를 적용하자 55%로 올라갔다. 더 극적인 경우도 있었다. 원래 6%밖에 못 맞추던 모델이 레어를 쓰자 25%까지 올라가면서 무려 300% 이상 개선됐다. 레어가 효과적인 이유는 명확했다. 학습 과정을 분석해 보니, 레어는 AI가 쓸데없는 정보에 혼란스러워하는 비율을 계속 낮췄다. 동시에 정답률도 올라가서, 결과만 보고 학습한 AI보다 최종 성능이 훨씬 좋았다. 연구팀은 "앞으로 AI를 학습시킬 때는 정답만이 아니라 생각하는 과정 자체를 평가해야 한다"고 강조했다. 많이 생각한다고 좋은 게 아니다 연구팀은 놀라운 발견을 했다. 보통은 AI가 더 오래 생각할수록 정확도가 높아진다고 여겨진다. 하지만 쓸데없는 정보가 섞인 환경에서는 정반대였다. AI가 생각을 많이 할수록 오히려 정확도가 떨어졌다. 노이즈를 더 오래 분석할수록 잘못된 해석을 하게 되는 것이다. 또 다른 발견은 쓸데없는 정보가 많을수록 AI가 점점 더 확신 없는 답변을 한다는 점이다. 연구팀이 헷갈리는 정보를 0개에서 10개까지 늘려가며 실험한 결과, 정보가 많아질수록 AI의 불확실성 지표가 계속 올라갔다. AI가 점점 더 혼란스러워한다는 뜻이다. 가장 흥미로운 건 AI가 어디에 집중하는지를 분석한 결과다. 연구팀은 AI가 정보를 처리할 때 어떤 부분에 주목하는지 측정했다. 틀린 답을 낸 AI는 쓸데없는 정보에 과도하게 집중했다. 반면 올바른 답을 낸 AI는 그런 정보를 적게 봤다. 이는 AI가 방해 정보를 걸러내지 못하고 그대로 따라간다는 증거다. 연구팀은 또한 헷갈리는 정보와 질문이 비슷해 보일수록 AI가 더 오래 생각하지만 정확도는 떨어진다는 사실을 발견했다. AI가 관련성을 확인하려고 애쓰지만, 결국 쓸데없는 정보에 속아 넘어가는 것이다. 흥미롭게도 AI의 답변 길이는 방해 정보의 길이와 거의 관계가 없었다. 이는 AI가 단순히 입력이 길어서가 아니라, 헷갈리는 내용 때문에 혼란스러워한다는 뜻이다. AI 개발 방향을 바꿔야 할 때 이번 연구는 AI 업계에 중요한 메시지를 던진다. 첫째, 실험실 테스트만으로는 AI의 진짜 능력을 알 수 없다. 깨끗한 환경에서 높은 점수를 받았다고 해서 실제로도 잘 작동한다는 보장이 없다. 특히 병원이나 금융회사처럼 중요한 곳에서 AI를 쓸 때는 노이즈에 강한지 반드시 확인해야 한다. 둘째, AI를 단순히 크게 만드는 것만으로는 한계가 있다. 연구팀이 여러 크기의 AI를 테스트한 결과, 크기가 커질수록 노이즈에 조금 더 강해지긴 했지만 그 효과가 크지 않았다. 특히 일정 크기 이상부터는 개선 효과가 거의 없었다. 이는 크기를 키우는 것보다 잘못된 정보를 걸러내는 능력을 키우는 게 더 중요하다는 뜻이다. 셋째, 프롬프트를 잘 작성하거나 정보를 잘 정리하는 기존 방법들도 큰 도움이 안 됐다. 연구팀이 여러 최신 기법을 시험했지만, 노이즈 환경에서는 효과가 거의 없었다. 이런 기법들도 결국 AI에 의존하다 보니 똑같이 노이즈에 취약했다. 넷째, 한국 AI 연구진의 성과가 주목받고 있다. KAIST와 LG AI 연구원이 만든 이번 해결책은 간단하면서도 효과적이어서, 전 세계 AI 개발에 널리 쓰일 가능성이 크다. 이는 한국이 AI 기술을 그냥 쓰기만 하는 게 아니라 직접 만들고 개선하는 단계에 올라섰다는 증거다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 노이지벤치가 기존 AI 테스트와 어떻게 다른가요? A. 기존 테스트는 깨끗하게 정리된 정보만 줘서 AI가 실제보다 더 똑똑해 보이게 만들었습니다. 노이지벤치는 실제 상황처럼 무관한 문서, 엉뚱한 대화 기록, 헷갈리는 정보를 섞어서 AI의 진짜 실력을 측정합니다. 이를 통해 AI가 실험실이 아닌 현실에서 얼마나 제대로 작동하는지 알 수 있습니다. Q2. 레어라는 새 학습법은 어떻게 AI를 개선하나요? A. 레어는 AI가 정답을 맞췄는지만 보는 게 아니라, 답을 찾는 과정 자체를 평가합니다. 쓸데없는 정보 속에서 필요한 정보를 제대로 찾아냈을 때 보상을 줘서, AI가 방해 정보를 걸러내고 핵심만 보도록 가르칩니다. 실험에서 일부 AI는 이 방법으로 정확도가 3배 이상 올라갔습니다. Q3. 일반 사용자에게 어떤 의미가 있나요? A. 지금 쓰는 AI 챗봇이 복잡한 상황에서 생각보다 훨씬 많이 틀릴 수 있다는 뜻입니다. 특히 여러 정보를 종합해야 하거나, 대화가 길어지거나, 비슷해 보이지만 틀린 정보가 섞여 있을 때 AI가 엉뚱한 답을 할 가능성이 큽니다. 중요한 결정을 내릴 때는 AI 답변을 맹신하지 말고 반드시 확인해야 합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.23 10:41AI 에디터

엔씨 '리니지 클래식', 유료 시즌 패스 적용 철회...이유는

엔씨소프트는 '리니지 클래식'의 유료 정책과 게임 시스템 개편 등을 안내했다. 엔씨소프트 리니지 클래식 개발진은 지난 21일 질의응답(Q&A) 공지사항을 통해 유료 시즌 패스와 변신 및 마법인형 등급 적용 계획 등을 철회한다고 밝혔다. 이는 과거 '리니지' 본연의 재미를 복원한다는 취지를 지켜 나가기 위한 결단으로, 이용자의 과금 부담을 더욱 낮춰준다는 점에서 의미가 있다는 평가다. 특히 이러한 결단은 고액 과금을 유도하기보다 아이템 가치를 보존하고, 성장하는 재미를 제공할 것으로 보여 이용자의 긍정적인 반응이 기대된다. 여기에 PC방 다중 클라이언트 접속은 일반 이용자와 동일하게 1PC당 최대 2개로 제한된다. 보조 캐릭터 활용 기회를 제공하면서 다중 접속으로 인한 생태계 파괴를 막기위한 사전 조치다. 리니지 클래식은 엔씨(NC)가 1998년부터 서비스 중인 리니지 초기 버전을 구현한 버전이다. 해당 버전은 다음 달 7일 한국과 대만에서 사전 무료 서비스를 시작하며, 같은 달 11일부터 월정액 서비스(2만9천700원)로 전환된다. 리니지 클래식 개발진은 "이용자들의 소중한 추억을 복원하고 새로운 즐거움을 드리는 것이 무엇보다 중요하다는 점을 유념하고 있다"며 "이용자의 목소리에 귀를 기울여 반영하는 소통 중심의 운영을 이어가겠다"고 전했다.

2026.01.22 10:57이도원 기자

KT, AI 캠프 열고 청소년 AI 인재 양성

KT가 겨울방학을 맞아 AI 리터러시 확산과 미래 인재 양성을 위해 국립부산과학관과 함께 '2026년 AICE 퓨처 인공지능 겨울캠프'를 진행했다고 22일 밝혔다. 캠프는 20일부터 3일간 부산 과학교육캠프관에서 열렸으며, 예비 초등학교 4학년부터 중학교 3학년까지 약 100여명이 참여했다. 참가자들은 KT가 직접 개발하고 운영하는 AI 역량 인증 시험인 'AICE 퓨처' 1급과 2급 교육과 시험 과정을 통해 인공지능의 기초 개념부터 문제 해결 역량까지 단계적으로 학습했다. 이 외에도 AICE 퓨처 교육 과정과 함께 AI 개발 현직자가 직접 참여하는 전문가 강연과 Q&A 세션이 진행됐다. KT와 산업 현장에서 인공지능을 실제로 개발·활용하고 있는 전문가가 개발 경험과 진로 이야기를 공유하며, 참가자들이 AI 기술을 보다 현실적인 관점에서 이해할 수 있도록 도왔다. 국립부산과학관의 야간 천문관측 프로그램도 함께 운영해, 참가자들은 계절별 별자리 관측과 영상 관람으로 과학에 대한 흥미를 높이는 기회를 가졌다. AICE 퓨처는 초등학생과 중학생 뿐 아니라, AI와 코딩이 익숙하지 않은 학습자, 와 쉽고 재미있게 AI를 이해하고자 하는 시니어 세대까지 폭넓게 도전할 수 있도록 설계된 입문 단계 등급이다. 2022년 개정 교육과정의 실과과 정보 교과에서 다루는 인공지능 관련 단원과 연계해 학교 수업과 함께 학습하며 AI 개념을 자연스럽게 익힐 수 있다. 아울러 AICE 퓨처 교육과 시험 과정은 국립부산과학관을 비롯해 국립과천과학관, 국립광주과학관, 경상북도교육청 발명체험교육관, 서울로봇인공지능과학관 등 전국 주요 과학·교육 기관과 협업하고, 지역별 특성과 교육 환경을 반영한 프로그램으로 AI를 자연스럽게 접할 수 있는 기회를 제공하고 있다. 진영심 KT 인재실 교육사업협력담당 상무는 “AI는 더 이상 일부 전공자만의 기술이 아니라, 세대와 경험을 넘어 누구나 갖춰야 할 기본 역량”이라며 “KT는 AICE를 통해 학교 교육과정과 연계된 AI 학습부터 성인과 시니어까지 이어지는 AI 역량 표준을 구축하고 있으며, 이번 캠프는 그 출발점인 AICE 퓨처의 교육적 가치를 현장에서 확인한 사례”라고 말했다.

2026.01.22 09:31박수형 기자

셀레브라이트, 2026년 2월 11일 2025 회계연도 4분기 및 연간 실적 발표 예정

미국 버지니아주 타이슨스 코너, 이스라엘 페타티크바, 2026년 1월 21일 /PRNewswire/ -- 공공 및 민간 프리미엄 디지털 수사 솔루션 분야의 글로벌 리더 셀레브라이트(Cellebrite, 나스닥: CLBT)가 2026년 2월 11일에 미 증시 개장 전에 2025 회계연도 4분기 및 연간 재무 실적을 발표할 예정이라고 21일 발표했다. 실적 발표 후 당일 오전에는2025년 4분기 재무 실적 검토 및 2026년 전망 논의를 위한 실시간 컨퍼런스 콜 및 웹캐스트를 개최할 예정이다. 관련 세부 사항은 다음과 같다. 날짜: 2026년 2월 11일 시간: 오전 8시 30분(미 동부 시간) 전화 접속 번호: 203-518-9814 / 800-274-8461 컨퍼런스 ID: CLBTQ425 행사 URL: https://investors.cellebrite.com/events/event-details/cellebrite-q4-2025-financial-results-conference-call-webcast 라이브 웹캐스트 URL: https://edge.media-server.com/mmc/p/v9sjjqnr 컨퍼런스 콜 및 웹캐스트와 함께, 셀레브라이트 IR 웹사이트(https://investors.cellebrite.com/financial-information/quarterly-results)의 분기 실적 섹션에서 과거 재무제표 및 보충 자료를 확인할 수 있다. 셀레브라이트 소개셀레브라이트(Cellebrite, 나스닥: CLBT)는 디지털 수사 및 정보 솔루션 분야의 글로벌 선도기업으로, 지역사회와 국가, 기업을 보호하는 것을 사명으로 삼고 있다. 전 세계 7000여 개 법 집행 기관, 국방•정보 기관, 기업들이 셀레브라이트의 인공지능(AI) 기반 소프트웨어 포트폴리오를 신뢰하고 있으며, 이를 통해 법적 증거 능력을 갖춘 디지털 데이터에 보다 쉽게 접근해 이를 수사에 효과적으로 활용하고 있다. 셀레브라이트의 기술은 고객이 연간 150만 건 이상의 법적으로 승인된 수사를 보다 신속하게 수행하도록 지원하며, 국가 안보를 강화하고, 운영 효율성과 효과를 제고하는 한편, 첨단 모바일 연구 및 애플리케이션 보안을 지원한다. 클라우드, 온프레미스, 하이브리드 환경에서 제공되는 셀레브라이트의 기술은 전 세계 고객이 임무를 완수하고, 공공 안전을 증진하며, 데이터 프라이버시를 보호할 수 있도록 돕는다. 자세한 정보는 www.cellebrite.com 및 https://investors.cellebrite.com/investors, 소셜 미디어(@Cellebrite)에서 확인할 수 있다. IR앤드루 크레이머(Andrew Kramer)IR 부문 부사장(Vice President, Investor Relations)investors@cellebrite.com+1 973.206.7760 미디어빅터 쿠퍼(Victor Cooper)기업 커뮤니케이션 선임 이사(Sr. Director of Corporate CommunicationsVictor.cooper@cellebrite.com+1 404.804.5910 로고 - https://mma.prnasia.com/media2/2855183/Cellebrite_Logo.jpg?p=medium600

2026.01.22 00:10글로벌뉴스

"이건 사람한테 물어봐야겠다"… AI 스스로 한계 인정하는 법 배웠다

미국 광고 기술 회사 제프르와 이스라엘 테크니온 공과대학 연구팀이 AI가 자신의 판단이 틀릴 가능성을 스스로 예측해 사람에게 도움을 청하는 시스템을 개발했다. 해당 논문에 따르면, 이 기술은 AI가 확신 있는 것만 처리하고, 헷갈리는 건 인간 전문가에게 넘김으로써 정확도를 높이면서도 비용을 대폭 줄인다. GPT-4o 미니, 사람 도움 요청 절반으로 줄였는데 정확도는 오히려 상승 연구팀이 만든 시스템의 핵심은 간단하다. AI가 콘텐츠를 검열할 때마다 "내 판단이 맞을 확률"을 동시에 계산한다. 이 확률이 낮으면 자동으로 사람 검토자에게 넘기고, 높으면 AI가 직접 처리한다. 오픈AI의 검열 데이터로 실험한 결과, GPT-4o 미니 모델은 사람에게 넘기는 비율을 37%에서 16%로 절반 이상 줄였다. 놀라운 건 정확도가 떨어진 게 아니라 오히려 81%에서 94%로 올랐다는 점이다. 즉, AI가 자신 있는 것만 골라서 처리하니 실수가 줄어든 것이다. 비용 절감 효과도 컸다. GPT-4o 미니는 운영 비용이 132달러에서 38달러로 71% 감소했다. 구글의 제미나 2.0 모델도 74달러에서 41달러로 41% 줄었다. 여기서 비용은 사람 검토자의 인건비와 AI 실수로 인한 예상 손실을 합친 금액이다. AI가 보내는 네 가지 신호... "헷갈려요" 인정하는 순간 포착 이 시스템은 AI가 내보내는 네 가지 신호를 종합 분석한다. 첫 번째는 AI가 답을 선택할 때 각 선택지에 부여하는 확률이다. 예를 들어 "유해함" 70%, "무해함" 25%라면 꽤 확신하는 것이지만, "유해함" 52%, "무해함" 48%라면 헷갈리는 것이다. 두 번째는 AI가 스스로 매기는 신뢰도 점수다. AI에게 "당신 답이 맞을 확률이 몇 퍼센트인가요?"라고 물으면 0~100점으로 답하게 한다. 또 "매우 낮음, 낮음, 보통, 높음, 매우 높음" 중 하나를 선택하게도 한다. 세 번째는 AI의 중간 사고 과정을 분석하는 것이다. AI가 답을 내기까지의 추론 과정을 단계별로 살펴보며 얼마나 일관되고 자신 있게 말하는지 측정한다. 다만 이 방식은 콘텐츠 검열에서는 오히려 AI를 과신하게 만들어 최종 버전에서는 제외됐다. 네 번째가 이번 연구의 핵심 혁신이다. AI가 단순히 "확신 없음"이라고만 말하는 게 아니라, 그 이유를 두 가지로 구분한다. "정보가 부족해서 모르겠어요"와 "규정 자체가 애매해서 모르겠어요"로 나눈다. "정보 부족"과 "규칙 애매함" 구분... 담당자 배정까지 자동화 AI가 이유를 구분하는 건 실무에서 큰 의미가 있다. "정보가 부족해서 모르겠다"고 하면 경험 많은 상급 검토자에게 배정한다. 예를 들어 동영상 화면이 흐릿하거나, 맥락 정보가 빠져있어서 판단하기 어려운 경우다. 반면 "규칙 자체가 애매해서 모르겠다"고 하면 검열 가이드라인을 업데이트하거나 AI 재교육의 신호로 활용한다. 예를 들어 어떤 표현이 지역에 따라 욕인지 아닌지 기준이 다른 경우, 회사 규정에 명확한 기준이 없는 경우다. 실제로 구글의 제미나이 모델에서 이 "이유 구분" 기능을 제거하자 비용이 눈에 띄게 올랐다. 이는 AI가 단순히 "잘 모르겠다"고만 하는 것보다, "왜 모르는지"까지 알려주는 게 훨씬 효율적임을 보여준다. 12개 언어 동영상 검열까지 성공... 텍스트 넘어 영상·음성도 분석 연구팀은 두 가지 데이터로 시스템을 검증했다. 첫째는 영어 텍스트 1,680개를 혐오 발언, 자해, 성적 콘텐츠, 폭력 등으로 분류하는 작업이다. 둘째는 12개 언어로 된 짧은 동영상 1,500개를 분석하는 작업이다. 동영상은 텍스트, 썸네일 이미지, 음성을 문자로 바꾼 대본, 영상 장면 등 네 가지 정보를 모두 활용했다. 영어 텍스트 검열에서는 모든 AI 모델이 기존 방식보다 좋은 성적을 냈다. GPT-4.1 미니와 GPT-4o의 정확도가 각각 88.79%에서 91.93%, 84.41%에서 91.35%로 올랐다. 더 복잡한 동영상 검열에서는 모델마다 차이가 있었다. GPT-4o 미니는 정확도가 85.71%에서 87.34%로, GPT-4o는 88.05%에서 91.42%로 향상됐다. 특히 제미나이 2.0은 69.85%에서 85.47%로 급등했다. 다만 중국의 큐웬이나 메타의 라마 같은 일부 오픈소스 모델은 전체 평균 정확도는 오르고 개별 케이스 정확도는 떨어지는 등 혼재된 결과를 보였다. 특별한 수학 기법으로 학습... 드물게 나오는 실수 케이스 집중 분석 이 시스템은 "리지 회귀"라는 통계 기법으로 학습한다. 복잡해 보이지만 원리는 단순하다. AI의 여러 신호들이 서로 비슷한 정보를 담고 있을 수 있는데, 이를 적절히 조절해서 중복을 피하고 안정적인 예측을 만든다. 가장 큰 어려움은 데이터 불균형이었다. AI의 판단은 보통 80퍼가 맞기 때문에 실수 상황은 20퍼에 불가하다. 따라서 AI가 "대부분 맞으니까 항상 맞다고 예측하자"는 식으로 학습할 위험이 있다. 연구팀은 이를 해결하기 위해 맞는 케이스를 적절히 줄이고, 드문 "확신 없음" 케이스는 모두 유지했다. 또한 실수의 비용을 더 높게 설정해서 시스템이 실수를 잡는 데 집중하도록 만들었다. 최종적으로 동영상 데이터는 훈련용 800개와 테스트용 300개로, 텍스트 데이터는 훈련용 3,500개와 테스트용 900개로 나눠 평가했다. 각 신호의 기여도 실험... 모든 신호가 서로 보완하며 작동 연구팀은 네 가지 신호 중 하나씩 제거하면서 각각의 중요도를 측정했다. 결과는 명확했다. 어떤 신호를 제거하더라도 성능이 떨어졌다. 이는 네 가지 신호가 각자 다른 측면을 보여주며 서로 보완한다는 뜻이다. 영어 텍스트 검열에서는 AI가 각 답변 선택지에 부여하는 확률 신호를 제거했을 때 비용이 가장 많이 올랐다. 이는 AI의 내부 확률 계산이 가장 강력한 단일 신호임을 보여준다. AI가 스스로 매기는 신뢰도 점수를 제거하면 비용이 약 5~15% 올랐다. 이는 AI의 자기 평가가 확률 계산으로는 잡히지 않는 추가 정보를 제공함을 의미한다. "정보 부족"과 "규칙 애매함"을 구분하는 신호는 단순한 예/아니오 정보인데도 비용 절감에 확실히 기여했다. 특히 제미나이 모델들에서 이 신호를 제거하자 비용이 뚜렷하게 증가했다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 이 기술은 어떤 AI에 적용할 수 있나요? A. GPT-4o, 구글 제미나이, 메타 라마, 중국 큐웬 등 대부분의 대형 AI 모델에 적용 가능합니다. AI가 각 답변에 부여하는 확률 정보를 제공하기만 하면 되고, AI 내부 구조를 들여다볼 필요가 없어서 범용적입니다. 오픈소스와 상용 서비스 모두 사용할 수 있습니다. Q2. AI가 이유를 구분하는 게 왜 중요한가요? A. "정보가 부족해서 모른다"는 건 경험 많은 사람이 봐야 하고, "규칙이 애매해서 모른다"는 건 규칙을 고치거나 AI를 재교육해야 합니다. 이렇게 이유를 알면 적재적소에 자원을 배치하고 시스템을 빠르게 개선할 수 있습니다. 실제로 이 기능을 빼면 비용이 확실히 올라갑니다. Q3. 콘텐츠 검열 외에 다른 곳에도 쓸 수 있나요? A. 연구팀은 금융 사기 탐지, 법규 준수 검토, 의료 진단 보조 등 실수 비용이 큰 모든 분야에 적용 가능하다고 밝혔습니다. AI가 확신 없을 때 사람에게 도움을 청하는 구조는 사람과 AI가 협업하는 모든 상황에서 유용합니다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.21 21:21AI 에디터

"AI로 공부하면 바보 된다"…OECD 보고서 충격

세계 경제 전문 기관인 OECD가 충격적인 연구 결과를 발표했다. 인공지능 챗봇으로 공부하면 당장 성적은 오르지만, 실제로 머리에 남는 건 없다는 것이다. 오히려 AI 없이 공부한 학생보다 실력이 떨어진다. 전 세계 학생 대부분이 이미 챗GPT를 쓰고 있는 지금, OECD는 247페이지짜리 보고서를 통해 AI를 제대로 쓰는 방법을 제시했다. 터키 학생 실험이 밝힌 진실: 연습 때 127% 올랐는데 진짜 시험은 17% 떨어져 OECD 보고서가 소개한 터키 실험은 충격적이다. 터키 고등학생들이 수학 문제를 풀 때 GPT-4라는 AI를 사용했다. 일반 GPT-4를 쓴 학생들은 연습 점수가 48% 올랐고, 학습을 도와주도록 만든 GPT-4를 쓴 학생들은 무려 127%나 올랐다. 학생들과 부모들은 'AI가 정말 도움이 된다'고 생각했다. 하지만 진짜 시험이 시작되자 상황이 완전히 뒤집혔다. AI를 쓸 수 없는 시험에서 AI를 썼던 학생들은 AI를 전혀 안 쓴 학생들보다 17% 낮은 점수를 받았다. 겉으로는 공부를 잘하는 것 같았지만, 실제로는 실력이 늘지 않은 것이다. OECD는 학생들이 AI로 답을 쉽게 얻으면서 스스로 생각하는 과정을 건너뛰었고, 그래서 진짜 실력이 생기지 않았다고 설명했다. 중국 대학생 연구에서도 비슷한 결과가 나왔다. AI로 영어 작문을 고친 학생들은 과제 점수는 높았지만, 실제 영어 실력 테스트에서는 전혀 나아지지 않았다. 더 문제는 자기가 어떻게 공부하고 있는지 스스로 점검하는 능력까지 떨어졌다는 점이다. 뇌를 관찰한 연구에서는 더 확실한 결과가 나왔다. 처음부터 AI를 쓴 학생들은 뇌가 덜 활발했고 기억력도 약했다. 반면 먼저 혼자 쓰고 나중에 AI로 확인한 학생들은 뇌가 활발하게 작동했다. 우리 동네 학생 10명 중 9명이 매일 쓴다... 부모들만 모르는 AI 시대 충격적인 건 이미 대부분 학생이 AI를 매일 쓰고 있다는 사실이다. OECD 보고서에 따르면 에스토니아에서 중학생의 74%, 고등학생의 90%가 공부할 때 AI를 쓴다고 답했다. 그중 70%가 챗GPT를 쓴다. 독일은 더 심하다. 대학생 2만 3천 명을 조사했더니 94%가 AI를 쓰고, 그중 65%는 매일 또는 매주 쓴다고 답했다. 유럽 7개 나라 12~17세 학생 7천 명을 조사한 결과를 보면 학생들이 어떻게 AI를 쓰는지 알 수 있다. 56%가 정보를 찾을 때, 45%가 어려운 개념을 이해할 때, 31%가 숙제 답을 얻을 때 AI를 썼다. 48%의 학생이 챗GPT를 쓴다고 답했고, 그중 절반은 선생님이 시켜서 썼다. 프랑스에서는 2023년 대학생의 55%만 AI를 썼는데, 2025년에는 82%로 급증했다. 2년 만에 27%포인트나 늘어난 것이다. 미국도 마찬가지다. 2023년 25~33%였던 중고등학생 AI 사용률이 2024년 50%, 2025년 68%로 가파르게 올랐다. 이제 AI 사용은 '일부 학생'이 아니라 '대부분 학생'의 현실이다. 독일 대학생들은 AI를 어떻게 쓸까. 33%가 매주 검색할 때, 26%가 아이디어를 떠올릴 때, 21%가 공부 파트너로, 19%가 요약할 때, 19%가 번역할 때 쓴다. 흥미로운 건 33%가 AI를 '함께 공부하는 친구'처럼 생각한다는 점이다. AI가 단순한 도구를 넘어섰다는 뜻이다. 선생님은 36%만 쓴다... "우리 선생님은 AI를 모른다"는 학생들 학생들과 달리 선생님들의 AI 사용률은 훨씬 낮다. OECD가 조사한 결과 중학교 선생님의 36%만 최근 1년간 AI를 썼다고 답했다. 나라별로도 차이가 크다. 싱가포르와 아랍에미리트에서는 75%가 쓰는 반면, 프랑스와 일본은 20%도 안 된다. 선생님들이 AI를 쓰는 방식도 제한적이다. 주로 수업 계획을 짤 때(53%), 학생 수준에 맞춰 자료를 만들 때(52%), 행정 일을 처리할 때(45%) 쓴다. 실제 수업 중에 쓰거나 학생들에게 AI 쓰는 법을 가르치는 경우는 매우 드물다. 초등학교 선생님들은 중학교보다 AI를 덜 쓰지만, 특수 교육이 필요한 학생을 돕거나 학생 수준에 맞는 자료를 만들 때는 더 적극적으로 쓴다. 대학에서는 상황이 다르다. 프랑스 조사에 따르면 대학교수의 80%가 이미 AI를 쓰고 있다. 주로 강의를 준비할 때(49%)와 시험 문제를 만들 때(26%) 쓴다. 52개 나라 대학교수 1,700명을 조사한 결과에서도 68%가 AI를 썼고, 그중 75%는 수업 자료를 만들 때, 24%는 학생 과제에 피드백을 줄 때 썼다. 에스토니아는 역설적인 상황을 보여준다. 고등학생의 90%가 AI를 쓰는데 고등학교 선생님은 50%만 쓴다. 학생이 선생님보다 AI를 더 많이, 더 잘 쓰는 현실에서 누가 교육을 이끌어야 할까라는 질문이 생긴다. "준비 시간 31% 줄고 합격률 9%p 올라"... 제대로 쓰면 선생님에게도 도움 AI가 무조건 나쁜 건 아니다. OECD 보고서는 제대로 만들어서 제대로 쓰면 선생님의 일도 줄이고 교육의 질도 높일 수 있다고 강조한다. 영국 중학교 과학 선생님들은 AI를 써서 수업 준비 시간을 31% 줄였다. 선생님들이 잡무에서 벗어나 학생들과 더 많은 시간을 보낼 수 있게 된 것이다. 미국의 연구는 더 고무적이다. 스탠퍼드대학교가 만든 'AI 개인 교사 도우미'는 잘 가르치는 선생님들의 방식을 관찰해서 만들어졌다. 이 도구를 900명의 개인 교사가 1,800명의 어려운 환경에 있는 학생을 가르칠 때 썼다. 결과는 놀라웠다. 학생 합격률이 평균 4% 올랐고, 경험이 적은 개인 교사는 9%포인트, 이전에 평가가 낮았던 개인 교사는 7%포인트나 올랐다. 이미 잘 가르치는 개인 교사에게는 효과가 작았다. 이는 AI가 교육 실력을 고르게 만들 수 있음을 보여준다. 경험 없는 선생님도 AI 도움으로 숙련된 선생님 수준의 효과를 낼 수 있다는 것이다. 하버드대학교 물리학 수업 실험도 이를 뒷받침한다. 교실에서 하는 수업과 똑같은 방식으로 만든 AI 개인 교사를 비교했더니, AI로 배운 학생들이 더 짧은 시간에 더 많이 배웠고 흥미도 높았다. 중국에서는 독해 공부를 도와주는 AI 도구가 전통 방식보다 독해 실력과 의욕을 더 높였다. 영국의 글쓰기 연구에서도 AI가 아이디어를 제안해주자 혼자 쓴 사람보다 창의성과 글 품질이 모두 좋아졌다. 답 주는 AI vs 질문하는 AI... '교육용 AI'는 뭐가 다를까 OECD는 일반 AI(챗GPT 같은)와 교육용 AI의 근본적인 차이를 강조한다. 일반 AI는 질문하면 바로 답을 주지만, 교육용 AI는 학생이 스스로 답을 찾도록 질문으로 유도한다. 대표적인 게 '소크라테스 놀이터'다. 이 AI는 답을 바로 주지 않고 질문을 던져서 학생이 스스로 생각하게 만든다. 예를 들어 학생이 "피타고라스 정리가 뭐예요?"라고 물으면 일반 AI는 정의와 공식을 바로 알려준다. 하지만 소크라테스 놀이터는 "직각삼각형의 세 변 사이에는 무슨 관계가 있을까?", "정사각형 넓이는 어떻게 구하지?" 같은 질문으로 학생이 스스로 개념을 발견하도록 돕는다. 보고서는 이런 대화형 AI가 학생 개개인에 맞춰 설명을 조정한다고 설명한다. 여러 명이 함께 공부할 때도 AI가 도움을 줄 수 있다. 연구에 따르면 AI는 ①정보 저장소, ②정보 수집, ③추가 자료 제공, ④참여 유도, ⑤질문으로 대화하는 파트너, ⑥전문가 역할 등을 할 수 있다. 이를 통해 지식 제공, 모두의 평등한 참여 보장, 공부 과정 되돌아보기 등을 도와준다. 하지만 OECD는 교육용 AI도 조심해서 써야 한다고 강조한다. AI가 만든 피드백 품질이 사람 선생님과 같거나 때로 더 좋을 수 있지만, 학생들은 여전히 사람 피드백을 더 의미 있고 믿을 수 있다고 느낀다. 그래서 AI를 선생님을 대신하는 게 아니라 돕는 도구로 써야 하고, 최종 책임은 선생님이 져야 한다. 한국·에스토니아·프랑스는 이미 시작했다... 각국 정부의 AI 교육 정책 OECD 보고서는 각국 정부가 이미 AI 교육 도입에 나섰다고 보고한다. 한국은 2025-26년 국가 교육과정에 맞춘 AI 학습 자료를 학교에 제공했다. 학생들이 여러 과목을 자기 수준에 맞춰 연습할 수 있고, 선생님은 학생이 무엇을 잘못 이해하고 있는지 피드백을 받는다. 학생 수준에 맞는 설명, 자동 피드백, 교육과정에 맞춘 대화 등의 기능이 있다. 에스토니아는 2025-26년 'AI 도약' 프로그램으로 모든 고등학교에서 AI 활용을 시도한다. 시설, 교육과정, 선생님 연수, 기술 회사와의 협력을 모두 결합했다. 모든 선생님에게 일반 AI 도구를 주고, 고등학생들에게는 교육 연구 원리를 따르도록 만든 AI 챗봇을 무료로 제공한다. 에스토니아어로만 대화하도록 설정한 것도 특징이다. 그리스는 2025년 'OpenAI와 그리스' 협력으로 선정된 고등학교에서 ChatGPT 교육용 버전을 시범 운영한다. 선생님 연수와 AI 사용의 교육 효과 관찰을 포함한다. 슬로바키아는 수업 계획과 평가를 돕는 AI를 시범 운영하고, 핀란드는 주로 선생님 지원과 피드백용 AI를 테스트한다. 일본, 캐나다, 호주는 글쓰기 지원, 피드백 제공, 업무 부담 줄이기에 집중한 지역 시범 사업을 한다. 프랑스는 교육용 '자체 AI'를 개발 중이다. 수업 계획을 돕는 AI와 130만 선생님을 위한 챗봇을 만들어서 인사 관련 일반적인 질문에 답하게 하고, 사람은 개별 상황에 집중하게 한다. 영국은 교육부의 '자료 저장소'로 교육과정 지침, 수업 계획, 학생 평가(개인정보 제거)를 모아서 AI를 훈련시키고, 영국 학교에 맞는 정확하고 품질 좋은 교육용 AI 도구를 만들 수 있게 한다. 네덜란드는 국립 AI 연구소를 통해 정부, 대학, 기업, 학교가 함께 교육용 AI 도구를 만든다. 이런 나라별 방식은 AI를 교육에 넣는 다양한 전략을 보여주며, 국제 협력과 지식 공유의 중요성을 강조한다. OECD가 제시한 5가지 원칙: "AI는 보조 도구, 판단은 사람이" OECD는 AI를 제대로 쓰기 위한 핵심 원칙을 제시했다. 첫째, 과제를 잘 풀었다고 해서 실력이 늘었다는 뜻이 아니라는 걸 분명히 알아야 한다. 학생들이 AI로 빨리 답을 얻으면 스스로 생각하는 과정을 건너뛰게 되므로, 천천히 여러 번 수정하며 쓰도록 해야 한다. 이는 AI를 쓰기 전에 먼저 생각하고, AI 답을 꼼꼼히 확인하며, 여러 번 고치는 과정을 말한다. 둘째, 주요 과목의 기본 지식과 기술은 AI 없이 먼저 배워야 한다. 계산기를 쓰기 전에 기본 산수를 배워야 하는 것처럼, AI를 쓰기 전에 기본 개념과 기술을 알아야 한다. 셋째, AI 도구는 교육용이든 일반용이든 선생님이 특정 학습 목표를 위해 계획한 수업에서 써야 한다. 넷째, AI 도구를 쓸 때 선생님은 계속 전문가로서 판단하고 AI가 만든 결과를 검토하고 고치거나 승인해서 품질에 책임을 져야 한다. AI는 제안할 수 있지만, 최종 결정은 항상 사람인 선생님이 내려야 한다. 다섯째, AI 개발자는 교육 연구와 교육 지식을 바탕으로 교육용 AI를 만들고, 선생님뿐 아니라 학생, 학부모, 교사 단체 등을 만드는 과정에 참여시켜야 한다. 보고서는 또한 AI의 교육 효과를 확인하는 국제 협력 연구가 중요하다고 강조한다. 지금까지 대부분의 연구는 짧은 기간만 봤기 때문에, 오랜 기간 AI를 썼을 때 어떤 효과가 있는지 연구가 필요하다. OECD는 또한 선생님의 AI 활용 능력을 키우기 위해 AI를 이해하는 교육뿐 아니라 AI를 수업과 과제에 넣는 교육 능력을 키워야 한다고 강조한다. 이를 돕기 위해 유럽위원회와 OECD는 초등·중등 교육을 위한 AI 교육 기준을 만들었다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 우리 아이가 챗GPT로 숙제를 하는데, 당장 못 쓰게 해야 하나요? A. 무조건 금지할 필요는 없습니다. OECD 보고서는 AI 사용 자체가 문제가 아니라 '어떻게' 쓰느냐가 중요하다고 합니다. 터키 실험에서도 학습을 돕도록 만든 AI를 쓴 학생들은 일반 AI보다 나은 결과를 보였습니다. 중요한 건 아이가 AI를 답을 그냥 베끼는 도구가 아니라 생각을 돕는 도구로 쓰게 하는 것입니다. 먼저 혼자 문제를 풀어보게 하고, AI 답을 꼼꼼히 확인하며, 왜 그런 답이 나왔는지 설명하게 하는 방식이 좋습니다. Q2. 선생님이 AI를 잘 모르는데 우리 아이 교육은 괜찮을까요? A. 현재 선생님의 36%만 AI를 쓰고 있어서 걱정될 수 있습니다. 하지만 OECD는 선생님을 돕는 나라별 프로그램이 이미 시작됐다고 합니다. 한국은 AI 학습 자료를 제공하고, 에스토니아는 모든 선생님에게 AI 도구를 주며, 프랑스는 130만 선생님을 위한 AI 챗봇을 만들고 있습니다. 학부모로서는 학교나 선생님에게 AI 교육 계획을 물어보고, 필요하면 관련 연수 기회를 요청할 수 있습니다. 집에서도 아이와 함께 AI를 올바르게 쓰는 법을 배우는 게 도움이 됩니다. Q3. 일반 AI(챗GPT)와 교육용 AI의 차이는 뭐고, 어떤 걸 써야 하나요? A. 챗GPT 같은 일반 AI는 질문하면 바로 답을 주지만, 교육용 AI는 학생이 스스로 답을 찾도록 질문으로 유도합니다. 예를 들어 소크라테스 놀이터는 답을 바로 주지 않고 "왜 그렇게 생각하니?", "다른 방법은 없을까?" 같은 질문으로 생각을 자극합니다. 하버드대 물리학 AI는 학생이 능동적으로 배우는 방식을 적용해서 교실 수업보다 더 나은 결과를 냈습니다. 지금은 교육용 AI가 많지 않으므로, 일반 AI를 쓰되 교육 목적으로 쓰는 게 중요합니다. 답을 바로 받지 말고 힌트를 요청하거나, AI 답을 확인하고 다른 방법으로도 풀어보게 하세요. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.21 17:11AI 에디터

대학 연구팀이 만든 AI, 채점 방식 바꿨더니 GPT-5 이겼다...의료 분야 세계 1등

AI 챗봇이 얼마나 똑똑한지 정확하게 평가하는 것은 여전히 어려운 문제다. 특히 "좋은 에세이를 써줘" 같은 정답이 정해지지 않은 질문에 AI가 얼마나 잘 대답했는지 판단하기 어렵다. 해당 논문에 따르면, 중국 전기차 기업 리 오토(Li Auto Inc.)와 중국 홍콩 중문대학교(The Chinese University of Hong Kong, Shenzhen), 저장대학교(Zhejiang University), 싱가포르 난양공과대학교(Nanyang Technological University) 공동 연구팀이 이 문제를 해결할 새로운 방법을 내놨다. 연구팀이 만든 '루브릭허브(RubricHub)'라는 평가 자료를 사용해 훈련한 AI 모델은 의료 분야 테스트에서 69.3점을 받아 오픈AI의 최신 모델 GPT-5(67.2점)를 제쳤다. 기존 AI 평가 방식의 한계, 세밀한 기준 부재가 문제 현재 대규모 언어모델(LLM)의 평가는 두 가지 방식으로 나뉜다. 수학이나 코딩처럼 정답이 명확한 분야에서는 검증 가능한 보상을 활용한 강화학습(RLVR)이 효과적이지만, 실제 사용자 질문의 대부분은 정답이 정해지지 않은 개방형이다. 기존 평가 기준(rubric)은 사람의 전문성에 의존하거나 특정 분야에만 국한되어 확장성이 떨어진다. 더 큰 문제는 평가 기준이 너무 포괄적이고 모호해서 우수한 응답과 뛰어난 응답을 구별하지 못한다는 점이다. 예를 들어 "시를 잘 썼는가"라는 기준만으로는 어떤 시가 진정으로 훌륭한지 판단하기 어렵다. 연구팀은 이러한 조악한 기준이 AI 훈련에 '천장 효과(supervision ceiling effect)'를 만들어 모델 개선을 가로막는다고 지적했다. GPT-5.1· 제미나이 3 프로 등 최신 AI 총동원해 평가 기준 만들었다 루브릭허브의 핵심은 단계적으로 점점 더 까다로운 평가 기준을 만드는 방법이다. 첫 번째 단계는 '원칙 기반 및 응답 기반 생성'이다. 질문만으로 기준을 만들면 너무 일반적이거나 실제 답변과 동떨어진 기준이 나올 수 있다. 연구팀은 실제 AI 응답을 참고하면서 일관성, 명확성, 평가 가능성 등의 메타 원칙을 적용해 구체적이고 관련성 높은 기준을 생성했다. 두 번째 단계는 '여러 AI 모델을 활용한다. 한 가지 AI만 사용하면 편향될 수 있어서 GPT-5.1, 제미나이 3 프로 같은 여러 최신 모델이 만든 기준을 합쳐서 균형을 맞췄다. 세 번째이자 가장 중요한 단계는 '난이도 진화'다. 보통 수준의 기준은 합격과 불합격은 구별하지만, 우수한 답변과 최고의 답변을 구별하지 못한다. 예를 들어 시험에서 80점과 100점 모두 '합격'으로만 평가하면 둘의 차이를 알 수 없는 것과 같다. 연구팀은 최고 수준의 답변 두 개를 비교 분석해서 미묘한 차이를 찾아냈다. 그래서 "코드가 제대로 작동하나요?"라는 단순한 기준을 "특수한 경우에도 빠르고 효율적으로 작동하나요?"처럼 훨씬 까다롭게 바꿨다. 11만 개 질문에 평균 30개 기준… 최고 AI도 60점밖에 못 받아 루브릭허브는 약 11만 개의 질문과 그에 맞는 평가 기준으로 이루어져 있다. 의료(Medical), 과학(Science), 지시 따르기(Instruction Following), 작문(Writing), 대화(Chat) 등 5개 주요 분야를 아우른다. 의료와 과학 분야가 각각 27.1%로 가장 큰 비중을 차지하며, 지시 따르기 20.9%, 작문 15.9% 순이다. 특히 작문과 의료 같은 복잡한 분야에서는 질문 하나당 평균 30개 이상의 세밀한 평가 기준을 제공한다. 이는 기존 데이터셋과 차별화되는 점이다. 더 중요한 것은 이 기준들의 변별력이다. 뛰어난 AI 모델인 Qwen3-235B도 평균 0.6점(만점 1점 기준) 정도밖에 못 받았다. 이는 루브릭허브의 기준이 충분히 어렵고, AI가 개선될 여지가 많다는 뜻이다. 의료 분야 69.3점으로 GPT-5(67.2점) 제치고 세계 1등 연구팀은 루브릭허브가 실제로 효과가 있는지 확인하기 위해 2단계 훈련 방법을 사용했다. 1단계 'RuFT(Rubric-based Rejection Sampling Fine-Tuning)'에서는 평가 기준을 필터로 써서 좋은 답변만 골라냈다. 하나의 질문에 대해 여러 AI 모델이 여러 개 답변을 만들면, 그중에서 평가 점수가 일정 기준(0.6점) 이상인 최고 답변만 훈련 자료로 사용했다. 2단계 'RuRL(Rubric-based Reinforcement Learning)'에서는 평가 기준 점수를 보상으로 활용해 AI를 더 발전시켰다. 각 평가 항목을 통과하면 가중치만큼 점수를 주고, 이 점수를 최대화하도록 AI를 학습시켰다. 이 방법을 Qwen3-14B 모델에 적용한 결과가 놀랍다. 의료 분야 HealthBench 테스트에서훈련 전 기본 상태(22.8점)에서 69.3점으로 46.5점 상승했고, GPT-5(67.2점)를 넘어선 69.3점으로 세계 최고 성능을 달성했다. 대화 능력을 측정하는 Arena-Hard V2에서도 기본 모델이 5.2점에 불과했는데 74.4점으로 급등했다. 사람 평가와 90% 일치, 대화 능력은 14배 상승 연구팀은 각 단계가 실제로 효과가 있는지 하나씩 확인했다. 기본 규칙을 적용하고 답변을 참고해서 기준을 만들자 의료 분야 AI 평가 벤치마크인 HealthBench 2.9점, LLMeval-Med에서 2.4점 올랐다. 여러 모델의 기준을 합치자 단일 모델 편향이 줄어들며 성능이 더 좋아졌다. 난이도를 높이는 3단계까지 완성하니 LLMeval-Med에서 79.5점까지 도달했다. 답변 후보를 1개에서 12개로 늘렸을 때도 훈련 데이터 품질이 63.45점에서 79.51점으로 향상돼 필터링 효과가 입증됐다. 또한 사람 평가자와 AI 채점 결과를 비교한 결과, 일정 규모(30B) 이상의 AI는 사람과 90% 이상 일치하는 판단을 내려 평가 기준의 신뢰성을 확인했다. FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.) Q1. 루브릭허브가 뭐고 왜 중요한가요? A. 루브릭허브는 AI 답변의 품질을 평가하는 약 11만 개의 까다로운 기준을 모아놓은 자료다. 기존 방식은 "괜찮은 답변"과 "최고의 답변"을 구별하지 못했는데, 루브릭허브는 30개 이상의 구체적 기준으로 미묘한 차이까지 포착해서 AI를 더 똑똑하게 훈련시킬 수 있다. Q2. 이 방법으로 훈련한 AI 성능은 어느 정도인가요? A. 루브릭허브로 훈련한 Qwen3-14B 모델은 의료 분야 테스트에서 69.3점을 받아 오픈AI의 최신 GPT-5(67.2점)를 이겼다. 대화 능력 테스트에서도 기본 모델 5.2점에서 74.4점으로 14배 이상 뛰어올라 효과가 확실히 입증됐다. Q3. 일반 사용자에게 어떤 의미가 있나요? A. 더 까다로운 기준으로 AI를 훈련하면 의료 상담이나 작문 도움처럼 정답이 없는 복잡한 질문에도 AI가 훨씬 신뢰할 만한 답변을 준다. 일상에서 AI를 더 안전하고 유용하게 쓸 수 있게 된다는 의미다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다. (☞ 기사 원문 바로가기)

2026.01.20 22:16AI 에디터

  Prev 1 2 3 4 5 6 7 8 9 10 Next  

지금 뜨는 기사

이시각 헤드라인

앤트로픽 '클로드' 서버 장애 지속…국내 AI 서비스 영향

[국방 AX 거점④] "AI 인프라·인재 10년 키워…판교, 육군 전초기지로"

[르포] 한일 정상회담 후 달라진 日…현지 최대 IT 행사서 'K-AI'에 관심 폭발

[단독] 코인원, ‘특금법 위반’ 영업 일부정지 3개월 제재 가닥

ZDNet Power Center

Connect with us

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