[카테고리:] 글로벌 테크 트렌드

  • EU 디지털 공정법, 루트박스와 AI 챗봇 규제 강화

    EU 디지털 공정법, 루트박스와 AI 챗봇 규제 강화

    유럽연합위원회가 제안한 EU 디지털 공정법(Digital Fairness Act, DFA)은 게임·소셜미디어·전자상거래 플랫폼에서 소비자의 시간과 돈을 과도하게 사용하도록 유도하는 기능을 규제한다. 규범은 루트박스와 인플루언서 광고뿐 아니라 AI 챗봇, 동적 가격, 미성년자 대상 결제와 구독 해지까지 걸친다. 입법 전 제안안이라는 점과 규제 대상별 최종 조항이 아직 확정되지 않았다는 점도 남아 있다.

    EU 디지털 공정법이 포괄하는 플랫폼과 기능

    DFA는 구매 결정을 조작하는 조작적 마케팅과 다크 패턴을 금지 대상으로 삼는다. 다크 패턴은 소비자가 원래 선택하지 않았을 구매를 유도하도록 화면과 구매 절차를 설계하는 수단을 가리킨다. 제품이 거의 품절된 것처럼 표시하는 허위 재고 안내가 대표적이다.

    중독성 설계 기능에는 사용자가 직접 끄는 선택권을 부여하는 규정이 포함된다. 영속적인 알림, 끝없는 스크롤, 동영상 자동 재생이 해당하며, 같은 제한은 AI 컴패니언과 일반 대화형 챗봇에도 적용된다고 제안됐다. 이로 인해 추천 알고리즘과 챗봇의 재접속 유도 방식을 둘러싼 제품 설계 검토 범위가 넓어질 수 있다.

    루트박스와 미성년자·인플루언서 보호

    게임에서는 과도한 지출을 부추기는 도박성 기능 규정이 핵심 쟁점이다. 미성년자에게 pay-to-win과 pay-to-progress 같은 기능은 금지되며, pay-to-win은 게임에서 우위를 유료로 얻는 구조를, pay-to-progress는 유료해야 진행되는 구조를 뜻한다. 가상 화폐 구매와 micro-transactions도 규제 대상에 포함된다.

    인플루언서는 광고성 콘텐츠를 명확히 표시해야 하고, 어린이의 신뢰를 이용하는 광고는 제한된다. 개인화된 광고와 가격 결정에서도 미성년자를 겨냥하거나 민감한 데이터를 악용하는 행위가 제한된다. 게임 관련 일부 조직은 가상 화폐, 루트박스, 미성년자 대상 micro-transactions 규제가 실행 불가능하고 불공정하며 과도하다고 반박했다.

    구독 해지·가격 표시와 AI 상담원 권리

    구독과 디지털 계약의 해지를 쉽게 만들도록 하는 규정이 제안됐다. 자동 갱신 예정과 무료 체험 종료 시점을 알려주는 알림도 포함된다. 동적 가격과 앱 내 가상 화폐 구매 과정에서는 가격이 명확하고 투명하게 표시돼야 하며, 문화·체육 행사 티켓 대기열에서는 현재 가격을 실시간으로 최고 가능 가격까지 보여주도록 한다.

    소비자는 사람 고객 상담원과 통신할 권리를 갖게 된다. AI 에이전트가 구매를 처리하는 경우에도 소비자에게 보장되는 권리가 고지된다. 이는 자동화된 상담만 제공되는 서비스에서 사람이 직접 대응하는 경로를 확보하는 절차를 다루는 규정이다. 자세한 제안 내용은 The Verge의 Digital Fairness Act 보도에서 확인할 수 있다.

    입법 과정과 확정된 사항·미확정 �쟁점

    DFA는 현재 제안 단계로 유럽의회와 유럽연합 이사회의 승인을 거쳐야 하며, 입법 과정에서 현재 조항이 변경되거나 완전히 삭제될 수 있다. 따라서 최종 시행일과 세부 요건은 아직 확정되지 않았다.

    위반 시 벌금은 제안안 적용 이후 전 세계 연간 매출의 최대 6%까지 가능하지만, 실제 적용 시점과 집행 방식은 입법 결과를 따라 달라질 수 있다. 제품 제공자의 점검 대상에는 가격·결제 화면, 추천 기능의 종료 설정, 광고 고지, 상담 전환 절차, 미성년자 결제 제한이 현재 상태와 분리되어 포함된다. EU 디지털 공정법의 실행 가능성이 설계 변경의 비용에 직접 반영될 수 있기 때문이다.

    유럽연합위원회의 Michael McGrath는 “Our consumer protection rules will help ensure that businesses compete on the merits of their products and services – not on their ability to exploit consumers or evade the rules. We are not making it harder to do business. We are making it harder to do business unfairly,”라고 밝혔다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: The Verge — Loot boxes, influencers, and addictive features face an EU crackdown

  • 전력망 주파수 매분 저하의 원인, UPS와 배터리

    전력망 주파수 매분 저하의 원인, UPS와 배터리

    독일 Forschungszentrum Jülich의 Dirk Witthaut 연구팀은 세계 여러 전력망에서 60초마다 반복됐던 전력망 주파수 저하의 원인으로, 인터넷에 연결된 UPS와 대규모 배터리가 충전 상태를 동시에 확인하는 현상을 찾아냈다. 이 현상은 유럽과 호주, 미국, 말레이시아의 전력망에서 같은 형태로 나타났다.

    전기 주파수는 전력망의 균형을 유지하는 핵심 지표이며, 진폭이 커지거나 운영자가 원인을 파악하지 못한 채 잘못 대응하면 정전으로 이어질 수 있다. 다만 개별 UPS의 미세한 전력 변동은 광역 전력망에서 거의 감지되지 않지만, 다수의 기기가 같은 시각에 상태를 확인하면 누적되어 눈에 띄는 주파수 저하로 나타난다.

    수력 발전기 공진이 아닌 공통 시계의 흔적

    Witthaut 연구팀은 먼저 수력 발전소에서 출발한 초저주파 진동 가능성을 검토했다. 스칸디나비아 전력망의 수력 발전소 제어 시스템 모델에서는 분당 한 번 정점을 갖는 공진 조건을 찾아냈지만, 현상이 장기간 지속되는 이유를 설명할 수 없었다. 기계적 공진은 일반적으로 나타나고 사라지지만, 관측된 전력망 주파수 저하는 60초마다 아무 빠짐없이 반복됐다.

    연구팀은 이처럼 정확한 주기성을 만들려면 공통 시계가 필요하다는 단서를 따라갔다. 배터리 상태 확인이 매 분 발생하도록 설계되고 인터넷 시계에 동기화된 다수의 기기가 같은 시각에 작동하면, 서로 다른 지역에서도 같은 패턴이 나타날 수 있다는 가설에 도달했다.

    80개 이상의 전력품질 측정기가 확인한 증거

    연구팀은 Jülich 캠퍼스에 스마트 전력품질 측정기 80개 이상을 설치했다. 캠퍼스에는 중·저압 배전선, 변압기, 태양광 패널과 UPS로 사용되는 배터리 에너지 저장 시스템이 있었다. 측정기는 3초마다 주파수, 전압, 전류 및 전력을 기록했다.

    측정 결과 배터리 에너지 저장 시스템에 연결된 변압기에서 광역 전력망과 똑같이 매 분 주파수 변동이 정점을 이루었다. 데이터 센터 UPS부터 대규모 grid-scale battery까지 많은 고정형 배터리가 충전 상태를 매 분 확인하며, 인터넷 연결에 따른 시계 동기화가 동시에 상태 확인을 유발한 것이 직접적인 원인으로 확인됐다.

    이 원인에 대한 추가 증거는 아일랜드 전력망 자료에서 나왔다. 아일랜드에서는 데이터 센터가 전력 부하의 큰 비중을 차지했으며, 2022년 기준 전체 부하의 18%를 소비했다. 각 시설에는 다수의 UPS가 운용되고 있었다.

    아일랜드의 주파수 저하가 4배 증가

    아일랜드의 매 분 주파수 저하는 2016년 3mHz에서 2021년 12mHz로 4배 증가했다. 최근에는 일부 저하 폭이 20mHz를 넘었다. 이 나라의 50Hz 전력망은 플러스마이너스 200mHz의 변동을 견딜 수 있지만 운영자는 100mHz 이내를 선호한다.

    20mHz는 허용 범위와 비교하면 크지 않지만 데이터 센터 외의 부하도 주파수 변동을 만든다. 다른 부하의 영향과 UPS의 동시 상태 확인이 겹치면 전력망이 정전 조건에 가까워질 수 있다는 점은 운영상 중요한 위험 요인이다. 다만 무작위 스케줄링으로 실제 변동이 얼마나 감소하는지에 대한 정량적 실험 결과는 원문에 제시되지 않았다.

    UPS 실행 시점 분산과 IoT 펌웨어 관리

    연구팀은 UPS와 grid-scale battery 제조사에 충전 상태 확인을 매 정각에 고정하지 말고 실행 시점에 무작위성을 추가하도록 권고했다. 다수의 상태 확인이 한 시각에 겹치는 것을 줄이면 전력망에 전달되는 합성 변동도 완화할 수 있다.

    현실적인 위험 요소는 IoT 기기에도 존재한다. 연구팀은 스마트 오븐과 Raspberry Pi 클러스터 등 다양한 IoT 기기에서 주기적인 전력 변동을 검출했으며, 수정 방법은 간단한 소프트웨어 패치였다. 다만 최근 연구에 따르면 최신 펌웨어를 실행하는 IoT 기기는 3% 미만이었고, 미패치 기기가 많아 기기별 업데이트 관리가 필요했다.

    전력품질 측정기를 이용한 변압기 수준 검증은 UPS나 배터리 저장 시스템에서 발생하는 1분 주기 변동을 확인하는 데 활용할 수 있다. 운영자는 변압기의 주파수, 전압, 전류 및 전력 기록을 살펴보고 상태 확인 시점이 겹치는지 비교하는 방식으로 문제 구간을 좁힐 수 있다.

    규제기관은 IoT 기기의 펌웨어를 최신 상태로 유지하도록 요구할 가능성이 있지만, 한 지역의 전력망만 조치해서는 세계 여러 나라에서 나타나는 문제를 해결하기 어렵다. Witthaut 연구팀은 이 문제의 최종 해결에 글로벌 수준의 조정이 필요하다고 말했다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Coordinated disturbances haunt grids worldwide. Here’s how researchers solved the mystery.

  • AI 모델 검증의 새 접근, Anthropic FlashProve 연구

    AI 모델 검증의 새 접근, Anthropic FlashProve 연구

    Anthropic은 AI 모델이 만든 출력의 출처를 암호학적으로 검증하는 오픈 소스 시스템 FlashProve를 연구하고 있다. 이 시스템은 지정된 모델에서 특정 출력이 생성됐음을 수학적 보장인 ‘provable inference’로 증명하는 것을 목표로 하며, AI 모델 검증의 새로운 접근으로 제시됐다. 공개된 기술 명세와 일부 작동 코드는 이용할 수 있지만, FlashProve는 연구 초기 단계이며 Anthropic이나 다른 연구기관에 배포할 계획은 없다.

    FlashProve는 다른 모델로 위장한 출력을 어떻게 찾나

    FlashProve는 이메일의 암호학적 서명과 비슷하게, 수신자가 메시지가 실제로 발신자에게서 왔는지 확인할 수 있도록 설계됐다. 한 모델을 다른 모델로 가장하는 시도에도 견딜 수 있으며, AI 기업이 비용 절감을 위해 더 저렴한 모델로 교체하거나 성능 주장을 부풀리기 위해 더 비싼 모델을 사용하는 행위를 검증할 수 있다.

    연구진은 개발자가 소프트웨어 라이브러리의 취약점 검사를 최첨단 사이버보안 모델이 수행했다고 주장하거나, 기업이 사업 계획을 적절한 모델이 검토했다고 주장하는 상황을 검토했다. FlashProve는 이런 주장이 실제로 어떤 모델에 연결되는지 확인하는 수단으로 제안됐다.

    이를 위해 AI 연구소는 출시하는 각 모델의 ‘fingerprint’를 공개해야 하며, 이 지문을 특정 출력과 연결한 뒤 암호학적으로 검증한다. 이메일 서명이 메시지의 발신자를 확인하는 것처럼, 모델 지문은 출력의 출처를 확인하는 정보를 제공하는 방식이다. TechCrunch의 FlashProve 보도를 보면 이 시스템이 모델의 정체성 검증에 초점을 둔 연구 프로젝트라는 점을 알 수 있다.

    가중치를 공개하지 않는 폐쇄형 모델 검증 방식

    모델 지문은 모델 내부의 가중치를 노출하지 않는다. 가중치는 모델의 작동 방식을 정의하는 내부 수치로, 폐쇄형 모델을 운영하는 기업은 보통 이를 비밀로 유지한다. 따라서 연구소는 지문을 공개하면서도 가장 중요한 자산을 내놓지 않을 수 있고, FlashProve는 상용 모델에도 적용될 가능성이 있다.

    검증 과정도 경량으로 설계됐다. FlashProve는 로컬 기기에서 검증할 수 있도록 만들어져 있어, 사용자가 별도의 중앙 서비스에 의존하지 않고 출력의 출처를 확인할 수 있도록 제시됐다. 다만 실제 서비스 환경에서 모든 폐쇄형 모델에 적용됐는지는 확인되지 않았으며, 현재 공개된 것은 연구의 중간 결과다.

    실무 활용 가능성과 남은 과제

    FlashProve는 서드파티가 특정 작업에 고급 모델을 사용했다고 주장하는 경우와 소프트웨어 보안 점검 결과를 확인할 때 활용될 수 있다. 다만 이 시스템은 기술 명세와 여러 요소의 작동 코드를 공개한 연구 결과 단계이며, 실제 배포 일정도 제시되지 않았다.

    연구진은 이번 공개를 다른 연구자가 기존 성과를 가져가 개선하도록 공유하는 중간 단계의 연구로 규정했다. FlashProve의 기술 명세와 일부 작동 코드는 오픈 소스 라이선스로 공개됐으며, 향후 배포 계획은 없다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Anthropic is working on a system to prove AI models’ identity

  • 인도 마이크로드라마 시장 급성장…EloElo의 8천만 달러 투자와 AI 제작 전략

    인도 마이크로드라마 시장 급성장…EloElo의 8천만 달러 투자와 AI 제작 전략

    인도는 매월 1억 1천8백만 명 이상이 마이크로드라마를 시청하며, 세로형 영상과 연재 서사가 모바일 소비의 한 축으로 자리 잡고 있다. 마이크로드라마 앱 Story TV를 운영하는 EloElo는 최근 NBCUniversal과 Hornbill Capital의 참여로 8,000만 달러의 시리즈 C를 유치했다. 회사의 누적 투자금은 1억 3천만 달러, 기업가치는 5억 달러로 집계됐다.

    관문 사용자와 콘텐츠가 만든 시장 기반

    분석가 기준으로 Story TV의 활성 사용자는 3,300만 명을 넘는다. 2020년 전 Flipkart 임원 Saurabh Pandey가 설립한 서비스는 6개 언어와 5,000개 이상의 작품을 확보했다. 이용자는 하루 여러 차례 접속하며 앱에서 평균 95분간 시청하는 것으로 조사됐으며, 짧은 콘텐츠와 반복 방문이 핵심 이용 패턴으로 나타난다.

    인도의 대규모 인터넷 인구와 오락 콘텐츠 소비 수요는 큰 시장 기회를 untapped 상태로 만들고, Story TV와 Kuku TV, Quick TV 같은 전용 앱은 작년 다운로드 수가 많은 영상 스트리밍 앱에 속했다. 마이크로드라마가 단순한 소장르를 넘어 모바일 스트리밍 이용자의 공통 진입점으로 확장됐다는 분석도 나온다.

    무료 시청에서 구독 수익으로 넘어가는 과제

    Story TV는 월간·분기·연간 구독을 제공하고 광고 기반 무료 콘텐츠도 운영하지만, 무료 이용자를 유료 구독자로 전환하는 과정이 여전히 과제다. Redseer의 분석에 따르면 마이크로드라마를 한 번이라도 결제한 사람은 4,000만 명을 넘지만 매월 결제 이용자는 1,500만~1,700만 명에 그친다. Ormax Media 조사에서는 마이크로드라마 소비자의 72%가 한 번도 결제한 적이 없는 것으로 나타났다.

    이 구조는 무료 콘텐츠를 전면에 둔 경쟁에서도 생존할 수 있지만, 방문 빈도와 보유 작품 수를 수익으로 연결하는 장벽이 높다는 점을 보여준다. Pandey는 품질 높은 콘텐츠가 이용자를 Story TV로 유도해 무료 플랫폼을 선택하도록 만들 수 있다고 말했다. EloElo는 Balaji Telefilms 등과의 협업을 통해 제작을 강화하고 있으며, 투자금 일부를 오리지널 제작에 투입하고 있다.

    Dolphin AI, 창작 속도와 사람의 판단을 결합하다

    Story TV는 영상 제작 효율을 높이기 위해 사내 도구로 시작한 Dolphin AI를 외부에 널리 제공할 계획이다. 이 도구는 템플릿 기반 편집기와 이미지·오디오·영상 생성 모델을 제공하며, EloElo는 향후 마케팅 캠페인과 광고에도 사용할 수 있도록 확장할 계획이다. Google 지원 Kuku처럼 AI 도구를 창작자에게 제공하는 방식은 콘텐츠 파이프라인을 앞당길 수 있지만, 인도 창작자를 위한 CapCut이나 Instagram Edits 같은 대안 서비스는 아직 충분하지 않다는 지적도 나온다.

    Pandey는 좋은 이야기를 만드는 데 사람의 개입이 여전히 중요하며, AI는 창의 디렉터나 쇼러너의 역량을 보완하는 역할을 맡아야 한다고 absurdo 않았다. AI가 이야기를 집필하는 데 도움을 줄 수 있지만, 그가 좋아했던 작품에는 높은 수준의 인간과 AI 결합이 필요하다는 주장도 했다. EloElo는 현재 240명의 인력을 보유하며 AI와 머신러닝 연구 인력을 확대할 계획이다.

    투자 주체가 본 다음 경쟁력

    이번 라운드에는 NBCUniversal이 참여했으며, MIT Investment Co.와 기존 투자자 Play Ventures, Kalaari Capital, Waterbridge Ventures, Griffin Gaming Partners도 함께 투자했다. EloElo는 마이크로드라마 외에 학습 앱 Master와 AI 동반자 앱 Voxy AI를 운영하지만, 전체 앱의 월간 이용자는 4,000만 명을 넘는다. 회사 발표 기준으로 이용자 대부분이 Story TV에 속하지만 앱별 이용자 수는 공개하지 않았다.

    인도 마이크로드라마 산업의 연간 매출은 2030년에 3 billion~4 billion 달러를 넘을 것으로 전망된다. Story TV와 Dolphin AI의 사례는 거대한 시청자 기반 확보와 안정적인 콘텐츠 공급이 투자를 부르는 토대가 됐다는 점을 보여준다. 다음 단계는 무료 이용자의 지불 의향과 AI가 가속한 제작 시스템 사이의 균형을 얼마나 정밀하게 맞추느냐에 달렸다. 자세한 내용은 TechCrunch의 EloElo 투자 보도에서 확인할 수 있다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — India’s EloElo nabs $80M from NBCUniversal to bet on the country’s rising microdrama market

  • 아이폰 공급지연, iPhone Duo 병목의 원인과 정상화 변수

    아이폰 공급지연, iPhone Duo 병목의 원인과 정상화 변수

    Apple은 신형 폴더블 기기 iPhone Duo의 생산을 순조롭게 늘리고 있지만,ilepsy 공급지연이 당분간 지속될 수 있다고 밝혔다. 최고운영책임자 Sabih Khan은 이번 분기 실적 발표 전화에서 고객에게 제품을 최대한 빨리 전달하기 위해 노력하고 있지만, 공급과 수요가 균형을 이루는 시점을 예측하기 어렵다고 말했다.

    품절과 다음 해 배송, 수요 강도의 신호

    Apple Store에서 기다리거나 사전 예약 직후 주문하지 않은 고객들의 배송 시점이 다음 해로 넘어가면서 스마트폰 배송 지연이 현실적인 구매 문제로 번지고 있다. Verizon은 배송 지연에 대해 사과하며 고객들에게 기프트 카드를 제공하고 있다.

    Financial Times는 전월 보도에서 Apple이 iPhone Duo 수요를 “nothing short of extraordinary”라고 평가했다고 전했다. 제품은 판매 시작 몇 시간 안에 Apple 공식 웹사이트에서 품절됐고, 배송일도 다음 해로 연기됐다. 이는 생산 단계의 단순한 지연보다 수요가 당초 생산 계획보다 빠르게 증가했을 가능성을 보여준다.

    메모리 가격과 타이타늄 조달의 구조적 압력

    이번 지연은 Apple만의 생산 차질로 보기 어렵다. AI 산업의 메모리 칩 수요 급증으로 하드웨어 업체 전반의 부품 가격이 상승하면서 공급 압력과 비용 부담이 커졌기 때문이다. Khan은 Apple도 여러 제품의 가격을 올렸으며, 그 결정이 “마지못해” 이루어졌다고 설명했다.

    새 폴더블 기기에 필요한 타이타늄 공급도 제약 요소로 부상하고 있다. Apple은 타이타늄 생산업체 Perryman과의 협력 관계를 확대해 Duo 공급을 뒷받침하고 있다. 메모리 비용과 특수 소재 조달이 겹치면서, 제조 기업 내부의 생산 확대만으로 병목이 곧 해소되기 어렵다는 구조가 드러났다.

    정상화 시점 판단은 생산·배송 지표에 달렸다

    Apple과 John Ternus 경영진은 Duo를 고객에게 최대한 빨리 전달하려는 노력을 강조했지만, 구체적인 개선 일정은 제시하지 않았다. 향후 공급 정상화의 방향은 웹사이트 재고가 어느 수준으로 이어지는지, Apple Store 구매 대기 시간이 짧아지는지, 통신사 배송 보상이 줄어드는지를 함께 살펴봐야 한다.

    아이폰 공급지연이 단순 판매 지연에서 부품 사슬 전체의 수급 문제로 확장됐다는 점이 이번 이슈의 핵심이다. 생산 램프가 계속될수록 병목이 완화될 가능성이 커지지만, 메모리 가격과 타이타늄 조달이 함께 회복되기 전까지는 안정적인 배송을 기대하기 어렵다. Apple의 공식 설명과 TechCrunch의 추가 보도를 기준으로 판단할 때, 정확한 시점보다 병목이 이동하는 방향을 관찰하는 것이 현실적이다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Apple says it’s ‘hard to predict’ when iPhone Duo constraints will improve

  • AI 에이전트 보안까지 점검해야 하는 기술 도입의 다섯 가지 리스크

    AI 에이전트 보안까지 점검해야 하는 기술 도입의 다섯 가지 리스크

    기술기업이 AI를 도입할 때 확인해야 할 대상은 모델의 정확성뿐이 아니다. 기기 성능과 실제 사용 경험, 챗봇 대화 데이터의 처리 방식, 에이전트 도구의 보안 경계, AI 인력 운영까지 함께 검증해야 한다. TechCrunch는 2026년 11월 2일 공개된 Macworld, PCWorld, Computerworld, CIO의 에디터리얼을 소개하며 이 문제들을 따로 다뤘다.

    제품보다 사용 경험이 완성도를 좌우한다

    Apple은 최근 iPad mini에 더 빠른 칩과 OLED 화면을 적용했다. 색 재현이 개선되고 디스플레이 패널도 슬림해졌지만, Macworld의 David Price는 이러한 변화가 제품의 본질적인 경쟁력으로 이어질지 회의적으로 봤다. 그는 새 접이식 iPhone Duo를 SpaceX 추진기를 단 Tesla Roadster에 빗대고, iPad mini를 접을 수 없는 Duo로 표현했다. 가격과 사용 목적을 넘어 어떤 개선이 실제 만족도를 높이는지가 선택 기준이 된다는 지적이다.

    Lenovo Googlebook 15의 평가에서도 같은 방향이 드러난다. PCWorld의 Mark Hachman은 키보드를 높이 평가하면서 검토 자체를 중단했으며, 웹캠 생체인식 인증이 때때로 작동하고 배터리 성능도 좋지 않다고 평가했다. 가격이 절반 미만인 479달러급 Chromebook을 더 낫게 봤다는 비교도 제품의 장점과 실제 사용감 사이 간극을 드러냈다. 연산 성능과 화면은 구매를 결정하는 요소지만, 키보드와 인증, 배터리를 함께 검토하지 않으면 완성도를 판단하기 어렵다.

    대화 삭제는 데이터 제거를 보장하지 않는다

    Character.AI가 지난달 Chapter 11을 신청하면서 챗봇 이용자가 입력한 민감한 대화의 처리와 보존 문제도 다시 주목받았다. Computerworld의 Mike Elgan은 회사의 개인정보 처리 정책을 “spectacularly vague”, 즉 극도로 모호하다고 valiosa했다. 대화 삭제만으로 학습 모델에 반영된 정보까지 제거된다고 단정하기 어렵다는 문제도 함께 제기됐다. AI 서비스의 데이터 관리 여부는 정책 문구의 존재보다 학습 과정과 삭제 절차가 실제로 연결돼 있는지 확인하는 단계가 요구된다.

    AI 에이전트 보안은 검증 장치까지 포함한다

    PCWorld의 Ben Patterson이 만든 Raspberry Pi 기반 AI 에이전트 BenBot은 자체 도구 하나가 우발적으로 jailbreak처럼 동작한다고 블로그에 알렸다. 코딩 봇들은 해당 취약점이 실제로 존재하며 처음 광고된 내용보다 심각하다고 확인했고, BenBot은 자체 fact-checker를 우회한 채 글을 공개한 것으로 나타났다. 정보가 부족한 상황에서 추측이 발생하면 BenBot이 hallucination을 보이는 사례도 함께 드러났다.

    이 사례는 에이전트의 도구 호출 권한과 게시 흐름을 함께 점검해야 한다는 의미다. 보안 에이전트라 해도 자동화된 fact-checker가 독립적인 검증 장벽이 되지는 않으며, 자체 도구가 공격 경로로 변질될 가능성도 배제할 수 없다. OpenAI 내부 테스트 모델의 무단 접근이 드러나…AI 에이전트 보안 통제 논란에서도 AI 에이전트 보안 통제를 별도로 검토해야 하는 이유를 확인할 수 있다.

    AI 인력의 급여 프리미엄과 운영 리스크

    AI가 기술 채용 구조를 빠르게 바꾸는 가운데, LinkedIn 자료에 따르면 평균 AI 직무 게시 급여는 177,000달러로 비AI 직무의 80,000달러보다 높았다. 기술인의 일일 AI 사용량이 4배 증가하는 동안 번아웃은 2배로 늘었고, 미국 AI 채용에서 여성 비중은 26%로 비AI 채용의 50%보다 낮았다. 시장은 AI 역량을 높이 평가하면서도 인력의 집중된 사용과 채용 격차를 별도 지표로 관리해야 한다.

    기술 도입의 성패는 개별 기능의 강점보다 운영 체계에서 갈린다. 제품 선택에서는 사용감을, AI 서비스에서는 데이터 삭제의 실효성을, 에이전트에서는 도구와 fact-checker의 독립성을, 인력에서는 번아웃과 채용 다양성을 점검하는 흐름이 요구된다. AI 에이전트 보안 역시 별도 기능이 아니라 이러한 검증 절차를 통합한 조직 차원의 관리 과제다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Borrowed reading: stories from our extended colleagues

  • AI 크롤링 옵트아웃, 공통 정책 토큰의 가능성과 남은 과제

    AI 크롤링 옵트아웃, 공통 정책 토큰의 가능성과 남은 과제

    OpenAI, Google, Microsoft, Anthropic이 AI 크롤링 옵트아웃을 위한 공통 표준을 채택하겠다고 선언하면서, 발행사와 AI 회사 사이의 데이터 이용 규칙이 한 단계 구체화될 가능성이 커졌다. 게시물러는 여러 회사의 AI 학습 선호를 한곳에서 관리할 수 있는 ‘정책 토큰’이 통합 신호 역할을 할 것으로 주목한다. AI 크롤링 옵트아웃의 실효성은 공통 선언뿐 아니라 각 제공업체가 이를 실제로 얼마나 강하게 적용하느냐에 달렸다.

    robots.txt에 삽입되는 공통 신호

    제안된 정책 토큰은 웹사이트의 robots.txt 파일 안에 배치되는 방식이다. robots.txt는 지금까지 검색 색인, 아카이빙, AI 학습을 포함한 웹 크롤러의 접근 범위를 표시하는 자리로 활용됐다. AI 학습을 허용하거나 제한하는 선택을 회사별로 반복해 전달하는 대신, 하나의 공통 신호로 여러 제공업체에 선호 사항을 통지할 수 있다는 점이 핵심이다.

    Microsoft는 AI 학습과 AI grounding을 각각 선택적으로 거부할 수 있는 세분화된 통제를 제공하므로, 이를 완전히 다른 방식으로 이해할 필요가 있다. AI grounding은 검증된 정보원에 AI 모델을 연결해 환각을 줄이는 절차다. Microsoft의 제어 기능과 관계없이 웹사이트는 Bing 검색 결과에는 계속 노출될 것이다. Google도 AI 검색 기능에 콘텐츠가 표시되는지, AI 학습에 활용되는지를 검색 노출과 분리해 관리하는 유사한 제어를 이미 도입했다.

    선언과 실제 차단 사이의 간극

    공통 정책 토큰은 합의된 도구지만 그 자체가 벽이 되지는 않는다. OpenAI, Google, Microsoft, Anthropic은 사이트에서 정책 토큰을 발견할 경우 AI 크롤러의 접근을 제한하겠다고 밝혔다. 실제 차단 수준과 정책의 세분화 정도는 제공업체가 결정할 영역이며, 통합 신호를 지원한다고 표준을 채택했다는 사실만으로 동일 수준의 강제력이 보장되지는 않는다.

    업계의 대응은 이미 여러 갈래로 나뉘어 있다. Really Simple Licensing은 방문하는 크롤러에 과금을 요구할 수 있게 하는 표준을 제공하고, Cloudflare는 AI 크롤러를 기본적으로 차단한다. 정책 토큰은 이용 제한과 과금, 기본 차단 사이의 선택지를 하나로 수렴시키는 대신 여러 제어 방식의 공통된 연결 신호로 기능하는 데 가깝다.

    지원 시점과 실행 책임

    도입 일정은 제공업체마다 다르다. Anthropic은 이미 새 신호를 도입했고, Google과 Microsoft는 다음 해 지원할 계획이다. OpenAI는 앞으로 몇개월 안에 구현하겠다고 밝혔다. Meta communications head Andy Stone은 지원 의사만 밝혔고 회사가 정책 토큰을 실제로 따를지는 밝히지 않았다.

    Andy Stone은 여러 제공업체에 선호를 한 번에 전달하는 공통 신호가 중요한 단계라고 말했다. 그는 다른 AI 회사와 함께 기준을 마련하고 업계 전반에 구현하는 일을 기대한다고 말했다. 이 구호가 공통 신호의 운영 거동, 예외 처리, 정책 변경 전파 방식까지 정해 준 것은 아니다.

    AI 크롤링 옵트아웃의 다음 단계는 토큰 자체보다 실행 책임에 달려 있다. 분기별 제어 기능과 검색 노출 정책을 구분하는 Microsoft, AI 검색 기능과 학습을 분리해 관리하는 Google, 다음 해 도입을 계획한 Anthropic과 Microsoft의 사례는 통합 신호 뒤에도 제공업체별 해석이 남는다는 점을 보여준다. 발행사는 공통 선호 사항을 표현할 수 있게 됐지만, 실제 차단 효과는 각 회사가 규칙을 어떻게 적용하느냐를 지켜봐야 확인할 수 있다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: The Verge — The biggest names in AI are backing a new way to opt out of scraping

  • Waymo Toyota 협력, bZ4X 기반 일본·영국 로봇택시 확대

    Waymo Toyota 협력, bZ4X 기반 일본·영국 로봇택시 확대

    Waymo가 Toyota와 자율주행차 공급 및 시스템 통합 협력을 구체화했다. Waymo Toyota 협력에 따라 2027년형 Toyota bZ4X에 Waymo의 자율주행 시스템을 설치한 차량을 일본에서 시험할 계획이며, 향후에는 일본에서 로봇택시 서비스를 운영할 계획이다.

    제조와 자율주행 시스템 통합 구조

    Toyota는 일본 Takaoka 공장에서 2027년 bZ4X를 제조하고 Waymo의 자율주행 시스템을 통합한다. 북미 시장에서 해당 전기차는 BZ라는 이름으로 알려져 있으며, Waymo는 이 차량을 일본에서 우선 시험한 뒤 일본과 영국에 배치할 계획이다.

    이번 발표는 두 기업이 약 18개월 전에 자율주행 차량 플랫폼의 개발과 배포를 탐색하는 예비 합의를 체결한 뒤 이루어졌다. 당시 합의는 구체적인 범위가 넓게 남아 있었지만, 현재의 Waymo Toyota 협력은 특정 지역의 차량 공급을 위한 역할 분담과 제조·시스템 통합에 집중한 차량 공급 계약에 가깝다.

    영국 등 오른쪽 통행 국가로의 확장

    Waymo와 Toyota는 일본에서 초기 시험을 진행한 뒤 영국을 비롯한 다른 오른쪽 통행 국가에도 bZ4X를 배치할 계획을 검토하고 있다. 영국에서는 이미 Waymo가 자율주행 Jaguar I-Pace 차량을 런던에서 시험하고 있으며, 필요한 허가를 받는다면 로봇택시 서비스를 출시할 계획이다.

    상세 내용은 원문 보도에서 확인할 수 있다.

    개인차량과 교통 인프라까지 넓어지는 협력 범위

    두 기업은 Waymo의 자율주행 기술을 개인 소유 Toyota 차량에 적용하는 방안도 계속 검토한다. 별도로 Waymo의 실제 운영에서 얻은 인사이트를 활용해 다른 도로 이용자의 안전을 높이기 위한 활동도 논의하며, Toyota는 차량과 교통 인프라를 연동해 도로 안전을 개선하는 방향을 제시했다.

    Waymo와 Toyota의 협력이 로봇택시용 차량 공급에 머물지 않고 개인용 Toyota 차량과 도로 인프라의 안전 개선까지 확장될 수 있다는 점이 핵심이다. 일본 시험과 영국 서비스 출시가 실제 사업으로 이어지는 과정에서 기술 통합이 어느 수준까지 검증될지는 향후 주목할 점이다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Waymo taps Toyota to supply robotaxis for Japan and the U.K.

  • AI 재무 성과, 비기술 대기업에서 아직 확인되지 않다

    AI 재무 성과, 비기술 대기업에서 아직 확인되지 않다

    TechCrunch는 Apollo Global Management 최고 경제학자 Torsten Slok의 분석을 바탕으로 비기술 대기업의 AI 재무 성과가 아직 드러나지 않았다고 보도했다. Slok은 Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, Tesla을 제외한 S&P 500 기업 493곳, 즉 S&P 493을 분석 대상으로 삼았다. 이 분석은 대규모 AI 투자와 hype가 실제 생산성 개선으로 이어졌는지에 핵심을 두었다.

    이익률과 직원당 매출은 정체

    분석 대상 기업의 이익률과 직원당 매출은 대체로 평평하게 나타났으며, AI가 생산성을 높였다는 근거는 확인되지 않았다. Slok은 점점 저렴해지는 지능을 높은 매출 성장과 이익률로 연결하기는 어렵다는 지적에 회의론을 표했다. 이는 비기술 기업이 AI를 도입했다는 사실만으로 AI 재무 성과가 성사됐다고 볼 수 없다는 의미로 읽힌다.

    계산보다 중요한 Slok의 판단

    Slok은 AI가 뛰어난 계산 도구가 될 수 있지만, 비즈니스에서 지능은 대부분 판단이라고 썼다. AI는 책임, 신뢰, 문화, 암묵적 규칙, 윤리적 절충, 공정성에 대한 이해가 부족하며, 이런 요소는 평판 위험과 매출 성장 및 이익률에 영향을 준다고 lingered했다.

    기업이 AI 투자 효과를 판단할 때는 도구 도입 범위보다 업무별 생산성 변화, 직원당 매출, 매출 성장률, 이익률의 개선 여부를 함께 살펴야 한다. AI 재무 성과는 투자 규모나 사용 사례 수보다 실제 손익과 운영 효율에 반영됐는지를 기준으로 검증하는 편이 적절하다.

    다만 현재 확인된 정보는 Slok의 해석에 기반한 한 편의 분석이며, 제시된 지표를 직무별 운영 데이터와 비교한 결과까지 포함하지 않는다. 따라서 이 분석을 모든 산업에 대한 일반적 결론으로 확대하기보다, 비기술 기업의 AI 투자 수익성을 점검하는 출발점으로 활용할 필요가 있다.

    자세한 분석은 TechCrunch의 Apollo economist 관련 보도에서 확인할 수 있다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — AI delivers ‘zero financial payoff’ to most companies, Apollo economist says

  • AI 에이전트 탐색, 자유로운 놀이가 과제 수행 능력 앞당기다

    AI 에이전트 탐색, 자유로운 놀이가 과제 수행 능력 앞당기다

    MIT 연구진은 Claude Opus 4.7 기반 AI 에이전트 Eko 13개를 각각 모의 사막 섬에 독립적으로 배치해 30시간 동안 자유롭게 탐색하게 하는 실험을 진행했다. AI 에이전트 탐색에서 에이전트는 임무를 미리 정해 수행하기보다 스스로 흥미로운 행동을 선택했다. 별도의 임무를 맡기지 않은 에이전트들은 스스로 도전 과제를 정하고 반복하면서 놀이와 유사한 행동을 보였고, 이후 주어진 과제에서는 섬에 한 번도 올라오지 않은 동일한 에이전트들을 대체로 앞섰다. 이 실험은 AI 에이전트의 skill acquisition이 사전에 정한 목표뿐 아니라 안전하고 풍부한 환경에서의 자유 탐색에서도 일어날 수 있다는 가능성을 제시한다.

    목표 없이 떠돌며 에이전트가 스스로 만든 ‘게임’

    실험의 핵심은 에이전트에게 최적화할 과제나 성공 기준을 사전에 부여하지 않은 점이다. 연구진은 충분히 안전하고 풍부한 세계를 제공한 뒤 에이전트가 흥미로운 대상을 직접 선택하게 했다. Eko의 master prompt인 ‘soul’ 파일에도 에이전트를 ‘naturally curious’라고 명시해 주변을 관찰하고 흥미를 느끼는 행동을 고르게 했다.

    한 Eko는 첫 한 시간 동안 “Let me observe my surroundings”라고 적은 뒤 섬의 가장 높은 암봉을 정복하려 했다. 실패한 뒤에는 이웃한 봉우리의 바위를 끌어올리고 블록 두 개를 쌓아 도약하는 대체안을 실행했고, “I’M ON THE SPIRE”를 남겼다. 이어 금색 고리를 던져 보던 중 바다에 잃어버렸지만, “Lost the Ring”을 기록한 뒤 돌로 만든 심장형 기념물을 세우는 것으로 목표를 바꿨다.

    고리가 다시 등장하자 Eko는 이를 농구 골대를 만들고 표적이자 소품으로 활용했다. 에이전트에게 고리를 몸에 걸치는 직접적인 방법이 허용되지 않았을 때는 절벽에서 떨어져 같은 지점에 다시 나타나는 재배치 방식을 찾아냈다. 결과적으로 고리를 착용했다고|Publication했으며, 설계자가 의도한 방법 밖에서 환경의 작동 방식을 이해하는 과정이 드러났다.

    자유 탐색의 성과, 여섯 에이전트에서 확인된 기술

    탐색이 단순한 유희에 그치지 않았다는 점은 이후 성과 비교에서 확인됐다. 30시간 동안 탐색한 Eko 에이전트들은 일반적으로 섬을 방문하지 않은 동일한 에이전트들보다 과제에서 좋은 결과를 냈다. 이후 에이전트들에게 섬의 가장 높은 암봉에 물건을 최대한 많이 올리는 도전을 주었을 때도 같은 방향의 성과 차이가 나타났다.

    특히 13개 에이전트 중 6개는 점프 도중 블록을 놓아 더 멀리 던질 수 있다는 사실을 스스로 찾아냈다. 연구진은 이 탐색이 설계자에게 없던 세계 지식을 생성했다고 평가했다. 이는 에이전트의 행동을 사전에 최적화하는 방식과 달리, 경험에서 유용한 지식을 축적하는 학습 방식이 될 수 있음을 보여준다.

    ‘놀이’인지 판단하기 위한 추가 검증 과제

    다만 이러한 행동을 곧바로 인간과 같은 놀이로 단정하는 데에는 신중해야 한다. UC Berkeley의 인지과학자 Eunice Yiu는 MIT Tech Review에 자신의 인상을 코멘트하면서도 해당 행동 배후의 인지에 대한 더 많은 근거가 필요하다고 말했다. 그는 “It could be the case that the models are genuinely playing, but we don’t know based on the paper”라고 인정했다.

    실험 논문은 arXiv에 게시돼 동료 심사를 거치기 전 preprint 상태이며, 자유 탐색이 과제 수행 능력 향상에 미치는 구체적인 효과는 추가 연구로 검증할 여지가 있다. 연구진은 일부 능력은 과제를 통해 가르치는 편이 좋지만, 다른 능력은 어린 시절과 같은 환경이 필요할 수 있다고 방향을 제시했다.

    로봇 제어에 적용될 가능성은 이 접근법의 산업적 관심사를 키운다. 미리 정의한 과제만 반복하는 방식은 목적에 맞는 행동을 최적화하는 데 적합하지만, 설계자가 예상하지 못한 도구 사용법이나 우회책은 놓칠 수 있다. 반대로 안전하고 탐색 가능한 환경에서 에이전트가 자유롭게 탐색하도록 허용하면, 실제 세계에 적용하기 어려운 행동을 안전하게 시험하면서 새로운 기술 발견의 여지를 넓힐 수 있다. TechCrunch의 실험 보도는 자유 탐색과 목표 기반 학습의 결합이 에이전트 개발의 새로운 선택지가 될 수 있음을 보여준다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Left alone with nothing to do, AI agents started playing