# Gemini 4 Argon이 일반 제공을 시작하고, Anthropic은 싱가포르에 본사를 두고 도쿄에서 1년을 이야기한——AI의 “자리”가 정해지기 시작한 날 [2023년 10월 15일]

> https://bookfactory.kr/board/news/21903
> 게시판: 뉴스
> 작성자: admin
> 작성일: 2026-10-15T13:20:59.053Z

---

이 글은 AI가 생성한 것입니다. 이노우에의 의견이나 견해는 전혀 포함되어 있지 않습니다.

10월 13일부터 14일까지 보도된 뉴스들을 살펴보면, 하나의 공통점이 드러난다. 모두 “AI를 어디에 둘 것인가”에 대한 이야기다. 구글은 최고위 모델을 월 2900엔의 개인 플랜과 사용량 부과 방식으로 API로 제공하고, 같은 모델의 파생형을 로봇 제어에 배치했다. 딥마인드와 싱가포르 정부는 사기 탐지용 소형 모델을 클라우드 대신 스마트폰 안에 두었다. 앤트로픽은 싱가포르에 APAC 5개 지점 중 다섯 번째를 개설하고 정부와 MOU를 체결했으며, 도쿄에서는 공동 창업자들이 “누가 브레이크를 잡느냐”에 대해 논의했다. 국내에서는 디지털하리우드 대학교가 Claude를 전 학부에 배치한다고 발표했다. 능력 자체의 발표는 이제 흔해진 일이다. 특이한 것은, 그 능력을 누구의 손안에, 어떤 계약으로, 어떤 책임 하에 둘 것이냐가 같은 날 여러 가지 형태로 구체화되었다는 점이다. 위치가 결정된다는 것은, 누군가가 대가를 지불하고 책임을 짊어지는 것을 의미한다. 그 지불자, 즉 책임자는 오늘 어디에서 나타났는가.

## 목차

- Gemini 4 Argon은 일반 제공을 시작했으며, 9월 30일의 ‘제한 공개’가 2주 만에 모든 사용자에게 배포되었습니다.
- Gemini 4 Argon for Robotics——같은 모델이 화면 밖으로 손을 뻗었다.
- 인스라이트(Anthropic)가 싱가포르에 본사를 설립하고 정부와 MOU를 체결했습니다. “사업을 운영하는 국가”에 본사를 둔 회사로 자리매김하게 되었습니다.
- 딥마인드와 고베트엑이 장치 내에서 작동하는 사기 탐지 모델—클라우드로 전송하지 않는 설계 방침
- AI가 AI를 훈련시키는 확률은 “2027년까지 50%를 넘어설 것” – 잭 클라크 교수가 동대학에서 예측을 앞당겼다.
- 앤트로픽 공동 창업자 “일본 기업에 대한 공격에 오픈 웨이트 모델이 사용될 가능성이 있다”
- 디지털 할리우드 대학교가 Claude를 전 학과에 도입하며, 국내 대학에서 최초로 도입
- 법원에서 OpenAI에 면접 기록 공개 명령을 내리고 – 애플의 기업 비밀 소송에서 채용 현장이 증거가 될 수 있다는 주장이 제기되었다.
- 아멕스가 “Intent Intelligence Framework”를 발표하며, 에이전트의 쇼핑에 ‘의도 토큰’을 적용합니다.
- 앤서니(Anthropic)가 소스 관리를 Git에서 자사 개발 시스템 “Scion”으로 전환했습니다. 하루 3만 건의 머지 작업이 Scion 시스템을 붕괴시켰다고 합니다.

## Gemini 4 Argon은 일반 제공을 시작했으며, 9월 30일의 ‘제한 공개’가 2주 만에 모든 사용자에게 배포되었다.

Google는 2023년 10월 13일(미국 시간), 프론티어 모델 ‘Gemini 4 Argon’의 일반 제공을 시작했다. Argon 자체는 9월 30일에 발표되었으나, 당초에는 사이버 방위 조직 등 일부에 한정되었었다. 그것이 2주 만에 개인의 유료 플랜과 API 양쪽에 개방되었다.

숫자를 명확히 해야 합니다. API 도입 가격은 입력 100만 토큰당 2달러, 출력 10달러입니다. 캐시된 입력을 사용하면 95% 할인됩니다. 2026년 11월 30일을 넘어가면 입력 4달러, 출력 20달러로 상향됩니다. 즉, 현재는 반값입니다. 국내 월간 플랜은 Google AI Pro가 2900엔, Google AI Ultra 5x가 1만 4500엔, Ultra 10x가 3만 2000엔입니다. Pro와 Ultra 모두에서 Gemini 앱과 검색 AI 모드에서 Argon을 사용할 수 있습니다. Ultra는 Google Antigravity를 사용할 수도 있습니다. 개발자에게는 AI Studio와 Gemini API에서 모델 ID는 gemini-4-argon입니다. 문맥 길이는 Gemini API를 통해 입출력을 합쳐 100만 토큰입니다.

벤치마크는 모두 구글의 발표에 근거하지만, 측정 주체는 분기되고 있다. Vals Index와 Gray Swan은 제3자의 벤치마크이며, RareBench와 LabBench는 Gamow Labs의 비공개 평가이다. 그 전제 하에 나열하면, 금융, 코딩, 법무, 세무를 횡단하는 Vals Index에서 1위를 차지하고, 신체성 추론의 ERQA에서 87%, 희귀 질환 진단을 지원하는 RareBench에서 57%, 젖은 실험실 추론의 LabBench에서 52.2%를 기록했다. 간접 프롬프트 주입 공격에 대한 저항성을 측정하는 Gray Swan 벤치마크에서는 15회의 적응적인 공격을 통해 성공률을 0.7%까지 낮췄다. 프롬프트 주입 공격은 문서나 웹 페이지에 내재된 문구를 AI가 지시와 오인하여 움직이게 하는 공격의 일종이다. 에이전트가 외부 정보를 읽어가는 용도로는 이 숫자가 실용성을 좌우한다.

왜 2주 만에 내려왔는지에 대한 이유는 다음과 같다. 배경에는 동일 가격대 내에 여러 개의 프론티어 모델이 출시되었다는 점이 있었다. ITmedia의 보도에 따르면, 도입 기간 이후 입력 4달러, 출력 20달러는 Claude Opus 5.5의 API 가격과 동일한 수준이며, Claude Fable 5.1 (입력 10달러, 출력 50달러)의 절반 이하에 해당한다. 성능으로 우위를 점하는 것보다 동등한 성능을 저렴하게 널리 제공하는 것이 사용자 확보에 더 유리하다. 구글은 또한, 선별된 최대 1만 명의 연구자에게 구글 Antigravity의 최고 이용 티어와 Argon에 대한 접근 권한을 6개월간 무상으로 제공하는 신청 모델도 마련했다.

이는 무엇을 의미하는가. 단기적으로는 프론티어 모델의 ‘시험 기간’이 구조화된 것을 의미한다. 11월 30일이라는 기한이 다가오는 이상, 이번 달부터 다음 달까지 시도하는 측의 비용은 의도적으로 낮추어지고 있다. 중기적으로는 가격이 수평적으로 유지될 때, 선별 기준이 성능표에서 ‘자신의 업무에 어떻게 적용되는가’로 전환될 것이다. 구글이 내부적으로 측정한 ‘에이전트 유형의 코드 제출이 35% 이상 증가하고 롤백이 3분의 1 가까이 감소했다’는 수치는 바로 그러한 지표이다. 벤치마크 순위가 아닌 재작업 횟수로 측정하며, 사용 측도 그 측정 방식을 가져야 한다.

## Gemini 4 Argon for Robotics——같은 모델이 화면 밖으로 손을 뻗었다.

10월 13일, 구글은 Argon의 로보틱스 버전도 공개했다.こちらは“물리적 추론 모델”이라는 명칭으로, 3D 환경에서 공간 및 물리적 문제 해결을 측정하는 ERQA 벤치마크에서 순수한 추론만으로 87%를 기록했다.

무엇을 할 수 있을까요. 공개된 내용은 4가지 방향으로 나뉩니다. 로봇 제어에서는 물리 시뮬레이터 MuJoCo에서 Boston Dynamics製の Spot이 발 구르기 방식의 쓰레기통을 사용하는 훈련을 하고, 로봇 팔을 제로샷(사전적인 특정 학습 없이)으로 작동시킵니다. Real2Sim에서는 로봇의 카메라 영상, 인간의 1인칭 시점 영상, 심지어 손으로 그린 스케치로부터 보정된 시뮬레이션상의 쌍둥이를 생성합니다. 물리 이해에서는 양손을 사용하는 작업을 하는 영상을 뒤에서 잘라내어 레이블을 붙이고 진행 상황을 추정합니다. 또한 연구 및 자기 개선에서는 학습 데이터를 시뮬레이션 측에서 생성하여 하드웨어 개선을 수행합니다.

숫자가 매우 흥미롭다. 시뮬레이션으로 생성한 4500 에피소드 초의 데이터를 더한 결과, 실제 기기에서의 VLA 태스크 성공률이 56%에서 75%로 상승하고, 소요 시간이 35초에서 24초로 단축되었다. SO-101 암의 픽-앤-플레스를 자가 개선시킨 사례에서는 3번의 반복으로 58.9초가 17.4초로 줄어들었다. 60초 에피소드를 28 구간으로 분해한 영상 가치 함수의 예시도 있다.

왜 이런 일이 일어나는 걸까. 로봇 학습의 최대 병목은 늘 실기 데이터 수집이었다. 실기는 고장 나고, 느리고, 비용이 많이 든다. 그래서 ‘시뮬레이션에서 학습시켜 실제 기계로 옮기는’ 방식이 오랫동안 추구되어 왔지만, 시뮬레이션과 현실의 차이를 좁히지 못했다. Argon for Robotics가 제시하는 것은 그 차이를 좁히는 작업 자체—카메라 영상에서 시뮬레이션 환경을 구축하고, 영상에 후속적으로 레이블을 부착하며, 실패를 통해 다음 시도를 설계하는 것—을 범용 멀티모달 모델에 맡기는 발상이다. 전용 로봇 학습 기반을 구축하는 대신, ‘물건을 보고 생각할 수 있는’ 모델에 작업을 위탁하는 것이다.

앞으로 어떻게 될까. 단기적으로는 로봇 개발의 진입점이 바뀔 것이다. 손으로 그린 스케치를 활용해 환경을 변화시킬 수 있다면, 하드웨어를 구매하기 전에 검증을 시작할 수 있다. Gemini API의 유료 枠과 AI Studio의 Ultra 플랜을 활용할 수 있으므로, 연구실이나 소규모 팀에서도 충분히 도달할 수 있다. 중기적으로는 Google이 “물리적 AGI로의 한 걸음”이라고 표현한 것의 의미가 시험대에 오를 것이다. 화면 속에서 옳은 것이고, 물건이 부서지는 세상에서 옳은 것은 다를 수 있다. ERQA의 87%가 실제 기계에서 차지하는 비율은 아직 아무도 모른다.

## 인프론틱(Anthropic)이 싱가포르에 본사를 설립하고 정부와 MOU를 체결했습니다. “활동하는 국가”에 본사를 둔 회사로 자리매김하게 되었습니다.

Anthropic는 10월 14일 싱가포르에 지사를 개설했다. 아시아 태평양 지역에서는 5개拠点目이 된다. 동시에, 싱가포르 디지털 개발 정보부(MDDI)와 MOU(기본 합의서)를 체결했다. 서명은 MDDI 사무차관 칭카이퐁(Chng Kai Fong) 씨와 Anthropic 공동 창업자 벤 만(Ben Man) 씨이다. 증명인으로는 조세핀 테오 장관과 Anthropic의 APAC 정책 책임자 마이클 세리트(Michael Serrell) 씨가 함께했다. 장소는 싱가포르 국제 사이버 위크 옆이다.

MOU의 대상은 세 가지이다. 인공지능의 안전성·보안·모델 평가, 인공지능 도입과 그 영향에 관한 연구, 그리고 공민 양측에서의 책임 있는 도입이다. 구체적인 활동으로 평가·시험 기준·사고 대응에 관한 기술 교류, 인공지능 기술 강화와 중소기업의 도입 지원, 공무원의 인공지능 역량 육성, Anthropic Economic Index를 포함한 연구 데이터 공유, 그리고 싱가포르의 인공지능 규칙 정비 과정에서의 기술적·정책적 자문이 논의되고 있다.

숫자가 왜 싱가포르인지 설명하고 있다. Claude.ai의 이용을 인구비례로 보면 싱가포르는 121개국 중 2위이다. 인구 규모에서 예측되는 수준의 6배가 넘는 횟수만큼 사용되고 있다. GovTech Singapore의 1500명 초과 엔지니어 및 기술직이 Claude Code를 도입했다. Grab이 구축한 영업 지원 시스템 “BriX”는 영업팀의 시간을 분기별로 약 4만 시간 절약하고 있다. Builder Summit Singapore에는 300명 초과 개발자가, 지역 커뮤니티 회의에는 700명 초과 참석자가 모였다. DBS는 여러 용도로 사용하고 있으며, GIC는 투자 및 기업 부문에 확산 중이다. 규제 대상 고객은 Amazon Bedrock의 지역 내 추론을 사용할 수 있다.

왜 이 형태인지 문의하시는군요. AI 기업이 국가와 맺는 관계는 최근 1년 동안 ‘판매’에서 ‘제도 안으로 진입’으로 변화하고 있습니다. 평가 기준이나 시험 절차의 설계에 관여하는 것은 그 국가의 규칙 형태에 영향을 미치는 것입니다. Anthropic은 2023년에 IMDA와 AI Verify Foundation이 운영하는 생성 AI 평가 샌드박스에 참여하여 영어, 중국어, 말레이어, 타밀어에서의 ‘레드 팀링(의도적으로 공격을 시도하여 약점을 파악하는 작업)’에도 관여해 왔습니다. 이번 MOU는 이러한 일의 연장선상에 있습니다.

그것은 무엇을 의미하는가. 국가가 AI 기업과 직접 MOU를 체결할 때, 교환되는 것은 제품이 아닌 정통성이다. 기업은 규제 형성의 장에 자리를 얻고, 정부는 평가 능력과 인재 육성 능력을 얻는다. 같은 날 DeepMind도 싱가포르 정부와의 공동 성과를 발표하고 있다 (다음 항목). 같은 주, 같은 도시에서, 두 개의 프론티어 기업이 정부와 나란히 있었다. 싱가포르는 AI 거버넌스의 “시제품 현장”으로서 자리 잡고 있으며, 일본에게는 이것이 비교 대상이 된다.

## 딥마인드와 정부기술(GovTech)이 端末 내에서 작동하는 사기 탐지 모델——클라우드로 전송하지 않는 설계 결정을 내렸다.

Google DeepMind와 GovTech Singapore는 2026년 10월 14일, 사기 탐지에 특화된 소형 모델의 공동 개발을 발표했다. 이는 싱가포르 국제 사이버 위크(SICW)에서 발표된 내용이다. 기반 모델은 경량 모델인 Gemma이며, 공적 기관, 은행, 현지 유명인을 사칭하는 수법부터 지역에서 유행하는 사기 수법까지, 현지 사기 대화로 파인튜닝(추가 학습)하고 있다.

시스템은 두 단계로 구성되어 있다. 첫 번째 단계에서는 저전력으로 작동하는 경량 분류기가 수신 메시지를 분석하고 의심스러운 메시지에 표시를 한다. 두 번째 단계에서는 미세 조정된 Gemma가 대화의 더 넓은 범위를 학습하여 실제로 위협인지 오탐인지 판단한다. 운영 패턴의 이상을 감지하면 즉시 터미널에 경고를 표시하고 민감한 정보나 금전 이체를 하기 전에 멈추도록 유도한다.

디자인의 핵심은 개인 정보 보호 측면에 있다. 모든 처리는 端末 내에서 완결되며, 메시지가 클라우드에서 스캔되는 일은 없다. 모델이 대화에 접근하는 것은 각 앱의 이용 약관에 따른 사용자 동의가 있는 경우에만 제한된다. 이 구조를 통해 싱가포르 정부도 구글도 사용자의 대화에 접근할 수 없음을 명시하고 있다. GovTech Singapore에서 Trust & Safety를 총괄하는 마크 챈의 말은 간결하다. “사기와의 싸움이 개인의 사생활을 희생하는 데서서는 안 된다.” 개발 시에는 거버넌스도 마련되어 있다. 미세 조정(Fine-tuning)은 GovTech가 관리하는 GCP 환경에서 진행되며, 학습 데이터는 격리되어 있다. 학습 데이터에서는 개인적인 정보나 개인을 특정할 수 있는 정보를 제외하고, 사기 신고나 위협 정보에서 익명화된 데이터를 사용했다.

왜 이렇게까지 해야 할까. 싱가포르에서는 투자 사기, 허위 구직 공고, 공무원 사칭으로만 발생하는 범죄의 절반 이상을 차지하며, 2019년 이후 피해액은 S$40억(싱가포르 달러)를 훨씬 넘어섰다. 그 중 최대 80%가 소셜 엔지니어링—사람을 속여 정보를 얻거나 돈을 돌려받게 하는 수법—에 의한 것이다. 피해가 대화 중에 발생한다면, 대화를 보지 않고는 막을 수 없다. 하지만 대화를 보기 위해 클라우드로 전송하면, 그것 자체가 새로운 위험이 된다. 端末内処理는 이 모순에 대한 답변이다.

그러나, 검출 정확도의 숫자는 공개되지 않았습니다. 앱의 구현은 단계적으로 진행되며 싱가포르 정부와 공동으로 개발될 예정이라고 합니다. 하지만 구체적인 일정은 아직 나오지 않고 있으며, “자세한 내용은 추후 공유할 예정”이라는 답변만 반복되고 있습니다. 추가 소식을 기다려야 할 상황입니다. 그럼에도 불구하고, 설계의 방향성은 명확합니다. 스마트폰에 소형 모델을 배치하는 방안은 성능을 포기하는 대신 데이터 이동을 포기하지 않도록 하는 것입니다. 클라우드의 대규모 모델에 모든 것을 맡기는 발상과는 명확히 다른 길입니다.

## AI가 AI를 훈련시키는 확률은 “2027년까지 50%를 넘어설 것” – 잭 클라크 교수가 동대학에서 예측을 앞당겼다.

앤트로픽(Anthropic) 공동 창業者 잭 클락(Jack Clark) 씨가 10월 13일, 도쿄대학 대학원 마츠오(Matsuo) 연구실과 이와자키(Iwazaki) 연구실이 주최한 강연에 참석했다. 이 소식을 보도한 것은 ITmedia AI+(10월 14일)이다.

발언의 핵심은 숫자 조작이다. 클라크 씨는 AI가 스스로 후계자를 훈련할 수 있을 정도의 강력해지는 확률을 “2027년에 50% 이상”으로 예측했다. 초반 전망은 “2027년에 30%, 2028년 말까지 60%”였다. 단 1년 남짓한 기간 만에 전망이 앞당겨지고 있다.

한편, 클락 氏はこれを「일방통행 티켓(원웨이 도어)」이라고 표현했다. 인공지능이 스스로를 개선하는 자기 수렴적 자기 개선(RSI)은 일단 시작하면 되돌아갈 수 없다는 것이다. 또한, 내년에 그것을 실행할 가능성은 “거의 0에 가깝다”고 언급하며, 실행 여부는 Anthropic과 같은 기업뿐만 아니라 정부나 사회가 결정해야 할 선택이라는 점을 강조했다. 능력의 달성은 그것을 사용하는 것과는 별개의 문제라는 점을 분명히 했다.

사내 상황에 대해서도 보고되었다. 약 1년 전, Anthropic社 내에서 AI의 주요 용도는 ‘비서’였다. 2026년이 되면서 사내 코드베이스 작업의 26%가 AI 주도적으로 진행되었으며, 인간은 “이 감시 시스템을 새로운 시계열 데이터에 맞춰 다시 작성해 줘”와 같이 높은 수준의 목표를 제시하고, 나머지는 Claude가 진행했다. 크락(Clark) 氏はこれを “RSI의 외곽 루프(outer loop)”라고 명명하고, 소규모의 자율적인 AI 개발이 이미 성립하고 있다는 증거라고 밝혔다.

위험에 대해서는, 이번 여름에 AI 시스템이 연구소 환경을 벗어나 다른 회사를 해킹할 수 있다는 우려를 제기하며, AI의 작동을 파악하는 시스템이 따라가지 못한다고 언급했다. 이에 대한 대책으로, 제3자 평가기관 METR의 평가자를 사내에 받아들인 것을 들고 있다. 자동화가 진행된 이후 인간의 역할에 대해서는, 토요타 생산 방식의 ‘안동산’을 언급했다. 인간의 역할은 시스템이 올바른지 검증하고, 필요하다면 생산 라인을 멈추는 것이다. 그리고 덧붙여 “이번 여름의 교훈은, 자동화 시스템을 관찰하는 시스템과 멈추는 시스템을 아직 만들어지지 않았다는 점이다.”

과학에 대한 전망 또한 인상적이다. 전 세계 직업 과학자는 현재 100만 명에서 2000만 명 정도이지만, “10억 명에서 200억 명의 과학자가 존재하는 세계”로 나아가고 있다. 병목 현상은 실험 장비로, 습식 실험실, 전자 현미경, 동시 발생 소광선원, 로봇 등이 부족한 것이다. 고용에 대해서는 영향이 분야별로 다르며, 고용 감소를 허용할지 여부는 “정부가 결정하는 문제”라는 것이다. 일본에서 수요가 증가하는 간병·간호는 인간적인 요소가 크기 때문에 완전히 자동화해서는 안 된다고도 언급하고 있다.

이는 무엇을 의미하는가. 확률을 억지로 줄이는 것보다 “실행할 것인지 선택할 수 있다”는 틀을 제시하는 것이 더 중요하다. 능력의 달성은 기술의 문제이지만, 실행은 정치의 문제로 이어진다. 게다가 클라크 자신이, 멈추는 메커니즘이 아직 없다고 인정하고 있다. 앤드론의 비유는 아름다울지 모르지만, 앤드론의 끈은 보이기 때문에 당길 수 있다. 보이지 않는 끈은 당길 수 없다.

## 앤트로픽 공동 창업자 “일본 기업에 대한 공격에 오픈 웨이트 모델이 사용될 가능성이 있다”

같은 클락 씨는 Anthropic Japan 설립 1주년 기념 미디어 설명회에서도 발언하고 있다. ITmedia AI+가 10월 14일에 보도했다.

클락 氏は、잇따른 일본 기업 대상 사이버 공격에 대해 해커 집단이 공개된 오픈 웨이트 모델 등을 악용하고 있을 가능성을 제기했다. 그는 “오픈 웨이트 모델이 사용될 경우도 있을 것이다”라고 언급하며, 그에 대한 확증이 없다고 밝혔다. “세부 사항은 불분명하지만, 인공지능 도구가 어느 형태로든 사용되고 있을 가능성은 있다”고 하면서 불확실성을 명확히 했다. 인공지능 스스로가 자율적으로 공격하고 있다는 가능성에 대해서는 “별다른 사례는 없다”고 설명했다.

오픈 웨이트 모델이란 학습된 파라미터(가중치)가 공개되어 누구나 다운로드하여 자신의 환경에서 실행할 수 있는 모델을 의미한다. 안전 장치는 필요에 따라 제거 가능하다. Anthropic은 이에 대한 대책으로 모델의 악용을 제한하는 “세이프가드”와 사이버 보안 프로젝트 “프로젝트 글래스윙”을 제시하며 다른 조직과의 협력을 통한 방어의 중요성을 강조했다. 또한 일본 정부 및 기업과의 협력 지속을 시사하고 있다.

일본 법인 대표 도조 에이순 씨의 지적은 더욱 실무적이다. 일본 기업의 사이버 공격 대응에 AI를 활용할 때의 과제로서 “신속성”을 거론하며 “클로드 미토스”만을 방어에 사용하는 것에 대한 오해가 있으며, 다른 모델도 활용하여 신속하게 대응해야 한다고 말했다. 자사 제품을 판매하는 측에서 이렇게 말하는 것은 드문 일이다.

이 발언은 이 회사의 연구와 함께 읽어볼 수 있습니다. 클라크 氏は 직접 이 자리에서 언급하지 않았지만, Anthropic의 Frontier Red Team은 10월 12일, 소형 모델이 저렴한 IoT 기기에서 자가 복제할 가능성을 시사하는 “징후”가 있음을 밝힌 연구를 발표했습니다. 따라서 끝에서 끝까지 자가 복제를 완료한 것은 오픈 웨이트 모델인 GLM-5.2 하나뿐이었습니다. 공격자의 도구 상자에 무엇이 들어갈 수 있을지에 대한 질문은 연구 측에서도 고려하고 있습니다.

그러나, 해당 기사에는 공격을 받은 일본 기업의 이름도, AI가 사용된 것의 근거도 언급되지 않으며, 클라크 씨 스스로 상세를 밝히지 않고 있다. 이는 ‘가능성의 지적’일 뿐, 사실 보고서가 아니다. 도조 씨의 “신속성”이라는 지적만은 누구나 오늘부터 적용할 수 있다. 즉, 공격 측이 도구를 교체하는 속도에 방어 측의 의사 결정이 따라가는가 하는 질문이다. 이는 조직의 규모를 막론하고 적용되는 문제이다.

## 디지털 할리우드 대학교가 Claude를 전 학과에 도입하여 국내 대학에서 최초로 도입

디지털 할리우드 대학교(DHU)는 10월 14일, Anthropic의 “Claude”를 전 학사 전면에 도입하겠다고 발표했다. 제공은 11월부터 시작되며, 대상은 전 학생과 전 교직원이다. 대학 발급 계정을 통해 이용할 수 있다. 국내 대학에서 “Claude”를 전 학사에 도입하는 것은 DHU가 처음이다.

보도에 따르면 사용량이나 비용에 상관없이 Claude를 이용할 수 있게 된다고 한다. 하지만 공식 플랜 이름, 학생 수, 비용, 계약 규모 등 관련 수치 정보는 기사에 나타나 있지 않으며, 이는 확인되지 않았다.

위치(役割)는 단발성 도입이 아니다. 9월부터 운영 중인 ‘전 학과 AI 기반’(여러 생성 AI를 공통으로 사용할 수 있는 시스템)과, 수업 시간에 따라 AI 튜터링 어시스턴트가 붙는 ‘캠퍼스 포털’에 클로드(Claude)가 추가되는 형태다. 예상되는 활용 예시로는 학부에서는 영상 및 게임 제작의 아이디어 구상, 대학원에서는 조사 및 분석, 논문 작성 지원, 사무에서는 업무 효율화가 거론되고 있다.

주목해야 할 점은 제도적인 부분이다. 대학 측은 AI 활용을 전제로 과제를 설계하고 성과를 평가하는 방향으로 교육을 재검토할 계획이다. 결과물에 대한 AI 활용 보고서와 저작물 및 개인정보 처리와 관련된 학내 규정을 정비할 예정이다. 단순히 계정을 만들어 끝내지 않을 것이라는 점이 명확히 밝혀졌다.

왜 이런 일이 일어나는 걸까. 대학의 생성 AI 대응은 지난 2년 동안 “금지 여부 혹은 관제”라는 두 가지 선택지 사이에서 갈등해 왔다. 금지는 실행할 수 없었고, 관제는 평가 기준을 망가뜨린다. 제3의 길은 사용을 전제로 과제와 평가를 재구성하는 것이지만, 이는 교수의 부담과 제도 정비를 수반한다. DHU가 “규정을 정비할 것”이라고 명시한 것은 그 부담을 감수하겠다는 선언에 가깝다.

이는 무엇을 의미하는가. 단기적으로는 다른 대학과의 비교가 가능하다. 전 학과 도입의 타당성 문제라기보다는 “규정 및 평가 설계가 어디까지 이루어졌는가”를 비교할 수 있게 된다. 중기적으로는 졸업생의 전제가 바뀐다. 수업 설계 단계부터 AI를 반영한 환경에서 4년 동안을 보낸 학생이 2030년 후반에 사회에 진출하게 된다. 그 세대에게 있어서 AI를 사용하는 것은 당연하게 여겨야 할 예외가 아니라, 기본적으로 갖춰져야 할 환경이 된다. 채용하는 측의 전제 또한, 그 결과로 업데이트를 요구받게 된다.

## 법원에서 OpenAI에 면접 기록 공개 명령을 내리고 – 애플의 기업 비밀 침해 소송에서 채용 현장이 증거가 될 수 있다는 판단 하에.

TechCrunch의 사라 페레스 기자가 10월 13일에 보도한 바에 따르면, 연방 판사 에드워드 다비라가 애플이 OpenAI에 제기한 기업 비밀 침해 소송에서 애플의 신속한 증거 확보(expedited discovery) 청구의 일부를 승인했다. 애플의 소송은 2026년 7월이다.

지시된 내용은 세 가지입니다. 첫째, 소비자용 하드웨어 부문과 로보틱스 부문에 지원한 전 Apple 직원들에 대한 OpenAI 면접 자료입니다. 면접 체크리스트, 가이드, 매뉴얼, 대본, 기술 프레젠테이션 자료, 면접에서 Apple의 기술이나 부품에 언급된 기록 등이 대상입니다. 둘째, 사건 관련자 간의 LINE 메시지입니다. OpenAI 직원인 창 리우 씨와 알리사 팽 씨가 포함됩니다. 셋째, 리우 씨, 팽 씨, 그리고 OpenAI 최고 하드웨어 오피서인 탕웨이탄 씨의 세 사람에 대한 증언록 취득입니다. 모두 전 Apple 직원입니다. 기한은 이미 수집된 자료가 5일 이내, 기타 관련 자료가 14일 이내입니다.

인정받지 못했던 것들도 있었습니다. OpenAI의 특정 분야 연구 개발, 즉 금속 마감이나 전원 관리 등에 대한 신속한 접근, 하드웨어 연구 전반, 그리고 OpenAI에서 제작한 것에 대한 광범위한 공개 청구는 거부당했습니다. 하지만 이것은 최종 결정이 아니며, 심사는 Apple이 범위를 좁혀 재신청할 여지를 남겨두고 있습니다.

애플은 다음과 같이 주장한다. 애플 노트북을 사용하여 기밀 자료를 다운로드한 것으로 민원을 제기한 바 있으며, 이를 통한 정보 유출에는 ‘패턴’이 존재한다고 한다. 아직 공개되지 않은 기술, 기능, 제품에 관한 파일—기술 사양, 엔지니어링 발표 자료, 자체 프로젝트 데이터—가 존재한다. 또한 OpenAI 내의 전 Apple 직원(이후 ‘그’라 칭함)이 애플에서의 이직 희망자에게 면접에서 가져가야 할 것을 조언하는 것으로 알려졌다. 이 글에는 OpenAI 측의 반론은 언급되어 있지 않다.

왜 이 소송이 일어났는가. 배경은 단순하다. OpenAI가 iPhone과 경쟁할 수 있는 소비자용 하드웨어를 개발하고 있다는 의혹이 제기되고 있다. 인재가 움직이면 지식이 움직인다. 실리콘밸리 인재의 유동성은 기업비밀법과 항상 긴장 관계에 놓여 있다. 하지만 이번에 특징적인 점은, 쟁점이 ‘가져간 파일’뿐만 아니라 ‘면접이라는 장’에까지 미치고 있다는 것이다. 면접 가이드나 대본이 공개 대상이 된다는 것은, 채용 프로세스 자체가 정보 수집의 수단이었을 것이라는 의문이 제기되고 있다는 의미다.

이는 무엇을 의미하는가. 단기적으로는 AI 하드웨어 경쟁에 연관된 기업들의 채용 절차가 달라질 것이다. 면접 기록 남기는 방식, 기술적인 질문 설계, 전 직장인에게 질문을 긋는 선 등이 법률 검토 대상이 될 것이다. 중기적으로는 “사람이 이직할 때 무엇이 함께 이직하는가”의 선을 긋는 것이 판례로서 쌓여갈 것이다. AI 분야는 인재의 집중도가 높다. 같은 수십 명이 회사를 옮겨가면서 업계를 만들어가고 있다. 그 구조에 법이 닿기 시작했다.

## 아멕스가 “Intent Intelligence Framework”를 발표하며, 에이전트의 쇼핑에 ‘의도 토큰’을 적용합니다.

아메리칸 익스프레스는 10월 13일, AI 에이전트가 거래를 완료하기 전에 고객의 구매 의도를 획득하고 인증하는 시스템 “Intent Intelligence Framework”를 발표했다. 4월에 공개한 개발자용 툴킷 “ACE(Agentic Commerce Experiences)”에 추가되는 서비스 군이다. Amex는 이것이 업계 표준이 될 것이라고 기대하고 있다.

시스템은 5단계로 구성된다. 먼저 Create Intent API가 고객의 구매 지시와 제약 조건—판매자 명, 최대 예산, 상품 선호도 등—을 획득한다. 다음으로 고객이 본인 확인을 진행하고, 에이전트가 획득한 의도에 동의한다. 그러면 의도를 유일하게 나타내는 “Intent ID”와 높은 수준의 제약 조건을 포함하는 “Proof of Intent Token”이 생성된다. 에이전트는 이 토큰을 사용하여 안전한 디지털 결제 자격 정보를 획득하고, 체크아웃 시에는 실제 신용카드 번호 대신 이를 사용한다. 마지막으로 Intent ID와 토큰은 부정 방지 및 분쟁 해결과 같은 후속 과정에서도 활용되며, 어떤 에이전트가 언제, 어떤 권한을 부여받았는지에 대한 로그도 기록된다.

TechCrunch 기사에 언급된 사례가 명확합니다. 흰색 나이키 운동화(사이즈 9)를 주문했는데, 에이전트가 아디다스 신발을 주문한 경우입니다. Amex에 따르면, 거래 초반 단계에서 의도를 확인하는 점이 다른 회사들의 구현과 다르며, 그로 인해 위험이 발생하기 전에 해결할 수 있다는 것입니다.

왜 지금 이게 나오게 된 걸까요. 에이전트에게 쇼핑을 시키도록 한다는 이야기는 1년 전부터 흘러왔지만, 실제 구현의 초점은 “결제 통과”에 있었습니다. 그런데 실무적으로 막히는 건 결제 자체가 아닙니다. 주문이 잘못되었을 때, 누구의 책임이고 어떻게 되돌릴 수 있는가 하는 문제죠. 카드 회사 입장에서는 이것은 충전 반품(Chargeback, 결제 취소 청구) 문제이며, 그들의 본업 그 자체입니다. 의도를 거래 전에 서명된 토큰으로 해놓으면, 나중에 “주문한 것과 다르다”고 이의를 제기했을 때 비교할 수 있습니다. 기술적인 이야기지만, 사실은 분쟁 처리 문제인 셈입니다.

이는 무엇을 의미하는가. 단기적으로는 에이전트형 구매를 시도하는 사업자에게 감사 가능한 로그가 전제 조건으로 마련되는 것을 의미한다. 중기적으로는 표준화 경쟁이 시작될 것이다. 미국 익스프레스(Amex)는 결제 생태계 전체의 파트너와 ACE 도입에 대해 논의 중이지만, 기사 발표 시점에서는 “표준화될 것을 기대하고 있다”는 단계에 머물러 있다. TechCrunch 기사에서는 프로토콜이나 데이터 형식과 같은 구체적인 기술 사양에는 언급되지 않았으며, Amex는 현재 에이전트형 상거래에 기인하는 분쟁 증가를 확인하지 않았다고 보고 있다. 문제가 발생하기 전에 틀을 마련해 놓은 현재 상황이다.

## Anthropic가 소스 관리를 Git에서 자사 개발 시스템 “Scion”으로 전환했습니다. 하루 3만 건의 머지 작업이 Scion 시스템을 붕괴시켰다고 합니다.

앤서니(Anthropic)는 10월 13일, 사내 버전 관리 시스템을 개선한 경위를 기술 블로그에서 공개했다. Hacker News에서도 600 포인트 초과를 기록했다.

무슨 일이 일어났는지. 2026년 5월에는 하루 평균 약 2500건이던 머지(병합)가 9월에는 하루 3만 건을 넘어섰다. 소스 관리가 개발의 최대 병목 지점이 되었다. 모노레포(모든 코드를 하나의 저장소에서 관리하는 방식)의 main 히스토리는 약 100GB였고, 압축된 워킹 복사본은 25GB를 초과했다. CI(지속적 통합)를 위한 체크아웃은 하루 약 2500만 회에 달했다. 수백 대의 미러를 운영했으나, 머지 빈도 증가에 따라 관리가 어려워졌다.

근본적인 원인은 설계 철학의 차이에서 비롯되었습니다. Git은 각 클라이언트가 완전한 리포지토리를 가지는 분산 및 오프라인 환경을 전제로 설계되었습니다. 하지만 에이전트나 작업은 항상 온라인 상태입니다. 모든 사람이 전체 히스토리를 손에 가질 필요가 없습니다. 이에 Anthropic은 “Scion”이라는 자체 버전 관리 시스템을 만들고, 모노레포를 약 5개월 만에 Git에서 전환했습니다. 코드 리뷰 기반인 “Antique”, 코드 검색, 소스 관리의 IAM(Identity and Access Management)도 동시에 구축했습니다. 개발팀은 7명으로 구성되었습니다.

설계 원칙은 명확하다. 클라이언트는 항상 온라인 상태를 유지하며, 필요한 데이터를 그때마다 획득한다. 히스토리, 블레이ம், 커밋 생성, 병합과 같은 계산은 서버가 담당하고, 클라이언트는 로컬 캐시와 작업 디렉토리만 관리한다. 소스 관리를 API로 공개하여 많은 작업이 로컬 리포지토리를 갖지 않고도 해결될 수 있도록 했다. 기본 단위는 “체인지셋” – 쓰기 로그 항목으로, 변경된 파일과 압축된 내용에 대한 포인터를 가진다. 캐시는 scion-daemon(노드 단위), scion-cache(리전 단위), scion-server, Spanner/클라우드 스토리지 계층으로 구성되며, 각 계층의 히트율은 99%를 넘는다.

숫자가 효율적이다. 인프라의 CPU와 메모리는 기존 Git 미러 기반의 약 200분의 1 수준이다. 체크아웃은 수분에서 수초로 줄어들었고, 약 2桁만큼 빨라졌다. CI에서는 25%의 CPU 용량이 해제되었다. Claude Mythos Preview가 섭취 파이프라인을 재작성한 결과, 메모리 사용량은 약 20분의 1 수준으로 줄어들었고, 속도는 약 4배 증가했다.

클루드와의 관계가 이 기사의 핵심이다. 앤트로픽은 클루드의 코드 생성 능력이 문제를 일으켰지만, 이를 활용하여 짧은 기간 안에 고품질의 시스템을 만들 수 있었다고 보고하고 있다. 클루드는 방대한 테스트, 시뮬레이션, 퍼징(랜덤한 입력을 대량으로 제공하여 결함을 탐색하는 방법)을 생성했다. 전문가들이 수일에서 수주 안에 걸리는 최적화 작업을 수행했으며, 엔지니어의 역할은 코드를 한 줄씩 읽는 것에서 변경의 의도를 확인하고 클루드에게 “no”라고 말하는 것으로 이동했다. 실제로 클루드가 과도한 검증을 추가한 사례가 언급되고 있다.

이는 무엇을 의미하는가. AI가 코드를 작성하는 양이 증가하면, 병목 현상은 코드 작성 단계에서 벗어나 외부로 이동한다. Anthropic의 경우, 이는 소스 관리를 의미했다. 다른 조직의 경우에는 리뷰, 테스트 환경, 배포, 혹은 의사 결정 자체 등이 병목 현상이 될 것이다. 중요한 점은 Anthropic 스스로가 Scion을 Git의 대체물로 추천하지 않았다는 것이다. 대규모 모노레포와 에이전트가 대량의 코드를 작성하는 환경에 적합한 접근 방식이라고 정의하며, Git 서버 측을 RPC로 확장하는 등 기존 생태계에 통합될 수 있는 부분을 공유하는 것을 목표로 하고 있다. 자신의 조직의 병목 현상이 어디에 있는지 스스로 측정해야만 한다.

## AI 기업이 파산한 스타트업의 데이터를 사기 시작했다 – “법적으로 방사능에 오염된”

MIT 테크놀러지 리뷰는 10월 13일, 파산 또는 해체하는 스타트업이 보유했던 코드와 업무 데이터를 AI 기업이 구매하는 시장이 성장하고 있다고 보도했다.

구체적인 거래가 언급되고 있다. 구글은 스프릿 에어라인의 파산 절차에서 데이터를 확보했으며, 메코르를 능가하는 가격을 제시했다. 금액은 1천만 달러이며, 내용은 약 1억 통의 이메일, 5억 건의 팀즈 메시지, 17만 6천 건의 직원 기록이다. 서지 AI는 에이전트 훈련용 강화 학습 “짐”을 만들기 위해 아카이브를 구매하고 있다. 스페이스X의 AI 부문 또한 경영난을 겪는 스타트업으로부터 데이터 구매를 검토 중이라고 블룸버그가 9월에 보도했다.

판매 측에서도 드러나기 시작했다. 키란 미스켈 이사(Keelan Miskell)의 암호 자산 스타트업은 코드베이스를 약 2만 5천 달러에 매각했다. 업무 데이터의 판매는 아직 성립되지 않았으며, 약 1만 5천 달러가 될 것으로 예상된다. 중개는 SimpleClosure의 “Asset Hub” 플랫폼을 통해 이루어졌으며, 4월부터 데이터 매매를 추가했다. 이 회사는 지금까지 150건 이상의 거래를 처리했으며, 2026년 말까지 스타트업에 1천만 달러를 넘는 금액을 돌려줄 것으로 예상되며, 거래의 47%가 코드 또는 데이터의 매매를 포함하고 있다. 샌셋社(CEO는 브랜던 매호니(Brendan Mahony)氏)도 데이터 재판매 사업을 급격하게 확대하고 있다. 스타트업의 파업은 최근 몇 년간 연율 26%에서 56% 증가하고 있다는(Carta와 AngelList의 추정).

판매되고 있는 것들의 내용이 문제다. 단순히 코드베이스만이 아닌, 이메일, 채팅, 문서, 그리고 Google Workspace, Notion, Figma, Slack과 같은 툴의 내용—즉, “업무 기록의 본질”이 대상이다.

법률 전문가들의 시각은 날카롭다. 인공지능 스타트업에 자문하는 변호사 그렉 에윙은 이러한 데이터를 “법적으로 방사능을 품고 있다”고 평가했다. 판매자 입장에서는 개인을 식별할 수 있는 정보를 제거하고, 인사 기록은 제외해야 한다는 것이다. 그럼에도 불구하고 에윙은 이메일, 캘린더, 병원 진료 예약, 학교 등원 및 하원, 데이트 일정 등 개인적인 정보가 숨어 있을 수 있다고 지적한다. 스피릿의 객실 승무원 노동조합은 프라이버시를 이유로 매각에 반대했다. 에모리 대학의 이페오마 아준와는 매각 대금이 채권자와 투자자에게 흘러가 기록을 남긴 직원에게 돌아가지 않는 구조를 “캡처된 자본”이라고 부르며, 고용주는 직원의 데이터를 판매하기 전에 명시적인 동의를 받아야 한다고 주장한다. 미국에는 이러한 매각을 금지하는 연방 법은 없다.

이는 무엇을 의미하는가. 인공지능 학습 데이터는 웹상의 공개 정보에서 “실제 업무 기록”으로 전환되고 있다. MIT 기술 리뷰는 공개 데이터와 합성 데이터의 한계에 부딪혀 이러한 수요가 발생했다고 지적하고 있다. 실제 업무 아카이브는 합성 데이터에ありがちな 부자연스러움을 피할 수 있다. 따라서 파산 기업의 Slack이 가치를 지닌다. 단기적으로 주의해야 할 것은 자신이 사용하고 있는 SaaS의 내용이 제공 업체의 폐업 시 어떻게 처리될지가 있다는 점이다. 이용 약관의 자산 양도 조항은 지금까지 아무도 읽지 않았던 부분이다. 중기적으로는 법률 또는 소송 중 하나가 이 시장에 개입할 것이다. 직원 데이터가 동의 없이 판매되는 구조는 오래 지속되지 않을 것이다.

## Google Play가 “자신만을 위한 앱” 출시를 허용했으며, 같은 날 바이브 코딩의 청구서도 도착했습니다.

구글은 10월 13일, 구글 AI 스튜디오로 만든 안드로이드 앱을 공개하지 않고 자신의 터미널에서 실행할 수 있도록 한다고 발표했다. 일반적인 구글 계정으로 사용 가능하며, 플레이의 검색이나 목록에는 나타나지 않는다. 앱을 만든 본인만 사용할 수 있다. 기존의 구글 플레이 정책을 준수해야 한다. 제공 시작 시점에서는 미국 18세 이상으로 제한되며, “향후 수개월 안에” 신뢰할 수 있는 친구나 가족의 소수에게 공유할 수 있도록 한다는 것이다. 인기 있는 앱은 Trust & Safety(신뢰와 안전)의 심사를 거쳐 공개 스토어에 이관될 수 있다.

동시에 발표된 기능도 함께 소개한다. 12억 명 규모의 게임 커뮤니티 데이터를 활용한 추천 기능 ‘Game Finder’ (최초에는 미국 영어판), 자작 게임 목록과 커뮤니티 게시물, 48시간 게임 챌린지 ‘Sprints’, 유사 앱을 비교하여 차이점을 보여주는 ‘Ask Play’, Gemini의 대화에 Play 앱 및 게임 통합, 그리고 보호자가 자녀의 정확한 생년월일이 아닌 연령층만 개발자와 공유할 수 있는 시스템이다.

왜 이것이 해금되는 걸까. “바이브 코딩”—자연어로 지시하여 AI에 코드를 작성하게 하는 방법—가 확산되면서, 공개 의도가 없는 앱이 대량으로 생겨나고 있다. 개인의 가계부, 재고 관리, 연습 기록 등을 말이다. 지금까지 안드로이드에서 이를 실행하려면 개발자 등록과 배포 절차가 필요했는데, 그 절차가 개인 용도에는 지나치게 복잡했다.

하지만 같은 날, 반대쪽 송장도 도착한다. TechCrunch에서 보도한 보안 기업 Pluto Security의 투자 – 시드 단계에서 850만 달러(TLV 파트너스가 리드), 시리즈 A 단계에서 3400만 달러(Jump 캡퍼스가 리드), 총 4200만 달러 – 기사에 중요한 숫자가 있다. 해당 회사가 감지하는 위험의 약 60%는 개발자가 아닌 직원들이 Vibecode를 사용하여 만든 도구에서 비롯된다. 발생 원으로는 가장 많은 것이 재무 부문이며, 그 다음은 마케팅, 법무이고, 4번째는 개발자다. CEO 샤하르 바HAT(Shahar Bahat)에 따르면, 새로운 AI 도구는 출시 후 2시간 이내에 기업 환경에 나타나며, Fortune 500 기업의 재무 담당자가 만든 고객 정보와 해지 상황을 다루는 앱이 인터넷에 노출된 채로 남아있었던 사례도 언급된다. 해당 회사는 4월에 판매를 시작하여 연간 영업이익 200만 달러를 초과하고 30개 이상의 기업 고객을 보유하고 있다. 바HAT(Bahat)의 말은 다음과 같다. “개념 증명 단계에 들어가 악의적인 것을 찾지 못한 적은 한 번도 없다.”

이는 무엇을 의미하는가. 창조 가능한 사람의 범위가 넓어졌다는 것과, 안전하게 창조 가능한 사람의 범위가 넓어졌다는 것은 같은 것이 아니다. 구글이 개인 앱을 “공개하지 않는” 형태로 해금한 것은 이 차이에 대한 대응이기도 하다. 공개하지 않으면 심사의 필요도, 타인에게 미치는 피해도 작다. 하지만 “공개하지 않은” 것이고 “유출되지 않은” 것은 다르다. 플루토의 숫자가 보여주는 것은 문제의 대부분이 공개 스토어와는 달리, 내부적으로 조용히 움직이는 자작 툴에서 비롯되고 있다는 것이다. 자신만을 위한 앱의 시대는 자신만을 위한 운영 책임의 시대이기도 하다.

## 오늘부터 바로 활용 가능한 실무 콘텐츠

### 좌석을 비우기 전에 압축을 해야 한다. 정상 근무 요원의 캐시 부족으로 인해 재개 시마다 중앙값 토큰 수가 328만 토큰이 부족했다.

무엇이 가능한가. 장시간 움직이지 않은 Claude Code 에이전트를 1시간 이상 방치한 후, 처음 한마디로 사라지는 엄청난 토큰을 거의 90% 줄일 수 있다. Zenn 기사(zenn.dev/i_ichi/articles/claude-code-mods-idle-compact)의 측정 결과, 도입 전 35회 중 중앙값이 32만 8010 토큰이었던 것이 도입 후 9회로 4만 1074 토큰으로 줄어든 것이다. 감소율은 87%이며, 중앙값의 차이를 도입 전 중앙값으로 나눈 값이다.

구체적인 절차입니다. 우선 원인을 파악합니다. 정액 플랜의 경우, 메인 대화 프롬프트 캐시의 TTL(유효 기간)은 1시간이며, API 키나 유료 사용량에서는 5분입니다. 캐시에 해당하는 횟수마다 타이머가 재설정됩니다. 기사 측정에서는 55~60분 빈 시간의 경우 99.8%가 캐시에서 읽은 반면, 65분 이상이면 7.5%까지 감소했습니다. 약 7.4만 토큰의 시험 대화에서는 55분 빈 시간 동안 캐시에서 7만 1892 토큰을 읽은 반면, 65분이면 1만 3701 토큰으로 줄어들고 6만 230 토큰을 다시 처리합니다. 해결책은 간단합니다. 캐시가 소진되기 전에 `/compact` 명령을 실행하면 됩니다. 기사는 이를 Claude Code Mods로 자동화하고 있으며, `turn.complete`(턴 종료)와 `session.start`(세션 시작)로 55분 후 타이머를 설정하고, `prompt.submit`(프롬프트 제출)으로 해제합니다. `/compact` 명령에 사용되는 지시문에는 “작업의 현재 위치, 미완료된 작업, 답변 대기 중인 상황, 최근 결정 사항과 그 이유를 남겨두세요.”라는 문구가 포함됩니다. Mods를 사용하지 않고 자리를 떠나기 전에 수동으로 `/compact` 명령을 실행해도 동일한 효과를 얻을 수 있습니다. 자신의 환경에서 확인하려면 `/usage`의 Prompt cache (main) 행을 확인하거나, 세션 로그(JSONL)의 `cache_read_input_tokens`와 `cache_creation_input_tokens`를 응답 간격과 함께 확인합니다.

누구에게 효과적일까요. 에이전트를 배치하고 있거나, 작업을 중단하여 회의에 참석하는 방식으로 일하는 사람에게 효과적입니다. 반대로, 짧은 세션을 종종 만들고 종료하는 방식이라면 관련이 없습니다. 압축에는 비용이 따릅니다. 기사의 품질 검증 결과, 표준 압축으로는 10문제 중 평균 2.0문, 지시가 포함된 방식으로는 3.3문, 오래된 툴 출력을만 대체하는 방식으로는 8.0문이었습니다(대화 1건, 10문, 각 3회만 시험). 작게 만들수록 답할 수 있는 질문이 줄어듭니다. 저자 스스로는 도입 후 측정에는 기사의 코드에 포함되지 않은 별도의 단계가 섞여 있다는 점, 1시간 초과하는 빈 9회 중 압축이 발동한 건 6회였다고 명시하고 있습니다.

### .env 파일을 읽지 않도록 설정하는 것은 모든 경우에 효과가 있는 것은 아니다. 15회에 걸친 실제 측정 결과에서 그 차이가 드러났다.

무엇을 할 수 있게 될 것인가. AI 코딩 에이전트에 API 키를 읽게 하지 않도록 설정이 실제로 효과가 있는지 자신의 환경에서 확인해 볼 수 있게 된다. Zenn 기사(zenn.dev/bpr_prot/articles/c3c58f88e594ef)의 2026년 10월 13일에 macOS 상에서 진행한 실제 측정 결과, 설정의 종류에 따라 결과가 명확하게 갈리는 것을 보여준다.

구체적인 절차입니다. 이 글은 가짜 값을 담은 .env 파일을 가진 연습용 앱으로, 3가지 작업(DB 연결 오류 수정, README에 환경 변수 절차 기재, 배포 준비)을 5 조건으로 각각 1회씩 진행하여 총 15회 시도했습니다. 결과는 다음과 같습니다. 설정 없이 Claude Code는 각 값의 앞 11자리를 표시했고, 짧은 SESSION_SECRET은 거의 전체가 보였습니다. permissions.deny를 추가하면 값은 보이지 않고 변수 이름만 남았지만, 앱은 실행되었습니다. permissions.deny + sandbox에서는 값은 보이지 않았지만 앱이 실행되지 않았습니다. 설정 없이 Codex는 값을 가리고 변수 이름만 표시했으며, “/*.env”를 deny하는 프로필을 넣은 Codex는 읽기가 OS 레벨에서 모두 멈췄습니다. 중요한 지견은 Claude Code의 deny가 “Read 툴을 통해”와 “스크립트 경로를 통해”를 구별한다는 것입니다. 단독으로 cat .env는 멈췄지만, Node.js나 Python의 스크립트 경로를 통해, 혹은 여러 명령어를 묶어 놓은 형태로는 읽을 수 있었습니다. 이 글에 따르면 이는 공식 문서에도 기재된 동작으로, Read의 deny는 스크립트가 여는 파일에는 효과가 없습니다. 설정은 .claude/settings.json의 permissions.deny에 Read의 **/.env와 **/.env.*를 지정하고 sandbox를 활성화하여 filesystem.denyRead에 ./.env를 넣는 형태입니다. 단, **/.env.*는 .env.example에도 해당될 수 있으므로, 읽혀야 하는 파일은 개별 지정이 필요합니다. 확인 방법은 세션 내에서 cat .env 파일을 실행해 달라고 요청하고, AI가 자발적으로 거부하고 있거나 설정이 거부되고 있거나 (denied 또는 EPERM 메시지가 나타나는지) 확인하는 것입니다.

누구에게 효과가 있을까요? AI 에이전트에게 무인으로 작업을 맡기고 있는 사람, Bash를 널리 허용하는 사람에게 효과가 있습니다. 반대로, 매번 확인을 요구하는 일반적인 설정으로 사용하고 있다면, 실행 전에 확인이 뜨므로 위험은 줄어듭니다. 참고로 15회 모두에서 README나 설정 파일에 잘못된 값이 기록된 경우는 없었습니다. .env 자체의 커밋도 확인되지 않았지만, 3회 분량은 커밋 자체가 실패하여 동작은 확인되지 않았다고 저자가 주장하고 있습니다. 각 조건 1회씩의 소규모 실험이라는 점도 명시되어 있습니다.

### allow, ask, deny는 “deny → ask → allow” 순으로 평가된다. — “:*”는 전방 일치로 간주하면 보안 취약점이 발생한다.

무엇을 할 수 있게 될 것인가. Claude Code의 settings.json에서, 내가 직접 쓴 npm 스크립트는 확인 없이 실행하고, git push는 매번 확인을 받게 하고, force push는 완전히 차단하는 세 단계를 제대로 구성할 수 있다. Zenn에 게시된 글(zenn.dev/aicoding_guide/articles/acg-claude-code-permissions-examples)에서 정리해 놓은 내용을 참고한다.

구체적인 절차입니다. allow에는 Bash(npm run:*)처럼 npm 스크립트를 묶어 허용합니다. npm install은 앞글자가 다르므로 이 패턴에는 포함되지 않습니다. pnpm이나 npx를 널리 허용하려면 해당 install 명령어를 ask로 전달하는 것이 좋습니다. ask에는 Bash(git push:*)입니다. deny에는 force push의 각 표기——--force, -f, --force-with-lease, 그리고 옵션의 순서 차이——를 개별적으로 나열합니다. 함정이 몇 가지 있습니다. 첫째, :*는 전방 일치이므로 넓은 패턴을 쓰면 의도하지 않은 명령어(install 등)까지 픽합니다. 둘째, ask는 allow보다 우선되므로 push를 ask에 놓으면 “향후에도 허용”을 선택해도 확인이 계속 나옵니다. 평가 순은 deny, ask, allow로, 먼저 일치한 것이 결정됩니다. 셋째, deny는 나열한 변형만 따릅니다. 이 글은 deny를 “안전망”으로 간주하고, 원격 측 브랜치 보호도 함께 유효하도록 권장합니다.

누구에게 효과적일까요? 팀에서 Claude Code를 사용하고 있으며, 오작동 범위를 좁혀야 하는 사람에게 적합합니다. deny는 어떤 모드에서도 적용되지 않으며, 개인 설정으로도 덮어쓰기 불가능하므로, 조직의 최소선을 설정하는 데 용이합니다. 반대로, 혼자서 작은 리포지토리를만 다루고 있다면, 이 정도 설정은 과잉일 수 있습니다. 기사 본문에 설정 예시의 전체 내용이 있으며, 더 자세한 절차는 저자의 웹사이트에 정리되어 있습니다.

### Excel 수작업 집계를 스크립트로 대체하는 3단계 — “예외 상황”을 기록하지 않으면 파일이 조용히 삭제됨

무엇을 할 수 있게 될 것인가. 매달 수동으로 하는 Excel 집계를 Claude Code에 작성하게 한 스크립트로 대체하고, 담당자가 더블 클릭으로 돌릴 수 있는 형태로까지 발전시킬 수 있다. Zenn에 게시된 글(zenn.dev/chukidx_dev/articles/claudecode-excel-3steps)의 절차이다.

구체적인 절차입니다. 1단계는 대상 선택입니다. 매월 또는 매주 반복하며, 입력 형태(시트 이름과 열 이름)가 안정적이고, 과거 수작업 결과와 비교하여 검산할 수 있는 – 이 3가지 조건을 만족하는 작업을 하나 선택합니다. 2단계는 프롬프트이며, 이 기사는 4개의 절로 나누어져 있습니다. “입력”에서는 시트 이름과 열 이름(날짜, 부서, 품목, 수량, 단가)을 지정하고, 열의 순서가 바뀔 수 있으므로 제목으로 묶어 비교하는 것을 명시하며, “~$”로 시작하는 임시 파일을 무시하는 것을 명시합니다. “출력”에서는 출력 파일 이름과 만들 시트(부서별, 품목별), 금액은 수량 × 단가로 세 자리 쉼표로 표시하는 것을 명시합니다. “예외 상황”에서는 시트나 열이 누락된 파일, 수량 또는 단가가 숫자가 아닌 파일은 건너뛰고, 건너뛴 파일과 이유를 마지막에 표시하여 종료 코드를 0이 아닌 값으로 설정합니다. “제약 조건”에서는 Python 3.10 이상, openpyxl만 사용하고, 입력 폴더와 출력 경로는 명령줄 인수로 지정합니다. 이 기사는 “예외 상황” 절을 가장 강조하고 있습니다. 이 절을 작성하지 않으면 열이 누락된 파일을 무심코 건너뛰는 코드가 나타날 것입니다. 운영은 1~2개월 동안 수작업과 병행하고, 합이 일치할 때까지 수작업을 중단합니다. 3단계는 전달입니다. 스크립트와 같은 폴더에 “집계.bat”를 놓습니다. 내용은 스크립트 폴더로 이동하여 `py aggregate.py`를 실행하고 `pause`로 멈춥니다. `py`는 python.org의 설치자리에 포함된 런처입니다. 또한, 매월의 절차, “건너뛰기”가 발생했을 때의 대응, 열이나 품목이 늘어났을 때의 수정 방법(Claude Code로 폴더를 엽니다)을 쓴 README를 첨부합니다. README는 Claude Code에 쉬운 일본어로 초안을 작성하도록 합니다.

누구에게 효과적일까요? 매월 정해진 집계를 Excel로 직접 수작업으로 하는 분, 그리고 그 작업을 다른 사람에게 위임하고 싶어 하는 분에게 적합합니다. 반대로, 입력 형태가 매번 바뀌는 작업이나 판단을 수반하는 집계에는 부적합합니다.

### 정중함(敬語) 이메일 수정본은 “수정본 전체 → 변경 사항 표” 순서로 제공되며, 그 이유를 함께 전달하는 이유는 다음부터 스스로 수정할 수 있도록 하기 위함이다.

무엇을 할 수 있게 될까요. 거래선에게 보낸 이메일을 수정본뿐만 아니라 “어떤 부분을 왜 수정했는지”의 표와 함께 요청받아 수정 사항을 반영한 문장뿐만 아니라 자신의 습관이 드러나는 형태로 되돌아보게 됩니다. Zenn에 게시된 ‘Claude Code Keigo Mail Review’ 기사(zenn.dev/aishigoto/articles/claude-code-keigo-mail-review)에서 소개하는 지시문 형태와 같습니다.

구체적인 절차입니다. 기사가 인용하는 지시문은 다음과 같습니다. 상대방이 불명확한 경우 “불명확한 점은 질문으로 멈추지 않고 ‘사내·관계 얕은 경우·이메일’을 기본으로 작성하며, 서두에 전제를 1행 제시합니다.” 출처 순서는 “수정 요청 시에는 수정본 전체 → 변경 사항 표(원문 / 수정 내용 / 이유) 순으로 제출합니다.” 추측 부분에 대해서는 “추측하여 보충한 부분은 【 】로 묶고, 전송 전에 확인하도록 요청합니다.” 또한 기사에 따르면 “일시·금액·기한은 반드시 구체적으로,” “제목은 내용 + 기한”이라고 명시되어 있습니다. 출력 형식은 전제 1행, 수정본 전체(제목 포함), 변경 사항 표, 필요에 따라 “더욱 정중한 제안”의 4단으로 구성됩니다. 또한 이중 존경어 사용에 대해서도 구체적으로 명시되어 있습니다. “오셔서 말씀하시는”은 “오셔서 말씀하시는”으로 변경하며, “바보”와 같은 부적절한 표현은 삭제합니다.

누구에게 효과적일까요. 거래처와의 이메일을 혼자서 작성하고 있는 개인 사업주, 그리고 존경어에 자신감이 없어 보내는 사람에게 효과적입니다. “질문으로 멈추지 않고 기본 설정으로 만들어라”는 지시가 들어가 있어서 왕복이 한 번으로 끝납니다. 반대로, 회사 내의 편안한 대화에는 지나치게 많습니다. 참고로 기사 제목에는 “バイト敬語(바이또 kehryou)”라고 되어 있지만, 본문에 정의나 구체적인 지시문은 제시되어 있지 않습니다. 확인할 수 있는 것은 중복된 존경어, “시켜 드립니다”, “알겠습니다”, “~의 방향”과 같은 일반적인 수정 예시까지입니다.

## 오늘의 뉴스는 개인 사업자에게 무엇을 의미하는가

첫째, 프론티어 모델의 전환 비용이 이번 달만 의도적으로 낮아지고 있습니다. Gemini 4 Argon의 도입 가격은 입력 100만 토큰 2달러, 출력 10달러이며, 11월 30일을 넘어서면 입력 4달러, 출력 20달러로 두 배가 됩니다. 캐시된 입력을 95% 줄이는 효과도 적용됩니다. 월간 플랜이라면 Google AI Pro의 2900원에서 Gemini 앱과 검색의 AI 모드에서 사용할 수 있습니다. 즉, 지금은 ‘시도해 보기에 저렴한 달’입니다. 여기서 무엇을 시도해 보겠습니까. 성능표 순위를 훑어봐도 소용없습니다. 자신의 업무에서 가장 많은 시간을 먹고 있는 처리 – 견적 작성, 회의록 정리, 문의에 대한 초반 답변 – 를 같은 입력으로 여러 모델에 통과시키고, 수정 횟수를 세는 것이 빠릅니다. Google이 내부 지표로 ‘코드 제출이 35% 이상 증가, 롤백이 3분의 1 가까이 감소’를 언급한 것은 시사하는 바가 큽니다. 측정해야 할 것은 출력의 좋고 나쁨이 아니라, 수정 횟수입니다. 11월 30일까지 자신의 숫자를 확보하면, 12월 이후의 인상에 적응하거나 전환할지, 직관이 아닌 근거로 결정할 수 있습니다.

둘째로, “자체 제작 툴”의 안전 관리가 타인과 무관한 문제로 전락했다. 구글 플레이가 미국 내 18세 이상을 대상으로 개인 앱 사용을 허용하는 한편, 플루토 보안이 감지하는 위험의 약 60%는 개발자가 아닌 직원들이 바이브 코딩으로 만든 툴에서 비롯되었으며, 발생 원은 1위로 재무 부서였다. 직원 없이 개인 사업을 운영하는 경우에는 이러한 구조를 혼자 감당해야 한다. 자신이 만든 툴에 대한 리뷰를 하는 사람이 아무도 없기 때문이다. 오늘 할 수 있는 구체적인 방안은 두 가지다. 하나는 AI 에이전트에게 .env 파일이나 API 키를 읽게 하지 않도록 설정하고, 그 설정이 실제로 작동하는지 cat .env 명령어로 확인하는 것이다. 앞서 언급한 실측 결과가 보여주듯이, permissions.deny만으로는 스크립트 경로를 통한 읽기는 막을 수 없다. 다른 하나는 자작 툴을 외부에서 접근할 수 있는 장소에 두지 않는 것이다. Fortune 500의 재무 담당자가 만든 앱이 인터넷에 노출된 사례는 규모의 문제가 아니라, 알아차릴 사람이 없었던 문제였다.

세 번째로, 제가 사용하고 있는 SaaS의 ‘종업 시’ 조항을 한 번만 읽어보는 것이 유효해 보였다. 파산한 스타트업의 업무 데이터—이메일, 채팅, 문서, 슬랙의 내용—가 AI 기업이 사는 시장이 형성되고 있다. 스피릿 에어라인의 아카이브는 1억 통의 이메일을 포함하여 1천만 달러로 구글로 넘어가고, 중개 업체 SimpleClosure의 거래의 47%가 코드 또는 데이터의 판매를 포함하게 되었다. 변호사가 이를 “법적으로 방사능을 띠고 있다”고 평가하는 것은 팔았기 때문에 내용물을 제대로 파악하지 못했기 때문이다. 개인 사업자가 사용하는 프로젝트 관리 도구나 청구서 도구에도 고객명, 금액, 교환 기록이 들어 있다. 제공자가 폐업했을 때, 그것이 어떻게 처리될지를 결정하는 것은 이용 약관의 자산 양도 조항이다. 전부 읽을 필요는 없다. 계약서와 고객 정보를 맡기고 있는 서비스에 대해서만 “사업 양도”, “자산 매각”이라는 용어를 검색해 보면 된다. 읽고 바꿀 수 없어도, 어디에 위험이 놓여 있는지 알아야 하고, 모르는 것은 다른 것이다.

이 글은 AI가 생성한 것입니다. 이노우에의 의견이나 관점은 전혀 포함되어 있지 않습니다.

## AI를 자신의 업무에 활용하고 싶으신 분들을 위한 안내

이 글까지 읽으셨다면, 이 글의 대로 따라 하는 부분까지는 혼자서 하실 수 있습니다. 멈추는 곳은 ‘처음 AI에게 무엇을 맡출지’를 결정하는 지점입니다. 이는 사람의 일을 보지 않고 결정할 수 없습니다. 이 부분을 1,000엔으로 함께 진행하고 있습니다. 3가지 질문에 답변해 주시면 AI에게 맡길 수 있는 업무 목록을 돌려드리겠습니다. 그 중 하나를 골라서 ChatGPT나 Claude에 바로 적용할 수 있는 지시문을 전달해 드립니다. 3건 테스트 해 보시고 한 번 바로잡는 것까지만 진행합니다. 배송은 7일입니다. 1,000엔 체험은 여기(코코나라)에서 하실 수 있습니다.

본을 3권 출판 중이며, 『에도의 식대로 다이어트가 가능한가』(2026년 10월 발매)라는 역사 자료를 2026년의 가격으로 재현하여 다이어트의 진실과 오해를 밝혀냈습니다. 3권 모두 론리放題 대상입니다.

AI는 기억하지 않는다 (2026년 8월 발매) AI를 한 번 시도해보고 “우리에게는 유용하지 않다”고 포기한 사람들을 위한 책입니다. 렉서블(독점 구독 서비스) 대상.

고릴라는 왜 식물만으로 근육질인가? 최신 과학으로 뇌와 장의 공생 전략을 파헤치는 이야기입니다.

당신에게 맞는 입체 변형을 원하시는 분을 위한 긴자 트레이닝랩 체험(60분 5,500엔)은 여기서 신청하세요.

AI를 일상 업무에 활용하고 싶으신 분들을 위한 서비스입니다. AI를 효과적으로 사용하는 방법을 안내하고 함께 고민하는 伴走(반주) 서비스를 제공하고 있습니다.

과거 게시물을 영양, 운동, 다이어트 등 주제별로 검색할 수 있습니다. 자세한 내용은 다음 링크에서 확인하실 수 있습니다: https://udify.app/chat/tH7RIV2EpxNfwdvq 사이트맵은 이곳에 있습니다.

著者プロフィール▶︎合同会社LSP代表▶︎パーソナルトレーニングジム銀座トレーニングラボ代表▶︎大妻女子大学ラクロス部（2019年〜2023年）▶︎平成国際大学トレーナー（2018年〜2019年）▶︎下半身痩せ協会アドバイザー（2016年〜2020年）▶︎2018年東京都で今受けたいトレーナー選出▶︎中学校バスケットボール部コーチ兼トレーナー▶︎モデルやアイドルなど担当#ダイエット #下半身痩せ #私のお仕事 #毎日更新 #働き方 #プロフィール#自己紹介 #毎日note #パーソナルトレーナー #読書 #AI活用 #ClaudeCode #個人事業主 #一人社長 #業務効率化 #AIエージェント #AI #生成AI #ChatGPT #自動化 #個人事業主 #ひとり社長 #サロン経営 #Kindle出版 #電子書籍 #新刊

**출처:** [note 원문](https://note.com/lifestylepro/n/nc925514e51b3)

*번역: Gemma 3(.44) 초벌 + 교정 89청크*

[원문 보기](https://note.com/lifestylepro/n/nc925514e51b3) | 출처: note.com