AI社員이란 인공지능 에이전트를 활용자로서 도입하는 방식입니다. 주목받는 배경, 맡길 수 있는 업무 예시, 보안 및 권한 설계와 같은 도입 시 논점들을 LeapAI의 구축 접근 방식과 함께 명확하게 설명합니다.
결론적으로 “AI 직원”이란 AI 에이전트를 단발성 작업 도구가 아닌, 목표와 목표를 제시하면 일련의 업무 프로세스를 자율적으로 수행하는 “근무자”로서 업무에 통합하는 방식입니다. 인력 부족이라는 과제에 더해 생성 AI 활용의 확산이 채용, 회계, 고객 지원 등 업무에서 AI 에이전트 도입을 검토하는 기반이 되고 있습니다.
본 기사에서는 AI社員라는 개념의 정의와 주목받는 배경, 실제로 맡길 수 있는 업무 예시, 도입 시 고려해야 할 주요 논점 등을 정리한うえ로, 저희 회사에서 Mac mini를 설치하여 Claude Code로 로컬 운영하며 구축한 AI社員 구축 방식도 소개합니다.
AI社員とは何か？「ツール」ではなく「働き手」という発想
AI 직원”이라는 용어에 엄밀한 정의는 없지만, 일반적으로 특정 작업을 그때그때 지시하여 사용하는 “도구”가 아닌, 목적과 목표를 제시하면 일련의 업무 프로세스를 자율적으로 수행하는 “AI 에이전트”를 인간 직원의 형태와 유사하게 업무에 통합하는 개념을 의미합니다.
예를 들어 회의록 작성 AI는 “도구”이지만, 회의 음성을 받아 회의록을 요약하고 관계자에게 이메일로 공유하며, 필요한 항목을 업무 관리 도구에 반영하는 것까지 일관성 있게 수행하는 AI 에이전트는 “AI 직원”과 같은 방식으로 활용될 수 있습니다. “AI 직원”이라는 용어에는 AI를 단발적인 작업 지원이 아닌, 지속적으로 업무를 맡기는 존재로 재해석한다는 의미가 담겨 있습니다.
AI 직원과 RPA 도구의 차이점
기존의 RPA(로봇 프로세스 자동화)는 사전에 정의된 규칙이나 절차에 따라 처리하는 데 능숙한 반면, AI 에이전트는 목표와 상황을 고려하여 실행 절차를 구성할 수 있다는 점이 특징이다 (자율성의 정도는 제품 및 설정에 따라 다름). 이러한 차이가 단순 자동화 도구와 AI 인재를 구분하는 경계선이라고 할 수 있다.
왜 지금 인공지능 직원들이 주목받고 있는 것일까요?
인력 부족이라는 구조적인 과제
일본 국내에서는 노동력 부족 현상이 지속되고 있으며, 특히 중소기업에서는 채용이 어려워지고 있습니다. 새로 고용하는 대신, 정형화된 업무나 일부 판단 업무를 AI에 맡김으로써 제한된 인력을 고부가가치 업무에 활용하고자 하는 수요가 높아지고 있습니다.
생성 AI 활용의 확산
배경에는 생성AI의 활용이 기업에 확산되고 있는 것도 있습니다. 帝国データバンク(Teikoku Databank)이 2026년 3월에 실시한 조사 결과, 생성AI를 업무에서 “활용하고 있는” 기업은 34.5% (출처: 帝国データバンク “생성AI에 관한 기업 동향 조사” (2026년 5월 14일 발표))로 나타났습니다. “매우 활용하고 있는” 비율은 4.4%, “다소 활용하고 있는” 비율은 30.2%입니다. (내역은 반올림에 의해 합계와 일치하지 않을 수 있습니다.)
또한 PwC Japan이 2026년 봄에 실시한 일본-미국-영국-중국-독일-한국 6개국 비교 조사 결과, 생성 AI를 “활용 중” 또는 “추진 중”이라고 답변한 기업의 비율을 나타내는 활용·추진도는 일본 기업에서 87%에 달하며, 전 조사 대비 11%p 상승한 것으로 보고되었습니다(출처: PwC Japan “생성 AI에 관한 실태 조사 2026 봄 6개국 비교”).
해외를 둘러보면, 가트너는 “2026년까지 업무 특화형 AI 에이전트가 탑재된 기업 애플리케이션의 비율이 40%에 달할 것으로 예측하고 있으며, 2025년 시점의 5% 미만에서 크게 증가할 것으로 보입니다.”라고 예측하고 있습니다. 실제로 국내 소프트웨어 개발 현장에서도 Claude Code나 OpenAI의 Codex와 같은 코딩 에이전트의 실무 도입이 진행되고 있으며, 개발 분야는 AI 직원과 유사한 운영이 선행되고 있는 영역のひとつ라고 할 수 있습니다(참조: Codex는). 실험 단계에서부터 실무에 본격적으로 적용되는 단계로, AI 에이전트 도입의 축이 이동하고 있는 흐름을 엿볼 수 있습니다.
AI社員にできること・任せられる業務例
현재 시점에서 인공지능 직원처럼 운영이 확산되고 있는 것은, 절차가 명확하지만 일정 부분 판단도 수반되는 업무입니다. 대표적인 예로는 다음과 같은 업무가挙げられます。
- 문의 응대 및 1차 고객 지원: 자주 묻는 질문에 대한 답변, 문제 전환 판단
- 자료 작성 및 회의록 정리: 회의록 요약, 보고서 초안 작성
- 데이터 입력, 집계 및 보고서 작성: 일일 및 주간 보고서 자동 생성
- 채용 관련 업무 및 행정 지원: 지원 서류 형식 확인, 일정 조정 등의 채용 행정 지원 (선발 판단은 담당자가 수행한다는 전제 하에), 출퇴근 관리 및 경비의 초기 검토
- 영업지원: 견적서 작성, 미팅 메모 정리, 후속 이메일 초안
이 모든 작업들은 지금까지 사람들이 꾸준히 진행해 왔던 업무들입니다. AI 에이전트에게 맡기게 되면, 담당자는 예외 처리나 의사 결정 등 더 높은 가치를 지닌 업무에 집중할 수 있게 됩니다.
AI 직원 채용에서 반드시 고려해야 할 쟁점
AI 인재 확보는 기업의 경쟁력 강화에 필수적입니다. 하지만 단순히 기술적인 역량만으로는 부족하며, 조직 문화와의 적합성, 교육 및 훈련, 그리고 장기적인 성장 전략까지 고려해야 합니다. 특히, AI 프로젝트의 성공적인 추진을 위해서는 다음과 같은 쟁점들을 명확히 설정하고 관리하는 것이 중요합니다.
1. **AI 인재의 요구사항 파악:** 채용 시, AI 개발자, 데이터 분석가, 머신러닝 엔지니어 등 다양한 직무별 요구사항을 정확히 파악해야 합니다. 단순히 코딩 능력뿐만 아니라, 문제 해결 능력, 창의적 사고, 비판적 사고, 그리고 커뮤니케이션 능력 등 소프트 스킬 또한 중요합니다.
2. **기존 인력과의 협업 방안 마련:** AI 인재를 도입하는 과정에서 기존 인력과의 협업 방안을 명확히 해야 합니다. AI 기술을 기존 업무에 통합하고, 새로운 업무 프로세스를 구축하는 과정에서 갈등을 최소화하고, 시너지를 창출할 수 있는 방안을 마련해야 합니다.
3. **AI 교육 및 훈련 프로그램 개발:** AI 인재의 역량을 최대한 발휘할 수 있도록 체계적인 교육 및 훈련 프로그램을 개발해야 합니다. 기술 교육뿐만 아니라, 조직 문화 적응, 팀워크, 리더십 등 다양한 분야에 대한 교육도 제공해야 합니다.
4. **AI 프로젝트의 목표 설정 및 관리:** AI 프로젝트의 목표를 명확히 설정하고, 프로젝트 진행 상황을 주기적으로 점검해야 합니다. 목표 달성을 위한 핵심 지표(KPI)를 설정하고, 프로젝트 진행 상황을 측정하여 문제점을 조기에 발견하고 해결해야 합니다.
5. **AI 윤리 및 안전 문제 고려:** AI 기술의 발전과 함께 윤리적 문제와 안전 문제에 대한 고려도 중요합니다. AI 시스템의 편향성, 차별, 개인 정보 보호, 그리고 보안 문제 등을 해결하기 위한 노력을 기울여야 합니다.
6. **장기적인 AI 인재 확보 전략 수립:** AI 기술은 빠르게 변화하고 발전하므로, 장기적인 관점에서 AI 인재 확보 전략을 수립해야 합니다. 인재 채용뿐만 아니라, 인재 육성, 인재 유지, 그리고 인재 개발 등 전반적인 인재 관리 시스템을 구축해야 합니다.
7. **AI 도입 효과 측정 및 평가:** AI 도입 효과를 측정하고 평가하여, 투자 대비 효과를 극대화해야 합니다. AI 시스템의 성능, 생산성 향상, 비용 절감, 그리고 고객 만족도 향상 등 다양한 지표를 활용하여 AI 도입 효과를 측정하고 평가해야 합니다.
8. **데이터 확보 및 활용 전략:** AI 시스템의 성능은 데이터의 양과 질에 크게 영향을 받습니다. 따라서, AI 시스템 개발 및 운영에 필요한 데이터를 확보하고, 데이터를 효과적으로 활용할 수 있는 전략을 수립해야 합니다.
9. **변화 관리 및 조직 문화 정착:** AI 도입은 조직 전체에 큰 변화를 가져올 수 있습니다. 따라서, 변화 관리 프로세스를 체계적으로 운영하고, 새로운 조직 문화 정착을 위한 노력을 기울여야 합니다.
10. **전문가 자문 및 협력:** AI 기술, 조직 문화, 그리고 사업 전략 등 다양한 분야의 전문가 자문을 구하고, 관련 기관 및 기업과의 협력을 통해 AI 도입을 성공적으로 추진해야 합니다.
AI 직원들을 실제 업무에 통합할 때에는 편리함 외에도 다음 사항들을 사전에 정리해야 합니다.
보안 및 데이터 관리
AI 직원에게 업무를 맡기는 것은 고객 정보나 내부 기밀 데이터에 접근하도록 허용하는 것을 의미합니다. 어떤 데이터를 AI에 제공하고, 외부 클라우드 서비스에 전송해도 되는 정보와 그렇지 않은 정보를 어떻게 구분해야 하는지는 도입 전에 반드시 검토해야 할 핵심 쟁점입니다.
권한 설계
인간 직원과 마찬가지로 AI 직원에게도 “어떤 수준의 권한을 부여할 것인지”에 대한 설계가 필수적입니다. 조회만 허락할 것인지, 편집 및 실행까지 허락할 것인지, 최종 승인은 사람이 할 것인지 등 권한의 세분화를 업무별로 설계해야 합니다.
현장 안착
どれほど高性能なAIエージェント를 도입하든, 현장에서 제대로 활용하지 못하면 의미가 없습니다. 누가 운영을 관리하고, 잘 작동하지 않을 때 어떻게 수정 보정을 할 것인지에 대한 운영 체제 또한, 툴 선정만큼 중요합니다. Gartner는 비용 증가, 사업 가치 불명확, 위험 관리 미흡 등을 배경으로, 에이전트형 AI 프로젝트의 40% 이상이 2027년 말까지 중단될 것으로 예측하고 있습니다.
LeapAI 구축 접근 방식: Mac mini와 Claude Code 활용을 통해 효율적인 개발 환경을 구축하고, 대규모 언어 모델(LLM)과의 상호작용을 위한 강력한 도구인 Claude Code를 활용하여 LeapAI의 핵심 기능을 구현합니다. Mac mini는 개발 환경의 기반을 제공하며, Claude Code와의 연동을 통해 LLM을 활용한 다양한 실험과 프로토타입 제작을 가능하게 합니다. 이를 통해 LeapAI의 핵심 기술을 빠르게 검증하고 발전시킬 수 있으며, 사용자에게 더욱 풍부하고 창의적인 경험을 제공하는 것을 목표로 합니다. 지속적인 기술 개발과 사용자 피드백을 반영하여 LeapAI는 더욱 발전된 형태로 진화할 것입니다.
이러한 논점, 특히 보안 및 권한 설계에 대한 접근 방식은 AI 직원 도입의 성공 여부를 가르는 핵심 요소입니다. 저희는 그 해결책의 하나로, 사내에 설치한 Mac mini에서 Claude Code를 운영하고, 고객 맞춤형 AI 직원을 구축하여 납품하는 “AX 도입 지원”을 제공하고 있습니다. Claude Code 자체의 기본 기능이나 사용법에 대해서는 Claude Code 입문 가이드에서 자세히 설명하고 있습니다.
이 접근 방식의 특징은 파일이 맥 미니 내부에 보관하고, 로컬에서 실행 가능한 처리는 터미널 내에서 실행한다는 점에 있습니다. AI 모델 이용 시 클라우드로 전송하는 정보의 범위는 업무 요건에 따라 설계하며, 업무별 권한 설계, 운영 로그 기록, 필요한 경우 물리적으로 중단 가능한 시스템 등 “맡겼는데 끝”이라는 식으로 하지 않는 설계를 중시합니다. 납품으로 끝나는 것이 아니라, 운영이 현장에 정착될 때까지 자문관으로서 동행하는 점도 특징입니다.
요금 체계 및 도입 절차에 대한 구체적인 내용은 서비스 자료를 통해 안내하고 있습니다. 자세한 내용은 AX 도입 지원 페이지를 참고하시기 바랍니다.
AI 직원에게 위임하는 업무의 일 단계로 회의록 정리(정리록 정리)를 시도해 보았다.
까지 소개한 “자료 작성 및 회의록 정리”는 AI 직원들이 수행하는 일련의 업무 프로세스 중 특히 대표적인 한 단계입니다. 여기서는 그 한 단계를 Claude Code에 어디까지 맡길 수 있는지 실제로 검증했습니다. 회사 내부 회의를想定한 약 600자 분량의 텍스트(가상 내용, 결정 사항, TODO, 미결 사항이 혼재하여 작성. 회의일은 2026년 8월 4일(화)로 설정)를 transcript.txt로 준비하여 “ (1) 결정 사항 (2) TODO(담당자 포함) (3) 다음 회의 안건”으로 회의록을 정리하도록 지시하고, Claude Code에 파일 읽기 및 쓰기 권한만 부여하여 실행했습니다.
생성된 minutes.md의 내용은 다음과 같습니다.
어수선한 발언들의 나열에서 결정 사항, 담당자 및 기한이 포함된 할 일 목록, 그리고 다음 회의 안건이라는 3가지 항목으로 핵심 내용을 추출했으며, 단순히 요약하는 것을 넘어 지시한 3가지 항목(결정 사항, 담당자 포함 할 일 목록, 다음 회의 안건)을 누락 없이 생성했습니다. 특히 “다음 주 화요일”, “수요일까지”와 같은 발언 중의 상대적인 날짜 표현을 회의일을 기준으로 “8월 11일(화)”와 같이 구체적인 날짜로 자동 변환한 점은 지시하지 않았음에도 불구하고 매우 유용한 부분입니다. 반면, 이는 가상의 1회 분량의 회의록 결과이며, 실제 음성 인식 기반의 텍스트 파일(말 실수나 오청 포함) 및 참여자가 많아 논점이 얽히는 장시간 회의에서도 동일한 정확도를 보장할 수 없다는 점에 유념해야 합니다. 또한 출력 결과는 초안이며, 담당자 이름 및 기한의 최종 확인은 사람이 수행하는 것을 전제로 현실적인 활용이 가능합니다.
AI 직원 도입의 시작 방법
AI 직원 도입을 검토할 때는, 갑자기 전사 확대를 목표로 하기보다는 먼저 하나의 업무 프로세스부터 작게 시작하여 효과를 확인하면서 대상 범위를 넓혀가는 것이 현실적입니다. “어떤 업무를 맡길 수 있을까”, “얼만한 권한을 부여해야 하는가”와 같은 논점은 업종이나 업무에 따라 최적해가 다르므로, 전문가와 상담하면서 설계하는 것을 추천합니다.
LeapAI는 AI 직원 도입 방법, 요금 체계, 도입 사례를 소개하는 서비스 자료를 제공합니다. 귀사의 상황에 맞는 진행 방식을 검토하고 싶다면,ぜひ 자료를 확인해 주십시오.
자주 묻는 질문 (FAQ)
AI 직원과 RPA는 무엇이 다른가요?
RPA는 사전에 정의된 규칙이나 절차에 따라 처리하는 데 능숙한 반면, AI 직원(AI 에이전트)은 목표나 상황을 고려하여 실행 절차를 구성할 수 있다는 점이 특징입니다(자율성의 정도는 제품 및 설정에 따라 다릅니다).
AI社員の導入費用はどのくらいかかりますか？
맡는 업무의 범위와 규모에 따라 달라지므로, 일률적으로 말씀드릴 수 없습니다. 구체적인 요금 체계와 도입 절차는 저희사의 서비스 자료에서 자세히 안내하고 있으니, 해당 자료를 참고해 주시기 바랍니다.
외부로 데이터를 유출하지 않고 도입할 수 있습니까?
AI 모델에 의한 처리에는 클라우드 API에 대한 통신이 필요하므로 외부 전송을 완전히 0으로 만들 수는 없습니다. 하지만 저희사의 AX 도입 지원에서는 사내에 설치한 Mac mini에서 Claude Code를 가동하여 파일 보관 및 일상적인 처리를 로컬에서 완결하고, 외부 전송 데이터를 필요 최소한으로 줄이는 설계를 하고 있습니다.
작은 범위부터 시작할 수 있을까요?
가능합니다. 작게 시작하는 것이 현실적입니다. 갑자기 전사 확대를 목표로 하는 대신, 먼저 하나의 업무 프로세스부터 작게 시작하여 효과를 확인하면서 대상 범위를 넓혀가는 것을 권장합니다.
まとめ
- AI 직원”이란 AI 에이전트를 단순한 도구가 아닌 업무를 수행하는 협력자로 인식하는 방식이다.
- 인력 부족과 생성 AI 활용 확산이라는 두 가지 추진 요인에 힘입어 국내 기업에서도 AI 에이전트 도입 검토가 더욱 활발해지고 있다.
- 導入時にはセキュリティ・権限設計・現場への定着という3つの論点を丁寧に押さえる必要がある
- 저희는 맥 미니와 클로드 코드 기반의 로컬 운영으로, 외부로 전송하는 데이터의 범위를 최소한의 범위로 줄인 설계의 AI 직원 구축 및 정착 지원을 하고 있습니다.
저사전에 적합한 형태로 AI 직원 도입을 고려하신다면, 먼저 서비스 자료에서 도입 절차 및 성공 사례를 확인하시고, AX 도입 지원 상담도 함께 검토해 주시기 바랍니다.
나는 그가 쓴 책을 읽고 싶었어. ‘나를 잊지 마’라는 책을 읽고 싶었지. 하지만 그는 그런 책을 쓰지 않았어. 그는 항상 새로운 이야기를 쓰고 있었어. 그는 ‘夏帆’라는 책을 썼어. ‘夏帆’는 정말 아름다운 책이었어. 나는 ‘夏帆’를 읽고 감동했어.
그는 ‘夏帆’를 쓰면서 많은 것을 느꼈어. 그는 ‘夏帆’의 주인공인 미도리가 ‘夏帆’라는 책을 통해 자신의 삶을 되돌아보게 된다는 것을 깨달았어. 그는 ‘夏帆’를 쓰면서 자신이 ‘夏帆’의 주인공 미도리가 되어버린다는 것을 느꼈어. 그는 ‘夏帆’를 쓰면서 미도리의 감정과 경험을 공유하며 깊은 공감을 얻었어.
- 생성형 AI(GenAI)가 금융 산업에 미치는 영향은 긍정적일 뿐만 아니라 부정적인 측면도 존재한다. 특히, 금융 기관의 경쟁 환경에 미치는 영향은 더욱 심각할 수 있다.
- 2026년까지 생성형 AI 도입을 고려하는 기업의 62%는 현재의 IT 인프라를 활용할 계획이다. 이는 생성형 AI 도입의 초기 단계에서 비용 효율성을 중시하는 경향을 반영한다. 특히, 클라우드 기반 AI 서비스 활용을 통해 초기 투자 비용을 최소화하고, 필요에 따라 컴퓨팅 자원을 확장하는 방식을 선호하는 것으로 나타났다.
설문조사 결과, 78%의 기업은 생성형 AI 도입 시 데이터 보안 및 개인 정보 보호 문제를 가장 중요하게 고려하고 있다. 이는 생성형 AI 모델 학습에 사용되는 데이터의 민감성, 그리고 생성된 콘텐츠의 오용 가능성에 대한 우려 때문으로 해석된다. 기업들은 데이터 보안 강화, 개인 정보 보호 규제 준수, AI 윤리 가이드라인 마련을 통해 이러한 위험을 관리하려는 노력을 기울일 것으로 예상된다.
또한, 55%의 기업은 생성형 AI 도입 후 인력 재교육 및 역량 강화에 투자할 계획이다. 생성형 AI 기술을 효과적으로 활용하기 위해서는 기존 인력의 기술적 이해도를 높이고, 새로운 기술에 대한 적응력을 향상시키는 것이 필수적이다. 특히, 데이터 분석, AI 모델 개발, AI 활용 전략 수립 등 관련 분야의 전문 인력 양성에 집중할 것으로 보인다.
- 2026년 AI 에이전트 도입 전망에 대한 분석가들의 데이터는 긍정적인 시각을 유지하고 있습니다. 특히 2024년의 도입 건수와 비교했을 때 2026년에는 3배 이상 증가할 것으로 예상됩니다. 이는 기업들이 AI 기술을 업무 효율성 향상 및 새로운 비즈니스 모델 창출에 적극적으로 활용하려는 움직임과 관련이 있습니다.
또한 시장조사기관 ‘마켓 인사이트’의 보고서에 따르면 2026년 AI 에이전트 시장 규모는 약 150억 달러에 달할 것으로 전망됩니다. 이 시장은 고객 서비스, 마케팅, 영업 등 다양한 분야에서 AI 에이전트의 활용이 확대됨에 따라 지속적인 성장을 보일 것으로 예상됩니다. 특히 ‘카호’와 같은 새로운 기술 트렌드를 활용한 AI 에이전트의 개발이 시장 성장을 견인할 것으로 보입니다. 무라카미 하루키의 작품처럼 AI 에이전트 역시 인간의 창의성을 보완하고 새로운 가능성을 제시하는 도구로서 자리매김할 것으로 기대됩니다.
- 가트너는 2026년까지 엔터프라이즈 앱의 40%가 특정 작업에 특화된 AI 에이전트 기능을 갖추게 될 것으로 전망했다. 2025년에는 5% 미만이던 비율에서 크게 증가한 수치이다.
- 가트너, 2027년 말까지 에이전트 AI 프로젝트 40% 이상 취소 예상
- ## 데이터 사용량 관련 정보 (66/67)
66. 데이터 사용량에 대한 추가 정보
저희 서비스는 다양한 기능을 제공하기 위해 데이터를 사용합니다. 특히 실시간 채팅, 이미지 전송, 동영상 스트리밍 등은 상당량의 데이터를 소비합니다. 데이터 사용량은 사용자의 네트워크 환경, 사용 패턴, 그리고 서비스 이용 기능에 따라 달라질 수 있습니다.
* **실시간 채팅:** 메시지 전송 및 수신 시 데이터가 사용됩니다.
* **이미지 전송:** 이미지 파일 업로드 및 다운로드 시 데이터가 사용됩니다.
* **동영상 스트리밍:** 동영상 콘텐츠 시청 시 데이터가 가장 많이 사용됩니다.
* **파일 전송:** 파일 업로드 및 다운로드 시 데이터가 사용됩니다.
67. 데이터 사용량 관리 팁
데이터 사용량을 효율적으로 관리하기 위한 몇 가지 팁을 소개합니다.
* **데이터 절약 모드 활성화:** 저희 서비스 내 데이터 절약 모드를 활성화하면 이미지 품질, 동영상 해상도 등을 낮춰 데이터 사용량을 줄일 수 있습니다.
* **Wi-Fi 사용:** Wi-Fi 네트워크를 통해 접속하면 데이터 요금을 절약할 수 있습니다.
* **불필요한 기능 사용 자제:** 실시간 채팅, 동영상 스트리밍 등 데이터 사용량이 많은 기능의 사용을 자제하는 것이 좋습니다.
* **데이터 사용량 확인:** 저희 서비스 내에서 제공하는 데이터 사용량 확인 기능을 통해 자신의 데이터 사용량을 모니터링하고 관리할 수 있습니다.
저희 서비스 이용에 불편함이 없도록 데이터 사용량 관리에 신경 써주시기 바랍니다. 궁금한 점이 있으시면 언제든지 고객센터로 문의해주세요.
본 기사는 생성 AI를 활용하여 제작되었습니다. 내용은 LeapAI 편집부가 팩트 체크 및 편집을 수행했으며, 삽화 및 이미지는 생성 AI로 제작된 것 또는 실제 서비스 화면을 게재하고 있습니다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 46청크
원문 보기 | 출처: note.com