# AI 뉴스 [8월 26일]

> https://bookfactory.kr/c/publishing/10681
> 게시판: 출판·책 제작
> 작성자: admin
> 작성일: 2026-08-27T07:44:23.961Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/307085796/rectangle_large_type_2_a996b07b74a11254929035cee453cab5.jpeg?width=1280)

OpenAI가 자체 칩 성과를 공개한 날, 같은 날 Plus 이용 제한이 다시 도입됐다.

※이 기사는 AI가 생성한 것입니다. 이무라의 의견·견해는 일절 포함되어 있지 않습니다.

오늘의 뉴스를 늘어놓아 보면, 거의 모든 것이 컴퓨팅 자원 이야기로 귀결된다. OpenAI가 자체 설계한 추론 칩의 첫 실측치를 공개했다. Apple이 2nm 공정 칩과 512GB 메모리를 탑재할 수 있는 데스크톱 머신을 내놓았다. Mozilla의 조사는 추론 단가가 36개월 만에 50분의 1로 떨어졌다고 보고한다. 풍부해지고, 저렴해지고, 빨라진다. 그런데 같은 날, OpenAI는 ChatGPT Plus의 5시간 제한을 부활시켰다. 사용 가능한 총량은 늘어나는데, 1인당 몫은 줄어든다. 오늘은 그 두 가지가 동시에 일어난 날이다. 당신이 사용하는 AI의 '사용 가능한 양'이 다음 달에도 같다고 말할 수 있을까?

## 할라페뇨 최초 실측값——OpenAI, 전력당 작업량에 승부수를 걸다

OpenAI가 8월 25일, 자사 설계 추론 칩 'Jalapeño'의 첫 번째 벤치마크 결과를 공개했다. 측정에는 SemiAnalysis의 공개 벤치마크인 InferenceX가 사용됐다. 비교 대상은 NVIDIA의 Blackwell 세대다. 수치를 나열하면, GPT-OSS 120B에서는 킬로와트당 피크 처리량이 1.9배(85,448 대 44,960 혼합 토큰), 응답 완료까지의 지연 시간이 1.7배 짧다. DeepSeek R1 670B에서는 지연 시간이 3.6배 짧고, 토큰 간 최소 간격이 4.1배 짧다. Kimi K2.5 1T에서도 유사한 경향이 나타난다. 전체적으로 전력당 작업량은 1.5~1.9배, 대화형 용도에서의 성능은 2.1~4.1배로 평가된다. 칩의 정격 전력은 700와트다. 비교 대상인 GB200은 1,200와트, GB300은 1,400와트다.

왜 OpenAI가 직접 칩을 만드는가. 그 이유는 설계 철학에 드러나 있다. 이 회사가 내세우는 핵심은 데이터를 이동시키지 않는 것, 대화 이력을 유지하는 KV 캐시를 연산 자원 바로 옆에 계속 두는 것, 그리고 전체 처리를 하나의 연결된 계통 안에 담는 것이다. 추론 지연의 정체는 연산 능력이 아니라 데이터 이동과 통신 대기 시간에 있다. 범용 칩은 학습과 추론 양쪽에 쓸 수 있는 대신, 이 부분을 최적화하지 못한다. 용도를 추론으로 한정하면 그 부분을 줄일 수 있다.

개발 경위에도 숫자가 있다. 설계 시작부터 테이프아웃, 즉 제조용 설계 확정까지 9개월이 걸렸다. 연산 회로 최적화에 AI를 사용했으며, 어텐션 메커니즘과 혼합 전문가(MoE)의 일부 구현에서는 AI가 작성한 코드가 인간 전문가의 구현보다 1.5~1.8배 빨랐다고 한다. 공동 개발은 Broadcom이다. 출시는 2026년 말 소량으로 시작되며, 본격적인 출시는 2027년으로 예상된다. 2세대는 개발이 진행 중이고, 3세대는 설계 단계에 있다.

단기적으로는 추론 칩의 비교 기준이 '속도'에서 '1킬로와트당 처리량'으로 완전히 옮겨간다. 중기적인 쟁점은 전력이다. 데이터센터의 제약은 더 이상 부지나 자금이 아니라, 송전망에서 공급받을 수 있는 전력의 양이다. 같은 전력으로 두 배로 작동하는 칩은 단순히 비용을 낮추는 데 그치지 않고, 건설 가능한 데이터센터의 수 자체를 바꾼다. 다만 공개된 수치는 OpenAI 자체의 측정 결과이며, 벤치마크 설정 조건이 독립적으로 검증된 것은 아니라는 점은 유보할 필요가 있다.

## Apple M6와 M5 Ultra——AI의 연산이 책상 위로 내려온다

Apple이 8월 25일, M6와 M5 Ultra를 발표했다. M6는 Apple 최초로 2나노미터 공정을 채택했으며, 12코어 CPU, 12코어 GPU, 그리고 16코어 Neural Engine 2개를 탑재한 구성이다. 이 회사는 이 이중 구성 덕분에 기기 내 AI 처리의 최고 성능이 전 세대 대비 최대 2배로 향상되었다고 밝혔다. 메모리 대역폭은 최대 170GB/초, 탑재 가능한 통합 메모리는 최대 32GB다. 상위 모델인 M5 Ultra는 4다이 구성으로, 최대 36코어 CPU, 최대 80코어 GPU, 32코어 Neural Engine을 갖추고 있으며, 통합 메모리는 최대 512GB, 대역폭은 1.2TB/초에 달한다. 이를 탑재한 Mac Studio와 Mac mini가 동시에 발표되었다.

통합 메모리란 CPU와 GPU가 동일한 메모리를 공유하는 설계를 말한다. 대규모 언어 모델을 로컬에서 실행할 때, 이 용량이 그대로 "어느 크기의 모델까지 실행할 수 있는지"를 결정한다. 512GB라는 숫자가 의미하는 바는, 지금까지 서버 장비가 필요했던 규모의 모델이 책상 위의 한 대에 들어간다는 것이다.

왜 하필 이 시점인가. 같은 날 OpenAI가 전력당 효율을 자랑한 것과 방향은 같고 장소가 다르다. 클라우드 측은 전력 단가를 낮추려 하고, 단말 측은 애초에 클라우드로 보내지 않는 처리의 범위를 넓히려 한다. 둘 다 '추론 1회에 드는 비용'을 낮추는 경쟁이다. 단기적으로는 로컬에서 구동 가능한 모델의 선택지가 한순간에 현실적으로 다가온다. 중기적 쟁점은 용도의 경계 설정이다. 전부를 로컬에서 처리할 필요는 없다. 외부로 내보낼 수 없는 데이터를 다루는 처리와 정밀도가 요구되는 처리를 구분할 수 있는지에 따라 하드웨어 투자 판단은 달라진다.

## ChatGPT Plus에서 5시간 제한이 부활——풍요로움의 이면에서, 배급이 시작되고 있다

OpenAI가 8월 25일, ChatGPT Plus의 5시간마다의 이용 제한을 부활시켰다. 대상은 Work 기능과 Codex다. 월 100~200달러의 Pro 플랜은 "수개월간은 대상 외"로 되어 있다. 이 제한은 7월 12일에 한 차례 폐지되었고, 7월 28일에 되돌릴 예정이었던 것이 반복적으로 연기되다가 이번에 시행에 이르게 된 경위가 있다. 동사의 티보 소티오 씨는 5시간의 구간을 설정함으로써 계산 자원의 부하를 평준화할 수 있고, 주 단위 이용 할당량을 넉넉히 유지할 수 있다고 설명한다. ITmedia가 전하는 바에 따르면, Plus 이용자가 주간 할당량을 단기간에 소진해 버리는 상황이 배경에 있다.

이 사건을 단순한 사양 변경으로 읽으면 본질을 놓친다. 같은 8월 25일, OpenAI는 자체 칩에서 전력당 처리량을 1.9배로 늘렸다고 발표했다. 효율은 올라가고 있다. 그럼에도 불구하고 최종 사용자의 이용 한도는 줄어든다. 이것이 무엇을 의미하는가. 효율 개선 속도보다 수요 증가 속도가 더 빠르다는 것이다. 에이전트에게 장시간 작업을 맡기는 사용 방식이 확산되면, 1인당 소비량은 자릿수로 늘어난다. 효율화는 그 증가분에 삼켜진다.

같은 날, OpenAI는 ChatGPT Work와 Codex용 관리 기능을 정리한 Admin 플러그인과 Linux용 데스크톱 앱 프리뷰도 공개했다. 조직에서 사용할 것을 전제로 한 정비가 진행되는 한편, 개인용 플랜의 범위는 좁아지고 있다. 단기적으로는 Plus에서 장시간 자동 작업을 돌리고 있는 사용자가 가장 먼저 영향을 받는다. 중기적인 쟁점은 AI 이용료가 '정액제'에서 '종량제'로 실질적으로 회귀하는 흐름이다. 정액제처럼 보이면서 상한이 있는 계약은, 그 상한이 움직인다.

## Mozilla의 조사——토큰 사용 상위 5개 모델이 모두 오픈소스이자 중국발 모델이다.

Mozilla와 SlashData가 작성한 보고서 「The State of Open Source AI」가 공개되었습니다. Chatbot Arena와 OpenRouter의 공개 데이터를 바탕으로 2024년 1월부터 2026년 6월까지의 데이터를 수집하여 9,048개의 모델을 대상으로 삼고 있습니다.

숫자가 명확하다. 2026년 6월 기준 토큰 사용량 내역은 1위가 DeepSeek V4 Flash(중국)로 18.4%, 2위가 샤오미의 MiMo-V2.5로 14.9%, 3위가 텐센트의 Hy3 preview로 14.8%, 4위가 MiniMax M3로 14.3%, 5위가 메이퇀의 Owl Alpha로 11%다. 상위 5개가 모두 오픈 계열이자 중국발이다. 미국산 최상위는 Claude Opus 4.7로 9.02%이며 6위다. Hugging Face 다운로드 수에서는 알리바바의 Qwen이 9,420만, 메타의 Llama가 4,760만이다. 개발자의 79%가 오픈소스 모델을 채택하고 있으며, 클로즈드형의 71%를 웃돈다. 추론 단가는 100만 토큰당 GPT-4 시대의 20달러에서 0.40달러로, 36개월 만에 50분의 1로 떨어졌다.

한편, 성능 격차는 좁혀지지 않고 있다. 오픈형과 클로즈드형의 능력 차이는 2024년 8월의 0.5포인트에서 2026년 3월에는 3.3포인트로 확대된 것으로 보고되었다. 즉, "최첨단은 여전히 클로즈드, 실무에서 실제로 쓰이는 것은 오픈"이라는 분열 양상이다.

이러한 분열은 8월 10일부터 18일까지 잇따라 발표된 30B급 모델 공개와 연결된다. Meta, NVIDIA, Alibaba Cloud, 국립정보학연구소가 모두 30억~330억 파라미터 규모의 모델을 내놓았다. ITmedia에 따르면, Qwen3.8-27B는 SWE-bench Pro와 LiveCodeBench v6에서 Claude Opus 4.6을 능가하는 점수를 기록했다고 한다. 다만 이는 각 사의 자체 측정값이며, 모든 벤치마크에서 프런티어 모델을 능가하는 것은 아니라는 주의도 덧붙여져 있다.

왜 30B급인가. 상시 가동되는 에이전트 용도에서, 도구 호출과 같은 정형 처리를 경량 모델에 맡기고 복잡한 판단만 고성능 모델에 넘기는 분업이 현실적으로 자리 잡았기 때문이다. 단기적으로는 로컬 운영의 진입 장벽이 낮아진다. 중기적인 쟁점은 의존 대상이다. 실무에서 가장 많이 쓰이는 계층이 특정 국가의 모델군에 집중된 상태는, 규제가 도입되는 순간 발밑이 무너질 수 있다.

## Keenable, 2600만 달러 조달——AI 에이전트를 위한 검색 인덱스라는 새로운 계층

TechCrunch는 8월 25일, Keenable이 스텔스 모드를 벗어나 2,600만 달러의 시드 투자를 유치했다고 보도했다. 이번 투자는 Accel이 주도했고, Conviction Partners와 개인 투자자들이 참여했다. 공동 창업자는 Yandex에서 검색·AI·클라우드 부문을 이끌었던 안드레이 스티스킨과 AI 연구자 마티아스 페트리다. 현재 팀은 미국과 유럽에 15명의 엔지니어로 구성되어 있으며, 연내 두 배로 확대할 계획이다.

이 회사가 만들고 있는 것은 1,000억 건이 넘는 문서를 수록한 검색 인덱스다. 다만 인간을 위한 것이 아니라 AI 시스템에 최적화되어 있다. AI 연구소나 추론 서비스 사업자들이 학습 시와 실행 시 양쪽 모두에서 API로 활용하고 있다고 한다. 향후에는 여러 정보 소스를 넘나들며 답변을 합성하는 WebQueryLanguage라는 제품도 계획되어 있다.

왜 지금 이 레이어에 투자가 몰리는가. 그 이유는 시장의 공백에 있다. Google도 Microsoft도 검색 API를 축소·종료하는 방향에 있다. 본업을 잠식하기 때문이다. 결과적으로 웹상의 정보를 실시간으로 끌어오고 싶은 AI 기업에게는 제대로 된 조달처가 남아 있지 않다. 스티스킨의 설명은 이렇다. 특정 용도에 맞춰 인덱스 구조를 설계하지 않으면 인터넷 전체를 스캔하는 비용이 엄청나게 커진다는 것이다.

단기적으로는 같은 유형의 스타트업에 자금이 몰린다. 중기적인 쟁점은 AI가 읽는다는 전제하의 웹이 어떻게 변화할 것인가다. 인간을 위한 검색 순위와 에이전트를 위한 색인 순위는 동일한 기준으로 결정되지 않는다. 자신의 사이트가 "에이전트에게 발견될 수 있을까"라는 질문이 수년 내에 SEO와 함께 실무 과제가 될 가능성이 있다.

## 국내: 정부, 생성형 AI 지식재산 보호 원칙 수립——학습 데이터 공개 요구

일본 정부가 8월 25일, 생성형 AI 사업자 대상 '프린시플 코드(원칙 강령)'를 제정했다. 대상은 AI 모델 및 서비스를 개발·제공하는 사업자로, 일본 국내에서 서비스를 전개하는 해외 기업도 포함된다. 제3자의 권리를 침해할 우려가 극히 낮은 시스템의 개발자는 대상에서 제외된다.

원칙은 세 가지 축으로 이루어져 있다. 첫째, 정보 공개다. 모델의 아키텍처, 라이선스, 학습 방법, 학습 데이터, 그리고 지식재산 보호 노력을 자사 사이트에 공개하도록 요구한다. 둘째, 권리자의 문의 대응이다. 자신이 공개한 작품이 학습에 사용되었는지 확인하려는 창작자에게 응답한다. 셋째, 이용자의 문의 대응이다. 출력 결과가 기존 작품과 유사한 경우, 학습 데이터에 대한 조회에 응답한다.

핵심은 강제력의 설계다. 이는 법적 구속력을 갖지 않는다. 채택한 방식은 컴플라이 오어 익스플레인(Comply or Explain), 즉 "지키거나, 지키지 않는 이유를 설명하거나"의 방식이다. 그리고 정부는 사업자별 대응 상황을 공개하겠다고 한다. 처벌이 아니라, 공개된 목록에서 어떻게 비치느냐로 압박을 가하는 구조다.

왜 이런 형태일까. AI 학습에 관한 저작권 처리는 일본에서는 법 개정 논의가 장기화되고 있다. 한편 창작자 측의 불만은 쌓여가고 있다. 법을 기다리지 않고 움직일 수 있는 수단으로서 공개와 설명 책임만을 먼저 꺼내든 구도다. 단기적으로는 각 사의 공개 페이지가 차례로 나올 것이다. 중기적 쟁점은 실효성이다. 설명만 하면 지키지 않아도 되는 구조가 어디까지 행동을 바꿀지. 공개 목록이 처음 나왔을 때, 거기에 몇 개 사가 나열되고 어떤 '설명'이 적혀 있는지를 보면 답은 알 수 있다.

## OpenAI, 러시아발 영향력 공작 차단——AI로 '전문가'를 사칭하는 수법

OpenAI는 8월 25일, 러시아를 기점으로 하는 ChatGPT 계정군을 차단했다고 발표했다. 표적은 'International Burke Institute(IBI)'라는 이름을 내건 조직의 선전 활동이다. IBI는 이스라엘을 거점으로 하는 전문가 집단을 가장하고 있으며, 사이트 등록은 2025년 2월이다. 러시아를 찬양하고 프랑스, 독일, EU, 미국을 비판하는 '주권 지수'라는 보고서를 공개해 왔다.

수법의 세부 사항이 기록되어 있다. 운영자는 러시아어로 ChatGPT에 지시를 내리고, 생성되는 내용은 영어로 하게 했다. 그 위에 "자신들이 러시아인임을 알 수 있는 언어적 단서를 숨겨라"고 지시했다. 생성물은 Substack, Telegram, X, Facebook, LinkedIn에 배포되었다. 독일, 미국, 프랑스, 폴란드, 터키를 겨냥한 Telegram 채널용 로고도 ChatGPT로 만들게 했다. IBI의 사이트에는 타인의 학술 논문을 전재하고 출처를 바꿔 쓴 것이 게재되어 있었다. 러시아에서는 ChatGPT에 직접 접근할 수 없기 때문에 VPN이 사용되고 있다.

다만 그 효과는 제한적이었던 것으로 평가된다. 브루킹스 연구소의 브레이크아웃 스케일 기준 카테고리 3의 하한선에 해당했으며, SNS 조회 수는 적었고, 텔레그램 채널 구독자는 각각 1만~2만 명 수준에 불과했다.

주목할 점은 AI가 담당한 역할의 위치다. 생성된 것은 주장 그 자체가 아니라 권위의 외형이다. 연구소 이름, 보고서 형식, 다국어 게시, 전문가다운 문체. 내용의 설득력이 아니라 '그럴듯함'의 양산에 AI가 사용되고 있다. 단기적으로는 이런 종류의 보고가 정기간행물처럼 이어진다. 중기적 쟁점은 검증 비용이다. 그럴듯한 조직명과 보고서를 하루에 수백 개 만들 수 있는 쪽과, 하나씩 실존 여부를 확인하는 쪽 사이에는 비용의 비대칭이 너무 크다. 읽는 쪽의 자세로서, 조직명을 보면 설립 연도와 실존 여부를 확인하는 습관이 필요하다.

## Anthropic, 500만 달러 투자——AI가 인간의 상태에 미치는 영향을 측정하는 도구를 만들다

Anthropic이 8월 25일, AI가 이용자의 웰빙에 미치는 영향을 평가하는 연구에 500만 달러를 지원한다고 발표했다. 자금뿐만 아니라 모델 접근 권한과 기술적 지원도 제공한다. 대상은 오픈소스 평가 도구를 만드는 연구자다. 신청 마감은 9월 21일, 선정 결과 통지는 10월 5일로 예정되어 있다.

동사가 제시한 우선 과제는 구체적이다. 여러 차례에 걸친 대화에서 위험이 시간이 지나며 점진적으로 쌓여가는 상황을 측정하는 것. 정신 건강과 같은 민감한 영역에서의 행동 양상. 평가에는 임상 전문가를 참여시키고, 실제에 가까운 환경에서 시험하며, 피해 측면뿐만 아니라 보호적으로 작용한 측면까지 포함해 측정하는 것이다.

왜 ‘평가 도구’에 돈을 쓰는가. 이 회사의 설명은 이렇다. 정답이 정해져 있는 정밀 검사와 달리, 웰빙은 맥락에 크게 의존한다. 어떤 사람에게 적절한 조언이, 다른 건강 이력을 가진 사람에게는 해가 될 수 있다. 그래서 단일한 정답표를 만들 수 없다. 만들 수 없는 것을, 그럼에도 비교 가능하게 만드는 방법은 현재 존재하지 않는다.

단기적으로는 눈에 띄는 변화가 일어나지 않는다. 중기적 의미는 규제와의 연결에 있다. 각국 규제 당국은 AI의 안전성을 측정하려 하지만, 측정할 잣대가 없으면 규제를 만들 수 없다. 잣대를 만드는 작업에 규제를 받는 쪽이 자금을 대고 있다. 이러한 구도는 안전성 연구의 중립성이라는 또 다른 논점을 불러온다. 누가 잣대를 만드느냐에 따라 무엇이 문제로 간주되는지가 결정되기 때문이다.

## 속보: Ox Alpha 이용 점유율 1위 달성 — 익명 그대로, 실무의 주역이 되어가고 있다

어제 다루었던, 개발사 비공개 스텔스 모델 'Ox Alpha'가 움직였다. ITmedia가 8월 25일에 보도한 바에 따르면, 이 모델이 일부 개발 도구에서 이용 점유율 1위에 도달했다. 무료로 제공된다는 점과 100만 토큰이라는 긴 문맥을 처리할 수 있다는 점이 이용을 끌어올린 것으로 보인다. 개발사는 여전히 비공개 상태이며, 중국 Z.ai의 GLM 계열이 아니냐는 추측이 계속되고 있다.

어제와 무엇이 달라졌는가. 어제는 "작자 미상인 채로 평가가 먼저 이루어지고 있는" 단계였다. 오늘은 "작자 미상인 채로, 실제 작업량에서 1위가 된" 단계로 나아갔다. 이 차이는 작지 않다. 화제가 되는 것과, 업무의 토큰이 그곳을 통과하는 것은 의미가 완전히 다르다.

구조적으로 무슨 일이 벌어지고 있는가. 무료라는 점과 긴 문맥을 처리할 수 있다는 점이 브랜드의 부재를 능가했다. 개발 도구 이용자들은 실행 결과만 보고 선택하고 있다. 기존 모델 선정에서 확인되어 온 항목, 즉 학습 데이터의 출처, 안전성 노력, 장애 시 책임 소재는 이러한 선택 과정에서 참조되지 않고 있다.

단기적으로는 정체가 밝혀지는 시점에 한 번 크게 보도된다. 중기적인 쟁점은 입력 데이터의 행선지다. 무료 모델에 업무 데이터를 흘려보내는 경우, 그 데이터가 어느 서버로 전달되고 어떻게 처리되는지를 보여주는 문서가 존재하지 않는다. 오늘, 일본 정부가 학습 데이터 공개를 요구하는 원칙을 발표한 바로 그날, 공개가 전혀 없는 모델이 점유율 1위에 올라 있다. 이러한 병치가 지금의 현실이다.

## 국내: 건설업계에서 Claude 유료 도입률 70% 돌파——조직 차원의 활용 단계에 진입한 업계

LIFEFUND가 실시한 건설업계 경영자 설문조사 결과를 ＠IT가 8월 25일에 보도했다. 조사는 2026년 3월, 6월, 8월 세 차례에 걸쳐 진행되었으며, 응답자 수는 각각 53명, 31명, 54명이다. 규모가 작은 조사라는 점은 먼저 밝혀둘 필요가 있다.

수치는 이렇다. AI를 조직적으로 활용하는 단계(레벨 2)에 도달한 기업의 비율이 3월 43.4%에서 8월 68.5%로 25.1포인트 상승했다. Claude의 도입률은 3월 18.9%에서 6월 71.0%로 급등했으며, 8월에도 70.4%를 유지하고 있다. Google의 Gemini를 크게 앞지르는 양상이다.

왜 건설업인가. 도면, 시방서, 견적서, 법규 검토. 문서와 규칙의 대조가 업무의 핵심에 있으며, 게다가 인력 부족이 심각한 업계다. 또한 현장마다 조건이 달라 정형화된 소프트웨어로는 채우기 어려운 공백이 크다. 범용 언어 모델이 적용되기 쉬운 조건이 갖춰져 있다.

그리고 조사가 보여주는 '새로운 벽'이 핵심이다. 경영자들의 관심이 도입 자체에서 운영의 지속으로 옮겨가고 있다. 거론되는 것은 인재의 능력 차이, 투자 대비 효과 측정의 불명확성, 파트너 기업의 신뢰성, 그리고 직원들의 불안을 포함한 조직 변화 관리이다. 87%가 업종 특화형 또는 계획 수립형 조언을 요구하고 있다고 한다. 도구를 도입하는 이야기는 끝났고, 도입 후에 어떻게 운영해 나갈지의 이야기가 시작된 것이다. 단기적으로는 동일한 추이가 다른 중소기업 중심 업종에서도 관측될 것이다. 중기적 쟁점은 이 '효과의 정량화'를 누가 수행할 것인가이다. 측정할 수 없는 것에 투자를 계속할 수 있는 기업은 많지 않다.

## 오늘부터 바로 쓸 수 있는 실무 아이디어

이제부터는 업계 동향이 아니라, 직접 실행하는 사람이 오늘부터 바로 적용할 수 있는 구체적인 방법을 다룬다.

### 프롬프트는 직접 작성하는 것보다 AI에게 작성하게 하는 편이 지시가 더 잘 통한다.

무엇이 가능해지는가. "줄여서" "본문만 내놔"라고 요청해도 지켜지지 않던 현상이 사라진다. Zenn에 게시된 검증 기사에서는 조건 준수율이 0회에서 5회로 바뀌었다.

절차는 이렇다. 먼저, 해주길 바라는 일을 AI에게 직접 요청하는 대신, "이 조건을 확실히 지키게 하기 위한 프롬프트를 작성해줘"라고 요청하여 프롬프트 자체를 만들게 한다. 그런 다음, 생성된 프롬프트를 실제 업무 요청에 사용한다. 검증 결과, 직접 요청한 경우에는 5회 중 0회만 조건을 충족한 반면, AI가 작성한 프롬프트를 사용한 경우에는 5회 중 5회 모두 충족한 것으로 기록되었다. 차이는 서두가 1~2줄 늘어난 것뿐이었다고 한다. 또한, 약 40자 분량의 "본문만 출력할 것"이라는 한 문장을 추가하는 것만으로도 동일하게 5회 중 5회 달성한 것으로 알려졌다.

왜 효과가 있는가. 인간이 쓰는 지시는 조건을 문장 중간에 끼워 넣는 경향이 있다. AI가 쓰는 프롬프트는 조건을 독립된 줄로 앞이나 끝에 둔다. 위치와 독립성이 지켜지기 쉬운 정도를 결정한다.

누구에게 효과가 있는가. 같은 형식의 출력을 반복해서 생성하게 하는 사람. 매번 다른 결과물을 만들게 하는 방식에는 효과가 미미하다.

### 2. 에이전트의 청구 금액을 부풀리는 경우는 대개 세 곳이다.

무엇이 가능해지는가. AI 에이전트를 운영하면서 청구 금액을 예측할 수 없는 상태에서, 비용이 어디에서 발생하는지 특정할 수 있는 상태가 된다.

Zenn에 게시된 운영 기록은 소비 발생원을 세 가지로 나누고 있다. 첫째는 고정 컨텍스트다. 매 세션 시작 시 로드되는 지시 파일로, 이 파일이 비대해진 결과 세션당 2,500~3,000토큰이 상시 소비된 사례가 기록되어 있다. 둘째는 대화 이력이다. 대화가 길어질수록 과거의 교류 내용이 매번 재전송된다. 셋째는 재귀 처리다. 에이전트가 스스로를 호출하는 구조에서 발생하는 소비다. 해당 기록에는 프로세스 확인을 위한 명령 선택을 잘못해 예산의 19%를 소진한 사고도 보고되어 있다.

해야 할 일에는 순서가 정해져 있다. 먼저 지시 파일의 글자 수를 센다. 다음으로, 그중에서 "매번 필요하지 않은 내용"을 별도 파일로 옮겨 둔다. 그런 다음, 긴 작업은 하나의 세션에서 계속 끌고 가지 말고, 구간을 나눠 다시 시작한다.

누구에게 효과가 있을까. 에이전트에게 자동 작업을 맡기고 있는 사람. 대화로만 사용하는 사람에게는 아직 해당 사항이 없다.

### 3. 「판단」과 「작업」에 따라 사용하는 모델을 구분한다

무엇을 할 수 있게 되는가. 고성능 모델을 계속 사용하지 않아도 품질이 떨어지지 않는 구성이 된다. 되돌림 횟수가 줄어든다.

Zenn의 실전 기록이 제시하는 분류 방식은 단순하다. 판단이 포함된 공정, 즉 무엇을 만들지, 어떻게 설계할지는 상위 모델에 맡긴다. 판단이 포함되지 않은 실제 작업, 즉 정해진 절차의 실행이나 정형화된 변환은 경량 모델에 돌린다. 그리고 중요한 세 번째는, 설계 산출물의 리뷰는 그 설계를 작성한 모델과는 다른 모델에게 맡기는 것이다. 자신이 쓴 것을 스스로 점검하게 해도 같은 실수를 반복하기 때문이다.

이러한 구분 방식은 오늘 뉴스에서 등장한 30B급 경량 모델의 용도와도 일치한다. 도구 호출과 같은 정형화된 처리를 경량 쪽에 맡기고, 복잡한 판단만 고성능 쪽에 남기는 구조는 업계 전반에서 공통된 해법이 되어 가고 있다.

누구에게 효과가 있을까. 여러 단계의 작업을 AI에 맡기고 있는 사람. 단발성 질문만 하는 사람에게는, 나눌 대상이 없다.

### 4. 폐쇄된 환경의 RAG는, 이제 GPU 머신을 구매하지 않아도 구축할 수 있다

무엇을 할 수 있게 되는가. 사외로 반출할 수 없는 자료를 검색하게 하는 시스템을, 전력 소비가 적은 장비 한 대로 가동할 수 있다.

RAG란, 보유 중인 문서를 검색한 후 AI에게 답하게 하는 구조를 말한다. Zenn에 게시된 이식 기록에서는, RTX 3090을 탑재한 GPU 머신에서 구동하던 폐쇄형 RAG를 Mac mini M4 Pro로 옮긴 결과가 실측으로 보고되었다. 결론은 "품질 차이는 감지할 수 없었다"는 것이다. 대기 시 소비 전력은 8와트까지 내려갔다고 한다. 게시자는 품질 평가의 기준 자체를 다시 만든 뒤 동등성을 확인했다고 적고 있다.

이 이야기가 오늘날 의미를 갖는 이유는 같은 날 Apple이 M6와 M5 Ultra를 발표했기 때문이다. M5 Ultra에서는 통합 메모리가 최대 512GB에 달한다. M4 Pro에서 동등한 품질이 나온다면, 상위 세대에는 무엇이 탑재될지는 짐작할 수 있다. 다만 이식 기록은 특정 용도에서의 실측값이며, 다루는 문서량이나 검색 요건이 다르면 결과도 달라진다. 먼저 자신의 용도에서 "무엇을 동등하다고 볼 것인지"를 정한 뒤 측정할 필요가 있다.

누구에게 효과가 있는가. 고객 정보나 계약서 등 클라우드에 올릴 수 없는 자료를 보유한 사람. 공개 정보만 다루는 사람은 그냥 클라우드를 사용하는 편이 더 저렴하다.

## 오늘의 뉴스가 개인사업자에게 무엇을 의미하는가

첫째, AI 이용료는 '저렴해지는 것'과 '제한되는 것'이 동시에 온다. 오늘 Mozilla의 조사는 추론 단가가 36개월 만에 50분의 1로 줄었다고 보고했고, OpenAI는 자체 칩으로 전력당 처리량을 최대 1.9배로 늘렸다고 발표했다. 그런데 바로 같은 날, ChatGPT Plus에서는 5시간마다의 이용 제한이 부활했다. 단가는 내려가지만, 정액제 플랜에서 쓸 수 있는 양에는 상한선이 다시 생긴다. 무엇을 해야 할까. 마감이 있는 업무를 단일 플랜에 전면 의존시키지 말아야 한다. 제한에 걸린 날 대체 수단이 하나도 없는 상태는 사고가 된다. 무료 티어라도 별도 계열의 수단을 하나 마련해 두는 것만으로 멈추는 시간이 달라진다. 그리고 연간 결제 계약은 이 변동기에 불리하게 작용할 가능성이 있다.

둘째, 사용 중인 AI의 '학습 데이터 공개 현황'을 확인할 수 있는 상태로 만들어 둔다. 일본 정부가 수립한 원칙 규범(프린시플 코드)은 사업자에게 모델의 학습 데이터와 라이선스 공개를 요구하고, 그 대응 상황을 정부가 공표하도록 하고 있다. 법적 구속력은 없다. 그러나 공표 리스트가 나오는 순간, 그것은 거래처가 보는 자료가 된다. 제작물을 납품하는 사람에게 있어서 '어떤 AI를 사용했는가', '그 AI가 학습 데이터를 공개하고 있는가'는 언젠가 반드시 받게 될 질문이다. 같은 날 개발처가 불분명한 Ox Alpha가 이용 점유율 1위가 되었다는 사실이 이 질문의 절실함을 보여준다. 오늘 할 일은 단 하나, 사용 중인 서비스의 이용약관과 데이터 처리 페이지를 열어 학습 이용에 대해 어떤 내용이 적혀 있는지 읽는 것이다.

셋째, 'AI 도입 후'의 측정 방식을 지금 미리 자신만의 기준으로 정해두는 것이다. 건설업계 조사에서 경영자들이 꼽은 새로운 과제는 도입 자체가 아니라 투자 대비 효과를 측정할 수 없다는 점이었다. 조직 차원의 이야기처럼 보이지만, 오히려 혼자 일하는 사람에게 더 와닿는 얘기다. 판단 기준은 단순하다. AI를 쓰기 시작한 업무에 대해 월간 작업 시간과 AI에 지불하는 금액을 같은 종이 한 장에 나란히 적을 수 있는가. 적을 수 없다면 그 업무는 '그냥저냥 쓰고 있는' 상태에 있는 것이다. 시간은 줄지 않았는데 지출만 늘어난 업무가 하나라도 있다면, 그 부분은 줄일 수 있다. 오늘 뉴스가 시사하는 바는 내년에도 같은 요금으로 같은 양을 쓸 수 있다는 보장이 없다는 것이다. 측정하지 않은 지출은 조건이 바뀌었을 때 가장 먼저 타격을 받는다.

※이 기사는 AI가 생성한 것입니다. 이무라의 의견·견해는 일절 포함되어 있지 않습니다.

■ 저서 2권을 출간했습니다

신간 『AI는, 기억하지 않는다』(2026년 8월 발매)는 AI를 한 번 시도해 보고 "우리 회사에는 맞지 않다"며 포기한 사람들을 위한 책입니다. 무제한 열람 대상 도서입니다.

『고릴라는 왜 식물만 먹고도 근육질일까?』 최신 과학으로 풀어보는 '뇌'와 '장'의 공생 전략 이야기입니다.

■ 당신에게 맞는 입구

몸을 바꾸고 싶은 분들께. 긴자 트레이닝 랩의 무료 체험은 이쪽에서.

트레이너·치료사 여러분께. 현장의 '왜?'를 해결하는 사고방식을 배포하고 있습니다(월 5~6회).

AI를 업무에 활용하고 싶은 분들께, AI의 '수정 방법'을 알려드리는 동반 서비스를 운영하고 있습니다.

■ 지난 기사 찾기

영양·트레이닝·다이어트 등 테마별로 기사를 찾을 수 있습니다. https://udify.app/chat/tH7RIV2EpxNfwdvq

사이트맵은 여기입니다.

저자 프로필
▶︎LLC LSP 대표
▶︎퍼스널 트레이닝 짐 긴자 트레이닝 랩 대표
▶︎오츠마 여자대학 라크로스부 (2019년~2023년)
▶︎헤이세이 국제대학 트레이너 (2018년~2019년)
▶︎하반신 다이어트 협회 어드바이저 (2016년~2020년)
▶︎2018년 도쿄에서 '지금 받고 싶은 트레이너'로 선출
▶︎모델, 아이돌 등 담당
#다이어트 #하반신 다이어트 #내 일 #매일 업데이트 #일하는 방식 #프로필
#자기소개 #매일 note #퍼스널 트레이너 #독서 #AI 활용 #ClaudeCode #개인사업자 #1인 대표 #업무 효율화 #AI 에이전트 #AI #생성형 AI #ChatGPT #자동화 #개인사업자 #1인 대표 #살롱 경영 #Kindle 출판 #전자책 #신간

**출처:** [note 원문](https://note.com/lifestylepro/n/n42f05ded0a45)

*번역: Gemma 3(.44) 초벌 + 교정 67청크*

[원문 보기](https://note.com/lifestylepro/n/n42f05ded0a45) | 출처: note.com