# AI 뉴스 [8월 24일]

> https://bookfactory.kr/c/publishing/11291
> 게시판: 출판·책 제작
> 작성자: admin
> 작성일: 2026-09-12T08:02:16.853Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/306596412/rectangle_large_type_2_ba2106caa0b134ee4df1ca10d9565851.jpeg?width=1280)

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

오늘의 뉴스를 살펴보면 주역이 모델이 아니라는 사실을 깨닫게 된다. NVIDIA의 연구가 보여준 것은 모델을 감싸는 “하르네스”를 바꾸는 것만으로 점수가 3배 이상 뛰어나다는 사실이었다. Anthropic이 직면한 것은 모델의 지성과 전혀 관련 없는 서비스 장애였고, OpenAI가 대응에 쫓겼던 것은 사용량 측정치가 엉망이라는 미미한 불具合였다. 국내에서는 AI 에이전트 도입을 원하는 기업들이 “비용이 예측 불가능하여 예산이 턱없이 부족하다”는 이유로 중단하고 있다. 지능 경쟁은 계속되고 있지만, 오늘 실무의 성공 여부를 결정짓는 것은 모델 주변에 무엇을 놓을지에 대한 설계 문제였다.

## 목차

- 하르네스 - NVIDIA가 제시한 모델보다 효과적인 외피의 이야기
- 클로이드 장애 – 지혜와 멈추지 않는 것이 다른 지표이다.
- 코덱 사용량 초기화 – “소비 속도가 지나치게 빠르다” 문제에 대한 재 대응
- 내재화된 “페러데이” – DeepMind 출신자의 AI, 논문 재현에서 Anthropic과 OpenAI를 능가
- OpenAI는 비즈니스 활용에 Anthropic에 본격적으로 밀접하고 있으며, 기업들의 AI 지출은 예상보다 끈기 있게 늘어나지 않고 있습니다.
- 마이크로1은 연환산 5억 달러를 기록하며, 학습 데이터라는 숨은 시장의 팽창을 보였다.
- 스타클라우드 2억 5천만 달러 — 궤도상 데이터 센터와 발사 슬롯 경쟁
- Google의 선호 출처 버튼——AI 검색으로 클릭을 잃은 측에 던져진 얇은 안전망
- 국내: AI 에이전트의 “예산의 벽” – 비용 예측이 불가능하여 의결이 지연된다.
- 국내: 유기 AI 발각 패턴—문제는 대체로 사후에 발견된다

## 하르네스 - NVIDIA가 제시한 모델보다 효과적인 외피의 이야기

NVIDIA는 8월 21일, 장시간 작업에서는 모델 본체보다 “하르네스(Harness)”가 더 중요하다는 연구 결과를 발표했다. 하르네스는 모델을 감싸는 소프트웨어 외각을 의미하며, 사용 가능한 도구, 기억 관리, 통제 규칙 등을 포함한다. 이는 원본 모델을 스스로 작동할 수 있는 에이전트로 변화시키는 부분에 해당한다. NVIDIA는 기억 관리를 조정하고 “슈퍼바이저(Supervisor)” 역할을 수행하는 부품을 추가한 자작 하르네스 AVO를 사용하여 Claude Opus 5를 실행했으며, 대화형 추론 벤치마크 ARC-AGI-3에서 100점을 기록했다. 같은 Opus 5는 하르네스가 없을 경우 30점을 기록했다. 또한 이 30점은 테스트된 모든 모델 중 최고 점수였다.

ARC-AGI-3는 설명서 없는 2D 게임 그룹에서, 인간처럼 스스로 방법을 찾아 승리해야 하는 게임이다. 여기서 모델이 실패하는 이유는 지능 부족이 아닌, 길을 잃는 것이다. NVIDIA의 Adel El Hallak 氏は, 세상이 에이전트를 거의 “모델의 API”로 인식하고 있다고 지적한다. 실제 에이전트는 모델에 더해, 발판이 되는 하이머스, 런타임, 그리고 주어진 기술과 라이브러리를 포함하는 것이다. 이 회사가 효과를 보았다고 말하는 것은 슈퍼바이저의 추가였다. 한계에 부딪히기 시작한 본체 에이전트를 CEO처럼 옆에서 밀어붙이는 역할이다. OpenAI는 지난달, 하이머스 설정을 2가지 변경하는 것만으로도 자체 모델의 ARC-AGI-3 점수가 3배나 상승했다고 보고했다.

현재 에이전트 이용자 대다수는 Claude Code, Codex, Hermes와 같이 하르네스를 하나만 보유하고 있습니다. 여기에 감독 역할을 추가로 하나 더 겹치는 것만으로도 결과가 달라질 여지가 남아 있습니다. Databricks가 7월에 발표한 연구 결과는 더욱 명확합니다. 동일한 모델이라도 하르네스가 다르면 비용이 2배나 달라지는 것을 보여줍니다. “높은 모델”, “저렴한 모델”과 비교하기 전에 어떤 하르네스로 측정했는지 확인해야 합니다. 단기적으로는 벤치마크 숫자의 해석이 달라집니다. 중장기적으로는 모델 선택 논의가 하르네스 선택 논의로 대체될 것입니다.

## 클로드 장애 – 지혜와 멈추지 않는 것이 다른 지표이다.

Anthropic의 “Claude”, “Claude Code” 등으로 8월 24일 장애가 발생했다. 해당 기업의 상태 페이지에 따르면, 현지 시간 14시 27분 현재 오류의 원인을 파악하고 수정 작업을 진행 중이다. 앞서 NVIDIA 연구에서 100점을 획득한 동일 시리즈의 모델이 같은 날 일본 사용자 측에서 응답을 멈추게 된 것이다. 아이러니하게도, 이는 우연이 아니었다.

왜 이런 일이 반복되는 걸까. 생성 AI는 현재 사실상 사회 기반 시설에 한쪽 발을 들여놓고 있다. 그럼에도 불구하고 이용자 측은 여전히 단일 서비스에 대한 의존을 전제로 업무를 구성하고 있다. VentureBeat가 6월에 보도한 기업 조사 결과, 145개사 중 3분의 2가 AI 모델 전략을 1社에 묶지 않고 분산하고 있었다. 그 판단의 가치는 6월의 Claude 장애가 실증한 형태가 되었다. 분산은 비용이 든다. 하지만 분산하지 않은 측은 멈추는 순간 업무가 완전히 중단되는 것을 경험하게 된다.

단기적으로는 이번 장애 자체는 수 시간 내에 복구되는 수준이다. 중기적으로 효과를 가져오는 것은 또 다른 변화이다. AI를 업무의 핵심에 두는 사업자일수록 가용성을 구매 기준으로 포함시켜 보기 시작한다. 벤치마크 점수보다는 과거 12개월의 가동률을 지켜보는 것이며, 개인이나 소규모 사업자로서의 실무적인 함의는 단순하다. 마감 기한이 있는 일을 1개의 AI 서비스에만 의존해서는 안 된다.

## 코드렉스 사용량 리셋 – “소비 속도가 너무 빠르다” 문제에 대한 재 대응

OpenAI는 8월 24일, Codex 사용량 재설정을 알렸다. 일부 사용자들의 경우 사용량이 예상보다 빠르게 소모되는 문제에 대한 대응이다. “또”라는 표현이 붙듯, 이는 일회성 조치가 아니다.

이러한 문제점이 반복되는 배경에는 AI 코딩 툴의 요금 체계 자체의 구조가 있다. 사용자가 구매하는 것은 “시간”이든 “횟수”이든 아닌, “토큰”이라는 보이지 않는 단위이며, 같은 작업이라도 코드베이스의 크기나 대화의 길이에 따라 소비량은 크게 달라진다. Anthropic이 2025년 7월에 주간 요율 제한을 도입했을 때도 “24~40시간의 Opus”라는 표기가 실제로 무엇을 의미하는지 이해하지 못하는 불만이 쏟아졌다. 측정 불투명한 상품은 사업자 측의 버그도 이용자 측에서는 검증할 수 없다.

단기적으로는 Codex 사용자도 이번 리셋으로 안정을 찾을 수 있을 것이다. 중기적인 논점은 측정의 투명성이 경쟁 요인이 될지 여부다. 사용한 만큼 보이지 않는 서비스는 업무에 통합된 순간에 위험을 초래한다. 사용량 대시보드의 정확도는 언젠가는 모델 성능과 같은 수준으로 향상될 것이다.

## 내재화된 “페러데이” – DeepMind 출신자의 AI, 논문 재현에서 Anthropic과 OpenAI를 능가

영국 AI 연구소 Inherent가 8월 22일, AI 에이전트 “Faraday”를 공개했다. 이 회사는 DeepMind 출신자가 설립한 연구소로, 과학 논문 재현 능력에서 Anthropic과 OpenAI의 모델을 상회한다고 주장하고 있다. 이 회사는 이를 “AI 팀메이트”라고 부른다.

논문의 재현이라는 과제가 선택되는 것이 중요하다. 이는 장시간 과제의 전형적인 경우로, 절차를 수십 번이나 연결하면서, 중간에 결론을 조작하지 않고 진행해야 한다. 생성 AI가 가장 어려워하는 영역이기도 하다. 실제로 마이크로소프트가 4월에 발표한 연구에 따르면, 19개의 LLM에 문서 편집을 포함하는 장시간 과제를 부여한 결과, 프론티어 모델을 포함한 모든 모델이 문서를 오류로 가득 채웠다. 인간이 같은 일을 한다면 즉시 해고되는 수준이었다. 재현성은 이러한 “중간에 멈추지 않는 능력”을 직접적으로 측정하는 벤치마크이다.

단기적으로는 대규모 연구소 이외에서도 장시간 작업으로도 경쟁력을 갖는 플레이어가 나타난다는 사실 자체가 경쟁 환경을 변화시킨다. 중기적으로는 과학 연구의 재현성 위기라는 또 다른 문제에 AI가 연결되어 갈 것이다. 다만 현재 시점에서 공개된 것은 해당 회사의 주장이며, 제3자 검증은 앞으로 이루어질 것이다.

## OpenAI는 비즈니스 활용에 있어 Anthropic에 더욱 박진하고 있으며, 기업들의 AI 지출은 예상보다 끈기 있게 늘어나지 않고 있습니다.

TechCrunch는 8월 20일, 새로운 데이터를 근거로 OpenAI가 비즈니스 사용자 시장에서 Anthropic를 추격하고 있다고 보도했다. 주목할 만한 점은 순위가 아닌, 그 움직임의 방식이다. 기업들은 각 연구소에서 새로운 모델을 발표할 때마다 서로 돌아다니는 것을 반복했다.

이 “往復”가 보여주는 것은 법인의 AI 지출이 예상만큼 굳혀있지 않은 구조라는 점이다. 기존의 업무 소프트웨어는 데이터를 이체하는 비용과 재교육 비용으로 고객을 묶어두었다. 그러나 AI 모델은 API 엔드포인트를 교체하는 것만으로 전환이 가능한 경우가 있다. 전환 비용이 구조적으로 낮다. TechCrunch는 이러한 불안정성이 양사의 투자자들에게 경계심을 불러일으킬 것이라고 지적하고 있다.

단기적으로는 이질화 경쟁이 지속되는 한 가격 인하와 기능 추가의 압력이 사용자에게 유리하게 작용한다. 중기적으로는 각사가 어떤 점유율을 확보할 것인지가 초점이 될 것이다. 모델의 지능으로는 감싸지 못하며, 감싸게 된다면 기억, 데이터 연동, 그리고 바로 하르네스를 활용하는 부분일 것이다. 오늘 뉴스의 대부분이 같은 부분을 지적하고 있다.

## 마이크로1은 연환산 기준으로 5억 달러를 기록하며, 학습 데이터라는 비공개 시장의 확장세를 보였다.

AI 학습 데이터 스타트업 Micro1이 연 매출 5억 달러를 돌파했다고 TechCrunch이 8월 20일에 보도했다. AI 학습 데이터에 대한 수요 급증이 이 회사와 경쟁사의 성장을 견인하고 있다는 내용이다.

데이터 라벨링 회사가 이렇게 규모가 나는 이유는 무엇일까요? 사전 학습용 생텍스트는 이미 웹상에서 대부분 수집되었습니다. 현재 각 연구소들이 돈을 주고 있는 것은 강화 학습과 평가를 위한 고품질의 인력 데이터입니다. 전문가가 풀어낸 문제, 전문가가 채점한 결과물, 전문가가 작성한 절차입니다. 모델을 더 똑똑하게 만드는 마지막 한 방은 여전히 인간이 공급하고 있습니다. 이러한 구조가 존재하는 한, 학습 데이터 시장은 모델 시장과 함께 팽창할 것입니다.

단기적으로는 전문 지식을 갖춘 개인에게 새로운 소득원이 확대되고 있습니다. 중기적인 논점은 품질 관리입니다. 금전이 얽힌 문제이므로 위장한 “전문가”가 혼재될 수 있으며, 시장이 확대될수록 검증 비용이 상승합니다.

## 스타클라우드 2억 5천만 달러 — 궤도상 데이터 센터와 발사 슬롯 경쟁

스타클라우드가 8월 21일, 궤도상 데이터센터 사업에 2억 5천만 달러를 조달했다. TechCrunch는 이 조달을 발사 수단 선택의 폭이 줄어드는 상황에서 이루어진 움직임으로 보도하며, 우주 접근 권한을 둘러싼 경쟁이 시작될 수 있다는 전망을 내놓고 있다.

지상 데이터 센터는 현재 전력과 토지, 냉각수로 막혀가고 있다. 그래서 궤도상이라는 아이디어가 등장한다. 태양광은 가릴 것이 없고, 냉각은 진공 상태에서 열을 방출하면 된다. 논리적으로 타당하다. 문제는, 그렇게까지 물건을 옮기는 수단이 유한하다는 것이다. 로켓 발사 슬롯은 인공지능 데이터 센터 사업자들만을 위한 것이 아니다. 조달한 자금의 상당 부분이 계산 자원이 아닌 운송 슬롯 확보에 향하게 될 것이다.

단기적으로 이 분야는 아직 실증 단계에 있습니다. 중기적으로 봐야 할 것은 지상 측의 제약이 어디까지 엄격해지는지입니다. 전력 부족이 심각해질수록 겉으로 보기에는 황당해 보이는 선택지의 상대적 가치가 높아집니다.

## Google의 선호 출처 버튼——AI 검색으로 클릭을 잃은 측에 대한 얇은 안전망

구글은 8월 20일, 출판사가 자사 웹사이트에 삽입할 수 있는 “Preferred Sources(우선 소스)” 버튼을 공개했다. 독자가 이 버튼을 누르면 해당 웹사이트가 구글 검색, 디스커버리, 구글 뉴스에서 우선적으로 표시된다. 이 기능은 5월에 AI 모드 및 AI 오버ভিউ를 포함한 구글의 AI 경험으로 확장되었으며, 당시 이미 전 세계적으로 34만 5천 건 이상의 고유 소스가 선택되었었다.

배경에는 AI 검색이 웹 클릭을 낭비하고 있다는 사실이 있습니다. AI Overviews가 답변을 검색 결과 페이지 내에서 완결시킨다면, 독자는 원본 기사로 이동하지 않을 것입니다. 구글은 AI 기능이 출판사에 대한 유입을 늘릴 것이라고 지속해서 주장해 왔지만, 그 주장은 매년 더욱 엄격하게 살펴지고 있습니다. 이번 버튼은 구글이 스스로 만든 문제에 대한, 구글이 제공하는 부분적인 해결책입니다. 해당 회사는 과거 조사에서 우선 소스로 설정된 사이트는 클릭률이 2배 증가했다는 보고를 제시했습니다.

단기적으로는 고정 독자층을 가진 게시자에게 유리한 시스템이다. 중장기적으로는 불안정성을 내포한다. 이는 검색 알고리즘의 공정성 문제라기보다는 독자의 능동적인 등록 행동에 유입이 의존하는 구조로의 전환을 의미하며, 팬을 보유한 자는 더욱 유리해지고, 그렇지 않은 자는 찾기 어려워질 것이다.

## 국내: AI 에이전트의 “예산의 벽” – 비용 예측이 불가능하여 의결이 지연된다.

IT메이드는 8월 24일, 기업의 AI 에이전트 활용을 억제하는 “예산의 벽” 문제를 다뤘다. 사전에 AI 사용 비용을 예상하지 못하면 투자 판단이 어렵고, 예산이 수립되지 않으며, ROI 예측도 불가능하다. 이러한 연쇄 반응으로 인해 도입이 중단된다. 기사는 세일스포스, IBM, 마네이포워드가 제공을 시작한 최신 기능이 해결책이 될 수 있는지 검증하고 있다.

이 문제는 앞선 Codex 사용량 초기화와 같은 근원에서 비롯된 것이다. 소량 부과 방식으로, 소비량이 사전에 예측하기 어렵다. 라이선스 수 × 단가를 기준으로 견적이 나온 SaaS 구매 프로세스에 이 상품은 탑승하지 않는다. 일본 기업의 의결은 금액이 확정된 것을 전제로 설계되어 있다. 여기서 막히는 것은 기술이 아닌 회계와 결재의 형식이다.

단기적으로는 사용량 제한 기능이나 비용 시각화 대시보드를 제공하는 업체의 입지가 유리해질 것이다. 중기적으로는 AI 에이전트의 가격 체계가 “예측 가능성”을 판매 포인트로 내세우는 방향으로 발전할 것이다. 무제한 요금제의 고정 가격 플랜이 늘어난다면, 이는 원가 때문이 아닌 결산 통과를 용이하게 하기 위한 것이다.

## 국내: 노예 AI 발각 패턴—문제는 주로 사후에 발견된다.

키맨즈넷이 8월 24일, 사내에서 누가 어떤 AI를 사용하고 있는지를 정확하게 파악하고 있는 기업은 많지 않다는 현실을 다룬 기사를 발표했다. 약 500사의 상담 분석과 여러 사례를 바탕으로, 야로 AI(샤도우 AI)가 발각되는 2가지 패턴과 방어책을 정리하고 있다. 기사가 강조하는 부분은 문제 대부분이 사후에 발각된다는 점이다.

왜 뒤늦게 문제가 되는 걸까. 생성 AI의 이용에 IT 부서를 거치지 않았기 때문이다. 브라우저와 신용카드만 있으면 시작할 수 있다. 기존의 섀도우 IT는 설치나 네트워크 통신으로 인해 문제가 발생할 가능성이 있었지만, 웹 서비스에 대한 입력은 그것마저 사라진다. 게다가 직원들은 악의적으로 사용하지 않으며, 단순히 일을 빨리 끝내고 싶어서이다. 금지하면 지하로 숨거나, 방치하면 고객 정보가 외부 모델로 유출될 수 있다.

단기적으로는 많은 기업들이 이용 실태 파악부터 시작할 것이다. 중기적인 논점은 금지(禁止)와 묵시(黙認) 사이에 제3의 선택지를 만들 수 있는지가 중요하다. 회사가 정규 루트를 제공하지 않는 한 야로나 AI는 사라지지 않을 것이다.

## 하버드 699달러 강좌—AI 아바타 강사가 시뮬레이션 이사회에서 피드백을 제공

하버드 비즈니스 스쿨의 스타트업 대상 집중 교육 프로그램 “HBS Foundry”는 699달러의 프로그램에 AI 강사 아바타를 도입했다. TechCrunch는 8월 22일에 이를 보도했다. 수강생이 연습 피치와 모의 이사회(시뮬레이션)를 진행하면, AI 아바타가 즉석에서 피드백을 제공하는 시스템이다.

이는 교육의 AI화라기보다는, 전문가의 시간을 과도하게 희생하는 방식이 변화했다는 이야기다. 명문 사립학교의 교수진은 희소하며, 시간당 단가가 높아 대규모로 확산되지 않는다. 이러한 제약을 극복하기 위해, 본인의 대신 AI를 활용하는 것이다. 699달러라는 가격 설정은 대면 에그ゼクティブ 교육의 일반적인 가격대에서 보면 桁이 2개 적다. 가격이 저렴해진 만큼, 더 많은 수의 사람들에게 제공할 수 있게 된다.

단기적으로는 유사한 “AI 아바타 강사” 유형의 프로그램이 각지에서 등장할 것이다. 중기적으로는 가치가 어디에 남느냐가 핵심 질문이다. 지식 전달이 AI로 대체된다면 인간 강사에게 남는 것은 그 사람이 실제로 그 자리에 있다는 사실 그 자체일 것이다.

## 오늘부터 바로 활용 가능한 실무 소재

이제부터 업계 동향이 아닌, 실제로 손을 움직이는 사람이 오늘부터 바로 따라 할 수 있는 구체적인 방법을 다룰 것이다.

### 본격 실행 전에 “목표, 형식, 범위” 세 가지 사항을 재확인합니다.

무엇을 만들어낼 수 있을까. 수천 자의 자료나 이메일을 생성시켜서 “이건 아니야”하고 깨닫고 버리는, 그런 낭비가 사라진다. 오차 감지가, 생성 비용이 큰 본가 출력 전에 이행한다.

구체적인 절차입니다. 본(依頼)을 요청한 직후, 생성(開始)을 시작하기 전에 다음 프롬프트를 삽입합니다.

다음 작업을 진행하기 전에 먼저, 당신이 이해한 내용을 다음 3가지 사항으로 요약해 주십시오. 아직 실제 작업에는 착수하지 말고, 1. 목적(무엇을 위해, 누가 읽거나 사용하는 것인가), 2. 결과물의 형식(분량, 형식, 제출처), 3. 포함해야 할 요소/포함하지 않아도 되는 요소를 명확히 해주세요. 요약이 끝나면 잠시 멈추고 제가 확인을 기다리겠습니다.

3개의 항목 중 하나라도 의도와 차이가 있다면 즉시 1~2문장의 수정 사항을 반영한 후 본番 실행을 진행한다. 검토자 측에서는 “이번 주 AI 활용 진척 상황을 요약하는 자료를 만들어”라는 지시에 이 게이트를 추가한 결과, 결과물의 형식으로 “제목이 있는 슬라이드 4~5장”이라는, 지시에 전혀 언급되지 않은 구체적인 양이 반환되었다. 실제 필요했던 것은 사내 채팅용 3행 메모였으며, 이 시점에서 수정할 수 있었다.

중요한 것은 “요점을 알려줘”와 같은 한마디로 효과가 나지 않는다는 점이다. 목적, 형식, 범위라는 서로 독립적인 세 축을 명시적으로 짚어 질문하기 때문에, 모델이 임의로 채워 넣은 기본값이 드러나게 된다.

누구에게 효과가 있을까. 장문의 글, 자료, 이메일을 AI에 작성하게 하는 모든 사람. 반대로, 한 마디 질문과 한 마디 답변으로 끝나는 방식으로 사용하는 경우에는 확인의 노력이 더 우세할 것이다.

### 클로드 코드의 인계는 “핸드오프”, “테이크오버” 두 용어로 진행한다.

무엇을 할 수 있게 될까. 세션을 끊어도 맥락이 흐트러지지 않고, 다음 날 작업이 한마디로 재개될 수 있게 된다. 맥락이 두꺼워져 응답 품질이 저하되기 전에, 주저하지 않고 세션을 끊을 수 있게 되는 것이다.

구체적인 절차입니다. 글로벌의 CLAUDE.md ( ~/.claude/CLAUDE.md )에 두 개의 트리거 단어를 선언합니다. “HANDOFF”라고 지시하시면 HOFF.md를 최신 현재 위치로 업데이트하고, “TAKEOVER”라고 지시하시면 HOFF.md를 읽고 작업을 계속합니다. 세션을 닫기 전에 “HANDOFF”라고 입력하고, 새로운 세션 시작 시에는 “TAKEOVER”라고 입력하는 것으로 완료됩니다.

HANDOFF.md에는 시간 순서 로그를 작성해서는 안 됩니다. 유지해야 할 사항은 3가지입니다. 현재 위치(확정된 1행 요약과 원본 파일 링크표), 다음 단계(우선순위에 따라 정렬된 액션), 그리고 찜질방 방지 주의사항(이미 논의하여 거절한 안건과 함정)입니다. 작업의 각 단계마다 덧붙이는 것이 아니라 덮어쓰기 업데이트합니다. 쌓아 올린 형태의 로그는 오히려 두꺼워지지만, 다음 세션의 AI가 읽어야 하는 부담만 늘어납니다.

또 다른 원칙입니다. HOFF.MD는 Git 관리 외부에 위치하며, “여기만 존재하는 지식을 보관하지 않는다”는 원칙을 따릅니다. 결정, 사실, 경위 등 모든 내용은 하나의 파일에 기록하고, HOFF.MD는 그 포인터와 요약에만 집중합니다. 최악의 경우 HOFF.MD를 잃더라도 다른 모든 파일을 읽어보면 동등한 지식을 재구성할 수 있는 상태를 유지합니다.

누구에게 효과가 있을까. 수주에서 수개월에 걸친 프로젝트를 AI 에이전트와 함께 진행하고 있는 사람이다. 한 번의 세션으로 끝나는 작업만 하는 사람에게는 필요 없다.

### 질문은 채팅이 아닌 파일로 전달받습니다.

무엇을 할 수 있게 될까요. 인공지능으로부터 확인 사항이 10개 모이면, 위쪽을 스크롤하면서 1문제를 차례대로 풀고 답하는 작업이 없어지고, 대신 내용을 모두まとめて書き込み、한 문장으로 답할 수 있게 됩니다.

구체적인 절차입니다. 해결되지 않은 질문이 5개 이상 발생하면 질문 목록 파일을 생성하도록 요청할 것입니다. 이 규칙은 Claude.md 파일에 기록되며, 실행 디렉토리 직下のQUESTIONS/폴더에 저장합니다. 파일 이름은 “날짜-테마-세션ID 앞 8자리.md” 형식으로 지정합니다 (예: QUESTIONS/2026-06-10-단가 전략-84ffff6e.md). 세션ID는 환경 변수 CLAUDE_CODE_SESSION_ID에서 가져오면 여러 세션을 병렬로 진행해도 파일 충돌이 발생하지 않습니다.

파일 형식은 질문ごとに 제목, 질문 문구, AI 측의 임시 답변 제안, 그리고 “> 답변:”이라는 인간이 작성하는 영역을 배치한다. 인간은 Markdown 미리보기에서 이 파일을 열어두고 편집기에서 답변 영역을 채우고 “작성했어요”라고 전달하기만 하면 된다. AI는 파일을 읽어 일차 기록에 반영하고, 완료된 항목에 체크를 표시한다.

이에 대해 제작자는 이 운영 방식의 약점도 기록하고 있다. 한 세션에서 챗봇에만 제시했던 질문과 전제가 파일에도, 기록에도 남아있지 않고 세션이 끝나 다음 세션에서는 완전히 사라졌다. “5개 이상이 되면 파일로 저장”이라는 임계치는 이 소실을 막기 위한 것이다.

누구에게 효과적일까. AI에 큰 규모의 작업을 한 번에 맡기는 사람. 구체적인 지시를 그때그때 내는 스타일의 사람에게는 지나치게 복잡한 시스템이 될 수 있다.

### 4. 질문과 전제에 따라, 모든 항목에 일련 번호의 레이블을 부여하십시오.

어떤 것을 이루게 될지 “3번 항목에 대해, 그것이 괜찮다”는 말이 통할 수 있게 된다. 대화가 길어져도 어떤 목록의 어떤 항목을 설명하지 않고도 참조할 수 있다.

구체적인 절차입니다. AI에게 종류를 나타내는 접두사와 세션 전체에서 유일한 번호를 레이블로 지정하도록 합니다. Q는 질문, P는 전제(AI가 스스로 판단하여 보완한 가정), T는 작업, O는 선택지입니다. 규칙은 두 가지뿐입니다. 같은 응답 내에서 다른 종류의 목록을 나열할 때는 접두사를 바꿔야 하며, 이전에 사용한 번호는 재사용하지 않고 순차적으로 번호를 매겨야 합니다.

효과는 양방향으로 미치는 것으로 나타났다. 기획자의 기록에 따르면, 사용자로부터 받은 답변이 “T62 완료 / T63 완료 / T64 완료. / Q57 일단 이렇게 함.気になるならまた 다시 논의해. / Q58 미루기”로 프리젠테이션 없이 5행으로 마무리되었다. 요청 작업 3건과 답변 대기 중인 2건에 대한 답변이 이것으로 충분하게 간주되었다.

P를 독립시키는 데는 이유가 있다. 계획을 작성하기 전에 “지시 내용에 없었던 것으로 AI가 스스로 판단하여 채운 전제”를 모두 P와 함께 나열하게 하고, 승인을 받은 후에 진행한다. AI가 임의로 채운 요구사항의 틈새는 나중에 손戻리가 되는 최대의 불씨이기 때문이다.

누구에게 효과가 있을까. 인공지능과 장기간 주고받는 대화를 하는 사람에게는 의미가 없다. 단발성 질문만 하는 사람에게는 의미가 없다.

### 응답 속도 실측값으로 모델을 활용하여 구분합니다.

무엇을 이루고 싶은지에 따라 숫자로 모델을 선택할 수 있습니다. “왠지 빠르다는 느낌”만으로는 부족하며, 대기 시간이 스트레스로 가는 작업과 대기할 수 있는 작업을 분리할 수 있습니다.

구체적인 수치를 제시합니다. ICT연수원이 7월 21일에 발표한 실측 조사에 따르면, 질문을 보낸 시점부터 첫 번째 문자(TTFT)가 표시되는 데 걸리는 중앙값은 ChatGPT가 낮 0.70초, 심야 0.73초로 3가지 서비스 중 가장 빠르고, Claude Sonnet 5가 낮 0.94초, 심야 1.05초로 중간값이며, Gemini가 낮 1.79초, 심야 2.05초로 가장 느렸습니다. 그러나 답변이 모두 표시되는 데 걸리는 시간(E2E)으로 살펴보면 순위가 달라집니다. ChatGPT는 낮 1.29초, 심야 1.27초, Gemini는 낮 1.79초, 심야 2.05초, Claude Sonnet 5는 낮 3.28초, 심야 3.41초였습니다. Claude Sonnet 5는 시작은 빠르지만, 완료될 때까지 시간이 오래 걸리는 경향이 있습니다.

안정성 지표도 함께 살펴보는 것이 가치 있다. 측정값의 표준 편차는 ChatGPT가 3 서비스 중 최대 0.43초, Gemini가 최소 0.20초였다. ChatGPT는 빠르지만 불안정하고, Gemini는 느리지만 안정적이다. 참고로, 이 조사는 API를 통해 진행되었으며 (모델 ID는 gpt-5-chat-latest, gemini-3.5-flash, claude-sonnet-5), 출력 상한을 200 토큰으로 통일하고, 7월 14일 낮과 7월 15일 심야에 각 시간대별로 30회, 30초 간격으로 측정되었다. 일반적인 앱 사용 시에는 조금 더 느려지는 경향이 있다.

누구에게 효과적일까. 사람과 대화하면서 AI에 질문하거나, 접객 중 조사하는 등 ‘기다릴 수 없는’ 상황에 놓인 사람은 TTFT를 보기를 해야 한다. 뭉쳐진 글을 작성하게 해서 다른 작업을 하는 사람들은 이 숫자에 신경 쓸 필요가 없다.

## 오늘의 뉴스는 개인 사업자에게 어떤 의미를 가지는가

첫 번째. 마감 기한이 있는 업무를 단 하나의 AI 서비스에만 의존해서는 안 됩니다. 오늘 클로드(Claude)가 멈추면서 6월에도 같은 일이 발생했습니다. 직원 없이 운영되는 사업자에게 AI가 멈추는 날은 업무가 멈추는 날과 거의 같은 의미가 되고 있습니다. 해결책은 어렵지 않습니다. 평소에 사용하지 않는 다른 회사의 계정을 최소 요금제로 유지해 두면 됩니다. 원고나 자료 초안은 서비스 측이 아닌 개인 파일에 저장해 두세요. 이 두 가지 방법으로 멈춘 날의 피해는 상당히 줄어들 수 있습니다. 기업의 3분의 2가 모델 전략을 분산시키고 있는 이유가 개인에게도 그대로 적용됩니다.

두 번째로, “어떤 AI를 사용할지”보다 “어떻게 활용할지”에 시간을 투자하는 것이 투자 대비 효과가 높다. NVIDIA의 연구에 따르면, 같은 모델이 활용 방식에 따라 30점부터 100점까지 달라졌다. Databricks의 연구에 따르면, 같은 모델이 활용 방식에 따라 비용이 2배나 달라졌다. 개인 사업자가 직접 만들 수 있는 활용 방식은, 앞서 언급한 실무 팁과 유사하다. 실행 전에 3가지 핵심 사항을 반복하는 게이트를 설정하고, HANDEFF.md를 통한 상태 관리, 질문을 파일로 받는 시스템 구축 등 텍스트 파일 1장과 규칙 1줄의 문제로 해결할 수 있는 부분이다. 내일부턴 이 부분을 바로 개선할 수 있다.

세 번째. 노트나 블로그에서 콘텐츠를 게시하고 있다면, Google의 “Preferred Sources”를 이번 주 안에 확인해 두는 것이 가치 있다. AI 검색이 클릭을 멈추지 않는 흐름은 멈추지 않을 것이다. 그 가운데 Google이 마련한 유출구는 독자에게 능동적으로 버튼을 눌러 달라고 요청하는 방식이었다. 우선 소스에 설정된 사이트는 클릭률이 2배가 되었다는 회사의 조사 결과가 있다. 반대로 말하면, 눌러 줄 독자를 갖지 못한 게시자는 검색을 통해 점점 더 찾기 어려워질 것이다. 앞으로 영향을 미칠 것은 기사의 수 숫자보다 명시적으로 찾아주는 독자의 수다. 오늘 쓸 기사의 목적을 유입에서 지명으로 대체해야 할 시기가 되어 왔다.

이 게시물은 AI가 생성한 콘텐츠입니다. 이노우에의 의견이나 견해는 전혀 포함되어 있지 않습니다.

■ 책 두 권을 가지고 있습니다.

신간 『AI는, 잊지 않는다』(2026년 8월 발매)는 AI를 한 번 시도해보고 “우리에게는 유용하지 않다”라며 포기한 사람들을 위한 책입니다. 려독 대상.

고릴라는 왜 식물만으로 근육이 나는 걸까? 최신 과학으로 탐구하는 “뇌”와 “장”의 공생 전략에 대한 이야기입니다.

■ 당신에게 딱 맞는 문을 찾아서

몸매 변화를 원하시는 분들을 위한 긴자 트레이닝랩의 무료 체험 신청은 여기서 가능합니다.

트레이너 및 치료 전문가 여러분께. 현장의 “왜?”를 풀어내는 사고 회로를 월 5~6회 제공하고 있습니다.

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

■ 과거 기사 검색

영양, 운동, 다이어트 등의 주제에 따라 기사를 검색할 수 있습니다. https://udify.app/chat/tH7RIV2EpxNfwdvq

사이트 맵은 이곳에서 확인하실 수 있습니다.

저자 소개 ▶︎合同会社LSP 대표 ▶︎퍼스널 트레이닝 짐 ギンザ 트레이닝ラボ 대표 ▶︎大妻女子大学 라크로스부 (2019년 ~ 2023년) ▶︎平成국제대학 트레이너 (2018년 ~ 2019년) ▶︎하반신 살 빼기 협회 자문위원 (2016년 ~ 2020년) ▶︎2018년 도쿄도에서 지금 받고 싶은 트레이너 선출 ▶︎모델이나 아이돌 등 담당 #다이어트 #하반신 살 빼기 #내 일 #매일 업데이트 #일하는 방식 #소개 #매일 노트 #퍼스널 트레이너 #독서 #AI 활용 #ClaudeCode #개인 사업주 #혼자 하는 사장 #업무 효율화 #AI 에이전트 #AI #생성 AI #ChatGPT #자동화 #개인 사업주 #혼자 하는 사장 #살롱 경영 #Kindle 출판 #전자책 #신간

**출처:** [note 원문](https://note.com/lifestylepro/n/n6d4eb6b182d3)

*번역: Gemma 3(.44) 초벌 + 교정 71청크*

[원문 보기](https://note.com/lifestylepro/n/n6d4eb6b182d3) | 출처: note.com