# AI 뉴스 [8월 25일]

> https://bookfactory.kr/c/publishing/12104
> 게시판: 출판·책 제작
> 작성자: admin
> 작성일: 2026-09-14T05:39:44.833Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/306854836/rectangle_large_type_2_055b9f3cac4d493caf15baa36c5cabed.jpeg?width=1280)

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

오늘의 뉴스를 살펴보면, 성능에 대한 이야기가 거의 나오지 않는다는 사실을 알게 된다. 대신 수시로 등장하는 것은 ‘소유와 귀속’의 문제다. 오픈소스 AI의 공유지인 Hugging Face에 130억 달러라는 가격표가 붙었다. 작가가 이름을 밝히지 않는 모델이 실무에서 유용하다는 평가만 모으고 있다. AI가 설계한 약의 발명자란 항목에는 누구의 이름을 적을지가 쟁의하고 있다. 방위성의 정보 분석을 어느 나라 기업에 맡출지가 결정되었다. 그리고 일본 기업의 AI 투자 중 78%가 확대 정책을 유지하고 있지만, 성과를 체감하고 있는 것은 13%에 불과하다. 사용되는 기술은 결정되기 시작했다. 다만, 그것이 누구의 것이며, 누구의 손으로 만들어졌고, 누가 책임을 져야 하는지에 대해서는 아직 결정되지 않고 있다.

## 目次

- Hugging Face 매각 검토 – 공유지에 가격표가 붙을 때, 무엇이 사라지는가

Hugging Face가 매각을 검토 중이라는 소식이 전해졌습니다. 이는 단순히 회사의 재정적인 어려움 때문만은 아니라는 분석이 나오고 있습니다. Hugging Face의 성공 요인 중 하나였던 ‘오픈소스’ 정신과 커뮤니티와의 긴밀한 협력 관계가 잠재적인 문제점으로 지적되고 있습니다.

특히, Hugging Face가 제공하던 무료 모델과 데이터셋, 그리고 이를 활용한 다양한 커뮤니티 프로젝트들이 공유 자원으로서 활용되면서, 이제는 각 자산에 가격표가 붙을 수밖에 없는 상황이 발생하고 있습니다. 즉, Hugging Face가 제공하던 ‘무료’라는 가치가 사라지고, 각 요소들이 시장 가격에 따라 거래되는 방식으로 전환될 가능성이 높아지고 있다는 의미입니다.

이러한 변화는 Hugging Face의 생태계에 큰 영향을 미칠 것으로 예상됩니다. 과거에는 누구나 쉽게 모델을 활용하고 기여할 수 있었지만, 이제는 비용을 지불해야만 접근할 수 있게 되면서, 프로젝트 참여의 장벽이 높아질 수 있습니다. 또한, Hugging Face의 기술력과 데이터가 특정 기업에 집중될 가능성도 배제할 수 없습니다.

이러한 상황은 오픈소스 AI 커뮤니티 전체에 대한 반성으로 이어질 수 있습니다. Hugging Face의 성공은 오픈소스 정신을 바탕으로 이루어졌지만, 동시에 ‘무료’라는 가치에 대한 과도한 의존도, 그리고 수익 모델의 부재 등 여러 문제점을 드러냈습니다.

물론, Hugging Face가 매각을 통해 새로운 성장 동력을 확보하고, 더욱 발전된 형태로 재탄생할 가능성도 있습니다. 하지만 공유지에 가격표가 붙는 현상이 발생했다는 것은, 오픈소스 AI 커뮤니티가 새로운 도전에 직면하게 되었다는 것을 의미합니다.

앞으로 Hugging Face의 매각 결정와 더불어, 오픈소스 AI 커뮤니티가 어떻게 변화해 나갈지 주목해야 할 것입니다.
- 일반적 직관 60억 달러—게임 플레이 영상에서 육체를 가진 AI로
- ステルスモデル「Ox Alpha」——作者不明のまま、使われはじめている
- GPT-5.6가 키로에 — 경쟁 축은 지능에서 “1당량 작업량”으로 전환
- 앤서니의 주요 기능이 베타 졸업—“실험”에서 “업무에 활용해도 괜찮다”로의 전환
- ICML 논문 2,226건 재현 – AI 에이전트가 검증하고 23%에 반증이 있었다.
- 아이들은 1억 단어를 익히고 – AI와의 15만 배 격차가 여전히 설명되지 못하고 있다.
- AI가 약을 설계한다면, 발명자는 누구일까 — 특허 제도가 따라가지 못할 것이다.
- 국내: 사카나 AI가 방위부 정보본부와 계약 체결 – 일본산 AI를 선택한 결정
- 국내: 일본 기업의 AI 투자 확대율 78%에 비해 실제 성과 만족도는 13%에 불과합니다. — 세계 평균의 절반 가까이

## Hugging Face 매각 검토 – 공유지에 값札이 붙을 때, 무엇이 사라지는가

비즈니스 인사이더의 보도를 TechCrunch가 8월 24일에 보도했다. AI 모델 공유 플랫폼 Hugging Face가 130억 달러 이상의 기업 가치로의 매각을 모색 중이며, 은행과 협력하여 입찰을 평가하는 단계에 있다. 아직 구매자는 특정되지 않았고, 합의에는 이르지 못했다.

숫자 추이를 살펴보면, 지난 2년 동안 어떤 일이 있었는지 알 수 있다. 이전 투자 유치는 2023년, Salesforce Ventures가 주도한 라운드로 평가액 45억 달러였다. 그리고 최근, 이 회사는 NVIDIA로부터 5억 달러의 투자를 평가액 70억 달러라는 조건으로 확보하고 있다. 거절한 금액의 거의 두 배에 해당하는 가격표가 현재 제시되고 있다. CEO 크림 데라앙(Clem Delaunay)은 이 회사가 “흑자화에 거의 근접”한다고 언급하며, “우리는 커뮤니티를 위한 플랫폼을 만들고 있으며, 그들은 모델과 데이터를 공유함으로써 우리를 신뢰하고 있다. 따라서 장기적인 책임이 있다.”

왜 이 이야기가 단순한 대규모 M&A가 아니어야 하는가. Hugging Face가 보유한 자산은 코드나 모델이 아닌, 중립적인 위치다. OpenAI, Google, Meta, 중국 연구소들도 마찬가지로 자사 모델을 같은 선반에 놓아두고 있다. 그 선반이 특정 회사에 매각될 순간, 경쟁사는 그곳에 더 이상 놓이지 않게 될 가능성이 있다. 인수 금액의 근거가 되는 가치 자체가 인수 과정에서 손상될 수 있다는 구조다. 단기적으로는 누가 손을 댈지 추측이 계속될 것이다. 중장기적으로는, 만약 매각이 성사된다면 개발자들이 어디로 이동할지를 면밀히 살펴야 한다. 공유된 공간은 법적으로 소유할 수 있어도, 심리적으로는 소유하지 못한다는 의미다.

## 일반 직관 60억 달러—게임 플레이 영상에서 육체를 가진 AI로

TechCrunch는 8월 24일, 제네럴 이뉴이티브가 6억 달러 규모의 사전 평가액으로 자금 조달 협상에 들어갔다고 보도했다. 신규 투자자로는 밸류 이퀄리티 파트너스, 포인트72 벤처스, 세븐 세븐 식스, 기존 투자자인 엑스흘사 벤처스와 제네럴 캣살리스토가 참여한다. 이 회사가 3억 2천만 달러를 평가액 23억 달러로 조달한 것은 2개월 전인 2026년 6월이다. 2개월 동안 평가액이 2.6배 상승했다.

그 회사가 제작하는 것은 공간과 시간을 이동하는 능력에 특화된 기반 모델입니다. 기반 모델은 특정 용도에 맞게 다듬기 전의 범용적인 토대 역할을 하는 모델을 의미합니다. 학습에 사용되는 데이터의 출처가 특징적입니다. 이 회사는 게임 크립트 공유 플랫폼 메달로부터 2025년 10월에 스핀오트되었으며, 수억 시간 분량의 게임 플레이 영상과 그 시점에 플레이어가 실제로 눌렀던 버튼 기록을 함께 보유하고 있습니다. 영상뿐만 아니라 “그 시점에 무엇을 했는지”의 정답 레이블이 부착되어 있는 점이 다른 영상 데이터와 결정적으로 다릅니다.

조달 자금의 사용처는 로봇의 신체 구현 형태에 대한 투자다. 계산 자원은 CoreWeave와 협력하여 확보한다. 왜 게임이 로봇으로 이어지는 걸까. 게임 화면은 상황을 인지하고 판단하며 조작을 수행하고, 그 결과가 돌아오는 루프가 압도적인 양으로 기록된 세계이기 때문이다. 물리 법칙은 현실과 다르지만, “봐서 움직이는” 구조는 동일하다. 단기적으로는 로보틱스 계 스타트업의 평가액 경쟁이 더욱 치열해질 것이다. 중기적으로는 게임에서 유래한 데이터로 학습한 판단이 현실의 물리 환경에 얼마나 적용될 수 있는지를 검증하는 논의가 필요하다. 아직 이에 대한 명확한 증거는 없다.

## 스테르스 모델 “옥스 알파” – 작가 미상으로 이미 사용되기 시작했습니다.

TechCrunch는 8월 23일, OpenRouter에 목요일에 등장한 미스터리한 무료 모델 “Ox Alpha”를 보도했다. OpenRouter는 여러 AI 모델을 하나의 창구에서 호출할 수 있는 중개 서비스로, Stripe가 인수하고 있다. 모델 설명에는 “코딩과 지속적인 에이전트 작업, 프로덕션 워크로드용 추론 모델”이라고 명시되어 있으며, OpenRouter는 이를 “스테лт 모델”이라고 표시했다. 개발자는 익명으로 남아있다.

추측이 쏟아지고 있다. 중국 기업 Z.ai가 GLM 기반 모델일 가능성, 마이크로소프트가 미공개한 MAI 기반 모델일 가능성 등이 Reddit와 기술 커뮤니티에서 제기되고 있다. 하지만 그 확실성은 높지 않다. 반면 스트라이프(Stripe)의 CEO 패트릭 콜리슨은 SNS에서 이 모델을 “매우 인상적”이라고 평가했다.

주목할 만한 점은, 작가가 모르는 상황에서 평가가 먼저 이루어지고 있다는 사실 그 자체다. 기존에는 모델의 신뢰성은 개발사의 브랜드에 묶여 있었다. 안전성 노력, 데이터 출처, 책임 소재를 보장하는 것은 회사 이름이었다. 그러나 Ox Alpha의 이용자가 보고 있는 것은 출력을 낼 때의 질뿐이다. 익명으로 공개하고, 평판이 형성된 후에 이름을 밝힌다. 이러한 순서가 정착되면, 브랜드에 의한 선행 평가는 효과를 잃게 된다. 단기적으로는 정체성이 밝혀지는 시점에 한 번의 화제를 낳을 것이다. 중기적인 논점은 규제 측에 있다. 개발자가 불명확한 모델이 상업 워크로드에 들어왔을 때, 투명성 의무를 어떻게 부과할 것인가. 아직 답은 없다.

## GPT-5.6이 키로에—경쟁 축은 지능에서 “1당당 업무량”으로 전환

OpenAI는 8월 24일, GPT-5.6 패밀리(Sol, Terra, Luna)를 Kiro에서 이용 가능하게 했다고 발표했다. Kiro는 AWS에서 돌아가는 개발 에이전트로, 제품 아이디어를 구현 계획, 기술 설계, 실행 가능한 작업으로 전환하는 도구이다. 발표에서 강조되는 것은 성능이 아닌 단가이다. 터미널 운영 능력(Terminal-Bench 2.1)을 측정하는 기준으로, GPT-5.6 Terra는 Kiro에서 동일한 작업을 완료하는 데 기존 대비 약 82%의 비용을 절감했다는 내용이다.

왜 각 사가 모두 비용 효율성을 앞세우는 걸까? 에이전트의 활용 방식이 바뀌었기 때문이다. 1회 질문에 1가지 답변만 제공한다면 토큰 단가는 무의미하다. 하지만 수십 건의 작업을 자율적으로 처리하는 에이전트는 1 작업당 수백만 토큰을 소비한다. 이 경우 단가 차이가 그대로 청구 금액의 桁을 바꾼다. 현명함의 차이가 수 퍼센트만 줄고, 비용의 차이가 수십 퍼센트 벌어진다면 구매자 측에서 보는 것은 후자다.

단기적으로는 동일 성능대에서의 가격 경쟁이 지속될 것이다. 중기적으로 영향을 미치는 것은 측정 방법의 표준화이다. “82% 감소”가 어떤 작업 집합과 어떤 하르ネス 설정으로 측정되었는지 명확히 밝혀지지 않으면 비교는 성립할 수 없다. 벤치마크 숫자가 영업 자료로 활용되는 시점에는 독자에게 검산 방법을 제시해야 한다.

## 앤서니의 주요 기능이 베타 졸업—“실험”에서 “업무에 활용해도 괜찮다”로의 경계 설정

Anthropic는 8월 19일, 여러 기능을 한꺼번에 베타에서 공식 제공으로 전환했다. 화면을 보고 클릭하거나 타이핑을 수행하는 컴퓨터 사용 도구인 computer_toolset_20260801이 공식화되었으며, 베타용 헤더 지정이 더 이상 필요하지 않게 되었다. 동시에 호스트된 브라우저를 조작하는 browser use 도구가 신설되었다. 접근성 트리의 읽기, 요소 참조, 폼 입력, 탭 관리, 다운로드 보고, 파일 업로드에 대한 지원을 제공한다. 파일을 다루는 Files API도 공식화되었으며, 유효 기간 지정과 페이지 매김 기능이 추가되었다. 에이전트에 절차서를 부여하는 Agent Skills 또한 마찬가지로 베타를 벗어나 별도의 헤더가 필요하지 않게 되었다. 다음 날인 8월 20일에는 Python SDK의 v1.0이 공개되었다.

베타 버전이 안정화되지 않는다는 것은, 눈에 띄지 않지만 실무적으로는 큰 전환점이다. 베타 기능은 예고 없이 사양이 변경될 수 있다. 업무 프로세스에 통합하여 다음 주에 작동하지 않을 가능성이 있는 만큼, 합리적인 기업은 베타 버전을 본(正式) 버전으로 출시하지 않는다. 반대로 말하면, 공식화된 기능은 “망가뜨렸을 때 회사의 책임”으로 이관된다.

단기적으로는, 지금까지 상황을 지켜보던 계층이 브라우저 조작 관련 자동화에 발을 들여놓기 시작할 것이다. 중기적인 논점은 책임의 소재다. AI가 자율적으로 브라우저를 조작하여 무엇인가를 구매하거나 전송했을 때, 그 결과는 누구의 몫이 되는가. 기술이 공식 버전으로 인정받더라도 이 질문에 대한 답은 공식 버전으로 확정되지 않았다.

## ICML 논문 2,226편 재현 – AI 에이전트가 검증하고 23%에 반증이 있었다.

Hugging Face는 8월 13일, ICML 2026의 채택 논문 6,352편을 대상으로 대규모 재현 검증 실험 결과를 공개했다. ICML은 기계 학습 분야에서 가장 권위 있는 국제 학회 중 하나이다. 숫자 데이터는 생생하다. 채택된 논문 2,226편 중 전체의 34%에 해당하는 6,352편이 대상이었다. 1,221명의 커뮤니티 참여자가 6,816건의 재현 로그를 공개했으며, 35,908건의 개별 주장이 검증되었다.

결과는 다음과 같습니다. 검증된 논문의 51%에 해당하는 1,103편은 적어도 하나의 주장이 확인되었으며, 모든 주장이 확인된 완전 재현은 266편입니다. 반면 23%에 해당하는 496편에는 반증된 주장이나 논쟁의 여지가 있는 주장이 포함되었습니다. 모든 주장이 반증된 논문은 49편입니다. 방법 또한 주목할 만합니다. 참가자들은 Claude Code, Codex, Cursor와 같은 코딩 에이전트를 사용하여 논문에서 검증해야 할 주장을 추출하고, 재현 코드를 작성하여 실행했으며, 그 결과를 공개했습니다. 판정은 자동 판별기가 담당했습니다.

구체적인 반증 내용은 또한 공개되어 있다. 어떤 논문에서는 증명에 오류가 있었고, 견고성은 O(1)이 아닌 Θ(log k)였다. 또 다른 논문에서는 정리가 224단계 이후부터 적용되지 않았다. 이론에서는 역 KL 다이버젠스를 사용한다고 했으나, 구현에서는 순 KL 다이버젠스를 사용한 사례도 있었다.

그럼에도 Hugging Face는 “AI가 인간의 과학적 판단을 대체한다”는 결론을 내리지 않았다. 에이전트의 작업을 지시하고, 모호한 결과를 해석하며, 인지적 판단을 내리는 부분에는 인간이 여전히 필수적이라는 것이다. 증폭일 뿐, 대체가 아니었다. 단기적으로는 논문을 인용하는 방식이 달라질 것이다. 중기적으로는 심사 전에 자동 재현을 挟는 회의가 등장할 것이다.

## 아이들은 1억 단어를 익히고 – AI와의 15만 배 격차는 아직 설명되지 않았다.

MIT 테크놀러지 리뷰는 8월 24일, 어린이와 대규모 언어 모델의 학습 효율 차이를 다룬 장문 기사를 공개했다. 숫자 비교가 매우 강렬하다. 어린이는 10살까지 약 1억 단어를 듣고 언어를 유창하게 구사하며, 20살까지 최대 3억 단어까지 학습한다. 반면, Llama 3.1의 학습 데이터는 15조 토큰으로, 약 15만 배에 달한다. 게다가 유아는 1000만 단어에서 3000만 단어를 듣는 단계에서 문법적으로 정확한 문을 말하기 시작한다.

이 격차를 메우기 위해 ‘베이비엘엠(BabyLM)’이라는 연례 대회인 것이 있다. UC 샌디에고의 언어학자 알렉스 워슈타트 교수 등이 공동으로 설립한 대회로, 발달 단계로서 합리적인 데이터 양에 제한을 두고 모델을 훈련한다. 메인 트랙은 약 1억 단어, 유아 트랙은 약 1천만 단어이다. 학습 데이터에는 그림책, 대화, 영화 자막, 위키피디아, 어린이 대상 발화록 등이 포함된다. 2024년 우승 모델인 GPT-BERT는 약 1억 단어의 학습으로 일부 벤치마크에서 Meta의 Llama 2 70B를 상회했다.

무엇이 부족한 걸까. 연구자들이 제시하는 후보는 시각적 연결, 능동적인 탐색, 사회적 상호작용, 그리고 내재적인 호기심이다. 이 모두는 현재 모델이 가지고 있지 않다. 스탠포드의 마이클 프랭크 교수는 아기의 머리에 카메라를 장착한 SAYCam 프로젝트를 진행하고 있으며, 프린스턴의 블렌덴 레イク 교수는 61시간 분량의 영상만으로 모델을 구축했다. 커리큘럼 학습, 즉 쉬운 것부터 차근차근 가르치는 방식은 이론적으로 매력적이었지만, 실제로는 성적이 좋지 않았다. 단기적으로는 이 분야는 학문적인 탐구의 영역에 머물러 있을 뿐이다. 중기적으로는 큰 의미를 가진다. 데이터 효율이 개선된다면, 화자가 적은 언어에도 어느 정도 수준의 모델이 나올 수 있을 것이다.

## AI가 약을 설계한다면, 발명자는 누구일까 — 특허 제도가 따라가지 못할 것이다.

MIT 테크놀러지 리뷰는 8월 21일, 인공지능(AI)이 신약 개발을 주도하면서 발생하는 특허 문제에 대해 논의했다. 미국의 특허법은 발명자를 인간 개인으로 제한하고 있다. AI가 실질적으로 설계한 화합물이라도 특허의 발명자 란에는 인간의 이름만 기재할 수 있다. 인실리코 메디신은 AI가 발견한 폐 섬유증 치료제 후보 물질을 적극적으로 발표하면서도 특허상의 발명자로는 오직 인간만을 기재하고 있다.

왜 이것이 문제되는가. 발명자를 허위로 기재한 특허는 나중에 무효화될 수 있기 때문이다. AI가 주요한 아이디어를 담당한 데 인간을 발명자로 등록하면, 그 특허는 미래의 소송에서 무너질 위험을 안게 된다. 한편으로 AI를 발명자로 할 제도가 없다. 어느 쪽의 길도 막혀 있는 상태에서 기업은 막대한 개발 투자를 결정해야 한다. 법률 전문가들은 지적 재산의 틀이 진화하지 않으면 AI 신약 개발에 대한 투자가 그 자체가 식어갈 것이라고 경고하고 있다.

단기적으로는 각사가 발명자 기재 실무를 어떻게 확립할지 방법을 찾느라 애쓰는 상황이 계속될 것이다. 중기적인 논점은 이것이 신약 개발뿐만 아니라 다양한 분야에 적용될 수 있다는 점이다. AI가 설계에 깊이 관여한 산업 제품, AI가 쓴 코드, AI가 생성한 디자인 등 동일한 질문이 분야별로 순차적으로 제기될 것이다.

## 국내: 사카나 AI가 방위부 정보본부와 계약 체결 – 일본산 AI를 선택한 결정

IT메이드는 8월 24일, 사카나AI가 방위성과의 계약을 체결했다고 보도했다. 계약 대상은 방위성 정보본부와 종합 분석 업무에 필요한 AI 기능의 조사 및 실증이다. 계약 체결일은 2026년 7월 29일이다. 이 회사는 정보 수집, 분석, 관리라는 3가지 관점에서 인간의 의사 결정을 지원하는 AI 기능 개발을 목표로 하고 있으며, 3월에는 방위装備庁로부터 위탁 연구 계약을 체결한 바 있다. 자위대의 지휘 통제 시스템 고도화에 기여하는 AI 데이터 분석 시스템 개발에 참여해 온 사카나AI는 이번 계약을 통해 그 흐름의 연장선상에 있다.

왜 국산에 집착하는 걸까요. 방위 정보 분석은 다루는 정보 자체가 기밀이며, 모델의 가중치나 추론 실행 장소조차 다른 나라의 관리 하에 두기 어렵습니다. 게다가, 모델이 어떤 데이터로 학습되었는지 검증할 필요가 있습니다. 해외 상용 모델은 이러한 정보가 공개되지 않습니다. 성능으로 선택하는 것이 아니라, 검증 가능성과 관리 권한으로 선택하는 영역입니다.

단기적으로는 국내 다른 AI 기업들에도 공공 및 방위 분야의 계약이 확대될 것이다. 중기적인 논점은 인력이다. 방위 계약과 관련된 일을 꺼리는 기술자는 일정 수 정도 있다. 일본 내 AI를 국가가 육성한다는 구도는 기업 측에 채용 면에서 부작용을 초래할 가능성이 있다. 사카나 AI 스스로도 방위 사업에 대한 기본 정책을 공개하고 있다는 사실에서 알 수 있듯이, 이 문제는 인지하고 있는 것이다.

## 국내: 일본 기업의 AI 투자 확대율 78%에 비해 실제 성과 만족도는 13%에 그쳐 세계 평균의 절반 가까이

액센チュア의 조사 결과는 ITmedia가 8월 24일에 보도했다. 이 조사는 20개국 19개 산업 분야를 대상으로 경영진 3,000명과 직원 3,000명에게 2026년 4월부터 6월까지 실시되었으며, 일본에서는 경영진 100명과 직원 100명이 포함되었다. 일본 기업의 78%가 향후 12개월 동안 AI 투자 확대 계획을 가지고 있으며, 세계 평균 82%에 비해 투자 의욕 자체에는 큰 차이가 없다. 차이가 나는 것은 성과 측면이다. 전사적으로 지속적인 성과를 실현할 수 있다고 답한 일본은 13%, 세계 평균은 23%이다.

일본이 57%, 세계 평균이 81%입니다. AI 도입 후 업무 만족도가 상승했다는 답변은 일본 48%에 비해 세계 71%입니다. 또한 일본 직원의 37%가 “특히 변화가 없다”고 답했습니다.

왜 투자를 하고 있는데 실감이 없을까. 숫자의 나열이 보여주는 것은 도입의 대상이 업무 프로세스 자체에 머무르지 않고 기존 업무의 주변에만 남아 있다는 점이다. 도구는 배급되었다. 하지만 업무 절차는 변하지 않았다. 그래서 사용하는 사람들은 ‘더 편리한 것이 늘어났다’ 이상의 감각을 갖지 못한다. 인력 측면에서도 일본 기업의 64%가 AI 인재 확보 및 육성에 어려움을 느끼고 있으며, 직원들의 50%가 자발적인 재교육에 의존하고 있다. 회사가 체계적으로 교육해주지 않는다는 의미다.

단기적으로는 많은 기업들이 ‘ 도입률’ 대신 ‘업무 변경률’을 측정하는 방향으로 지표를 전환할 것이다. 중장기적인 논점은 젊은 세대의 포지션이다. 일본 기업에서 젊은 세대를 위한 새로운 직무를 만들 가능성을 제시한 것은 60%(세계 73%), 젊은 세대 채용을 늘리는 계획은 41%(세계 52%)이다. 문턱이 좁아진 상태에서, 들어온 사람들에게는 처음부터 높은 수준이 요구된다. 이러한 왜곡은 수년 후에 나타나 영향을 미칠 것이다.

## 오늘부터 바로 활용 가능한 실무 소재

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

### 클라우드에서 정시 실행이 설정된 AI가, 제 핸드폰에서 읽은 스킬을 인지하지 못하고 있다.

무엇을 할 수 있게 될까요. Claude Code의 클라우드 루틴(클라우드 측에서 정시에 실행하는 시스템)이나 Cowork 세션에, 스스로 만든 스킬을 제대로 활용할 수 있게 됩니다. “로컬에서는 잘 돌아가는데, 정시에 실행하면 지시를 무시한다”는 현상이 사라집니다.

이는 단순한 이유 때문입니다. cloud routine은 매번 현장에서 제공되는 새로운 원격 세션으로 시작됩니다. 제가 가지고 있는 기기의 파일 시스템을 확인하지 않기 때문에 ~/.claude/skills/가 존재하지 않습니다. 가져오는 방법은 세 가지가 있습니다. 첫째, claude.ai 계정 측에서 스킬을 활성화하는 것입니다. 이는 Cowork, cloud routine 전체, 모든 리포지토리에 적용됩니다. 여러 프로젝트에서 공통적으로 사용하는 스킬은 이것이 정답입니다. 둘째, 리포지토리의 .claude/skills/에 커밋하는 것입니다. 효과는 해당 리포지토리를 클론하는 routine에만 적용됩니다. 특정 사안 전용 스킬은 여기에 해당합니다. 셋째, .claude/settings.json에서 플러그인을 선언하는 것입니다.

여기 함정이 있습니다. 사용자 설정 측에서만 플러그인을 활성화해도 클라우드 루틴으로 전송되지 않습니다. 리포지토리 측의 `.claude/settings.json` 파일에 명시적으로 작성해야 합니다. 단순한 정시 실행이 목적이라면, 데스크톱 측의 스케줄링 작업이 더 구성이 간단하다는 판단 기준도 제시되어 있습니다.

누구에게 효과적일까요. AI에 정기 실행 태스크를 맡기고 있는 사람에게는 관련이 있습니다. 반면, 매번 수동으로 지시를 내리는 사람에게는 아무런 관련이 없습니다.

### 로컬 LLM이 “바보 같은 인상을 준다”는 것은 대부분 양자화 설정의 탓이다.

무엇을 할 수 있게 될까. 자전의 머신에서 돌아가는 모델의 정확도 저하를 모델을 바꾸지 않고 설정만으로 해결할 수 있다. 특히 툴 호출 실패 문제가 줄어든다.

Level1Techs 포럼에 게시된 실측 기록이 구체적이다. 양자화는 모델의 수치 정확도를 떨어뜨려 메모리를 절약하는 기술을 의미한다. Qwen 3.6-27B에서 형식별로 비교한 결과, INT8(W8A16)이 종합적으로 가장 좋았고, FP8도 정확하게 완료되었다. 반면, NVFP4(W4A16)는 약 88k 토큰의 문맥에서 약 50%의 토큰이 변경되어 명령 생성에 실패했다. AWQ(W4A16) 또한 문법 오류를 일으키고 도구 호출 지시를 잘못했다. 대화 기록을 유지하는 KV 캐시의 양자화는 더욱 큰 영향을 미쳤다. BF16이 기준이었고, INT8은 도구 호출에서 오류를 일으켰지만 최종적으로 회복되었으나, INT4는 회복되지 않고, 재현 가능한 실패를 일으켰다.

권장 설정은 다음과 같습니다. 가중치는 INT8(W8A16)으로 선택하고, KV 캐시는 BF16를 하한으로 하며 INT4는 변경하지 않습니다. 온도 등의 샘플링 설정은 모델 카드에 기재된 값(예: temp 1.0, top-p 0.95)과 일치하도록 합니다. 온도를 지나치게 낮게 설정하면 출력이 반복될 수 있으니 주의합니다. 긴 문맥에서 발생하는 불일치는 40k 토큰을 초과할 때 덩어리 형태로 나타나며, 직선적인 증가를 보이지 않는다는 관찰도 있습니다. 다만, 작성자는 결과가 프롬프트 의존성이 높고, 10만 토큰 규모의 네트워크 자동화라는 특정 작업으로 평가한 것이라고 밝혔습니다.

누구에게 효과가 있을까. 내 PC나 서버에서 모델을 실행하는 사람에게는 관련이 있고, 클라우드 API만 사용하는 사람에게는 무관하다.

### 브라우저 운영 자동화를 정식 기능으로 재구성한다.

무엇을 할 수 있게 될까. 지금까지 “베타 버전이라 본판에 넣을 수 없었다”고 보류해왔던 브라우저 작동 자동화를, 사양 변경의 위험을 감수하지 않고 업무에 통합할 수 있게 되었다.

구체적인 변경 사항은 3가지입니다. 먼저 ‘computer use’ 툴이 ‘computer_toolset_20260801’로 공식화되었으며, 베타용 헤더 지정이 더 이상 필요하지 않습니다. 여러 작업을 묶어 보내는 배치 작업에 대응하고, 확대 표시가 기본적으로 활성화되어 있습니다. 다음으로 ‘browser use’ 툴(‘browser_toolset_20260801’)이 신설되었습니다. 화면의 시각적인 요소가 아닌 접근성 트리를 즉, 페이지 구조 정보를 읽어 들여 작동하기 때문에 레이아웃 변경에 강합니다. 폼 입력, 탭 관리, 다운로드 보고, 파일 업로드에 대응합니다. 마지막으로 Agent Skills와 Files API도 공식화되었으며, ‘skills-2025-10-02’와 같은 베타 헤더가 더 이상 필요하지 않습니다. Files API에는 ‘expires_in_seconds’를 통한 유효 기간 지정이 추가되었습니다.

기존 코드를 다룰 때의 절차는 기존 computer_20251124로부터의 이관 경로가 준비되어 있으므로, 먼저 헤더 삭제와 툴 이름 대체부터 시작하는 것이 효율적이다.

누구에게 효과적일까요. 정형의 웹 작업을(관리 화면 입력, 여러 사이트에서 정보 수집) 자동화하고 싶어하는 분에게 적합합니다. API만으로 완료되는 처리만 하는 경우에는 필요하지 않습니다.

### AI가 생성한 과장된 문체를 후속 도구로 기계적으로 제거한다.

무엇을 할 수 있게 될까. 생성된 문장으로부터, 과장된 표현을 매번 스스로 삭제하는 작업이 없어질 것이다. 프롬프트에서 “간결하게”라고 요청해도 바뀌지 않는 습관에, 후처리로 대처할 수 있는 것이다.

해커 뉴스에서 지지를 얻은 도구가 두 가지 있다. 하나는 nobuzz이다. Claude Code의 기술로 도입하며, `/debuzz [모드] [텍스트]`라는 형태로 사용한다. 설치 방법은 리포지토리를 클론하고, `~/.claude/skills/` 폴더 안에 debuzz 폴더를 복사하는 것뿐이다 (별도로 Gemini CLI 인증이 필요하다). 모드는 3가지가 있으며, colleague는 기술적 세부 사항과 코드를 그대로 두고 장식만 제거한다. manager는 무슨 일이 일어났고 왜 그렇게 일어났는지 원본의 약 3분의 1 길이로 압축한다. director는 결과와 영향을 3~5문장에 요약한다. 제거되는 것은 “그리고 세 번째—여기서 중요한 점이 있는데”와 같은 덧글과, 사소한 기술적 문제에 대한 과장된 설명, 단순한 버그에 대한 장황한 철학적 전개 등이 있다.

또 다른 방법으로는 vomit입니다.こちらはローカル 모델을 통해 데이터를 처리하는 방식으로, 외부로 전송하지 않고 내부적으로 작동합니다. go install github.com/zachahn/vomit@latest로 설치하고, vomit init 명령어를 통해 연결 대상 로컬 모델을 설정한 다음, vomit tail [세션] 명령어를 사용하여 출력을 변환합니다. Ollama 등에도 대응합니다. 하지만 작성자 스스로가 이것이 실험 단계이며, 가끔 환각을 일으키고, 동작이 느리며, 검증은 주로 macOS에서 수행되었다고 명시하고 있습니다.

누구에게 효과적일까. 인공지능에 글을 써서 자신에게 전달하고 사용하는 사람에게는 스스로 읽고 스스로 사용하는 것만으로는 줄이는 노력보다 더 효과적이다.

## 오늘의 뉴스는 개인 사업자에게 어떤 의미를 가지는가

첫째, 현재 사용 중인 AI 도구들의 “출처”를 한 번 정리해 두는 것이 가치 있다. 오늘 뉴스들은 Hugging Face의 매각 검토, 저자가 불명의 Ox Alpha, 그리고 AI 신약 개발의 발명자 문제 등 모두 “누구의 것인지”로 인해 혼란스러웠다. 개인 사업주의 경우, 이는 추상적인 논의가 아니다. 무료로 사용하고 있는 모델의 제공 업체가 바뀔 수 있으며, 저자가 불명의 모델에 고객 데이터를 유출한 적이 없는지 확인해야 한다. AI에게 글을 쓰게 한 결과물의 권리 관계를 클라이언트와의 계약으로 어떻게 처리하고 있는지 명확히 해야 한다. 특허와 같은 큰 문제라 할지라도, 납품물에 AI가 얼마나 관여했는지 설명할 수 있는 상태를 만들어 두는 것이 중요하며, 이는 이후의 분쟁을 예방하는 데 도움이 된다. 오늘 해야 할 일은 하나, 사용하고 있는 서비스를 종이에 적어 두는 것이다.

두 번째. “AI를 도입했다”라는 점에 멈춰있는 사람일수록 성과를 실감하지 못한다. 액센츄어의 조사에 따르면, 일본 직원의 37%가 “특히 변화가 없다”고 답했으며, 생산성 향상에 대한 실감은 57%로 세계 평균 81%를 훨씬 밑돌았다. 조직의 이야기처럼, 혼자서 일하는 사람에게도 같은 구조가 나타난다. 도구를 늘려도, 업무 절차 자체를 바꾸지 않으면 시간은 줄어들지 않는다. 판단의 기준은 간단하다. AI를 도입한 업무에 대해, 도입 전과 도입 후의 절차를 종이에 비교했을 때, 단계 수가 줄어드는가? 늘어난다면, 그것은 효율화가 아닌 작업의 추가이다.

세 번째. 1달러당 작업량 기준으로 계약을 재검토해야 하는 시점에 접어들었다. GPT-5.6의 Kiro 대응에서 강조된 것은 성능이 아닌 비용이었으며, 동일한 작업의 비용이 약 82% 감소했다는 발표가 있었다. 에이전트에 긴 작업을 맡기는 사용 방식이 늘어날수록 단가 차이는 청구액의 桁을 바꿀 정도가 된다. 계약 플랜을 1년 동안 방치하고 있는 사람은 이번 달의 사용량과 단가를 한 번 확인해 보시길 바른다. 게다가 외주 견적을 내는 측에도 영향을 미친다. AI로 작업 시간이 3분의 1로 줄어든 작업의 가치를 시간 단가 그대로 유지할 것인지, 결과물 단가로 전환할 것인지에 대한 압박은 결국 고객 측에서 올 것이다. 미리 스스로 설계해 둔다면 조건은 더 유리해질 것이다.

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

저는 현재 책 2권을 판매하고 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 근육질인가? 최신 과학으로 뇌와 장의 공생 전략을 파헤치는 이야기입니다.

저희는 여러분의 취향에 맞는 문을 찾도록 돕고 있습니다. 문은 단순한 공간 분할 이상의 의미를 지닙니다. 문은 새로운 시작, 새로운 만남, 그리고 새로운 가능성을 상징하기도 합니다. 

저희는 여러분의 삶의 공간을 더욱 아름답고 특별하게 만들어 줄 문들을 엄선했습니다. 어떤 문이 여러분에게 딱 맞을지, 어떤 문이 여러분의 이야기를 담아낼지 함께 찾아보세요. 

저희는 여러분의 공간에 활력을 불어넣고 삶의 질을 높여줄 최고의 문을 제공하기 위해 최선을 다할 것입니다.

몸을 바꾸고 싶으신 분들을 위한 안내입니다. 긴자 트레이닝랩의 무료 체험은 여기서 신청하실 수 있습니다.

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

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

그러므로, 이번에는 제가 최근에 읽은 『汝、星のごとく』를 소재로 하여 로맨스 소설의 매력에 대해 이야기해 보고 싶습니다.

스타노 아이와, 그녀를 사랑하는 청년, 그리고 그녀를 둘러싼 사람들이 등장하는 이야기입니다. 스타노 아이의 순수하고 아름다운 마음과, 그녀를 중심으로 얽힌 다양한 인간 관계가 독자의 마음을 깊이 사로잡습니다.

영양, 운동, 다이어트 등의 주제에 맞는 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 긴자 트레이닝랩 대표 ▶︎대덕여자대학교 라크로스부 (2019년 ~ 2023년) ▶︎平成국제대학교 트레이너 (2018년 ~ 2019년) ▶︎하반신 슬림 협회 자문위원 (2016년 ~ 2020년) ▶︎2018년 도쿄도에서 지금 받고 싶은 트레이너 선출 ▶︎모델이나 아이돌 등 담당 #다이어트 #하반신 슬림 #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/n6212c1f7c2bd)

*번역: Gemma 3(.44) 초벌 + 교정 71청크*

[원문 보기](https://note.com/lifestylepro/n/n6212c1f7c2bd) | 출처: note.com