AI 소식

한국은행이 발표한 '청년고용 위축, AI 탓인가?' 보고서를 분석한 기사입니다. 2022년 6월부터 2026년 6월까지 15~29세 일자리 28만 5,000개가 사라졌고, 그중 94%인 26만 8,000개가 AI 고노출 업종에 몰렸습니다. 정보서비스업은 청년 고용이 31.4%, 출판업은 27.4% 줄었습니다. 반면 같은 기간 50대 일자리는 23만 개 늘었고 그 75%가 역시 AI 고노출 업종이었습니다. 챗GPT 출시 전 0.2%p였던 대졸과 전문대졸 이하 청년의 실업률 격차는 출시 후 1.6%p로 벌어졌습니다. 한국경제인협회 조사에서는 구직 청년 63.8%가 5년 내 희망 직무의 AI 대체 가능성이 높다고 답했습니다. 한국은행은 AI를 '자동화'로 쓴 업종에서만 청년 고용 감소가 두드러졌고, '증강' 형태로 활용한 업종에서는 같은 패턴이 나타나지 않았다고 분석했습니다.

카카오가 이사회를 열어 신설법인 '카카오AI'와 존속법인 '카카오X'로 인적분할하기로 결의했습니다. 분할비율은 순자산 기준 카카오AI 0.36, 카카오X 0.64입니다. 카카오AI는 약 5,000만 이용자의 카카오톡을 에이전틱 AI 인터페이스로 바꾸는 데 집중하며, 2030년까지 AI 일간 이용자 2,000만 명, 매출 6조원, AI 매출 1조원을 목표로 제시했습니다. 카카오X는 카카오뱅크·페이·모빌리티·엔터 등을 관리하는 투자회사로 2030년 매출 10조원을 노립니다. 대표는 각각 정신아 현 대표와 김도영 카카오인베스트먼트 대표가 내정됐습니다. 12월 17일 임시주총을 거쳐 2027년 1월 1일 분할이 완료되며, 회사는 분할 후에도 고용과 근로조건을 그대로 유지한다고 명시했습니다.

통신 3사의 가입자당 평균 매출 증가율이 2020년 5.4%에서 2024년 0%까지 떨어지면서, 3사가 AI 데이터센터를 새 성장축으로 삼고 있습니다. 2분기 AI 데이터센터 매출은 SK텔레콤 1,362억원으로 전년 대비 92.5% 늘었고, KT는 클라우드 포함 2,654억원, LG유플러스는 1,241억원을 기록했습니다. SKT는 전담법인 'SK하이퍼'를 세워 2035년까지 최대 15GW 확보를 구상 중이고, KT는 2031년까지 1GW 규모와 90Tbps 해저케이블을, LG유플러스는 200MW급 파주 센터를 내년 상반기부터 단계 가동합니다. 다만 여전히 무선 매출이 압도적 비중을 차지하고, 공랭식 센터의 공실률 상승과 빅테크의 자체 구축이 리스크로 지목됩니다.

같은 AI를 써도 결과가 달라지는 이유로 '컨텍스트 엔지니어링'을 짚은 기사입니다. 프롬프트를 잘 쓰는 것을 넘어, AI가 작업에 필요한 지시와 자료를 적절한 시점에 받도록 설계하는 개념입니다. 예를 들어 "다음 주 회의 자료를 만들어 달라"고만 하는 대신 기존 회의록, 보고서, 고객 정보, 최신 매출 자료를 함께 주고 형식과 기준까지 지정하는 방식입니다. 컨텍스트에는 이전 대화와 업무 이력, 외부 문서와 데이터베이스뿐 아니라 AI가 쓸 수 있는 도구, 업무 규칙, 권한 설정까지 포함되며, 불필요하거나 오래된 정보를 걷어내는 것도 중요합니다. 정보가 불완전하면 그럴듯하지만 사실과 다른 결과가 나올 위험이 커집니다. 기사는 경쟁의 초점이 "무엇을 물어볼 것인가"에서 "AI가 무엇을 알고 일하게 할 것인가"로 옮겨가고 있다고 정리했습니다.

'인공지능 및 데이터 기반 행정 활성화에 관한 법률'이 8월 28일 시행됩니다. 여러 공공기관이 AI를 공동 도입할 근거가 마련되고, 공공분야 AI 영향평가가 신설되며, 기존 데이터기반행정 책임관이 'AI·데이터 기반 행정 책임관'으로 확대 개편됩니다. 공공기관이 AI를 정책 수립과 의사결정에 활용하더라도 최종 권한과 책임은 해당 기관에 있다는 점도 명시됐습니다. 다만 국회입법조사처는 데이터 등록 여부가 기관 판단에 맡겨져 있고 '적정한 품질수준'이라는 표현이 추상적이며, AI 영향평가가 사전평가 위주여서 운영 중 오류와 편향을 점검할 체계가 부족하다고 지적했습니다. 국민 권리에 중대한 영향을 미치는 결정에는 사람의 검토·수정 절차와 이의제기 절차를 법률에 명확히 규정해야 한다는 개선안도 제시됐습니다.

김동환 포티투마루 대표는 보고서 작성이나 자료 정리에만 AI를 쓰는 방식으로는 부족하며, 기업 전반에 'AI DNA'를 심어야 한다고 강조했습니다. 실제 사례로 한 제조 대기업의 설계 자동화 프로젝트에서 전문 엔지니어 50명이 두 달 걸리던 설계 초안 작업을 2명이 10일 만에 처리했다고 소개했습니다. 다만 이 회사는 2017년부터 AI 도입을 준비했고, 개인 PC에 흩어져 있던 설계 문서를 표준화하고 중앙에 모으는 작업을 먼저 끝낸 뒤에야 성과가 났습니다. 김 대표는 "AX는 기술 도입의 문제가 아니라 업무 체계와 정보 흐름을 다시 설계하는 문제"라며, 데이터 기반이 없는 상태의 AI 전환을 경고했습니다. 초기 비용과 불확실한 투자 회수, 운영 인력 부족으로 인한 대기업과 중소·중견기업 간 격차를 가장 큰 우려로 꼽았습니다.

영국 옥스퍼드대 연구팀이 참가자 6,923명을 대상으로 사람과 AI의 설득력을 비교한 결과를 국제학술지 사이언스가 소개했습니다. 논쟁적 주장 10가지에 대해 0~100점으로 답한 뒤 사람 또는 AI와 약 14분간 채팅하고 다시 답하는 방식이었습니다. 설득에 특화된 AI는 일반인보다 8.2점, 설득을 잘하는 상위 10% 참가자보다 5.6점 더 큰 의견 변화를 이끌어냈습니다. 세계 챔피언 4명을 포함한 평균 경력 8.9년의 토론 전문가 56명에게 주제를 21일 전에 알려주고 주제 선택권까지 줬는데도 AI가 4.6점 앞섰고, 8시간 추가 훈련을 받아도 따라잡지 못했습니다. 다만 AI의 응답 길이와 속도를 사람 수준으로 제한하자 격차가 사라져, 논리력보다 빠르게 많은 근거를 제시하는 능력이 핵심 차이였을 가능성이 제기됐습니다.

Mistral이 기존 인덱스 위에 다단계 검색 루프를 얹는 리트리벌 레이어 'Agentic Search'를 공개했습니다. search, open, navigate, read, grep 등 파일시스템과 유사한 5개 툴로 구성되며, Mistral Search Toolkit과 Studio/Vibe의 Libraries로 제공됩니다. 약 53,900페이지 분량의 SEC 파일링을 다루는 FinanceBench에서 정확도가 26.7%에서 86%로 약 3배 상승했고, 원샷 RAG 대비 Mistral Medium 3.5는 47.3%p, GLM-5.2는 52.6%p 개선됐습니다. 내비게이션 툴 추가로 토큰 사용량은 24~34% 줄고 p90 레이턴시는 255초에서 154초로 단축됐습니다. 약 89,000페이지 규모의 OfficeQA Pro에서는 GLM-5.2가 6.3%에서 51.9%로 올랐습니다.

엔비디아 연구진이 모델을 교체할 때 프리필을 다시 계산하지 않고, 소스 모델의 KV 캐시를 타깃 모델 형식으로 선형 매핑하는 기법을 발표했습니다(arXiv 2608.03893). 호환 모델 쌍에서 재프리필 대비 2.7~25배 빠르면서 타깃 모델 단독 정확도의 최대 98%를 유지했습니다. Qwen3 14B에서 32B로 32,768토큰 캐시를 옮기는 데 278ms가 걸린 반면 표준 재프리필은 약 7초였습니다. 구현은 헤드별 릿지 회귀, 교차 레이어 소스 선택, RoPE를 제거한 콘텐츠 공간 매핑 세 가지로 이뤄집니다. 다만 일부 Ministral 설정에서는 캘리브레이션 범위를 벗어나면 성능이 급락해, 은닉층 2개짜리 MLP로 교체해 90% 이상을 회복했습니다.

Hugging Face와 Hume AI가 오픈소스 음성인식 모델 11종을 대상으로 벤치마크 과최적화를 정량화하는 세 가지 프로브를 제시했습니다. VoxPopuli에서 오디오에 분명히 들리는 단어가 레퍼런스에는 빠져 있는 경우, 11개 모델 중 6개가 오디오를 무시하고 틀린 레퍼런스를 그대로 재현했습니다. 테스트 클립의 40%에서 레퍼런스 오류가 발견됐고, WER이 가장 낮은 모델일수록 오류 재현율이 높았습니다. 오디오에서 숫자를 무음 처리했는데도 일부 상위 모델은 30~40%의 예제에서 마스킹된 숫자를 복원했습니다. 데이터셋별 표기 관행(Mr. vs Mister)을 구분해 맞추는 정확도가 90%에 달한 모델도 있었습니다. Open ASR Leaderboard에 'Benchmark fitting' 탭이 신설됐습니다.

이번 주 The Batch는 Grok 4.6, Qwen3.8-Max, 앤트로픽 워터마크를 함께 다뤘습니다. Grok 4.6은 약 1.5조 파라미터에 입력 50만 토큰을 지원하며 GPQA Diamond 94.9%로 테스트 모델 중 최고를 기록했고, Artificial Analysis 지수 61로 공동 3위에 올랐습니다. 알리바바 Qwen3.8-Max는 총 2.4조 파라미터 중 토큰당 95B만 활성화하는 MoE 구조로 오픈웨이트 2위, 금융 에이전트 벤치마크 τ³-Banking에서 51.3%로 전체 1위를 차지했습니다. 앤트로픽은 EU AI Act 50조 대응을 위해 8월 2일 이후 출시 모델 전체에 텍스트 워터마크를 적용했습니다. 앤드류 응은 AI 엔지니어링 역량 지도의 첫 축을 6개 영역으로 분해해 제시했습니다.

Liquid AI가 LFM2.5 계열 세 모델용 스펙큘러티브 디코딩 드래프트 체크포인트 'DSpark'를 공개했습니다. 드래프트 모델은 약 300M 파라미터에 5레이어 어텐션 전용 구조이며, 병렬 백본과 마르코프 체인 기반 순차 헤드, 신뢰도 스케줄링 검증기를 조합했습니다. 그리디 디코딩에서는 출력이 기존과 동일하게 보장돼 정확도 손실이 없습니다. LFM2.5-2.6B는 H100에서 MATH500 기준 초당 326토큰에서 1,000토큰으로 3.06배, M4 Max 맥북에서 2.25배 빨라졌고 함수 호출 레이턴시는 평균 57% 줄었습니다. 다만 8B-A1B 모델은 llama.cpp Metal 백엔드의 MoE 구현 한계로 맥에서는 평균 1.18배에 그쳤습니다. llama.cpp와 SGLang에 당일 업스트림 지원이 반영됐습니다.

세일즈포스 산하 슬랙이 앤트로픽 Claude Code, 코그니션 Devin, 깃허브 Copilot, 버셀 에이전트를 전용 채널에 임베드하는 'Slack Code'를 공개했습니다. 에이전트를 태그하면 프로젝트별 코드 채널이 생성되고 코드 diff, 라이브 프리뷰, 진행 중인 계획이 전용 탭에 표시되며, 작업이 끝나면 채널이 아카이브돼 검색 가능한 감사 기록으로 남습니다. 에이전트는 호출한 사용자의 권한을 그대로 상속하고 별도의 봇 권한은 없습니다. 코그니션은 최근 몇 달간 머지된 PR이 10배 늘어난 반면 인원은 약 40% 증가에 그쳤다고 밝혔습니다. 다만 가트너는 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것으로 전망하고 있습니다.

구글 딥마인드가 DQN, 알파고, 알파제로, 뮤제로, 알파스타로 이어진 게임 AI 연구 계보를 정리하고 다음 단계로 '이브 온라인' 연구 파트너십을 발표했습니다. 제미나이 기반 범용 에이전트 SIMA 2는 API나 소스코드 없이 화면만 보고 자연어 지시를 이해해 키보드와 마우스로 조작하며, 노 맨즈 스카이와 발헤임 등에서 인간 수준 플레이를 달성했습니다. 2003년 출시 후 20년 넘게 단일 서버로 운영된 이브 온라인은 지속 학습, 컨텍스트 윈도우를 훨씬 넘어서는 기억, 주·월·년 단위의 장기 계획, 복잡한 멀티 에이전트 역학이라는 네 가지 역량을 시험할 무대로 지목됐습니다. 우선 오프라인 샌드박스에서 시작해 단계적으로 라이브 환경에 적용할 계획입니다.