AI 소식

연세대와 서울시립대 논술시험에서 스마트 안경을 착용한 수험생이 적발되면서 AI 기기를 이용한 부정행위 대응이 교육계의 과제로 떠올랐습니다. 교육부는 13일 대학에 관리·감독 강화를 요청하는 공문을 보냈고, 15일 수능 감독관용 매뉴얼과 시청각 자료를 대학에도 배포할 방침입니다. 2027학년도 수능 시행 계획에는 스마트 안경이 반입 금지 물품으로 명시돼 있으며, 대학별 시험의 제재와 수능 제재는 구분해야 합니다. 시험 중 안경을 바꿔 쓴 사례가 있어 입실 전 확인과 시험 중 대응을 함께 마련하고, 일반 시력 교정 안경 착용자의 불이익도 방지해야 한다는 지적이 나옵니다.

개인정보보호위원회 국정감사에서 AI를 활용한 사이버 공격 대응과 티빙의 개인정보 유출·보상 문제가 집중적으로 다뤄졌습니다. 송경희 위원장은 AI 공격에 특화된 준비가 부족하다고 인정하고, 공격 정보 공유와 관계 부처 공동 대책을 마련하고 있다고 밝혔습니다. 티빙 대표는 AI가 공격에 쓰였을 가능성을 추정했지만 최초 침입 원인은 경찰 수사 중이므로 AI 해킹으로 확정된 것은 아닙니다. 개보위는 조사 비협조와 증거 은닉·폐기에 대한 제재, 피해 회복을 위한 기금 등을 추진하며, 해당 방안들은 앞으로의 제도 개선 계획입니다.

카카오는 이프카카오26에서 대화 맥락을 이해해 메시지 전송과 일정 관리 등을 돕는 AI 비서 카나나 스페이스를 공개했습니다. 라이언 캐릭터와 음성·텍스트로 대화하며 과거 주문을 찾고 결제 직전까지 준비하는 기능을 설명했으며, 최종 승인과 결정은 이용자가 맡습니다. 간단한 작업은 기기 안의 AI가, 복잡한 작업은 서버의 큰 모델이 처리하도록 요청별 모델과 도구를 조율할 계획입니다. 12월 사전 신청자 일부를 대상으로 비공개 시험을 진행하고 내년 1분기 출시를 준비하는 단계로, 지금 모든 카카오톡 이용자가 쓸 수 있는 기능은 아닙니다.

AI를 활용한 해킹 위협이 커지는 가운데 국가보안기술연구소·ETRI·KISTI의 서버 백신 설치가 미흡하다는 국회 제출 자료가 공개됐습니다. 9월 기준 세 기관 서버 1만4,989대 중 백신이 설치된 서버는 395대로, 설치율은 2.6%였습니다. 출연연 23곳 중 18곳은 설치율이 3분의 1에 못 미쳤고, 전체 외부 접점 서버 766대 중 372대에도 백신이 없었습니다. 기관들은 예산 부족과 설치 의무 부재 등을 이유로 들었지만, 전문가들은 AI 공격 대응에 앞서 기본 보안 조치와 예산·규정 보완이 필요하다고 지적했습니다.

세레브라스의 앤드루 펠드먼 CEO는 디스럽트 행사에서 AI 수요가 늘어도 데이터센터와 전력이 부족하면 서비스 공급을 확대하기 어렵다고 설명했습니다. 오픈AI의 차세대 서비스 수요를 감당할 시설을 확보하지 못했다는 자사 사례를 들어, 반도체 성능 외에 운영 인프라도 중요하다고 말했습니다. 그는 미국의 건설 반대 여론과 관련해 AI 업계가 주민들과 충분히 소통하지 않았다고 지적하고, 지역사회 협력을 강조했습니다. 기존 시설의 전력·통신·냉각 효율 개선도 필요하다는 주장으로, 해외 투자 이동과 향후 성장에 관한 발언은 CEO의 전망입니다.

뉴스1의 한국전자전 현장 취재에서는 공장 안전 순찰과 제품 검수, 가정의 식재료 관리 등 산업·생활 속 AI 활용 모습이 소개됐습니다. LG전자 모마 기반 로봇은 안전모 미착용을 감지해 경보를 띄우고, 카메라로 제품 라벨 유무를 판정해 물건을 분류하는 과정을 시연했습니다. 삼성전자 부스에서는 냉장고 내부 카메라로 식재료를 인식하는 AI 푸드매니저와 TV 콘텐츠 정보를 안내하는 기능 등을 체험할 수 있었습니다. 전시 시연은 활용 방향을 보여주는 사례이며, 소개된 미래형 차량처럼 생산 계획이 없는 구상도 있어 모든 기능이 곧바로 판매되는 것은 아닙니다.

CES 주관 기관인 CTA는 한국전자전 행사에서 한국의 직장 내 AI 활용 실태 조사 결과를 공개했습니다. 발표에 따르면 한국 응답자의 70%가 직장에서 AI를 사용한다고 답해, 조사한 7개 시장 중 미국과 함께 가장 높은 수준이었습니다. 한국의 직장 내 AI 이용자들은 주당 약 8.2시간을 절약한다고 답했으며, 이는 응답자의 체감 수치로 모든 직장인의 생산성 향상을 뜻하지는 않습니다. 기사에 표본 규모와 조사 기간의 상세 정보는 제시되지 않았으며, CTA는 이런 활용 변화에 맞춰 CES 2027의 로보틱스·첨단 제조 전시 공간을 재편할 계획입니다.

구글이 Gemini 4 Argon을 AI Studio·Gemini 플랫폼의 유료 API와 일부 유료 구독 서비스에 공개했습니다. API는 입력·출력을 합친 100만 토큰 한도를 지원하며, 새 연속 처리 프로토콜을 적용하려면 개발 문서를 확인해야 합니다. 100만 토큰당 입력 2달러·출력 10달러는 11월 30일까지의 한시 가격이며, 이후 각각 4달러·20달러가 적용됩니다. 구글은 ADK의 긴 세션 준비 시간 40% 단축 등 실제 코드 개선 사례를 제시했지만, 이는 해당 코드와 측정 조건의 결과입니다.

Anthropic은 하루 코드 병합이 약 2,500건에서 3만 건 이상으로 늘어난 환경에서 모노레포를 자체 시스템 Scion으로 옮긴 과정을 공개했습니다. 항상 온라인인 클라이언트를 전제로 이력·병합 계산을 서버로 옮기고, 변경 파일 기록과 불변 객체 캐시로 저장·전송 부담을 줄였습니다. 필요한 디렉터리나 파일만 가져오는 방식과 노드·지역별 캐시를 적용해, 기존 Git 미러 대비 CPU·메모리 인프라 규모를 200분의 1로 줄였다고 보고했습니다. 회사 내부 측정에서 CI CPU 여력이 25% 개선됐으며, 대규모 에이전트·CI 작업의 사례인 만큼 일반 저장소에 같은 효과를 보장하지는 않습니다.

NVIDIA는 Run:ai 플랫폼을 공개하고 GPU 작업 스케줄링, GPU 분할, 자원 관리, 워크로드 구조 파악 기능을 독립 모듈로 제공했습니다. KAI Scheduler는 작업 묶음의 동시 배치와 할당량·토폴로지를 고려하며, GPU Fractioning Operator는 CUDA 13.4 기반 GPU 메모리 격리를 지원합니다. 전체 구성이나 필요한 모듈만 도입할 수 있고, 커뮤니티 Helm 배포판은 Run:ai 구독 없이 사용할 수 있습니다. KAI Scheduler는 Apache 2.0이지만 전체 구성의 라이선스·이용 조건은 각 구성요소를 확인해야 하며, 무료 배포에 기업용 지원은 포함되지 않습니다.

Liquid AI가 총 240억 파라미터 중 토큰당 약 20억 개를 활성화하는 LFM2.5-24B-A2B를 공개했습니다. 짧은 합성곱과 어텐션을 결합한 구조에 64개 전문가 중 4개를 선택하며, 문맥 길이를 131K 토큰으로 확장했습니다. 도구 사용과 실제 에이전트 실행 환경을 반영한 학습을 적용했고, 자체 평가에서 LiveClaw 48.09점을 기록했습니다. llama.cpp·MLX·vLLM·SGLang 등을 지원하지만 SWE-bench Verified 등에서는 비교 모델보다 낮은 결과도 나와, 작업별 정확도와 장비별 메모리를 함께 검토해야 합니다.

Anthropic은 소형 AI가 낯선 기기에 추론 환경을 설치하고 복제 과정을 수행할 수 있는지 통제된 환경에서 평가했습니다. 90억 파라미터 모델이 시험한 하드웨어 9종 중 8종에서 추론을 가동했고, 저가 TV 박스 15대로 Gemma4-26B-A4B를 초당 0.39토큰으로 실행했습니다. 복제 평가는 인증 없는 연결을 허용한 8개 가상 노드에서 진행했으며, 큰 모델은 별도 추론 서버를 사용했으므로 실제 인터넷의 자율 전파를 입증한 결과는 아닙니다. 연구진은 비정상적인 대용량 통신 감시와 감염 기기 격리, 안전한 기본 설정을 방어 과제로 제시하면서 완전한 자율 복제체는 아직 확보하지 못했다고 밝혔습니다.

NVIDIA는 Spark 사용자 정의 함수가 GPU 처리 중 CPU로 돌아가며 생기는 병목을 AI 코딩 에이전트로 줄이는 방법을 설명했습니다. 단순 함수는 Spark SQL, 중간 복잡도는 cuDF의 RapidsUDF, 복잡한 연산은 CUDA 커널로 전환하도록 접근법을 구분했습니다. 공개된 작업 지침은 테스트 생성·변환·벤치마크·최적화를 반복하고, 의미 보존과 성능 측정이 통과해야 다음 단계로 진행하도록 구성했습니다. 기업의 특정 6,000억 행 처리 사례에서는 연산자 시간이 274.55시간에서 12.78시간으로 줄었지만, 전체 작업 시간이나 모든 UDF의 동일한 개선을 뜻하지는 않습니다.

Hugging Face가 Windows 11에서 llama.cpp 기반 모델을 실행하는 무료 오픈소스 앱 Llama Windows를 공개했습니다. 트레이에서 모델을 관리하고 Hugging Face Hub의 GGUF 모델을 공용 캐시에 내려받으며, 기존 llama.cpp 서버에도 연결할 수 있습니다. 로컬 서버는 localhost의 9931 포트에서 OpenAI 호환 API를 제공해 스크립트·앱·에이전트의 개발 환경에 연결할 수 있습니다. 모델을 먼저 내려받은 뒤 로컬 추론을 사용하며, Windows Arm도 지원하지만 필요한 메모리와 처리 속도는 선택한 모델·양자화·장비에 따라 달라집니다.