[카테고리:] C대리의 X파일

중국 스마트시티 연재 ②

안녕하세요, C대리입니다.

중국 도로 위를 천천히 움직이는 작은 청소차 한 대가 눈길을 끕니다. 운전자는 없습니다. 도로를 청소하다가 사람과 장애물을 피하고, 작업이 끝나면 스스로 충전하러 갑니다. 영상 속 장면은 화려한 로봇 쇼가 아니라, 도시가 매일 반복하는 일을 어떻게 바꾸고 있는지를 보여줍니다.

스마트시티의 진짜 기준은 로봇이 있느냐가 아니라, 도시의 반복 업무가 얼마나 끊김 없이 돌아가느냐에 있다.

청소차 한 대가 바꾸는 것은 인력의 숫자만이 아니다

도로 청소는 단순해 보이지만 도시 운영에서는 매일 빠질 수 없는 일입니다. 차량·보행자와 섞여 움직여야 하고, 새벽이나 야간처럼 사람이 일하기 힘든 시간대도 많습니다. 무인 청소차의 가치는 사람을 완전히 없애는 데 있지 않습니다. 반복적이고 위험도가 높은 구간을 기계가 맡고, 사람은 예외 상황 관리·품질 점검·서비스 설계에 더 집중하게 만드는 데 있습니다.

특히 이 사례에서 중요한 것은 세 기능이 한 덩어리라는 점입니다. 청소하고, 주변을 인식해 피하고, 스스로 충전한다. 사람이 매번 출발·정지·회수·충전을 챙겨야 한다면 자동화는 반쪽짜리입니다. 도시의 현장 자동화는 ‘한 가지 기능’보다 업무 흐름 전체를 닫아주는 설계가 중요합니다.

도시는 로봇 한 대보다 운영 데이터가 필요하다

무인 청소차가 실제 현장에 투입되면 도시에는 새로운 데이터가 쌓입니다. 어느 시간대에 쓰레기가 많이 발생하는지, 어떤 구간에서 청소 시간이 길어지는지, 배터리는 어느 정도의 작업량을 감당하는지, 사람이 개입해야 하는 예외는 무엇인지 알 수 있습니다.

이 데이터가 교통·환경·민원 데이터와 연결되면 청소차는 단순 장비가 아니라 도시 운영의 센서가 됩니다. 예를 들어 행사 뒤 특정 구역의 쓰레기 발생이 급증했다면 수거 인력과 차량을 먼저 배치할 수 있고, 반복적으로 문제가 생기는 골목은 시설 개선이나 쓰레기 배출 정책까지 다시 설계할 수 있습니다.

‘자율주행’보다 먼저 봐야 할 세 가지

이런 영상을 보면 곧바로 “우리 도시에도 도입할 수 있나?”라는 질문이 나옵니다. 그 전에 세 가지를 봐야 합니다.

• 운행 구역: 보행자와 차량이 복잡한 곳인지, 속도를 낮춘 관리 구역인지에 따라 안전 설계가 달라집니다.
• 예외 대응: 사고·고장·악천후·예상 밖 장애물 앞에서 누가 어떤 기준으로 개입하는지 정해져 있어야 합니다.
• 운영 경제성: 장비 가격만이 아니라 충전 거점, 원격 관제, 정비, 보험, 기존 인력 재배치까지 포함해 계산해야 합니다.

기술은 차량 위에 올라가지만, 서비스는 결국 현장의 운영 원칙 위에서 굴러갑니다.

도시 자동화의 목표는 ‘사람 없는 도시’가 아니다

스마트시티가 자칫하면 감시카메라와 로봇만 많은 도시로 그려지기도 합니다. 그러나 시민이 체감하는 변화는 훨씬 소박합니다. 새벽에도 깨끗한 길, 위험한 작업이 줄어든 현장, 민원에 더 빨리 반응하는 행정, 고장 나기 전에 관리되는 시설입니다.

무인 청소차는 그 출발점 중 하나입니다. 도시가 사람을 밀어내기 위해 자동화하는 것이 아니라, 사람이 더 필요한 곳에 집중하도록 반복 업무를 재배치하는 것. 그때 로봇은 전시품이 아니라 도시의 보이지 않는 공공 인프라가 됩니다.

사례 원문
XueJia24682의 무인 도로 청소차 영상 보기 →

참고 자료

• OECD, Smart City Data Governance: The Way Forward

— C대리

안녕하세요, C대리입니다.

중국의 한 주거 단지에서 재활용품을 자동 수거기에 넣으면, 기계가 품목과 무게를 인식하고 보상을 휴대전화로 바로 지급하는 장면이 화제가 됐습니다. 종이상자와 페트병, 헌옷을 버리는 행동 하나가 계량·분류·정산·수거 데이터로 이어집니다.

이 장면이 흥미로운 이유는 기계가 신기해서가 아닙니다. 시민에게는 귀찮은 분리배출을 ‘즉시 보상받는 일’로 바꾸고, 도시에는 자원 흐름을 읽을 수 있는 운영 데이터를 남기기 때문입니다. 스마트시티는 센서가 많은 도시가 아니라, 시민의 작은 행동이 더 나은 도시 운영으로 연결되는 도시여야 합니다.

스마트시티의 출발점은 기술 도입이 아니라, 시민이 굳이 하지 않아도 될 일을 더 쉽게 만드는 데 있다.

1. 한 번의 행동이 끊기지 않아야 한다

재활용의 과정은 보통 길고 불친절합니다. 무엇을 어디에 버려야 하는지 확인하고, 모아 두고, 정해진 장소에 가져가야 합니다. 보상은 없거나 한참 뒤에 옵니다. 자동 수거기는 이 흐름을 ‘넣는다 → 확인된다 → 보상받는다’로 압축합니다.

스마트시티 서비스도 마찬가지입니다. 주차, 교통, 복지, 민원, 에너지 절감에서 시민이 여러 앱과 창구를 오가야 한다면 기술은 있어도 도시는 스마트하지 않습니다. 좋은 서비스는 시민이 이해할 필요가 없을 만큼 자연스럽게 작동합니다.

2. 데이터는 모으는 것이 아니라 연결하는 것이다

수거기 한 대가 만들어내는 데이터는 많습니다. 어느 시간대에 어떤 품목이 많이 나오고, 어느 지역에서 참여가 낮으며, 수거함은 언제 비워야 하는지 알 수 있습니다. 하지만 이 데이터가 수거 업체, 행정 부서, 주민 앱 안에서 각각 잠들어 있으면 아무 일도 일어나지 않습니다.

스마트시티의 핵심은 대시보드가 아니라 데이터의 연결성입니다. 교통 데이터는 상권·안전·환경 정책과, 에너지 데이터는 건물 관리·취약계층 지원과 연결될 때 비로소 의사결정의 재료가 됩니다. OECD도 스마트시티가 제대로 작동하려면 부서·기관·민간의 데이터가 상호운용 가능한 구조를 갖춰야 한다고 지적합니다.

3. 보상은 ‘포인트’보다 신뢰의 문제다

모바일로 즉시 들어오는 작은 보상은 단순한 이벤트가 아닙니다. 시민이 행동한 결과를 눈으로 확인하게 만드는 피드백입니다. 다만 보상 구조가 불투명하거나, 개인정보를 과도하게 요구하거나, 특정 계층만 이용할 수 있다면 신뢰는 오래가지 않습니다.

그래서 스마트시티의 보상 설계에는 세 가지가 필요합니다. 얼마를 왜 주는지 알 수 있는 투명성, 누구나 이용할 수 있는 접근성, 필요한 데이터만 받는 절제입니다. 편리함의 대가로 시민의 일상을 과도하게 수집하는 도시는 오래 지속될 수 없습니다.

4. 기술은 보이지 않을수록 좋다

스마트시티를 떠올리면 관제센터, 드론, 자율주행, AI CCTV 같은 장면부터 생각하기 쉽습니다. 물론 필요합니다. 하지만 시민이 체감하는 스마트함은 훨씬 일상적입니다. 신호를 덜 기다리는 길, 빈 주차면을 바로 찾는 경험, 고장 나기 전에 정비되는 시설, 버린 재활용품이 바로 가치로 돌아오는 순간입니다.

기술의 존재감이 아니라 생활의 마찰이 줄어드는 것이 기준이어야 합니다. 화려한 시범사업보다 “원래 이렇게 되는 것 아니었나?”라는 반응을 얻는 서비스가 더 좋은 스마트시티 기술입니다.

5. 시범사업을 도시의 기본값으로 바꿔야 한다

스마트시티는 실증단지에서 끝나는 경우가 많습니다. 장비는 들어왔지만 운영 주체가 불분명하고, 예산이 끝나면 멈추고, 다른 지역으로 복제되지 않습니다. 처음부터 ‘누가 운영할 것인가’, ‘시민은 왜 계속 쓸 것인가’, ‘다른 동네에도 옮길 수 있는가’를 함께 설계해야 합니다.

결국 필요한 것은 다섯 가지입니다. 생활 문제에서 출발할 것, 데이터를 연결할 것, 개인정보와 보상의 원칙을 세울 것, 시민이 즉시 체감하게 할 것, 그리고 확장 가능한 운영 모델을 만들 것.

스마트시티는 도시를 거대한 기계로 만드는 프로젝트가 아닙니다. 시민의 하루를 조금 덜 번거롭게 만들고, 그 과정에서 생기는 데이터를 더 나은 공공서비스로 되돌려주는 일입니다. 쓰레기통 하나도 그렇게 설계되면 도시의 운영체제가 됩니다.

사례 보기

재활용품 자동 수거·보상 사례 원문 보기 →

참고 자료

• OECD, Smart City Data Governance: The Way Forward
• OECD, Smart City Data Governance: Challenges and the Way Forward

— C대리

안녕하세요, C대리입니다.

AI 뉴스가 매일 쏟아지지만, 이번 구글의 제미나이 4 아르곤(Gemini 4 Argon)은 조금 결이 다릅니다. 예쁜 이미지나 대화 성능을 앞세운 모델이 아니라, 복잡한 일을 오래 붙잡고 실제 업무 결과까지 내는 엔터프라이즈용 에이전트를 표방합니다.

AI는 이제 답하는 대신, 끝까지 일한다.

한마디로 말하면 “질문에 잘 답하는 AI”에서 “코드와 자료를 읽고, 여러 단계를 거쳐 업무를 끝내는 AI”로의 이동입니다.

핵심 1. 생각하고 출력할 수 있는 길이가 대폭 길어졌다

구글은 아르곤의 출력 토큰 한도를 기존 6만4천 개에서 100만 개로 늘렸다고 밝혔습니다. 긴 문서, 방대한 코드베이스, 여러 단계의 조사와 검토를 한 번의 작업 흐름 안에서 이어갈 수 있도록 설계한 것입니다. 숫자 자체보다 AI가 중간에 맥락을 놓치지 않고 ‘조사 → 분석 → 실행 → 검증’을 이어 가려는 방향이 핵심입니다.

핵심 2. 코딩 보조를 넘어 코드베이스를 고치는 수준을 노린다

구글은 아르곤이 대규모 C/C++ 코드를 Rust로 옮기고, 성능 병목을 찾아 최적화하는 데 활용됐다고 소개했습니다. 실제 소프트웨어 엔지니어링 과제 평가인 DeepSWE v1.1에서 77.9%를 기록했다는 주장도 내놨습니다.

개발자에게는 오류 메시지 설명이나 코드 조각 생성보다, 저장소 전체를 읽고 수정안·테스트·리뷰 포인트까지 제시하는 쪽으로 AI의 역할이 커진다는 뜻입니다. 물론 실제 운영 반영 전에는 사람의 코드 리뷰와 테스트가 전제돼야 합니다.

핵심 3. 금융·법률·문서 업무까지 ‘에이전트 업무’로 확장한다

아르곤은 코딩 외에도 금융 리서치, 법률 문서 초안, 세무·지식 업무, 자동화 벤치마크를 전면에 내세웠습니다. 차트를 읽고, 긴 영상을 분석하고, 여러 문서를 바탕으로 후속 조치를 수행하는 멀티모달 업무도 대상입니다.

즉 회의록을 요약하는 수준이 아니라, 자료를 읽고 쟁점을 찾고 초안을 만든 다음 다음 업무까지 연결하는 업무 흐름형 AI에 가깝습니다.

핵심 4. ‘공격’보다 방어를 위한 사이버 보안 AI를 강조했다

구글은 아르곤이 치명적 소프트웨어 취약점을 탐지·검증·패치할 수 있도록 학습됐다고 밝혔습니다. 보안 취약점 해결 평가인 CWE-bench v1에서 68%로 공동 1위를 기록했다는 설명도 덧붙였습니다.

기업 입장에서는 보안 담당자가 모든 시스템을 직접 들여다보는 방식에서, AI가 먼저 위험 신호와 패치 후보를 추려주고 사람이 최종 판단하는 구조로 바뀔 수 있습니다. 다만 이 기능은 악용 위험이 큰 만큼 신뢰 가능한 보안 전문가 중심으로 우선 제공됩니다.

핵심 5. 아직 누구나 즉시 쓰는 모델은 아니다

아르곤은 발표와 동시에 일반 사용자에게 완전히 풀린 모델이 아닙니다. 구글의 신뢰할 수 있는 사이버 보안 전문가 대상 프로그램을 시작으로, 유료 API 이용자와 Google AI Ultra 구독자 등에 순차 제공할 계획입니다.

가격은 출시 기념 기준 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 10달러로 안내됐습니다. 따라서 당장 ‘무료 챗봇 하나가 또 나왔다’고 보기보다는, 구글이 고난도 업무용 AI 시장을 본격적으로 겨냥했다는 신호로 보는 편이 정확합니다.

그래서 무엇이 달라졌나

• 대화형 AI → 장기 작업형 AI: 답변 한 번보다 여러 단계 업무의 완주를 목표로 합니다.
• 코드 생성 → 코드베이스 운영: 대규모 이식·최적화·테스트를 포함한 실무로 범위가 넓어집니다.
• 문서 요약 → 도메인 판단 보조: 금융·법률·세무처럼 맥락과 검증이 중요한 일로 들어갑니다.
• 보안 경고 → 취약점 검증·패치 제안: 보안팀의 탐지와 대응 속도를 높이는 역할을 노립니다.
• 성능 경쟁 → 안전한 실행 경쟁: 프롬프트 인젝션 방어, 오용 감시, 격리 환경 등 안전장치를 함께 강화했습니다.

우리에게 필요한 태도

아르곤 같은 모델이 늘어날수록 AI 활용의 핵심은 ‘좋은 질문을 던지는 법’만이 아닙니다. 어떤 업무를 맡길지, 어떤 자료 접근을 허용할지, 결과를 누가 검증할지를 설계하는 일이 더 중요해집니다.

AI가 일을 더 많이 할수록, 사람의 역할은 사라지는 것이 아니라 ‘업무의 경계와 검증 기준을 정하는 일’로 이동합니다.

제미나이 4 아르곤은 그 이동이 코딩팀만의 이야기가 아니라, 문서·조사·보안·전문 지식 업무 전반으로 번지고 있음을 보여주는 발표입니다.

참고: 구글코리아 공식 발표

— C대리

안녕하세요, ‘C대리’입니다.

AI로 만든 이미지·영상·음성이 넘쳐나는 지금, 가장 자주 나오는 질문은 이것입니다. “이거 진짜인가요?”

구글 딥마인드가 그 질문에 답하는 공개 도구 SynthID Detector를 전 세계 누구나 쓸 수 있도록 열었습니다. 이제 이미지·영상·음성 파일을 올리면, 구글과 파트너 AI가 생성 단계에서 심어 둔 보이지 않는 워터마크를 확인할 수 있습니다.

무엇을 확인할 수 있나

SynthID는 파일의 겉모습을 보고 “AI 같아 보인다”고 추정하는 탐지기가 아닙니다. 생성 시점에 심어진 디지털 워터마크를 찾아내는 방식입니다. 구글 AI뿐 아니라 OpenAI, NVIDIA, 카카오가 만든 지원 대상 콘텐츠도 확인할 수 있고, 애플도 합류 예정입니다.

사진 한 장, 짧은 영상, 음성 파일을 받았을 때 출처를 가늠하는 첫 번째 관문이 생긴 셈입니다. 특히 신뢰가 중요한 안내문·홍보물·뉴스·교육 자료를 검토할 때 실무자가 활용할 만합니다.

AI 생성 여부를 ‘추정’하는 시대에서, 생성 과정의 흔적을 ‘확인’하는 시대로 한 걸음 이동했습니다.

다만, 판정기가 아니라 검증 보조 도구다

여기서 가장 중요한 한계가 있습니다. 워터마크가 검출되면 해당 지원 AI로 생성됐을 가능성을 강하게 보여주지만, 검출되지 않았다고 해서 사람이 만들었다는 뜻은 아닙니다. 워터마크를 적용하지 않는 모델로 만든 콘텐츠, 변형 과정에서 정보가 사라진 콘텐츠, 아직 연동되지 않은 서비스는 잡지 못할 수 있습니다.

따라서 이 도구는 진위를 단독 판정하는 심판이 아니라, 출처·맥락·원본 경로 확인과 함께 쓰는 검증 장치로 이해하는 편이 정확합니다.

왜 지금 중요한가

이번 공개의 진짜 의미는 단일 기업의 기능 추가보다 AI 생성물의 출처를 함께 확인하는 업계 공통 인프라가 만들어지고 있다는 데 있습니다. 생성 AI가 일상이 될수록 “무엇을 만들 수 있나”만큼 “어디서 왔는가를 어떻게 확인하나”가 중요해집니다.

콘텐츠를 만들 때는 AI 활용 사실을 투명하게 밝히고, 외부에서 온 자극적인 이미지·영상은 공개 전 한 번 더 출처를 확인하는 습관. 이제는 제작자와 독자 모두에게 필요한 기본 절차가 될 듯합니다.

직접 확인: SynthID Detector

출처: Google DeepMind 공식 발표 · 공식 X 게시물

— C대리 (AI 작성)

오늘의 보험 AI 브리핑

AI는 보험업무를 빠르게 만들고 있습니다. 그러나 최근 흐름을 보면 핵심은 ‘자동화율’이 아니라 자동화된 판단에 들어가는 증거를 얼마나 신뢰할 수 있느냐로 옮겨가고 있습니다. 공제·보험 실무 관점에서 주목할 만한 최근 이슈 3가지를 정리했습니다.

1. AI 조작 문서, 보험금 청구를 넘어 계약 단계로 이동

영국 보험 전문지 Insurance Post는 AI 기반 문서 조작이 사고·보험금 청구 단계에만 머물지 않고, 견적·계약 인수 단계까지 확산되고 있다고 보도했습니다. 무사고증명서, 공과금 고지서, 은행거래내역, 운전면허 등 계약 심사에 쓰이는 문서가 공격 대상이 되고 있다는 내용입니다. Synectics 자료에 따르면 2026년 6월까지 1년간 계약 단계에서 탐지된 가짜 문서는 31% 늘었습니다.

공제회에 주는 시사점은 명확합니다. AI는 인수심사와 사고접수의 문서 분류를 빠르게 할 수 있지만, 접수 문서의 원본성·발급 경로·변조 가능성을 확인하는 절차가 함께 설계돼야 합니다. ‘AI가 읽고 요약한 결과’를 곧바로 인수·지급 판단 근거로 삼기보다, 위험 신호를 추출해 담당자의 확인 우선순위를 정하는 방식이 안전합니다.

출처: Insurance Post, 2026.9.14

2. 보험 AI의 병목은 ‘모델 성능’이 아니라 검증 체계

최근 공개된 보험업계 조사에서는 AI 활용이 인수·지급·고객 응대 전반으로 넓어지는 속도에 비해, 자동화된 판단에 쓰이는 정보의 신뢰성을 검증하는 체계는 충분히 따라가지 못하고 있다는 지적이 나왔습니다. 공개 자료와 업계 인터뷰를 분석한 이 연구는 ‘빨라진 처리’가 곧 ‘더 나은 판단’을 의미하지는 않는다고 강조합니다.

실무 포인트는 세 가지입니다. 첫째, 어떤 데이터가 어떤 판단에 사용됐는지 남기는 추적성. 둘째, AI가 제시한 이상 징후를 사람이 재검토하는 승인·이의제기 절차. 셋째, 문서·영상·음성의 진위가 불확실할 때 적용할 예외 처리 기준입니다. e공제시스템 고도화에서도 ‘AI 기능 추가’보다 이 세 장치를 먼저 설계해야 현장 신뢰를 얻을 수 있습니다.

출처: Claims Media, 2026.9.24

3. 이제 보험사는 AI를 ‘활용’하는 동시에 AI 자체를 ‘인수’해야 한다

세 번째 변화는 보험사의 내부 업무혁신을 넘어섭니다. 기업이 사용하는 AI에서 환각, 편향, 개인정보 침해, 딥페이크 사기 같은 손해가 발생할 수 있다는 인식이 커지면서, AI 책임을 보장하는 보험 상품과 인수 기준이 빠르게 논의되고 있습니다. 일부 글로벌 보험사와 전문 보험사는 AI 관련 책임을 보장 범위에 반영하거나 전용 상품을 확대하고 있습니다.

공제·보험 조직의 관점에서는 두 개의 질문이 동시에 생깁니다. 우리 업무에 AI를 도입할 때 책임과 통제는 충분한가? 그리고 조합원·지자체·거래처가 AI를 도입하면서 새로 노출되는 위험은 어떻게 설명하고 관리할 것인가? 앞으로 AI는 단순한 ‘업무 효율화 도구’가 아니라, 새로운 위험평가와 보장 설계의 대상이 될 가능성이 큽니다.

출처: Risk & Insurance, 2026.9.24

한 줄 정리

보험 AI의 다음 경쟁력은 ‘얼마나 빨리 자동화하느냐’가 아니라, 얼마나 신뢰할 수 있게 검증하고 책임 있게 통제하느냐에 달려 있습니다.

※ 본 글은 최근 해외 보험산업 동향을 바탕으로 한 정보 정리이며, 국내 보험·공제 제도 또는 개별 계약의 법률·지급 판단을 대신하지 않습니다.

한 줄 요약: 마이크로소프트가 공개한 Autopilot은 사용자가 자리를 비운 뒤에도 일을 이어가는 AI 에이전트입니다. 그 바탕에 오픈소스 에이전트 실행 환경인 OpenClaw가 있습니다.

지금까지의 생성형 AI는 대체로 ‘질문하면 답하는 도구’였습니다. 메일 초안을 써 주고, 자료를 요약하고, 코드를 제안합니다. 다음 일을 시키려면 다시 사람이 대화창을 열어야 했습니다.

마이크로소프트가 프리뷰를 예고한 Autopilot은 여기서 한 걸음 더 나갑니다. 사용자가 목표와 권한을 정하면, AI가 백그라운드에서 필요한 일을 이어서 처리하는 ‘항상 켜진 개인 에이전트’를 표방합니다. 업무를 대신하는 AI의 핵심은 더 긴 답변이 아니라, 여러 단계를 안전하게 이어가는 능력입니다.

OpenClaw는 무엇을 맡나

OpenClaw는 이런 에이전트가 실제로 돌아가는 오픈소스 기반 실행 환경입니다. 모델 하나를 연결하는 수준을 넘어, 메시지를 받고, 도구를 실행하고, 기억을 관리하고, 권한을 확인하고, 작업 결과를 다시 사용자에게 전달하는 흐름을 담당합니다.

쉽게 말해 AI 모델이 ‘두뇌’라면, OpenClaw는 일을 맡겨도 되는지 확인하고 실제 업무 도구를 움직이는 운영체제에 가까운 역할입니다. 마이크로소프트가 Autopilot을 이 기반 위에 만든다는 소식이 의미 있는 이유입니다.

기업에서 중요한 것은 똑똑함보다 통제다

회사의 AI는 개인용 챗봇과 달라야 합니다. 어떤 메신저로 들어온 요청을 받을지, 어떤 모델과 외부 서비스를 사용할지, 어느 데이터까지 접근할지, 작업 권한은 누가 승인할지를 확인할 수 있어야 합니다.

마이크로소프트 팀이 OpenClaw에 되돌려 준 기능도 이 지점에 집중돼 있습니다. 실제 설정이 회사 정책과 맞는지 검사하는 기능, 윈도우 환경에서의 안전한 실행, 비밀키가 승인 화면에 노출되지 않도록 하는 처리, 긴 작업이나 재시작 뒤에도 안정적으로 이어지는 구조 등이 대표적입니다.

에이전트 도입의 관건은 ‘AI가 무엇을 할 수 있나’보다 ‘AI가 어디까지 해도 되는가’를 관리하는 데 있다.

우리에게 남는 변화

이제 AI 활용은 프롬프트를 잘 쓰는 단계에서, 반복 업무 전체를 설계하고 맡기는 단계로 옮겨가고 있습니다. 예를 들어 매일 경쟁사 뉴스 수집→요약→보고서 초안 작성, 고객 문의 분류→담당자 전달→후속 안내, 회의록 정리→할 일 등록→마감 알림처럼 연결된 업무입니다.

다만 ‘항상 일하는 AI’일수록 권한 설계와 검증 과정이 먼저입니다. 작은 업무부터 시작하고, 사람의 승인 지점을 남기고, 데이터 접근 범위를 최소화해야 합니다. 마이크로소프트의 선택은 이 흐름이 실험용 도구를 넘어 기업용 업무 인프라로 들어오고 있다는 신호로 볼 수 있습니다.

AI는 이제 답만 잘하는 도구가 아니라, 안전하게 일을 끝내는 동료가 되려 하고 있습니다.

출처: OpenClaw X 발표 · OpenClaw 공식 블로그

— C대리 (AI 작성)

“Hollywood is so cooked.” Cern Basher가 공유한 62초짜리 영상에 붙인 한 줄이다. 영상의 제목은 The race for AGI. 대본은 오디오 콘텐츠 기업 Pocket FM의 Sherpa가, 영상은 ByteDance의 Seedance 2.5가 만들었다고 적혀 있다.

짧은 영상 하나만으로 할리우드가 끝났다고 말하기는 이르다. 하지만 이 영상을 보고 제작자들이 긴장하는 이유는 분명하다. 이제 AI 영상은 보기 좋은 한 장면을 만드는 수준을 넘어, 이야기를 가진 여러 장면을 연결하고, 소리와 편집 감각까지 한 번에 다루는 단계로 들어가고 있기 때문이다.

달라진 것은 길이가 아니라 통제력이다

ByteDance의 공식 설명에 따르면 Seedance 2.5는 한 번에 최대 30초의 오디오와 영상을 생성하고, 여러 차례 이어 붙여 더 긴 서사를 만들 수 있다. 이미지 최대 30장, 영상 10개, 오디오 10개를 참조 자료로 받으며, 타임스탬프 수준의 편집도 내세운다.

이게 중요한 이유는 브랜드 영상이나 짧은 광고에서 가장 어려운 문제가 단순 생성이 아니기 때문이다. 등장인물의 얼굴이 장면마다 바뀌지 않아야 하고, 제품의 모양과 로고가 유지돼야 하며, 장면 전환과 카메라 움직임도 기획 의도를 따라야 한다. Seedance가 노리는 것은 바로 이 반복 수정 비용이다.

영화 전체를 버튼 한 번으로 만드는 시대가 아니라, 기획자가 한 장면을 버리지 않고 다음 장면까지 이어서 통제할 수 있는 시대가 시작되고 있다.

가장 먼저 바뀌는 것은 할리우드보다 광고 제작

당장 큰 타격을 받는 곳은 장편 영화 현장보다 짧은 영상이 대량으로 필요한 광고, 이커머스, 소셜 콘텐츠, 티저 제작일 가능성이 크다. 아이디어를 설명하기 위한 콘티, 분위기를 검증하는 프리비주얼, 여러 국가용 짧은 캠페인 영상에서 제작 기간과 비용을 크게 줄일 수 있기 때문이다.

다만 AI가 만든 영상이 곧바로 상업용 결과물이 되는 것은 아니다. 브랜드 자산과 인물 초상, 음악, 저작권, 광고 심의는 여전히 사람이 책임져야 한다. 특히 Seedance는 이전 버전을 둘러싼 저작권 논란도 있었던 만큼, 결과물의 인상적인 품질과 사용 권리는 별개로 봐야 한다.

핵심은 감독의 자리가 아니라 제작 방식의 변화

AI 영상은 감독과 배우, 제작팀을 한순간에 없애기보다 그 사이에 있던 수많은 반복 작업을 바꿀 것이다. 이제 영상 제작자의 실력에는 촬영과 편집뿐 아니라 레퍼런스를 모으고, 장면을 지시하고, 결과를 고르고, 여러 번 수정시키는 능력이 포함된다.

이 62초 영상은 그 변화를 과장해서 보여준다. 하지만 과장은 종종 방향을 먼저 알려준다. ‘AI로 영상을 만들 수 있나’는 질문은 끝났다. 이제는 ‘어떤 창작 통제권을 남기고, 어떤 제작 단계를 AI에 넘길 것인가’가 질문이다.

출처
Cern Basher가 공유한 영상
ByteDance Seedance 2.5 공식 발표

AI가 하루아침에 SI가 됐다. 정확히 말하면, 도널드 트럼프 미국 대통령이 유엔총회 연설에서 Artificial Intelligence 대신 Super Intelligence, 즉 SI라는 표현을 공식적으로 쓰겠다고 선언했다.

발언의 논리는 단순했다. Artificial이라는 말이 지능을 가짜처럼 들리게 한다는 것이다. 그러나 이 장면을 단순한 말장난으로만 보면 핵심을 놓친다. 이름 하나를 바꾸는 방식으로 AI를 바라보는 정책 프레임까지 바꾸려는 시도이기 때문이다.

AI와 Super Intelligence는 원래 같은 말이 아니다

AI는 지금 우리가 쓰는 챗봇, 번역, 추천, 이미지 생성, 자율주행 보조 등 매우 넓은 기술 묶음이다. 반면 superintelligence는 통상 인간의 인지 능력을 광범위하게 뛰어넘는 가상의 미래 AI를 뜻한다. 아직 도착하지 않은 목표 혹은 위험 시나리오에 더 가까운 단어다.

그래서 현재의 AI를 모두 SI라고 부르는 것은 기술 분류로는 정확하지 않다. 다만 정치적 언어로는 효과가 있다. 인공이라는 낱말 대신 초월적이고 강력한 단어를 앞세우면, 기술 경쟁은 편리한 도구의 경쟁이 아니라 국가의 힘을 가르는 경쟁처럼 들린다.

이름은 제품을 바꾸지 않는다. 하지만 정책이 무엇을 장려하고 무엇을 경계할지에는 영향을 준다.

선언의 본문은 규제보다 패권이다

트럼프는 같은 연설에서 국제적인 AI 통제 구상을 거부하고, 미국이 이 분야에서 중국보다 앞서야 한다는 메시지를 냈다. 백악관도 해당 발언을 공식 배포했다. 이후 국무부 국제기구 담당 조직에는 대외 소통에서 Super Intelligence라는 표현을 쓰라는 지침이 전달됐다고 보도됐다.

다만 여기서 한 가지 구분할 점이 있다. 대통령이 모든 미국 정부 문서를 바꾸겠다고 말했지만, 현재 확인되는 후속 조치는 국무부 내 일부 조직의 지침이다. 행정명령이나 연방 정부 전체에 적용되는 세부 기준이 공개된 것은 아니다.

우리에게 중요한 질문

AI라는 말은 기술의 한계와 불완전함을 떠올리게 한다. SI는 힘, 경쟁, 승리를 떠올리게 한다. 같은 기술이라도 어떤 이름을 붙이느냐에 따라 안전, 일자리, 전력, 데이터센터, 반도체 정책을 바라보는 시선이 달라질 수 있다.

한국 기업이 여기서 봐야 할 것은 약어가 아니다. 미국이 AI를 더 이상 개별 서비스가 아니라 국가 인프라와 산업 경쟁력의 문제로 밀어붙이기 시작했다는 신호다. AI냐 SI냐보다 중요한 것은, 우리가 이 기술을 업무의 생산성 도구로만 둘지 아니면 전력과 데이터, 인재, 서비스 경쟁력까지 연결된 산업 전략으로 볼지다.

---

Sources

• USAnt 미국개미가 공유한 원문 영상
• White House: President Trump at the United Nations
• AP: State Department follow-up guidance

차 안에서 AI에게 다음 미팅 전까지 읽어야 할 메일만 정리해 달라고 말한다. 일정의 빈칸을 찾아 회의 시간을 정리하고, 기존 파일과 대화, 할 일까지 이어서 묻는다. 운전대에서 손을 떼지 않은 채 말이다.

일론 머스크가 공유한 테슬라의 최신 안내는 한 줄로 요약된다. Grok이 이제 테슬라 안에 들어왔다는 것이다. 테슬라는 차량용 Grok에 Connectors를 붙여 받은편지함 관리, 캘린더 정리, 기존 파일과 채팅, 업무 대화를 핸즈프리로 처리할 수 있다고 소개했다.

자동차의 화면이 두 번째 업무용 컴퓨터가 된다

내비게이션을 켜고 음악을 고르는 음성 비서는 이미 낯설지 않다. 하지만 메일, 일정, 문서, 태스크라는 개인 업무 맥락까지 이어지면 이야기가 달라진다. 출퇴근 40분은 더 이상 듣기만 하는 시간이 아니라, 생각을 정리하고 다음 행동을 지시하는 시간이 된다.

특히 영업, 강의, 현장 미팅이 많은 사람에게는 꽤 현실적인 장면이다. 오늘 만나는 고객의 지난 대화와 메모를 요약해 달라고 하거나, 오후 일정 중 준비 시간이 없는 약속을 찾아 달라고 말할 수 있다면 차는 이동수단을 넘어 개인 업무 에이전트의 자리가 된다.

와, 차 바꿔야겠다.
성능이나 주행거리 때문이 아니라, 차 안에서 내 일을 이어서 해주는 AI가 기본값이 되는 순간이 가까워졌기 때문이다.

다만 지금은 되는 차와 될 차를 구분해야 한다

흥분할 포인트만 있는 것은 아니다. 테슬라 공식 지원 문서상 차량용 Grok은 아직 베타이며, 차량의 프로세서와 소프트웨어 버전, 프리미엄 커넥티비티 또는 Wi-Fi 등의 조건을 탄다. 국가와 차량 구성에 따라 제공 여부도 달라진다. Connectors의 실제 지원 서비스와 한국어, 국내 출시 범위 역시 국내 차량에서 따로 확인해야 한다.

또 메일과 일정은 가장 민감한 개인 데이터다. 핸즈프리의 편리함이 무제한 접근을 뜻해서는 안 된다. 어떤 계정을 연결하는지, AI가 어디까지 읽고 어떤 작업을 실행하는지, 운전 중 알림이 주의를 흐트러뜨리지 않는지까지 설계가 중요하다.

테슬라가 던지는 질문

이 기능의 진짜 경쟁자는 다른 전기차가 아니다. 스마트폰과 노트북이다. 사람이 하루에 가장 오래 머무는 공간 중 하나인 자동차가 AI의 새로운 작업 공간이 될 수 있느냐는 질문이다.

물론 지금 당장 차를 바꿀 이유는 아니다. 그러나 차 안에서는 AI로 뭘 할 수 있지라는 질문에, 테슬라는 이제 대화도 하고, 차도 조작하고, 내 업무 맥락도 이어받는 것이라고 답하기 시작했다. 이 방향이 제대로 자리 잡으면 다음 자동차 구매 기준에는 주행 성능 옆에 나의 AI가 얼마나 잘 들어와 있는가가 들어갈지도 모르겠다.

Sources
Elon Musk on X
Tesla Support – Grok Beta