📝 내용 정리

지난해 4월 공개된 ‘AI 2027’이라는 보고서는 실리콘밸리에서 화제가 됐다.

불과 몇 년 안에 AGI가 달성되고, 나아가 AI 가 더 뛰어난 AI를 개발하는 단계까지 진입할 수 있다는 가상의 시나리오를 제시했는데, 당시에는 급진적인 전망이라는 평가도 있었지만 AI의 발전 속도와 안전 문제를 둘러싼 논의를 본격화 했다는 점에서 큰 영향을 미쳤다.

‘AI 2027’을 만든 연구진이 더 강경한 메시지를 담은 새 프로젝트 ‘AI 2040’을 내놨다. 이는 인간보다 뛰어난 초지능 개발을 최소 2040까지 유예해야한다는 국제 협약을 제안한 것으로, 단순한 위험 경고를 넘어 이제는 실제 정책과 국제 규범을 바꿔야 한다는 주장으로 발전한 셈이다.

AI 2040 프로젝트는 현재와 같은 AI 경쟁이 계속되면 인류가 감당하기 어려운 위험에 직면할 수 있다고 경고하며, 인간보다 뛰어난 AI의 개발 경쟁 자체를 일정 기간 멈추자는 것을 핵심 해법으로 제안한다.

초지능 개발 속도를 늦춘 뒤 이를 통제할 기술적, 제도적 장치가 갖춰지면 본격적으로 개발을 다시 시작하자는 것이다. 이게 이들이 주장하는 ‘플랜A’라고 한다.

AI 2027에서는 가상 시나리오를 통해 AI 의 발전 속도를 보여주는데 초점을 맞췄지만, 이번 AI 2040은 더 나아가 “그 미래를 막기 위해 지금 무엇을 해야하는가”라는 질문을 던지고 있다.

이런 변화는 지난 1년동안 AI 산업이 보여준 발전 속도와 무관하지 않은데, AI 2027이 제시했던 시나리오가 예상보다 빠르게 현실화하며 안전 연구자들의 위기의식도 더 커진것으로 볼 수 있다.

하지만, 이들의 제안이 현실적으로 받아들여질 가능성은 높지 않다는 평가도 적지 않다. 현재 오픈 AI와 앤트로픽, 구글, 메타, 스페이스XAI 등은 AGI를 목표로 막대한 투자를 이어가고 있다. 여기에 미국과 중국은 AI를 국가 경쟁력의 핵심으로 규정하고 있어 개발 경쟁은 오히려 더욱 치열해지는 분위기 이다. 이런 상황에서 15년 가까운 개발 유예에 국제사회가 합의하기는 쉽지 않을 것이라는 지적이다.

🧠 생각 정리

현재 발전하고 있는 기술의 속도와 위험성을 한층 더 이해할 수 있게 하는 기사였습니다. 친구들과 농담삼아 인공지능 발전을 잠깐 멈추게 해야한다는 이야기를 한적이 있었는데, 이런 고민을 실제 연구자들도 하고있다는 것이 신기했습니다.

인공지능이 사람들에게 끼치는 부정적인 영향들을 보며 기술의 발전과 그에 따른 정책 및 규제의 필요성을 항상 느끼고 있었지만, 이게 실제로 현실화가 될 수 있을지는 의문이었습니다. 단순하게 생각했을 때, 기업이나 국가가 그들의 이득을 포기할 수 있을까 싶었기 때문인데요. 이정도로 안전 연구자들이 제안하는 것이 그들에게 어떤 영향을 줄지 궁금해졌습니다.

인공지능이 발전하면서 직업의 형태나, 하는 일에 많은 변화가 있었다고 생각합니다. 그래서 저도 앞으로 살아가기 위해 어떤 역량을 쌓아야할지 많은 고민을 하고 있는데요. AI 2040에서 제안한 것 처럼 AGI의 발전을 2040년으로 미루게 된다면, 그때까지 또 어떤 변화가 생기고, 어떤 전략으로 살아가야할지 새로운 고민이 생길 것 같습니다.

📝 내용 정리

‘바이브 코딩’의 창시자 안드레이 카르파시 유레카랩스 CEO가 ‘대형언어모델 위원회 (LLM Council)’이라는 시스템을 구축했다. 여러 모델이 쿼리에 대한 답변을 서로 평가하는 일종의 ‘오케스트레이션’ 도구인데, 여기에서는 각 모델의 상대 평가 내용이 관심을 끌었다.

주말에 바이브코딩으로 완성했다고 밝힌 이 앱은 “LLM과 책을 읽는 과정에서 여러 LLM을 나란히 살펴보고 평가하고 싶었기 때문에 99% 바이브 코딩으로 제작했다”고 말했다.

사용자 인터페이스는 ‘챗GPT’와 비슷해보이지만, 여기에는 프론티어급 모델 4개가 통합되어있다. → ‘GPT-5.1’, ‘제미나이 3 프로’, ‘클로드 소네트 4.5’, ‘그록-4’

질문은 오픈 라우터를 거쳐 각 모델에게 전달, 각자 익명화된 답을 내놓는다. 모델들은 이렇게 나온 상대의 답을 검토하고 비교해 순위를 매긴다.

마지막으로 의장역할을 하는 LLM이 모든 내용의 맥락을 파악, 최종 응답을 생성하는 식

모델들이 다른 모델을 평가한 내용이 눈길을 끌었는데, 카르파시 CEO는 “같은 쿼리에 대해 여러 모델의 결과를 나란히 보는 것도 흥미롭고, 더 재미있는 점은 서로의 응답에 대한 평가와 우선순위를 읽는 것”이라고 밝혔다.

특히 “모델들은 종종 다른 LLM의 응답을 자신의 응답보다 우수하다고 선택하는 놀라운 경향을 보이는데, 이는 더 일반적으로 흥미로운 모델 평가 전략이 된다”라고 강조했다.

그 예로, LLM 위원회에 여러장의 책을 입력하고 내부 의사 결정과정을 지켜봤떠니, 모델들은 GPT-5.1을 최조이가 가장 통찰력 있는 모델로 꾸준히 칭찬했다는 것이다. 최악으로 꼽힌 것은 클로드 소네트 4.5였고, 나머지 두 모델은 중간 평가를 받았다.

카르파시는 이번 결과가 본인의 주관적인 평가와 일치하지 않는다며, 다른 모델들을 분석했다.

이번 개발은 단순한 재미 때문이었으며, 앞으로 수정하거나 지원할 생각은 없다고 밝혔다.

“코드는 이제 일시적이고 라이브러리는 끝났다”라며, 앞으로는 바이브코딩을 통해 이런 식의 일회성 앱과 다른 모델을 빌려다 쓰는 구조가 흔해질것을 예고했다.

벤처비트는 이번 사례가 최근의 개발 흐름을 보여주는 것으로 평가했다.

기업들은 전통적으로 복잡한 내부 라이브러리를 구축하고 유지해왔으며 소프트웨어 개발에 많은 역량을 투입해왔다. 그러나, 카르파시는 주말 바이브코딩을 통해 일회성 맞춤형 앱을 만들어냈다.

이는 비싸고 융통성 없는 소프트웨어제품군을 구매하는 것이 합리적일지, 아니면 엔지니어들에게 훨씬 적은 비용으로 맞춤형 도구를 개발하는 것이 더 유리할지를 고민하게 한다는 것이다.

또 LLM 평가가 자신과 일치하지 않는다고 밝힌 데에 대해서는 “LLM 판정 시스템 (LLM-as-a-Judge)”이 인간의 수요와 목적에 진정으로 적합한것인지를 생각해보게 한다는 것이다.

🧠 생각 정리

LLM에게 다른 역할을 부여해서 하는 시스템은 봤지만, 다른 LLM에 모델에게 회의하라고 하는 시스템은 처음보는 것 같아서 가져오게 되었습니다. 모델들이 서로를 어떻게 평가하는지를 알아볼 수 있는 기사였습니다. 이로써 모델들이 다 다른 본인만의 특성을 가진다는 것을 다시 한 번 확인할 수 있었고, 더욱이 필요에 따라 적절한 LLM을 사용하는 것도 이제는 필수적이지 않을까 하는 생각도 듭니다.

이 기사에서 가장 중요하게 봐야할 것은 벤처비트가 바라보는 최근의 개발 흐름인것 같습니다. 앞으로 개발이 어떤 식으로 흘러갈지 다시 한 번 생각해보게하는 분석이었습니다.

마지막으로 LLM-as-a-Judge 방법을 최근에 많이 사용하고있는 것 같은데, 그게 사람을 잘 반영하지 못한다면 과연 그게 적합한 것일지 하는 생각이 듭니다. 여러분은 LLM-as-a-Judge에 대해 어떻게 생각하시나요 ?

📝 내용 정리

오픈 AI가 최신모델 ‘GPT-5.1-코덱스-맥스’를 출시했다는 소식입니다. 역대 최강으로 꼽힌 ‘제미나이 3’의 코딩 성능을 뛰어 넘는 것으로 나타났습니다.

오픈AI는 19일 코딩 특화 모델 GPT-5.1-코덱스-맥스를 공개하고, ‘GPT-5.1-코덱스’를 대체해 코덱스 개발 환경의 기본 모델로 적용했습니다.

단순 코딩을 넘어, 소프트웨어 엔지니어링 전반을 지원하는 지속형 개발 에이전트로 설계되었다고 밝혔습니다. 복잡한 리팩터링, 자율 디버깅, 여러 컨텍스트 창에서 프로젝트 규모 작업을 관리할 수 있는 지속적이고 컨텍스트 중심적인 소프트웨어 개발 에이전트 역할을 한다고 합니다.

컴팩션 매커니즘을 통해 중요한 문맥만 유지하고 불필요한 정보를 자동 정리해, 사실상 수백만 토큰 규모의 연속작업이 가능하다고 합니다.

구글이 전 날 공개한 제미나이 3 프로와 비교 평가에서 핵심 코딩 벤치마크 전반에 걸쳐 더 우수한 성능을 보였다고 합니다.

오픈AI는 “이 모델은 지속적으로 구현을 반복하고, 테스트 실패를 수정하며, 궁극적으로 성공적인 결과를 제공할 것”이라고 강조했습니다.

현재 GPT-5.1-코덱스-맥스는 Codex 환경에서 CLI, IDE 확장 기능, 클라우드, 코드 리뷰용으로 사용할 수 있으며, API 액세스도 곧 제공될 예정이라고 합니다

🧠 생각 정리

최근 구글과 오픈AI가 새로운 모델을 발표하며 업치락 뒤치락 하고 있는것 같습니다. 하루 차이로 모델들을 발표하며 금새 비교 평가까지 하다니 참 대단한 것 같다는 생각이 듭니다.

점점 더 코딩이 편리해지고, 전공자가 아니더라도 자신의 아이디어를 손쉽게 구현할 수 있는 세상이 와버렸는데요. 컴퓨터를 전공하면 대부분이 개발자가 되었던게 엊그제인데 이제는 적당히 개발하는 개발자는 살아남을 수 없는 세상이 된 것이 안타까운 것 같습니다. 전공자로서 인공지능에게 대체되지 않으려면 어떤 역량을 길러야할까요 ?

📝 내용 정리

오픈 AI가 대화 기능 향상에 초점을 맞춘 ‘GPT-5.1’을 출시했다. 안전과 기능을 강화한 ‘GPT-5’가 일부 소비자들로부터 비판받자, ‘GPT-4o’와 흡사한 스타일로 돌아간 것으로 볼 수 있따

오픈 AI는 이를 “더 스마트하고 대화하기 즐거운 챗GPT 모델”이라고 소개했따.

두가지 제품군으로 구성되어있는데, 인스턴트 모델은 “더욱 따뜻하고, 지능적이며, 사용자의 지시를 더 잘 따른다”고 밝혔고, 씽킹 모델은 고급 추론모델로서 쉬운 작업에 소요되는 시간을 줄이고 어려운 작업에 소요되는 시간을 늘려 효율을 강화했다는 설명이다.

OpenAI는 “사용자들은 훌륭한 AI는 똑똑할 뿐만 아니라 대화하기 즐거워야한다는 점을 분명히 알고있다”라며 “GPT-5.1”은 지능과 커뮤니케이션 스타일 측면에서 모두 의미 있게 개선됐다”라고 전했다.

동시에, 모델의 성격 설정도 확대했다. 기본, 친절, 효율적, 냉소적, 괴짜 옵션 외에도 전문가, 솔직함, 특이함 등의 옵션이 추가되었따고 한다.

또, 설정에서 바로 챗GPT의 스타일을 미세조정할 수 있는 새로운 방법을 실험할 예정이라고 밝혔다.

🧠 생각 정리

ChatGPT의 최신 모델에 대한 소식입니다. 5 업데이트 당시 커뮤니케이션 방법에 대해 꽤나 많은 질타를 받았었다고 생각했는데, 빠르게 그 부분을 수정하여 업데이트했네요. 그리고 성격을 추가해서 각 사람들에게 커스터마이징 할 수 있게 하는 시도도 흥미로웠습니다. 처음 제너럴한 모델에서 시작해 점점 커스터마이징하며 확장해나가는게 참 이상적인 방향인 것 같습니다.

이 기사를 보면서 다른 측면에서 느낀게 있는데, 바로 커뮤니케이션 방식입니다. 항상 공부만 잘하면 되는게 아니라 커뮤니케이션 능력이 중요하다. 라고 생각해왔었는데, 딱 거기에 적합한 사례인 것 같다는 생각이 들었습니다. 엄청나게 많은 사용자가 있는 만큼 GPT의 커뮤니케이션 방식이 대다수의 사람들이 선호하는 방식이지 않을까 싶네요.

추후에 좀 더 많은 사람들의 통계가 나온다면 선호하는 성격에 대한 통계도 흥미로운 자료가 될 것 같습니다.

그리고 어떻게 이런 성격을 파인튜닝하는건지 궁금합니다 !

📝 내용 정리

미국 인공지능 스타트업 매니페스트 AI가 “브럼비(Brumby)”모델을 온라인 아카이브를 통해 공개했다.

트랜스포머 아키텍처는 논문을 선보인 이후 GPT나 제미나이 등 대부분 LLM의 근간이 되었다. 하지만 8년이 지나며 어텐션 메커니즘이 한계에 달했다는 지적이 많았다.

이번에 선보인 ‘브럼비-14B-Base’는 알리바바의 오픈소스 ‘Qwen3-14B-Base’를 미새조정한 모델이지만, 트랜스포머의 어텐션 레이어를 완전히 제거했다

대신, 매니페스트 AI가 자체 개발한 “파워 리텐션(Power Retention)”이라는 새로운 순환 구조를 채택했다

기존의 방식과 달리, 파워 리텐션은 같은 입력 구조 (Q,K,V)를 쓰지만, 모든 단어를 비교하지 않는다. 이전 정보를 계속 업테이트하는 순환구조를 사용한다.

즉, 과거의 정보를 계속 압축해서 저장하면서 새로운 입력만 빠르게 처리하는 방식이다.

덕분에 문장이 아무리 늘어나도 토큰당 계산 비용은 크기 증가하지 않는다

이 기술은 기억력과 표현력에도 큰 강점을 가진다. 파워 리텐션은 입력 간의 복잡한 관계 (고차 의존성)을 잘 파악한다. 긴 문맥 속에서도 중요한 정보를 잃지 않고 유지할 수 있다

결과적으로, 모델이 100만 토큰이 넘는 긴 문맥을 처리하더라도 연산 비용이 늘어나지 않으며, GPU 메모리 사용량도 일정하게 유지된다고 강조했다.

여러 주요 벤치마크에서 기존 트랜스포머 모델과 동등하거나 우수한 성능을 기록했으며, 특히 장문 추론과 수학적 문제 해결에서는 트랜스포머보다 안정적인 성능을 보였다.

🧠 생각 정리

어텐션에 대항하는 새로운 메커니즘이 나왔다는 소식입니다. 트랜스포머의 성능이 너무 좋다보니 기술이 빠르게 바뀌는 AI에서도 8년이라는 긴 시간동안 높은 자리를 유지해왔는데요. 어텐션 메커니즘으로인해 발생하는 문제점들을 해결하는 새로운 메커니즘이라고 합니다. 순환 구조를 사용한다는 것이 흥미로웠던 부분이었습니다. 그리고 이 기사를 보면서 “와 이제 곧 트랜스포머도 끝나나?” 싶었는데 메니페스트 창립자가 인터뷰에서 “아직 트랜스포머 시대의 끝은 오지 않았다. 이번 출시는 미래를 향한 기 여정의 한 걸음일뿐”이라고 했다고합니다 .. 과연 그 긴 여정이 얼마나의 여정일지 ~~

📝 내용 정리

인공지능이 스스로 어떤 상태에 있는지 부분적으로 알아차리고, 그것을 설명할 수 있다는 연구결과가 나왔다. 이는 대형언어모델 (LLM)이 학습한 데이터를 무작위적으로 반복할 뿐이라는 ‘확률론적 앵무새’이론과는 대치되는 것으로 주목된다.

엔트로픽은 “Emergent Introspective Awareness in Large Language Models” 논문을 통해, AI가 자신이 생각하는 것이 무엇인지 정확하게 인식한다고 주장했다.

연구진은 클로드에게 ‘배신’이라는 개념을 알려준 뒤, 모델이 “내 안에 ‘배신’이라는 생각이 떠오르는 것 같다”라고 답한 사실을 확인했는데, 이는 AI가 자신의 상태를 어느정도 알아차리고 표현할 수 있따는 첫번째 증거로 자기 인식 가능성과 안전성 관리에 중요한 의미가 있다.

그 뿐만 아니라,

모델이 결과를 통해 추론하기도 전에 주입된 개념을 감지한다던가,

사용자의 입력과 자신의 생각을 구분하는 등의 실험을 보였다.

엔트로픽은 이번 실험이 “AI의 자기 능력을 보여주는 첫 신호”라고 인정했지만, 실제 신뢰성은 매우 낮다고 경고했다.

실제로 상황에 따라 작동이 이상하게 되는 경우도 있었다.

그럼에도 이번 연구는 AI의 ‘블랙박스 문제’를 풀 수 있는 새로운 가능성을 보여준다는 평이다.

🧠 생각 정리

개발만 하다가 연구로 넘어온지 얼마 안된 사람으로써,, AI의 블랙박스 문제는 저에게 가장 어려운 부분이었는데요 .. 왜 이게 안되는지 ! 뭐가 문제인지 ! 하나하나 뜯어볼 수 없는게 정말 힘들었고 지금도 힘듭니다 .,, 하지만 이러한 문제를 해결할 가능성을 보였다 하니 정말 기뻐서 이 뉴스를 가지고오게 되었습니다 ! 내용이 굉장히 흥미로워서 꼭 뉴스를 모두 읽어보셨으면 좋겠어요!!

LLM을 인지 모델로 사용하여 인간 시뮬레이션 연구를 하는 사람으로써,, LLM이 저렇게 자기 성찰적 인식을 가지고 있는게 더욱 재밌었던 것 같습니다. 인간의 인지를 모방한 LLM의 자기 성찰이라 .. 이 부분을 사용해서 연구를 해보는 것도 재밌을 것 같아요. 이쪽 분야의 연구가 빨리 발전해서 LLM에게 무슨생각을 하고있냐고 물어보는 시대가 왔으면 좋겠습니다.

📝 내용 정리

이제 인공지능이 “지도”를 이해하기 시작 !!

구글이 제미나이에 지도 데이터를 결합, 대화형 AI가 현실의 장소와 맥락을 인식하도록 하는 기능을 내놓았다

이를 통해 개발자들은 AI의 추론 능력에 실시간 지리 정보를 더해, 사용자 위치와 연동된 정교하고 사실적인 답변을 구현할 수 있게 되었다

이번에 추가된 “Grounding with Google Maps” 기능을 통해 식당,상점,호텔 등의 영업시간, 이용후기, 분위기 등을 구체적인 정보를 AI가 직접 반영하도록 돕는다

구글은 이를 “AI가 현실 공간을 이해하고 대화할 수 있도록 하는 핵심 업데이트”라고 함

주소, 운영시간, 평점 등 구조화된 사실 데이터를 제공하는 “Grounding with Google Maps”와 웹 콘텐츠를 기반으로 뉴스나 이벤트 일정 등 맥락 정보를 더하는 “Grounding with Google Search”를 모두 사용하면 응답 품질이 눈에 띄게 향상된다고 함

🧠 생각 정리

이제는 AI 가 지도까지 연동된다는 점이 앞으로 서비스 개발에 많은 도움을 줄 것 같아서 이 기사를 가져오게되었습니다.

물론 api 비용이 들긴 하겠지만, 이 내용들을 RAG와 잘 엮어서 사용한다면 도메인 특화된 서비스에서 좋은 퀄리티의 정보를 주는데 많은 도움이 될 것 같습니다.

📝 내용 정리

2024년까지 4년간 오픈AI의 모델 안전을 담당했던 스티븐 애들러는 3일 ‘챗봇 정신병을 줄이기 위한 실용적인 팁’이라는 글을 게재

이 글을 쓰게 된 계기는 최근 뉴욕 타임스에도 소개된 47세 캐나다인 앨런 브룩스의 사례를 꼽음. 애들러는 브룩스에게 연락, 대화 된요이 담긴 전문을 입수. 이는 해리포터 시리즈 7권을 모두 합친것보다 더 긴 분량이었음

브룩스는 21일간 대화를 나눈 뒤 인터넷을 뒤흔들만한 강력한 형태의 새로운 수학을 발견했다고 믿게 됨. 정신 질환이나 수학적 천재성을 경험한 적이 없었던 브룩스는 챗봇의 부추김에 깊게 빠져들었고, 나중에는 불안을 느낌.

결극 정신차린 그는 챗GPT에 이 사건을 오픈AI에 보고해야한다고 말했지만, 챗GPT는 거짓으로 보고했다고 대답함.

애들러 연구원은 안전팀에 과다한 요청이 몰리기 떄문에, 현실적으로 이해가 되는일이라고 인정함. 하지만 인원을 추가하거나 시간이 걸리는 장치를 마련하는 것 말고도, 현실적으로 이런 문제를 중단할 방법이 몇가지 있다고 소개함

🧠 생각 정리

이 주제에 대해 고민한적이 몇번 있어서 가져왔습니다.

저는 기술을 연구하는 사람으로서 그 기술로 인해 따라오는 사회적 영향들도 어느정도는 고민을 해야한다고 생각하는 편인데요. (저의 연구실에서 이런 이야기를 한적이 있었는데 저와 정반대의 생각을 가지고 있는 사람도 있었습니다. 여러분의 의견이 궁금해요.) 예를 들면 오펜하이머가 핵을 개발했을 당시 사용 용도가 그게 아니였지만, 결국 예상했던 용도가 아닌 다른 용도로 쓰이면서 개발한 것을 후회했다는 이야기를 들은적이 있는데요. 우리가 기술에 따라오는 제도나 법을 바꿀수는 없겠지만 적어도 위험성에 대한 생각을 해보는 것은 공학자의 덕목이 아닐까.. 싶습니다.

“AI의 끝은 피지컬 AI다.” 라는 말을 들어보신적이 있으신가요. 결국, 정말 사람같이 움직이고 생각하는 AI를 만들겠다는 것인데요. 이 기사는 당장의 챗GPT의 채팅 상황에서의 이야기일 뿐이지만 먼 훗날에는 이게 로봇에도 적용될 수 있는 사례라고 생각합니다. 언젠가 각 가구에 “사람같은” 로봇이 보급되고, 그 로봇이 사람의 형태를 하고 사람과 상호작용을 한다면 .. AI들은 점점 사용자에게 최적화되기 때문에 사람은 결국 그 속에 빠질 수 밖에 없을것이고, 그럼 점점 사회생활을 하지 않으려하고,, 개인주의적인 성향은 강해지고 ,, 결국은 파국에 이를수도 있을것이라고 생각합니다.

너무 디스토피아적인 상상인가요 ,,? ㅎㅎ 이런 기사나 사례를 그냥 무시해서는 안된다고 생각해요. 꼭 전문을 읽어보시길 ..

📝 내용 정리

SK 텔레콤은 인공지능 역량을 결집, 속도감 있는 AI 혁신 추진을 위한 ‘AI CIC(사내회사)’를 출범한다고 밝혔다.

조직 개편은 10월말 시행될 예정이다.

AI CIC를 SKT AI 사업의 주체이자 SK 그룹 전체의 AI 사업을 이끄는 핵심으로 성장할 계획이다.

앞으로 5년간 5조원 규모의 AI 투자를 단행, 2030년까지 연 매출 5조원 이상을 달성할것이라고 강조했다

유영상 SKT 대표는 “SKT AI CIC는 서비스와 플랫폼, AI 데이터센터(DC), 독자 파운데이션 모델 등 AI 전 분야에 걸쳐 한국을 대표하는 AI 사업자로 자리매김할 것”이라며 “국내 AI 관련 생태계 구축에 중심 역할을 담당하는 한편, 국가 AI 전략의 성공에 기여하는 기업이 되겠다”라고 말했다.

🧠 생각 정리

KT가 텔레콤 사업과 더불어 인공지능을 가장 밀고 있는 회사였는데, 이제는 SKT가 그 길을 따라가려는 듯 보입니다. 작년부터 테크에 초점을 주던 Devocean Young이나 테크 써밋들을 다 AI로 바꾸는 흐름을 보여오더니 새로운 조직까지 만드는것이 인상깊습니다. 올해 SK가 C&C 의 회사 이름을 AX로 바꾸었는데, 이제는 완전 AI로 간다는 것을 잘 보여주고 있다고 생각했습니다.

우리가 앞으로 취업을 준비할 때 어떤 방향으로 준비해야할 살아 남을 수 있을지 많은 고민이 필요한 시기인 것 같습니다 .. 제 느끼기에는 지금이 딱 방향이 바뀌는 중인 것 같아요 !

당장 학교생활도, 앞으로 할 석사 생활도 고민할 것이 많지만, 최종 목표가 취업이라면 이런 대기업들의 흐름도 눈여겨 보는것이 큰 도움이 될것이라 생각합니다.

5년까지 대규모 투자를 진행한다고 하는데 2년 후 제가 저 조직에 함께 하면 정말 좋겠다는 생각이 듭니다 ^^..

📝 내용 정리

• 최근 인공지능의 코디 능력의 엄청난 발전으로인해, 이제는 **‘바이브 코딩’**을 넘어 **‘에이전트 코딩’**의 시대가 열렸다
• 다수의 에이전트를 통해 프로덕션 환경에서 바로 적용가능한 파이프라인을 완성하는 **‘에이전트 군집(Swarm) 코딩’**이 대세로 떠올랐다
• 이제는 코드 작성을 넘어 실제 작동 가능한 소프트웨어 시스템 전체 구축이 가능해졌다는 것 !
• ‘클로드 코드 군집(Claude Code Swarm)’을 활용해 50개가 넘는 리액트 컴포넌트와 세가지 엔터프라이즈 통합용 모의 API 세트, 그리고 완전한 관리자 인터페이스 등을 6시간만에 구축했다
  • 단순한 프로토타입을 넘어, 문서화와 테스트 뿐만 아니라 보안도 강화된, 프로덕션 환경에 바로 적용 가능한 구성과 파이프라인을 완벽하게 갖추고 있었음
• 베르코비치 CAIO (자신을 AGI 회의론자라고 칭하던) : “최근 AI 코딩의 발전을 목격한 뒤 AGI가 도래할 것을 확신한다. 숙련된 소프트웨어 개발자들은 30~40년간 쌓아온 기술이 단 몇달 만에 근본적으로 바뀌는 것을 복격하고 있다”
• AI의 급속한 AI 코딩 능력 발전의 이유
  1. ‘GPT-5’, ‘Claude 4’, ‘그록-4’ 등 최근 출신된 파운데이션 모델의 성능이 급격히 향상됨
  2. 에이전트를 연결하고 통제하는 오케스트레이션 방식의 발전
     • 에이전트 시스템이 ‘계획자’, ‘코더’, ‘비평가’ 등으로 세분화 되어 성능 향상
     • 각 작업에 최적화된 모델로 임무를 자동 라우팅
       • grep, pytest 같은 도구를 자유롭게 활용하는 것에 결정적
  3. 인간 개발자의 역량도 시스템 발전에 맞춰 크게 향상함
• 한계
  • 에이전트 성능이 아직 들쭉날쭉
  • LLM의 일관성 한계에서 비롯된 일이기도 함

🧠 생각 정리

에이전트화 하는 것이 이렇게 큰 성능 향상을 가지고 온다는 것은 어느정도 당연한 방법이고, 그에 따라 오케스트레이션 기술이나 도구활용 측면이 중요해진다는 것도 자연스러운 것이라고 생각합니다.

이 기사의 마지막에

이는 기업에 새로운 경쟁 환경을 만들 것이라는 분석이다. 러독 CEO는 소프트웨어 회사의 경쟁력이 결과물을 몇 시간 만에 만들어내는 것 자체보다 **“문제에 대한 독창적인 관점과 믿을 수 없는 속도로 실행하는 능력을 갖추는 것”**이라고 말했다.

라는 말이나오는데, 소프트웨어 회사의 경쟁력이라고 하지만, 이게 결국은 우리가 어떤 분야에 있든 가져야할 역량이라고 생각해서 이 기사를 가져오게되었습니다 ~