긍정적이든 부정적이든 교육수준이나 임금이 높을수록 AI도구에 노출이 많아질 것이다. 인지적 업무에 인공지능이 적절하기 때문.
특히, 우리의 분석은 ChatGPT 창시자인 OpenAI가 1년 전 제공한 직업별 “노출” 데이터를 기반으로, 대체로 직업의 교육 수준이나 임금이 높을수록 해당 직업이 생성형 AI 도구에 (긍정적이든 부정적이든) 더 많이 노출될 가능성이 높다는 것을 예측했습니다 (다만, 가장 상위 직종에서는 약간의 감소가 관찰됨). 이는 생성형 AI가 특히 프로그래머, 작가, 재무 분석가, 엔지니어, 변호사 등 화이트칼라 지식 작업의 인지적 업무에 적합하기 때문입니다. 반면, 생성형 AI는 고객 서비스 및 사무 행정과 같은 ‘일상적인’ 업무(예를 들어, 주로 여성 직원이 담당하는 콜센터, 고객 서비스 라인, 인사팀 등)를 위협할 수 있지만, 현재는 제조업, 숙련 기술직, 건설업 및 다수의 대면 서비스 산업에서의 수작업 업무를 처리할 수 있는 능력은 부족합니다.
OpenAI Plots Charging $20,000 a Month For PhD-Level Agents
The Information ($)
OpenAI가 ‘고소득 지식 근로자’에 해당하는 업무의 경우 월 2,000달러부터 ‘박사급 연구 에이전트’의 경우 월 2만 달러까지 딥 리서치 스타일 에이전트에 대한 단계별 가격 책정을 고려하고 있다는 기사. 사람보다 비싸다
The state of AI: How organizations are rewiring to capture value
McKinsey
1. AI 활용 확산
- 전체 응답자의 78%가 AI를 최소 1개 기능에 도입했다고 응답 (2023년 55% → 2024년 72% → 2025년 78%)
- 생성형 AI 사용률도 급증 (2023년 33% → 2024년 65% → 2025년 71%)
- 가장 많이 활용되는 분야: 마케팅/영업, IT, 서비스 운영
2. 조직 구조 및 거버넌스
- 워크플로우 재설계가 생성형 AI 도입 효과(EBIT 증가)에 가장 큰 영향을 미침
- CEO 또는 이사회가 AI 거버넌스를 주도하는 경우 성과가 높음
- 위험 관리와 데이터 거버넌스는 중앙집중화, 기술 인재와 AI 솔루션 도입은 부분적 분산 모델 채택
3. AI 관련 리스크 대응
- 정확성, IP 침해, 프라이버시 등의 리스크 대응 활동 증가
- 대기업일수록 사이버보안 및 개인정보 보호 리스크 대응에 적극적
4. AI 도입과 확산을 위한 모범 사례 부족
- 단 1%의 조직만 생성형 AI 도입을 ‘성숙’ 단계로 평가
- 성과에 가장 큰 영향을 미치는 요인: 명확한 KPI 설정과 도입 로드맵 수립
- 대기업이 중소기업보다 도입 및 확산 전략 수립에 적극적
5. 인재와 재교육
- AI 데이터 과학자, 머신러닝 엔지니어 등 수요 지속
- AI 컴플라이언스, 윤리 전문가 채용도 증가
- 다수의 조직이 기존 인력 재교육(reskilling) 진행 및 계획 중
6. AI 도입의 조직적 영향
- 절감된 시간은 신규 업무 또는 기존 업무에 재투자하는 경우가 많음
- 그러나 일부 대기업은 인력 감축으로 연결
- 향후 3년 내 인력 변화는 ‘변화 없음’이 다수 전망 (38%)
7. 비즈니스 성과에 대한 영향
- 대다수 조직은 아직 기업 전체 수준에서 의미 있는 EBIT 향상은 경험하지 못함
- 그러나 비즈니스 유닛 수준에서는 매출 증가 및 비용 절감 효과가 점차 나타나고 있음
People are using Google’s new AI model to remove watermarks from images
TechCrunch
지난주, 구글은 제미니 2.0 플래시 모델의 이미지 생성 기능에 대한 접근성을 확대했습니다. 이 기능을 통해 제미니는 이미지 콘텐츠를 자체적으로 생성하고 편집할 수 있습니다. 모든 면에서 강력한 기능 입니다 . 하지만 몇 가지 단점도 있는 것 같습니다. 제미니 2.0 플래시는 유명인 과 저작권이 있는 캐릭터를 묘사한 이미지를 아무런 문제없이 생성할 수 있으며, 앞서 언급했듯이 기존 사진의 워터마크도 제거합니다.
AI is “tearing apart” companies, survey finds
Axios
“직장 내 AI 도입으로 인해 분열이 심화되고 리더와 직원 간의 새로운 권력 투쟁이 촉발되고 있으며, 경영진의 절반은 AI가 ‘회사를 찢어놓고 있다’고 답했습니다.” […] “직원의 절반 미만(45%)과 최고 경영진의 75%는 지난 12개월 동안 회사의 AI 도입이 성공적이었다고 생각합니다.” […] “직원의 약 절반은 AI가 생성한 정보가 부정확하고 혼란스럽고 편향적이라고 답했습니다.”
Kidnapped co-founder of French crypto firm Ledger had his hand mutilated
Reuters
재미있는 사례여서. 암호화폐는 강력한 암호화 등을 통해 토큰을 안전하게 저장하는 지갑을 만들지만, 프랑스 암호화폐 기업 Ledger의 공동창립자를 납치해버렸다. 아무리 똑똑한 소프트웨어도 렌치로 때리는 걸 막을 수 없다는 말이 있다.
프랑스 암호화폐 회사 레저(Ledger ) 의 공동 창립자인 다비드 발랑은 아내와 함께 납치된 동안 손이 훼손되었으며, 두 사람이 풀려난 후 10명이 심문을 받고 있다고 파리 검찰이 밝혔습니다. 발랑과 그의 아내는 화요일 이른 아침 프랑스 중부에 있는 집에서 납치되었으며, 차로 두 개의 다른 주소로 끌려가서 포로로 잡혀 있었다고 파리 검사인 로르 베콰우가 목요일 늦은 기자 회견에서 밝혔습니다. 레저에 따르면 더 이상 회사에서 일하지 않는 발란드는 수요일에 경찰의 작전을 거쳐 구출되었고, 그의 아내는 다음 날 풀려났습니다. 베콰우의 말에 따르면 납치범들은 납치 사건 당시 다른 Ledger 공동 창립자에게 연락해 암호화폐로 몸값을 요구했고, 몸값 중 일부는 지불됐다고 한다.
AI middleware
Benedict Evans
첫째, 매우 다양하고 복잡한 소프트웨어를 표준화된 범용 계층으로 추상화하려고 하는데, 이는 ‘최소공약수’ 문제를 야기합니다. 미들웨어는 기반 도구가 생성하는 모든 기능을 지원할 수 없습니다(스티브 잡스의 ‘플래시에 대한 메모’ 참조). 둘째, Instacart가 왜 다른 회사의 수조 달러 규모 기업을 위한 단순한 API 호출이 되고 싶어 할까요? Instacart는 광고로 모든 수익을 창출하고, Uber는 검은색 승용차와 구독 상품을 판매하고 싶어 하며, Salesforce는 새로운 LLM 도구를 사용하기를 원합니다. 다른 누군가가 사용자 경험을 통제하고 고객을 소유하는 것을 원하지 않기 때문입니다.
스티브 잡스는 플래시와 관련해 Flash는 너무 복잡하고, 배터리를 소모하며, 보안 문제도 많고, 터치 인터페이스에도 맞지 않는다. 그리고 Flash 같은 미들웨어는 개발자가 플랫폼의 고급 기능을 쓰지 못하게 만든다는 요지로 말했었다. 너무 오래 전 이야기. 요즘 사람들은 플래시를 기억하기는 할까?
Thoughts on how Operator will play out
Steven Sinofsky
컴퓨터 사용 기능이 가질 수 있는 문제. 신원대행, 오류, 호환성 등 문제가 있을 것으로 예상. 하지만 자동화를 위한 생태계가 발전한다면 자동화를 위한 API를 제공하거나, 고려한 디자인으로 변화할 수도 있을 것이라 말한다. 그럼에도 (인간)이용자의 인게이지먼트가 중요한 앱들은 차단할 것이라 예상.
첫째, 모든 실수는 자신의 실수입니다. 그리고 실수한 것처럼 가치 있는 대부분의 작업에는 실행 취소 버튼이 없습니다.
둘째, 오늘날 자동화할 가치가 있는 앱은 운영자가 의도적으로 Chrome을 시뮬레이션하거나 더 교묘한 작업을 하지 않는 한 이런 종류의 로그인 세션을 거의 확실하게 비활성화할 것입니다. 주로 첫 번째 문제와 앱이 자동화가 잘못되는 것을 원하지 않기 때문입니다. 또한 앱, 특히 사용량에 따라 달라지는 앱이 자동화에 항상 저항해 온 것과 같은 이유, 즉 사용자의 흐름 중간에 끼어들어 더 많은 선택과 옵션, 방해 요소를 제공하고자 하는 이유도 있습니다. 그 외에도 화면 읽기/스크래핑/마우스 추적 자동화가 항상 실패했던 이유와 동일한 이유, 즉 앱이 변화하고 그 변화를 따라잡는 것이 불가능하다는 점 등 여러 가지 이유가 있습니다. 스크립트가 깨집니다.
Copyright Office Releases Part 2 of Artificial Intelligence Report
Copyright Office
상식적인 결론 아닐까
미국 저작권청은 생성형 AI의 산출물이 인간 저작자가 충분한 표현적 요소를 결정한 경우에만 저작권 보호를 받을 수 있다고 결론 내렸습니다. 여기에는 인간이 저술한 작품이 AI 산출물에서 인지되거나, 인간이 산출물에 창의적인 배열이나 수정을 가한 경우가 포함되지만, 단순히 프롬프트를 제공한 경우는 포함되지 않습니다. 또한, 미국 저작권청은 창작 과정에서 AI를 보조 도구로 사용하거나 AI가 생성한 자료가 인간이 제작한 더 큰 작품에 포함되는 경우가 저작권 보호를 방해하지 않는다고 확인합니다. 더불어, AI가 생성한 산출물에 추가적인 보호를 제공하기 위해 기존 법률의 변경이 필요하다는 주장은 제기되지 않았다고 판단합니다.
228. DeepSeek Has Been Inevitable and Here’s Why (History Tells Us)
Steven Sinofsky
딥시크 등장은 불가피했다는 글. 컴퓨팅의 역사와 반대로 되는 방향은 지속가능하지 않았기 때문이라고 말한다.
우리가 가진 큰 문제는 모든 진전과 상관없이 대규모 솔루션이 너무 많은 자본을 소모한다는 것입니다. 하지만 그 이상으로 고객에게 제공하는 방식은 지속 불가능한 길을 걷고 있습니다. 이는 필요한 리소스가 더 비싸지지 않고 무료가 되는 컴퓨팅의 역사에 반하는 길입니다. 컴퓨팅 시장은 특히 소비 기반 가격 책정과 같이 비용이 더 많이 드는 솔루션을 단순히 받아들이지 않습니다.
인터넷 관련하여 ATT사례를 언급하기도 하는데 재미있다.
그들은 인터넷을 구축하는 올바른 방법은 전화 네트워크를 단순히 확장하는 것이라고 확신했습니다. 즉, 신뢰성과 QoS(서비스 품질) 등을 보장하기 위해 더 많은 하드웨어, 더 많은 프로토콜, 그리고 수많은 케이블과 장비를 추가하는 방식이었습니다. 이 방식은 그들만의 생각이 아니었습니다. 유럽은 통신 네트워크를 기반으로 ISDN을 활용하여 인터넷 연결을 확장하고 있었고, AT&T 역시 막대한 자본을 투입하고 기존 인프라에 의존하는 방식을 좋아했습니다.
하지만 이들은 완전히 틀렸습니다. Cisco가 등장하여 IP 기반 네트워크 위에서 DNS와 같은 단순한 소프트웨어를 이용해 모든 것을 제공해냈습니다. 그 위에 HTTP와 HTML과 같은 다른 기술들이 계층적으로 쌓였고, 이어서 Apache, Linux, 그리고 수많은 웹 브라우저들이 등장했습니다. 초기의 전화 네트워크 인프라는 결국 가장 흥미롭지 않은 부분임이 드러났고, 전혀 다른 플레이어가 대학 컴퓨팅 인프라에 주로 집중했던 방식에서 벗어나 분산형(Scale Out) 접근법으로 전환시켰습니다. Cisco도, Netscape도, CERN도 수십억 달러의 자본 없이 자신들이 할 수 있는 것을 최대한 활용해 정보 초고속도로를 구축했습니다. 그 이후의 역사는 모두 역사 속에 남았습니다.