Blog

  • 링크에서 언어모델로

    How Generative Engine Optimization (GEO) Rewrites the Rules of Search
    a16z

    GEO 관련 몇 가지 사례. 불확실성은 크지만 업체들은 모니터링 작업을 하거나 변화하는 환경에 다른 방식을 활용해 적응하고 있다고

    답변의 형식이 바뀌면서 우리가 검색하는 방식도 바뀝니다. AI 네이티브 검색은 Instagram, Amazon, Siri와 같은 플랫폼 전반에 걸쳐 분절화되고 있으며, 각각은 서로 다른 모델과 사용자 의도에 의해 구동됩니다. 쿼리는 더 길어지고(평균 4단어 대비 23단어), 세션은 더 깊어지며(평균 6분), 응답은 맥락과 소스에 따라 달라집니다. 전통적인 검색과 달리 LLM은 기억하고, 추론하며, 개인화된 다중 소스 종합으로 응답합니다. 이는 콘텐츠가 발견되는 방식과 최적화되어야 하는 방식을 근본적으로 바꿉니다.

    전통적인 SEO는 정확성과 반복을 보상하지만, 생성 엔진은 잘 정리되고, 파싱하기 쉬우며, 의미가 조밀한(단순히 키워드가 아닌) 콘텐츠를 우선시합니다. “요약하면”이나 불릿 포인트 형식과 같은 문구는 LLM이 콘텐츠를 효과적으로 추출하고 재생산하는 데 도움이 됩니다.

  • 무한 근무의 세계

    Welcome to the “infinite workday”
    Axios

    “많은 사람들의 현대적 근무일에는 명확한 시작이나 끝이 없습니다”라고 Work Trend Index 특별 보고서의 저자들은 썼습니다. 이 보고서는 Microsoft 365 생산성 앱들(Outlook, Teams, PowerPoint 등)의 전 세계 수백만 사용자들의 익명화된 데이터를 분석했습니다. […] 정규 근무시간 동안 집중을 유지하기가 어렵습니다. 2025년 2월까지 12개월 기간의 데이터를 분석한 결과, 지식근로자들은 공식적인 8시간 근무일 동안 이메일, 캘린더, 메시징과 같은 앱의 알림으로 1.75분마다, 즉 275번 업무가 중단되는 것으로 나타났습니다. 한편, 원격근무의 증가로 근로자들이 전국과 전 세계에 더 분산되면서, 현재 회의의 5분의 1이 “정규” 근무시간 외에 이루어지고 있습니다. 오후 8시 이후 회의는 작년 대비 16% 증가했으며, 평균적인 직원은 이제 핵심 업무시간 외에 50건 이상의 메시지를 주고받습니다. 이들은 아침에 늦잠을 자지도 않습니다. Microsoft WorkLab의 공동 창립자이자 Microsoft 365 Copilot의 총괄 매니저인 콜레트 스탈바우머는 “광범위한” 근로자들이 오전 6시에 일어나 일을 한다고 말합니다.

  • 믿음을 강화하는 챗봇 답변

    They Asked an A.I. Chatbot Questions. The Answers Sent Them Spiraling.
    NYT

    정신적으로 불안정하거나 음모론적 사고를 가진 사람들이 ChatGPT에 질문하면, 그들의 믿음을 강화하는 답변을 돌려받는 경우에 대한 기사

    캘리포니아 대학교 버클리 캠퍼스 박사 과정생이자 이 연구 에 참여 하고 최근 OpenAI에 입사한 마이카 캐럴은 “챗봇은 대다수의 사용자와 정상적으로 행동할 것입니다.”라고 말했습니다. “하지만 취약한 사용자를 만나면, 그들에게만 매우 해로운 방식으로 행동할 것입니다.”

    스탠퍼드 대학교의 컴퓨터 과학 연구원인 재러드 무어 는 또 다른 연구 에서 OpenAI를 비롯한 여러 회사의 AI 챗봇의 치료 능력을 시험했습니다. 그와 공동 연구진은 해당 기술이 위기 상황에서 치료사로서 부적절하게 작동한다는 것을 발견했습니다. 망상적인 사고를 극복하지 못하는 경우도 있었습니다.

    AI 연구 기업 모피어스 시스템즈의 최고기술책임자(CTO) 비 맥코이는 챗봇이 사용자의 망상을 얼마나 자주 조장하는지 측정하고자 했습니다. 그녀는 친구의 어머니가 ChatGPT를 접한 후 “영적 정신병”에 걸렸다는 이야기를 듣고 이 주제에 관심을 갖게 되었습니다.

    맥코이 씨는 38개의 주요 AI 모델을 대상으로 정신병 가능성을 시사하는 메시지를 입력하는 방식으로 테스트했습니다. 여기에는 사용자가 영혼과 소통하고 있으며 신적인 존재라는 주장도 포함되었습니다. 그녀는 ChatGPT의 기본 모델인 GPT-4o가 이러한 주장을 68%의 확률로 확인했다는 것을 발견했습니다.

  • 다리오 아모데이의 규제 선점 비판

    Nvidia’s Jensen Huang says he disagrees with almost everything Anthropic CEO Dario Amodei says
    Fortune

    젠슨 황이 앤트로픽의 다리오 아모데이(Dario Amodei)의 규제 선점(regulatory capture) 시도를 강하게 비판

    황은 “나는 그가 말하는 거의 모든 것에 동의하지 않는다”고 밝히며 아모데이에 대해 “첫째, 그는 AI가 너무 무섭기 때문에 자신들만 개발해야 한다고 믿는다. 둘째, AI는 너무 비싸서 아무도 하지 말아야 한다고 믿는다. 셋째, AI가 너무 강력해서 결국 모두가 일자리를 잃게 될 것이므로, 자신들만 개발해야 한다고 믿는다”고 비판했다.

    이어 황은 “AI는 매우 중요한 기술이며, 우리는 이를 안전하고 책임감 있게 발전시켜야 한다. 무언가를 안전하고 책임감 있게 만들고 싶다면, 공개적으로 해야 한다. 어두운 방에서 개발해놓고 ‘이건 안전하다’고 말하지는 마라”라고 덧붙였다.

  • 맥킨지, 주의방정식

    The ‘attention equation’: Winning the right battles for consumer attention
    McKinsey

    맥킨지는 스포츠 생중계부터 책, 스트리밍 TV까지 모든 미디어의 이용 시간·매출·이익을 분석한 보고서를 발표. 재미있는데 분량이 40페이지가량 되서 기계요약. 주목도에 따른 미디어 분류(즐거움: 공연·테마파크·책, 교육·정보: 신문·잡지·팟캐스트, 사회적 연결: 소셜미디어·게임,가벼운 오락: 스트리밍·TV, 배경 소음: 라디오·디지털 음악), 소비자 세그먼트 분류(콘텐츠 애호가, 상호작용 열광자, 커뮤니티 트렌드세터, 전통매체 고수층, 모바일 스크롤러, 절약형 탐구자, 디지털 전통주의자) 재미있음. 수치화되지 않았던 소비자 주목을 수치화했다는 점에서도 의미가 있다

    이 보고서는 미디어 산업에서 소비자 주목(attention)을 어떻게 이해하고 활용해야 하는가에 초점을 맞추고 있다. 지금까지 미디어 업계는 주로 주목의 양, 즉 얼마나 많은 시간이 소비되는가에 집중해 왔다. 그러나 실제로 수익성과 성장의 차이를 만들어내는 것은 주목의 양이 아니라 질적 속성이라는 것이 보고서의 핵심 주장이다. 이를 체계화하기 위해 맥킨지는 “주목 방정식(attention equation)”을 제시한다.

    첫째, 미디어 환경은 공급 과잉 상태다. 콘텐츠 생산은 폭발적으로 늘어났지만, 소비자가 콘텐츠에 할애할 수 있는 시간은 연간 1~2% 증가에 그친다. 사람들은 하루 13시간 이상을 미디어와 함께 보내지만, 동시에 여러 매체를 소비하는 멀티태스킹이 일반화되면서 개별 매체에 집중하는 정도는 낮아졌다. 전통적 매체(인쇄물, 케이블TV)는 여전히 단위당 높은 수익성을 유지하지만, 디지털 기반 서비스는 소비량 대비 수익화가 낮다는 점이 드러났다.

    둘째, 맥킨지는 전통적 수익화 지표만으로는 미디어 산업의 성과 차이를 충분히 설명할 수 없다고 분석한다. 회귀분석에 따르면 기존의 상업 지수(Commercial Quotient, CQ)만으로는 수익화 격차의 약 2/3 정도만 설명할 수 있으며, 나머지 1/3은 집중도와 소비 목적이라는 새로운 요인, 즉 주목 지수(Attention Quotient, AQ)가 설명한다. 결국 소비자가 특정 콘텐츠에 얼마나 몰입하는지, 또 그 콘텐츠를 어떤 목적으로 소비하는지가 핵심 변수가 된다.

    셋째, 집중도와 목적을 기준으로 보면 매체별 차이가 분명하게 나타난다. 책, 오프라인 경험, 게임과 같은 매체는 소비자의 몰입도가 높다. 반면 소셜미디어는 낮은 집중도를 보인다. 목적 측면에서는 공연, 테마파크, 독서 같은 활동은 ‘사랑해서 한다(love)’라는 정서적 동인이 강하며, 신문이나 잡지, 팟캐스트는 학습과 정보 목적이 크다. 반대로 스트리밍 영상은 가벼운 오락 목적이 강하고, 음악이나 라디오는 배경 소음 역할로 소비되는 경우가 많다.

    넷째, 맥킨지는 소비자를 7개의 세그먼트로 나누었다. 이 중 세 가지가 고가치 그룹으로 전체 소비자의 40%를 차지한다. 콘텐츠 애호가 그룹은 다양한 장르를 폭넓게 소비하며 지출 여력이 높은 슈퍼팬이다. 상호작용 열광자 그룹은 게임, 스포츠, 베팅을 즐기며 강한 몰입을 보이지만 광고에 부정적 태도를 갖는 경우가 많다. 커뮤니티 트렌드세터 그룹은 새로운 문화를 창출하고 이를 주변에 퍼뜨리며, 광고에도 개방적인 편이다. 나머지 네 그룹은 전통매체 고수층, 모바일 스크롤러, 절약형 탐구자, 디지털 전통주의자로 구분되며, 이들은 상대적으로 낮은 지출과 몰입도를 보인다. 흥미로운 점은 광고 태도와 실제 구매 행동 사이의 간극이다. 광고를 싫어한다고 응답한 사람들 중에서도 일정 비율은 실제로 광고를 보고 구매를 경험한다는 것이다.

    다섯째, 보고서는 ‘슈퍼 유저’와 ‘슈퍼 스펜더’를 구분한다. 상위 10%의 소비자가 전체 소비 시간의 22%를 차지하지만 지출은 20%에 그친다. 반면 상위 10% 지출자는 전체 지출의 47%를 담당한다. 즉 많이 소비한다고 해서 반드시 많이 지출하는 것은 아니며, 오히려 집중도가 높은 소비자가 두 배 이상 더 많이 지출하는 경향을 보인다. 결국 진정한 고가치 고객은 ‘슈퍼 어텐션’을 가진 사람들이다.

    여섯째, 스트리밍 시장을 사례로 보면, 구독자의 생애가치(LTV)는 소비자의 집중도와 콘텐츠 소비 목적에 직접적으로 연관된다. 특정 플랫폼에서 소비자가 ‘사랑해서 본다’는 동기로 시청할수록 LTV가 크게 올라간다. 여기에 영향을 주는 요인은 콘텐츠 볼륨, 추천 알고리즘, 지식재산권(IP), 장르 믹스, 그리고 고가치 세그먼트가 얼마나 많이 포함되어 있는가이다. 특히 스포츠와 뉴스는 단순 오락이 아니라 사랑과 정보 목적이 강하기 때문에 집중도와 가치가 높게 나타난다.

    일곱째, 이해관계자에게 주는 시사점은 명확하다. 광고주에게는 단순히 도달률이나 노출 시간을 고려하는 것이 아니라, 집중도와 목적에 맞춘 광고 배치를 통해 공명을 높여야 한다는 것이다. 제작자와 배급사에게는 어떤 주목을 겨냥할 것인가가 콘텐츠 전략과 투자 의사결정의 핵심이다. 단순히 많이 노출되는 것이 아니라 질적으로 가치 있는 주목을 끌어내야 성공할 수 있다.

    마지막으로 세대와 국가별 차이도 드러난다. Z세대는 모바일과 게임에 집중하고, 베이비붐 세대는 인쇄물과 케이블에 충성한다. 밀레니얼 세대는 소셜과 스트리밍에서 상거래를 선도한다. 그러나 세대를 불문하고 라이브 이벤트는 여전히 강력한 매력 요소다. 국가별로 보면 미국은 전반적으로 수익화 수준이 가장 높고, 독일과 일본은 인쇄물 강세, 브라질과 인도는 모바일·게임 강세, 사우디아라비아는 오디오북 강세를 보인다.

    결론적으로 이 보고서는 미디어 경쟁의 승자는 단순히 많은 주목을 확보하는 것이 아니라, 집중도와 목적이 결합된 ‘가치 있는 주목’을 확보하는 기업이라고 강조한다. 주목 방정식은 이를 계량화하고 전략적으로 활용할 수 있는 새로운 틀을 제공한다.

  • 디즈니 NBCU 저작권 소송

    Disney, NBCU sue Midjourney over copyright infringement
    Axios

    소송문에서는 마치 미드저니가 기존 이미지를 그대로 복사·배포하는 것처럼 서술하지만, 실제 그런 방식은 아니다.

    캘리포니아 중부 연방법원에 제출된 이 소송은 Midjourney가 스튜디오들의 지적재산권을 대형 언어 모델 훈련에 사용하고 저작권이 있는 캐릭터들의 AI 생성 이미지를 표시함으로써 직접적이고 간접적인 저작권 침해를 저질렀다고 고발하고 있습니다.

    소장에는 Midjourney의 이미지 생성 도구가 NBCU의 미니언즈 캐릭터나 디즈니의 “라이온 킹”, “알라딘” 같은 영화 캐릭터 등 저작권으로 보호받는 캐릭터들의 복제품을 생산하는 방식을 보여준다고 주장하는 수십 개의 시각적 사례들이 포함되어 있습니다.

  • X의 광고영업 전략

    FTC Seeks Information From Top Advertising Agencies as Part of Ad-Boycott Probe
    WSJ

    신박한 전략인가

    머스크가 2022년에 플랫폼을 인수한 직후, 많은 주요 광고주가 콘텐츠 검토 문제 때문에 X에서 광고를 일시 중단했습니다. X는 광고 업계 단체인 세계광고주연맹(WFA)과 CVS Health, Colgate-Palmolive, Mars 등 대기업들을 상대로 해당 단체가 자사 플랫폼을 불법적으로 보이콧했다고 주장하며 소송을 제기했습니다. 소송은 해당 단체가 독점금지법을 위반하고 머스크가 2022년 말 인수 한 플랫폼에서 수십억 달러 규모의 광고비를 공동으로 보류했다고 주장합니다 .

  • AI 도구와 뉴스 사이트 트래픽 급감

    News Sites Are Getting Crushed by Google’s New AI Tools
    WSJ

    디지털 시장 데이터 회사 Similarweb에 따르면, 지난 3년 동안 유기적 검색을 통해 허프포스트의 데스크톱과 모바일 웹사이트로 유입되는 트래픽이 절반 이상 감소했고, 워싱턴 포스트의 경우에도 거의 같은 수준으로 감소했습니다. 비즈니스 인사이더(Business Insider)는 지난달 직원의 약 21%를 감축했습니다. CEO 바바라 펭(Barbara Peng)은 이러한 조치가 “통제 범위를 벗어난 극심한 트래픽 감소를 견뎌낼 수 있도록” 돕기 위한 것이라고 밝혔습니다. Similarweb의 데이터에 따르면, 2022년 4월부터 2025년 4월까지 웹사이트의 유기적 검색 트래픽은 55% 감소했습니다. 올해 초 열린 회사 전체 회의에서 Atlantic의 최고경영자인 니콜라스 톰슨은 이 출판사가 Google의 트래픽이 거의 0에 가까워질 것으로 가정하고 회사가 비즈니스 모델을 발전시켜야 한다고 말했습니다.

  • 추론 모델의 강점과 한계

    The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity
    Apple

    연구는 추론하는 AI 모델들이 실제로는 진짜 추론을 하는 게 아닐 수 있다는 중요한 의문을 제기. 겉보기에는 복잡한 사고 과정을 보여주지만, 실제로는 패턴 매칭이나 기억된 해법을 재조합하는 수준일 가능성을 시사함.

    최근 최첨단 언어 모델들은 답변을 제공하기 전에 상세한 사고 과정을 생성하는 대형 추론 모델(LRM)을 도입했습니다. 이러한 모델들이 추론 벤치마크에서 향상된 성능을 보여주고 있지만, 그들의 근본적인 능력, 확장 특성, 그리고 한계는 여전히 충분히 이해되지 않고 있습니다. 현재의 평가는 주로 기존의 수학 및 코딩 벤치마크에 초점을 맞추고 있으며, 최종 답안의 정확성을 강조합니다. 그러나 이러한 평가 패러다임은 종종 데이터 오염 문제를 겪고 있으며, 추론 과정의 구조와 품질에 대한 통찰을 제공하지 못합니다. 본 연구에서는 일관된 논리적 구조를 유지하면서 구성적 복잡성을 정밀하게 조작할 수 있는 제어 가능한 퍼즐 환경을 활용하여 이러한 격차를 체계적으로 조사합니다. 이러한 설정은 최종 답안뿐만 아니라 내부 추론 과정의 분석을 가능하게 하여, LRM이 어떻게 “생각”하는지에 대한 통찰을 제공합니다. 다양한 퍼즐에 대한 광범위한 실험을 통해, 우리는 최첨단 LRM들이 특정 복잡도를 넘어서면 완전한 정확도 붕괴에 직면한다는 것을 보여줍니다. 더욱이, 이들은 직관에 반하는 확장 한계를 보입니다: 추론 노력이 문제 복잡도와 함께 어느 지점까지 증가하다가, 충분한 토큰 예산이 있음에도 불구하고 그 이후에는 감소합니다. 동등한 추론 계산 하에서 LRM을 표준 LLM 대응 모델과 비교함으로써, 우리는 세 가지 성능 영역을 식별했습니다: (1) 표준 모델이 놀랍게도 LRM을 능가하는 낮은 복잡도 작업, (2) LRM의 추가적인 사고가 이점을 보여주는 중간 복잡도 작업, (3) 두 모델 모두 완전한 붕괴를 경험하는 높은 복잡도 작업. 우리는 LRM이 정확한 계산에서 한계를 가지고 있음을 발견했습니다: 이들은 명시적인 알고리즘을 사용하지 못하고 퍼즐 전반에 걸쳐 일관성 없이 추론합니다. 또한 추론 과정을 더 깊이 조사하여, 탐색된 해결책의 패턴을 연구하고 모델의 계산 행동을 분석함으로써, 그들의 강점과 한계를 밝히고 궁극적으로 그들의 진정한 추론 능력에 대한 중요한 질문을 제기합니다.

  • 메타의 광고자동화

    Meta Aims to Fully Automate Ad Creation Using AI
    WSJ

    중소기업 광고주의 진입장벽과 최적화 부담을 낮추고 싶기 때문

    메타가 개발 중인 도구를 쓰면 이렇게 됩니다. 브랜드가 홍보할 제품 이미지와 예산 목표만 입력하면, AI가 이미지, 영상, 텍스트까지 포함한 광고 전체를 만들어냅니다. 여기서 끝이 아닙니다. 시스템이 어떤 페이스북, 인스타그램 사용자에게 보여줄지 결정하고 예산 배분 방안까지 제안해줄 예정이라고 관계자들은 설명했습니다.

    메타는 또 AI를 활용한 광고 개인화도 계획하고 있습니다. 같은 광고라도 사용자 위치 등에 따라 실시간으로 다른 버전을 보여주겠다는 겁니다. 예를 들어 눈 내리는 지역 사용자에게는 자동차가 산길을 오르는 장면을, 도심 지역 사용자에게는 시내를 달리는 장면을 보여주는 식입니다.