AI 뉴스
기업 AI의 신뢰 문제와 검색 보완 생성의 현황
101개 기업을 대상으로 한 조사에서, AI 에이전트가 비즈니스 맥락을 신뢰할 수 있는 속도로 구축되지 않고 있다는 결과가 나왔다. 57%의 기업이 AI 에이전트가 자신감 있게 잘못된 답변을 생성한 경험이 있으며, 이는 주로 불완전하거나 일관되지 않은 비즈니스 맥락 때문이었다. 현재 58%의 기업이 관리되는 의미론적 레이어를 구축 중이나, 대부분은 아직 생산 단계에 이르지 못했다. OpenAI의 파일 검색과 Google의 Vertex AI Search가 각각 40%와 38%의 점유율로 주요 검색 도구로 자리 잡고 있으며, 기업들은 2026년까지 하이브리드 검색이 지배할 것으로 예상하고 있다.
57%의 기업이 AI 에이전트의 잘못된 답변을 비즈니스 맥락의 부족으로 추적하고 있어, 이는 AI 시스템의 신뢰성을 저하시킬 수 있다.
EU, 구글에 검색 데이터 공유 및 안드로이드 AI 상호운용성 강화 요구
EU는 구글이 경쟁사와 검색 데이터를 공유하고, 안드로이드에서 Gemini 외의 AI 봇과의 상호운용성을 강화하도록 요구하고 있다. 유럽연합 집행위원회는 구글이 타사 AI 제공자에게 안드로이드 기기에 대한 광범위한 접근을 허용해야 한다고 발표했다. 또한, 구글은 검색 서비스를 최적화하기 위해 수집한 데이터를 익명화하여 다른 검색 엔진과 AI 챗봇에 제공해야 한다고 밝혔다.
구글은 안드로이드에서 타사 AI 비서가 음성 인식 기능을 사용할 수 있도록 해야 한다.
AI 에이전트 평가 격차: 기업들이 자율성을 부여하면서 평가 신뢰도 감소
157개 기업을 대상으로 한 조사에서, 절반(50%)이 내부 평가를 통과한 AI 에이전트를 배포했으나 고객에게 실패한 경험이 있다고 보고했다. 현재 자동화된 평가를 완전히 신뢰하는 기업은 5%에 불과하며, 가장 큰 문제는 평가가 실제 결과와 잘 맞지 않는다는 것이다. 66%의 기업이 인간 개입 없이 자동화된 배포를 허용하거나 이를 위해 시스템을 개선하고 있다. 평가 도구는 분산되어 있으며, 실시간 품질 검사를 수행하는 기업은 약 25%에 불과하다.
기업의 50%가 내부 평가를 통과한 AI 기능이 고객에게 실패한 경험이 있어, 이는 평가와 실제 성능 간의 불일치를 나타낸다.
Adobe Firefly, Canva, Midjourney의 비즈니스 창작 작업에 대한 비교
Adobe Firefly, Canva, Midjourney는 모두 AI 비주얼을 생성하지만, 각기 다른 비즈니스 문제를 해결한다. 적합한 도구를 선택하는 방법에 대한 정보가 제공된다.
Forrester, AI 비용 증가로 소프트웨어 예산 상승 경고
Forrester는 소프트웨어 및 AI 공급업체들이 가격을 인상하고 사용 요금을 추가함에 따라 고객들이 내년에 더 큰 소프트웨어 비용을 감당해야 할 것이라고 경고했다. 최근 6개월 동안 Anthropic, OpenAI, GitHub는 일부 서비스를 정액제에서 사용량 기반 청구로 전환했으며, Microsoft는 M365 Copilot, Agent 365, 보안 도구를 포함한 프리미엄 E7 라이센스를 출시했다. 2027년까지 67%의 기술 의사결정자들이 인력 예산을 증가시킬 것으로 예상하고 있으며, AI 관련 역할에 대한 인력 수요는 증가할 것으로 보인다.
Forrester는 AI 비용 관리에 적합한 새로운 FinOps 관행을 채택해야 한다고 강조하며, 이는 AI 사용 기반 청구 모델에 대응하기 위한 필수적인 조치이다.
Phantom Twist: 인간에게 거의 보이지 않는 드론
노스웨스턴 대학교의 로봇공학자들이 RSS 2026에서 발표한 드론 Phantom Twist는 비행 중 인간에게 거의 보이지 않도록 설계되었다. 이 드론은 15~25Hz의 속도로 회전하여 인간의 시각 시스템을 이용해 회전하는 물체를 불투명한 흐림으로 변환한다. 드론은 단일 모터로 제어되며, 구성 요소의 배치가 최적화되어 시각적 겹침을 최소화한다.
Phantom Twist의 설계는 'Learned Perceptual Image Patch Similarity'를 최소화하여 드론의 시각적 불투명성을 극대화하는 데 기여한다.
NVIDIA BlueField와의 극단적 공동 설계를 통한 Agentic AI 팩토리 확장
Agentic AI는 AI 팩토리의 인프라 패턴을 변화시킵니다. 하나의 요청이 여러 모델 호출, 도구 호출, 메모리 조회, 정책 확인, 저장소 접근 및 네트워크 전송을 유발하여 최종 답변이 생성됩니다. 여러 에이전트가 동시에 실행되고 단계 간에 컨텍스트를 유지함에 따라, 인프라는 데이터를 빠르게 이동, 보호, 검색 및 재사용해야 합니다.
Agentic AI는 요청 처리 시 여러 모델 호출과 데이터 접근을 동시에 수행해야 하므로, 인프라의 성능과 효율성이 중요합니다.
Amazon Bedrock AgentCore와 Amazon Nova 2 Sonic을 활용한 레스토랑 전화 주문 AI 시스템 구축
레스토랑은 매달 평균 150통의 전화를 놓치며, 이 중 60%는 주문이나 예약을 하려는 고객의 전화이다. 이 문제를 해결하기 위해 Amazon Bedrock AgentCore와 Amazon Nova 2 Sonic을 사용하여 전화 주문 시스템을 구축하는 방법을 설명한다. 시스템은 전화번호로 전화를 받고, 주문을 처리하며, AWS Cloud Development Kit을 통해 전체 스택을 배포하고 SIP 게이트웨이를 통해 전화 통화를 에이전트로 연결한다. 이 시스템은 전화 네트워크를 통해 오디오를 처리하고, 에이전트는 메뉴와 주문 정보를 백엔드에서 가져온다.
GPT-5-6 Sol 및 Muse Spark 1.1 출시
이번 주에는 GPT-5-6 Sol 모델과 AI 2027의 후속 계획인 Plan A가 출시되었다. Muse Spark 1.1은 메타의 새로운 모델로, 진보는 있지만 최전선 모델은 아니다. Thinking Machines의 첫 모델 Inkling도 출시되었으며, AI 규제에 대한 Demis Hassabis의 규제 조치 촉구가 있었다.
GPT-5-6 Sol은 매우 좋은 모델로 평가받고 있다.
2026년 업무를 위한 최고의 AI 자동화 도구 비교
2026년을 대비하여 워크플로우, 프로젝트 업데이트, 에이전트, 지식 작업 및 AI 생성 결과물에 대한 최고의 AI 자동화 도구를 비교한다.
Inkling: Thinking Machines Lab의 오픈 웨이트 모델
Mira Murati의 Thinking Machines Lab이 첫 번째 오픈 웨이트 모델인 Inkling을 출시했다. Inkling은 975B의 총 파라미터와 41B의 활성 파라미터를 가진 Mixture-of-Experts 트랜스포머로, 45조 개의 텍스트, 이미지, 오디오, 비디오로 훈련된 Apache-2.0 라이센스의 다중 모달 모델이다. 또한, 276B(12B 활성) 파라미터를 가진 Inkling-Small 모델이 테스트 중이며, 완료 후 가중치가 공개될 예정이다.
Inkling은 다중 모달 기능과 Tinker 훈련 플랫폼에서의 커스터마이징 가능성을 제공하여, AI 모델의 세부 조정에 유용하다.
Basedash의 AI 데이터 분석가 기능 업데이트
Basedash는 이제 스스로 아이디어를 제안하는 AI 데이터 분석가 기능을 추가했다.
Basedash의 새로운 기능은 데이터 분석 과정에서 사용자에게 더 많은 통찰력을 제공할 수 있다.
Lila Sciences의 AI 기반 자동화 실험실 개념
Lila Sciences는 AI 기반 로봇과 실험 장비로 구성된 자동화 실험실을 구상하고 있으며, 이를 통해 과학적 초지능을 구축하는 것을 목표로 하고 있다. 이들은 10조 개의 실험적으로 검증된 과학적 추론 토큰을 보유하고 있으며, 생물학, 화학, 약물 발견 및 재료 과학을 동시에 진행하고 있다. Lila는 실험실을 데이터 센터로 보고, 유연성과 일반화 가능성을 최우선으로 하여 자동화를 최적화하고 있다.
Thinking Machines, Inkling 모델 출시 및 GLM-5.2 기능 업데이트
Thinking Machines가 첫 번째 오픈 웨이트 모델인 Inkling을 출시했다. Inkling은 1M 토큰의 컨텍스트 윈도우를 가지고 있으며 텍스트, 이미지 및 오디오에서 작동한다. Inkling은 Thinking Machines의 파인튜닝 플랫폼 Tinker에서 사용 가능하다. GLM-5.2는 현재 최고의 오픈 소스 모델 중 하나로, 많은 스타트업이 프론티어 모델에서 자가 호스팅된 파인튜닝 버전으로 작업을 전환하고 있다. GPT-5.6 Sol은 OpenAI의 내부 모델인 GPT-Red의 도움을 받아 안전성을 높였다. 구글의 Gemini Spark는 Docs 편집, Sheets/Slides의 댓글 읽기 및 병렬 작업 기능을 추가하여 50% 더 빨라졌다.
Inkling은 1M 토큰의 컨텍스트 윈도우를 제공하여 다양한 데이터 형식에서 활용 가능하다.
인도네시아의 디지털 감시 시스템을 통한 어업 단속 변화
인도네시아의 해양 및 어업 자원 감시소에서는 위성 신호를 통해 어선의 위치를 기록하고, 이를 어업 허가증, 지정 어획 구역, 선박 특성 및 역사적 이동 패턴과 자동으로 비교하여 잠재적인 위반을 식별한다. 2026년까지 9,394척의 인도네시아 어선이 국가 선박 모니터링 시스템(VMS)을 통해 신호를 송신하고 있으며, 이는 2021-2025년 동안 2,880척 증가한 수치이다. 디지털 모니터링을 통해 규제 당국은 선박의 움직임을 재구성하고, 의심스러운 행동 패턴을 식별하며, 불법 어업 활동을 탐지할 수 있다.
2025년 인도네시아 해양 및 어업부는 VMS를 통해 감지된 위반 사항으로 2,550건의 행정 제재를 부과하였다.
Meta, Muse Spark 1.1 출시 및 가격 공개
마크 저커버그가 3년 만에 X에 게시글을 올리며 Muse Spark 1.1을 발표했다. Muse Spark 1.1은 Meta Superintelligence Labs의 두 번째 모델로, 가격은 입력 토큰 100만 개당 1.25달러, 출력 토큰 100만 개당 4.25달러이다. 또한 OpenAI와 호환되는 API와 폐쇄형 가중치를 제공한다. Muse Spark 1.1 출시 이틀 전에는 첫 이미지 생성 모델인 Muse Image도 공개되었으며, Meta는 AI 인프라를 외부 고객에게 판매하기 위한 클라우드 사업인 Meta Compute를 구축 중이다.
Muse Spark 1.1은 입력 토큰 100만 개당 1.25달러, 출력 토큰 100만 개당 4.25달러의 가격으로 제공된다.
David Sacks가 말하는 AI와 미국 기술 미래
David Sacks는 Marc Andreessen, Ben Horowitz, Erik Torenberg과 함께 AI, 암호화폐, 규제, 미국의 경쟁력에 대해 논의했다. 이 대화에서는 트럼프 행정부의 AI 및 암호화폐 정책, 오픈 소스 AI, 수출 통제, 에너지 및 인프라, 중국과의 글로벌 경쟁, 혁신을 형성하는 규제의 역할에 대해 다뤘다. 또한 스테이블코인, AI 개발의 미래, 허가 없는 혁신에 대해 이야기하며, 미국의 장기적인 이점은 빌더를 지원하는 데 달려 있다고 강조했다.
David Sacks는 AI 안전성과 분산 기술에 대한 관점을 공유하며, 미국이 신흥 기술의 글로벌 리더로 남기 위해 필요한 요소를 설명했다.
LinkedIn에서 팔로우할 AI 관련 주요 소스
Michael Spencer는 LinkedIn에서 AI 관련 정보를 제공하는 주요 소스를 소개하고자 하며, AI 생성 콘텐츠가 증가하고 있는 현황을 언급했다. Pangram에 따르면, 소셜 미디어 게시물의 25%가 AI 생성이며, 이 중 2/3가 LinkedIn에서 발생하고 있다. LinkedIn은 AI 뉴스와 산업 통찰을 얻기에 유용한 플랫폼으로, 다양한 전문가와 교육 소스들이 활동하고 있다.
Pangram의 보고서에 따르면 LinkedIn은 AI 관련 긴 형식 콘텐츠가 가장 많은 플랫폼이다.
Ventorah: 브라우저에서 가상 풍동 공기역학 분석 실행
Ventorah는 사용자가 브라우저에서 가상 풍동을 통해 공기역학 분석을 수행할 수 있는 도구이다.
Ventorah를 통해 개발자들은 웹 기반 환경에서 공기역학적 성능을 분석할 수 있다.
Thinky의 Inkling 모델: 975B 파라미터와 1M 토큰 컨텍스트 지원
Thinky는 Inkling이라는 새로운 오픈 모델을 발표했다. Inkling은 총 975B 파라미터와 41B 활성 파라미터를 가진 Mixture-of-Experts 트랜스포머 모델로, 텍스트, 이미지, 오디오를 지원하며 최대 1M 토큰의 컨텍스트 윈도우를 제공한다. 이 모델은 45조 개의 훈련 토큰으로 사전 훈련되었으며, Inkling-Small이라는 12B 활성 파라미터를 가진 경량 모델도 함께 공개되었다. 두 모델 모두 Apache 2.0 라이센스를 따른다.
Inkling은 975B 파라미터를 통해 텍스트, 이미지, 오디오를 효율적으로 처리할 수 있는 멀티모달 모델로, 다양한 응용 프로그램에 활용될 수 있다.
일상 브라우저 작업을 위한 AI 인턴 Aye
Aye는 일상적인 브라우저 작업을 지원하는 교육 가능한 AI 인턴이다.
AI 데이터 센터와 OpenAI의 도전
AI 데이터 센터는 지역 저항, 투자자 감시, 오라클의 신용 위험 압박에 직면했다. OpenAI는 안전 리드의 이탈과 출시 복잡성 문제에 직면했다. Anthropic은 Claude Code의 브라우저 에이전트 범위를 확장했다. AI 관련 내용은 LinkedIn에서 계속 확산되고 있다.
일반 분포 속성에 대한 상호작용 증명 시스템
앨리스가 알려지지 않은 분포에서 소수의 샘플을 수집하고, 신뢰할 수 없는 데이터 분석가인 밥이 분포에 대한 분석을 수행했다고 주장할 때, 앨리스는 자원을 덜 소모하면서 밥의 주장을 효율적으로 검증할 수 있는 방법을 제시한다. 이를 위해 제한된 깊이의 회로로 결정할 수 있는 일반 분포 속성에 대한 상호작용 증명 시스템을 구축한다.
제한된 깊이의 회로를 사용하여 분포 속성을 검증하는 방법은 데이터 분석의 효율성을 높일 수 있다.
이중 서브선형 상호작용 근접 증명 연구
이 연구에서는 이중 서브선형 상호작용 근접 증명(doubly sub-linear interactive proofs of proximity, dsIPPs)에 대해 다룬다. dsIPPs는 대규모 입력에 대한 근사적 주장을 증명하는 데 사용되며, 증명 생성은 입력의 작은 부분만 읽으면 되므로 매우 빠르다. 증명의 근사적 검증은 입력의 더 작은 부분을 읽어야 하며, 정직한 증명자는 속일 수 없는 검증자를 만들 수 있다.
dsIPPs는 대규모 데이터에 대한 빠른 근사적 증명 및 검증을 가능하게 하여, 데이터 처리 및 검증의 효율성을 높일 수 있다.