AI 어시스턴트

한 보안 연구자가 OpenAI 광고 픽셀의 __obi 쿠키가 외부 사이트 활동을 ChatGPT 계정과 연결할 수 있다고 주장했다. 확인된 관찰과 미확인 추론, 기업 대응을 나눈다.

대화형 AI에 광고 추적이 결합되면 같은 쿠키 기술도 민감도가 달라진다. 핵심은 연구자의 관찰을 검증하되 계정 연결이라는 서버 측 결론은 증거 수준을 구분하는 것이다.

Laya-CoreML은 Apple Silicon에서 텍스트 생성 대신 분류형 결정을 확률로 반환한다. 짧은 입력의 속도·전력 이점과 96토큰 한계, 재현 조건을 함께 본다.

모든 AI 작업이 문장을 생성할 필요는 없다. Laya-CoreML은 결정 공간을 먼저 정의하면 작은 로컬 모델이 더 빠르고 검증 가능한 부품이 될 수 있음을 보여준다.

Strange Loop의 Jack Rusher 강연은 기하와 대수 사이를 오간 수학 표현의 역사를 다룬다. AI 수학 도구도 답보다 표현 매체를 설계해야 한다.

AI 수학 도구의 경쟁력은 정답 생성만이 아니라 사람이 조작할 수 있는 표현을 얼마나 잘 제공하느냐에 달려 있다.

New Scientist가 소개한 발달생물학 연구는 뇌의 앞뒤 영역이 서로 다른 progenitor cell에서 나온다고 전한다. AI가 뇌 은유를 쓸 때 더 조심해야 할 이유다.

뇌를 단일 계산 장치로 보는 은유는 점점 거칠어지고 있다. 발달 경로의 복잡성은 AI 연구가 생물학을 빌려올 때 필요한 겸손을 상기시킨다.

Thomas Ptacek은 LLM을 유령작가가 아니라 까다로운 편집자로 쓰라고 제안한다. AI 글쓰기의 핵심은 목소리를 보존하는 워크플로우다.

AI 글쓰기의 성패는 생성 능력이 아니라 권한 배분에 있다. 모델에게 문장을 맡기면 목소리를 잃고, 결함 탐지를 맡기면 편집 비용을 줄일 수 있다.

Mistral과 Mozilla가 Firefox Smart Window에 협력하면서 브라우저 AI 경쟁은 검색 보조를 넘어 프라이버시와 지역 주권의 문제로 이동했다.

브라우저 AI는 가장 민감한 맥락을 보는 인터페이스다. 승부는 기능 수보다 데이터 보존과 지역 신뢰 계약에서 갈릴 가능성이 크다.

Google의 Gemini 3.8 Live 공개는 음성·영상 대화가 모델 경쟁의 전면으로 왔다는 신호다. 에이전트 UX와 비용 구조가 함께 바뀐다.

실시간 대화 모델의 경쟁력은 벤치마크 점수보다 턴 지연, 끼어들기 처리, 도구 호출 통제, 비용 예측성에서 갈린다.

Jaron Lanier의 “AI는 사람이다”라는 주장은 모델 신비화보다 데이터와 노동, 책임을 보라는 요구다. AI 제품 설계에도 중요한 렌즈다.

AI를 독립 지능처럼 포장할수록 데이터와 피드백을 제공한 사람의 몫이 사라진다. 좋은 AI 제품은 자동화의 마법보다 인간 기여의 회계를 더 정직하게 다뤄야 한다.

LG가 TV 감시 의혹을 부인한 사건은 스마트 TV와 거실 AI가 개인정보, 광고, 음성 데이터 신뢰를 어떻게 설명해야 하는지 묻는다.

스마트 TV 논란은 사실 여부를 넘어 거실 기기가 어떤 데이터를 언제 수집하는지 사용자가 이해할 수 없다는 문제를 드러낸다. AI 기능이 붙을수록 설명 책임은 더 커진다.

Apple이 AirPods 5를 공개했다. 129달러 오픈형 ANC보다 중요한 것은 Siri AI, 머리 제스처, 실시간 번역이 이어폰을 에이전트 인터페이스로 바꾼다는 점이다.

AirPods 5의 핵심은 더 싼 노이즈 캔슬링이 아니라 손을 쓰지 않는 AI 호출면이다. 애플은 이어폰을 개인 맥락, 번역, 앱 액션을 연결하는 저마찰 에이전트 단말로 밀고 있다.

뉴욕과 LA 학군의 AI 사용 중단 조치는 학교 AI 논쟁이 도입 경쟁에서 책임, 안전, 평가 지표의 정치로 이동했음을 보여준다.

미국 최대 학군들의 AI 모라토리엄은 교육 현장이 더 이상 AI 도입의 실험장이 되기만을 원하지 않는다는 신호다. 한국 교육 AI 기업은 기능보다 평가 지표, 보호자 동의, 교사 통제권을 먼저 제시해야 한다.

Mistral은 Vibe와 API 데이터 학습 옵트아웃 절차를 설명했다. 개인, 팀, 엔터프라이즈, 모바일, API 토글이 나뉘면서 AI 데이터 거버넌스가 운영 업무가 됐다.

AI 데이터 보호는 한 번 체크하는 약관 문제가 아니다. 제품별, 계정별, 관리자별 토글이 갈라지면서 기업은 설정 상태를 지속적으로 감사해야 한다.

The load-bearing vocabulary of Claude는 모델별 반복 어휘를 시각화해 AI 문체 감지의 한계를 드러낸다. 문제는 단어 몇 개가 아니라 조직과 제품이 AI 말투, 편집 이력, 책임 표시를 어떻게 다루느냐다.

Claude의 반복 어휘를 보여주는 작은 시각화는 AI 문체 탐지가 단순한 낙인찍기가 아니라 제품 신뢰와 편집 경험의 문제임을 보여준다. 기업은 AI 티를 없애기보다 출처, 수정권, 책임자를 분명히 해야 한다.

Obsidian에 AI 요약과 자동 링크를 넣는 흐름이 커졌지만, 지식 관리는 검색보다 사고의 과정이다. AI가 제안한 아이디어는 빠르게 쌓이지만 끝까지 밀고 가는 소유감, 판단력, 장기 기억을 약하게 만들 수 있다.

AI 노트 도구의 진짜 위험은 틀린 요약보다 생각의 소유권이 약해지는 것이다. 개인과 팀은 AI 생성 노트와 사람이 숙성한 노트를 분리해 검색 효율과 학습 효과를 동시에 지켜야 한다.

YC의 Clara 채용공고는 AI 의사 제품이 모델 정확도만으로 성장하지 않는다는 사실을 보여준다. 의료 AI의 실제 병목은 HIPAA-safe 마케팅, 임상 검토가 붙은 실험, 온보딩, 유지율, 환자 신뢰 설계다.

AI 의료 스타트업이 성장 엔지니어를 찾는다는 것은 제품 경쟁이 모델 데모에서 환자 획득과 장기 사용으로 넘어갔다는 뜻이다. 의료에서는 실험 속도와 임상 검토, 개인정보 보호가 같은 시스템 안에서 돌아야 한다.

Microsoft Paint와 Photos가 로컬 생성 이미지에도 서버 발급 GUID를 보이지 않는 워터마크로 넣는다는 역공학 결과가 나왔다. 온디바이스 AI의 의미는 이제 추론 위치가 아니라 검증 가능한 데이터 흐름으로 따져야 한다.

온디바이스 AI는 곧 오프라인 AI가 아니다. 모델 추론은 로컬에서 돌더라도 프롬프트 검열, 식별자 발급, C2PA 서명, 워터마크 삽입이 클라우드와 결합되면 프라이버시 경계는 훨씬 복잡해진다.

Internet Archive의 Vintage Artificial Intelligence 컬렉션은 ELIZA, Racter, Little Computer People 같은 1970~1990년대 프로그램을 통해 AI가 새 기술이기 전에 먼저 문화적 상상력이었다는 점을 보여준다.

오늘의 AI 제품은 갑자기 생긴 것이 아니라 오래된 '기계가 생각하는 척하는 경험'의 연장선에 있다. 과거 소프트웨어를 보존하고 직접 실행해 보는 일은 현재 에이전트 UX의 착시와 한계를 이해하는 좋은 안전장치다.

Tim Harford의 설명 방식 논의는 생성형 AI 시대에 쉬운 설명이 전문성을 대체하는 것이 아니라 검증, 교육, 조직 커뮤니케이션의 핵심 역량이 된다는 점을 보여준다.

AI가 쉬운 설명을 대량 생산할수록 진짜 역량은 더 어려운 말을 쉽게 바꾸는 데서 끝나지 않는다. 무엇을 생략했는지 알고, 설명의 한계를 검증하는 능력이 중요해진다.

AI가 만든 듯한 문서를 뇌가 건너뛰기 시작했다는 경험담은 업무 생산성의 새 병목을 말한다. 문서의 양보다 신뢰 신호가 중요해지고 있다.

AI 블라인드니스는 AI 콘텐츠 탐지 문제가 아니라 조직 내 신뢰 문제다. 문서가 길고 매끈해질수록 읽는 사람은 오히려 작성자의 판단과 책임 신호를 더 강하게 요구한다.

AI가 숙제 점수는 올리지만 시험 성적은 낮출 수 있다는 보도는 교육 AI의 핵심 리스크를 보여준다. 도구 사용과 학습 전이를 분리해 평가해야 한다.

AI 교육 도입의 핵심 질문은 과제 산출물이 좋아졌는지가 아니라 학생에게 남는 역량이 커졌는지다. 숙제와 시험의 격차는 보조 도구를 학습 과정에 어떻게 배치할지 다시 묻게 한다.