디자인DB_트렌드_4차산업혁명

‘AI 슬롭’ 대응책? 소셜 플랫폼마다 전략 다르다

Thu, 13 Aug 2026 00:41:38 GMT

신고 버튼부터 페널티 부과까지

(자료=제미나이 제작)

최근 AI 탐지 스타트업 팽그램(Pangram)이 충격적인 연구 결과를 발표했습니다. 링크드인, 레딧, 서브스택, 엑스(옛 트위터) 등 소셜미디어 플랫폼 내 롱폼 게시물(250단어 이상) 백만 개 이상을 분석한 결과 전체의 약 25%가 AI 생성 콘텐츠로 밝혀진 것입니다. 즉 우리가 주요 소셜미디어에서 읽는 장문 글 4개 중 1개는 완전히 AI에 의해 만들어졌다는 뜻입니다.

AI 생성 콘텐츠의 포화로 인해 함께 대두되는 문제가 있습니다. 바로 ‘AI 슬롭(AI Slop)’입니다. 생성형 AI로 대량 생산된 저품질 콘텐츠를 통칭하는 단어인 AI 슬롭은 AI 시대의 새로운 디지털 공해로 떠오르고 있는데요. 인터넷 시대, 이메일 생태계를 오염시켰던 ‘스팸(Spam)’이 그러했듯 말이죠.

AI 슬롭 문제는 AI 콘텐츠 제작 비용이 ‘제로’에 가까워지면서 심화되고 있습니다. 특히 게시물의 가시성과 조회수 자체가 곧 평판 및 수익으로 직결될 수 있는 소셜미디어에서 더 심각한 양상을 보이고 있는데요. 정제되지 않은 AI 콘텐츠가 무분별하게 배포되며 사용자의 피드를 더럽히고 플랫폼의 신뢰도를 떨어뜨리고 있는 것이죠.

이에 소셜미디어 플랫폼들은 ‘AI 슬롭과의 전쟁’을 선포했습니다. 플랫폼의 이미지 추락을 막고 진짜 사람 크리에이터의 콘텐츠가 묻히는 것을 막기 위해 적극적인 규제에 나선 것입니다. 하지만 플랫폼들이 대응하는 방식은 주요 사용자 유형과 운영 메커니즘, 수익 구조 등에 따라 제각각입니다. 신고, 제한 등 강력한 조치로 AI 슬롭을 퇴출하는 곳이 있는 반면 사용자 커뮤니티가 직접 나서 자정 운동을 벌이는 곳도 있죠.

이번 팽그램 연구 결과를 토대로 링크드인부터 틱톡, 레딧, 서브스택까지 소셜미디어 플랫폼들의 AI 슬롭 확산 양상과 플랫폼 특성에 따른 규제 정책을 살펴봤습니다.

‘AI 슬롭 신고’ 버튼 만든 링크드인

팽그램 연구 결과 일부. 링크드인의 AI 콘텐츠 비율이 40%에 이르는 것으로 나타났다(자료=팽그램)

AI 슬롭의 오염도가 가장 심각한 플랫폼으로 지목된 곳은 뜻밖에도 세계 최대 비즈니스 네트워크 플랫폼인 ‘링크드인’ 입니다.

팽그램 연구 결과에 따르면, 링크드인의 롱폼 게시물 중 약 41%가 전적으로 AI에 의해 작성된 것으로 나타났는데요. 50단어에서 250단어 사이 숏폼 게시물에서도 AI 생성 비율이 30%에 달했습니다. 특히 링크드인 게시물이 전체 조사 대상의 3분의 1을 차지했음에도, 발견된 전체 AI 콘텐츠의 62%를 차지하며 ‘AI 포화도가 가장 높은 플랫폼’이라는 불명예를 얻었습니다.

왜 링크드인에서 유독 심할까요? 그 원인으로 플랫폼 특유의 알고리즘 인센티브가 지목되는데요. 링크드인의 알고리즘 인센티브는 전문적인 내용의 게시물을 꾸준히 발행하는 사용자에게 독자 도달률을 몰아주는 구조입니다. 이를 통해 얻게 된 존재감은 개인의 평판 상승과, 구직 및 채용, B2B 고객 확보 기회로 직결되죠.

때문에 타인에게 더 잘 노출되길 바라는 사용자는 양질의 콘텐츠를 계속 게재해야 한다는 압박을 피할 수 없는데요. 하지만 그러한 글을 매번 직접 쓰는 게 어렵다 보니 결국 많은 사용자가 AI에 의존하게 된 것이라는 분석이 나옵니다. 독일의 디지털 트렌드 분석가인 콘라드 울펜슈타인은 “링크드인이 AI 생성 콘텐츠 비율이 높은 것은 수년간 형성된 인센티브 구조 때문”이라며 “고객 확보 기회를 좌우하는 가시성에 대한 압박이 게시물을 올리도록 부추기는데, 이는 고품질 콘텐츠에 대한 요구와 상충된다”고 지적했습니다.

그러면서 “이 딜레마로 많은 사용자가 텍스트 작성을 생성형 AI에 맡기고 있다”며 “그 결과 피드는 점점 더 특정한 패턴의 게시물로 채워진다”고 덧붙였습니다.

사실 링크드인은 그동안 플랫폼 내에 AI 글쓰기 보조 기능을 탑재하고 적극적으로 홍보해왔는데요. 이제 상황이 달라졌습니다. 링크드인에 AI로 생성한 부실 게시물이 늘어나고 있다는 인식이 확산되며, AI 슬롭 규제를 위한 칼을 빼들었죠. 로라 로렌제티 링크드인 총괄 편집장은 “AI가 과도하게, 자동화된 방식으로 사용되면 실제 사람과의 대화에서 나올 수 있는 통찰력이 희석된다”며 “문제를 해결하기 위해 자동화 도구에 대한 강력한 단속, 획일적인 콘텐츠 축소, 신뢰성 강화를 위한 의미 있는 조치를 취하고 있다”고 밝혔습니다.

먼저 AI 글쓰기 보조 기능은 작성자 문체를 유지하면서 문법을 교정하는 수준으로 축소 대체했습니다. 알고리즘 시스템으로 게시물 전체의 구조적 패턴을 분석해 AI 생성 콘텐츠로 분류된 게시물의 도달률을 최대 80%까지 감소시키는 제재도 가동하기 시작했습니다.

링크드인 게시물 메뉴. 지난달 30일부터 AI 슬롭 의심 게시물을 신고하는 ‘AI 슬롭 같다(Seems like AI slop)’ 버튼이 추가됐다(자료=하리 스리니바산 링크드인 CPO 링크드인 계정)

결정타는 ‘AI 슬롭 신고 버튼’입니다. 지난달 30일부터 게시물의 오른쪽 점 세 개 메뉴에 ‘AI 슬롭 같다(Seems like AI slop)’ 버튼을 추가한 것인데요. 버튼을 클릭하면 게시물은 가려지고, 신고된 게시물은 ‘관심 없음’ 기능과 비슷하게 알고리즘 노출이 줄어듭니다. 또 AI 슬롭 신고를 받은 작성자는 그 사실을 분석 대시보드로 확인할 수 있어, 단순 제재에 그치지 않고 자정까지 이뤄지도록 유도합니다.

이날 하리 스리니바산 최고제품책임자(CPO)는 자신의 링크드인 계정을 통해 신기능 도입을 알리며 “지난 몇 달 간 AI 슬롭을 포함해 수십 억 건에 달하는 게시물 게시 자동화 시도를 차단했다. AI 슬롭을 식별하는 새롭고 향상된 분류 시스템을 적극 도입하고 있다”며 강경 대응 기조를 강조했습니다.

“틱톡샵 지켜라” AI 슬롭과 커머스 신뢰

숏폼 기반의 소셜미디어 플랫폼 틱톡도 AI 슬롭 오염이 가장 심각한 플랫폼 중 하나입니다. 생성형 AI로 만든 조악한 수준의 영상을 대량 배포해 조회수 보상을 챙기는 ‘콘텐츠 팜(Content Farm)’이 기승을 부리고 있는데요. 영상 길이와 조회수가 일정 기준을 충족하면 리워드가 지급되는 수익 구조 특성상, 대량 생산에 특화된 AI 슬롭이 판치기 좋은 환경인 것이죠.

실제 글로벌 동영상 편집 플랫폼 캡윙(Kapwing)의 최신 연구 보고서에 따르면, 틱톡 신규 계정의 알고리즘 피드에 노출되는 영상의 59%가 AI 슬롭으로 분류되는 것으로 나타났습니다. 이는 유튜브와 비교해 약 3배 더 많은 수치입니다. 특히 애니메이션이나 음성 나레이션으로 만들기 쉬운 과학·교육·건강·역사 등 분야에서 AI 슬롭 비율이 높게 집계됐습니다.

문제는 틱톡이 현재 인앱(In-App) 소셜 커머스인 ‘틱톡샵(TikTok Shop)’을 공격적으로 확장하고 있다는 점입니다. 틱톡샵은 아직 한국 시장에 착륙하지 않았지만 현재 미국, 영국, 브라질, 인도네시아 등 전 세계 19개국에서 빠르게 존재감을 키우고 있는데요. 미국 시장에서만 지난해 기준 연간 거래액(GMV)이 151억 달러(약 21조4000억원)를 넘기며 틱톡의 핵심 수익원 중 하나로 자리잡았습니다.

틱톡이 ‘AI 슬롭’에 민감할 수밖에 없는 이유입니다. AI로 생성된 과장·허위 광고와 가짜 리뷰 등이 피드를 점령하면 커머스의 구매 신뢰도가 흔들릴 뿐만 아니라 입점 브랜드의 이탈을 부르는 치명타가 될 수 있기 때문이죠.

이에 틱톡은 전방위적인 대응에 나섰습니다. 앞서 지난달 14일 AI 슬롭 대응을 강화를 공식 발표하며, 올해 1분기에만 8600만 개 이상의 허위 계정을 삭제했다고 밝혔는데요.

특히 기술적 거름망을 고도화하는 데 주력하고 있습니다. AI 슬롭을 반복 게시하는 계정을 더 효과적으로 식별하기 위한 목적이죠. 이미 2024년 AI 생성 콘텐츠 출처 정보를 확인할 수 있는 국제 표준 기술 ‘C2PA 인증’을 도입한 데 이어 크리에이터 라벨링 도구와 눈에 보이지 않는 워터마킹(Invisible Watermarking) 기술 등을 활용해 수십 억 건의 영상에서 AI 생성 표시를 부착하고 있습니다.

틱톡샵 보호를 위한 규제 가이드라인도 공개했습니다. 틱톡샵 공식 교육 센터인 틱톡샵 아카데미(TikTok Shop Academy)는 지난달 31일 ‘AI 생성 콘텐츠 제한 및 요건‘ 지침을 발표했는데요. AI 슬롭의 징계 및 제재 기준을 명확히 정의하고 있는 문서입니다.

틱톡샵 아카데미에서 발표한 ‘AI 생성 콘텐츠 제한 및 요건‘. 틱톡샵 신뢰도를 하락시킬 수 있는 과장·허위 광고, 정보 왜곡 등을 엄격히 금지하고 있다(자료=틱톡샵 아카데미)

틱톡샵에서 금지되는 AI 활용은 이렇습니다. 과장 및 허위 연출, 상품 정보 왜곡, 초상권 등 제3자 권리 무단 사용 모두 금지되고요. 의사, 교수 등 가짜 전문가 페르소나를 생성한 광고 역시 제재 대상입니다. 이를 위반할 경우 공식 경고 및 콘텐츠 수정 요구와 같은 경징계부터, 크리에이터 판매 수수료 출금 권한 영구 정지, 홍보 권한 박탈, 나아가 계정 영구 차단까지 가해질 수 있습니다.

서브스택, ‘유료 구독 취소’ 페널티

반면 AI 슬롭의 비율이 상대적으로 낮거나 효과적인 자정 메커니즘을 작동시키는 소셜미디어 플랫폼들도 있습니다.

‘서브스택’과 ‘레딧’이 대표적입니다. 팽그램 조사 결과에 따르면, 이들 플랫폼에서 AI가 전적으로 작성한 롱폼 게시물 비율은 약 10% 수준에 불과했는데요. 숏폼 게시물 비율을 따져봐도 레딧은 3%, 서브스택은 12%에 그쳤습니다. 대신 사람이 직접 작성한 게시물의 비율이 압도적으로 높았습니다. 왜 그럴까요? 역시 플랫폼의 특성과 관련이 깊습니다.

텍스트 콘텐츠 기반의 구독형 소셜미디어 플랫폼인 서브스택은 팽그램 조사에 오른 플랫폼 가운데 롱폼 게시물의 AI 작성 비율이 가장 낮았습니다. 링크드인의 4분의 1 수준인 10%에 그쳤죠.

앞서 살펴본 팽그램 연구 결과. 텍스트 콘텐츠 기반의 구독형 소셜미디어 플랫폼인 서브스택은 롱폼 게시물의 AI 작성 비율이 10%에 불과하다(자료=팽그램)

이 차이는 서브스택의 유료 구독 모델에서 기인합니다. 서브스택은 엄밀히 말해 창작자 중심의 콘텐츠 직거래 플랫폼인데요. 독자가 읽고 싶은 뉴스레터의 작성자에게 매달 직접 구독료를 지불하는 방식이죠. 이때 구독료는 작성자가 본사의 가격 기준에 맞춰 직접 책정하고요. 작성자를 지지하거나 응원하는 독자들은 후원금 형태로 구독료 이상의 금액을 전달할 수도 있습니다.

이러한 직거래 구조의 생명은 ‘신뢰’입니다. 독자는 돈을 내는 만큼 작성자로부터 양질의 글을 받기를 원하죠. 작성자 또한 유료 구독자를 유지하기 위해 콘텐츠에 공을 들일 수밖에 없습니다. 다시 말해, 서브스택 생태계에서 콘텐츠의 신뢰가 무너지면 곧바로 유료 독자의 ‘구독 취소’라는 결과가 돌아오는 것이죠.

이 같은 경제적 페널티의 가능성은 작성자가 AI에 전적으로 의존하는 것을 자제하게 하는 억제력으로 작동합니다. 창작자와 독자 간 신뢰를 바탕으로 한 유료 구독이 AI 생성 콘텐츠, AI 슬롭의 진입 장벽이 되는 셈입니다.

레딧, 커뮤니티 구성원들의 자율 방어

한 서브레딧이 게시한 AI 생성 콘텐츠 금지 공지문. 이처럼 레딧에선 수많은 하위 커뮤니티의 구성원들이 자율적으로 AI 슬롭 필터링을 가동하고 있다(자료=레딧)

레딧은 사용자들이 자발적으로 운영하는 커뮤니티 중심의 플랫폼입니다. 레딧이라는 큰 울타리 안에 수많은 하위 커뮤니티(서브레딧)가 독립적으로 운영되는 구조인데요. 다루는 주제도 유머부터 일상 정보, 엔터테인먼트, 과학 등 매우 다양합니다.

레딧의 분권화된 하위 커뮤니티 구조는 AI 슬롭 범람을 제어하는 데 보다 유리합니다. 각 커뮤니티가 자율적으로 필터링을 가동하기 때문이죠. 이를테면 서브레딧의 운영진들은 AI 생성 콘텐츠 전면 금지를 공표하는 등 독자적인 규칙을 즉시 도입할 수 있습니다. 만일 운영진이 AI 슬롭을 방치해 커뮤니티가 오염되면, 사용자들이 직접 나서 새로운 커뮤니티 공간을 개설하기도 합니다. 게시물 대상 추천·비추천 투표 시스템도 AI 슬롭을 신속하게 걸러내는 데 한몫 하고요.

무엇보다 장기간 형성된 ‘맥락’에 기반한 커뮤니티 문화에 AI 슬롭은 좀처럼 끼어들기 어렵습니다. 주로 보편적인 내용을 담는 AI 생성 콘텐츠는 사용자들끼리 공유하는 밈(Meme)이나, 개인적 경험, 즉흥적 반응 등을 흉내내는 것이 쉽지 않기 때문입니다. 실제로 팽그램 조사 결과를 보면 레딧 게시물 내 댓글의 98.1%는 사람이 작성한 것으로 나타났습니다.

팽그램 연구 결과 일부. 레딧 게시물 내 댓글의 98.1%는 사람이 작성했다(자료=팽그램)

이에 더해 본사 차원에서도 AI 슬롭 규제에 힘을 싣고 있습니다. 레딧은 지난달 ‘AI 시대에 레딧을 진정성 있고 안전한 공간으로 유지하는 방법(How We’re Keeping Reddit Real and Safe in the AI Era)’이라는 아티클을 게시하며 내부 방어 시스템 고도화 성과를 전했는데요. 수 개월 전 도입한 부정 게시물 사전 차단, 자동 계정 본인인증 요청 기능 등을 통해 하루 약 2300만 건의 스팸 게시물을 사용자가 보기 전에 차단했다고 밝혔습니다.

링크드인, 틱톡, 레딧, 서브스택 등 소셜미디어 플랫폼들의 AI 슬롭 규제 방식을 알아봤습니다. 그 방식이 플랫폼 특성과 사용자 유형에 따라 어떤 차이를 보이는지도 함께 살펴봤고요.

결국 플랫폼들의 AI 슬롭 방어 성공 여부는 AI 탐지 기술의 성능으로만 가려지는 것은 아니었습니다. 플랫폼이 어떤 비즈니스 모델과 인센티브 구조를 가지고 있는가 또한 큰 영향을 미쳤죠. 조회수나 가시성 확보 경쟁을 유도하는 무료 알고리즘 기반의 플랫폼(링크드인, 틱톡)은 AI 슬롭이 폭증하는 데 용이한 환경이고, 따라서 강력한 제재와 기술적 거름망을 고도화하는 데 힘을 쏟았습니다. 반면 여러 커뮤니티가 자생하고(레딧), 유료 구독 모델 중심의 플랫폼(서브스택)에선 AI 슬롭 양산이 자체적으로 억제됐습니다. 특히 커뮤니티 구성원들 간, 창작자와 구독자 간 긴밀한 관계가 억제의 동력이 됐죠.

생성형 AI로 콘텐츠의 제작 비용은 ‘제로’, 생산량은 ‘무한대’에 가까워진 시대, 소셜미디어 플랫폼의 경쟁은 사용자 수와 콘텐츠 유통량 등 가시적 지표에서 끝나지 않는 것 같습니다. 어쩌면 진짜 경쟁은 어디가 더 ‘인간적인’ 플랫폼 환경을 갖추고 있는가에 달려 있는지도 모릅니다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/ai-%ec%8a%ac%eb%a1%ad-%eb%8c%80%ec%9d%91%ec%b1%85-%ec%86%8c%ec%85%9c-%ed%94%8c%eb%9e%ab%ed%8f%bc%eb%a7%88%eb%8b%a4-%ec%a0%84%eb%9e%b5-%eb%8b%ac%eb%9d%bc/

AI 사용 표기했다고 끝이 아니다… 시프트업이 직면한 ‘AI 슬롭’ 논란

Tue, 11 Aug 2026 00:05:59 GMT

스텔라 블레이드가 보여준 생성형 AI 콘텐츠의 경계

“지금 이게 진심이야?”

시프트업이 자사의 최신작, 스텔라 블레이드: 블러드 레인을 홍보하기 위해 공개한 최신 뮤직비디오 영상에 달린 댓글이다. 짧은 한 문장이었지만 이번 영상 공개에 대한 사용자들의 당혹감은 그대로 담겨 있었다.

뮤직비디오 ‘워너 비 인 러브(Wanna Be in Love)’에는 신작의 주인공 이비가 거리를 걷고 쇼핑을 하며 노래하고 춤추는 모습이 담겼다. 그러나 장면이 바뀔 때마다 이비의 얼굴과 체형, 의상 질감이 흔들리고 음식과 간판은 형태를 잃는다. 각각의 장면이 왜 이비와 홍보 영상에 필요한지 설명할 맥락도 좀처럼 보이지 않는다.

시프트업은 해당 영상 공개와 함께 적극적인 시청과 의견 공유를 부탁했지만, 이후 국내외 사용자들과 해외 언론 매체들은 영상을 생성형 AI를 활용한 참신한 새로운 마케팅 시도보단 ‘AI 슬롭(AI Slop)’이라고 부르기 시작했다.

이에 김형태 시프트업 대표는 이비가 AI로 처음부터 만들어진 캐릭터가 아니라 아티스트와 모델러가 1년 이상 작업한 디자인과 데이터를 바탕으로 표현됐다고 해명했다. AI가 인간 창작자의 작업을 대신한 것이 아니라, 개발진이 만든 캐릭터를 렌더링하고 표현하는 과정에 활용됐다는 설명이다. 하지만 비판은 쉽게 가라앉지 않았다. 외신과 사용자들이 문제 삼은 것은 원본 캐릭터의 제작 과정이 아니라, 수많은 오류와 부조화가 남은 이번 영상이었기 때문이다.

그렇다면 여러 국내외 사용자들과 외신들이 이번 영상을 설명할 때 말하는 AI 슬롭은 구체적으로 무엇이며, 사람들은 왜 낮은 품질의 AI 콘텐츠에 강한 반발을 드러내는 것일까?

AI 슬롭이란 무엇?

국내외 여러 기업과 기관이 AI를 사용해 양산한 저질 디지털 콘텐츠를 AI슬롭이라고 말한다(자료=셔터스톡)

먼저 AI 슬롭이란 생성형 AI를 활용해 주로 대량 생산되는 저품질 디지털 콘텐츠를 낮춰 부르는 비공식 표현이다. 2024년부터 일부 IT 및 테크 업계 전문가들이 사용하기 시작한 이 용어는, 지난해 말 미국의 메리엄 웹스터 사전이 ‘AI를 사용해 양산한 낮은 품질의 디지털 콘텐츠’로 정의하고 2025년 올해의 단어로 선정하면서 업계의 주요 키워드로 부상했다.

전문가들은 이런 키워드 부상의 원인으로 부자연스러운 광고 이미지와 가짜 뉴스, 허술한 AI 서적과 영상처럼 표면적으로는 콘텐츠의 형태를 갖췄지만 실질적인 가치는 부족한 결과물이 온라인 공간을 채우고 있는 현황을 지목한다. 하지만 주목할 점은 AI 슬롭이 단순히 AI로 생성한 콘텐츠를 뜻하는 것이 아니라는 점이다.

특히 제니퍼 개럿 리시 오하이오대 교수는 지난 5월 AI 슬롭을 두고 “의미 없고 더 큰 담론에 기여하지 못하는 콘텐츠”라고 말하면서 “AI가 만들어내는 이런 저급 콘텐츠는 클릭 수를 늘리고 빠르게 확산이 목적”이라고 강조했다.

국내에서도 AI 슬롭에 대한 핵심 의견은 같다. 실제 SK텔레콤은 지난 1월 보고서를 통해 AI 슬롭을 ‘생성형 AI를 사용해 인간의 검수나 창의적 의도 없이 만들어낸 저품질 디지털 콘텐츠’라고 정의하고, AI 슬롭을 알아보는 방법으로 ‘시각적 기괴함’ ‘부주의한 언어’ ‘반복성과 공허함’을 제시했다.

AI 슬롭 특유의 시각적 기괴함 보여

이번 스텔라 블레이드 블러드레인 뮤직비디오 영상 중 음식을 먹는 장면에선 생성형 AI 특징이 드러난다(자료=영상 갈무리)

그렇다면 왜 사람들은 이번 스텔라 블레이드 블러드 레인의 뮤직비디오 영상을 AI 슬롭이라고 부르고, 거부감을 넘어 반발까지 드러내고 있는 것일까? 다양한 의견이 나오고 있지만 여러 사용자와 외신, 전문가들이 가장 공통적으로 지목하는 지점은 이번 영상의 ‘시각적 기괴함’이다.

실제 이번 영상에선 캐릭터의 슈트 일부가 나타났다가 사라지거나, 음식이 녹아내리거나, 자판기나 책의 글자가 알아볼 수 없는 기호로 변하는 장면 등 누구나 알아볼 수 있는 생성형 AI 특유의 오류가 적나라하게 드러났으며, 이런 문제는 사용자들의 기괴함과 불쾌함은 물론, 낮은 완성도에 대한 검수 부재 비판으로까지 이어졌다.

특히 미국 샌프란시스코 기반 로펌 Gamma Law의 마쓰무라 유타카 비즈니스 매니저는 이번 영상을 두고 “카메라가 전환될 때마다 이비의 얼굴과 체형, 의상 질감이 미세하게 달라지는 생성형 AI 특유의 시각적 마찰이 두드러진다”고 분석했으며, “후반부 시프트업 개발팀이 AI가 생성한 이비에 메이크업을 입히고 촬영 현장에서 이야기를 나누는 장면이 포함돼, 오히려 불쾌한 계곡을 더욱 강조하는 결과를 낳은 것”이라고 설명했다.

부족한 맥락과 공허한 구성이 불러온 신뢰 붕괴

이번 영상은 맥락을 알 수 없는 공허한 영상 구성도 혹평의 원인이 됐다 (자료=영상 갈무리)

의도를 이해하기 어려울 정도로 맥락이 부족하고 공허한 영상 구성도 사용자 반발의 원인이 됐다. 실제 이번 영상에선 삼양식품의 ‘불닭볶음면’을 비롯한 한국 음식을 먹고, <케이팝 데몬 헌터스> 키링을 구매하는 등 최근 글로벌 시장에서 주목하는 한국 문화 관련 요소들이 연이어 보여준다.

하지만 각각의 장면이 캐릭터나 게임의 설정, 노래의 내용과 어떤 관계를 갖는지는 영상에서 좀처럼 드러나지 않는다. 일부 사용자들 사이에선 영상에 한국 문화를 상징하는 소재가 반복되고 게시물에는 K-POP 해시 태그까지 붙었지만, 정작 삽입곡은 일본어 가사로 구성된 점에 대한 지적도 이어졌다.

실제 유명 게임 관련 외신 PC 게이머도 이 같은 문제를 직접 지적했다. 몰리 피처 PC 게이머 프로듀서는 이번 노래와 영상을 두고 “영혼이 전혀 없고, 스텔라 블레이드 블러드레인과 작품의 세계관과 조금도 관련이 없어보인다”며 “게임, 게임의 주제, 그리고 게임이 보여주려고 했던 모든 시각적 정체성을 적극적으로 훼손하고 형편 없는 비주얼과 사운드를 내세워 시프트업이 지금까지 쌓아왔던 모든 호감을 완전히 무너뜨렸다”고 혹평하며 이번 영상의 문제를 지적했다.

한편 이런 사용자의 반응과 전문가 분석은 AI 슬롭 관련 연구 결과와도 맞물린다. 실제 지난 3월 국제 학술지 Frontiers in Psychology에 게재된 연구 논문 에서 청주대학교, 푸젠공과대학, 퉁화사범대학교 공동연구진들은 408명을 대상으로 오류 수준이 다른 AI 생성 영상을 보여주고 반응을 분석한 결과, 생성형 AI 영상의 주요 문제를 화면 왜곡 현상을 넘어 “비정상적인 객체 형태나 일관되지 않은 서사, 논리 구성”까지 정의했다.

특히 연구진들은 단순히 “영상의 앞뒤가 논리적으로 맞고 하나의 맥락으로 이어진다고 느끼는지가 신뢰 형성에 훨씬 중요했다”며 “기본적인 논리적 규칙의 일관성을 확보하는 것이 시각 품질을 높이는 것보다 중요하다”고 제언함과 동시에, 오류가 일정 수준을 넘어서면 이용자의 신뢰가 점진적으로 떨어지는 것이 아니라 빠르게 붕괴할 수 있다고 경고했다.

현장의 AX 가능성과 함께 과제도 선명해져

(자료=영상 갈무리)

한편 전문가들 사이에선 이번 영상에 대한 호불호를 넘어 실무적인 관점으로도 이번 사건을 봐야 한다는 이야기도 나온다. 게임 산업 분석가 아리엘 와그너는 이번 사태를 두고 “이번 문제는 단순히 하나의 뮤직비디오에 그치는 일이 아니다. 신기술을 도입할 때는 그 기술의 장점뿐만 아니라 한계점까지 파악하는 것이 중요하다는 점을 다시 한 번 상기시켜 주는 일”이라고 강조했다. 생성형 AI가 아직 인간의 판단과 아트 디렉션, 감정의 미묘한 차이를 대신할 수 없음에도, 시프트업이 한계를 과소평가한 결과가 이번 반발로 나타났다는 분석이다.

동시에 이번 논란이 게임 마케팅 제작 현장의 AX 변화를 보여준다는 의견도 있다. 안드레스 에스코토 505게임즈 소셜 게임 마케터는 “이번 영상은 AI가 실험 단계를 넘어 제작 워크플로의 일부가 되어가고 있다는 신호”라며, AI가 스토리보드와 마케팅 에셋 반복 제작, 현지화, 플랫폼별 콘텐츠 변형과 캠페인 제작 등을 가속화하고 있다고 설명했다.

동시에 그는 “AI는 콘텐츠를 생성할 수 있지만 어떤 이용자를 대상으로 할지 정의하거나 게임을 포지셔닝하고, 어떤 감정적 판타지를 전달할지 결정할 수는 없다”며 “실행이 빨라지고 쉬워질수록 전략은 오히려 더 중요해진다”고 강조했다.

결국 이번 사건이 실무자에게 던지는 질문은 어디까지 AI에 맡기고, 어디까지 인간이 판단하고, 책임질 것인가에 가깝다. 이번 영상에 대한 반발처럼 생성형 AI가 아이디어 발상과 제작, 반복 작업의 속도를 높여줄 수 있는 만큼 이를 어떤 방향으로 이끌 것인지 결정하는 기획과 아트 디렉션, 결과물의 오류와 맥락을 걸러내는 검수의 중요성도 함께 커지고 있기 때문이다.

실제 마쓰무라 매니저는 생성형 AI가 보편화될수록 오히려 인간의 창작과 판단이 갖는 가치가 더욱 커질 것으로 내다봤다. 그는 “누구나 몇 초 만에 아름다운 영상을 만들 수 있는 시대가 됐기 때문에, 인간이 시간과 창의성을 들여 만든 ‘공들인 결과물’의 희소가치는 오히려 높아지고 있다”며 “시프트업이 이번 커뮤니티의 피드백을 받아 앞으로 게임 개발과 마케팅에서 어떻게 ‘AI와 인간미의 균형’을 되찾아갈지 게임 업계 전체가 주시하게 될 사례”라고 전망했다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/ai-%ec%82%ac%ec%9a%a9-%ed%91%9c%ea%b8%b0%ed%96%88%eb%8b%a4%ea%b3%a0-%eb%81%9d%ec%9d%b4-%ec%95%84%eb%8b%88%eb%8b%a4-%ec%8b%9c%ed%94%84%ed%8a%b8%ec%97%85%ec%9d%b4-%ec%a7%81%eb%a9%b4%ed%95%9c-ai/

“GEO 성과 측정, ‘4P 원칙’으로”… 글로벌 가이드라인 나왔다

Sun, 09 Aug 2026 23:54:44 GMT

IAB, AI 가시성 측정 프레임워크 발표

(자료=미국 인터랙티브 광고협회)

검색 환경이 생성형 AI를 기반으로 재편되는 가운데, 들쑥날쑥하던 AI 검색 성과 측정 기준을 표준화하기 위한 글로벌 업계 차원의 가이드라인이 제시됐다.

3일(현지 시간) 글로벌 마케팅 전문 매체 마케팅다이브(MarketingDive)에 따르면, 미국 인터랙티브 광고협회(Interactive Advertising Bureau, IAB)는 최근 파편화된 AI 기반 검색·추천 플랫폼의 브랜드 가시성을 체계적으로 측정하기 위한 ‘AI 가시성 측정 프레임워크(AI Visibility Measurement Framework)’를 발표했다.

현재 챗GPT, 구글 AI 오버뷰 등 생성형 AI를 통한 정보 탐색이 급증하면서 기존 SEO(검색엔진최적화)를 넘어 GEO(생성엔진최적화), AEO(답변엔진최적화) 및 프롬프트 엔지니어링의 중요성이 커지고 있다. 글로벌 컨설팅 그룹 맥킨지는 AI 검색 전환에 적절히 대응하지 못한 브랜드는 기존 검색 트래픽이 최대 50%까지 감소할 수 있다고 추산했다. 그러나 맥킨지가 브랜드 CMO 대상으로 실시한 설문조사 결과, 체계적인 AI 검색 성과 추적 시스템을 갖춘 브랜드는 16%에 불과한 실정이다.

AI 답변의 불확실성도 AI 검색 성과 측정의 어려움을 가중시키고 있다. 전통적인 검색엔진은 키워드 검색이 결과 페이지 클릭으로 이어지는 단선 구조였으나, AI 검색은 여러 정보를 수집·요약하는 특성상 같은 질문에도 매번 다른 답변을 생성하는 불확실성을 가진다. 최근 LQ 리서치에 따르면, 일반 검색 결과에서 나타나는 브랜드 인용문의 40% 이상이 동일한 검색어의 AI 오버뷰에서는 나타나지 않는 것으로 조사됐다.

그러나 이에 대응하고자 시중에 나온 상품들은 아직 신뢰하기 어려운 수준이라는 지적이다. IAB는 현재 20개 이상의 솔루션 업체가 AI 가시성 측정 도구를 제공하고 있으나, 측정 방식과 결과의 일관성이 극히 낮다고 꼬집었다. 이에 IAB는 마케터와 퍼블리셔 등이 동일한 기준으로 성과 분석을 할 수 있도록 지원하기 위해 이번 프레임워크를 확립했다.

IAB가 제시한 프레임워크는 이른바 ‘4P 원칙’이다. 존재감(Presence), 저명도(Prominence), 묘사(Portrayal), 설득력(Persuasion) 등 4개 층위로 구성된 단계별 분석 도구다.

가장 상단은 ‘존재감’이다. 이는 브랜드가 AI 답변 내에 실제 언급되거나 인용되는 비율, 시장 점유율 및 가시성 모멘텀을 통해 노출 유무를 측정하는 단계다. 그 아래 위치한 ‘저명도’는 AI 답변 내부에서 브랜드가 배치된 위치와 순위를 기반으로 노출 우위를 평가한다. 세 번째 ‘묘사’ 단계에서는 브랜드에 대한 감성과 인식, 할루시네이션(환각) 및 부정확성 등을 검증한다. 마지막 단계인 ‘설득력’은 AI가 제공하는 브랜드 추천 강도와 인용 후 클릭률을 측정해 실질적인 마케팅 영향력을 산출한다.

아울러 IAB는 데이터의 정밀도와 엄격성에 따라 AI 기반 검색의 측정 기준을 2개 등급으로 나눴다. 초기 신호 감지 및 경쟁 현황 파악용인 ‘방향성 측정’과, 표본 크기·프롬프트 유형·테스트 주기·데이터 검증 등을 포괄해 실제 예산 배정과 전략 수립에 활용 가능한 ‘의사결정 측정’으로 구분했다.

한편, 이번 프레임워크 개발에는 월마트와 마이크로소프트를 비롯해 WPP 미디어, 이마케터, 액시엄, 티누이티 등 글로벌 미디어·유통·테크 기업 소속 전문가들이 대거 참여한 것으로 알려졌다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/geo-%ec%84%b1%ea%b3%bc-%ec%b8%a1%ec%a0%95-4p-%ec%9b%90%ec%b9%99%ec%9c%bc%eb%a1%9c-%ea%b8%80%eb%a1%9c%eb%b2%8c-%ea%b0%80%ec%9d%b4%eb%93%9c%eb%9d%bc%ec%9d%b8-%eb%82%98%ec%99%94%eb%8b%a4/

[인간 중심 AX ②] 인간과 AI의 업무를 구분하는 법

Thu, 06 Aug 2026 23:37:34 GMT

AX 시대 업무 재설계가 필요하다

지난 1편에선 AI 도입만으로는 업무 생산성이 자동으로 높아지지 않는다는 점과 AI 기능을 붙였는데도 직원의 일이 줄지 않고, 오히려 AI 결과를 확인하고 수정하고 검토하는 일이 늘어나는 이유를 살펴봤다.

그 이유는 명확했다. AI가 들어왔지만 업무는 그대로이기 때문이다. 기존 업무 흐름 위에 AI 요약, AI 추천, AI 챗봇, AI 알림을 얹으면 겉으로는 AX처럼 보인다. 하지만 실제 업무는 크게 달라지지 않는다. 직원은 여전히 여러 시스템을 오가며 정보를 확인하고, AI가 만든 결과를 다시 검토하고, 최종 판단을 내려야 한다.

이에 이번 글의 질문은 여기서 시작한다. AI 도입만으로 생산성이 높아지지 않고, 업무 재설계가 필요하다면, 인간과 AI는 무엇을 바꿔야 하는가?

사람의 역할도 바꾸는 AI

(자료=클립아트코리아)

AX는 단순히 기존 업무 중 일부를 AI에게 넘기는 일이 아니다. AI가 업무에 들어오면 사람의 역할도 함께 바뀐다. 예전엔 사람이 정보를 찾고, 비교하고, 입력하고, 판단하고, 보고했다. 그러나 AI가 들어오면 이 흐름이 달라진다.

AI가 먼저 요약하고, 후보를 추천하고, 이상 징후를 탐지하고, 우선순위를 제안한다. 그러면 사람은 더 이상 모든 정보를 처음부터 찾는 사람이 아니다. AI가 제시한 결과를 이해하고, 신뢰할지 판단하고, 필요하면 수정하거나 거절하며, 최종적으로 책임지는 사람이 된다.

즉 AI는 사람의 일을 단순히 없애는 것이 아니라 사람의 역할을 바꾼다. 사람은 입력자에서 ‘검토자’로, 검색자에서 ‘판단자’로, 조작자에서 ‘감독자’로 이동한다. 이 변화가 설계되지 않으면 직원의 일은 줄어들지 않는다. 오히려 더 어려워진다. 이전에는 직접 하던 일에 더해, 이제는 AI가 한 일까지 확인해야 하기 때문이다.

따라서 AX의 핵심 질문은 “어떤 업무를 자동화할 것인가”가 아니다. 다음 질문들이 AX 업무 재설계의 출발점이 되어야 한다. 무엇을 AI가 먼저 처리하고, 사람은 무엇을 계속 판단해야 하는가? 그리고 어떤 근거를 제시해야 사람이 AI를 신뢰할 수 있을까? 나아가 사람은 언제 AI의 결과를 받아들이거나, 거절해야 할까? 마지막으로 AI가 틀렸을 때 사람은 어떻게 개입하고 복구할 것인가?

자동화보다 중요한 것은 판단 지원

(자료=클립아트코리아)

많은 기업은 AX를 자동화 관점에서 이해한다. 반복 업무를 줄이고, 사람의 개입을 최소화하며, 시스템이 스스로 처리하게 만드는 것이 AX라고 생각한다. 물론 단순 반복 업무, 정형화된 확인 업무, 명확한 규칙에 따라 처리할 수 있는 업무는 AI와 자동화 기술을 통해 줄일 수 있다. 하지만 업무의 핵심은 자동화만으로 해결되지 않는다.

특히 기업의 중요한 업무는 대부분 판단을 포함한다. 어떤 알림이 정말 중요한지, 어떤 고객 이슈를 먼저 처리해야 하는지, 어떤 품질 이상을 즉시 조치해야 하는지, 어떤 보고서 수치를 신뢰할 수 있는지, 어떤 추천안을 그대로 실행해도 되는지. 이 판단들을 위해 사람은 그 답을 ‘업무 맥락’ 안에서 해석해야 한다. 그래서 AX에서 자동화보다 중요한 것은 인간의 판단 지원이다.

이 질문들은 AI가 답을 낸다고 끝나는 문제가 아니며, 사람이 답을 업무 맥락 안에서 해석해야 한다. 때문에 AX에서 자동화보다 중요한 것은 인간의 판단 지원이다.

좋은 AX 시스템은 사람을 업무에서 완전히 밀어내는 시스템이 아니다. 사람이 더 적은 노력으로 더 중요한 것을 보고, 더 빠르게 상황을 이해하고, 더 정확하게 판단할 수 있도록 돕는 시스템이다. 결국 사람이 더 잘 판단할 수 있도록 업무 환경을 바꾸는 것이다.

인간과 AI의 역할을 나누어야 한다

(자료=클립아트코리아)

그렇다면 업무 환경을 어떻게 더 좋게 바꿀 수 있을까? 이를 위해선 먼저 역할을 나누어야 한다. 이때 중요한 것은 “사람이 계속 해야 하는 일”을 함께 보는 것이다. AI는 많은 데이터를 빠르게 처리하고, 패턴을 찾고, 문서를 요약하고, 후보를 추천하는 데 강하다. 반복적으로 발생하는 신호를 감지하고, 여러 정보를 조합해 가능성을 제시하는 데도 유용하다.

반면 사람은 맥락을 해석하고, 예외를 판단하고, 조직의 목표와 제약을 고려하며, 최종 책임을 진다. 같은 데이터라도 지금 상황에서 무엇이 중요한지, 어떤 조치가 현실적인지, 어떤 리스크를 감수할 수 있는지는 사람이 판단해야 한다.

AI는 탐색하고, 요약하고, 예측하고, 추천할 수 있다. 사람은 해석하고, 선택하고, 개입하고, 책임져야 한다. 이런 강점 하에 역할 분담이 명확하지 않으면 문제가 생긴다. AI는 결과를 내놓지만 사람은 그 결과를 얼마나 믿어야 할지 모른다.

사람은 책임을 져야 하지만 판단 근거는 충분히 받지 못한다. 시스템은 자동화를 말하지만, 실제로는 사람에게 더 많은 확인 업무를 넘긴다. 이 문제가 이어진다면 AX는 생산성 향상이 아니라 새로운 업무 부담이 될 수 밖에 없다.

업무 흐름 안에서 작동해야 한다

(자료=클립아트코리아)

AI와 인간의 역할을 나눈 후엔 AI가 업무 흐름 안에서 작동하도록 설계해야 한다. AI가 화면 한쪽에서 답을 해주는 것만으로는 부족하다. AI가 만든 결과가 실제 업무의 다음 행동으로 이어져야 한다.

대표적으로 요약은 검토로 이어져야 하고, 추천은 선택으로 이어져야 하며, 알림은 원인 파악과 조치로 이어져야 한다. 예측은 판단 근거와 함께 제공되어야 하고, 자동 처리는 개입과 복구 절차를 포함해야 한다.

예를 들어 AI가 생산 현장의 이상 가능성을 알려준다고 해보자. 단순히 ‘이상 가능성 높음’이라고 보여주는 것 만으로는 충분하지 않다. 담당자는 왜 이상 가능성이 높다고 판단했는지, 관련 설비와 공정은 무엇인지, 과거 유사 사례는 있었는지, 지금 조치하지 않으면 어떤 영향이 있는지, 어떤 순서로 확인해야 하는지 알아야 한다.

이 정보가 함께 제공될 때 비로소 AI가 업무에 들어올 수 있다. 그렇지 않으면 AI가 내놓은 결과는 또 하나의 알림과 의문에 머문다. 업무 흐름과 연결되지 않은 AI는 추가된 기능에 불과하며, 업무 흐름 안에서 다음 행동을 바꾸는 AI가 제대로 된 AX다.

개입할 수 있어야 신뢰할 수 있다

(자료=클립아트코리아)

AI가 업무에 들어올수록 사람의 개입 권한은 더 중요해진다. AI가 추천하고, 우선순위를 바꾸고, 자동으로 처리한다면 사람은 언제든 그 과정을 이해하고 개입할 수 있어야 한다. 이는 사람이 AI를 신뢰할 수 있는 구조를 만들기 위함이다.

신뢰는 단순히 AI의 정확도가 높다고 생기지 않는다. 사용자가 결과를 이해할 수 있고, 필요할 때 의심할 수 있으며, 잘못되었을 때 수정할 수 있을 때 신뢰가 생긴다. 이것이 AX 시스템에 있어서 사용자 중심의 설계가 필요한 이유이며, 필수적으로 체크해야 할 지점은 다음과 같다.

AI가 왜 그런 결과를 냈는지 볼 수 있는가?
사용자가 그 결과를 받아들이거나 거절할 수 있는가?
사람이 개입해야 하는 상황이 명확한가?
AI가 틀렸을 때 원래 상태로 되돌리거나 다른 조치를 할 수 있는가?

주의해야 할 지점은 이것이 단순한 UI 기능이 아니라는 점이다. 앞선 지점들은 인간과 AI가 함께 일하기 위한 기본 조건이다. 사람이 이해할 수 없는 AI는 신뢰하기 어렵다. 사람이 개입할 수 없는 AI는 책임지기 어렵다. 사람이 복구할 수 없는 AI는 현장에 적용하기 어렵다.

AX 추진에 던져야 할 질문들

정리하자면 AX는 자동화가 아닌 인간의 일을 다시 정의하는 프로젝트다. AI가 할 일과 사람이 할 일을 나누고, AI의 결과를 사람이 판단할 수 있게 만들고, 필요할 때 사람이 개입할 수 있게 하며, 문제가 생겼을 때 회복할 수 있도록 업무 시스템을 다시 설계해야 한다.

AX를 추진하고 있다면 이제 질문을 바꾸어야 한다. 이 질문에 답할 수 있을 때 AX는 완전한 업무 재설계가 된다.

AI가 들어온 뒤 사람의 일은 어떻게 바뀌어야 하는가?
어떤 판단을 사람이 더 잘할 수 있게 만들 것인가?
업무 흐름 안에서 AI가 언제, 어떤 방식으로 개입해야 하는가?

이전 1편에서 AI 도입만으로는 업무 생산성이 높아지지 않는다는 점을 확인하고, 이번 글에선 그 이유가 인간과 AI의 업무가 다시 설계되지 않았기 때문이라는 점을 살펴보았다. 그렇다면 다음 질문은 자연스럽다. 이전의 디지털 전환, 즉 DX와 지금의 AX는 무엇이 다른가?

다음 글에서는 DX와 AX의 차이를 살펴보려 한다. AX를 제대로 이해하려면 먼저 DX와 AX가 바꾸는 대상이 서로 다르다는 점을 분명히 해야 하기 때문이다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%9d%b8%ea%b0%84-%ec%a4%91%ec%8b%ac-ax%e2%91%a1-%ec%9d%b8%ea%b0%84%ea%b3%bc-ai%ec%9d%98-%ec%97%85%eb%ac%b4%eb%a5%bc-%ea%b5%ac%eb%b6%84%ed%95%98%eb%8a%94-%eb%b2%95/

[인간 중심 AX ①] AX는 업무 재설계다

Thu, 06 Aug 2026 00:34:34 GMT

AX에 대한 오해와 진실

오늘날 수많은 기업이 인공지능 전환(AX)을 추진하고 있다. AI로 업무를 자동화하고, 데이터를 분석하며, 사람의 일을 줄여 생산성을 높이겠다는 기대도 커지고 있다. 하지만 지금의 많은 AX 논의에는 중요한 관점이 빠져 있다. 바로 그 기술을 사용할 인간에 대한 고려다.

현재 AX 논의는 주로 어떤 LLM 서비스를 도입할지, 화면 어디에 챗봇을 붙일지, 어떤 데이터를 학습시킬지, 어떤 업무를 자동화할지에 집중된다. 결국 현재 AX는 대체로 “AI가 인간을 얼마나 대신할 수 있는가”라는 기술 도입 관점에서 출발하는 것이다.

그러나 업무 시스템은 결국 인간의 책임 아래 운영된다. AI가 보고서를 요약하더라도 그 숫자의 의미를 설명하고 의사결정에 사용하는 것은 사람이다. AI가 제조, 금융, 의료 현장에서 활용되더라도 그 결과를 최종적으로 책임지는 것은 사람과 조직이다.

따라서 AX는 단순히 사람의 일을 AI로 대체하는 프로젝트가 아니다. AI가 업무에 들어온 이후 사람의 일이 어떻게 바뀌는지, 사람은 무엇을 계속 판단해야 하는지, 언제 개입해야 하는지, 어떤 책임을 질 수 있도록 시스템이 도와야 하는지를 다시 설계하는 일이다.

인간 중심 AX=업무 시스템 설계

(자료=클립아트코리아)

그동안 기술은 언제나 인간의 작업 방식에 맞게 조정되어 왔다. 자동차의 조향 장치는 운전자의 신체와 인지 능력에 맞게 발전했고, 항공기 조종석은 파일럿이 복잡한 상황을 파악하고 통제할 수 있도록 설계됐다. 업무 시스템도 마찬가지다. 기술이 아무리 뛰어나도 사람이 이해하고, 통제하며, 책임질 수 없다면 현장에서 제대로 작동하기 어렵다.

AI는 이 점에서 더욱 신중하게 다뤄야 한다. AI는 단순한 도구처럼 보이지만 실제 업무 안에서는 예측하고, 추천하며, 요약하고, 우선순위를 바꾸면서 사람의 판단에 직접 영향을 준다. 그렇기에 AX는 사람과 AI가 어떻게 역할을 나눌 것인지에 주목해야 한다.

‘인간 중심 AX’는 AI를 거부하자는 말이 아니다. 인간이 AI 보다 우월하다고 주장하는 말도 아니다. AI가 실제 업무에서 작동하려면 인간의 판단, 개입, 책임 구조 안에서 설계돼야 한다는 뜻이다. AI가 사람을 밀어내는 것이 아니라, 사람이 더 잘 판단하고 더 안전하게 책임질 수 있도록 업무 시스템을 다시 설계하는 일이다.

AI를 도입했는데 왜 직원의 일은 더 복잡해지는가? AI가 일을 대신한다는데 왜 사람의 확인 업무는 줄어들지 않는가? 더 많은 정보를 제공하는데 왜 최종 판단은 더 어려워지는가? 이 질문에 답하지 못하는 AX는 수많은 신기술 도입 프로젝트 중 하나로 끝날 가능성이 크다.

AI를 붙였지만 업무는 그대로?

(자료=클립아트코리아)

많은 기업이 AI를 도입하면 업무 생산성이 자연스럽게 올라갈 것이라고 기대한다. 화면 한쪽에 똑똑한 챗봇을 붙이고, AI가 데이터를 빠르게 분석해 이상 징후를 예측하고, 긴 문서를 요약하고, 보고서 초안을 자동으로 만들어주면 직원의 업무가 훨씬 쉬워질 것이라고 생각한다.

실제로 AI의 도입 속도는 매우 빠르다. 보스턴컨설팅그룹(BCG)의 2025년 보고서 도 AI 사용이 전 산업으로 확산되고 있음을 보여준다. 다만 이 보고서에서 중요한 지점은 따로 있는데, AI의 진짜 가치는 단순 도입이 아니라, 업무 흐름을 끝에서 끝까지 다시 설계할 때 발생한다는 점이다.

문제는 많은 AX 프로젝트가 이 지점에서 멈춘다는 것이다. AI 기능은 붙였지만, 업무는 다시 설계하지 않는다. 그 뒤 현장에선 이상한 일이 벌어진다. AI 시스템의 가동률은 올라가고, 데이터 처리량은 늘어나고, 자동 생성되는 결과물도 많아지는데, 정작 직원이 체감하는 생산성은 기대만큼 좋아지지 않는다. 어떤 경우에는 오히려 일이 더 복잡해진다.

AI가 요약한 내용을 직원이 다시 확인하고, AI가 작성한 보고서를 다시 고치며, AI가 추천한 답을 다른 시스템에서 다시 검증한다. AI가 탐지한 이상 징후도 곧바로 조치로 이어지지 않는다. 담당자는 그 알림이 실제로 중요한지, 지금 조치해야 하는지, 다른 문제보다 우선해야 하는지를 다시 판단해야 한다.

AI가 일을 줄여줄 것이라고 기대했지만, 실제로는 AI가 만든 결과물을 검토하는 일이 새로 생긴다. 업무가 사라진 것이 아니라 업무의 형태가 바뀐 것이다. 이것이 많은 AX 프로젝트가 겪는 첫 번째 문제다. AI를 도입했는데 직원의 일이 줄지 않는다. 오히려 더 복잡해진다.

AI가 일하면 사람의 일은 사라질까

(자료=클립아트코리아)

많은 기업이 AX를 추진할 때 흔히 하는 착각이 있다. AI가 어떤 기능을 수행하면 그 업무가 자동으로 줄어들 것이라고 생각하는 것이다. AI가 고객 문의를 요약하면 상담 직원의 일이 줄어들고, AI가 회의록을 작성하면 회의 후 정리 업무가 사라지며, AI가 생산 현장의 이상 징후를 탐지하면 엔지니어의 판단 부담이 줄어들 것이라고 기대한다. 기존 업무 시스템에 챗봇을 붙여두면 직원들이 필요한 정보를 알아서 쉽게 찾아 쓸 것이라고 기대하기도 한다.

물론 일부 업무는 줄어든다. 그러나 동시에 새로운 업무가 생긴다. AI가 제대로 이해했는지 확인해야 하고, 중요한 내용이 빠지지 않았는지 봐야 하며, 틀린 정보가 들어가지 않았는지 검토해야 한다. 결과를 그대로 써도 되는지 판단해야 하고, 문제가 생겼을 때 누가 책임질 것인지도 정해야 한다.

챗봇도 마찬가지다. 기존 시스템 화면에 “무엇이든 물어보세요”라는 대화창을 붙였다고 해서 업무가 끝나는 것은 아니다. 실제 업무는 질문과 답변만으로 이루어지지 않는다. 직원은 여러 시스템에서 정보를 확인하고, 업무 맥락을 비교하고, 데이터를 수정하고, 결재를 올리고, 예외 상황을 조율하고, 다른 부서와 협업한다. 업무는 하나의 질문에 대한 답변이 아니라 여러 단계의 판단과 실행이 연결된 흐름이다.

AI가 개별 기능으로만 존재하면 사용자는 결국 다시 기존 시스템으로 돌아간다. 챗봇에 물어본 뒤 ERP를 열고, MES를 확인하고, 엑셀을 비교하고, 이메일과 메신저로 다시 확인한다. 이 경우 AI는 업무를 줄이지 못한다. 오히려 대화라는 또 하나의 작업을 추가한다.

워크슬롭, 그럴듯하지만 다시 손봐야 하는 일

(자료=클립아트코리아)

하버드 비즈니스 리뷰(HBR)에 실린 2025년 글 「AI-Generated ‘Workslop’ Is Destroying Productivity」는 이 문제를 ‘워크슬롭(Workslop)’이라는 개념으로 설명한다. 워크슬롭은 겉보기에는 그럴듯하고 정돈되어 보이지만, 실제 업무에 바로 쓰기에는 품질이 낮아서 동료나 후속 작업자에게 검토, 수정, 재작업의 부담을 떠넘기는 AI 산출물을 뜻한다.

이 개념이 중요한 이유는 AI 생산성 논의의 방향을 바꾸기 때문이다. AI가 문서를 빨리 만들었다고 해서 생산성이 올라간 것은 아니다. AI가 보고서를 자동 생성했다고 해서 업무가 끝난 것도 아니다. AI가 대시보드와 요약문을 만들어냈다고 해서 조직의 판단이 좋아진 것도 아니다.

그 결과물을 누군가 다시 읽고, 확인하고, 수정하고, 책임져야 한다면 생산성은 다른 곳에서 소모된다. 앞 단계의 작업 속도가 빨라졌을 뿐, 뒤 단계의 검토 부담이 커졌다면 조직 전체의 생산성이 좋아졌다고 말하기 어렵다.

AI는 결과를 만든다. 하지만 그 결과를 업무에 사용해도 되는지 판단하는 일은 여전히 사람에게 남는다. 그래서 AX에서 중요한 질문은 “AI가 무엇을 할 수 있는가”가 아니다. 더 중요한 질문은 이것이다.

AI가 한 일 이후에, 사람은 무엇을 해야 하는가?

이 질문에 답하지 못하면 AI는 업무를 줄이는 도구가 아니라, 직원이 검토해야 할 또 하나의 업무가 된다.

정보가 많아질수록 판단은 쉬워질까

(자료=클립아트코리아)

많은 AX 프로젝트는 AI를 ‘정보를 더 빨리, 더 많이 주는 도구’로 이해한다. 데이터를 수집하고, 요약하고, 이상 징후를 탐지하고, 알림을 보내면 사람이 더 쉽게 판단할 수 있을 것이라고 생각한다.

하지만 정보가 많아진다고 판단이 쉬워지는 것은 아니다. 업무 현장에서 필요한 것은 정보의 양이 아니라 판단 가능한 정보다. 지금 무엇이 중요한지, 왜 중요한지, 어떤 조치를 해야 하는지, 얼마나 믿을 수 있는지, 다른 업무와 비교했을 때 무엇이 우선인지가 함께 제공되어야 한다. 이것이 빠지면 AI는 판단을 돕는 것이 아니라 판단해야 할 대상을 늘린다.

제조 현장의 이상 탐지나 예지보전 시스템을 생각해보자. AI가 수많은 센서 데이터를 분석해 이상 가능성을 알려주더라도, 오경보가 반복되면 현장 엔지니어는 매번 그 알람이 진짜인지 다시 확인해야 한다. 알람은 많아졌지만 판단은 더 쉬워지지 않는다.

이것이 산업 안전 영역에서 말하는 ‘알람 피로(Alarm Fatigue)’와 ‘정보 과다(Information Overload)’다. 반복되는 오경보는 사용자의 주의력과 신뢰를 떨어뜨리고, 결국 중요한 신호까지 놓치게 만든다. AI가 더 많은 정보를 제공한다고 해서 생산성이 높아지는 것은 아니다. 판단할 수 있게 구조화되지 않은 정보는 오히려 사람의 일을 늘린다.

정보가 부족해서 실패하는 시대만 있는 것이 아니다. 정보가 너무 많고, 그 정보가 판단 가능하게 구조화되어 있지 않아서 실패하는 시대가 왔다. AX에서도 같은 일이 반복될 수 있다. AI가 더 많은 알림, 더 많은 예측, 더 많은 요약, 더 많은 추천을 만든다고 해서 현장의 판단이 좋아지는 것은 아니다. 판단할 수 있게 설계되지 않은 정보는 생산성을 높이지 않는다. 오히려 사람의 인지적 부담을 늘린다.

AI 도입만으로는 생산성이 오르지 않는다

이 글에서 말하려는 핵심은 단순하다. AI를 도입한다고 해서 생산성이 자동으로 높아지지는 않는다. AI 기능을 기존 업무 위에 얹는 것 만으로는 충분하지 않다. 기존 업무 흐름은 그대로 둔 채 AI 요약, AI 추천, AI 챗봇, AI 알림을 추가하면 직원은 더 많은 것을 봐야 한다.

기존 시스템도 확인하고, AI 결과도 확인해야 한다. 기존 보고서도 작성하고, AI가 만든 결과도 고쳐야 한다. 기존 절차도 따라야 하고, AI가 제안한 내용도 검토해야 한다. 이런 방식의 AX는 생산성을 높이기 어렵다.

AI를 도입했는데 직원의 일이 더 복잡해졌다면, 그것은 직원이 AI를 잘 못 써서가 아닐 수 있다. AI 성능이 부족해서만도 아닐 수 있다. 문제는 AI가 들어온 뒤의 업무가 아직 설계되지 않았기 때문일 수 있다. AX를 추진하고 있다면 지금 물어야 한다. 우리 회사의 AI는 직원의 일을 줄이고 있는가. 아니면 직원이 검토해야 할 일을 새로 만들고 있는가.

그리고 한 가지를 더 물어야 한다. “우리는 AI를 도입하고 있는가, 아니면 AI 도입으로 업무 생산성이 높일 준비를 하고 있는가?” 이 질문에서 다음 글이 시작된다. AI 도입만으로 생산성이 높아지지 않는다면, 무엇을 바꿔야 하는가. 답은 ‘업무 재설계’에 있다. 업무 재설계에 대한 이야기는 2편에서 이어진다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%9d%b8%ea%b0%84-%ec%a4%91%ec%8b%ac-ax-%e2%91%a0-ax%eb%8a%94-%ec%97%85%eb%ac%b4-%ec%9e%ac%ec%84%a4%ea%b3%84%eb%8b%a4/

그루텍스, PIS 2026 공동관서 차세대 기능성 소재 제안

Wed, 05 Aug 2026 00:18:32 GMT

‘더 가볍고, 더 따뜻하게, 더 지속가능하게’

기능성 소재의 경쟁이 새로운 국면에 접어들고 있다. 과거 방수·투습이나 보온 성능을 높이는 데 집중했다면 이제는 얼마나 가볍게, 얼마나 친환경적으로, 얼마나 다양한 기능을 하나의 소재에 담아낼 수 있는가가 경쟁력이 되고 있다.

올해 8월 열리는 프리뷰 인 서울(PIS) 2026에서도 이러한 변화는 뚜렷하게 나타날 전망이다. 국내 기능성 소재 전문기업 그루텍스는 케이글로벌, 세은물산, 미지엔티와 함께 공동관을 구성해 차세대 기능성 소재를 대거 선보인다.

이번 공동관은 단순한 소재 전시를 넘어 국내외 스포츠·아웃도어 브랜드들이 요구하는 최신 소재 트렌드를 한자리에서 제안하는 플랫폼의 성격이 강하다.

‘무게를 줄이고 성능은 높인다’

최근 글로벌 아웃도어 시장은 초경량 경쟁이 더욱 치열해지고 있다.

소비자는 두꺼운 다운보다 가볍고 활동성이 높은 제품을 선호하고, 브랜드들은 동일한 보온력을 유지하면서도 무게를 줄일 수 있는 소재를 찾고 있다.

그루텍스가 이번 전시에서 가장 강조하는 부분도 여기에 있다.

대표적으로 선보이는 히트락 에어로(Heatlock Aero)는 에어로겔과 중공사 구조를 결합한 초경량 보온 소재다.

에어로겔은 가벼우면서 열전도율이 낮은 단열 소재로, 이를 섬유 구조와 결합해 기존 충전재보다 부피는 줄이고 보온 성능은 높였다. 섬유 내부의 중공 구조가 공기층을 형성해 외부 냉기의 전달을 줄이고 체열 손실을 최소화하는 원리다.

적은 양으로도 효율적인 보온 성능을 낼 수 있어 경량 패딩과 베스트, 미드레이어 등 슬림한 실루엣을 요구하는 제품에 적합하다.

회사 측은 “섬유 자체를 설계하는 단계에서부터 경량성과 보온성을 동시에 확보했다”며 “불필요한 충전량을 줄이면서도 높은 단열 효과를 구현하는 것이 핵심”이라고 설명한다.

원적외선 기술도 한 단계 진화

이번 공동관에서는 인프라사이클(INFRACYCLE)도 함께 소개된다.

인프라사이클은 인체에서 방출되는 열에너지를 흡수한 뒤 유익한 범위의 원적외선 파장으로 전환해 다시 방출하는 기능성 기술이다.

외부에서 별도의 열을 공급하는 방식이 아니라 착용자의 몸에서 발생한 에너지를 활용해 의복 내부의 온도 균형과 쾌적함을 지원한다는 것이 특징이다. 운동이나 일상생활에서 자연스럽게 방출되는 체열을 다시 활용한다는 점에서 일종의 에너지 순환 소재로 볼 수 있다.

기존 원적외선 소재들이 기능성 원료 자체를 강조했다면, 인프라사이클은 에너지의 흡수와 재방출이라는 작동 원리를 보다 직관적으로 제시한다.

스포츠웨어는 물론 베이스레이어, 골프웨어, 겨울용 이너웨어와 라이프스타일 의류에도 적용 가능하다. 기능성 의류 시장이 퍼포먼스뿐 아니라 웰니스와 회복 영역으로 확대되는 만큼 이러한 기술에 대한 관심도 커지고 있다.

복합 기능이 새로운 경쟁력

이번 전시에서 눈길을 끄는 또 하나의 제품은 컴포텍 맥스(Comfortec Max)다. PCM과 흡습 기능을 동시에 적용한 복합 기능성 소재다.

PCM은 주변 온도에 따라 열을 흡수하거나 방출하는 상변화 물질로, 체온이 높아지면 열을 저장하고 온도가 낮아지면 저장된 열을 방출해 의복 내부 온도의 급격한 변화를 완화한다.

여기에 땀과 습기를 관리하는 흡습 기능을 더해 활동량이 많은 스포츠웨어는 물론 골프웨어, 아웃도어, 환절기 아우터까지 폭넓게 활용할 수 있다.

기존에는 체온 조절과 수분 관리 기능이 각각 다른 소재에서 구현되는 경우가 많았지만 최근에는 하나의 소재 안에 여러 기능을 결합하는 방향으로 진화하고 있다.

소재 하나로 착용 쾌적성을 높일 수 있다는 점에서 스포츠웨어와 라이프스타일 의류 모두 활용도가 높다는 평가다.

다시 주목받는 ‘37.5’ 수분 관리 기술

그루텍스는 의복 내부의 온도와 습도를 쾌적하게 유지하는 ‘37.5’도 함께 제안한다.

37.5는 신체 활동으로 발생한 수증기를 빠르게 분산하고 외부로 배출해 피부와 의복 사이에 열과 습기가 쌓이는 것을 줄이는 기능성 기술이 특징이다. 땀이 액체 상태가 된 뒤 말리는 일반적인 흡한속건 방식과 달리, 수증기 단계에서부터 습도를 관리하는 데 초점을 맞췄다.

운동 강도와 외부 환경이 지속적으로 변하는 러닝과 아웃도어 의류뿐 아니라 장시간 착용하는 워크웨어, 유니폼, 양말, 이너웨어 등에도 적용할 수 있다.

특히 기능성 의류가 특정 스포츠 영역을 넘어 일상복과 워크웨어로 확장되면서 장시간 쾌적함을 유지하는 수분 관리 기술의 중요성도 다시 커지고 있다.

2레이어 시장 겨냥한 초경량 소재

그루텍스는 이번 전시에서 초경량 2레이어 소재도 공개한다.

새롭게 개발한 제품은 33gsm부터 구현 가능한 소재로, 해외 브랜드를 주요 타깃으로 개발됐다.

2레이어 소재는 겉감과 기능성 필름을 결합해 외부의 비와 바람은 막으면서 의복 내부에서 발생하는 수증기는 배출하는 구조다. 특히 필름이 얇아질수록 무게는 줄어들지만 방수·투습 성능과 내구성을 안정적으로 유지하기 어려워 기술력이 요구된다.

그루텍스는 여기에 트라이자와 인프라사이클 기술을 결합해 방수·투습 기능은 물론 열과 에너지 관리 기능까지 동시에 확보했다.

이로 인해 초경량 아우터와 티셔츠까지 적용이 가능해 최근 부상하고 있는 러닝 및 트레일러닝, 하이킹 등 휴대성과 활동성을 중시하는 복종을 중점 공략한다

이탈리아 프리미엄 소재도 함께 제안

공동관에서는 이탈리아 기능성 소재 기업 임보텍스(Imbotex)의 다양한 충전재도 소개된다. 기존 K2와 아이더 등에 적용됐던 실크스타와 캐시미어 기반 프리미엄 충전재뿐 아니라 올해는 더욱 다양한 라인업이 공개될 예정이다.

특히 첫 선을 보이는 ‘울트라 패딩’은 세상에서 가장 얇은 15gsm의 충전재로 에어로겔과 그래핀 기술을 결합해 얇지만 보온성은 극대화한 특징을 지녔다.

슬림한 실루엣과 가벼운 착용감이 필요한 셔츠형 아우터와 퀼팅 재킷, 여성복, 컨템퍼러리 제품 등에 활용하기 적합해 기능성 충전재의 패션시장 확장 가능성을 보여준다.

또한 이탈리아 돌로미티 지역에서 수거한 폐페트병을 활용한 문라이즈(Moonrise) 소재도 함께 선보인다.

문라이즈는 재활용 원료를 사용하면서도 보온성과 복원력 등 충전재로서의 기본 성능을 유지한 것이 특징이다. 단순한 재생 소재를 넘어 원료의 출처와 수거 지역에 대한 스토리까지 전달할 수 있어 지속가능한 제품을 기획하는 브랜드에 적합하다.

최근 글로벌 브랜드들이 리사이클 함량뿐 아니라 소재의 출처와 공급망까지 함께 관리하는 만큼 문라이즈는 지속가능성과 프리미엄을 동시에 추구하는 소재로 주목받고 있다.

아웃도어를 넘어 패션으로

기능성 소재의 활용 분야도 빠르게 넓어지고 있다.

과거에는 아웃도어 브랜드 중심이었다면 최근에는 패션 브랜드들도 캐시미어와 울, 실크 기반 기능성 소재를 적극 적용하고 있다.

경량 아우터와 퀼팅 재킷, 베스트, 셔츠형 아우터처럼 시즌 간 경계가 모호한 제품이 늘어나면서 얇고 가벼운 기능성 충전재의 활용도도 높아지고 있다.

일상복에서도 경량성과 쾌적성을 중요하게 생각하는 소비자가 늘어나면서 기능성 소재는 더 이상 특정 카테고리에 국한되지 않는다. 소재가 제품의 촉감과 실루엣, 착용 경험을 결정하는 ‘보이지 않는 기술’로 자리 잡고 있는 것이다.

소재 기업이 만드는 새로운 경쟁력

그루텍스는 오랫동안 해외 기능성 소재와 국내 브랜드를 연결해 온 소재 전문기업이다.

최근에는 단순한 소재 공급을 넘어 국내외 최신 기술을 발굴하고 이를 국내 브랜드의 제품 기획과 사용 환경에 맞게 제안하는 역할까지 확대하고 있다.

이번 PIS 공동관 역시 이러한 전략의 연장선에 있다.

에어로겔, 원적외선, PCM, 37.5 수분 관리, 초경량 필름, 그래핀, 친환경 리사이클 소재 등 다양한 기술을 하나의 공간에서 제안함으로써 브랜드가 원하는 소재 솔루션을 통합적으로 제시한다는 점에서 의미가 크다.

히트락 에어로가 초경량 보온을, 인프라사이클이 체열 에너지의 순환을 제안한다면 컴포텍 맥스와 37.5는 의복 내부의 온도와 습도를 관리한다. 초경량 2레이어 소재는 방수·투습과 기능성을 얇은 구조 안에 담고, 임보텍스의 제품들은 프리미엄 감성과 지속가능성을 더한다.

여기에 환경이라는 메시지가 실제 소재와 공급망으로 뒷받침되는지가 제품의 가치를 결정한다.

눈에 잘 보이지 않는 섬유 기술이 의류의 품질과 경쟁력을 좌우하는 시대다. 올해 프리뷰 인 서울에서 그루텍스가 던지는 메시지도 분명하다.

출처 : ( https://fpost.co.kr/board/ )

원문기사링크 : https://fpost.co.kr/board/bbs/board.php?bo_table=special&wr_id=1796

“스티븐 킹 스타일로 써줘” 막혔다… 오픈AI, 생존 작가 ‘문체 모방’ 금지

Mon, 03 Aug 2026 01:34:49 GMT

(자료=오픈AI)

28일(현지 시간) 글로벌 IT 전문 매체 안드로이드 오소리티(Android Authority)에 따르면, 챗GPT에 특정 생존 작가의 문체를 똑같이 흉내 내 글을 써달라고 입력할 경우, 챗GPT는 해당 요청을 거부하며 작가의 문체를 직접 모방하는 대신 장르의 분위기나 일반적 특성을 반영한 텍스트를 제공하겠다고 답변하고 있다.

매체가 인용한 아스 테크니카(Ars Technica)의 테스트 결과에 따르면, 스티븐 킹의 스타일로 도입부를 작성해 달라는 요청에 챗GPT는 “킹의 정확한 스타일이나 어조를 모방할 수 없다”고 거절했다. 대신 킹 특유의 ‘소도시의 공포’ 정서를 기반으로 한 자체 창작물을 대안으로 제시했다.

호메로스의 『오디세이아』의 도입부를 스티븐 킹 스타일로 재작성해달라는 요청 역시 거부됐다. 챗GPT는 스티븐 킹의 특징인 대화체 서술, 서서히 고조되는 공포, 심리적 긴장감 등 장르적 요소만 적용하는 방안을 제시했다.

그러나 챗GPT의 제한은 ‘생존 작가’에 국한된다. AI 전문 조사 기관 노 레이턴시(No Latency)가 최근 발표한 업계 감사 보고서에 따르면, 챗GPT는 스티븐 킹, 에이미 탄 등 생존 작가의 문체 모방 요청은 차단하는 반면, 찰스 디킨스, 어니스트 헤밍웨이 등 오래전 세상을 떠난 거장들의 문체를 모방해달라는 요청은 아무런 제약 없이 수행하는 것으로 확인됐다.

앞서 2023년 『왕좌의 게임』 저자 조지 R.R. 마틴을 비롯한 유명 작가들은 챗GPT가 자신들의 저작물을 불법 복제된 전자책 라이브러리 등을 통해 무단 학습했다며, 오픈AI 상대로 집단 소송을 제기한 바 있다.

한편, 챗GPT의 이러한 제한 방식은 AI 경쟁사들마다 각기 다른 양상을 보이고 있다. 노 레이턴시 보고서에 따르면, 구글의 제미나이는 생존 작가의 문체 모방 요청을 제한 없이 따른 반면, 앤트로픽의 클로드와 마이크로소프트의 코파일럿은 요청을 따르되 경고 문구와 면책 조항을 첨부했다. 퍼플렉시티 AI는 생존 여부와 상관없이 모든 작가의 문체 모방을 전면 금지하는 가장 엄격한 기준을 적용 중이다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%8a%a4%ed%8b%b0%eb%b8%90-%ed%82%b9-%ec%8a%a4%ed%83%80%ec%9d%bc%eb%a1%9c-%ec%8d%a8%ec%a4%98-%eb%a7%89%ed%98%94%eb%8b%a4-%ec%98%a4%ed%94%88ai-%ec%83%9d%ec%a1%b4-%ec%9e%91%ea%b0%80-%eb%ac%b8/

앤트로픽, 신규 ‘컨텍스트 엔지니어링’ 원칙 공개

Thu, 30 Jul 2026 05:04:50 GMT

정교한 지침보다 맥락 설계가 더 중요

(자료=앤트로픽)

앤트로픽이 지난 24일(현지시간) 클로드 5 모델 도입에 맞춰 새로운 컨텍스트 엔지니어링 원칙을 공개했다. 정교한 프롬프트를 입력하는 것보다 적절한 맥락을 설계하는 것이 AI 성능에 더 중요하다는 게 골자다.

일반적으로 AI는 사용자의 요청이 들어오면 시스템 프롬프트와 스킬, 지침 파일, 메모리 등 다양한 출처에서 맥락을 수집한다. 이처럼 AI의 답변을 고도화하기 위해 맥락을 설계하는 방법론을 컨텍스트 엔지니어링이라고 한다.

앤트로픽은 최근 클로드 코드의 시스템 프롬프트를 80% 이상 축소했지만 코딩 성능 저하가 나타나지 않았다고 밝혔다. 기존 모델에서는 오류 방지를 위해 명확한 금지 규칙과 구체적인 예시를 제공해야 했으나, 최신 모델은 맥락을 스스로 이해하고 판단하는 능력이 개선돼 과도한 규칙이 오히려 족쇄라는 설명이다.

(자료=앤트로픽)

앤트로픽은 프롬프트에 모든 가이드라인을 일괄 제시하는 방식 대신, 필요한 시점에 적절한 맥락을 불러오는 ‘점진적 공개(Progressive Disclosure)’ 방식을 제안했다. 모든 예시나 검증 루프, 도구 사용 지침을 초기 시스템 프롬프트에 몰아넣지 않고, 필요 시점에만 호출해 사용하는 개별 기술(Skills)이나 전용 도구(Tools)로 분리해 맥락 토큰을 절약해야 한다는 뜻이다.

예컨대, 기존에는 시스템 프롬프트에 “코드 작성 시 기본적으로 주석을 작성하지 말 것” “여러 단락으로 이루어진 독스트링이나 여러 줄짜리 주석 블록은 절대 쓰지 말고, 최대 짧은 한 줄로만 작성할 것”등의 내용을 하나하나 적었다면, 지금은 “주변 코드와 자연스럽게 어우러지는 코드를 작성하고, 기존 코드의 주석 밀도, 명명 규칙, 관용구(idiom)에 맞출 것”이라고 적어 모델 스스로 판단하게끔 만드는 식이다.

또 통합 지침 역할을 하던 기존 CLAUDE.md 파일을 가볍게 유지하고, 코드베이스 특유의 주의사항 중심 구조로 재편하는 방안도 권장했다. 앤트로픽은 개발자들이 복잡해진 스킬과 가이드라인을 손쉽게 정리할 수 있도록 클로드 코드 내에서 자동으로 맥락 구성을 최적화해 주는 ‘claude doctor’ 진단 명령어도 함께 배포했다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ec%95%a4%ed%8a%b8%eb%a1%9c%ed%94%bd-%ec%8b%a0%ea%b7%9c-%ec%bb%a8%ed%85%8d%ec%8a%a4%ed%8a%b8-%ec%97%94%ec%a7%80%eb%8b%88%ec%96%b4%eb%a7%81-%ec%9b%90%ec%b9%99-%ea%b3%b5%ea%b0%9c/

검색만 하고 링크는 안 누른다? 구글 검색, AI 개요 비중 급증에 웹 생태계 ‘비상’

Wed, 29 Jul 2026 02:03:35 GMT

AI로 변화하는 정보 검색 및 소비 형태

(자료=구글)

글로벌 디지털 데이터 분석 기업 시밀러웹(Similarweb)이 지난 22일(현지시간) 공개한 최신 보고서에 따르면 미국 구글 검색에서 AI 생성 답변인 ‘AI 개요(AI Overviews)’가 표시되는 비중이 지난 1년 사이 전체 검색의 15%에서 43%로 급증한 것으로 나타났다.

이번에 시밀러웹이 공개한 ‘2026 생성형 AI 전망(The 2026 Generative AI Landscape)’ 보고서는 글로벌 웹 트래픽 데이터를 바탕으로, AI 기술이 검색 엔진 생태계와 디지털 정보 소비 트렌드 전반에 미치는 실질적인 파급력을 종합적으로 정리한 자료다.

특히 시밀러웹은 이번 보고서를 통해 구글 검색의 AI 개요 제공 비중 변화가 사용자의 정보 검색 및 소비 방식 자체를 변화시키고 있다고 분석했다. 과거 구글은 다른 웹사이트로 안내하는 단순한 링크 중계자 역할에 머물렀다면, 이제는 AI를 통해 정보를 가공하고 완결된 답변을 제공하는 독자적인 정보 플랫폼으로 성격이 바뀌고 있다는 설명이다.

실제 사용자가 구글의 대화형 AI 모드(AI Mode)에 머무는 횟수는 2025년 6월 기준 1억 2600만 회에서 2026년 5월 기준 2억 7900만 회로 두 배 이상 증가했다.

검색어의 형태 역시 변화하는 추세다. 보고서에 따르면 지난 1년간 구글 검색어의 평균 길이가 눈에 띄게 길어진 것으로 나타났다. 이는 사용자들이 과거처럼 짧은 핵심 키워드 위주의 검색어를 입력하던 방식에서 벗어나, 자연어 기반의 긴 대화형 문장 구조로 정보를 탐색하는 경향이 뚜렷해진 결과로 풀이된다.

반면 정보 및 콘텐츠 생산자 측의 트래픽 감소 현상은 가속화되고 있다. 데이터에 따르면 2026년 5월 기준 챗GPT 데스크톱 버전의 검색 중 출처 인용이 포함된 비율은 6.8%에 불과했으며, AI가 제공하는 출처 인용 대부분이 실제 외부 웹사이트 클릭으로 이어지지 않는 것으로 조사됐다.

이번 보고서 결과에 업계 전문가들은 AI 시대 정보 검색 패러다임의 구조적 전환이 임계점을 넘었다고 진단한다. 실제 유명 IT 외신 테크크런치(TechCrunch)는 “구글은 더 이상 광활한 웹으로 향하는 ‘통로’가 아니라, 그 자체로 하나의 ‘종착지’로 변모하고 있다”고 설명했다.

한편, 트래픽 감소에 직면한 주요 미디어 업계는 AI 제어 도구 등을 적극 도입해 무단 크롤링을 차단하는 동시에, AI 기업이 지정된 마켓 플레이스를 통해 정당한 사용료를 지불하도록 강제하는 등 실질적인 데이터 방어에 나설 전망이다.

실제 클라우드플레어는 지난해 7월 크롤링 봇을 차단할 수 있는 AI 봇 차단 옵션과 ‘크롤링 당 결제’ 마켓 플레이스를 공식 출시했으며, 지난 1일엔 “다수의 웹사이트 소유자는 콘텐츠가 검색엔 노출되길 원하지만 지식재산권이 AI 서비스의 학습에 무료로 활용되는 것은 원하지 않는다”며 AI 에이전트 실행과 학습 모델을 함께 수행하는 혼합 용도 크롤러를 기본 차단하는 등의 고도화에 나섰다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/%ea%b2%80%ec%83%89%eb%a7%8c-%ed%95%98%ea%b3%a0-%eb%a7%81%ed%81%ac%eb%8a%94-%ec%95%88-%eb%88%84%eb%a5%b8%eb%8b%a4-%ea%b5%ac%ea%b8%80-%ea%b2%80%ec%83%89-ai-%ea%b0%9c%ec%9a%94-%eb%b9%84%ec%a4%91/

2분기 메타 AI 봇 크롤링 급증… 유입 효과는 전무

Tue, 21 Jul 2026 00:44:03 GMT

“웹사이트 부담 가중시킨다” 지적

(자료=제미나이 제작)

메타(Meta)의 AI 봇이 무차별적인 웹 수집으로 트래픽 부담만 유발할 뿐 퍼블리셔 웹사이트로의 유입에는 기여하지 않는다는 분석이 나왔다.

17일(현지 시간) IT 전문 매체 테크레이더에 따르면, 사이버 보안 기업 데이터돔(DataDome)은 ‘2026년 2분기 AI 트래픽 보고서’를 통해 메타의 메타-웹인덱서(Meta-WebIndexer) 봇의 활동량이 전 분기 대비 163% 급증, 전체 AI 에이전트 트래픽의 상당 부분을 차지했다고 밝혔다.

하지만 90억 건에 달하는 크롤링 요청에도 불구하고 해당 사이트로 이어지는 사용자 트래픽은 전무한 것으로 나타났다.

웹사이트 운영자 입장에서 봇의 접속은 대역폭과 서버 자원, 비용을 소모한다. 과거 검색 엔진의 봇은 이를 담보로 사용자 방문이라는 보상을 제공했지만, 메타의 AI 봇은 정보를 흡수해 자사 시스템 구축에만 사용할 뿐 트래픽 환원이라는 순기능은 작동하지 않은 셈이다.

반면 챗GPT(ChatGPT)는 대조적인 행보를 보였다. 챗GPT의 웹 크롤링 요청은 오히려 감소했으나, AI가 생성한 외부 유입 트래픽의 88%를 차지하며 웹사이트에 실질적인 방문자를 전달한 것으로 나타났다. 메타와 달리 이미 학습된 데이터의 효율성을 높이고 인용 링크를 통해 사용자 유입을 유도한 결과로 분석된다.

AI 에이전트와 외부 도구를 연결하는 모델 컨텍스트 프로토콜(MCP)의 등장도 새로운 변수로 꼽혔다. 일반적인 크롤러와 달리 사용자와 유사하게 웹사이트와 상호작용하는 MCP 트래픽은 새로운 보안 및 정책 관리 대상으로 떠오르고 있다.

제롬 세구라(Jérôme Segura) 데이터돔 위협연구 담당 부사장은 “2분기에는 대부분의 조직이 인지하는 것보다 지형이 빠르게 바뀌고 있음이 드러났다”며 “메타가 우리 네트워크에서 AI 트래픽을 주도하고, MCP 트래픽이 실질적 신호로 부상했으며, 챗GPT는 더 적은 크롤링으로 더 많은 유입 가치를 만들어내고 있다”고 밝혔다.

출처 : ( https://ditoday.com/news/ )

원문기사링크 : https://ditoday.com/2%eb%b6%84%ea%b8%b0-%eb%a9%94%ed%83%80-ai-%eb%b4%87-%ed%81%ac%eb%a1%a4%eb%a7%81-%ea%b8%89%ec%a6%9d-%ec%9c%a0%ec%9e%85-%ed%9a%a8%ea%b3%bc%eb%8a%94-%ec%a0%84%eb%ac%b4/