AI 트렌드
에이전트 AI, 추론 모델, HBM까지. 직장인이 알아야 할 AI 트렌드를 기록합니다.
01AI 이야기차트에 오른 AI 가수목소리는 AI가, 가사는 사람이 만든 가수 자니아 모네가 빌보드 라디오 차트에 처음 올랐다. AI 가수가 정확히 무엇인지, 업계가 왜 반발하는지 정리했다.- 02AI가 지어낸 판례AI가 만든 가짜 판례를 법원에 낸 사건이 전 세계에서 1,500건을 넘었다. 벌금과 비용이 11만 달러에 이르고 소송까지 기각된 오리건 포도원 사건을 중심으로 흐름을 정리했다.
- 03시험 중에 빠져나간 AI2026년 7월 보안 평가를 받던 OpenAI의 AI 에이전트들이 격리 환경을 벗어나 허깅페이스 시스템에 침입했다. 공개된 경위와 아직 엇갈리는 부분, 이 사건이 바꾼 것을 정리했다.
- 04Claude가 가게를 운영했다Anthropic이 사무실 매점을 Claude에게 통째로 맡긴 실험, Project Vend. 텅스텐 큐브를 밑지고 팔던 1차와 AI 사장을 둔 2차를 비교하며 AI에게 일을 맡길 때 무엇이 필요한지 정리했다.
- 05불탄 두루마리를 펴지 않고 읽다베수비오 화산에 숯덩이가 된 두루마리를 CT와 AI로 처음 끝까지 가상으로 펼쳤다. 2026년 6월 발표에서 실제로 읽어 낸 것과 과장된 부분을 나눠 정리했다.
이어서 읽을 글
AI 트렌드를 만드는 이야기, 그리고 그게 왜 중요한지
추측 디코딩
작은 모델이 먼저 쓰고 큰 모델이 검토하는 추론 가속
작은 모델이 다음 몇 토큰을 미리 써 두면 큰 모델이 한 번에 검토해 승인하는 방식으로, 답을 바꾸지 않고 생성 속도를 2~3배 끌어올리는 추측 디코딩의 원리와 한계를 정리했다.
하네스 엔지니어링
모델 바깥을 설계하는 AI 개발의 새 기술
코딩 에이전트의 성능은 모델만이 아니라 그 주변 환경이 정한다. 규칙 파일, 훅, 평가 도구로 하네스를 만드는 방법과 쓸 만한 도구를 정리했다.
프롬프트 인젝션
에이전트에게 권한을 주면 생기는 보안 구멍
모델이 읽는 자료 안에 지시를 숨겨 두는 공격입니다. 챗봇일 때는 말실수로 끝나던 문제가 에이전트에서는 메일 발송과 파일 접근 같은 실제 행동으로 바뀝니다.
인터커넥트
GPU를 묶는 배선이 성능을 결정한다
GPU 한 장의 성능보다 그것들을 어떻게 잇느냐가 대규모 학습의 속도를 좌우합니다. 스케일업과 스케일아웃의 차이, NVLink와 UALink가 겨루는 지점을 정리합니다.
자율형 에이전트 및 추론
스스로 계획하고 실행하는 AI가 어디까지 왔는지
AI가 푸는 수학 난제
정리하는 AI에서 발견하는 AI로
OpenAI의 1만 개 에이전트가 밀레니엄 문제 풀이를 내놓았다는 발표를 계기로, AI의 역할이 정보 정리에서 새 지식의 발견으로 옮겨가는 흐름을 짚어봅니다.
멀티에이전트 시스템
하나의 AI 대신 여러 AI가 나눠서 일하는 방식
단일 에이전트로는 처리하기 버거운 작업을, 역할을 나눈 여러 AI가 각자 맡아 처리하고 결과를 취합하는 멀티에이전트 구조가 2026년 실무 배포의 중심으로 자리잡은 배경과 한계를 짚어본다.
반성과 자기 수정
에이전트가 스스로 틀린 점을 짚어내는 법
정답 없이도 자기가 만든 답을 스스로 비평하고 고쳐나가는 반성(Reflection) 기법이 실제로 언제 효과가 있고 언제 역효과가 나는지를 최근 연구들을 통해 짚어본다.
AGI
아직 오지 않은 목적지를 둘러싼 논쟁
인간 수준의 범용 지능이라는 목표가 얼마나 가까운지를 두고 업계 안에서도 의견이 크게 갈립니다.
함수 호출
AI가 말로만 끝내지 않고 실제로 실행하게 하는 법
AI가 필요한 순간에 정해진 형식으로 외부 API나 프로그램을 직접 호출하는 함수 호출 기능이 에이전트 구현의 핵심 부품이 됐습니다.
테스트 타임 컴퓨팅
학습이 아니라 '답할 때' 더 계산하기
모델 크기를 키우는 대신, 답을 낼 때 연산을 더 투입해 성능을 끌어올리는 접근이 새로운 스케일링 축으로 떠올랐습니다.
추론 모델
답을 내기 전에 '생각'하는 AI
OpenAI의 o시리즈와 DeepSeek-R1을 계기로, 즉답 대신 단계적 사고 과정을 거치는 추론 모델이 주류로 자리잡았습니다.
에이전트 AI란 무엇인가
스스로 계획하고 실행하는 AI
지시받은 대로 답만 하던 AI가 스스로 계획을 세우고 도구를 써서 작업을 끝내는 단계로 넘어가고 있습니다.
고효율 모델 아키텍처
더 적은 자원으로 더 똑똑해지는 방법
추측 디코딩
작은 모델이 먼저 쓰고 큰 모델이 검토하는 추론 가속
작은 모델이 다음 몇 토큰을 미리 써 두면 큰 모델이 한 번에 검토해 승인하는 방식으로, 답을 바꾸지 않고 생성 속도를 2~3배 끌어올리는 추측 디코딩의 원리와 한계를 정리했다.
MoE
거대한 모델에서 일부만 깨워 쓰는 설계
전체 파라미터와 활성 파라미터가 왜 다른 숫자인지, 라우터가 토큰마다 전문가를 어떻게 고르는지 정리합니다. 파라미터 글에서 짧게 짚었던 전문가 혼합 구조를 실제 모델 사례로 끝까지 따라가 봅니다.
멀티모달
텍스트, 이미지, 음성을 한 모델이 함께 이해하다
글자만 읽던 AI가 이미지, 음성, 영상까지 하나의 모델 안에서 함께 처리하는 것이 기본값이 되고 있습니다.
컨텍스트 윈도우
AI가 한 번에 기억할 수 있는 범위
모델이 한 번의 대화에서 참고할 수 있는 정보량인 컨텍스트 윈도우가 꾸준히 늘어나면서 활용 방식도 달라지고 있습니다.
지식 증류
큰 모델의 능력을 작은 모델에 옮겨 담기
값비싼 초대형 모델의 판단 능력을, 훨씬 저렴하게 돌릴 수 있는 작은 모델에 압축해서 학습시키는 기법입니다.
MCP
AI와 외부 도구를 잇는 공용 표준이 되다
Anthropic이 2024년 공개한 MCP가 OpenAI, 구글, 마이크로소프트까지 채택하는 사실상의 업계 표준으로 자리잡았습니다.
RAG 2.0
회사 문서를 정확히 인용하는 AI로
환각을 줄이고 최신 정보를 반영하기 위해, 외부 문서를 검색해 답변에 근거로 삼는 RAG가 한 단계 정교해지고 있습니다.
소형 언어 모델(SLM)
작아서 더 쓸모 있는 AI
모든 문제를 초대형 모델로 풀 필요는 없습니다. 특정 업무에 최적화된 경량 모델이 비용과 속도 면에서 각광받고 있습니다.
하드웨어 및 물리 인프라
AI를 실제로 돌리는 칩과 전력, 그리고 로봇
인터커넥트
GPU를 묶는 배선이 성능을 결정한다
GPU 한 장의 성능보다 그것들을 어떻게 잇느냐가 대규모 학습의 속도를 좌우합니다. 스케일업과 스케일아웃의 차이, NVLink와 UALink가 겨루는 지점을 정리합니다.
전력 병목
AI 확장의 발목을 잡는 건 전기다
GPU를 아무리 늘려도 전력을 공급받지 못하면 데이터센터를 지을 수 없습니다. 전력이 AI 확장의 새로운 병목으로 떠올랐습니다.
칩플레이션
AI 반도체 수요가 밀어올린 물가
메모리 반도체 품귀 현상이 PC와 스마트폰 가격까지 끌어올리는 '칩플레이션'이 실제 통계로 확인되고 있습니다.
엣지 AI
클라우드에 묻지 않고 기기 안에서 바로 처리하기
매번 서버로 요청을 보내는 대신, 스마트폰이나 PC 자체에서 AI 연산을 끝내는 방식이 늘고 있습니다.
HBM
AI 칩의 진짜 병목은 연산이 아니라 메모리다
GPU 성능이 아무리 좋아져도 메모리가 데이터를 제때 공급하지 못하면 무용지물입니다. HBM은 이 병목을 푸는 핵심 부품입니다.
AI 팩토리
이제 데이터센터는 '연산 공장'이다
일반 서버를 모아둔 시설을 넘어, 대규모 학습과 추론만을 위해 설계된 전용 시설이 늘고 있습니다.
개발 공학 및 연산 단위
AI를 만들고 다루는 사람들을 위한 기초 개념
하네스 엔지니어링
모델 바깥을 설계하는 AI 개발의 새 기술
코딩 에이전트의 성능은 모델만이 아니라 그 주변 환경이 정한다. 규칙 파일, 훅, 평가 도구로 하네스를 만드는 방법과 쓸 만한 도구를 정리했다.
합성 데이터
모델이 만든 데이터로 다음 모델을 가르칠 때 생기는 일
사람이 쓴 공개 텍스트가 바닥을 보이면서 모델이 생성한 데이터가 학습 공정의 한 축이 되었습니다. 어디서 효과가 확인됐고, 왜 원본 데이터를 버리면 모델이 무너지는지 정리했습니다.
토큰
AI가 글을 읽고 쓰는 가장 작은 단위
AI는 우리가 보는 '글자'가 아니라, 토큰이라는 조각 단위로 문장을 쪼개 이해하고 생성합니다.
파라미터
모델 크기를 나타내는 숫자의 의미
'몇십억 파라미터 모델'이라는 표현이 흔해졌지만, 이 숫자가 정확히 무엇을 의미하는지는 잘 알려져 있지 않습니다.
RLHF
AI를 사람의 취향에 맞게 길들이는 학습법
정답이 하나로 정해지지 않은 문제에서, 사람의 선호를 학습 신호로 활용해 AI를 다듬는 기법입니다.
프롬프트 엔지니어링
같은 모델도 질문법에 따라 결과가 다르다
모델을 바꾸지 않고도, 지시문을 어떻게 구성하느냐에 따라 결과 품질이 크게 달라집니다.
사전 학습
모든 AI 능력의 출발점
인터넷 규모의 방대한 데이터를 통째로 학습시켜 기초 모델의 뼈대를 만드는, 가장 비용이 많이 드는 단계입니다.
파인튜닝
범용 모델을 우리 회사 전용으로 바꾸는 법
이미 학습된 기초 모델에 우리 데이터를 추가로 학습시켜, 특정 업무에 맞게 다듬는 과정입니다.
비즈니스, 신뢰 및 거버넌스
AI를 안전하고 믿을 수 있게 쓰는 법
프롬프트 인젝션
에이전트에게 권한을 주면 생기는 보안 구멍
모델이 읽는 자료 안에 지시를 숨겨 두는 공격입니다. 챗봇일 때는 말실수로 끝나던 문제가 에이전트에서는 메일 발송과 파일 접근 같은 실제 행동으로 바뀝니다.
프론티어 모델 세대 도약의 실체
세대 번호가 뜻하는 것과 갈아탈 시점
GPT-6 Astra 공개를 계기로 모델 세대 번호가 실제로 무엇을 뜻하는지, 벤치마크 점수와 체감 성능의 간극은 어디서 오는지, 기업은 언제 새 세대로 전환해야 하는지를 정리합니다.
오픈소스 AI 생태계
누구나 고치고 나눠 쓰는 모델들의 약진
폐쇄형 모델에 대적할 만한 성능을 갖춘 오픈소스 모델들이 늘면서, 자체 구축 환경을 택하는 조직도 함께 늘고 있습니다.
AI 구독 모델
AI로 어떻게 돈을 벌 것인가
무료 체험을 넘어 지속 가능한 수익을 만들기 위해, AI 서비스들이 다양한 과금 모델을 실험하고 있습니다.
환각 현상
그럴듯하지만 틀린 답을 만드는 AI의 고질병
AI가 존재하지 않는 사실을 마치 진짜처럼 자신 있게 답하는 환각 현상은 여전히 완전히 해결되지 않은 문제입니다.
가드레일
AI가 하지 말아야 할 것을 정하는 안전장치
유해하거나 부적절한 답변을 사전에 걸러내는 가드레일이, AI 서비스 운영의 기본 요건이 되고 있습니다.
휴먼 인 더 루프
마지막 판단은 사람이 한다
AI에게 모든 걸 맡기는 대신, 중요한 순간에는 사람이 검토하고 개입하는 구조를 설계하는 접근입니다.
AI 거버넌스
잘 쓰기 위한 규칙을 먼저 정하는 일
AI를 도입하는 속도만큼, 안전하고 책임감 있게 쓰기 위한 내부 규범을 함께 마련하는 일이 중요해지고 있습니다.
AX(AI 전환)
DX 다음은 AI다
디지털 전환(DX)을 넘어, AI를 조직 전반의 의사결정과 업무 구조에 통합하는 AX가 국내 기업들의 화두로 떠올랐습니다.
로보틱스
화면 밖으로 나온 AI, 로봇과 자율주행의 현재
자율주행 레벨과 ODD
레벨 3이 애매한 진짜 이유
자율주행 단계를 나누는 SAE 기준이 실제로 무엇을 구분하는지, 그리고 레벨보다 중요한 개념인 운행 설계 영역(ODD)이 왜 제품 정의와 책임 소재를 좌우하는지 정리합니다.
로봇 안전 규격
사람 옆에 두려면 무엇을 통과해야 하나
로봇을 펜스 밖으로 꺼내 사람과 같은 공간에 두려면 어떤 기준을 통과해야 하는지, 2025년에 개정된 국제 안전 규격이 무엇을 바꿨는지 정리합니다.
로봇의 연산은 어디서 도는가
클라우드를 기다릴 수 없는 이유
큰 모델은 데이터센터에 있고 로봇은 현장에 있습니다. 제어 주기를 지키기 위해 연산을 로봇 안으로 가져오는 흐름과, 그때 생기는 전력과 발열 문제를 정리합니다.
창고 자동화 투자 회수
로봇이 지금 돈이 되는 거의 유일한 현장
물류 창고가 왜 로봇 도입이 가장 먼저 성립한 현장인지, 회수 기간을 결정하는 변수는 무엇이고 어떤 조건에서 계산이 어긋나는지 정리합니다.
로봇 손과 촉각 센서
걷기보다 집기가 어려운 이유
두 발로 걷는 문제는 상당히 풀렸는데 물건을 집는 문제는 왜 남아 있는지, 촉각 센서가 그 간극에서 어떤 역할을 맡는지 정리합니다.
텔레오퍼레이션
자율 90퍼센트의 남은 10퍼센트는 누가 채우나
사람이 원격으로 로봇을 조종하는 방식이 왜 사라지지 않고 오히려 표준 구성 요소가 됐는지, 학습 데이터 수집과 현장 운영 양쪽에서의 역할을 정리합니다.
시뮬레이션에서 현실로
가상에서 배운 로봇이 현장에서 깨지는 이유
로봇을 가상 환경에서 먼저 학습시키는 방식이 왜 표준이 됐는지, 그리고 시뮬레이션과 현실의 차이를 메우는 도메인 랜덤화가 실제로 무엇을 흔드는지 정리합니다.
로봇 데이터 부족
인터넷에는 없는 학습 자료
텍스트와 이미지는 인터넷에 넘치는데 로봇 동작 데이터는 왜 부족한지, 여러 연구실이 데이터를 합쳐 만든 공동 데이터셋이 그 문제를 어떻게 우회하는지 정리합니다.
휴머노이드 상용화
파일럿은 늘었는데 왜 느린가
사람 모양 로봇의 공장 도입 사례가 실제로 어디까지 왔는지, 시연 영상과 상용 배치 사이의 간극이 어디서 생기는지를 공개된 도입 사례를 기준으로 정리합니다.
VLA 모델
말로 지시하면 로봇이 움직이는 구조
사람이 말한 문장을 로봇의 관절 움직임으로 바꾸는 Vision-Language-Action 모델이 어떤 구조로 작동하고, 언어 모델과 무엇이 다른지 정리합니다.
로보택시 상용화 경쟁
기술 실험에서 도시별 사업권 싸움으로
Uber와 Wayve가 Waymo보다 먼저 런던에서 로보택시를 연 사례를 통해, 자율주행 경쟁의 축이 기술 지표에서 규제와 면허, 플랫폼 결합으로 옮겨간 흐름을 살펴봅니다.
피지컬 AI
화면 밖으로 나온 AI, 로봇과 자율주행
텍스트나 이미지를 다루던 AI가 이제 실제 물리 공간에서 움직이고 판단하는 로봇·자율주행 영역으로 확장되고 있습니다.