AI 트렌드, 담백하게 정리해드립니다
에이전트 AI, 추론 모델, HBM까지, 직장인이 알아야 하는 AI 트렌드를 기록한 기술 블로그입니다.
최신 글
AI 트렌드를 만드는 이야기, 그리고 그게 왜 중요한지
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.
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.
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.
자율형 에이전트 및 추론
스스로 계획하고 실행하는 AI가 어디까지 왔는지
고효율 모델 아키텍처
더 적은 자원으로 더 똑똑해지는 방법
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
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
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
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
