이번 주는 Anthropic(앤트로픽)이 서울에 사무실을 열고 네이버·삼성SDS·넥슨 같은 한국 회사들이 이미 Claude(클로드)를 쓰고 있다는 소식을 한꺼번에 내놨고, 세일즈포스가 AI 상담 회사를 큰돈에 사들이기로 했으며, KT와 고려대가 전세사기·독도 같은 한국 상황까지 따져 보는 안전 기준을 내놨답니다. 책상에서 바로 써볼 반복 업무 예약·CS 도구, 작은 학원과 동네 가게가 월요일에 바로 시작할 수 있는 활용법까지 한 자리에 모아봤어요.
함께 읽으면 좋은 지난 특집
AI 용어는 왜 자꾸 바뀔까요 — 프롬프트에서 루프까지, 따라갈 것과 흘려보낼 것
요즘 ‘AI 용어가 또 바뀌었다’는 말, 자주 들으시지요. 프롬프트 엔지니어링에서 시작해 컨텍스트, 하네스, 그리고 막 등장한 ‘루프 엔지니어링’까지 — 몇 달에 한 번씩 새 단어가 쏟아지는데, 우리 월요AI 특집에서 이 용어들의 족보를 짧게 짚어 봤답니다.
핵심은 새 단어를 모두 좇을 필요는 없다는 거예요. 비개발 직장인이 무엇을 익히고 무엇은 흘려보내도 되는지, 흔들리지 않는 업무 감각을 차분히 정리해 두었으니 시간 날 때 함께 읽어 보시면 좋겠네요.
Anthropic이 서울에 사무실을 열었어요 — 네이버·삼성·넥슨이 이미 Claude를 쓰고 있다니, 우리 회사 일에도 곧 닿을 변화인지 살펴볼 때랍니다
큰 회사들이 같은 AI 도구를 전사로 깔았다는 소식이 들리면, 우리 팀 일에도 곧 닿을 변화인지 궁금하지요.
AI 회사 Anthropic이 2026-06-17 서울 여의도에 공식 사무실을 열고, 한국 기업·정부·연구·공익 분야 파트너십을 한꺼번에 발표했어요. 도쿄·벵갈루루에 이은 아시아·태평양 세 번째 거점이고, 한국 대표로는 한국 기술업계 경력이 오래된 최기영(KiYoung Choi) 씨가 소개됐답니다. 회사 발표에 따르면 네이버(Naver)는 전체 엔지니어링 조직에 Claude Code(클로드 코드 — 개발자가 코드를 쓰고 고치는 일을 돕는 Anthropic의 코딩 도구예요)를 도입해 수천 명 엔지니어가 쓰고 있다고 해요. 넥슨은 라이브 서비스 게임의 코드 작성·검토·배포에 Claude Code를 쓰고, LG CNS는 수천 명 임직원에게 Claude를 적용했으며, 삼성SDS는 삼성전자 임직원에게 Claude Cowork(클로드 코워크)와 Claude Code를 제공한다고 밝혔지요. 한화솔루션은 데이터를 국내에 두어야 하는 요건에 맞춰 AWS Bedrock(아마존 클라우드가 여러 AI 모델을 빌려 쓰게 해 주는 서비스예요)을 거쳐 글로벌 직원에게 Claude를 제공하고, 채널코퍼레이션은 채널톡 고객 응대 AI에 Claude를 활용한다고 해요. 여기에 과학기술정보통신부와 AI 안전·사이버보안 협력 약속을 맺고, KAIST·고려대·연세대·POSTECH 연구자들에게 Claude를 지원하는 학술 협력, 굿네이버스 같은 비영리 지원도 함께 발표됐답니다.
이 소식이 일하는 사람에게 의미 있는 건 “보안에 민감하던 한국 대기업들까지 같은 AI 도구를 업무에 깊이 들이기 시작했다”는 신호이기 때문이네요. 쉽게 말하면, “우리 회사는 아직 AI 안 써”라던 분위기가 큰 회사부터 빠르게 바뀌고 있다는 뜻이지요. Anthropic은 자체 경제지수(Economic Index, 2026년 3월 기준)를 근거로 한국이 인구 규모 대비 기대치의 약 3.5배만큼 Claude를 많이 쓰는, 발표상 인구 대비 상위권 국가라고 설명했어요. 다만 이 3.5배나 “수천 명 도입”, “23만여 개 기업이 채널톡을 쓴다” 같은 수치는 모두 Anthropic 또는 각 회사 자체 발표값이라, 외부에서 독립적으로 검증한 숫자는 아니라는 점은 함께 봐 주시면 좋겠네요. 직장인 입장에서는 “우리 회사도 곧 비슷한 도구를 깔 수 있겠구나” 하고 미리 마음의 준비를 해 둘 만한 흐름이랍니다.
회사가 AI 도구를 전사로 들일 때 무엇부터 챙기면 좋은지 한 발 더 들어가 보겠습니다.
회사가 AI 도구를 전사로 깐다고 모든 일에 곧장 다 써 보려 하면 오히려 손에 익지 않아요. 가장 단단한 길은 “어떤 작업부터 맡길지”를 먼저 정하는 거랍니다. 위 사례들을 보면 공통점이 있는데, 네이버·넥슨은 코드 작성·검토에, 채널코퍼레이션은 고객 응대에 — 즉 반복되고 양이 많은 일부터 들였지요. 우리 팀도 마찬가지예요. 매주 반복하는 일 가운데 사람이 머리를 쥐어짤 필요가 적은 작업 하나부터 넘기시는 게 좋답니다. 그다음 꼭 정해야 할 건 민감 데이터 경계예요. 한화솔루션이 데이터를 국내에 두려고 AWS Bedrock을 거친 것처럼, 우리 회사도 고객 정보·미공개 매출·계약서 원문 같은 민감한 내용을 어떤 도구에 어디까지 입력해도 되는지 사내 안내를 먼저 확인하셔야 하지요. 마지막으로 한 도구로 묶을지, 작업별로 나눌지도 미리 정해 두시면 나중에 도구가 늘어도 헷갈리지 않는답니다. 코딩은 코딩 도구, 고객 응대는 응대 도구처럼 일의 성격에 맞춰 붙이는 습관이 핵심이에요.
회사 AI 전사 도입 — 첫 점검 3가지
회사가 AI 도구를 전사 도입할 때 — 첫 점검 3가지
[1] 어떤 작업부터
- 매주 반복하고 양이 많은 일 1개부터 (예: 코드 검토 / 고객 1차 응대 / 문서 요약)
- 사람이 꼭 판단해야 하는 일은 나중에
[2] 민감 데이터 경계
- 고객 정보·미공개 매출·계약서 원문은 회사 허용 범위 안에서만
- 어떤 도구에 어떤 데이터까지 되는지 사내 안내 먼저 확인
[3] 한 도구냐, 작업별로 나누냐
- 코딩·고객응대·문서처럼 일 성격에 맞춰 도구 배치
- 도구가 늘어도 헷갈리지 않게 한 장으로 정리
아마존 클라우드가 여러 AI 모델을 한곳에서 빌려 쓰게 해 주는 서비스예요. 데이터 보관 위치를 고를 수 있어 보안 요건 대응에 쓰이지요.
세일즈포스가 AI 상담 회사 ‘Fin’을 약 36억 달러에 사기로 했어요 — 채팅·전화·메일로 흩어진 고객 문의를 한 흐름으로 묶으려는 거랍니다
고객 문의가 채팅·전화·메일로 흩어져 들어와 응대가 늦어지는 CS(Customer Service — 고객 응대·문의 처리예요) 팀이라면, AI가 어디까지 1차 응대를 맡을 수 있는지 궁금하지요.
기업용 소프트웨어 회사 세일즈포스(Salesforce)가 AI 고객 응대 플랫폼 ‘Fin’(핀, 옛 Intercom)을 약 36억 달러에 인수하기로 합의했다는 소식이에요. 세일즈포스 공식 보도자료와 TechCrunch 보도로 확인됐는데, Fin의 핵심은 라이브챗·이메일·WhatsApp·문자·전화·Slack 같은 거의 모든 채널에서 복잡한 고객 문의를 끝까지 해결해 주는 AI 상담 에이전트(agent — 사람이 정한 목표를 위해 여러 단계 일을 스스로 처리하는 AI예요)랍니다. 세일즈포스는 이걸 자사 AI 상담 제품 ‘Agentforce(에이전트포스)’에 더하려는 거예요. 한 가지 짚어 둘 점은, 이 거래가 아직 합의 단계이고 세일즈포스 회계연도 2027년 4분기쯤 마감될 것으로 예상된다는 거랍니다. 인수가 완전히 끝난 건 아니라는 뜻이지요.
이 흐름이 일하는 사람에게 의미 있는 건 “AI 상담이 단순 챗봇을 넘어, 여러 채널의 문의를 끝까지 해결하는 쪽으로 가고 있다”는 점이네요. 세일즈포스 자체 실적 발표(2027 회계연도 1분기 기준)에 따르면 Agentforce 단독 연간 반복 매출(ARR — Annual Recurring Revenue, 구독처럼 해마다 꾸준히 들어오는 매출이에요)이 약 12억 달러로 전년 대비 205% 늘었다고 해요. 다만 이 12억 달러·205%는 인수 발표와는 별개인 세일즈포스 자체 실적 발표 수치라는 점은 구분해서 봐 주시면 좋겠네요. CS 일을 하는 분이라면 “AI가 어떤 문의까지 맡고, 사람은 어디서부터 받을지”의 선을 그어 두는 참고로 보시면 된답니다.
이 흐름을 우리 CS 일에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
CS에 AI를 들일 때 가장 먼저 정해야 할 건 “AI가 어디까지, 사람이 어디서부터”예요. 모든 문의를 AI에 맡기려 하면 오히려 사고가 나기 쉽거든요. 가장 안전한 출발은 단순하고 반복되는 문의부터 자동 응대로 넘기는 거랍니다. 예를 들어 영업시간·배송 조회·환불 절차 안내처럼 답이 정해진 질문이지요. 반대로 환불 분쟁, 항의, 개인정보가 얽힌 민감한 문의는 사람이 받도록 선을 그어 두셔야 해요. 그리고 Fin처럼 채팅·전화·메일이 한곳에 모이는 도구라면, 채널이 흩어져 있을 때 생기던 “이 손님이 메일로도 문의했었나” 같은 누락을 줄일 수 있는지 확인하시면 좋답니다. 마지막으로 AI가 응대한 내용은 주기적으로 사람이 품질을 점검하는 절차를 남겨 두세요. AI가 무난한 답을 내놔도 우리 회사 정책과 어긋날 수 있으니까요. 정리하면, 반복 문의는 AI 1차 응대, 민감·복잡 문의는 사람, 그리고 응대 품질은 사후에 사람이 점검 — 이 세 칸을 정해 두는 게 단단한 시작이랍니다.
CS AI 도입 점검표
CS AI 도입 점검표
[AI 가 맡을 일]
- 영업시간·배송 조회·환불 절차 안내처럼 답이 정해진 반복 문의
- 채팅·메일·전화 채널을 한곳에 모아 누락 줄이기
[사람이 받을 일]
- 환불 분쟁 / 항의 / 개인정보가 얽힌 민감 문의
- AI 가 헷갈려 하면 즉시 사람에게 넘기는 길 열어 두기
[사후 점검]
- AI 응대 내용을 주기적으로 사람이 품질 확인
- 우리 회사 정책과 어긋난 답이 없는지 표본 점검
KT와 고려대가 전세사기·독도까지 따지는 한국형 AI 안전 기준을 내놨어요 — 사내 AI가 한국 상황에 안전한지 점검할 잣대가 생긴 셈이랍니다
AI가 한국 상황을 잘 모른 채 엉뚱하거나 위험한 답을 내놓을까 걱정인 실무자라면, 한국형 안전 기준이 어디까지 왔는지 살펴볼 때예요.
KT가 고려대와 함께 한국 문화·사회 맥락에 맞춘 AI 안전성 평가 기준 ‘KSAFE-MM’을 2026-06-16 공개했어요. 이게 무엇이냐면, 글·이미지를 함께 다루는 멀티모달(multimodal — 글·그림·소리처럼 여러 형태의 정보를 함께 다루는 것이에요) AI가 위험하거나 부적절한 답을 내놓지 않는지 따져 보는 시험 문제집 같은 거랍니다. 구성이 둘로 나뉘는데, 전 세계 공통 위험을 한국 문화 맥락으로 바꾼 ‘KSAFE-MM-G’와, 전세사기·독도 분쟁처럼 한국에만 있는 고유 이슈를 반영한 ‘KSAFE-MM-C’예요. 평가 문항은 총 1만4,135개로, 보도에 따르면 국내 최대 규모 한국어 멀티모달 AI 안전성 평가 자료라고 해요. 구글 Gemma(젬마)·네이버 하이퍼클로바 X(HyperCLOVA X) 등 12개 멀티모달 AI 모델을 이 기준으로 평가했고, 민감한 주제 데이터를 모으는 단계부터 평가까지 전 과정을 자동화한 체계를 만들었다고 밝혔답니다.
이 소식이 일하는 사람에게 의미 있는 건 “AI의 안전을 영어·서구 기준이 아니라 한국 상황으로 따져 보려는 잣대가 생겼다”는 점이네요. 쉽게 말하면, 외국에서 만든 AI는 전세사기나 독도 같은 한국 특유의 민감한 주제를 잘 모를 수 있는데, 그런 부분까지 점검하는 한국형 기준이 나온 거지요. KT의 박재형 담당은 이번 공개가 단순히 자료를 푸는 것을 넘어 한국 AI 안전성 연구의 바탕을 만드는 일이라는 취지로 설명했다고 보도됐어요. 다만 1만4,135개 문항 규모나 “국내 최대” 같은 표현은 KT 자체 발표를 매체가 전한 것이고, 12개 모델 중 Gemma·하이퍼클로바 X 외 나머지는 매체에 공개되지 않았다는 점은 함께 봐 주시면 좋겠네요.
이 기준을 우리 회사 AI 도입에 어떻게 활용하면 좋은지 한 발 더 들어가 보겠습니다.
회사에서 외부 AI를 고객 응대나 콘텐츠 제작에 쓸 때, 가장 걱정되는 건 “AI가 한국 상황에서 위험하거나 부적절한 답을 내놓는 경우”예요. 외국에서 만든 AI는 한국의 법·관습·민감한 사회 이슈를 충분히 모를 수 있거든요. KSAFE-MM 같은 기준을 직접 쓰진 않더라도, 그 발상은 우리 회사 점검에 그대로 옮길 수 있답니다. 도구를 고를 때 ① 우리 업무에서 나올 법한 민감한 질문을 몇 개 미리 만들어 실제로 물어보고, ② AI가 위험하거나 한국 상황에 안 맞는 답을 거르는지 확인하며, ③ 그래도 사람이 최종 검토하는 절차를 남겨 두시는 거지요. 특히 고객을 직접 마주하는 챗봇·상담 AI라면, 출시 전에 “이런 질문이 들어오면 어떻게 답하나”를 미리 시험해 보는 게 중요해요. 안전은 도입 후가 아니라 도입 전에 점검하는 게 훨씬 비용이 적게 든답니다.
사내 AI 도입 — 한국 상황 안전 점검
사내 AI 도입 — 한국 상황 안전 점검
[미리 물어보기]
- 우리 업무에서 나올 법한 민감 질문 5~10개 미리 작성
- 한국 법·관습·사회 이슈가 얽힌 질문도 포함
[거르는지 확인]
- AI 가 위험하거나 한국 상황에 안 맞는 답을 거르는가
- 모르면 "확실치 않다" 고 솔직히 말하는가
[사람 검토]
- 고객을 직접 마주하는 챗봇·상담 AI 는 출시 전 시험 필수
- 민감한 답변은 사람이 최종 확인하는 절차 남기기
중국 Z.ai가 코딩에 강한 오픈 모델 GLM-5.2를 내놨어요 — 한 번에 읽는 양을 크게 키운 선택지가 또 늘었답니다
긴 문서나 큰 코드를 한 번에 넣고 작업하고 싶은데 AI가 앞부분을 잊어버려 답답했다면, 한 번에 읽는 양을 크게 키운 모델 선택지가 또 늘었어요.
중국 AI 회사 Z.ai가 코딩에 강한 오픈 모델 GLM-5.2를 2026-06-13 공개했어요. 여기서 ‘오픈 모델’이란 회사가 모델의 속(가중치)을 풀어서 누구나 받아 자기 환경에서 돌릴 수 있게 한 모델을 말한답니다. 이 모델의 특징은 두 가지예요. 첫째, 한 번에 읽을 수 있는 양인 context window(컨텍스트 윈도우 — AI가 한 번의 대화에서 기억하고 참고할 수 있는 글의 최대 분량이에요)가 100만(1M) 토큰(token — AI가 글을 처리하는 최소 단위로, 한국어는 보통 한 글자~한 음절 정도예요)으로 아주 넓지요. 쉽게 말하면 두꺼운 보고서 여러 권을 한 번에 넣어도 앞부분을 잊지 않는다는 뜻이에요. 둘째, ‘생각하는 깊이’를 High·Max 두 단계로 고를 수 있어서, 복잡하고 여러 단계를 거치는 코딩에는 Max를 권한다고 해요. 전체 규모는 약 7,440억(744B) 파라미터지만 입력마다 일부만 골라 쓰는 MoE(Mixture of Experts — 모델 안에 여러 전문가 부분망을 두고 입력마다 필요한 일부만 쓰는 구조예요)라, 한 번에 실제로 쓰는 부분은 약 400억(40B)이랍니다. 누구나 상업적으로도 쓸 수 있는 MIT 라이선스고, Claude Code를 비롯한 여러 코딩 도구와 연동된다고 해요.
이 소식이 일하는 사람에게 의미 있는 건 “한 번에 많이 읽고, 생각 깊이를 골라 쓰는 오픈 모델 선택지가 또 늘었다”는 점이네요. 그런데 한 가지 꼭 함께 봐야 할 게 있어요 — Z.ai는 이 모델을 내놓으면서 SWE-bench 같은 성능 점수를 함께 공개하지 않았답니다. MarkTechPost라는 매체는 이 점을 두고 “출시 시점에 벤치마크가 없다”고 짚었지요. 다른 말로 하면, 회사가 “이만큼 잘한다”는 객관적 숫자를 아직 안 내놓았다는 뜻이라, 성능이 좋다고 단정하기는 이르다는 거예요. 그러니 직장인·개발팀 입장에서는 “선택지가 하나 더 생겼다” 정도로 메모해 두고, 실제 도입은 우리 작업으로 직접 비교한 뒤에 정하시는 게 안전하답니다.
이런 오픈 모델을 회사 일에 검토할 때 무엇을 봐야 하는지 한 발 더 들어가 보겠습니다.
오픈 모델은 매력적인 점이 분명해요. 회사 안에서 직접 돌릴 수 있어 민감한 데이터를 외부 클라우드에 올리지 않아도 되고, 쓰는 만큼 요금이 붙는 구독형과 달리 비용 구조가 다르지요. 하지만 그만큼 따질 것도 있답니다. 먼저 GLM-5.2처럼 출시 때 성능 점수가 없는 경우엔, 회사가 내놓은 숫자에 기대지 말고 우리 실제 작업 30건 정도를 똑같이 시켜 직접 비교하셔야 해요. 둘째, 오픈 모델은 받아서 직접 돌리려면 서버·GPU 비용과 운영할 사람이 필요하니, 그 비용이 구독형보다 정말 이득인지 따져 보셔야 하지요. 셋째, MIT 라이선스처럼 상업적으로 써도 되는 조건인지 꼭 확인하세요. 정리하면, 오픈 모델은 “공짜”가 아니라 “직접 돌리는 대신 운영 부담을 지는” 선택지라, 우리 회사가 그 부담을 감당할 수 있는지부터 보시는 게 순서랍니다.
오픈 모델 도입 점검표
오픈 모델 도입 점검표
[성능 — 숫자가 없으면 직접 만든다]
- 회사 발표 점수가 없거나 적으면, 우리 작업 30건으로 직접 비교
- 한국어 솜씨 / 코드 정확도 / 긴 문서 요약 — 우리 일에 맞는 쪽
[비용 — '공짜'가 아니다]
- 직접 돌릴 서버·GPU 비용 + 운영할 사람
- 구독형과 견줘 정말 이득인지 계산
[라이선스]
- 상업적으로 써도 되는 조건인가 (예: MIT)
- 데이터·결과물에 제약은 없는가
AI가 글을 처리하는 최소 단위예요. 한국어는 보통 한 글자~한 음절 정도가 1토큰에 해당하지요.
MoE (Mixture of Experts, 전문가 혼합)
모델 안에 여러 전문가 부분망을 두고, 입력마다 필요한 일부만 골라 쓰는 구조예요.
🛠️
Chapter 02
회사 일에 바로
ChatGPT에 ‘예약 작업’이 생겼어요 — 매주 같은 시간에 손으로 반복하던 정리·알림을 맡겨 둘 수 있답니다
매일·매주 같은 시간에 똑같은 정리·점검·알림 작업을 손으로 반복하느라 시간이 새고 있다면, 그 일을 예약해 두고 싶어지지요.
ChatGPT에 ‘예약 작업(Scheduled Tasks)’ 기능이 2026-06-17 들어왔어요. 무엇을 해 주느냐면, 반복되는 일이나 알림을 정해진 시각 또는 ‘오전·오후·저녁’ 같은 넓은 시간대에 자동으로 실행하도록 예약해 두는 거랍니다. 예약한 작업들을 한 화면에 모아 보는 ‘Scheduled’ 페이지가 새로 생겼고, 작업을 잠시 멈추거나(pause) 다시 켜고(resume) 수정·삭제하는 일도 거기서 할 수 있어요. 등급은 Plus·Pro·Business·Enterprise 같은 유료 등급에 순서대로 제공되는데, 동시에 켜 둘 수 있는 작업 수 한도는 등급마다 다르다고 해요. 같은 6월에 ChatGPT는 60개 이상 언어의 발음 안내, 연결한 앱을 쓰기 전에 한 번 더 확인받는 권한 세분화 같은 업데이트도 함께 내놨답니다.
이 기능이 일하는 사람에게 의미 있는 건 “AI에게 한 번 시키는 것을 넘어, 시간을 정해 두고 알아서 반복하게 만드는” 쪽으로 한 걸음 나아갔다는 점이네요. 다른 말로 하면, 그동안은 내가 필요할 때마다 ChatGPT를 열어 같은 부탁을 다시 했다면, 이제는 “매주 월요일에 이 일을 해 둬”라고 한 번 정해 두면 되는 거지요. 다만 이 기능과 일자는 OpenAI의 릴리스 노트를 정리한 자료로 확인한 것이라, 정확한 사용 가능 범위는 ChatGPT 앱 안의 안내에서 한 번 더 확인하시면 좋겠네요. 매주 반복되는 잡무가 많은 분일수록 효과가 크답니다.
이 기능을 우리 업무에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
예약 작업이 잘 맞는 일은 “내용은 매번 비슷한데 시점만 정해져 있는” 업무예요. 예를 들어 매주 월요일 아침 지난주 업계 뉴스를 모아 정리하기, 매달 말 정해진 형식으로 보고서 뼈대 잡기, 매일 아침 오늘 일정·할 일 요약받기 같은 거지요. 이런 일을 예약해 두려면 먼저 입력과 출력 형식을 고정하는 게 중요해요. “어떤 자료를 보고, 어떤 형식으로 정리해 달라”를 또렷이 적어 두어야 매번 비슷한 결과가 나오거든요. 그리고 한 가지 꼭 기억하실 점 — 예약해 두었다고 결과를 그대로 믿고 쓰면 안 된다는 것이에요. AI가 자동으로 만든 정리·요약에는 사실 오류가 섞일 수 있으니, 사람이 한 번 훑어보고 쓰는 절차는 남겨 두셔야 하지요. 특히 외부로 나가는 보고서나 수치가 들어간 정리라면 더더욱요. 정리하면, 시점이 정해진 반복 잡무를 예약으로 덜되, 마지막 확인은 사람이 — 이 흐름이 가장 안전하답니다.
반복 업무 예약 4단계
반복 업무 예약 4단계
[1] 매주 같은 시각에 하는 일 적기
- 예: 주간 업계 뉴스 정리 / 월말 보고서 뼈대 / 아침 일정 요약
[2] 입력·출력 형식 고정
- 어떤 자료를 보고 / 어떤 형식(표·목록·3줄 요약)으로 줄지 또렷이
[3] 예약 시간(또는 시간대) 지정
- 정확한 시각 또는 '오전·오후·저녁' 같은 넓은 시간대
[4] 결과는 사람이 1회 확인
- 자동 정리에 섞일 수 있는 사실 오류를 사람이 점검
- 외부로 나가는 글·수치는 반드시 대조
반복되는 일이나 알림을 정해진 시각·시간대에 AI가 자동으로 실행하도록 예약해 두는 기능이에요.
마이크로소프트가 ‘AI 잘 쓰는 사람들은 무엇이 다른가’를 정리했어요 — 도구를 깐 것과 성과를 내는 것은 다르다는 진단이랍니다
AI를 쓰긴 쓰는데 정작 성과로는 안 이어지는 것 같다면, 잘 쓰는 사람들은 무엇을 다르게 하는지 궁금하지요.
마이크로소프트(Microsoft)가 2026-06-15 연례 업무동향 보고서를 냈어요. 설문을 바탕으로 한 보고서인데, 핵심은 “AI를 잘 쓰는 사람일수록 더 가치 있는 일에 시간을 쓰고 결과 품질도 높다”는 거랍니다. 회사 발표에 따르면 전 세계 AI 사용자의 66%가 더 가치 있는 일에 시간을 쓴다고 답했고, 58%가 더 높은 품질의 결과를 낸다고 답했어요. 특히 눈에 띄는 건 86%가 AI 결과를 ‘최종 답’이 아니라 ‘출발점’으로 본다고 답한 점이지요. 한국에 관한 부분도 있는데, 한국 응답자는 AI 변화에 대한 위기감이 78%(전 세계 65%)로 높은 반면, 리더와 전략적으로 방향을 맞췄다는 응답은 16%(전 세계 26%)로 낮게 나왔다고 해요. 또 보고서는 AI를 가장 앞서 쓰는 사람들(‘Frontier Professionals’)을 따로 봤는데, 이들은 일부러 어떤 작업은 AI 없이 직접 하고, AI가 할 일과 사람이 할 일을 미리 구분해 둔다는 특징이 있었답니다.
이 정리가 일하는 사람에게 유용한 건 “AI를 쓰느냐 마느냐보다, 어떻게 쓰느냐가 성과를 가른다”는 점을 숫자로 보여 주기 때문이네요. 쉽게 말하면, 잘 쓰는 사람들은 AI에 모든 걸 맡기는 게 아니라 “맡길 일과 내가 할 일을 미리 나눠 둔다”는 거지요. 한국마이크로소프트의 조원우 대표는 AI를 도입하는 것을 넘어 일하는 방식과 협업 구조를 바꿔 실제 성과로 잇겠다는 취지로 설명했다고 해요. 다만 66%·58%·78% 같은 수치는 모두 마이크로소프트가 자체 설문으로 낸 보고값이라, “AI가 사람을 대체한다” 같은 결론보다 “잘 쓰는 사람들의 습관”을 보여 주는 참고로 받아들이시면 좋겠네요.
이 진단을 우리 일에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
보고서가 짚은 ‘잘 쓰는 사람들’의 가장 큰 특징은 “AI에 맡길 일과 사람이 할 일을 미리 구분한다”는 거예요. 이게 무슨 뜻이냐면, AI를 만능 도구로 두고 아무 일이나 다 시키는 게 아니라, “이건 AI가 초안을 잡고, 이건 내가 처음부터 끝까지 한다”를 일 시작 전에 정해 둔다는 거지요. 예를 들어 자료 검색·1차 요약·반복 정리는 AI에, 최종 판단·관계가 얽힌 소통·창의적 방향 잡기는 사람에게 — 이렇게요. 두 번째 특징은 “AI 결과를 출발점으로 본다”는 거예요. 86%가 그렇게 답한 것처럼, AI가 준 답을 그대로 제출하지 않고 사람이 사실을 확인하고 다듬는 거지요. 마지막으로, 한국 데이터에서 드러난 “리더와 방향을 못 맞춘다(16%)”는 부분은 팀 차원의 숙제예요. 혼자 잘 쓰는 것을 넘어, 팀장과 “우리 팀은 AI를 어디에 어떻게 쓸지”를 한 번 맞춰 두면 개인의 잔재주가 팀의 성과로 올라선답니다.
AI 잘 쓰는 팀 점검 3가지
AI 잘 쓰는 팀 점검 3가지
[1] 맡길 일과 할 일을 미리 나누기
- AI: 자료 검색·1차 요약·반복 정리
- 사람: 최종 판단·관계 소통·방향 잡기
[2] 결과는 '출발점'으로
- AI 답을 그대로 제출 X → 사실 확인 후 다듬어 사용
[3] 리더와 방향 맞추기
- "우리 팀은 AI 를 어디에 어떻게 쓸지" 팀장과 한 번 합의
- 혼자 잘 쓰기 → 팀이 함께 쓰기로
마이크로소프트가 해마다 직장인의 일하는 방식·AI 활용을 설문으로 조사해 내는 보고서예요.
통신 3사가 고객센터에 AI를 본격 적용하고 있어요 — 상담사 옆에서 실시간으로 정보를 띄워 주는 방식이 핵심이랍니다
고객 문의가 몰리는데 베테랑 상담사의 지식을 신입에게 빨리 전하기 어려운 CS 팀이라면, AI가 상담 중 정보를 띄워 주는 방식이 궁금하지요.
SKT·KT·LG유플러스 통신 3사가 모두 고객센터에 AI를 본격 적용하고 있다는 보도예요. 공통된 흐름은 두 가지인데, 첫째는 상담사 옆에서 일하는 AI 어시스턴트예요. 고객이 상담사와 연결됐을 때 AI가 그 고객에게 맞는 정보를 실시간으로 화면에 띄워 줘서, 상담사가 일일이 찾아보지 않아도 정확하게 응대하도록 돕는 거지요. 둘째는 24시간 챗봇·보이스봇으로, 사람이 없는 시간에도 1차 상담을 받고 자주 묻는 질문을 처리해 대기시간을 줄인답니다. 예를 들어 KT는 AI 보이스봇 ‘지니’를 중심으로 24시간 상담을 운영하면서 ChatGPT·Claude 같은 생성형 AI를 접목하고, 상담이 끝나면 AI가 내용을 자동으로 분류·저장한다고 해요. 3사 모두 한국산업의 고객만족도 조사(KSQI) 우수 콜센터에 선정됐다는 점도 함께 거론됐지요.
이 사례가 일하는 사람에게 의미 있는 건 “AI가 상담사를 대신하는 게 아니라, 상담사 옆에서 정보를 대 주는 보조로 자리 잡고 있다”는 점이네요. 다른 말로 하면, 베테랑의 머릿속에만 있던 지식을 AI가 실시간으로 꺼내 줘서 신입도 비슷한 품질로 응대할 수 있게 돕는 거지요. 다만 어떤 회사가 어떤 기능을 쓰는지는 매체마다 표기가 조금씩 달라서, 개별 회사가 정확히 무엇을 쓴다고 단정하기보다 통신 3사의 공통 흐름으로 보시는 게 안전하답니다. 통신사 자체 발표를 매체가 정리한 내용이기도 하고요. CS 팀이라면 “상담사를 어떻게 도울까”의 좋은 본보기랍니다.
이 방식을 우리 CS 팀에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
통신 3사 사례에서 우리 팀이 바로 가져올 발상은 “AI를 상담사 대체가 아니라 상담사 보조로 쓰는” 거예요. 가장 먼저 할 일은 자주 묻는 질문과 그 표준 답변을 정리하는 거랍니다. 이게 잘 정리돼 있어야 AI가 상담 중에 정확한 정보를 꺼내 줄 수 있거든요. 그다음 단계가 상담 중 실시간 정보 제공인데, 고객 정보·이전 문의 이력·관련 안내를 한 화면에 띄워 주면 상담사가 헤매지 않지요. 마지막으로 상담이 끝난 뒤 AI가 내용을 자동으로 요약·분류해 두면, 다음에 같은 고객이 문의했을 때 맥락을 빠르게 잡을 수 있고 상담 품질 점검도 쉬워진답니다. 한 가지 기억하실 점은, AI가 띄워 준 정보가 항상 맞는 건 아니니 최종 판단과 책임은 상담사에게 둬야 한다는 거예요. AI는 베테랑의 지식을 빠르게 꺼내 주는 조수일 뿐, 고객을 마주하는 결정은 사람이 내리는 흐름이 가장 단단하답니다.
CS 팀 AI 보조 점검표
CS 팀 AI 보조 점검표
[준비]
- 자주 묻는 질문 → 표준 답변 한곳에 정리
- 이게 잘 돼 있어야 AI 가 정확한 정보를 꺼내 줌
[상담 중]
- 고객 정보·이전 문의 이력·관련 안내를 한 화면에 실시간 제공
- 상담사가 찾아 헤매는 시간 줄이기
[상담 후]
- AI 가 내용 자동 요약·분류 → 다음 문의 때 맥락 빠르게
- 최종 판단·책임은 상담사가 (AI 정보는 보조)
SKT·KT·LG유플러스 3사가 AI 어시스턴트·24시간 챗봇·보이스봇으로 고객센터를 고도화하고 있다는 보도예요. 어떤 회사가 어떤 기능을 쓰는지는 매체마다 표기 차이가 있으니 통신 3사 공통 흐름으로 보시고, 통신사 자체 발표 기반이라는 점도 함께 봐 주시면 좋답니다.
아주경제 — “통신 3사, KSQI 우수 콜센터 선정…AI 기반 고객센터 혁신 가속” →
🔖 용어 풀이
AI 어시스턴트 (AI assistant)
상담사 옆에서 고객 맞춤 정보를 실시간으로 띄워 응대를 돕는 AI 보조 도구예요.
보이스봇 (voicebot)
전화 음성으로 고객과 대화하며 1차 상담을 처리하는 AI예요.
직원 없이 AI 도구만으로 일하는 ‘솔로프리너’ 흐름이 나왔어요 — 1인·소규모로 여러 역할을 떠안은 분이 참고할 만하답니다
혼자 일하거나 작은 팀으로 여러 역할을 동시에 떠안고 있다면, 반복 작업을 AI에 넘기고 사람 손을 어디에 남길지가 고민이지요.
직원 없이 AI 도구만으로 큰 매출을 내는 ‘솔로프리너(solopreneur — 직원 없이 혼자 사업을 꾸리는 1인 기업가를 말해요)’ 흐름을 정리한 기사예요. 이건 주로 해외에서 먼저 두드러진 흐름인데, 대표 사례로 거론된 미국 회사 검로드(Gumroad)는 머니투데이 보도 기준 연매출 약 2,380만 달러(약 320억 원)를 직원 없이 냈다고 해요. 이런 1인 기업가들이 쓰는 방식은 비슷한데, 반복되는 행정 업무는 Zapier·Notion AI 같은 자동화 도구에, 회계·세무·결제 정리는 전용 서비스에 맡기고, 마케팅 콘텐츠(카피·블로그 초안·SNS 게시물·디자인 시안)의 1차 작업도 AI에 시킨 뒤 사람이 다듬는 식이랍니다. 기사는 도입자의 91%가 행정 업무가 줄었다고 보고했다는 수치도 함께 인용했어요.
이 흐름이 일하는 사람에게 의미 있는 건 “혼자 또는 작은 규모로 여러 역할을 떠안은 사람일수록 AI 위임의 효과가 크다”는 점이네요. 다만 검로드의 320억 원 매출이나 “91%가 행정 감소” 같은 수치는 모두 해외 사례·기사가 인용한 보고값이라, 한국에 그대로 옮겨 기대하기보다 흐름의 참고로 보시는 게 안전하답니다. 한국 맥락도 함께 보면, 기사는 직원 없이 혼자 사업하는 1인 창조기업이 100만 곳을 넘는다고 짚으면서, 한국은 미국식 글로벌 플랫폼형보다는 여러 일을 병행하는 다업종·포트폴리오형이 더 어울린다고 정리했어요. 다른 말로 하면, 한국의 1인 사업자에게 솔로프리너 발상은 “거대한 매출”보다 “혼자 떠안은 잡무를 덜어 본업에 집중하는” 쪽으로 받아들이는 게 현실적이지요.
이 발상을 내 일에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
해외 솔로프리너처럼 큰 매출을 노리지 않더라도, 핵심 발상은 1인·소규모로 일하는 누구나 바로 따라 할 수 있어요. 바로 “가장 손이 많이 가는 반복 업무 하나부터 AI에 넘기고, 나는 사람만 할 수 있는 일에 집중하는” 거지요. 하루를 돌아보며 “이건 굳이 내가 안 해도 되는데” 싶은 일을 하나 고르세요 — 보통은 반복되는 행정(정산·일정·메일 정리), 콘텐츠 1차 초안(제안서·SNS·블로그), 데이터 정리가 여기에 듭니다. 그 한 가지부터 AI에 맡겨 보고, 손에 익으면 다음 업무로 넓혀 가시면 부담이 적답니다. 다만 판단·관계·최종 검수는 사람이 쥐고 계셔야 해요. AI가 제안서 초안을 써도 고객에게 보내기 전 사람이 다듬고, 정산을 정리해도 최종 확인은 사람이 하는 식이지요. 그래야 AI가 실수해도 큰일로 번지지 않는답니다. 결국 솔로프리너의 핵심은 “AI가 직원 여러 명 몫의 잡무를 덜어 주는 동안, 사람은 자기만 할 수 있는 일에 시간을 모으는” 거랍니다.
1인·소규모 AI 위임 4단계
1인·소규모 AI 위임 4단계
[1] 반복 행정 자동화
- 정산·일정·메일 정리처럼 매번 비슷한 일부터
[2] 콘텐츠 1차 초안은 AI
- 제안서·SNS·블로그 초안 → 사람이 다듬어 마무리
[3] 데이터 정리 자동화
- 흩어진 자료 모으기·분류·요약
[4] 판단·관계·최종 검수는 사람
- 고객에게 나가는 글·결정은 사람이 최종 확인
- AI 가 실수해도 큰일로 번지지 않게
직원 없이 혼자 사업을 꾸리는 1인 기업가를 말해요. solo(혼자)와 entrepreneur(사업가)를 합친 말이지요.
1인 창조기업
창의성·전문성을 바탕으로 직원 없이(또는 소수로) 운영하는 1인 사업체를 가리키는 한국의 정책 용어예요.
🇰🇷
Chapter 03
작은 가게·1인 사업에서 바로
정부가 작은 가게의 AI 활용에 비용을 보태 줘요 — 올해 ‘AI 활용 지원’이 처음 별도 사업으로 생겼답니다
AI를 써 보고 싶은데 비용도 방법도 막막한 작은 가게 사장님이라면, 정부가 비용을 보태 주는 길이 열렸는지 궁금하지요.
정부가 소상공인 지원사업을 통합해 공고하면서, ‘혁신 소상공인 AI 활용 지원’을 처음으로 별도 사업으로 신설했어요. 중소벤처기업부(중기부) 자료에 따르면 이 사업에 144억 원이 새로 배정됐는데, 작은 가게가 AI를 활용해 차별화된 제품을 만들거나 서비스를 들여 비용을 줄이고 일을 효율화하도록 돕는다는 취지랍니다. 교육부터 실전 적용, 사업화까지 단계적으로 지원하는 구조로 설계됐고, 신청과 문의는 소상공인24(sbiz24.kr), 소상공인시장진흥공단(semas.or.kr), 중기부(mss.go.kr)를 통하게 돼 있어요. 한 가지 분명히 해 둘 점은, 확정된 사실은 ‘144억 원 신규 예산’이고, 몇 명·몇 개 가게를 뽑는지 같은 구체적인 모집 규모는 통합 공고에 담겨 있지 않다는 거예요. 그건 개별 사업 공고에서 정해진답니다.
이 소식이 작은 가게 사장님에게 의미 있는 건 “AI가 큰 회사만의 것이 아니라, 정부가 작은 가게의 AI 활용까지 비용으로 받쳐 주기 시작했다”는 점이네요. 쉽게 말하면, 비용이 부담돼 AI를 못 써 보던 가게도 지원을 받아 시작해 볼 길이 생겼다는 뜻이지요. 다만 통합 공고가 처음 나온 시점과 개별 사업의 신청 마감은 다를 수 있으니, “지금 바로 신청 가능한가”는 소상공인24 등에서 해당 사업의 마감일을 직접 확인하셔야 한답니다. 정부 지원사업은 마감이 지나면 신청이 안 되니, 관심 있는 사업의 일정부터 챙겨 두시는 게 먼저예요.
이 지원을 우리 가게에 어떻게 활용하면 좋은지 한 발 더 들어가 보겠습니다.
지원사업을 잘 쓰려면 “내 업종에서 AI를 어디에 쓸지”를 먼저 그려 두는 게 순서예요. 막연히 “AI 지원 받아야지”보다, 우리 가게에서 가장 손이 많이 가는 일 하나를 떠올리는 거지요. 정부 사업을 풀이한 한 안내 글은 업종별 적용 예시를 들었는데, 예를 들어 빵집은 AI 수요예측으로 안 팔리고 버리는 양(폐기 로스)을 줄이고, 미용실은 AI 고객 응대 챗봇으로 예약·상담을 자동화하며, 작은 식당은 AI로 메뉴 추천이나 마케팅 콘텐츠를 만드는 식이랍니다. 다만 이건 어디까지나 안내 글이 든 예시일 뿐, 실제로 그렇게 해서 효과를 본 가게의 사례는 아니라는 점은 분명히 봐 주셔야 해요. 우리 가게에 맞을지는 직접 작게 시험해 봐야 알 수 있지요. 그러니 ① 가장 손 많이 가는 일 하나를 정하고, ② 그 일에 맞는 AI 기능(수요예측·예약 챗봇·콘텐츠 생성)을 떠올린 뒤, ③ 지원사업으로 비용을 보조받을 수 있는지 자격·매출 기준과 마감일을 확인하는 — 이 순서로 접근하시면 헛걸음이 적답니다.
소상공인 AI 지원사업 활용 점검
소상공인 AI 지원사업 활용 점검
[1] 내 업종 + 가장 손 많이 가는 일 1개
- 예: 빵집 수요예측 / 미용실 예약·상담 / 식당 메뉴·콘텐츠
- (※ 안내 예시일 뿐, 우리 가게엔 작게 시험해 확인)
[2] 그 일에 맞는 AI 기능 떠올리기
- 수요예측 / 예약 챗봇 / 콘텐츠 생성 등
[3] 지원 자격·일정 확인
- 자격·매출 기준 확인 / 신청 마감일 메모
- 소상공인24(sbiz24.kr)·소상공인시장진흥공단(semas.or.kr) 확인
만들어 두었지만 팔리지 않아 버리게 되는 양을 말해요. 수요예측으로 줄일 수 있는 비용이지요.
학원·교습소·과외 일을 AI가 거들어 줘요 — 출결·상담·정산 같은 행정과 교재 준비를 덜어 주는 흐름이랍니다
수업 준비만으로도 벅찬데 출결 확인, 학부모 상담, 결제·정산에 문제지 만들기까지 혼자 떠안는 학원·교습소 원장님이나 과외 선생님이라면, 손을 덜어 줄 도구가 절실하지요.
학원·교습·과외 현장에서 AI가 거드는 흐름이 두 갈래로 나타나고 있어요. 하나는 학원 운영을 통째로 묶어 주는 플랫폼인데, ‘올인원장’이라는 AI 학원운영 플랫폼은 출결·상담·결제·정산·리포트를 한 흐름으로 모으고, AI가 학부모 상담 전략을 만들어 주거나 수업 데이터를 실시간으로 정리해 준다고 해요(월드IT쇼 2026 출품작 소개 기준). 또 하나는 과외·교습 강사의 수업 준비를 AI가 분담하는 흐름이에요. 한 교육 코스는 강사가 준비·진단·행정은 AI에 맡기고 ‘가르치는 관계’에 집중하도록, 학생 수준별 연습문제·독해 지문·풀이 예제를 몇 분 만에 만드는 방법을 다룬답니다. 쉽게 말하면, 손이 많이 가는 행정과 교재 준비는 AI가, 학생과 마주하는 일은 선생님이 — 이렇게 역할을 나누는 거지요.
이 흐름이 작은 학원·과외 선생님에게 의미 있는 건 “가르치는 일 외에 떠안은 행정·준비 업무를 덜어 줄 도구가 늘고 있다”는 점이네요. 다른 말로 하면, 정작 중요한 수업과 학생 관리에 쏟아야 할 시간을 출결 정리나 문제지 만들기가 갉아먹고 있었던 거지요. 다만 올인원장 같은 플랫폼은 솔루션 회사가 자사 제품을 소개한 성격이 강하고, 과외 코스도 활용을 가르치는 학습 자료라, 실제 학원·강사가 써서 “이만큼 효과를 봤다”는 실명 사례나 검증된 수치는 아직 보이지 않는다는 점은 함께 봐 주셔야 해요. 그러니 도구 자체보다 “내 일에서 무엇을 AI에 넘길 수 있나”의 그림으로 참고하시면 좋답니다. 한국 사교육 시장은 연 27조 원대로 알려질 만큼 크지만, 이 숫자는 배경 맥락일 뿐 도구의 효과를 보장하진 않아요.
이 발상을 우리 학원·과외 일에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
학원·과외에서 AI를 들일 때 좋은 출발점은 “가장 손 많이 가는 행정 하나”부터예요. 보통은 출결 정리, 학부모 상담 기록·요약, 정산이 여기에 들지요. 예를 들어 학부모와 나눈 상담 내용을 AI가 요약해 기록 초안을 만들어 주면, 선생님은 검토만 하면 되니 부담이 줄어요. 교재 준비도 큰 도움을 받을 수 있는데, 학생 수준에 맞춘 연습문제나 오답 유형별 보충 문제를 AI가 빠르게 뽑아 주면 밤새 문제지를 만들던 시간이 크게 줄지요. 다만 두 가지는 꼭 사람이 챙기셔야 해요. 첫째, AI가 만든 문제·지문에 오류나 부적절한 내용이 없는지 선생님이 반드시 확인하셔야 한답니다 — 학생에게 그대로 나가는 자료니까요. 둘째, 학생·학부모의 개인정보를 AI 도구에 입력할 때는 그 정보가 어디에 보관되고 안전한지 미리 확인하셔야 하지요. 정리하면, 반복 행정과 교재 1차 준비는 AI가, 가르치는 시간과 학생과의 관계는 선생님이 — 이 나눔이 가장 단단한 활용법이에요.
학원·과외 AI 분담 점검표
학원·과외 AI 분담 점검표
[행정부터 1개]
- 출결 정리 / 학부모 상담 기록·요약 / 정산 중 1개부터
- 상담 메모 → AI 가 요약·기록 초안 → 선생님 검토
[교재 준비]
- 학생 수준별 연습문제·오답 보충 문제 AI 가 1차 생성
- 독해 지문·풀이 예제 빠르게 뽑기
[사람이 꼭 챙길 것]
- AI 가 만든 문제·지문의 오류·부적절 내용 확인 (학생에게 나가는 자료)
- 학생·학부모 개인정보 입력 시 보관·안전 미리 확인
- 가르치는 시간·학생 관계는 선생님이
여러 기능을 한곳에 모아 쓰게 해 주는 시스템·서비스를 말해요. 여기서는 출결·상담·정산을 한 흐름으로 묶은 학원 운영 시스템이지요.
📋
Chapter 04
이번 주 다른 뉴스 8건
같은 주에 함께 본 다른 흐름은 짧은 한국어 요약으로 정리해 두었답니다.
— 글로벌 회사·자본
제프 베이조스가 엮인 로봇 AI 회사가 4억 달러를 모았어요 — AI가 화면을 넘어 로봇으로 가는 흐름이랍니다
로봇용 범용 AI 모델을 만드는 스타트업 Generalist AI가 4억 달러를 조달하며 기업가치 약 20억 달러로 평가받았다고 Bloomberg가 전했어요. 공장·창고·실험실·가정에서 로봇이 복잡한 일을 스스로 해내게 하는 ‘AI 두뇌’를 만들겠다는 회사인데, 투자자로는 NVIDIA·Bezos Expeditions 등이 거론됐지요. 물리 현장(제조·물류·매장)을 다루는 회사라면 “AI·로봇이 들어올 여지” 정도를 한 줄 메모해 두실 만하답니다.
마이크로소프트가 사내 AI 에이전트를 한곳에서 관리하는 ‘Agent 365’를 정식 출시했어요 — 직원이 몰래 쓰는 AI가 걱정인 회사가 볼 만하답니다
마이크로소프트가 사내 AI 에이전트를 한곳에서 관리·통제하는 ‘Agent 365’를 프리뷰에서 정식으로 전환했다는 보도예요. 배경은 직원들이 회사 승인 없이 제각각 외부 AI를 쓰는 ‘섀도 AI’가 보안 위협으로 떠올랐다는 거지요. 직원들이 무엇을 쓰는지 회사가 파악하기 어려운 곳이라면, 누가 어떤 AI를 쓰는지 목록화하고 민감 데이터 입력 금지선·승인된 도구 일원화를 점검 항목으로 들고 계시면 도움이 된답니다.
엔비디아가 긴 작업을 오래 처리하는 오픈 AI 모델 Nemotron 3 Ultra를 공개했어요 — 사내에서 직접 돌릴 모델을 찾는 팀이 메모할 만하답니다
엔비디아가 긴 작업을 오래 수행하는 에이전트용 오픈 가중치 모델 Nemotron 3 Ultra를 컴퓨텍스 2026에서 공개했어요. 전체 5,500억(550B) 규모에 한 번에 쓰는 부분은 약 550억(55B)인 구조로, 최대 100만(1M) 토큰까지 한 번에 다룰 수 있다고 해요. 다만 성능 수치는 엔비디아 자체 발표이고 공개 시점이 6월 초라, 사내에서 직접 돌릴 오픈 모델을 지켜보는 팀이라면 우리 작업으로 직접 비교한 뒤 검토하시면 되겠네요.
업스테이지가 ‘AI 모델을 업무에 연결하는 회사’로 전환을 선언했어요 — 모델 성능만 보지 말라는 신호랍니다
한국 AI 회사 업스테이지(Upstage)가 2026-06-16 기자간담회를 열고 ‘업스테이지 컴퍼니’ 전환을 선언했어요. AI 모델만 만들던 데서, 모델·에이전트·플랫폼을 하나로 묶어 AI를 실제 업무에 퍼뜨리는 구조로 바꾸겠다는 거지요. 김성훈 업스테이지 대표가 발표했다고 보도됐는데, AI 도구 도입을 검토하는 회사라면 “모델 성능만 보지 말고 우리 업무에 붙이는 방법까지 확인”하라는 흐름의 신호로 보시면 좋답니다.
마케터는 생성형 AI로 무엇을 바꾸고 있을까요 — 초안은 AI, 판단은 사람으로 무게가 옮겨 간답니다
마케터가 생성형 AI로 콘텐츠 전략·제작을 어떻게 바꾸는지 정리한 글이에요. AI가 카피·이미지·영상의 1차 초안을 만들고, 사람은 그게 브랜드에 맞는지·언제 어떻게 쓸지 판단하는 역할로 옮겨 간다는 흐름을 담았지요. 콘텐츠를 매일 찍어내야 하는 마케터라면, 초안은 AI에 맡기고 브랜드 톤·사실 확인은 사람이 쥐는 분담부터 시험해 보시면 좋답니다. (글에 인용된 활용률 수치는 원 출처가 또렷하지 않으니 흐름의 참고로만 봐 주세요.)
문서·보고서를 만들 때 AI 도구를 단계별로 ‘조합’하는 흐름이에요 — 한 도구로 다 하려 말라는 이야기랍니다
보고서·회의록·리서치·발표 자료를 만들 때 AI 도구를 단계별로 이어 붙이는 방법을 정리한 글이에요. 한 도구로 전부 하려 하기보다, 자료 모으기·구조 잡기·표 만들기·슬라이드화 같은 단계마다 맞는 도구를 나눠 쓰자는 거지요. AI 하나로 문서를 다 만들려다 결과가 어정쩡했던 분이라면, 단계마다 도구를 나누고 사실은 사람이 확인하는 흐름을 참고하시면 좋답니다. (인용된 설문 수치는 원 출처가 또렷하지 않아 흐름의 참고로만 봐 주세요.)
한국 기업의 AI는 ‘도입은 했는데 활용은 얕다’는 진단이 나왔어요 — 도구만 깔고 멈춘 회사가 짚어 볼 만하답니다
한국 기업의 AI 도입은 빨라 보여도 실제 활용 깊이는 얕다는 현황 정리예요. 도구는 들였지만 부서별 실제 업무 연결, 사용법 공유, 성과 측정 같은 조직 차원의 준비가 약하다는 진단을 담았지요. 회사가 AI를 도입했다는데 내 업무는 그대로라면, 도구 도입에서 멈추지 말고 부서별 업무 연결·교육·성과 측정까지 이어졌는지 점검해 보시면 좋답니다. (인용된 도입률 수치는 원 출처가 또렷하지 않아 흐름의 참고로만 봐 주세요.)
AI가 농가 경영을 진단해 절감 지점을 짚어 주는 흐름이 거론됐어요 — 농업·자영을 겸하는 분이 지켜볼 만하답니다
생성형 AI가 농가의 경영 상태를 분석해 맞춤 해법을 제시한다는 농업 분야 적용 흐름이 거론됐어요. 다만 세부 수치·일정은 아직 또렷이 확인되지 않아, 구체 사실보다 “농업·자영에도 AI 경영 진단이 들어오기 시작했다”는 흐름 한 줄로만 봐 주시면 좋겠네요. 농사와 장부·판로를 함께 챙기는 분이라면, 매달 들어가는 비용 항목을 정리해 두는 것부터가 AI 진단의 출발점이랍니다.
“글로벌 AI 회사가 한국에 깊이 들어오고, 한국도 자기 상황에 맞는 AI 잣대를 만들기 시작한 한 주”였어요
이번 주를 한 줄로 모으면, “글로벌 AI 회사가 한국에 깊이 들어오고, 한국도 자기 상황에 맞는 AI 잣대를 만들기 시작한 한 주”였답니다. Anthropic이 서울에 자리를 잡고 네이버·삼성·넥슨이 이미 Claude를 쓰고 있다는 소식, 세일즈포스가 AI 상담 회사를 사들이려는 움직임, 그리고 KT·고려대가 전세사기·독도까지 따지는 한국형 안전 기준을 내놓은 일은 모두 “AI가 점점 우리 일터 가까이, 우리 상황에 맞게 들어온다”는 같은 그림이었지요.
특별히 눈에 띄는 건 작은 가게와 1인 사업, 학원·과외의 이야기예요. 정부가 작은 가게의 AI 활용에 비용을 보태기 시작하고, 학원의 출결·상담·교재 준비 같은 일을 AI가 거들기 시작한 흐름은 — 큰 회사의 큰 발표만큼이나, 오늘 내 일을 가볍게 해 줄 현실적인 변화였답니다. 다만 어느 도구든 “직접 작게 써 보고 우리 일에 맞는지 확인하는” 절차는 늘 사람 몫으로 남는다는 점도 함께 기억해 두시면 좋겠네요.
큰 회사가 AI를 깊이 들이든, 작은 가게에서 혼자 다 떠안고 있든, 이번 주에는 가장 손이 많이 가는 반복 업무 하나만 골라 AI 도구 하나를 한 달 시범으로 써 보시는 건 어떨까요. 다음 주 월요일에 또 새로운 활용법으로 찾아뵙겠습니다.
매주 월요일, 메일함으로 받아보기
이메일을 남기시면 다음 호부터 자동으로 보내드려요. 언제든 한 번 클릭으로 끊으실 수 있답니다.