이번 주는 '검색창'이 바뀌었어요. 네이버가 대화형 검색 'AI탭'을 모두에게 열면서, 키워드를 넣는 자리가 예약·구매까지 시키는 비서로 바뀌었답니다. 한편 바다 건너에선 가장 강력한 새 AI를 누가 쓸 수 있는지를 정부가 먼저 들여다보기 시작했지요. 우리 월요AI는 그 큰 흐름을, 그리고 한국 회사·가게가 실제로 AI를 어떻게 쓰고 있는지를 책상 앞 눈높이로 같이 들여다봐요.
함께 읽으면 좋은 지난 특집
어제 아이패드 값이 왜 올랐을까요 — AI가 전 세계 메모리를 삼키는 중이랍니다
요즘 컴퓨터 램(RAM)이며 SSD 값이 부쩍 올랐다고 느끼셨다면, 그게 기분 탓이 아니에요. 애플이 맥과 아이패드 값을 올리며 직접 댄 이유가 'AI 데이터센터가 메모리를 쓸어가서'였거든요. 우리 월요AI 특집에서 그 한 문장을 따라, 메모리값이 정말 얼마나 올랐는지(내 지갑까지), 그 메모리가 흘러간 AI 데이터센터 속이 어떻게 생겼는지를 천천히 짚어 봤답니다.
클로드·챗GPT·제미나이·그록이 어디서 돌아가는지, 삼성·SK하이닉스에는 왜 호재이자 양날의 검인지까지 — 이번 호의 'AI가 검색창과 가게로 들어온 이야기'와 나란히 읽으면 그림이 한결 또렷해질 거예요.
네이버 검색창이 '비서'로 바뀌었어요 — 'AI탭' 정식 출시, 이제 검색하면서 예약·구매까지 시킨답니다
"맛집 좀 찾아서 예약까지 해줘" 같은 부탁, 사람한테나 하던 말이었지요. 그런데 검색창에 그렇게 말하는 시대가 열렸어요.
네이버 (NAVER)가 2026년 6월 26일, 대화형 검색 'AI탭'을 모바일·PC 전체 사용자에게 정식으로 열었어요. 올해 4월 일부 사용자에게만 보여 주던 시험 버전을 모두가 쓸 수 있게 한 거예요. 핵심은 단순히 '검색 결과를 보여 주는' 데서 그치지 않고, 쇼핑·장소 탐색·예약 같은 실제 행동까지 이어 주는 실행형 검색이라는 점이랍니다. 네이버는 이 서비스를 위해 검색에 맞춰 따로 설계한 '프로덕트 네이티브 LLM'을 적용했다고 밝혔어요. LLM(Large Language Model — 사람 말을 알아듣고 문장을 만들어 내는 큰 언어 모델)을 검색이라는 한 가지 일에 맞춰 다듬었다는 뜻이지요.
네이버 발표 기준으로, 시험 기간을 거치며 누적 사용자가 약 400만 명을 넘었고, 상품·장소 카드를 눌러 보는 비율(클릭률)도 각각 20%를 웃돌았다고 해요. 특히 11번 넘게 들어와 본 사람은 한 번만 써 본 사람보다 상품 클릭이 2.7배, 장소 클릭이 2배 높았다고 하니, 한 번 익숙해지면 계속 쓰게 되는 모양새예요. (다만 이 수치들은 모두 네이버가 스스로 집계해 내놓은 값이라는 점은 짚어 둘게요.)
쉽게 말하면, 검색이 '정보를 찾아 주는 일'에서 '대신 일을 처리해 주는 일'로 한 발 옮겨 갔네요. 우리가 회사에서 신입에게 "이거 좀 알아봐 줘"가 아니라 "이거 알아보고 예약까지 잡아 줘"라고 부탁하는 것과 비슷하지요. 네이버는 하반기에 부동산 매물 추천이나 건강검진 결과 분석 같은 기능도 더한다고 했으니, 점점 더 '알아서 처리해 주는' 쪽으로 갈 거예요.
이게 직장인·자영업자에게 왜 중요하냐면, 두 가지예요. 첫째, 내가 검색하는 방식을 바꿔야 더 잘 쓸 수 있어요. 예전처럼 '강남 회의실'이라고 단어만 던지기보다, '내일 오후 2시 강남역 근처 6인 회의실, 2시간, 주차 되는 곳 예약 알아봐 줘'처럼 목적·조건·원하는 결과를 한 문장으로 주면 실행형 검색이 제 실력을 내거든요. 둘째, 내 가게·내 서비스가 이 새 검색에서 어떻게 보일지도 신경 써야 해요. AI가 추천 목록을 만들 때 참고하는 건 결국 잘 정리된 소개 정보거든요. 가게 영업시간·메뉴·특징을 또렷하게 적어 두는 일이 전보다 더 중요해졌답니다.
AI 검색에 '실행형'으로 부탁하는 한 문장 틀
"[목적]을 [조건: 가격·위치·날짜·인원]으로 찾아서,
[원하는 결과: 예약/구매/비교표]까지 정리해 줘."
예) "내일 저녁 7시, 성수동 4인 한식당, 룸 있고 주차 되는 곳을
예약 가능 여부까지 표로 정리해 줘."
사람의 말을 알아듣고 문장을 만들어 내도록 아주 많은 글로 학습한 큰 언어 모델이에요. 우리가 쓰는 챗봇의 두뇌라고 보면 되지요.
클릭률 (CTR, Click-Through Rate)
보여 준 항목 중 실제로 눌러 본 비율이에요. 100번 보여 줘서 20번 눌렸으면 20%랍니다.
가장 강력한 새 AI를 '아무나 못 쓰게' 됐어요 — GPT-5.6은 정부 승인 기업에만, 클로드 미토스 5는 다시 열렸답니다
새 AI 모델이 나오면 바로 써 보던 게 당연했지요. 그런데 이번엔 "정부 허락부터"라는 절차가 끼어들었어요.
2026년 6월 26일, OpenAI가 차세대 모델 GPT-5.6을 선보였어요. 셋으로 나뉘는데, 가장 똑똑한 Sol(솔), 일상 업무용으로 균형을 맞춘 Terra(테라), 가장 빠르고 저렴한 Luna(루나)예요. 눈에 띄는 건 Sol에 새로 들어간 두 가지 기능이에요. 하나는 어려운 문제에 더 오래 깊이 생각하는 '맥스(max)' 추론 단계고, 다른 하나는 작은 보조 일꾼들(sub-agents — 큰일을 잘게 나눠 맡는 작은 AI 도우미)을 동원해 복잡한 작업을 나눠 처리하는 '울트라(ultra)' 모드예요. 쉽게 말하면 '얼마나 깊이 생각할지'를 우리가 직접 고를 수 있게 된 거지요. 회사가 함께 낸 공식 평가표(시스템 카드)를 보면, 의료 관련 답변 평가에서 Sol이 60.5점으로 직전 세대보다 8.7점 올랐다고 해요. (이 점수는 OpenAI가 자체적으로 측정한 값이고, 바깥의 독립 기관이 매긴 건 아직 아니에요.)
그런데 정작 화제가 된 건 성능이 아니라 '누가 쓸 수 있느냐'였어요. GPT-5.6은 일반에 바로 풀리지 않고, 정부가 참여를 승인한 약 20개 기업에만 먼저 열렸거든요. 배경은 6월 2일에 나온 미국 행정명령이에요. 아주 강력한 새 AI는 출시 전에 정부가 그 능력을 미리 들여다보는 절차가 생겼고, 정부는 출시 최대 30일 전에 모델 접근을 요청할 수 있게 됐어요. 다만 이건 강제 허가가 아니라 회사가 자발적으로 참여하는 형식이라고 명시됐답니다. OpenAI도 "이런 정부 접근 절차가 오래 가는 기본값이 되어선 안 된다"는 입장을 밝혔어요.
같은 날, 반대 방향의 소식도 있었어요. Anthropic(앤트로픽)의 클로드 미토스 5(Claude Mythos 5)가 약 100개 승인 기업·정부기관에 다시 열린 거예요. 6월 12일부터 국가안보를 이유로 외국인 직원의 접근이 막혀 있던 2주간의 교착이 일부 풀린 셈이지요. (이 두 소식은 CNBC 등 여러 매체가 함께 정리한 내용이에요.) 정리하면, 같은 6월 26일에 미국 양대 AI 회사의 최첨단 모델이 '정부 손'을 거쳐 누구에게 열릴지가 갈린 한 주였네요.
이게 우리 회사 일에 무슨 상관이냐면, 새 AI 도구를 도입할 때 '성능'만이 아니라 '쓸 수 있느냐·언제·어느 나라에서'를 먼저 따져야 하는 시대가 됐다는 거예요. 특히 외국 직원이 있거나 해외 협업이 잦은 팀이라면, 멋진 새 모델이 나왔다는 소식에 바로 도입 계획을 세우기보다 우리가 그걸 실제로 쓸 수 있는 대상인지부터 확인하는 게 안전하겠지요. 출시 일정이 미뤄지거나 지역이 제한되는 일이 전보다 잦아질 테니까요.
새 AI 모델 도입을 검토할 때 먼저 확인할 점검표
□ 정식 출시인가, 일부에게만 열린 제한 공개인가?
□ 우리 회사·우리 나라에서 지금 쓸 수 있는가?
□ 외국인 직원·해외 지사도 같은 조건으로 쓸 수 있는가?
□ '깊이 생각 모드(max)'처럼 비용이 더 드는 기능은 어디에 쓸지 정했는가?
□ 도입 일정을 특정 출시일에 못 박지 않고 여유를 뒀는가?
AI가 답을 내기 전에 속으로 생각하는 과정이에요. '더 오래 생각하게' 설정하면 어려운 문제에 더 정확하지만 시간·비용이 더 들지요.
sub-agent (하위 에이전트)
큰일을 잘게 나눠 맡는 작은 AI 도우미예요. 한 명이 다 하기보다 여럿이 나눠 하는 셈이지요.
시스템 카드 (system card)
새 모델의 성능 점수와 안전 등급을 정리해 회사가 공개하는 설명서 같은 문서랍니다.
잘나가던 구글 딥마인드에서 핵심 인재가 한꺼번에 빠졌어요 — 우리 팀의 '그 사람 없으면 멈추는 일'을 돌아보게 되네요
한 사람이 빠졌을 뿐인데 프로젝트 전체가 휘청인 경험, 회사 다니면 한 번쯤 겪지요.
빅테크인 구글 딥마인드 (Google DeepMind)에서 핵심 연구자들이 잇따라 경쟁사로 떠났어요. 구글의 대표 AI '제미나이(Gemini)'를 함께 이끌던 Noam Shazeer가 6월 18일 OpenAI행을, 단백질 구조 예측 '알파폴드'를 만들고 2024년 노벨화학상을 받은 John Jumper가 6월 19일 Anthropic행을 발표했거든요. 단 이틀 사이 두 핵심 인력이 빠지자, 6월 22일 모회사 알파벳 주가가 약 5% 내렸네요.
공교롭게도 비슷한 시기에 구글은 차기 모델 '제미나이 3.5 프로'의 출시를 6월에서 7월로 미뤘어요. 시험 사용자 의견을 반영해 더 다듬기 위해서라고 했는데, 이 새 모델은 긴 호흡의 작업과 AI 에이전트(스스로 여러 단계 일을 처리하는 AI)를 돌리는 데 더 강할 것으로 보도됐어요. 인재 이탈과 출시 지연이 겹치자, 몇몇 매체는 "딥마인드가 선두를 지킬 수 있겠느냐"는 의문을 던지기도 했지요. (이 '경쟁력 의문'은 매체의 해석이라는 점은 분명히 해 둘게요. 떠난 사람과 날짜는 사실이지만, 그게 곧 회사의 쇠퇴를 뜻하는지는 더 지켜봐야 하니까요.)
여기서 우리가 가져갈 교훈은 회사 규모와 상관없이 똑같아요. 핵심 역량이 특정 한두 사람한테만 쏠려 있으면, 그 사람이 빠질 때 일이 멈춰요. 빅테크조차 그런데 작은 팀은 더하지요. 그래서 평소에 '이 사람이 내일 안 나오면 멈추는 일이 뭔지'를 점검해 두는 게 중요해요. 회의실에서 "그건 김 대리만 알아요"라는 말이 나오는 업무가 있다면, 그게 바로 위험 신호랍니다.
'그 사람 없으면 멈추는 일' 점검표 — 분기 1회
1. 우리 팀에서 한 사람만 할 줄 아는 업무를 모두 적는다.
2. 각 업무 옆에 "문서·매뉴얼이 있나? (있음/없음)"을 표시한다.
3. '없음'인 업무부터, 그 사람에게 30분만 받아 절차를 글로 남긴다.
4. 다음 분기엔 다른 사람이 그 문서만 보고 한 번 따라 해 본다.
한 번 묻고 한 번 답하는 챗봇과 달리, 목표를 주면 여러 단계를 스스로 밟아 일을 처리하는 AI예요.
민원·증명서 떼는 일을 카카오톡 'AI 국민비서'가 대신해요 — 정부가 '공공 AI'에 본격 시동을 걸었답니다
주민등록등본 한 장 떼려고 정부24에서 헤매 본 적, 다들 있으시지요.
행정안전부가 6월 23~24일 일산 킨텍스에서 '2026 공공 AI 박람회(KPAIX 2026)'를 열고, 기존 디지털정부를 넘어 인공지능이 중심이 되는 'AI 민주정부'로 가겠다고 선언했어요. 이름은 거창하지만, 우리 생활에 닿는 알맹이는 분명해요. 카카오 (Kakao)가 행정안전부와 함께 만든 'AI 국민비서'를 선보였는데, 카카오톡 안에서 공공 업무를 처리하는 모습을 직접 시연했거든요. 삼성SDS는 AI 에이전트 플랫폼 '패브릭스'를 공공 업무에 적용한 사례를 전시했고요. 이번 박람회엔 삼성SDS·LG CNS·네이버클라우드·카카오 등 국내 AI 기업과 스타트업 52개사가 참여했고, 행정안전부를 포함한 5개 부처가 '범부처 K-AI Gov 얼라이언스'라는 협의체 협약도 맺었답니다.
정부가 이걸 왜 하느냐면, 공공 분야에서 AI를 많이 쓰면 그게 국내 AI 기업의 일감·성장으로 이어진다고 보기 때문이에요. 쉽게 말해 정부가 큰 고객이 되어 국산 AI를 키우겠다는 그림이지요. (이 'AI 민주정부'는 정부가 내건 정책 이름이라, 우리는 정치적 평가는 빼고 '무슨 서비스가 생기느냐'만 담백하게 볼게요.)
이게 직장인·자영업자에게 주는 실마리는 이래요. 증명서 발급, 신고, 예약 같은 반복 행정 업무가 점점 'AI 비서에게 말하면 끝나는' 일로 바뀌고 있다는 거예요. 그렇다면 우리 회사 안의 반복 서류 업무도 같은 눈으로 한번 훑어볼 만하지요. 관청에 내야 하는 서류, 매번 똑같이 채우는 양식, 정기적으로 떼는 증명서를 목록으로 만들어 두면, AI 국민비서나 관청 챗봇으로 대체할 수 있는 일과 사람이 꼭 해야 하는 일이 갈리거든요.
반복 행정·서류 업무 정리표
1. 한 달에 한 번 이상 반복하는 행정·서류 업무를 모두 적는다.
(예: 4대보험 신고, 증명서 발급, 관청 제출 양식)
2. 각 항목을 'AI 비서/관청 챗봇으로 가능' / '사람이 확인 필요'로 나눈다.
3. '가능'은 카카오톡 AI 국민비서·정부24 등에서 처리 경로를 적어 둔다.
4. '확인 필요'만 남겨, 사람의 시간을 거기에 집중한다.
여러 업무용 AI 도우미를 한곳에서 만들고 관리하도록 묶어 둔 도구예요. 부서마다 따로 쓰던 AI를 한 줄로 세워 주는 셈이지요.
🛠️
Chapter 02
회사 일에 바로
데이터 좀 뽑아 달라는 부탁, AI가 'SQL 초안'까지 짜 줘요 — 당근 데이터팀이 1년간 바꾼 일하는 방식
"이 숫자 좀 뽑아 주세요" 한마디에 또 쿼리를 처음부터 짜느라, 정작 중요한 분석은 뒤로 밀리고 계시지요.
당근(옛 당근마켓)의 데이터가치화팀이 지난 1년간 일하는 방식을 어떻게 바꿨는지 공식 기술 블로그에 공유했어요(작성자 Jin-won Park 님). 핵심은 사내에 흩어져 있던 데이터 도구 6종 — 데이터 창고(BigQuery), 테이블끼리의 연결 관계, 전사 지표, 대시보드, 이벤트 기록, 실험 결과 — 을 각각 MCP 서버로 묶은 거예요. MCP(Model Context Protocol — AI가 외부 도구·데이터에 안전하게 연결되도록 정한 공통 규격)로 묶어 두니, 팀원이 자연어로 "지난 4주 신규 가입자 중 일주일 안에 다시 온 비율 알려 줘"라고 물으면 AI가 알아서 해당 데이터를 찾아 조회해 주는 식이지요.
복잡한 쿼리는 Claude Code(클로드 코드 — 개발 작업을 도와주는 AI 도구)로 초안을 빠르게 만들고, 사람이 그 로직이 맞는지 검토하는 흐름으로 운영한다고 해요. 그러면서 데이터 담당자의 일이 'SQL을 직접 한 줄 한 줄 짜는 것'에서 '문제를 잘 정의하고, 나온 결과가 맞는지 살피고, 데이터 환경을 설계하는 것'으로 옮겨 갔다고 정리했답니다.
여기서 중요한 건 'AI가 사람을 대신했다'가 아니라 '사람의 역할이 위로 올라갔다'는 점이에요. 다른 말로, 단순 반복은 AI가 초안을 잡고 사람은 판단과 검토에 집중하는 분업이지요. 그래서 이 방식을 우리 회사에 적용할 때도 'AI가 짜 준 걸 그대로 쓴다'가 아니라 'AI 초안을 사람이 반드시 검토한다'를 규칙으로 두는 게 핵심이에요. 데이터는 한 글자만 틀려도 결론이 바뀌니까요.
데이터 직무가 아니어도 이 발상은 그대로 써먹을 수 있어요. 마케터가 "이번 달 캠페인 성과 정리해 줘"라고 할 때도, 우리 회사 데이터가 어떻게 생겼는지(어떤 표에 어떤 항목이 있는지)를 AI에게 먼저 알려 주면 훨씬 정확한 초안을 받거든요.
사내 데이터 질의를 AI에게 부탁하는 프롬프트 골격
역할: 너는 우리 회사 데이터 분석가야.
배경: 우리 데이터 표는 이렇게 생겼어 — [표 이름과 주요 항목을 붙여넣기].
질문: [예) 지난 4주 신규 가입자 중 7일 내 재방문 비율]을 구하고 싶어.
요청: ① 조회 쿼리 초안 ② 네가 세운 가정 ③ 주의할 점
을 함께 적어 줘. 결과 숫자는 내가 검토할게.
데이터베이스에서 원하는 자료를 꺼내 오라고 적는 질의 언어예요. "이 조건에 맞는 데이터 보여 줘"를 컴퓨터 말로 적는 셈이지요.
MCP (Model Context Protocol)
AI가 외부 도구·데이터에 안전하게 연결되도록 정한 공통 규격이에요. 콘센트 규격이 같아야 전자제품을 꽂을 수 있는 것과 비슷하지요.
Claude Code
개발·데이터 작업을 도와주도록 만든 AI 도구예요.
통화 끝나고 '무슨 문의였는지' 정리하는 일, AI가 대신 분류해 줘요 — LG유플러스 상담 현장 이야기
고객 통화가 끝나면 무슨 문의였는지 분류하고 기록하느라, 다음 고객은 한참 기다리게 만들고 계시지요.
LG유플러스 (LG U+)가 자체 개발한 AI 상담 도우미를 고객센터에 들였어요. 상담사가 고객 응대에 집중하는 동안 AI가 상담 내용을 분석해 필요한 정보를 찾아 주고, 알맞은 답변을 추천하고, 통화가 끝나면 그 대화를 주제별로 분류해 주는 식이지요. 회사 발표로는, 연결 대기시간이 평균 17초·통화시간이 평균 30초 줄었고, 전체 상담시간이 약 19% 개선돼 한 달에 약 117만 분을 아꼈다고 해요. 상담 분류 정확도는 90% 수준이라고 밝혔고요. (이 수치들은 LG유플러스가 스스로 집계해 내놓은 값이에요.)
가장 와닿는 대목은 분류 작업이에요. 사람이 상담 2,000건을 일일이 주제별로 나누면 약 5,760분이 걸리던 일을, AI를 쓰면 3,000건을 40분 만에 처리한다고 해요. 통화 자체보다 통화 '후처리'에 시간을 빼앗기던 상담사 입장에선 큰 변화네요.
이 방식의 핵심은 'AI가 사람 대신 상담한다'가 아니라 '사람이 응대에 집중하도록 뒤처리를 덜어 준다'는 데 있어요. 그래서 꼭 큰 콜센터가 아니어도, 통화나 채팅 상담이 많은 작은 팀이라면 같은 원리를 바로 써먹을 수 있어요. 상담이 끝날 때마다 메모를 AI에게 던져 '문의 유형·핵심 요청·다음 할 일·고객 감정'을 한 줄로 정리하게 하면, 기록은 자동으로 쌓이고 사람은 다음 손님에게 더 빨리 갈 수 있거든요.
통화·채팅 끝난 직후, 메모를 정리하는 프롬프트
다음 상담 메모를 아래 네 가지로 표 한 줄로 정리해 줘.
① 문의 유형 (예: 요금/해지/장애/기타)
② 핵심 요청 (한 줄)
③ 다음 처리 액션
④ 고객 감정 (긍정/중립/부정)
메모: [붙여넣기]
포스터·영상·배경음악을 한 도구로 다 만들었어요 — 캔바로 팝업 카페 하나를 통째로 꾸민 디자이너 이야기
포스터는 디자인 툴, 영상은 편집 툴, 배경음악은 또 다른 사이트... 콘텐츠 하나 만드는 데 프로그램만 다섯 개를 오가고 계시지요.
디자이너 이우연 씨(이우연 디자인 대표)가 한 행사에서, 팝업 카페 '어흥당'의 브랜드 경험 전부를 캔바(Canva) AI 기능만으로 만든 과정을 공개했어요. 카페 아트워크, 웹 리플렛, 컵·스티커 같은 인쇄 굿즈부터 매장에 트는 사이니지 영상, 공간 배경음원까지 한 도구 안에서 만들었다고 해요. 심지어 캔바 코드(Canva Code) 기능으로 참여형 미니 앱과 웹사이트 시제품까지 만들어, 디자인을 넘어 작업 범위를 넓혔지요. 발표에 쓴 슬라이드·영상·배경음원도 전부 캔바만으로 만들었다고 소개했답니다.
핵심은 '여러 프로그램을 오가며 잃어버리던 시간'을 줄였다는 데 있어요. 다른 말로, 도구를 옮겨 다니는 대신 한곳에서 브랜드 톤을 유지하며 결과물 묶음을 한 번에 뽑아낸 거지요. (다만 이우연 씨는 캔바의 공식 앰버서더이고 이건 도구사 행사에서 나온 발표라는 점은 감안해서 보면 균형이 좋겠어요. 그래도 '한 도구로 캠페인 묶음을 만든다'는 발상 자체는 누구나 따라 해 볼 만하답니다.)
작은 가게나 1인 사업자에게 특히 쓸모가 있어요. 신메뉴 하나를 알리려면 보통 포스터·인스타 게시물·인쇄 전단이 따로 필요한데, 브랜드 색과 로고만 미리 등록해 두면 한 번의 의뢰로 그 묶음을 같은 톤으로 만들 수 있거든요. 디자인 전공이 아니어도 말이지요.
한 도구로 캠페인 묶음 만들기 — 순서
1. 브랜드 색(키컬러)과 로고를 먼저 등록한다.
2. "카페 신메뉴 '흑임자 라떼' 홍보, 따뜻하고 차분한 톤"처럼
한 줄 의뢰를 넣어 시안을 받는다.
3. 마음에 드는 시안 1개를 골라 포스터·인스타·인쇄용 크기로 각각 변환한다.
4. 같은 톤으로 짧은 매장 영상과 배경음까지 이어서 만든다.
AI가 쓴 문구에 '나이 편향'이 숨어 있었어요 — KAIST 연구로 본, 우리도 모르게 베끼는 고정관념
고객 응대·채용·마케팅 문구를 AI에 맡길 때, 우리도 모르게 '나이 편향' 같은 고정관념을 그대로 복사하고 있을 수 있어요.
KAIST 과학기술정책대학원 최문정 교수 연구팀이, AI가 만든 문장 속에 노인에 대한 고정관념이 숨어 있다는 점을 수치로 분석해 내놨어요. 10세부터 90세까지 10세 단위로 사람을 묘사하게 하는 중립적인 지시문(프롬프트)으로 챗GPT(GPT-4o)가 만든 텍스트 900개를 모아, 사회심리학의 '고정관념 내용 모델(SCM)'을 적용해 '따뜻함'과 '역량' 두 점수를 쟀지요. 그랬더니 60세 이상은 따뜻함 점수는 높지만 역량 점수는 젊은 층보다 낮게 나왔다고 해요. 쉽게 말하면 AI가 노인을 '따뜻하지만 일은 잘 못하는' 쪽으로 그리는 경향이 있더라는 거예요. 이 연구는 노년학 국제 학술지에 실렸답니다.
이게 왜 실무에 중요하냐면, 우리가 AI에 마케팅 문구나 채용 공고, 고객 응대 멘트를 맡길 때 이런 숨은 편향이 그대로 따라 들어올 수 있기 때문이에요. 예를 들어 '시니어 고객용 안내문'을 AI에 부탁하면, 은근히 '도와드려야 하는 분들'처럼 한 수 아래로 보는 표현이 섞일 수 있지요. 본인은 친절하게 쓴다고 쓴 건데 받는 사람은 기분이 상할 수 있고요. 나이뿐 아니라 성별·지역·직업도 마찬가지예요.
그래서 AI가 써 준 문구는 '맞춤법'만 보지 말고 '누군가를 은근히 깎아내리지 않는지'도 한 번 더 살피는 습관이 필요해요. 특히 사람을 묘사하거나 특정 집단을 향하는 문구라면요.
AI가 쓴 사람·집단 대상 문구를 점검하는 체크리스트
□ 특정 집단(나이·성별·지역·직업)을 '능력/태도' 두 축으로
은근히 평가하고 있지 않은가?
□ "~한 분들"처럼 한데 묶어 일반화한 표현은 없는가?
□ 도움을 '베푸는' 듯한 윗사람 시선이 배어 있지 않은가?
□ 실제 우리 고객 사례에 비춰 사실과 어긋나지 않는가?
AI에게 무엇을 해 달라고 적어 주는 지시문이에요. 같은 일도 어떻게 적느냐에 따라 결과가 꽤 달라지지요.
🇰🇷
Chapter 03
작은 가게·1인 사업에서 바로
시술하느라 못 받던 예약 문의, 카톡 챗봇이 알아서 답해 줘요 — 뷰티샵 상담 자동화 이야기
혼자 시술하느라 손이 모자란데, 시술 중에도 "커트 얼마예요?" "예약 변경돼요?" 문의가 카톡으로 쉴 새 없이 들어와 번번이 놓치고 계신가요.
뷰티샵 운영 솔루션 '미음'을 만드는 더블유젯소프트(WZSOFT)가, 미용실·네일·피부샵의 고객 상담을 자동으로 받아 주는 챗봇을 만든 과정을 공개했어요(2025년 6월에 나온 사례라, 가장 최근 소식은 아니랍니다). 클라우드의 AI 모델 묶음인 아마존 베드락(Amazon Bedrock)을 통해 클로드 3.5(Claude 3.5)로 만들었지요. 실제 문의를 보면 가격·예약금·운영시간 같은 샵 정보가 약 37%, 예약 확인·변경·취소가 약 28%, 시술 디자인 문의가 약 15%였다고 해요. 디자이너 한 명이 하루 평균 20~30건씩 처리하던 이 부담을, 챗봇이 예약·샵 정보 문의의 약 90%를 나눠 맡았답니다. 회사 측 테스트 기준으로는 응답 시간이 평균 38분에서 1분 이내로 줄었고, 문의를 기다리다 빠져나가던 고객 이탈률도 30% 줄었다고 해요. (이 수치는 정식 도입 매장 전체가 아니라 협력 매장 테스트에서 나온 값이라는 점은 짚어 둘게요.)
이게 1인 가게에 잘 맞는 이유는, 가장 바쁜 순간(시술 중)에 들어오는 단순 반복 문의를 챗봇이 받아 주기 때문이에요. 다른 말로, 사람이 꼭 판단해야 하는 일(예약을 실제로 잡을지, 특별 요청을 받을지)만 사장에게 넘기고 나머지는 자동으로 처리하는 분업이네요.
꼭 전용 솔루션이 아니어도 시작할 수 있어요. 카톡 자동응답이나 채널 챗봇에 우리 가게 기본 정보를 잘 정리해 학습시키는 것만으로도 'X일 X시 예약 돼요?' 같은 단골 질문은 대부분 받아 줄 수 있거든요.
카톡 자동응답 학습용 '가게 정보 시트' 만들기
1. 한 표에 다음을 정리한다: 시술 가격표·예약금·취소 규정·운영시간·주차.
2. AI/챗봇에 이렇게 지시한다:
"이 정보를 바탕으로 손님 문의에 친절한 존댓말로 답해 줘.
단, 예약 변경·취소와 특별 요청만은 '사장님 확인이 필요해요'라고 안내해 줘."
3. 자주 들어오는 질문 5개를 골라 미리 답을 등록해 둔다.
여러 회사의 AI 모델을 골라 쓸 수 있게 묶어 둔 클라우드 서비스예요. 식당으로 치면 여러 브랜드를 모아 둔 푸드코트 같은 셈이지요.
'감'으로 짓던 농사를 '데이터'로 바꿨어요 — AI 카메라·센서로 작물을 키우는 청년 농업인들
작년에 잘 됐던 농사를 올해는 왜 망쳤는지, '감'으로만 짓다 보니 도무지 원인을 짚을 수가 없으신가요.
경남 거창에서 딸기 농장 '될농'을 하는 이건희 씨(34)는 AI 카메라와 온습도 센서로 딸기가 자라는 과정을 기록·분석해 가장 좋은 재배 조건을 찾아냈어요(2025년 9월에 나온 취재 사례예요). 그렇게 데이터로 농사를 다듬으며 농장을 800평에서 2,000평으로 넓혔지요. 경북 상주에서 오이를 키우는 김현 씨(28)는 1,300평 온실의 환경을 자동 제어 시스템으로 관리하며 오이를 약 150t 생산했어요. 두 사람의 공통점은 '경험과 감'이 아니라 '기록된 데이터'로 재배 판단을 내린다는 거예요.
핵심은 거창한 장비가 아니라 '기록하는 습관'이에요. 매일의 온도·습도·물 준 양과 작물 상태를 꾸준히 적어 두면, 그게 쌓여 '언제 무엇을 해야 하는지'의 근거가 되거든요. 쉽게 말하면, 잘된 날과 안된 날의 차이를 숫자로 비교할 수 있게 되는 거지요.
AI는 그 쌓인 기록을 읽고 패턴을 짚어 주는 역할을 해요. 예를 들어 한 달치 재배 일지를 AI에게 보여 주고 "수확이 좋았던 날과 나빴던 날의 환경 차이를 찾아 줘"라고 하면, 사람이 눈으로 놓치던 규칙을 정리해 주거든요. 농사뿐 아니라 작은 공방·양식장·화훼처럼 '환경에 따라 결과가 달라지는' 일이라면 같은 원리가 통한답니다.
재배(작업) 일지 표 — 매일 한 줄씩
날짜 / 기온 / 습도 / 물(또는 자원) 준 양 / 작물(결과) 상태 / 사진
→ 한 달 뒤 이 표를 AI에 붙여넣고:
"수확이 좋았던 날과 나빴던 날의 환경 차이를 찾아서,
다음 주에 신경 쓸 관리 포인트 3가지로 정리해 줘."
밤 11시에 다는 배달 리뷰 답글, AI가 초안을 써 줘요 — 자영업 도구에 올라탄 AI 활용법
장사 끝내고 셔터 내린 밤 11시부터, 별점 낮은 배달 리뷰에 답글 다느라 또 한 시간씩 붙잡혀 계신가요.
자영업자들이 이미 쓰던 장사 도구에 AI가 얹히면서, 리뷰 답글·매장 관리·장부 같은 일을 사장이 직접 빠르게 처리할 수 있게 됐어요. 예를 들어 테이블오더 회사의 '티오더 GPT'는 카카오톡 채팅창에서 "오늘 치킨 몇 마리 팔렸어?"라고 물으면 매출·주문을 실시간으로 답해 주고, 품절 설정 같은 매장 관리까지 처리해 줘요. 페이히어의 'AI 지출장부'는 영수증·세금계산서를 사진으로 찍으면 알아서 인식·분류해, 요일별 사입 현황과 새는 비용을 짚어 주고요. 한국신용데이터의 '캐시노트 AI 리뷰 관리'는 배달·지도 리뷰를 분석해 부정적인 정도를 가려내고 상황에 맞는 답글 문구를 자동으로 제안해 줘요. (캐시노트 앱을 쓰는 사업장이 약 220만 곳이라는 건 회사가 밝힌 자체 수치예요.)
이런 도구들의 공통점은 '사장이 가장 미루고 싶은 뒤처리'를 대신 해 준다는 거예요. 매출 확인하려고 영업 끝나고 계산기를 두드리거나, 기분 상하는 리뷰에 답글을 쥐어짜던 시간을 줄여 주지요.
특히 리뷰 답글은 AI를 쓰기에 딱 좋아요. 감정이 상한 상태에서 직접 쓰면 변명조가 되기 쉬운데, AI에게 '내 감정은 빼고, 공감 한 줄과 개선 약속 한 줄로 담백하게' 부탁하면 손님 마음을 덜 건드리는 답글을 여러 개 받아 그중 고를 수 있거든요.
악성·불만 리뷰에 답글 초안 받기
"배달 손님이 이런 리뷰를 남겼어: [리뷰 붙여넣기].
사과하되 변명처럼 보이지 않게, 다음에 또 와 달라는 마음이 담기게,
정중한 존댓말로 답글을 3가지 버전으로 써 줘.
너무 굽신대지 말고 담백한 톤으로."
→ 셋 중 가게 분위기에 맞는 하나를 골라 다듬어 올린다.
가게의 결제·매출을 기록하는 계산 시스템이에요. 요즘은 여기에 AI가 붙어 매출 질문에 답해 주기도 하지요.
📋
Chapter 04
이번 주 다른 뉴스 9건
같은 주에 함께 본 다른 흐름은 짧은 한국어 요약으로 정리해 두었답니다.
— 한국 회사·정부
SK텔레콤, 자체 AI 모델 'A.X K1'을 철강·부품 공장에 넣어요 — 공장 데이터를 밖에 안 내보내는 '현장 AI'
SK텔레콤이 자체 개발한 대규모 AI 모델 'A.X K1'을 제조 현장에 적용하는 협력을 공개했어요. KG스틸 당진공장과 코넥(주조·가공)에 제조 특화 AI 도우미를 시험 적용하고 하반기에 실증을 진행한다고 해요. 데이터를 외부 클라우드로 보내지 않고 현장에 설치해(온프레미스) 쓸 수 있다는 게 강점이지요. 매개변수 규모 등은 회사 발표 기준이고, 아직 성과 수치가 나오는 단계는 아니랍니다.
SK텔레콤이 덴마크에서 열린 통신 포럼에서, 사람 개입을 최소화하고 AI가 스스로 통신망을 운영·관리하는 '자율 네트워크' 전략을 발표했어요. 회사 안 여러 AI 도우미를 한 기준으로 표준화한다는 대목은, 부서마다 제각각인 사내 AI 도구를 어떻게 정리할지 고민하는 회사에도 참고가 되겠지요. '레벨 4 목표'·'1,000개 이상 운영' 같은 표현은 회사가 밝힌 목표·자체 집계치예요.
세무 신고를 'AI가 대신 실행'까지 — 혜움, AI 에이전트 '알프레드'로 사명까지 바꿨어요
세무법인 연구소에서 출발한 혜움이 재무·세무 특화 AI 에이전트 '알프레드'를 내세우며 사명을 바꿨어요. 답만 해 주는 챗봇과 달리 세금 신고·서류 발급 같은 실제 업무를 대신 실행하는 데 초점을 둔다고 해요. '신고 시간을 5시간에서 30분으로' 같은 수치는 회사 자체 발표이고, 신고 정확성은 결국 세무 담당자의 최종 확인이 필요하다는 점은 잊지 말아야겠지요.
한 협회의 인턴십 운영팀이 연 2회 돌리던 대학생 모집 안내 전화를 AI 콜센터로 자동화했어요. 엑셀 명단을 올리면 AI가 정해진 시간대에 자동으로 전화를 걸고 결과 리포트까지 만들어 준다고 해요. '운영비 90% 절감'·'지원자 200% 증가' 같은 수치는 도입사·고객 발표 기준이에요. 행사·모집 안내 전화가 많은 작은 팀이라면 눈여겨볼 만하지요. (원문 2025년 8월 보도예요.)
현직 HR 담당자들이 채용·평가·면접에 생성형 AI를 쓰는 방법을 공유했어요. 직무 역량을 정의하고 메인 질문과 꼬리 질문, 평가 기준까지 표로 만들어 면접관용 구조화 면접 가이드를 자동으로 짜는 식이지요. 면접관마다 묻는 게 달라 평가가 들쭉날쭉하던 문제를 줄이는 데 도움이 된답니다. 실명·소속이 공개됐지만 원문은 2025년 1월 글이라, 도구 기능은 지금과 다를 수 있어요.
직원 연봉 면담이 막막할 때, ChatGPT로 대본을 짰어요 — 15년차 카페 사장의 경험담
카페 '이미커피'를 운영하는 한 사장님(필명 Rhim 님)이 직원 1:1 면담을 앞두고 ChatGPT로 대화 흐름을 짠 경험을 공유했어요. 연봉 인상은 어렵고 대신 추가 유급휴가를 제안해야 하는 난감한 상황을, 목표→현실→대안→다음 행동 순서로 풀어 25분 면담을 무사히 마쳤다고 해요. 외부 컨설팅을 받았다면 들었을 비용을 아꼈다고 본인이 밝혔답니다. (원문 2025년에 공개된 경험담이에요.)
네이버가 소상공인용 '온서비스 AI' 사례를 공개했어요. 스마트플레이스 리뷰 관리가 부정·민감 리뷰를 가려 알림을 주고 답글 초안을 자동으로 써 주니, 바빠서 못 달던 답글을 10분 안에 처리하게 됐다는 사업자 인터뷰가 실렸지요. 리뷰 관리 만족도 97%는 네이버가 밝힌 자체 조사예요. (원문 2025년 12월 공개예요.)
여행자들이 숙소를 AI로 알아보는 흐름이 커지면서, 펜션·게스트하우스 같은 작은 숙소 호스트가 ChatGPT로 다국어 체크인 안내문·자주 묻는 질문 답변을 만드는 활용법이 정리됐어요. 손님이 숙소 이름을 알고 물으면 AI 답에 잘 포함되지만 모르고 추천을 청하면 노출이 뚝 떨어진다는 분석도 있어, 소개글을 또렷이 정비해 두는 게 중요하답니다. (개별 호스트 실명 사례가 아니라 활용 안내라는 점은 감안해 주세요.)
이번 주를 한 줄로 묶으면, 'AI가 검색창과 상담실, 공장과 가게 안으로 한 발 더 들어온 주'였네요. 네이버는 검색을 비서로 바꿨고, 정부는 공공 업무를 AI 비서에게 맡기기 시작했으며, 콜센터·뷰티샵·농장·식당에선 사람이 가장 미루고 싶던 뒤처리를 AI가 덜어 주고 있었지요. 공통점이 보이시나요. 어디서도 'AI가 사람을 대신했다'가 아니라, '사람이 판단할 일에 더 집중하도록 단순 반복을 덜어 줬다'는 점이에요.
그래서 오늘 딱 하나만 해 보신다면, 이걸 권하고 싶어요. 이번 주 내가 가장 미루고 싶었던 '뒤처리' 한 가지를 떠올려 보세요. 리뷰 답글이든, 통화 정리든, 재배 일지든, 면담 준비든요. 그리고 위 템플릿 중 하나를 골라 딱 한 번만 시켜 보세요. AI는 거창하게 시작하는 게 아니라, 가장 귀찮은 일 하나를 맡기는 데서 시작하는 거랍니다. 다음 월요일에 또 만나요.
매주 월요일, 메일함으로 받아보기
이메일을 남기시면 다음 호부터 자동으로 보내드려요. 언제든 한 번 클릭으로 끊으실 수 있답니다.