정부 국산 AI 모델 네 팀 중 종합 지능 점수가 가장 높았던 모티프테크놀로지스가 탈락했어요

독파모 2차 평가에서 종합 지능 점수 최고점을 받은 모티프테크놀로지스가 탈락했어요 — 어느 팀이 지원을 이어 받는지가 곧 유지보수 위험입니다

과기정통부와 정보통신산업진흥원(NIPA)이 2026년 8월 18일 독파모 2차 단계평가 결과를 냈어요. 4개 정예팀 중 업스테이지·SK텔레콤·LG AI연구원 셋이 3차로 올라갔고 모티프테크놀로지스는 탈락했습니다. 배점은 100점 만점에 벤치마크 40점, 전문가 35점, 사용자 25점이고, 벤치마크 40점은 AAII 25점과 NIA(한국지능정보사회진흥원) 한국 특화 평가 15점으로, 사용자 25점은 AI 전문 사용자 15점과 국민 평가 10점으로 갈립니다.

이틀 뒤인 8월 20일에는 항목별 1위와 평균도 공개됐어요. AAII 항목 1위는 탈락한 모티프테크놀로지스의 11.9점(네 팀 평균 9.48점)이고, NIA 항목은 SK텔레콤 13.4점(평균 13.05점), 전문가 평가는 LG AI연구원 29.5점(평균 28.75점), AI 전문 사용자 평가는 SK텔레콤 11.6점(평균 10.53점), 새로 만든 국민 평가는 LG AI연구원 7.6점(평균 7.03점)이 1위였습니다. 반대쪽 사실도 있어요 — 업스테이지는 다섯 항목 어디에도 1위가 없는데 3차에 올랐어요. 각 팀의 항목별 전체 점수는 공개되지 않아 순위를 되짚을 수는 없답니다.

국내 최고점 47점이 세계에서 어디쯤인지도 같은 발표문 각주에 있네요. 기업별 최고 득점 모델 기준 AAII Top10 표입니다.

1위 63점과 국내 정예팀 최고점 47점의 격차는 16점이에요. 이 표 상위권에는 우리 월요AI가 원고를 만들 때 쓰는 도구의 제작사가 여럿 있어요 — 앤스로픽(Anthropic)·오픈AI(OpenAI)·구글(Google)·xAI 모두 해당하니 이해관계가 겹친다는 점을 밝혀 둘게요. 같은 발표문은 국가 단위로도 견줬어요 — “아울러, 현재 국가별 최고 수준(Frontier)언어모델(Language Model)성능을비교하였을 때(AAII 기준), 우리나라는 미국·중국에 이은 3위에 위치하고 있다”(띄어쓰기는 원문 그대로). 국가별로는 3위, 기업별로는 10위, 가중치를 공개한 모델끼리는 6위 — 같은 점수도 어느 축으로 세느냐에 따라 자리가 달라져요. 그 축의 순위는 이렇게 적혀 있고요 — "1위Kimi K3(60점) → 2위Qwen3.8 2.4T A95B(58점) → 3위GLM 5.2(53점) → ... → 6위국내 정예팀 최고점(47점)". 격차 변화 각주에는 정부가 유보를 직접 달았어요 — "1차 평가 대비 최상위 모델과 격차 축소 : ’26.1월 19점차(GPT-5.2 51점 vs 국내 정예팀 최고점 32점) → ’26.8월 16점차(클로드 오퍼스5 63점 vs 국내 정예팀 최고점 47점) ※ AAII 기준 변동된 점도 감안 필요". 기준이 바뀌었으니 16점을 그대로 성과로 읽지 말라는 뜻이고, 이 유보는 위 세 축 어디에나 똑같이 적용됩니다.

3차 진출 세 팀은 B200 GPU 지원이 확대되고 최종 2팀은 2027년 초에 정해집니다. 지금 도입을 정하면 내년 초에 후보가 하나 더 줄 수 있으니 계약 기간과 이탈 계획도 함께 적어 두세요. 평가 방식은 이렇습니다 — 전문가 평가는 이해충돌 없는 외부 전문가 10명이 위원별 최고·최저점을 뺀 산술평균으로 매겼고, 국민 평가는 신청 1400여 명 중 185명이 참여한 절대평가였어요. 표본이 작다는 점, 그리고 점수가 전부 과기정통부 공개값이며 Artificial Analysis·Epoch AI 원본을 우리가 직접 열어 대조하지 못했다는 점은 밝혀 둡니다.

1. 후보 팀이 3차에 있는가? (업스테이지 / SK텔레콤 / LG AI연구원)
2. 2027년 초 최종 2팀 선정 이후에도 그 모델이 유지·업데이트되는가?
   → 벤더에 "지원 종료 시 마이그레이션 조건"을 계약서에 요구
3. 우리 업무는 어느 항목에 가까운가?
   - 수학·추론·한국어    → NIA 항목 1위 SK텔레콤
   - 실사용 만족도       → 전문 사용자 1위 SK텔레콤 / 국민 1위 LG AI연구원
   - 종합 지능 점수      → AAII 1위 모티프테크놀로지스(탈락)
4. 라이선스와 온프레미스 반입 조건을 문서로 받았는가?
5. 해외 모델 대비 47점 대 63점의 격차가 우리 업무에서 실제로 문제인가?
   → 사내 과제 10건으로 직접 재 볼 것 (벤치마크는 대리 지표일 뿐)

탈락한 팀에 대한 전문가위원회 의견도 공개됐어요 — “모티프테크놀로지스 정예팀은 "아키텍처부터 토크나이저, 옵티마이저, 커널까지 자체 개발해 외부 종속을 제거", "아키텍처 개선 및 학습 효율화 기법은 Motif 3 모델에 성공적으로 적용돼 글로벌 평가에서 성과를 거둠", "독자 기술 스택을 적용하는 과정에서 도출된 기술적 한계점과 시행착오 데이터 역시 국가적 자산으로서의 가치가 높음" 등의 평가가 이어지는 등 깊이 있는 역량을 보유한 것으로 평가됐다”. 공정성 문제 제기가 이어지자 전자신문이 과기정통부 코멘트를 전했어요 — "독파모 프로젝트는 단순 순위 경쟁이나 탈락 팀 선정을 목적으로 하는 것이 아니". 모티프테크놀로지스는 뒤에 나올 '모두의 AI' KT 컨소시엄에 이름을 올렸어요.

모두의 AI 공모에 6개 주체가 접수했고 이동통신 3사가 모두 들어갔어요 — 공모 조건은 9월 베타·12월 정식인데 사업자는 아직 정해지지 않았습니다

과기정통부가 8월 18일 '모두의 인공지능(AI)' 사업자 공모 접수 결과를 냈어요. 보도자료 원문은 총 6개의 사업자 연합체 제안이 접수되었다고 적었습니다. 6개 주체는 SK텔레콤·카카오·KT·이스트소프트가 주관하는 4개 컨소시엄과 단독으로 낸 엠케이디·제논입니다.

참여 조건이 이 사업의 성격을 정해 놓았어요. 국산 AI 모델을 50% 이상, 그중 타사 국산 모델을 30% 이상 써야 하고, 자체 모델이 없는 회사도 API나 오픈소스를 활용해 들어올 수 있답니다. 만드는 물건도 정해져 있어요 — 기존 플랫폼에 기능 하나를 얹는 방식은 안 되고 별도 앱이나 서비스여야 하며, 2026년 9월 베타서비스, 12월 정식 서비스가 공모에 적힌 일정이에요 — 사업자가 정해진 뒤에 시작되는 일정이라는 점은 함께 보셔야 합니다. 선정 사업자에게는 엔비디아 B200 GPU 512장이 지원되고, 매체 정리로는 2~3곳이 뽑힐 예정이지요. 보도자료 원문이 밝힌 절차는 서면 평가와 발표 평가를 거쳐 이달 말까지 사업자를 선정하는 데까지입니다.

이동통신 3사가 전부 들어갔어요. SK텔레콤과 KT는 컨소시엄을 직접 주관했고, LG유플러스는 카카오가 주관하는 컨소시엄에 참여했습니다. 참여 규모는 SK텔레콤 20개사, KT 16개, 카카오 14개, 이스트소프트 7개이고요. ZDNet Korea는 외부 논평을 이렇게 전했어요 — "김용희 선문대 교수는 “GPU를 공급받더라도 DC 인프라와 운영 노하우, 학습 데이터가 있어야 AI 서비스를 만들어낼 수 있다”며 “이통사는 이미 DC를 운영한 경험이 있고 가입자로부터 확보한 데이터가 있어 다른 컨소시엄보다 유리하다”고 분석했다". 같은 교수가 바로 다음 문단에서 이통사 단독으로 서비스 아이디어와 연구개발 역량을 다 갖추기는 어렵다는 유보도 달았습니다.

요금 조건 하나는 갈라 읽어야 해요. 과기정통부 8월 18일 보도자료 원문에는 이용 요금이나 무료 여부에 관한 문구가 없습니다. '전 국민이 무료로 사용할 수 있는 범용 AI 챗봇'이라는 서술은 AI타임스가 정리한 표현이고, 정부 발표문에서 확인되는 조건이 아니랍니다.

회사 입장에서 지금 할 일은 신청이 아니라 관찰이에요. 각 컨소시엄 명단이 곧 '내년에 우리 업무 옆에 붙을 국산 AI'의 예고편이거든요. KT 컨소시엄에는 인프라로 리벨리온·래블업이, 모델로 업스테이지·모티프테크놀로지스·솔트룩스가, 서비스로 다음·무신사·직방·EBS·BC카드가 들어가 있네요. 카카오 컨소시엄에는 LG AI연구원·LG CNS·LG전자·신한은행·서울대학교병원·퓨리오사AI가, SK텔레콤 컨소시엄에는 라이너·신한카드·티맵모빌리티·굿닥·엘리스그룹·노타 등이 이름을 올렸고요.

SK텔레콤이 밝힌 서비스 구상은 대화·검색요약·문서이미지 분석·일정 관리를 하는 챗봇으로 시작해, 공공 서비스 신청과 증명서 발급, 의료·교통·금융·교육 예약까지 처리하는 에이전트로 넓히는 것입니다. 다만 이 기능들은 계획 단계이고 출시 시점과 요금은 공개되지 않았어요. 총무·인사에서 반복되는 공공 서류 처리가 여기 얹힐 수 있으니, 내년 상반기 업무 자동화 계획을 짤 때 후보로만 적어 두면 되겠지요. 참고로 네이버클라우드는 이 사업에 참여하지 않는다고 전자신문이 8월 23일 전했습니다.

□ 우리 업무에서 해외 AI 도구에 넘기기 꺼려지는 자료 목록 (3~5개)
□ 그중 국산 서비스로 옮길 수 있는 것과 없는 것 구분
   (개인정보 포함 / 사내 대외비 / 공개 자료)
□ 12월 정식 서비스 출시 후 2주간 사내 시범 사용자 5명 지정

※ 선정 결과·요금 조건은 아직 공개되지 않았습니다.
   지금은 '누가 무엇을 만들 예정인가'까지만 확인 가능한 단계예요.

SK텔레콤 뉴스룸은 이렇게 밝혔어요 — "김지훈 SKT AI사업본부장은 “AI 활용 격차가 사회적 격차로 이어지지 않도록 누구나 AI의 혜택을 누릴 수 있는 환경이 필요하다”며 “SKT는 AI 모델부터 인프라, 서비스 운영까지 아우르는 풀스택 AI 역량과 전국 통신 고객 접점을 바탕으로 국민 모두가 쉽게 사용할 수 있는 ‘모두의AI’ 서비스 구현에 힘쓰겠다”고 말했다". 회사 자체 발표이고 사업자 선정 전 단계의 참여 계획이라는 점은 그대로 두겠습니다. KT도 8월 23일 자료를 내며 반도체 컴퓨팅 인프라와 클라우드 네트워크, 대규모 운영 역량이 함께 필요하다고 밝혔답니다.

행정안전부가 자기 부처 보고서를 AI가 읽기 좋은 형태로 바꿨어요 — 셀 병합을 줄이고 표 위에 제목을 다는 규칙은 회사 문서에 오늘 그대로 옮겨 쓸 수 있습니다

행정안전부가 2026년 8월 23일 'AI 친화적 보고서 작성'을 본격 실시한다고 밝혔어요. 2026년 3월부터 진행한 시범운영 결과를 바탕으로 만든 규칙이고, 핵심은 두 가지입니다. 첫째, 표와 그림 위쪽에 제목을 달고 번호로 순서를 표시하며 셀 병합을 단순하게 합니다. 둘째, 문장은 서술식으로 쓰고 항목 표시를 표준화하며 불필요한 시각적 꾸미기는 줄입니다. 적용 범위는 기존 일부 문서에서 실·국장 보고서까지 넓어지고, 문서 작성 가이드라인 자체도 핵심 원칙 중심으로 간소화된다고 해요.

범위는 정확히 적어 두겠습니다. 이 규칙의 적용 대상은 행정안전부 내부 문서이고, 전 부처 의무가 아니에요. '정부 문서 표준이 바뀌었다'로 넓히면 사실보다 큰 말이 됩니다. 행안부가 낸 보도자료 원문은 우리가 확인한 범위에서 찾지 못했고, 정부 정책 포털과 부처 목록 어디에도 걸려 있지 않았어요. 게재가 늦거나 색인이 아직 안 잡힌 것으로 보이며, 없다는 뜻은 아닙니다. 그래서 아래 내용은 ZDNet Korea 보도를 근거로 합니다.

왜 셀 병합이 문제가 될까요. 병합된 표를 텍스트로 뽑으면 어느 값이 어느 항목에 속하는지가 사라지기 때문이에요. 사람 눈에는 선이 보이지만 기계가 받는 건 줄 단위 글자뿐이지요. 표 제목이 아래에 있으면 그 표가 무엇에 대한 것인지 모른 채 숫자만 읽게 되고요. 행안부는 시범운영에서 보고서 편집과 표 작성 시간이 줄고 AI 요약과 발표자료 작성의 정확도가 올랐다고 밝혔는데, 정량 수치는 공개되지 않았고 부처 자체 평가입니다. 윤호중 행정안전부 장관 코멘트는 이랬어요 — "AI 친화적 문서 작성은 공무원의 일하는 방식을 근본적으로 바꾸는 행정 혁신이자 정부 보고서가 AI 활용이 가능한 고품질 텍스트로 전환되는 디지털 혁신".

회사에서 이 규칙이 가장 크게 먹히는 자리는 세 곳이에요. ① 매달 돌아오는 정기 보고서 — 양식이 고정돼 있으니 한 번 고치면 계속 효과가 납니다. ② 사내 위키·공유 드라이브의 기준 문서 — AI 도구에 사내 자료를 물려 쓰는 경우 여기가 입력이 되지요. ③ 외부에 나가는 제안서·견적서 — 상대방도 AI로 읽을 가능성이 커졌으니까요. 반대로 손대지 않아도 되는 것은 발표용 슬라이드처럼 사람이 눈으로만 보는 문서입니다. 행안부도 시범운영 기간에 보도자료를 마크다운 형식으로 함께 냈는데, 이건 '기계가 읽을 판본을 따로 준다'는 접근이라 회사에서도 응용할 만해요. 원본은 예쁘게 두고, 같은 내용을 표 없는 텍스트 판본으로 하나 더 저장해 두는 방식이지요.

□ 표·그림 제목을 위쪽으로 올리고 번호를 붙인다 (표 1, 그림 2)
□ 셀 병합을 푼다. 병합이 꼭 필요하면 값을 각 칸에 반복해 채운다
□ 첫 행을 머리글로 고정하고, 빈 칸에는 '해당없음'을 적는다
□ 개조식 조각 문장 대신 주어·서술어가 있는 문장으로 쓴다
□ 항목 기호를 한 종류로 통일한다 (·, -, ○ 섞어 쓰지 않기)
□ 색·굵기·도형으로만 전달하던 뜻을 글자로도 적는다
   (예: 빨간 칸 → "미달")
□ 표가 많은 문서는 표 없는 텍스트 판본을 하나 더 저장한다

※ 확인법: 그 문서를 그대로 복사해 AI에 붙여 넣고
   "표 3의 2행 값을 알려 줘"라고 물어본다. 틀리면 문서 문제다.

시범운영 효과는 정성 서술만 있고 몇 퍼센트가 줄었는지는 나와 있지 않아요. 그러니 회사에서 도입하실 때는 자체 기준을 하나 정해 두시면 좋겠지요 — 같은 문서로 같은 질문 다섯 개를 던져 정답률을 세는 식으로요. 행안부는 지능형 업무관리 플랫폼 '온AI' 적용 확대도 함께 진행한다고 밝혔답니다.

장비 판매사 임원이 밝힌 진료시간 단축이 같은 모델을 쓰고도 4분 15초와 1분 미만으로 갈렸어요 — 도구를 고르는 일보다 업무 흐름을 다시 짜는 일이 결과를 가릅니다

이대욱 GE 헬스케어 코리아 최고 전략·마케팅·운영 책임자가 2026년 8월 20일 대한병원협회가 코엑스에서 연 'KHF 2026' K-디지털헬스케어 서밋에서 이렇게 발표했어요 — "미국의 쿠퍼 헬스는 진료 시간을 4분 15초가량 단축한 반면, 일부 병원은 1분 미만의 미미한 차이를 보였다". 같은 벤더의 같은 AI 모델을 도입하고도 현장 결과가 갈렸다는 대목에 붙은 수치이고, 그는 원인을 병원 내부 인프라 수준과 자원 활용 방식으로 봤습니다.

여기서 밝혀 둘 것이 있어요. 발표자는 AI 장비·플랫폼을 파는 회사의 임원입니다. 쿠퍼 헬스의 원자료도 우리가 직접 열지 못했고요. 함께 인용된 도입률 수치도 출처를 그대로 옮기겠습니다 — "실제로 미국 자동 AI EMR(전자의무기록) 업체 에픽(Epic)의 자료를 살펴보면 환자와 의료진 간 진료 기록을 자동으로 문서화하는 앰비언트(Ambient) AI의 미국 대학병원 도입률은 62.6%에 달한다". 62.6%는 에픽이라는 업체가 낸 자료의 값이지 중립 통계가 아니에요.

같은 주에 열린 다른 세션에서는 반대편 사례가 나왔습니다. 정명진 삼성서울병원 데이터사이언스연구소 소장이 8월 19일 한국보건복지인재원 세미나에서 원내 직무 AI 교육 성과를 소개했는데, 기획실 소속의 한 일반 직원이 컴퓨터 프로그래밍 지식이 전혀 없는 상태로 교육을 이수한 뒤 의사 업적 관리 AI 프로그램을 직접 개발했다고 해요. 해마다 교수진의 논문 임팩트 팩터(IF)와 참여도를 손으로 분류하던 일을 자동화한 것이고요. 이 교육은 강북삼성병원·삼성창원병원을 거쳐 올해 을지대학교병원·제주대학교병원까지 퍼졌고, 삼성창원병원의 한 전공의는 독학한 뒤 스스로 원내 강사가 돼 부산대학교병원·고신대학교병원에서 초청 강의를 하고 있습니다. 절감 시간이나 비용 수치는 제시되지 않았어요 — '만들었다'까지가 확인되는 범위랍니다.

두 발표를 겹쳐 놓으면 회사에 옮길 순서가 보여요. 첫째, 도구 선정 회의보다 먼저 할 일은 '우리 팀에서 시간을 가장 많이 잡아먹는 반복 작업 세 개'를 적는 일입니다. 삼성서울병원에서 만들어진 것도 해마다 손으로 하던 분류 작업이었지요. 둘째, 교육을 개발자에게만 열지 말고 직군별로 난이도를 나눠 여는 편이 낫습니다 — 그 병원도 의사·간호사·행정직의 요구도에 맞춰 난이도를 갈랐어요. 셋째, AI가 초안을 만들고 최종 판단은 사람이 쥐되 누가 언제 무엇을 근거로 판단했는지 기록을 남겨야 합니다. 이대욱 책임자는 그 기록이 법적 방어선이 된다고 했어요.

정 소장의 진단은 이랬습니다 — "정명진 소장은 “이제는 AI 코딩 기술보다 현장에서 무엇이 필요한지 문제를 정의하는 인문학적 해결 능력이 더 중요해졌다”며 “사용자 교육으로 패러다임이 전환되고 있는 것을 의미한다”라고 주장했다". 발표자의 주장이지 측정치는 아니라는 점은 함께 두겠습니다.

| 반복 작업       | 주당 소요 | 판단이 필요한가 | 틀리면 생기는 일 |
| 월간 실적 취합  | 3시간     | 아니오          | 재작업 30분      |
| 고객 문의 1차   | 5시간     | 일부            | 오안내 → 재응대  |
| 계약서 조항 확인| 2시간     | 예              | 법적 위험        |

규칙 3개:
 1. '판단이 필요한가 = 예'인 줄은 AI에게 초안까지만 시킨다
 2. '틀리면 생기는 일'이 법적 위험이면 사람 확인 기록을 남긴다
 3. 도구를 고르기 전에 이 표를 먼저 채운다 — 순서를 바꾸지 않는다

두 사례 모두 발표자가 자기 조직이나 자사 제품을 소개한 자리라 독립 재현은 없어요. 다만 방향은 같은 곳을 짚고 있습니다 — 같은 모델을 사도 결과가 갈리고, 갈리는 지점이 조직 쪽에 있다는 것이지요. 회사에서 확인해 보실 때는 도입 전후 같은 업무의 소요 시간을 2주씩 재 보시는 정도면 충분한 근거가 됩니다.

한국은행이 잰 AI 업무시간 절감은 3.8%인데 생산 증가와의 상관계수는 0이었어요 — 예외가 자영업자와 전문직이었다는 대목이 실마리입니다

한국은행 고용연구팀이 낸 BOK 이슈노트 제2026-12호 「AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석」의 결과입니다. 2026년 6월 7일 발행된 연구 보고서이고, 이번 주에 새로 나온 소식이 아니에요. 가계조사 자료를 쓴 실증 분석이며 제목 그대로 도입 초기 3년에 한정한 결과라는 점, 그래서 장기 경로는 달라질 수 있다고 보고서가 스스로 밝힌 점을 먼저 적어 둘게요.

핵심 수치는 이렇습니다 — "분석 결과, AI 활용은 업무시간을 평균 3.8%(주당 약 1.5시간) 단축시키는 것으로 나타났다". 저숙련자와 AI를 많이 쓰는 사람에게 이 효과가 두드러졌고, 시간 단축을 환산하면 약 1.0%의 잠재적 생산성 향상에 해당한다고 봤어요. 그런데 이 시간 절감이 실제 생산 증가로 이어지지는 않았습니다 — 상관계수가 0이었어요.

예외가 있었다는 대목이 이 보고서의 실질적인 결론입니다 — "다만 예외적으로 자영업자, 전문직, AI 고강도 사용자 등 성과 유인과 업무 자율성이 높은 집단에서는 생산성 증가가 관찰되었는데, 이는 AI의 효과가 기술 자체보다 작업 구조와 유인 체계에 의해 결정될 수 있음을 보여준다". 앞 절을 떼고 이 문장만 읽으면 뜻이 뒤집히니 함께 두었어요. 보고서는 아낀 시간이 업무 흐름 개선이나 인력 재배치로 이어지지 못한 상태를 '생산성 단절'로 보고, 지금의 AI가 '효율성' 단계에는 들어왔지만 '생산성' 단계로는 넘어가지 못했다고 평가했습니다.

왜 하필 자영업자와 전문직이었을까요. 두 집단은 아낀 시간을 자기가 어디에 쓸지 정할 수 있고, 그 결과가 곧바로 자기 소득이 되지요. 반대로 조직 안에서는 아낀 시간이 다른 회의나 대기로 흡수되기 쉽고, 성과 지표가 시간이 아니라 산출물 단위로 잡혀 있지 않으면 절감분이 어디로 갔는지 보이지도 않는답니다. 그래서 회사가 손댈 자리는 도구가 아니라 두 곳이에요 — 아낀 시간의 사용처를 미리 정해 두는 것, 그리고 평가 기준을 사용량이 아니라 결과로 두는 것입니다.

실제로 그렇게 바꾼 회사 사례가 있어요. 채널코퍼레이션은 토큰 사용 제한을 거의 없앴다가 만든 도구가 석 달 뒤 아무도 안 쓰는 문제를 겪고, 인사 평가 기준을 '토큰을 얼마나 썼는가'에서 'AI로 얼마나 큰 성과를 냈는가'로 바꿨습니다. 야놀자는 전사 기초 교육이 비개발 직군에서 대화 수준을 넘지 못하자 업무 자동화 워크숍으로 방향을 틀었고, 비개발자 45%가 참여한 사내 해커톤 뒤 한 마케터가 팀 업무 자동화를 직접 설계했어요. 교육 인력 7명으로 국내 임직원 2천여 명을 감당할 수 없어 각 팀 자원자에게 확산을 맡기는 'AI 챔피언' 제도도 도입했고요. 모두 회사 측이 밝힌 내용이고 절감 시간이나 매출 같은 수치는 제시되지 않았습니다.

1주차 — 어디서 얼마나 아꼈는지 적는다
   작업명 / 도입 전 소요 / 도입 후 소요 / 주당 절감분

2주차 — 절감분의 사용처를 미리 정한다 (셋 중 하나로)
   (a) 산출물 수를 늘린다      (b) 품질 검토에 쓴다
   (c) 다른 업무를 넘겨받는다   ← 그냥 두면 회의로 흡수된다

3주차 — 평가 기준을 바꾼다
   ✗ "AI 도구 사용 횟수"  ✓ "AI로 처리한 건수와 그 결과"

4주차 — 자원자를 정한다
   팀마다 1명이 도구 사용법을 맡는다 (교육팀이 다 못 한다)

산업통상자원부가 의뢰한 2025년 조사 결과가 배경으로 함께 실려 있어요 — "산업통상자원부가 의뢰한 2025년 조사에 따르면, 685개 기업 가운데 37.1%가 AI를 실제 업무에 활용 중이었고 대기업의 도입률은 65.1%에 달했다". 바로 다음 문장은 도입률이 곧 성과를 뜻하지는 않는다는 것이고요. 조사 원문은 우리가 직접 열지 못했답니다. LG전자 가전사업본부처럼 반대 방향을 정리한 곳도 있어요 — 문서 구조화·회의 요약·반복 보고·우선순위 초안은 AI에 넘기고 피드백·소통·협업·회고는 사람에게 남기는 목록을 만들었지요.

서초구가 중·소상공인 300곳에 AI 홍보 콘텐츠 제작을 6개월간 무료로 지원해요 — 신청은 선착순이고 서비스는 9월 1일부터 시작합니다

서울 서초구가 2026년 8월 14일부터 지역 중·소상공인 300개 업체에 AI 기반 온라인 홍보 콘텐츠 제작 서비스를 무료로 지원하는 참여자를 선착순 모집하고 있습니다. 헤럴드경제 보도에 실린 규모는 이래요 — "구는 시비 2억 원을 지원받아 지역 중‧소상공인 300개 업체에 월 약 10만 원 상당의 AI 콘텐츠 제작 서비스를 무료로 제공한다". 참여 업체는 9월 1일부터 최대 6개월간 월 5건 이상의 제품 상세 페이지·이미지·홍보 문구·쇼츠를 만들 수 있고, 완성한 콘텐츠는 온라인 쇼핑몰과 SNS에서 자유롭게 쓸 수 있답니다.

조건을 정확히 보셔야 해요. 대상은 서초구 소재 업체이고 온라인 판매가 가능한 제품을 가진 온라인 판매업체·통신판매업체·소매업체·요식업체이며, 소상공인을 우선 선발합니다. 협력사는 '2026년 테스트베드 서울' 선정기업인 ㈜드랩이고요. 구는 대면·비대면 교육과 별도 고객지원 채널을 함께 운영하고, 참여 업체의 업종·제작 실적·만족도·온라인 판매 변화를 분석해 정책에 쓰겠다고 밝혔습니다. 사업이 아직 시작 전이라 효과 수치는 없어요. 선착순이라 이 글을 보시는 시점에 이미 마감됐을 수도 있으니 구청에 먼저 확인해 보시는 편이 좋겠지요. 서초구청이 낸 원 보도자료는 우리가 직접 열지 못했고 매체 보도로만 확인했습니다.

이런 지원사업에서 놓치기 쉬운 조건이 '월 5건 이상'이에요. 6개월이면 30건인데, 무엇을 만들지 미리 정해 두지 않으면 기간 절반이 지나서야 급하게 채우게 되지요. 신청 전에 만들 목록을 먼저 적어 두시길 권합니다.

본사가 도구를 깔아 주는 방식도 늘고 있어요. 본스치킨은 전국 가맹점을 대상으로 외식업 AI 운영 자동화 솔루션 '토더'를 도입했다고 2026년 6월 밝혔네요. POS와 배달 플랫폼, 매장 주문 채널에서 나오는 매출·재고·발주·리뷰 데이터를 한 화면에서 보고, 매출과 채널별 분석, 배달 데이터 기반 상권 분석, 플랫폼 리뷰 통합 조회, AI 리뷰 답변까지 묶은 도구이지요. 다만 이 발표에는 가맹점 수도, 도입 뒤 효과 수치도 없습니다 — '도입했다'까지가 전부이고 도구사 발표에 가까운 자료예요. 프랜차이즈에 속해 계시다면 본사에 같은 도구가 있는지 물어보는 편이 개별 계약보다 빠를 수 있다는 정도로 읽으시면 되겠습니다.

□ 사업장 주소가 해당 지자체 관할인지 확인 (서초구 사업은 구 소재 업체만)
□ 통신판매업 신고 여부 확인 — 온라인 판매 가능 제품이 조건
□ 만들 콘텐츠 30건 목록을 미리 적는다 (월 5건 × 6개월)
   1~10  주력 상품 상세페이지
   11~20 시즌·행사용 홍보 이미지와 문구
   21~30 짧은 영상(쇼츠)
□ 상품 사진 원본을 한 폴더에 모아 둔다 (AI 입력 자료가 된다)
□ 마감 여부를 구청 담당 부서에 전화로 먼저 확인한다 (선착순)

서초구 양재·우면동 일대는 2024년 11월 국내 최초 AI 지역특화발전특구로 지정된 곳이에요. 다만 이번 건은 시비 2억 원짜리 단년 사업이고 다음 회차 안내는 아직 없네요. 다른 지자체 사업은 관할 구청·시청의 소상공인 지원 공고에서 직접 확인해 보셔야 합니다.

오픈AI가 배포용 최신 모델의 강화학습 훈련을 2주간 멈췄어요 — 벤더에게 "어떤 조건에서 개발을 멈추는가"를 물어볼 근거가 생겼습니다

오픈AI가 2026년 8월 18일 자사 블로그에 모델 개발 속도를 스스로 늦췄다고 적었어요 — "이번 조치에는 배포용 최신 모델의 강화학습(RL) 훈련을 2주간 중단한 것이 포함되며, 그동안 우리는 연구 환경을 더 단단히 하고 레드팀 점검을 하며 모니터링 시스템의 적용 범위를 넓혔습니다." (원문: "This included a two-week pause in reinforcement learning (RL) training on our latest models intended for deployment while we further hardened and red-teamed our research environments and expanded the coverage of our monitoring systems.") 바로 다음 문장은 더 큰 건이고요 — "계획했던 가장 큰 프런티어 RL 실행은 계속 보류 중이며, 그동안 우리는 더 작은 규모의 훈련과 평가를 진행해 모델 행동을 살피고 안전장치를 확인하며 진행 전에 정렬의 증거를 더 확보하고 있습니다." (원문: "Our largest planned frontier RL run remains on hold while we conduct smaller-scale training and evaluations to assess model behavior, validate our safeguards, and establish more evidence of alignment before proceeding.") 이 '보류 중'은 게시일인 8월 18일 기준 서술이고, 언제 풀리는지는 문서에 없습니다.

계기가 두 가지로 적혀 있어요. 하나는 '오픈AI-허깅페이스 사건'이고, 다른 하나는 아직 공개되지 않은 차기 모델 아스트라(Astra)입니다. 회사는 8월 7일 아스트라가 치명적 수준의 사이버 역량을 가질 수 있다고 판단한 뒤, RL 훈련과 평가만이 아니라 도구를 쓰는 아스트라의 모든 추론에 모니터링 요건을 붙였다고 적었어요. 확정이 아니라 가능성 표현이라는 점은 그대로 두겠습니다.

값도 적혀 있어요 — "현재 추정치로는 모니터링 오버헤드가 감시 대상 추론 컴퓨팅의 약 20% 수준인데, 다만 이 비용은 훈련과 평가 작업 종류에 따라 상당히 달라집니다." (원문: "Our current estimates put monitoring overhead at roughly 20% of the inference compute being monitored, though the cost varies substantially across training and evaluation workloads.") 안전 감시에 드는 계산 비용이 앞으로 모델 값에 얹힐 수 있다는 신호로 읽힐 만한 대목이지요. 전부 오픈AI가 스스로 측정해 발표한 값이고, 독립 재현은 없어요. 허깅페이스 사건 기술 보고서도 게시 시점에 아직 나오지 않았습니다.

하루 전인 8월 17일에는 사장 그렉 브록만(Greg Brockman)이 같은 사건을 다룬 글을 올렸어요. 자사 오판을 문장으로 적었습니다 — "허깅페이스 사건은 우리가 우리 AI 모델의 실제 사이버 역량을 과소평가했음을 보여 주었습니다." (원문: "The Hugging Face incident showed that we underestimated the real-world cyber capabilities of our AI models.") 자기 개인 사이트를 점검시킨 사례도 실었는데, 조건을 함께 봐야 해요 — 대상이 단순한 정적 사이트였습니다. "약 15분 만에 13건의 문제를 찾아냈는데, 그중 상당수는 아마 단독으로는 악용되기 어렵겠지만 다른 취약점들과 엮이면 상당한 영향을 낼 수 있으리라 상상할 수 있었습니다." (원문: "In about 15 minutes, it uncovered 13 issues, many of which probably aren’t exploitable on their own—but I could imagine them being chained together with other vulnerabilities to significant effect.") 자사 제품을 권하는 글이라는 점도 밝혀 둘게요.

회사 실무로 옮기면 두 갈래예요. 보안 담당이 있는 조직이라면 벤더 계약서에 중단 조건과 통지 의무를 넣어 볼 근거가 생겼고, 담당이 없는 조직이라면 메일 위조 방지 설정이나 오래된 라이브러리처럼 기본 항목을 훑는 일부터가 실질적이지요. 브록만이 찾았다는 13건도 그런 종류였답니다.

1. 안전 문제가 확인되면 무엇을 멈추십니까?
   (신규 학습 / 특정 기능 / 전체 서비스 중 어디까지인가)
2. 그 판단은 누가 어떤 기준으로 내리며, 고객에게 언제 알리십니까?
3. 우리 데이터가 감시·검토 대상이 되는 경우가 있습니까? 보관 기간은?
4. 모델 교체·중단 시 이전 모델을 얼마나 더 쓸 수 있습니까?
5. 위 내용이 적힌 공개 문서 링크를 주실 수 있습니까?

※ 답을 구두로 받지 말고 문서 링크나 메일로 남길 것.

브록만은 여러 회사가 프런티어보다 불과 몇 달 뒤진 사이버 역량의 오픈웨이트 모델을 내놓았다고도 적었어요. 같은 문단 바로 앞에서 오픈AI는 자기 회사의 방침을 이렇게 적어 두었습니다 — “방어자를 공격자보다 유리하게 만들기 위해, 올해 초부터 저희는 사이버 역량을 신뢰할 수 있는 방어자에게만 공개해 왔습니다.” (원문: "To advantage defenders relative to attackers, earlier this year we began releasing our cyber capabilities only to trusted defenders.") 가중치를 공개하지 않는 쪽이 가중치를 공개한 모델을 평가한 대목이라, 이해관계가 걸린 자리의 평가로 읽으시는 편이 안전하겠지요. 이어지는 문장은 그중 가장 최근 것이 8월 말 공개될 것으로 보인다는 추정이고 확정된 일정이 아닙니다. 그 링크가 가리키는 페이지는 우리가 열지 못했답니다.

노타가 GPU 24장짜리 모델을 4장에서 돌게 줄여 공개했는데, 어떤 오픈웨이트 라이선스는 한국을 적용 지역에서 빼 두었어요

한국 모델 경량화 회사 노타(Nota AI)가 2026년 8월 18일 허깅페이스에 알리바바 Qwen3.8-Max를 줄인 판본을 공개했어요. 4비트로 양자화하고 전문가(expert)를 카드 표기로 40% 잘라낸 버전인데, 자르는 방식이 특징이에요. 모든 블록에서 같은 수를 똑같이 덜어내는 대신 신경망 전체를 놓고 전문가 중요도를 견준 뒤 레이어마다 남기는 개수를 다르게 했다고 모델 카드가 밝혔습니다. 92개 MoE 레이어에서 블록마다 256~392개를 남겨 원래 47,104개 중 27,968개를 유지했다고 적혀 있어요. 카드는 이를 '40% 가지치기'로 적었는데, 두 수를 그대로 빼면 덜어낸 개수가 19,136개라 정확한 비율은 40.625%랍니다.

회사 설명으로는 BF16(모델 수치를 16비트로 담는 기본 정밀도) 원본이 GPU 24장을 요구하는데 이 판본은 4장(B300 기준)에서 서빙됩니다. 자체 측정 표에서는 가지치기하지 않은 판본 대비 AIME 90.0으로 같고 GPQA-Diamond 83.8→84.9, IFEval 91.3→92.1로 오른 항목이 있는 반면 HumanEval 98.8→98.2, HumanEval+ 94.5→93.3으로 내린 항목도 있네요. 모델 카드가 스스로 조건을 달아 두었습니다 — "이 점수들은 열화 확인용이지 최선을 다한 설정이 아닙니다." (원문: "These scores are a degradation check, not a best-effort configuration.")

쓰기 전에 걸리는 조건이 두 겹이에요. 하나는 장비입니다. 모델 카드는 NVIDIA 블랙웰이 필요하다고 못 박았어요 — B200·B300·GB200 같은 블랙웰급 GPU에서만 추론이 돌아가고, 호퍼·에이다·암페어는 이 형식을 지원하지 않는다고 적혀 있지요. 국내에 많은 H100·A100 환경에서는 이 판본을 그대로 돌릴 수 없다는 뜻이랍니다. 다른 하나는 라이선스인데, 가지치기를 했다고 원본 조건이 사라지지 않아요 — 이 판본은 Qwen3.8-Max 자체 라이선스를 그대로 승계합니다.

라이선스가 실제로 문을 닫는 경우도 있어요. 허깅페이스에서 내려받기 수가 아주 많은 영상 생성 모델 MiniMax H3의 커뮤니티 라이선스가 그렇답니다. 정의 조항이 이래요 — '제외 지역'은 유럽연합, 영국, 대한민국, 미합중국을 뜻합니다 (원문: "Excluded Territories" means the European Union, the United Kingdom, the Republic of Korea and the United States of America.) 이어지는 조항은 적용 지역 밖에서 이 저작물과 그 산출물을 쓰거나 복제·수정·배포·전시하는 것을 계약이 허가하지 않는다고 적었고요.

네 가지를 갈라 읽으셔야 오해가 없어요. ① 이것은 한국 법이 금지한다는 뜻이 아니라 라이선스가 허가하지 않는다는 뜻입니다. ② 제한 대상은 가중치 공개본이고, 같은 리포의 문답 문서는 API가 안전장치와 함께 전 세계에서 이용 가능하다고 따로 적어 두었어요. ③ 회사는 영구 배제가 아니라고 밝혔습니다 — "현재의 제한은 '아직 아니다'라는 뜻이지 '영원히 아니다'가 아닙니다." (원문: “The current limitation means "not yet", not "not ever."”) 제외 지역의 조직도 개별 라이선스를 신청하면 통제 수단을 검토한 뒤 받을 수 있다고 같은 계약서에 적혀 있고요. ④ 이 라이선스의 발효일은 2026년 8월 2일입니다 — 이번 주에 새로 생긴 조건이 아니에요. 회사가 든 이유는 영상 생성 모델을 둘러싼 규제 환경이고, 같은 회사의 MiniMax-Music3 라이선스에는 이런 지역 조항이 없습니다. 아래 내용은 법률 자문이 아니니 실제 적용은 회사 법무 검토를 거치셔야 해요.

□ LICENSE 파일을 직접 열어 읽었는가 (모델 카드 요약 말고 원문)
□ 지역 제한 조항이 있는가 — "Territory" "Excluded" 로 검색
□ 매출·사용자 수 임계가 있는가 — Qwen3.8-Max 는 매출 5,000만 달러
□ 모델명 표기 의무가 있는가 (화면에 이름을 띄워야 하는 조항)
□ 출력물로 다른 모델을 학습·개선해도 되는가
□ 우리 GPU에서 실행 가능한가
   (NVFP4(엔비디아 4비트 저정밀 형식) 판본은 블랙웰급 — H100·A100 에서는 안 돌아간다)

※ 경량화 판본은 원본 라이선스를 그대로 승계한다.

노타는 앞서 Kimi-K3와 업스테이지 Solar-Open2-250B도 같은 방식으로 공개했어요. 다만 이번 판본은 공개 직후 내려받기 수가 세 자릿수라 실제 사용 사례를 확인하지는 못했습니다. 성능 표도 회사 자체 측정이고 제3자가 다시 돌려 본 결과는 없답니다.