[카테고리:] AI

최근 뉴스에 따르면, 일부 사용자가 ChatGPT에서 생성한 공유 링크가 Google이나 Bing 같은 검색엔진에 노출되면서, 의도치 않게 민감한 정보가 외부에 드러나는 일이 발생했다고 합니다. 이번 글에서는 해당 사례의 배경과 기술적인 구조, 개인정보 보호를 위해 우리가 알아야 할 핵심 내용을 간단하면서도 실용적으로 소개해드리겠습니다.

ChatGPT 공유 링크, 검색엔진에 노출되다

ChatGPT에서 유용한 대화 내용을 공유하고자 ‘공유 링크 만들기’ 기능을 사용해보신 분도 많으실 겁니다. 이 기능을 사용하면 ‘/share’가 포함된 고유 URL이 생성되고, 이 링크를 받은 누구나 해당 내용을 열람할 수 있게 됩니다.

문제는 일부 공유 링크들이 검색엔진에 수집되면서 누구나 검색을 통해 타인의 AI 대화를 들여다볼 수 있었던 점입니다. 예를 들어 누군가는 이력서 첨삭을 요청했고, 다른 이는 사적인 연애나 직장 고민을 털어놓기도 했습니다. 이러한 대화들이 외부에 노출되며 개인정보 유출 사고로 이어졌습니다.

공유 링크는 왜 검색엔진에 노출되었나?

ChatGPT에서 대화를 공유하려면 ‘공유’ 버튼을 누른 뒤 ‘링크 생성’을 선택해야 합니다. 이때 별도의 설정을 변경하지 않으면 대부분의 경우 해당 링크는 검색엔진에 노출 가능한 상태로 생성됩니다. 검색로봇은 이 URL을 인터넷 상에서 감지하고 색인을 지정(인덱싱)함으로써 검색 결과에 포함시킵니다.

이는 Google Drive 등의 클라우드 서비스에서 종종 나타나는 보안 취약성과 유사합니다. ‘링크가 있는 모든 사람’에게 열람을 허용하면 그 링크가 의도치 않게 외부 웹사이트를 통해 확산되고, 결국 검색엔진에도 포착될 수 있습니다. 공유의 편의성은 높지만, 반면 프라이버시와 보안 측면에서는 명확한 한계가 존재합니다.

단순한 실험인가, 아니면 위험한 전환점인가?

OpenAI는 해당 상황이 실험적인 기능에 의해 발생했음을 인정하고, 현재는 검색엔진 인덱싱이 더 이상 허용되지 않도록 조치했다고 밝혔습니다. 그러나 이미 노출된 일부 링크는 아직 검색 결과에서 완전히 사라지지 않은 상태입니다.

이 사건은 단순한 사용자 실수가 아닙니다. AI 서비스가 일상생활 깊숙이 들어온 지금, 사용자 데이터 보호와 디지털 문해력 향상은 더 이상 선택이 아닌 필수입니다. 특히 ChatGPT의 경우, 사용 내용이 개인의 감정이나 경제 상황, 직업 정체성까지 드러낼 만큼 민감할 수 있기 때문에 각별한 주의가 필요합니다.

ChatGPT의 공유 기능은 어떻게 작동하나?

공유 기능은 사용자가 대화 내용을 다른 사람과 나누고 싶을 때 유용하게 쓰입니다. 해당 기능을 실행하면 ‘chat.openai.com/share/고유값’ 형태의 URL이 자동 생성되고, 보기 편한 형식으로 대화 내용이 정리되어 나타납니다. 이 링크에는 사용자의 이름이나 이후 대화 내용은 포함되지 않지만, 중요한 점은 생성된 링크만 있으면 누구든 그 내용을 그대로 확인할 수 있다는 사실입니다.

초기 설정에서는 이 링크가 검색엔진에 노출될 수 있는 상태였기 때문에, 의도치 않게 외부 공개로 이어지는 사고가 발생했던 것입니다.

사용자 실수인가, 시스템 설계의 문제인가?

많은 전문가들은 이 문제를 단순한 사용자 실수로 보기 어렵다고 말합니다. 특히 공유 링크가 기본적으로 검색엔진 수집을 허용하는 구조로 설계되어 있었다는 점에서 시스템 설계상의 결함이라는 지적도 나옵니다.

개인정보 유출을 막으려면 어떻게 해야 하나?

사용자 입장에서 개인정보 보호를 위한 몇 가지 실천 방법이 있습니다. 첫째, 공유 버튼을 누르기 전 내용 중 민감한 표현이나 개인정보가 포함되지 않았는지 점검하셔야 합니다. 이름, 전화번호, 직장 정보 등은 반드시 제거하시는 것이 좋습니다.

둘째, 링크 생성 후 ‘검색엔진 노출 허용’ 여부를 꼭 확인하셔야 합니다. 옵션이 있다면 비활성화 상태로 설정하시고, 가능한 경우 일반 링크 생성 자체를 피하는 것도 좋은 방법입니다.

셋째, 가족이나 친구, 직장 동료 등 제3자의 이름이나 정보를 대화에 포함시키는 것은 권장되지 않습니다. 개인정보는 본인 것뿐만 아니라 타인의 정보도 포함될 수 있음을 인지하셔야 합니다.

넷째, 민감한 주제에 대해서는 가급적 공유를 삼가시는 것이 좋습니다. 특히 금융, 건강, 진로 등 개인의 중요한 의사결정과 관련된 질문은 외부 유출될 경우 의도치 않은 결과를 초래할 수 있습니다.

기업 사용자라면, 더욱 각별한 주의가 필요합니다

많은 기업들이 사내 문서 정리, 마케팅 문안 작성, 보고서 요약 등 다양한 업무에 ChatGPT를 도입하고 있습니다. 하지만 만일 직원이 이런 대화를 공유 링크로 저장하거나 메신저 등에서 전달한다면, 내부 문서나 고객 정보, 혹은 제품 로드맵이 외부에 노출될 가능성도 있습니다.

특히 마케팅, 전략기획, R&D, 법무 부서에서 다루는 문서 정보는 기업의 핵심 자산일 수 있습니다. 따라서 기업은 AI 도구 활용 시 내부 보안 정책을 명문화하고, 전 직원 대상의 사이버 보안 교육을 정기적으로 시행할 필요가 있습니다.

결론: AI 시대, 책임 있는 사용 문화가 필요합니다

ChatGPT를 포함한 AI 서비스는 빠르게 진화하고 있습니다. 그리고 이에 따라 사용자 개인의 책임감뿐만 아니라, 개발사의 윤리적 설계 능력 역시 더욱 중요해지고 있습니다. 결국 우리는 ‘편리함보다 신중함’이라는 원칙을 기억해야 합니다.

AI를 잘 활용한다는 것은 기술을 스마트하게 쓰는 것을 넘어, 우리의 개인정보와 사회적 신뢰를 지키는 일이기도 합니다. 이번 사례가 올바른 AI 도구 사용 문화를 다시 생각하게 하는 계기가 되기를 바랍니다.

출처: Your public ChatGPT queries are getting indexed by Google and other search engines

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

AI 기술은 단순한 챗봇에서 출발해 콘텐츠 제작, 프로그래밍, 데이터 분석 등 다양한 비즈니스 분야로 확장되었습니다. 이제는 하나의 지능이 아닌 여러 개의 AI가 협력하는 ‘멀티 에이전트 시스템’ 시대에 접어들고 있습니다. 이 중심에 선 중국 AI 스타트업 Manus는 기존의 ‘Deep Research’ 방식을 넘어, 새로운 개념인 ‘Wide Research’를 제안하며 업계의 주목을 받고 있습니다. 이 글에서는 Manus의 Wide Research가 무엇인지, 기존 방식과 어떤 차이를 보이는지, 그리고 실제 활용 사례와 기술적 토대, 시장에서의 의미를 중심으로 살펴보겠습니다.

Wide Research란 무엇인가?

기존 인공지능 시스템은 사용자의 질문에 대해 웹에서 정보를 수집하고 요약하는 ‘Deep Research’를 중심으로 발전해 왔습니다. 하지만 Manus의 ‘Wide Research’는 완전히 다른 접근 방식을 취합니다. 단일 AI가 일련의 순차적 작업을 처리하는 대신, Manus는 하나의 업무에 대해 100개 이상의 AI 에이전트를 동시에 구동시킵니다.

이를테면, 특정 브랜드의 신발 100쌍을 비교해야 하는 상황에서 각각의 AI 에이전트가 한 켤레씩 담당해 동시에 분석하게 됩니다. 이렇게 병렬로 작업을 진행하면 처리 속도는 물론 정확도와 다양성 측면에서도 효율성을 높일 수 있습니다.

병렬 AI 에이전트 구조의 핵심: 모두가 ‘제너럴’한 이유

Wide Research에서 특히 주목할 점은 각 AI 에이전트가 특정한 역할에 국한되지 않는다는 것입니다. 연구, 생성, 검토 등 모든 기능을 독립적으로 수행할 수 있어 각 에이전트가 ‘제너럴 퍼포즈 AI(범용 AI)’로 작동합니다.

일반적으로 멀티 에이전트 시스템은 역할을 분담해 작업을 수행하는데, Manus는 이와 달리 모든 에이전트가 똑같은 권한과 기능을 가지고 평등하게 작업합니다. 이 접근은 유연성을 극대화하지만, 동시에 일부 작업에서는 역할 충돌이나 중복 대응의 문제가 발생할 가능성도 있습니다. 다만 초기 실행 속도나 반복 테스트가 중요한 작업 환경에서는 이 방식이 훨씬 유리하게 작용할 수 있습니다.

실제 사례로 보는 Wide Research의 활용

Manus의 기술력이 실제로 어떻게 활용될 수 있는지는 포스터 디자인 프로젝트 사례에서 잘 드러납니다. 이 프로젝트에서는 50가지 서로 다른 시각 스타일에 맞춘 포스터를 동시에 생성할 수 있었습니다. 각 디자인은 개별 에이전트가 담당했으며, 결과는 ZIP 파일로 바로 내려받을 수 있도록 구성했습니다.

이와 같은 병렬 생성 방식은 디자인, 콘텐츠 제작, 영상 편집, 프레젠테이션 슬라이드 등 크리에이티브 산업 전반에서 기존 대비 획기적인 시간 단축과 스타일 다양화를 제공할 수 있습니다. 다수의 아이디어를 동시 탐색하거나 마케팅 자료를 지역별, 타깃별로 빠르게 제작해야 하는 팀에게 매우 유용할 수 있습니다.

Wide Research와 Deep Research는 무엇이 다른가?

Deep Research는 하나 또는 소수의 강력한 AI가 순차적으로 정보 수집과 분석을 진행합니다. 이는 집중적이고 심층적인 결과를 도출하는 데 유리하지만, 시간과 자원이 상대적으로 더 많이 소요될 수 있습니다.

Wide Research는 이와는 전혀 반대입니다. 동시에 다수의 작업을 처리함으로써 속도와 처리량에서 차별화를 꾀합니다. 예를 들어, 마켓 리서치나 콘텐츠 비교, 대규모 디자인 생성 등에서는 병렬성이 명확한 강점으로 이어집니다.

물론 Wide Research가 절대적으로 Deep Research보다 우위에 있다는 것은 아니니 신중해야 합니다. 아직까지 공식적인 성능 측정 자료나 정확도, 리소스 효율에 대한 데이터는 많이 공개되어 있지 않은 상황입니다. 따라서 두 방식은 목적에 따라 선택적으로 활용될 필요가 있습니다.

Wide Research의 기술적 기반: 가상 머신과 자동 오케스트레이션

Manus는 단순한 AI 에이전트를 제공하는 수준을 넘어서, 각 사용자에게 ‘개인용 클라우드 컴퓨팅 환경’을 제공합니다. 사용자가 요청을 입력하면, 그에 맞춰 새로운 가상 머신(Virtual Machine)을 생성하고, 이 VM 내부에 수십, 수백 개의 에이전트를 투입해 작업을 처리합니다.

이 구조 덕분에 사용자 입장에서는 복잡한 서버 설정이나 개발 환경 구축 없이도, 자연어로 명령을 입력하면 고성능 컴퓨팅 자원을 즉시 활용할 수 있습니다. 결과적으로 병렬 작업의 효율성을 극대화하면서도 사용자 경험은 단순하고 직관적으로 유지할 수 있도록 설계되었습니다.

가격 정책과 사용 접근 방식

현재 Wide Research는 Manus의 상위 요금제인 Pro 플랜(월 $199)에서 우선 적용되고 있습니다. 향후에는 점진적으로 Plus(월 $39), Basic(월 $19) 요금제 사용자에게도 기능이 확대 제공될 예정입니다.

각 요금제는 동시에 실행할 수 있는 작업 수와 포인트 기준 작업량이 다릅니다. 예를 들어 Pro 요금제 사용자는 10개의 동시 작업을 실행할 수 있으며, 연간 결제를 선택할 경우 비용 할인도 적용됩니다. 고성능 병렬 작업이 필요한 기업이나 콘텐츠 제작자라면 투자 대비 효율을 고려할 만한 수준입니다.

기존 멀티 에이전트 시스템과 비교한 한계점

Wide Research는 분명 차세대 멀티 에이전트 시스템이라는 평가를 받고 있지만, 아직은 해결해야 할 과제도 존재합니다. 실제로 유사한 멀티 에이전트 구조를 사용하는 다른 사례에서는 에이전트 간 협업 부족, 결과물의 일관성 부재, 디버깅의 어려움 등이 보고되기도 했습니다.

Reddit 커뮤니티나 Claude Code 사용자들 사이에서는 에이전트가 너무 많은 토큰을 소비하거나, 내부 작동 과정이 불투명해 결과를 분석하고 보완하는 데 어려움을 겪는다는 피드백도 나오고 있습니다. Wide Research 역시 이와 유사한 구조이기 때문에, 동일한 문제가 발생할 수 있습니다.

맺으며: 지금 Wide Research를 도입할 시점인가?

현재의 Wide Research는 실험적 단계에 가까운 기능이지만, 분명 주목할 만한 기술입니다. 특히 단시간에 대규모 작업을 처리해야 하거나, 다양한 옵션을 동시에 테스트해야 하는 조직이라면 도입을 검토해볼 필요가 있습니다. 다만 시스템의 완성도, 데이터 투명성, 결과 정합성 등 일부 보완이 필요한 점도 있는 만큼, 목적과 여건에 맞는 활용이 중요합니다.

다음과 같은 경우, Wide Research의 사용이 적합할 수 있습니다.

• 다양한 사용자 경험을 빠르게 실험해야 하는 UX 디자이너
• 경쟁사 제품이나 시장 동향을 폭넓게 조사해야 하는 기획자
• 고성능 연산을 필요로 하는 인공지능 모델 연구자
• 콘텐츠를 대량으로 다양하게 생산해야 하는 영상·디지털 마케팅 팀

향후 업그레이드를 통해 이러한 문제들이 개선된다면, Wide Research는 AI의 새로운 활용 방식이 될 수 있습니다. 전략적 관점에서 도입 시기와 활용 처를 면밀히 검토하는 것이 바람직하겠습니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

구글이 자사의 AI 기반 학습 및 노트 작성 도구인 NotebookLM에 ‘비디오 개요(Video Overviews)’ 기능을 추가했습니다. 기존 오디오 기반 요약 기능(Audio Overviews)만으로도 사용자들은 콘텐츠의 핵심을 빠르게 파악할 수 있었지만, 이번 비디오 기능 도입을 통해 시각적인 정보 전달까지 지원함으로써 AI 활용의 새로운 가능성을 열었습니다. 개인적으로도 잘 사용하던 NotebookLM 비디오 기능은 콘텐츠 활용의 한 단계가 또 점프하는 느낌을 주는 것 같습니다.

NotebookLM이란 무엇인가?

NotebookLM은 사용자가 업로드한 문서, PDF, 이미지 등 다양한 형식의 자료를 기반으로 자동 요약, 정보 정리, 콘텐츠 재구성이 가능한 구글의 AI 서비스입니다. 처음에는 단순 텍스트 요약 중심이었지만, 이후 오디오 개요 기능이 추가되면서 학습자가 주요 내용을 음성으로 들을 수 있도록 지원했고, 이번에는 그 시각적 확장판인 비디오 개요까지 제공하게 됐습니다.

기존의 자료 이해 방식을 넘어서, 읽고 들을 뿐 아니라 ‘보며’ 학습하는 통합형 플랫폼으로 진화하고 있습니다.

NotebookLM 비디오 개요(Video Overviews)란?

NotebookLM 비디오 개요는 단순히 AI가 동영상을 만들어주는 기능을 넘어섭니다. 구글은 이 기능을 ‘시각 정보를 활용한 이해도 향상 AI 영상 콘텐츠’라고 설명합니다.

예를 들면 경제 보고서나 학술 논문처럼 이해하기 어려운 문서를 업로드하면, AI가 중요한 인용문, 수치, 다이어그램 등을 시각화해 영상 콘텐츠로 재구성합니다. 이 영상은 복잡한 개념을 보다 쉽게 전달하며, 학습자는 단시간에 문서의 핵심을 파악할 수 있습니다. 다음의 소개 영상을 참고해 보세요.

오디오 개요와의 차이점

오디오 개요는 AI가 텍스트 내용을 팟캐스트처럼 요약해 들려주는 기능으로, 특히 이동 중 학습이나 멀티태스킹이 필요한 사용자들 사이에서 인기가 높았습니다. 반면 비디오 개요는 시청각 정보를 동시에 제공합니다.

즉, 오디오는 ‘귀로 듣는 요약’, 비디오는 ‘눈으로 보는 설명’입니다. 영상 내에는 색상, 그래프, 텍스트 애니메이션 같은 시각 요소들이 포함돼 데이터나 개념을 더 직관적으로 이해할 수 있도록 돕습니다. 두 기능은 사용자의 상황에 따라 병행 사용이 가능합니다.

개인화된 구성: 사용자가 원하는 방식대로

NotebookLM의 강점은 사용자의 요청에 따라 콘텐츠를 ‘맞춤’형으로 재구성할 수 있다는 점입니다. 비디오 개요 기능 역시 다음과 같은 요청이 가능합니다.

예를 들어, “이 문서에서 시장 예측과 관련된 부분만 중심으로 설명해줘”라고 지시할 수 있습니다. 혹은 “처음 이 주제를 접하는 고등학생이 이해할 수 있도록 쉽게 설명해줘” 같은 요청도 가능합니다.

이처럼 학습 목적, 대상 청중, 초점을 맞추고 싶은 주제를 지정하면 AI가 이에 맞는 콘텐츠를 생성해 줍니다. 단순 요약을 넘어서, 마치 프레젠테이션 전문가가 만든 영상 자료처럼 활용할 수 있습니다.

예시 사례: 대학생 논문 요약부터 기업 보고서 정리까지

다음의 가상의 사례로 어떤 변화가 있을 수 있는지 살펴보겠습니다.

홍익대학교 산업디자인과 3학년 김다예 씨는 ‘UX 디자인과 인지 부하 저감’이라는 주제의 논문을 졸업 과제로 작성했습니다. 이 논문을 NotebookLM에 업로드한 뒤, 핵심 이론과 다이어그램 중심으로 구성된 비디오 개요를 생성했습니다. 이 비디오는 발표 자료로도 훌륭하게 활용됐고, 설명의 정확성과 전달력 면에서 교수진의 긍정적인 평가를 받았습니다.

또한 모그룹의 한 마케팅 실무자는 매주 10페이지에 달하는 시장 조사 보고서를 내부 팀과 공유해야 했습니다. 이때 그가 사용한 방식은 단순했습니다. 보고서를 NotebookLM에 올리고, 주요 지표와 인사이트를 중심으로 짧은 비디오 형식의 요약을 만든 다음, 이를 이메일로 공유한 것입니다. 이 영상은 복잡한 자료를 보다 빠르게 이해할 수 있게 만들었고, 회의 시간도 줄이는 데 효과적이었다고 합니다.

NotebookLM Studio의 주요 업데이트

구글은 이번 비디오 개요 도입과 함께 NotebookLM Studio에 다음과 같은 기능들을 더했습니다.

이제 하나의 문서에서 오디오, 비디오, 마인드맵, 보고서를 동시에 생성하고 저장할 수 있게 되었습니다. 또한 사용자 인터페이스 상단에 원하는 방식의 콘텐츠 생성 버튼이 배치돼, 클릭 한 번으로 다양한 형태의 정보 출력을 관리할 수 있습니다.

특히 오디오 개요를 재생하면서 다른 탭에서는 마인드맵을 동시에 확인하는 방식도 가능해졌습니다. 이는 전통적인 콘텐츠 관리와는 다른, AI 중심의 멀티태스킹 학습 환경을 의미합니다.

이제는 영상 콘텐츠의 시대: 왜 비디오 개요가 필요한가

2025년을 기준으로 Z세대 이하의 인터넷 사용자의 74%가 텍스트보다 비디오 콘텐츠를 더 선호하는 것으로 나타났습니다. 유튜브로 강의를 듣고, 인스타그램에서 뉴스를 접하며, 틱톡으로 경제 공부를 하는 세대에겐 영상 기반 정보 전달이 자연스러운 선택지입니다.

NotebookLM Video Overviews는 이러한 콘텐츠 소비 트렌드를 학습 환경으로 끌어왔다는 점에서 의미가 큽니다. 단지 AI가 글을 이해하고 요약하는 것에서 나아가, 시각적 언어로 재가공하고 전달하는 수준까지 진화한 것입니다.

실용적 활용 예시: 교육, 기업, 개인 창작 도구로의 확장

비디오 개요 기능은 학습이나 보고서 정리를 넘어서 전방위적으로 활용될 수 있습니다.

학원을 운영하는 교육자는 교재 내용을 쉽게 시각화해 수업에 활용할 수 있습니다. 기업 인사팀은 직원들에게 복리후생, 사내 규정 등을 이해하기 쉬운 영상으로 안내할 수 있습니다. 프리랜서 디자이너는 클라이언트가 이해하기 어려워하던 개념을 직관적으로 설명할 수 있고, 유튜버나 콘텐츠 크리에이터는 배경 자료를 시각적으로 구성해 활용도 높은 콘텐츠를 제작할 수 있습니다.

향후 확장 가능성: 다국어 지원과 협업 툴로의 진화

현재 비디오 개요는 영어 사용자를 대상으로 제공되고 있으나, 구글은 한국어와 스페인어, 프랑스어 등 다양한 언어 지원을 준비 중입니다. 이 기능이 다국어로 확대되면 전 세계 교육자, 기업, 공공 기관들이 공동 작업 툴로 활용할 가능성이 커집니다.

또한, 생성된 비디오를 구글 드라이브, 유튜브, 클래스룸 등에 연동해 실시간으로 배포할 수 있다면, 온라인 학습이나 내부 커뮤니케이션 방식도 크게 달라질 것입니다.

SEO 관점에서 본 시각 요약의 가치

Search Engine Optimization(SEO) 관점에서도 NotebookLM의 비디오 개요는 주목할 만한 의미를 가집니다. 텍스트 중심 콘텐츠의 경우, 사용자가 모든 내용을 읽으려면 시간이 걸리고, 이 과정에서 이탈률이 높아질 수 있습니다.

반면, 시각적으로 요약된 영상은 클릭 후 몇 초 안에 메시지를 전달할 수 있어, Dwell Time(머문 시간)과 Engagement(관여도)를 높이기 쉽습니다. 이는 검색 결과 상단에 노출되는 ‘지식 패널’, ‘추천 스니펫’ 영역에서 더 많은 주목을 받을 수 있는 콘텐츠를 만들 수 있다는 뜻이기도 합니다.

결론: NotebookLM 비디오 개요는 ‘설명하는 AI’ 시대의 시작

정리하자면 NotebookLM의 비디오 개요 기능은 단순한 기능 추가 이상의 의미를 가질 수 있습니다. 정보의 핵심을 이해하고 전달하는 AI가, 이제는 읽는 것에서 그치지 않고 ‘보여주고 설명하는’ 단계로 넘어왔습니다.

이제 NotebookLM은 단순한 노트 정리 툴이 아닌, 학습 자료 제작 도구이자 프레젠테이션 파트너, 내부 커뮤니케이션 툴로서의 역할까지 수행하고 있습니다. 학업, 마케팅, 교육, 브랜딩 등 다양한 분야에서 이 기능이 어떤 가치를 만들어낼 수 있을지는 사용자에 달려 있습니다. 앞으로 일하는 방식, 배우는 방식 자체에 변화를 불러올 기술로서, 계속 주목할 필요가 있습니다. 구글의 동시 다발적인 일상 업무로의 침투가 개인적으로 마이크로소프트의 속도보다 빠르고, 좋은 품질로 느껴지는 요즘입니다. 어떻게 상황이 또 전개될지 관심을 가지고 지켜보시죠.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

영상 콘텐츠 제작 방식도 AI로 인해 커다란 변화를 맞고 있습니다. 세계 최대 스트리밍 플랫폼 중 하나인 넷플릭스(Netflix)가 생성형 인공지능(Generative AI, 이하 GenAI)을 본격적으로 도입하면서, 드라마와 영화 제작의 흐름을 바꾸고 있습니다. 이번 넷플릭스 AI 도입은 단순한 기술 실험을 넘어 실제 상용화 단계에 들어섰다는 점에서 더욱 주목할 만합니다. 특히, 시각효과(VFX) 작업을 빠르고 저렴하게 구현하면서 콘텐츠 제작의 전반적인 효율성을 높이고 있습니다.

생성형 AI, 영상 제작을 다시 쓰다

넷플릭스는 GenAI를 실제 콘텐츠 제작에 적용한 사례로 아르헨티나 드라마 ‘엘 에테르나우타(El Eternauta)’를 소개했습니다. 이 드라마에서는 건물이 무너지는 장면을 AI 기술로 제작했는데, 작업에 소요되는 시간이 기존 대비 약 10분의 1 수준으로 줄었고, 비용도 크게 절감됐다고 합니다. 넷플릭스 공동 CEO 테드 사란도스(Ted Sarandos)는 이를 통해 AI가 단순 보조 기술을 넘어, 영상 제작의 핵심 자산이 될 수 있음을 강조했습니다.

과거에는 시각효과나 디에이징(de-aging)처럼 복잡한 기술이 오직 수백억 원 규모의 블록버스터 영화에서만 가능했던 반면, 이젠 AI가 이 같은 ‘비용 장벽’을 허물고 있습니다.

사례로 본 AI의 가능성: ‘엘 에테르나우타’

‘엘 에테르나우타’는 단순히 AI를 활용했다는 의미를 넘어, 콘텐츠 제작 방식이 실제로 변화하고 있음을 보여주는 결정적인 사례입니다. 이 프로젝트는 넷플릭스 내부 제작팀과 외부 전문가들이 협업해 AI 기술을 실제 촬영과 연출에 적용한 첫 테스트베드였습니다.

특히 중요한 점은, AI가 창의적인 결정을 내리는 것이 아니라 인간 감독과 제작자의 계획 아래에서 시각적으로 그 결과물을 구현했다는 점입니다. 이러한 방식은 향후 드라마나 영화 작업의 새로운 표준이 될 가능성을 보여주고 있습니다.

콘텐츠 제작에 미치는 변화: 더 빠르게, 더 저렴하게, 더 유연하게

AI가 도입됨에 따라 가장 먼저 바뀐 것은 제작 속도입니다. 전통적으로 사전 시각화(pre-visualization)나 샷 플래닝(shot planning) 과정은 수작업으로 진행되어 많은 시간과 인력을 필요로 했습니다. 그러나 지금은 AI가 다양한 비주얼 구도를 순식간에 시뮬레이션하고, 제작자는 이 중에서 가장 적합한 것을 선택할 수 있게 되었습니다.

비용 측면에서도 큰 변화가 있었습니다. 예전에는 건물 붕괴 장면을 외부 전문업체에 맡겨야 했고, 그 비용은 수천만 원에서 수억 원에 이를 수 있었습니다. 이제는 GenAI 툴을 활용하면 이 같은 장면도 소규모 팀 내부에서 손쉽게 제작할 수 있습니다.

창작 도구로서의 AI: 대체가 아니라 보완

넷플릭스의 공동 CEO는 “AI는 창작자를 대체하는 기술이 아니라, 창작자가 더 좋은 결과물을 만들 수 있도록 돕는 도구”라고 설명했습니다. 이 발언은 AI의 역할과 방향성을 상징적으로 보여줍니다.

특히 제작 예산이 넉넉하지 않은 독립 제작자나 신생 콘텐츠 팀에게 GenAI는 탁월한 기회를 제공합니다. 과거에는 꿈만 꿨던 복잡한 장면이나 연출이 이젠 현실에서 구현 가능한 수준이 된 것입니다.

AI, 콘텐츠 제작을 넘어 넷플릭스 전반에 확산되다

넷플릭스는 AI를 단지 콘텐츠 제작에만 사용하고 있지 않습니다. 시청자 추천 알고리듬, 검색 기능, 광고 시스템 등에도 GenAI 기술을 적극적으로 도입하고 있습니다. 특히 2025년 하반기부터는 인터랙티브 광고에 AI 기반 추천 기술을 적용할 계획입니다.

AI가 사용자의 감정이나 기호, 상황까지 분석해 콘텐츠를 추천해주는 ‘감정 기반 큐레이션’도 곧 현실이 됩니다. 단순한 타이틀 검색을 넘어, 시청자 개인의 맥락까지 반영하는 개인화 경험이 가능해질 것입니다.

콘텐츠 산업에 미치는 파급력

넷플릭스의 이 같은 AI 활용은 콘텐츠 산업 전체에 큰 영향을 미칩니다. 현재 ABC, HBO, 디즈니 등 기존 방송사들도 GenAI 기술을 도입하는 방안을 두고 활발한 내부 논의를 진행 중이고, 소니 픽처스나 파라마운트와 같은 제작사들 역시 자체 AI 기술 개발에 나서고 있습니다.

이제 AI 도입은 일시적인 트렌드가 아닌, 콘텐츠 산업의 ‘뉴 노멀’로 자리 잡아가고 있습니다. 앞으로는 제작자, 연출자, 배우들까지도 AI와 함께 일하는 방식을 고민하게 될 것입니다.

창작을 강화하는 AI의 사례

AI가 창작 영역에서 논란이 되는 지금, 넷플릭스의 ‘엘 에테르나우타’ 사례는 하나의 기준을 제시합니다. 이 프로젝트에서 AI는 창작자의 구상과 연출을 시각화하는 보조자 역할을 했고, 창작의 주체는 여전히 사람이라는 점이 분명히 드러났습니다.

이러한 방식은 AI를 투명하게 활용하면서 윤리적 논란을 피해 갈 수 있는 현실적인 모델로 평가받고 있습니다.

GenAI와 넷플릭스의 전략적 성장

넷플릭스는 GenAI 기술을 통해 단지 콘텐츠 제작을 개선하는 데 그치지 않고, 플랫폼 혁신과 글로벌 시장 공략에 박차를 가하고 있습니다. 2025년 2분기 실적에 따르면 넷플릭스의 매출은 전년 대비 16% 증가한 110.8억 달러(약 14.7조 원)를, 순이익은 31.3억 달러(약 4.1조 원)를 기록했습니다.

전체 시청 시간은 950억 시간을 넘어섰고, 비영어권 콘텐츠가 그 중 약 3분의 1을 차지했습니다. 이를 통해 넷플릭스는 언어와 문화 장벽을 넘어서는 콘텐츠 제작 전략을 구체화하고 있으며, 다국적 제작을 가능하게 하는 도구로서 AI를 적극 도입하고 있는 것입니다.

앞으로의 과제: 기술과 창의력의 균형

AI 활용이 가속화되는 만큼, 그에 수반되는 윤리적·법적 문제에 대한 논의도 활발해지고 있습니다. 영상 콘텐츠는 다양한 이해관계자들이 함께 만드는 협업의 결과물이기 때문에, AI 도입 시 역할과 책임의 경계를 명확히 해야 합니다.

넷플릭스처럼 AI의 사용 범위를 투명하게 공개하고 인간 창작자의 역할을 존중하는 방식이라면, 앞으로도 AI는 엔터테인먼트 산업의 든든한 조력자가 될 수 있을 것입니다.

마무리하며: AI는 엔터테인먼트 산업의 전략적 파트너

넷플릭스는 GenAI를 창의적이면서도 효율적으로 활용하며, 콘텐츠 산업 내에서 AI 전환의 상징적인 사례를 만들어 가고 있습니다. 빠르게 변하는 환경 속에서 AI는 단순한 기술을 넘어, 경쟁력 확보와 생존 전략의 핵심으로 자리 잡고 있습니다.

앞으로 AI의 기술력이 극대화될수록 콘텐츠 제작 현장은 더 큰 변화를 겪게 될 것입니다. 하지만 중요한 것은 기술과 창의성의 균형입니다. 더욱 풍성하고 다양한 콘텐츠 세계가 열릴 수 있도록, 이 두 요소가 조화를 이루는 방향을 함께 고민하고 실천해 나가야 할 때입니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

인공지능(AI)이 단순한 계산이나 언어 생성 단계를 넘어, 인간 수준의 사고 능력을 흉내 내는 수준에 이르고 있습니다. 2025년, 구글 딥마인드(Google DeepMind)가 개발한 AI 모델 ‘제미나이 딥 싱크(Gemini Deep Think)’는 세계에서 가장 어렵다고 평가받는 국제 수학 올림피아드(IMO)에서 금메달 수준의 성과를 기록하며 전 세계를 다시 한번 놀라게 했습니다. 그동안 꾸준히 기술력을 쌓아온 딥마인드는 이번 결과를 통해 AI의 추론 능력과 문제 해결 역량이 새로운 전환점을 맞았음을 증명했습니다.

이 글에서는 이번 성과가 갖는 의미와 AI 모델의 작동 방식, 산업계와 학계에 미치는 파급력, 그리고 경쟁사인 OpenAI와의 비교까지 폭넓게 짚어보겠습니다.

국제 수학 올림피아드란 무엇인가?

국제 수학 올림피아드(IMO)는 1959년부터 매년 전 세계에서 수학에 뛰어난 고등학생들이 참가하는 경시대회입니다. 이 대회는 6문제로 구성되어 있으며, 문제의 난이도는 매우 높습니다. 대수학, 조합론, 정수론, 기하학 등 다양한 수학 분야를 아우르고 있습니다. 금메달을 획득하는 참가자의 비율은 전체의 약 8%로, 그만큼 경쟁이 치열하고 인간 사고력의 한계를 시험하는 자리라고 할 수 있습니다.

딥마인드가 참여한 이번 대회는 단순히 ‘수학 잘하는 AI’라는 묘기 수준을 넘어, AI가 인간의 사고능력을 얼마나 따라잡았는지를 점검하는 중요한 기준이 되었습니다.

딥마인드 제미나이의 금메달 획득, 무엇이 특별한가?

딥마인드의 AI 모델은 이번 IMO에서 6문제 중 5문제를 정확히 풀어내며 금메달 획득 기준을 뛰어넘는 성과를 거두었습니다. 이는 이전 해에 4문제 풀이에 그쳤던 성과를 크게 뛰어넘은 결과입니다.

특히 주목할 만한 점은 AI가 문제를 자연어로 직접 읽고, 해석하고, 복잡한 수학적 추론을 독자적으로 실행했다는 점입니다. 과거에는 사람이 문제를 수학 공식이나 코드 형태로 변환해줘야 AI가 처리할 수 있었지만, 이제는 AI 스스로 자연어로 주어진 기출문제를 이해하고, 풀이까지 마칠 수 있는 수준에 도달한 것입니다.

딥마인드의 CEO 데미스 허사비스는 “AI가 문제를 스스로 읽고, 이해하고, 국제 대회와 동일한 4.5시간 안에 풀이를 마쳤다”며, 이는 AI의 자율적인 사고 능력을 잘 보여준 사례라고 강조했습니다.

제미나이 딥 싱크(Gemini Deep Think)의 작동 원리

이번 성과는 단순한 연산 속도의 문제가 아닙니다. 제미나이 딥 싱크는 ‘병렬 추론(parallel thinking)’이라는 새롭고 진화된 사고 방식을 체화한 AI입니다. 사람처럼 다양한 접근 방법을 동시에 고려하고, 각각의 풀이 과정을 비교 분석한 후 최적의 해를 선택하는 식으로 문제를 풉니다.

기존의 AI 모델이 단일 경로를 따라 결론을 도출해왔다면, 딥 싱크는 다수의 분석 경로를 동시에 운용하며 보다 효율적인 해결책을 찾아냅니다. 이를 위해 고품질의 대규모 수학 데이터셋을 중심으로 훈련 받았고, IMO 스타일의 문제를 집중적으로 학습하여 인간 사고 패턴을 최대한 모방했습니다.

AI가 찾아낸 해답은 단순히 맞았다는 수준을 넘어서, 명확하고 조리 있으며 쉽게 이해된다는 평가를 받았습니다. 이처럼 분석적 사고와 동시에 ‘설명 가능성’까지 갖춘 AI는 산업적 활용 가능성도 더욱 높게 평가받고 있습니다.

AI가 인간과 동등한 사고를 할 수 있을까?

이번 성과는 AI의 사고 능력을 실감나게 보여주었지만, 인간 사고의 전 영역을 대체할 수 있느냐는 관점에서는 여전히 숙제가 남아있습니다.

실제로 이번 IMO 문제 중 가장 어려운 여섯 번째 문제에서는 AI도 정답을 도출해내지 못했습니다. AI는 잘못된 가설로 접근했고, 결국 해답에 도달하지 못했습니다. 이 문제를 해결한 건 단 5명의 인간 학생뿐이었습니다. 이 사례는 AI가 인간 사고에 다가섰지만, 아직 완전히 도달하지는 못했다는 점을 보여주는 대표적 장면입니다.

하지만 반대로, 어떤 문제에서는 AI가 매우 창의적인 해결 방법을 제시하기도 했습니다. 대학원 수준의 수학 지식이 필요한 문제를 초등학교 수준의 정수론 개념만으로 풀어낸 경우도 있었습니다. 딥마인드 연구원 정준혁은 “복잡한 수학적 개념 대신 더 단순한 접근으로 문제를 해결한 AI의 방식은 창의적이고 유연한 사고의 가능성을 보여준다”고 설명했습니다.

기술적 진보 이상의 도덕적 리더십

딥마인드는 이번 성과를 발표하는 과정을 통해 기술력뿐 아니라 윤리적·사회적 책임도 고려하는 태도를 보였습니다. IMO 측의 요청에 따라, AI 성과보다 인간 참가자들의 노력에 먼저 주목하고 이를 존중하는 메시지로 발표를 시작했습니다.

반면, 경쟁사인 OpenAI는 자체 위원회를 구성해 유사한 문제를 보고 평가하는 방식으로 결과를 공개했습니다. 공식 인증기관 없이 발표부터 진행한 이 방식은 투명성과 신뢰성 부분에서 아쉬움을 남겼고, AI 전문가들 사이에서도 비판을 받았습니다.

이러한 차이는 단순한 기술의 우열을 넘어서, AI 연구가 사회와 어떻게 소통해야 하는지에 대한 모범을 제시한 사례로 받아들여지고 있습니다. 앞으로 기업들이 AI 성과를 발표할 때는 기술적 정확성과 함께 윤리적 책임성 역시 중요한 평가 기준이 될 것입니다.

산업에 미치는 영향: AI가 복잡한 분석에 본격 투입되는 시대

이번 딥마인드의 진화는 AI를 단순한 보조 도구가 아니라, 복잡한 판단과 분석이 요구되는 업무의 핵심 주체로 사용할 수 있는 가능성을 열어주었습니다. 특히 금융, 공학, 과학 연구 개발 분야에서는 고도 추론 능력을 갖춘 AI에 대한 니즈가 빠르게 증가할 전망입니다.

구글은 이미 이 AI 모델을 연구자들에게 공유하고 있으며, 향후 고급 사용자 대상으로 월 250달러 수준의 유료 서비스 형태로 제공할 예정입니다. 높은 요금에도 불구하고, 글로벌 분석 전문가들과 기업 사용자들의 관심이 계속 늘고 있는 실정입니다.

향후에는 대형 회계법인이나 금융기관 등에서 수학적 모델링, 리스크 분석, 정책 시뮬레이션 같은 고도 복잡 문제에 제미나이 딥 싱크와 같은 AI가 본격 투입될 가능성이 높아질 것입니다.

여전히 남은 과제: 복잡한 현실 문제에의 적용은?

국제 수학 올림피아드는 매우 정형화된 구조의 문제이며, 정확한 정답이 존재합니다. 하지만 실제 비즈니스 및 사회 문제는 그와 비교해 훨씬 많은 불확실성과 복잡성을 안고 있으며, 유일한 정답이 존재하지 않는 경우가 대부분입니다.

따라서 이번 대회에서 보여준 AI의 사고 능력이 현실 세계의 문제에도 동일하게 적용될 수 있을지는 아직 검증이 필요합니다. 그럼에도 불구하고, 자연어로 된 문제를 이해하고 다양한 접근을 스스로 시도하는 AI의 능력은 분명한 진전을 의미합니다.

이러한 기술은 과학, 공학, 생명기술 등 다양한 분야에서 활용될 수 있으며, 장기적으로는 비전문가들조차 복잡한 문제를 분석하고 의사결정을 내리는 데 도움을 받을 수 있게 될 것입니다.

마무리: 인공지능, 이제 생각하기 시작하다

딥마인드의 제미나이 딥 싱크는 더 이상 단순한 패턴 인식기계가 아닙니다. 이번 수학 올림피아드에서의 금메달 수준 성과는 AI가 논리적 추론과 복잡한 사고 과정, 심지어는 창의적 해결까지 인간 뇌의 기능에 근접했다는 것을 보여주는 중요한 사례입니다.

그러나 우리가 주목해야 할 점은, 이 성과가 끝이 아니라 시작이라는 사실입니다. 여전히 AI는 오답을 낼 수 있으며, 이는 인간의 직관과 경험, 판단이 여전히 중요한 역할을 한다는 것을 의미합니다. 하지만 이는 동시에, AI와 인간이 경쟁이 아닌 협업의 관계로 나아갈 수 있는 가능성을 열어주는 지점이기도 합니다.

이제 경영자 여러분이 준비하실 차례입니다. AI 기술이 나아가는 방향에 꾸준히 관심을 갖고, 우리 산업과 조직이 그 흐름에 함께 성장해 나갈 수 있도록 리더십을 발휘해 주시기 바랍니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

중견기업은 AI 시대에 매우 중요한 위치에 있습니다. 소규모 기업보다 복잡한 시스템을 운영하면서도 대기업만큼의 자원은 갖추기 어려운 이중의 도전을 안고 있기 때문입니다. 평균적으로 25개가 넘는 독립적인 애플리케이션을 운영하는 이들은 데이터가 여기저기 흩어지고, 업무 프로세스는 비효율적으로 나뉘어 작업 시간이 길어집니다. 이러한 구조에서는 의사결정 속도도 느려질 수밖에 없습니다.

이 글에서는 Intuit의 Agentic AI가 중견 기업의 현실적인 문제를 어떻게 해결하고 있는지 자세히 소개해 드립니다. 특히 회계, 재무, 결제, 프로젝트 관리 등 핵심 영역에서 어떻게 자동화와 함께 ‘인간 중심’의 운영을 가능하게 하는지 살펴보겠습니다.

중견기업의 디지털 전환 현주소

중견 기업은 연 매출이 약 250만 달러에서 1억 달러 사이로, 더 이상 소기업용 소프트웨어로는 운영 효율을 기대하기 어렵습니다. 그러나 대기업용 솔루션을 도입하기에는 가격과 복잡도가 큰 부담이 됩니다.

예를 들어, 중견 마케팅 회사 하나가 사용 중인 툴이 30개에 달하는데, 영업, 재무, 고객 관리 시스템 모두가 따로 운영되고 있었습니다. 이로 인해 데이터를 통합 분석하기 어렵고, 하나의 리포트를 만들기 위해 부서 간 이메일과 엑셀 작업만 하루가 넘게 걸리기도 했습니다.

결국 이 기업은 의사결정과 실행 사이에 큰 시간차를 겪으며 기회를 놓치고 있는 상황이었습니다. 이런 사례는 중견 기업 전반에서 반복되고 있습니다.

Intuit의 Agentic AI가 등장한 이유

과거 AI는 단순한 반복 업무를 대신하는 데 쓰였지만, 이제는 스스로 분석하고 예측하며 실행을 보조하는 ‘에이전트(Agent)’로 진화하고 있습니다.

Intuit는 QuickBooks, TurboTax, Mailchimp 등으로 중소 비즈니스에 익숙한 이름입니다. 이 회사는 최근 중견 기업으로 고객층을 넓히며 “Intuit Enterprise Suite”를 선보였습니다. 핵심은 네 가지 AI 에이전트로 구성된 업무 자동화 플랫폼입니다. 각각 재무, 결제, 회계, 프로젝트 관리 업무를 맡아 반복 업무를 줄이고 실무자에게 인사이트를 제공합니다.

이 AI 에이전트들은 단순 자동화 그 이상의 목적을 가지고 만들어졌습니다. 복잡한 기업 내 구조를 이해하고, 여러 시스템에서 정보를 끌어와 종합하며, 사람 중심의 운영에 자연스럽게 녹아들도록 설계된 것이 가장 큰 특징입니다.

핵심 AI 에이전트 소개

각 에이전트는 중견 기업이 가장 시간을 많이 들이던 업무 영역을 중심으로 실질적인 도움을 주기 위해 개발됐습니다.

재무(Finance) 에이전트

매달 반복되는 재무 보고 작업은 회계팀의 가장 큰 부담 중 하나입니다. 이 에이전트는 수작업으로 하던 보고서 작성 과정을 자동화하고, 여러 법인의 연결 구조까지 고려해 기업 전체의 재무 상태를 요약해서 보여줍니다.

예를 들어, 다국적 마케팅 에이전시는 국가별 지사가 각기 다른 재무 시스템을 쓰고 있었지만, 이 에이전트를 도입한 후 전체 법인의 현금 흐름과 손익 현황을 단일 대시보드에서 파악하게 되었습니다. 그 결과, 경영진의 의사결정 속도가 약 3배 빨라졌다고 합니다.

결제(Payments) 에이전트

거래 대금 회수 지연은 모든 기업의 자금 운영에 큰 영향을 줍니다. 이 에이전트는 고객 청구, 미납 추적, 리마인드 이메일 발송까지 자동으로 처리합니다. 특히 고객의 과거 결제 기록을 분석해 연체 가능성을 예측하고 선제적으로 대응할 수 있도록 도와줍니다.

예를 들어, 한 건설 자재 업체는 결제까지 평균 32일이 걸렸지만 도입 후 26일로 단축되면서 현금 유동성이 크게 개선됐습니다.

회계(Accounting) 에이전트

많은 거래가 발생하는 기업일수록 회계 오류가 발생할 확률도 높습니다. 이 에이전트는 실시간으로 거래내역을 분석하고, 이중 기록이나 누락된 항목을 자동으로 탐지합니다. 세금 신고나 감사 준비에도 큰 도움이 됩니다.

온라인 쇼핑몰을 운영하는 한 기업은 계정 세부정보를 정리하는 데 매월 40시간 가까이 소요했지만, 회계 에이전트를 도입한 후에는 같은 작업을 22시간 이내로 줄일 수 있었습니다.

프로젝트 관리(Project Management) 에이전트

다양한 프로젝트를 병행하는 기업에겐 업무 진척도뿐 아니라 프로젝트별 수익 분석도 중요합니다. 이 에이전트는 진행률, 지출, 예상 수익을 실시간으로 비교 분석해 문제가 생기기 전에 경고합니다.

A 엔지니어링 기업의 경우, 종전에는 분기 말이 지나서야 손익을 확인할 수 있었지만 이제는 실시간으로 프로젝트 성과를 분석하고 필요시 빠르게 방향을 조정할 수 있게 됐습니다.

구축 복잡성 없이 도입 가능

중견기업들이 AI 도입을 주저하는 가장 큰 이유는 복잡한 시스템 구축과 ROI에 대한 불확실성 때문입니다. Intuit는 이러한 허들을 낮추기 위해 기존에 사용하던 시스템들과 자연스럽게 연결되도록 에이전트를 설계했습니다.

QuickBooks, 엑셀, CRM 등과 연동되며 별다른 코딩 지식 없이 그래픽 기반 인터페이스로 누구나 쉽게 사용할 수 있습니다. 예를 들어, 기존 회계 데이터만 불러오면 AI가 자동으로 계정 구조를 인식하고 재무 리포트를 만들어 줍니다.

Intuit의 Still 부사장은 이를 “AI가 들어갔다는 사실조차 느끼지 않을 만큼 자연스러운 사용자 경험”이라고 말했습니다.

중견 기업을 위한 AI 도입 전략

중견기업이 AI 도입을 더욱 효과적으로 추진하기 위한 네 가지 전략을 소개드립니다.

첫째, 기존 운영 구조를 바꾸기보다는 현재 사용하는 시스템을 그대로 AI와 연결하는 방식이 효율적입니다. 구조를 새로 만들 필요는 없습니다.

둘째, 복잡한 법인 구조와 부서 간 관계를 이해할 수 있는 ‘지능형’ AI를 선택해야 합니다. 단순 자동화보다는 전략적 판단을 돕는 인사이트가 핵심입니다.

셋째, 워크플로우 통합이 중요합니다. 기존 플랫폼을 교체하기보다는 AI가 이를 이해하고 연동하도록 설계해야 리스크 없이 점진적인 전환이 가능합니다.

넷째, 단순 반복 업무를 넘어서 전략적 분석과 예측 기능까지 고려해야 합니다. 성과 비교, 패턴 도출, 미래 예측까지 가능한 AI여야 ROI가 실질적으로 입증됩니다.

결론: 중견 기업에 딱 맞는 ‘현실적인’ AI 도입 솔루션

중견기업은 복잡한 운영 환경에 비해 리소스가 제한된 경우가 많습니다. 이들은 대기업보다 빠른 실행력이 필요하면서도, 대규모 투자를 감수하기 어려운 현실이 있습니다.

Intuit의 Agentic AI는 이러한 현실을 충분히 이해하고 설계된 솔루션입니다. 빠른 도입이 가능하고, 기존 데이터를 활용하며, 실제 비즈니스 상황에서 바로 성과를 낼 수 있습니다.

AI는 이제 단순히 사회적 유행어가 아니라 기업 전략의 핵심 파트너로 자리 잡고 있습니다. 중견기업에게도 이제는 “AI를 도입하느냐 하지 않느냐”의 문제가 아니라 “어떻게 도입해 성과를 극대화할 것인가”가 중요한 질문이 되었습니다.

지금 시작하셔도 늦지 않았습니다. 당신의 기업이 한발 앞서갈 기회입니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

최근 중국 스타트업 Manus가 흥미로운 AI 데이터 시각화 도구를 선보이며, OpenAI의 ChatGPT와 비교하는 논의가 활발히 일어나고 있습니다. 이 글에서는 두 도구의 기능과 사용 사례를 비교하고, 기업 환경에 적합한 방향성을 함께 고민해보고자 합니다.

기업 데이터 시각화의 현재: 왜 여전히 CSV를 사용할까?

AI와 데이터 분석 기술이 빠르게 발전했지만, 많은 기업에서는 여전히 스프레드시트에 의존하고 있습니다. 최근 조사에 따르면 재무 책임자의 58%는 KPI를 추적하는 데 여전히 Excel만을 사용하고 있고, 90%에 가까운 기업이 전략 보고서 작성에 스프레드시트를 주요 도구로 활용하고 있다고 합니다.

이렇게 된 배경에는 기업 내부 시스템의 복잡성이 있습니다. 데이터 웨어하우스는 권한 관리가 까다롭고, 쿼리 작성과 대시보드 구성에도 시간이 많이 소요되기 때문입니다. 결국 보고서 마감 시점에는 누군가가 데이터를 CSV로 추출해 Excel이나 Google Sheets에서 다시 정리하게 됩니다. 이를 흔히 ‘데이터 라스트 마일 문제’라고 부릅니다.

Manus의 제안: 누구나 바로 사용할 수 있는 차트 도구

이 ‘라스트 마일’ 문제에 새로운 방식으로 접근한 것이 바로 Manus입니다. 사용자는 데이터가 정리되어 있지 않은 CSV 파일을 업로드하고, 자연어로 원하는 결과를 지시하기만 하면 됩니다. 이후 AI가 자동으로 데이터를 정리하고, 차트를 만들어 PNG 형태로 바로 회의에 쓸 수 있는 결과물을 제공합니다.

예를 들어 “최근 12개월간 월별 매출 추이를 보여주고, 이상치는 강조해줘”라는 문장만 입력하면, AI가 데이터를 분석하여 적절한 시각화를 만들어주는 식입니다.

ChatGPT의 기능: 속도는 빠르지만 정제 능력은 한계

OpenAI의 ChatGPT 역시 최근 ‘Advanced Data Analysis’ 기능을 통해 데이터 시각화를 지원합니다. 사용자는 CSV 파일을 업로드하고, 텍스트로 분석을 요청할 수 있습니다.

그러나 실제 테스트에서는 데이터가 정제되어 있는 경우에는 빠르게 결과를 도출했지만, 오류가 포함된 데이터에는 취약한 모습을 보였습니다. 예를 들어 날짜 포맷 오류나 누락된 값, 중복 값 등을 스스로 처리하지 못하고, 엉뚱한 결과를 시각화하는 일이 발생했습니다.

실제로 데이터 품질에 따라 두 도구의 성능은 크게 달라졌습니다. 깨끗한 데이터에서는 ChatGPT가 빠른 결과를 보여주었지만, 품질이 낮은 데이터에서는 Manus가 더 정확하게 트렌드를 파악했습니다.

Manus의 한계: 불투명한 데이터 처리 과정

Manus의 가장 큰 약점은 결과를 만들어가는 과정을 사용자에게 보여주지 않는다는 점입니다. 기업 입장에서는 단순히 시각화된 차트보다는, 그 차트가 ‘어떻게’ 만들어졌는지가 훨씬 중요합니다.

예를 들어 CFO가 회의 중 “2분기 시스템 통합 중 발생한 중복 거래 데이터는 어떻게 처리했나요?”라는 질문을 받았을 때, 그에 대한 설명이 없다면 보고서의 신뢰도가 떨어지게 됩니다. Manus는 이와 관련된 과정을 보여주지 않기 때문에, 분석을 검증하거나 감사할 수 없다는 점에서 불안 요소로 작용할 수 있습니다.

반면, ChatGPT나 Claude는 Python 코드 형태로 처리 과정을 공개하지만, 이를 이해하고 검토할 수 있는 사람이 팀 내에 없을 경우 오히려 또 다른 장벽이 되기도 합니다.

감사 추적성과 투명성, 기업이 신뢰할 수 있는 근거

차트를 얼마나 빠르게 만드는가는 중요한 지표입니다. 그러나 기업 관점에서는 오류에 대비해 언제든 데이터 처리 과정을 검토할 수 있어야 합니다. 이런 감사 가능성(auditability)과 투명성(transparency)이 보장되지 않으면, AI 도구는 단순히 시각화만 제공하는 ‘보조 도구’ 그 이상으로는 활용하기 어려운 것이 현실입니다.

진화하는 대안들: 데이터 웨어하우스 기반 시각화 도구

최근 기업의 데이터 분석 흐름은 CSV 파일 업로드 중심에서, 데이터 웨어하우스에 직접 연결하여 실시간으로 시각화하는 방식으로 변화하고 있습니다.

예를 들어 구글의 Gemini in BigQuery는 SQL 자동 생성과 시각화를 하나의 과정으로 묶어 제공하면서, 기존 데이터 보안 정책을 그대로 유지할 수 있습니다. 마이크로소프트 Fabric의 Copilot 역시 Power BI에서 실시간 분석과 함께 감사 가능성까지 제공합니다. 여기에 GoodData의 AI 어시스턴트처럼, 자체 데이터 모델을 유지하면서 자연어 기반 쿼리도 가능한 도구들도 등장하고 있습니다.

이러한 도구들은 데이터의 다운·업로드 과정 없이 작업 환경 내에서 문제를 해결할 수 있도록 설계되어, 보안성과 효율성 모두를 충족시킵니다.

Manus는 어떤 용도에 적합할까?

Manus는 접근성이 뛰어나고, 직관적인 인터페이스를 제공합니다. 이러한 특징은 BI 도구에 익숙하지 않은 마케팅팀, 영업팀 등에서 빠르게 보고서용 차트를 생성해야 할 때 유용합니다. 특히 중소기업이나 스타트업, 그리고 분석 전문가가 부족한 조직이라면 좋은 도입 효과를 기대할 수 있습니다.

그러나 아래와 같은 환경에서는 활용에 한계가 있습니다. 예를 들어 금융, 의료, 공공기관처럼 감사성이 중요한 산업군이나, 실시간 데이터가 필요한 환경, 또는 코드 리뷰가 어려운 조직에서는 사용에 주의가 필요합니다.

결론적으로 Manus는 ‘입문용’ 또는 ‘경량 분석용’ 도구로서는 의미가 있지만, 기업의 핵심 데이터 전략 의사결정에 활용하기에는 아직 보완해야 할 점들이 많습니다.

AI 데이터 시각화, 어디로 흘러갈까?

AI 기반 시각화는 분명 기업 데이터 분석의 새로운 흐름을 만들고 있습니다. 기술적 장벽을 낮추고, 누구나 직관적으로 데이터를 다룰 수 있게 만들어 준다는 점에서 긍정적인 변화임은 분명합니다.

하지만 AI가 기업에서 신뢰할 수 있는 분석 도구로 자리잡기 위해서는 단순한 자동화 기능을 넘어서야 합니다. 특히 다음 세 가지 요소는 필수적입니다.

첫째, 데이터가 어떻게 처리되었는지를 투명하게 보여주는 기능. 둘째, 실시간 데이터 웨어하우스와 직접 연결되는 구조. 셋째, 다양한 포맷 지원과 대화형 시각화 옵션입니다.

이러한 조건을 만족하는 AI 도구는 향후 단순한 보고서 작성 수준을 넘어 경영 판단과 전략 수립까지도 영향력을 넓혀갈 것입니다.

마무리하며: 단순한 차트를 넘어, 믿을 수 있는 분석으로

오늘날 기업이 요구하는 것은 예쁜 차트가 아닙니다. 그 차트를 뒷받침하는 데이터의 진실성과 분석 과정의 투명성, 그리고 그 결과에 신뢰를 둘 수 있는 설명력입니다.

AI 데이터 시각화는 아직 발전의 여지가 많지만, Manus처럼 새로운 방식으로 접근하는 도구들이 시장을 자극하고 있다는 점은 고무적입니다. 우리는 단순히 ‘빠르게 차트를 만들어주는 AI’가 아니라, ‘신뢰할 수 있는 분석 파트너’를 요구하고 있습니다.

다가오는 시대, AI와의 협업은 선택이 아닌 필수가 될 것입니다. 기업은 이 변화 속에서 자신에게 맞는 도구를 선별하고, 데이터 기반의 전략을 더욱 정교하게 다듬어야 할 때입니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

슬랙(Slack)이 인공지능(AI)을 바탕으로 협업 플랫폼의 미래를 이야기하고 있습니다. 반복적이고 시간이 소모되는 업무를 자동화하고, 대화 중 맥락을 이해하며, 다양한 애플리케이션과의 통합을 강화해가는 과정에서 슬랙은 단순한 메시징 도구를 넘어 ‘업무의 허브(hub of work)’로 자리를 넓혀가고 있습니다.

이번 글에서는 슬랙 AI 기능이 어떻게 협업 문화를 바꾸고 있는지 살펴보고, 실제 활용 사례와 기업이 도입을 고려할 때 참고할 전략까지 폭넓게 소개해드리겠습니다.

왜 슬랙인가: 대화 중심의 협업 혁신

최근 기업용 협업 플랫폼들은 AI 도입을 본격화하고 있습니다. 마이크로소프트의 Teams, 구글의 Duet AI와 함께 슬랙 역시 이 경쟁에 적극 참여하고 있습니다. 특히 슬랙은 ‘대화형 협업’에 특화된 접근법으로 차별화를 꾀하고 있습니다.

슬랙은 2021년 세일즈포스(Salesforce)에 인수된 이후 본격적인 AI 기능 통합을 시작했습니다. 그 가운데 가장 눈에 띄는 변화는, 슬랙의 메시지 기반 구조 속에서 AI가 사용자의 업무 맥락을 파악하고 필요한 정보를 먼저 제안해준다는 점입니다. 사용자는 AI 기능을 별도로 호출하지 않아도, 업무 흐름 안에서 자연스럽게 필요한 지원을 받을 수 있습니다.

슬랙 AI의 핵심 기능들

슬랙의 AI 기능은 단순한 자동화 도구를 넘어, 실질적인 협업 생산성을 끌어올릴 수 있는 방향으로 설계되어 있습니다.

회의나 브레인스토밍을 마친 후 기록을 정리하는 일은 항상 시간과 노력이 필요한 작업이었습니다. 슬랙은 이 과정을 AI가 실시간으로 처리할 수 있도록 만들었습니다. ‘Canvas’ 기능은 주요 대화 내용을 분석해 회의록, 실행 계획, 프로젝트 요약 등을 자동 생성해주며, 팀 공유 문서로 바로 정리할 수 있도록 돕습니다. 슬랙에 따르면 지금까지 이 기능으로 약 6억 개의 메시지를 요약했고 110만 시간에 달하는 업무 시간을 절약했다고 합니다.

또한, 업무 중 생소한 용어나 약어가 등장했을 때, 이를 별도로 검색하거나 질문할 필요 없이 AI가 자동으로 설명을 제공합니다. 예를 들어 ‘OKR’이나 ‘QBR’ 같은 약어에 마우스를 갖다 대면, 관련 프로젝트나 설명이 바로 나타나는 식입니다. 특히 신입 직원이나 다른 부서와 협업 중인 인력에게 매우 유용한 기능입니다.

회의 중 “다음 주까지 디자인 시안을 세 가지 뽑자”는 대화가 오갔다면, AI는 이를 자동으로 실행 항목으로 인식해 할 일을 기록하고 담당자를 할당합니다. 이렇게 중요한 업무 지시를 놓치지 않고 자동 정리해줘 회의 후 생기는 누락이나 커뮤니케이션 혼선을 줄일 수 있습니다.

특히 유용한 기능 중 하나는 ‘통합 검색’입니다. 슬랙 내부의 메시지뿐 아니라 구글 드라이브, 세일즈포스, 마이크로소프트 Teams, Box, Confluence 등 외부 시스템에서 연결된 데이터를 한 번에 검색할 수 있도록 해줍니다. 그동안 여러 서비스에 흩어진 정보를 일일이 찾느라 전력 낭비가 컸다면, 이제 AI 기반 검색 기능이 시간을 절감해주는 실질적인 도구가 되어줍니다.

슬랙의 AI 전략: 신뢰와 데이터 통제

슬랙의 AI 기능은 모든 유료 플랜 사용자에게 제공되지만, 일부 고급 기능(예: 고급 검색, 사용자 권한 제어 등)은 상위 요금제에서만 사용 가능합니다. 기능보다 더 주목할 점은 슬랙이 자체 데이터를 외부에 철저히 통제하고 있다는 점입니다.

최근 슬랙은 자사의 API 정책을 바꿔 외부 AI 검색 서비스(Glean 등)의 슬랙 데이터 접근을 제한했습니다. 이는 방대한 대화 데이터를 자사 AI 이외에서는 활용할 수 없게 만든 것으로, 고객의 데이터를 독점적으로 보호하겠다는 명확한 메시지이기도 합니다. ‘AI 경쟁력은 곧 데이터에서 나온다’는 점을 감안한다면, 매우 전략적인 결정이라 볼 수 있습니다.

경쟁자와의 차별점: 마이크로소프트, 구글과의 비교

슬랙의 AI 전략은 마이크로소프트와 구글의 접근법과 확연히 다릅니다.

마이크로소프트는 ‘Copilot’을 통해 오피스365 전체에 AI를 통합했습니다. 엑셀, 워드, 파워포인트 등에 AI 도우미가 탑재되어 사용자가 요청하는 작업을 처리하는 방식입니다. 반면 슬랙은 사용자가 특별히 명령하지 않아도 제품 기획 대화 중, 혹은 회의 진행 중 필요한 정보를 먼저 제안해주는 방식으로 작동합니다. 환기하자면, 마이크로소프트는 ‘요청형’, 슬랙은 ‘반응형’ AI 전략을 따릅니다.

구글은 문서 작업에 특화된 AI ‘Duet’을 중심으로 지메일, 문서, 스프레드시트에 AI 지원을 강화하고 있습니다. 이메일 자동 작성이나 미팅 요약 같은 기능은 꽤 정교하지만, 슬랙 같은 실시간 대화 기반 협업에는 다소 거리가 있는 구조입니다.

즉, 슬랙 AI의 강점은 대화형 소통의 흐름에 자연스럽게 녹아들어 ‘업무 문맥’을 실시간으로 이해하고 대응하는 데 있습니다.

AI 기능이 실제로 기업에 미치는 영향

실제 기업 현장에서도 슬랙 AI는 생산성을 눈에 띄게 향상시키고 있습니다.

예를 들어, 세일즈포스 엔지니어링 팀은 지난 6개월간 슬랙 AI를 통해 대화 자동 응답 1만8천 건 이상을 처리했는데, 이는 8명의 풀타임 직원이 반년간 수행할 수 있는 업무량에 해당합니다. 식당 예약 플랫폼 OpenTable은 슬랙 기반 AI를 통해 고객 응대 중 73%를 자동화해 직원 부담을 크게 줄였습니다. 결제 서비스 기업인 Engine은 고객 처리 시간을 평균 15% 줄였고, 이 덕분에 연간 약 200만 달러의 비용 절감 효과를 추산하고 있습니다.

이러한 성과는 단순히 편리한 기능이 추가된 것이 아니라, 실제 인력과 비용을 대체하는 수준의 성과로 이어지고 있음을 보여줍니다.

보안과 신뢰: AI 도입을 위한 필수 조건

기업 환경에서 AI 도입에 가장 민감한 요소 중 하나는 보안입니다. 슬랙은 이에 대한 준비도 철저하게 하고 있습니다.

‘Einstein Trust Layer’는 세일즈포스가 개발한 보안 기술로, 고객 데이터가 외부 AI 학습 모델에 활용되지 않도록 보호해줍니다. 슬랙 역시 이 계층으로 보호되며, FedRAMP(미국 연방 규정 준수), 국제 개인정보 보호 기준, 키 관리 기능 등을 갖춰 금융, 헬스케어, 공공기관 등 규제 산업에서도 사용 가능한 수준의 보안을 제공합니다.

미래 방향: 업무를 수행하는 ‘디지털 팀원’으로 진화

슬랙의 AI 전략은 단지 현재 기능에 그치는 것이 아니라, 결국엔 ‘디지털 에이전트’로 진화하는 것을 지향합니다. 이를 위해 슬랙은 ‘Agentforce’라는 프로젝트를 운영 중이며, CRM 자동 업데이트, HR 온보딩 자동화, 주간 보고 게시 같은 기능들을 AI가 직접 수행하도록 설계하고 있습니다.

슬랙 자체 보고에 따르면, 이 기능만으로도 내부 영업팀은 연간 6만6천 시간의 업무 시간을 절약하고 있습니다. 단순한 도구가 아닌, 실제로 업무를 수행하는 ‘조력자’로서의 AI를 구현하고 있는 셈입니다.

결론: 슬랙, 대화 속에서 업무를 진화시키다

마이크로소프트나 구글이 생산성 도구 전반에 걸쳐 AI를 결합했다면, 슬랙은 협업의 흐름 한가운데에 AI를 ‘스며들게’ 했습니다. 단순한 기능 보완이 아니라, 일하는 방식 자체를 바꾸는 접근입니다.

‘업무’란 결국 사람 사이의 커뮤니케이션에서 출발합니다. 그 커뮤니케이션을 보다 정확하고 생산적으로 이끌 수 있는 조력자가 존재한다면, 그 자체로 업무 효율이 달라질 수밖에 없습니다. 슬랙 AI는 우리의 대화에서 ‘일의 역사’를 읽고, 그 문맥 속에서 필요한 도움을 제공합니다. 단순한 챗봇이 아닌, 사람처럼 업무를 이해하고 조력하는 플랫폼으로 진화하고 있는 셈입니다. 이제는 ‘말로 하는 일’마저 자동화되는 시대입니다. 슬랙 AI는 이 여정의 중심에 서 있으며, 협업의 판을 다시 그리고 있습니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

2025년 7월, OpenAI는 또 하나의 혁신적인 기능을 공개했습니다. 바로 ‘ChatGPT Agent’입니다. 이 기능은 단순히 질문에 답하거나 대화를 이어가는 수준을 뛰어넘어, 이메일 처리, 웹 애플리케이션 사용, 파일 작성과 다운로드, 그리고 로컬 소프트웨어 활용 등 복잡한 작업까지 스스로 수행할 수 있는 능력을 갖춘 지능형 AI 에이전트입니다.

이 글에서는 ChatGPT Agent가 무엇인지, 어떻게 작동하는지, 실제로 어떤 분야에 활용되고 있는지, 그리고 기업이 지금 어떤 준비를 해야 할지 살펴보고자 합니다.

ChatGPT Agent란 무엇인가?

ChatGPT Agent는 기존 챗봇의 개념을 넘어 ‘실행 가능한 AI’라는 새로운 차원의 도우미입니다. 일반적인 AI는 주로 질문에 답하거나 정보를 제공하는 데 그치지만, Agent는 가상의 컴퓨터 환경에서 사용자의 지시에 따라 실제 작업을 수행합니다.

예를 들어 “받은 편지함에서 중요한 메일을 분류해줘” 혹은 “최근 시장 조사 보고서를 검색해 요약해줘”라고 요청하면, Agent는 실제 브라우저를 통해 웹을 탐색하고, 필요하다면 로그인 절차도 거쳐가며 원하는 결과물을 만들어냅니다.

실질적인 작업 수행 능력

ChatGPT Agent의 가장 큰 강점은 ‘실행력’에 있습니다. 정보 제공이 아닌 실제 일처리, 즉 실무형 비서처럼 움직인다는 점이 기존 AI와의 가장 큰 차이입니다.

Agent는 사용자 지시에 따라 가상의 브라우저를 사용해 웹을 검색하고, 필요한 데이터를 직접 수집해 정리합니다. 예를 들어 로그인 인증이 필요한 웹사이트에 접속할 경우, 보안 처리가 된 브라우저 환경에서 사용자 승인을 거쳐 작업을 수행합니다.

한 리서치 스타트업은 이를 활용해 매일 경쟁사 웹사이트를 방문하고, 주요 프로모션 정보를 수집해 자동 보고서로 생성하는 워크플로우를 구축했습니다. 이 과정을 통해 수작업 대비 업무 시간이 대폭 단축되었습니다.

ChatGPT Agent는 어떻게 작동하는가?

ChatGPT Agent는 OpenAI가 제공하는 웹 인터페이스의 ‘Tools’ 메뉴 안에 포함되어 있으며, 현재는 ‘ChatGPT Pro’ 요금제 가입자(월 $200)에게 우선 제공되고 있습니다. 추후에는 Team, Plus 요금제 사용자에게도 점차 개방될 예정입니다.

사용 방법은 간단합니다. 사용자는 Agent 모드를 선택한 뒤 자연어로 명령을 입력하면, Agent가 필요에 따라 웹에서 정보를 찾아보거나 Gmail, Google Drive와 같은 외부 애플리케이션과 연동해 작업을 수행합니다. 문서나 프레젠테이션과 같은 결과물이 필요한 경우, 처음부터 끝까지 자동으로 생성해 사용자에게 전달합니다.

예를 들어 “이번 분기 실적 요약 보고서를 만들고, 슬라이드로 정리해줘”라고 요청하면 Agent가 관련 데이터를 수집하고 요약해 파워포인트 파일로 만들어주는 방식입니다.

Operator와 Deep Research의 결합

ChatGPT Agent는 단독 제품이 아니라, OpenAI가 이전에 선보였던 두 가지 기능을 결합해 만든 고도화된 형태입니다. 2025년 초 도입된 ‘Operator’는 웹사이트의 폼을 자동으로 작성하거나 예약을 진행하는 기능을 제공했고, ‘Deep Research’는 웹 문서 탐색을 통해 긴 리포트를 자동 생성할 수 있는 기능이었습니다.

이번에 출시된 Agent는 이 두 기능을 통합하여, 보다 강력하고 실용적인 도구로 탄생한 것입니다. 예를 들어 사용자가 “서울 시내 미슐랭 추천 레스토랑을 찾아보고, 예약도 넣고, 추천 리스트를 이메일로 보내줘”라고 요청하면, Agent는 Deep Research를 활용해 정보를 수집하고, Operator 기능을 통해 직접 예약까지 마무리할 수 있습니다.

로컬 소프트웨어까지 넘보는 ‘가상 컴퓨터’

과거 Operator는 웹 환경에 한정된 작업만 진행할 수 있었지만, ChatGPT Agent는 한걸음 더 나아갑니다. PC 내 로컬 소프트웨어까지 활용할 수 있는, 진정한 ‘가상 컴퓨터’처럼 움직입니다.

예를 들어 마케팅 보고서를 작성해야 할 때, Agent가 엑셀 데이터를 분석하고 파워포인트로 슬라이드를 구성해주는 방식도 가능합니다. 이 기능을 도입한 한 마케팅 에이전시는 과거 3일 이상 걸리던 프로젝트 보고서를 단 1시간 만에 완성한 사례를 공유했습니다. 이는 단순한 자동화 수준을 넘어, 전례 없는 생산성 향상을 의미합니다.

보안 문제는 어떻게 해결되고 있는가?

AI가 사용자의 메일함이나 앱, PC 자원에 접근할 수 있다는 점에서 보안 우려는 당연한 반응일 수 있습니다. OpenAI는 이에 대한 대비책을 기능적으로 마련했습니다.

우선 민감한 작업을 요청하면 사용자에게 먼저 확인을 받는 ‘승인 프롬프트’가 작동합니다. 또한 명확한 사용자의 반응 없이 고위험 작업을 시도할 경우, Agent는 자동으로 동작을 중단합니다. 금융정보나 개인정보와 관련된 요청에는 작동 자체를 차단하도록 설계되어 있습니다.

무엇보다 Agent는 실행 중에도 데이터를 장기 보관하지 않기 때문에, 사용자의 데이터가 하나의 세션을 넘어서 축적되거나 공유되지 않습니다. 이는 ‘사용자는 판단자, AI는 집행자’라는 원칙 아래 설계된 시스템으로, 안심하고 사용할 수 있는 구조를 갖추고 있습니다.

테스트에서 입증된 고성능

ChatGPT Agent는 다양한 테스트를 통해 실제 업무 환경에서도 높은 수준의 성능을 보였습니다.

예를 들어, AI 종합 성능 테스트인 Humanity’s Last Exam에서는 44.4점을 기록하며 역대 최고 성적을 냈고, 수학 기반 벤치마크인 FrontierMath에서는 27.4%를 기록했습니다. 특히 스프레드시트 작업 능력을 측정한 SpreadsheetBench에서는 45.5%를 달성하면서, 기존 AI 툴인 Copilot for Excel의 약 2배 수준에 달하는 성과를 입증했습니다.

기업에서 어떻게 활용할 수 있을까?

ChatGPT Agent는 부서별로 정말 다양한 방식으로 쓰일 수 있습니다.

마케팅 부서는 소셜미디어 트렌드를 파악한 뒤 인사이트를 정리한 슬라이드를 자동 생성할 수 있고, 세일즈 팀은 이메일 데이터를 분석해 고객 리스트를 자동으로 정리해 리마인드 메일을 보낼 수 있습니다. 인사 부서에서는 직원 활동 데이터를 기반으로 월간 평가 보고서를 자동화할 수 있으며, 고객 서비스를 담당하는 부서에서는 민원 접수 내용에 따라 대응 초안을 생성하도록 설정할 수 있습니다.

전략기획 부서에서는 경쟁사 웹사이트를 매일 또는 주간 단위로 스캔해 시장 동향을 파악하고 분석 리포트를 자동 생성하는 데 에이전트를 활용할 수 있습니다. 이처럼 반복적이고 시간을 많이 소모하던 작업을 자동화하며, 조직 전체의 효율을 크게 높일 수 있습니다.

아직 남아 있는 과제들

물론 아직 완성도가 높은 수준은 아닙니다. 예를 들어 슬라이드 생성 기능은 현재 베타 테스트 단계로, 디자인이 단순하거나 콘텐츠 표현이 제한적일 수 있습니다. 파일 형식에 따라 결과물과 미리 보기 간에 오차가 생기는 경우도 있으며, 사용자 스타일에 대한 학습 기능은 아직 초기 단계에 머물러 있습니다.

그러나 OpenAI는 향후 메모리 기능 강화를 통해 이 같은 문제를 점진적으로 개선하겠다고 밝혔으며, 기술은 빠른 속도로 진화하고 있습니다.

요금제 및 이용 조건

ChatGPT 에이전트는 오늘부터 Pro, Plus, Team 사용자에게 롤아웃되며, Enterprise 및 Education 사용자에게는 7월 중에 롤아웃됩니다. Pro 사용자는 매월 거의 무제한에 가까운 작업을 수행할 수 있으며, 그 외 유료 사용자는 월간 50건의 작업이 가능하고, 유연한 크레딧 기반 옵션을 사용하면 추가 작업이 가능합니다.

단, 아직 유럽 및 스위스 지역에서는 서비스가 제공되지 않아, 글로벌 확장 시점에 대한 관심도 높아지고 있습니다.

결론: AI에게 ‘질문하는 시대’는 끝났다, 이제는 ‘일을 맡기는 시대’

ChatGPT Agent는 단순히 스마트한 도우미를 넘어, ‘일을 맡길 수 있는 파트너’로 진화하고 있습니다. 과거에는 AI에게 질문하고 답을 얻는 수준이었지만, 이제는 복잡한 업무까지 위임해 결과물을 받는 시대가 시작된 것입니다.

이는 단지 도구 하나의 출현이 아니라, 업무 방식 자체의 근본적인 변화입니다. 기업의 입장에서는 이 기술을 단순히 도입하는 차원이 아니라, 조직 전반의 프로세스를 재설계하는 계기로 삼아야 할 것입니다.

지금은 ChatGPT Agent와 같은 도구를 ‘정보 검색’ 수단으로 보는 시대가 아니라, ‘전략 실행을 위한 디지털 파트너’로 받아들이고 그에 맞는 활용 전략을 고민해야 할 때입니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

인공지능(AI)이 범용을 넘어 특정 산업을 위한 맞춤형 플랫폼 출현으로 이어지고 있습니다. 특히 엄격한 규제가 적용되는 금융 산업에서는 데이터 보안, 정확성, 업무 효율을 동시에 충족해야 하는 특성이 있습니다. 이 때문에 범용 AI 모델로는 한계가 명확하게 드러날 수밖에 없습니다. 이런 맥락에서 Anthropic은 금융 분야에 특화된 인공지능 플랫폼 ‘Claude for Financial Services’를 발표하며, 수직 AI(Vertical AI), 즉 금융 AI 시장에 본격적으로 진입했습니다.

이 글에서는 Claude for Financial Services가 기존 Claude Enterprise와 어떻게 다른지, 금융업계는 이 기술을 통해 어떤 변화를 기대하고 있는지, 살펴보려고 합니다.

Claude for Financial Services란 무엇인가?

Claude for Financial Services는 Anthropic이 기존 Claude Enterprise를 기반으로 금융 산업에 특화하여 확장한 인공지능 모델입니다. 기존 제품의 성능을 유지하면서도 금융 업무에 직접 적용할 수 있도록 기능이 강화되었습니다.

Anthropic의 금융 부문 총괄을 맡은 조너선 펠로시(Jonathan Pelosi)는 “Claude는 본래부터 복잡한 금융 업무에 적합했지만, 지금은 아예 금융 산업 전용으로 별도 모델을 개발했다”고 밝혔습니다. 이는 이미 금융 업계에서 Claude의 사용이 활발히 이루어지고 있었으며, 이를 보다 체계적이고 전문적으로 지원하려는 의도라 볼 수 있습니다.

강화된 기능과 차별화된 요소들

Claude for Financial Services는 기존 Claude Enterprise 대비 몇 가지 측면에서 기능이 크게 향상되었습니다. 특히 데이터를 활용하는 방식, 분석 도구의 편의성, 그리고 업무 효율성 측면에서 두드러진 차이를 보입니다.

첫째, 이 플랫폼은 FactSet, PitchBook, S&P Capital IQ, Morningstar 등 주요 금융 데이터 제공업체와 사전 연동되어 있어, 사용자가 별도 API 설정 없이 데이터를 바로 불러올 수 있습니다. 가령, 자산운용사 애널리스트가 특정 산업군의 10-K 보고서를 분석하려 할 때 별도의 수작업 없이 Claude가 문서를 불러오고 요약 및 해석까지 처리해줍니다. 이로써 데이터 수집에 쓰이는 시간과 리소스를 크게 줄일 수 있습니다.

둘째, Claude는 금융 분석에 특화된 ‘프롬프트 라이브러리’를 함께 제공합니다. 금융 전문가는 종종 원하는 질문을 AI에 정확히 전달하는 데 어려움을 겪는데, Anthropic은 이러한 사용자의 시행착오를 줄이기 위해 분석 목적에 따라 사전에 준비된 명령어 예시를 제공합니다. 예를 들어, ‘SaaS 기업의 ARPU(고객당 평균 수익) 변화 분석’과 같은 복잡한 분석도 표준화된 프롬프트를 활용해 쉽게 요청할 수 있습니다. 이 기능은 실제 사용자들의 피드백을 반영해 지속적으로 개선되며, 업종별 전문성을 반영할 수 있는 기반이 됩니다.

셋째, 금융 업계는 수많은 데이터를 다루기 때문에 AI 처리 한도에 자주 도달하는 문제가 있었습니다. Claude for Financial Services는 요청량, 응답 길이 등의 제한을 대폭 완화하여 대규모 데이터 분석도 문제없이 수행할 수 있게 했습니다. Anthropic은 기존 고객들이 복잡한 퀀트 분석 작업 수행 중 제한값 때문에 어려움을 겪는 경우가 많았다는 점에 착안해 이 부분을 개선했다고 밝혔습니다.

수직 AI 플랫폼 도입 시 고려해야 할 점

AI 기업들이 산업별 맞춤 솔루션을 출시를 고려하고 있지만, 금융 산업처럼 규제가 강한 분야에서는 도입 시 여러 사항을 고려해야 합니다.

우선, 데이터 보안과 고객확인(KYC) 규정의 준수가 반드시 따라야 합니다. Claude for Financial Services는 MCP(Multi-Company Platform)를 통해 여러 조직 간 AI 에이전트가 데이터를 공유하도록 설계되어 있지만, 여전히 모든 금융 기관이 이 구조를 선뜻 받아들이는 것은 아닙니다. KYC나 사용자 인증 같은 컴플라이언스 요건을 완전히 충족하지 못한다고 보는 시각도 있습니다. Anthropic은 이에 대해 향후 인증 체계를 강화해 보완할 계획임을 밝혔습니다.

또한, 보수적인 기업 문화로 인해 도입 속도에 차이가 나기도 합니다. 보안팀의 사전 점검, 내부 감사 절차, 법무 검토 등 시간이 소요되는 단계들이 많기 때문입니다. 이를 고려해 Anthropic은 Claude를 설치형(On-Premise) 환경에서도 사용할 수 있도록 지원하고 있습니다.

조너선 펠로시는 “기존 Claude Enterprise 사용자가 반드시 금융 서비스 버전으로 전환할 필요는 없다”면서, “그러나 더 많은 기능과 혜택을 원하는 고객에게는 충분한 선택지를 제공하고 있다”고 설명했습니다.

수직 AI는 금융 산업의 미래인가?

Claude for Financial Services의 출시는 단순한 기능 개선을 넘어, AI 산업 전반에 중요한 흐름 변화를 보여주는 사례입니다. 수직 AI는 다양한 산업에 자동 적용되는 범용 모델 대신, 각 산업의 업무 방식과 요구사항에 맞춘 구조로 설계됩니다.

이런 전략은 자체적인 AI 인프라 구축이 어려운 금융 기관이나 국부펀드, 사모펀드 등에게 특히 유용합니다. 이미 정제된 데이터를 활용할 수 있고, 별도 전문 인력이 없어도 바로 업무에 투입할 수 있는 점에서 진입 장벽을 낮춰주기 때문입니다.

향후 Claude의 확장 가능성

Anthropic은 이번 금융 산업에 특화된 Claude 모델이 성과를 거둘 경우, 의료, 법률, 제조와 같은 다른 고규제 산업으로도 영역을 확장할 계획입니다. 이들 분야 역시 방대한 문서 기반 업무와 높은 정확성, 보안 요건을 갖추고 있어 수직 AI가 특히 효과적일 수 있습니다.

최근에는 실제로 Claude가 노션(Notion), 피그마(Figma), 스트라이프(Stripe) 등 주요 파트너 서비스와 직접 연동되는 기능도 제공되기 시작했습니다. 이를 통해 다양한 업무 도구들과의 호환 범위도 넓히고 있습니다.

결론: 금융 AI 활용의 새로운 패러다임

금융 산업은 그 특성상 AI 도입이 쉽지 않은 분야입니다. 그러나 Claude for Financial Services는 금융 업무에 특화된 보안, 정확도, 사용자 설정 기능 등을 갖추고 있어 이 같은 장벽을 효과적으로 넘을 수 있는 솔루션으로 평가받고 있습니다.

이미 주요 금융 기관이 Claude를 실제 업무에 도입 중이며, 이러한 수직 AI가 머지않아 업계 표준으로 정착할 가능성도 있습니다.

AI 도입을 고민하면서도 자원과 보안 문제로 망설였던 기업이라면, Claude for Financial Services가 실질적인 대안이 될 수 있습니다. 지금이 바로 산업 특화 AI 전략을 수립할 적기입니다.

AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .