<!doctype html>
2026년 6월 30일 | AI 최신 트렌드
Gemini 이미지 생성 무료화와 Claude 공공기관 할인 계약이 같은 날 눈에 들어왔다. 하나는 개인 데이터를 생성 표면에 더 가까이 붙이는 소비자 기능이고, 다른 하나는 정부 조직이 대규모로 AI 도구를 들여올 때 가격과 교육 지원을 어떻게 묶는지 보여 준다. 여기에 Arena의 평가 사업화, Codex용 물리 단축키 장치, OpenAI의 유럽 일자리 전환 보고서, 과학 논문 검토용 Paper Assistant까지 겹치면서 흐름이 꽤 선명해졌다.
나는 이번 묶음을 AI가 앱 안쪽과 조직 운영 안쪽으로 동시에 들어가는 장면으로 봤다. 모델 자체의 성능 뉴스보다, 누가 어떤 화면에서 쓰게 만들고, 어떤 비용 구조로 배포하고, 결과를 어떻게 평가하고 검증할 것인지가 더 전면에 나온다. 그래서 6월 30일 트렌드는 모델 이름보다 제품 표면, 조달, 평가, 하드웨어, 업무 재설계, 리뷰 자동화를 중심으로 정리해 봤다.
Gemini 이미지 생성: 프롬프트보다 개인 맥락을 먼저 쓰는 기능
TechCrunch는 Google이 Gemini 앱의 개인화 이미지 생성 기능을 미국의 eligible 사용자에게 무료로 열었다고 전했다. 원래 Plus, Pro, Ultra 구독자 중심으로 제공되던 Nano Banana 기반 기능인데, 이제는 “내가 좋아하는 것들을 넣은 그림을 만들어 줘”처럼 짧게 말해도 Gemini가 연결된 Google 계정 맥락을 참고해 결과물을 만들 수 있다는 설명이다.
이 기능에서 중요한 건 이미지 모델 자체보다 프롬프트에 쓰지 않은 개인 맥락이 생성 재료가 되는 방식이다. 사용자가 커피, 베이킹, 가족사진 같은 힌트를 매번 자세히 쓰지 않아도, Google Photos나 연결 앱의 정보가 입력으로 들어갈 수 있다. Google은 opt-in과 Tools 메뉴의 토글을 강조하지만, 사용자가 “어느 데이터가 실제로 들어갔는지”를 직관적으로 이해하기는 여전히 쉽지 않다.
실무적으로 보면 소비자 AI의 경쟁 축이 긴 프롬프트 작성법에서 계정 연결과 기본값 설계로 넘어가는 중이다. 이미 좋은 이미지를 만드는 모델은 많다. 차이는 누가 사용자의 취향과 사진 맥락을 더 자연스럽게, 그리고 덜 불안하게 끌어오느냐에 생긴다. 나도 이런 기능을 보면 편함과 찜찜함이 동시에 온다. 편한 건 맞는데, 그 편함을 만들기 위해 어떤 연결을 허용했는지 계속 보여 주는 UI가 같이 필요하다.
Claude 공공 도입: 정부 AI는 할인보다 운영 책임이 먼저 보인다
Anthropic과 캘리포니아 주정부는 주정부 기관과 지방정부가 Claude를 반값 수준으로 쓸 수 있는 계약을 맺었다. 보도에 따르면 Claude 접근권뿐 아니라 교육과 지원까지 함께 들어간다. 문서 초안 작성, 정보 분석, 행정 업무 보조가 우선적인 사용처로 언급됐다.
가격 할인이 headline이지만, 내가 더 눈여겨본 건 공공기관에서 AI 도입이 “계정 몇 개 사기”로 끝나지 않는다는 점이다. 정부 업무는 민간 SaaS보다 기록, 책임, 접근권, 편향, 조달 절차가 더 복잡하다. 특히 주정부 단위로 도입하면 한 부서의 실험이 아니라 여러 기관의 표준 업무 방식에 영향을 준다. 그래서 이런 계약은 모델 성능보다 교육 자료, 사용 정책, 감사 가능한 기록을 같이 봐야 한다.
Newsom 주지사는 AI가 정부 직원의 일을 대체하는 것이 아니라 더 빠르고 효과적으로 문제를 풀게 해야 한다고 말했다. 이 표현은 익숙하지만, 실제 구현은 어렵다. 직원이 언제 Claude 답을 그대로 쓰면 안 되는지, 어떤 문서는 사람 검토를 반드시 거쳐야 하는지, 주민 정보가 어떤 경로로 처리되는지까지 정해야 한다. 공공 AI 도입은 이제 “쓸 수 있느냐”보다 “어떤 업무에는 못 쓰게 할 것인가”를 정하는 단계에 가까워졌다.
Arena: 공개 리더보드가 평가 인프라 회사로 바뀌는 순간
Arena가 상업 서비스 출시 8개월 만에 1억 달러 annualized run-rate revenue에 도달했다는 소식도 흥미로웠다. UC Berkeley 연구 프로젝트에서 출발한 Arena는 1,000만 건이 넘는 사용자 평가를 바탕으로 모델 비교 리더보드를 만들었고, 지금은 AI Evaluations라는 기업용 분석 서비스를 팔고 있다.
여기서 재밌는 지점은 “평가”가 더 이상 연구실의 보조 작업이 아니라 사업이 됐다는 사실이다. 모델 회사와 기업 고객은 단순 점수표보다 자기 업무에 가까운 프롬프트, 선호도, 실패 사례, 모델 간 trade-off를 알고 싶어 한다. 공개 리더보드가 사람들의 흥미를 끌었다면, 유료 평가는 조직이 모델 선택 비용을 줄이는 도구가 된다.
다만 crowd preference 기반 평가는 조심해서 읽어야 한다. 사람이 더 좋아한다고 누른 답이 항상 더 정확하거나 안전한 것은 아니다. 업무별로 정답이 분명한 영역도 있고, 말맛이 좋은 답이 위험한 영역도 있다. Arena의 성장은 결국 모델 선택이 벤더 영업 자료가 아니라 독립 평가 인프라를 요구하는 시장으로 가고 있다는 신호다. 앞으로 기업 AI 도입 문서에는 모델명보다 평가 데이터 출처가 더 자주 붙을 것 같다.
Codex 하드웨어: 코딩 에이전트에도 손맛이 필요해진다
The Verge는 OpenAI가 Codex 관련 물리 장치를 7월 15일 공개할 것처럼 예고했다고 전했다. OpenAI가 X에 올린 영상에는 여러 버튼이 달린 사각형 장치가 보였고, “favorite Codex shortcuts”라는 문구가 붙었다. Jony Ive와 만드는 비밀스러운 AI 기기라기보다, Work Louder와 협업한 매크로패드류 장치에 가까워 보인다.
처음 봤을 때는 조금 장난감처럼 느껴졌는데, 생각해 보면 코딩 에이전트에는 물리 단축키가 꽤 잘 맞는다. 에이전트 작업은 “실행”, “검토”, “중단”, “되돌리기”, “다른 브랜치로 보내기” 같은 반복 동작이 많다. 이걸 매번 마우스로 눌러도 되지만, 사람의 손이 바로 기억하는 버튼으로 빼면 작업 흐름이 달라질 수 있다.
물론 아직 구체 기능은 공개 전이라 과하게 단정할 수는 없다. 그래도 이 티저가 말해 주는 방향은 있다. 코딩 에이전트는 IDE 사이드바나 채팅창에만 머무르지 않고, 점점 개발자의 물리적 작업 표면으로 내려오고 있다. 예전에는 키보드 매크로가 반복 명령을 줄였다면, 이제는 에이전트 작업 상태를 버튼으로 제어하는 쪽이 실험되는 셈이다.
AI 일자리 지도: 자동화냐 대체냐보다 역할 재설계가 어렵다
OpenAI는 유럽의 AI 일자리 전환을 직업별로 매핑한 보고서를 냈다. 캐시된 요약 기준으로는 EU 직업을 자동화 가능성, 성장 가능성, 업무 방식 변화 관점에서 나눠 보는 내용이다. 이 주제는 자칫 “AI가 일자리를 뺏는다”거나 “새 일자리가 더 생긴다”는 익숙한 양쪽 구호로만 흐르기 쉬운데, 실제로는 그 중간이 훨씬 크다.
현장에서 더 중요한 질문은 특정 직무가 사라지는지가 아니라, 그 직무 안의 일이 어떤 순서로 재배치되는지다. 예를 들어 자료 조사, 초안 작성, 반복 보고, 고객 응대, 코드 리뷰, 검증 문서화는 자동화 압력을 받는 속도가 다르다. 같은 직함을 가진 사람도 회사의 도구 접근권과 데이터 구조에 따라 완전히 다른 변화를 겪을 수 있다.
나는 이런 보고서가 기업의 AI 도입 문서에서 제일 실용적인 출발점이라고 본다. “우리 팀에 AI를 도입한다”보다 “이 역할에서 어떤 업무를 모델에 맡기고, 어떤 판단은 사람에게 남기며, 어떤 교육이 필요하냐”가 먼저 정리돼야 한다. 결국 AI workforce 논의는 거창한 미래 예측보다 업무 단위 inventory를 만드는 일이 된다.
Paper Assistant: 과학 리뷰도 agentic workflow가 된다
arXiv에는 Towards Automating Scientific Review with Google’s Paper Assistant Tool이라는 논문이 올라왔다. 논문은 AI 보조 과학이 늘어날수록 전통적인 인간 peer review만으로 검증 속도를 맞추기 어렵다고 보고, AI-human collaboration을 네 단계 taxonomy로 나눈 뒤 Paper Assistant Tool, 줄여서 PAT를 소개한다.
PAT는 단순 논문 요약기가 아니다. 전체 원고를 입력받아 이론 결과, 실험 타당성, 개선점, 잠재 오류를 확인하는 agentic review framework로 설명된다. 특히 inference scaling을 써서 단일 모델 호출보다 깊은 문제를 찾고, SPOT benchmark에서 수학 오류 recall을 zero-shot 대비 34% 개선했다고 보고한다. STOC와 ICML의 pre-submission 도구로 파일럿 배포했다는 점도 눈에 띄었다.
나는 이 논문을 보면서 리뷰 자동화의 위험과 필요가 같이 보였다. 리뷰를 AI가 대신한다는 말은 아직 너무 거칠다. 하지만 제출 전에 명백한 오류, 실험 누락, 증명 약점을 먼저 잡아 주는 보조 도구는 충분히 의미가 있다. 핵심은 최종 판단을 자동화하는 게 아니라, 사람이 검토할 때 봐야 할 위험 지점을 더 빨리 드러내는 것이다. 연구 현장에서도 AI는 작성 보조에서 검증 보조로 이동하고 있다.
묶어 보면: 더 깊은 표면, 더 두꺼운 검증
이번 여섯 가지를 한 줄로 묶으면, AI는 더 깊은 사용자 표면으로 들어가고 동시에 더 두꺼운 검증층을 요구한다. Gemini는 개인 맥락을 생성 입력으로 당겨오고, Claude는 공공기관 업무 안으로 들어간다. Arena는 모델 선택을 독립 평가 사업으로 만들고, Codex 하드웨어는 에이전트 제어를 손에 잡히는 장치로 내린다. OpenAI의 일자리 보고서는 역할 재설계를 묻고, Paper Assistant는 연구 검증 루프를 자동화 대상으로 올린다.
예전에는 새 모델 하나가 나오면 그 모델이 얼마나 똑똑한지만 보면 됐다. 지금은 그 모델이 어떤 데이터에 접근하는지, 어느 조직 정책 아래 배포되는지, 누가 평가하고, 사람이 어디에서 멈춰 세울 수 있는지까지 같이 봐야 한다. 그래서 나는 6월 말의 AI 트렌드를 성능 경쟁의 후반전이라기보다, 배포와 검증 설계가 본게임으로 올라온 구간으로 읽고 있다.