2026년 7월 26일 | AI 최신 트렌드
AI 기능이 소프트웨어와 업무 환경 깊숙이 들어오면서 성능과 함께 선택권, 전력망과의 협조, 인터페이스 통제, 로컬 실행 권한, 평가 데이터의 현실성이 더 자주 문제로 떠오른다. 미국 도서관에는 원치 않는 AI 기능을 끄는 법을 배우려는 사람이 몰렸고, 대규모 데이터센터에서는 정전과 별개로 여러 시설이 동시에 전력망을 이탈하는 행동이 새로운 위험으로 지목됐다.
7월 23~25일 공개된 다섯 소식을 묶어 보면 공통점이 있다. AI를 잘 만드는 일과 AI가 들어간 시스템을 납득 가능하게 운영하는 일은 다르다는 점이다. 제품은 사용자가 거부할 방법을 보여 줘야 하고, 에이전트는 권한과 승인 경계를 설명해야 하며, 벤치마크는 실제 문서의 표와 숫자까지 다뤄야 한다. 나는 기능 소개에 머물지 않고 어디서 통제권이 빠지고, 그것을 어떤 설계로 되돌릴 수 있는가라는 관점에서 이번 소식들을 읽었다.
1. AI 회피 수업: 새 기능을 배우는 것만큼 끄는 법도 디지털 문해력
TechCrunch는 미국 공공 도서관의 ‘Avoiding AI’ 워크숍에 이례적으로 많은 신청자가 몰렸다고 보도했다. 메인주 뱅고어 공공도서관의 첫 두 수업은 각각 약 70명이 참여했고, 필라델피아의 홍보 게시물은 평소 수십 건이던 반응을 훌쩍 넘어 2,000개가 넘는 좋아요와 220회의 공유를 기록했다. 수업에서는 챗봇의 기본 작동 방식부터 Apple Intelligence와 Google Gemini 같은 기능을 끄는 경로까지 화면으로 직접 보여 준다.
참가자들이 묻는 질문은 거창하지 않았다. “왜 한 문장짜리 이메일까지 요약하는가”, “왜 요청하지 않은 기능이 글을 대신 쓰려 하는가” 같은 생활 속 불편이었다. 강사들도 OCR처럼 유용한 기술까지 거부하자는 입장은 아니었다. 필요할 때 선택해서 쓰고, 원하지 않을 때는 쉽게 끌 수 있어야 한다는 쪽에 가깝다. AI 사용 여부를 사용자가 결정할 수 있는 것을 새로운 디지털 문해력으로 보는 셈이다.
나는 이 수요를 단순한 반발로 치부하면 제품팀이 중요한 신호를 놓친다고 본다. 기능 채택률만 높이려고 기본 활성화와 숨은 설정을 택하면 단기 사용량은 늘어도 신뢰는 빠르게 줄 수 있다. AI 기능에는 켜짐 상태, 사용한 데이터, 결과가 생성된 이유, 비활성화 경로를 같은 화면에서 보여 주는 편이 낫다. “쓸 수 있음”과 “쓰도록 강제됨”의 차이는 작은 설정 메뉴가 아니라 제품 관계의 차이다.
2. 데이터센터 전력망 복원력: 동시에 빠져나간 3.1GW 부하
TechCrunch가 정리한 PJM 전력망 사건은 데이터센터가 전기를 많이 쓰는 문제와는 다른 위험을 보여 준다. 워싱턴 D.C. 인근 송전선 하나가 쓰러지자 북버지니아의 여러 데이터센터가 전압 저하를 감지하고 백업 전원으로 거의 동시에 전환했다. PJM 자료 기준 약 30초 동안 3.1GW의 부하가 사라졌고, 초과 공급은 한때 3.49GW에 이르렀다. 대규모 정전은 없었지만 전압 변동과 조명 깜빡임이 넓은 지역에서 관찰됐고, 계통 안정에는 10분 넘게 걸렸다.
전력망은 공급과 수요가 계속 균형을 이뤄야 한다. 시설 하나가 백업 전원으로 넘어가는 것은 합리적인 보호 동작이지만, 같은 지역의 대형 시설들이 비슷한 임계값으로 동시에 반응하면 작은 전압 저하가 수 GW 규모의 수요 급감으로 증폭된다. AI 데이터센터가 몰린 지역에서는 개별 시설의 안전 설정이 전체 계통의 집단 행동을 만든다. 서버 가용성만 최적화한 자동화가 지역 전력망에는 불안정 요인이 될 수 있는 장면이다.
기사에서 제시한 해법은 두 갈래다. 인접 시설의 이탈과 재접속 순서를 조정하거나, 짧은 전압 이상을 만나도 곧바로 계통을 떠나지 않는 ride-through 능력을 키우는 방식이다. 배터리와 전력 변환 장치를 서버와 냉각 설비를 포함한 캠퍼스 전체에 연결하면 순간적인 변동을 내부에서 흡수할 수 있다. 앞으로 AI 인프라의 신뢰성 지표에는 GPU 가동률과 PUE에 더해 이탈 속도, 재접속 순서, 배터리 지속 시간, 계통 운영자와의 제어 계약도 들어가야 한다.
3. Chrome의 Gemini 단축키: AI 기능에 앞서 물어야 할 동의
GeekNews가 요약한 사용자 보고에 따르면 Chrome은 일부 Mac에서 Ctrl+G를 Gemini 팝업의 전역 단축키로 등록했다. Chrome에 포커스가 없어도 동작해 코드 편집기의 줄 이동 기능과 충돌했고, 팝업만 보고 어느 앱이 호출했는지 알아보기 어렵다는 지적도 나왔다. 관련 기능은 Chrome 설정의 AI innovations 아래에서 끌 수 있지만, 팝업 자체에는 비활성화 경로가 뚜렷하게 표시되지 않았다. Windows에서는 Alt+G가 쓰이는 것으로 파악됐다.
전역 단축키는 화상회의 음소거처럼 앱 바깥에서도 즉시 실행해야 하는 기능에 유용하다. 핵심은 등록 과정이다. 운영체제는 앱이 점유한 전역 단축키를 한곳에서 보여 주고 충돌을 알려 줘야 하며, 앱은 등록 전에 명시적인 동의를 받아야 한다. 특히 AI 패널은 파일과 화면 맥락을 읽을 가능성이 있으므로 일반 메뉴만큼이나 분명한 활성 상태와 호출 주체가 필요하다.
이 사례는 AI 기능 탑재 여부와 함께 사용자 공간에 들어오는 경로가 제품 품질을 가른다는 점을 보여 준다. 내가 기능을 설계한다면 첫 실행에서 단축키와 접근 범위를 함께 설명하고, 팝업 헤더에 제품명과 끄기 링크를 고정할 것 같다. 옵트인, 충돌 탐지, 호출 주체 표시, 즉시 비활성화가 갖춰져야 편리한 진입점이 운영체제 수준의 간섭으로 바뀌지 않는다.
4. OpenWorker: 완성된 결과물과 승인 경계를 함께 설계한 로컬 에이전트
AI타임스가 소개한 OpenWorker는 앤드류 응이 공개한 오픈소스 데스크톱 에이전트다. 고객 브리프나 보고서 작성, 이메일 분류, 일정 업데이트에서 답변에 머물지 않고 완성된 결과물을 목표로 작업을 쪼개며, 로컬 파일과 연결된 앱을 오간다. 현재 macOS를 지원하며 Windows 버전은 준비 중이다. 특정 공급사 모델에 묶이지 않고 API 모델과 Ollama 기반 로컬 모델을 선택할 수 있다는 점도 앞세웠다.
구조는 Tauri와 React 기반 데스크톱 앱, FastAPI 기반 로컬 에이전트 서버, 파일·Git·셸·MCP 도구 계층, aisuite 기반 모델 라우터로 나뉜다. 한 작업의 모델·도구 상호작용은 기본적으로 최대 12회로 제한된다. 이 숫자는 작아 보이지만 에이전트가 끝없이 루프를 도는 문제를 막고, 긴 작업을 사용자가 이해 가능한 단위로 자르는 운영 장치가 된다.
더 눈에 들어온 것은 권한 분류다. 도구 호출을 읽기, 로컬 쓰기, 명령 실행, 외부 작업으로 구분하고 여러 승인 모드를 제공한다. 무인 실행 중에도 승인이 필요한 단계에서는 작업을 멈추고 받은 편지함에서 확인을 기다리도록 설계했다. 웹 페이지와 로그, 파일, 도구 출력은 신뢰할 수 없는 데이터로 취급하고 자격증명을 모델 입력에서 분리한다는 원칙도 명시했다. 실제 구현의 안전성은 별도 검증이 필요하지만, 결과물 완성도와 사용자 승인 경계를 같은 제품 기능으로 다룬다는 방향은 실무형 에이전트가 갖춰야 할 기본에 가깝다.
5. FinanceComplexQA: 표와 숫자가 섞인 금융 문서에서 에이전트를 평가하기
FinanceComplexQA 프리프린트는 산업 수준의 금융 문서에서 에이전트 추론을 평가하려는 벤치마크다. 연구진은 Finance-LaTeX SKILL과 에이전트 워크플로우로 복잡한 레이아웃을 가진 금융 문서 2,000개와 질의응답 6,000쌍을 만들었다. 최종 벤치마크는 1,009개 문서를 대상으로 한 2,026개의 심층 조사형 과제로 구성되며 중국어와 영어를 함께 지원한다.
기존 금융 QA가 짧은 사실 검색이나 표의 단일 숫자 추출에 집중했다면, 이 데이터는 여러 표와 문단을 오가는 계산, 다단계 추론, 요약, 산업 분석을 묻는다. 답은 분석 문장으로 나오기 때문에 Agent-as-a-Judge와 여러 평가 지표를 조합했다. 저자들은 주요 RAG 시스템과 에이전트 도구를 비교하고 수치 계산, 멀티홉 추론, 내용 요약, 산업 분석에서 실패 사례를 나눠 살폈다.
여기에는 주의할 지점도 있다. 합성 문서가 실제 문서의 복잡성을 넓게 재현하더라도 기업별 회계 관행, 스캔 품질, 주석의 모호함, 최신 공시의 시간 의존성을 모두 대신하지는 못한다. 평가자 역할을 맡은 모델의 선호가 점수에 들어갈 가능성도 있다. 그래서 나는 이 벤치마크를 단일 순위표로 끝내지 않고 파싱 실패, 근거 누락, 계산 오류, 판단 기준 불일치를 분리하는 진단 세트로 보는 편이 낫다고 생각한다. 금융 에이전트의 품질은 정답률 하나만으로 설명되지 않으며, 어떤 근거로 숫자를 만들었고 계산을 다시 검산할 수 있는지에서 갈린다.
다섯 소식은 AI를 둘러싼 통제의 층이 얼마나 넓어졌는지를 보여 준다. 사용자는 기능을 끌 권리가 필요하고, 데이터센터는 지역 전력망과 조율해야 하며, 브라우저는 운영체제 단축키를 함부로 점유하지 않아야 한다. 에이전트는 실행 권한을 단계별로 나누고, 평가 데이터는 현실 문서의 숫자와 레이아웃을 품어야 한다. 모델이 더 강해질수록 좋은 제품은 자동화 범위만 넓히지 않는다. 누가 무엇을 결정했고 어디서 멈출 수 있는지 보이는 시스템이 되어야 한다.