네이버에서 쇼핑하고, 네이버페이로 결제하는 건 익숙한 일입니다. 그런데 이제 네이버가 공연장 입구에서 얼굴을 확인하고, 옷을 직접 입어볼 수 있는 공간까지 마련한다고 합니다. 얼굴만 보여주면 입장할 수 있고, 마음에 드는 옷은 현장에서 입어본 뒤 온라인으로 구매할 수 있습니다. 공연도 보고, 식당을 예약하고, 결제하면 포인트까지 쌓입니다. 스마트폰 속에서만 이용하던 네이버의 서비스들이 현실 공간으로 나온 겁니다. 네이버는 지난달 30일부터 이달 1일까지 서울 성동구 복합문화공간 ‘앤더슨씨 성수’에서 첫 오프라인 축제 ‘넾페스타’를 열었습니다. 현장에선 네이버플러스 스토어의 마스코트 ‘택이’가 방문객을 맞았고, 넷플릭스와 협업한 공간을 비롯해 50여개 브랜드의 체험 부스가 마련됐습니다. 네이버플러스 멤버십 회원을 대상으로 열린 선 예매에서는 입장권 3000장이 40분 만에 매진됐습니다. ◆네이버는 왜 온라인 이용자들을 서울 성수동으로 불러 모았을까요 행사장 곳곳에는 네이버 기술과 서비스가 숨어 있었습니다. 입장할 때 사용한 얼굴인식 기술은 ‘Npay 페이스사인’입니다. 넷플릭스 협업 공간인 ‘네넷존’과 브랜드 체험 부스를 둘러보면서 디지털 지갑 ‘Npay 월렛’에 대체불가능토큰(NFT) 스탬프를 모을 수 있었습니다. 결제 단말기 ‘Npay 커넥트’가 설치된 부스에서는 얼굴인식 결제도 체험할 수 있었습니다. 온라인에서만 접하던 브랜드를 직접 만나는 기회도 마련됐습니다. 네이버의 패션 서비스 ‘노크잇’은 첫 오프라인 쇼룸을 열었습니다. 방문객들이 코트와 카디건 등 신상품을 착용해 보고 QR코드로 온라인 구매까지 이어갈 수 있도록 했습니다. 축제는 행사장 밖으로도 이어졌습니다. 네이버는 성수동 일대 식당들과 연계해 예약하거나 방문 후 리뷰를 남기면 포인트를 지급했습니다. 네이버페이 결제 단말기를 사용하는 매장에서는 추가 적립 혜택도 제공했습니다. 온라인에서 식당을 검색하고 예약한 뒤 현장에서 결제하고 다시 온라인에 리뷰를 남기는 과정이 하나로 연결된 겁니다. 여기에 이번 행사의 의미가 있습니다. 네이버가 이용자를 모으는 공간을 스마트폰 화면에서 실제 거리와 매장으로 넓히고 있다는 점입니다. 검색·쇼핑·예약·결제처럼 각각 운영하던 서비스를 오프라인 활동과 연결하면 이용자가 네이버를 이용하는 순간도 늘어납니다. 네이버는 2020년 출시한 ‘네이버플러스 멤버십’을 연결의 중심에 두고 있습니다. 쇼핑 적립을 시작으로 넷플릭스·스포티파이 등 콘텐츠 구독과 장보기, 배달, 모빌리티까지 혜택을 확대했습니다. 네이버에 따르면 멤버십 유지율은 95%에 달하고 회원들의 쇼핑 비중은 비회원보다 3배 이상 높습니다. 넾페스타는 온라인에서 확보한 충성 고객에게 오프라인에서도 혜택을 제공해 서비스 이용을 늘리려는 시도입니다. 심준용 네이버 브랜드익스피리언스 리더는 성수를 행사 장소로 선정한 이유에 대해 “젊은 분들이 많이 관심을 가지는 장소이고 많은 브랜드와 팝업스토어가 모이는 곳”이라며 멤버십 회원들에게 문화 혜택을 전달하기에 적합한 장소라고 설명했습니다. ◆공연장으로 향하는 플랫폼 기업들 네이버의 오프라인 실험은 일회성 축제로 끝나지 않습니다. 다음 무대는 대형 공연장입니다. 네이버는 인천 영종도 인스파이어 아레나의 명명권을 확보했습니다. 다음 달부터 3년간 공연장 이름은 ‘네이버 아레나 앳 인스파이어’로 바뀝니다. 이곳에서 네이버플러스 멤버십 회원들에게 공연·스포츠 행사 혜택을 제공하고, 얼굴인식 입장과 NFT 티켓, 증강현실(AR) 길 안내 등 네이버 기술을 적용할 계획입니다. 이재후 네이버 엔터테인먼트 서비스 부문장은 “페이스사인과 NFT를 접목해 공연장의 입장과 인증 과정에서 발생하는 불편을 해결하고 싶다”며 다양한 기술을 활용한 새로운 관람 경험을 만들어가겠다고 설명했습니다. 카카오도 공연장에 눈을 돌리고 있습니다. 다만 네이버와 접근 방식은 다릅니다. 카카오는 서울 도봉구 창동에 조성 중인 국내 최대 대중음악 전문 공연장 ‘서울아레나’에 지분 약 98%를 보유한 대표 출자자로 참여했습니다. 내년 개장 예정인 공연장은 준공 후 서울시가 소유하고 카카오가 출자한 사업법인이 30년간 운영하는 구조입니다. 공연장 명명권 확보에도 100억원을 투입하기로 했습니다. 네이버가 기존 공연장과의 제휴로 자사 서비스를 확대하려 한다면 카카오는 공연장 운영 자체에 참여하는 방식입니다. 카카오엔터테인먼트가 보유한 K팝 아티스트와 콘텐츠, 팬덤을 활용해 공연 기획부터 관람, 관련 콘텐츠 소비까지 사업을 확대하려는 구상입니다. ◆온라인 플랫폼은 왜 현실 공간을 탐낼까 국내 대표 플랫폼 기업들이 오프라인 공간에 관심을 갖는 배경에는 온라인 사업의 성장 한계가 있습니다. 검색과 메신저는 이미 대다수 국민이 사용하는 서비스입니다. 기존 이용자를 늘리거나 이용 시간을 확대하는 것만으로는 새로운 성장동력을 확보하기 쉽지 않습니다. 인공지능(AI) 확산도 변수입니다. 이용자가 AI에 질문해 정보를 얻거나 상품을 추천받는 일이 늘면 기존 검색과 광고 중심의 플랫폼 이용 방식이 달라질 수 있습니다. 플랫폼 기업으로서는 이용자가 정보를 찾는 순간뿐 아니라 실제 상품을 구매하고 콘텐츠를 소비하는 과정에서도 접점을 확보할 필요가 커진 겁니다. 오프라인 공간은 기존 서비스를 새로운 방식으로 연결할 수 있는 무대이기도 합니다. 공연을 보러 온 고객이 티켓을 예약하고, 얼굴로 입장하고, 현장에서 물건을 구매하는 과정에 플랫폼 서비스가 들어갈 수 있습니다. 이용자에게는 편리한 경험을 제공하고 기업은 결제·예약·콘텐츠 사업을 확대할 기회를 얻습니다. 공연장과 축제가 곧바로 새로운 수익원이 되는 건 아닙니다. 오프라인 행사는 비용이 들고 공연장 운영에는 장기적인 투자 부담이 따릅니다. 고객이 한 번 행사에 참여하는 데 그치지 않고 멤버십을 유지하거나 다른 서비스를 꾸준히 이용해야 기업에도 성과가 남습니다. 네이버와 카카오가 오프라인에서 확보하려는 건 공간 자체보다 그곳에서 이뤄지는 이용자의 다양한 활동입니다. 검색창과 메신저에서 시작된 플랫폼 경쟁이 이제 공연장과 거리, 식당과 매장으로 확장되고 있습니다.

주말여행을 준비한다고 생각해볼까요. 지금까지는 인공지능(AI)에 여행지를 추천받은 뒤 숙소와 교통편은 직접 예약했습니다. 이제는 AI가 조건에 맞는 상품을 찾고 예약·결제 절차까지 진행합니다. 이용자는 마지막에 내용을 확인하고 승인하면 됩니다. 질문에 답하던 AI가 일을 대신하는 ‘에이전트’로 바뀌는 겁니다. 메타의 ‘뮤즈’가 이런 변화를 보여주며 이용자를 모으고 있습니다. 오픈AI도 지난달 29일(현지시간) 상시 작동하는 에이전트 ‘닷(dots)’을 선보였습니다. 국내 기업들도 한국 생활에 맞춘 AI 비서를 준비하고 있는데요. 해외 서비스가 먼저 일상에 자리 잡으면 따라잡기 어려워질 수 있다는 우려가 커졌습니다. ◆앱을 닫아도 일하는 AI 비서 3일 앱토피아 자료를 보면 뮤즈는 출시 20일 만에 미국과 캐나다에서 다운로드 580만건을 기록했습니다. 이용자의 46%가 46세 이상이라는 점도 눈에 띕니다. 기술에 익숙한 젊은층을 넘어 중장년 이용자도 관심을 보인 겁니다. 뮤즈는 이용자가 연결한 메일과 일정 등을 확인하고 웹사이트에서 예약·구매 작업을 진행합니다. 앱을 닫아도 맡은 일을 이어가고, 메일 발송이나 결제처럼 중요한 단계에서는 승인을 요청합니다. 기본 기능은 주어진 사용량 안에서 무료로 이용할 수 있습니다. 일을 수행하는 AI는 이전에도 있었습니다. 오픈클로처럼 이용자가 직접 설치하고 서비스를 연결하는 방식도 있었죠. 뮤즈는 이런 준비 부담을 줄이고 메신저로 대화하듯 여러 생활 업무를 맡길 수 있다는 점을 내세웁니다. ‘AI를 어떻게 설정하지’보다 ‘무슨 일을 맡기지’를 고민하게 하는 겁니다. 오픈AI의 닷도 대화를 마친 뒤 계속 작업하는 방식입니다. 자체 클라우드 컴퓨터에서 이용자가 연결한 앱을 활용해 목표를 수행합니다. 우선 프로와 비즈니스 프리미엄 등 유료 이용자에게 제공돼 뮤즈와 접근 방식은 다르지만 AI가 지속해서 일을 맡는 서비스 경쟁은 한층 치열해졌습니다. ◆국민 AI 비서, 우리도 도전 한국에도 국민 AI 비서를 만들겠다는 사업이 있습니다. 정부가 추진하는 ‘모두의 AI’입니다. SK텔레콤·KT·카카오가 각각 이끄는 컨소시엄이 서비스를 만들고, 정부는 AI 연산에 필요한 반도체와 운영 등을 지원합니다. 기본 기능을 무료로 제공해 AI 이용 격차와 해외 서비스 의존도를 줄이는 것이 목표입니다. 기업이 개발한 고도화 기능에는 별도의 수익 모델을 적용할 수 있습니다. 하나의 정부 애플리케이션(앱)을 만드는 사업은 아닙니다. 각 컨소시엄이 기존 서비스를 활용해 이용자를 만나는데요. SK텔레콤은 전화·문자, 카카오는 카카오톡을 주요 창구로 삼습니다. KT는 검색과 교육·금융·쇼핑 등 분야별 서비스를 연결합니다. 챗봇으로 시작해 공공서비스 신청과 생활 업무까지 대신하는 비서로 발전시키겠다는 구상입니다. 국내 기업들은 한국어뿐 아니라 국내 제도와 생활 서비스에 대한 이해를 강점으로 봅니다. 지원금 신청이나 금융 업무는 한국의 절차를 알아야 하고, 예약·결제는 실제 서비스와 연결돼야 하니까요. 이런 특정 분야에 집중하는 전략을 ‘버티컬’, 특화 전략이라고 부릅니다. 다만 출시 속도는 부담입니다. 모두의 AI는 이달 베타 서비스를 거쳐 12월 정식 출시를 목표로 합니다. 초기에는 챗봇 기능과 안전성 검증에 집중하고 실행형 서비스를 확대할 계획입니다. 해외 기업들이 먼저 이용자를 확보한 만큼 국내 서비스도 실제 사용 경험을 쌓아 빠르게 개선해야 합니다. ◆무료 보급과 산업 경쟁력 모두 잡으려면 국내 플랫폼에 에이전트는 기회이자 위협입니다. AI를 통해 새로운 고객을 만날 수도 있지만 이용자가 쇼핑 앱 대신 해외 AI 비서부터 찾으면 고객과 만나는 첫 관문을 내줄 수 있습니다. 카카오가 오픈AI와 협력하고 무신사가 챗GPT 안에 전용 앱을 내놓은 것도 이런 변화와 맞닿아 있습니다. 자체 AI를 키우면서 해외 AI 안에서도 이용자를 만나야 하는 상황입니다. 모두의 AI도 목표를 더 선명히 해야 한다는 지적이 나옵니다. 국민 누구나 무료 AI를 쓰게 한다는 보편적 서비스 목표와 국내 기업의 특화 경쟁력을 키운다는 산업 전략이 함께 들어 있기 때문입니다. 이용자가 많이 늘어도 국내 기업의 사업 경쟁력까지 높아졌는지는 별도로 살펴야 합니다. 황용석 건국대 교수(미디어커뮤니케이션학)는 사업의 성패가 모델 성능뿐 아니라 산업 생태계와 맞물려 있다고 짚었습니다. 황 교수는 “지금은 기술 기반적, 공급 중심”이라며 국내 플랫폼 경쟁력과 창업 기업의 생존 가능성을 AI 전략에 함께 반영해야 한다고 제언했습니다. 국내 업계의 승부처는 한국인의 생활에 얼마나 깊이 들어가느냐로 꼽힙니다. 공공서비스와 금융·의료·쇼핑 등에서 국내 데이터와 플랫폼을 연결해 실제 일을 끝내주는 경험을 보여줘야 합니다. 한국어로 답을 잘하는 비서를 넘어, 한국에서 필요한 일을 잘 처리하는 비서가 될 수 있을지가 관건입니다.

폴더블 스마트폰 시장이 열리고 7년 만에 나온 애플의 접는 폰, 기다린 만큼 달라졌을까요. 애플이 최근 첫 폴더블폰 ‘아이폰 듀오’를 공개했습니다. 삼성전자가 2019년 첫 갤럭시 폴드를 선보인 뒤 줄곧 키워온 시장에 애플도 뛰어든 겁니다. 그런데 애플의 발표 직후 국내에서 더 팔린 제품은 뜻밖에도 갤럭시 Z 폴드8이었습니다. 아이폰 듀오는 접으면 5.4인치 스마트폰, 펼치면 7.6인치 화면이 됩니다. 모양은 삼성 폴드8과 비슷한 책 형태입니다. 두 회사가 강조하는 지점은 다릅니다. 삼성은 8세대에 걸쳐 가볍고 얇게 다듬은 기기를, 애플은 접고 펼치는 화면에 맞춰 새로 설계한 사용 경험을 내세웠습니다. ◆아이폰 사용법도 달라졌다 듀오에서는 아이폰 최초로 앱 두 개를 나란히 띄울 수 있습니다. 한쪽 화면에서 자료를 읽으며 다른 쪽에서 메시지를 보내거나 인공지능(AI)에 질문하는 식입니다. 사파리 창 두 개를 열어 상품을 비교할 수도 있습니다. 애플은 화면을 접고 펼칠 때 애플리케이션(앱)이 자연스럽게 이어지도록 운영체제와 앱도 손봤습니다. 넷플릭스·줌·슬랙 등도 큰 화면에 맞춘 기능을 준비했습니다. ‘큰 아이폰’을 만드는 데 그치지 않고, 왜 화면을 펼쳐야 하는지 보여주려는 시도입니다. 초기 사용 평가는 엇갈립니다. 월스트리트저널은 듀오가 작은 태블릿을 대신할 가능성이 있다고 봤습니다. 폴더블의 고질적인 문제였던 화면 주름을 크게 줄였다는 점도 호평을 받았습니다. 다만 이를 완벽히 없앤 건 아닙니다. 빛이 비치거나 보는 각도가 달라지면 가운데 접힌 자국이 드러납니다. 애플이 주름을 덜 보이게 한다고 소개한 ‘나노 텍스처’ 마감은 선택 사양입니다. ◆늦게 나왔지만 무겁고 비싸 손에 쥐는 순간 차이는 숫자로 드러납니다. 듀오는 254g, 폴드8은 201g입니다. 두 제품을 번갈아든다면 53g 차이가 작게 느껴지지 않을 수 있습니다. 가격 차이도 큽니다. 국내 256GB 출고가는 듀오가 329만원, 폴드8이 227만8100원으로 101만1900원 차이입니다. 유독 한국 시장에서 가격 차이가 큽니다. 미국 시작 가격은 각각 1999달러와 1899달러로 차이가 100달러로 줄어듭니다. 삼성의 상위 제품인 ‘폴드8 울트라’와 비교하면 가격 차이는 71만2700원으로 좁혀집니다. 울트라의 국내 256GB 출고가는 257만7300원입니다. 미국에서는 오히려 가격 차이가 뒤집힙니다. 듀오는 일반 폴드8보다 100달러 비싸지만 폴드8 울트라(2099달러)보다는 100달러 저렴합니다. 국내 소비자가 듀오에 느낄 가격 부담이 미국보다 큰 이유입니다. 가격이 구매에 영향을 미쳤을까요. 아이폰 듀오 공개 후 일주일간 폴드8 판매량은 직전 주보다 약 10% 늘었습니다. 애플 제품의 가격과 사양을 확인한 뒤 폴드8을 선택한 대기 수요가 있었을 것으로 해석됩니다. 물론 판매량이 일주일 늘었다고 승부가 끝난 것은 아닙니다. 듀오는 아직 판매 전입니다. 국내에서는 다음 달 16일 사전 주문을 시작해 23일 출시됩니다. 애플 제품을 기다리는 소비자가 실제로 얼마나 구매하는지는 그때부터 확인할 수 있습니다. ◆고장과 수리는 7년째 숙제 두 회사 모두 아직 풀지 못한 숙제도 있습니다. 기기를 접는 만큼 화면과 경첩에는 반복해서 힘이 가해집니다. 수리 전문업체 아이픽스잇은 폴드8을 분해해 먼지를 넣고 여닫는 자체 시험에서 경첩 소음이 나고 정상적으로 펼쳐지지 않았다고 밝혔습니다. 일반적인 사용 중 발생한 고장 사례는 아니지만 얇고 가벼워진 폴더블폰에도 경첩의 내구성과 수리 난도가 문제로 지적됩니다. 아이픽스잇은 듀오 역시 실제 분해와 장기 사용 평가 전까지 수리 용이성을 판단하기 어렵다고 봤습니다. 애플이 합류하며 폴더블폰을 향한 관심은 커졌습니다. 시장조사업체 카운터포인트리서치는 올해 전체 스마트폰에서 폴더블폰의 비중을 약 2%로 보고, 내년 출하량은 올해보다 37% 늘 것으로 전망했습니다. 애플의 올해 폴더블 시장 점유율은 25%, 삼성은 38%로 예상했습니다. 향후 폴더블 시장이 커질 것이란 전망도 나옵니다. 다만 200만원이 훌쩍 넘는 가격은 여전히 큰 걸림돌입니다.

인공지능(AI)이 인류를 멸망시킬 가능성은 얼마나 될까요. 앤트로픽 연구원 에번 허빙어는 향후 10년 안에 그럴 확률을 10% 이상으로 봤습니다. ‘AI 대부’로 불리는 제프리 힌턴 캐나다 토론토대 명예교수도 지난 10일 영국 BBC 인터뷰에서 ‘10년 내 인류 멸망 확률 10%’라는 평가가 “불합리하지 않다”고 말했습니다. 힌턴 교수가 2024년 12월 BBC 인터뷰에서 제시했던 전망은 ‘향후 30년 내 10∼20%’였습니다. 최근 들어 위험이 닥칠 수 있는 시점을 더 짧게 보고 있는 셈입니다. 무시하기에는 큰 숫자입니다. 다만 통계로 계산한 확률은 아닙니다. AI의 발전 속도와 인간의 통제 역량을 각자가 판단해 숫자로 나타낸 겁니다. 예측 기간과 ‘멸망’의 정의도 제각각입니다. 젠슨 황 엔비디아 최고경영자(CEO)는 이런 주장을 ‘종말론적 서사’라고 부르며 2030년 세상이 망할 확률은 0%라고 단언했습니다. 황 CEO 역시 0%를 산출한 구체적인 근거는 내놓지 않았습니다. AI 전문가들의 경고가 근거 없는 얘기는 아닙니다. AI가 주어진 범위를 벗어나 행동한 사례가 잇따랐기 때문입니다. 구글 제미나이는 지난 5월 사이버보안 시험에서 공격 대상으로 잘못 판단한 외부 기업 3곳의 시스템에 접근했습니다. 한 곳에서는 비밀번호를 반복해서 입력했고, 나머지 두 곳에서는 공개 저장소에 노출된 계정 정보를 찾아냈습니다. 오픈AI의 AI 에이전트도 보안 시험 중 격리 공간인 ‘샌드박스’를 벗어나 AI 플랫폼 허깅페이스의 실제 시스템에 침투했습니다. 모델의 위험성을 확인하기 위해 사이버 공격 거부 장치를 낮춘 상태에서 진행됐다고 오픈 AI는 설명했지만 AI가 문제를 풀라는 목표에 몰두한 나머지 실험실의 문을 열고 밖으로 나간 셈입니다. AI가 AI 개발을 돕기 시작한 것도 변수입니다. 이런 과정이 발전하면 AI 개발 속도는 더 빨라질 수 있습니다. 현재 AI가 다음 세대 AI를 만들고, 더 똑똑해진 AI가 다시 그다음 세대를 개발하는 식입니다. 아직 AI가 사람의 도움 없이 자신을 계속 개선하는 단계에 도달한 건 아닙니다. 다만 다리오 아모데이 앤트로픽 CEO는 이런 순환이 1∼2년 안에 본격화할 것으로 봅니다. ◆감속 외친 앤트로픽도 신모델 출시 AI 개발 속도를 안전성 평가와 통제 기술이 따라가지 못할 수 있다는 우려가 AI 속도조절론의 배경입니다. AI 감속론은 최근 국제사회와 AI 업계를 뜨겁게 달궜지만 곧바로 현실의 벽에 부딪혔습니다. 한 기업만 신모델 출시를 늦추면 경쟁사가 고객과 개발자, 투자금을 가져갈 수 있기 때문입니다. 앤트로픽은 아모데이 CEO가 감속을 주장한 지 열흘 만인 지난 22일 ‘클로드 오퍼스 5.5’를 출시했습니다. 오픈AI도 같은 날 ‘GPT-6 솔’과 ‘GPT-6 루나’를 내놨습니다. AI 기업들은 외부기관의 안전성 평가를 거쳤다고 강조했지만 안전을 앞세운 기업들도 모델 경쟁에서 멈추기는 어렵다는 점을 보여줬습니다. 국가 간 이해관계는 더 복잡합니다. 중국 관영매체 글로벌타임스는 감속론을 미국 기술기업의 우위를 지키려는 ‘냉전식 술수’라고 비판했습니다. 도널드 트럼프 미국 대통령도 AI 위험론을 ‘사기(hoax)’라고 부르며 감속하면 중국만 이익을 볼 것이라고 주장했습니다. 한국과 같은 추격국은 지금 속도를 늦추면 기술 격차가 더 벌어질 수 있다는 우려가 큽니다. 배경훈 부총리 겸 과학기술정보통신부 장관은 지난 16일 사회관계망서비스(SNS)에 “앞서 있는 나라가 속도를 조절하는 것과 추격하는 나라가 스스로 속도를 낮추는 것은 전혀 다른 문제”라고 썼습니다. AI 연구개발에는 가속페달을 밟되 위험에는 제대로 작동하는 브레이크를 갖춰야 한다는 주장입니다. ◆미·중, AI 사고 연락망 논의 개발 경쟁과 별개로 국제적인 안전 협의는 이제 첫발을 뗐습니다. 미국과 중국은 AI 안전사고가 발생했을 때 상대국에 알리는 연락망을 포함한 공식 대화체계를 구축하기로 했습니다. 통제를 벗어난 AI 에이전트와 비국가 세력의 사이버 공격을 공동 위험으로 다루는 방안도 논의합니다. 유엔 안전보장이사회도 AI가 국제안보에 미치는 영향을 논의합니다. 오픈AI와 앤트로픽 관계자뿐 아니라 중국 딥시크도 참석할 예정입니다. 당장 실질적인 합의가 나올 가능성을 낙관하기는 어렵습니다. 안전 규칙이 상대국의 개발만 늦추는 장치가 될 수 있다는 불신이 크고, 어떤 모델을 누가 어떻게 검사할지에 대한 공통 기준도 없습니다. 핵무기와 원자력도 처음부터 국제적인 통제체계를 갖췄던 건 아닙니다. 핵무기가 실제로 사용되고 군비 경쟁과 사고 위험이 커진 뒤에야 핵확산금지조약(NPT), 국제원자력기구(IAEA) 등이 만들어졌습니다. 핵 규제의 역사가 AI에서도 그대로 반복된다고 말할 수는 없지만 AI 통제 실패가 대규모 피해로 이어지거나 여러 나라가 이를 공동의 위협으로 인식한다면 국제협상이 급물살을 탈 가능성은 있습니다.

“범용인공지능(AGI) 시대에 오신 것을 환영합니다.” 오픈AI가 지난 3일(현지시간) 새로운 최상위 인공지능(AI) 모델 ‘GPT-6 아스트라’를 공개하며 던진 메시지입니다. 그레그 브록먼 오픈AI 사장은 아스트라를 “세대적 도약”이라고 평가하면서 이번 모델이 AGI 시대의 시작일 수 있다고 말했습니다. AGI는 특정 영역에서만 뛰어난 현재 AI와 달리 인간처럼 다양한 분야의 문제를 이해하고 해결할 수 있는 AI를 뜻합니다. 다만 AGI를 정하는 기준은 없습니다. 오픈AI는 자사 헌장에서 AGI를 ‘경제적으로 가치 있는 대부분의 업무에서 인간보다 뛰어난 고도로 자율적인 시스템’이라고 정의합니다. 아스트라는 지금까지 나온 모델 가운데 이 기준에 가장 가깝다는 게 오픈AI 주장입니다. 보편적 기준은 없기 때문에 AGI를 단언할 수는 없지만 훗날 돌아봤을 때 지금을 AGI 탄생의 순간으로 기억할지도 모른다는 겁니다. 아스트라는 컴퓨터와 웹 브라우저를 직접 조작해 업무를 수행합니다. 세금 신고 자료를 정리하고, 일자리를 검색·비교하고, 법률 문서를 만들거나 게임과 웹사이트를 개발하는 식입니다. 소프트웨어 개발과 과학, 사이버보안, 전문 사무 업무 등에서도 최고 수준 성능을 기록했습니다. 수학 난제 평가 ‘프런티어매스 티어4’에서는 98%, 추론능력을 평가하는 ‘ARC-AGI-3’에서는 99.9%를 기록했습니다. 오픈AI가 강조하는 건 업무 수행 능력입니다. 사람이 컴퓨터로 처리하는 복잡한 업무를 여러 단계로 나눠 계획하고, 필요한 도구를 사용해 결과까지 만들어내는 겁니다. 오픈AI 설명대로라면 인간이 컴퓨터로 하는 대부분의 일을 아스트라가 해낼 수 있습니다. 아스트라만 인간의 영역에 다가서고 있는 건 아닙니다. 앤트로픽은 이틀 앞서 ‘클로드 페이블 5.1’과 ‘클로드 미토스 5.1’을 공개했습니다. 페이블 5.1은 코딩과 전문 지식 업무에 최적화된 앤트로픽의 최고 범용 모델입니다. 장시간 이어지는 에이전트 업무와 연구 능력을 끌어올렸습니다. 앤트로픽은 AI가 과학 연구에 본격적으로 기여할 미래를 미리 보여주는 모델이라고 소개했습니다. 미토스 5.1은 페이블과 같은 기반 모델로 안전장치 강도를 줄인 연구용 모델입니다. 사이버보안과 생명과학 능력을 더 폭넓게 사용할 수 있게 설정했습니다. 강력한 성능이 악용될 수 있기 때문에 검증된 사이버보안 전문가와 생명과학 연구기관 등에만 제한적으로 제공됩니다. 아스트라와 페이블·미토스의 등장은 현재 AI 성능 수준을 보여줍니다. 몇 년 전만 해도 생성형 AI는 시험 문제를 풀고, 문맥을 이해해 문장을 만드는 능력으로 평가됐습니다. 이제는 전문 소프트웨어 엔지니어처럼 코드를 만들고, 연구자의 업무를 돕고, 컴퓨터를 직접 조작하며 여러 단계를 거쳐 업무를 끝냅니다. 그렇다면 정말 AGI가 등장한 걸까요. 아직 단정하기는 어렵습니다. 앞서 말했듯 AGI를 판정하는 공인시험 자체가 없습니다. ARC-AGI나 수학·코딩 벤치마크에서 높은 점수를 받는다고 인간과 같은 범용지능을 얻었다고 볼 수도 없습니다. 오픈AI 정의를 따르더라도 아스트라가 실제 산업현장의 대부분 업무를 사람보다 안정적으로 수행한다고 검증된 건 아닙니다. 오픈AI도 AGI 도달 여부를 공식적으로 확정하기보다 이용자들이 판단할 문제라며 답을 열어뒀습니다. 모델 약점도 여전합니다. AI 에이전트는 긴 작업을 수행하는 과정에서 작은 실수를 누적하거나 애초 이용자가 원한 목적과 다른 방향으로 움직일 수 있습니다. 최근 최상위 AI 모델들이 보안 평가 도중 주어진 목표를 잘못 최적화해 허용 범위를 벗어난 행동을 한 사례가 대표적입니다. 현실을 이해하는 능력도 논쟁거리입니다. 아스트라와 클로드는 디지털 환경에서는 인간 수준에 가까운 능력을 확보하고 있지만 물리적 세계에서 행동하거나 낯선 상황을 장기간 안정적으로 처리하는 범용성까지 입증한 건 아닙니다. 전 메타 AI 수석과학자이자 세계적인 AI 석학인 얀 르쿤은 거대언어모델(LLM)만으로 인간 수준 지능에 도달하기 어렵다고 봅니다. 인간처럼 시각·청각·촉각 등을 통해 물리적 세계의 작동 원리를 이해하고 미래를 예측하는 ‘월드 모델’과 같은 기술이 필요하다는 주장입니다. AI 기업들은 AGI가 먼 미래가 아니라고 보고 있습니다. 다리오 아모데이 앤트로픽 최고경영자(CEO)는 여러 분야에서 노벨상 수상자 수준을 넘어서는 ‘강력한 AI’가 이르면 1~2년 안에 등장할 수 있다고 전망합니다. 데미스 허사비스 구글 딥마인드 CEO도 AGI를 ‘인류가 발명할 가장 중대한 기술’로 규정하며 AGI가 가까워졌다고 말합니다. 샘 올트먼 오픈AI CEO는 지난해 창립 10주년 글에서 10년 뒤 AGI를 넘어 인간의 지적 능력을 웃도는 ‘초지능’을 구축할 가능성이 거의 확실하다고 전망했습니다. AGI는 어느 날 공식적으로 선언되는 사건이 아닐 수 있습니다. 우리가 하던 일의 상당 부분을 AI가 대신하기 시작한 뒤에야 뒤늦게 깨닫는 변화일지도 모릅니다. AI는 이미 코딩과 연구, 법률, 금융 등 분야별 전문가 능력을 하나씩 넘어서고 있기 때문입니다. AGI를 AI가 인간의 업무를 대체해가는 과정으로 보는 시각도 커지고 있습니다.

친구와 카카오톡으로 이런 대화를 나눴다고 해보겠습니다. “이번 주말에 조용한 카페에서 만날까?” 보통이라면 대화는 여기서 끝납니다. 친구와 만날 카페를 찾으려면 네이버나 구글을 검색하거나 챗GPT, 제미나이 같은 AI를 열어 질문해야 하죠. 카카오가 그리는 미래는 조금 다릅니다. 카카오톡 속 AI ‘카나나’가 대화를 읽고 먼저 “조용한 카페를 추천해 드릴까요?”라고 묻는 겁니다. 마음에 드는 곳을 고르면 장소 검색을 넘어 예약과 결제까지 이어집니다. 이용자가 AI에게 무엇을 해야 할지 일일이 명령하지 않아도 알아서 필요한 일을 챙겨주는 ‘AI 비서’인 셈입니다. 카카오가 최근 회사를 카카오AI와 카카오X로 인적분할하기로 하면서 내세운 핵심 전략도 이와 맞닿아 있습니다. 목표는 ‘5000만 AI 에이전트 플랫폼’. 카카오톡 이용자 한 명 한 명의 관계와 맥락을 이해하는 ‘1인 1에이전트’를 만들겠다는 겁니다. 그 출발점이 ‘카나나 인 카카오톡’, 줄여서 ‘카인톡’입니다. 5000만 AI 비서를 만들겠다는 카카오의 실험은 이용자가 카인톡을 얼마나 자주, 자연스럽게 쓰게 되느냐에 달렸습니다. 특히 카인톡은 이용자가 먼저 질문하는 서비스가 아니라 AI가 대화 맥락을 읽고 먼저 개입하는 구조여서 한두 번만 엉뚱한 말을 걸어도 금세 ‘성가신 알림’으로 인식될 수 있습니다. 이용자의 체감도를 좌우하는 건 언제, 얼마나 정확하게 말을 거는지입니다. 지난 26일 경기 성남시 카카오 판교아지트에서 만난 카인톡 개발진이 인터뷰 내내 가장 많이 꺼낸 단어도 정확도였습니다. ◆카인톡 개발진에게 직접 물었습니다. -카인톡에서 가장 중요하게 보는 기능은 무엇인가요. 윤소원(SONA) “저희가 카나나 인 카카오톡에서 가장 중요하게 보는 게 온디바이스와 선톡이고요. 그 안에서도 가장 중요한 건 선톡의 정확도입니다. 카카오톡 데이터는 잘 정리된 문서와 다르게 비정형적인 대화가 아주 많잖아요. 오타도 많고 사람마다 대화 패턴도 다르고요. 그래서 그 안에서 어떻게 정확한 맥락을 잡아낼지를 가장 많이 고민하고 있습니다. 거의 매일 아침 ‘선톡 스크럼’을 하고 있어요. 1년째 정확도가 얼마나 올라가는지 정량적으로 측정하고, 학습시키기 위한 데이터를 계속 생성하는 과정을 거치고 있습니다.” -선톡이 너무 많으면 오히려 스팸처럼 느껴질 것 같은데요. 민규식(QUEUE) “그게 진짜 어렵습니다. 너무 많이 잡히면 스팸 같고, 너무 안 잡히면 ‘이거 왜 안 와?’라고 생각하실 수 있거든요. 아주 적절한 균형을 잡기 위해 노력하고 있습니다. 그러면서 정확성까지 잘 챙겨야죠. 작은 모델을 가지고 열심히 고군분투하면서 흔히 말하는 ‘알잘딱깔센’으로 적절하게 잘 끼어드는 아이를 만들려고 노력하고 있습니다.” -AI가 카카오톡 대화에서 가장 이해하기 어려워 하는 건 무엇인가요. 민규식 “불분명한 대화입니다. 업무에서는 보통 몇 시에 어디서 만나 무슨 얘기를 하자고 분명하게 대화하잖아요. 그런데 친구들은 이상한 이야기를 하다가 중간에 일정 이야기를 잠깐 하고, 다시 다른 이야기를 하고 그래요. 그러면 맥락이 끊기거나 AI 입장에서는 ‘대체 무슨 소리를 하는 거지?’라고 생각할 만한 대화들이 나올 수 있습니다. 진담과 농담을 구별하기도 어렵습니다. 예전에는 ‘내일 봬요’라고 하면 실제로 내일 만나는 일정으로 잡기도 했어요. 그런데 퇴근하면서 직장 동료한테 하는 ‘내일 봬요’는 그냥 인사잖아요. 클론으로 ‘이건 인사고 이건 인사가 아니다’라는 유사 데이터를 만들어서 학습시킨 뒤 해결한 사례가 있습니다.” 김다인(DENVER) “카카오톡 대화를 계속 생각하고 있으면 ‘한국어의 형상을 한 다른 언어 같다’는 생각도 들어요. 실제 대화와 카톡 대화가 다릅니다. 친구들끼리 장난을 치면서 실제로 궁금한 것처럼 얘기할 수도 있잖아요. 실제 의도는 아닌데 AI는 궁금해한다고 판단할 수도 있고요. 그런 숨겨진 의도를 어떻게 파악할지 고민하게 됩니다.” -실제 카카오톡 대화를 학습에 사용하지 못하는데 어떻게 모델을 개선하나요. 민규식 “카톡 유저분들의 데이터를 학습에 쓸 수는 없습니다. 그런데 저희는 유저의 대화를 보고 알아서 끼어드는 모델을 학습해야 하잖아요. 사용자의 데이터는 쓸 수 없지만 사용자의 대화는 잘 인지해야 하는 어려운 상황이었습니다. 그래서 만든 게 클론입니다. 처음에는 큰 언어모델을 가지고 대화를 시뮬레이션하면 되겠다고 생각했는데 생각보다 저희가 원하는 다양한 형태의 대화가 잘 나오지 않았어요. 지금은 다양한 상황에서 정말 유저가 카톡을 쓰는 것 같은 대화를 만들어냅니다.” -클론을 이용한 학습은 어떻게 이뤄지나요. 민규식 “클론이 매일 여러 대화를 만들고 온디바이스 모델이 다 풀어봅니다. 그다음 더 똑똑한 큰 모델이 결과를 평가해요. 틀린 유형을 쭉 정리하면 ‘지금 모델은 이게 약점이고 이건 강점이네’를 알 수 있습니다. 약점이라고 판단한 부분에 대해서 다시 클론으로 데이터를 만들고 학습해요. 해결됐는지 확인하고 또 약점을 찾고, 보완하고를 반복하는 겁니다. 데이터가 많은 게 중요한 건 아닙니다. 모델이 못하는 약점을 다양하게 포함하고 있는 게 더 중요해요. 작은 모델한테 필요한 걸 집중적으로 알려주는 방식입니다.” -클론 도입 이후 실제 개발 속도나 성능도 달라졌나요. 민규식 “초창기에는 데이터를 구할 수 없으니까 저희가 직접 손으로 만들었어요. 그러다 보니 모델을 한 번 업데이트하는 데 한두 달 가까이 걸렸습니다. 클론이 나오고 나서는 한 번 업데이트하는 게 거의 1~2주 단위로 빨라졌습니다. 개선 주기도 굉장히 빨라지고 성능 향상 속도도 늘어나고 있습니다. 정확하게 어느 수준이라고 딱 찍기는 어렵지만 초기와 비교하면 거의 모든 지표에서 약 20%씩 성능 향상이 있었습니다.” -굳이 작은 온디바이스 모델을 사용하는 이유는 뭐죠. 민규식 “온디바이스 모델은 사실 되게 작습니다. AI는 크면 클수록 더 똑똑하고 작은 모델일수록 성능이 낮을 수밖에 없습니다. 그런데 핸드폰에 탑재하고 보안을 지키려면 기기에서 돌려야 합니다. 작은 모델 안에서 데이터를 최대한 잘 가공하고 다양한 학습 기법을 적용해 조금이라도 더 똑똑하게 만들고 있습니다.” -대화 내용을 읽는다는 데 대한 개인정보 우려도 있습니다. 김다인 “대화는 당연히 서버로 올라가지 않습니다. 요약된 맥락도 처리 용도로만 쓰고 바로 버립니다. -챗GPT·제미나이·클로드와 경쟁해야 합니다. 카인톡만의 강점은 무엇인가요. 민규식 “GPT나 클로드나 제미나이를 저도 써보면 대답은 잘합니다. 그런데 친구들이랑 여행 계획을 짜다가 ‘거기 영업시간이 어떻게 돼?’라고 얘기했다고 해볼게요. GPT를 쓰려면 카카오톡에서 나가서 GPT를 열고 영업시간을 물어본 다음, 답을 복사해서 다시 카카오톡에 보내야 하잖아요. 선톡은 그 대화를 읽고 바로 ‘운영시간 궁금하세요?’라고 물어볼 수 있습니다. 카카오톡에서 이탈하지 않고 대화를 통해 나오는 궁금증이나 일정을 한 곳에서 편하게 처리할 수 있다는 게 강점이라고 생각합니다.” -앞으로 선톡은 어떻게 달라질까요. 민규식 “조금 더 미래를 생각하면 개인화가 될 것 같습니다. 사람마다 특성이 있잖아요. 사사건건 선톡을 잡아줬으면 하는 사람이 있고, 적당히만 받고 싶은 사람도 있을 겁니다. 윤소원 “예를 들어 쇼핑 관련 선톡을 몇 번 보냈는데 이 사람이 절대 클릭하지 않는 것 같다면 앞으로는 그런 걸 안 보낼 수도 있습니다. 반응했던 분야에 대해서만 보낼 수도 있고요.” -카나나를 어떤 서비스로 만들고 싶은가요. 윤소원 “지금은 선톡을 굉장히 강조하고 있지만 모든 정보가 매번 선톡으로 날아오면 아무리 유용해도 광고처럼 느껴지는 순간이 있을 수 있을 것 같아요. 나중에는 이용자들이 카나나를 ‘나를 정말 가장 잘 이해하는 AI’라고 믿고, 매일 들어와서 ‘내가 놓친 건 없나’, ‘지금 알면 좋은 정보가 없나’를 확인하는 습관이 생겼으면 좋겠습니다. 필요할 때 먼저 알려주는 것도 있고, 내가 필요해서 찾아오는 것도 둘 다 가져가고 싶습니다. 특정 정보가 궁금해서라기보다 ‘내가 놓친 게 있나’라는 마음으로 들어오게 하고 싶어요.”

어제(13일) 한 인공지능(AI) 모델 ‘성적표’가 국내 AI 업계를 술렁이게 했습니다. 스타트업 모티프테크놀로지스가 만든 AI 모델이 글로벌 성능 평가에서 LG AI연구원과 SK텔레콤의 대형 AI 모델을 크게 앞섰기 때문입니다. 이번 성적표는 각 기업이 홍보를 위해 자체적으로 실시한 평가가 아닙니다. 한국을 대표해 미국과 중국의 최첨단 AI 모델과 경쟁할 ‘국가대표 AI’를 뽑는 독자 AI 파운데이션 모델(독파모) 프로젝트 2차 평가에 실제 반영되는 지표입니다. 독파모 2차 평가는 100점 만점입니다. 수치로 모델 성능을 재는 벤치마크가 40점, 전문가 평가가 35점, 사용자 평가가 25점을 차지합니다. 벤치마크 40점 가운데 15점은 한국지능정보사회진흥원(NIA)이 평가하고, 나머지 25점은 글로벌 AI 평가기관 아티피셜 애널리시스(Artificial Analysis)의 ‘인텔리전스 인덱스(AAII)’를 활용합니다. 정부가 독파모 2차 평가를 위해 아티피셜 애널리시스에 별도로 평가를 의뢰했고, 그 결과가 13일 공개된 겁니다. 평가 대상은 현재 독파모 경쟁을 이어가고 있는 SK텔레콤·LG AI연구원·업스테이지·모티프테크놀로지스 등 4개 팀의 최신 모델입니다. ◆대기업 제친 스타트업 결과는 예상 밖이었습니다. 모티프테크놀로지스의 ‘모티프 3’가 47점으로 가장 높았습니다. 업스테이지 ‘솔라 오픈 2’가 37점, SK텔레콤 ‘A.X K2’가 35점, LG AI연구원 ‘K-엑사원 2.0’이 31점으로 뒤를 이었습니다. 특히 LG AI연구원과 모티프테크놀로지스의 순위가 눈길을 끌었습니다. LG AI연구원은 지난해 12월 독파모 1차 평가에서 NIA·글로벌 공통·글로벌 개별 벤치마크를 합산한 성적에서 1위를 차지했습니다. 반면 모티프테크놀로지스는 독파모 사업 공모에서 정예팀 5개에 선발되지 못했고, ‘패자부활전’을 거쳐 2단계 경쟁에 합류한 팀입니다. 정예팀들의 희비를 가른 AAII는 어떤 시험일까요. 현재 사용되는 AAII v4.1.1은 총 9개 세부 시험을 묶어 AI 모델의 능력을 평가합니다. 크게 보면 에이전트 34%, 코딩 24%, 과학적 추론 24%, 일반 능력 18%입니다. 단순히 “이 문제의 답이 뭐냐”고 묻는 시험보다 AI가 여러 단계를 거쳐 스스로 일을 처리하고, 프로그램을 짜고, 도구를 활용해 문제를 해결하는 능력을 중요하게 봅니다. 이는 최근 AI 시장의 경쟁 기준이 달라진 영향입니다. 예전에는 어려운 수학 문제를 얼마나 잘 풀고 지식을 얼마나 많이 알고 있는지가 중요했다면, 지금은 AI가 실제 업무를 얼마나 잘 해내는지가 핵심 경쟁력으로 떠오르고 있습니다. 이메일이나 보고서를 작성하는 것에서 더 나아가 자료를 찾고, 프로그램을 실행하고, 필요한 도구를 골라 여러 단계의 업무를 끝까지 수행하는 ‘AI 에이전트’ 능력이 중요해진 겁니다. ◆싸움은 체급 순이 아니야 이번 독파모 2차 평가도 이런 흐름을 반영하고 있습니다. 흥미로운 점은 모델의 덩치와 AAII 점수가 비례하지 않았다는 겁니다. K-엑사원 2.0은 매개변수 약 7500억개(750B)를 가진 초대형 모델입니다. A.X K2도 6880억개 규모입니다. 모티프 3은 3140억개, 솔라 오픈 2는 2500억개 수준입니다. 매개변수는 쉽게 말하면 AI가 학습하면서 조정하는 수많은 ‘숫자 값’입니다. 보통 매개변수가 많을수록 더 많은 정보를 담고 복잡한 문제 처리 역량도 커집니다. LG AI연구원은 이번 개발 과정에서 모델의 체급을 키우는 데 많은 자원을 투입했습니다. 글로벌 최상위권 AI와 장기적으로 경쟁하려면 우선 충분히 큰 ‘그릇’을 만들어야 한다고 판단한 겁니다. 다만 제한된 개발 기간 안에서 모델 대형화와 안정화에 자원이 많이 투입되면서 후학습과 에이전트 성능 최적화에는 상대적으로 시간이 부족했던 것으로 보입니다. 후학습은 기본 학습을 끝낸 모델을 실제 사용 목적에 맞게 다듬는 과정입니다. 사전학습이 학교에서 여러 과목의 기초를 배우는 과정이라면 실제 서비스에 쓰기 위해 답변 방식을 다듬고, 추론·코딩·도구 사용 능력을 집중적으로 훈련하는 과정이 후학습입니다. 물론 이 지표가 각 모델의 최종 경쟁력을 결정하지 않습니다. 여러 평가 지표 중 하나일 뿐이고, 지표 점수가 모델 성능을 보장하는 것도 아닙니다. 한국어 성능과 실제 사용자 경험, 비용, 효율, 안전성, 산업 전문성 등 성능을 결정하는 요소는 다양해서 하나의 지표로 알기 어렵습니다. ◆시험 점수 높다고 일 잘하나 이번 성적표가 공개되자 또 다른 논쟁이 시작됐습니다. ‘벤치맥싱’입니다. 벤치맥싱을 쉽게 말하면 AI에게 시험에 잘 나오는 문제를 집중적으로 공부시키는 겁니다. 어떤 벤치마크가 평가에 사용되는지 알고 있다면 그 시험과 비슷한 문제를 대량으로 만들어 모델에 학습시킬 수 있습니다. 실제 범용 능력을 골고루 높이는 것보다 특정 시험의 점수를 빠르게 올리는 데 집중하는 방식입니다. 시험공부를 했다고 무조건 문제라고 볼 수는 없습니다. 코딩 능력을 평가한다면 코딩을 더 많이 훈련하는 건 당연합니다. 문제는 ‘실제 능력이 좋아져서 시험 점수가 오른 것인지, 시험 유형에 지나치게 특화돼 점수만 크게 오른 것인지’ 구분하기 어렵다는 점입니다. 최근에는 이런 벤치마크 성능 개선을 전문적으로 돕는 기업까지 등장했습니다. 미국 AI 학습데이터 기업 애프터쿼리가 대표적입니다. 이 회사는 이미 만들어진 AI 모델을 특정 업무와 에이전트 작업에 잘 맞도록 후학습시키는 데이터셋과 학습 환경을 제공합니다. 주요 AI 벤치마크의 성능을 끌어올린 사례를 소개하기도 합니다. 독파모 프로젝트에서는 이미 한 차례 평가 기준을 둘러싼 논쟁이 있었습니다. 1차 평가 당시에는 모델을 처음부터 자체 기술로 만들었는지를 둘러싼 ‘독자성’과 ‘프롬 스크래치(from scratch)’ 논란이 불거졌습니다. 2차 평가에서는 질문이 달라졌습니다. 높은 벤치마크 점수가 AI 모델 성능을 보장하는가. 정부도 이런 한계를 고려해 AAII뿐 아니라 NIA 벤치마크, 전문가 평가와 실제 사용자 평가를 함께 진행합니다. AI 업계 관계자는 “실제 범용 성능보다 특정 평가 점수를 크게 끌어올릴 방법이 있는 만큼 단일 지표 점수만으로 모델의 종합 성능을 판단하기는 어렵다”며 “한국어 성능과 실사용성, 전문가 평가 등을 종합했을 때 최종 경쟁력이 갈릴 것”이라고 말했습니다. 정부는 조만간 2차 평가 결과를 발표합니다. 3개 팀만 다음 단계로 진출할 수 있습니다.