오늘은 AI가 교실과 가정, 공장과 실험실, 그리고 군사 판단까지 얼마나 깊이 들어갈 수 있는지가 한꺼번에 드러난 날이다. 속도를 높이려는 쪽과, 검증 없이 맡기면 위험이 바로 현실로 나온다는 쪽이 같은 지면에서 만났다.
교육 현장에서는 모델보다 데이터가 품질을 가른다는 설명이 다시 나왔다. 교육 AI 품질, 데이터가 좌우한다는 울산광역시교육청 정윤호 장학사의 말로 압축된다. 현직 교사들과 만든 공공 AI 플랫폼 ‘우리아이’는 약 150종의 교육용 에이전트를 운영하고, 교사가 검증한 데이터를 먼저 참조한 뒤 범용 모델을 붙이는 구조다. 학생 데이터는 남기지 않고 교수학습 데이터는 자산으로 쌓는다는 기준이, 외산 모델만 들여오는 방식과 대비된다.
같은 날 가정에서는 개인 생산성 도구가 가족 단위 운영 도구로 옮겨 가는 모습이 보였다. 가정 관리로 옮겨간 AI 에이전트에서 구글은 CC를 일정·이메일·할 일을 가족끼리 나누는 방향으로 시험한다. 학교 행사나 병원 예약처럼 무엇을 공유할지는 구성원이 고르고, CC는 전용 계정으로 최대 6명까지 맞춘다. 교육 현장의 ‘데이터 통제권’과 가정의 ‘공유 범위’가 같은 질문의 다른 얼굴이다.
속도가 먼저인 장면은 공장에서 더 뚜렷하다. 휴머노이드 양산 체제 확대에서 로보티즈는 내년 1월부터 ‘AI 사피엔스’ 생산을 늘리고, 우즈베키스탄 거점을 활용해 연 1만 대 수준을 준비한다. 완제품만 팔기보다 액추에이터와 개발 가이드를 같이 주는 솔루션으로 넓히려 한다. 양산 경험과 가격을 맞추려는 움직임이, 아직 제품 계획을 거의 말하지 않는 연구 분야와 나란히 놓인다.
그 반대편에는 월드 모델 기업들의 비공개 경쟁이 있다. 공간 지능 자동화는 로보틱스와 탐색형 영상, 더 복잡한 자율주행으로 이어질 수 있다고 소개되지만, AMI Labs와 World Labs 모두 상용화 일정은 아직 말할 단계가 아니라고 한다. 가능성만 크고 제품의 구체상은 가려져 있다는 점이, 오늘 다른 뉴스의 ‘이미 현장에 들어간 AI’와 대비된다.
현장에 들어간 AI가 판단을 맡기면 결과는 즉시 위험으로 바뀐다. AI 환각이 군사작전 오판 부를 뻔한 사례가 그것이다. 미군 분석관이 챗봇으로 공개 정보와 신호 정보를 합치자, 중국 선박 화물 목록이 잘못 읽혀 핵 관련 부품을 싣고 있다는 보고서가 지휘 체계를 타고 올라갔다. 항공기가 이미 떠 있는 상태에서야 허위임이 확인돼 작전이 멈췄다. 빠른 판단이 장점인 도구일수록, 사람이 한 번 더 확인하지 않으면 오류도 같은 속도로 퍼진다.
환각을 줄이려는 다른 길도 같은 날 공개됐다. 언어 대신 확률을 내는 AI 모델 Jev는 텍스트를 만들지 않고, 미리 정한 출력의 확률만 내보낸다. ChatGPT와 RLHF에 참여했던 디오고 알메이다가 TypeSafe AI에서 내놓은 이 방식은 출력을 사용자가 정해 두기 때문에 지어낸 문장이 나올 여지가 없고, 자동화 분류처럼 컴퓨터가 바로 쓰는 일에 맞춰져 있다. 군사 사례가 ‘언어 모델에 판단을 맡긴 대가’라면, Jev는 그 언어를 아예 빼보자는 실험이다.
바이오 실험실에서도 모델은 더 이상 글만 다루지 않는다. AI 모델과 생물학 실험실 운영에서 Anthropic은 베이 에어리어 습식 실험실에서 모델의 생물학 가설을 실제 실험으로 확인한다고 밝혔다. 질병을 고치려면 최종 검증이 아직 실험실에 있다는 설명이다. 신약 개발 경쟁처럼 보이지 않으려 기초 생물학에 초점을 둔다고 했지만, 언어모델이 현실 실험을 직접 순환에 넣기 시작했다는 점은 분명하다.
사람이 아닌 존재가 사람처럼 말하려다 한계를 드러낸 장면도 있었다. AI 가상 배우 인터뷰 오류에서 Particle6의 Tilly Norwood는 여러 인터뷰를 동시에 소화하다 질문을 빗나가고, 갑자기 다른 언어로 말하기 시작했다. 설득력 있는 연기보다, 사람과 대화할 때 드러나는 어긋남이 더 또렷했다. 엔터테인먼트 쪽에서는 그와 다른 선택도 있었다. 디즈니 첫 CTO와 생성형 AI 이력은, 과거 자사 캐릭터 저작권을 문제 삼았던 Character.AI 출신 인사를 회사 첫 CTO로 앉힌 인선이다. 생성형 AI를 둘러싼 분쟁과 기술 내재화가 한 인물 안에서 겹친다.