2026년 3월 4주차 - Flitto AI Picks 2026년 3월 4주차 Flitto AI Picks |
|
|
|
안녕하세요. 벌써 2026년 1분기 끝자락이네요.
잠시 쉬어가는 마음으로 함께해 주세요🌼
📝 3월 넷째 주 Flitto AI Picks는 이렇게 준비했습니다.
☑️ 개미들 주목! 이제 AI가 내 주식을 분석해 줍니다💸
☑️ 인간은 승인 버튼만? 'AI 사령관'이 가져올 전쟁의 윤리⚔️
☑️ LLM, 내 말도 글처럼 잘 알아들을까?
☑️ 쿼카쌤이 알려주는 AI 용어 #5
재밌는 AI 소식 만나러 가보실까요?
👇START! |
|
|
개미들 주목! 이제 AI가 내 주식을 분석해 줍니다💸 |
|
|
AI 검색 강자 Perplexity(퍼플렉시티)가 지난 3월 10일, 일반 투자자를 위한 대규모 금융 기능 업데이트를 단행했습니다. 그동안 연간 약 3천만 원에 달하던 월스트리트 전문가용 주식 단말기의 핵심 기능을 이제 누구나 손안에서 활용할 수 있게 된 셈입니다. 실제로 퍼플렉시티 사용자 4명 중 3명이 매달 AI에게 금융 관련 질문을 던진다는 통계가 이번 업데이트의 배경이 됐습니다. 이는 개인 투자자들이 자신의 자산을 직접 분석해 줄 'AI 자산관리자'를 원한다는 뜻이기도 합니다. 이제 우리는 기관 투자자들의 고가 모니터를 부러워할 필요가 없어졌습니다.
사용법도 무척 간단합니다. 엔비디아나 테슬라처럼 관심 있는 기업을 검색한 뒤 '비율(Ratios)' 탭을 누르면 됩니다. 그러면 퍼플렉시티가 미국 증권거래위원회(SEC) 공시를 비롯해 팩트셋, S&P 글로벌 등 40여 개 전문 데이터 소스를 기반으로 약 140개의 금융 지표를 정리해 보여줍니다. 기업의 밸류에이션, 재무 건전성, 수익성 등 복잡한 재무 데이터가 한눈에 정리됩니다. 무엇보다 이런 고급 기능이 일반 사용자에게 무료로 제공된다는 점이 눈에 띕니다.
|
|
|
여기에 AI 설명 기능까지 더해집니다. 낯선 금융 용어가 등장해도 비유와 사례를 들어 쉽게 설명하고, 경쟁사와의 성과 비교도 자동으로 분석합니다. 퍼플렉시티는 핀테크 기업 플래드(Plaid)와의 협력을 통해 실제 증권 계좌를 연동하는 것도 가능하다고 밝혔습니다. 예를 들어 "내 포트폴리오에서 가장 위험한 종목이 뭐야?"라고 질문하면, 폴리마켓의 예측 데이터까지 활용해 개인 자산 상황에 맞는 분석 결과를 몇 초 만에 제시합니다. 데이터가 스스로 해석을 제공하는 '지능형 금융'의 시대가 열린 셈입니다.
이번 업데이트는 기관 투자자 중심이던 고급 금융 데이터가 본격적으로 대중화되고 있음을 보여줍니다. 누구나 월스트리트 펀드매니저 수준의 분석 도구를 손에 쥘 수 있게 된 지금, 투자 시장의 정보 격차도 빠르게 줄어들고 있습니다. 전문가의 영역이었던 데이터가 대중에게 열리면서, 개인 투자자를 위한 진짜 '스마트 투자'의 시대가 막이 올랐습니다.
|
|
|
인간은 승인 버튼만? 'AI 사령관'이 가져올 전쟁의 윤리⚔️ |
|
|
이제는 AI가 전쟁의 핵심 요소로 자리 잡았습니다. 최근 미국과 이스라엘이 이란을 공습하는 과정에서 인공지능(AI)은 작전 수립의 핵심 요소로 활용됐습니다. 과거 수백 명의 인력이 며칠 밤을 새우며 수행했을 1,000여 곳의 타격 목표 선정을 AI가 단 사흘 만에 끝마친 것이 대표적인 사례입니다. 또한 수천 명 규모로 운영되던 정보 분석 업무 역시 소수 인력으로 축소되면서, 전쟁 양상이 데이터 처리와 알고리즘 기반 의사결정 중심으로 재편되고 있습니다.
구 체적으로 미군의 'AI-DSS(의사결정 지원 시스템)'는 전 세계 위성 사진과 드론 영상 등 다양한 데이터를 실시간으로 분석합니다. 팔란티어의 '고담(Gotham)'은 방대한 첩보 데이터를 기반으로 잠재적 타격 대상을 식별하고, 앤트로픽의 '클로드(Claude)'는 이를 토대로 작전 우선순위와 실행 시나리오를 제시합니다. 지휘관은 AI가 도출한 결과를 검토한 뒤 최종 결정을 내리는 구조입니다. 데이터 분석 속도와 정밀도가 높아지면서, 작전 효율성 역시 크게 향상됩니다. |
|
|
그렇지만, AI가 전쟁에 개입하면서 책임 공백 문제가 커지고 있습니다. 이스라엘과 하마스 간의 분쟁에서는 '라벤더(Lavendar)'라는 AI 시스템이 활용됐습니다. 이 과정에서 정보장교는 AI가 도출한 결과를 수십 초 만에 검토해 승인한 것으로 알려졌습니다. AI의 판단이 사실상 기준처럼 작용하면서, 인간의 윤리적 검토 과정이 축소되고 있다는 지적이 나옵니다. 외신은 이러한 구조가 전장의 결과에 대한 책임 주체를 더욱 불분명하게 만든다고 분석했습니다.
결국 '속도'와 '책임' 사이의 균형이 핵심 과제로 떠오르고 있습니다. 유엔은 AI의 군사적 활용이 국제 안보에 미칠 영향을 경고하고 있습니다. 일부 연구에서는 AI가 극단적 상황에서 고위험 선택을 내릴 가능성도 제기됩니다. 실제로 한 연구팀이 실시한 워게임에서 AI 지도자들은 승리를 위해 95%라는 압도적인 확률로 핵무기 발사를 선택했습니다. 전쟁에서 AI의 역할을 어디까지 허용할 것인지에 대한 기준 마련이 필요하다는 목소리가 커지고 있습니다. |
|
|
쿼카 쌤이 알려주는 AI Tech 용어 #5 👩🏫
안녕하세요, 쿼카 쌤입니다.🐨
쿼카 쌤의 명강의에도 여전히 "이건 또 무슨 말이야..."라는 생각이 든 당신!
오늘도 저와 함께 차근차근 배워 갑시다.😁
|
|
|
👁️ VLM (Vision-Language Model, 비전 언어모델)
: 이미지와 텍스트를 함께 이해하고 연결하는 AI 모델이에요.
사진 속 상황을 설명하거나, 이미지를 보고 질문에 답하는 식으로 두 가지 정보를 동시에 처리하죠. 텍스트 중심이던 AI가 시각 정보까지 확장된 형태라고 볼 수 있어요.
✅ 포인트
- 이미지와 언어를 통합적으로 이해
- 비전 AI + LLM 결합 구조
- 검색, 분석, 콘텐츠 생성 등에 활용도 높음
|
|
|
🔢 임베딩 (Embedding)
: 텍스트와 이미지 같은 데이터를 숫자 벡터로 변환해 의미를 표현하는 방식이에요. 비슷한 의미가 있는 데이터일수록 벡터 공간에서도 가깝게 위치하게 되죠.
AI가 '의미'를 계산하고 비교할 수 있게 만드는 기본 기술이랍니다!
✅ 포인트
- 데이터를 수치화해 의미를 표현
- 유사도 검색·추천·RAG의 핵심 기술
- 모든 AI 모델의 기초가 되는 표현 방식
|
|
|
🤔 ECoT (Embodied Chain-of-Thougt)
: AI가 머릿속으로만 생각하는 게 아니라, 실제 행동과 상호작용을 통해 사고 과정을 전개하는 방식이에요.
로봇이 환경을 탐색하고, 시행착오를 거치며 단계적으로 문제를 해결하는 구조랍니다. 즉, 생각과 행동이 연결된 '물리적 추론'에 가까운 개념입니다.
✅ 포인트
- 사고 과정이 행등으로 이어지는 구조
- 로봇·Physical AI와 밀접한 개념
- 환경과 상호작용을 하며 문제 해결
|
|
|
2022년 말에 등장한 챗GPT는 많은 사람들에게 큰 충격을 주었습니다. 이전에도 AI는 존재했지만, 내가 본 영화나 자주 들었던 음악을 분석해서 비슷한 콘텐츠를 추천해 주는 정도였기 때문에 얼마나 뛰어난지 잘 알지 못했습니다. 하지만 챗GPT는 친구와 채팅하는 것처럼 질문이든 아니든 말하면 그에 맞춰서 답변을 해주었습니다.
처음에 나왔던 챗GPT는 '글'만 이해할 수 있었습니다. 내가 궁금한 것을 타이핑하면 LLM은 답변을 생성한 다음에 내가 읽을 수 있도록 다시 '글'로 보여주었습니다. 이후 이미지나 음성, 영상 등을 학습한 LLM이 등장하면서 지브리 스타일로 사진을 바꾸는 것이 유행하기도 하였고, 이제는 LLM으로 짧은 영상도 만들 수 있게 되면서 광고에도 많이 활용되고 있습니다.
사람들은 PC 키보드로 타이핑하는 것에 익숙합니다. 스마트폰이 등장한 이후에도 여전히 스크린에 뜨는 가상의 키보드를 눌러서 텍스트를 입력합니다. 하지만 SF 영화나 소설에 등장하는 AI는 사람과 '말'로 소통하며 '글'을 입력하기 위한 키보드 같은 인터페이스 자체가 없습니다. SF가 아니더라도 디지털 활용에 뒤처진 노년층이나 장애가 있는 사람들은 텍스트 입력에 어려움을 느낍니다. 그래서 최근에는 스마트폰에서도 사람들이 불편함 없이 이용할 수 있도록 글자를 크게 보여주거나 음성으로 제어하고 음성으로 상황을 들을 수 있게 하는 등의 접근성(Accessibility) 지원이 늘어나고 있습니다.
초기에 나온 LLM은 텍스트만 처리할 수 있었으나 지금은 입력이 음성이라면 텍스트로 바꾸지 않고 바로 벡터로 변환해 처리하는 것도 가능해졌습니다. 그렇다면 ‘말’로 할때와 ‘글’로 할때 결과는 동일할까요?
|
|
|
DOWIS(Do What I Say) 데이터셋1)
사람들은 일상에서 때와 장소에 따라 정중하게 말하기도 하고, 때로는 격의 없이 편하게 대화하기도 합니다. 전반적으로는 '글'보다는 '말'을 더 자주 사용하는 편이지만, LLM과 대화할 때는 이와는 반대로 주로 '글'을 씁니다. 'Do What I Say: A Spoken Prompt Dataset for Instruction-Following'은 일상을 그대로 반영해 '말'로 했을 때 LLM이 얼마나 잘 알아듣는지 평가하기 위해 구축된 데이터셋입니다. DOWIS에는 언어별로 다양한 지시(Instruction)가 음성으로 녹음되어 있습니다.
|
|
|
DOWIS 지시 중에서 번역을 예로 들어보면 아래와 같은 방식으로 프롬프트를 구성할 수 있습니다.
- 기존 방식:
|
|
|
(음성으로 "다음 문장을 일본어로 번역해 주세요") |
|
|
DOWIS 지시로 LLM 결과를 분석했을 때 아래와 같은 주목할 만한 점이 발견되었다고 합니다.
- 텍스트 기반 지시에 비해 음성 지시에서 성능 저하 발생
예상했던 것처럼 말로 하면 글보다 성능이 낮았습니다. 글은 누가 입력을 하던지 상관없이 오타가 없고 문맥만 맞다면 LLM이 이해할 수 있습니다. 반면 사람의 음성은 같은 문장이라도 성별, 연령, 지역 등에 따라서 파형이 다르며 기존에 학습했던 음성 데이터와 차이가 크다면 LLM이 제대로 인식하지 못하므로 지시를 잘못 이해하게 됩니다. 지시를 잘못 이해했다면 LLM이 생성한 결과 역시 틀릴 가능성이 높습니다.
- 상세형 지시에 비해 비격식체, 단문 음성 지시에서 성능 저하 발생
비격식체나 단문형으로 지시하는 경우 상세형보다 성능이 낮았습니다. 지시의 내용이 충분히 길고 자세하면 음성 인식에 약간의 오류가 있더라도 전체 맥락을 이해하는 데 문제가 없지만 지시 내용이 짧거나 주어, 동사, 목적어 등이 생략되어 있으면 문맥을 제대로 파악할 수 없기 때문입니다. 특히 일상에서는 비격식체로 말하는 경우가 많으므로 성능이 더 낮아질 수 있습니다.
비격식체 음성 프롬프트 예시 : Hey, can you write out what's being said in this audio?
단문형 음성 프롬프트 예시 : Please transcribe.
상세형 음성 프롬프트 예시 : Please listen to the entire audio clip and provide a complete, accurate transcription of all spoken words.
- 언어별 성능 편차
음성 지시 데이터셋에 포함된 11개 언어 중에는 체코어, 네덜란드어, 포르투갈어, 스웨덴어 등 상대적으로 학습 데이터양이 적은 언어도 포함되어 있습니다. 이러한 언어들은 대규모 음성 데이터셋 구축이 쉽지 않고, 사전 학습(Pretraining)에 활용되는 텍스트 데이터 역시 제한적이며, 음성 인식을 위한 음성 데이터양도 부족한 편입니다. 이에 따라 영어나 프랑스어 등 주요 언어에 비해 전반적인 성능이 떨어지는 것으로 나타났습니다.
정리
LLM이 텍스트 기반으로 된 지시를 더 잘 이해할 수 있는 이유는 텍스트 학습 데이터양이 음성보다 훨씬 많고, 음성은 사람마다 차이가 있어서 음성 인식 모델의 성능을 높이기 쉽지 않기 때문입니다. 일상생활에서는 주로 ‘글'보다 ‘말’로 소통하지만, LLM의 성능을 측정하는 대부분의 벤치마크 데이터셋은 텍스트가 기준이어서 실생활을 제대로 반영하지 못하는 한계가 있었습니다. DOWIS는 사람들이 LLM을 이용해 자주 하는 작업들의 지시를 음성으로 만들어 평가하였다는 점에서 의의가 있습니다.
앞으로 LLM과 음성으로 대화를 주고받는 일이 많아질 텐데 LLM이 지금보다 사람의 ‘말'을 더 잘 알아듣도록 하기 위해서는 요약, 번역, 작문 등 다양한 태스크를 수행하는 음성 지시 데이터셋을 만들어 학습하는 것이 필요합니다. 개떡같이 말해도 찰떡같이 알아듣는 LLM을 만들기 위해 플리토에서는 연령이나 성별, 지역 등을 고려한 고품질의 데이터셋을 만들어 공급할 수 있도록 노력하겠습니다.
[Footnote]
1) https://arxiv.org/pdf/2603.09881 |
|
|
어도비의 성장을 이끌어온 샨타누 나라옌 최고경영자(CEO)가 인공지능(AI) 시대의 경쟁 심화와 투자자들의 우려 속에 결국 사임을 발표했습니다. 2007년부터 18년간 어도비를 이끌며 소프트웨어 구독 모델 전환을 성공시킨 그는 퇴임 후에도 이사회 의장직은 유지할 예정입니다. 이번 교체는 구글 등 경쟁사들의 생성형 AI 공세로 어도비의 독점적 지위가 흔들리면서, 공격적인 AI 투자와 경영 효율성 사이의 새로운 리더십이 필요하다는 시장의 압박에 따른 것입니다. 어도비는 이에 대응해 AI 모델 '파이어플라이'를 출시하고 관련 매출을 전년 대비 3배 이상 끌어올렸으나, 최근 주가는 3년 사이 최저 수준으로 급락하며 위기감이 고조되었습니다. 시장에서는 이번 인사를 기술 패러다임 변화에 대응하기 위한 강제적 세대교체로 보고 있으며, 차기 리더십이 AI 퍼스트 전략을 얼마나 신속히 증명할지가 핵심이 될 것입니다.
|
|
|
신세계그룹이 미국 AI 기업 리플렉션 AI와 손잡고 국내 최대 규모인 250MW급 '한국 소버린 AI 팩토리' 건립에 나섭니다. 이번 프로젝트는 미국 상무부의 AI 수출 프로그램과 연계된 첫 번째 글로벌 협력 사례로, 엔비디아로부터 안정적인 GPU 공급망을 확보해 국가 데이터 주권을 지키는 '소버린 AI' 생태계를 조성하는 것이 핵심입니다. 구글 딥마인드 출신들이 설립한 리플렉션 AI의 기술력과 신세계의 방대한 유통 데이터를 결합합니다. 이를 통해 재고 관리부터 AI 에이전트 커머스까지 아우르는 '리테일 AI 풀스택' 기업으로 도약하겠다는 구상입니다. 이는 단순히 유통 효율화를 넘어, AI 인프라를 국가 전략 자산화하고 기존 산업군이 AI 중심의 미래형 모델로 체질을 개선하는 상징적인 행보로 풀이됩니다.
|
|
|
엔비디아는 GTC 2026에서 우주 데이터센터 전용 플랫폼인 '스페이스-1 베라 루빈 스페이스 모듈'을 공개했습니다. 이는 AI 인프라의 경계를 심우주까지 확장하겠다는 비전을 보여줍니다. 해당 모듈에 탑재된 차세대 '루빈' GPU는 기존 H100 대비 우주 AI 추론 성능이 25배 향상되어 궤도상에서 직접 거대언어모델(LLM)을 구동할 수 있습니다. 더불어 젯슨 오린과 IGX 토르 등 가속기를 통해 우주선 내부와 궤도 데이터센터의 실시간 데이터 처리를 지원합니다. 젠슨 황 CEO는 데이터가 생성되는 우주 현장에서 즉각적인 지능이 구현되어야 함을 강조했습니다. 엔비디아는 현재 에테르플럭스 및 케플러 커뮤니케이션스 등과 협력해 위성 군집 관리와 에너지 전송 인프라를 구축하고 있습니다. 비록 대류가 없는 우주 환경 특유의 냉각 문제 등 기술적 난제가 존재하지만, 엔비디아는 이를 극복하고 우주라는 최종 개척지에서 본격적인 스페이스 컴퓨팅 시대를 열어갈 전망입니다.
|
|
|
플리토의 AI 통번역 솔루션 '챗 트랜스레이션'이 MWC 2026 취재 현장에서 전문 용어의 장벽을 허물며 실전 비즈니스 도구로서의 가치를 입증했습니다. 특히 6G·NPU 등 난해한 ICT 전문 용어가 난무하는 환경에서도 사전 학습된 초개인화 기능을 통해 고유 명사 오역 없는 매끄러운 번역을 제공하며 현장 기사의 완성도를 높였습니다. QR 코드 기반의 양방향 소통뿐만 아니라, 3개 언어를 동시에 지원 가능한 '대면 대화' 모드를 통해 보안에 민감한 테크니션, 그리고 중국·일본 등 다양한 국적의 개발자들과도 막힘없는 인터뷰를 지원했습니다. 주요 기업 CEO들의 기조연설 현장에서도 실시간 통역기로서 뛰어난 활용도를 보였습니다. 플리토는 이번 실전 검증을 바탕으로 단순 통역을 넘어 고도의 전문성이 요구되는 글로벌 비즈니스 현장의 필수 어시스턴트로 자리매김한다는 전략입니다.
|
|
|
플리토가 정부의 국가 AI 연구 프로젝트인 'K-문샷 추진전략'의 데이터 부문 협력기업으로 선정되어 과학기술정보통신부와 업무협약(MOU)을 체결했습니다. 이번 프로젝트는 2030년까지 한국의 과학기술 수준을 미국 대비 85%로 끌어올리는 것을 목표로 합니다. 플리토는 AI 기반 연구개발 전 과정에 걸쳐 고신뢰성 데이터 큐레이션과 정밀 품질 관리 등 전주기 데이터 인프라 구축을 전담 지원할 예정입니다. 특히 글로벌 언어 데이터 구축 노하우를 바탕으로 차세대 피지컬 AI와 산업별 특화 고품질 데이터셋 확보에 주력하며, 국가적 과학기술 난제 해결을 위한 실증 협력에도 적극 참여한다는 방침입니다. 이는 그동안 국립국어원, NIA 등과 협력하며 축적한 플리토의 독보적인 데이터 기술 역량을 인정받은 결과로 평가받고 있습니다.
|
|
|
플리토 (Fliitto Inc.)
서울 강남구 영동대로96길 20 대화빌딩 6층
|
|
|
|
|
