오늘의 AI뉴스 — 2026년 07월 28일

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

기업에게 에이전트 AI의 약속은 단순히 더 나은 챗봇 그 이상입니다. 사람, 비즈니스 워크플로우, 데이터 및 시스템 전반에 걸쳐 엔드투엔드 비즈니스 작업을 실행하는 소프트웨어 에이전트입니다. 에이전트 실행에 가장 적합한 플랫폼은 적절한 CPU 용량, 탄력적인 데이터 액세스, 정책 인식 도구 사용, 관찰 가능성, 메모리 관리, 예측 가능한 에이전트 계획 및 확장 기능을 갖추고 구축되었습니다.

이러한 종속성 중 일부를 더 잘 이해하기 위해 인텔은 수천 건의 에이전트 AI 워크로드 실험을 수행했습니다. 우리의 초기 연구 결과는 기업 리더를 위한 다섯 가지 실용적인 교훈을 만들고 뒷받침합니다.

2. 기존 에이전트 AI 하네스의 대부분은 제한적이며 전체 시스템 성능을 측정하지 않습니다.

3. 에이전트 수가 아닌 vCPU(가상 CPU) 밀도당 에이전트를 사용하여 용량 계획이 수행됩니다.

5. 시스템 호스팅 에이전트에 대한 확장은 기본값입니다. 에이전트당 컴퓨팅이 더 많거나 아키텍처 제약이 있는 워크로드에 대한 확장을 예약하세요.

Agentic AI는 LLM 추론 그 이상입니다. 기업 가치는 전체 시스템, 작업 조정, 데이터 액세스, 도구 실행, 대기 시간 관리, 거버넌스 및 확장 가능한 인프라에 따라 달라집니다. 에이전트는 목표 중심의 자동화된 엔터프라이즈 워크플로 프로세스입니다. 에이전트는 다단계 작업을 계획하고, 도구를 호출하고, 결과를 읽고, 문제가 발생하면 다시 시도합니다. 따라서 엔터프라이즈 에이전트는 단순한 추론 문제가 아닙니다. 그것은 시스템 문제입니다.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

Vera CPU는 차세대 NVIDIA 칩 설계 속도를 높이고 있으며, 초기 테스트에서는 주요 검증 및 시뮬레이션 워크로드에서 최대 1.5배 더 높은 성능을 보여줍니다.

엔지니어링 팀이 점점 더 정교한 CPU, GPU 및 AI 시스템을 개발하기 위해 노력함에 따라 최신 칩 설계의 복잡성은 계속해서 증가하고 있습니다. 이러한 과제를 해결하기 위해 NVIDIA는 업계 선두업체인 Cadence 및 Synopsys와 협력하여 NVIDIA Vera CPU에 대한 중요한 전자 설계 자동화(EDA) 애플리케이션을 최적화하고 있습니다.

NVIDIA는 이제 차세대 CPU 및 GPU를 개발하는 데 사용되는 EDA 워크플로우 전반에 Vera를 배포하여 고성능 CPU 아키텍처가 업계에서 가장 까다로운 엔지니어링 워크로드를 가속화하는 데 어떻게 도움이 될 수 있는지 보여줍니다.

문제는 칩 생산 속도다. 결과적으로 EDA 워크로드 증가로 이익을 얻을 수 있는 산업 기술의 속도가 개발 모멘텀을 주도하고 있습니다.

시뮬레이션, 검증 및 구현 기술은 반도체 개발에서 핵심적인 역할을 합니다. 칩이 제조되기 오래 전에 엔지니어는 동작을 검증하고, 코너 케이스를 식별하고, 수천 번의 반복을 통해 설계를 개선하는 데 수년을 소비합니다.

GPU와 AI가 칩 설계의 여러 측면을 가속화했지만 몇 가지 중요한 EDA 워크로드는 여전히 CPU 성능에 크게 의존하고 있습니다. 논리 시뮬레이션, 공식 검증 및 디지털 구현의 일부는 빠른 개별 코어, 효율적인 메모리 시스템 및 강력한 전체 처리량에 따라 달라지는 경우가 많습니다.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

2026년 7월 17일 Olaf Alders는 “Claude Code: Anatomy of a Misfeature”를 출판했습니다. 그는 Claude Code v2.1.198의 자동 변경 사항을 문서화했습니다. AskUserQuestion 도구(에이전트가 사람의 입력을 일시 중지하고 기다리는 데 사용하는 기본 메커니즘)는 차단 대신 모델의 최선의 추측 답변을 사용하여 60초 동안 사용자 침묵 후에 자동으로 계속되기 시작했습니다. 릴리스 노트가 없습니다. 옵트아웃 설정이 없습니다. 문서화되지 않은 CLAUDE_AFK_TIMEOUT_MS 환경 변수만 이스케이프됩니다.

Anthropic은 2.1.200+에서 기본값을 되돌렸습니다. 그러나 그 에피소드는 내가 작업에서 고려하지 않았던 위험의 종류를 드러냈습니다.

이것은 제가 응답으로 구축한 방어 패턴과 자신이 제어하지 않는 AI 에이전트 플랫폼 위에 프레임워크를 제공하는 모든 사람에게 적용되는 이유에 대한 글입니다.

해당 동작이 변경되면(예: 60초 후에 자동으로 계속 추측) 모든 게이트의 성능이 자동으로 저하됩니다. 사용자는 질문을 받고 있다고 생각합니다. 실제로는 에이전트가 결정했습니다.

이것이 Alders의 기사에 기록된 위협입니다. 이 부분의 나머지 부분은 이에 대한 응답으로 내가 만든 것입니다. 두 개의 독립형 방어 스크립트와 이를 내 상황을 넘어서 일반화할 수 있는 패턴으로 연결하는 추론입니다. 툴킷 자체를 보려면 GitHub에 있지만 기사의 요점은 아닙니다.

특정 잘못된 기능은 원래대로 되돌려졌지만, 그것이 드러낸 패턴은 영구적입니다. 플랫폼 위에 구축된 모든 프레임워크는 플랫폼 동작이 변경될 때 자동으로 보장 수준이 저하될 수 있습니다.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

OpenAI는 더 많은 사람들이 직업 외 업무에 AI를 사용하고 있다고 말합니다. 회사는 이를 “작업 교차”라고 부릅니다. 분석된 800,000개 이상의 업무 관련 ChatGPT 메시지 중 업무 관련 쿼리의 43.5%가 다른 직업과 관련되어 있었습니다. 마케팅 및 엔지니어링 작업이 가장 자주 교차되었습니다. 사용자는 계약 검토, 데이터 분석, 웹사이트 문제 해결 등 전문가에게 맡겨진 작업을 처리했습니다.

중소기업의 경우 비전문가는 특히 마케팅 업무에 AI를 사용할 가능성이 높습니다. | 이미지: 오픈AI

전담 전문가 팀이 흔하지 않은 소규모 회사에서는 그 효과가 더 강력합니다. OpenAI는 직위나 설명이 따라잡기 전에도 사용 데이터를 직업 프로필이 변화하고 있다는 초기 신호로 봅니다. OpenAI는 미국을 사용하여 작업을 분류했습니다. 활동을 표준 직업 프로필에 매핑하는 직업 데이터베이스 ONET. 글쓰기, 요약, 일정 잡기 등 일반적인 작업은 제외했습니다.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

본 메시지와 관련된 문의 사항은 당사 지원팀에 문의하여 아래 참조 ID를 제공해 주시기 바랍니다.

Bloomberg. com 구독을 통해 가장 중요한 글로벌 시장 뉴스를 손쉽게 받아보세요.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

실수로 차단되었다고 생각되는 경우 아래 티켓을 제출해 주시면 조사해 드리겠습니다.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

> OpenAI 해킹 사건은 사이버 보안에 대한 ‘경고 사격’이라고 마이크로소프트 AI 책임자 경고

그러면 한 달에 75달러입니다. 모든 기기에서 고품질 FT 저널리즘에 대한 완전한 디지털 액세스를 제공합니다. 평가판 기간 동안 언제든지 취소할 수 있습니다.

모든 기기에서 고품질 FT 저널리즘에 대한 필수 디지털 액세스입니다. 1년을 선불로 지불하고 20%를 절약하세요.

업계 리더의 전문 분석을 통해 고품질 FT 저널리즘에 대한 완벽한 디지털 액세스를 제공합니다. 1년을 선불로 지불하고 20%를 절약하세요.

시장 데이터가 최소 15분 이상 지연되었습니다. © THE FINANCIAL TIMES LTD 2026. FT 및 ‘Financial Times’는 The Financial Times Ltd. 의 상표입니다.

파이낸셜 타임즈(Financial Times)와 그 저널리즘은 FT 편집 실무 강령에 따른 자체 규제 체제의 적용을 받습니다.

아래는 원문을 바탕으로 한국어로 옮긴 내용입니다. AI·IT 용어는 이해하기 쉽게 풀어 썼습니다.

임시 판결에서 델리 고등법원은 인도 통신사인 Asian News International(ANI)의 OpenAI에 대한 예비 금지 명령 요청을 기각했습니다.

인도 최대 통신사 중 하나인 ANI는 AI 교육 및 ChatGPT의 결과물에 저작권이 있는 자료를 사용했다는 이유로 OpenAI를 고소했습니다. Amit Bansal 판사는 두 가지 청구에 대해 요청된 구제를 거부했습니다.

ANI는 기사의 상당 사본이라고 주장하는 여러 ChatGPT 출력을 법원에 제출했습니다. OpenAI가 사용된 모델인 GPT-4 및 GPT-4o가 2022년 4월과 2024년 4월의 데이터로 훈련되었음을 보여주었기 때문에 이러한 움직임은 역효과를 냈습니다. ANI가 인용한 기사는 대부분 2024년 8월과 9월의 것이므로 훈련 데이터의 일부가 될 수 없었습니다.

판사의 예비적 견해는 유사점이 검색 엔진과 마찬가지로 언어 모델이 실시간으로 온라인 정보를 검색할 수 있게 해주는 RAG에서 비롯된 것이라는 것이었습니다. ANI는 제출 시 RAG를 다루지 않았기 때문에 법원은 이 문제에 대한 최종 판결을 내릴 수 없었습니다. 판사는 RAG 기반 결과물이 “대중에게 전달”될 수 있다고 말했으며, 이는 법원이 본 소송에서 다룰 문제입니다.

ANI의 경우는 거기서부터 약해졌습니다. 해당 기관은 모델에게 기사를 “정확하게” 재현하도록 명시적으로 지시하면서 적대적인 프롬프트를 사용했습니다. 그럼에도 불구하고 ANI는 단 하나의 문자 그대로의 사본도 제작할 수 없었습니다. 판사는 일반적으로 뉴스 기사의 사실은 저작권의 보호를 받지 않으며 이 사건에서 주제와 헤드라인을 재현하는 것은 ANI와의 직접적인 경쟁에 해당하지 않는다고 판결했습니다.

또한 증거는 OpenAI가 훈련 데이터를 모델에 영구적으로 저장하고 요청 시 해당 기관의 작업을 그대로 재현할 수 있다는 ANI의 주장을 뒷받침하지 않았습니다. 그러나 법원은 본심에서 이 문제를 다시 검토할 예정이다.