[카테고리:] 기술뉴스

구글 검색창에 ‘reddit’을 붙여서 검색해본 적 있다면, 메타가 만든 ‘포럼(Forum)’ 앱이 노리는 지점이 뭔지 바로 감이 올 거다. 아이폰 전용으로 출시된 이 앱, 한마디로 페이스북 그룹에 AI 챗봇을 얹은 버전이다. 레딧처럼 특정 관심사 중심으로 깊이 파고들 수 있고, 거기에 AI가 질문에 답하고 긴 토론을 요약해준다. 2017년에 ‘페이스북 그룹스(Facebook Groups)’ 앱을 접었던 메타가 다시 같은 판에 뛰어든 건데, 이번엔 무기가 다르다.

메타 ‘포럼’ 앱, 뭐가 다른가

The Verge 보도를 보면 AI가 하는 일이 꽤 구체적이다. 그룹 내 질문에 직접 답하고, 수백 개 댓글로 이어진 토론을 몇 줄로 요약하고, 새로운 토론 주제까지 제안한다. 단순 키워드 검색이 아니라 그룹 맥락을 이해하는 AI라는 게 포인트다. 예를 들면 등산 커뮤니티에서 초보 코스를 물어보면 AI가 관련 게시글들을 뒤져서 바로 요약본을 내놓는 식이다.

기존 페이스북 그룹과 가장 큰 차이는 메인 피드에서 분리됐다는 점이다. 지인들의 근황, 광고, 추천 게시물이 뒤섞인 페이스북 피드에서 벗어나 관심사 하나에만 집중하는 공간을 따로 뺀 것. 이게 레딧(Reddit)이 10년 넘게 버텨온 이유이기도 하고, 페이스북 그룹이 항상 아쉬웠던 지점이기도 하다.

레딧+구글 AI 오버뷰+페이스북 그룹, 한 앱에 다 넣으면?

포럼 앱의 포지셔닝이 흥미롭다. 레딧 특유의 주제별 깊이, 구글의 ‘AI 오버뷰(AI Overview)’ 같은 즉각적인 답변, 페이스북 그룹의 커뮤니티 관리 기능—이 세 가지를 한데 모은 구조다. 수백 개의 게시물을 일일이 뒤지지 않아도 된다. AI가 그룹 내 맥락을 파악해 필요한 정보를 바로 꺼내준다.

문제는 이게 좋은 것만 모아놨다가 될지, 어중간한 것들의 합산에 그칠지다. 레딧을 오래 써본 사람은 안다. 그 플랫폼의 힘은 기능이 아니라 오랫동안 쌓인 사람들과 문화에서 나온다는 걸. 메타가 AI를 앞세워도 그 부분을 단기에 따라잡기는 쉽지 않다. 신규 사용자 입장에서는 다르다. 커뮤니티에 처음 들어갔는데 AI가 핵심 FAQ를 정리해주고 수년 치 논쟁을 맥락 있게 요약해준다면—진입 장벽이 꽤 낮아지는 경험이다. 이 부분에서 메타는 기존 레딧 충성 유저보다 새로운 층을 공략할 여지가 있다.

국내 시장, 직접 충격보다 간접 자극

국내는 네이버 카페, 밴드, 카카오톡 오픈채팅이 워낙 깊이 박혀 있다. 아이폰 전용 앱으로 시작한다는 것도 걸린다. 국내 스마트폰 시장에서 아이폰 점유율이 30%대 초반인 걸 감안하면, 시작부터 타깃 모수가 제한적이다.

그렇다고 무시하기엔 이르다. 서구 시장에서 이 앱이 자리를 잡는다면, 네이버 카페나 밴드가 AI 기반 커뮤니티 기능을 서둘러 도입할 명분이 생긴다. 카카오도 마찬가지다. 메타 ‘포럼’이 국내 시장을 직접 뚫는다기보다, 국내 플랫폼들을 움직이는 촉매 역할을 할 가능성이 더 높다. 결국 어느 플랫폼이 이기든, AI가 녹아든 커뮤니티 경험을 더 빨리 만나게 되는 셈이다.

출처: The Verge

‘무시하다’를 검색했더니, AI가 그 검색을 무시해버렸다. 이건 비유가 아니다.

더버지(The Verge) 보도를 보면, 한 사용자가 ‘disregard(무시하다)’라는 단어를 구글에 입력하자 AI 오버뷰(AI Overviews)가 기묘하게 반응했다. 단어 뜻을 정리해 보여주는 대신, 챗봇처럼 대화하듯 응답을 시작한 것이다. 이 장면이 X(구 트위터)에 올라오면서 순식간에 퍼졌고, "AI가 진짜로 무시해버렸다"는 반응이 줄을 이었다. 씁쓸한 아이러니다.

‘무시’라는 단어가 무시당할 때 벌어진 일

문맥을 못 읽으면 이런 일이 생긴다. 사용자가 ‘disregard’를 검색한 건 분명히 "이 단어 무슨 뜻이에요?"라는 의도였는데, AI는 그 단어 자체를 명령으로 받아들인 것처럼 작동했다. 키워드만 잡고 맥락을 날려버린 전형적인 실패다.

검색 엔진은 정보를 찾아주는 도구다. 근데 AI가 정보 탐색 대신 ‘대화’에 집중하면서 기본 역할을 못 했다. 검색어 자체의 의미를—그것도 문자 그대로—따라 했다는 점에서, 보는 사람마다 "이게 뭐야"라는 반응이 나온 것도 무리가 아니다. AI가 검색의 본질을 이해하는 척하다가, 가장 단순한 지점에서 무너진 셈이다.

피자에 접착제, 돌멩이로 신장 결석 치료…이미 전과가 있다

AI 오버뷰의 오작동은 이번이 처음이 아니다. 출시 초반부터 굵직한 실수들이 있었다. 피자 위에 접착제를 바르라는 조언, 신장 결석 치료에 돌을 먹으라는 황당한 답변—이게 실제로 AI 오버뷰가 내놓은 정보들이다. ‘환각(hallucination)’이라 부르는 현상이다. AI가 없는 사실을 있는 것처럼 그럴듯하게 만들어내는 것. 검색 엔진으로서는 치명적인 결함이다.

구글은 인지하고 있다고 했다. 지속적인 모니터링과 개선 작업을 하고 있다고도. 근데 사용자들 입장에선 "언제까지?"라는 질문이 남는다. 단순 질문엔 꽤 잘 답하는 AI가, 조금만 맥락이 복잡해지면 흔들린다는 게 계속 확인되고 있으니까. 복잡하거나 미묘한 상황에서의 한계—이게 지금 AI 오버뷰의 현주소다.

구글이 빠진 딜레마

AI 오버뷰의 설계 의도 자체는 이해가 간다. 기존 검색의 ’10개 링크 나열’ 방식 대신, AI가 핵심을 정리해서 바로 보여주자는 것. 속도와 편의성 면에서는 분명한 강점이 있다. 근데 정보가 틀리면? 그것도 위험한 방향으로 틀리면? 검색 엔진의 신뢰는 한 번 금이 가면 회복이 느리다.

구글 입장에선 압박이 크다. AI 검색으로 빠르게 앞서 나가야 하는데, 그 속도가 오히려 브랜드를 갉아먹고 있다. 정확성을 제대로 확보하지 못한 채 배포된 기능이 사고를 치면, 사용자들은 결국 예전 방식으로 돌아가거나 다른 서비스로 넘어간다. AI 기술이 빠르게 발전하더라도, 사용자한테 내놓기 전에 더 엄격한 검증이 필요하다는 걸—구글 스스로 증명하고 있는 셈이다. 혁신적인 잠재력과 정보의 정확성, 두 마리 토끼를 동시에 잡아야 하는 숙제가 아직 남아 있다.

한국 시장에도 남 얘기가 아닌 이유

국내 사용자도 구글 검색을 폭넓게 활용하고 있다. AI 오버뷰가 한국어 검색에도 점차 확대될 거라는 건 예정된 수순이다. 그때 가서 비슷한 오작동이나 환각 현상이 한국어로 나온다면, 정보 혼란이 생길 가능성은 충분히 크다.

네이버, 카카오 같은 국내 IT 기업들도 자체 AI 모델을 기반으로 검색 경험을 바꾸려 하고 있다. 구글의 이 사태는 이들한테도 타산지석이 된다. 빠르게 내놓는 것보단, 얼마나 정확하고 안정적인 정보를 제공하느냐—결국 AI 검색의 성패는 거기서 갈린다. 얼마나 빠르고 화려하게 보이느냐가 아니라, 사용자가 그 답변을 믿을 수 있느냐가 핵심이다. 신뢰를 쌓는 속도는 느리지만, 잃는 속도는 빠르다.

출처: The Verge

에릭 슈미트가 마이크를 잡는 순간, 객석에서 야유가 터졌다. 전 구글 CEO인 에릭 슈미트(Eric Schmidt)가 AI의 미래를 칭송하는 말을 꺼내자마자, 2026년 졸업반 학생들 사이에서 크고 지속적인 반발이 쏟아진 것이다. The Verge 보도를 보면, 이건 몇몇 불만 학생의 일탈이 아니라 졸업반 전체를 관통하는 집단 감정에 가깝다고 전했다. 연설하는 CEO들 본인이 가장 당황했다는 건, 이 상황의 아이러니다.

분위기 파악 못 한 연설들

졸업식 강단은 원래 희망과 격려의 공간이다. 그런데 최근 미국 대학 졸업식장에서 테크 기업 CEO들이 AI를 예찬할 때마다 반응이 달라졌다. 단순한 냉소가 아니다. 당장 사회로 나가는 학생들 입장에서, 학자금 대출은 쌓여 있고 채용 문은 좁아지는데 CEO가 AI 낙관론을 늘어놓으면 어떻게 들리겠나. 솔직히 그 자리에 앉아 있었으면 나도 야유했을 것 같다.

• AI 낙관론에 대한 젊은 세대의 직접적인 반발
• 기업 리더들과 학생들 간의 인식 격차 심화
• 새로운 기술이 가져올 미래에 대한 불안감 표출

이게 갑자기 터진 게 아니다. 졸업 전부터 쌓인 것들이 있다. 학자금 대출 부담, 좁아진 채용 문, 인턴도 AI로 대체된다는 뉴스들. 그 위에 CEO가 올라서서 "AI가 기회를 만든다"고 말하면 — 그 자리에 있는 학생들에게 그 말이 어떻게 들릴지는 뻔하다. AI는 희망이라기보다 위협에 가깝게 느껴지는 거다.

일자리 위협, 막연하지 않다

CEO들의 논리는 간단하다. AI가 생산성을 높이고, 새로운 직업군을 만들어낼 것이라는 것. 틀린 말은 아니다. 하지만 지금 막 사회에 나가는 졸업생들한테 그 말은 다르게 들린다. 지금 내 자리가 사라질 수 있다는 신호로.

단순 반복 업무만이 아니다. 콘텐츠 제작, 코딩 보조, 법률 문서 검토, 회계 처리까지 AI가 파고든 영역이 넓어졌다. 전문가들 사이에서도 의견이 갈린다 — 새 일자리가 생긴다는 쪽과, 사라지는 속도가 훨씬 빠르다는 쪽으로. 이건 좀 과한 두려움 같아도, 창의적인 영역까지 AI 역할이 확장되는 걸 보면 그렇지도 않다. 졸업생들의 야유는 그 불확실성을 몸으로 표현한 거다. AI 시대를 바라보는 기성세대와 젊은 세대의 시각차가 이 장면 하나에 압축돼 있다.

한국 취준생들은 다를까

미국만의 이야기가 아니다. 국내 청년 취업난은 이미 심각하다. 여기에 AI 자동화 바람이 더해지면서, 사라질 직업 리스트가 현실감 있게 다가오는 시대가 됐다. 국내 IT 기업들이 AI 인재 확보에 열을 올리고 있지만, 그 혜택이 고용 시장 전반으로 퍼질지는 아직 미지수다.

오히려 특정 분야 일자리가 줄거나, 요구 역량이 급변하면서 취준생들의 혼란은 더 커질 여지가 있다. 대학도, 정부도, 기업도 AI 시대 전환에 필요한 실질적 대책보다 낙관론을 앞세우는 경향이 있다. 단순히 AI의 장점만 강조하는 게 아니라, 사회적 대화와 합의를 통해 공존의 길을 모색하는 것 — 결정적으로 그게 지금 필요한 거다.

출처: The Verge

파이어폭스가 디자인을 갈아엎는다. 코드명 ‘프로젝트 노바(Project Nova)’로 불리는 대규모 재설계 작업이 올해 말부터 순차적으로 배포될 예정이다. 오랫동안 같은 얼굴이었던 파이어폭스가 UI부터 기능까지 통째로 손을 댄다.

둥근 모서리, 설정 메뉴도 싹 뜯어고쳐

The Verge 보도를 보면, 이번 개편의 첫인상은 ‘둥글다’는 것이다. 기존의 각진 형태에서 벗어나 모서리가 부드러워진다. 단순히 예쁘게 바꾸는 수준이 아니다. 설정(Settings) 섹션 자체를 통째로 재구성해서 필요한 기능을 훨씬 빨리 찾도록 만든다.

솔직히 파이어폭스 설정은 좀 복잡했다. 뭔가 바꾸려면 메뉴를 몇 단계씩 파고 들어가야 했는데, 이번에 그 구조를 스마트폰 앱 수준으로 단순하게 정리하는 방향으로 간다고 한다.

• 둥근 UI 디자인: 각진 기존 틀에서 벗어나 부드럽고 현대적인 인상
• 직관적인 설정 재편: 원하는 기능에 몇 번의 클릭 없이 바로 접근 가능

AI는 쓰기 싫으면 끄면 된다

이번 개편에서 눈에 띄는 건 AI 기능 통합 제어 스위치다. 현재 있는 AI 기능은 물론 앞으로 추가될 기능까지, 한 번에 켜고 끌 수 있는 옵션이 생긴다. AI가 브라우저에 깊숙이 들어오는 건 기정사실처럼 보이는데, 모질라는 그걸 강제하지는 않겠다는 것이다.

개인정보 설정도 바뀐다. 지금은 프라이버시 관련 옵션들이 설정 메뉴 깊숙이 숨어 있어서 찾기 귀찮다. 재설계 이후엔 내 데이터가 어떻게 쓰이는지 한눈에 보이고, 조절도 바로 거기서 가능해진다. 개인정보 유출 이슈가 계속 터지는 상황에서 이건 꽤 반가운 변화다.

AI와 프라이버시. 보통 이 둘은 충돌한다. AI가 더 잘 작동하려면 데이터가 필요하고, 데이터를 안 주면 AI 기능이 떨어지기 마련이다. 파이어폭스는 그 갈림길에서 “사용자가 결정하세요”라고 선을 긋는 방향을 택했다. 현실적으로 얼마나 먹힐지는 모르겠지만, 방향은 맞다.

크롬 천하에서 자리 잡을 수 있을까

국내 브라우저 시장은 구글 크롬이 장악하고 있다. 마이크로소프트 엣지, 네이버 웨일이 뒤를 잇고, 파이어폭스는 점유율이 미미하다. 이 구도를 단번에 뒤집기는 어렵다.

그래도 틈새는 있다. 개인정보 보호와 AI 기능 선택권, 이 두 가지는 크롬이 상대적으로 약한 부분이다. 구글 자체가 광고 기반 수익 모델이다 보니, 크롬에서 프라이버시를 기대하는 건 좀 아이러니한 일이다. 파이어폭스가 이 포지션을 제대로 파고든다면, 정보 보안에 민감한 사용자나 개발자 커뮤니티에서는 충분히 먹힐 이야기다.

크롬 일색의 웹 생태계가 불편한 개발자들도 있다. 웹 표준이나 렌더링 다양성을 위해 파이어폭스 같은 대안이 살아있어야 한다고 보는 시각이 꾸준히 있다. 프로젝트 노바가 그 명분을 실제 사용성으로 뒷받침해줄 수 있다면, 국내에서도 조용히 점유율을 끌어올릴 여지는 충분하다. 올해 말 배포 이후가 진짜 시험대다.

출처: The Verge

구글 I/O에서 나온 말 중 가장 센 건 이거였다. “AI로 모든 질병을 해결하겠다.” 의례적인 구호처럼 들릴 수 있지만, 더버지(The Verge)가 짚어낸 발표 내용을 보면 단순한 슬로건이 아니다. 알파폴드, 알파게놈, 제미니 포 사이언스—세 개의 도구가 의료·생명과학 연구 판을 실제로 바꾸고 있거나, 바꾸려 한다.

알파폴드에서 알파게놈까지—구글이 쌓아온 것들

알파폴드(AlphaFold)는 이미 검증된 사례다. 단백질 3D 구조 예측이라는, 수십 년간 생화학자들을 괴롭히던 문제를 AI로 사실상 풀어냈다. 덕분에 신약 후보 물질 탐색 속도가 극적으로 빨라졌고, 현재 수백 개 연구에 활용 중이다. 다음 타자가 알파게놈(AlphaGenome)이다.

이름 그대로 유전체(게놈) 분석에 특화된 AI다. 인간 게놈에는 약 30억 개의 염기쌍이 있고, 그 안에 질병의 원인과 치료 단서가 묻혀 있다. 문제는 어디를 봐야 하는지조차 모른다는 것. 알파게놈은 이 방대한 데이터 속에서 패턴을 찾아내는 역할을 한다. 아직 공개된 성과가 제한적이라 섣불리 평가하긴 어렵지만, 알파폴드의 전례를 보면 기대감이 생기는 건 사실이다.

제미니 포 사이언스(Gemini for Science)는 결이 좀 다르다. 구글 최신 AI 모델인 제미니의 멀티모달 능력—텍스트, 이미지, 실험 데이터를 동시에 읽고 추론하는 능력—을 과학 연구에 직접 붙인 것이다. 논문 분석, 실험 설계 보조, 가설 생성까지 연구자 옆에서 돌아가는 조교 역할을 목표로 한다. 솔직히 이 부분이 실제로 얼마나 작동하느냐가 핵심이다. “AI가 가설을 세운다”는 말은 멋있지만, 실제 연구 현장에서 노이즈와 신호를 구분하는 일은 훨씬 복잡하기 때문이다.

• 알파폴드(AlphaFold): 단백질 3D 구조 예측. 신약 후보 탐색 속도 대폭 향상. 이미 수백 개 연구에 적용 중.
• 알파게놈(AlphaGenome): 30억 개 염기쌍 데이터 속 질병 원인 탐색. 유전체 분석 특화.
• 제미니 포 사이언스(Gemini for Science): 멀티모달 추론으로 논문·실험 데이터 통합 분석. 연구자 보조 도구로 설계됨.

세 도구가 함께 작동한다면, 생명과학자들이 이전엔 수년 걸리던 탐색 과정을 수개월로 압축하는 게 이론상 가능해진다. 이론상.

‘모든 질병 해결’—과장인가, 로드맵인가

“모든 질병을 해결하겠다”는 말은 분명 과장이다. 암, 알츠하이머, 희귀 유전질환—각각의 메커니즘이 다르고, AI가 만능 해결사가 될 수는 없다. 그런데도 이 비전이 의미 있는 이유는, 방향이 맞기 때문이다.

정밀 의료 관점에서 보면, 개인의 유전체 데이터와 의료 기록을 종합해 맞춤 치료를 설계하는 것 자체가 AI 없이는 연산량 문제로 불가능한 영역이다. 신약 개발도 마찬가지다. 기존 방식으로 신약 하나를 출시하는 데 평균 10~15년, 비용은 수조 원이 든다. AI가 후보 물질 탐색 단계만 줄여도 이 숫자가 절반 이하로 내려간다. 조기 진단 분야는 이미 성과가 나오고 있다. 영상 데이터 분석에서 AI는 방사선과 전문의 수준의 정확도를 보이고 있고, 일부 암 조기 발견에서는 인간을 앞서기 시작했다는 연구 결과도 나왔다.

전부 해결은 못 해도, 전선 자체를 몇 년 앞당기는 건 충분한 근거가 있다. 그게 구글의 실제 목표일 것이다.

국내 시장, 기회인가 압력인가

한국 입장에서 이 움직임은 복잡하다. 바이오·제약 산업이 성장 중이고, 삼성바이오로직스·셀트리온 같은 기업들이 글로벌 무대에서 입지를 굳혀가고 있다. 그런데 구글이 AI 헬스케어 플랫폼으로 들어오면 판이 달라진다.

기술 격차부터 냉정하게 봐야 한다. 구글이 보유한 컴퓨팅 인프라와 학습 데이터 규모는 국내 기업이 단기간에 추격하기 어렵다. 자체 AI 신약 개발 플랫폼을 만들겠다는 국내 스타트업들이 여럿 있지만, 자본과 데이터 양에서 열세다. 구글 플랫폼을 활용할지, 독자 AI 역량을 쌓을지—전략적 선택이 빠르게 이뤄져야 하는 시점이다.

의료 데이터 이슈도 걸린다. 구글 AI가 국내 환자 데이터를 학습하거나 활용하려면 개인정보보호법, 의료법 등 법적 장벽을 넘어야 한다. 데이터 주권 논쟁은 피할 수 없다. 유럽에서 구글이 의료 데이터 관련 규제로 상당한 마찰을 겪은 전례가 있다.

• 기술 격차: 구글의 컴퓨팅 인프라·데이터 규모, 국내 기업이 단기 추격하기 어려운 구조.
• 협력 vs 독자 개발: 구글 플랫폼 편승이냐, 독자 AI 역량 구축이냐—전략적 선택 시점이 빠르게 다가오고 있다.
• 데이터 주권: 의료 데이터 활용 관련 법적·윤리적 정비가 선행 조건.
• 인력 구조: AI와 생명과학을 모두 아는 융합 인재 부족이 가장 현실적인 병목이다.

위기와 기회가 같은 문에 달려 있다. 구글의 AI 헬스케어 비전이 현실화될수록 국내 기업의 선택지는 좁아진다. 지금 전략을 짜지 않으면, 5년 후엔 플랫폼 의존 구조를 피하기 어렵다.

출처: The Verge