[태그:] AI

대학 과제물 상당 비율이 AI로 작성됐다는 조사가 잇따르고 있다. 채용 시장은 더하다. AI 자기소개서가 기본값이 된 지 오래다. 이 흐름 속에서 AI 탐지 도구 시장도 2024년 이후 급격히 팽창했고, GPTZero·Turnitin·Originality.ai 같은 툴들이 각축 중이다. 그런데 이 도구들이 실제로 얼마나 믿을 수 있는지 제대로 아는 사람은 드물다. 억울한 오탐(false positive)도 속출하고 있어, 맹신했다간 낭패다.

AI 텍스트 감지, 원리부터

탐지 도구들은 크게 두 가지 지표를 분석한다.

• Perplexity(당혹도): 언어 모델이 다음 단어를 얼마나 잘 예측하는지 나타내는 수치다. AI가 쓴 텍스트는 모델 입장에서 너무 예측하기 쉬워서 당혹도가 낮게 나온다. 사람이 쓴 글은 예상 못한 단어 선택이 많아 당혹도가 올라간다.
• Burstiness(폭발도): 문장 길이의 변화폭이다. 사람은 짧은 문장과 긴 문장을 불규칙하게 섞지만, AI는 문장 길이가 비교적 고른 편이다. 이게 의외로 탐지에 잘 걸린다.

최근 탐지 모델들은 여기에 더해 어휘 다양성 지수와 문체 일관성 패턴까지 복합 분석한다. GPT-4o나 Claude 같은 최신 모델일수록 이런 특징이 교묘하게 숨겨져 있어, 탐지 난이도는 계속 오르고 있다. 솔직히 끝이 없는 싸움처럼 보인다.

주요 AI 탐지 도구 7개 비교

현재 가장 많이 쓰이는 7개 툴의 특징을 정리했다.

• GPTZero: 교육 현장 특화. 무료 플랜이 있어 진입 장벽이 낮다. 문서 전체 분석과 문장 단위 하이라이팅을 함께 제공해, 어느 부분이 AI 작성으로 의심받는지 눈으로 바로 확인된다. 최근 Superhuman에 인수되면서 기업 시장으로 영역을 넓히는 중이다.
• Turnitin: 대학교 계약이 가장 많은 업계 표준. 표절 검사와 AI 감지를 동시에 제공한다. 개인은 직접 접근이 어렵고 기관 단위 라이선스 형태로만 운영된다.
• Originality.ai: 콘텐츠 마케터·SEO 에이전시 대상. 팀 단위 크레딧제로 운영되고 API도 있어서 워크플로에 통합하기 쉽다. 영어 외 언어 지원은 아직 제한적이다.
• Copyleaks: 30개 이상 언어를 지원하는 다국어 특화 툴이다. 한국어 포함 비영어권 콘텐츠 감지에 강점을 보인다.
• Winston AI: 98% 정확도를 마케팅 포인트로 내세운다. 독립적인 검증은 아직 부족하지만, OCR 기능을 탑재해 스캔 문서에서도 AI 텍스트를 잡아낼 수 있다는 점이 차별점이다.
• Sapling: 기업 고객사 지원팀이나 세일즈 팀에서 AI 생성 응대 메시지를 걸러내는 데 주로 쓰인다. 브라우저 익스텐션으로도 제공된다.
• Grammarly: 원래 교정 툴이었는데 AI 감지 기능이 추가됐다. 기존 구독자라면 추가 비용 없이 이용 가능하다. 독립 탐지 도구보다는 보조 기능 수준으로 보면 된다.

오탐 문제, 생각보다 심각하다

AI 탐지 도구의 가장 큰 약점이 오탐이다. 스탠퍼드 연구팀이 GPTZero와 Turnitin을 포함한 여러 도구를 테스트한 결과, 영어가 모국어가 아닌 학생들의 글에서 AI 작성 판정이 유독 많이 나왔다. 문장 구조가 단순하고 어휘 선택이 제한적인 특성을 알고리즘이 AI 패턴으로 오인한 것이다.

실제 사례도 있다. UC 데이비스에서는 한 학생이 직접 쓴 에세이가 AI 작성 판정을 받았고, 해명하는 데 수 주가 걸렸다. 탐지 결과를 단독 증거로 삼는 건 위험하다. 작성자에게 해명 기회를 줘야 하는 이유가 여기 있다.

교육 현장과 기업에서 현명하게 쓰는 법

무조건 믿는 것도, 완전히 외면하는 것도 답이 아니다. 용도에 따라 갈린다.

• 교육 현장: 과제 제출 시 초안·메모·참고 자료를 함께 요구하는 포트폴리오 방식을 병행하는 게 낫다. 구두 발표나 즉석 질문을 추가하면 AI 활용 여부를 실질적으로 파악하기 훨씬 쉬워진다.
• 채용·HR: AI 자기소개서 탐지보다, 면접에서 글 내용을 직접 물어보는 방식이 훨씬 효과적이다. 탐지 결과를 불합격 근거로 쓰면 법적 리스크도 따른다.
• 콘텐츠 마케팅: 퍼블리싱 전 검수 단계에 탐지 툴을 넣어 외주 콘텐츠 품질을 모니터링하는 용도로 활용한다. 탐지 점수가 낮다고 품질도 낮다는 뜻은 아니다.

탐지 우회 도구와 끝나지 않는 군비 경쟁

탐지 도구가 등장하자마자 이를 우회하는 ‘AI Humanizer’ 툴들이 쏟아졌다. Undetectable.ai, QuillBot 같은 서비스는 AI 생성 텍스트를 재가공해 탐지를 피하도록 돕는다. 문장 구조를 바꾸고, 동의어를 교체하고, burstiness를 인위적으로 높이는 방식이다.

결국 탐지 정확도와 우회 기술 사이의 격차는 좁혀지지 않는다. 탐지 모델이 업데이트될 때마다 우회 기술도 빠르게 따라온다. 현재 수준에서 어떤 탐지 도구도 100% 신뢰는 무리다.

용도별 최종 선택 기준

상황에 맞는 툴을 고르는 게 핵심이다.

• 교육 기관(무료 시작): GPTZero. 무료 플랜으로 시작해볼 수 있고, 교육용 UI가 잘 갖춰져 있다.
• 대학교·기관 단위 계약: Turnitin. 이미 표절 검사 시스템을 쓰고 있다면 AI 감지를 추가하는 방식으로 운영 가능하다.
• 콘텐츠 마케팅·SEO 에이전시: Originality.ai. API 연동과 팀 크레딧 관리가 편리하다.
• 한국어 포함 다국어 콘텐츠: Copyleaks. 언어 지원 폭이 가장 넓다.
• 기존 Grammarly 구독자: 별도 툴 없이 내장 AI 감지 기능을 보조 수단으로 활용하면 충분하다.

탐지 도구는 맥락을 읽는 사람의 판단을 대체하지 못한다. 오탐 리스크를 항상 염두에 두고, 보조 수단으로만 활용하는 것이 현실적인 접근이다.

출처: TechCrunch

ChatGPT 쿼리 하나를 처리하는 데 구글 검색의 약 10배 전력이 든다. 검색 한 번이 아니라 질문 하나에. AI 모델 학습에는 일반 가정 수십 년치 전기가 필요하다는 추산도 있다. 빅테크 기업들이 데이터센터 부지를 물색하면서 직접 발전소를 짓는 이유가 여기에 있다.

데이터센터, 전기 어디에 쓰나

데이터센터 전력 소비는 서버 구동, 냉각 시스템(HVAC), 네트워크 장비, 비상 전력 네 축으로 나뉜다. 이 중 냉각이 전체의 30~50%를 잡아먹는다. AI용 고밀도 GPU 서버가 들어오면 냉각 부담은 더 커진다. 서버가 뜨거울수록 더 식혀야 한다는 단순한 이치다.

국제에너지기구(IEA)에 따르면 전 세계 데이터센터 전력 소비량은 이미 일부 중소 국가 전체를 넘어섰다. 미국 기준으로 전체 전력의 약 2%를 데이터센터가 쓴다. AI 수요가 계속 늘면 이 수치는 빠르게 오른다.

효율 지표는 PUE(Power Usage Effectiveness)다. 이상적 값은 1.0, 글로벌 평균은 약 1.5. 구글, 마이크로소프트 같은 하이퍼스케일러들은 자체 냉각 기술로 1.1~1.2대를 찍는다. 문제는 효율이 개선돼도 절대 사용량 자체가 폭증하고 있다는 것. 분모가 커지면 아무리 효율을 높여도 총량이 줄지 않는다.

생성형 AI가 뒤흔든 전력 수요 곡선

2022년 이전까지 데이터센터 전력 수요는 완만하게 올랐다. ChatGPT 등장 이후 그 곡선이 꺾였다. 가파르게.

핵심 하드웨어인 엔비디아 H100 한 장의 TDP(열설계전력)가 700W다. H200은 그보다 더 높다. 수천 장을 병렬로 돌리는 AI 클러스터의 소비 전력은 소형 발전소 수준이다. 과장이 아니다.

마이크로소프트, 구글, 아마존, 메타는 수조 원 규모의 데이터센터 투자를 경쟁적으로 발표하고 있다. 문제는 인허가, 건설, 전력 인프라 구축에 수년이 걸린다는 현실이다. 전력망이 이 속도를 따라가지 못하고 있다는 게 업계의 공통된 걱정이다.

재생에너지 선언, 이상과 현실 사이

마이크로소프트, 구글, 아마존은 모두 “재생에너지 100% 운영”을 목표로 내세운다. 태양광·풍력 구매계약(PPA)을 대규모로 체결하고, 탄소 상쇄권도 사들인다.

그런데 구조적 한계가 있다. 태양광은 밤에 발전 못 한다. 풍력은 바람이 없으면 멈춘다. 배터리 저장 기술이 빠르게 발전하고는 있는데, 메가와트급 24시간 안정 전력을 재생에너지만으로 공급하는 건 아직 기술적·경제적 도전이다. 솔직히 멀었다.

그래서 빅테크가 현실적으로 고르는 에너지원은 세 갈래다:

• 천연가스(LNG): 탄소 배출이 있지만 석탄 대비 절반 수준이고, 수급이 안정적
• 소형 모듈 원자로(SMR): 마이크로소프트와 구글이 투자 중이지만 상용화까지 수년
• 지열: 아이슬란드 등 일부 지역에서 활용 가능하지만 지리적 제약이 크다

천연가스 데이터센터가 다시 뜨는 이유

“탈탄소”를 외치던 기업들이 20년 장기 천연가스 계약을 맺는다. 모순처럼 보이는데, 이유가 있다.

미국 주요 도시 인근 전력망은 이미 포화다. 재생에너지 프로젝트를 신청해도 연결까지 5~10년 대기가 흔하다. 자체 발전소를 짓는 게 오히려 빠를 수 있다. 경쟁사가 먼저 인프라를 확보하면 시장을 잃는다. 재생에너지의 안정적 공급을 기다리기엔 AI 시장 경쟁 속도가 너무 빠르다. 지정학적 리스크까지 높아지면서 외부 전력망에 의존하지 않는 자립형 구조를 선호하는 기업도 늘고 있다.

TechCrunch 보도에 의하면 마이크로소프트는 셰브런과 20년짜리 천연가스 데이터센터 계약을 체결했다. 탄소 공약을 포기한 게 아니라, 단기적으로 천연가스를 브리지 에너지로 쓰면서 장기적으로는 SMR과 재생에너지로 전환하겠다는 전략이다. 말이 되는 계산이다.

“재생에너지 100%”는 진짜인가, 마케팅인가

솔직히 말하면, 현재 기술로 “재생에너지 100% 데이터센터”는 마케팅에 가깝다. 탄소 상쇄권(Carbon Credit)을 사서 장부상으로만 100%를 달성하는 경우가 많다. 실제 소비 전력 중 재생에너지 비율은 회사마다, 지역마다 천차만별이다.

진짜 의미 있는 지표는 24/7 CFE(Carbon-Free Energy)다. 구글이 2030년까지 달성하겠다고 발표한 이 목표는, 매 시간 실제로 탄소 없는 전기를 쓰겠다는 뜻이다. 이게 진짜 어렵다. 숫자가 아니라 구조를 바꿔야 하니까.

이 문제를 푸는 카드 중 하나가 SMR이다. 마이크로소프트는 폐쇄됐던 스리마일 아일랜드 원전을 재가동하는 계약을 맺었다. 구글은 Kairos Power와 SMR 공급 계약을 체결했다. 아직 상용화 전이지만, 2030년대 초반에는 실제 공급이 시작될 것으로 업계는 예상한다.

클라우드·AI 서비스 고를 때 에너지 정책도 체크리스트에 넣자

클라우드 서비스나 AI 도구를 평가할 때 확인해볼 지표들:

• 연간 지속가능성 보고서(Sustainability Report) 발행 여부
• PPA(재생에너지 구매계약) 비율과 실제 커버리지
• Scope 1, 2, 3 탄소 배출 공개 여부
• 24/7 CFE 목표 선언 여부

빅테크의 에너지 선택은 환경 이슈만이 아니다. 전력 비용은 데이터센터 운영비의 30~40%다. 에너지 전략이 곧 가격 경쟁력이고, 장기적으론 서비스 지속성과도 이어진다. SMR, 지열, 배터리 저장, 브리지 에너지로서의 천연가스 — 이 선택지들이 향후 AI 산업의 판도를 결정하는 변수다.

출처: TechCrunch

제품 상세 페이지를 열면 순식간에 압도된다. 3000Pa, LiDAR, 3D ToF, AI 장애물 인식, 자동 먼지비움, 하이브리드 걸레질. 숫자와 기술 용어가 화면을 꽉 채운다. 처음 사는 사람이 “후기 많은 거 사자”로 끝내는 게 이해는 된다. 근데 그렇게 샀다가 쓸모없는 기능에 돈을 쓰거나, 정작 내 집 구조에 안 맞는 제품을 손에 쥐게 된다. 스펙 읽는 법, 브랜드 성격, 가격대별 기준을 한 번에 짚었다.

내 집 구조와 맞는지 먼저 따져야

로봇청소기가 잘 도는 환경이 따로 있다. 장애물 없이 트인 구조, 마루나 타일 바닥, 반려동물 털이 많은 집. 이 세 가지 조건 중 하나만 맞아도 제값을 한다. 반대로 아래 환경이라면 기대치를 낮추는 편이 낫다.

• 문지방이 높거나 단차가 많은 구조
• 바닥에 짐이 자주 쌓이는 집
• 코드와 전선이 많이 노출된 공간
• 30평 이상에 방이 여러 개인 구조 (저가 제품 기준)

집 구조와 생활 습관이 안 맞으면 아무리 좋은 제품도 구석에 처박힌다. 제품 고르기 전에 이 조건 먼저 점검해야 순서가 맞다.

스펙 읽는 법 — 숫자에 속지 않으려면

흡입력 (Pa 수치)
광고에 “3000Pa”, “6000Pa” 같은 수치가 나오는데, 숫자만 보면 안 된다. Pa(파스칼)는 흡입 압력 단위인데 측정 방식이 제조사마다 다르다. 2000Pa 이상이면 일반 먼지 청소엔 충분하고, 반려동물 털이 많은 집이라면 3000Pa 이상을 기준으로 잡는 게 현실적이다.

배터리와 실제 청소 면적
“최대 150분 작동”이라는 문구는 최저 흡입 모드 기준이다. 일반 모드로 돌리면 60~90분으로 줄어든다. 20평대라면 배터리 60분도 충분하지만, 30평 이상이면 자동 복귀 충전 후 이어서 청소하는 기능이 탑재된 제품을 골라야 한다.

먼지통 용량
0.3L짜리 먼지통은 생각보다 금방 찬다. 매일 비워야 하는 번거로움이 싫다면 0.5L 이상이거나, 자동 먼지비움 스테이션이 달린 제품을 봐야 한다. 솔직히 이 부분에서 편의성이 꽤 갈린다.

맵핑 기술이 청소 퀄리티를 가른다

초기 룸바처럼 랜덤으로 돌아다니는 방식은 이미 구식이다. 요즘 중급 이상 제품은 집 구조를 스스로 파악하고 체계적으로 청소하는 맵핑 기술을 탑재한다. 세 가지 방식이다.

• LiDAR(라이다) — 레이저로 공간을 3D 스캔해 정밀한 지도를 만든다. 어두운 환경에서도 잘 작동하고 장애물 회피가 안정적이다. 중고가 제품의 표준이 된 기술이다.
• 카메라 기반 (vSLAM) — 카메라로 주변을 인식하는 방식. LiDAR보다 저렴하게 구현할 수 있어 중저가 제품에 많이 들어간다. 빛이 부족한 환경에선 성능이 떨어진다.
• AI 장애물 인식 — 양말, 케이블, 반려동물 배변 등을 카메라로 감지해 피하는 기능. 로보락, 에코백스, 드리미 등 프리미엄 라인에 탑재된다. 실생활 체감 만족도가 높은 기능이다.

브랜드별 성격 — 한 줄씩

룸바 (iRobot)
로봇청소기 시장을 처음 만든 브랜드다. 소프트웨어 완성도와 앱 연동이 강점. 아마존에 인수된 이후 구조조정이 있었지만 상위 라인업 청소 성능은 여전히 탄탄하다.

로보락 (Roborock)
가성비와 성능 모두 잡은 브랜드라는 평가를 받는다. 청소+걸레질 콤보 기능이 잘 구현되어 있고 앱 완성도도 높다. 국내에서 인기 있는 S시리즈가 대표 제품이다.

삼성 비스포크 제트봇
국내 AS가 확실하고 SmartThings 연동이 강점이다. 프리미엄 라인은 AI 카메라 장애물 회피 성능이 좋다.

LG 코드제로 R9
흡입력과 청소 성능이 안정적이다. LG ThinQ 앱과 연동되며 국내 AS 접근성도 좋다.

에코백스 (Ecovacs)
걸레질 특화 기능이 강점이다. 데이나 시리즈는 걸레 자동 세척·건조까지 지원해 손이 덜 간다.

드리미 (Dreame)
빠르게 성장 중인 브랜드다. 가격 대비 스펙이 높고 흡입력 수치가 업계 최상위권이다. 앱 안정성은 아직 개선 여지가 있다는 점은 알고 가야 한다.

가격대별 실용 기준

• 15만원 이하 — 랜덤 청소 방식이 대부분이다. 맵핑 없이 돌아다니며 청소한다. 자취방이나 원룸처럼 좁고 단순한 공간에서는 충분히 쓸 만하다.
• 15~30만원 — 기본 맵핑 기능이 탑재된 제품이 등장하는 구간이다. 로보락 E시리즈, 에코백스 N시리즈 등이 이 가격대의 대표 선택지다.
• 30~60만원 — LiDAR 맵핑에 걸레질 콤보까지 된다. 대부분의 가정에서 “딱 맞는 선택”이 이 구간에 있다.
• 60만원 이상 — 자동 먼지비움 스테이션, AI 장애물 인식, 걸레 자동 세척까지 올인원으로 지원한다. 손이 아예 안 가는 청소를 원한다면 이 구간이 현실적 선택이다.

사기 전에 꼭 확인할 것 4가지

AS 정책
해외직구 제품은 AS가 불편하거나 비쌀 수 있다. 공식 수입사가 있는지, 국내 서비스센터 접근이 가능한지 사전에 체크해야 한다.

소모품 가격
필터, 사이드 브러시, 메인 브러시, 걸레 패드는 주기적으로 교체가 필요하다. 본체보다 소모품이 비싼 경우도 있으니 구매 전에 부품 단가를 반드시 확인하자.

앱 지역 지원
일부 제품은 한국어 앱이 지원되지 않거나, 국내 Wi-Fi 환경(2.4GHz/5GHz)에서 연결 문제가 생기기도 한다. 해외직구라면 한국 사용자 후기를 꼼꼼히 확인해야 한다.

바닥 정리 습관
어떤 제품을 사든 바닥에 물건이 많으면 성능이 절반으로 준다. 제품을 바꾸기 전에 바닥 정리 습관을 먼저 들이는 게 맞다. 로봇청소기는 정리된 집을 더 잘 청소하도록 설계되어 있다.

출처: The Verge

애플이 iOS를 업데이트할 때 발표 무대를 장식하는 건 늘 AI와 Siri다. 스포트라이트는 Apple Intelligence가 받고, 실제 쓰는 기능들은 조용히 바뀐다. iOS 27도 똑같다. Siri 개선 소식에 묻혀서 잘 알려지지 않은 기능들이 적지 않은데, 이게 오히려 매일 체감하는 만족도를 좌우한다.

아이폰을 쓰는 사람이라면 iOS 27로 넘어갈 때 ‘뭐가 달라졌지?’ 하고 한 번은 검색하게 된다. 업데이트 노트는 길고 산만하고, 유튜브 영상은 너무 길다. 핵심만 골라 정리했다.

iOS 27, 한 줄로 정리하면

iOS 27의 방향성은 ‘AI를 뺀 나머지도 쓸 만하게’다. 디자인 언어가 조금 더 정리됐고, 멀티태스킹 흐름이 자연스러워졌으며, 오래된 앱들의 인터페이스도 손봤다. 눈에 확 띄는 혁신보다는 쌓인 불편함을 닦아낸 업데이트에 가깝다.

TechCrunch 보도를 보면 이번 버전에서 AI 외에도 주목할 추가 기능이 상당수 포함됐다고 전한다. 문제는 그걸 발굴해서 쓰는 사람이 많지 않다는 것이다.

잠금화면·홈화면, 이렇게 달라졌다

iOS 27에서 잠금화면은 위젯 배치 자유도가 더 높아졌다. 기존에는 특정 위치에만 위젯을 놓을 수 있었는데, 이번 버전에서는 화면 하단 영역까지 위젯 배치가 가능해졌다.

• 잠금화면 시계 글꼴: 더 많은 폰트와 크기 옵션 추가
• 홈화면 앱 아이콘 크기: 대형 아이콘 모드에서 레이블 없이 배치 가능
• 포커스 모드 연동: 포커스별 홈화면 자동 전환이 더 안정적으로 작동
• 잠금화면 단축 버튼: 오른쪽 하단 버튼 커스터마이징 범위 확대

홈화면에서는 폴더 내부 구조도 바뀌었다. 앱이 많을 때 페이지 넘기는 방식 대신 스크롤 방식이 추가됐다. 폴더를 여러 페이지로 나눠 관리하던 사람이라면 이 변화를 꽤 반길 것이다.

카메라·사진 앱, 어떻게 바뀌었나

카메라는 iOS 업데이트마다 조금씩 손이 가는 영역이다. iOS 27에서는 촬영 중 인터페이스가 단순해졌다.

• 퀵 전환 버튼: 사진↔동영상 전환 버튼이 더 크고 접근하기 쉬운 위치로 이동
• 프로 카메라 모드: 노출, ISO, 셔터스피드를 한 화면에서 조정하는 전문가 UI 개선
• 사진 앱 검색: 자연어 검색 성능 향상. “작년 제주도에서 찍은 사진”처럼 입력하면 AI가 필터링
• 추억 기능: 알림 빈도와 내용을 사용자가 직접 조절 가능

사진 편집 도구에서는 배경 제거 기능의 정확도가 눈에 띄게 올라갔다. 머리카락 경계선처럼 이전 버전에서 뭉개지던 부분이 훨씬 자연스럽게 처리된다. 전문 앱 없이도 간단한 상품 사진 편집이나 프로필 사진 배경 제거 정도는 충분히 소화된다.

개인정보 보호, 이 부분은 반드시 확인

iOS 업데이트 때마다 개인정보 설정이 조금씩 추가·변경된다. iOS 27에서 특히 눈여겨볼 항목은 세 가지다.

첫째, 앱별 네트워크 접근 권한이 세분화됐다. 이전에는 인터넷 접근을 허용하거나 차단하는 이분법이었는데, iOS 27에서는 로컬 네트워크와 외부 인터넷 접근을 따로 설정할 수 있다. 예를 들어 홈 자동화 앱이 로컬 기기와만 통신하고 외부로 데이터를 보내지 못하도록 막는 식이다.

둘째, 붙여넣기 권한 알림이 정비됐다. iOS 16부터 클립보드에 접근할 때 알림이 떴는데, iOS 27에서는 이 알림이 더 구체적인 정보를 함께 보여준다. 어떤 앱이 클립보드의 어떤 종류 데이터에 접근했는지가 표시된다.

셋째, 위치 데이터의 정밀도 조절 옵션이 기존보다 세밀해졌다. 앱에 제공하는 위치를 도시 단위, 지역 단위, 정확한 위치 등으로 단계별로 설정 가능하다.

설정 → 개인정보 보호 및 보안 메뉴를 한 번 쭉 훑어두는 것만으로 불필요한 데이터 노출을 줄일 수 있다.

실생활에서 바로 쓰이는 숨은 기능 5가지

발표 무대에는 오르지 않았지만 매일 쓰다 보면 확실히 달라진 걸 느끼는 기능들이다.

1. 받아쓰기 자동 구두점: 음성 입력 중 문장 끝에 마침표, 쉼표를 자동으로 붙여준다. 카카오톡이나 메모 앱에서 손 안 대고 긴 텍스트를 완성할 때 유용하다.
2. Safari 탭 그룹 공유: 특정 탭 그룹을 링크로 공유하는 기능이 추가됐다. 팀 프로젝트나 여행 계획 같은 걸 같이 보고 싶을 때 쓸 수 있다.
3. 알림 요약 커스터마이징: Apple Intelligence의 알림 요약 기능에서 특정 앱은 요약 제외 설정이 가능하다. 메시지 앱처럼 원문 그대로 받고 싶은 앱은 직접 지정할 수 있다.
4. 배터리 사이클 수 확인: 설정 → 배터리 메뉴에서 배터리 충전 사이클 횟수가 표시된다. 중고 아이폰 살 때 이 수치를 확인하면 배터리 상태를 더 정확히 판단할 수 있다.
5. AirDrop 수신 시간 제한: 모르는 사람으로부터 파일을 받는 ‘에어드롭 폭탄’ 문제를 막기 위해 수신 허용 시간을 10분, 1시간, 항상 중에서 선택할 수 있다.

업데이트 전 꼭 해둘 준비

iOS 업데이트는 대부분 문제없이 넘어가지만, 업데이트 직후 앱 호환성 문제나 배터리 소모 이상이 생기는 경우가 간혹 있다. 미리 해두면 나중에 후회가 없다.

• iCloud 백업 최신화: 설정 → [이름] → iCloud → iCloud 백업에서 ‘지금 백업’을 눌러 최신 상태로 맞춰둔다.
• 저장 공간 확보: iOS 업데이트 파일 자체가 3~5GB 안팎이다. 최소 6GB 이상 여유 공간을 확보해두는 것이 좋다.
• 업데이트 직후 앱 동작 확인: 업무용 앱, 금융 앱 위주로 이상 없는지 확인한다. 대형 앱은 보통 iOS 정식 출시 직후 업데이트를 내놓기 때문에, 앱 업데이트도 함께 진행하는 게 낫다.
• 베타 단계라면 기다리기: 공개 베타 기간 중에는 버그가 있을 수 있다. 업무용 기기라면 정식 버전까지 기다리는 편이 안전하다.

결국 써볼 만한 기능은 이것

iOS 27의 모든 기능을 처음부터 다 찾아쓸 필요는 없다. 우선순위를 잡자면 이렇다.

즉시 확인할 것: 개인정보 보호 설정 재점검, 배터리 사이클 수 확인, 홈화면 레이아웃 재정리.

한 번쯤 써볼 것: 받아쓰기 자동 구두점, 사진 배경 제거 개선, Safari 탭 그룹 공유.

필요할 때 꺼낼 것: AirDrop 시간 제한, 앱별 네트워크 권한 세분화, 포커스 모드 연동 홈화면.

결정적으로, iOS 업데이트의 가치는 화려한 기능 수보다 매일 반복하는 동작이 얼마나 덜 불편해졌느냐에 달려 있다. iOS 27은 그 방향에서 꽤 성실하게 만들어진 버전이다.

출처: TechCrunch

핵융합 스타트업들이 끌어모은 돈이 71억 달러(약 9조 원)를 넘었다. 구글, 마이크로소프트, 빌 게이츠가 줄줄이 이 판에 뛰어들었다. 그런데 “핵융합이 뭐냐”고 물으면 제대로 설명하는 사람이 드물다. 핵분열이랑 같은 건지, 방사성 폐기물은 나오는 건지, 전기는 언제쯤 들어오는 건지 — 한 번에 정리해 본다.

핵융합과 핵분열, 헷갈리면 진짜 안 된다

핵분열(Fission)은 우라늄 같은 무거운 원자핵을 쪼개 에너지를 얻는 방식이다. 체르노빌, 후쿠시마. 고준위 방사성 폐기물이 수만 년간 남는다.

핵융합(Fusion)은 반대다. 수소처럼 가벼운 원자핵 두 개를 합쳐 헬륨을 만드는 과정에서 에너지가 나온다. 태양이 빛과 열을 내는 원리가 바로 이것이다. 연료는 바닷물에서 추출하는 중수소(Deuterium)와 삼중수소(Tritium). 사고가 나면 반응 자체가 멈춘다. 체르노빌 같은 연쇄 폭발은 물리적으로 불가능한 구조다.

폐기물 문제도 차원이 다르다. 핵분열처럼 수만 년을 땅에 묻어야 하는 고준위 폐기물 대신, 핵융합은 구조재(벽, 배관 등)가 중성자를 맞아 활성화되는 수준이고 수십~수백 년 내에 무해해진다. 비교 자체가 안 된다.

핵융합 발전은 어떻게 작동하나

핵융합을 일으키려면 1억 도 이상의 플라즈마 상태를 만들어야 한다. 태양 중심부보다 뜨거운 온도다. 이 환경에서 수소 원자핵들이 서로의 전기적 반발을 이겨내고 합쳐진다.

문제는 이 초고온 플라즈마를 담을 용기가 없다는 것이다. 해결 방식이 크게 둘이다:

• 토카막(Tokamak): 도넛 모양의 자기장 용기로 플라즈마를 가두는 방식. 한국의 KSTAR, 국제 프로젝트 ITER가 이 방식이다.
• 관성 봉사(ICF): 레이저로 연료 펠릿을 사방에서 압축해 순간적으로 핵융합을 일으키는 방식. 미국 NIF(국립점화시설)가 2022년에 에너지 이득을 달성해 전 세계의 이목을 끌었다.

민간 스타트업들은 구형(Spherical) 토카막, 자기거울, 레이저 직접 구동 등 변형 방식도 적극 시도 중이다.

60년 된 기술인데 왜 아직도 안 되나

“항상 30년 후의 기술”이라는 말이 있다. 1950년대부터 연구해 왔는데 상용 발전소 하나 없다는 비아냥이다. 솔직히 이 지적은 완전히 틀리지 않았다.

핵심 장벽은 두 가지였다.

첫째, 에너지 수지 문제. 플라즈마를 유지하는 데 드는 에너지보다 핵융합에서 나오는 에너지가 많아야 한다. 이걸 Q>1이라고 한다. NIF가 2022년에 처음 Q>1을 달성했지만, 레이저 자체를 구동하는 에너지까지 포함하면 여전히 적자다. 이 부분이 늘 발목을 잡는다.

둘째, 소재 문제. 중성자 폭격을 수십 년간 견디면서 형태를 유지하는 내열 소재가 없었다. 최근 텅스텐 합금이나 나노 구조 소재 연구가 진전되면서 해결의 실마리가 보이기 시작했다.

분위기가 달라진 건 최근 몇 년 사이다. AI와 고성능 컴퓨팅 덕분에 플라즈마 시뮬레이션 정확도가 획기적으로 높아졌고, 초전도 자석 기술이 도약해 더 작고 강한 자기장을 만드는 게 가능해졌다. 60년 전과는 도구 자체가 다르다.

민간 자본이 9조 원을 쏟아붓는 이유

정부 주도 프로젝트의 한계도 적지 않다. ITER는 1985년에 구상해서 2025년에야 플라즈마를 처음 태울 예정인 국제 프로젝트다. 35개국이 참여하는 만큼 의사결정이 느리고, 예산은 계속 초과됐다.

민간은 다르다. TechCrunch 보도를 보면 민간 핵융합 기업들이 끌어모은 투자 총액이 71억 달러를 넘었고, 대부분이 소수의 선두 기업에 집중됐다:

• Commonwealth Fusion Systems (CFS): MIT 스핀오프. 고온 초전도 자석 기술 기반. 20억 달러 이상 유치.
• TAE Technologies: 수소-붕소 연료 방식 탐구. 12억 달러 이상 조달.
• Helion Energy: 마이크로소프트와 전력 구매 계약 체결. 오픈AI 샘 알트만이 개인 투자한 회사.
• General Fusion: 캐나다 기반, 액체 금속 압축 방식 실험 중.

공통점은 하나다. “정부 예산이 아닌 투자 수익”이 목표다. 타임라인도 훨씬 공격적이어서, 일부는 2030년대 초 시범 발전을 목표로 내걸었다. 5년 전까지는 이런 주장 자체가 없었다.

상용화까지 남은 변수들

낙관론만 있는 건 아니다.

트리튬 공급이 첫 번째 병목이다. 삼중수소(트리튬)는 자연에 거의 없고, 지금은 원자력 발전소 부산물로만 소량 얻는다. 발전 규모를 키우려면 리튬과의 반응으로 트리튬을 자체 생산(증식)해야 하는데, 이 기술이 아직 실증되지 않았다. 꽤 큰 공백이다.

소재 수명도 과제다. 고에너지 중성자를 10~20년간 계속 맞은 소재가 얼마나 버티는지, 실제 핵융합 조건에서 검증된 데이터가 없다.

전력망 연동도 있다. 발전에 성공해도 기존 전력 인프라와 연결하고 경제성을 맞추는 건 또 다른 도전이다. 이 문제를 너무 가볍게 보는 시각이 많다.

긍정적 신호도 있다. 한국 KSTAR는 초고온 플라즈마를 48초 유지하는 세계 기록을 세웠고 매년 기록을 갱신 중이다. AI가 플라즈마 불안정성을 실시간으로 예측하고 조정하는 실험도 성공했다.

지금 투자할 수 있나, 지켜볼 건가

핵융합 관련 주식에 직접 투자하기는 아직 쉽지 않다. Commonwealth Fusion, Helion 등 주요 기업 대부분이 비상장이고, 공식 IPO 계획도 없다.

간접 경로는 있다. 핵융합 관련 소재, 초전도 자석, 진공 장비를 만드는 기업들이 공개 시장에 일부 있고, ITER 프로젝트에 부품을 납품하는 한국 기업(두산에너빌리티 등)도 있다.

기술 흐름을 추적하고 싶다면 Fusion Industry Association(FIA)이 매년 내는 연간 보고서가 기준점이 된다. 각 회사의 기술 방식, 자금 조달 현황, 예상 타임라인을 비교한 자료가 공개돼 있다.

결국 핵융합은 “될까 안 될까”의 문제가 아니다. “언제, 어느 방식으로”의 문제다. 60년 된 꿈이 민간 자본과 AI의 결합으로 처음으로 현실적 타임라인을 갖기 시작했다.

출처: TechCrunch