[태그:] AI

안드로이드폰을 쓰다 보면 AI 비서는 자연스럽게 Gemini가 된다. 기본값이 그거니까. 그런데 솔직히, Gemini 하나로 다 해결되는 건 아니다. ChatGPT, Claude, Microsoft Copilot 같은 앱들이 플레이스토어에 버젓이 있고, 각자 잘하는 게 다르다. 목적에 따라 골라 쓰면 체감이 확실히 달라진다.

구글 Gemini, 안드로이드에서의 현재 위치

구글 어시스턴트가 구글 Gemini로 교체되는 건 기정사실이다. 구글이 현재 어시스턴트 기능을 Gemini로 통합하는 중이고, 기존 어시스턴트 사용자들은 앱 업데이트 또는 Gemini 앱 설치로 전환이 이뤄지고 있다. ‘헤이 구글’ 대신 이제는 Gemini가 응답한다. 안드로이드 생태계 안에서 AI 비서 자리를 사실상 Gemini가 독점하고 있는 셈이다.

기능도 이전 어시스턴트랑 비교가 안 된다. 대화가 훨씬 자연스럽고, 이전 맥락을 기억하면서 이어간다. 사진 속 건축물을 설명해 달라거나, 찍은 음식이 뭔지 물어보는 멀티모달 기능도 된다. 이메일 초안 작성, 문서 요약, 브레인스토밍까지. 구글 워크스페이스와 연동하면 시너지가 꽤 크다.

Gemini 주요 기능 정리

• 향상된 대화: 여러 턴에 걸친 대화에서 이전 내용을 기억하고 맥락을 유지한다. 단발성 검색이 아니라 주제를 파고들 때 유리하다.
• 멀티모달 처리: 사진을 올려서 “이 식물 이름이 뭐야?” 같은 질문이 된다. 텍스트만 주고받는 수준을 넘어선다.
• 생산성 기능: 이메일 초안, 회의록 요약, 아이디어 정리. 구글 워크스페이스 연동 시 훨씬 편해진다.
• 크리에이티브 작업: 짧은 글쓰기, 시나리오 구상, 이미지 생성. 혼자 다 해결하려는 올인원 성격이 강하다.

Gemini 외 선택지 — 앱으로 충분히 쓴다

시스템에서 기본 AI를 바꾸는 건 현재 안드로이드에서 제한적이다. 공식 설정에서 Gemini 이외의 앱을 기본 디지털 어시스턴트로 지정하기가 쉽지 않다. 그래도 앱 형태로는 얼마든지 활용 가능하다. 대표적인 세 가지가 있다.

• ChatGPT: 오픈AI 앱이 플레이스토어에 있다. 복잡한 코딩 질문이나 주제를 깊이 파고드는 데 강하다. 유료 구독(ChatGPT Plus) 시 최신 모델과 이미지 분석, 코드 실행 기능이 열린다. 무료도 쓸 만하긴 하다.
• Claude: Anthropic의 Claude는 긴 텍스트 처리에서 두드러진다. 논문 전체를 붙여 넣고 요약해 달라거나, 계약서를 분석하는 식의 작업에서 체감이 확실히 다르다. 안드로이드 앱으로 제공된다.
• Microsoft Copilot: GPT-4 기반에 DALL-E 3 이미지 생성까지 묶였다. 웹 검색 결합 답변이라 최신 정보 접근이 빠른 편이다. 마이크로소프트 365 사용자라면 워드, 엑셀 연동이 추가된다.

‘헤이 구글’ 한마디로 호출은 못 되지만, 홈 화면 위젯이나 단축키 설정으로 진입 속도를 줄이는 건 된다. 목적에 따라 앱을 달리 쓰는 게 결국 더 효율적이다.

어떤 기준으로 고를까

• 목적: 코딩 질문엔 ChatGPT, 긴 문서 처리엔 Claude, 이미지 생성까지 포함이면 Copilot, 구글 서비스 연동 우선이면 Gemini. 대체로 이렇게 나뉜다.
• 생태계: 구글 서비스를 주로 쓰면 Gemini, 마이크로소프트 오피스가 주력이면 Copilot이 자연스럽다. 억지로 어색한 연동을 만들 필요는 없다.
• 개인정보: 대화 내용이 학습 데이터로 쓰일 수 있다. 민감한 정보는 어떤 AI에도 넣지 않는 게 기본이다. 각 서비스의 데이터 처리 정책은 한 번쯤 확인해 두는 게 좋다.
• 비용: 무료 플랜만으로도 일상적인 쓸모는 충분하다. 단, 최신 모델이나 고급 기능은 유료 구독이 필요하다. ChatGPT Plus, Claude Pro, Copilot Pro 모두 월정액 형태다.
• 인터페이스: 아무리 기능이 좋아도 쓰기 불편하면 손이 안 간다. 음성 인식률, 반응 속도, UI 직관성도 실제로 중요한 요소다.

제대로 쓰는 5가지 방법

• 질문을 구체적으로: “날씨 알려줘” 대신 “내일 오전 10시 서울 강남구 날씨 어때?”처럼 맥락을 넣으면 답이 확 달라진다. 막연할수록 답도 막연해진다.
• 역할 지정: “지금부터 너는 마케팅 전문가야. 이 제품 광고 문구 3가지 제안해줘.”처럼 역할을 부여하면 전문성 있는 답변이 나온다. 차이가 꽤 크다.
• 대화를 이어서: 한 번에 모든 걸 넣으려 하지 말고, 대화를 이어가며 점진적으로 수정·추가하는 방식이 효과적이다. AI는 이전 대화를 기억한다.
• AI별 강점 활용: 간단한 검색은 Gemini, 코드 문제는 ChatGPT, 긴 문서 분석은 Claude. 하나에 다 몰아넣는 것보다 나눠 쓰는 게 낫다.
• 설정 다듬기: 언어 설정, 음성 인식, 알림 등 커스텀 옵션이 각 앱마다 있다. 귀찮아도 한 번 정돈해 두면 매일 쓸 때 편하다.

다음 수순은 — 선택권이 열릴까

Ars Technica 보도를 보면, 유럽이 구글에 안드로이드에서 다른 AI 어시스턴트에도 시스템 접근권을 열도록 압력을 넣는 방향으로 흘러가고 있다. 실현되면 Gemini가 독점하고 있는 ‘기본 AI 비서’ 자리를 ChatGPT나 Claude 같은 앱이 대신할 수도 있다.

지금 당장은 시스템 기본값을 바꾸는 데 한계가 있다. 그래도 앱 형태로 활용하는 것만으로도 충분히 쓸모 있다. 결국 중요한 건 내 사용 패턴에 맞는 AI를 찾는 것이다. 구글 생태계에 깊이 묶여 있으면 Gemini가 편하고, 문서 작업이 많으면 Claude, 코드 쓰는 시간이 길면 ChatGPT가 더 잘 맞는다. 하나만 고집할 이유가 없다.

자주 묻는 질문

• Q: 구글 어시스턴트가 Gemini로 완전히 대체되는 건가요?
  A: 맞다. 구글은 현재 어시스턴트 핵심 기능을 Gemini로 통합하는 중이다. 기존 어시스턴트 사용자는 Gemini 앱 설치 또는 업데이트를 통해 전환된다.
• Q: 다른 AI 앱을 기본 AI 비서로 설정할 수 있나요?
  A: 현재 안드로이드 시스템의 기본 디지털 어시스턴트 설정에서는 Gemini를 포함한 구글 관련 서비스만 선택 가능하다. 각 앱 내 자체 AI 기능을 활용하는 건 된다.
• Q: AI 비서를 쓰면 개인정보가 유출될 위험이 있나요?
  A: 대화 내용이 서비스 개선 목적으로 쓰일 수 있다. 민감한 정보는 입력하지 않는 게 좋고, 각 서비스의 개인정보처리방침을 확인하는 게 기본이다.

출처: Ars Technica

Canonical이 1년 안에 우분투에 AI 기능을 대거 심겠다고 공식화했다. Phoronix 보도와 Canonical 엔지니어링 VP 존 시거(Jon Seager)의 블로그 포스트에서 나온 얘기다. 단순 패키지 추가 수준이 아니다. OS 깊숙이 AI 추론 엔진과 머신러닝 프레임워크를 1년 안에 통합하겠다는 계획이다. 리눅스 배포판 중 사실상 점유율 1위인 우분투가 이렇게 움직이면, 나머지 배포판들도 결국 따라갈 수밖에 없다.

무엇을, 누구를 위해 바꾸나

타겟은 크게 셋이다. AI 모델 개발자, 기업 배포 담당자, 그리고 일반 사용자. Canonical 입장에서는 이 세 그룹 전부가 우분투 위에서 AI를 쓸 수 있게 만드는 게 목표다.

• AI 추론 엔진 통합: 지금은 별도로 설치해야 하는 엔진들을 OS 수준에서 묶어버린다.
• 머신러닝 프레임워크 최적화: TensorFlow, PyTorch 같은 것들이 우분투에서 더 잘 돌아가도록 지원한다.
• 개발자 도구 강화: AI 기반 코드 자동완성, 디버깅 보조 기능 등도 포함될 가능성이 있다.

클라우드 없이도 된다는 게 포인트다. 엣지 디바이스나 로컬 개발 환경에서 AI를 돌리고 싶은데, 지금은 환경 구축만으로 반나절이 날아간다. 우분투가 이 구간을 줄여주겠다는 거다.

개발자한테 실제로 뭐가 달라지나

AI 모델 배포 과정이 얼마나 번거로운지는 해본 사람은 안다. 의존성 충돌, CUDA 버전 맞추기, 드라이버 꼬임. 솔직히 여기서 시간 다 잡아먹는다. Canonical이 노리는 게 바로 이 구간이다.

• 쉬운 AI 배포: 복잡한 설정 없이 AI 모델을 리눅스 환경에 올리고 실행할 수 있는 도구를 제공한다. 엣지 디바이스나 IoT 기기에 AI를 붙이려는 개발자들한테 반가운 소식이다.
• 최적화된 성능: NVIDIA GPU와의 호환성 강화도 예고됐다. 하드웨어 성능을 최대한 끌어내는 방향으로 프레임워크를 최적화할 계획이다.
• 새로운 개발 도구: AI 기반 코드 자동완성, 디버깅 보조 기능 추가 가능성도 열려 있다. 확정은 아니지만 방향이 여기를 향하고 있다.

리눅스 기반 AI 솔루션 개발이 빨라지면, AI 분야에 진입하는 개발자 수도 늘어날 거다. 우분투가 AI 생태계의 핵심 OS 자리를 노리고 있다는 게 분명하다. 큰 그림이 보인다.

리눅스판 AI 표준이 될 수 있을까

서버, 클라우드, 개발 워크스테이션 — 이 세 분야에서 우분투는 이미 사실상의 표준이다. 그 OS가 AI 통합에 먼저 나서면, 데비안이든 아치든 결국 따라갈 수밖에 없다.

마이크로소프트 윈도우나 애플 macOS와 다른 점이 있다면, 개방형 생태계라는 것이다. 벤더 종속 없이, 누구든 리눅스 위에서 자유롭게 AI를 다룰 수 있게 된다. AI 기술 민주화. 이 맥락에서는 꽤 현실적으로 들리는 말이다.

국내 개발자·기업 입장에서는

한국 서버 시장에서 우분투 점유율은 이미 높다. 임베디드 시스템, 로컬 개발 환경도 마찬가지다. 남 얘기가 아니다.

• 개발 생산성 향상: AI 환경 구축에 쓰던 시간을 실제 개발에 쓸 수 있다. 국내 AI 개발자들한테 가장 직접적인 이득이다.
• AI 스타트업 성장 촉진: 비싼 클라우드 없이 우분투 로컬 환경에서 AI 개발을 시작할 수 있다. 초기 비용 부담이 줄어드는 만큼 진입 문턱도 낮아진다.
• 엣지 AI 시장 확대: 국내 제조업·IoT 기업들이 우분투 기반 엣지 디바이스에 AI 기능을 손쉽게 탑재할 수 있게 된다. 공장 현장 AI 도입 속도가 달라질 수 있다.
• 인력 양성 및 교육: AI 교육에 우분투 환경이 활용되면, 현장 투입형 AI 인력 배출에도 영향이 생긴다.

1년이라는 시간표가 어떻게 현실화될지는 두고 봐야 한다. Canonical이 릴리즈 세부 내용을 내놓을 때마다 검증이 필요하다. 방향은 맞는데, 디테일에서 기대가 빗나갈 수도 있으니까. The Verge 보도를 보면 이 계획은 이미 공식 발표된 상태다.

출처: The Verge

로봇팔이 관절을 잘못 짚어 멈추는 장면은 현장에서 여전히 흔하다. 물건 모양이 조금 달라지거나 컨베이어 속도가 바뀌면 끝이다. 멈추거나 오작동이다. 기존 로봇은 사전 프로그래밍된 범위 안에서만 작동하는 구조라, 예외 상황에 극히 취약했다. Ars Technica가 최근 보도한 키네마틱 인텔리전스(Kinematic Intelligence) 연구는 강화 학습과 통합 제어 소프트웨어가 이 두 문제를 동시에 파고드는 사례다.

로봇이 멈추는 이유, 의외로 단순하다

로봇 공학자들이 오래 붙잡고 있던 문제는 ‘유연성 결여’다. 로봇은 설계된 대로만 움직인다. 작업 환경이 조금만 바뀌면 오작동이다. 로봇팔처럼 물리적 접촉이 잦은 구조에서는 미세한 각도 오차 하나가 관절 걸림(Jamming) 현상으로 이어진다. 이게 반복되면 고장이고, 고장은 라인 전체를 세운다.

핵심 결함은 자기 상태를 실시간으로 인지하는 능력 부재다. 센서 데이터를 읽고 즉각 움직임을 보정하는 피드백 루프가 약하거나 아예 없었다. 결국 정해진 루틴만 반복하는 로봇과 예측 불가 환경 사이의 간극은 좁혀지지 않았다.

혼자 똑똑해지는 법: 강화 학습과 시뮬레이션

최근 로봇 성능 향상의 중심은 인공지능(AI)과 머신러닝이다. 예전에는 모든 동작을 엔지니어가 직접 코딩했다. 이제는 AI가 데이터를 보고 스스로 최적 경로를 찾는다.

• 강화 학습(Reinforcement Learning): 성공하면 보상, 실패하면 페널티. 이 단순한 구조로 로봇이 스스로 움직임을 조정한다. 물건 잡기에 성공하면 그 패턴을 강화하고, 허공을 집으면 다음엔 각도를 수정한다. 사람이 코드 한 줄 안 써도 된다.
• 시뮬레이션 기반 학습: 실제 로봇으로 수백만 번 테스트하면 기계가 먼저 망가진다. 가상 환경에서 같은 횟수를 돌리면 데이터만 쌓인다. 여기서 최적화한 파라미터를 실제 로봇에 이식하면 학습 시간이 대폭 줄어든다. 솔직히 게임 체인저 수준이다.

이 과정을 거치면 로봇은 처음 보는 형태의 물건도 잡고, 장애물이 갑자기 나타나도 경로를 바꾼다. ‘정해진 대로’ 움직이던 기계에서 ‘상황을 읽고 적응하는’ 기계로의 전환이다.

서로 다른 로봇이 한 팀이 되려면

혼자 잘하는 것과 같이 잘하는 건 다른 문제다. 공장 라인 하나에도 로봇팔, 자율주행 카트, 검사 로봇 등 제조사가 제각각인 장비가 뒤섞인다. 하드웨어 구조도, 통신 프로토콜도, 데이터 포맷도 다 다르다. 언어가 다른 사람 셋이 무전기 하나로 작업을 조율하는 셈이다.

이걸 해결하는 게 통합 제어 소프트웨어다. 중개자 역할로, 서로 다른 로봇들이 같은 목표를 향해 움직이도록 조율한다.

• 데이터 표준화: 각 로봇이 내뱉는 데이터를 공통 포맷으로 변환한다. 로봇 A의 토크 값과 로봇 B의 위치 좌표가 같은 언어로 바뀌어야 중앙 시스템이 읽는다.
• 학습 경험 공유: 로봇 1번이 복잡한 조립 순서를 터득하면, 그 데이터가 2번·3번 로봇에 즉시 전파된다. 개별 학습을 반복할 필요 없이 전체 라인이 동시에 숙련된다. 현장에서 실제로 되면 생산성 차이가 꽤 크다.
• 실시간 충돌 조율: 로봇 여러 대가 좁은 공간에서 동시 작업할 때, 경로 충돌을 실시간 감지해 각자의 동선을 재조정한다. 사람이 교통정리를 안 해도 된다.

이 구조가 갖춰지면 서로 다른 제조사의 로봇팔과 자율주행 로봇이 한 공정을 나눠 맡아 완성하는 게 가능해진다. 현재 일부 대형 물류 센터에서는 이미 실용 단계다.

공장 바깥의 적용처들

이 기술이 제조업에만 해당한다고 보면 좁게 보는 거다.

• 제조·물류: 개인 맞춤 생산이 가능해진다. 동일 제품 대량 생산에서, 주문마다 다른 스펙을 소화하는 방향으로 전환된다. 물류 비용 절감 효과도 직접적이다.
• 의료·돌봄: 수술 보조 로봇의 정밀도가 올라간다. 노인 돌봄 로봇은 사용자의 생활 패턴을 학습해 더 자연스러운 대응이 가능해진다.
• 재난 구조: 사람이 못 들어가는 붕괴 현장이나 방사능 구역에서 로봇 여러 대가 역할을 나눠 수색한다. 단독 로봇보다 훨씬 넓은 범위를 커버한다.
• 스마트 홈: 청소 로봇에서 시작해서, 가족 일정을 학습하고 냉장고·조명과 연동하는 방향으로 간다. 아직은 갈 길이 멀지만, 방향은 정해졌다.

풀리지 않은 문제들

기술 발전 속도가 빠른 건 맞다. 그래도 걸리는 부분이 있다.

• 안정성·신뢰성: AI는 학습 데이터 밖의 상황에서 오류를 낸다. 의료 현장이나 구조 작업처럼 실수 한 번이 치명적인 분야에서는 절대적 안정성 확보가 아직 미완이다.
• 데이터 보안·프라이버시: 로봇이 수집하는 데이터 양이 많아질수록 유출 리스크도 커진다. 가정용 로봇이 가족 생활 패턴을 쌓아두는 구조라면, 보안 설계가 제품 설계만큼 중요하다.
• 윤리·책임 소재: 로봇의 자율 판단이 사고로 이어졌을 때 누가 책임지는가. 제조사, 운영자, 알고리즘 개발자 — 법적 기준이 없는 나라가 대부분이다.
• 도입 비용: 고성능 AI 로봇 시스템은 아직 비싸다. 대기업 중심 실용화에서 중소 제조업체까지 내려오려면 시간이 더 걸린다.

이 과제들이 해소돼야 AI 로봇이 범용 도구로 자리잡는다. 기술 과시용 프로토타입에서 현장 투입 가능한 시스템으로 넘어오는 문턱이 바로 여기다.

핵심만 3줄 요약

• 강화 학습·시뮬레이션 기반 학습으로 로봇이 스스로 동작을 최적화하고 환경 변화에 적응하는 능력을 갖춘다.
• 통합 제어 소프트웨어가 제조사가 다른 로봇들 사이에서 데이터 표준화, 학습 공유, 실시간 충돌 조율을 담당한다.
• 제조·물류·의료·재난 구조까지 적용 범위는 넓지만, 안정성·보안·윤리·비용 문제가 상용화의 실질적 변수다.

출처: Ars Technica

백악관 기자단 만찬 행사장에 무장 괴한이 들이닥쳤다. 수백 명의 기자와 고위 각료들이 한자리에 있던 순간이었다. 보통이라면 이런 사건 직후 보안 점검 회의가 소집되고, 경호 프로토콜 강화 계획이 발표되는 게 정석이다. 트럼프는 기자회견장으로 걸어 나갔다. 그리고 볼룸 얘기를 꺼냈다.

총격 시도, 그리고 볼룸 이야기

사건은 백악관 출입기자단(WHCD) 만찬 행사 도중 벌어졌다. 무장 괴한이 만찬장 진입을 시도했고, 트럼프를 포함한 여러 각료들도 현장에 있었다. The Verge 보도를 보면, 트럼프는 이 총격 시도를 기점으로 백악관에 더 크고 안전한 볼룸이 필요하다는 주장을 꺼내 들었다고 한다. 보안 위협 → 볼룸 신축 필요. 논리적 비약이 꽤 크다. 근데 그걸 막힘없이 밀어붙이는 게 트럼프다.

트럼프는 오래전부터 현재 백악관 볼룸이 “너무 작고 낡았다”고 주장해왔다. 이번 사건은 그 오래된 주장에 ‘보안’이라는 명분을 얹는 계기가 됐다. 위기를 자기 의제로 흡수하는 속도가 놀랍다. 비판받을 게 뻔한 발언인데도 망설임이 없다.

백악관 볼룸, 왜 이렇게 집착하나

트럼프의 볼룸 재건축 프로젝트는 단순히 ‘공간이 좁아서’가 아니다. 그의 정치적·개인적 브랜드가 담긴 숙원 사업에 가깝다. 기존 볼룸은 수십 년간 국빈 만찬, 정상회담 만찬 등 역사적 행사를 치러온 공간이다. 역사적 가치가 있는 건물인 만큼, 대규모 재건축을 추진하려면 예산 논쟁과 문화재 보존 논쟁을 동시에 돌파해야 한다.

막대한 예산 문제도 있고, 역사적 건물을 손댄다는 비판도 거세다. 실제로 많은 이들은 기존 볼룸이 충분히 기능적이라며 불필요한 낭비라고 지적해왔다. 그럼에도 트럼프는 밀어붙였고, 이번 총격 사건은 그에게 ‘봐라, 기존 공간이 문제 아니냐’고 주장할 소재를 쥐여줬다. 이걸 기회로 안 쓸 트럼프가 아니다.

트럼프식 위기 활용, 패턴이 있다

트럼프의 커뮤니케이션 방식을 오래 봐온 사람이라면 이번 행보가 낯설지 않다. 세 가지 패턴이 반복된다.

• 단순화: 복잡한 상황을 단 한 줄로 압축한다. ‘총격 시도 → 볼룸이 문제’처럼, 인과관계를 단순하게 끊어버린다. 대중이 소화하기 쉬운 메시지를 만드는 데 탁월하다.
• 직접 전파: 기존 언론의 논평을 거치지 않고 기자회견이나 소셜 미디어로 직접 쏘아 올린다. 필터링 자체를 우회한다.
• 논란을 연료로: 비판이 쏟아질수록 그의 이름이 더 자주 오르내린다. 이걸 알면서 하는 건지, 아니면 본능인지는 모르겠다. 결과적으로 효과는 난다.

디지털 환경에서 이 패턴은 더 효율적으로 작동한다. 메시지가 분절되어 클립이나 스크린샷으로 퍼지는 방식 자체가, 단순하고 자극적인 메시지에 유리하게 맞춰져 있기 때문이다. 이번 ‘볼룸 발언’도 며칠 안에 밈으로 돌아다닐 것이다. 트럼프 진영도 그걸 알고 있을 가능성이 높다.

IT·브랜딩 관점에서 건질 게 있냐면

트럼프 얘기가 왜 IT 블로그에 나오냐고 할 수 있다. 솔직히 말하면, 그의 행보 자체보다 그 방식이 시사점이 있다. 정치인의 위기 커뮤니케이션이 기업 브랜딩과 겹치는 지점이 생각보다 많다.

• 메시지 설계: 위기 상황에서 대중에게 전달할 핵심 한 문장을 미리 갖고 있어야 한다. 소셜 미디어 시대엔 그 문장이 밈처럼 퍼지는 걸 전제로 설계해야 한다는 게 이제는 상식이 됐다. ‘우리 서비스가 왜 멈췄는지’보다 ‘우리가 뭘 바꾸는지’가 더 중요하다.
• 데이터 기반 여론 설계: 트럼프 캠프의 커뮤니케이션 팀은 지지층 데이터를 정교하게 분석해 어떤 단어가 먹히는지 계산해왔다. IT 기업들도 서비스 장애나 논란 상황에서 고객 반응 데이터를 활용해 메시지를 조정하는 게 이제는 선택이 아니라 기본기다.
• 위기 전환 타이밍: 서비스 오류나 보안 사고가 터졌을 때, ‘죄송합니다’로 끝내느냐, 아니면 개선 계획으로 이어지는 서사를 만드느냐가 브랜드 이미지를 가른다. 트럼프의 사례는 극단적이지만, 위기를 의제로 전환하는 타이밍의 중요성을 다시 생각하게 만든다.

정치 발언 하나가 기술 규제나 시장 분위기, 투자 심리를 바꿀 수 있다는 건 트럼프 1기에서 이미 충분히 증명됐다. 이번 볼룸 발언이 당장 IT 업계에 파장을 줄 것 같진 않다. 하지만 어떤 정치 인물이 어떤 식으로 여론을 다루는지 이해하고 있으면, 규제 흐름이나 시장 심리 변화에 더 빠르게 대응할 수 있다. 결국은 맥락 읽기의 문제다. 그리고 그 맥락을 읽는 능력은, 지금처럼 정치와 기술이 뒤엉킨 시대에 점점 더 값어치가 올라가고 있다.

출처: The Verge