Daily News Korea

[태그:] Claude

  • Claude 확장 백도어, 감염 점검과 업데이트 설정

    Claude 확장 백도어, 감염 점검과 업데이트 설정

    3줄 요약

    • Cursor 마켓플레이스의 Anthropic 공식 계정으로 Claude VS Code 확장의 악성 버전 2.1.313이 배포됐습니다. Cursor는 영향을 받은 사용자를 최대 5,000명으로 봤습니다. 확장 자동 업데이트가 기본값이어서 사용자가 아무것도 하지 않아도 설치될 수 있었습니다.
    • 백도어가 SSH 키를 추가하는 단계는 관리자 권한으로 실행하지 않았다면 코드 오류로 실패했습니다. 하지만 기기 정보 전송과 지속성 설치는 이 단계와 상관없이 시도됐습니다. 확장을 새 버전으로 바꿔도 시스템에 남은 흔적은 직접 지워야 합니다.
    • 점검은 지속성(LaunchAgent·예약 작업) → authorized_keys와 SSH 서비스 → 외부 통신 흔적 → 자격 증명 교체 순서로 합니다. 예방하려면 자동 업데이트를 ‘확인 후 수동 적용’으로 바꾸고, IDE를 관리자 권한으로 실행하지 않아야 합니다.

    SSH 백도어가 든 확장을 올린 건 정체불명의 배포자가 아니었습니다. Cursor 마켓플레이스에 등록된 Anthropic의 공식 계정이었거든요. 그 계정으로 배포된 Claude VS Code 확장 2.1.313은 개발자 PC에 SSH 백도어를 심으려 했고, Ars Technica 보도에 따르면 12시간 가까이 배포됐습니다. Cursor가 집계한 영향 사용자는 최대 5,000명.

    확장을 고를 때 흔히 보는 건 게시자 이름, 다운로드 수, 평점 정도인데요. 이번엔 이런 신뢰 신호가 아무 경고도 주지 못했습니다. 게시자는 진짜 공식 계정이었고, 같은 확장의 새 버전이었으니 다운로드 수나 평점이 달라질 이유도 없었으니까요. 더 큰 문제는 확장이 IDE와 같은 권한으로 돈다는 점입니다. 확장 업데이트 한 번이면 소스 코드와 자격 증명 전체에 접근할 수 있게 되는 구조예요.

    공식 계정이 뚫리면 악성 코드도 정상 업데이트 경로로 들어온다

    공급망 공격은 사용자를 직접 노리지 않습니다. 사용자가 이미 믿고 쓰는 소프트웨어, 그 배포 과정 한가운데에 끼어드는 방식이에요. 보안 업체 Phorion의 공동창업자이자 CTO인 루크 로버츠(Luke Roberts)도 이번 사건을 “공격자가 공식 배포 채널의 접근 권한을 얻은 공급망 공격”이라고 설명했습니다. 악성 버전 2.1.313은 Anthropic 공식 계정에 올라가, 바로 앞의 정상 버전 2.1.312를 밀어내고 그 자리를 차지했습니다.

    피해를 키운 건 자동 업데이트였습니다. 로버츠에 따르면 Cursor는 확장을 기본적으로 자동 업데이트하고, 설정에서 이걸 바꿀 수 있는데요. 기본값을 건드리지 않았다면 확장을 새로 깔지 않았어도, 편집기를 켜 두기만 했는데 2.1.313을 받았을 수 있다는 얘기입니다. 사용자는 아무것도 안 했는데 감염 경로는 열려 있었던 셈이죠. 독립 보안 연구자 케빈 보몬트(Kevin Beaumont)에 따르면 Anthropic은 몇 시간 뒤 2.1.314를 배포했습니다. 공격자가 계정을 어떻게 장악했는지는 Cursor도, Anthropic도 설명하지 않았고요.

    확장 하나가 왜 이렇게까지 위험할까요. 권한 구조 때문입니다. VS Code 계열 편집기의 확장에는 별도 샌드박스가 없어요. 편집기를 실행한 OS 사용자 계정의 권한을 그대로 씁니다. Cursor도 마찬가지라 확장은 IDE 권한으로 실행되고, 설치되는 순간 로컬 파일, 소스 코드, 터미널, Git 같은 개발 도구에 바로 손이 닿습니다. 게시자를 확인하는 습관은 모르는 사람이 만든 확장을 거르는 데는 쓸모가 있어요. 정상 게시자의 계정이 탈취된 경우엔 소용이 없고요. 이번이 딱 그 경우였습니다.

    악성 버전 2.1.313이 시도한 네 가지 동작과 실제 결과

    Cursor의 분석을 보면 악성 코드는 Windows, macOS, Linux 어디서든 돌도록 짜여 있었습니다. 노린 건 지속형 백도어. 공격자의 SSH 키를 등록하고, 로컬 SSH 서비스를 켠 다음, 역방향 SSH 터널을 여는 구성이었습니다. 동작별로 쪼개 보면 이렇습니다.

    동작 세부 내용 분석 결과
    기기·사용자 정보 수집 호스트 이름, 사용자 이름, OS, 아키텍처, 홈 디렉터리 경로, 환경 변수 이름, 작업 디렉터리, Git에 설정된 이메일, 공인 IP 환경 변수 이름만으로 클라우드 자격 증명과 API 토큰을 가진 기기를 골라낼 수 있음(Phorion)
    SSH 백도어 설치 공격자 SSH 키를 authorized_keys에 추가, 로컬 SSH 서비스 활성화, 역방향 SSH 터널 개방 Cursor를 관리자 권한으로 실행한 예외적인 경우가 아니면 코드 오류로 실패. 역방향 셸이 접속하던 서버는 Cursor가 호스팅 업체와 협력해 차단
    지속성 확보 macOS는 LaunchAgent, Windows는 SYSTEM 권한 예약 작업(실패하면 시작 스크립트로 대체) 백그라운드 스크립트가 약 60초마다 터널 연결을 재시도. Windows·macOS 코드의 버그로 일부 경우에는 작동하지 않음
    상태 보고 기기 정보와 백도어 상태를 8099번 포트의 /beacon 경로로 HTTP POST 전송 코드에 결함이 있어도 지속성 설치와 정찰 정보 전송은 이뤄지므로 여전히 중대한 위협(Phorion)

    이 표에서 놓치면 안 되는 게 하나 있습니다. 실패했다고 안전한 건 아니라는 점이에요. SSH 키 추가는 대부분의 환경에서 실패했지만, 정보 수집과 지속성 설치는 그 단계와 따로 굴러갑니다. 원격 셸이 안 열렸더라도 내 기기 정보는 이미 공격자에게 넘어갔을 수 있다는 뜻이죠.

    가장 눈여겨볼 대목은 환경 변수 이름 수집입니다. 값을 빼 갈 필요도 없어요. AWS_ACCESS_KEY_ID나 GITHUB_TOKEN 같은 이름만 봐도 그 기기에 어떤 클라우드 자격 증명과 API 토큰이 있는지 목록이 나오거든요. Phorion은 공격자가 이 목록으로 후속 공격 대상의 우선순위를 매기려 했을 것으로 봤습니다. 개발자 PC가 일반 사무용 PC보다 노릴 가치가 큰 표적인 이유가 바로 여기 있습니다. 변수 이름 몇 줄이 다음 공격의 지도 노릇을 하는 셈이고요.

    감염 여부는 확장 버전이 아니라 시스템에 남은 흔적으로 본다

    자동 업데이트를 켜 뒀다면 확장 버전은 이미 2.1.314 이후로 바뀌어 있을 가능성이 큽니다. 버전만 보고 ‘괜찮네’ 하고 넘어가면 곤란한 이유예요. LaunchAgent와 예약 작업은 확장 폴더 밖에 만들어지기 때문에, 확장을 업데이트하든 삭제하든 그대로 남아 있다고 보는 게 안전합니다. 버전은 영향 대상인지 가늠하는 데만 쓰고, 감염 여부는 흔적으로 판단하세요.

    기준이 되는 시간대는 미국 동부시간 오전 5시 27분부터 오후 4시 35분까지입니다. 악성 버전이 배포된 이 시간 동안 Cursor에서 이 확장을 설치하거나 업데이트했다면 영향을 받은 걸로 간주해야 하고, 그 전후에 업데이트한 경우도 감염 가능성을 열어 두는 편이 좋습니다. Cursor와 Phorion이 IP 주소와 파일 해시 같은 침해 지표(IOC)를 공개했으니, 아래 점검 결과를 그 목록과 하나씩 대조해 보세요. 아래 경로는 각 OS의 기본 설정 기준이고, OS 버전에 따라 화면 구성이 조금 다를 수 있습니다.

    공통: 확장 버전 확인

    • Cursor의 확장 뷰(Windows·Linux Ctrl+Shift+X, macOS Cmd+Shift+X)에서 Anthropic의 Claude 확장을 선택하면 상세 화면에 버전 번호가 뜹니다.
    • 터미널이 편하다면 cursor --list-extensions --show-versions로 목록을 뽑을 수 있어요. 단, Cursor 셸 명령이 PATH에 등록돼 있어야 하고, 이 옵션이 Cursor에서도 VS Code와 똑같이 동작하는지는 검증되지 않았습니다.

    macOS

    • ls -la ~/Library/LaunchAgents로 사용자 LaunchAgent 목록을 열고, 설치한 기억이 없는 .plist 파일과 그 생성 시각을 봅니다. 시스템 전체에 적용되는 /Library/LaunchAgents도 같이 확인하세요.
    • launchctl list를 실행해 지금 로드된 에이전트 중 이름이 낯선 항목을 찾습니다.
    • 시스템 설정 → 일반 → 공유 → 원격 로그인(macOS 12 이하는 시스템 환경설정 → 공유 → 원격 로그인)을 확인합니다. 켠 적이 없는데 켜져 있다면 의심 신호예요.
    • cat ~/.ssh/authorized_keys로 모르는 공개 키가 들어가 있지 않은지 봅니다.

    Windows

    • Win+R → taskschd.msc → 작업 스케줄러 라이브러리. 배포 시간대 이후에 만들어졌고 실행 계정이 SYSTEM인 낯선 작업이 있는지 살핍니다.
    • Win+R → shell:startup과 shell:common startup을 차례로 열어, 시작 프로그램 폴더에 낯선 스크립트 파일이 없는지 봅니다. 예약 작업 생성에 실패하면 시작 스크립트로 대체하도록 짜여 있었으니 이 폴더도 빼먹으면 안 됩니다.
    • 설정 → 시스템 → 선택적 기능(Windows 10과 초기 Windows 11은 설정 → 앱 → 선택적 기능)에서 ‘OpenSSH 서버’가 설치돼 있는지 확인하고, services.msc에서 ‘OpenSSH SSH Server’ 서비스 상태를 봅니다.
    • %USERPROFILE%\.ssh\authorized_keys를 엽니다. 관리자 그룹 계정이라면 Windows OpenSSH가 쓰는 C:\ProgramData\ssh\administrators_authorized_keys까지 확인해야 합니다.

    Linux

    • cat ~/.ssh/authorized_keys로 등록된 키를 확인합니다.
    • systemctl status ssh(Debian·Ubuntu) 또는 systemctl status sshd(Fedora·RHEL 계열)로 SSH 서비스가 켜져 있는지, 언제 활성화됐는지 봅니다.
    • Linux에서 쓰인 지속성 방식은 분석 자료에 구체적으로 나오지 않았습니다. 일반적인 자동 실행 위치인 crontab -l, systemctl --user list-unit-files, ~/.config/autostart를 함께 훑어보세요.

    공통: 외부 통신 흔적

    • macOS·Linux는 lsof -nP -i :8099, Windows는 netstat -ano | findstr :8099를 실행합니다. 결과에 PID가 나오면 작업 관리자의 ‘세부 정보’ 탭에서 찾아볼 수 있어요.
    • 역방향 셸 서버가 차단돼 있으니 연결 자체는 실패할 겁니다. 그래도 스크립트는 약 60초마다 재시도하거든요. 방화벽이나 보안 제품 로그에 IOC 목록의 IP로 향하는 반복 연결 시도가 남아 있다면, 지속성이 설치됐다는 신호로 보면 됩니다.

    흔적이 나왔다면 차단, 제거, 자격 증명 교체 순으로

    1. 통신 차단: 네트워크 연결을 끊거나, 방화벽에서 IOC 목록의 IP와 8099번 포트로 나가는 연결을 막습니다. Cursor가 서버를 차단하긴 했지만 공격자가 다른 서버로 옮겨 갈 수도 있어요. 로컬에서 한 번 더 막아 두는 편이 낫습니다.
    2. 지속성 제거: macOS는 launchctl bootout gui/$(id -u) ~/Library/LaunchAgents/파일명.plist로 에이전트를 내린 다음 파일을 지웁니다. Windows는 작업 스케줄러에서 해당 작업을 삭제하고, 시작 프로그램 폴더의 스크립트도 함께 지우세요. 지우기 전에 파일 사본을 따로 챙겨 두면 좋습니다. 해시를 IOC와 대조하거나 보안 담당자에게 넘길 때 쓸 수 있거든요.
    3. SSH 정리: authorized_keys에서 모르는 키가 적힌 줄을 지웁니다. 원격 로그인을 쓸 일이 없다면 SSH 서비스를 끄고 OpenSSH 서버도 제거하세요.
    4. 자격 증명 교체: 공격자 손에 환경 변수 이름 목록이 들어갔습니다. 셸 설정 파일(~/.zshrc, ~/.bashrc)과 프로젝트의 .env에 있는 클라우드 키, API 토큰, Git 토큰부터 다시 발급하세요. 수집된 건 이름뿐이라도, 악성 확장은 IDE 권한으로 파일을 읽을 수 있었습니다. 값까지 노출됐다고 가정하는 게 맞습니다.
    5. 피해 범위 판단: Cursor를 관리자 권한으로 실행한 적이 있다면 얘기가 달라집니다. SSH 키 추가 단계가 성공했을 수 있거든요. 이 경우엔 외부에서 셸 접근이 가능했다고 보고 OS 재설치까지 검토하세요. 회사 기기라면 혼자 처리하지 말고 보안 담당 부서에 먼저 알리는 게 순서입니다. 그 기기에서 접근할 수 있던 저장소와 클라우드 계정의 감사 로그도 확인해야 하고요.

    Git 이메일이 수집됐다는 점도 그냥 넘기긴 어렵습니다. 이메일, 사용자 이름, 작업 디렉터리 경로가 한데 모이면 특정 회사나 프로젝트를 겨냥한 피싱 메일을 만들기가 훨씬 쉬워지니까요. 다만 이건 실제 악용 사례가 보고된 게 아니라, 수집 항목을 보고 추정한 위험입니다.

    국내 사용자도 판단 기준은 같고, 조직엔 숙제가 더 있다

    Cursor 마켓플레이스가 지역마다 다른 버전을 배포했다는 정보는 없습니다. 국내 사용자도 해외 사용자와 같은 기준으로 보면 돼요. 배포 시간대, 자동 업데이트 설정, 그리고 그 시간대에 Cursor를 실행했는지. 이 세 가지입니다.

    • 공지를 기다리지 않는다: Ars Technica 보도 시점까지 Anthropic은 고객에게 공개 경고를 내지 않았습니다. 한국어 안내가 따로 나오길 기다리느니, Cursor 공지와 Phorion이 공개한 IOC를 직접 대조하는 쪽이 빠릅니다.
    • 사내 보안 솔루션이 놓쳤을 가능성(추정): 악성 동작이 Cursor라는 정상 프로세스 안에서 일어났기 때문에, 백신이나 EDR이 이상 행위로 판단하지 못했을 수 있습니다. 보안팀에 IOC를 넘기고 기기 전체를 검색해 달라고 요청하는 게 가장 확실한 방법이에요.
    • IDE 확장도 승인 대상에 넣기(제안): 설치 프로그램은 승인 절차를 거치게 하면서 편집기 확장은 개인 재량에 맡기는 조직이 적지 않을 것으로 추정됩니다. 공식 게시자의 확장도 오염될 수 있다는 게 이번에 드러났으니 허용 목록만으로는 부족해요. 버전 고정까지 함께 운영해야 효과가 납니다.
    • 사내망과 재택 환경의 차이(추정): 8099처럼 흔히 쓰지 않는 포트로 나가는 트래픽을 막아 둔 사내망이라면 상태 보고 전송이 막혔을 수 있습니다. 반대로 재택 중에 집 네트워크에서 Cursor를 썼다면 이런 보호는 받지 못했던 거고요.

    확인된 것과 아직 불확실한 것

    확인된 것

    • 악성 버전은 2.1.313이며, Cursor 마켓플레이스의 Anthropic 공식 계정으로 배포되어 2.1.312를 대체했다.
    • Cursor가 집계한 영향 사용자는 최대 5,000명이다.
    • Anthropic은 몇 시간 뒤 2.1.314를 배포했고, Cursor는 악성 버전을 내리고 추가 배포를 막았다.
    • Cursor는 마켓플레이스를 잠시 닫고 키 교체, 접근 통제 감사, 다른 확장의 오염 여부 확인을 마친 뒤 다시 열었다.
    • Cursor 확장은 기본적으로 자동 업데이트되며, 설정에서 바꿀 수 있다.
    • SSH 키 추가 단계는 Cursor를 관리자 권한으로 실행하지 않았다면 코드 오류로 실패한다.
    • Cursor와 Phorion이 IP 주소와 해시 등 침해 지표를 공개했다.

    아직 불확실한 것

    • Anthropic 공식 계정이 탈취된 경로
    • Anthropic이 고객에게 공지하지 않은 이유
    • 5,000명 중 지속성 설치까지 성공한 실제 감염 기기 수
    • Linux에서 쓰인 지속성 방식
    • 환경 변수 값이나 소스 코드의 실제 유출 여부
    • Cursor 외 다른 배포 채널에 올라간 같은 확장의 영향 여부

    자동 업데이트는 끄기보다 ‘확인 후 수동 적용’으로 바꾼다

    자동 업데이트를 아예 꺼 버리면 이번 같은 악성 버전은 피할 수 있습니다. 대신 문제를 고친 2.1.314 같은 수정 버전도 늦게 받게 되죠. 악성 버전이 몇 시간 만에 교체됐다는 걸 떠올려 보면, 업데이트 알림은 받되 적용만 하루쯤 미뤘어도 2.1.313은 건너뛸 가능성이 높았습니다. 완전히 끄는 것보다 ‘확인 후 수동 적용’이 낫다고 보는 이유예요. 셸 명령을 실행하거나 파일 여러 개를 한꺼번에 고치는 AI 에이전트 확장처럼 권한이 큰 확장일수록 이 방식이 더 유리합니다.

    전체 확장의 자동 업데이트 끄기: 명령 팔레트(Windows·Linux Ctrl+Shift+P, macOS Cmd+Shift+P)에서 ‘Preferences: Open User Settings (JSON)’을 열고 아래 두 줄을 넣습니다.

    "extensions.autoUpdate": false,
"extensions.autoCheckUpdates": true

    첫 줄이 자동 설치를 막고, 둘째 줄이 업데이트 확인과 알림은 그대로 살려 둡니다. 화면에서 바꾸고 싶다면 설정 검색창에 extensions.autoUpdate를 입력한 뒤 ‘Extensions: Auto Update’ 값을 None으로 고르면 돼요. 다만 Cursor에는 전용 설정 화면과 VS Code 방식의 설정 화면이 따로 있고, 후자로 들어가는 메뉴 경로는 확인되지 않았습니다. 명령 팔레트로 가는 편이 빠릅니다.

    특정 확장만 자동 업데이트 끄기: 확장 뷰 → 대상 확장 우클릭 → ‘Auto Update’ 체크 해제. 확장별 자동 업데이트를 지원하는 VS Code 버전에 있는 기능인데, Cursor에서도 같은 항목이 보일지는 장담하기 어렵습니다. 전체 자동 업데이트는 켜 두고 권한이 큰 확장만 손으로 관리하고 싶을 때 쓰는 방법이에요.

    버전 고정: 확장 우클릭 → ‘Install Specific Version…'(이전 표기 ‘Install Another Version…’) → 검증된 버전 선택. VS Code는 이렇게 설치한 확장의 자동 업데이트를 끄도록 동작합니다. 그래도 적용한 뒤엔 해당 확장의 Auto Update 체크 상태를 한 번 더 확인해 두세요.

    IDE를 관리자 권한으로 실행하지 않기: 이번 백도어는 SSH 키 추가 단계의 코드가 잘못 짜여 있어서, 관리자 권한으로 실행된 경우에만 이 단계가 성공했습니다. 공격자의 실수 덕을 본 셈인데요. 다음 공격자는 이 오류를 고쳐서 올 수 있으니 거기에 기댈 일은 아닙니다. Windows라면 Cursor 바로 가기 우클릭 → 속성 → 호환성 → ‘관리자 권한으로 이 프로그램 실행’ 체크를 해제하세요. macOS와 Linux에서는 sudo로 편집기를 실행하지 않으면 됩니다. 확장은 편집기 권한을 그대로 물려받으니까, 편집기 권한을 낮추는 게 피해 규모를 줄이는 가장 간단한 방법입니다.

    조직 단위 허용 목록: VS Code는 extensions.allowed 설정으로 설치할 수 있는 게시자, 확장, 버전을 제한할 수 있습니다. 허용 버전을 지정해 두면 공식 계정에 새 버전이 올라와도 검토를 마치기 전엔 설치되지 않아요. Cursor가 이 정책을 똑같이 지원하는지는 검증 전이니, 도입하기 전에 테스트 기기에서 먼저 돌려 보세요. 게시자가 공식 계정인지 따지는 건 이번엔 아무 소용이 없었습니다. 이런 공격에 실제로 효과가 있는 건 업데이트가 언제, 어떤 권한으로 적용되는지를 관리하는 쪽입니다.

    출처: Ars Technica

    관련 기사

  • AI 과학 발견 논쟁, 패턴 찾기와 발견은 다르다

    AI 과학 발견 논쟁, 패턴 찾기와 발견은 다르다

    3줄 요약

    • AI가 데이터에서 새로운 패턴을 찾는 일과 그 패턴이 실제로 무엇을 하는지 밝히는 일은 서로 다른 연구 단계예요.
    • Anthropic의 분자생물학 연구실 성과를 두고 생물학자들이 ‘발견은 아니다’라고 반박한 핵심도 바로 이 차이였어요.
    • AI 과학 성과는 ‘돌파구냐 실패냐’보다 연구 단계, 사람의 역할, 선행 연구와 크레딧으로 나눠 보는 편이 정확해요.

    에이전트 950개, 작업 시간 21시간. Anthropic이 자체 분자생물학 연구실에서 돌린 Claude 에이전트들의 첫 성과를 공개하면서 앞세운 숫자예요. 연구실 구조 자체는 간단한 편이에요. Claude 에이전트가 어려운 생물학 문제를 읽고 가설을 세우면, 사람 과학자가 그 보고를 받아 실제 실험을 돌리는 식이거든요. 회사는 이 시스템이 ‘발견’을 해냈다고 했어요. 그런데 생물학계에서는 박수보다 반론이 더 많이 나왔고요. 한 회사 홍보 문구가 과했느냐로 끝날 얘기는 아니에요. ‘AI가 과학적 발견을 했다’는 발표는 앞으로도 줄줄이 나올 텐데, 그걸 어떤 잣대로 읽어야 하느냐가 이번 논쟁이 남긴 진짜 질문이니까요.

    후보 서열 찾기와 기능 밝히기는 다른 단계예요

    생물학 연구가 돌파구에 닿기까지의 과정을 단계별로 쪼개 보면, 어디서 말이 엇갈렸는지가 금방 보여요. 과학자들이 생명체의 유전 정보를 해독하면서 쌓아 온 DNA 서열이 수백만 개 규모의 도서관처럼 모여 있다고 상상해 보세요. 첫 단계는 이 도서관을 뒤져 흥미로운 효소를 만드는 특이한 서열을 찾아내는 일이에요. 두 번째는 그 효소가 실제로 무슨 일을 하는지 밝히는 단계. 마지막이 그 효소를 조작해서 쓸모 있는 일을 하게 만드는 단계예요. 이번 논쟁은 정확히 첫 단계와 두 번째 단계 사이, 그 경계선 위에서 벌어졌어요.

    Anthropic 에이전트들이 짚어낸 건 완전히 새로운 서열이 아니었어요. 이미 알려진 효소를 둘러싼 반복 패턴이었고, 회사는 이 패턴이 그동안 목록에 올라 있지 않았다고 설명했어요. 위 단계에 대 보면 첫 단계, 그중에서도 이미 아는 효소 주변을 다시 훑은 작업에 가까워요. 그런데 발표문은 이 패턴이 크리스퍼(CRISPR)로 이어진 발견을 ‘연상시킨다’고 적었어요. 크리스퍼는 과학과 의학을 바꿔 놓은 유전자 편집 기술이죠. 그 이름이 나오는 순간 읽는 사람은 대단한 게 나왔다고 받아들이기 쉬워요. 결과보다 기대를 먼저 건넨 비유였던 셈인데요. ‘발견은 아니다’라는 반박이 유난히 날카로웠던 것도 이 비유가 끌어올린 기대치와 무관해 보이지 않아요.

    해링턴의 반론, ‘패턴 찾기는 쉬운 부분’

    반론의 한가운데에는 생물학자 루커스 해링턴의 게시물이 있었어요. 그는 “이상한 유전자 묶음과 반복 서열을 찾는 건 대개 쉬운 부분이고, 어려운 부분이자 진짜 발견이 나오는 곳은 그 시스템이 실제로 무엇을 하는지 알아내는 일”이라고 썼는데요. 앞에서 나눈 단계로 옮기면 첫 단계와 두 번째 단계 사이에 선을 분명히 그은 거예요. 이 글은 빠르게 퍼졌고, 제약사 일라이 릴리의 회장 겸 CEO까지 공개적으로 지지하고 나섰어요. 에이전트가 실험실의 고된 기초 작업 일부를 도운 건 맞다, 하지만 그걸 발견이라고 부르긴 어렵다. 반론을 한 문장으로 줄이면 이 정도예요.

    크레딧 문제는 또 다른 쪽에서 불거졌어요. 코펜하겐대 생물학자 마리오 로드리게스 메스트레가 자기 연구팀이 바로 이 패턴을 이미 찾아냈다고 밝힌 건데, 이 주장이 알려진 건 뉴욕타임스를 통해서였어요. 메스트레는 평소 연구하면서 Claude와 대화를 자주 나눠 왔다고 해요. 그러니 Anthropic 팀이 자기 대화에서 뭔가를 배운 건 아니냐는 의문이 나올 법했죠. Anthropic은 이를 부인했어요. 메스트레는 그와 상관없이 Claude 사용을 전부 중단하겠다고 했고요.

    메스트레 건을 떼어 놓고 봐도 남는 문제가 있어요. AI가 사람 눈만으로는 알아보기 힘든 패턴을 방대한 생물학 데이터에서 찾아냈다면, 그 자체로는 인상적인 일이 맞아요. 그렇다고 그 결과가 곧 과학의 돌파구가 되는 건 아니에요. AI 입장에서 새로운 성과가 생물학자에게는 흔한 일이거나, 예상 가능한 결과거나, 파급력이 크지 않은 결과일 가능성이 있거든요. 누구 눈높이에서 새로운지에 따라 같은 결과의 무게가 완전히 달라지는 거죠.

    OpenAI ‘100만 달러짜리’ 수학 난제에서도 골대가 옮겨졌어요

    비슷한 장면은 수학에서도 나왔어요. OpenAI가 자사 에이전트들이 ‘100만 달러짜리’ 수학 난제를 풀었다고 발표하자, AI에 회의적인 사람들 사이에서 그게 정말 중요한 문제였느냐고 묻는 글이 널리 공유됐어요. 짚고 넘어갈 점이 있는데요, 이 글은 OpenAI의 풀이가 틀렸다고 주장하지 않았어요. 해당 결과가 수학자들이 가장 관심을 두는 문제는 아닐 수도 있다는 지적이었죠. 그 와중에 한 수학자가 모델이 자기 연구를 출처 표시 없이 썼을 가능성을 제기했고요. 그러고 나니 사람들 머릿속에는 ‘OpenAI가 반칙을 했다’거나 ‘풀이가 별로 중요하지 않다’, 혹은 둘 다라는 인상만 남았어요. 풀이가 틀렸다고 한 사람은 없는데 평가는 깎여 나간, 좀 묘한 결말.

    두 사례를 나란히 놓아 보면 논쟁의 뼈대가 꽤 닮았어요. 성과 발표, 중요도에 대한 반론, 크레딧 논란이 거의 같은 순서로 이어지거든요.

    구분 Anthropic 분자생물학 연구실 OpenAI 수학 난제
    회사가 내세운 성과 에이전트 950개가 21시간 동안 작업해 알려진 효소 주변에서 목록에 없던 반복 패턴을 짚어냄 자사 에이전트들이 ‘100만 달러짜리’ 수학 난제를 풀었다고 발표
    핵심 반론 패턴 찾기는 쉬운 부분이고, 기능을 밝히는 일이 진짜 발견이라는 지적 풀이가 틀린 게 아니라, 수학자들이 가장 중요하게 보는 문제가 아닐 수 있다는 지적
    크레딧 논란 코펜하겐대 연구팀이 같은 패턴을 이미 찾았다고 주장, Anthropic은 대화 학습 의혹 부인 한 수학자가 모델이 자기 연구를 출처 표시 없이 썼을 수 있다고 문제 제기
    남은 인상 발표문의 크리스퍼 비유가 만든 기대와 ‘발견 아님’이라는 반박이 충돌 ‘반칙’ 또는 ‘중요하지 않은 결과’라는 양극단 해석

    ‘AI가 발견했다’는 발표를 쪼개 읽는 다섯 가지 기준

    ‘AI가 발견했다’는 발표가 나올 때마다 믿을지 말지부터 고민하면 금방 지쳐요. 아래 기준으로 쪼개서 보는 편이 훨씬 덜 헷갈리고요.

    1. 연구 단계 어디까지 갔나 — 후보를 찾은 건지, 그 후보가 무엇을 하는지 밝힌 건지, 실제로 쓸모 있게 조작까지 해 본 건지 가르세요. Anthropic 사례에서 비판이 몰린 곳도 딱 첫 단계와 둘째 단계 사이였어요.
    2. AI에게 새로운가, 분야에 새로운가 — 데이터 더미에서 패턴을 뽑아낸 건 AI 능력으로 보면 눈에 띄는 일이 맞아요. 그 분야 연구자 눈에도 새롭고 중요한지는 따로 따져야 할 질문이고요.
    3. 사람은 어디서 개입했나 — 방향은 누가 잡았고 실험은 누가 했는지 보세요. Anthropic 연구실만 해도 실험은 사람 과학자 몫이에요. 새로운 지식은 대개 협업과, 계속 늘어나는 도구들 사이에서 나와요. 그래서 AI를 현미경이나 슈퍼컴퓨터 같은 도구로 보는 관점이 과학이 실제로 굴러가는 방식에 더 잘 맞는다는 시각도 있어요.
    4. 선행 연구와 크레딧은 확인됐나 — 이미 누가 같은 걸 찾았는지, 모델이 다른 연구자의 작업을 출처 없이 가져다 쓴 건 아닌지. 생물학 사례와 수학 사례에서 똑같이 쟁점이 된 부분이에요. 독립적인 확인이 나오기 전까지는 판단을 잠시 미뤄 두는 게 안전해요.
    5. 비유와 수식어를 걷어내면 무엇이 남나 — ‘크리스퍼를 연상시킨다’ 같은 표현이 전하는 건 결과가 아니라 기대예요. 수식어를 다 지우고 ‘무엇을, 얼마나 많은 후보 중에서, 어떻게 확인했나’만 남겨 보세요. 성과의 실제 크기가 그제야 보여요.

    이런 기준을 굳이 챙기는 데는 이유가 있어요. ‘돌파구 아니면 실패’라는 이분법이 진짜 진전까지 가려 버리거든요. 이 논쟁을 다룬 분석 글은 20만 개 후보를 살펴볼 만한 몇 개로 추려낸 작업을 결코 작지 않은, 정당한 과학 작업이라고 평가해요. 사람이 방향을 잡아 주고 실험도 사람이 돌렸다는 점을 감안해도, 범용 챗봇이 그 일을 해냈다는 것 자체는 주목할 만하다는 거죠. 평가 기준이 ‘Claude가 스스로 발견했느냐’ 하나로 좁혀지면 사정이 달라져요. 이런 성과가 전부 찬반 논쟁의 증거로만 소비되니까요. 반대쪽 함정도 있어요. AI가 정말 성과를 낸 것처럼 보일 때 ‘그게 중요한 문제였냐’며 골대를 옮기고 싶어지는 유혹. AI 회사들이 자기 시스템을 과학자가 쓰는 도구가 아니라 스스로 발견하는 주체로 내세우는 한, 이 악순환은 되풀이될 가능성이 커 보여요. 개인적으로는 ‘20만 개 후보를 몇 개로 좁혔다’는 설명이 크리스퍼 비유보다 훨씬 단단한 홍보 문구가 됐을 거라고 봐요. 반박할 틈이 적은 문장이니까요.

    국내 연구자는 챗봇 학습 설정을, 뉴스 독자는 ‘발견’ 제목을 다시 볼 때

    한국에서 이 논쟁을 지켜보는 사람에게 실제로 달라지는 건 두 가지 정도로 보여요.

    첫째, 연구에 챗봇을 쓰는 사람의 데이터 관리. 메스트레의 의혹은 Anthropic이 부인했고, 사실로 확인된 적도 없어요. 그래도 연구자가 이 문제 하나로 도구를 끊어 버린 사례가 나왔다는 건 가볍게 넘길 일이 아니에요. 아직 발표하지 않은 아이디어나 데이터를 챗봇에 넣고 있다면, 그 대화가 모델 개선에 쓰이는지부터 확인해 두세요. Claude 웹·앱 기준으로는 설정 → 개인정보 보호(Privacy)로 들어가 ‘Claude 개선에 도움 주기(Help improve Claude)’ 항목을 보면 되는데, 이 항목의 한국어 표기는 확실하지 않아요. 앱 버전에 따라 표기가 조금씩 바뀌기도 해서 영어 이름을 같이 기억해 두면 찾기 편하고요. 다른 챗봇을 쓴다면 설정에서 ‘데이터’나 ‘개인정보’ 항목부터 열어 보세요. 대학이나 연구기관이 계약한 계정은 사정이 좀 달라요. 개인 설정보다 기관 이용 조건이 먼저 적용되는 경우가 있어서, 담당 부서에 한 번 물어보는 편이 확실하거든요. 하나 더. 우선권 다툼이 붙으면 기댈 곳은 결국 기록이에요. 챗봇과 주고받은 아이디어도 연구 노트에 날짜와 함께 남겨 두면, 나중에 누가 먼저였는지 설명할 근거가 돼요.

    둘째는 뉴스를 읽는 방식이에요. 해외 AI 기업의 과학 성과 발표가 국내 기사로 옮겨질 때 ‘발견’, ‘돌파구’ 같은 단어가 제목에 그대로 실리는 경우가 많은 편으로 보여요. 다만 이건 따로 집계한 게 아니라 개인적인 관찰에 가까운 추정이에요. 그런 제목을 만나면 위 다섯 가지 기준 가운데 연구 단계와 선행 연구, 이 두 개만 먼저 확인해도 과장된 부분이 상당히 걸러져요. 국내 대학이나 연구기관에서 AI를 활용한 연구 성과를 평가할 때도 ‘AI가 한 일’과 ‘사람이 한 일’을 어떻게 나눠 적을지가 비슷한 질문으로 떠오르지 않을까 싶은데요. 이것 역시 추측이라는 점은 밝혀 둘게요.

    확인된 것과 아직 불확실한 것

    확인된 것

    • Anthropic은 Claude 에이전트가 생물학 문제를 읽고 추론하면 사람 과학자가 실험하는 분자생물학 연구실을 운영한다고 밝혔어요.
    • 에이전트 950개가 21시간 동안 작업해 찾은 건 새로운 서열이 아니라, 알려진 효소 주변의 반복 패턴이에요. 회사는 이 패턴이 목록에 없던 것이라고 설명했어요.
    • 이를 비판한 해링턴의 게시물에 일라이 릴리 회장 겸 CEO가 지지를 표했어요.
    • 메스트레는 자기 팀이 같은 패턴을 먼저 찾았다고 주장했고, Anthropic은 대화 학습 의혹을 부인했어요. 메스트레는 Claude 사용을 중단하겠다고 했어요.
    • OpenAI 수학 성과를 비판한 글은 풀이가 틀렸다고 주장하지 않았어요.

    아직 불확실한 것

    • Anthropic 에이전트가 짚은 반복 패턴이 실제로 어떤 기능을 하는지
    • 메스트레 팀의 선행 발견이 Anthropic 결과와 정확히 같은 것인지, 우선권이 어떻게 정리될지
    • 메스트레의 대화 내용이 연구에 쓰였다는 의혹의 사실 여부
    • OpenAI가 푼 수학 문제가 수학계에서 얼마나 중요한 결과로 평가받을지
    • 한 수학자가 제기한 출처 누락 문제가 어떻게 결론 날지

    해링턴의 제안, 기준은 진짜 발견이 나오기 전에 올려 둬야

    해링턴은 비판 글 끝에 제안을 하나 덧붙였어요. AI 회사들이 지금 기준을 높게 세워 둬야, 나중에 AI가 정말로 근본적으로 새로운 생물학적 메커니즘을 발견했을 때 모두가 그게 얼마나 큰일인지 제대로 알아본다는 거예요. 뒤집어 읽으면 경고에 가까워요. 기준을 낮게 잡고 매번 ‘발견’을 외치다 보면, 진짜 발견이 나왔을 때 오히려 믿음을 얻지 못한다는.

    걸리는 건 회사 쪽에 이 제안을 받아들일 동기가 별로 없어 보인다는 점이에요. OpenAI의 샘 올트먼과 Anthropic의 다리오 아모데이가 서로 한발 앞서려고 경쟁하는 구도에서, AI 과학 성과의 기준을 스스로 높이는 일은 우선순위에서 밀리기 쉽거든요. 기준을 세우는 몫은 읽는 쪽에도 남아 있는 셈이에요. 다음에 ‘AI가 발견했다’는 제목을 보면 발견이라는 단어에 반응하기 전에 세 가지만 물어보세요. 어느 단계까지 갔나. 누구와 함께 했나. 누구보다 먼저였나. 이 세 질문에 답이 나오는 성과라면, 붙은 이름표가 발견이든 아니든 충분히 의미 있는 진전일 거예요.

    출처: MIT Tech Review AI

    관련 기사

  • AI 에이전트 완전정복 — 챗봇과 뭐가 다르고, 어떻게 써야 하나

    AI 에이전트 완전정복 — 챗봇과 뭐가 다르고, 어떻게 써야 하나

    회사 슬랙에 “Alex가 팀에 합류했습니다”라는 공지가 떴다. 인사팀이 아니다. 신입도 아니다. AI 에이전트다. 이름이 있고, 업무 범위도 있고, 채널에 초대도 됐다. 솔직히 이쯤 되면 헷갈린다. 챗봇이랑 뭐가 다른 건지, 어디까지 믿어야 되는 건지, 어떻게 써야 제대로 쓰는 건지.

    챗봇과 뭐가 다른가 — 한 줄로 정리하면

    핵심은 ‘자율성’이다. 챗봇은 질문 받고 답한다. 거기서 끝. 반면 AI 에이전트는 목표를 주면 스스로 계획 세우고, 도구 꺼내 쓰고, 결과 확인하고, 다음 단계까지 알아서 결정한다.

    “이번 달 경쟁사 가격 조사해줘”라는 지시 하나로 비교해보면 차이가 확 온다:

    • 챗봇: 어떻게 조사하면 되는지 방법을 알려준다
    • AI 에이전트: 웹 직접 뒤지고, 데이터 긁어오고, 스프레드시트 정리에 보고서까지 만든다

    구조적으로는 LLM(대형 언어 모델)에 도구 사용 능력(Tool Use)과 반복 실행 루프(ReAct 방식 등)를 얹은 형태다. 챗봇이 ‘대화 엔진’이라면, 에이전트는 ‘자율 실행 시스템’에 가깝다. 이 차이가 생각보다 크다.

    실제로 뭘 처리하나

    범위가 생각보다 넓다. 현재 AI 에이전트가 다루는 작업들:

    • 웹 검색 및 실시간 정보 수집
    • 코드 작성 및 직접 실행
    • 이메일·캘린더·문서 자동 관리
    • 외부 API 호출 및 데이터 가공
    • 파일 읽기·쓰기·분류·요약
    • 여러 단계로 이어지는 복합 업무 자동화

    Anthropic의 Claude는 컴퓨터 화면을 직접 보면서 마우스와 키보드까지 조작하는 ‘Computer Use’ 기능을 내놨다. OpenAI의 Operator는 브라우저를 에이전트가 직접 조작해서 예약·쇼핑·양식 작성을 처리한다. n8n이나 Make 같은 자동화 툴과 연결하면 수십 개 앱을 엮은 복잡한 워크플로우도 가능하다. 이쯤 되면 ‘도구’라는 말이 좀 부족하게 느껴지긴 한다.

    ‘AI 동료’라는 말이 위험한 이유

    기업들이 AI 에이전트에 이름을 붙이고 “디지털 동료”, “AI 팀원”으로 부르기 시작했다. 이해는 한다. 슬랙에 올라오고 메일도 보내니까. 근데 이 표현이 생각보다 큰 오해를 만든다.

    첫째, 에이전트는 책임지지 않는다. 잘못된 보고서 만들어도, 실수로 파일 날려도 사과 안 한다. 결과 책임은 여전히 사람한테 있다.

    둘째, 맥락 이해에 한계가 있다. 회사의 암묵적 문화, 동료 사이 역학, 팀 내 분위기 같은 건 에이전트가 파악하기 어렵다. “이 메일은 CC에 팀장 빼는 게 낫겠어”라는 판단은 아직 사람만 할 수 있다.

    셋째, 과신이 실수를 부른다. 동료처럼 느껴지면 검증을 건너뛰게 된다. 솔직히 이 부분이 가장 우려스럽다. 사람이라면 “잘 모르겠는데요”라고 하지만, 에이전트는 모를 때도 당당하다. 자신 있게 틀린 정보를 내놓는 건 현재 LLM의 고질적인 특성이다. AI 에이전트 출력물은 반드시 확인해야 한다.

    제대로 쓰는 법 — 잘 활용하는 팀의 공통점

    결국 핵심은 ‘강력한 도구’로 대하는 태도다. 전동 드릴이 강력해도 설계를 드릴한테 맡기지 않듯, 에이전트가 강력하다고 판단을 위임하면 안 된다.

    실제로 잘 쓰는 팀들이 하는 것들:

    • 지시를 구체적으로 작성한다. “마케팅 자료 만들어줘”보다 “경쟁사 A·B·C의 가격 페이지를 비교해서 3개 항목으로 요약한 표를 만들어줘”가 훨씬 낫다
    • 반복적이고 정형화된 업무부터 넣는다. 판단이 필요한 작업보다 룰이 명확한 작업부터. 이게 안전하다
    • 중간 결과를 반드시 본다. 최종 산출물만 보지 말고, 에이전트가 어떤 단계를 거쳤는지 확인하는 습관이 필요하다
    • 접근 권한을 최소화한다. 불필요한 권한을 주면 예상치 못한 사고로 이어진다

    툴 비교 — 뭘 골라야 하나

    목적에 따라 달라진다. 대표적인 선택지들:

    • Claude (Anthropic): 코딩, 문서 분석, 컴퓨터 직접 조작. 복잡한 멀티스텝 작업과 긴 문서 처리에 강하다
    • ChatGPT + GPT Actions: 외부 서비스 API 연동, 플러그인 생태계가 풍부하다. 범용 업무에 무난한 선택
    • Gemini (Google): Gmail, Docs, Drive 연동에 최적화돼 있다. 구글 워크스페이스 사용자라면 진입장벽이 낮다
    • n8n / Make: 코드 없이 AI 에이전트 워크플로우 구성 가능. 중소기업이나 비개발자에게 실용적이다
    • CrewAI / AutoGPT: 여러 에이전트를 팀처럼 구성해서 협력 실행. 개발자 친화적이고 복잡한 파이프라인 구축에 맞다

    뭘 고르든, 처음부터 큰 작업을 맡기기보다 작은 단위 테스트로 신뢰를 쌓아가는 게 현실적이다. 이건 어느 툴이나 마찬가지다.

    도입 전 반드시 체크할 것들

    도구가 좋다고 무작정 들이면 오히려 독이 된다. 조직에 AI 에이전트를 넣기 전에 확인해야 할 것들:

    • 에이전트가 접근할 수 있는 데이터 범위를 명확히 정했는가
    • 에이전트 출력물을 최종 검토할 담당자가 지정돼 있는가
    • 외부로 데이터를 전송하지 않는지 확인했는가 (사내 보안 정책과의 충돌 여부)
    • API 호출 기반 서비스라면 사용량에 따른 비용 급증 시나리오를 검토했는가
    • 에이전트가 실수했을 때 롤백하거나 수정할 프로세스가 마련돼 있는가

    AI 에이전트는 업무 방식을 바꿀 기술이다. 이건 맞다. 다만 그 변화를 제대로 이끌려면 도구를 이해하고, 한계를 직시하고, 인간의 판단이 어디서 들어가야 하는지 먼저 설계해야 한다. ‘동료’가 아니라 ‘강력한 도구’로 대할 때, 에이전트는 진짜 힘을 발휘한다.

    출처: MIT Tech Review AI

    관련 기사

  • 2026 한국인을 위한 AI 챗봇 실전 비교: ChatGPT, 클로드, 제미니 한국어 50개 질문 테스트

    2026 한국인을 위한 AI 챗봇 실전 비교: ChatGPT, 클로드, 제미니 한국어 50개 질문 테스트

    매달 구독료 청구서가 세 장이다. ChatGPT Plus, Claude Pro, Gemini Advanced — 합치면 6만 원이 훌쩍 넘는다. 2023년 말 ChatGPT를 처음 쓰기 시작할 때만 해도 이렇게 될 줄은 몰랐는데. 결제할 때마다 ‘세 개 다 필요한 게 맞나?’라는 생각이 어김없이 든다.

    그래서 지난 두 달 동안 직접 테스트를 해봤다. 한국 독자 입장에서 실제로 궁금해하는 질문 50개를 정해놓고, 세 서비스에 똑같이 던졌다. 해외 테크 블로그처럼 영어 성능 위주가 아니다. ‘종합소득세 신고할 때 뭐가 공제되는지’, ‘전세금 반환 안 해주면 어떻게 하는지’ — 이런 질문들이다. 영어권 벤치마크로는 절대 안 잡히는 것들.

    테스트 환경과 기준

    2026년 4월 기준, 각 서비스 최신 모델 기준이다. ChatGPT는 GPT-5, Claude는 Claude Opus 4.6, Gemini는 Gemini 2.5 Pro. 전부 유료 구독 기준이고, 무료 버전과는 차이가 있다.

    50개 질문은 5개 카테고리로 나눴다.

    • 한국어 자연스러움 — 문체, 경어 처리, 일상 대화 10문항
    • 한국 법률/세무 — 실제 생활에서 많이 찾는 법률 10문항
    • 번역 품질 — 영한/한영 양방향 10문항
    • 한국 문화/역사 — 조선사, K-콘텐츠, 한국식 관용 표현 10문항
    • 코딩 + 한국어 주석 — 한국어 변수명과 주석이 필요한 실무 상황 10문항

    채점은 직접 했다. 세 서비스 답변을 라벨 없이 섞어서 ‘어느 게 더 정확한가’, ‘어느 게 더 자연스러운가’를 기록했다. 객관적인 벤치마크가 아니라 실사용 관점 평가다. 이 점은 미리 밝혀둔다.

    한국어 자연스러움: 반말에 반말로 받아치는 AI는 하나뿐

    가장 먼저 눈에 띈 차이는 말투였다. ‘친구 결혼식인데 뭐 입고 가?’라고 반말로 던졌을 때, Claude는 ‘결혼식이면 너무 화려한 건 피하고’로 자연스럽게 받아쳤다. ChatGPT는 존댓말로 돌아서고(‘결혼식 하객 스타일은…’), Gemini는 어정쩡하게 ‘~해요’체로 답했다.

    존댓말로 물으면 셋 다 존댓말로 답한다. 차이는 반말 질문에 말투를 맞춰주느냐는 거다.

    테스트 항목 ChatGPT Claude Gemini
    반말 질문에 반말 답변 2/10 8/10 3/10
    경어 단계 유지 9/10 10/10 8/10
    자연스러운 어미 변화 7/10 9/10 6/10
    신조어/줄임말 이해 6/10 8/10 7/10
    지역 방언 인식 5/10 6/10 5/10

    Claude가 한국어 자연스러움에서 확실히 앞섰다. ‘~거든요’, ‘~잖아요’ 같은 어미 뉘앙스를 가장 잘 살린다. ChatGPT는 번역투가 자주 보인다. ‘흥미로운 질문입니다’로 시작하는 영어식 리드가 대표적이다. Gemini는 빠르고 안정적인데 개성이 좀 약하다.

    ‘ㅇㅋ’, ‘ㄱㅅ’, ‘ㅈㅅ’ 같은 초성체는 셋 다 이해한다. 그런데 ‘갑분싸’, ‘낄끼빠빠’ 같은 신조어에서는 Claude만 맥락을 정확히 잡아냈다. 나머지 둘은 뜻은 알아도 답변에 어색하게 섞어냈다.

    한국 법률과 세무: 이 부분에서 점수가 갈렸다

    가장 꼼꼼히 들여다본 영역이다. 한국에 사는 사람이라면 누구나 한 번쯤 부딪히는 질문들이거든. 종합소득세 신고, 전세 계약, 상속세, 증여세, 건강보험료 피부양자 자격 같은 것들.

    ‘프리랜서 종합소득세 신고할 때 경비 처리 가능한 항목이 뭐야?’라고 물었다. 셋 다 기본 항목(사업장 임차료, 소모품비, 통신비 등)은 맞게 댔다. 차이는 세부사항에서 났다.

    • ChatGPT — 항목 나열 후 ‘자세한 건 세무사에게 문의하라’는 식으로 마무리. 홈택스 간편장부 대상자 여부는 언급 없음.
    • Claude — 기준경비율 대상자와 단순경비율 대상자 구분부터 설명. 수입금액 2,400만 원/7,500만 원 경계선까지 정확히 언급했고, 추정소득률 표까지 짚어줬다.
    • Gemini — 항목은 상세했는데 ‘2024년 기준’이라고 잘못된 날짜를 붙여서 답변. 2026년 변경 사항 반영이 부족했다.

    전세 계약 질문도 비슷한 양상이었다. ‘전세 보증금 반환 못 받으면 어떻게 하는지’를 물었을 때, Claude는 임차권등기명령 → 지급명령 → 강제집행 순서를 구체적으로 설명했다. 주택도시보증공사(HUG) 전세보증보험 청구 절차까지. ChatGPT는 ‘변호사 상담’을 먼저 권하는 경향이 강했다.

    법률/세무 카테고리 ChatGPT Claude Gemini
    종합소득세 (3문항) 2.3/3 2.8/3 2.1/3
    부동산 계약 (3문항) 2.0/3 2.9/3 1.9/3
    상속/증여 (2문항) 1.5/2 1.8/2 1.3/2
    4대 보험 (2문항) 1.7/2 1.9/2 1.6/2
    총점 7.5/10 9.4/10 6.9/10

    단, 어떤 AI든 법률 상담을 완전히 대체할 순 없다. 나도 실제 세무 처리는 세무사에게 확인받는다. AI는 ‘질문할 용어’를 정리하거나 ‘기본 개념을 이해’하는 데 쓰는 게 맞다. 그 이상을 기대하면 위험하다.

    번역 품질: 관용표현 하나에서 갈렸다

    영어 → 한국어, 한국어 → 영어 각각 10문장씩 테스트했다. 단순 직역이 아니라 맥락과 뉘앙스를 얼마나 살리는지를 봤다.

    인상적이었던 문장이 하나 있다. ‘He’s the kind of guy who’d give you the shirt off his back.’ 직역하면 ‘셔츠를 벗어줄 사람’이 되는데, 실제로는 ‘너무 마음씨 좋은 사람’이라는 뜻이다.

    • ChatGPT: ‘그는 자기 옷까지 벗어줄 만큼 착한 사람이에요.’ (직역 + 설명)
    • Claude: ‘남 도와주는 거라면 자기 옷까지 벗어줄 사람이에요.’ (자연스러운 의역)
    • Gemini: ‘그는 남을 위해 셔츠까지 벗어줄 수 있는 그런 사람입니다.’ (어색한 직역)

    한국어 → 영어 번역에서는 존댓말 처리가 핵심이었다. ‘바쁘신 와중에 시간 내주셔서 정말 감사드립니다’라는 비즈니스 이메일 문장을 번역했을 때, Claude만 ‘Thank you very much for taking the time to meet with me despite your busy schedule’로 비즈니스 톤을 정확히 살렸다. ChatGPT는 ‘Thank you for making time in your busy schedule’로 짧게 처리했고, Gemini는 ‘Thank you so much for taking the time out of your busy day’로 약간 캐주얼하게 나왔다.

    한국 문화와 역사: 의외로 Gemini가 강했다

    이 부분에서 예상 밖의 결과가 나왔다. ‘조선시대 암행어사 제도와 현대 감사원의 차이’, ‘BTS 이전과 이후 K팝 산업의 구조적 변화’, ‘한국 전통 음식 중 외국인에게 가장 설명하기 어려운 요리’ 같은 질문들이었다.

    역사 사실 관계에서는 Gemini가 가장 정확했다. 조선왕조실록 기반 사실들을 잘 기억하고 있었다. Google 검색 데이터 학습 덕분인지는 모르겠지만, 어쨌든 틀린 게 가장 적었다.

    Claude는 ‘문화적 뉘앙스’ 설명에서 빛났다. 청국장의 발효 개념을 서양의 블루치즈와 비교하면서 풀어내는 방식이 자연스러웠다. 외국인에게 한국 음식을 소개할 때 쓸 만한 표현들이 많이 나왔다.

    ChatGPT는 중간이었다. 정보량은 풍부한데 가끔 특정 왕의 재위 기간이나 사건 연도를 틀리는 경우가 있었다. ‘세종대왕이 집현전을 만들었다’ 같은 흔한 오류는 아니지만, 세부 연도에서 실수가 보였다.

    코딩: 한국어 주석 품질이 갈랐다

    코딩 실력 자체는 셋 다 훌륭하다. 파이썬이나 자바스크립트 기본 문제는 거의 차이가 없다. 차이는 ‘한국어 주석’에서 드러났다.

    ‘한국 주민등록번호 검증 함수를 만들어줘. 주석은 한국어로’라고 했을 때, 셋 다 코드는 만들어냈다. 그런데 주석 품질이 달랐다. Claude와 Gemini는 체크섬 계산 로직을 한국어로 정확히 설명했다. ChatGPT는 ‘주민번호 형식 검증’ 정도의 개괄적인 주석만 달았다. 한국 실무 개발자 입장에서는 Claude나 Gemini가 더 쓸 만하다.

    결국 어느 걸 써야 하나

    두 달 테스트 후 ChatGPT 구독을 해지했다. 대신 Claude와 Gemini 두 개만 남겼다. ChatGPT가 못해서가 아니다. Claude가 한국어 작업에서 확실히 앞서고, Gemini는 Google 생태계 연동(Gmail, 캘린더, 문서)에서 독보적이기 때문이다.

    일상적인 한국어 대화와 글쓰기라면 Claude를 추천한다. 블로그 초안, 이메일 번역, 보고서 요약에서 가장 자연스러운 결과물이 나온다. 월 29달러가 아깝지 않다.

    Google Workspace를 쓰는 직장인이라면 Gemini Advanced가 맞다. Gmail 초안 작성, Google 문서 요약, 캘린더 일정 관리가 하나로 묶인다. Gemini 2.5부터 한국어 품질도 크게 올라왔다.

    이미지 생성과 음성 모드가 중요하다면 ChatGPT Plus가 아직 강하다. DALL-E 3 기반 이미지 생성은 Claude에는 없는 기능이고, 실시간 음성 대화 품질도 가장 좋다.

    한 달 2만 원 이하로 쓰고 싶다면 Claude Pro 하나만 추천한다. 가장 다재다능하고 한국어 작업에서 실수가 적다.

    자주 묻는 질문

    Q1. 무료 버전만으로 충분할까?
    간단한 번역이나 요약이라면 충분하다. 긴 문서 처리, 파일 업로드, 고급 추론이 필요하면 유료가 필수다. 한 달에 30~40번 이상 쓴다면 유료 플랜이 시간 대비 가치가 확실히 높다.

    Q2. 한국어 음성 대화가 가장 자연스러운 서비스는?
    ChatGPT Plus 고급 음성 모드가 가장 자연스럽다. 한국어 억양과 톤까지 자연스럽게 구현한다. Claude는 음성 모드를 공식 지원하지 않고, Gemini는 ChatGPT보다 한 단계 떨어진다.

    Q3. 개인정보 보호 측면에서 가장 안전한 AI는?
    Claude(Anthropic)가 학습 데이터 사용 정책에서 가장 명확하다. 기본적으로 사용자 대화를 학습에 쓰지 않는다. ChatGPT는 설정에서 ‘대화 기록 끄기’를 선택해야 학습 제외가 된다. Gemini는 Google 계정 정책에 따라 달라지므로 개인정보 설정을 직접 확인해야 한다.

    Q4. 한국어 이미지 생성이 가장 좋은 AI는?
    ChatGPT의 DALL-E 3가 한국어 프롬프트를 가장 잘 이해한다. Gemini의 Imagen도 빠르지만 한글 텍스트 렌더링에서 오류가 자주 발생한다. Claude는 이미지 생성을 지원하지 않는다.

    Q5. 비즈니스용으로 가장 적합한 AI는?
    Claude Opus가 문서 작업 정확도에서 앞서고, Gemini는 Google Workspace 연동에서 앞서고, ChatGPT는 플러그인 생태계가 가장 넓다. 업무 스타일에 따라 다른데, 블로그나 보고서 중심이라면 Claude, Gmail을 많이 쓴다면 Gemini 쪽이 낫다.

    Q6. API로 자동화할 때 비용이 가장 저렴한 건?
    2026년 4월 기준, 입력 토큰 대비 비용은 Gemini 2.5 Flash가 가장 저렴하다. Claude Haiku도 비슷한 수준인데 Gemini Flash가 약간 더 싸다. 고품질 작업이라면 Claude Sonnet가 가성비가 좋고, 최고 품질은 Claude Opus다.

    Q7. 무료로 가장 성능 좋은 AI는?
    Gemini 무료 버전이 가장 강하다. Gemini 2.5 Flash를 무료로 쓸 수 있고, 하루 사용량도 넉넉한 편이다. Claude는 무료 버전 제한이 상대적으로 빡빡하다.

    세 개 다 써본 사람의 솔직한 결론

    한국어 AI 챗봇 시장은 이제 ‘하나만 쓰면 되는’ 단계를 지났다. 각 서비스가 강점 분야를 확실히 나눠 갖기 시작했다. 한국어 글쓰기와 법률/세무는 Claude, Google 생태계와 무료 활용은 Gemini, 이미지와 음성은 ChatGPT. 작업 성격이 다양하다면 두 개 조합이 합리적이고, 한두 가지 용도로만 쓴다면 해당 분야 선두 주자만 골라도 충분하다.

    결제 전에 먼저 정리해볼 게 있다. ‘내가 실제로 어떤 작업에 AI를 쓰는지’다. 유료 플랜 세 개를 다 써본 사람으로서 드리는 솔직한 조언이다. 한 달 무료 체험을 꼭 활용해서 직접 비교해보길 권한다.