물리 세계·현실 영향
기록 88개 · 정리 노트 16개 · 관련 축으로 붙은 기록도 함께 보여요.
화면 밖으로 나온 AI가 실제로 만든 결과
로봇과 자율주행처럼 물리적으로 움직이는 시스템, 공장과 병원과 학교에 들어간 도입 사례, 그리고 일자리와 사고처럼 사람에게 닿은 영향을 모으는 축이에요. 시연 하나와 실제 운영은 다르기 때문에, 가능한 한 기간·규모·조건이 적힌 기록을 고릅니다. 기대와 실제 사이의 간격이 가장 잘 보이는 자리예요.
업무 자동화를 외부 도움 없이 1년간 직접 밀어붙인 사람이 그 과정을 세 단계로 정리한 기록이다. 첫 단계는 모으기로, 메일·통화·회의·문서 파일·사내 시스템 데이터 다섯 갈래를 한곳에 쌓는 일이다. 이때 분류 기준을 정하는 데에만 사람이 몇 시간을 들이고 분류 자체는 AI에게 맡기며, 사내 자료를 넣기 전에 보안 정책과 개인정보 가림을 먼저 확인한다. 둘째는 말하기로, 매뉴얼을 문서로 쓰는
교사의 교육적 판단을 지키는 것을 전제로 내세웠고, 스승의 날에 맞춰 ChatGPT의 학습 모드(Study)를 수업에 쓰는 방법을 함께 안내했다. 이용자 수나 효과를 보여 주는 수치는 내지 않았다
상용 프런티어 모델 전부를 요금제 한도 안에서 쓸 수 있게 해, 대학 연구실을 둘러싼 랩 사이의 무료 좌석 경쟁이 이어짐
컴퓨터를 전공하지 않은 치과 원장이 환자 정보를 병원 밖으로 내보내지 않는다는 원칙 하나로 내부에 AI 서버를 세운 사례다. 전화 응대와 받아쓰기·요약, 보험 지급 내역 대사, 원내 안내 방송, 월간 경영 보고를 자동화했고, 서류 904개·3,389쪽을 69분에 읽어 6,928줄 중 77%를 자동 확정했다고 본인이 밝혔다. 직원은 남은 23%만 보면 되고, 두 AI의 판정이 엇갈린 건부터 사
자사 측정 체화 추론 벤치마크 ERQA 87%. 실제 탁자 사진 한 장에서 MuJoCo 시뮬레이션 쌍둥이를 스스로 만들고 4,500개 이상 에피소드를 모아 실제 로봇 성공률을 56%에서 75%로, 완료 시간을 35초에서 24초로 줄였다고 밝힘. 범용 모델이 로봇 데이터 라벨링·가치 함수·시뮬레이션 구축까지 맡는 흐름
피지컬 AI 연구자가 로봇이 커피 한 잔을 만들기까지 필요한 단계를 풀어 설명한 대담이다. 보고, 지시를 이해하고, 팔을 얼마나 뻗어 어느 세기로 잡을지 행동하는 세 가지를 잇는 모델을 비전-언어-행동 모델이라고 부른다. 행동하기 전에 결과를 머릿속으로 미리 돌려 보는 월드 모델이 있으면 더 효율적이고 안전하게 움직일 수 있다. 단계마다 성공률이 90%여도 열 단계면 전체 성공률이 약 35%
2025년 12월 DOE·Genesis Mission 협력 발표의 후속. 국립 연구소 과학자에게 Claude를 보급해 온 데 이어 연방 과학 기관 전반으로 범위를 키운 공공 과학 투자
창립 파트너는 Accenture·Booz Allen·CrowdStrike·Deloitte·Dragos·Hitachi·Insane Cyber·Nozomi Networks·Palo Alto Networks·PwC·Rockwell Automation. OSS Scanner 보고서는 사람 검토 없이 모델이 만들어 보내며 참양성률 90% 이상을 기대한다고 밝혔고, 2년 뒤에는 AI가 방어 쪽에 유리해
모델 공급사가 인력 자격증을 직접 발급하기 시작했다. 병목이 모델 성능이 아니라 '기업에 깔 수 있는 사람'이라는 진단이고, 자격을 랩이 쥐면 컨설팅사·금융사의 배포 인력이 특정 모델 생태계에 묶인다. 컴퓨트 경제의 경쟁이 칩과 전력에서 숙련 인력으로 번진 지점이다.
규제 산업의 대형 은행이 좌석 수와 처리 건수를 공개한 드문 사례다. 16,000명·하루 12만 건은 '시범'이 아니라 운영 규모이고, 개발자 50%라는 목표치는 코딩 에이전트 도입이 선택에서 계획으로 바뀐 것을 보여 준다. 수치는 모두 양사 발표다.
스마트 안경 열풍을 앞선 가상 공간 붐의 재탕인지 되묻고, 용어가 공간 컴퓨팅으로 갈아입은 경위를 그래프로 추적한 보도 묶음이다. 핵심 인과는 하드웨어가 아니라 모델에 있다고 정리되는데, 같은 안경이 음악과 사진 공유 수준으로 4년을 끌다가 보고 듣는 정보를 함께 처리하는 모델과 실시간 번역이 올라간 2세대에서야 팔리기 시작했다는 것이다. 입력 수단이 승부처로 제시되는 점도 눈에 띄어 손목
AI로 만든 예측 구조를 공용 DB에 통째로 얹어 다음 유행에 대비하는 공공재를 만든 사례다. 팬데믹 대응의 출발점이 '실험으로 구조를 푸는 것'에서 '이미 예측된 구조를 검색하는 것'으로 바뀐다. 예측 구조이며 실험 검증은 별개다
한 대형 모델 기업이 물리 실험실을 직접 차렸다는 소식을 축으로, 논문 요약 보조에서 연구 지원을 거쳐 실험 수행까지 내려온 3년치 흐름이 정리된다. 핵심 논지는 신약 분야 자체가 아니라, 새 산업에서 수익이 증명되면 연산과 메모리 수요가 다시 붙는다는 연결 고리다. 다만 이 논리는 실증에서 사용량 증가로, 다시 설비 증설과 후공정 물량으로 이어지는 네 단계 가정 위에 서 있는데, 첫 단계의
개발자와 기업 쪽에 머물던 에이전트가 일반 소비자를 정면으로 겨냥한 앱으로 나와 단기간에 큰 반응을 얻은 국면이 정리된다. 흥행 요인은 기능보다 접근성으로 설명되는데, 앞선 제품들이 고가 요금제나 개발자용 접점에 묶여 있던 반면 이번에는 대화창에서 바로 쓸 수 있었다는 것이다. 운영 구조로는 사용자마다 격리된 실행 환경을 주고, 밖으로 데이터를 내보내는 길목에 별도 검수 담당을 세우며, 결제
접는 화면을 앞세운 신형 단말 발표를 구시대적이라 규정하고, 경쟁 축이 화면 크기에서 그 화면에서 하던 일 중 몇 개를 넘길 수 있느냐로 옮겼다는 주장이 제시된다. 근거로 묶이는 것은 세 가지인데, 대화에 그치지 않고 웹 창을 열어 양식을 채우며 일을 끝까지 이어 가되 구매나 전송처럼 되돌릴 수 없는 행동에서만 승인을 묻는 에이전트, 성능이 아니라 마주 앉은 사람의 촬영 불안 때문에 안경에서
AI가 문헌을 요약하는 단계에서 '무엇을 볼지 스스로 정하고 이상 패턴을 먼저 알아채는' 단계로 넘어간 사례다. 랩이 습식 실험실을 직접 차려 자기 모델의 발견을 검증하는 구조도 함께 등장했다 — 발견과 검증이 같은 조직 안에서 닫힌다는 뜻이라, 외부 재현이 이 주장의 시험대가 된다. 아직 동료심사를 거치지 않은 프리프린트다
프런티어 모델 도입 사례가 '코드 생성'에서 아키텍처 설계·전략 문서 같은 비코딩 지식노동으로 넘어간 지점을 보여준다. 다만 80% 증가·20회→3~4회는 고객사 임원 발언이고 측정 방법이 공개되지 않아 주장으로 기록한다
모델 성능이 아니라 '보고서를 제때 못 쓰는 것'이 병목인 현장에서 생긴 효과다. 추론 능력보다 서식이 제각각인 문서를 읽어 표로 만드는 능력이 실제 가치를 냈고, 이런 쓰임은 벤치마크에 잡히지 않는다. 수치는 대응기관 집계이고 시간 단축 효과는 Anthropic 측 서술이다
에이전트가 로봇 소프트웨어의 '사용자'로 명시된 첫 주류 릴리스다. 스킬을 사람과 에이전트가 같은 인터페이스로 호출하게 만든 설계는 MCP·Skills 표준화 흐름이 물리 영역으로 건너온 모양이고, 카메라별 인식 모델 미세조정을 에이전트에게 맡기는 부분은 제조 현장의 비전 검사 셋업이 사람 손을 덜 타는 방향을 가리킨다
가속기 공급사가 데이터센터의 전기·열 부품까지 인증 목록을 만들기 시작했다. 병목이 칩에서 전력·냉각으로 내려왔다는 신호이며, 관찰 주제 「AI 전력·데이터센터 물리 제약」이 제품 규격 수준으로 구체화된 사례다. 정량 규격(랙당 kW·전압)은 공개되지 않았다
ChatGPT for Financial Services(09-10)에 이은 두 번째 수직 산업 제품. 범용 모델 위에 도메인 검색·거버넌스를 얹어 파는 패턴이 분기가 아니라 주 단위로 반복되고 있다.
JEPA 계열 예측 아키텍처가 영상에서 벗어나 분자·임상·기상까지 같은 틀로 넘어간 사례. 월드 모델이 '영상 생성'이 아니라 '도메인 무관 상태 예측'으로 정의되는 흐름.
벤더가 제시한 ROI 계산이며 가정이 명시된 예시다 — 사실이 아니라 주장으로 읽어야 한다. 도입 논거가 '능력 시연'에서 '회계 항목'으로 옮겨가는 단계를 보여준다.
광고가 배너가 아니라 '대화 상대'가 된다. 대화형 인터페이스에서 상업적 유인이 어디에 붙는가의 첫 구체적 형태이며, ChatGPT Ads가 연환산 10억 달러 규모(2026-08-31)에 이른 뒤의 다음 수순이다.
핀테크 기업 블록이 실적 악화가 아니라 조직 재설계를 이유로 전 직원의 약 40%를 내보냈다는 사례가 정리된다. 2025년 총이익이 전년 대비 17%, 개인 송금 부문은 33% 늘었는데도 1인당 총이익을 50만 달러에서 200만 달러로 끌어올리겠다는 목표와 함께 최대 다섯 단계인 관리 계층을 2026년 안에 두세 단계로 줄이겠다는 계획이 나왔다. 설계는 기초 역량, 월드 모델, 지능 계층,
자기개선을 벤치마크 점수가 아니라 연구자와의 지속적 협업에서 끌어내려는 설계. 같은 주 ModularRSI·SoL-Pi와 함께 '개선의 대상이 모델에서 작업환경으로 옮겨간' 흐름을 이룬다.
물리 세계로 내려온 자동화를 반도체와 연산 설비, 휴머노이드, 공장 넷으로 따라간 48분 분량 기록의 정리다. 가장 또렷한 구분은 허용 오차인데, 거대 언어 모델은 신뢰도 60~70%에서도 세상에 나왔고 환각이 있어도 피해가 적었지만 움직이는 로봇은 신뢰도가 떨어지면 그 자체가 사고라고 단정된다. 이어 집게손으로는 할 수 없는 일이 현장 작업의 70~80%이고 사람 수준의 다섯 손가락과 손재
국내 최대 정유·석유화학 단지의 한 사업장에서 구성원이 직접 만든 AI 활용 사례가 공개됐다. 가장 눈에 띄는 것은 현장 사진을 올리고 작업 유형을 고르면 방대한 작업 표준·위험성 평가 문서와 대조해 위반 사항을 짚어 주는 안전 점검 도구다. 결함 여부를 판정하는 비전 모델이 아니라 규정을 AI가 들고 있고 사람은 관측만 제공하는 규정 대조형 구조라는 점이 핵심으로 꼽힌다. 시연에서는 붕괴
LLM의 인컨텍스트 학습 패러다임이 로봇 조작으로 이식된 사례로, 로봇 파운데이션 모델이 태스크별 파인튜닝 없는 일반화로 향하고 있음을 보여준다.
AI가 모델·칩을 넘어 제조·물류 운영체계 자체로 들어간 사례이며, 부품 130만 개 규모 공급망 계획이 에이전트 최적화의 실제 대상이 됐다.
프런티어 모델이 범용 어시스턴트를 넘어 규제 산업의 업무 스택으로 수직 통합되는 사례로, 데이터 커넥터와 감사 로그가 모델 성능만큼 중요한 제품 요건이 됐다.
공격 자동화의 임계가 넘어간 지점을 1차 사업자가 수치와 함께 기록한 문서로, AI 공급망(API 키) 자체가 표적이 되기 시작했음을 보여준다.
생성형 렌더링과 상태 관리를 분리하는 설계로, 월드모델이 '그럴듯한 영상'을 넘어 규칙이 강제되는 플레이 가능한 시뮬레이터로 가는 길을 제시한다.
국내 로봇과 물리 세계 자동화 관련 보도 여러 건을 한 지표로 묶어 읽은 정리다. 공통점이 새 시제품 공개가 아니라 판매와 부품 생산, 데이터 수집, 현장 실증, 운영 시스템, 산업 표준이라는 단어가 등장하기 시작한 것이고, 이를 산업화 단계 진입 신호로 보는 해석이 제시된다. 실무로 옮길 대목은 세 가지인데, 물류 포장 공정에 로봇을 넣은 이유를 상품과 상자와 놓인 위치가 매번 달라지는 변
2026년 9월 국내 로봇 관련 소식 일곱 건을 한 흐름으로 묶으면 한국 피지컬 AI가 시연 단계를 지나 판매·부품 증산·데이터 수집·현장 실증이라는 산업화 국면에 들어섰다는 정리가 제시된다. 로보티즈는 11월부터 국산 휴머노이드를 공식 판매하고, 지난해 약 22만 대였던 액추에이터 출하는 올해 상반기 수주잔고 41만 대로 뛰어 고객이 아니라 생산 설비가 병목이 됐다. CJ대한통운 물류센터에
모델 접근이 아니라 모델 산출물 전수를 미리 계산해 공개하는 AlphaFold DB 패턴의 확장. 자사 주장으로 초기 협력자들이 집단연구에서 비코딩 유전 연관을 22% 더 찾아냈다.
월드모델 기반 로봇 정책이 폐쇄형 시스템 경쟁에서 '어떤 설계 요소가 왜 작동하는가'를 검증하는 통제된 과학으로 넘어가는 전환점이다.
인간 커뮤니티가 수년 단위로 진행하던 대형 형식화 과제를 에이전트 군집이 단기간에 수행했다는 주장. 검증 가능한 산출물(Lean 증명)이 결과물이라 벤치마크와 달리 외부 재검증이 가능하다는 점에서 자율 연구 주장 중 검증 난도가 낮은 사례
서로 다른 위치에서 찍은 사진 몇 장만으로 3차원 공간을 복원해 그 안에 가상 카메라를 넣는 기술이 공개되면서, 월드 모델이 특수효과 기법이 아니라 피지컬 AI의 전제 조건이라는 정리가 나온다. 언어 모델이 다음 단어를 예측한다면 월드 모델은 다음 순간 이 세계가 어떻게 변할지를 예측하고, 로봇에게는 내가 이렇게 행동하면 세계가 어떻게 변할지가 하나 더 붙는다. 한계는 접촉인데 무게·마찰·경
AI 기상 모델이 연구 시연을 넘어 소비자 제품과 상용 API의 기본 예보로 들어감
사이버 Critical 역량 선언과 같은 주에 나온 방어 측 비대칭 보정. 공격 역량의 위험을 접근 통제만이 아니라 방어자 보조금으로 상쇄하려는 접근으로, 프런티어 랩이 중요 인프라 보안의 공급자 위치로 들어감
직원 80여 명의 부품 중소기업이 휴머노이드를 인턴으로 들여 6개월간 세척 공정에 투입한 기록이 중심축이다. 대상 공정을 고른 기준이 부가가치가 아니라 지그 여섯 개를 담은 15kg 미만 상자를 무한 반복 운반해 근골격계 질환이 생기는 자리였다는 점이 실무적으로 중요하다. 기대치의 기준선으로는 한 중국 업체의 공장 실증에서 숙련자 대비 30~50%, 목표는 3~4년 후 80%, 나머지 20%
범용 챗봇이 규제 의료 기록 시스템에 직접 연결되는 단계. 컨텍스트 연결(RAG·커넥터)의 전선이 공개 웹에서 규제 데이터 영역으로 넘어갔고, 안전성 근거는 아직 벤더 자체 평가에 의존
구독·API 밖의 광고가 소비자 AI의 주요 수익 축으로 공식화. 무료 티어 확산의 재원이 검색 광고와 같은 구조로 수렴하면서 답변과 광고의 분리가 신뢰 쟁점으로 이동
MCP가 소프트웨어 도구 접근을 표준화했듯 물리 장비 제어를 표준화하려는 시도. 에이전트의 작용 범위를 실험실 하드웨어로 넓히는 경계 사건이며, 표준 주도권이 다시 Anthropic에 놓임
사용 실태 데이터를 벤더가 독점하는 구조에 외부 검증 통로를 낸 사례. 발표 자유 조항과 제3자 감사를 명시해 벤더 자체 보고와 구분하려는 설계
숙련공의 암묵지를 어떻게 데이터로 바꿔 기계에 넣는가라는 하나의 문제로 조리 로봇과 농업 로봇이 함께 묶인다. 웍질 모션 3,800여 가지를 수집해 학습시킨 조리 로봇은 50년 경력 대가와의 블라인드 시식 대결에서 완패했지만, 업계가 잡은 합격선은 최고 품질이 아니라 '사람의 90% 수준에 맛이 일정하기만 하면 성공'이라는 재현성 기준이었다. 가장 시사적인 장면은 그릴 로봇으로, 원료도 장비
휴머노이드가 날아오는 공을 다루는 시연은 센싱이 어디에 있느냐로 수준을 가를 수 있다. 2024년 11월 테슬라 옵티머스의 테니스공 캐치는 사람이 카메라 화면을 보며 조작한 텔레오퍼레이션이었고, 증명된 것은 자유도가 11에서 22(손목 포함 25)로 늘어난 손 하드웨어이지 AI 자율성이 아니었다. 2025년경 야구 캐치·배팅 로봇과 2026년 중국의 테니스 로봇은 경기장 주변의 적외선 마커
계획에서 현장 학습으로 이행. 실제 생산 라인이 아니라 전용 훈련 시설
해고가 아닌 채용 감소로 나타나는 입직구 봉쇄. 저자들은 인과가 아닌 서술적 지표라고 명시
부품이 수학적으로 완벽한 자세로 오지 않는 공정으로 난이도 상승
Figure의 실적 수치가 처음 BMW 명의 채널에 등재됐다. 다만 공동 발표문이며 BMW가 그 수치를 독립 감사했다는 서술은 없다
국내 메모리사가 후공정까지 AI 추적 시스템을 확대한다고 공식 보고서에 명시한 사례. OSAT 고객사가 요구할 데이터 연동 규격의 방향을 예고
단일 기업 최대 규모 계획치. Metaplant America 2028, 기아 조지아 2029
실제 반도체 제조사가 저자이며 데이터 반출 없는 온프레미스를 설계 전제로 명시. 사내 GPU 1~2장으로 결함 리포트 자동화가 가능하다는 뜻. 단 양산 배치 사례 없음
2026-02-24에 예고한 방법론 개편의 첫 후속 결과. 2025년 연구에서 응답자들이 소요시간 영향을 평균 40%p 과대추정했다는 점을 다시 확인했다
부품·베어링 제조사의 대규모 커밋 (계획치)
라벨 0으로 결함 형태를 군집화해 라벨링할 대표 샘플만 고르는 워크플로의 근거. 동시에 내부 군집 지표와 실제 클래스 일치도가 따로 논다는 반례
결함 클래스가 새로 생기면 이미지 10장 이하로 시작해야 하는 OSAT 현실에 맞는 실험 설계. 단 절대 성능은 양산 판정이 아니라 검사 보조·트리아지 수준
국내 최대 수요기업의 방향성 신호. 다만 전부 2030년 목표이고 현재 배치 성과 수치는 제시되지 않음
선택편향(AI 없이 일하기를 거부하는 참가자 증가)을 이유로 실험 재설계. 2025년 19% 결과를 철회하지는 않았으나 2026년 초 개발자는 더 빨라졌을 가능성이 높다고 밝히며 이를 very weak evidence로 명시
휴머노이드 구독형 상업 모델. 원문은 배치 예정 표현
신제품 라인 초기, 정상 이미지조차 없는 구간을 커버하는 유일한 형태. 단 반도체·PCB 전용 결과는 없어 사내 파일럿 확인이 필요
AI 단독 도입은 성과가 안 난다는 것을 220개 사이트 규모로 집계한 준-표준 근거. 반면 후공정 사이트 부재는 이 벤치마크를 OSAT에 직접 적용하기 어렵다는 신호
MES 문서·SOP 질의 용도로 후공정에서도 검토 대상이나, 공개된 성과가 전부 비반도체이고 측정 주체가 벤더
도메인은 금융이지만 감사 재현 요구는 품질 감사와 동일 구조. 정확도 높은 모델을 고르면 재현성이 따라온다는 통념을 4,705회 실행으로 반증
2위 OSAT의 공개 수준도 동일. 후공정 AI는 적용 사례가 없는 것이 아니라 정량 공개가 없는 것이며, 이 격차가 내부 도입 정당화를 어렵게 만드는 실제 원인
라벨 약 600장과 미라벨 PCB 약 100만 장 도메인 적응의 조합. 라벨 효율이 OSAT 현장에 직접 시사
휴머노이드 최초의 정량 생산 지표. 단 발표 주체는 Figure이며 BMW의 독립 검증 문서는 아님
후공정 AI가 실제로 어디까지 와 있는지에 대한 스냅샷. 예지보전·이상감지·전이학습이 거론되지만 공개된 양산 실적 수치가 없다
결함 라벨 0장으로 이미지 단위 99% AUROC. 결함 클래스가 자주 바뀌는 OSAT에서 결함 수집 단계 자체를 건너뛰는 설계가 SEM 도메인에서 성립함을 보인 공개 비교실험
SAM은 OSAT 표준 비파괴 검사 장비(박리·보이드). ImageNet보다 자기 도메인 이미지로 사전학습하는 쪽이 낫다는 것을 후공정 모달리티에서 직접 보인 근거. 단 라벨 절감 실증은 아님
범용 멀티모달 LLM에 결함 판정을 직접 맡기는 구상의 상한선. 74.9%는 최종검사 판정으로 쓸 수 없는 수준
다이싱은 후공정 첫 공정. 소량 결함 이미지에 합성 증강만으로 23%p 향상은 신규 결함 클래스 초기 데이터 부족 구간에 직접 대응
검사 AI가 안전 인터록에 물릴 때 어느 유형인지 규정하는 것이 감사 대응의 출발점. 단 Technical Report이며 인증 근거가 되는 규범 표준이 아님
세계 1위 OSAT의 공개 범위가 곧 업계 상한선. FDC·RMS·이력추적이 AI의 전제 인프라로 먼저 깔려 있다는 순서가 중요 — 검사 모델보다 데이터 파이프라인이 먼저
ASE조차 후공정 검사 AI의 정량 성과를 공개하지 않는다는 사실 자체가 벤치마킹 기준