애플, 엔지니어 AI 예산 하루 200달러로 제한.

미시간 대학교 연구진이 AI 자원 소비의 엄청난 불균형을 밝혀냈습니다. 연구 결과에 따르면, 비영어권 언어로 AI 프롬프트를 처리하는 데는 영어로 동일한 프롬프트를 실행하는 것보다 최대 179배 더 많은 에너지가 소비됩니다. 더 나쁜 것은, 이러한 막대한 전력 소모가 종종 더 낮은 정확도로 이어진다는 점입니다.

이는 손쉬운 다국어 AI라는 환상을 완전히 깨뜨립니다. 만약 글로벌 사용자 기반을 대상으로 하는 제품을 구축하고 있다면, 사용자의 모국어에 따라 컴퓨팅 비용과 지연 시간이 예측 불가능하게 변동할 것입니다. 최신 모델의 기반이 되는 토큰화 시스템은 영어에 최적화되어 있어, 다른 모든 언어 사용자들에게는 부풀려진 토큰 수와 고통스러울 정도로 느린 추론으로 불이익을 줍니다.

이는 현지화된 SaaS에 재앙입니다. 프랑스어나 일본어 사용자를 서비스하는 데 기하급수적으로 더 많은 비용이 들면서도 더 나쁜 제품을 제공한다면, 글로벌 확장의 단위 경제는 무너집니다. 기반 모델이 다국어 토큰화를 전면 개편하기 전까지는 개발자들이 비영어권 기능을 크게 제한하거나 막대한 효율성 손실을 감수해야 할 것입니다.

팔로알토 네트웍스가 사이버 보안 스타트업 클러치를 약 5억 달러에 인수하기 위한 논의 중인 것으로 알려졌습니다. 이 대규모 인수 제안의 구체적인 목표는 AI 에이전트 제어를 강화하고 내부 회사 시스템에 대한 접근을 엄격하게 관리하는 것입니다.

우리는 마침내 자율 에이전트에 대한 기업의 반응을 보고 있습니다. 모두가 자신을 대신하여 행동할 수 있는 AI를 원하지만, 아무도 급여 데이터베이스를 환각 상태로 헤집고 다니는 무단 스크립트를 원하지 않습니다. 클러치는 거대 기업들이 에이전트 기반 워크플로우를 독점 데이터에 적용하기 전에 필요한 정확한 안전장치를 구축했으며, 팔로알토는 이 핵심 기술을 소유하기 위해 프리미엄을 지불하고 있습니다.

B2B 고객을 위한 자율 도구를 구축하고 있다면, 접근 제어는 더 이상 기능이 아니라 제품 그 자체입니다. 기업 시장은 에이전트의 무분별한 확산을 두려워합니다. 모호한 프롬프트가 주어졌을 때 AI가 실수로 프로덕션 데이터베이스를 삭제하지 않을 것임을 보여줄 수 있는 스타트업이 승리할 것입니다.

OpenAI가 소프트웨어 취약점을 식별하고 기능적 익스플로잇을 구축하도록 특별히 설계된 제한된 AI 모델인 GPT-6 사이버를 공식 출시했습니다. 현재 접근은 승인된 보안 테스터에게만 엄격하게 제한되어 있으며, 공격적인 기능은 당분간 공개 API에서 제외됩니다.

이는 소프트웨어 방어 방식에 대한 엄청난 변화입니다. 우리는 더 나은 코드를 제안하는 AI에서, 제로데이를 적극적으로 찾아내고 이를 파괴하는 페이로드를 작성하는 AI로 진화했습니다. 익스플로잇 생성을 제품화함으로써 OpenAI는 다음 세대 소프트웨어를 보호하는 유일한 방법은 악의적인 행위자들이 이미 개발하고 있는 것과 동일한 자동화된 맹렬함으로 공격하는 것임을 인정하고 있습니다.

현업 개발자들에게 오류의 여지는 사라졌습니다. 상업적으로 이용 가능한 모델이 코드베이스의 취약점을 자동으로 찾아내고 악용할 수 있다면, 모호성을 통한 보안은 끝장입니다. 이제 여러분이 노출하는 모든 엔드포인트는 그것을 작성한 엔지니어보다 더 똑똑한 에이전트에 의해 즉시 탐지될 것이라고 가정해야 합니다.

프로톤이 상당한 내부 반발에 부딪혀 예정했던 AI 사용 재면접을 갑자기 취소했습니다. 프라이버시 중심의 이 회사는 거의 모든 직원을 대상으로 일상 업무에서 AI를 어떻게 사용하는지 질문할 계획이었으나, 광범위한 직원 저항으로 인해 경영진은 이 계획을 전면 철회할 수밖에 없었습니다.

이는 회사 문화에 대한 엄청난 오판입니다. 전체 엔지니어링 및 제품 조직의 일일 AI 습관을 감사하려는 시도는 정책 집행이라기보다는 마녀사냥처럼 느껴집니다. 개발자들은 이미 AI를 사용하여 코드를 작성하고, 이메일을 초안하며, 시스템을 디버깅하고 있습니다. 재면접으로 그들을 위협하는 것은 사용을 최적화하기보다 숨기도록 만들 뿐입니다.

여기서 얻을 수 있는 교훈은 간단합니다. 협박을 통해 투명성을 강요할 수는 없습니다. 팀이 새로운 모델을 어떻게 활용하는지 알고 싶다면, 기업 계정을 제공하고 원격 측정 데이터를 추적하십시오. AI 도입을 심문해야 할 의심스러운 활동으로 취급하는 것은 최고의 인재를 실제로 신뢰하는 경쟁사로 내모는 확실한 방법입니다.

구글이 교육 기관을 위해 특별히 맞춤화된 새로운 AI 제어 기능을 출시했습니다. 그러나 이 업데이트는 학교가 전통적인 구글 검색에 대한 접근을 유지하면서도 깊이 통합된 AI 기능을 선택적으로 제외할 수 있는지에 대한 즉각적인 논쟁을 불러일으켰습니다.

기술 거대 기업은 강제 도입의 한계에 부딪히고 있습니다. 생성형 요약을 핵심 검색 경험에 직접 통합함으로써 구글은 인터넷의 주요 연구 도구를 차단하지 않고도 자동 표절을 방지하려는 학교 관리자들에게 악몽을 만들었습니다. 여기서 발생하는 마찰은 AI를 끌 수 없는 기본값으로 취급하는 것이 고도로 규제된 환경에서는 통하지 않는다는 것을 보여줍니다.

개발자들에게 이것은 기능 결합의 위험에 대한 명강의입니다. 핵심 제품이 필수적이지만 새로운 AI 기능이 논란의 여지가 있다면, 이들을 함께 묶는다고 해서 도입이 강제되는 것이 아니라 이탈을 강요하게 됩니다. 사용자들은 소프트웨어의 결정론적 버전으로 다운그레이드할 수 있는 능력이 필요하며, 그렇지 않으면 단순히 마법을 끌 수 있게 해주는 제공업체를 찾을 것입니다.

NFL이 카네기 멜론 대학교 연구진과 직접적인 파트너십을 맺고, 방대한 경기 영상과 독점적인 선수 추적 데이터를 제공했습니다. 이 협력은 미식축구 전략 및 선수 성과 분석을 완전히 자동화하기 위한 AI 개발을 목표로 합니다.

이것이 바로 방대한 독점 데이터셋과 특화된 모델이 만났을 때 일어나는 일입니다. NFL은 다른 누구도 접근할 수 없는 수십 년간의 고프레임, 다각도 원격 측정 데이터를 보유하고 있습니다. CMU에 이 데이터를 개방함으로써, 그들은 어떤 인간 스카우트보다 빠르게 수비 커버리지를 읽고 경로를 예측할 수 있는 AI의 기반을 구축하고 있습니다.

여기서 해자는 알고리즘이 아니라 데이터입니다. 진정으로 방어 가능한 AI 제품을 구축하고 싶다면, 수년간 비정형 데이터를 축적해 온 산업을 찾아내고 이를 분석하는 방법을 알아내야 합니다. 원본 영상을 소유한 조직이 자동화된 분석의 미래를 좌우할 것입니다.