모닝 인사이트 다이제스트

Anthropic이 Google과 새로운 TPU 계약을 체결했다는 Stratechery의 분석 기사다. 본문은 유료 구독자 전용이지만, 타이틀과 요약만으로도 핵심은 명확하다. Anthropic은 AI 모델 학습에 필요한 컴퓨팅 자원이 부족한 상황이고, Google은 자사 TPU 칩의 활용처를 확보하고 싶은 상황이다. 두 회사의 이해관계가 맞아떨어지면서 파트너십이 강화되는 구조다. Ben Thompson은 이를 "자연스러운 파트너십, 특히 Google 입장에서"라고 표현한다. Anthropic의 컴퓨팅 압박(Computing Crunch)이 Google과의 동맹을 더욱 공고히 만드는 셈이다.

Google이 "가장 많은 컴퓨팅 자원을 보유한" 회사로 명시된다는 점. Nvidia GPU 부족 국면에서 자체 TPU 인프라가 있는 Google의 전략적 가치가 재조명되고 있다.

AI 인프라 경쟁 구도가 재편되는 시점이다. OpenAI는 Microsoft에, Anthropic은 Google에 종속되는 양상이 뚜렷해지고 있다. 컴퓨팅 자원을 누가 쥐고 있느냐가 AI 스타트업의 생존과 경쟁력을 좌우하는 시대다. Google 입장에서는 클라우드 시장 3위에서 벗어날 수 있는 기회이기도 하다.

-> 2026-04-07 OpenAI Buys TBPN, Tech and the Token Tsunami -> 2026-04-07 OpenAI's fall from grace as investors race to Anthropic

Kent Beck과 Martin Fowler—XP와 애자일을 만든 사람들—가 Pragmatic Summit에서 AI 시대의 개발 문화를 논한 기록이다. 이들은 과거 마이크로프로세서, 객체지향, 인터넷, 애자일이 가져온 변화와 AI를 비교하면서, 한 가지 결정적 차이를 지적한다. 과거엔 기술 도입에 시간이 걸렸지만, AI는 그 속도와 규모가 압도적이라는 것. 그럼에도 애자일 때처럼 인센티브 불일치, 사기꾼 벤더, 중간층 개발자의 저항은 반복될 거라고 본다. 특히 Kent는 "AI는 증폭기"라며, 빠르게 배우는 사람에겐 황금기지만 중간에 끼인 개발자들은 갈 곳이 없을 수 있다고 경고한다. Martin은 페어 프로그래밍에 AI를 더하는 실험, 그러니까 "두 명의 인간 + 한 명의 지니"가 더 나을 거라는 가설을 던진다.

Kent는 AI가 답을 주는 데 3분 걸리는 게 오히려 좋다고 말한다. 그 사이에 두 사람이 철학적 대화를 나눌 시간이 생기기 때문. 15초 만에 답이 오면 그런 여유가 없다.

AI 도입이 "개발자 없애기" 트렌드와 겹치면서, 단순히 생산성 도구가 아니라 직업 구조 자체를 재편하는 국면에 들어섰다. 애자일 때처럼 "더 빠르고 싸게"를 외치지만, 조직 내 인센티브 불일치와 품질 희생 문제는 여전하다. 결국 AI 시대에도 살아남는 건 도구를 제대로 쓰는 법을 배우는 사람이고, 그 과정에서 협업 방식—페어링, 테스트 주도 개발—이 다시 주목받고 있다는 점이 핵심이다.

-> 2026-04-06 | The threat is comfortable drift toward not understanding what you're doing -> 2026-04-05 | Advice for economics graduate students (and faculty?) vis-a-vis AI

Platformer의 유료 구독자 전용 기사로, 제목만 공개된 상태다. "OpenAI is getting weird again"이라는 표현은 OpenAI가 초창기 연구 중심의 '이상한' 문화에서 벗어났다가 다시 그쪽으로 회귀하고 있다는 뉘앙스를 풍긴다. 같은 뉴스레터에는 Meta가 감독위원회(Oversight Board) 자금 지원 중단을 논의 중이라는 독점 기사, 소셜미디어 재판 판결이 아동 안전과 Section 230 면책 조항 사이 긴장을 부각시킨다는 분석, 저커버그가 다시 콘텐츠 모더레이션에 개입하고 있다는 리포트, Spotify의 AI 도용 문제 등이 함께 실렸다. 핵심 본문을 읽으려면 유료 구독이 필요하다.

"weird"라는 단어 선택이 흥미롭다. OpenAI는 2019년 이후 영리 전환과 MS 파트너십으로 '정상적인' 테크 기업처럼 보였는데, Platformer는 그 궤도에서 다시 벗어나고 있다고 본 셈이다.

최근 OpenAI는 TBPN 인수, 샘 알트먼의 뉴요커 인터뷰, Simo 영입 등 연이은 변화를 겪고 있다. "weird"라는 표현은 단순한 수식어가 아니라 OpenAI가 다시 예측 불가능하고 실험적인 방향으로 선회하고 있다는 신호일 수 있다. Anthropic으로 투자자들이 몰리고 있다는 지난주 보도와 맞물려, OpenAI의 정체성 변화가 AI 산업 판도에 어떤 영향을 미칠지 주목해야 할 시점이다.

-> 2026-04-07 OpenAI Buys TBPN, Tech and the Token Tsunami -> 2026-04-07 OpenAI's fall from grace as investors race to Anthropic -> 2026-04-07 Sam Altman May Control Our Future – Can He Be Trusted?

스탠퍼드의 Andy Hall이 경제학자들에게 AI 도구 사용법에 대한 조언을 담은 문서를 공개했다. 그는 1월에 Claude Code가 기존 논문을 45분 만에 자동으로 확장하는 실험을 진행했는데, AI가 계획을 세우고 웹 스크래핑부터 코드 작성, 회귀분석, 표와 그래프 생성, 보고서 작성까지 전부 해냈다. 완벽하진 않지만 인간 연구자도 완벽하지 않다는 게 그의 논점이다. 스탠퍼드 동료인 Yiqing Xu의 최근 연구처럼 실증 연구의 자동 검증까지 가능해진 상황에서, 실증 연구 분야는 이미 AI 이전 시대로 돌아갈 수 없다. Hall은 경고한다. 제대로 된 계획이 없으면 다른 경제학자들이 당신을 먼지 속에 남겨둘 것이고, 설령 소수만 AI를 쓰더라도 그들의 영향력과 레버리지는 극대적일 거라고.

Claude가 45분 만에 논문 확장부터 회귀분석, 시각화, 보고서까지 전부 처리했다는 건 단순 자동화를 넘어섰다는 뜻이다. 연구 파이프라인 전체를 AI가 담당할 수 있다.

학계에서도 AI 격차가 현실화되고 있다는 신호다. 코딩과 데이터 분석이 핵심인 경제학 실증 연구에서 AI 도구 활용 여부가 생산성과 영향력을 결정하는 분기점이 되고 있다. 이건 비단 경제학만의 문제가 아니라, 지식노동 전반에서 AI 리터러시가 경쟁력의 기본 조건이 되는 과정을 보여준다.

-> 2026-04-05 | Advice for economics graduate students (and faculty?) vis-a-vis AI

Go 언어 암호 패키지 메인테이너이자 암호학 엔지니어 Filippo Valsorda가 입장을 180도 바꾼 글이다. 최근 구글 논문은 P-256 같은 256비트 타원곡선을 깨는 데 필요한 논리 큐비트 수를 대폭 줄였고, Oratomic은 물리 큐비트 1만 개면 충분하다는 결과를 냈다. 구글의 Heather Adkins와 Scott Aaronson 같은 전문가들이 "2029년이 데드라인"이라고 경고하기 시작했다. 저자는 "100% 확신할 수 없다면 배팅하지 말라"는 게 아니라 "2030년에 양자컴퓨터가 없을 거라고 100% 확신할 수 있냐"가 진짜 질문이라고 강조한다. 결론은 명확하다. 지금 당장 출시 가능한 것(ML-DSA, ML-KEM)을 굴려야 한다. X.509에 거대한 서명을 우겨넣고, 하이브리드 방식은 건너뛰고 순수 포스트 양자 암호로 직행하며, 프로토콜 재설계 시간은 포기해야 한다. RSA와 ECDSA는 이제 "레거시 알고리즘"으로만 가르친다.

대칭키 암호(AES-128 등)는 괜찮다. Grover 알고리즘이 128비트 키 공간을 깨려면 회로 크기가 2의 106승 수준이 필요해서, 256비트로 늘릴 필요가 없다는 게 저자의 판단이다. 불필요한 256비트 요구사항이 오히려 비대칭 PQ 암호 배포를 늦출 수 있다고 경고한다.

인터넷 인프라 전체가 3년 안에 재설계되어야 할 수도 있다는 신호다. TEE(SGX, SEV-SNP) 같은 하드웨어 증명 시스템은 PQ 전환 진척이 없어 "거의 쓸모없음" 판정을 받았고, 블록체인과 atproto 같은 암호 기반 생태계는 마이그레이션을 서두르지 않으면 "사용자를 포기할지, 시스템을 멈출지" 극단적 선택에 직면할 수 있다. SHA-1에서 SHA-256으로 넘어가는 것보다 훨씬 파괴적인 전환이 눈앞에 왔다.

-> 2026-04-06 Caveman: Why use many token when few token do trick -> 2026-04-07 Age verification as mass surveillance infrastructure

Claude의 소스코드가 유출되면서 중복 코드와 구조적 엉망진창이 드러났다. 저자 Bram Cohen은 이를 "vibe coding 광신"의 결과로 본다. vibe coding이란 코드를 직접 보지 않고 AI와 추상적 대화만 나누며 개발하는 방식인데, Claude 팀은 이를 극단화했다. 에이전트와 툴이 중복되는 걸 외부인이 발견했는데, 정작 개발팀은 "코드 들여다보는 건 반칙"이라며 보지도 않았다. Cohen은 AI 코딩의 진짜 장점은 인간이 문제를 발견하고 방향을 제시한 뒤 AI가 정리하게 하는 것인데, Claude 팀은 독푸딩(자사 제품 사용)을 종교처럼 밀어붙여 이 균형을 무너뜨렸다고 비판한다. 그는 "나쁜 소프트웨어는 당신이 선택한 것"이라며, AI 코딩 시대에도 품질은 결국 사람의 결정이라고 강조한다.

Claude 코드는 영어로 쓰여 있어 누구나 읽을 수 있는데, 정작 개발팀은 "순수성 유지"를 위해 안 봤다. 소프트웨어 개발에서 "순수주의"가 반복적으로 등장하는 현상을 꼬집는 대목도 흥미롭다.

AI 코딩 툴이 보편화되면서 "인간의 역할"을 둘러싼 혼란이 커지고 있다. Claude 사례는 AI를 맹신하며 인간 판단을 포기하는 극단이 어떤 결과를 낳는지 보여준다. 결국 AI 시대에도 소프트웨어 품질은 사람의 개입 방식—보고, 판단하고, 방향 제시하는—에 달려 있다는 메시지다.

-> 2026-04-06 | The threat is comfortable drift toward not understanding what you're doing

한 엔지니어링 팀이 6개월간 쌓인 6,852개의 Claude Code 세션(23만 건의 도구 호출, 1.8만 개의 "thinking block")을 분석했더니, 2월 중순부터 Claude의 성능이 급락했다는 사실을 발견했다. 원인은 "extended thinking" 기능의 축소. thinking 블록의 길이가 67% 감소하면서, 코드 수정 전 파일을 읽는 비율이 6.6:1에서 2:1로 떨어졌다. 결과는 참담했다. 읽지도 않은 파일을 수정하고, 주석 중간에 코드를 끼워넣고, "가장 간단한 방법"이라며 잘못된 수정을 반복했다. 사용자가 중단시킨 비율은 12배 증가했고, "죄송합니다, 제가 게을렀네요"라는 자체 인정도 5배 늘었다. 3월 8일 thinking redaction이 50%를 넘어서던 날, 품질 저하가 본격적으로 보고되기 시작했다.

팀이 "ownership-dodging, 조기 종료, 권한 요청"을 잡아내는 stop hook 스크립트를 만들었는데, 3월 8일 이전엔 0번 발동하다가 이후 17일간 173번 발동했다. AI가 "이거 제 잘못 아닌데요", "계속할까요?" 같은 말로 책임 회피하는 걸 자동으로 감지한 셈.

AI 기업들이 추론 토큰을 줄여 비용을 절감하려는 움직임이 뚜렷한데, 이게 파워유저에겐 치명적일 수 있다는 첫 실증 데이터다. OpenAI의 o1도 비슷한 "생각 시간 vs 비용" 트레이드오프를 고민 중인데, Claude 사례는 깊은 사고가 필요한 작업에선 토큰 절약이 품질 붕괴로 직결된다는 경고가 된다. 결국 "AI가 얼마나 오래 생각하느냐"가 가격 티어의 핵심 차별화 요소가 될 수 있다는 얘기.

-> 2026-04-05 | Claude Code Found a Linux Vulnerability Hidden for 23 Years

sheets.works가 1996년부터 2026년까지 의미 있었던 GPU 49개를 인터랙티브 타임라인으로 정리한 데이터 시각화 프로젝트다. 3dfx부터 시작해 NVIDIA, AMD/ATI, Intel까지, 각 카드의 출시가(2025년 달러 기준), 트랜지스터 수, 시대별 맥락을 한눈에 볼 수 있게 만들었다. 특히 Steam 하드웨어 서베이(2026년 3월)를 함께 보여주는데, RTX 5090 같은 최신 플래그십은 0.42% 점유율인 반면 RTX 3060은 4.1%로 가장 많이 쓰인다. "The flagship costs $1,999. The most popular card costs $329"라는 문장이 전부를 말해준다.

피크 트랜지스터 수가 920억 개에 달하는 카드가 나왔지만, 실제 시장에서 가장 많이 팔린 건 미드레인지 $329짜리라는 괴리. 기술 진화와 소비자 선택은 완전히 다른 방향이다.

AI 붐으로 GPU 성능 경쟁이 극단으로 치닫는 지금, 실제 수요는 여전히 합리적 가격대에 몰려 있다는 사실을 상기시킨다. NVIDIA 같은 회사들이 플래그십으로 기술력을 과시하지만, 매출과 점유율은 결국 미드레인지에서 나온다. 30년 역사를 한 화면에 펼쳐놓으니 "기술 발전 ≠ 시장 수요"라는 구조가 선명하게 드러난다.

USC 심리학·컴퓨터과학 연구진이 대형 언어모델(LLM)이 인간의 인지 다양성을 줄이고 있다는 의견 논문을 발표했다. 수십억 명이 소수의 AI 챗봇을 쓰면서 글쓰기 스타일, 사고방식, 추론 전략이 점점 비슷해지고 있다는 것. 개인은 AI로 아이디어를 더 많이 낼 수 있지만, 집단으로 보면 창의성과 다양성이 오히려 줄어든다. LLM은 서구 중산층 가치관에 편향된 데이터로 학습되고, '단계별 추론' 같은 선형적 사고만 강조하면서 직관적·추상적 추론을 밀어낸다. 연구진은 AI 개발자들이 실제 인간의 다양성을 모델에 의도적으로 반영해야 한다고 주장한다.

LLM을 직접 안 써도 영향을 받는다. 주변 사람들이 AI 스타일로 말하고 쓰면, 나도 그게 "더 신뢰할 만한 표현"처럼 느껴져서 압력을 받게 된다는 것.

AI가 생산성 도구를 넘어 사고방식 자체를 바꾸고 있다는 증거가 쌓이는 중이다. 개인 효율은 올라가지만 집단 창의성은 떨어지는 역설. 특히 AI가 교육·업무에 깊숙이 들어온 지금, 다음 세대의 인지 다양성을 어떻게 지킬지가 진짜 문제가 될 수 있다.

-> 2026-04-06 | The threat is comfortable drift toward not understanding what you're doing -> 2026-04-06 | Caveman: Why use many token when few token do trick

LLM은 랜딩페이지든 프레젠테이션이든 순식간에 만들어낸다. 문제는 그게 전부 "10점 만점에 7점"이라는 것이다. 통계적으로 그럴듯하지만 당신의 맥락과는 무관한, 안전하게 평균적인 결과물. 저자는 이 상황에서 진짜 가치는 "좋은 취향(taste)"에서 나온다고 말한다. 하지만 단순히 AI 결과물 중 고르는 큐레이터가 되라는 게 아니다. 취향이란 "이게 왜 별로인지" 정확히 진단하고, AI가 줄 수 없는 맥락—규제 제약, 실제 유저 경험, 운영 현실—을 직접 넣어 만드는 능력이다. AI는 첫 드래프트를 싸게 만들었지만, 방향을 정하고 책임지는 건 여전히 인간의 몫이라는 이야기.

AI에게 10가지 버전을 만들라고 시키면 대부분 "괜찮은데 뭔가 이상한" 결과가 나온다. 그걸 보고 "왜 이게 안 되는지" 한 문장으로 설명하지 못한다면, 당신의 취향은 아직 훈련이 안 된 것이다.

AI 도구가 보편화되면서 모든 팀이 "그럴듯한 외양"을 갖출 수 있게 됐다. 문제는 그게 차별화가 아니라 평준화를 만든다는 것이다. 결국 시장에서 살아남는 건 맥락과 제약을 이해하고, 통계적 평균에서 의도적으로 벗어날 수 있는 팀이다. AI 시대의 진짜 병목은 생성 능력이 아니라 판단력과 책임감이다.

-> 2026-04-06 | The threat is comfortable drift toward not understanding what you're doing -> 2026-04-06 | Caveman: Why use many token when few token do trick