모닝 인사이트 다이제스트

Doomberg가 유럽의 천연가스 위기를 해부한 글이다. 독일은 한때 170TWh를 생산하던 19기의 핵발전소를 가동했지만 모두 폐쇄했고, 이제 EU는 2025-2026 겨울을 비정상적으로 낮은 가스 비축량으로 빠져나왔다. 설상가상으로 이란 전쟁이 호르무즈 해협을 막으면서 전 세계 LNG 공급의 20%가 차단됐다. EU+영국+노르웨이를 합쳐도 소비량의 절반밖에 생산하지 못해 하루 20bcf/d의 격차가 있는데, 이는 미국 퍼미안 베이신 전체 생산량에 맞먹는 규모다. 재충전 시즌이 시작되는 지금, 실수의 여지는 거의 없고 중동 전쟁이 장기화될 여력도 없다. 나쁜 결과—에너지 가격 상승과 탈산업화 지속—는 이미 확정됐고, 문제는 진짜 재앙을 피할 수 있느냐다.

EU의 천연가스 부족분(20bcf/d)이 미국에서 가장 생산성 높은 퍼미안 베이신의 전체 생산량과 같다는 것. 즉 미국 최대 유전지대 하나를 통째로 유럽에 옮겨도 겨우 메꿀 수준이다.

이 위기는 에너지 자립 없이 이상주의적 기후정책을 밀어붙인 결과의 교과서적 사례다. 독일의 "역사상 최대 자책골"이 이제 유럽 전체의 산업경쟁력을 위협하는 실존적 문제가 됐고, 지정학적 불안정성(이란 전쟁)이 구조적 취약점을 극대화하는 순간이다. 에너지 안보 없이는 어떤 경제도 지속 불가능하다는 교훈을 실시간으로 보고 있는 셈이다.

-> 2026-04-15 Geopolitical Mutagenesis -> 2026-04-16 For the first time in the U.S., renewables generate more power than natural gas

Stratechery가 니코 로즈버그를 인터뷰한 내용이다. 1982년 F1 챔피언 아버지 밑에서 3살 때부터 카트를 몰았고, 2016년 루이스 해밀턴을 꺾고 세계 챔피언이 된 뒤 곧바로 은퇴했다. 지금은 Rosberg Ventures를 운영하며 유럽 자본과 실리콘밸리 스타트업, 독일 기업과 신기술을 연결하는 중개자 역할을 한다. 인터뷰는 그가 어떻게 스포츠 심리학을 F1에 도입했고, 왜 정상에서 은퇴했으며, 드라이버와 창업가가 어떻게 닮았는지를 다룬다. 핵심은 그의 경력이 겉보기엔 제각각이지만, 실은 "기회를 최대화해서 이긴다"는 일관된 철학으로 꿰뚫려 있다는 것이다.

로즈버그는 자신을 "더 예민하고, 불안하고, 자신감 없는" 선수라고 묘사한다. 그래서 겨울마다 이틀에 한 번씩 2시간씩 심리학자와 훈련했는데, 이게 F1에서 거의 처음이었다. 당시엔 "뇌 전문의와 일한다"고 말하는 것 자체가 약점 노출로 여겨졌지만, 결국 그게 그의 슈퍼파워가 됐다.

창업가와 운동선수의 유사성, 특히 멘탈 관리의 중요성이 점점 더 부각되고 있다. 로즈버그는 "창업자들도 실패 두려움을 인정 못 한다"며, 반복적 자기 대화가 실제 퍼포먼스를 바꾼다고 강조한다. F1이라는 극한의 경쟁 환경에서 검증된 이 접근법이, 스타트업 생태계에서도 점점 더 설득력을 얻고 있다. 결국 "이기는 법"은 도메인을 넘어 전이 가능한 스킬이라는 메시지다.

-> 2026-04-15 The impact of AI on software engineers in 2026: key trends

Ollama는 로컬 LLM을 돌리는 가장 인기 있는 도구지만, 그 인기는 "먼저 나왔다"는 이유뿐이라는 비판이다. 핵심 엔진인 llama.cpp를 1년 넘게 크레딧 없이 사용하다가 MIT 라이선스 위반 지적을 받았고, 2025년 자체 엔진으로 갈아탔더니 오히려 버그 천지에 성능은 1.8배 느려졌다. DeepSeek-R1 같은 모델명을 왜곡해 실제론 8B 디스틸 모델을 671B 풀모델인 것처럼 표기하고, 오픈소스 프로젝트임을 표방하면서 GUI 앱은 몇 달간 비공개로 개발했다. GGUF는 원래 단일 파일로 모든 정보를 담는 포맷인데 Ollama는 Modelfile이라는 별도 설정 파일을 만들어 30-60GB 모델을 파라미터 하나 바꾸려고 통째로 복사하게 만든다. 결국 YC 출신 VC 펀딩 스타트업의 전형적 플레이북, 오픈소스로 유저 모으고 락인 만들고 클라우드 서비스로 수익화하는 패턴이 드러났다.

llama.cpp 창시자 Georgi Gerganov가 직접 "Ollama가 GGML을 포크해서 나쁜 변경을 했다"고 지적했고, 같은 하드웨어·같은 모델에서 llama.cpp는 161 tok/s, Ollama는 89 tok/s를 기록. 더 쉽다고 홍보한 도구가 실제론 더 느리고 더 복잡하다.

로컬 AI가 프라이버시와 자율성을 내세우며 성장하는 시점에, 가장 대중적인 도구가 실은 락인과 클라우드 전환을 준비하는 VC 플레이였다는 사실이 드러난 셈이다. 오픈소스 생태계에서 "편의성"이라는 이름으로 사용자를 가둬두는 패턴을 경계해야 한다는 경고이자, llama.cpp 같은 진짜 오픈소스 인프라가 왜 중요한지를 보여주는 케이스다.

-> 2026-04-16 Hacker compromises A16Z-backed phone farm, calling them the 'antichrist' (VC 펀딩 스타트업의 기만적 행태)

Noah Smith가 홀푸드 치즈 코너에서 깨달은 것 하나. 우리는 평생 "일이 정체성을 만든다"고 배웠지만, 사실은 정반대다. 직업은 시장이 요구하는 걸 하는 거고("다른 사람이 뭘 원하나?"), 소비는 내가 원하는 걸 선택하는 행위다("내가 뭘 원하나?"). 스타벅스 vs 피츠, 마블 vs 인디 영화, 어떤 옷을 살지 같은 매일의 선택이 자아를 형성한다. 실제로 부유한 나라일수록 자기표현 가치가 높고 개인주의적이라는 World Values Survey 데이터도 있다. AI가 전통적 커리어를 무너뜨리면 "의미의 위기"가 올 거라는 우려가 많지만, 저자는 오히려 기회로 본다. 모두가 대학생활처럼—일은 재미로 하고, 자기발견과 표현에 집중하는—살 수 있는 사회. AI가 생산성을 폭발시키고 부의 재분배가 제대로 이뤄진다면, 소비 중심 사회가 공허한 게 아니라 "더 나다워지는" 낙원이 될 수 있다는 것.

일본은 집단주의 사회로 알려졌지만, 실제 서베이를 보면 1980년대 초부터 개인주의 사회였다. 풍요 속에서 자란 첫 세대가 "나 세대"가 됐다는 것.

AI가 코딩, 수학, 글쓰기 같은 "생산 기술"을 자동화하면서 직업 정체성이 흔들리는 시점이다. "AI가 의미를 빼앗는다"는 공포 서사가 지배적인데, 이 글은 정반대 관점을 제시한다. 생산이 아니라 소비에서 정체성을 찾으면 오히려 AI 시대가 해방의 기회가 될 수 있다는 것. UBI 논의와 맞물려 "일 없는 삶"을 어떻게 의미 있게 만들 것인가라는 질문에 대한 하나의 답변이다.

-> 2026-04-15 What if a few AI companies end up with all the money and power? -> 2026-04-16 AI-Assisted Cognition Endangers Human Development

분산 시스템 전문가 Kyle Kingsbury(aphyr)가 쓴 장문의 에세이다. 그는 LLM을 자동차에 비유한다. 자동차가 빠르고 편리한 건 누구나 안다. 하지만 그게 도시 구조, 대중교통, 흑인 커뮤니티, 심지어 납 중독까지 어떻게 바꿨는지를 봐야 한다는 것. LLM도 마찬가지다. 이미 검색 결과, 고객 서비스, 코드 리뷰, 심지어 정신건강 상담까지 곳곳에 스며들었고, 그는 "미래는 이미 여기 왔고, 나는 지쳤다"고 말한다. 그가 제안하는 해법은 명확하다: 쓰지 마라. LLM으로 글 쓰지 말고, ChatGPT 구독 취소하고, Copilot 도입 반대하고, ML 회사에서 일한다면 퇴사하라. 각 하루의 지연이 사회에 적응 시간을 준다는 논리다. 하지만 글 끝에서 그는 솔직하게 고백한다: "색상 변경 조명 프로토콜을 LLM에게 물어볼까? 뭐가 문제겠어… 맞지?"

댓글 중 하나가 핵심을 찌른다. "LLM의 최대 강점은 우리가 '이해하지 않아도 되는' 선택권을 준다는 것. 동시에 이게 최대 약점이다. 누군가에겐 예술이 전부지만, 많은 사람들은 그 관계를 원하지 않는다." 결국 '무엇을 중요하게 여기는가'의 문화 전쟁이다.

2026년 현재, LLM은 더 이상 실험실 기술이 아니다. 일상 곳곳에 스며든 상태에서, 이 글은 "속도와 편의"를 넘어 "우리가 무엇을 잃고 있는가"를 묻는다. Copilot, ChatGPT가 당연시되는 지금, 반대 목소리가 점점 약해지고 있다. 하지만 저자는 자동차가 가져온 구조적 변화를 상기시키며, LLM 역시 단순 도구가 아니라 사회 전체를 재구성하는 힘임을 경고한다. 특히 "나중에 다시 만들면 되지 않나"라는 마지막 물음이 섬뜩하다.

-> 2026-04-16 AI-Assisted Cognition Endangers Human Development -> 2026-04-15 The impact of AI on software engineers in 2026: key trends -> 2026-04-12 The inevitable need for an open model consortium

스케줄링 도구 Cal.com이 오픈소스에서 클로즈드 소스로 전환한다는 공식 발표다. 과거엔 취약점을 찾으려면 수년간 숙련된 해커가 필요했지만, 이제 AI는 공개된 코드베이스를 스캔해 몇 시간 만에 취약점을 찾아내고 익스플로잇을 생성한다. 실제로 AI가 27년 된 BSD 커널 취약점을 발견한 사례가 언급된다. Cal.com은 "오픈소스는 공격자에게 금고 설계도를 주는 것과 같다"며, 고객 데이터 보호를 위해 어쩔 수 없는 선택이었다고 설명한다. 대신 MIT 라이선스 기반 Cal.diy를 커뮤니티에 공개해 오픈소스 정신을 일부 유지하려 한다.

최근 AI 보안 스타트업들이 우후죽순 생기면서 각기 다른 취약점을 찾아내고 있어, "무엇이 진짜 안전한지" 판단조차 어려워졌다는 고백이 흥미롭다. 보안 도구가 많아질수록 오히려 혼란이 가중되는 역설.

AI가 공격 벡터로 본격 활용되는 시대, 오픈소스 모델 자체가 구조적 리스크가 될 수 있다는 신호다. 투명성과 보안 사이의 트레이드오프가 과거와 완전히 달라졌고, 많은 오픈소스 프로젝트들이 비슷한 딜레마에 직면할 가능성이 크다. 특히 엔터프라이즈 고객 데이터를 다루는 SaaS 기업들에겐 Cal.com의 결정이 선례가 될 수 있다.

-> 2026-04-12 | Small models also found the vulnerabilities that Mythos found

"Tokenmaxxing"이라는 신조어가 실리콘밸리에 등장했다. 대기업 개발자들이 AI 사용량 지표를 채우기 위해 불필요하게 토큰을 태우는 현상이다. 이 지표가 성과평가와 연결되면서 생긴 왜곡된 인센티브의 결과물. 동시에 Anthropic은 기업 플랜 보조금을 중단했고, Uber는 2026년 AI 토큰 예산을 3개월 만에 소진했다. 이제 엔지니어당 AI 예산 한도가 더 많은 회사로 확산될 전망이다. 덤으로 Cal.com이 "AI 위협" 때문에 오픈소스를 포기하고 클로즈드로 전환했다는 소식도 다루는데, 저자는 이게 진짜 이유인지 의심스럽다는 톤.

KPI를 AI 사용량으로 설정한 순간, 개발자들은 돈을 태우는 게 합리적 선택이 됐다. 조직 내 게임 이론의 전형적 사례.

AI 도입이 성숙 단계로 접어들면서 비용 구조가 문제가 되기 시작했다. 무제한 보조금 시대는 끝나고, "누가 얼마나 쓸 수 있나"를 정하는 단계로 넘어간다. Tokenmaxxing은 그 과도기의 웃픈 증상이지만, 결국 엔지니어당 예산 통제라는 현실적 솔루션으로 수렴할 것이다.

-> 2026-04-15 The impact of AI on software engineers in 2026: key trends

Firebase 프로젝트에 간단한 AI 기능을 추가한 후 13시간 만에 54,000유로(약 7만 달러)가 청구된 사례다. 문제는 Firebase 브라우저 키에 API 제한이 없었고, 누군가 이를 악용해 Gemini API를 대량 호출한 것. 예산 알림(80유로)은 몇 시간 지연되어 도착했고, 개발자가 인지했을 때는 이미 28,000유로가 넘어간 상태였다. 구글 측은 "프로젝트에서 발생한 정상 사용"이라며 환불 요청을 거부했다. 구글 AI 책임자 Logan Kilpatrick이 직접 댓글을 달며 최근 도입한 지출 상한제, 선불 결제 등의 안전장치를 설명했지만, 이 사건은 이미 그 전에 발생했다.

구글은 10년 넘게 "API 키는 비밀이 아니다"라고 개발자들에게 가르쳐왔다. Maps API 등이 브라우저에 노출되는 게 정상이었기 때문. 그런데 Gemini API는 토큰당 과금 방식이라 갑자기 룰이 바뀐 셈이다.

LLM API의 과금 구조가 기존 클라우드 서비스와 근본적으로 다르다는 걸 보여주는 사례다. 토큰당 과금은 악용 시 비용이 기하급수적으로 불어날 수 있고, 기존 개발 관행(클라이언트 사이드 API 키 사용)이 갑자기 재정적 리스크로 바뀌었다. 구글이 뒤늦게 지출 상한제와 선불 결제를 도입한 것도 이런 문제가 빈번했음을 시사한다.

-> 2026-04-15 Stanford report highlights growing disconnect between AI insiders and everyone

오르반은 야당의 TV 출연 금지, 도청, 게리맨더링(49% 득표로 68% 의석 확보), 언론사 80-90%를 측근에게 넘기는 등 명백한 반민주적 행동을 했다. 그런데 결국 선거에서 졌다는 이유로, 일부는 "민주주의 위협 담론 자체가 과장"이라고 주장한다. 하지만 피노체트, 푸틴, 차베스, 밀로셰비치도 선거에서 진 적이 있다. 독재는 이분법이 아니라 스펙트럼이다. 미국을 10%, 푸틴 러시아를 70%, 북한을 100%라 하면 오르반 헝가리는 35% 정도였다. "선거에서 졌으니 괜찮았다"는 논리는 과거 독재자들도 정당화하는 셈이다. 저자는 트럼프의 2020년 선거 뒤집기 시도(조지아 사건, 1월 6일)를 언급하며, "민주주의 후퇴 패러다임"을 버리지 말아야 한다고 강조한다.

2011년 푸틴의 통합러시아당은 49% 득표에 1,100건 이상의 부정선거 의혹을 받았는데도, 겨우 52% 의석으로 "굴욕적 승리"를 거뒀다. 독재자도 노골적 부정을 피하려 애쓴다는 증거다.

이 논쟁의 실제 타깃은 트럼프다. JD 밴스는 오르반 지지자이고, 트럼프는 2020년 선거 뒤집기를 시도했다. "오르반이 졌으니 민주주의 위협은 과장"이라는 주장은, 트럼프에 대한 우려도 무력화하려는 시도다. 하지만 독재는 단번에 오지 않고, 작은 침식이 쌓여 임계점을 넘는다. 오르반의 패배는 "시스템이 버텼다"는 증거이지, "우려가 틀렸다"는 증거가 아니다.

-> 2026-04-15 What if a few AI companies end up with all the money and power?

Nathan Lambert가 최근 몇 달간 진행한 4가지 프로젝트를 정리한 업데이트다. 첫째, ATOM Report를 통해 오픈 언어모델 생태계를 측정하는 새로운 방법론(RAM 스코어)을 제시했다. 이 지표는 모델의 다운로드 추세를 시간과 크기로 정규화해 1점 이상이면 해당 크기 카테고리에서 역대 톱10 진입 궤도에 있다는 의미다. Gemma 4의 폭발적 초기 채택률, 중국 중견 플레이어(Moonshot, Z.ai, MiniMax)의 영향력, GPT-OSS의 부상 등을 분석했다. 둘째, 2024년 5월부터 준비한 RLHF 책이 완성돼 Manning과 Amazon에서 사전주문을 받고 있다. 셋째, 책과 연계한 무료 YouTube 강의 시리즈를 제작 중이며 이미 4개 강의가 공개됐다. 넷째, 멀티턴 대화 능력(TurnWise)과 메타강화학습(Meta-RL) 관련 논문 2편에 참여했다.

RAM 스코어라는 단일 숫자로 복잡한 오픈모델 생태계를 해석 가능하게 만들었다는 점. 중국 모델들이 이 지표에서 눈에 띄게 상승 중이고, Gemma 4는 출시 직후부터 이례적인 채택률을 보이고 있다.

오픈모델 생태계가 급격히 성장하면서 누가 실제로 사용되는지를 측정하는 신뢰할 만한 지표가 필요해졌다. 특히 미국 대 중국 AI 경쟁 구도에서 오픈모델의 실제 시장 점유율과 영향력을 정량화하는 작업은 정책과 투자 결정에 직접 영향을 준다. Lambert의 책과 강의는 포스트 트레이닝이 AI 개발의 핵심 경쟁력으로 자리잡는 시점에 나온 타이밍 좋은 교육 인프라다.

-> 2026-04-16 My bets on open models, mid-2026 | RSS/Interconnects -> 2026-04-12 The inevitable need for an open model consortium | RSS/Interconnects