모닝 인사이트 다이제스트

OpenAI가 40억 달러 규모의 "Deployment Company"를 설립하고, Google Cloud도 수백 명의 "forward deployed engineers"를 채용한다고 발표했다. 겉으로는 기업에 AI를 보급하겠다는 이야기지만, Ben Thompson은 이게 1970년대 메인프레임 컴퓨팅의 재현이라고 본다. 당시 메인프레임은 "생산성 향상"이란 명목으로 회계·ERP 직원들을 대체했고, 의사결정은 CEO가 했다. 지금 AI 배치도 마찬가지다. 직원들에게 챗봇 쓰라고 권하는 게 아니라, 경영진이 비즈니스 프로세스를 재설계하고 인력을 줄이는 데 AI를 투입하는 것이다. Palantir처럼 데이터 통합 작업이 핵심이 될 것이고, Google의 Kurian도 "온톨로지 없이 Gemini로 자동화한다"고 했지만 결국 수백 명의 엔지니어가 필요하다는 게 현실이다. 한편 Apple은 TSMC 캐파 부족으로 iPhone 17 Pro와 Mac 출하를 못 맞추고 있어서, Intel과 칩 제조 계약을 맺었다는 소식도 나왔다. 이유는 단순하다. TSMC가 AI 수요로 꽉 차서 Apple에게 여유분을 못 준다.

OpenAI가 인수한 Tomoro는 2023년 OpenAI와 제휴해 만든 컨설팅 회사로, Mattel·Red Bull·Tesco 같은 기업에 AI를 배치해왔다. "AGI가 스스로 배치 못 한다"는 아이러니를 넘어, 결국 AI 수익화는 컨설팅·SI 모델로 회귀한다는 뜻이다.

AI 산업이 소비자 앱(ChatGPT)에서 엔터프라이즈 계약 경쟁으로 완전히 이동했다는 신호다. OpenAI·Anthropic·Google 모두 PE 펀드나 대기업 경영진을 직접 공략하며 "인력 대체"를 팔고 있고, 이 과정에서 데이터 통합·프로세스 재설계라는 거대한 컨설팅 시장이 열린다. Palantir·ServiceNow 같은 기업 소프트웨어 레이어가 재평가될 수밖에 없고, 동시에 TSMC 독점 리스크가 Apple 같은 대형 고객에게도 현실화되면서 Intel·Samsung 같은 대체 파운드리의 기회가 생긴다. 결국 AI 혁명의 다음 단계는 "모델 성능"이 아니라 "배치 역량"과 "칩 공급망"에서 결판난다.

-> 2026-05-12 | The Inference Shift | RSS/Stratechery

Platformer가 "AI와 일자리" 시리즈 첫 편으로 Box CEO 애런 레비를 인터뷰했다. 레비는 AI 에이전트가 기존 직원을 대체하는 게 아니라, 같은 수의 직원 위에 10배 많은 에이전트가 얹어지는 구조라고 본다. 핵심은 "사람이 90% 줄어드는 게 아니라 에이전트가 10배 늘어난다"는 것. 그는 Salesforce를 예로 들며 "우리 영업 인력은 올해 더 늘었다. 동시에 Salesforce 위에서 돌아갈 에이전트 유스케이스는 100배 많아졌다"고 설명한다. SaaS 좌석(seat) 기반 모델은 사라지지 않고, 그 위에 에이전트의 사용량 기반 과금이 추가되는 스태킹(stacking) 모델로 간다는 전망. 또한 "vibe-coding으로 CRM 만들자"는 식의 자체 개발 논리를 정면 반박한다. 보안 유지보수 비용, 사이버 리스크를 고려하면 기존 SaaS를 버리고 직접 만드는 건 비경제적이라는 것. 결국 일의 마지막 20%—도메인 전문성과 맥락 판단—가 진짜 가치이며, AI는 앞의 80%만 자동화할 뿐이라고 강조한다.

3월 한 달 동안 테크 업계에서 4만 6,000명 해고 발표—1년 넘게 최악의 수치. 근데 동시에 소프트웨어 엔지니어 채용 공고는 최근 3년 중 최고치. 데이터가 서로 모순되는 이 상황을 어떻게 해석하느냐가 핵심 논쟁이다.

"SaaSpocalypse" 공포는 시장 전반을 짓누르고 있고, 엔터프라이즈 소프트웨어 밸류에이션은 계속 압박받는 중이다. 레비의 논리는 "에이전트 = 일자리 감소"가 아니라 "에이전트 = 수요 폭발"이라는 정반대 시나리오를 제시한다. Box 주가가 동종 대비 선방한 건 시장이 이 논리를 일부 받아들였다는 증거일 수도. 투자 관점에서 보면, SaaS 전체를 덤핑하는 게 아니라 어떤 SaaS가 에이전트 레이어의 수혜를 받을지 골라내는 게 관건이 된다.

-> 2026-05-12 Software engineering may no longer be a lifetime career | HackerNews -> 2026-05-13 If AI writes your code, why use Python? | HackerNews

타일러 코웬이 "AI가 대량실업을 부를 것"이라는 가설은 믿지 않는다고 전제하면서도, 단기적으로 세 가지 비자명한 고용 문제를 짚었다. 첫째, AI가 만들어낼 새 일자리는 에너지(원전 등)나 헬스케어 같은 규제 산업에 몰려 있어서 일자리 창출 속도가 느리다. 둘째, 기존 HR 부서는 "누가 AI와 잘 일하는지" 판단할 경험이 없어서 채용 매칭이 비효율적이다. 셋째, 정부도 AI 활용 인재를 제대로 평가하지 못해 재정 정책을 통한 고용 창출이 둔화될 수 있다. 결국 문제는 AI 자체가 아니라, 제도와 판단 시스템이 따라잡지 못하는 시차다.

HR 부서 자체가 "AI와 잘 일하는 사람"을 가려낼 능력이 있는지 의문이라는 지적. 채용 시스템 자체가 과거 일하는 방식에 최적화되어 있어서, AI 시대엔 오히려 더 나쁜 매칭을 만들어낼 수 있다는 역설.

기업들이 "AI로 생산성 폭발"을 외치는 동안, 실제 노동시장은 제도적 병목 때문에 훨씬 느리게 움직일 수 있다는 현실 체크다. 투자자 입장에선 AI 수혜 산업이라도 규제가 강한 곳(헬스케어, 에너지)은 기대 수익 실현이 늦어질 수 있고, 채용 플랫폼이나 HR 테크 같은 매칭 인프라가 다음 병목 지점이 될 수 있다는 시그널이다.

-> 2026-05-12 | Another use of AI in research (from my email) | RSS/Marginal Revolution -> 2026-05-12 | Software engineering may no longer be a lifetime career | HackerNews

NBER 워킹페이퍼를 인용한 글인데, 미국 카운티 단위로 데이터센터 입지와 지역경제 지표를 추적했다. 데이터센터는 전력 수요와 부지를 잡아먹지만, 실제로는 총고용, 데이터 처리 고용, 건설 고용, 사업체 수, 주택가격을 모두 끌어올린 것으로 나타났다. 내생성 문제를 해결하기 위해 1980년 대졸 인구 비율과 장거리 광케이블 노드 근접성을 도구변수로 사용했고, 중국과 글로벌 데이터센터 매출 성장을 shift로 활용했다. 세금 신고 건수, 조정총소득, 임금도 증가했지만 연간 급여총액 반응은 상대적으로 약했다. 전기요금은 올랐지만, 지역 활동 증가와 주택가격 상승이 명확하게 관측됐다.

"전기요금이 오르는데도" 지역 전체 소득과 고용이 늘어난 점. 데이터센터가 지역에 부담만 준다는 통념과 정반대 결과다.

AI 붐으로 데이터센터 투자가 급증하면서 지역 정부들이 입지 규제와 인센티브 사이에서 고민 중이다. 이 연구는 "단기 전력 부담 vs 장기 경제 효과"라는 트레이드오프에서 후자가 실제로 크다는 실증 근거를 제시한다. 미국뿐 아니라 한국·유럽에서도 데이터센터 유치 논쟁이 뜨거운 시점에, 정책 결정과 투자 판단에 직접 참고할 만한 데이터다.

-> 2026-05-12 The interstate trade effects of autonomous trucks

Noah Smith가 데이터를 총동원해 미중 디커플링의 실체를 추적한 글. 미국의 對중국 수입 비중은 2017년 22%에서 2026년 10% 중반까지 급락했고, 외국인 직접투자도 붕괴했다. "관세 우회를 위한 베트남 경유" 같은 회의론도 검증했는데, 실제 트랜스쉽먼트(transshipment)는 중국 손실 수출의 18% 이하에 불과했다. 핵심은 중간재 무역—베트남 조립 제품 안에 중국산 부품이 여전히 들어간다는 점. 하지만 최종 조립 이전이 중국 밖으로 나간 것 자체가 중요한 변화다. 중국은 2000년대 조립부터 시작해 부품 제조로 올라갔고, 이제 베트남·인도·멕시코가 같은 경로를 밟을 수 있다. 트럼프·바이든 관세는 미국 기업들의 중국 이탈에 결정적 push를 줬고, 기술 유출 우려(China Cycle)와 전쟁 리스크가 그 흐름을 가속했다.

PC 조립 기지가 2년 만에 중국에서 베트남으로 완전히 이동. 2024년까지 미국 PC 대부분이 중국산이었는데, 2026년 현재는 대부분 베트남산이다. 공급망 이동이 생각보다 훨씬 빠르게 일어난다는 증거.

트럼프가 CEO 대동하고 중국 방문 중인 지금, 이 디커플링 성과를 콩 몇 자루 수입 약속으로 헛되게 할 위험이 있다. 더 큰 맥락에서는—AI 칩, 배터리, 전자부품 공급망을 누가 장악하느냐는 향후 10년 기술 패권의 물리적 기반이다. 중국이 부품 강자로 올라섰지만, 조립 거점 다변화는 그 영향력을 희석시키는 첫 단계. 베트남이 삼성·애플 조립 허브에서 부품 제조로 넘어가기 시작했다면, 글로벌 제조 지도가 다시 그려지는 중이다. 투자 관점에서는 동남아·멕시코·인도 제조 인프라 관련 테마가 10년짜리 장기 트렌드일 수 있다는 신호.

-> 2026-05-12 | Tyrants are losing wars | RSS/Noahpinion -> 2026-05-11 | Chartbook 447: The US economy in May 2026 - How much cognitive dissonance can you handle? | RSS/Adam Tooze Chartbook

Scott Alexander가 nostalgebraist의 "Hydrogen Jukeboxes" 분석을 인용하며 AI 글쓰기와 취향의 본질을 탐구한다. AI 소설 모델(R1 등)은 "Her lips were the whispering echo of a granite conundrum" 같은 즉각적으로 문학적으로 들리지만 실은 무의미한 "eyeball kick"을 남발한다. 이건 낮은 추상화 능력 + 높은 성과 압박이 만든 결과로, 20-30개 클리셰 단어("echo", "whisper")와 몇 개 공식(구체명사+추상명사)을 조합한 계산적으로 저렴한 트릭이다. 흥미롭게도 케냐 작문 시험에서 영어를 형식적으로 배운 학생들도 똑같은 패턴("strode purposefully", 속담으로 시작하기)을 보인다. 핵심은: 나쁜 취향이란 바보 예술가도 할 수 있고, 바보 관객에게 잘 먹히며, 과다 노출로 똑똑한 사람은 질리는 싼 트릭의 남용이다. 저자는 어린 자녀들이 좋아하는 Lisa Frank 포스터(무지개색, 반짝이, 웃는 동물), "Choo Choo Train" 노래, 설탕 범벅 주스를 예로 들며, 이들이 진화적으로 선호하도록 설계된 저렴한 쾌락 신호임을 지적한다. 반대로 좋은 취향은 이런 명백한 클락슨을 피하고 마스터만 구현 가능한 미묘한 패턴에 주목하게 만든다. 하지만 저자는 반문한다: 싼 트릭을 다 금지하면 10명의 천재만 만들고 10명의 감정가만 감상할 수 있는 재미없는 세상이 되는데, 이게 정말 좋은가? 만약 초지능이 "인간의 최고 트릭도 내게는 싸구려고, 진짜 예술은 무감각한 구체"라고 한다면 우린 그걸 따라야 하나? 취향 옹호론의 최강 논거는 "세련된 예술에서 더 높은 쾌락을 얻는다"인데, 저자는 회의적이다. 취향 있는 사람들은 대부분 시간을 남의 예술을 까는 데 쓰고, 자기 딸이 "Choo Choo Train"에서 느끼는 기쁨이 자신이 어떤 예술에서 느낀 것보다 크다고 말한다.

케냐 초등학생 작문("Thou shalt begin with a proverb")과 AI 글쓰기가 동일한 메커니즘(제한된 지식 + 고압 + 평가자도 제한적)으로 같은 패턴을 만든다는 관찰. 그리고 AI 시가 인간을 이긴 맹검 대회 시가 정확히 "love/dove 압운 + thee/thou + 자연 찬양"이라는 싼 트릭 덩어리였다는 점.

AI 생성 콘텐츠가 범람하는 지금, "왜 AI 글은 다 비슷하게 느껴지나"라는 질문에 대한 가장 명쾌한 답이다. 또한 이는 AI 시대 크리에이터 경제의 근본 긴장을 드러낸다: 대중은 싸고 명백한 쾌락 신호를 원하고, AI는 그걸 대량생산하며, "취향 있는" 작품은 시장에서 밀려날 수 있다. 투자 관점에서는 콘텐츠 플랫폼이 "eyeball kick 필터링"을 어떻게 해결하느냐(또는 안 하느냐)가 차별점이 될 수 있다. 더 깊게는, 초지능 시대에 "인간적 가치"를 어디에 둘 것인가라는 철학적 문제의 전조다.

스탠퍼드 교육학과 Jo Boaler 교수가 "발견 기반 학습법"으로 베이 에리아 전역에서 중학교 대수학을 없앤 사례를 해부한다. 그런데 그녀의 연구는 범죄 수준의 조작이었다. 성적 상위 25%만 비교하고, 학년보다 2-3년 낮은 수준으로 시험을 냈으며, 채점 오류 투성이였다. 다른 연구자들이 추적했더니 "Railside" 학생들은 모든 표준화 시험에서 타 학교에 참패했다. 더 큰 문제는 이게 개인의 일탈이 아니라는 점이다. 고교 전체가 출석 5일짜리 학생도 통과시키고(성장계획 회피용), UC가 2020년 SAT/ACT를 없애면서 현실 점검 장치가 사라졌다. 결과? UCSD 신입생 1,000명(전체의 12%)이 보충수업 대상이고, 이들 중 42%는 미적분 이수했다고 적혀있다. 평균 GPA 3.7이지만 "7+2=3+6"의 답을 25%가 틀린다.

고교에서 평균 성적을 1 표준편차 올리는 "등급 인플레"는 학생의 평생 수입을 교사 1인당 연 21만 달러씩 갉아먹는다는 연구 결과. 통과/낙제 인플레는 2년제 등록률은 올리지만, 평균 성적 인플레는 미래 시험점수·고졸률·대학 진학·소득 모두 깎는다.

표준화 시험 폐지와 "형평성" 명분의 등급 인플레가 결합하면 신호 체계 자체가 무너진다. 하버드도 작년에 미적분 보충반을 신설했다. 학생은 속았고, 대학은 쓸모없는 전공(생물·심리)에서 30% 탈락률을 감당하며, 교육 연구계는 사기 논문으로 정책을 좌지우지한다. AI 시대에 수학적 사고력은 더 중요한데, 시스템은 정반대로 움직이고 있다. 투자 관점에서는 교육 테크 중 "객관적 역량 검증" 솔루션의 수요가 폭발할 신호.

-> 2026-05-12 Childhood And Education #17: Is Our Children Reading

Coursera CEO Greg Hart가 Udemy와의 합병 완료를 공식 발표한 글이다. 합쳐진 회사는 290만 학습자, 1만 8천 기업 고객, 9만 5천 콘텐츠 크리에이터, 31만 5천 강좌를 보유한 글로벌 최대 스킬 플랫폼이 됐다. 핵심 메시지는 "콘텐츠 카탈로그에서 진짜 스킬 전달 플랫폼으로의 전환"이다. AI가 모든 직무를 바꾸는 상황에서, 스킬 발견-개발-인증을 하나로 연결하고 AI 기반 도구를 통해 "적시에 적절한 스킬"을 연결하겠다는 구상이다. 당장은 플랫폼 통합 없이 기존 서비스 유지하고, 점진적으로 통합 경험을 제공할 계획이다.

"Day 1"이라는 표현을 반복하며 당장은 아무것도 바뀌지 않는다고 강조한다. 플랫폼 통합 시점도, 구체적 로드맵도 없다. 거대 합병이지만 실제로는 장기 통합 프로젝트의 출발선에 불과한 셈이다.

에듀테크 시장에서 수평적 확장(더 많은 강좌)이 아닌 수직적 통합(스킬 발견부터 인증까지)으로 전략이 전환되고 있다는 신호다. AI 에이전트 시대에 "무엇을 배울지" 추천하고 "얼마나 숙련됐는지" 측정하는 플랫폼이 핵심 경쟁력이 된다. LinkedIn Learning, Pluralsight 등 경쟁자들에게도 압박 요인이고, 기업 교육 시장에서 가격 협상력이 크게 강화될 가능성이 있다.

-> 2026-05-11 | Will AI kill the research paper? -> 2026-05-12 | Another use of AI in research (from my email)

구글이 ChromeOS가 아닌 별도 브랜드로 AI 네이티브 노트북 라인을 선보인다. 핵심 기능은 세 가지다. 첫째, 'Magic Pointer'로 화면의 모든 요소를 선택해 즉시 Gemini에게 질문하거나 비교, 생성 작업을 시킬 수 있다. 둘째, 자연어로 위젯을 만드는 등 OS 레벨 커스터마이징이 가능하다. 셋째, Android 17 이상 폰과의 깊은 통합으로, 앱을 설치 없이 노트북에서 바로 열고 파일에 접근할 수 있다. 출시는 2026년 가을이며, 사전 등록을 받고 있다.

"Intelligence is the new spec"이라는 표현이 눈에 띈다. RAM이나 CPU 대신 AI 성능을 제품의 핵심 스펙으로 내세운 건, 하드웨어 경쟁 축이 완전히 바뀌었다는 신호다. 그리고 ChromeOS가 아닌 새 브랜드를 쓴다는 건, 구글이 기존 생태계와 단절하거나 최소한 차별화하려는 의도로 읽힌다.

MS가 Copilot+ PC로 Windows에 AI를 녹였고, 애플도 Apple Intelligence를 Mac에 통합했다. 구글의 Googlebook은 이 경쟁에서 뒤처지지 않겠다는 선언이자, 동시에 Android 생태계와의 결합으로 차별화를 꾀한다. 특히 로컬 AI 수요가 커지는 시점(-> 2026-05-12 Local AI needs to be the norm)에서, 하드웨어-소프트웨어-AI 수직 통합이 다시 경쟁력의 핵심이 되고 있다는 방증이다. 투자 관점에서는 구글이 단순 클라우드 AI 제공자에서 엔드투엔드 경험 기업으로 전환하려는 움직임으로 봐야 한다.

-> 2026-05-12 Local AI needs to be the norm -> 2026-05-10 Google broke reCAPTCHA for de-googled Android users

Thinking Machines Lab이 "상호작용을 모델 자체에 내장"한 새로운 아키텍처를 연구 프리뷰로 공개했다. 기존 AI는 사용자가 말을 끝내야 응답하고, 생성 중엔 인지가 멈춘다. 이건 "턴 기반" 설계라서 실시간 협업에는 병목이 생긴다. 구글 같은 회사도 모델 카드에서 "대화형 사용은 느려서 가치가 덜하다"고 인정했을 정도다. Thinking Machines는 이 문제를 200ms 단위 "마이크로 턴" 설계로 해결했다. 오디오·비디오·텍스트를 동시에 입력받고, 사용자가 말하는 중간에도 끼어들거나 동시 통역을 할 수 있다. 인코더 없이 가볍게 전처리하고, 트랜스포머와 함께 처음부터 공동 학습시켰다. 긴 추론이 필요할 땐 백그라운드 모델에 위임하되, 상호작용 모델은 대화를 계속 이어가며 결과를 적절한 타이밍에 끼워 넣는다.

기존 LLM 추론 라이브러리는 "큰 배치, 긴 시퀀스"에 최적화돼 있어서 200ms 청크를 자주 처리하면 오버헤드가 컸다. 이들은 SGLang에 "스트리밍 세션" 기능을 기여해 GPU 메모리에 시퀀스를 계속 append하는 방식으로 문제를 풀었다. 심지어 trainer-sampler를 비트 단위로 일치시켜 디버깅도 쉽게 만들었다.

AI 협업의 병목이 "모델 지능"에서 "인터페이스 대역폭"으로 넘어가고 있다. 코파일럿이나 에이전트는 자율성을 강조하지만, 실무에선 사람이 중간에 개입해야 좋은 결과가 나온다. Interaction Model은 이 틈새를 겨냥한다. 추론 최적화와 멀티모달 실시간 처리가 결합되면, 원격 회의·라이브 코딩·실시간 번역 같은 시나리오에서 AI가 "조수"가 아니라 "동료"처럼 느껴질 수 있다. 이건 단순한 UX 개선이 아니라 아키텍처 레벨의 재설계다.

-> 2026-05-12 | The Inference Shift -> 2026-05-10 | A recent experience with ChatGPT 5.5 Pro