읽을 가치가 있는 기사만, 짧고 또렷하게.

AI를 통해 기술적 결정을 내리는 과정에서 비판적 사고의 부족이 심각한 문제임을 지적합니다. AI에게 피드백을 요청하는 것은 본인이 해당 주제에 대해 자신감 있게 말할 능력이 부족함을 드러내는 것이며, 이는 AI의 결과에 대한 신뢰도를 떨어뜨립니다.

기술적 논리가 부족한 사람이 AI에게 질문하면 비판적인 검토 없이 즉시 행동하게 되어 소프트웨어 스택이 과도하게 설계되는 결과를 낳습니다. 예를 들어, 보안이 확보된 내부 패키지를 구축할 때 AI는 필요한 패치를 적용하는 대신 소스에서 모든 종속성을 포크하고 빌드 및 유지보수하는 비효율적인 해결책을 제시할 수 있습니다.

AI의 과대광고는 단순히 해결책을 제시하는 것을 넘어, 사용자가 AI의 동의를 얻는 것을 실현 가능한 것으로 가정하게 만듭니다. 이는 결국 비효율적인 코딩을 조장하며, 정보를 단순히 반복하는 행위는 지적 능력을 퇴화시키고 사용자를 덜 유용하게 만듭니다.

따라서 개발자들은 AI를 단순한 정보 제공 도구로 활용하고, 스스로 비판적 사고를 통해 질문을 구성해야 합니다. 가장 좋은 방법은 단순함을 추구하고, 오픈 소스 개발자들과 협력하여 패치를 기여하는 방식으로 접근하는 것입니다.

영상 월드 모델이 카메라가 이전에 관찰했던 영역을 다시 볼 때 그 내용을 정확히 재현하려면 과거 관찰을 기억하고 현재 시점에 맞는 정보를 검색해야 합니다. 기존의 키-값 캐시는 시각적 세부 정보를 보존하지만 비디오 길이에 따라 증가하며, 순환 메모리는 공간을 절약하지만 역사를 고정된 상태로 압축하여 개별 과거 관찰에 직접 접근할 수 없다는 한계가 있습니다.

이에 본 논문은 이러한 한계를 극복하기 위해 두 가지 표현 방식을 모두 유지하는 하이브리드 공간 메모리 아키텍처인 LOCI를 제안합니다. LOCI는 트랜스포머 블록의 절반에서는 과거 관찰의 키-값 캐시를 유지하고, 나머지 절반에서는 현재 청크에 국한된 정보와 카메라 기하학에 조건화된 순환 선형 어텐션 메모리를 결합합니다. 이를 통해 시점 정보가 메모리 주소 지정과 저장된 콘텐츠 모두에 반영되어 메모리 접근이 가능해집니다.

LOCI는 MIND 메모리 벤치마크와 기록된 궤적에서 대표적인 월드 모델이나 풀-소프트맥스 모델보다 재방문된 콘텐츠를 더 충실하게 재현합니다. 또한 전체 기록을 사용할 경우 동일한 길이에서 피크 메모리를 약 30% 절감하며, 동일한 예산 내에서 풀-소프트맥스보다 더 충실한 성능을 유지하며 긴 비디오를 일정한 메모리로 스트리밍할 수 있습니다.

소비자 AI의 경제적 현실은 낙관적인 전망과는 거리가 멀다는 점이 중요합니다. 메타의 개인 AI 비서 뮤즈나 OpenAI의 Dots와 같은 제품들이 인기를 얻고 있지만, 더 나은 모델이 반드시 더 수익성 있는 소비자 비즈니스로 이어지지는 않습니다. 현재 소비자들은 AI 서비스에 대해 지불할 의사가 한계에 도달했으며, 이는 기술의 성능 향상과 소비자 지불 의사 사이의 괴리를 보여줍니다.

에이전트 AI가 일상적인 작업을 처리하는 데 있어 신뢰성을 얻었음에도 불구하고, 소비자 AI의 근본적인 경제학은 개선되지 않고 있습니다. 2026년 5월 기준으로 미국 소비자 중 AI 서비스를 실제로 지불하는 비율은 2.2%에 불과하며, 월평균 지출액은 31달러 수준입니다. 이는 AI 운영 비용이 이전의 소셜 네트워킹이나 클라우드 컴퓨팅과 비교했을 때 비정상적으로 비싸다는 점을 반영하며, 수억 명의 유료 고객이 반드시 손익분기점을 달성한다는 것을 보장하지 않습니다.

이러한 경제적 제약 때문에 주요 연구 기관들은 소비자 AI의 성장이 선형적이라는 점을 지적하고 있습니다. 결과적으로 업계는 엔터프라이즈 계약과 수직적 확장에 초점을 맞추는 방향으로 전환하고 있습니다. OpenAI는 이 현실에 적응하여 엔터프라이즈 부문으로의 전환을 성공적으로 이끌었으며, 소비자 서비스를 기업에 마크업을 붙여 판매하는 전략을 취하고 있습니다.

뮤즈나 인스팅트와 같은 제품들이 이러한 추세를 따르지 않는 이유는 수익화에 덜 집중하기 때문입니다. 소비자 AI의 경제적 현실은 기업이 엔터프라이즈 수익에 접근하지 않고는 얼마나 크게 성장할 수 있는지에 대한 명확한 상한선을 제시합니다.

아마존 배송 기사의 스마트 안경이 운행 중인 모든 것을 사진으로 촬영할 수 있다는 보도가 나왔습니다. 이 안경은 사람들과 사유 재산까지 촬영할 수 있으며, 블룸버그 보도에 따르면 한 운전자의 일반적인 근무 시간 동안 수천 장의 캡처가 가능하다고 합니다.

아마존은 이러한 수집된 데이터를 자사의 AI 플랫폼인 Wellspring에 업로드할 계획입니다. 이는 운송 과정을 개선하기 위한 목적으로 데이터가 사용된다고 설명하고 있지만, 사용자들은 이러한 데이터 수집에 대해 거부할 수 있는 옵션이 있는지에 대해 질문했습니다.

아마존 측은 고객이 이 데이터 수집에서 제외할 수 있는지에 대해 "우리는 그것에 대해 생각해 본 적이 없다"고 답변했습니다. 아마존은 이 데이터가 감시와 같은 목적으로 사용되지 않고 배송 프로세스를 향상시키는 데만 사용된다고 주장하고 있습니다.

도널드 트럼프 대통령은 최근 인공지능(AI) 관련 발표에 대해 기자들의 질문에 응답하며 입장을 밝혔다. 그는 과거에 AI 안전에 대한 우려가 민주당이 조작한 "거짓말"이었다고 주장했던 내용을 철회했다. 이는 그가 해당 기술을 "슈퍼 인텔리전스(Super Intelligence)"로 명명하면서 안전에 대한 우려가 더 이상 적용되지 않는다고 설명했다.

대신 트럼프 대통령은 연방 차원의 AI 규제 도입 대신 "세상에서 가장 똑똑한 사람들이 서로를 감시하도록" 하는 방식을 선호한다고 밝혔다. 이는 정부가 AI 안전장치를 충분히 시행하지 않는다는 우려에 대해 미국 기업들이 중국을 "지배하고 있기" 때문에 규제가 필요하지 않다는 입장을 내세운 것이다.

이러한 발언은 AI 안전 연구와 규제에 대한 논의가 정부의 개입보다는 기업 간의 자율적인 자기 규제 메커니즘에 초점을 맞추는 방향으로 전환될 수 있음을 시사한다. 개발자들은 AI 시스템의 안전장치와 거버넌스 프레임워크가 향후 어떻게 형성될지에 주목할 필요가 있다.

그레이트 디르호미코시도데카헤드론("밀러의 괴물")이라는 균일 다면체에 대한 모델링 과정과 기하학적 특성이 소개됩니다. 이 다면체는 124개의 면을 가지며 24개의 오각별, 40개의 삼각형, 60개의 사각형으로 구성되어 있고, 60개의 꼭짓점을 가지고 있습니다. 특히 이 모델은 각 꼭짓점에 8개의 면이 모이는 유일한 균일 다면체이며, 삼각형 외에 사각형을 스눕 면으로 갖는 유일한 균일 다면체라는 점이 주목됩니다.

이 모델은 1280개의 외부 면발(facelets)을 조립해야 하는 복잡한 구조를 가지고 있어, 모델링 과정에서 면을 펼치는 방식과 조립 순서가 매우 중요합니다. 기사에서는 스텔라(Stella)의 패싯 모드를 사용하여 이 모델을 제작하는 과정에서 여러 조각을 연결하고 접착하는 상세한 방법을 설명합니다.

제작 과정에서는 여러 조각을 연결하고 탭을 사용하여 결합하는 복잡한 단계를 거치며, 특히 내부 지지 구조와 외부 면을 연결하는 순서를 변경하여 조립 난이도를 낮추는 방법이 제시됩니다. 이는 모델의 완성도를 높이고 복잡한 기하학적 구조를 효과적으로 구현하기 위한 실질적인 제작 팁을 제공합니다.

Bild AI가 Y Combinator(YC) W25 프로그램에 참여하며 창업자급 제품 엔지니어(Founding Product Engineer)를 채용하고 있습니다. 이 포지션은 건설 분야의 복잡한 청사진 읽기, 비용 추정, 허가 신청 문제를 해결하기 위해 AI 접근 방식을 적용하는 것을 목표로 합니다.

Bild AI는 건설 및 하드웨어 데이터를 단순화하는 데 중점을 두고 있으며, 사용자들이 종이로 작업했던 복잡한 청사진과 하드웨어 데이터를 쉽게 이해할 수 있도록 하는 사용자 인터페이스를 구축해야 합니다. 따라서 지원자는 React 프론트엔드, Python 백엔드 및 인프라를 아우르는 풀스택 경험을 바탕으로 제품의 기능 전반을 책임지고 개발해야 합니다.

이 회사는 모델 가든 접근 방식을 통해 청사진 이해 모델을 구축하고 있으며, 고객 피드백을 기반으로 제품을 개발하는 고객 중심의 접근 방식을 취하고 있습니다. 채용 과정은 기술 면접과 코딩 테스트를 포함하며, 지원자는 고객과 직접 소통하고 복잡한 도메인 지식을 명확한 제품 결정으로 전환하는 공감 능력을 갖추어야 합니다.

Bild AI는 2024년에 설립되었으며 세계적인 벤처 캐피탈로부터 자금을 조달했으며 현재 9명의 팀원으로 운영되고 있습니다. 이 기회는 AI 기술을 실제 산업 문제에 적용하여 0에서 1을 구축하는 데 관심 있는 개발자들에게 기술적 도전과 제품 소유권을 동시에 제공합니다.

버지(The Verge)의 선임 리뷰어 빅토리아 송이 발행하는 주간 뉴스레터인 옵티마이저(Optimizer)는 삶을 변화시킨다고 주장하는 최신 기구와 약재들을 분석하고 논의합니다. 이 글은 특히 건강과 웰빙에 초점을 맞추어 장 건강 개선에 도움이 되는 식품과 방법을 다루고 있습니다.

이 글은 특정 식품이 건강에 미치는 영향을 다루며, 화자는 "이 배변 최대화 페스토로 당신의 항문을 폭발시킬 것이다"와 같은 다소 과장된 표현을 사용합니다. 이러한 주장은 단순히 건강에 대한 관심과 특정 식재료의 효능을 연결하려는 시도로 해석됩니다.

실제로 글에서는 특정 레시피를 제시하는데, 두 컵의 삶은 완두콩을 표준 페스토 레시피에 섞어 18그램의 수확량을 얻는 방법을 설명합니다. 이는 섬유질 섭취와 같은 건강 목표를 달성하기 위해 구체적인 식재료의 조합을 제안하는 내용입니다.

결론적으로 이 기사는 최신 기술이나 기묘한 제품 리뷰라기보다는, 섬유질 섭취와 같은 건강 목표를 달성하기 위해 실생활에서 적용할 수 있는 구체적인 식단 및 레시피 정보를 제공하는 데 중점을 두고 있습니다.

러시아의 장기간 지연된 유인 우주선 프로젝트인 이글(Eagle)의 실제 진행 상황에 대한 의문이 제기되고 있습니다. 유럽 우주국(ESA)과 러시아는 20년 전 차세대 유인 우주선 협력에 대해 논의했으나, 유럽은 프로젝트를 진행하지 않기로 결정하고 러시아의 국영 우주 기업인 로스코스모스가 독자적으로 이 계획을 추진했습니다.

이 프로젝트는 수년간 여러 이름으로 불리며 진행되었는데, 초기에는 PPTS, PTK NP와 같은 개념적인 명칭이 사용되었고, 이후 공개 경쟁을 거쳐 2016년 1월에는 '연방(Federation)'이라는 공식 명칭이 채택되었습니다. 현재는 드미트리 로고진의 통제 하에 있는 로스코스모스가 이 우주선을 '오렐(Orel)' 또는 '이글(Eagle)'로 명명하며 개발을 이어가고 있습니다.

이처럼 오랜 기간 동안 이름 변경과 시각 자료만 존재했을 뿐, 실제로 이글 우주선에 대한 하드웨어 테스트가 진행되고 있는지에 대한 의문이 남아 있습니다. 개발자들은 이 프로젝트가 단순한 명칭 변경을 넘어 실제 기술적 진전을 이루고 있는지에 주목하고 있습니다.

미국은 지난 봄부터 모든 향후 외국산 소비자 라우터의 제조를 금지했습니다. 이 규정은 제조사가 미국 정부를 설득하여 국가 안보 위협이 아니라는 점을 입증하고, 미국 내에 제조 시설을 설립하거나 확장하기 위한 구체적이고 시간 제한이 있는 계획을 제출해야만 예외를 허용합니다.

이러한 규정으로 인해 Asus는 9월 9일 기준으로 이 금지 조치에서 면제를 받았습니다. 이 면제 덕분에 Asus는 첫 번째 Wi-Fi 8 라우터를 미국에 출시할 수 있었습니다.

하지만 Asus는 미국 내 제조 계획을 발표하지 않았으며, 미국에 제조 시설을 이전하겠다는 계획을 공식적으로 확인하지도 않았습니다. 따라서 Asus가 실제로 미국 내 제조 계획을 제출했는지 여부는 공개적으로 확인되지 않았습니다.

Jev는 작업마다 별도의 분류기를 미세 조정할 필요 없이 다양한 텍스트 분류와 의사결정을 수행할 수 있는 범용 분류 모델입니다. 이 모델은 대형 생성형 LLM보다 훨씬 빠르고 저렴한 처리를 지향하며 효율적인 텍스트 분류 솔루션을 제공합니다.

이러한 Jev의 등장은 텍스트 분류 기술의 발전 흐름 속에서 중요한 위치를 차지합니다. 텍스트 분류는 과거 Bag-of-Words와 로지스틱 회귀를 기반으로 발전했으며, 이후 RNN, CNN, 그리고 사전 학습된 Transformer 모델을 거치며 발전해 왔습니다.

최근 Jev와 같은 범용 모델은 특정 작업에 대한 별도의 미세 조정 없이도 광범위한 분류 작업을 처리할 수 있다는 점에서 주목받고 있습니다. 이는 개발자들이 대규모 모델에 의존하지 않고도 빠르고 비용 효율적인 분류 시스템을 구축할 수 있는 새로운 접근 방식을 제시합니다.

AI 기반 에이전트 코딩 시대에 커밋 메시지와 설명의 역할에 대한 논의가 필요합니다. 저자는 과거에 커밋 설명을 작성하는 과정이 단순히 변경 사항을 기록하는 것을 넘어 코드를 되돌아보고 결정의 이유를 명확히 하는 사고 도구 역할을 했다고 설명합니다. 이러한 과정은 코드를 작성하는 자신에게도 도움이 되어 더 나은 변경을 이끌어냈습니다.

하지만 AI가 코드와 커밋 설명을 작성하는 시대에는 이러한 맥락이 사라질 위험이 있습니다. 에이전트가 변경 사항에 대한 '왜'를 스스로 추론하여 작성할 경우, 실제 이유와 다른 잘못된 추론이 포함될 수 있으며 이는 위험할 수 있습니다. AI가 충분한 맥락을 갖추지 못하면 그 결과물은 나중에 이해하기 어렵거나 수정하기 힘들게 됩니다.

따라서 저자는 AI가 코드를 작성하고 설명을 생성하더라도, 커밋 메시지와 설명을 직접 작성하는 것이 중요하다고 주장합니다. 직접 작성하는 과정은 AI가 만든 변경 사항을 되돌아보고 의도대로 이루어졌는지 확인하는 검증 과정이 됩니다. 특히 "우리가 ~할 때까지 이 작업을 진행한다"와 같은 임시 결정 사항을 기록함으로써 미래의 독자들이 해당 변경 사항을 유지할지 결정하는 데 도움을 줄 수 있습니다.

결론적으로 코드를 작성하는 것만큼이나 그 변경의 이유를 명확히 설명하는 것이 중요하며, 커밋 설명은 단순한 기록이 아니라 개발자가 자신이 배포하는 내용을 완전히 이해하고 책임지기 위한 사고 도구로 활용되어야 합니다.

마이크로소프트의 Xbox 사업 매각 가능성에 대한 보도에 대해 Xbox 최고경영자 아샤 샤르마가 부인했습니다. 이 정보는 마이크로소프트의 CEO인 사티아 나델라와 CFO인 에이미 후드가 Xbox 사업을 완전히 분사하는 방안을 고려했다는 보도에서 비롯되었습니다.

지난 6월 The Information은 두 임원이 이러한 분사 가능성을 고려했다고 보도했으며, 이어서 최근에는 샤르마의 사업단 전반을 개편하려는 계획을 지지했다는 내용이 보도되었습니다. 이러한 보도들은 Xbox 사업의 구조 변화에 대한 업계 내 논의가 진행되고 있음을 시사합니다.

이에 대해 샤르마는 인터뷰에서 "Xbox는 팔리지 않는다"고 단언하며, 회사를 성공적으로 만들기 위해 필요한 운영 모델과 적절한 파트너십을 모색할 것이라고 밝혔습니다. 이는 Xbox 사업의 독립적인 미래에 대한 경영진의 입장이 확고함을 보여줍니다.

메타는 자사의 Muse AI 에이전트가 명시적인 허가 없이 사용자 메시지에 접근할 수 없다고 주장하며, 기자 측의 주장을 반박했습니다. 이는 Muse AI가 사용자의 개인 메시지에 접근했다는 보도에 대한 논란을 종식시키려는 시도입니다.

기자들은 필수 Mac 설정이 꺼진 상태에서 에이전트가 개인 메시지를 읽었다고 주장했지만, 메타는 이러한 접근이 명시적인 사용자 허가 없이는 불가능하다고 밝혔습니다. 이 논쟁은 AI 에이전트가 시스템 내의 민감한 데이터에 접근할 때 필요한 보안 및 접근 권한 설정에 대한 중요한 질문을 제기합니다.

결국 이 사안은 AI 시스템이 사용자 데이터를 처리하고 접근할 때 명확한 권한 관리와 사용자 동의가 필수적임을 강조합니다. 개발자들은 AI 에이전트가 시스템 설정이나 사용자 데이터에 접근하는 방식에 있어 명확한 보안 경계와 접근 제어 메커니즘을 구축해야 할 필요성을 시사합니다.

구글이 AI 답변에 기여한 웹사이트에 비용을 지불하는 파일럿 프로그램의 지급액이 매우 미미하다는 보고가 나왔습니다. 이 프로그램에 참여한 일부 소규모 및 중규모 퍼블리셔들은 구글의 AI 지급액이 광고 수익의 약 1/100분의 1 수준에 불과하여 실망감을 표하고 있습니다.

구글은 웹사이트가 Gemini 기반 검색 결과와 같은 AI 개요에 콘텐츠를 제공함으로써 기여할 때 보상을 제공하려는 시도를 했습니다. 하지만 구글은 오랫동안 웹사이트가 구글 봇에 콘텐츠를 스크랩하도록 허용하는 대가로 트래픽을 얻는다고 주장하며 직접적인 지급에 저항해 왔습니다.

이러한 낮은 보상 수준 때문에 일부 대형 퍼블리셔들은 이 프로그램 참여를 거부하기도 했습니다. 이들은 구글이 더 관대한 조건을 제시하도록 압박하기 위해 참여를 보류하고 있습니다. 이는 AI 시대에 웹사이트와 구글 간의 관계가 변화하고 있음을 보여주는 사례입니다.

DoorDash가 사용자가 텍스트로 주문할 수 있는 AI 에이전트를 출시하며 Uber Eats 및 Grubhub와 같은 경쟁사 대비 우위를 점하려 합니다. 이 새로운 도구는 사용자가 "평소 주문해 줘"와 같은 프롬프트를 보내면 주문을 처리하는 기능을 제공하며, 사용자가 특정 요리를 요청하고 지역 추천을 받을 수도 있습니다.

이 AI 에이전트는 사용자가 앱이나 웹사이트를 탐색할 필요 없이 작업을 처리하는 개인 AI 에이전트의 확산 추세에 발맞추어 개발된 것입니다. 에이전트는 지역 상점을 검색하여 프롬프트에 기반한 장바구니를 제안하고 심지어 추천 음식의 사진까지 텍스트로 보낼 수 있습니다. 또한 그룹 주문 시 다양한 식단 선호도와 수량을 하나의 주문에 통합하여 처리할 수 있는 기능도 제공합니다.

DoorDash는 미국 사용자들을 대상으로 이 새로운 기능을 시험해 볼 수 있도록 대기 목록을 열었습니다. 이와 함께 DoorDash는 북부 캘리포니아의 일부 레스토랑과 함께 배달 드론 테스트를 시작하는 등 AI 기술을 활용한 서비스 확장을 모색하고 있습니다.

벤조디아제핀 사용에서 벗어나려는 시도에 관한 논의가 이루어지고 있습니다. 이는 벤조디아제핀의 의존성과 관련된 문제에 초점을 맞추며, 약물 사용을 중단하거나 관리하는 과정에서 발생하는 어려움과 접근 방식을 다룹니다.

이 주제는 벤조디아제핀 사용자들이 직면하는 실제적인 문제와 그 해결책을 탐색하는 데 중점을 둡니다. 약물 의존성 문제에 대한 접근 방식은 단순히 중단하는 것을 넘어, 신체적, 심리적 회복을 돕는 다양한 방법들을 포함합니다.

기사에서는 벤조디아제핀 사용을 관리하고 중단하려는 과정에서 발생하는 복잡한 상황과 그에 따른 도전 과제들을 조명합니다. 독자들은 이러한 경험을 통해 약물 의존성 문제에 대한 더 깊은 이해를 얻고 개인적인 상황에 적용할 수 있는 정보를 얻을 수 있습니다.

Lux Optics의 안티 알고리즘 카메라 앱인 Halide가 새로운 업데이트를 통해 아이폰 및 아이패드에서 새로운 사진 촬영 룩 두 가지와 새로운 아이폰 18 Pro의 메인 카메라에 대한 가변 조리개 지원을 추가했습니다. 이 업데이트는 Halide가 다른 서드파티 앱보다 조리개 설정에 대해 더 세밀한 제어권을 제공한다는 점을 강조합니다.

iOS 기본 카메라 앱은 조리개 조정 기능을 단 네 가지 프리셋으로 제한하고 있지만, BlackMagic Camera나 Moment Pro Camera II와 같은 다른 앱들은 이를 1/3 스톱 간격으로 10개의 프리셋까지 확장하여 디지털 카메라에서 제공하는 방식과 유사하게 기능을 제공합니다.

반면 Halide Mark III는 이러한 기능을 더욱 확장하여 사용자가 조리개 설정에 대해 훨씬 더 미세하고 구체적인 제어를 할 수 있도록 지원합니다. 이는 사용자가 새로운 하드웨어 기능의 잠재력을 최대한 활용하여 사진을 촬영할 수 있도록 돕는 데 중점을 둡니다.

데스트로 AI의 핵심은 로봇 회사가 아닌, 로봇과 인간을 같은 페이지에 맞추는 인공지능 레이어를 구축하는 데 있습니다. 스타트업 데스트로 AI는 로봇을 개발하기보다 물류 환경에서 로봇이 효과적으로 작동하도록 돕는 AI 지능을 구축하여 고객의 실제 운영 문제를 해결하는 데 집중했습니다. 이는 로봇 회사들이 단순히 하드웨어에 집중하는 것과 달리, 고객의 문제점을 정확히 파악하고 현장 운영의 비효율성을 개선하는 데 중점을 둠으로써 경쟁 우위를 확보한 결과입니다.

데스트로 AI는 특히 물류 분야의 크로스 도킹(cross-docking) 환경에서 이 솔루션을 입증했습니다. 이들은 인간 작업자와 카트 이동 로봇을 모두 지휘하는 '모더십(Mothership) 운영 시스템'을 통해 물품을 분류하고 적재하는 전체 프로세스를 체계화했습니다. 이 시스템은 카메라 이미지와 지침을 해석하여 로봇의 움직임을 제어하는 비전-언어-행동 모델(vision-language-action models)을 기반으로 작동하며, 이를 통해 작업의 노동 집약도를 줄이고 모든 과정을 체계적으로 만들었습니다.

이러한 접근 방식은 기존의 로봇 스타트업들이 제공하지 못했던 전체 프로세스에 대한 자율적인 방향성을 제공했다는 점에서 중요합니다. 다른 경쟁사들이 개별적인 이동이나 물류 관리 도구를 제공하는 데 그쳤던 반면, 데스트로 AI는 전체 운영 흐름에 자율적인 지시를 적용하여 효율성을 극대화했습니다. 데스트로 AI는 현재 이 파일럿 프로그램을 확장하여 26대 로봇과 17대 로봇을 배치하고 있으며, 이 물류 워크플로우를 수천 개의 창고로 확장할 계획입니다.

다만, 데스트로 AI가 직면할 수 있는 과제는 더 높은 수준의 민첩성과 조작 능력이 필요한 작업 흐름을 처리하는 것입니다. 현재로서는 데스트로 AI가 다지한 시스템을 더 복잡한 조작이 필요한 작업에 적용하는 데 있어 추가적인 기술적 도전을 해결해야 할 것입니다.

AI 스타트업 인스팅트(Instinct)가 새로운 제품 추천 기능을 도입하면서 일부 사용자들에게 실망감을 안겨주고 있습니다. 인스팅트는 식당, 여행, 쇼핑 등 개인화된 목록을 제공하기 위해 셰프, 디자이너, 여행 가이드 등 인간의 취향을 반영한 추천을 제공하는 'Instinct Selections' 기능을 출시했습니다. 이는 AI가 웹 데이터 학습을 통해 제공하는 추천에만 의존하지 않고 실제 사람들의 선별을 통해 추천의 품질을 높이려는 시도입니다.

하지만 이러한 추천이 사용자가 요청하지 않은 물품을 무작위로 제시하는 형태로 나타나면서 사용자들은 불만을 표출하고 있습니다. 일부 사용자는 필요하지 않은 여행용 가방이나 선글라스 같은 제품 추천을 받으며 실망감을 표현했고, 이는 AI 에이전트가 광고처럼 느껴진다고 지적했습니다.

이러한 경험은 추천 시스템이 사용자에게 실제로 도움이 되기 위해서는 추천이 사용자가 요청한 내용이거나 현재 대화 맥락에 자연스럽게 포함되어야 한다는 점을 시사합니다. 만약 추천이 무작위로 제공된다면 사용자들은 스팸으로 인식하게 되며, 이는 AI 에이전트에 대한 신뢰를 저해할 수 있습니다.

인스팅트는 이러한 추천 기능을 통해 광고, 상거래, 제휴 마케팅 등 새로운 수익원을 모색하고 있으며, 이 에이전트는 사용자 거래를 처리하고 있으며 여행 관련 거래의 50% 이상을 담당하고 있다고 밝혔습니다. 회사는 이러한 추천 기능이 경쟁사들보다 질적으로 차별화되기를 목표로 하지만, 추천의 유용성을 높이는 것이 사용자 만족도를 확보하는 데 핵심 과제입니다.