AI피드

챗GPT 모델 선택, 6월부터 '속도냐 깊이냐'로 골라요

피드너 — Sun, 9 Aug 2026 18:00:00 +0900

얼마 전에 챗GPT(ChatGPT) 켜서 보고서 하나 부탁하려는데, 모델 고르는 칸이 또 바뀌어 있더라고요. Instant부터 Pro Extended까지 6개가 쭉 떠 있어서 손이 멈췄습니다.

분명 작년 여름엔 "단순하게 만들겠다"고 했던 것 같은데, 막상 열어보니까 선택지가 더 늘어 있어서 좀 당황스러웠어요. 그래서 이번에 뭐가 어떻게 바뀐 건지, 작업할 때 뭘 골라야 손해 안 보는지 제 나름대로 정리해봤습니다.

챗GPT 모델 차이가 헷갈렸던 이유

사실 그동안 챗GPT 모델 이름이 좀 정신없었어요. Auto, Fast, 거기에 Thinking Standard·Extended·Heavy·Light까지 붙으니까, 개발자가 아닌 입장에서는 이게 뭐가 다른 건지 직관적으로 와닿질 않더라고요.

선택지는 많은데 정작 "내 작업엔 뭘 써야 하지"가 안 잡히니까, 그냥 맨 위에 있는 거 누르고 마는 일이 많았습니다. 골라봤자 차이를 모르겠으니 활용도가 떨어진 거죠.

이번 개편은 바로 그 지점을 건드린 것으로 보입니다. 기술적인 모델명을 싹 가리고, 대신 "얼마나 머리를 굴리게 할지" 단계로 바꿔놓은 거예요.

Instant부터 Pro Extended까지, 6단계 노력 수준

이번 챗GPT 모델 선택기는 속도가 빠른 쪽부터 깊게 생각하는 쪽까지 6단계로 줄을 세워뒀습니다.

Instant: 빠른 사실 조회, 단순한 문장 다듬기
Medium: 중간 수준으로 한 번 생각하고 답하는 단계
High: 좀 더 깊게 추론이 필요한 작업
Extra High: 복잡한 분석, 여러 단계로 풀어야 하는 문제
Pro Standard: Pro 구독자 전용, 높은 수준의 연산
Pro Extended: Pro 구독자 전용, 가장 무겁고 응답이 제일 오래 걸리는 단계

여기서 헷갈리기 쉬운 게 하나 있는데요. 새 모델이 6개 추가된 게 아닙니다. 내부에서 돌아가는 모델이나 사용량 한도는 그대로 두고, 이름이랑 화면만 바꾼 거라고 해요. 말하자면 같은 엔진에 가속 페달 단계를 새로 나눠 붙인 셈이지요.

예전에 쓰던 이름이랑 짝을 맞춰보면 감이 더 빨리 옵니다. Medium이 옛날 Thinking Standard, High가 Thinking Extended, Extra High가 Thinking Heavy에 해당해요. Thinking-Light는 사용 비중이 낮아 이번에 빠진 것으로 보입니다.

작업별 챗GPT 모델 선택 기준

그럼 막상 뭘 눌러야 하느냐, 이게 진짜 궁금한 부분이잖아요.

빠른 사실 확인이나 맞춤법 교정, 짧은 재작성 같은 건 Instant나 Medium으로 충분합니다. 이런 단순 작업에선 높은 단계를 써봤자 답이 크게 좋아지지도 않고, 기다리는 시간만 길어지거든요. Extra High로 맞춤법 봐달라고 하는 건 솔직히 시간 낭비예요.

반대로 긴 보고서 논리가 맞는지 검증하거나, 여러 단계를 거쳐야 하는 분석, 복잡한 코드 추론 같은 작업은 High나 Extra High가 빛을 발합니다. 답이 길어지고 느려지는 대신, 한 번에 끝까지 따라가 주는 깊이가 확실히 다르더라고요.

저는 판단이 애매할 때 쓰는 원칙이 하나 있어요. "내가 그 답을 검증할 자신이 없을 때만 단계를 올린다" 입니다. 내가 결과를 눈으로 확인할 수 있는 작업이면 굳이 높은 단계가 필요 없고, 내가 틀렸는지조차 모를 어려운 작업일수록 깊게 생각시키는 게 이득이라고 봅니다.

무료·유료 사용자 차이와 투명성 논란

한 가지 분명히 짚자면, 이번 업데이트는 Plus·Pro 구독자 전용입니다. 무료로 쓰시는 분들한테는 해당이 없는 변경이에요.

특히 Pro Standard와 Pro Extended는 Pro 구독자만 누를 수 있고, 응답 시간도 6단계 중 제일 깁니다. 무거운 연산을 끝까지 돌리는 만큼 기다림은 감수해야 하는 자리지요.

다만 비판도 같이 나오고 있다고 합니다. 작년 8월 GPT-5 때는 Auto·Fast·Thinking으로 "단순화"를 외쳤는데, 1년도 안 돼서 6단계로 더 잘게 쪼갰으니 방향이 거꾸로 갔다는 지적이에요. 기술명(GPT-5.x)을 가려버려서 내가 지금 어떤 모델을 쓰는지 알기 어려워졌다는 투명성 문제도 따라붙습니다.

결국 다이얼 하나 더 생긴 셈입니다

저는 이번 개편을 새 모델 출시라기보다 "얼마나 깊게 생각시킬지 조절하는 다이얼" 이 하나 생겼다고 받아들이고 있어요. 이름이 무서워 보여도 결국 빠르냐 깊으냐, 그 사이에서 위치만 고르는 일이거든요.

6개 단계 앞에서 또 멈칫하실 분들껜 제 정리는 이렇습니다. Medium으로 일단 시작하시고, 결과가 영 미덥지 않을 때만 한 단계씩 위로 올려보세요. 다만 Extra High부터는 Pro 구독자만 누를 수 있어요. 처음부터 Extra High나 Pro Extended로 달려가는 건 대부분의 일상 작업에선 기다림만 늘리는 선택이 되기 쉽습니다.

높은 단계가 무조건 똑똑한 답을 준다, 이 생각만 내려놔도 새 선택기 앞에서 손 멈추는 시간이 훨씬 줄어듭니다. 더 무거운 모델을 찾는 것보다, 지금 작업에 딱 맞는 단계를 고르는 눈이 결국 더 쓸모 있다고 봅니다.

유럽에서 온 AI 르챗(Le Chat), 챗GPT·제미나이랑 진짜 다를까요

피드너 — Sun, 9 Aug 2026 08:00:00 +0900

얼마 전에 르챗(Le Chat) 에 긴 보고서를 통째로 붙여넣고 요약을 시켰는데요. 타이핑 효과 없이 답변이 화면에 한 번에 탁 떠버리더군요. 살짝 당황했습니다.

챗GPT나 제미나이(Gemini) 는 한 글자씩 또박또박 찍어주는 게 익숙했으니까요. 근데 이 친구는 그냥 결과지를 펼쳐서 보여주는 느낌이었어요. 그래서 며칠 더 만져보면서 챗GPT, 제미나이랑 뭐가 다른지 정리해봤습니다.

참고로 미스트랄은 최근(2026년 5~6월)에 이 서비스를 'Vibe(바이브)' 로 리브랜딩했는데요. 이 글에서는 아직 익숙한 '르챗'이라는 이름으로 부를게요.

르챗 미스트랄, 유럽 AI 챔피언이라 불리는 이유

르챗을 만든 곳은 미스트랄(Mistral AI) 이라는 프랑스 파리 회사예요. 2023년 4월에 구글, 메타 출신들이 모여 세웠다고 합니다. 설립한 지 얼마 안 됐는데 유럽에서는 "AI 챔피언"이라 불리고 있어요.

이게 단순한 회사 자랑은 아니고 좀 정치적인 배경이 깔려 있더라고요. AI를 죄다 미국 빅테크에 의존하지 말고 유럽이 직접 가지자는 'AI 주권' 흐름의 상징처럼 여겨지는 모양입니다.

이름도 재밌어요. 'Le Chat'은 프랑스어로 '고양이'를 뜻하는데, 영어로 읽으면 'The Chat', 즉 '그 대화'가 되거든요. 고양이와 대화를 동시에 노린 말장난인 셈이에요.

여기에 하나 더 있습니다. GDPR(유럽 개인정보보호법)을 따르고, 사용자 대화를 학습에 쓰지 않는다는 원칙을 내세우고 있어요. 내가 입력한 내용이 다음 학습 데이터로 빨려 들어가는 게 찜찜하셨던 분이라면 이 부분이 꽤 끌릴 것 같습니다. 다만 이 비학습 원칙이 모든 요금제에 똑같이 적용되는 건 아니라서, 무료 플랜과 유료 플랜에 따라 데이터 활용 범위가 달라질 수 있어요. 설정에서 한 번 확인하고 쓰시는 걸 권합니다.

르챗 가입 방법과 무료 사용 범위 정리

가입은 어렵지 않았어요. 이메일이나 구글 계정으로 들어가서 웹에서 바로 쓰면 됩니다. 별도 설치 없이 브라우저만 있으면 되더군요.

유료 요금제도 정리해볼게요. Pro 요금제가 월 €14.99인데, 챗GPT Plus보다 25%쯤 저렴한 가격입니다. 학생이면 월 €6.99까지 내려간다고 해요. 다만 가격은 공식 홈페이지 기준이고 언제든 변동될 수 있어요.

그렇다고 꼭 돈을 내야 하는 건 아닙니다. 무료 버전만으로도 일상적인 질문, 글 초안 잡기, 번역 정도는 충분히 굴러가거든요. 저도 처음 며칠은 무료로만 써봤는데 답답하지 않았어요.

챗GPT·제미나이와 답변 비교, 속도는 확실히 빨랐어요

제일 인상적이었던 건 역시 속도였어요. 'Flash Answers'라는 기능 덕인데, 답변이 한 글자씩 찍히는 게 아니라 통째로 떠버립니다. 공식 설명으로는 초당 1,000토큰 이상을 만들어낸다고 해요.

초당 1,000토큰이 어느 정도냐면, 짧은 답변 하나는 눈 깜빡할 새에 끝나고, A4 한 장 분량 글도 기다린다는 느낌 없이 그냥 펼쳐지는 수준이에요. 길게 물어볼수록 이 속도 차이가 체감됐어요.

한 번에 받아주는 분량도 넉넉한 편입니다. 모델에 따라 256K 토큰까지 처리한다고 하는데, 챗GPT-4o의 128K보다 두 배예요. (다만 르챗 인터페이스에서 어떤 모델을 고르느냐에 따라 128K로 제한되는 경우도 있어요.) 비교하자면, 웬만한 단행본 한 권을 통째로 붙여넣고 "이거 요약해줘" 해도 소화한다는 얘기입니다.

뉴스 신뢰도 쪽도 신경 쓴 흔적이 보였어요. 프랑스 통신사 AFP와 제휴해서 1983년 이후 기사 3,800만 건 이상을 실시간 답변에 연결해 활용한다고 합니다. 시사 질문을 던졌을 때 출처가 좀 더 또렷하게 잡히는 인상이었어요.

근데 솔직하게 말씀드리면, 한국어는 아쉬웠습니다. 영어나 프랑스어로 물을 땐 매끄러운데, 한국어로 복잡한 추론을 시키면 챗GPT나 제미나이보다 어색한 문장이 나올 때가 있더라고요. 미묘한 뉘앙스를 잡는 건 아직 두 빅테크 쪽이 앞서 있는 것 같습니다.

르챗 추천 대상, 챗GPT 대안으로 쓰려면

며칠 써보고 제가 느낀 르챗의 자리는 이렇습니다. 챗GPT를 완전히 대체하는 도구라기보다, 다른 시선의 답을 한 번 더 받아보는 보조·검증용으로 쓰기 좋다는 쪽이에요.

특히 이런 분들께 잘 맞을 것 같습니다.

데이터 비학습 원칙이 중요한 분. 입력 내용이 학습에 안 쓰인다는 점이 마음에 드신다면 충분히 끌릴 거예요.
영어·프랑스어 작업이 많은 분. 유럽 언어 품질이 강하고 속도도 빨라서 작업 효율이 올라갑니다.
긴 문서를 통째로 넣고 요약·검색해야 하는 분. 256K 토큰의 여유가 여기서 빛을 봅니다.

반대로 플러그인이나 앱 연동 같은 생태계는 챗GPT, 제미나이에 비해 아직 빈약해요. 복잡한 한국어 추론을 메인으로 돌리실 거라면 지금 시점에선 르챗만 믿기엔 살짝 이른 감이 있습니다.

그리고 속도가 빠르다고 답이 더 똑똑한 건 아니라는 점도 짚어두고 싶어요. 빠른 응답과 추론의 깊이는 별개 문제니까요.

저 같은 경우엔 챗GPT를 메인으로 두고, 같은 질문을 르챗에 한 번 더 던져서 답이 갈리는 지점을 비교하는 식으로 쓰고 있어요. 한 모델에만 의존하면 그 모델의 편향을 못 알아채는데, 다른 엔진의 답을 겹쳐보면 그게 보이더라고요.

가격이나 모델명은 워낙 자주 바뀌니까, 결제 전에 공식 홈페이지에서 한 번 확인하고 들어가시는 게 안전해요. 이번엔 일반 대화 위주로만 만져봤는데, 다음엔 르챗의 코딩 모델인 코드스트랄(Codestral)을 실제 작업에 물려보고 챗GPT 코딩과 어떻게 갈리는지 따로 풀어볼 생각입니다.

AI가 예약까지 대신하는 '에이전트 브라우저', 일반인이 써도 될까

피드너 — Sat, 8 Aug 2026 18:00:00 +0900

얼마 전에 식당 예약하려고 브라우저 세 개 띄워놓고 날짜랑 인원을 반복 입력하다가, 이걸 AI가 한 문장으로 대신 해준다는 말을 듣고 솔깃했습니다. 근데 알아볼수록 좀 무섭더라고요.

챗봇이 답만 해주던 시절은 지나간 것 같아요. 이제는 AI가 직접 스크롤 내리고, 버튼 누르고, 예약 폼까지 채우는 브라우저가 나왔거든요. 편할 것 같긴 한데, 그만큼 걸리는 부분도 많았습니다.

에이전트 브라우저란 뭘 대신해주나

한 줄로 말하면, AI가 사람 대신 웹에서 여러 단계 작업을 알아서 처리하는 브라우저입니다. 스크롤·클릭·정보 입력 같은 걸 스스로 하는 거예요.

기존 챗봇이 "이 식당 괜찮아요"라고 알려주는 데서 끝났다면, 이건 실제로 예약 사이트에 들어가 날짜랑 인원을 넣고 확정 직전까지 밀고 가는 식입니다. 항공권 검색, 이메일 정리, 각종 신청서 자동 작성 같은 데 쓴다고 해요.

2026년 1분기 들어 이게 대중화 국면에 접어들었다는 평가가 나옵니다. 답만 하던 AI가 직접 손발이 되는 단계로 넘어온 셈이지요.

코멧·아틀라스, AI 브라우저 뭐가 다를까

지금 시장을 끌고 가는 건 크게 두 갈래로 보입니다.

퍼플렉시티 코멧(Perplexity Comet) 은 2025년 10월에 전면 무료로 풀렸어요(2026년 3월엔 iOS 버전이 나왔고요). 3자 기관 추정치이긴 한데, 2026년 1분기 기준 월 활성 사용자가 1,800만 명, 한 달에 처리하는 에이전트 작업이 1,400만 건 수준이라고 합니다. 일찌감치 무료로 풀면서 대중화를 끌고 있는 모양새예요.

OpenAI의 챗GPT 아틀라스(ChatGPT Atlas) 는 macOS용으로 나왔고, 여러 단계를 알아서 처리하는 자율 작업 모드는 유료입니다. 이 밖에 앤스로픽(Anthropic)의 클로드 코워크(Claude Cowork), 구글(Google)의 크롬+제미나이(Gemini)까지 빅테크가 다 뛰어든 상황이더라고요.

용도에 따라 골라 쓸 수 있게 판이 넓어진 건 반가운데, 문제는 다음 얘기부터입니다.

AI 웹서핑 자동화, 진짜 편한 지점은 여기

솔직히 쓸모없다는 말을 하려는 건 아니에요. 잘 맞는 자리가 분명히 있습니다.

저처럼 예약 사이트 세 개 띄워놓고 같은 날짜·인원을 반복 입력하는 작업, 이런 단순 반복이 딱 이 도구가 빛나는 지점이라고 봅니다. 항공권처럼 조건이 복잡한 검색도 기준만 정해주면 후보를 추려 표로 정리해주니까요.

개인적으로는 창의적 판단이 필요한 일보다, 손은 많이 가는데 머리는 안 쓰는 반복 업무에서 효용이 가장 크다고 봅니다. 거기까지는 확실히 매력적이에요.

에이전트 브라우저 보안 취약점이 진짜 문제

여기서부터가 알아볼수록 무서웠던 부분입니다.

워싱턴대 연구진이 2026년 6월에 내놓은 결과가 있는데요. 웹 보안의 근간인 '동일 출처 정책(Same-Origin Policy)'을 AI 에이전트가 우회할 수 있다는 내용이었습니다. 쉽게 설명하자면, 원래는 A 사이트가 B 사이트에 있는 내 데이터를 훔쳐보지 못하게 막아주는 벽인데, 이 벽을 AI가 넘나들 여지가 생긴다는 뜻이지요.

테스트한 7개 중 4개(코멧·아틀라스·클로드·제미나이)에서 사이트 간 데이터 탈취 조건이 발견됐다고 합니다. 이메일 화면 안 광고를 통해 민감 정보를 빼내는 실험까지 성공했다고 해요.

더 무서운 건 '간접 프롬프트 인젝션(Prompt Injection)'입니다. 공격자가 웹페이지에 흰 배경에 흰 글씨로 악성 명령을 숨겨두면, AI가 그걸 읽고 그대로 실행해버릴 수 있다는 거예요. 연구진이 짚은 또 다른 축은 '메모리 오염'인데, AI가 기억해둔 정보 자체를 오염시켜 이후 판단을 흔드는 방식이지요. 이런 게 OTP 탈취나 은행 포털 접근 같은 민감 작업으로 이어질 수 있다는 게 핵심입니다. 게다가 퍼플렉시티와 OpenAI는 연구진의 취약점 보고서 수령 자체를 거절했다고 전해집니다.

안전성과 기능은 지금 반비례합니다

이게 단순 버그면 패치로 끝날 텐데, 구조적인 딜레마라 더 답답한 부분입니다.

같은 워싱턴대 연구에서 가장 안전했던 브라우저(파이어폭스 AI 모드)는 기능도 가장 빈약했다고 해요. "안전할수록 할 수 있는 게 없다"는 맞바꿈이 지금 구조에선 풀리지 않았다는 얘기입니다.

그래서 제가 보기엔 지금 시점에서 지켜야 할 선이 분명합니다.

로그인된 이메일·은행 세션에서는 에이전트를 돌리지 마세요. 위험이 제일 크게 걸리는 자리입니다.
결제·예약 확정 같은 최종 단계는 사람이 직접 누르세요. AI가 잘못 예약해 손실이 나도 책임 소재가 아직 불분명합니다.
사용자 통계나 기능 설명은 3자 추정치가 많으니 교차 확인하고 받아들이세요.

저 같은 경우엔, 로그인 안 한 상태로 항공권 후보 추리기 정도까지만 맡기고 결제 창은 제 손으로 여는 식으로 선을 그어두고 있어요.

기술이 편한 건 맞지만, 지금 이 도구를 은행 계정 로그인한 채로 풀어놓는 건 추천드리기 쉽지 않아 보입니다. 결국 테스트한 7개 중 4개에서 데이터 탈취 조건이 나왔다는 그 숫자 하나가, 지금은 확정 버튼만큼은 사람이 쥐고 있어야 한다는 걸 말해주는 대목이죠.

AI한테 방 꾸미기 맡겼더니, 진짜 따라 한 것과 망한 것

피드너 — Sat, 8 Aug 2026 08:00:00 +0900

얼마 전에 6평 원룸 사진을 챗GPT(ChatGPT)에 올리고 "여기 좀 어떻게 바꿀까요" 물었더니, 30초 만에 조언 다섯 개가 쏟아지더군요. 근데 그중 하나는 제 방에 있지도 않은 창문을 옮기라는 거였습니다.

황당하면서도 웃겼어요. 어쨌든 공짜로 받은 조언인데, 뭘 믿고 뭘 걸러야 할지 감이 안 오더라고요. 그래서 2주 동안 이것저것 실제로 따라 해봤습니다. 효과 본 것, 그대로 믿었다 아쉬웠던 것, 그리고 질문법까지 솔직하게 정리해볼게요.

방 사진 한 장으로 AI 인테리어 상담받는 과정

방법은 생각보다 단순해요. 6평 원룸 사진을 챗GPT에 올리고 "가구 위치를 어떻게 바꾸면 좋을지" 물으면 글로 된 조언이 30초 안에 나옵니다. 진단 다섯 개에 이유까지 붙여주는데, 일단 공짜라는 게 제일 좋더라고요.

같은 사진을 룸GPT(RoomGPT) 같은 도구에 넣으면 결과가 또 달라요. '미니멀', '북유럽' 같은 스타일을 고르면 바뀐 방 이미지를 몇 초 만에 그림으로 뽑아줍니다.

그러니까 둘이 역할이 다른 겁니다. 챗GPT는 "왜 이렇게 바꾸라"는 원리를 말로 풀어주고, 룸GPT는 "이렇게 바뀐다"를 그림으로 보여주는 식이지요. 이걸 안 나누고 하나로 다 해결하려니까 처음에 헤맸던 것 같아요.

참고로 시장 자체도 빠르게 크고 있다고 해요. AI 인테리어 시장이 2024년 약 11억 달러에서 2030년 45억 달러 규모로 커질 거라는 전망이 있습니다. 다만 아직은 이런 가구 배치, 스타일 변환 기능이 있는지 자체를 모르는 사람이 더 많다고 하니, 지금은 아는 사람만 쓰는 단계인 것 같습니다.

가구 배치와 색 추천 중 실제로 써먹은 조언들

솔직히 기대 안 했는데 건진 게 있었어요.

가장 좋았던 건 가구 배치였습니다. AI가 침대를 창가에서 벽 쪽으로 옮기고 그 자리에 책상을 두라고 하더군요. 돈 한 푼 안 들이고 그냥 가구만 밀었는데 동선이 확 트였어요. 좁은 방일수록 큰 가구를 벽에 붙여 시야를 비워주라는 원리였는데, 이건 진짜 효과 봤습니다.

색 조언도 현실적이었어요. 흰 벽이 밋밋하다는 진단에 페인트칠 대신 3만 원대 러그랑 쿠션으로 포인트를 주라더라고요. 자취방에서 벽 칠하는 건 부담스러운데, 천 소품으로 색을 더하니까 분위기가 살았습니다.

그리고 제일 돈 아낀 건 따로 있어요. 사려던 큰 수납장을 AI 시뮬레이션에 넣어보니 방이 더 답답해 보이는 게 한눈에 들어오더군요. 결국 안 샀습니다.

이게 의외로 AI 인테리어의 진짜 쓸모인 것 같아요. 예쁜 그림을 얻는 것보다, 실제로 미리 넣어보고 "이건 아니다" 싶은 걸 걸러내는 쪽이 훨씬 컸거든요. 저도 이번에 수납장 하나 안 사면서 몇십만 원을 아꼈으니, 살 뻔한 실수를 막아준 셈이지요.

룸GPT 환각, 그대로 따라 했다가 아쉬웠던 점

근데 여기서부터가 진짜입니다. 그대로 믿으면 안 되는 이유가 명확하더라고요.

1. 없는 구조를 만들어내는 환각

룸GPT가 멀쩡한 벽에 창문을 그려넣거나, 제 현관문을 아예 없애버린 그림을 내놓을 때가 잦았어요. 예쁘긴 한데 제 방이 아니라 '비슷하게 생긴 가짜 방'이었던 거지요. 도입부에 말한 그 "없는 창문 옮기라"던 조언이 딱 이 경우입니다.

2. 치수를 못 맞추는 스케일 오류

사진 한 장만으로는 방의 실제 크기를 알 수가 없잖아요. 그러다보니 폭 1.2m밖에 안 되는 자리에 2m짜리 소파를 척 놓은 그림을 추천하기도 했습니다. 그림만 보면 그럴듯한데 실제로는 못 들어가는 가구인 거예요.

3. 비슷비슷하고 개성 없는 결과

마음에 드는 그림 하나 건지려고 프롬프트를 수십 번 고쳤어요. 근데 막상 나온 것들이 다 유행 타는 무난한 스타일이라, 어딘가 본 듯한 방들만 나오더라고요. 학습된 데이터 평균을 따라가다 보니 그런 것 같습니다.

챗GPT 인테리어 상담, 이렇게 물으면 결과가 달라진다

2주 굴려보고 나니 질문을 어떻게 하느냐가 절반이더군요. 비현실적인 제안을 줄이는 방법은 이렇습니다.

치수랑 제약을 숫자로 박아 넣으세요. "방 폭 3.2m, 예산 20만 원, 붙박이장 위치는 고정"처럼요. 조건을 못 주면 AI는 자기 멋대로 가짜 방을 만듭니다.
그림만 받지 말고 "왜 이 배치가 좁은 방에 유리한지" 이유를 같이 물으세요. 그래야 다른 데도 써먹을 원리가 남습니다.
최종 결정은 줄자로 직접 재면서 내려야 합니다. AI 그림은 출발점일 뿐이지, 설계도가 아니거든요.

개인적으로는 룸GPT로 스타일 영감만 잡고, 구체적인 배치 논리는 챗GPT한테 캐묻는 식으로 나눠 쓰는 게 제일 잘 맞았어요. 한 도구로 다 하려니까 환각이든 치수든 자꾸 걸리더라고요.

AI는 방을 안 꾸며주지만, 멈출 지점은 알려준다

2주를 돌아보면 결국 두 갈래였어요. AI 그림을 그대로 설계도로 믿는 길, 그리고 아이디어 후보로만 받고 줄자로 검증하는 길.

저는 망설임 없이 후자를 택하겠습니다. AI는 제 방을 대신 꾸며주지 못했어요. 없는 창문을 그리고, 안 들어갈 소파를 놓는 걸 보면서 오히려 확실해졌습니다. 다만 "이 수납장 사면 후회한다", "침대는 벽으로 붙여라" 같은, 제가 멈춰야 할 지점만큼은 정확히 짚어주더군요.

그러니 AI가 뽑아준 인테리어 그림은 "예쁜 후보 목록"까지로만 받아두고, 진짜 결정은 손에 줄자를 들고 내리는 게 맞다고 봅니다. 이번엔 6평 원룸 배치까지만 다뤄봤는데, 예산 20만 원으로 소품만 바꿔 분위기 살리는 셀프 무드보드 짜는 법은 다음 글에서 더 풀어볼게요.

네이버 하이퍼클로바X가 '보고 듣는' AI로, 옴니모달이 일상에서 바꾸는 것

피드너 — Fri, 7 Aug 2026 18:00:00 +0900

예전에 클로바X(CLOVA X) 앱에 음식 사진을 띄워놓고 "이거 칼로리 얼마야?"라고 말로 물어봤는데요. 이게 곧 더 자연스러워질 것 같더라고요. 네이버가 옴니모달 모델을 공개했거든요.

사진을 찍어서 보여주고, 동시에 목소리로 질문하고, 답도 음성으로 받는 흐름이요. 지금까지는 어딘가 한 박자씩 어긋났는데, 이번 구조가 그 어긋남을 줄이는 쪽으로 설계됐다는 게 핵심입니다.

하이퍼클로바X 옴니모달이 멀티모달과 뭐가 다른지부터

기존 멀티모달은 쉽게 말하면 부품을 이어 붙인 구조예요. 텍스트 모델이 따로 있고, 음성 인식(STT)·음성 합성(TTS) 모듈을 옆에 붙여서 "말을 글자로 바꾼 다음 → 모델에 넣고 → 답을 다시 음성으로" 돌리는 방식이지요.

이렇게 단계를 거치니까 모듈을 갈아탈 때마다 살짝씩 지연이 생깁니다. 음성 비서한테 말 걸면 한 박자 늦게 대답하는 그 느낌이요.

네이버가 공개한 'HyperCLOVA X SEED 8B Omni'는 국내 첫 네이티브 옴니모달 구조라고 해요. 텍스트·이미지·오디오를 처음부터 하나의 의미 공간에서 통째로 학습했다는 점이 달라요. 부품을 이어 붙인 게 아니라 처음부터 한 몸으로 만든 셈입니다.

그래서 입력과 출력 조합이 자유롭습니다. 사진을 넣고 음성으로 답을 받거나, 말로 묻고 글로 받는 식의 조합이 한 모델 안에서 처리된다는 얘기예요.

새 통합 에이전트에서 일반 사용자가 체감할 변화

추론에 특화된 'HyperCLOVA X SEED 32B Think' 모델도 함께 공개됐고요. 클로바X는 2026년 4월 9일에 종료됐지만, 여기 축적된 기술은 네이버 앱 'AI탭'의 통합 에이전트 서비스로 이어진다고 합니다. 저는 그 에이전트에서 이 옴니모달 경험을 기대하고 있어요.

제가 기대하는 건 복합 요청이 한 번에 처리되는 장면이에요. 예를 들어 마트에서 제품 뒷면 성분표를 찍어 보여주면서 "이거 우리 애 먹여도 돼?"라고 말로 물어보는 거요. 사진 따로 올리고, 질문 따로 타이핑하던 두 동작이 한 호흡으로 합쳐지는 셈이지요.

여기에 네이버 검색·쇼핑 같은 생태계가 붙으면 활용 폭이 더 넓어질 것 같습니다. 다만 솔직하게 말씀드리면, 지금은 '모델'이 공개된 단계예요. 일반 사용자는 통합 에이전트를 통해 조금씩 만나게 될 거라, 완성된 모습까지는 시간이 좀 더 걸릴 것으로 보입니다.

8B 경량 모델과 오픈소스로 보는 토종 AI 전략

이 모델을 보면서 흥미로웠던 게 '8B'라는 숫자였어요. 8B를 쉽게 설명하자면, 80억 개의 매개변수를 가진 모델인데요. 요즘 거대 모델들이 수천억 단위를 넘나드는 걸 생각하면, 일부러 작게 만든 쪽에 가깝습니다.

왜 작게 만들었냐면, 방향이 "더 똑똑한 AI"가 아니라 "더 싸고 빠른 AI"이기 때문이에요. 작으니까 스마트폰 같은 기기 안에서 직접 돌리는 온디바이스 구동이나, 저비용 서버 운영을 노릴 수 있습니다.

전략 차이도 분명해요. GPT나 제미나이(Gemini)의 옴니 기능은 보통 API 형태로 빌려 쓰는 방식인데, 네이버는 모델 가중치까지 오픈소스로 풀었습니다. 국내 스타트업이나 연구 기관이 가져다 자유롭게 손볼 수 있다는 점에서 결이 다른 선택이에요.

개인적으로는 한국어 데이터와 네이버 서비스 연동이라는 무기를 가진 토종 AI가, 거대 모델과 정면으로 힘 싸움을 하기보다 '효율'과 '개방성'으로 자리를 잡으려는 움직임으로 읽혔습니다.

알아둬야 할 한계와 '독자 기술' 논란

마냥 장밋빛으로만 볼 건 아니라, 짚어둘 부분도 있어요.

먼저 시각 처리를 담당하는 비전 인코더에 중국 알리바바의 Qwen2.5-VL 가중치를 그대로 가져다 썼다고 합니다. 이 때문에 '독자 기술 확보'를 내건 정부 과제 취지에 어긋난다는 이유로 1차 평가에서 탈락했다는 보도가 있었어요. 기술적 완성도와는 별개로, 이런 논란이 따라붙었다는 점은 알아두시는 게 좋겠습니다.

또 8B 경량 모델은 가볍고 빠른 대신, GPT-4o 같은 거대 옴니모달 모델과 복잡한 추론이나 정교한 생성에서 정면 비교하면 차이가 날 수 있어요. 이건 작게 만든 선택에 따라오는 맞바꿈입니다.

그래서 저는 이 모델을 "GPT를 이긴 한국 AI"로 기대하기보다, "가볍고 빠른 일상 도구"로 눈높이를 맞춰두려 합니다. 사진 한 장 보여주며 말로 묻는 그 작은 편의가 실제로 매끄러워지는지, 새 통합 에이전트에 이 옴니모달이 들어오면 거기부터 직접 눌러볼 생각이에요.

구글 픽스(Google Pics) 미리 보기: 슬라이드·드라이브 안에서 AI가 그림을 그린다

피드너 — Fri, 7 Aug 2026 08:00:00 +0900

슬라이드에 넣은 강아지 그림에서 강아지만 고양이로 바꾸고 싶을 때, 이미지를 통째로 다시 만들고 계셨나요? 이제 그 부분만 골라서 바꿀 수 있게 됐어요.

지난 5월 19일 구글 I/O(Google I/O)에서 발표된 구글 픽스(Google Pics) 얘기입니다. 발표 자료랑 공개된 보도들을 따라가다 보니, 직장인 입장에서 미리 정리해둘 만하더라고요. 다만 한 가지 짚고 시작할게요. 저도 아직 못 써봤습니다. 2026년 7월 지금은 트러스티드 테스터(Trusted Testers) 한정이라, 일반 사용자는 아직 손도 못 대는 상태예요.

구글 픽스, 구글 포토와 뭐가 다른가

이름부터 헷갈리시죠. 구글 포토(Google Photos) 오타가 아닙니다. 사진을 보관하고 백업하는 그 서비스랑은 아예 다른 제품이에요.

구글 픽스는 구글 워크스페이스(Google Workspace) 안에 들어가는 AI 이미지 생성·편집 앱입니다. 사진을 정리하는 게 아니라, 없던 그림을 만들고 이미 있는 그림을 뜯어고치는 쪽이지요.

엔진은 나노 바나나 2(Nano Banana 2) 모델 기반으로 알려져 있어요. 기존에 쓰이던 이미젠(Imagen) 모델은 2026년 8월 17일에 종료될 예정이라고 합니다. 그러니 구글 이미지 생성의 무게중심이 이쪽으로 옮겨간다는 뜻이에요.

한 가지 더 헷갈리기 쉬운 부분이 있어요. 구글 문서에 예전부터 있던 '삽입 > 이미지 > 생성' 기능이랑도 별개입니다. 그건 그것대로 따로 있던 기능이고, 구글 픽스는 슬라이드와 드라이브에 새로 붙는 신규 앱이라고 보시면 되겠습니다.

구글 슬라이드 AI의 핵심, 객체 단위 수정

제가 보기엔 이 제품에서 제일 눈에 띄는 건 객체 단위 수정이에요.

기존 이미지 생성 도구들은 한 군데만 마음에 안 들어도 통째로 다시 그려야 했어요. 강아지를 고양이로 바꾸고 싶으면 프롬프트 고쳐서 처음부터 다시 뽑고, 운 나쁘면 나머지 멀쩡한 부분까지 다 바뀌어버리고. 이게 진짜 사람 지치게 하더라고요.

구글 픽스는 이미지 안에서 특정 요소만 골라잡을 수 있다고 합니다. 강아지만 선택해서 고양이로, 스웨터 색만 빨강에서 파랑으로, 이런 식으로요. 전체를 건드리지 않고 그 부분만 바꾸는 거예요. 캔바(Canva) 같은 도구가 생성·편집을 잘하긴 하지만, 이 '부분만 정밀하게'라는 점에서 차별화를 노린 것으로 보입니다.

여기에 기능이 두 개 더 붙어요. 하나는 이미지 안에 선명한 텍스트를 넣거나 그 글자를 다른 언어로 번역하는 기능입니다. 그림 속 문구가 깨지거나 뭉개지던 그 문제를 잡으려는 거예요. 다른 하나는 실세계 지식을 반영해서 실존하는 제품이나 장소를 더 정확하게 그려준다는 점인데요, 최신 모델명이나 실제 건물 같은 걸 엉뚱하게 그리는 일을 줄이려는 의도지요.

그리고 여러 명이 하나의 이미지 위에서 같이 작업하는 협업 캔버스도 지원한다고 합니다. 슬라이드 같이 만들 듯이, 그림도 여럿이 함께 매만지는 모습이 그려지네요.

구글 픽스 출시일과 요금제, 누가 쓸 수 있나

가장 중요한 현실 얘기를 해볼게요. 지금 당장은 못 씁니다.

2026년 7월 현재는 트러스티드 테스터 한정이고, 2026년 여름 글로벌 출시 예정이라고 합니다. 그러니 발표는 났지만 일반 공개까지는 조금 더 기다려야 하는 상황이에요.

대상 요금제도 미리 알아두시는 게 좋겠어요. 무료로 풀리는 기능은 아닙니다.

개인은 구글 AI 프로(Google AI Pro) 또는 울트라(Ultra) 구독자
업무용은 워크스페이스 비즈니스 스탠다드 이상 고객

이 두 갈래의 유료 사용자부터 먼저 열린다는 얘기예요. 그러니 "나도 슬라이드 쓰는데 바로 되겠지" 하고 기다리시면 안 되고, 본인 계정이 어느 요금제인지부터 확인해두셔야 합니다.

한 가지 더요. 생성형 AI가 다 그렇듯 저작권이나 딥페이크 같은 문제에서 자유롭진 않습니다. 발표용 자료에 쓰는 거라면 출처 모를 인물·로고가 섞여 들어가지 않는지 한 번 더 보는 습관이 필요할 것 같아요.

출시되면 저는 여기부터 확인하려 합니다

정리하면, 구글 픽스는 "슬라이드·드라이브 안에서 그림을 만들고, 그중 한 부분만 골라 고친다"가 핵심입니다. 통째로 다시 그리던 그 번거로움을 없앤다는 게 제일 와닿는 변화예요.

저는 여름에 풀리면 딱 두 가지부터 눌러볼 생각이에요. 객체만 골라 바꾸는 게 실제로 자연스럽게 떨어지는지, 그리고 이미지 속 한글 텍스트가 깨지지 않고 번역까지 매끄럽게 되는지. 발표 자료대로만 굴러간다면 직장인 발표 슬라이드 만드는 시간이 워낙 줄어들 만한 도구라, 출시 소식이 뜨는 대로 본격적인 사용기로 다시 찾아오겠습니다.

토종 AI '뤼튼'에 클로드 오푸스가 들어왔다고? — 하이퍼챗 2.0, 일반인이 며칠 써봤어요

피드너 — Thu, 6 Aug 2026 18:00:00 +0900

지난 주말에 1만 자짜리 회의록을 뤼튼(Wrtn) 하이퍼챗 2.0(Hyperchat 2.0)에 던져봤어요. 1만 자가 어느 정도냐면, A4 용지로 5~6장쯤 되는 분량입니다. 요약은 챗GPT(ChatGPT)보다 존댓말이 자연스러워서 만족했는데, 인사 평가 문서를 넣자마자 '처리할 수 없는 내용'이라고 딱 막히더라고요.

그래서 며칠 더 붙잡고 굴려봤는데요. 막상 써보니 "뤼튼에서 클로드 오푸스 쓴다"는 말부터 절반은 오해였습니다.

뤼튼 하이퍼챗 2.0의 정체는 사실 '크랙'이었습니다

가장 헷갈리는 지점부터 짚어야겠습니다. 클로드 오푸스(Claude Opus)가 들어간 건 우리가 아는 뤼튼 본체 앱이 아니에요. 뤼튼 계열의 AI 캐릭터챗 서비스인 크랙(Crack) 안에 들어가 있습니다.

이 크랙에서 가장 윗등급 기능이 하이퍼챗 2.0인데, 이게 클로드 오푸스 4.8 기반인 것으로 알려져 있어요. 그러니까 "뤼튼에서 오푸스 쓴다"는 건 정확히는 "뤼튼이 운영하는 서비스 크랙의 하이퍼챗을 쓴다"는 뜻이 됩니다.

여기서 한 가지 짚고 갈게요. 클로드 오푸스 4.8 자체의 공개일이 2026년 5월 28일이라는 건 앤스로픽 공식 발표로 확인되는 사실이에요. 다만 "하이퍼챗 2.0 ↔ 오푸스 4.8"이라는 모델 버전 매핑은 대부분 커뮤니티(나무위키 등) 출처라서 아직 비공식 추정에 가깝습니다. 이 연결 고리만큼은 저도 공식 페이지에서 딱 떨어지게 확인하지는 못했어요.

그리고 뤼튼 자체는 자기네 LLM을 만드는 회사가 아닙니다. GPT, 클로드, 제미나이(Gemini) 같은 외부 최상위 모델을 상황에 맞게 엮어서 한국어 사용자에게 떠먹여주는 통합 포털, 흔히 말하는 '래퍼(Wrapper)' 쪽에 가깝다고 보시면 되겠습니다.

하이퍼챗 크래커 비용과 강한 검열이 발목을 잡아요

써보면서 제일 먼저 부딪힌 게 비용 구조예요. 하이퍼챗 2.0은 한 번 부를 때 85크래커가 빠집니다. 크래커가 뭐냐면, 뤼튼 쪽에서 쓰는 크레딧 단위인데요. 다만 이 85크래커라는 값도 아직 임시로 매겨둔 가격이라, 앤스로픽과 정식 협상이 끝나면 달라질 수 있다는 점은 감안하시는 게 좋아요.

이게 어느 정도냐면, 무료로 받는 크레딧만으로는 긴 대화 몇 번 주고받으면 금방 바닥이 보이는 수준이에요. 결국 고급 모델을 제대로 쓰려면 유료 결제로 넘어가게 만드는 구조더라고요.

장점도 분명 있습니다. 감정선이나 미묘한 뉘앙스를 한국어로 풀어내는 솜씨는 확실히 좋았어요. 캐릭터챗 서비스답게 대화 톤이 부드럽습니다.

근데 단점이 꽤 셉니다. 검열, 그러니까 필터링이 워낙 강하거든요. 평범한 업무 요청을 넣어도 민감 단어 하나 걸리면 그냥 막혀버리는 경우가 생겨요. 도입부에서 말한 인사 평가 문서가 딱 그 케이스였습니다.

한국어 업무 실사용 후기, 요약은 합격 민감 문서는 탈락

업무용으로 며칠 써본 솔직한 느낌을 정리해볼게요.

요약 능력 자체는 챗GPT와 비슷한 수준이었어요. 1만 자 회의록에서 핵심 뽑아내는 건 무난하게 해냅니다.
한국어 존댓말 표현은 오히려 더 자연스러웠습니다. 보고서체로 다듬을 때 손볼 게 적더라고요.
인사·평가처럼 민감 단어 섞인 문서는 필터링에 걸려서 작업이 통째로 멈췄어요.

그러니까 정형화된 업무, 회의록 요약이나 평이한 문서 정리에는 강한데, 예민한 주제는 다루기 어렵다는 얘기입니다.

여기에 하나 더 마음에 걸리는 게 있어요. 래퍼 서비스다 보니 본가인 앤스로픽(Anthropic) 클로드와 성능이 100% 똑같다고 장담하기는 어렵습니다. 비용 절감 때문에 어딘가 조정이 들어갈 여지가 있다고 봐요.

그리고 제3자 서비스를 한 번 거치는 구조라 데이터가 어떤 경로로 처리되는지가 불투명해요. 회사 기밀 문서를 그냥 던져 넣기엔 좀 꺼려지는 부분이 있습니다. 저 같은 경우엔 민감한 내용은 일반화해서 넣고, 진짜 기밀은 아예 안 올리고 있어요.

월 2만원 본가 서비스와 가성비, 결국 용도 분리

그럼 그냥 클로드 프로(Claude Pro)나 챗GPT 플러스를 월 $20에 쓰는 게 낫지 않냐, 이 질문이 남습니다.

매일 장문을 다루는 분이라면 정액제가 유리하다고 봅니다. 크래커 소모형은 많이 쓸수록 결제가 누적돼서, 헤비 유저한테는 오히려 비싸질 수 있어요.

반대로 고급 모델을 주 1~2회 가볍게 쓰는 라이트 유저라면 얘기가 달라집니다. 한국어 인터페이스가 편하고 첫 진입이 쉬운 점을 생각하면, 가끔 쓰는 용도로는 뤼튼 쪽도 충분히 합리적일 수 있어요.

개인적으로는 무겁고 정밀한 영어 작업이나 코딩은 본가 서비스를 쓰고, 간단한 한국어 요약이나 문서 다듬기는 뤼튼을 쓰는 식으로 갈라두는 게 제일 효율적이었어요.

토종 AI라는 말에 너무 큰 기대를 걸 필요는 없습니다. 뤼튼의 진짜 경쟁력은 자체 기술이 아니라, 외국 모델을 한국 사람 손에 맞게 엮어낸 통합 경험에 있어요. 외국 AI의 완전한 대체재로 보기보다, 한국어 업무용 보조 도구 자리에 놓고 쓸 때 제값을 한다고 봅니다. 결국 한 번 부를 때 85크래커씩 빠지는 그 셈법 앞에서, 내가 라이트 유저냐 헤비 유저냐부터 가르는 게 먼저였던 셈입니다.

AI 가계부 정리 한 달 실험기 — 편한 점과 못 믿을 점

피드너 — Thu, 6 Aug 2026 08:00:00 +0900

지난달 어느 밤이었어요. 카드 앱에서 한 달 치 내역을 긁어다 챗GPT(ChatGPT)에 붙여넣으니 10초 만에 항목별 분류 표가 떴습니다. 40분 걸리던 일이 끝났다고 좋아했는데, 합계가 어긋나 있더라고요.

그 어긋난 합계를 알아챈 건 일주일 뒤였어요. 표가 워낙 깔끔하니까 의심을 안 했던 거죠. 그래서 한 달을 더 굴려봤습니다. 어디까지 맡길 만하고 어디서부터는 못 믿겠는지, 직접 선을 그어보고 싶었거든요.

AI 가계부 정리, 분류 노동은 진짜 줄어듭니다

카드 명세서 한 달 치, 그러니까 80건 정도를 통째로 붙여넣었어요. 80건이 어느 정도냐면, 손으로 엑셀에 한 줄씩 옮기면 점심시간을 통째로 날리는 분량입니다. 그걸 10초 만에 식비·교통·구독·쇼핑으로 갈라주더군요.

특히 흩어진 소액 구독을 묶어주는 게 인상적이었습니다. 여기서 4,900원, 저기서 1만 2천 원씩 빠져나가던 걸 "월 3만 4천 원 구독 지출"로 합산해줬어요. 따로 보면 푼돈인데 모으니까 부담이 확 보이네요.

다만 솔직히 말하면, 카드사 앱에서 내역을 긁어오는 그 첫 단계는 여전히 제 손으로 했어요. AI가 줄여준 건 '분류'라는 단순 반복 노동이지, 데이터를 가져오는 수고까지 없애주진 않았습니다.

AI 지출 분석이 자꾸 틀리는 지점

문제는 분류 정확도였어요. '스타벅스'처럼 이름이 명확한 가맹점은 식비로 잘 잡았는데, '쿠팡'이나 간편결제 대행으로 찍힌 내역은 실제로 뭘 샀는지 가려져서 엉뚱하게 분류했습니다. 생필품을 산 쿠팡 결제를 '쇼핑·사치'로 몰아넣는 식이죠.

더 무서운 건 합계 오류였어요. 존재하지 않는 내역을 슬쩍 만들어내거나, 멀쩡한 숫자를 더하다 틀리는 일이 생기더군요. 이게 AI의 '그럴듯한 거짓말'이라고 불리는 현상입니다.

근데 결과물이 표로 너무 단정하게 나오니까, 오히려 틀린 걸 잡아내기가 어려워요. 손으로 쓴 가계부는 삐뚤빼뚤해도 제가 다 아는데, AI 표는 완벽해 보여서 검산을 건너뛰게 됩니다. 깔끔함이 함정이었던 거죠.

절약 코칭은 쓸 만한데, 죄책감이 따라옵니다

코칭은 의외로 쓸 만했어요. "배달비 12만 원 중 점심을 도시락으로 바꾸면 5만 원 절감 가능"처럼 구체적인 숫자로 짚어주니까 실천 목표가 또렷해지더라고요.

근데 직설적인 피드백은 양날의 칼이었습니다. "외식 비중이 또래 평균보다 높다"는 한 줄을 보고 동기부여가 되기도 했는데, 동시에 묘하게 기분이 상하기도 했어요. AI는 사람 눈치를 안 보니까 팩트만 던지는데, 그게 가계부를 아예 안 열고 싶게 만드는 회피 심리로 이어질 수도 있겠더라고요.

그리고 한 가지 더. 미국 데이터를 기반으로 학습한 AI라 그런지, 한국의 연말정산이나 통신비 구조, 카드사 할인 혜택 같은 건 잘 못 읽었어요. "통신비가 높다"고 지적하면서 정작 거기 묶인 결합 할인은 못 보는 식이었습니다.

AI 재무 추천, 신뢰의 역설과 개인정보 문제

여기서 흥미로운 조사가 하나 있어요. 미국인의 약 78%가 AI 도구를 일상에서 쓰고, 재무 관리에 활용하는 사람은 55%인데, AI의 단독 재무 추천을 믿는다는 사람은 18%뿐이라고 합니다(TD Bank, 2026). 쓰긴 다 쓰는데 그대로 믿진 않는다는 얘기죠.

저도 한 달 굴려보니 이 18%라는 숫자가 이해가 갔어요. 보조 도구로는 훌륭한데, 판단을 통째로 맡길 상대는 아니었습니다.

개인정보도 짚고 넘어가야 합니다. 공개 챗봇에 입력한 금융 데이터는 금융 프라이버시법의 보호를 받지 못하고, 모델 학습에 쓰일 수 있다고 해요(Washington Post 보도, 2026). 카드번호나 계좌번호를 그대로 붙여넣으면 안 되는 이유입니다.

AI 가계부 안전하게 쓰는 세 가지 원칙

한 달 써보고 제가 정리한 사용법은 이렇습니다.

AI가 계산한 총액은 반드시 직접 재검산하세요. 표가 깔끔할수록 더 의심해야 합니다.
카드번호·계좌번호 같은 민감 정보는 지우고, 가맹점 이름과 금액만 넣으세요. 입력한 내역이 학습에 쓰일 수 있으니까요.
AI는 '분류 초안' 작성용으로만 쓰고, 자동 연동이 필요한 작업은 보안 앱에 맡기세요.

세 번째가 특히 중요한데요. 개인적으로는 민감 데이터를 직접 연동해야 하는 일은 뱅크샐러드나 토스(Toss) 같은 앱에 맡기는 게 낫다고 봅니다. 이런 앱은 자동으로 내역을 끌어오니까 입력 노동도 줄고, 금융사 수준의 보안 절차도 갖추고 있어서요. AI한테는 "이 분류 좀 정리해줘" 정도의 초안 작업만 던지는 거죠.

참고로 저는 토스로 자동 연동을 돌려두고, 월말에 패턴 분석이 궁금할 때만 가맹점·금액만 추려서 AI한테 물어보는 식으로 역할을 갈라뒀어요. 이렇게 하니까 입력 수고도 줄고, 민감 정보를 흘릴 일도 없더군요.

결국 AI는 제 돈을 책임져주는 재무 설계사가 아니라, 옆에서 표 정리를 거들어주는 조수였습니다. 법적으로 제 이익을 지킬 의무가 있는 것도 아니고, 가계부 습관 자체를 만들어주지도 못하니까요.

이번 달 말, 카드 내역을 긁어다 AI한테 던지고 표를 받으실 거예요. 그때 딱 한 가지, 표 맨 아래 합계에 계산기를 한 번 두드려보세요. 그 10초가, 일주일 뒤 '내가 왜 이걸 안 봤지' 하며 머리를 긁적이는 순간을 막아줄 겁니다.

워드·엑셀·PPT 안에 퍼플렉시티 오피스, 직장인이 2주 써본 후기

피드너 — Wed, 5 Aug 2026 18:00:00 +0900

지난달에 환율 자료를 정리하다가, 엑셀 셀 안에 숫자랑 출처 링크가 같이 채워지는 걸 봤어요. 워드 옆 사이드 패널에 퍼플렉시티(Perplexity)가 떠 있더라고요. 창 전환이 사라지는 순간이었습니다.

참고로 정식 명칭은 Perplexity Computer의 MS 오피스 통합이에요. 검색할 때 헷갈리지 않으시라고 한 번 짚어두고, 이 글에서는 편의상 '퍼플렉시티 오피스'라고 부를게요.

보고서 한 장 쓰는데 브라우저랑 문서 사이를 몇 번이나 왔다 갔다 하셨는지 떠올려보세요. 검색하고, 복사하고, 다시 문서로 돌아오고. 그 사이에 집중력이 자꾸 끊깁니다. 퍼플렉시티 오피스는 딱 그 왕복을 줄여주는 도구라고 보시면 되겠어요.

2026년 5월에 마이크로소프트 마켓플레이스에서 애드인 형태로 풀린 기능이에요. 워드·엑셀·파워포인트·아웃룩 안에 사이드 패널로 들어가 있습니다. 2주 남짓 만져본 솔직한 후기를 정리해봤어요.

엑셀 수치마다 출처가 붙는 게 제일 인상적이었어요

가장 마음에 든 건 엑셀이었습니다. "최근 3년 원달러 환율 분기별로" 하고 요청하면, 숫자만 채워지는 게 아니라 각 셀 옆에 그 수치를 어디서 가져왔는지 출처 링크가 같이 달리거든요.

이게 왜 좋냐면, 회의에서 "이 숫자 어디서 났어요?"라는 질문에 바로 방어가 됩니다. 예전엔 그 한마디에 다시 검색창 켜서 출처를 더듬어 찾았는데, 이제 셀에 링크가 박혀 있으니 클릭 한 번이면 끝이에요.

외부 데이터 소스(FactSet, Snowflake 같은)랑 웹에서 끌어온다고 합니다. 다만 한 가지, 오래된 자료를 인용해 오는 경우가 있었어요. 분기 환율인데 최신 분기가 빠져 있다든지요. 그래서 핵심 수치는 원본 링크를 한 번씩 눌러서 확인하는 습관이 필요했습니다.

워드·PPT에서 퍼플렉시티 써보니 초안은 빠르고 다듬기는 사람 몫

워드는 초안 잡는 데 확실히 빨라요. 연결된 문서나 웹을 참조해서 기본 골격을 만들어주니까, 빈 화면 앞에서 멍 때리는 시간이 줄어들더라고요.

근데 솔직히 문장은 그대로 못 씁니다. 번역체 티가 나는 문장이 섞여 나와서, 후반 다듬기는 결국 사람이 해야 했어요. 한글 처리가 아직 매끄럽지 않은 건 막 풀린 신규 기능이라 그런 게 아닐까 싶습니다.

파워포인트는 워드 문서나 짧은 지시문을 주면 슬라이드 '구조'를 잡아줍니다. 목차랑 장표 흐름을 짜주는 정도예요. 디자인이나 도식은 별도 작업이 필요했고, 요청이 복잡해질수록 크레딧이 훅훅 빠지는 게 느껴졌습니다.

개인적으로는 파워포인트보다 엑셀·워드 쪽이 훨씬 손이 갔어요. 슬라이드는 어차피 제가 디자인을 손봐야 하니까 시간 절약 폭이 작았거든요.

코파일럿과 퍼플렉시티 오피스, 대체재가 아니라 보완재예요

여기서 많이들 헷갈리실 텐데, 마이크로소프트 코파일럿(Copilot)을 대체하는 물건이 아닙니다. 둘은 잘하는 영역이 다른 보완재라고 보면 됩니다.

코파일럿은 마이크로소프트 365 안쪽 데이터를 잘 다룹니다. 놓친 팀즈 회의 요약하기, 내 메일함·문서함 뒤져서 정리하기 같은 사내 작업에 강하죠.

반대로 퍼플렉시티 오피스는 바깥 세상 쪽이에요. 실시간 웹이랑 라이선스 데이터를 훑어서 자율적으로 리서치하고, 그 결과에 출처를 붙여주는 게 강점입니다. 그러니까 "외부 자료 찾아서 검증까지"가 필요한 일이면 이쪽, "사내 정보 정리"면 코파일럿 쪽이 자연스럽다고 봅니다.

가격·크레딧·보안, 도입 전에 따져볼 현실

좋은 얘기만 했는데 현실적인 제약도 분명합니다. 일단 유료 구독자 전용이에요.

1. 요금이 만만치 않습니다

프로(Pro)가 월 20달러, 맥스(Max)가 월 200달러(연 2,000달러) 수준으로 알려져 있어요. 200달러를 쉽게 설명하자면, 한 달에 웬만한 OTT 구독을 열 개 넘게 도는 금액입니다.

2. 크레딧 소진 방식이에요

맥스 플랜이 월 1만 크레딧을 준다고 하는데, 복잡한 작업일수록 소모 속도가 불투명하더라고요. 작업량 많은 분은 월 제공량이 모자랄 수 있어요.

3. 보안 승인이 필요합니다

외부 AI가 셰어포인트(SharePoint) 같은 사내 데이터에 접근하니까, 대부분의 회사에서 IT·보안팀 승인이 먼저예요.

특히 회사에 이미 코파일럿 라이선스가 있다면 이중 지출이 됩니다. 둘 다 결제할 만한 가치가 있는지는 본인 업무가 외부 리서치 비중이 큰지부터 따져봐야 해요.

저 같은 경우엔 외부 통계·시장 자료를 자주 뒤지는 일이라 엑셀 출처 기능 하나만으로도 값을 했는데, 사내 문서만 정리하는 분이라면 굳이 추가 지출할 이유는 적어 보입니다.

결국 자동화 도구가 아니라 검증 보조 도구예요

2주 써보고 내린 정리는 이렇습니다. 이건 "알아서 다 해주는 자동화"가 아니라 "확인할 자리를 줄여주는 검증 보조 도구"에 가까웠어요.

숫자에 출처가 붙으니 내가 뒤져야 할 곳이 줄고, 초안이 빨리 나오니 다듬기에 시간을 쓸 수 있게 됩니다. 대신 오래된 출처나 어색한 한글 문장은 여전히 사람이 걸러내야 하고요.

창 왔다 갔다 하는 피로를 줄여주는 대신, 그 자리를 "검수"라는 새 습관이 채운다는 걸 받아들이면 꽤 든든한 동료가 됩니다. 출처가 붙었다고 그대로 믿어버리는 순간, 이 도구의 제일 큰 장점이 거꾸로 함정이 되니까요.

읽을 책 좀 골라달라 했더니 — AI한테 취향 분석 독서 큐레이션을 맡겨봤어요

피드너 — Wed, 5 Aug 2026 08:00:00 +0900

지난 주말이었어요. 침대에 누워서 좋아했던 소설 3권 제목을 챗GPT(ChatGPT)에 적어 넣고 '이거랑 비슷한 책 골라줘' 했더니, 5권을 줄줄 뽑아주더라고요. 문제는 그 중 절반이 세상에 없는 책이었습니다.

작가 이름은 진짜인데 제목이 가짜였어요. 도서관 검색창에 넣어보니 그런 책 자체가 존재를 안 했거든요. 그날 이후로 'AI한테 책 추천 받기'를 진지하게 파보게 됐습니다.

AI 책 추천이 '남의 취향'보다 나을 거란 기대

사실 시작은 단순했어요. 읽고 싶은 책은 많은데, 막상 뭘 읽을지 못 고르겠더군요.

서점 베스트셀러 코너에 가면 그게 다 '남이 많이 산 책'이잖아요. 평점 높은 책도 결국 평균치예요. 제 취향이랑은 또 다른 얘기입니다.

그래서 기준을 바꿔봤습니다. '많이 팔린 책' 말고 '내가 진짜 재밌게 읽은 책'을 출발점으로 삼고, 거기서 가지를 뻗어보자는 거였어요. AI라면 책 줄거리뿐 아니라 분위기나 속도감까지 읽어줄 수 있을 것 같았거든요.

챗GPT 책 추천 프롬프트, 취향 전달하는 4가지

그냥 "비슷한 책 추천해줘" 하면 정말 뻔한 답이 나와요. 적중률을 올리려면 취향을 꽤 구체적으로 떠먹여 줘야 했어요. 저는 이 네 가지를 넣었더니 결과가 확 달라졌습니다.

좋아한 책 3~5권을 제목·작가와 함께, '뭐가 좋았는지'까지 적습니다. 분위기인지 속도감인지 인물인지요.
싫었던 책 1권도 넣습니다. 뭘 피해야 할지 알려주는 신호가 됩니다.
추천에서 빼고 싶은 작가가 있으면 미리 제외 지정합니다.
추천 이유를 책마다 한 줄씩 설명해 달라고 요구합니다.

특히 4번이 중요했어요. 이유를 같이 써달라고 하면, 그 설명만 봐도 'AI가 내 취향을 제대로 잡았는지 헛다리 짚었는지'가 바로 티가 나거든요.

AI 독서 큐레이션 결과, 성공과 실패가 갈렸어요

결과는 절반의 성공이었습니다. 잘 맞은 부분부터 얘기하자면, 제가 좋아한 책들의 '결'을 생각보다 정확히 잡아냈어요. 잔잔하면서 인물 심리가 촘촘한 소설을 좋아한다는 걸 읽고, 제가 안 읽어본 비슷한 작가를 정확히 물어다 주더군요.

근데 실패도 뚜렷했습니다. 크게 두 가지였어요.

1. 취향 감옥에 가두는 편향

비슷한 책만 계속 추천하니까, 나중엔 다 거기서 거기인 느낌이 들었어요. 추천 알고리즘을 다룬 연구들을 보면, 알고리즘이 취향을 한쪽으로 좁혀 다양성을 깎는 경향이 보고된다고 합니다. 좋은 큐레이션은 '적당한 일탈' 한 권쯤은 섞어줘야 하는데, AI는 안전한 쪽으로만 자꾸 몰더라고요.

2. 구할 수 없는 책을 골라주는 실용성 문제

절판된 책, 국내에 번역 안 된 책을 천연덕스럽게 추천했어요. 읽고 싶어도 못 읽는 책이면 추천의 의미가 없잖아요. 같은 프롬프트를 다음 날 또 넣으면 또 다른 책을 뽑아주는 것도 당황스러웠습니다. '객관적 취향 분석'이라기엔 그때그때 답이 흔들렸어요.

AI 책 추천의 가짜 책(환각)과 검증하는 법

제일 골치 아픈 건 역시 가짜 책이었습니다. AI가 실존하는 작가 이름에 그럴듯한 가짜 제목을 붙여서, 세상에 없는 '유령 책'을 지어내는 거예요.

이게 저만 겪는 일이 아니었어요. 2025년 미국의 일간지 시카고 선타임스(Chicago Sun-Times)가 AI로 만든 여름 추천 도서 목록 15권 중 상당수(약 10권)가 실제로 존재하지 않는 가짜 책이었다는 보도가 있었습니다. 미국 버지니아주 도서관(Library of Virginia)에서는 이메일 문의의 약 15%가 'AI가 알려준 책을 찾아달라'는, 즉 유령 책 관련 문의였다고 해요. 사서들이 "도서관이 비밀 책을 숨기고 있다"는 항의까지 받았다는 얘기가 나올 정도였습니다.

그래서 저는 검증 절차를 따로 만들었어요. 어렵지 않습니다.

AI가 추천한 책 제목과 작가를 그대로 복사합니다.
도서관 통합검색이나 인터넷 서점 DB에 제목·작가로 넣어봅니다.
ISBN이 잡히고 실제 판매·소장 기록이 있는지 확인합니다. 안 잡히면 가짜로 의심하고 버립니다.

참고로 저는 국립중앙도서관 검색이랑 알라딘을 같이 띄워놓고 교차로 확인하고 있어요. 둘 다에서 안 나오면 거의 유령 책이더라고요.

효율은 AI, 확인은 사람의 몫

한 달쯤 굴려보고 내린 정리는 이렇습니다. AI 책 추천은 취향의 결을 잡아 후보를 빠르게 뽑는 데는 진짜 쓸만해요. 다만 그 후보가 실제로 존재하는 책인지, 내가 구해 읽을 수 있는 책인지는 전부 제 몫이었습니다.

결국 잘 쓰려면 세 가지였어요. 취향을 구체적으로 전달하기, 추천받은 책은 반드시 실존하는지 검증하기, 그리고 가끔은 AI가 안 골라준 엉뚱한 책 한 권도 일부러 끼워 넣기.

그날 침대에서 도서관 검색창에 가짜 제목을 넣고 멍하니 빈 결과창을 보던 장면이 아직도 생각나요. AI는 책장 앞까지 데려다주는 안내원일 뿐, 그 책이 진짜 거기 꽂혀 있는지 손으로 빼보는 건 언제나 제 일이었습니다.