• (글로벌) 오픈AI, GPT-5급 실시간 음성 AI 모델 공개
  오픈AI가 인간처럼 자연스럽게 대화하는 실시간 음성 AI 모델 ‘GPT-리얼타임-2’를 공개했어요. 이 모델은 사용자가 말을 끊고 들어가거나, 화제를 바꿔도 즉시 알아듣고 반응하는 GPT-5 수준의 추론 능력을 갖추고 있어요. 실시간 번역과 받아쓰기 기능까지 포함되어 있어서, AI가 단순한 정보 검색 도구를 넘어 진정한 ‘대화형 비서’로 진화하고 있음을 보여줘요. 이번 업데이트는 AI와의 상호작용 방식 자체를 바꾸는 중요한 변곡점이 될 것으로 보여요.

• (국내) 삼성SDS, 국가 AI 컴퓨팅센터 구축 주도
  삼성SDS 컨소시엄이 국가 AI 컴퓨팅센터 구축 사업자로 최종 선정되었어요. 민간과 정부가 힘을 합쳐 총 2.5조 원 규모의 하이퍼스케일 인프라를 구축하는 대규모 프로젝트인데요. 이번 사업의 핵심은 자금이나 인력 부족으로 고성능 AI 개발에 어려움을 겪는 중소기업, 스타트업, 학계에 합리적인 비용으로 컴퓨팅 자원을 제공하는 거예요. AI 기술력의 상향 평준화를 이끌고, 나아가 국산 AI 반도체 생태계 활성화의 마중물이 될 것으로 기대돼요.

👋 안녕하세요, 디플릭입니다.

"요즘 코딩의 80%는 AI 에이전트가 하고, 저는 20%만 다듬습니다."

최근 안드레 카파시(Andrej Karpathy)가 X에 올린 글, 혹시 보셨나요? 무려 770만 뷰를 훌쩍 넘기며 업계에서 엄청난 화제가 되었죠. 20여 년의 프로그래밍 인생에서 가장 큰 변화를 단 몇 주 만에 겪었다는 그의 고백은, 이제 우리에게도 전혀 낯선 이야기가 아닙니다.

하지만 그가 마냥 AI를 찬양한 것은 아닙니다. 오히려 AI의 똑똑함 뒤에 숨은 ‘아주 미묘하고 피곤한 헛점’들을 짚어냈는데요. 재미있는 건 이 글이 올라온 직후, 그의 통찰을 65줄의 마크다운 파일(CLAUDE.md)로 정리한 깃허브 레포지토리가 등장해 순식간에 12만 개 이상의 스타를 받았다는 사실이에요.

오늘은 최근 실무자들 사이에서 뜨거운 키워드로 떠오른 '하네스 엔지니어링(Harness Engineering, AI 행동 제어)'에 대해 가볍게, 하지만 깊이 있게 이야기해볼까 합니다.

©AI Image

©AI Image

LLM의 성능이 비약적으로 발전하면서, 이제 우리는 영어(또는 한국어)로 무언가를 지시하기만 하면 꽤 그럴싸한 결과물을 얻습니다. 카파시의 말처럼 "자존심이 조금 상하긴 하지만 너무 유용해서 돌아갈 수 없는" 지점에 온 거죠.

그런데 문제가 있습니다. 예전에는 에러가 나면 문법이 틀린 단순한 '신택스 에러'였지만, 지금의 AI 에이전트들은 ‘약간 덤벙대고 성급한 주니어 실무자’처럼 아주 교묘하고 개념적인 실수를 저지릅니다.

• 마음대로 넘겨짚기: 혼란스러우면 물어봐야 하는데, 묻지 않고 혼자 잘못된 가정을 세운 채 폭주(?)합니다.
• 과도한 복잡성: 100줄이면 될 코드를 쓸데없이 1,000줄짜리 무거운 구조로 만들어버립니다.
• 과잉 충성(Sycophantic): 사용자가 "이거 이렇게 하면 안 돼?"라고 물어보면 무조건 "물론이죠!" 하면서 멀쩡한 작업물을 뜯어고쳐 버리기도 하죠.

AI가 지치지 않는 끈기(Tenacity)를 가진 건 좋지만, 방향을 잘못 잡으면 밤새 엉뚱한 땅을 파놓는 셈입니다.

©AI Image

이런 문제와 카파시의 견해를 바탕으로 누군가가 직후에 깃허브(GitHub)에 레포지토리 하나를 올렸습니다. 거창한 프로그램이 아닙니다. 단지 AI의 ‘행동 제어 규칙’을 적어둔 65줄짜리 텍스트 파일 하나일 뿐이죠.

여기에는 이런 원칙들이 담겨 있습니다.

• 생각 먼저 하기 (Think Before Coding): 바로 답을 내놓지 말고, 먼저 접근법과 트레이드오프를 명시적으로 추론할 것. 모호한 부분이 있다면 진행하기 전에 제발 먼저 물어볼 것.
• 단순함 우선 (Simplicity First): 문제를 해결하는 최소한의 결과물만 낼 것. 스스로 "시니어 전문가가 이것을 보고 너무 복잡하다고 하진 않을까?" 질문하며 복잡성을 자체 평가할 것.

이 파일이 왜 이렇게 열광적인 반응을 얻었을까요? 바로 프롬프트의 패러다임이 ‘무엇을 만들라(Prompting)’에서 ‘어떻게 행동하라(Behavior Control / Harness Engineering)’로 넘어가고 있음을 정확히 짚어냈기 때문입니다. 야생마처럼 날뛰는 AI의 능력을 안전하고 효율적으로 쓰기 위해 '고삐(Harness)'를 채운 것이죠.

©AI Image

이는 비단 개발자만의 이야기가 아닙니다. 디자인, 기획, 마케팅 등 AI를 실무에 도입하는 우리 모두가 겪고 있는 문제입니다. 카파시가 제안하는 해결책 중 하나는 지시 방식을 ‘명령형(Imperative)’에서 ‘선언형(Declarative)’으로 바꾸는 것입니다.

"이거 이렇게 디자인해 줘, 저거 저렇게 배치해 줘"라고 세세하게 지시하는 대신, "성공 기준(Success Criteria)을 줄 테니, 이 기준을 충족할 때까지 고민해 봐"라고 던져주는 겁니다.

디자이너라면 AI 툴에게 단순히 "랜딩 페이지 시안 3개 뽑아줘"라고 하기 전에, 우리의 브랜드 톤앤매너, 금기시하는 시각적 요소, 달성해야 할 최소한의 목적 등 '절대 넘지 말아야 할 선'과 '명확한 성공 기준'을 먼저 세팅해두는 식이죠. 그래야만 AI가 지치지 않고 올바른 방향으로 '루프(Loop)'를 돌며 결과물을 다듬어냅니다.

카파시는 2026년을 대량의 AI 생성 콘텐츠가 쏟아지는 ‘슬로파칼립스(Slopacolypse, Slop + Apocalypse)’의 해가 될 것이라 경고했습니다. 누구나 쉽게 무엇이든 만들어낼 수 있는 시대, 무작정 AI에게 일을 시키고 결과물을 찍어내는 사람은 넘쳐날 겁니다.

이런 시대에 진정한 '10x(10배의 효율을 내는) 인재'는 스스로 무언가를 많이 만들어내는 사람이 아닐지도 모릅니다. 창작의 근육이 퇴화(Atrophy)하지 않도록 좋은 결과물을 판별하는 안목을 기르고, AI가 똑똑하게 뛸 수 있도록 명확한 제약과 기준이라는 ‘고삐’를 쥐어줄 수 있는 사람이겠죠. 디자인과 기획의 본질은 결국 '그리기'가 아니라 '설계하기'에 있다는 사실을 다시금 깨닫게 됩니다.

여러분의 AI는 지금 여러분의 기준 안에서 뛰고 있나요, 아니면 혼자서 엉뚱한 결승선을 향해 달리고 있나요?

©Youtube, @스페셜타임스

구독자님, 최근 온라인을 뜨겁게 달군 'KBO 야구장 미녀 관중' 영상 보셨나요? 5초 남짓한 짧은 영상 속 그녀의 자연스러운 한숨과 표정에 수백만 명이 열광했지만, 결국 AI가 만든 영상으로 밝혀지며 추가적인 밈으로 확대가 되어 화제가 됐었죠.

©X, @Ciri_ai

재미있는 점은 해외에서도 비슷한 일이 벌어지고 있다는 거예요. F1 경기장의 VIP 패독에 앉아 초조하게 화면을 응시하는 한 여성의 영상이 "모터스포츠에 여자가 어울리냐"는 식의 고정관념 섞인 논란까지 일으켰거든요.

이제 AI는 단순히 '예쁜 그림'을 그리는 단계를 넘어, 우리의 상식과 편견을 건드리는 '리얼리티'의 영역으로 들어왔습니다.

"최고의 연출은 보는 이가 '연출'임을 눈치채지 못하게 하는 것입니다.”

야구장 여신과 F1 패독의 그녀가 우리를 홀린 비결은 화려한 외모보다 '방송 문법'의 완벽한 재현에 있습니다.

• 방송용 렌즈의 질감: 인물 뒤로 배경을 흐릿하게 처리하고 피사체를 강조하는 방식은 실제 중계 카메라의 망원 렌즈(Telephoto) 특유의 압축감을 보여줍니다.
• 리얼리티를 높이는 '불완전함': 실제 방송 캡처처럼 의도적으로 넣은 디지털 노이즈(Digital noise)와 과노출된 조명은 "방금 TV 화면을 찍었나?" 하는 착각을 불러일으킵니다.
• 서사를 완성하는 그래픽 요소: 'FINAL LAP' 배너, 라이브 지표, 인물을 식별하는 하단 자막(Lower-third) 데이터들은 이 장면이 실제 스포츠 드라마의 한 장면임을 선언하는 강력한 장치가 됩니다.

"공간의 깊이는 피사체가 아닌 '공기'에서 결정됩니다.”

야구장 사례와 Ale RVG의 워크플로우를 결합해 보면, 공간 연출의 공통적인 성공 공식이 보입니다.

• 광학적 깊이감(Depth of Field): 야구장 영상에서 인물은 선명하고 배경은 흐릿하게 처리된 점은 실제 고성능 렌즈의 특징을 모방한 것입니다. Ale RVG는 여기서 한 걸음 더 나아가 35mm 광각을 사용해 공간의 확장성을 확보하라고 조언합니다.
• 조명과 입자의 조화: 단순히 밝은 조명이 아니라, 창으로 들어오는 빛의 경로를 시각화하는 'Volumetric lighting' 전략이 필요합니다. 여기에 '빛의 먼지(dust particles)' 키워드를 추가하면 정적인 공간에 실제 공기가 흐르는 듯한 생동감이 생깁니다.
• 디테일의 정교함: 야구장 영상 속 여성이 한숨을 쉬거나 입술을 다무는 등의 미세한 표정 변화는 인공지능이 인간의 감정 메커니즘을 데이터로 정교하게 모사한 결과입니다.

[💻 복사해서 바로 쓰는 ‘F1 라이브 TV’비디오 제작 프롬프트]

Made with GPT image 2 + Kling AI

Prompt: Ultra-realistic F1 live TV broadcast screenshot, identity preserved exactly from reference image.

Young woman sitting in the VIP paddock / team garage during a Formula 1 race, shown on the official live race broadcast as the girlfriend of an F1 driver. It is the final lap, and she is listening to the team radio through a professional racing headset, watching the garage monitors nervously, leaning forward with one hand near her mouth, proud tense expression...

[프롬프트 전문보기]

💡디플릭의 생각: "우리는 이제 '프롬프트 디렉터'입니다”

야구장 관중 사례에서 김서현 선수와 조인성 코치의 대결처럼 데이터가 꼬이는 것은 기술적 한계일 수 있습니다. 하지만 반대로 생각하면, 우리가 정확한 상황 데이터와 시각적 장치를 설계할 수만 있다면 그 어떤 결과물보다 강력한 설득력을 가진 에셋을 만들 수 있다는 뜻이기도 합니다.

단순히 "이미지가 얼마나 진짜 같은가?"에 매몰되지 마세요. 대신 "어떤 렌즈로, 어떤 빛을 활용해, 어떤 질감을 강조할 것인가"에 집중해 보세요. 여러분의 프롬프트 한 줄 한 줄이 영화감독의 연출 지시서와 같은 힘을 발휘하게 될 것입니다.

ⓒThe Independent, Youtube

@ai_am_furufuru