글

2026의 게시물 표시

ATM 마을에 열두 번째 건물이 생겼습니다, 결제는 없는 굿즈샵

이미지
11월 15일 밤, AI트렌드마스터(ATM)가 운영하는 3D 마을 ATM 마을에 조봉이 굿즈샵이 열두 번째 건물로 생겼습니다. 마을 동쪽 끝, 우체국과 섬 가장자리 사이에 자리를 잡았습니다. 안에 있는 상품은 22종이고, 결제 기능은 따로 만들지 않았습니다. 카드를 누르면 실제로 상품을 파는 마플샵 페이지가 새 탭으로 열립니다. 조봉이 굿즈샵을 캠퍼스 다음 건물로 고른 이유는 무엇일까요 지난주 11월 9일에 닷새 동안 AI와 지은 학교, ATM 캠퍼스를 엽니다 라는 글로 ATM 마을의 열한 번째 건물을 소개했습니다. 캠퍼스를 올리고 나서 마을을 알리는 배너부터 다시 손봐야 했던 일도 있었는데, 그 소동이 끝난 지 엿새 지난 밤에 건물을 하나 더 올렸습니다. 이번엔 배우는 곳이 아니라 물건을 파는 곳입니다. ATM은 이미 마플샵이라는 주문제작 플랫폼에 ATM스토어를 열어 두고 조봉이 캐릭터가 들어간 키캡, 톡 그립, 티셔츠 같은 상품을 팔고 있었습니다. 문제는 그 가게가 마을 지도 위에는 없었다는 점입니다. 마을을 둘러보던 손님이 가게 앞을 그냥 지나칠 수밖에 없는 구조였습니다. 그래서 가게 자체를 마을 안으로 옮기는 작업을 했습니다. 상품은 22종, 탭은 여섯 개 조봉이 굿즈샵에 올라간 상품은 모두 22종입니다. 분류는 여섯 개 탭으로 나눠 두었습니다. 전체, 키캡과 키링, 톡 그립, 티셔츠, 후드티와 맨투맨, 에코백과 시계입니다. 카테고리별 구성은 아래와 같습니다. 카테고리 상품 수 가격대 의류(티셔츠, 후드티, 맨투맨) 14종 28,900원~45,900원 스마트폰 톡 그립 4종 9,900원 팬굿즈(키캡, 키링) 2종 21,900원~23,000원 패션잡화 1종 가격 별도 표기 리빙(에코백, 시계) 1종 가격 별도 표기 가게를 지키는 캐릭터는 새끼 고양이입니다. 마을에 있는 동물 스프라이트 가운데 새, 고양이 두 종류만 아직 다른 건물에서 쓰지 않고 있었고, 그중 고양이를 굿즈샵 지기로 세웠습니다. 걸어 다니는 손님 캐릭터 중에...

AI에게 '크게' 대신 숫자로, 비개발자가 뭔가 만들 때 지킬 지시 원칙 3가지

AI에게 뭔가 만들어 달라고 할 때 결과물이 자꾸 엇나간다면, 지시 방식을 세 가지로 좁혀 보면 됩니다. '크게' 대신 숫자로 말하고, 작업을 바로 시키지 않고 계획서를 먼저 받아 고르고, 설명하기 힘든 느낌은 글이 아니라 사진으로 보여주는 것입니다. 코딩을 한 줄도 모르는 사람이 AI에게 앱이나 화면 하나를 통째로 맡길 때, 결과가 갈리는 지점은 대부분 이 세 가지 중 하나였습니다. 왜 "AI야, 더 크게 만들어줘"는 통하지 않을까 사람마다 "크게"를 다르게 읽습니다. 저도 최근 AI에게 3D 공간 하나를 맡겨 만든 적이 있는데, 건물 안이 좁게 느껴져서 "실내 규모를 20배 이상 넓게 확장해줘"라고 했습니다. 그런데 20배를 키운 다음에도 여전히 좁았고, 다음 날 다시 "50배 이상 규모로 더 크고 넓게"라고 한 번 더 숫자를 키워야 했습니다. 이 경험 이후로는 좌석 수든 칸막이 비율이든 전부 배수나 개수로 못 박아 말하는 버릇이 생겼습니다. 이 원칙은 공간뿐 아니라 어떤 작업에도 그대로 적용됩니다. 랜딩페이지를 만들 때 "버튼을 크게"라고 하는 대신 "지금보다 1.5배 크게"라고 하면, AI도 저와 같은 크기로 읽습니다. 글을 "짧게 줄여줘"라고 하는 대신 "300자 이내로 줄여줘"라고 하면 다시 고치는 횟수가 줄어듭니다. 일을 시키지 않고 계획만 승인하면 뭐가 달라질까 바로 만들어 달라고 하지 않고, AI가 먼저 계획서를 써 오면 그 계획서를 읽고 고르는 순서를 써 보면 차이가 보입니다. 목적과 꼭 들어가야 할 것을 한 문단에 담아 보낸 다음 "일단 계획을 세워줘"라고 덧붙이면, AI는 혼자 판단해 채워야 할 빈틈을 줄이고 계획으로 먼저 확인을 구합니다. 계획서가 나온 뒤에는 긴 설명을 덧붙이지 않고 "제안대로 진행"처럼 짧게 답하는 것만으로도 ...

AI 캠퍼스를 11월 8일에 열었는데, 배너 주소는 55분 만에 다시 바꿔야 했습니다

AI 캠퍼스는 11월 8일 오후에 열렸습니다. 그런데 그날 만든 배너 2개의 주소는 55분 만에 다시 바뀌었습니다. 처음 넣은 주소가 정식 도메인이 아니라 무료 서브도메인이었기 때문입니다. 캠퍼스를 '만드는' 5일은 이미 여러 곳에서 다뤄졌지만, 만든 다음 날 그 자산을 찾아오게 만드는 작업이 실제로 어떻게 일어났는지는 저도 직접 커밋 로그를 다시 열어 봐야 알 수 있었습니다. AI 캠퍼스는 어떻게 5일 만에 만들어졌나요? 11월 3일부터 11월 8일까지 매일 몇 시간씩 구조물을 다시 쌓고 건물을 다시 배치하고 오류를 고치는 작업을 반복했습니다. 그 사이 쌓인 커밋은 300개가 넘습니다. 완성된 캠퍼스에는 건물 10개가 들어갔습니다. 카페와 라운지가 있는 웹 센터, 녹음 스튜디오와 편집실이 있는 미디어 센터, 자동화 라인 홀과 서버실이 있는 오토메이션 랩, 세미나실과 명예의 전당이 있는 비즈니스 스쿨 같은 건물들입니다. 운동장에는 미니게임 3종(대쉬, 슈팅, 타이밍)이 있고, 화면 한쪽에는 지금 몇 명이 들어와 있는지 보여 주는 방문자 수가 뜹니다. 방문자는 아바타로 서로를 보고 손을 흔들거나 엄지척을 할 수 있고, 채팅도 됩니다. PC에서는 조감 모드와 1인칭 모드를 오갈 수 있고, 모바일에서는 탭으로 이동하다가 1인칭 모드에서 이동 패드를 씁니다. 오픈 당일 배너 커밋 4개는 무엇을 보여주나요? 캠퍼스가 열린 11월 8일, 같은 날 안에 배너와 관련된 커밋 4개가 연이어 올라갔습니다. 시각(11/8) 커밋 내용 17:19 1923c0f atm.ai.kr 마을 메인에 캠퍼스 KV 배너 추가 17:23 e641519 aitrend.kr 사이드바에 캠퍼스 배너 위젯 추가 18:14 87d2048 atm.ai.kr 배너의 링크 주소를 campus.atm.ai.kr로 교정 18:15 5b15616 사이드바 위젯 스크립트의 주소도 같은 곳으로 교정 배너 2개를 추가한 지 55분 만에 두 커밋 모두 같은 줄을 다시 고쳤습니다. 코드를...

GPT-5.5가 1등인데, 가장 어려운 문제에서는 둘 다 0점이었습니다(에이전트 하네스가 가른 결과)

이미지
UC버클리와 Snorkel AI가 만든 에이전트 벤치마크 ALE(Agents' Last Exam)에서 GPT-5.5가 1위와 2위를, 클로드 Fable 5가 3위를 차지했습니다. 그런데 가장 어려운 문제 구간에서는 1위도 3위도 거의 다 0점이었습니다. 더 흥미로운 건 벤치마크 팀이 직접 내놓은 후속 분석입니다. 같은 모델이라도 어떤 도구연결 구조, 즉 에이전트 하네스로 감싸느냐에 따라 점수가 모델을 바꾼 것보다 더 크게 흔들렸다는 내용입니다. 이 글은 그 벤치마크 결과를 원문 중심으로 정리하고, ATM이 운영 중인 에이전트 17개의 실제 툴 권한을 열어 같은 패턴이 있는지 직접 대조해 본 기록입니다. UC버클리가 만든 '진짜 업무' 시험은 어떻게 생겼나요? ALE는 UC버클리 RDI와 Snorkel AI가 250명이 넘는 산업 전문가와 함께 설계한 벤치마크입니다. O*NET과 SOC 직업 분류를 기반으로 55개 세부 산업을 13개 클러스터로 묶고, 그 안에서 실제 업무 형태를 흉내 낸 과제를 1,500개 넘게(목표는 5,000개) 모았습니다. 과제는 난이도에 따라 근접(Near-Term), 풀스펙트럼(Full-Spectrum), 라스트-엑스잼(Last-Exam) 세 단계로 나뉘는데, 이름 그대로 마지막 단계일수록 실제 업무에 가깝고 어렵습니다. 챗봇에 질문 하나를 던지는 식의 평가가 아니라, 여러 단계를 거쳐야 끝나는 작업을 에이전트에게 그대로 맡기고 채점하는 방식입니다. 리더보드 1위는 GPT-5.5인데, 왜 숫자가 매체마다 다른가요? Codex 하네스로 실행한 GPT-5.5가 리더보드 1위와 2위를 차지했고, 클로드 Fable 5는 3위로 집계됐습니다. 다만 정확한 통과율은 이를 다룬 매체마다 조금씩 다릅니다. 집계 사이트 Klu는 26.6%로, 2차 보도는 GPT-5.5 24%, Fable 5 22%로, 논문 표 자체는 23.3~25.2% 구간으로 적고 있습니다. 숫자가 엇갈리는 이유까지 논문이 밝히지는 않지만...

AI로 만든 온라인 공간 20곳, 도메인 없이 운영 중인 7곳을 찾았습니다

AI로 만든 온라인 공간 20곳의 주소를 하나씩 열어봤습니다. 7곳은 자기 이름의 도메인이 없고, 만든 플랫폼이 기본으로 주는 주소(workers.dev, pages.dev, chatgpt.site) 그대로였습니다. 4곳은 이미 운영 중이던 다른 도메인에 하위 주소로 얹었고, 나머지 8곳과 앱 1개만 이 공간을 위한 새 도메인을 달았습니다. 출발점은 10월 31일 aitrend.kr에 올라온 AI로 만든 온라인 공간 20곳 글입니다. 새벽 예배당, 사우나, 오리 연못처럼 가입과 결제 없이 들어가서 앉거나 걷는 것만 할 수 있는 공간 20곳을 소개했습니다. 저는 그 글에 적힌 주소 20개를 오늘(11월 6일) 전부 열어 상태 코드를 확인하고, 각 주소가 어떤 방식으로 공개됐는지 나눠봤습니다. 20곳을 세 갈래로 나눠봤습니다 분류 개수 공간 플랫폼 기본 주소 그대로 7곳 추억의 수련회, 찰랑섬, 블로그 작업실, 오운완 헬스장, 강가 캠핑장, 새벽 예배당, 찜질방 있던 도메인에 얹음 4곳 명상 라운지, 물멍 수영장, 고양이 골목, 할로윈 파티 이 공간만의 새 도메인 8곳 온라인 성당 인피스, 산사, 사우나 고요, 오리 연못, 마이펭스, KBO 야구장, 심야 포장마차, 블로크라운 앱(도메인 해당 없음) 1개 카페 집중 앱 BrewFocus 이 분류는 주소 끝을 읽어 나눈 것입니다. 실제로 서버가 어디에 있는지까지 확인한 건 아니라서, 참고용으로 봐주시면 됩니다. 도메인 연결이 왜 마지막 관문일까요? 지난 10월 2일 코딩 1도 몰라도 클로드로 나만의 홈페이지 만들고 무료 배포까지 글에서, 클로드로 만든 홈페이지를 Netlify로 배포하는 데 12.5초가 걸렸다고 공개했습니다. 용량은 138메가바이트에서 44메가바이트로 줄었고, 돈이 드는 자리는 딱 하나, 도메인이었습니다. AI로 만든 온라인 공간 20곳도 같은 구조를 지나고 있다고 봅니다. 화면을 만들고 띄우는 일 자체는 무료입니다. 추억의 수련회 처럼 workers.dev 주소만 받아도...

기능 없는 온라인 공간에 사람이 모이는 이유, 브랜드가 베낄 수 있는 건 존재감입니다

앉기, 촛불 켜기, 건배. 이 세 가지가 할 수 있는 일의 거의 전부인 온라인 공간인데도 사람이 모입니다. 이유는 기능이 아니라 존재감입니다. 혼자 들어갔는데 혼자가 아니라는 느낌, 그 하나가 사람을 붙잡습니다. 이 공간들은 왜 할 게 없는데도 사람이 모일까요? 지난 글에서 AI로 만든 온라인 공간 20곳에 2026년 10월 31일 직접 들어가 화면을 찍어 공개한 적이 있습니다. 새벽 예배당, 온라인 성당, 사우나, 찜질방, 오리 연못처럼 장르는 다양했지만 공통점은 하나였습니다. 점수도 대화도 없는데 사람 수가 계속 늘어난다는 것입니다. 예를 들어 온라인 성당 인피스에 들어가면 촛불을 켜는 동작 하나만 있는데도 동시에 100명이 넘는 사람이 같은 화면에 앉아 있었습니다. 이걸 가능하게 하는 건 복잡한 기능이 아니라 '혼자인데 혼자가 아니다'라는 신호 하나였습니다. 실시간 인원 수, 같은 동작을 하는 다른 사람의 캐릭터, 그 정도면 충분했습니다. 기능이 아니라 존재감을 판다는 건 무슨 뜻일까요? 이 현상에는 오래된 설명이 있습니다. 1898년 노먼 트리플렛은 자전거 선수들이 혼자 탈 때보다 다른 사람과 같이 탈 때 더 빨리 달린다는 걸 관찰했고, 이후 심리학에서는 이를 사회적 촉진이라고 부릅니다. 꼭 대화를 나누거나 같은 목표를 공유하지 않아도, 다른 사람이 같은 공간에 있다는 사실 자체가 행동에 영향을 준다는 뜻입니다. AI로 만든 온라인 공간들이 파는 건 바로 이 효과입니다. 같이 있다는 느낌만 설계하면, 기능은 최소한으로 줄여도 사람이 머뭅니다. 그리고 이 정도 공간은 이제 큰 회사가 아니라 개인이 AI와 며칠 만에 만듭니다. 브랜드 입장에서 이건 가벼운 발견이 아닙니다. 콘텐츠를 많이 만드는 것보다, 독자나 고객이 '나만 보고 있는 게 아니다'라고 느끼게 하는 장치 하나가 더 큰 힘을 낼 수 있다는 뜻이기 때문입니다. 저는 이전에 브랜드 보이스를 하나로 고정하면서 속도까지 같이 맞췄던 경험을 글로 남긴...

클로드 코드 깃허브 레포 8개, 그중 하나는 제가 이미 다른 방법으로 하고 있었습니다

클로드 코드에 얹어 쓰는 깃허브 레포는 8개를 확인했고, 그중 설치한 건 0개입니다. 대신 하나(Hyperframes)는 제가 이미 다른 방법으로 하고 있던 일이라는 사실을 확인했습니다. 나머지 일곱은 왜 안 썼는지까지 정리합니다. 원문은 스타 수 기준으로 레포 8개를 표로 묶었습니다. ECC(약 26.9만 스타), ponytail(약 14.8만), graphify(약 12.2만), taste-skill(약 9.1만), Headroom(약 7.4만), OmniRoute(약 7.1만), Hyperframes(약 5.4만), claude-video(약 1.8만) 순입니다. 원문 작성자도 README를 읽고 정리했을 뿐, 8개를 직접 설치해 돌려 본 것은 아니라고 밝혔습니다. 저도 같은 조건에서 시작합니다. 직접 설치한 레포는 없고, 각 저장소의 README와 커밋 기록만 확인했습니다. Hyperframes가 하는 일, 저는 이미 하고 있었던 걸까요? Hyperframes는 HTML과 CSS, 미디어 파일을 입력하면 MP4로 렌더합니다. README에는 스킬이 21개 들어 있다고 적혀 있습니다. 이 설명을 읽자마자 떠오른 건 제 블로그가 영상을 만드는 방식이었습니다. 저는 atm-video-agent라는 자체 코드로 유튜브 영상을 만듭니다. 순서는 7단계입니다. 대본을 쪼개고(1-parse), 슬라이드를 짜고(2-slides), 음성을 입히고(3-tts), 타이밍을 맞추고(4-timing), 참고 영상을 붙이고(5-broll), 전체를 합치고(6-assemble), 자막을 굽습니다(7-subtitle). 화면을 만드는 부분은 Playwright로 크롬을 띄워 HTML을 1280×720 해상도로 캡처하고, 소리와 자막은 ffmpeg로 입힙니다. Hyperframes가 README에서 밝힌 것과 뼈대가 같습니다. HTML을 쓰면 영상이 나오는 구조입니다. 이 작업이 얼마나 걸리는지는 이미 다른 글에 적어 두었습니다. 데모 3편을 만드는 데 준비 4분 ...

AI 제안서 작성, 사람이 쥐어야 할 5가지를 제 블로그 자동화에 대입해봤습니다

AI한테 제안서를 다 맡겨도 될까요? 답은 아직 아닙니다. 최근 어느 마케팅 기획자가 클로드 코드로 글로벌 고객사 제안서 200장을 만들어 보고 "AI가 아무리 잘해도 사람이 끝까지 쥐고 있어야 하는 영역 5가지"를 꼽았습니다. 이 글은 그 5가지를 제가 매일 아침 글 세 편을 혼자 자동으로 쓰는 블로그 파이프라인에 그대로 대입해, 실제로 몇 개나 있는지 하나씩 확인한 기록입니다. "뼈대는 사람이 잡는다" — 제 자동화에도 있나요? 있습니다. 원문 기획자는 목차·범위·방향을 AI에게 맡기지 않고 자신이 먼저 정합니다. 제 블로그도 똑같습니다. 요일마다 다룰 카테고리(월·화는 AI 트렌드, 수요일인 오늘은 브랜딩 마케팅, 목요일은 디지털 마케팅, 금·토는 AI 1인창업)가 미리 고정돼 있고, 제목·슬러그·메타 디스크립션·태그·카테고리를 쓰는 순서와 형식도 정해져 있습니다. 매일 아침 글을 쓰는 쪽은 그 틀 안에서만 움직입니다. 뼈대가 흔들리면 그 위에 쌓인 글 전체가 흔들린다는 원문의 말은, 하루 세 편을 매번 같은 틀로 찍어내는 입장에서는 더 절실하게 느껴집니다. "표본 몇 장이면 충분하다" — 이 원칙은요? 이것도 있습니다. 원문은 리드 문장·데이터를 푸는 방식·본문 길이가 드러나는 표본 몇 장만 보여 주면 AI가 패턴을 학습한다고 말합니다. 제 블로그에는 '변형 가이드'라는 문서가 그 역할을 합니다. 같은 주제를 블로그스팟 한글판·네이버판·영문판 세 가지로 쓸 때, 독자층·톤·도입부·문단 구조·분량까지 여덟 개 항목을 표로 미리 정해 뒀습니다. 새 글을 쓸 때마다 이 표를 다시 설명하지 않고, 그 표 하나를 기준으로 매번 다른 세 편을 씁니다. 표본이 많을 필요 없다는 원문의 말 그대로, 표 한 장이면 충분했습니다. "리서치는 넓게, 결론은 한마디로" — 이 원칙은요? 이것도 실제로 겪었습니다. 오늘 아침에도 최근 발행한 글 여러 편을 먼저 검토했습니...

9분짜리 축사에서 퍼진 건 두 줄 — 수츠케버 이력 한 줄은 공식 자료와 달랐습니다

이미지
2025년 6월 6일, 일리야 수츠케버가 토론토대 졸업식에서 9분짜리 축사를 했습니다. 그런데 2026년 10월 19일부터 소셜미디어에 퍼진 건 그중 두 줄 — "뇌는 생물학적 컴퓨터, 그러니 AI가 결국 우리가 하는 모든 일을 하게 된다"였습니다. ATM이 이 축사를 해설 영상으로 만들면서 원문과 요약을 문장 단위로 대조했고, 그 과정에서 같이 돌던 이력 한 줄이 토론토대 공식 자료와 다르다는 걸 확인해 대본에서 뺐습니다. 이 글은 그 대조 작업과 영상 제작 전체 과정을 그대로 공개한 기록입니다. 두 줄로 퍼진 요약, 9분짜리 축사는 어떻게 다른가요? 퍼진 두 줄은 축사 전체가 아니라 중간 한 대목입니다. 실제 축사는 기술 이야기로 시작하지 않습니다. 수츠케버가 졸업생에게 건넨 첫 조언은 "마음가짐"이었고, 축사의 마지막 문장은 "AI가 모든 일을 하게 된다"가 아니라 "직접 써 보고 판단하라"였습니다. 즉 퍼진 두 줄은 축사의 결론이 아니라 중간 대목이고, 축사를 여는 말과 닫는 말은 요약에서 통째로 빠져 있었습니다. 구분 소셜미디어에 퍼진 것 축사 원문 시작 (없음 — 바로 핵심 문장으로 인식됨) 기술이 아니라 마음가짐에 대한 조언 핵심 문장 "뇌는 생물학적 컴퓨터, AI가 모든 일을 하게 된다" 축사 중반의 한 대목(맥락 포함) 끝 (없음) "직접 써 보고 판단하라"는 제안 길이 두 줄 약 9분 돌던 이력 한 줄, 왜 대본에서 뺐나요? 요약과 함께 돌던 설명 중에는 수츠케버가 "16세에 이주해 고등학교 3학년을 월반했다"는 식의 이력도 있었습니다. 대본을 쓰면서 이 문장을 토론토대 공식 뉴스룸 기사(2025년 6월 6일 자, 명예박사 학위 수여 보도)와 대조했는데, 공식 기사에는 "10대 시절 이주했고, 11학년을 마친 뒤 곧바로 대학에 입학했다"고만 적혀 있었습니다. "16세...

AI가 내 일을 전부 하게 된다면? 수츠케버 졸업 축사에서 건진 '겁먹지 않는 법' 3단계

이미지
요즘 SNS 피드에 이런 영상이 자주 보입니다. 졸업식 단상에 선 한 연구자가 담담하게 말합니다. "AI가 우리가 할 수 있는 모든 일을 하게 될 날이 온다." 자막이 붙고, 댓글에는 "이제 끝났다"가 달립니다. 말한 사람은 OpenAI 공동 창업자이자 지금은 SSI라는 연구 회사를 이끄는 일리야 수츠케버입니다. 2025년 6월 6일, 모교 토론토대에서 명예박사를 받으며 한 약 10분짜리 축사의 한 대목이죠. 저는 이 영상을 볼 때마다 앞뒤가 궁금했습니다. 그래서 원문 자막을 처음부터 끝까지 직접 읽어 봤고, 결론은 생각보다 차분했습니다. 이 사람은 겁을 주려던 게 아니라 겁먹지 않는 법 을 이야기하고 있었습니다. 짤에서 빠진 앞뒤 8분 수츠케버 축사에서 "AI가 모든 일을 한다"는 대목은 5분 24초쯤 시작해 2분이 채 안 됩니다. 나머지 8분은 이렇게 채워져 있습니다. 처음 2분: 20년 전 같은 강당에서 학사를 받았고 이번이 네 번째 학위라는 이야기, 제프리 힌턴을 만난 게 인생의 큰 행운이었다는 고백 그다음 1분: 졸업 축사답게 조언을 하나만 하겠다며 꺼낸 "현실을 있는 그대로 받아들이라"는 마음가짐 중간 2분: 지금이 유례없는 시기이고 학생이라는 것, 일이라는 것의 의미가 바뀌기 시작했다는 진단 마지막 2분: 그렇다면 무엇을 해야 하느냐는 질문과, AI를 직접 써 보며 직관을 쌓으라는 답 뼈대만 보면 '처방 → 진단 → 예측 → 처방'입니다. 예측이 가장 자극적이라 잘려 나갈 뿐, 연설의 무게는 양쪽 처방에 실려 있습니다. 왜 그는 "모든 일"이라고 확신할까요? 근거는 놀랄 만큼 짧습니다. 우리 모두 뇌가 있고, 뇌는 생물학적 컴퓨터다. 그렇다면 디지털 뇌가 같은 일을 못 할 이유가 있겠느냐. 수츠케버는 이 한 줄을 "한 문장 요약"이라고 불렀습니다. 동의하든 안 하든, 주목할 점...

소넷 5.5 오퍼스 5.5 중 뭘 쓸지, 제 에이전트 17개의 모델 선택이 이미 답하고 있었습니다

소넷 5.5와 오퍼스 5.5 중 뭘 써야 할지는 가격표만 보면 답이 쉬워 보입니다. 100만 토큰당 입력·출력 단가가 정확히 절반이니 소넷이 유리해 보입니다. 그런데 외부 평가기관 Artificial Analysis 가 같은 벤치마크 묶음으로 한 작업당 평균 비용을 재 보니, 소넷 5.5가 약 7.60달러, 오퍼스 5.5가 약 5.98달러로 나왔습니다. 단가는 절반인데 작업 하나를 끝내는 데는 27% 더 든 셈입니다. 저는 이 숫자를 보고 바로 두 모델을 맞바꿔 실험하는 대신, 제가 이미 짜 둔 에이전트 17개의 모델 설정 파일을 다시 열어 봤습니다. 단가는 절반인데 작업당 비용은 왜 더 나오나요? 같은 측정에서 소넷 5.5는 한 작업에 평균 19만 3천 토큰을 썼고, 오퍼스 5.5는 12만 토큰을 썼습니다. 소넷이 쓴 토큰이 오퍼스의 약 1.61배입니다. 단가가 절반이어도 그만큼 더 길게 쓰면 절약은 그대로 사라집니다. 공식 벤치마크 점수도 한쪽으로 쏠리지 않습니다. Anthropic 이 공개한 다섯 항목 중 Terminal-Bench는 소넷이 앞섰고(70.6 대 66.4), FrontierCode는 오퍼스가 크게 앞섰고(54.4 대 46.2), GDPval-AA는 사실상 동률입니다(1846 대 1844). 그래서 Anthropic의 안내도 단순합니다. 판단이 필요한 복잡한 작업은 오퍼스, 범위가 분명한 일상 작업은 소넷 입니다. 이 기준, 어디서 본 것 같아서 제 설정 파일을 다시 열었습니다 이 구분을 보고 든 생각은 하나였습니다. 저는 지난 7월부터 콘텐츠 자동화를 돌리면서 에이전트 17개를 만들 때, 모델을 하나하나 정해 뒀습니다. 가격표를 보고 맞춘 게 아니라 그 일에 맞는 모델을 그때그때 골랐을 뿐입니다. 그래서 .claude/agents/ 폴더에 있는 설정 파일 17개를 다시 열어, 각 파일의 model 항목이 이 기준과 실제로 겹치는지 세어 봤습니다. 제 에이전트 17개는 이미 이렇게 나뉘어 있었습니다 모델 개수 맡은 일...

유튜브 돈버는법, 조회수가 아니라 검색으로 — 얼굴 없이 3~6개월 쌓아 매일 수익이 나는 '검색형 채널' 설계도

이미지
유튜브로 돈을 벌고 싶은 사람 대부분은 같은 방식으로 시작합니다. 영상을 올리고, 알고리즘이 밀어주기를 기다리고, 사흘 뒤 조회수가 멈추면 다시 새 영상을 만듭니다. 매주 이 쳇바퀴를 돌다 보면 힘은 빠지는데 남는 것이 없습니다. 반대로 아주 심심해 보이는 채널이 조용히 돈을 버는 경우가 있습니다. 얼굴도 나오지 않고, 유행도 따르지 않고, 개성도 없습니다. 그런데도 해외의 검색형 튜토리얼 채널 중에는 90일 만에 3만 4천 달러를 번 사례가 있습니다. 이 채널들이 알아낸 것은 단순합니다. 유튜브는 세계에서 두 번째로 큰 검색엔진 이라는 사실입니다. 이 글은 유튜브 돈버는법을 '터지는 영상'이 아니라 '검색되는 영상'으로 접근하는 방법을 처음부터 끝까지 정리합니다. 니치를 고르는 기준, 키워드를 찾는 법, 영상을 만드는 공식, 채널이 자라는 곡선, 두 채널로 넓히는 방법까지 순서대로 다룹니다. 목차 유튜브에서 영상이 발견되는 두 가지 길은 무엇일까요? 같은 조회수인데 수익이 7배 차이 나는 이유는 무엇일까요? 어떤 니치로 시작해야 할까요? 사람들이 실제로 검색하는 키워드는 어떻게 찾을까요? 검색 1위에 오르는 영상은 무엇이 다를까요? 영상은 누가, 얼마에 만들까요? 채널은 몇 달 만에 수익이 날까요? 연 1억 원대까지는 어떻게 넓힐까요? 자주 묻는 질문 마치며 유튜브에서 영상이 발견되는 두 가지 길은 무엇일까요? 유튜브에서 시청자가 영상을 만나는 길은 크게 두 가지입니다. 첫째는 탐색(Browse) 입니다. 홈 화면, 추천, 다음 동영상처럼 시청자가 찾지 않았는데 유튜브가 좋아할 것 같아서 띄워 주는 길입니다. 흔히 말하는 바이럴이 여기서 일어납니다. 들어올 때는 크게 들어오지만, 유튜브가 밀어주기를 멈추는 날 조회수는 다시 0으로 돌아갑니다. 둘째는 검색(Search) 입니다. 시청자가 검색창에 원하는 것을 정확히 입력하는 길입니다. "쇼피파이에 상품 등록하는 법...

브랜드 보이스, 좋은 목소리 하나를 고른 게 아니라 속도까지 같이 고정한 것이었습니다

이미지
브랜드 보이스를 자산으로 만든다는 것은 좋은 목소리 하나를 찾는 일이 아닙니다. 그 목소리의 속도, 함께 등장하는 발표자의 이미지, 영상이 시작되는 방식까지 한 번에 고정해 다음에도 같은 결과가 나오게 만드는 일입니다. 저는 지난 8월 이 블로그에 음성 IP 이론을 정리한 글 을 쓴 뒤로, 실제로 유튜브 채널을 운영하면서 그 이론을 하나씩 적용해 봤습니다. 이 글은 그 기록입니다. 브랜드 보이스 이론을 실제 운영에 넣으면 무엇이 다릅니까? 8월 글은 음성 IP를 자산화하는 순서를 기준 문장 정하기, 후보 보이스 비교, 고정과 문서화, 채널별 변주 규칙 네 단계로 정리했습니다. 이론으로는 깔끔하지만, 실제로 영상을 매주 만들면서 지키려고 해 보니 네 단계 중 어디를 가장 자주 어기게 되는지가 이론만 읽을 때와 달랐습니다. 저는 보이스를 비교하는 단계보다 고정한 뒤에 그 설정을 계속 지키는 단계에서 더 자주 막혔습니다. 이 글에서 다루는 세 가지(보이스와 속도, 발표자 베이스 이미지, 오프닝 방식)는 전부 그 "고정한 뒤 지키기" 단계에서 실제로 걸린 규칙입니다. 이론 4단계 (8월 글) 제가 실제로 고정해서 지키는 것 기준 문장 정하기 나레이션 보이스는 최종 업로드본에 단 하나만 씁니다. 다른 보이스는 미리듣기에서만 들어 봅니다 후보 보이스 비교 그 보이스가 원래 느리게 말하는 톤이라, 대본이 길 때는 재생 속도 1.2배를 같이 묶어 씁니다 고정과 문서화 발표자(아바타) 두 명의 기본 이미지도 특정 시점에 한 번 확정한 뒤로는 그 버전만 계속 씁니다 채널별 변주 규칙 오프닝은 채널 인트로 없이, 핵심 장면을 15초 안에 먼저 보여주는 순서로 고정합니다 보이스 하나를 고정한다는 것은 실제로 무엇을 고정하는 일입니까? 저는 유튜브 롱폼 나레이션에 쓰는 남성 보이스를 하나로 고정해서, 실제로 업로드되는 영상에는 그 보이스만 씁니다. 다른 남성 보이스나 다른 음성 생성 도구는 미리듣기 단계에서 테스트는 해 보지만, 최종 업로드...

클로드 모션, 저는 아직 못 씁니다 — 같은 방식을 클로드 코드로 재현해 17분 50초를 기록했습니다

이미지
클로드 모션(Claude Motion)은 2026년 10월 8일 베타로 공개됐습니다. 프롬프트 한 줄로 짧은 설명 영상을 만들어 주는 기능인데, 결과물이 영상 생성 모델이 뽑은 클립이 아니라 코드라는 점이 다릅니다. 단어 하나, 숫자 하나까지 나중에 고칠 수 있다는 뜻입니다. 저는 이 소식을 듣고 바로 써 보고 싶었지만, 확인해 보니 지금은 Team·Enterprise 요금제 전용 베타이고 Free·Pro·Max는 쓸 수 없습니다. ATM 채널 계정으로는 직접 시연할 방법이 없었습니다. 그래서 방향을 바꿨습니다. 클로드 모션이 쓰는 것과 같은 원리 — 코드로 애니메이션을 짜고, 화면을 프레임 단위로 캡처해 영상으로 합치는 방식 — 를 클로드 코드로 직접 재현해 보기로 했습니다. 이 글은 그 재현 작업의 기록입니다. 먼저 분명히 해 둘 것이 있습니다. 아래 데모 3편은 클로드 모션의 결과물이 아닙니다. 같은 방식을 제 손으로 다시 짠 것이고, 영상 안에도 "Claude Motion 방식 재현 데모 · Claude Code로 제작"이라는 문구를 넣어 두었습니다. 클로드 모션은 정확히 무엇을 하는 도구인가요? 공식 소개 페이지 와 요금제 페이지 를 2026년 10월 12일에 확인한 기준으로, 확실한 사실만 표로 정리했습니다. 길이 제한이나 해상도, 나레이션 지원 여부처럼 공식 문서에 없는 항목은 이 글에서도 단정하지 않습니다. 항목 내용 이름·상태 Claude Motion, 베타, 2026-10-08 공개 하는 일 프롬프트 하나로 짧은 애니메이션 설명 영상을 만듭니다 만드는 방식 결과물이 코드라서 단어·숫자·타이밍을 하나씩 고칠 수 있습니다. 영상 생성 모델을 쓰지 않습니다(생성 클립 없음, AI 인물 없음) 사용법 메시지 입력창에 /motion 을 입력하거나, 원하는 애니메이션을 말로 설명합니다 내보내기 MP4로 내려받을 수 있고, Adobe·Descript·HeyGen·Higgsfield·invideo·Luma AI·Runwa...

노트북LM 사용법 2026 — 자료 넣기·질문·만들기 3단계와 바뀐 무료 한도

이미지
노트북LM 사용법은 세 단계면 충분합니다. 자료를 넣고(무료 플랜은 노트북 하나에 소스 50개), 그 자료에 대해 질문하고, 스튜디오에서 오디오·슬라이드·영상 같은 결과물을 만드는 순서입니다. 2026년 10월 기준으로 처음 쓰는 분이 꼭 알아야 할 변화는 두 가지입니다. 7월 16일에 공식 이름이 제미나이 노트북(Gemini Notebook)으로 바뀌었고, 9월 2일부터 무료 한도가 '하루 몇 번'이 아니라 5시간마다 다시 차는 사용량 방식으로 바뀌었습니다. 이 글은 ATM이 10월 5일 유튜브에 올린 노트북LM 사용법 영상 을 글로 옮기면서, 10월 11일에 구글 공식 블로그와 도움말 11건을 다시 열어 한 줄씩 대조한 결과입니다. 저는 1월에 노트북LM으로 유튜브 채널 하나를 지식 창고로 만드는 과정을 영상으로 올린 적은 있지만, 요금제별 한도를 제 계정에서 직접 재 본 기록은 없습니다. 그래서 한도와 기능 설명은 모두 공식 문서 문장을 근거로 적었습니다. 시작하기 전에 영상에서 안내한 한도를 바로잡겠습니다. 10월 5일 영상에서는 무료 한도를 '채팅 하루 50번, 오디오 오버뷰 하루 3번'처럼 하루 횟수로 설명했습니다. 그런데 10월 11일 현재 구글 도움말은 같은 한도를 횟수가 아니라 사용량으로 설명합니다. 바뀐 방식은 아래 무료 한도 항목에 표로 정리했으니, 한도만큼은 영상보다 이 글을 기준으로 봐 주세요. 노트북LM은 어떤 도구이고, 이름은 왜 바뀌었나요? 노트북LM은 내가 올린 자료를 '소스'로 삼아 그 안에서 답하고 정리해 주는 구글의 리서치 노트입니다. 일반 챗봇이 학습한 지식 전체에서 답을 끌어온다면, 노트북LM은 노트북에 넣은 PDF·웹 페이지·유튜브 자막 같은 소스를 근거로 답하고 어느 소스에서 가져왔는지 인용을 붙입니다. 구글은 7월 16일 공식 블로그 발표문 에서 노트북LM의 이름을 제미나이 노트북으로 바꾼다고 밝혔습니다. 같은 독립 제품에 새 이름을 단 것이고, 워크스...