에이전트와 시스템 설계
근거 4건대학생 224명을 97개 3인 팀에 무작위 배정해, 사람만·지지형 AI 포함·반론형 AI 포함 세 조건에서 SF 영화 줄거리를 함께 만드는 창의 과제를 수행하게 한 실험이다.
오늘의 관점
AI는 다양성을 좁힌다. 획일화를 경계하고, 교육은 마찰로 되살려라.
오늘의 종합 브리핑
오늘의 자료는 한 방향을 가리킨다 — 'AI는 다양성을 좁힌다. 획일화를 경계하고, 교육은 마찰로 되살려라.' 강력해질수록 AI는 지식·창의·탐구를 하나의 '기본값'으로 수렴시키는 경향이 있고, 배움을 지키는 힘은 그 획일화에 저항하는 마찰 — 비판·주도성·다양한 표현·개인 맞춤 — 에서 나온다. 서로 다른 실험실과 교실에서 나온 자료들이 같은 문장을 반복했다.
AI 축의 대표 실증은 '창의의 수렴'이다(#2). 2023년 3월부터 2026년 7월까지 12개 제공사의 68개 모델(폐쇄가중치 33·공개가중치 34) 응답을 대안 용도 과제와 실사용 질의로 모아 문장 임베딩 거리로 재보니, 시간이 갈수록 산출물의 다양성이 통계적으로 유의하게 줄고 서로 다른 회사의 모델들이 창의적 답에서 점점 닮아갔다. '여러 모델을 쓰면 다양해진다'는 통념을 흔드는 결과다. 같은 결이 과학과 지식 인프라에서도 반복된다 — AI를 과학 연구에 광범위하게 쓰면 '인식론적 단일문화' 위험이 생기는데, 획일적으로 같은 안내를 주는 것보다 연구자별 개인화가 다양성을 지켰고(#4), 생성형 AI는 학습 단계에서 지배 문화의 인식론을 '기본값 지식 인프라'로 각인시켜 소수의 관점을 '배제가 아니라 종속'시킨다(#6).
교육 축의 앵커는 '지지형 대 반론형 AI'다(#1). 대학생 224명을 97개 3인 팀에 무작위 배정해 AI가 정체를 밝히지 않은 '암묵적 팀원'으로 창의 과제에 참여시켰더니, 무조건 동의해 주는 지지형 AI는 대화를 '동의 수렴'으로 몰아 사고의 다양성을 좁힌 반면, 반론형 AI는 도전과 성찰이라는 '생산적 마찰'을 만들어 비판적 참여를 끌어냈다. 다만 마찰은 공짜가 아니어서 팀 만족도와 심리적 안전감을 떨어뜨렸고, 그럼에도 창의 성과를 저절로 높이진 못했다 — 교사가 반론을 통합·개선 발문으로 이어줘야 마찰이 산출물이 된다. 같은 원리가 반복된다 — 학습자의 태도·프롬프트 역량이 인간-AI 협업의 질을 갈랐고(#7), 느린 학습자는 획일적 정답이 아니라 개인 맞춤·개념 공동구성으로 이해를 세웠으며(#5), AR을 결합한 다차원 개념도 같은 '다양한 표현'이 통계 학습의 정서와 성취를 함께 넓혔다(#3, 대만 157명 진실험).
기술과 현장의 결도 같다. 추론형 모델은 문제 난이도에 따라 '깊게 생각할지'를 스스로 정해 자원을 다양하게 배분해야 하고(#8, 즉답·간단·확장 3모드를 강화학습만으로 창발시켜 정확도를 지키며 토큰을 약 41% 절감), 최상위 코딩 에이전트조차 과학 엔지니어링 과제는 절반도 풀지 못해(#10, pass@1 50% 미만) AI를 '획일적 만능'으로 보면 안 됨을 드러낸다. 진로교육에선 학생이 AI로 각자의 진로 콘텐츠를 만들어 보는 주도성이 답이다(#9). 종합하면 오늘의 결론은, 관건이 'AI를 얼마나 쓰느냐'가 아니라 '그 획일화를 알아차리고 비판·주도성·다양성으로 되살리느냐'라는 것이다.
※ 오늘 학술 파트는 2026년 8월 발표분(arXiv 08-18~08-20 제출·저널 online first 08-10~08-22)으로 시의성을 확보했고, 3일 창(D-3~D)의 신선도는 뉴스 브리핑이 담당한다.
주요 자료 10건
⭐ 추천 · #1 · Education · 논문 · 품질 28/30
에이전트와 시스템 설계
동의만 하는 AI는 창의를 못 키운다 — 지지형·반론형 AI 팀원 실험
대학생 224명을 97개 3인 팀에 무작위 배정해, 사람만·지지형 AI 포함·반론형 AI 포함 세 조건에서 SF 영화 줄거리를 함께 만드는 창의 과제를 수행하게 한 실험이다. AI는 자신이 AI임을 밝히지 않은 '암묵적 팀원'으로 참여했다. 대화를 창의-조절 틀로 코딩하고 전이 네트워크·순차 패턴·군집으로 학습자 주도성을 분석한 결과, 반론형 AI는 도전과 성찰이 풍부한 '생산적 마찰'을 만든 반면 지지형 AI는 동의 중심의 매끄러운 수렴을 강화했다. 그러나 반론형은 비판적 참여를 자극한 대가로 팀워크 만족도와 심리적 안전감을 떨어뜨렸고, 그럼에도 창의 성과를 뚜렷이 높이지는 못했다. 연구진은 하이브리드 협업 설계가 지적 도전과 정서적 안전감의 균형을 잡아야 한다고 결론짓는다.
💡 ① 무조건 동의해 주는 지지형 AI는 팀 대화를 '동의 수렴'으로 몰아 사고의 다양성을 좁힌다 — 오늘 앵커('AI는 다양성을 좁힌다')의 실험적 근거다. ② 반론형 AI는 도전·성찰이라는 마찰로 비판적 사고를 살리므로, 토의·논술에서 AI를 '악마의 변호인'으로 검토 단계에 한정 투입하면 유효하다. ③ 단 마찰은 공짜가 아니다 — 심리적 안전감·만족도가 떨어지므로 '근거로만 반박·비난 금지' 규칙과 안전 프레이밍을 반드시 짝지어야 한다. ④ '반론=창의 향상'은 아니었다 — 교사가 반론을 통합·개선 발문으로 이어줘야 마찰이 산출물로 전환된다.
⭐ 추천 · #2 · AI · 프리프린트 · 품질 28/30
에이전트와 시스템 설계
모델들이 닮아간다 — 3년 68개 LLM의 창의 산출물이 수렴하다
정답이 하나가 아닌 열린 창의 과제에서 LLM이 세대를 거듭하며 어떻게 변하는지 진단한 연구다. 저자들은 2023년 3월부터 2026년 7월까지 출시된 68개 모델(12개 제공사, 폐쇄가중치 33·공개가중치 34)의 응답을, 인지심리학의 대안 용도 과제(AUT)와 실사용 질의 100개(Infinity-Chat100)에 대해 수집했다. all-MiniLM-L6-v2 문장 임베딩의 코사인 거리로 다양성을 재고, 교란을 줄이려 서로 다른 계열의 모델 쌍만 비교했다. 그 결과 시간이 지날수록 산출물 다양성이 통계적으로 유의하게 감소해 서로 다른 회사의 모델이 창의적 답변에서 점점 닮아가는(수렴하는) 것으로 나타났다. AUT 기울기 약 −0.01385/구간, Infinity-Chat100 약 −0.00167/구간이었고 1,000회 리샘플링에서 모두 음수였다. 저자들은 이 추세가 지속되면 LLM 주도 획일화가 인간-AI 공동 창작에서 인간의 주체성을 약화시킬 수 있다고 경고한다.
💡 ① 서로 다른 회사의 68개 모델조차 창의 과제에서 점점 닮은 답으로 수렴한다 — '모델을 여럿 쓰면 다양해진다'는 통념을 흔든다. ② 감소는 정형 심리검사(AUT)에서 실사용 질의보다 더 뚜렷했다. ③ 교육 적용: AI에 발산을 맡기면 반 전체가 비슷한 출발점에 서므로 'AI 초안 → 인간 발산'으로 순서를 뒤집고, 루브릭에 개인적 관점·비관습적 발상 배점을 명시하라. ④ 제약 바꾸기·손초안·교차비평 같은 의도적 '마찰'로 획일화를 되돌리고, '알고리즘 단일문화' 개념 자체를 AI 리터러시로 가르치라.
⭐ 추천 · #3 · Education · 논문 · 품질 27/30
학습 설계와 피드백
AR·다차원 개념도가 통계 학습의 정서와 성취를 함께 높이다 (대만 157명 진실험)
대만 학습자 157명을 진실험 설계로 8개 집단(정서 유발 2조건 × 멀티미디어 자료 4유형)에 무작위 배정해 통계 학습을 시켰다. 증강현실(AR)을 결합한 애니메이션 다차원 개념도가 나머지 세 자료보다 긍정 정서를 유의하게 더 높였다. 인지적 성취에서는 AR 결합형과 (AR 없는) 애니메이션 다차원 개념도 두 조건 모두 유의한 향상을 보였다. 자료 유형은 정서와 성취 양쪽에 각각 유의한 직접 효과를 가졌으나, 긍정 정서는 자료 유형과 성취 사이를 매개하지 않아 정서 이득과 성취 이득이 독립적 경로로 나타났다. 집단별 평균·효과크기 등 구체 수치는 원문 표 확인이 필요하다.
💡 ① 같은 통계 개념을 글 하나가 아니라 개념도·애니메이션·AR의 다중 표상으로 펼치면 정서와 성취가 함께 넓어진다. ② AR이 없어도 '애니메이션 다차원 개념도'만으로 성취가 유의하게 올라, 저비용 대안(무료 슬라이드·마인드맵)만으로도 효과를 기대할 수 있다. ③ AR의 추가 이점은 특히 '긍정 정서'에서 커, 도입·동기 부여 장면에 선택 투입하면 비용 대비 효과적이다. ④ 정서가 성취를 매개하지 않았으므로 '재미있으면 성적도 오른다'를 가정하지 말고 정서 개선과 성취 향상을 각각 설계·평가하라.
⭐ 추천 · #4 · AI · 프리프린트 · 품질 27/30
검증과 신뢰
획일적 AI는 탐구를 '단일재배'로 만든다 — 개인 맞춤이 다양성을 지킨다
AI를 과학 연구 공동체에 통합하면 발견이 가속되리라는 기대와 함께, 연구가 동질화(homogenization)될 위험이 제기된다. 저자들은 NK 지형 모형을 구성해 이 기대와 위험을 시뮬레이션으로 탐구한다. 획일적 지침을 주는 비개인화 AI는 문제 구조·연구 관행·기초 역량이 좁게 맞물릴 때만 이득이고 그 밖에는 오히려 해로웠다. 완화책으로 무작위화와 개인화를 구현했는데, 무작위화의 효용은 분해 가능한 문제에 국한된 반면 개인화는 다양성을 높여 더 넓은 조건에서 이득을 냈다. 다만 그 이득은 자동으로 얻어지지 않으며 새로운 표준·관행 같은 제도적 적응을 전제로 한다.
💡 ① 단일 AI 도구를 전교·전학년에 획일 적용하면 사고의 '단일재배(monoculture)'가 생겨 탐구 다양성이 줄 수 있다. ② 개인화가 무작위 변주보다 다양성 확보에 유리하다는 점은 학습 설계에서 '학생별 맞춤'의 가치를 뒷받침한다. ③ 기술 도입만으로 이득이 담보되지 않으며 제도·규범 정비가 병행돼야 한다. ④ 교실 적용: 학생이 서로 다른 접근·자료로 문제를 풀도록 AI 프롬프트를 개인화·다양화하고, 같은 답으로 수렴하지 않게 안내하면 집단적 사고 편향을 완화할 수 있다.
⭐ 추천 · #5 · Education · 논문 · 품질 26/30
학습 설계와 피드백
느린 학습자를 '개념의 공동 저자'로 — 적응형 AI 튜터와의 참여적 탐구
학습 속도가 느린 학습자(slow learners)가 적응형 AI 튜터와 상호작용하며 개념을 '함께 구성(co-construct)'하는 과정을 참여적 탐구(participatory inquiry) 방법으로 분석한 연구다. 학습자를 수동적 수용자가 아니라 개념 형성의 능동적 참여자로 놓고, 적응형 AI 튜터와의 참여·몰입 양상을 질적으로 들여다본다. 초록 원문이 출판사 접근 제한이라 표본·방법·구체 수치는 [확인 필요]이며, 제목·게재 맥락상 느린 학습자 대상 AI 튜터의 참여 촉진과 개념 공동구성에 초점을 둔 연구로 판단된다.
💡 ① 느린 학습자를 개념의 능동적 공동구성자로 보는 관점은 결손 보완 위주 접근과 대비된다. ② 적응형 AI 튜터의 개별 속도 조절이 참여를 어떻게 바꾸는지에 주목한다. ③ 참여적 탐구라는 방법은 학습자 목소리를 설계에 반영하는 함의를 준다. ④ 교실 적용: 학습 부진 학생 대상 AI 튜터 도입 시 정답 전달보다 학생과의 대화적 개념 형성을 유도하는 설계가 참여를 높일 수 있다(구체 효과는 [확인 필요]).
#6 · AI · 프리프린트 · 품질 26/30
학습 설계와 피드백
생성형 AI의 편향은 '출력'이 아니라 '학습 구조'에 심긴다 — 인식론적 종속
생성형 AI의 문제는 편향된 출력을 내는 데 그치지 않고, 다수의 앎의 방식을 지식의 기본 인프라로 코드화한다는 데 있다고 본다. 저자들은 이를 '인식론적 종속(epistemic subordination)'이라 명명한다. 학습 과정에서 인간 표현의 폭이 단일 확률 모형으로 압축되며, 그 통계적 기준선은 지배 문화의 언어·전제·문화적 틀을 반영한다. 소수자의 인식론은 배제되는 것이 아니라 학습 데이터에 존재하되 출력에서 구조적으로 종속된다. 따라서 개별적으로 감사·수정 가능한 편향의 집합이 아니라 모델 구조에 내재한 조건이며, 반차별법·문화언어권·민주적 관점다원주의라는 세 법 영역이 모두 하류에서만 규율하기에 대응에 실패한다고 본다. 해악이 학습 단계에서 발생하므로 규율도 그 층위에서 이뤄져야 한다는 주장이다.
💡 ① 생성형 AI의 편향은 개별 오류가 아니라 학습 단계에 구조적으로 내장된 조건일 수 있다. ② 소수 문화·언어의 관점이 '포함되되 종속'된다는 점은 다문화·다국어 교실에서 특히 주의해야 할 지점이다. ③ 사후 프롬프트 조정만으로는 근본 편향을 교정하기 어렵다는 함의를 준다. ④ 교실 적용: AI 답변을 '중립적 정답'으로 제시하지 말고, 다양한 문화·관점의 1차 자료와 대조하며 출력의 문화적 기본값을 비판적으로 검토하는 미디어·정보 리터러시 활동으로 활용한다.
#7 · Education · 논문 · 품질 25/30
에이전트와 시스템 설계
중학교 STEM에서 인간-AI 협업을 가르는 것 — 태도와 프롬프트 역량
중학교 STEM 수업에서 학생의 AI 상호작용 방식, 성향(dispositions), 프롬프트 엔지니어링 역량이 인간-AI 협업을 어떻게 형성하는지 탐구한 연구다. 세 요인을 축으로 학생-AI 협업의 질을 설명하려는 구도로, 프롬프트 작성 역량과 정의적 태도가 협업 성과에 미치는 영향을 다룬다. 초록 원문이 출판사 접근 제한이라 표본 규모·설계·구체 결과는 [확인 필요]이며, 저자진(Kim·Kwon 등)은 K-12 AI 교육·협력학습을 지속 연구해온 그룹이다.
💡 ① 학생의 프롬프트 작성 역량이 인간-AI 협업의 질을 좌우하는 핵심 변수로 다뤄진다. ② 태도·성향 같은 정의적 요인도 협업 성과에 영향을 준다는 관점을 제공한다. ③ 중학교 STEM이라는 구체 맥락은 K-12 현장 적용성을 높인다. ④ 교실 적용: STEM 프로젝트에서 프롬프트 작성·수정 연습과 AI에 대한 태도 형성을 명시적 수업 목표로 넣으면 협업의 질이 개선될 수 있다(효과 크기는 [확인 필요]).
#8 · AI · 프리프린트 · 품질 26/30
검증과 신뢰
'언제 깊게 생각할지'를 스스로 정하는 AI — 정확도 유지하며 토큰 41%↓
추론형 언어모델이 문제 난이도에 따라 계산 자원(추론 토큰)을 스스로 배분하도록 학습하는 방법을 제안한다. 고정 토큰 예산 대신 모델이 응답 시작 시 NoThink(즉답)·Short(간단 추론)·Long(확장 추론) 세 모드 중 하나를 선택하며, 이 능력은 별도 라우팅 모듈 없이 Group Relative Policy Optimization(GRPO) 학습만으로 창발한다. MATH로 학습한 1.5B 증류 모델은 기준선과 유사한 정확도(0.782 대 0.796)를 유지하면서 평균 응답 길이를 4,796→2,811 토큰으로 약 41% 줄였다. GSM8K에서는 정확도를 개선하면서 약 76% 토큰을 절감해, 모델이 난이도 기반으로 문제를 분류(무작위 배분이 아님)함을 시사한다.
💡 ① LLM이 '언제 깊게 생각할지'를 스스로 판단하게 하면 비용·지연을 크게 줄이면서 정확도를 유지할 수 있다. ② 라우팅 모듈 없이 강화학습만으로 난이도 판별이 창발한다는 점이 방법론적으로 주목된다. ③ 작은 1.5B 모델에서도 성립해 저비용 배포 가능성을 시사한다. ④ 교실 적용: 학교·에듀테크가 AI 튜터를 운영할 때 쉬운 질문엔 즉답, 어려운 문제엔 단계적 추론을 배분하는 설계로 응답 속도와 운영비를 동시에 절감할 수 있다.
#9 · Education · 논문 · 품질 24/30
검증과 신뢰
진로교육에서 ChatGPT로 '내 진로 콘텐츠'를 만들어 보기
교육 현장의 AI 활용 사례로, ChatGPT를 활용해 진로 홍보(career promotion) 콘텐츠를 개발하는 과정을 다룬 연구다. 생성형 AI가 진로·직업 안내 자료 제작을 어떻게 지원할 수 있는지에 초점을 둔 것으로 보인다. 초록 원문이 출판사 접근 제한이라 방법·표본·구체 결과는 [확인 필요]이며, 제목상 ChatGPT 지원 콘텐츠 개발의 절차·산출물·활용 가능성을 논의하는 연구로 판단된다.
💡 ① 생성형 AI를 진로교육 콘텐츠 제작 도구로 보는 실용적 접근을 보여준다. ② 콘텐츠 개발 절차에 AI를 결합하는 방법론적 시사점을 준다. ③ 교사·진로상담 인력의 자료 제작 부담 경감 가능성을 시사한다. ④ 교실 적용: 진로수업에서 ChatGPT로 직업 소개·진로 홍보 자료 초안을 만들고 교사·학생이 사실 검증·보완하는 활동으로 활용한다(품질·정확성 관리 병행 필요, 구체 효과는 [확인 필요]).
#10 · AI · 프리프린트 · 품질 26/30
에이전트와 시스템 설계
최상위 코딩 에이전트도 과학 과제는 절반도 못 푼다 — SWE-bench Science
과학 분야의 실제 엔지니어링 과제를 코딩 에이전트가 해결할 수 있는지 평가하는 새 벤치마크 'SWE-bench Science'를 제안한다. 20개 과학 도메인, 98개 GitHub 저장소에서 119개 과제를 수집해 Issue-driven·Expert-exploratory·Engineering-integration 세 유형으로 구성했다. 실험 결과 가장 성능이 좋은 에이전트(Claude Code, Opus-5, max)조차 pass@1이 50% 미만에 그쳤다. 저자들은 네 가지 실패 유형을 규명하고, 과학 지식의 효용이 정렬(alignment) 품질에 좌우됨을 보인다 — 잘 근거된 정보는 성능과 토큰 효율을 높였지만 부실하게 정렬된 안내는 오히려 성공률을 떨어뜨렸다.
💡 ① 현행 최상위 코딩 에이전트도 과학 엔지니어링 과제에서는 절반도 못 풀어(pass@1 50% 미만) 한계가 뚜렷하다. ② 단순 지식 주입이 아니라 '잘 정렬된' 지식이라야 도움이 된다는 점이 핵심 발견이다. ③ 20개 도메인·119과제라는 실제 저장소 기반 설계로 현실성이 높다. ④ 교실 적용: 학생에게 AI 코딩 에이전트의 한계를 보여주는 사례로 활용하고, AI 산출 코드를 무비판 수용하지 않고 검증·정렬하는 태도를 가르치는 근거로 삼을 수 있다.
추천 논문 상세 분석
오늘의 뉴스 브리핑
🔹 앤스로픽 IPO, '반(反)AI 여론'을 핵심 위험요인으로 명시할 듯 [빅테크·AI 시장]
앤스로픽이 준비 중인 IPO 투자설명서에 AI·데이터센터에 대한 대중 반발(backlash)을 위험 요인으로 명시할 예정이라고 CNBC가 소식통을 인용해 보도했다. 5월 갤럽 조사에서 미국인 10명 중 7명이 거주지 인근 데이터센터 건설에 반대하는 등 일자리·전력·물 사용 우려가 배경으로 지목된다. 앤스로픽은 6월 비공개로 상장을 신청했고 약 1조 달러 안팎의 기업가치로 상장 절차에 들어간 것으로 전해진다. 바로가기
앤스로픽이 준비 중인 IPO 투자설명서에 AI·데이터센터에 대한 대중 반발(backlash)을 위험 요인으로 명시할 예정이라고 CNBC가 소식통을 인용해 보도했다. 5월 갤럽 조사에서 미국인 10명 중 7명이 거주지 인근 데이터센터 건설에 반대하는 등 일자리·전력·물 사용 우려가 배경으로 지목된다. 앤스로픽은 6월 비공개로 상장을 신청했고 약 1조 달러 안팎의 기업가치로 상장 절차에 들어간 것으로 전해진다. 바로가기
🔹 엔비디아, 주요 고객에 AI 서버 가격 15% 이상 인상 통보 [AI 반도체]
엔비디아가 주요 고객사에 자사 AI 칩이 탑재된 서버 가격을 많은 경우 15% 이상 인상할 수 있다고 통지했다고 블룸버그를 인용해 CNBC가 보도했다. 인상 폭은 Vera Rubin·Grace Blackwell 등 차세대 칩 세대와 메모리 구성에 따라 달라지며 내년 초 출하 시스템부터 적용될 전망이다. 가격 상승의 주된 원인으로는 메모리 칩 값 급등이 지목됐다. 바로가기
엔비디아가 주요 고객사에 자사 AI 칩이 탑재된 서버 가격을 많은 경우 15% 이상 인상할 수 있다고 통지했다고 블룸버그를 인용해 CNBC가 보도했다. 인상 폭은 Vera Rubin·Grace Blackwell 등 차세대 칩 세대와 메모리 구성에 따라 달라지며 내년 초 출하 시스템부터 적용될 전망이다. 가격 상승의 주된 원인으로는 메모리 칩 값 급등이 지목됐다. 바로가기
🔹 딥마인드 출신 '인히런트', 소형 AI 에이전트로 논문 재현서 앤스로픽·오픈AI 추월 주장 [AI 프런티어·에이전트]
구글 딥마인드 출신들이 세운 런던 AI 랩 '인히런트(Inherent)'가 자사 에이전트 '패러데이(Faraday)'가 발표된 과학 논문 결과를 독립 재현하는 과제에서 앤스로픽·오픈AI의 대형 모델을 능가했다고 밝혔다. 주목할 점은 패러데이가 270억 파라미터의 상대적으로 작은 Qwen 3.6 기반이라는 것으로, '연구 감각(research taste)'을 심는 강화학습으로 효율을 높였다고 설명했다. 자율적 과학 발견 AI로 나아가는 디딤돌로 규정했다. 바로가기
구글 딥마인드 출신들이 세운 런던 AI 랩 '인히런트(Inherent)'가 자사 에이전트 '패러데이(Faraday)'가 발표된 과학 논문 결과를 독립 재현하는 과제에서 앤스로픽·오픈AI의 대형 모델을 능가했다고 밝혔다. 주목할 점은 패러데이가 270억 파라미터의 상대적으로 작은 Qwen 3.6 기반이라는 것으로, '연구 감각(research taste)'을 심는 강화학습으로 효율을 높였다고 설명했다. 자율적 과학 발견 AI로 나아가는 디딤돌로 규정했다. 바로가기
🔹 오픈AI, 캘리포니아 AI 안전법 'SB 53' 오히려 강화 촉구 — 기존 반대 입장 선회 [AI 거버넌스·규제]
오픈AI가 과거 반대했던 캘리포니아 AI 안전법안 SB 53에 대해 오히려 규제를 강화해야 한다는 입장으로 돌아섰다. 학습·평가 중인 프런티어 모델 모니터링 요구와 사이버보안 보호 강화 등을 개정 방향으로 제시하며 최근 보안 사고들을 근거로 들었다. 연방 입법이 없는 상황에서 각 주가 호환 가능한 보호장치를 마련해 국가 표준의 토대로 삼는 '역(逆)연방주의' 접근을 지지한다고 밝혔다. 바로가기
오픈AI가 과거 반대했던 캘리포니아 AI 안전법안 SB 53에 대해 오히려 규제를 강화해야 한다는 입장으로 돌아섰다. 학습·평가 중인 프런티어 모델 모니터링 요구와 사이버보안 보호 강화 등을 개정 방향으로 제시하며 최근 보안 사고들을 근거로 들었다. 연방 입법이 없는 상황에서 각 주가 호환 가능한 보호장치를 마련해 국가 표준의 토대로 삼는 '역(逆)연방주의' 접근을 지지한다고 밝혔다. 바로가기
🔹 교육교부금 '내국세 연동제' 54년 만에 개편 — 학령인구·성장률 반영으로 [국내 교육재정]
정부가 1972년 이후 유지해온 지방교육재정교부금의 내국세 20.79% 자동 연동 방식을 내년부터 개편한다고 한국경제가 보도했다(기사 표현상 '55년 만'). 새 산식은 전년도 교부금에 최근 3개년 평균 경상성장률과 학령인구 변화율의 35%를 반영해, 학생 수가 줄어도 세수 증가만으로 교부금이 늘던 구조를 바꾼다. 절감 재원은 미래대응기금의 교육·인재 계정으로 전출해 대학·영유아·평생교육에 투자하고, 교부금 감소 시 보전 조항으로 총액 급감을 막는다. 바로가기
정부가 1972년 이후 유지해온 지방교육재정교부금의 내국세 20.79% 자동 연동 방식을 내년부터 개편한다고 한국경제가 보도했다(기사 표현상 '55년 만'). 새 산식은 전년도 교부금에 최근 3개년 평균 경상성장률과 학령인구 변화율의 35%를 반영해, 학생 수가 줄어도 세수 증가만으로 교부금이 늘던 구조를 바꾼다. 절감 재원은 미래대응기금의 교육·인재 계정으로 전출해 대학·영유아·평생교육에 투자하고, 교부금 감소 시 보전 조항으로 총액 급감을 막는다. 바로가기