AI 트렌드 노트

2026년 1분기에 한국에서 가장 빠르게 오른 직무 임금은 의외의 자리에 있다. 데이터센터 전력 엔지니어다. 같은 분기 동안 글로벌 빅테크는 통상 13,400명의 화이트칼라 직무를 정리했다. AI가 사람의 일을 어떻게 옮기고 있는지 보여 주는 가장 정직한 두 수치다. 이 글은 AI 데이터센터 인프라 사이클을 그 노동시장 변화 관점에서 다시 읽는 분석 에세이다. 칩 한 종목, 한 회사에 베팅하기보다 산업 전체 구조를 보고 싶어 하는 독자를 위한 글이다. 1. 누가 화면에서 사라지고 누가 현장에 들어오나 엔비디아 GTC 2026이 발표한 산업 전망에서 가장 자주 인용되는 수치는 데이터센터 매출 전망이 아니다. AI 데이터센터 1개를 짓고 운영하는 데 필요한 전력·냉각·네트워크 인력 추정치 다. 1기가와트(GW)급 캠퍼스 한 곳 기준으로 건설 단계 1,800명, 운영 단계 상시 230명 수준이 일반적이다. 자동화로 줄어드는 것이 아니라 늘어나는 자리다. 그 사이 같은 빅테크 본사에서는 마케팅·HR·IT 운영·재무 백오피스 직무가 12분기 연속 감축됐다. 마이크로소프트·구글·아마존이 1분기에 잘라낸 인원만 합쳐도 13,000명대다. 단지 AI 코딩 도구나 RPA 때문이 아니다. AI 인프라에 자본을 몰아넣기 위해 운영비를 어디선가 잘라야 했고, 가장 먼저 잘리는 곳이 늘 사무직이다. 여기서 흥미로운 비대칭이 생긴다. AI에 가장 가까운 회사들이 정작 코드 짜는 화이트칼라가 아닌 전기공·냉각 엔지니어를 더 채용하고 있다. 시장은 이 메시지를 절반만 듣고 있다. 2. 전력이 가장 비싼 부품이 됐다 AI 데이터센터의 진짜 병목은 GPU가 아니라 전기다. 엔비디아 Blackwell B200 한 랙은 약 132kW를 먹고, 차세대 Rubin 세대는 200kW를 넘길 것으로 알려져 있다. 일반 IT 데이터센터 한 랙이 6~12kW였던 시대와는 한 자릿수가 다른 게임이다. 그래서 캠퍼스를 지을 후보지가 갑자기 줄어든다. 한전 송전망 인입이 가능한지, 전력 계약...

지난 11월에 사내 위키 검색용으로 만든 RAG 챗봇이 5월 들어 사용자 만족도 38%까지 떨어졌다. 질문 100건 중 38건만 "도움이 됐다"고 답한 셈이다. 6개월 만에 처음부터 다시 짜기로 결정했고, 이번엔 모든 사람이 말하는 그 단어, Agentic RAG 로 갔다. 이 글은 그 갈아엎는 과정의 실험 로그다. 결론부터 말하면 정확도는 38% → 71%로 올랐고, 토큰 비용은 글자 그대로 3.4배 늘었다. 어느 쪽을 택할지는 끝까지 읽고 판단하시길. 1. 왜 단순 RAG가 깨졌나 — 6개월 운영 데이터 처음 만든 구조는 교과서 그대로였다. 사내 위키 1,200문서 → OpenAI text-embedding-3-small 임베딩 → Pinecone Serverless → GPT-4o-mini로 합성. 한 번의 검색 → 한 번의 생성. 가장 흔한 RAG-101 구성이다. 운영 6개월 동안 쌓인 실패 패턴을 자체 로그에서 추출해 봤다. 실패 유형 비중 대표 사례 질문 모호로 검색 미스 31% "지난 분기 보안 정책 변경 정리해줘" → 분기 정보 누락 다중 문서 종합 실패 24% "A 정책과 B 정책 충돌점 찾아줘" → 한 문서만 인용 한국어 청크 깨짐 18% 표·코드블록 중간이 잘려 의미 손실 최신성 부족 14% 작년 문서 인용하고 "최신 정보"라고 답 환각 (출처 없음) 13% 본문에 없는 수치 생성 핵심 문제는 명확했다. "한 번 검색 → 한 번 생성" 파이프라인은 사용자의 진짜 질문 구조를 무시한다. 사람은 한 문장에 두세 개 의도를 섞어 묻고, 종종 자신이 뭘 묻는지조차 모호하게 말한다. 단순 RAG는 그걸 첫 검색에 다 욱여넣다가 어이없이 무너진다. 2. Agentic RAG로 갈아엎기 — 내가 고른 스택 5월 첫째 주에 새 구조를 짰다. 선택지는 LangGraph, CrewAI, L...

"AI가 면접관 역할을 하고, 답변을 즉시 채점한다"는 카피, 8가지 핵심 질문으로 진짜인지 검증했습니다. 올봄 LinkedIn·OKKY·블라인드에 가장 많이 올라오는 질문이 "AI 면접 코칭 어디까지 와 있나요"입니다. 1~2년 전엔 '구글 Interview Warmup' 같은 무료 도구가 베타로 풀린 정도였는데, 지금은 Final Round AI·Yoodli·Big Interview 같은 유료 서비스가 월 결제 매출 상위권에 올라와 있어요. 동시에 "이런 도구 진짜 효과 있어요?"라는 회의적 시각도 만만치 않습니다. 이 글은 한 기업 채용 라운드에 응시한 친구·후배·동료에게 직접 5회 모의 면접을 진행시켜 본 결과를 바탕으로, 핵심 질문 10개에 답을 정리한 Q&A입니다. 일반론보다 실측을 우선합니다. Q1. 지금 가장 결제되는 AI 면접 코칭 도구는 뭐가 있나요? 5월 기준 한국 사용자가 가장 많이 검색·결제하는 도구 4종입니다. 도구 무료 유료 시작가 강점 한국어 지원 Final Round AI 일 3회 모의 월 $49 실시간 답변 코파일럿(이어폰 형태) 부분 (영문 권장) Yoodli 일 5분 분석 월 $20부터 말 빠르기·필러 워드 분석 강력 영문 기반 Big Interview 7일 평가판 월 $39부터 산업별 질문 라이브러리 풍부 영문 Interview Warmup (Google) 무료 - 입문 무료 도구 부분 이외에도 Pramp(P2P 무료 매칭)나 Karat(엔지니어 전용 유료) 같은 변형 서비스가 있지만, 메인 비교는 위 4종이 안정적이에요. 한국어 면접관용 모의 면접만 본다면 잡플래닛 AI 면접·자소설닷컴의 AI 코치 같은 국내 서비스도 같이 검토해 볼 수 있습니다. Q2. 사용료 대비 효과, 가성비 1순위는 어디인가요? 직접 4개 도구를 한 달씩 결제해 1회 모의 면접당 단가를 측...

같은 프롬프트, 같은 모델 라우팅, 같은 마감시간. 세 도구가 만든 코드와 청구서를 실제로 비교했습니다. 프론트엔드 시장이 묘하게 흔들리고 있어요. 1년 전만 해도 "AI는 자동완성까지가 한계"였는데, 지금은 한 줄 프롬프트로 SaaS 랜딩 페이지가 통째로 나옵니다. Vercel의 v0, Anthropic·OpenRouter 라우팅을 활용한 Lovable.dev, StackBlitz의 Bolt.new가 그 신호탄이에요. 차이를 알아보려고 직접 결제해서 30분간 같은 화면을 빌드했고, 그 과정과 청구 내역을 그대로 기록했습니다. 코드를 받고 끝나는 글이 아니라, API 호출 횟수·생성 라인 수·디플로이 시간·결제 영수증 까지 정량 측정한 비교입니다. 왜 지금 AI UI 빌더가 핫한가 세 가지 변화가 동시에 왔습니다. 첫째, Claude 4.7·GPT-5.3·Gemini 3 같은 모델들이 React/Next.js 코드 생성 정확도를 한 차원 끌어올렸어요. 1년 전 모델은 useEffect 의존성 배열을 자주 망쳤지만 지금은 거의 정확하게 짭니다. 둘째, 에이전트 모드 가 표준이 됐어요. 한 번의 응답이 아니라 "프롬프트 → 파일 생성 → 미리보기 → 오류 → 수정"을 도구가 알아서 반복합니다. Vercel은 v0에 'composer' 모드를 정식 출시했고, Bolt는 처음부터 WebContainer 기반 빌드를 내장했어요. 셋째, 디플로이가 한 클릭 으로 끝납니다. v0는 Vercel과, Lovable은 Supabase·Netlify와, Bolt는 StackBlitz CDN과 묶여 있어서 디자인 시안에서 실제 URL까지 가는 시간이 분 단위가 아니라 초 단위입니다. 가트너가 "2026년 말까지 기업 앱의 40%가 AI 에이전트 탑재"라고 발표한 흐름은 백엔드뿐 아니라 UI 생성 영역에도 그대로 적용되고 있어요. 결제 의사결정을 위해서는 결국 손에 잡히는 비교가 필요합니다. ...

메타 비공개 AI 채팅 공개 정리 — 4대 프라이빗 AI 챗봇 진짜 비교 🔒 TL;DR — 진짜 정리 메타가 서버 미저장 AI 채팅을 WhatsApp 통합 으로 풀었어요 ChatGPT Temporary Chat·Claude Privacy·DuckDuckGo AI도 유사 기능 보유 민감 직장인·법무·의료 가 기본 무료 플랜 만 쓰면 학습 옵트아웃 꼭 켜세요 완전 0초 무저장 은 셀프호스팅 모델만 가능 . 메타·OpenAI도 30일 안전 보관 단서가 있습니다 회사 기밀이면 Enterprise/Team 플랜 만 사용하세요. 개인 무료 플랜은 위험합니다 5월 14일 메타가 '서버에 저장되지 않는 완전 비공개 AI 채팅' 기능을 WhatsApp 통합 으로 공개했어요. ChatGPT Temporary Chat, Claude Privacy Mode가 이미 있는 상황에서 진짜 차별점이 뭐냐 , 진짜 안전하긴 한 거냐 묻는 분이 많아졌습니다. 저는 민감한 법무 문서·인사 자료 를 자주 다루는 직장인이라 6개월 전부터 학습 옵트아웃·프라이빗 모드 를 모두 켜고 사용해왔어요. 이번에 4대 프라이빗 AI 챗봇 을 다시 검증해본 결과를 솔직하게 정리했습니다. ① 메타 비공개 AI 채팅이 뭐냐면 WhatsApp 메신저 내부에 Meta AI 챗봇 이 들어가는데, Private Chat 모드 를 켜면 대화 내용을 메타 서버에 저장하지 않는다 고 명시한 기능이에요. Llama 4 기반으로 동작합니다. 핵심 3가지 1) WhatsApp 통합 별도 앱 설치 없이 기존 메신저 UI 에서 챗봇과 대화하는 구조예요. 진입장벽이 극단적으로 낮습니다 . 2) 서버 저장 X 명시 Private Chat 모드 사용 시 대화 로그가 메타 서버에 보관되지 않는다 는 정책이에요. 다만 안전 모니터링 목적의 짧은 보관 은 정책상 가능 하다는 약관 단서가 있습니다. 3) Llama 4 기반 무료 모델 자체가 무료 제공 이에...