2026년 6월 24일 · 수요일·기술
보통
혼합앤트로픽 Claude Tag와 중국 AI칩·오픈모델 경쟁이 기술 뉴스 주도
핵심 요약
- 앤트로픽은 Slack 상주형 Claude Tag로 기업 업무 에이전트 경쟁을 앞당겼다.
- 바이두 Unlimited-OCR과 Ling·Ring 2.6은 오픈모델 성능·효율 경쟁을 확대했다.
- T-Head와 CXMT 소식은 중국 AI 반도체 자립과 한국 메모리 리스크를 동시에 부각했다.
- SpaceX·Menlo·Superhuman 사례는 AI 인프라, 자본, 신뢰 레이어가 빠르게 재편 중임을 보여준다.
10개 출처 · 10개 항목
앤트로픽, Slack 상주형 Claude Tag로 업무용 에이전트 전면화
주요 사건
앤트로픽이 Slack 채널 안에서 같은 Claude 정체성을 공유하고, 채널 맥락을 읽으며 작업을 이어받는 Claude Tag 베타를 공개했다. Team·Enterprise 고객 대상이며 채널별 접근 범위와 도구 권한을 관리자가 지정한다.
배경
역사적 맥락
LLM UI는 웹 챗봇에서 데스크톱 앱, 코딩 에이전트로 이동했고 이제 협업툴 안에 상주하는 비동기 동료형 에이전트로 확장되고 있다. ZDNET은 앤트로픽 내부 제품팀 코드의 65%가 Claude Tag 내부 버전에서 생성된다고 보도했다.
원인
기업 지식이 Slack에 축적 → 에이전트가 도구·메모리와 연결 → 채널 단위 AI 동료 출시 → 권한·감사·프라이버시가 구매 기준으로 부상
타임라인
- 2024-01-01기업용 LLM 챗봇과 Slack 통합 확산
- 2026-06-23Anthropic이 Claude Tag 베타 공개
주요 입장
개발사/발표 기업
확장
Slack 안에서 읽고 기억하고 실행하는 Claude를 통해 엔터프라이즈 업무 흐름을 장악하려 한다.
OpenAI·Perplexity·Microsoft
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
상주형 업무 에이전트는 코딩, 문서, 고객지원, 내부 검색을 채널 단위로 묶는 기본 UI가 될 가능성이 크다.
medium
AI 기업의 차별화 축이 모델 성능에서 조직 컨텍스트·권한 모델·감사 로그로 이동한다.
medium
항상 읽는 AI가 업무 효율을 높이는 동시에 감시·데이터 경계 논쟁을 키운다.
- · Karpathy는 이를 LLM UI/UX의 세 번째 주요 재설계라고 평가했다.
- · TechCrunch는 생산성보다 조직 지식 확보가 전략적 의미라고 분석했다.
한국 영향
직접 영향
국내 SaaS·그룹웨어 기업은 Slack형 AI 동료 기능을 빠르게 모방해야 한다.
간접 영향
금융·공공 도입에는 채널별 접근통제와 로그 보존 규정 정비가 필요하다.
주목할 지점
- Claude Tag의 권한 모델
- Microsoft Teams·네이버웍스 연동 경쟁
#enterprise-ai#anthropic#ai-agent#slack
바이두 Unlimited-OCR, 문서 OCR 벤치마크 93.23% 기록
주요 사건
바이두가 긴 문서와 논문 여러 페이지를 한 번에 파싱하는 Unlimited-OCR을 공개했다. DeepSeek-OCR 계열 인코더를 유지하고 디코더 주의 메커니즘을 R-SWA로 바꿔 긴 컨텍스트 OCR을 노린다.
배경
역사적 맥락
OCR은 단일 이미지 인식에서 표·수식·복수 페이지 문서 구조 이해로 경쟁 축이 옮겨갔다. Unlimited-OCR은 OmniDocBench v1.5에서 93.23%로 DeepSeek-OCR 87.01%를 6.22%p 웃돌고, v1.6에서도 93.92%를 제시했다.
원인
문서 AI 수요 확대 → 긴 페이지 파싱 병목 부각 → R-SWA로 메모리 비용 절감 → OCR 모델 공개 경쟁 심화
타임라인
- 2026-06-18GitHub 저장소 생성
- 2026-06-23Unlimited-OCR 논문과 모델 공개
주요 입장
개발사/발표 기업
확장
저비용 장문 문서 파싱 모델로 PaddlePaddle·ModelScope 생태계를 강화한다.
DeepSeek·Mistral·Qianfan
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
계약서·논문·스캔문서 처리에서 멀티페이지 OCR이 기본 기능으로 들어갈 전망이다.
medium
문서 AI 스타트업은 OCR 자체보다 검증, 워크플로, 보안 레이어로 차별화해야 한다.
medium
교육·법률·금융 문서 자동화가 빨라지지만 원문 오류 검증 책임이 커진다.
- · 논문은 R-SWA가 긴 문서 추론에서 효과적이라고 주장한다.
- · GitHub 공개 후 빠르게 1천 개 이상 스타를 모았다.
한국 영향
직접 영향
한국 OCR·문서자동화 기업은 중국 오픈모델과 성능·가격 압박을 받는다.
간접 영향
공공·금융 문서 AI 도입 시 국산 모델의 보안성과 한국어 표 인식 품질을 입증해야 한다.
주목할 지점
- 한국어 문서 벤치마크
- 온프레미스 배포 요구
#ocr#baidu#document-ai#open-model
Ling·Ring 2.6, 1조 파라미터 에이전트 모델 공개
주요 사건
Ling 2.6과 Ring 2.6 기술보고서가 공개됐다. Ling은 즉답 효율, Ring은 고난도 추론·도구사용 에이전트 워크플로에 맞춘 1T급 모델군으로 소개됐다.
배경
역사적 맥락
프런티어 모델 경쟁은 단순 파라미터 크기보다 긴 컨텍스트 효율, 토큰당 성능, 에이전트 RL 인프라 최적화로 이동하고 있다. 보고서는 Lightning Attention과 MLA를 결합한 하이브리드 선형 어텐션, KPop RL 프레임워크, shortest-correct-response distillation을 제시했다.
원인
모델 대형화 비용 급증 → 서빙 지연과 추론비용 병목 → 선형 어텐션·토큰 효율 최적화 → 에이전트 훈련 시스템 공개
타임라인
- 2025-01-01MLA·선형 어텐션 기반 장문 모델 연구 확산
- 2026-06-23Ling·Ring 2.6 보고서가 공유됨
주요 입장
개발사/발표 기업
확장
오픈 체크포인트로 에이전트 모델 생태계와 연구자 채택을 늘린다.
OpenAI·Anthropic·DeepSeek
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
오픈 1T급 모델은 폐쇄형 모델과의 비용·투명성 경쟁을 자극한다.
medium
GPU 임대·추론 최적화·에이전트 평가 툴 수요가 동반 상승한다.
medium
고성능 오픈 에이전트가 자동화 접근성을 높이는 동시에 오남용 비용도 낮춘다.
- · Hugging Face는 1T 텍스트 생성 모델로 분류했다.
- · 보고서는 low-latency와 deep reasoning을 분리 설계한 점을 강조했다.
한국 영향
직접 영향
국내 모델 개발사는 자체 대형모델보다 특화 튜닝·서빙 최적화 전략을 강화할 필요가 있다.
간접 영향
오픈모델 활용 규정과 보안성 평가 체계를 마련해야 한다.
주목할 지점
- 라이선스 조건
- 한국어·코딩 벤치마크
#open-model#agentic-ai#llm#research
알리바바 T-Head, 등록자본 10억 위안으로 AI 칩 투자 확대
주요 사건
알리바바의 핵심 칩 설계 법인 T-Head가 등록자본을 3억 위안에서 10억 위안으로 세 배 이상 늘렸다. 주주 구조도 DAMO Academy에서 PingtouGe Electronics로 정리됐다.
배경
역사적 맥락
중국 빅테크는 미국 수출통제 이후 자체 AI 가속기와 클라우드·모델 수직통합을 강화해왔다. SCMP는 이번 증자가 3년여 만의 첫 자본 확충이며 Qwen 모델, Alibaba Cloud, 맞춤형 칩을 묶는 풀스택 전략과 맞물린다고 보도했다.
원인
미국 GPU 제약 → 중국 AI 칩 국산화 압력 → T-Head 자본 확충 → 클라우드·모델·칩 수직통합 가속
타임라인
- 2018-01-01Alibaba T-Head 설립
- 2023-01-01등록자본 1천만 위안에서 3억 위안으로 증액
- 2026-06-23등록자본 10억 위안으로 확대 보도
주요 입장
개발사/발표 기업
확장
Qwen과 Alibaba Cloud를 자체 칩으로 받치는 풀스택 AI 인프라를 구축한다.
Huawei·Biren·Nvidia
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
중국 클라우드의 자체 AI 칩 채택은 수출통제 장기화 시 더 빨라진다.
medium
엔비디아 대체재 시장이 커지고, 소프트웨어 호환성이 핵심 병목이 된다.
medium
기술 블록화가 심화되며 국가별 AI 인프라 생태계가 분리될 수 있다.
- · SCMP는 T-Head 분사·IPO 가능성도 언급했다.
- · SemiAnalysis는 PPU 배후 핵심 법인으로 T-Head를 지목했다.
한국 영향
직접 영향
삼성 파운드리·메모리에는 중국 자체 칩 확장이 장기 수요와 경쟁 리스크를 동시에 만든다.
간접 영향
한국은 AI 반도체 국산화와 CUDA 대체 소프트웨어 생태계 투자를 병행해야 한다.
주목할 지점
- T-Head PPU 성능
- 중국 클라우드 채택률
#semiconductor#alibaba#china-ai#ai-chip
CXMT, IPO 앞세워 삼성·SK하이닉스 DRAM 과점에 도전
주요 사건
SemiAnalysis가 중국 CXMT의 DRAM 경쟁력과 IPO, HBM 진입 가능성을 분석했다. CXMT는 중국 최대 메모리 업체로 삼성전자·SK하이닉스·마이크론 중심의 DRAM 시장에 가격과 증설 압박을 줄 수 있다.
배경
역사적 맥락
AI 서버는 일반 서버보다 훨씬 많은 DRAM과 HBM을 요구해 메모리 가격 사이클을 바꿨다. SemiAnalysis는 1Q26 CXMT DRAM ASP가 선두 3사보다 5~10% 낮은 수준이고, FY25 총마진이 37.8%로 삼성 39.4%, 마이크론 39.8%에 근접했다고 분석했다.
원인
AI 서버 메모리 수요 급증 → 범용 DRAM 공급 공백 → CXMT 수익성 개선 → IPO 자금으로 공정·HBM 추격
타임라인
- 2024-01-01AI 메모리 부족과 HBM 투자 확대
- 2026-06-23SemiAnalysis CXMT 심층 분석 발행
주요 입장
개발사/발표 기업
확장
IPO와 내수 수요를 바탕으로 DRAM 점유율을 확대한다.
Samsung·SK Hynix·Micron
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
단기에는 HBM 선두권 격차가 유지되지만 범용 DRAM 가격 압박은 커질 수 있다.
medium
한국 메모리 업체는 고부가 HBM·서버 DRAM 믹스 확대를 더 서둘러야 한다.
medium
중국산 메모리 확대는 공급망 안정성을 높이지만 기술·보조금 갈등을 심화한다.
- · SemiAnalysis는 2027년 말 서버 DRAM과 HBM이 DRAM 최종수요의 50% 이상이 될 것으로 봤다.
- · 한국 매체들은 CXMT가 2030년 20% 점유율을 목표로 한다고 보도했다.
한국 영향
직접 영향
삼성전자와 SK하이닉스의 중국 범용 DRAM 점유율 방어가 어려워질 수 있다.
간접 영향
정책적으로 HBM·차세대 패키징·장비 공급망 경쟁력 강화가 중요하다.
주목할 지점
- CXMT HBM3 양산 여부
- DRAM ASP 격차 추이
#dram#hbm#semiconductor#china
구글 딥마인드, 가치함수에서 세계모델 역추정 연구 공개
주요 사건
Google DeepMind 연구진이 Bellman equation을 뒤집어 가치함수에서 환경의 전이 동역학, 즉 세계모델을 추론할 수 있다는 연구를 공유했다.
배경
역사적 맥락
강화학습은 모델프리 방식과 모델기반 방식이 나뉘어 발전했다. 이번 연구는 이미 학습된 Q/value function이 환경 전이 정보를 암묵적으로 담고 있으며, 이를 재사용하면 새 보상 함수나 태스크에서 샘플 효율을 높일 수 있다는 이론적 경로를 제시한다.
원인
가치함수 학습 → Bellman 관계에 전이 정보 축적 → 역변환으로 동역학 추론 → 모델프리·모델기반 RL 연결
타임라인
- 1989-01-01Q-learning 등 가치기반 RL 확산
- 2025-01-01Inferring Transition Dynamics from Value Functions 논문 공개
- 2026-06-23DeepMind 연구자가 결과를 공유하고 Google DeepMind가 리트윗
주요 입장
개발사/발표 기업
확장
기존 가치함수를 더 재사용 가능한 세계모델 자산으로 바꾸려 한다.
로보틱스·RL 연구그룹
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
로보틱스와 시뮬레이션에서 새 태스크마다 처음부터 학습하는 비용을 낮출 수 있다.
medium
강화학습 인프라 기업은 value reuse와 offline RL 도구를 제품화할 여지가 생긴다.
medium
자율 시스템의 일반화가 좋아지는 만큼 검증되지 않은 환경 추정 리스크도 커진다.
- · 논문은 model-free와 model-based RL 사이 간극을 줄이는 방법이라고 설명한다.
- · 저자들은 next-state identifiability 조건을 주요 한계로 제시했다.
한국 영향
직접 영향
국내 로봇·자율주행 연구에서 기존 정책 로그를 세계모델 학습 자산으로 재활용할 수 있다.
간접 영향
산학 과제는 실제 로봇 데이터 부족을 보완하는 offline RL·시뮬레이션 연구를 늘려야 한다.
주목할 지점
- 실환경 식별 가능성 조건
- 로봇 데이터셋 공개 여부
#reinforcement-learning#world-model#google-deepmind#research
SpaceX, Reflection AI에 63억 달러 규모 GB300 컴퓨트 공급
주요 사건
Reflection AI가 SpaceX Colossus 2 데이터센터의 Nvidia GB300 기반 컴퓨트를 쓰는 대형 계약을 체결했다. 공개 보도 기준 월 1억5천만 달러, 2029년까지 최대 63억 달러 규모다.
배경
역사적 맥락
AI 모델 경쟁은 데이터·알고리즘뿐 아니라 GPU 접근성이 승패를 가르는 단계로 이동했다. SpaceX/xAI 계열 Colossus 인프라는 Anthropic·Google에도 용량을 임대하는 AI 네오클라우드로 부상했다.
원인
GB300 공급 부족 → 모델랩의 장기 컴퓨트 선점 → SpaceX가 유휴·초대형 GPU를 임대 → 오픈모델 스타트업도 수십억 달러 계약 체결
타임라인
- 2024-01-01Reflection AI 설립
- 2026-06-23Reflection-SpaceX 컴퓨트 계약이 재확산
주요 입장
개발사/발표 기업
확장
오픈웨이트 모델을 훈련할 대규모 컴퓨트를 확보한다.
OpenAI·Anthropic·Google
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
프런티어 AI 스타트업의 진입장벽은 모델 아이디어보다 장기 GPU 계약 능력으로 더 높아진다.
medium
네오클라우드와 모델랩의 결합이 클라우드 시장 구조를 흔든다.
medium
AI 전력·지역 데이터센터 갈등이 더 빈번해질 수 있다.
- · TechCrunch는 계약이 월 1억5천만 달러, 최대 63억 달러라고 보도했다.
- · TNW는 SpaceX가 Anthropic 월 12.5억 달러, Google 월 9.2억 달러 계약도 보유한다고 전했다.
한국 영향
직접 영향
국내 AI 스타트업은 독자 학습보다 해외 GPU 리스와 모델 경량화 전략을 병행해야 한다.
간접 영향
국가 AI컴퓨트 사업은 단기 용량보다 장기 전력·냉각·네트워크 계약이 중요해진다.
주목할 지점
- GB300 공급가격
- 국내 AI 데이터센터 전력 인허가
#ai-infrastructure#gpu#spacex#open-model
Menlo, Anthropic 수익 앞세워 AI 전용 30억 달러 펀드 조성
주요 사건
Menlo Ventures가 AI 스타트업 투자를 위해 30억 달러 규모 신규 펀드를 발표했다. 2024년 Anthropic에 단행한 7억5천만 달러 베팅이 현재 약 140억 달러 가치로 평가되며 새 펀드레이징의 핵심 서사가 됐다.
배경
역사적 맥락
생성AI 투자 시장은 모델랩 초기 지분과 생태계 펀드가 벤처캐피털 성과를 좌우하는 구조로 바뀌었다. Menlo는 Anthropic과 1억 달러 Anthology 펀드를 시작했고, TechCrunch는 해당 펀드가 60개 이상 기업과 3건의 엑시트를 냈다고 전했다.
원인
Anthropic 가치 급등 → Menlo 트랙레코드 강화 → AI 전용 30억 달러 펀드 조성 → 초기·후기 AI 투자 동시 확대
타임라인
- 2024-01-01Menlo가 Anthropic Series D를 주도
- 2026-06-23Menlo가 30억 달러 신규 펀드 발표
주요 입장
개발사/발표 기업
확장
AI 인프라·프런티어 모델·AI-native 앱 전반에 더 큰 수표를 쓰려 한다.
a16z·Sequoia·Lightspeed
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
AI 투자 쏠림은 당분간 지속되지만 모델랩 가치와 애플리케이션 매출 검증 압박도 커진다.
medium
초기 스타트업은 Anthropic·OpenAI 생태계 접근권을 가진 VC를 선호할 수 있다.
medium
자본 집중은 혁신 속도를 높이지만 소수 모델 플랫폼 의존도를 심화한다.
- · Bloomberg는 Menlo의 Anthropic 지분 가치가 약 140억 달러라고 보도했다.
- · Menlo는 50주년 발표에서 AI에 올인한다고 밝혔다.
한국 영향
직접 영향
한국 AI 스타트업은 글로벌 VC의 AI 섹터 펀드와 전략적 파트너십 기회를 노릴 수 있다.
간접 영향
국내 VC도 모델·인프라·앱 포트폴리오를 분리해 리스크를 관리해야 한다.
주목할 지점
- AI 앱 실매출
- 프런티어 모델 밸류에이션
#venture-capital#anthropic#ai-startups#fundraising
Superhuman, 1,900만 사용자 GPTZero 인수로 AI 진위검증 강화
주요 사건
Grammarly가 인수한 Superhuman이 AI 탐지 스타트업 GPTZero를 인수했다. 조건은 비공개지만 GPTZero는 등록 사용자 1,900만 명, ARR 3천만 달러 규모로 알려졌다.
배경
역사적 맥락
AI 글쓰기 확산 후 교육·채용·출판·법무 영역에서 출처와 저작 과정을 확인하려는 수요가 커졌다. GPTZero는 탐지에서 표절, 환각, AI Vision, 저작 과정 추적까지 확장했고 Superhuman은 이를 Go AI assistant와 Grammarly 생태계에 붙이려 한다.
원인
생성AI 콘텐츠 급증 → 탐지·진위검증 수요 확대 → Grammarly/Superhuman 생산성 제품과 결합 → AI 사용 투명성 시장 재편
타임라인
- 2024-06-01GPTZero가 1천만 달러 Series A 조달
- 2026-06-23Superhuman이 GPTZero 인수 발표
주요 입장
개발사/발표 기업
확장
글쓰기·이메일·업무 AI 안에 진위검증을 내장해 신뢰 레이어를 장악한다.
Turnitin·Originality.ai·OpenAI
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
AI 탐지는 단독 서비스보다 생산성 플랫폼의 기본 검증 기능으로 흡수될 가능성이 크다.
medium
교육·채용 SaaS는 탐지 정확도와 오탐 책임을 둘러싼 표준 경쟁에 들어간다.
medium
학생·구직자·창작자는 AI 사용 여부보다 사용 과정의 투명성을 요구받게 된다.
- · BusinessWire는 Superhuman Go가 100만 개 앱·웹사이트에서 작동한다고 밝혔다.
- · TechCrunch는 GPTZero의 1,900만 사용자와 ARR 3천만 달러를 전했다.
한국 영향
직접 영향
국내 교육·채용 플랫폼도 한국어 AI 탐지와 작성 과정 증빙 기능을 붙여야 한다.
간접 영향
규제기관은 AI 탐지 오탐 피해와 고지 의무 기준을 정리할 필요가 있다.
주목할 지점
- 한국어 탐지 정확도
- 대학·기업 채택 정책
#ai-detection#ma#superhuman#trust-and-safety
OpenAI, GPT-5.5-Cyber와 Codex Security로 취약점 패치 자동화 확대
주요 사건
OpenAI가 Daybreak 사이버 보안 프로그램을 확장하며 Codex Security 플러그인, GPT-5.5-Cyber, Cyber Partner Program, Patch the Planet을 묶어 방어자용 취약점 발견·검증·패치 흐름을 제시했다.
배경
역사적 맥락
AI 보안 모델은 취약점 탐색 능력 때문에 방어와 공격 양면성이 크다. OpenAI는 Trusted Access로 고위험 기능 접근을 제한하고, Trail of Bits 등과 19개 오픈소스 프로젝트에서 수백 건 이슈 식별과 수십 건 패치 병합을 진행했다고 밝혔다. The Register는 GPT-5.5-Cyber가 CyberGym 85.6%, ExploitGym 39.5%, SEC-bench Pro 69.8%를 기록했다고 보도했다.
원인
코드베이스 대형화 → 보안 백로그 누적 → AI가 탐지·재현·패치 후보 생성 → 인간 검토와 접근통제로 제품화
타임라인
- 2026-02-05OpenAI Trusted Access for Cyber 소개
- 2026-06-23Daybreak 확장과 GPT-5.5-Cyber 공개
주요 입장
개발사/발표 기업
확장
AI를 공격 자동화가 아니라 검증된 방어 워크플로에 묶어 보안 시장을 공략한다.
Anthropic·Google·보안 벤더
대응
동일 영역의 제품·인프라·가격 경쟁을 강화한다.
사용자/시장
선별 도입
성능 향상보다 보안, 비용, 검증 가능성을 함께 요구한다.
전망
high
보안팀은 스캐너 결과를 AI가 재현·패치하는 방식으로 triage 시간을 줄일 수 있다.
medium
접근권을 가진 보안 파트너와 일반 개발자 간 기능 격차가 생긴다.
medium
취약점 자동화가 공격자에게 유출될 가능성 때문에 감사와 로깅 규제가 강화된다.
- · OpenAI는 Patch the Planet에서 인간 리뷰를 중심에 둔다고 강조했다.
- · The Register는 일부 기능이 약 30개 파트너에 제한된다고 보도했다.
한국 영향
직접 영향
국내 보안 SI와 오픈소스 유지관리자는 AI 기반 재현·패치 워크플로 도입을 검토해야 한다.
간접 영향
정부는 AI 보안도구의 허가된 테스트 범위와 로그 보관 기준을 명확히 해야 한다.
주목할 지점
- Codex Security 접근 조건
- 국내 오픈소스 프로젝트 참여 여부
#cybersecurity#openai#codex#vulnerability-research