리브의 아침 브리핑

01모든 어른은 한때 어린이였지만, 그것을 기억하는 어른은 드물다

AI가 문제를 풀어 줘도, 그 과정에서 사람이 얻는 배움과 통찰까지 대신해 주지는 않습니다. 아이들이 '가장 큰 수 말하기' 놀이에서 스스로 '더하기 1'을 찾아내듯, 정답을 곧바로 알려 주면 목표는 이뤄도 탐색하는 즐거움은 사라집니다. AI를 많이 쓰는 시대일수록 어린이로 산다는 게 어떤 것이었는지 기억해 둘 필요가 있습니다.

• 순수수학은 어른의 규율·전문성과 어린이의 자유로운 발상을 함께 쓸 수 있는 드문 분야이고, 최선의 성과는 서두르지 않는 우회로에서 나오곤 합니다.
• 수학계는 연구비를 대는 다른 어른들 앞에서 미해결 문제 해결 같은 가시적 성과를 앞세워 왔지만, 실제 연구에서는 호기심과 전문성이 함께 움직였습니다.
• 전문가 감독 없이 AI를 수학의 표면적 목표에만 투입하면 문제는 풀려도 배움, 협력 관계, 새로 발견할 연구 질문을 잃을 수 있습니다.

mathstodon.xyz/@tao · 관심사 상 · 추천 상위 16.3%

02AI는 우리의 경제적 미래를 어떻게 바꿀까?

AI 발전과 도입 속도에 대한 예상을 넣으면 2030년 미국 경제와 일자리가 어떻게 달라지는지 보여 주는 시나리오 탐색기를 만들었습니다. 직업이 통째로 사라지는지를 보는 대신, 직업을 이루는 업무가 보조·자동화·신규 생성되는 과정을 O*NET 분류 기준으로 모델링했습니다. 확정 예측이 아니라 가정에 따라 결과를 비교하는 도구입니다.

• 완만한·상당한·극단적 세 시나리오에서 2030년 GDP는 AI가 없을 때보다 각각 1.6%, 8.3%, 32.4% 높지만, 그 이익이 모든 노동자에게 고르게 돌아가지는 않습니다.
• 자동화가 크게 번지면 지식 노동자의 임금이 정체하거나 떨어지고, 다른 직종으로 옮기는 데 걸리는 시간이 실업을 늘리며, 자본 소유자의 몫이 커집니다.
• 미국인 10,000명 이상에게 물은 전형적인 응답을 모델에 넣으면 GDP 약 10% 증가, 실업률 약 5%로 상당한 변화 시나리오에 가깝게 나옵니다.

anthropic.com · 관심사 상 · 추천 상위 24.8%

03소프트웨어는 어떻게 사람을 미치게 만드는가

소프트웨어는 화면부터 사업 모델까지 뭐든 바꿀 수 있어서, '할 수 있다'가 '해야 한다'로, 다시 '왜 아직 안 됐나'로 넘어가며 모든 일이 긴급해집니다. 여기서 미친다는 건 기행이 아니라, 평범한 사람들이 일의 중요도와 규모를 가늠하는 감각을 잃는다는 뜻입니다.

• 부엌을 옮기면 뜯어낸 배관이 보이지만 코드 변경의 문맥 전환, 회귀 위험, 합의 비용은 보이지 않고, 가끔 정말 싼 변경이 있어서 착각이 더 쉬워집니다.
• 복잡성은 일을 만들고, 일은 중요해 보이는 분위기를, 그 분위기는 지위를 만들어 조직과 시스템이 서로를 먹여 살리는 순환에 들어갑니다.
• 잘 도는 것을 건드리지 않는 것도 엔지니어링 역량이고, 필요한 건 무조건 느린 태도가 아니라 문제 크기에 맞는 판단입니다.

graybeard.ing · 관심사 중 · 추천 상위 24.8%

04Google ARTEMIS - 자연어로 Android 앱을 조작/테스트하는 자동화 도구

'로그인한 뒤 팝업이 뜨는지 확인해 줘'처럼 말로 설명하면 실제 Android 기기나 에뮬레이터를 조작해 수행합니다. 화면의 글자와 접근성 정보를 먼저 쓰고, 그걸로 잡히지 않는 화면에서만 시각 모델을 불러 고정 좌표나 XPath 의존을 줄였습니다.

• MCP로 Antigravity, Codex, Claude Code에 붙이면 코딩 에이전트가 기기에서 버그를 재현하고 스크린샷과 Logcat 오류 기록을 직접 확인합니다.
• 빠른 반복용 Flash 모드와 계획·실행 전 확인·결과 검증을 갖춘 Pro 모드가 있고, Flash에는 안전 확인, 체크포인트 검증, 최종 보고서, ADB 셸이 빠져 있습니다.
• 자체 평가로 AndroidWorld 작업 완료율 99% 이상을 보고했고, Gemini·Claude·GPT-4o·Qwen-VL을 지원하며 라이선스는 Apache-2.0입니다.

github.com/google · 관심사 상 · 추천 상위 60.3%

05AX 시대의 FDE는 조직에 무엇을 남길까

AX 컨설턴트로 일하며 팔란티어의 FDE 인터뷰를 읽고, 현장에서 푼 문제를 제품에 쌓아 간다는 대목을 제 일에 대입해 봤습니다. 남은 질문은 우리가 일을 마친 뒤 고객 조직이 스스로 할 수 있는 일이 얼마나 늘었느냐입니다. FDE 경험담이 아니라 공부한 내용을 지금 하는 일에 비춰 본 글입니다.

• 담당자가 반복 업무를 AI로 처리하고, 결과를 확인하거나 작은 수정까지 직접 할 수 있게 되는 것을 조직에 남아야 할 변화로 봅니다.
• 그런 변화를 도우려면 저부터 고객 상황을 이해하고 함께 방향을 잡는 능력을 길러야 한다고 생각합니다.
• 댓글에서는 SI 시절에도 솔루션을 쌓겠다고 했지만 남은 건 고객사별 파편 코드였다는 반응이 나왔고, 저자도 '무엇을 남길까'만큼 '어떻게 쌓이게 할까'가 중요하다고 받았습니다.

mun-jeong-min.github.io · 관심사 중 · 추천 상위 60.3%

06OpenRouter를 쓰기 전에 알아 둘 것

So you want to use OpenRouter?

OpenRouter를 쓰려는 분에게, 실제로 붙여 써 본 경험을 정리했습니다. 오늘은 본문 없이 제목과 댓글만 들어와서 구체적인 문제 목록은 원문에서 확인하셔야 합니다.

• 댓글 187개 가운데 상위에는 '보기에 끔찍하다, 대안이 뭐냐'는 반응이 올라 있어, 글이 편리함보다 걸리는 지점을 짚은 쪽으로 읽힙니다.
• 대안을 묻는 반응이 이어지는 만큼, 오늘 넘긴 LiteLLM 경량 대체재 같은 자체 라우팅 도구와 나란히 볼 만합니다.

mmoustafa.com · 관심사 상 · 프런트 상위 4.0%

07Claude, 18세 이상만 이용 가능으로 연령 확인 도입

Claude is only available to people over 18 years

Claude는 18세 이상만 이용할 수 있으며, 이를 확인하는 연령 확인(age assurance) 절차를 지원 문서로 안내합니다. 본문은 들어오지 않아 확인 대상과 적용 시점은 원문에서 보셔야 합니다.

• 댓글에서는 연령 확인 업체가 Persona에서 Yoti로 바뀌었다는 지적과 함께, 문서에 변경 이유가 없다는 점이 먼저 거론됩니다.
• '검증을 요구하면 그만 쓰겠다', '그런데 왜?' 같은 반응이 상위에 있어, 신원 확인 부담에 대한 거부감이 논조의 중심입니다.

support.claude.com · 관심사 상 · 프런트 상위 5.5%

08AI 수학 성과 발표를 두고 수학자들이 낸 '심각한 어긋남' 경고

A misalignment of AI in mathematics

AI의 수학 성과가 알려지는 방식과 수학이 지향하는 목표 사이에 심각한 어긋남이 생겼다고 봅니다. 문제를 푸는 것은 개념적 이해와 통찰이라는 본래 목표에 이르는 도구이자 대리 지표일 뿐입니다. Leiden 때처럼 충분히 의견을 모을 시간은 없었지만, 사안이 급하다고 판단해 성명을 먼저 냈습니다.

• 발단은 OpenAI의 수학 성과 발표 방식이고, 9월 11일자 타오의 블로그 글과 Economist 기사가 배경을 함께 전합니다.
• 댓글에서는 문제를 정확히 짚었지만 구체적인 대체 절차를 AI 기업에 떠넘긴 것 아니냐는 지적이 올라 있습니다.
• 한편 문제 풀이가 이해의 대리 지표로 밀려나는 일이 대부분의 지적 분야에 닥친 진짜 걱정이라는 공감도 함께 나옵니다.

mathandai.org · 관심사 상 · 프런트 상위 6.0%

09코드가 얼마나 엉성한지 수치로 재기

Measuring the sloppiness of code

코드의 엉성함(sloppiness)을 수치로 재 보려 합니다. 에이전트가 왜 자기가 만든 엉성함을 스스로 치우지 못하는지는 SlopCodeBench의 평가 방식에서 찾을 수 있습니다.

• SlopCodeBench는 처음에 지시를 다 주고 숨은 테스트를 돌리는 대신, 지시와 테스트를 여러 라운드로 나누고 체크포인트 사이에 모델의 컨텍스트를 지워 실제 에이전트 사용에 가깝게 만듭니다.
• 그 결과 나쁜 설계 결정이 라운드마다 쌓이고, 모든 테스트를 통과해야 하는 엄격한 해결률에서 그 누적이 드러납니다.
• 댓글에서는 코드 품질을 제대로 재는 벤치마크만 생기면 모델이 금방 점수를 올릴 것이고, 지금의 엉성한 코드는 보상 함수의 빈틈일 뿐이라는 낙관도 나옵니다.

earendil.com · 관심사 상 · 프런트 상위 24.0%

10RTK의 토큰 절감, 비용 벤치마크로 재 보니 맞지 않았다

RTK reports token savings, but our cost benchmarks disagree

RTK는 토큰을 줄여 준다고 보고하지만, 저희 비용 벤치마크로 재 보면 AI 코딩이 그만큼 싸지지 않았습니다. 절감은 토큰 수가 아니라 작업 하나를 끝내는 데 든 비용으로 판단해야 합니다.

• 댓글에서는 모델이 학습 때 본 적 없는 형태로 출력을 줄여 주니 당연한 결과라는 반응이 먼저 나옵니다.
• caveman, RTK, CLAUDE.md 요령 같은 절감 해킹이 대부분 효과가 없다는 회의도 강합니다.
• 반대로 로컬 코드 임베딩으로 코드베이스를 인덱싱하거나 C#에서 Roslyn MCP를 쓰면 실제로 줄었다는 경험담도 있어, 무엇을 줄이느냐에 따라 갈립니다.

quesma.com · 관심사 최상 · 프런트 상위 38.7%