AI 변화 노트 10월 27일 AI에 맡길 일이 늘어날수록, 무엇을 확인해야 할까

먼저 보는 7가지

AI가 일을 더 많이 처리할수록, 사람은 어디를 확인해야 할까요? 오늘은 업무 비용, 실행 승인, 코드 검토에서 시작해 활용 통계와 연구 결과를 읽는 방법까지 살펴봅니다. 새 기능의 쓰임새와 그 결과를 믿을 수 있는 범위를 함께 정리했습니다.

먼저 보는 요약은 약 2분, 전체는 약 13분 분량입니다. 10월 27일 한국 시각에 확인한 호이며, 아래 주요 자료의 공식 원문·RSS 발행 기록은 10월 26일입니다. 한국 시각으로는 26일부터 27일 사이입니다. 일반 업무 독자는 1·2·4번을, 개발자는 3번을, 연구·교육 독자는 5·6번을 먼저 읽어도 좋습니다.

GPT-6.1 Terra는 반복 업무의 비용을 낮추는 선택지로 나왔습니다. API 가격과 회사의 성능 평가를 함께 보되, 우리 업무 한 건의 비용은 별도로 측정해야 합니다.
Copilot이 실행 요청을 살핀 뒤 필요한 승인을 묻습니다. Assisted permissions가 정식 제공됐습니다. 팀이 허용한 권한 모드와 사람의 승인 범위가 중요합니다.
Microsoft는 코드 변경을 검토하는 과정을 설명했습니다. 변경 방법을 전문가가 승인하고, AI가 넓게 적용한 뒤 동작 시험과 검증을 이어가는 방식입니다.
ChatGPT에 사람들이 맡기는 일을 볼 데이터가 공개됐습니다. 165개 업무 활동을 다루지만, 개인 요금제의 메시지 통계이며 기업용·Codex 사용은 빠져 있습니다.
AI 연구 결과를 공개하고 검토하는 방법도 달라집니다. OpenAI는 수학·컴퓨터과학·물리 자료의 공개 범위와 학계 협력을 다르게 설계했습니다.
학생이 데이터와 모델을 점검하는 AI 수업이 나왔습니다. Google의 Polar Peaks는 뇌 지도 만들기를 소재로 AI를 이해하는 교육 활동입니다.
사업 발표는 절차와 목표를 나눠 읽어야 합니다. Anthropic의 상장 서류 제출, Google.org의 농업 서비스 연결 지원을 짧게 살펴봅니다.

숫자와 배경

주요 키워드: 업무 비용 · 실행 승인 · 코드 검토 · 활용 통계 · 공개 검증

숫자	무엇을 뜻하나요?	같이 읽을 조건
입력 $1·출력 $5	Terra 표준 API의 100만 토큰당 가격	캐시 입력은 $0.05. 업무 한 건의 총비용과는 다름
4억 줄	Microsoft가 소개한 컴파일러 도구 이전의 코드 규모	전체를 Rust로 바꿨다는 수치가 아님
165개 활동	OpenAI가 메시지를 연결한 업무 분류 수	개인 요금제의 업무 메시지, 기업용·Codex 제외
40만 회 이상	AI Quests 시리즈에서 완료된 활동 횟수	학생 수·새 활동만의 이용량·학습 효과가 아님

출처: OpenAI 모델 발표 · Microsoft 운영 사례 · 업무 활용 데이터 · Google 교육 활동

이번 자료를 함께 읽으면 사람이 확인할 지점이 구체적으로 보입니다. 모델을 고를 때는 가격표와 실제 작업비를 나눠 보고, 실행을 맡길 때는 허용 범위를 정합니다. 코드 변경에서는 원래 동작을 유지했는지 확인하고, 활용 통계에서는 누구의 어떤 행동을 센 것인지 살핍니다. 연구 결과와 교육 사례에서도 같은 질문이 이어집니다. 무엇이 공개됐고, 누가 어떤 방법으로 확인했을까요? 이는 여러 발표를 연결한 편집 해석이며 하나의 공동 실험 결과는 아닙니다.

시간 흐름

아래 시각은 원문의 발행 메타데이터 또는 해당 URL의 공식 RSS를 한국 시각(KST)으로 변환했습니다. Anthropic 공지의 자정 메타데이터는 실제 발표 시각을 확정한 값으로 해석하지 않았습니다.

10/26 09:00 KST — OpenAI 공식 RSS에 GPT-6.1 Terra 발표가 실렸습니다.
10/26 · 공식 날짜 — Anthropic이 S-1 제출 공지를 냈습니다.
10/26 19:00 KST — OpenAI가 업무 활동 데이터 공개를 알렸습니다.
10/26 22:35 KST — Microsoft가 대규모 코드 변경과 검증 방법을 설명했습니다.
10/26 23:00 KST — Google.org가 농업 디지털 인프라 지원을 발표했습니다.
10/26 23:30 KST — OpenAI가 학계와의 연구 결과 공개·검토 방식을 설명했습니다.
10/27 01:00 KST — Google이 Polar Peaks를 소개했습니다.
10/27 07:31 KST — GitHub가 Assisted permissions 정식 제공을 알렸습니다.

1 GPT-6.1 Terra, 반복 업무의 비용을 낮추는 새 선택지

OpenAI는 문서 작성·화면 이해·컴퓨터 조작을 함께 다루는 GPT-6.1 Terra를 발표했습니다.
ChatGPT Work·Codex의 Plus·Pro·Enterprise·Edu 사용자와 API 개발자에게 제공한다고 안내했습니다.
가격표와 성능 비교는 구분해서 읽어야 합니다. 아래 성능 수치는 OpenAI 자체 평가입니다.

원문 요약

청구서를 읽고 회계 프로그램에 입력하거나, 도면을 보고 작업하는 업무에 쓸 모델입니다. OpenAI는 GPT-6.1 Terra가 이전 GPT-5.6 Terra보다 화면을 이해하고 컴퓨터를 조작하는 능력을 개선했다고 설명합니다. API는 프로그램에서 AI를 호출하는 연결 방식이며 모델 이름은 gpt-6.1-terra입니다.

OpenAI 공식 발표의 GPT-6.1 Terra 대표 이미지. 성능 측정 차트가 아닌 발표용 이미지.

그림 1. OpenAI 공식 발표의 GPT-6.1 Terra 대표 이미지. 성능 측정 차트가 아닌 발표용 이미지. 출처: 공식 원문 · 원본 확대

토큰은 AI가 글을 나눠 처리하는 단위입니다. 표준 API 가격은 다음과 같습니다.

처리 종류	100만 토큰당 가격
입력	$1
캐시된 입력	$0.05
출력	$5

캐시된 입력은 재사용되는 입력에 적용되는 별도 요금 항목입니다. 회사는 표준 API 가격이 GPT-5.6 Terra와 GPT-6.1 Sol보다 50% 낮다고 밝혔습니다.

업무 수행 평가인 Agents’ Last Exam에서는 추론 강도를 중간으로 설정했을 때 GPT-5.6 Terra보다 15%포인트 높은 점수를 약 3분의 1 비용으로 기록했다고 보고했습니다. 코딩 평가 Terminal-Bench 4.0에서는 최대 추론 설정으로 50.3%를 해결했고, 이전 모델의 공개 점수는 21.5%였습니다. 서로 다른 평가와 설정이므로 두 수치를 하나의 향상률로 합치면 안 됩니다. 가장 복잡한 코딩에는 Sol·Astra가 더 적합하다는 설명도 남겼습니다.

함께 볼 내용: API 토큰 가격이 낮아져도 답변 길이·재시도·도구 사용·사람의 수정 시간에 따라 업무 총비용은 달라집니다. 이 브리핑에서는 모델을 직접 실행해 회사 평가를 재현하지 않았습니다. 한국어 공식 발표에서도 조건을 확인할 수 있습니다.

핵심내용: 반복 업무에 쓸 새 후보가 생겼습니다. 같은 입력과 완료 기준으로 기존 모델과 비교하고, 성공한 작업 한 건의 비용과 검토 시간을 함께 기록하면 선택에 도움이 됩니다.

2 Copilot이 실행 요청을 먼저 살피고, 나머지는 사람에게 묻습니다

Assisted permissions가 Copilot CLI·Copilot 앱·Visual Studio Code에서 정식 제공됩니다.
명령 실행·파일 경로 접근·URL 열기 요청을 언어 모델이 평가합니다.
기업 관리자는 Assisted와 Allow All의 허용 여부, 새 세션의 기본 모드를 제어할 수 있습니다.

원문 요약

AI가 작업하는 동안 매번 실행 허용 버튼을 누르는 수고를 줄이는 기능입니다. GitHub는 Copilot의 Assisted permissions를 정식 제공한다고 알렸습니다. 요청을 언어 모델이 살펴 명확히 안전하다고 분류하면 진행하고, 그 밖의 요청은 사용자의 승인을 받습니다. 모델의 판단을 사용하는 방식이지 모든 요청의 안전을 보증하는 규칙은 아닙니다.

GitHub 공식 발표의 VS Code Assisted permissions 선택 예시 화면.

그림 2. GitHub 공식 발표의 VS Code Assisted permissions 선택 예시 화면. 출처: 공식 원문 · 원본 확대

CLI는 명령어를 입력해 쓰는 도구입니다. Copilot CLI에서는 /permissions에서 assisted를 고릅니다. 앱에서는 모드 선택기의 Tool permissions, VS Code에서는 권한 선택기를 사용합니다.

모드	실행 허용을 판단하는 방식
Manual	적용되는 승인 설정에 따라 사용자에게 확인
Assisted	모델이 분류하고, 나머지는 사용자 승인
Allow All	실행 때마다 묻지 않고 도구 호출 허용

기업 관리자는 Allow All을 막으면서 Assisted를 남기거나, Assisted도 따로 끌 수 있습니다. 새 세션의 기본 모드를 지정해도 개발자는 정책이 허용한 다른 모드를 고를 수 있습니다. 기본 모드를 쓸 수 없거나 정책이 막으면 수동 승인으로 시작합니다.

함께 볼 내용: 모드는 사람에게 언제 물을지를 정하는 설정입니다. 팀의 저장소 접근 권한이나 기업 정책을 무시할 수 있게 됐다는 발표로 읽지 마세요. 위 이미지는 GitHub가 제시한 예시이며 이번 브리핑에서 직접 실행한 화면은 아닙니다.

핵심내용: 버튼을 누르는 횟수를 줄이는 만큼 팀이 허용할 범위를 먼저 정해야 합니다. 구성원에게 보이는 모드와 관리자가 허용한 정책이 일치하는지 확인하세요.

3 Microsoft의 대규모 코드 변경, 사람이 확인하는 지점을 바꿉니다

Microsoft는 Windows·Azure 등 대규모 시스템의 코드 이전과 언어 현대화 작업을 소개했습니다.
4억 줄 규모 코드의 컴파일러 도구 이전과 C/C++를 Rust로 옮기는 작업은 서로 다른 범위입니다.
변경 지식의 전문가 승인, 동작 비교 시험, 형식 검증을 함께 설명한 자사 운영 사례입니다.

원문 요약

AI가 많은 코드를 바꿀 때 사람은 무엇을 먼저 살펴야 할까요? Microsoft는 2024년부터 AI와 코드 분석·시험·형식 검증을 결합해 온 방식을 공개했습니다. 형식 검증은 프로그램이 정해진 조건을 만족하는지 논리적으로 확인하는 방법입니다. 원문에 나온 4억 줄은 컴파일러 도구를 바꾸는 코드베이스 규모이며, 모두 Rust로 전환했다는 실적이 아닙니다.

Microsoft 공식 글의 코드 이전 운영 흐름도. 지식 승인과 검토 의견을 되돌리는 과정.

그림 3. Microsoft 공식 글의 코드 이전 운영 흐름도. 지식 승인과 검토 의견을 되돌리는 과정. 출처: 공식 원문 · 원본 확대

도표 읽는 법: 왼쪽에서 변경 방법을 학습하고, 가운데서 전문가가 승인한 뒤, 오른쪽에서 넓게 적용합니다. KB는 변경 방법을 정리한 지식 묶음입니다. 마지막 코드 소유자의 검토 의견도 지식을 다듬는 데 돌아갑니다.

단계	확인할 내용
학습	표본에서 찾은 수정 방법이 올바른가
전문가 승인	여러 곳에 적용할 지식이 적절한가
적용·피드백	실제 변경과 검토 의견이 일치하는가

언어를 옮길 때는 줄마다 번역하기보다 사용자가 쓰는 기능 단위로 나눠 검증한다고 설명합니다. 원본·변환본의 동작을 비교하고, AI에게 미리 보여주지 않은 시험으로 결과를 확인합니다. 최근에는 원본에서 조건을 추출해 Rust용 검증 도구 Verus로 확인하는 작업도 시작했습니다. 다만 AI가 만든 조건 자체가 올바른 요구사항을 담았는지는 열린 문제로 남겼습니다.

함께 볼 내용: 규격은 프로그램이 지켜야 할 동작을 적은 기준입니다. 기존 코드에서 규격을 뽑으면 기존의 잘못된 동작까지 기준으로 삼을 가능성이 있어, 원문도 ‘현재 하는 일’과 ‘해야 하는 일’이 같은지를 질문합니다. 전체 전환의 완료율이나 공통 속도 향상률을 제시한 글은 아닙니다.

핵심내용: 사람이 모든 수정 줄을 같은 비중으로 보는 대신, 반복 적용할 변경 방법과 지켜야 할 동작을 먼저 확인하는 사례입니다. 작은 기능부터 기존 동작과 비교할 시험을 마련하면 이 접근을 검토하기 쉽습니다.

4 사람들은 ChatGPT에 어떤 일을 맡길까 — 165개 활동 데이터 공개

OpenAI Signals가 약 100개국의 165개 업무 활동 데이터를 공개했습니다.
기간은 2025년 1분기부터 2026년 3분기까지이며 개인 요금제의 업무 메시지를 다룹니다.
기업용 메시지와 Codex 사용은 포함하지 않습니다. 고용이나 생산성을 직접 측정한 자료도 아닙니다.

원문 요약

사람들이 ChatGPT를 어떤 일에 쓰는지 나라별·시기별로 살필 수 있는 자료입니다. OpenAI는 직업 정보를 정리한 O*NET의 업무 분류를 활용해 메시지를 165개 활동과 연결했습니다. 예를 들면 수업 자료 준비·마케팅 콘텐츠 작성·프로그래밍·데이터 분석입니다. 결과는 분기 단위로 제공합니다.

OpenAI 업무 활용 데이터 발표의 대표 이미지. 분석 대상과 제외 범위는 본문에서 별도 설명.

그림 4. OpenAI 업무 활용 데이터 발표의 대표 이미지. 분석 대상과 제외 범위는 본문에서 별도 설명. 출처: 공식 원문 · 원본 확대

읽을 조건	자료의 범위
기간	2025년 1분기~2026년 3분기
포함	개인 ChatGPT 요금제의 업무 관련 메시지
제외	기업용 메시지·Codex 사용
처리	식별 정보 제거 후 자동 분류·집계

매 분기에 관찰된 74개국에서는 각 나라의 상위 10개 활동이 차지하는 메시지 비중의 평균이 56.0%에서 51.1%로 낮아졌습니다. 4.9%포인트 감소는 같은 기준의 단순 차이 계산입니다. 업무 활용이 덜 집중됐다는 단서이지 일자리 수의 변화가 아닙니다.

또 분석에 연결한 미국 직업들의 고용 비중을 반영한 업무 구성 중 약 43%가 개별 보고 대상 밖의 ‘기타 활동’에 속한다고 설명합니다. 따라서 ChatGPT 이용 비중과 실제 경제 전체의 업무 비중은 그대로 같지 않습니다. 연구자가 개별 대화를 읽는 대신 자동 분류를 사용하며, 소수 집단 결과는 숨기고 통계적 잡음을 더해 개별 메시지를 보호합니다.

함께 볼 내용: 자동 분류한 메시지 수는 작업 완료 수나 절약한 시간과 다릅니다. 이 데이터로 특정 직무가 얼마나 대체됐는지를 바로 계산하지 않고, 다른 고용·업무 자료와 비교할 연구 출발점으로 보는 것이 원문 범위에 맞습니다.

핵심내용: ‘AI를 많이 쓴다’는 말부터 분모를 확인해야 합니다. 개인 사용자의 메시지 통계를 회사 전체의 도입률이나 생산성 향상률로 바꾸지 마세요.

5 AI 연구 결과, 공개부터 학계 검토까지 세 가지 길

OpenAI는 수학·컴퓨터과학·물리의 연구 결과를 공개·검토하는 서로 다른 방식을 발표했습니다.
수학·컴퓨터과학의 자료 공개와 물리 자료 공개 보류를 구분합니다.
아래는 회사 발표와 검토 절차의 요약입니다. 이번 브리핑은 증명을 실행하거나 학문적 타당성을 독립 검증하지 않았습니다.

원문 요약

AI가 낸 연구 결과를 다른 연구자가 이해하고 확인하게 하려면 무엇을 공개해야 할까요? OpenAI는 결과물 자체를 완성된 학문적 이해와 구분하고, 분야별로 다른 공개 전략을 시험한다고 밝혔습니다. 수학은 AI 자료를 공개해 연구자들이 설명 작업을 조직하게 하고, 컴퓨터과학은 외부 협력 그룹과 자료 공개를 함께 진행합니다. 물리는 협력 그룹이 자료 공개 시점을 정하도록 했습니다.

OpenAI 연구 결과 공개 방식 발표의 대표 이미지. 증명 내용 자체를 보여주는 도표가 아님.

그림 5. OpenAI 연구 결과 공개 방식 발표의 대표 이미지. 증명 내용 자체를 보여주는 도표가 아님. 출처: 공식 원문 · 원본 확대

분야	발표가 설명한 자료 공개 방식
수학	자연어 설명·Lean 증명 공개
컴퓨터과학	자연어 설명·Lean 증명 공개와 외부 협력
물리	외부 그룹이 검토하며 AI 자료 공개 보류

Lean은 증명의 논리적 단계를 컴퓨터로 확인하는 도구입니다. 회사는 수학에서 파동의 집중을 다루는 국소 평활화 추측, 컴퓨터과학에서 계산 난이도에 관한 지수시간 가설(ETH)을 다룬 결과를 보고했습니다. 물리에서는 양자장 이론의 수학적 존재를 다룬다고 설명합니다. 이 주장을 학계가 최종 수용한 결론으로 대신 쓰지는 않았습니다.

협력은 자발적·무보수이며 참여자가 독립적으로 결론을 내리도록 한다고 밝혔습니다. 비밀유지계약을 요구하지 않고 중간 결과와 결론을 공유할 수 있게 하되, 처음 참여자를 고르는 방식이 정보 접근의 차이를 만든다는 한계도 인정했습니다.

함께 볼 내용: 컴퓨터가 어떤 형식의 증명을 확인했다는 설명과 연구자가 그 명제·가정·의미를 검토하는 일은 다릅니다. 물리 자료가 보류된 상태에서 세 분야의 모든 증명이 같은 범위로 공개·검증됐다고 묶지 않는 것이 중요합니다.

핵심내용: 큰 연구 주장을 읽을 때는 결과의 크기와 함께 공개 자료와 검토 단계를 보세요. 이번 소식에서 확인한 변화는 발표 기관이 학계의 검토·설명 과정을 분야별로 설계했다는 점입니다.

6 뇌 지도 게임으로 배우는 AI — Polar Peaks의 데이터 점검 수업

Google Research와 Stanford Accelerator for Learning이 AI Quests의 세 번째 활동을 공개했습니다.
11~14세 학생이 연구자 역할로 데이터 정리와 모델 시험을 경험합니다.
시리즈의 누적 활동 횟수·지원 언어 수와 새 활동의 성과를 구분해야 합니다.

원문 요약

학생이 AI의 답을 받아보는 데서 한 걸음 더 나아가, AI가 일하려면 어떤 데이터와 확인 과정이 필요한지 배우는 교육 활동입니다. Polar Peaks에서는 게임 속 인물의 기억 상실을 이해하기 위해 뇌의 신경세포를 살펴보고 연결 관계를 그립니다. 실제 환자를 진단하는 의료 서비스가 아니라 연구를 소재로 한 학습 경험입니다.

Google Polar Peaks 공식 발표의 대표 이미지.

그림 6. Google Polar Peaks 공식 발표의 대표 이미지. 출처: 공식 원문 · 원본 확대

그림은 연구자 캐릭터가 있는 공식 교육용 일러스트입니다. 학생은 안내에 따라 데이터의 문제를 정리하고 모델을 시험하며, 사람이 결과를 살피는 이유를 배웁니다. 뇌의 신경 연결 지도를 연구하는 커넥토믹스가 배경입니다. 앞선 두 활동은 홍수 예측과 눈 질환 탐지를 소재로 삼았습니다.

Google은 AI Quests 시리즈에서 40만 회 이상의 활동이 완료됐고 10개 언어로 제공된다고 설명했습니다. 이는 시리즈 전체의 완료 횟수와 언어 수입니다. 참가 학생이 40만 명이라는 뜻도, 이번 Polar Peaks만의 사용량이나 학습 효과를 측정한 결과도 아닙니다.

교사용 연수 모듈은 Google AI Educator Series에 마련합니다. 1·2번 활동 자료는 이용할 수 있으며 3번 활동의 모듈은 다음 달 나온다고 안내했습니다. 교육 활동 공개와 그 활동을 가르칠 연수 자료의 제공 시점이 다릅니다.

함께 볼 내용: 언어 10개라는 시리즈 소개만으로 새 활동의 한국어 지원을 확정하지 않았습니다. 수업에 쓰려면 실제 활동 화면에서 사용할 언어와 난이도, 교사용 자료 제공 여부를 먼저 살펴보는 것이 좋습니다.

핵심내용: AI 교육을 ‘질문을 잘 쓰는 법’에서 데이터와 시험을 이해하는 경험으로 넓힌 사례입니다. 수업 준비 시에는 활동의 공개 여부와 교사 연수 자료의 준비 상태를 따로 확인하세요.

7 추가 소식 — Anthropic 상장 절차 공지·농업 서비스 연결 지원

Anthropic은 미국 증권거래위원회(SEC)에 S-1을 제출했다고 발표했습니다.
Google.org는 세계은행그룹의 농업 디지털 인프라 확대에 250만 달러를 지원합니다.
앞의 소식은 절차 착수, 뒤의 소식은 지원과 목표입니다. 완료 실적과 구분해 읽습니다.

원문 요약

Anthropic: S-1은 기업공개를 위한 등록 서류입니다. 회사는 A종 보통주의 나스닥 상장을 추진하며 종목 기호로 ANT를 사용할 계획이라고 밝혔습니다. 공모 주식 수와 가격 범위는 정해지지 않았고, 등록 서류는 아직 효력이 발생하지 않았다고 설명했습니다. 상장 완료나 공모가 확정 발표가 아닙니다.

Anthropic의 S-1 제출 공식 공지 대표 이미지. 상장 완료를 뜻하지 않음.

그림 7. Anthropic의 S-1 제출 공식 공지 대표 이미지. 상장 완료를 뜻하지 않음. 출처: 공식 원문 · 원본 확대

Google.org: 세계은행그룹·국제금융공사(IFC)를 지원해 농민이 여러 서비스를 한 연결망에서 찾도록 돕습니다. 농민 신원 확인·대출·보조금·판로·현지어 음성 조언을 연결하는 Open Network for Agriculture(ONA)를 확대할 계획입니다. 디지털 공공 인프라는 여러 서비스가 함께 쓰는 온라인 기반 시설을 뜻합니다.

Google.org 공식 발표에 실린 밭에서 휴대전화를 사용하는 인물 이미지. 지원 성과를 입증하는 자료는 아님.

그림 8. Google.org 공식 발표에 실린 밭에서 휴대전화를 사용하는 인물 이미지. 지원 성과를 입증하는 자료는 아님. 출처: 공식 원문 · 원본 확대

지원액은 250만 달러이며, 2027년 말까지 농민 100만 명의 서비스 접근을 돕는 것이 공동 목표입니다. 인도 시범 사업에 이어 중남미·동남아시아·사하라 이남 아프리카의 여러 나라로 넓히겠다는 계획입니다. 100만 명이 이미 이용한다는 수치로 바꾸지 않습니다.

함께 볼 내용: 이번 호는 Anthropic의 공지 범위를 요약했으며 SEC 서류 전체의 재무 분석을 수행하지 않았습니다. 농업 서비스 역시 실제 국가별 출시일·이용 조건·달성 실적을 이번 발표만으로 채우지 않았습니다.

핵심내용: ‘제출했다’, ‘지원한다’, ‘목표로 한다’는 서로 다른 상태입니다. 발표의 동사와 완료 여부를 같이 읽으면 과장된 해석을 줄일 수 있습니다.

흐름 진단

다음은 이번 자료를 연결한 편집 해석입니다.

전환 — AI 작업의 양이 늘수록 사람은 반복 적용할 규칙과 결과의 확인 지점을 설계하게 됩니다.
활용 확대 — 업무 메시지 데이터와 학생 교육 사례는 AI가 쓰이는 장면을 보여줍니다. 효과의 크기는 별도 측정이 필요합니다.
주의 — 자동 승인·형식 검증·통계 집계는 각각 확인하는 범위가 다릅니다. 하나의 ‘검증 완료’라는 말로 합치기 어렵습니다.
차분한 확인 — 가격표, 제공 단계, 공개된 자료, 목표와 실적을 나눠 읽으면 내 업무와 관련된 변화를 고르기 쉽습니다.

바로 쓰는 방법

아래는 원문에서 도출한 적용 제안이며 이번 브리핑에서 직접 실행한 시험 결과는 아닙니다.

반복 업무 하나의 완료 기준부터 적으세요. 모델을 고르는 담당자는 같은 입력과 결과 기준으로 비교해 보세요. 응답 요금에 재시도와 수정 시간을 함께 기록하면 성공한 작업 한 건의 비용을 볼 수 있습니다. 근거: Terra 발표.
팀원이 볼 수 있는 승인 모드를 확인하세요. Copilot 관리자는 Assisted와 Allow All의 허용 여부를 구분하고, 새 세션이 어떤 모드로 시작하는지 확인하세요. 근거: GitHub 기업 제어 설명.
코드 변경 전후에 같은 기능을 시험하세요. 개발자는 작은 기능을 골라 기존·변경 코드에 같은 입력을 넣고 동작을 비교하세요. AI에 미리 주지 않은 시험도 남기면 특정 예시에만 맞춘 변경인지 점검할 수 있습니다. 근거: Microsoft 운영 사례.
통계 메모에 분모와 제외 대상을 적으세요. 자료를 인용하는 담당자는 메시지 수·사용자 수·완료 작업 수 가운데 무엇을 센 것인지 먼저 적으세요. 기업용·Codex 제외를 함께 남기면 다른 지표와 잘못 비교하는 일을 줄일 수 있습니다. 근거: OpenAI Signals 소개.
연구 발표에 공개 자료와 검토 단계를 붙이세요. 연구 소식을 공유할 때 ‘기관의 주장 / 공개된 파일 / 외부 검토 상태’를 나누세요. 컴퓨터 검증과 학문적 해석을 구분하는 데 도움이 됩니다. 근거: 학계 협력 발표.

자주 묻는 질문

Q1. Terra의 가격이 낮으면 우리 업무도 같은 비율로 저렴해지나요?

토큰 단가와 업무 총비용은 다릅니다. 입력·출력 길이와 재시도, 도구 사용, 사람의 수정 시간이 달라질 수 있습니다. 같은 입력과 완료 기준에서 성공한 작업 한 건의 비용을 비교하세요.

Q2. Assisted permissions를 켜면 사람의 승인이 없어지나요?

모델이 명확히 안전하다고 분류한 요청은 진행하지만 그 밖의 요청은 승인이 필요합니다. 기업 정책에 따라 해당 모드의 사용 자체가 제한될 수도 있습니다.

Q3. 업무 메시지 통계로 어떤 직업이 사라질지 알 수 있나요?

이번 자료는 개인 요금제에서 어떤 업무 관련 메시지가 나타나는지 분류한 통계입니다. 고용 변화나 업무 완료 시간을 직접 측정하지 않았으므로 직무 대체율로 읽을 수 없습니다.

Q4. Lean 증명 자료가 있다는 발표는 학계 검토도 끝났다는 뜻인가요?

공개된 형식 증명, 그 실행 확인, 명제와 가정에 대한 검토, 학문적 의미의 이해를 구분해야 합니다. 이번 호는 회사의 공개·검토 절차를 설명하며 증명 파일을 직접 실행해 검증하지 않았습니다.

취재와 확인 기록

확인 기준일은 2026년 10월 27일, 수집 기준 시각은 한국 시각 13:16입니다. 최근 72시간을 대상으로 새 검색 8건과 공식 RSS를 읽고 후보 원문을 수집했습니다. 이번 편성에는 최근 7일 보완 자료를 넣지 않았습니다.

주요 소식 6건과 서로 다른 추가 소식 2건을 1묶음으로 구성했습니다. 아래 근거 목록은 9개 페이지입니다. Terra 영문·한국어 발표는 같은 사건이며 두 개의 독립 소식으로 세지 않았습니다. RSS의 재배포 시각과 원문의 발행 메타데이터가 다를 때는 원문 발행 시각을 우선했습니다.

검색에서 최근 자료처럼 발견된 Maia 300 글은 원문 날짜가 10월 12일이라 제외했습니다. Siri 언어 확대는 원문 날짜는 확인했으나 정확한 시각·시간대에 따른 조회 경계를 확정하지 못해 주된 소식에서 보류했습니다. 이 판단은 기능의 중요도와는 별개인 자료 확인 기준입니다.

모델 성능과 코드 운영 방식은 발표 기관의 설명입니다. API 호출·앱 설치·벤치마크 재현·Lean 증명 실행·학문적 타당성 검증은 직접 수행하지 않았습니다. 4.9%포인트는 원문에 제시된 56.0%와 51.1%의 단순 차이 계산입니다.

이미지는 원문 게재 자료 8장 · 직접 캡처 0장 · 신규 생성 개념 그림 0장입니다. 실제 파일을 열어 예시 화면·흐름도·발표용 표지·일러스트를 구분했습니다. 본문은 원래 비율을 유지하고 원본 확대를 제공합니다. 원문 이미지의 공개 사용 조건은 운영 발행 검토에서 확인할 항목이며, 현재는 로컬 검토용입니다.

공식 자료와 확인 기준일

확인 기준일: 2026-10-27

자료 표시 안내

공식 발표 — 기관이 직접 공개한 기능·사실·계획입니다. 계획과 완료를 구분합니다.
자체 평가·운영 사례 — 발표 기관이 보고한 결과입니다. 이번 브리핑의 독립 재현을 뜻하지 않습니다.
원문 이미지 — 실제 원문에 게재된 자료입니다. 발표용 표지를 실험 차트로, 교육 일러스트를 실제 진단 화면으로 설명하지 않습니다.
공개 연구·검토 단계 — 자료 공개와 컴퓨터 검증, 외부 연구자의 검토를 나눠 표시합니다.
편집 해석 — 여러 자료를 연결한 의미와 적용 제안입니다. 새로운 실험 결과와 구분합니다.