수영을 잘하는 사람에게 물은 공포의 대상이 전혀 아니다. 배를 젓더라도 물에 빠질 염려를 하지 않아 힘껏 저을 수 있다. 잠수에 능통한 사람이라면 더 말할 것도 없다. 대상을 의식하지 않으면 어떤 방해도 받지 않을 수 있다.
- 이승훈의 《인생 어휘》 중에서 -
* 무언가를 넘어설 수 있기 위해서는 그것과 하나가 될 필요가 있습니다. 물에서 무언가를 하기 원한다면 우선 물과 친해져야 합니다. 물을 이해하고 물과 하나가 되었을 때 비로소 물을 넘어설 수 있습니다. 물고기가 물속에서 숨을 쉬듯, 수영을 잘하는 사람에게 물은 숨과 자유의 공간입니다.
에이전트가 소극적인 건 성격 문제가 아니라 지시문 문제입니다. 어디서 멈춰야 할지를 알려주지 않으면, 에이전트는 가장 안전한 지점 — 첫 번째 답변 — 에서 멈춥니다.
대상: 로컬 VS Code에서 Claude Code를 쓰는 개발자 목적: 매번 확인받지 않고 한 번의 지시로 끝까지 진행시키기
1. 에이전트가 멈추는 세 지점
능동성을 설계하려면 먼저 어디서 멈추는지를 알아야 합니다. 실제로 멈추는 이유는 딱 세 가지입니다.
멈추는 이유증상해결 위치
완료 조건이 없다
"리팩터링 해줘"에는 끝이 없음. 설명 한 편 쓰고 턴을 넘김
지시문
권한에서 막힌다
파일 수정·명령 실행마다 승인 대기 → 자율 진행이 아니라 20번의 클릭
권한 설정
애매해서 되묻는다
선택지가 갈리는 지점에서 진행 대신 질문을 택함
지시문(판단 기준)
아래 다섯 요소는 이 세 지점을 지시문 안에서 미리 막아두는 방법입니다.
2. 능동적 요청문의 다섯 요소
순서는 상관없지만, 다섯 개가 다 있으면 에이전트는 되묻지 않고 끝까지 갑니다.
2-1. 목표 — 행동이 아니라 "상태"로 쓴다
"~를 해줘"는 한 번의 행동으로 끝납니다. "~인 상태로 만들어"는 그 상태가 될 때까지 반복하게 만듭니다. 이 한 끗 차이가 능동성의 대부분을 결정합니다.
❌ 테스트 고쳐줘
✅ npm test가 전부 통과하는 상태로 만들어
2-2. 완료 판정 — 에이전트가 직접 실행할 수 있는 검증 명령을 준다
사람이 눈으로 확인하는 기준 말고, 터미널에서 참/거짓이 나오는 기준을 주세요. 그래야 에이전트가 자기 작업을 스스로 채점하고 다시 시도합니다.
완료 기준: npm run lint, npm run build, npm test 세 개가 모두 exit 0.
2-3. 중단 규칙 — "멈추지 마"와 "여기선 멈춰"를 함께 준다
중간 확인을 금지하되, 진짜 위험한 예외는 명시적으로 열어두세요. 예외를 안 주면 에이전트는 불안해서 계속 되묻거나, 반대로 건드리면 안 되는 걸 건드립니다.
중간에 확인 요청하지 말고 끝까지 진행해. 단 운영 DB 접근 · git push --force · 시크릿 파일 수정은 실행 전에 반드시 멈추고 물어봐.
2-4. 판단 기준 — 갈림길에서 쓸 기본값을 미리 준다
"애매하면 물어봐"는 곧 중단입니다. 대신 "애매하면 이렇게 해"를 주면 진행됩니다. 가정 세우는 걸 막지 말고, 대신 나중에 보고하게 하세요.
판단이 갈리면 기존 코드 스타일을 따르는 쪽으로 결정하고, 세운 가정은 마지막에 목록으로 보고해.
2-5. 작업 범위 — 마음대로 해도 되는 영역을 못 박는다
범위가 열려 있으면 에이전트는 조심스러워집니다. 자유 영역과 금지 영역을 같이 주면 그 안에서는 확실히 능동적으로 움직입니다.
src/**, tests/** 안에서는 파일 생성·삭제·수정 다 알아서 해. migrations/, .env*, package-lock.json은 손대지 마.
2-6. (보너스) 보고 — 끝에 무엇을 받을지 정한다
보고 형식을 지정하면 에이전트가 중간 설명을 줄이고 실행에 집중합니다. 진행 중 수다가 줄어드는 부수 효과도 큽니다.
진행 중 설명은 최소로. 끝나면 변경 파일 목록 / 세운 가정 / 남은 리스크 세 항목만 보고해.
3. 같은 일, 다른 지시문 (Before / After)
사례 A. 버그 수정
❌ 멈추는 지시문
로그인 API에 버그 있는 것 같은데 좀 봐줘.
범위·완료조건·권한이 전부 비어 있음. 에이전트는 코드를 읽고 "이런 것 같습니다" 리포트를 쓰고 멈춥니다.
✅ 끝까지 가는 지시문
로그인 API에서 만료 토큰이 401 대신 500을 반환하는 버그를 재현부터 수정까지 끝내줘.
1) 실패하는 테스트를 먼저 작성해서 재현하고
2) 원인을 고치고
3) npm test가 전부 통과할 때까지 반복해.
src/auth/**, tests/** 안에서는 알아서 수정해.
중간 확인 없이 진행하고, 끝나면 변경 파일과 원인 한 줄만 보고해.
상태 목표 + 검증 명령 + 범위 + 중단 금지. 재현 → 수정 → 검증 루프가 지시문 안에 들어 있습니다.
사례 B. 리팩터링
❌ 멈추는 지시문
이 코드 리팩터링 좀 해줘.
"리팩터링"은 끝이 없는 동사입니다. 어디까지가 완료인지 모르니 한두 개만 고치고 "이런 것도 가능합니다"로 끝납니다.
✅ 끝까지 가는 지시문
src/services 아래에서 200줄 넘는 파일이 하나도 없는 상태로 만들어줘.
먼저 대상 파일 목록과 분리 계획을 세우고, 승인 기다리지 말고 바로 실행해.
각 파일을 쪼갤 때마다 npm test를 돌려서 초록이면 다음 파일로 넘어가.
빨간불이면 최대 3번까지 스스로 고쳐보고, 그래도 안 되면 그 파일만 원복하고 목록에 남겨줘.
공개 API 시그니처는 바꾸지 마.
측정 가능한 완료 조건(200줄), 파일 단위 검증 루프, 실패 시 재시도 횟수와 폴백까지 지정.
사례 C. 의존성 업그레이드
❌ 멈추는 지시문
이 라이브러리 최신 버전으로 올려줄 수 있어?
가능 여부를 묻는 문장은 가능 여부에 대한 답을 받습니다. 게다가 breaking change 앞에서 반드시 멈춥니다.
✅ 끝까지 가는 지시문
axios를 최신 메이저로 올리고 빌드·테스트가 통과하는 상태로 만들어줘.
CHANGELOG의 breaking change를 먼저 확인하고, 우리 코드에서 영향받는 호출부를 전부 찾아서 고쳐.
마이그레이션 방법이 여러 개면 공식 문서 권장안을 택하고 이유를 마지막에 한 줄로 적어줘.
작업은 upgrade/axios 브랜치에서 하고, 커밋은 하되 push는 하지 마.
기본 판단 기준(공식 권장안)을 미리 주어 되묻기를 차단하고, 위험한 동작(push)만 명시적으로 금지.
4. 지시문만으로 안 되는 부분: 권한
지시문을 아무리 잘 써도 승인 프롬프트가 뜨면 거기서 멈춥니다. 자율 진행의 실질적인 병목은 대개 여기입니다.
수단어디서효과
자동 승인 토글
VS Code 확장 입력창
편집 승인을 매번 누르지 않아도 됨. 가장 손쉬운 첫 단계
/permissions
세션 중 명령
허용/거부 규칙을 눈으로 보며 추가. 여기서 정한 값이 설정 파일에 남음
--permission-mode
CLI 실행 시
plan은 계획만, acceptEdits는 파일 편집 자동 승인. 지원 값은 claude --help로 확인
--allowedTools
CLI 실행 시
"Bash(npm test),Read,Edit"처럼 필요한 것만 미리 열기. 가장 안전한 자동화 형태
claude -p "..."
터미널·스크립트
대화 없이 한 번에 실행. cron, git hook, CI에 붙일 때 사용
⚠️ 주의 — 모든 검사를 건너뛰는 모드(bypassPermissions 계열)는 사내 코드베이스에서 기본값으로 쓰지 마세요. 자유 영역을 지시문으로 좁히고 --allowedTools로 필요한 도구만 여는 쪽이 훨씬 안전하면서 체감 속도는 같습니다.
5. 매번 쓰지 말고 한 번만 박아두기 (CLAUDE.md)
다섯 요소 중 중단 규칙 · 판단 기준 · 작업 범위 · 보고 형식은 매 요청마다 달라지지 않습니다. 프로젝트 루트의 CLAUDE.md에 넣어두면 모든 세션에 자동 적용되고, 지시문은 목표와 완료 조건 두 줄로 짧아집니다.
markdown
# 작업 방식
- 작업은 계획 → 실행 → 검증 순서로 진행하고, 중간 확인 요청 없이 끝까지 간다.
- 완료 전 반드시 `npm run lint`와 `npm test`를 직접 실행해 통과를 확인한다.
- 테스트가 실패하면 최대 3회까지 스스로 수정하고, 그래도 안 되면 시도한 내용과 함께 보고한다.
- 판단이 갈리면 기존 코드 스타일과 기존 패턴을 따르는 쪽을 택하고, 세운 가정은 마지막에 목록으로 보고한다.
- 진행 중 설명은 최소로 한다. 완료 보고는 변경 파일 / 가정 / 남은 리스크 세 항목.
# 손대면 안 되는 것
- `migrations/`, `.env*`, `package-lock.json` 수정 금지
- `git push --force`, 운영 DB 접근은 실행 전 반드시 확인
이렇게 해두면 평소 요청은 이 정도로 줄어듭니다.
결제 취소 API에서 중복 취소가 막히는 상태로 만들어줘.
6. 이벤트에 자동으로 반응시키기 (Hooks)
지시문은 사람이 말을 걸어야 시작됩니다. 훅은 말을 걸지 않아도 특정 시점에 무조건 실행되는 규칙입니다. 프롬프트로 "저장하면 린트 돌려줘"라고 부탁하는 것보다 확실합니다.
훅 이벤트시점주 용도
SessionStart
세션이 열릴 때
환경 변수 로드, 브랜치 확인 등 준비 작업
PreToolUse
도구 실행 직전
위험한 명령을 실제로 차단할 수 있는 유일한 지점
PostToolUse
파일 편집 직후
포매터·린터·타입체크 자동 실행
Stop
응답이 끝난 뒤
요약 기록, 자동 커밋 등 마무리
.claude/settings.json 예시 — 파일을 편집할 때마다 prettier와 eslint를 자동 실행:
팀 공통 규칙은 .claude/settings.json(커밋), 개인 설정은 .claude/settings.local.json(gitignore)에 둡니다.
이벤트 이름과 필드는 버전에 따라 늘어나므로, 적용 전 공식 훅 레퍼런스에서 현재 스키마를 확인하세요.
7. 반복되는 요청은 아예 명령으로 만든다
슬래시 커맨드 — .claude/commands/fix-tests.md에 다섯 요소를 다 갖춘 지시문을 저장해두면, 다음부터는 /fix-tests 한 단어로 같은 품질의 요청이 나갑니다. $ARGUMENTS로 인자를 받을 수 있습니다.
서브에이전트 — .claude/agents/*.md의 description에 "코드를 수정한 뒤에는 반드시 먼저 사용"처럼 언제 쓰는지를 적어두면, 사용자가 호출하지 않아도 Claude가 알아서 위임합니다. 능동성의 상당 부분이 이 한 줄에서 나옵니다.
/loop — 배포 상태나 CI처럼 "될 때까지 지켜봐야 하는" 일은 세션 안에서 주기적으로 다시 확인하게 할 수 있습니다.
GitHub Actions — PR·이슈처럼 사람이 자리에 없을 때 발생하는 이벤트는 anthropics/claude-code-action으로 넘기는 게 맞습니다. 로컬 VS Code 세션이 할 일이 아닙니다.
8. 복붙 템플릿
새 작업을 시킬 때 이 골격만 채우면 됩니다. CLAUDE.md를 이미 세팅했다면 앞의 두 항목만 써도 충분합니다.
[목표] ______가 ______인 상태로 만들어줘.
[완료] 다음이 모두 통과하면 완료야: ______, ______
[절차] 1) ______ 2) ______ 3) 검증이 실패하면 최대 3회까지 스스로 고쳐
[범위] ______ 안에서는 알아서 수정해. ______는 손대지 마.
[진행] 중간 확인 요청 없이 끝까지 진행해.
단 ______는 실행 전에 멈추고 물어봐.
판단이 갈리면 ______ 쪽으로 결정하고 가정은 마지막에 보고해.
[보고] 끝나면 변경 파일 / 세운 가정 / 남은 리스크만 알려줘.
9. VS Code 확장에서의 주의점
입력창의 자동 승인 토글이 체감상 가장 큰 차이를 만듭니다. 여기부터 켜보세요.
훅, 서브에이전트, 슬래시 커맨드, CLAUDE.md는 확장에서도 그대로 동작합니다. 설정 파일은 프로젝트의 .claude/ 아래에 두면 됩니다.
claude -p 같은 비대화형 자동화는 터미널 CLI 쪽입니다. cron이나 git hook에 물릴 작업은 확장이 아니라 CLI로 실행하세요.
8월 25일 16.3.3과 15.5.24가 동시 공개되면서 심각도 Critical 두 건이 함께 막혔다. 기술 상세와 CVE 번호는 보안 권고문 공개 시점까지 비공개로 남겨졌는데, 이는 익스플로잇 작성 시간을 벌기 위한 통상적 조치다. 즉 업그레이드가 유일한 방어선인 상태이므로, 두 메이저 라인 모두 지금 올려야 한다.
Kaspersky가 Android Automotive 기반 헤드유닛을 감염시키는 악성코드를 처음으로 포착했다. 침투 경로가 취약점이 아니라 정상적인 시스템 앱 업데이트 기능이라는 점이 핵심으로, 신뢰된 배포 채널 자체가 오염되면 사용자가 알아챌 방법이 사실상 없다. 목적은 광고 사기와 프록시 봇넷 구축이며 Moyu 그룹과의 연관이 지목됐지만, 같은 통로로 차량 제어 계층에 접근할 수 있다는 게 더 큰 위협이다.
8월 24일 예고대로 8월 25일 GNU 미러에 소스 배포본(tar.gz·tar.xz, 각 PGP 서명 동봉)이 올라왔다. Mickey Petersen의 변경점 분석과 Prot의 영상이 함께 돌면서, 업그레이드 가치를 판단할 자료는 출시 당일에 이미 갖춰진 상황이다. GeekNews 쪽은 배포본 검증 절차(gpg 서명 확인)에 초점을 맞춰 소개했다.
M6가 Apple 최초의 2나노 공정 칩으로 등장하고, M5 Ultra는 쿼드 다이 아키텍처로 확장됐다. Mac mini는 M6(12코어 CPU/12코어 GPU, 듀얼 16코어 Neural Engine, 최대 32GB·170GB/s)와 M5 Pro로, Mac Studio는 M5 Max(18코어 CPU·최대 40코어 GPU·128GB)와 M5 Ultra(최대 36코어 CPU·80코어 GPU)로 갈렸다. AI 성능이 최대 4.3배라는 수치가 붙어 로컬 추론용 워크스테이션 선택지가 실질적으로 넓어졌다.
메모리 안전성을 확보한 Rust 디코더로 JPEG XL 지원이 Firefox 157에 들어간다. Chrome과 Safari도 구현을 진행 중이어서 2026년 말이면 주요 브라우저 전반에서 쓸 수 있는 그림이 됐다. 수년간 지연됐던 포맷 채택이 이번에 사실상 확정 단계로 넘어간 셈이라, 이미지 파이프라인 재검토를 시작할 시점이다.
Standard 단기 컨텍스트 기준 100만 토큰당 입력 $4 · 출력 $20으로 내려갔고, Batch·Flex·Fast 모드에도 각각 인하가 적용된다. 최소 2026년 11월 21일까지 유지되는 프로모션 성격이라, 이 기간을 기준으로 비용 산정을 다시 하되 이후 원복 가능성을 전제로 계획해야 한다.
devday 오늘 인기 1위. Xring O3가 싱글 스레드에서 Apple 코어에 근접하고 멀티 스레드에서는 앞선다는 주장이 나왔고, 44MB 캐시는 상당수 노트북 CPU를 넘어선다. 다만 실제 스마트폰 폼팩터에서는 발열·전력 제한 탓에 벤치마크 수치가 유지되기 어렵다는 반론이 즉시 붙었다. 설계 주체가 ARM인지 샤오미 자체 IP인지를 두고 커뮤니티 논쟁이 진행 중이다.
시행착오와 마찰이 개발자 직관을 만드는 재료인데, AI 코딩 도구가 그 과정을 건너뛰게 만든다는 논지다. 숙련자에게는 순수한 가속이지만 초보자는 '능숙함의 환상'에 갇혀 생성된 코드에 대한 건강한 회의를 기르지 못한다는 것. 결론은 금지가 아니라 교육 도구로 쓰는 설계다. 같은 날 올라온 "AI가 코딩하는 동안 무엇을 할까"는 반대편에서 접근해, 대기 시간을 속도 조절·방향 점검·문서 작업으로 쓰고 중단 불가 작업은 그 시간에 넣지 말라고 조언한다.
에이전트 지침 파일을 어떻게 써야 실제로 코드가 좋아지는지에 대한 실전 논의다. 규칙을 산문으로 늘어놓기보다 린트 규칙으로 강제하고, 주석은 '무엇'이 아닌 '왜'에 쓰게 하고, 컨텍스트를 아끼는 것이 요점. agent.md와 coding_standards.md를 분리해 에이전트용 지침과 사람용 규약을 따로 관리하라는 제안이 나왔다.
에이전트에게 앱 하나를 맡겼더니 주간 토큰 한도를 다 태우고, 결과물은 tests 폴더와 SHA-256 이름의 파일들뿐이었다는 사례를 통해 '바이브 코딩'의 숨은 비용을 계산한다. 실패한 시도에도 토큰은 똑같이 청구되므로, 에이전트에게 넘길 작업의 범위를 좁히는 것 자체가 비용 관리라는 결론이다.
두 개의 추상화로 정리된 오픈소스 에이전트다. RLM(Recursive Language Model)은 컨텍스트를 변수로, 재귀 서브에이전트를 함수 호출로 다루고, Continual Harness는 REPL처럼 상태를 유지하며 장기 작업을 이어간다. 컨텍스트 윈도우를 늘리는 대신 구조화해 장시간 자율 작업을 버티게 하려는 접근이다.
Copilot+ PC에서 추론은 실제로 NPU가 로컬 처리하지만, 프롬프트는 여전히 Microsoft 서버로 전송돼 검토를 받고 서버가 발급한 GUID가 결과 이미지 픽셀에 보이지 않는 워터마크로 삽입된다. "로컬 생성"이라는 표현이 곧 오프라인이나 비추적을 뜻하지 않는다는 사례로, 사내 이미지 생성 워크플로의 데이터 경계를 다시 확인할 필요가 있다.
테크 콘퍼런스에서 공개한 세 갈래 적용 사례다. AI 자동 채점 시스템으로 QA 검증 시간을 줄이고, Figma 시안에서 다중 플랫폼 UI 코드를 자동 생성하고, 팀별로 흩어져 있던 대용량 조회 시스템을 전사 통합 플랫폼으로 옮겼다. 도구 도입담이 아니라 조직 단위 파이프라인 개편이라는 점이 참고할 지점이다.
Alert Adviser가 Grafana 알림을 받아 메트릭·로그·트레이스를 교차 분석해 원인을 자동 지목하고, 실제 장애 20건 검증에서 80% 이상 정확도를 냈다. 핵심은 정확도보다 통제 장치 — 근거 등급 강제, 변경 권한 원천 차단, 오판 패턴 검증의 3중 안전장치를 걸었다. 1편 Smart RI Calc는 같은 접근으로 인프라 비용 산정을 자동화한 사례다.
SK Devocean 사례. 자동 차단 로직이 신뢰 경계를 잘못 그어 공격자가 자기 IP를 조작해 차단을 회피하거나 타인을 차단시킬 수 있는 구멍이 있었다. 6단계 관문과 dry_run 기본값으로 재설계해 오차단 0건을 유지했고, 자동화의 가치를 속도가 아니라 신뢰도에 두라는 것 — 그리고 보안 자동화에는 별도 보안 리뷰가 반드시 필요하다는 것이 결론이다.
8월 24일 X Corp.가 영구 중단 요구 서한을 보내면서 공식 인스턴스 nitter.net이 내려갔고, 개발자 zedeus는 법률 자문 전까지 개발을 멈췄다. X 데이터를 로그인·API 없이 읽어오던 경로가 사실상 닫히는 것이므로, Nitter 인스턴스에 의존하던 스크래퍼나 모니터링 파이프라인은 대체 수단을 찾아야 한다.
최근 AI 솔루션을 공급하는 한 기업 대표를 만나 AI 생산성 향상의 불편한 이면을 들었다. 이 기업은 자체 솔루션을 공급하면서 고객사 요구에 맞춘 시스템 구축 사업도 병행하고 있다.
"AI 코딩으로 개발 생산성이 높아졌지만 발주사로부터 그만큼 사업비를 낮추라는 요구를 받고 있다"는 얘기였다.
일반적으로 국내 시스템 구축 현장에서는 투입할 개발자 수와 기간이 견적을 산정하고 협의하는 기준으로 쓰이곤 한다.
이때 흔히 사용하는 단위가 ‘맨먼스(M/M·Man-Months)’다. 개발자 한 명을 한 달간 전일제로 투입하면 1인월, 개발자 10명을 6개월간 전일제로 투입하면 60인월로 계산한다.
실제로 AI가 코드 작성과 오류 점검을 도우면서 예전보다 개발 시간이 줄었다. 같은 업무를 더 적은 인원과 짧은 기간에 끝낼 수 있게 된 것이다.
발주사 입장에서는 자연스럽게 “그렇다면 투입 인력과 사업비도 줄어야 하지 않느냐”는 계산이 나온다.
그런데 문제는 AI로 줄어든 공수는 사업비를 낮추는 근거가 되지만 수행사가 AI를 도입하고 운영하느라 쓴 비용은 계산에 잘 반영되지 않는다는 점이다.
발주사는 AI로 줄어든 인력과 시간부터 따지지만 정작 AI 사용료와 검증 비용, 개발 환경을 갖추는 데 들어간 투자는 별도로 인정하지 않는다. 결국 "AI 때문에 인건비가 줄었으니 사업비를 깍자"는 단순 무지한 논리가 작동하는 것이다.
그러나 AI가 공짜로 일하는 것은 아니다.
먼저, 생성형 AI 모델을 호출하면 사용량에 따라 토큰 비용이 발생한다. AI가 작성한 코드가 고객사 시스템에서 제대로 작동하는지, 보안과 품질에 문제가 없는지도 사람이 다시 검증해야 한다. AI를 실제 개발 현장에 적용할 환경을 갖추고 시행착오를 거치는 데도 시간과 비용이 든다.
계약을 따내기 전부터 비용이 발생하기도 한다.
발주사가 기술력을 확인하기 위해 무상 개념증명(PoC)을 요구하는 일은 새삼스럽지 않다. 다만 예전에는 인력 투입이 주된 부담이었다면 이제는 여기에 AI 사용 비용까지 더해진다. 수주 여부가 정해지지 않은 상태에서 인력과 AI 비용을 먼저 부담해야 하는 셈이다.
AI 덕분에 줄어든 시간은 바로 보이지만 그 시간을 줄이기 위해 들인 비용은 가격표에 잘 잡히지 않는다. 생산성을 높였다는 이유로 사업비가 낮아진다면 수행사가 AI를 적극적으로 도입할 유인은 약해진다.
AI를 활용한 개발까지 사람의 투입 시간만으로 계산하는 방식에는 한계가 있다. 줄어든 공수뿐 아니라 AI를 적용하고 검증하는 데 든 비용과 개발 기간을 단축해 만들어낸 가치까지 함께 보는 계산법이 필요한 시점이다.
아마존이 인공지능(AI) 모델 학습용 데이터를 확보하기 위해 희귀·절판 도서를 대량으로 사들인 뒤 제본을 잘라내어 스캔하고 원본을 폐기하고 있는 것으로 드러나 논란이 일고 있습니다
배경과 목적: AI 생성물이 섞이지 않은 2022년 이전의 순수 '인간 저작물'과 양질의 텍스트 데이터가 귀해졌기 때문입니다. 인터넷에 AI 생성 콘텐츠가 범람하면서 모델 성능 저하(모델 붕괴)를 막기 위한 조치입니다.
방식: 404미디어 등의 조사에 따르면, 중고 및 희귀 서적을 대량 매입한 후 책등을 절단해 페이지 단위로 스캔하고 실물 책은 폐기하는 방식으로 진행됩니다. 추적 장치를 통해 최종 목적지가 미국 네바다주 라스베이거스에 있는 아마존 시설(VGT3)인 것으로 확인되었습니다.
파장과 논란: 앤스로픽 등 다른 빅테크 기업들도 유사한 방식을 써온 것으로 알려졌습니다. 합법적으로 구매한 책의 스캔 및 폐기 자체는 '공정 이용'으로 인정받는 추세이나, 자본력을 앞세워 희귀 도서 원본을 없앰으로써 후발 기업의 데이터 접근을 차단하고 인류의 지식 유산을 독점·훼손한다는 비판이 제기되고 있습니다. 미국 소비자연맹 등 시민단체들은 이를 불공정 경쟁 및 반독점 이슈로 규정하고 연방거래위원회(FTC)에 조사를 촉구했습니다.
