⚠ 확인·조치가 필요한 항목

• 티빙 3,954만 계정 정보 유출 확인 — 이름·연락처·이메일·생년월일·결제이력 등 20개 항목 70종. 휴면·탈퇴 계정도 포함. 동일 비밀번호를 쓰는 서비스 전부 변경, 보상은 본인이 직접 신청해야 함.
• LG 스마트 TV, 화면 꺼진 상태에서 오디오 평문 로깅 + webOS RCE — 로컬 네트워크 스캔 및 마이크 오디오 전송이 확인됨. webOS 최신 펌웨어 적용, 마이크·맞춤형 광고(ACR) 설정 해제, 가정 내 VLAN 분리 권고.
• GNU strip을 경유하는 배포판 전체 Trusting-Trust 공격 실증 — 컴파일러가 아닌 strip이 완성된 ELF만 변조해 NixOS 부트스트랩부터 최종 환경까지 감염 유지. 아직 연구 단계이나 재현 빌드·바이너리 검증 체계 점검 필요.

정부 조사로 약 3,954만 계정의 개인정보와 소스코드가 함께 유출된 사실이 확인됐다. 이름·휴대전화·이메일·생년월일·결제이력을 포함한 20개 항목 70종이 대상이고 휴면·탈퇴 계정도 빠지지 않았으며, 일부 정보는 암호화키까지 함께 노출됐다. 피해 보상이 자동 지급이 아니라 이용자 개별 신청 방식이라는 점이 실무적으로 가장 중요하다.

Wireshark 분석 결과 LG 스마트 TV가 화면 꺼짐 상태에서도 로컬 네트워크를 스캔하고 마이크 오디오를 평문으로 로깅해 LG 서버로 전송하는 동작이 포착됐다. 같은 시기 webOS의 원격 코드 실행 취약점도 공개돼, 광고 프로파일링 논란이 단순 프라이버시 문제를 넘어 홈 네트워크 침해 경로 문제로 번지고 있다. GeekNews 쪽 논의는 “TV를 신뢰 경계 밖 기기로 취급하고 별도 VLAN에 격리하라”는 실무 대응에 초점이 맞춰졌다.

동일한 GPT-6 Astra를 ARC-AGI-3의 같은 High 추론 설정으로 돌렸을 때 하네스 구성에 따라 점수가 54.8%에서 99.9%까지 벌어졌다. 요청 사이에 이전 추론 상태를 보존하느냐가 결정적이어서, 장기 실행 에이전트는 모델 단독이 아니라 메모리·도구·문맥 관리·제어 루프를 합친 시스템으로 평가해야 한다는 결론이다. 같은 모델은 국내 수능 LLM 벤치마크에서 종합 450점 만점을 처음 기록해, 기존 모델들이 막혔던 사회문화 8번까지 풀어냈다.

기존 시스템과 조직 구조가 굳은 브라운필드 기업에서 AI 전환이 막히는 지점은 기술이 아니라 역할과 팀 권한을 정체성으로 여기는 문제라는 분석이다. 담당 업무를 AI로 몇 분에 끝내도 다른 팀의 승인과 백로그를 기다려야 하면 조직 경계에서 속도가 전부 상쇄된다. 함께 올라온 글은 “도구를 만드는 일과 기업을 바꾸는 일은 별개”라며, 어떤 도구가 필요한지 발견하고 전사가 쓰게 만드는 단계가 진짜 병목이라고 짚는다.

건물은 물리적으로 붕괴하지만 소프트웨어에는 그런 하한선이 없어, 시스템이 멀쩡히 돌아가는 동안에도 복잡도와 성능 저하가 무한히 쌓인다는 논지다. Amazon 주문 처리 조직 사례로 지식 소실과 중단된 재설계가 반복되며 기존 구조 위에 새 계층과 인력만 계속 얹히는 악순환을 보여준다. 리팩터링을 “언젠가”로 미루는 팀에게 그 언젠가가 오지 않는 구조적 이유를 설명한다.

GS리테일이 LiteLLM으로 AI Gateway를 세워 Amazon Bedrock의 Claude를 표준 AI 서비스로 채택하고, Virtual Key 중앙 인증과 크로스 계정 라우팅으로 인증·비용·보안을 한 곳에서 통제한다. 계정 온보딩 자동화와 Prompt Caching으로 운영 부담과 비용을 동시에 줄였고, 2부에서는 예산 기반 라우팅, 자체 가드레일, 목적별 관측 체계와 경영진 대시보드까지 다룬다. 수천 명 규모 사내 LLM 사용을 통제하려는 팀에 바로 참고가 되는 국내 사례다.

User 테이블에서 갱신이 잦은 배지 정보를 UserBadge 테이블로 떼어내 트랜잭션 충돌을 분당 10,000회에서 80회로 줄이고 WCU 사용량도 12~13% 절감했다. 그 결과 메시지 트래픽이 100배로 늘어도 견디는 구조가 됐다. 마이그레이션은 DynamoDB Export/Import와 AWS Glue ETL을 써서 5.3일 걸릴 작업을 6시간으로 단축했다.

Amazon Bedrock AgentCore를 허브로 사내 데이터·웹 검색·시장 규제 분석 MCP를 엮어 미국 ERCOT 전력 시장 입찰을 분석하는 에이전트를 운영한다. 사용자 페르소나별 Guardrails를 걸어 권한에 따라 접근 범위를 나누고, 답변 품질 관리와 사용자별 데이터 격리를 설계에 포함했다. MCP를 프로덕션 에이전트에 실제로 붙일 때 필요한 격리·거버넌스 패턴을 볼 수 있다.

문서 작성에서 지식 시스템 설계로 역할을 넓힌 기록이다. 사내 챗봇 ‘박씨’와 지식 관리 플랫폼 todoc을 만들어 조직에 흩어진 맥락적 지식을 구조화했고, 최종 목표를 “AI 워크플로우 자동화로 우리 역할을 불필요하게 만드는 것”으로 잡았다. 사내 문서가 LLM의 입력이 되는 시대에 문서 조직을 어떻게 재배치할지에 대한 구체적 사례다.

ArchUnit으로 레이어 의존성 같은 아키텍처 규칙을 테스트 코드로 옮겨, 문서와 코드 리뷰에 의존하던 규칙 준수를 CI에서 자동 검증하도록 바꿨다. 핵심은 FreezingArchRule로 레거시 위반은 현 상태로 동결하고 신규 위반만 차단한 점이며, Lombok 생성 코드가 잡히지 않는 한계는 소스 파일 스캔으로 메워 신규 위반 0건을 유지하고 있다. 규칙이 이미 무너진 코드베이스에도 점진 적용이 가능하다는 게 실전 포인트다.

전역 설정에 모든 것을 몰아넣지 말고 프로젝트 폴더마다 필요한 설정만 두어 불필요한 컨텍스트·리소스 소모를 줄이는 방법을 정리했다. 스킬 문서는 처음부터 완비하지 말고 실제 업무에서 필요할 때 점진적으로 쓰라고 권하며, 권한(permissions) 설정은 데이터 무결성을 고려해 보수적으로 잡으라고 조언한다. VSCode 터미널에서 실행 위치를 명확히 하는 습관도 함께 다룬다.

코드베이스 스캔부터 에이전트 간 해법 토론, 파일 편집, 테스트 실행과 자가 수정까지 한 런타임 안에서 처리하며, 여러 코딩 에이전트를 로컬에서 병렬로 실행한다. 클라우드 모델과 로컬 모델을 상황에 따라 갈아 끼울 수 있어 사내 코드를 외부로 보내기 어려운 환경에 쓸 만하다. 게임 개발용 Vulkan 3D 런타임 V-CORE도 함께 들어 있다.

M3 지원 코드가 인스톨러에 병합되어 M3·M3 Pro·M3 Max 맥북과 iMac에서 설치가 가능해졌다. 웹캠, 마이크, WiFi, 블루투스, USB 3 10Gb/s, AV1 하드웨어 디코딩까지 M1/M2에서 되던 기능은 대부분 동작하지만 GPU 가속과 디스플레이 제어는 여전히 제한적이고 M3 Ultra 기반 Mac Studio는 미지원이다. 애플 실리콘에서 리눅스를 상시 사용할 계획이라면 아직은 조건부다.

X.com의 요구로 중단됐던 Nitter 프로젝트가 법률 검토를 마치고 개발과 운영을 계속하기로 확정했으며, 세부 내용은 곧 공지될 예정이다. XCancel을 포함한 인스턴스도 서비스를 재개해 폐쇄 조치 이전보다 동작하는 인스턴스가 오히려 늘었다. devday 쪽 정리는 이 사건을 계기로 RSS 같은 개방형 표준의 가치와 플랫폼 독점 구조 비판이 다시 부각됐다고 덧붙인다.

메시징 앱을 Android Compose 기반으로 다시 만들고 RCS를 지원하며, 남아 있던 AOSP 기본 앱들을 순차적으로 자체 앱으로 교체한다는 계획을 밝혔다. 보안 클립보드 같은 기능도 함께 강화됐다. 눈에 띄는 점은 이 속도를 내기 위해 AI 모델을 코드 리뷰와 개발 보조에 공식적으로 활용하고 있다고 밝힌 대목이다.

Trusting-Trust 공격이 컴파일러 없이 GNU strip만으로도 가능함을 실증한 연구다. 소스 코드를 읽거나 생성·수정하지 않고 완성된 ELF 바이너리만 변조하기 때문에 소스 감사로는 잡히지 않으며, NixOS 부트스트랩 단계에서 감염되면 최종 환경까지 그대로 유지된다. 재현 빌드와 바이너리 서명 검증을 신뢰 근거로 삼고 있는 조직은 전제를 다시 점검할 만하다.

AI SRE가 알림 분석부터 배포 수정까지 대신 처리하면 평균 복구 시간은 좋아지지만, 엔지니어가 시스템 거동과 실패 양상을 배울 기회는 사라진다. 그 결과 사람에게는 AI가 못 푸는 낯설고 심각한 장애만 남게 되어, 자동화의 이득이 장기적으로 상쇄될 수 있다는 지적이다. 온콜 자동화를 도입하는 팀이 학습 경로를 어떻게 남길지 함께 설계해야 하는 이유다.

Claude 계열 세 모델에 코드 구조를 이해하는 LSP 도구를 붙여줬는데도, 대부분은 단순 위치 찾기에 grep을 먼저 썼다. LSP 우선 사용을 강제하자 오히려 성공률이 떨어지는 경우도 있었다. 정확도만의 문제가 아니라 결과를 곧바로 다음 행동에 쓸 수 있는 형태인지가 갈림길이라는 관찰로, 에이전트에 도구를 붙일 때 출력 형식 설계가 왜 중요한지 보여준다.