World Labs CEO Dr. Fei-Fei Li says AI must change how we teach and evaluate students:
"AI must change learning. AI must change K-16 learning."
"The most precious resource of our entire world is human capital."
"When we have gotten the technology that can answer standardized tests... when AI can do better than an average human, it's not about humans are bad. It's about we need to change the education system."
"We need to change how we evaluate. We need to change the way we empower teachers to educate the next generation of students where they can use these tools, be empowered, and do things that we can never imagine."
"All of the kids today should not be scared of AI. They should feel the human agency to lead AI, to use AI in the right way, and to use AI to make the impact that they want to make for the world."
@drfeifei at Bloomberg Tech live with @emilychangtv
딜로이트(Deloitte)가 전 세계 1,854명의 임원을 조사한 결과, 85%의 기업이 AI 투자를 늘리고 있지만, 1년 안에 성과를 확인한 기업은 6%에 불과하다. 투자는 늘고 있는데 성과는 보이지 않는 이 현상을 Deloitte는 “역설(paradox)”이라고 불렀다.
https://t.co/xxWQwIyUku
기업에서 AI로 향상 된 생산성은 어디로 가는가:
- 여러 사람이 똑같은 인하우스 툴 7개 만듦.
- 이제 프로그래머/기획자 구분 없이 '빌더'의 시대니까 각자 넣고 싶은 기능 넣어봄. 구현의 코스트가 떨어졌기 때문에 뭐가 필요한지 이게 최선의 솔루션이 맞는지 미리 고민, 논의 하지 않음.
AI 계의 레전드 카파시의 1시간짜리
LLM 강의를 지금 기준으로 다시 봤습니다
2023년 강의인데, 오히려 2026년에 더 중요해진 내용이 많습니다
LLM이 단순 챗봇에서 끝나는 게 아니라,
도구 사용, 멀티모달, 에이전트, LLM OS, 보안 문제까지
어떻게 이어지는지 한 번에 설명됩니다
핵심만 한국어로 14분 정도로 정리했습니다.
AI를 제대로 이해하고 싶은 분들은 이 영상부터 보면 좋습니다
원본: Andrej Karpathy - Intro to Large Language Models
Two economists just published a mathematical proof that AI will destroy the economy.
Not might. Not could. Will — if nothing changes.
The paper is called "The AI Layoff Trap." Published March 2, 2026. Wharton School, University of Pennsylvania. Boston University. Peer reviewed. Mathematically modeled.
The conclusion is one sentence.
"At the limit, firms automate their way to boundless productivity and zero demand."
An economy that produces everything. And sells it to nobody.
Here is how you get there.
A company fires 500 workers and replaces them with AI. A competitor fires 700 to keep up. Another fires 1,000. Every company is behaving rationally. Every company is following the incentives correctly. And every company is building a trap for itself.
Because the workers who were fired were also customers.
When they lose their jobs faster than the economy can absorb them, they stop spending. Consumer demand falls. Companies respond by cutting costs — which means automating more workers — which means less spending — which means more falling demand — which means more automation.
The loop has no natural exit.
The researchers tested every proposed solution. Universal basic income. Capital income taxes. Worker equity participation. Upskilling programs. Corporate coordination agreements.
Every single one failed in the model.
The only intervention that worked: a Pigouvian automation tax — a per-task levy charged every time a company replaces a human with AI, forcing them to price in the demand they are destroying before they pull the trigger.
No government has implemented this. No major economy is seriously discussing it.
Meanwhile the numbers are already tracking the curve. 100,000 tech workers laid off in 2025. 92,000 more in the first months of 2026. Jack Dorsey fired half of Block's workforce and said publicly: "Within the next year, the majority of companies will reach the same conclusion."
Nobody is doing anything wrong. Companies are following their incentives perfectly. That is exactly the problem.
Rational behavior. At scale. Simultaneously. With no mechanism to stop it.
Two economists built the math. The math leads to one place.
Source: Falk & Tsoukalas · Wharton School + Boston University ·
<나는 왜 AI가 쓴 글이 힘겨울까>
이번 칼럼은 인공지능 생성 텍스트가 힘겹고 싫기까지 한 이유에 대해 논의합니다. 인공지능은 수천 년 간 체화된 텍스트 생산과 소비의 시간에 대한 감각을 뒤집어 놓았습니다. 이는 리터러시 생태계에 크나큰 영향을 미칩니다.
https://t.co/oCurQgknUK
AI가 글을 너무 싸게 만들면서, 긴 아티클의 가치는 오히려 더 비싸지고 있다.
예전에는 글을 쓴다는 것 자체가 비용이자 프리미엄 이였다. 글쓴이가 구글링으로 자료를 찾고, 문장을 고치고, 생각을 정리하고, 몇 번씩 지우는 시간이 필요했다.
그래서 긴 글에는 기본적으로 글쓴이의 인사이트라는 어떤 묵직한 무게가 있었다. 잘 썼는지와 별개로, 적어도 누군가가 자기 시간을 갈아 넣었다는 의미가 있었다.
그런데 AI가 그 비용을 거의 0에 가깝게 만들어 버리는 시대. 이제 누구나 10초 만에 3,000자짜리 글을 뚝딱 만들 수 있다. 제목도 만들고, 구조와 초안도 잡고, 사례도 넣고, 결론도 그럴듯하게 만는다.
겉으로 보면 진짜 프로가 쓴 긴 보고서 같은 글이다. 하지만 구독자는 금방 이질감을 느낀다 구독자들은 바보가 아니다.
그렇게 쓴 글에는 사람이 머문 흔적이 없다는 걸 말이다.
문장과 내용은 멀쩡한데 이상하게 기억에 전혀 안 남는다. 정보는 있는데 사람의 냄새가 없다. 논리는 있는데 의미가 안 돈다. 이유는 간단하다. AI가 만든 인스턴트 글은 대부분 “생각의 결과물”이 아니라 “글의 형태를 흉내 낸 결과물”이기 때문이다.
물론 나도 AI와 테크 글을 쓰는 사람으로서 AI로 오탈자를 잡고 문단을 눈에 보이게 나눠달라고 한다.
이것 조차도 안한다고 하면 자기기만이자 구독자를 향한 거짓이라고 생각한다.
문명의 이기는 쓰라고 있는 거다 특히 나 같이 테크 글을 쓰는 사람은 더더욱 글의 오류를 잡는데는 써야 된다고 본다.
좋은 글에는 글쓴이가 썼다 지웠다 한 흔적이 들어 있다. 바로 말할 수 있었지만 말하지 않고, 한 번 더 의심을해보고, 처음 떠오른 결론을 버리고, 더 깊은 생각의 바닥까지 내려간 흔적이 있다. 이 흔적이 글의 밀도를 촘촘히 만든다.
독자는 그걸 논리적으로 분석하지 않아도 느낌으로 안다. 이 사람은 그냥 요약한 게 아니라, 이 주제를 치열하게 고민하고 이 주제 안에서 한동안 살았구나.
AI 글의 가장 큰 약점은 답이 너무 빨리 나온다는 점이다. 빠른 답은 정보를 찾는 사람에게는 편하지만, 빠른 답은 대개 평이하다. 왜냐하면 인사이트는 첫 번째 생각에서 잘 나오지 않기 때문이다.
첫 번째 생각은 대부분 누구나 할 수 있는 말이다. 두 번째 생각도 아직 뻔하다. 세 번째, 네 번째, 다섯 번째로 밀고 들어갈 때 비로소 인사이트의 차이가 보인다.
“AI가 글쓰기를 쉽게 만들었다”는 말은 누구나 글을 작가 처럼 쓸 수있다는 거다.
그래서 반대로 AI가 쉬운 글을 무한히 늘리면서, 인사이트 있는 글은 더 눈에 띄게 됐다.
남는 것은 글쓴이의 인사이트다.
관점은 뚝딱 안 나온다. 관점은 많이 읽고, 오래 보고, 틀려보고, 자기 생각을 부끄러워하고, 다시 고치는 과정에서 생긴다고 본다. AI는 그럴듯한 관점을 만들 수 있지만, 자기 돈을 잃어본 사람의 관점과 리스크 테이킹은 못 만든다.
밤새 디버깅하다가 하나의 에러 메시지에서 세계관이 바뀐 사람의 문장은 못 만든다. 어떤 주제에 몇 달 동안 꽂혀 있다가 남들이 못 보는 연결을 보는 직관은 못 만든다.
이 글에 인간의 인사이트가 들어갔는가.
AI의 아첨으로 인한 "망상나선"의 결과라는 이야기도 많습니다.
2026년 2월 MIT와 워싱턴대 공동 연구팀이 발표한 논문은 충격적인 결론을 내놨다. 완벽하게 이성적으로 생각하는 사람조차 아첨하는 AI와 대화하면 망상에 빠질 수 있다.
https://t.co/32hCuZsvtf
AI에 안 휘둘리는 사람은 ‘AI를 덜 믿는 사람’이 아니었다
마이크로소프트와 카네기멜런이 지식노동자 319명, 실제 사례 936건을 뜯어봤다. AI를 더 믿을수록 스스로 따지는 힘은 줄었다. 그런데 반대편에 반전이 있었다. 자기 판단을 믿는 사람일수록 오히려 더 깊게 파고들었다.
핵심은 AI 실력이 아니라 “내 판단을 끝까지 쥐고 있느냐”였다.
방법은 의외로 단순하다.
AI한테 ‘답’을 묻지 말고 ‘근거’를 물어라.
그 근거를 외부 자료 딱 하나랑 직접 맞춰봐라.
나온 결과는 정답이 아니라 초안(처음 써본 임시 글)이다. 네 머리로 고쳐 써라.
이걸 안 하면 효율은 오르는데, 내 판단력은 조용히 빠져나간다. 당장은 안 보인다는 게 함정이다.
1983년 라이샌 베인브리지가 말한 ‘자동화의 역설’이 있다. 기계가 쉬운 일을 다 가져가면, 정작 사람은 판단력을 연습할 기회를 잃는다는 거다. 40년 전 경고가 지금 AI에 그대로 꽂힌다.
한 지식노동자는 “요약만 읽다 보니 머리가 둔해지는 게 느껴졌다”고 털어놨다. 남 얘기가 아니다.
연구 원문은 여기 (마이크로소프트 리서치, CHI 2025). “AI를 신뢰할수록 비판적 사고는 줄고, 자기 확신이 강할수록 늘어난다”가 한 줄 요약이다.
https://t.co/GLWoSU62Fi
자료 두 건을 원문까지 들어가 교차 검증했고, ‘AI를 의심하라’가 아니라 ‘내 판단을 흔들리게 두지 마라’는 메타인지 각도로 점검했다. 연구는 1년 남짓 됐지만, 2026년 지금 결론은 오히려 더 단단해졌다.
#AI #비판적사고 #메타인지
—
#출처
“마이크로소프트와 카네기멜런이 지식노동자 319명, 실제 사례 936건” / “AI를 더 믿을수록 사고력↓, 자기 판단 믿을수록 사고력↑”
https://t.co/GLWoSU62Fi
“AI를 많이 쓸수록 비판적 사고가 떨어진다 (인지 부하 떠넘기기 연구, 666명)”
https://t.co/mPgA91N5bL
“라이샌 베인브리지 ‘자동화의 역설’ 1983” (해당 논문 PDF 27쪽 인용부)
https://t.co/cTa6i8SrIB
“요약만 읽다 보니 머리가 둔해지는 게 느껴졌다 (지식노동자 증언)”
https://t.co/G5JBy5KdRM
요즘 기업들 해고 기사 보면
AI 때문이라는 말 진짜 많이 붙는데
재밌는 조사 하나 봄
채용 담당자들한테 이유 물어봤더니
절반 넘게
“재정 문제라고 말하는 것보다
AI 때문이라고 하는 게 훨씬 반응 좋다”
이렇게 답했다고 함
근데 더 흥미로운 건
“The AI Layoff Trap”이라는 논문 내용이었음
기업 하나만 보면
자동화해서 사람 줄이는 게 효율 맞음
근데 모든 기업이 동시에 그렇게 움직이면
잘린 사람들이 소비를 못 하게 되고
결국 시장 전체 수요가 줄어든다는 거
다 같이 효율화했는데
다 같이 시장을 약하게 만드는 구조
약간 죄수의 딜레마 느낌임
"에이전트 말투가 갑자기 디씨 같아짐."
한국어 Claude Code 사용자분들의 위화감을 형태소 단위로 추적해 보았사옵니다. 출력 토큰 1억 1,500만 개, 대상 표현 1,367건, 기준선 대비 18배. 원인은 모델 업데이트와 자기오염 피드백 루프의 결합이었사옵니다.
https://t.co/VpcrNGnBJD
“중요한 질문들이 우리 양심에 다가와 더 이상 피할 수 없게 되었습니다. 우리는 어디로 가고 있는가? 우리는 어떤 목표를 향해 나아가고자 하는가? 우리는 인간이자 인류 공동체로서 어떤 방향을 선택해야 하는가?” 교황은 이번 회칙에서 이렇게 질문했다.
실리콘밸리의 AI 개발자들을 만나면 종종 우려스러운 견해를 듣곤 한다: “현재 지구상에서 진정으로 중요한 사람은 불과 수백 명뿐이라는 것, 즉 최첨단 모델을 구축하는 사람들과 이를 규제할 만큼 강력한 권력을 가진 정치인들뿐이라는 견해다. 교황의 회칙은 바로 그런 세계관에 대한 직접적인 반박이다.
미국 같은 사회에서는 한때 이런 중대한 주제에 대해서는 활발한 공론의 장을 마련하기 위해 헌법 제정 회의constitutional conventions를 열곤 했다.
지금 너무나도 흔히 논의를 지배하는 의견은 사람들이 AI의 광범위한 필수적 사용을 받아들일 수밖에 없다는 주장이다.
“우리는 도서관이나 시민 사회 등 그 분야에서 힘이 있는 곳이라면 어디서든 공개적인 논의를 해야 한다. 우리는 왜 이 기술을 개발하는가, 누구를 위한 것인가, 그리고 어떻게 하면 우리의 번영을 위해 이를 활용할 수 있는가?”
https://t.co/Dk6A5IQzZH
글쓰기에 AI가 빠르게 스며들면서 놓치는 것
AI 기술이 제기하는 진정한 위협은 학술 논문에서 'delve'라는 단어가 남용된다거나 문학 소설에 억지스러운 은유들이 난무한다는 데 있지 않다. 진실을 발견하고 우리 주변의 세계(와 소설의 경우, 우리 내면의 세계)를 해석하는 힘든 작업을 기계에 외주화할 때 우리 자신의 본질적인 뭔가를 잃게 된다는 점이다.
문제는 의심스러운 출처로 훈련되고 기술 기업들에 의해 통제되는 언어 모델에 내재된 편향이 현실에 대한 우리의 이해를 형성하는 서사에 부지불식간에 스며들게 된다는 점이다.
글쓰기를 AI에 온전히 의탁하는 것을 거부하거나 비난하기란 쉽지만, 자료 조사와 정리에서부터 초안 잡기, 윤문 등에 이르는 일련의 연속선 상에서 허용과 불허의 기준은 무엇인가?
인간 작문에 AI 활용이 알게 모르게 섞여 들면서 잇따르는 스캔들만으로도 우리는 AI를 활용한 글쓰기에서 무엇을 두려워하는지 더 정확하게 생각해야 한다. 단순히 결과물의 품질이 '나쁘다'는 것뿐이라면, AI의 꾸준한 발전은 우려가 아닌 안도의 이유가 되어야 한다.
그러나 문제는 정반대로, AI 도구가 적어도 겉보기에는 너무나 훌륭해지고 있으며, 그런 도구에 사람들이 지나친 신뢰를 두고 있다는 점이다. AI 짜집기 논란에 휩싸인 로젠바움은 챗GPT를 탓했지만, 정작 자신은 사용을 포기할 수 없다고 말했다. 그 마음이야말로 그가 책에서 제시한 그 어떤 것보다 글쓰기에 더 큰 위협이 될지도 모른다.
https://t.co/95kimA4ajo
Comment l’IA a bouleversé l’université ?
Nous avons interrogé 11 normaliens sur leur usage de l'intelligence artificielle.
Un portrait en prise directe de la génération IA.
https://t.co/62EBKw5beG