AI 위클리: Gemini 컴퓨터 사용, RAG 청킹 실패, 그리고 현대 AI 스택

Gemini 3.5 Flash, 컴퓨터 사용 기능 획득

DeepMind는 Gemini 3.5 Flash의 컴퓨터 사용 기능을 발표하며, 표준화된 인터페이스를 통해 모델이 데스크톱 환경과 상호작용 — 클릭, 타이핑, 앱 탐색 — 할 수 있게 했습니다. 이 기능은 Gemini API의 일부로 제공되며 플랫폼의 다른 부분과 동일한 안전 가드레일 안에서 작동합니다. 초기 데모에서는 모델이 양식 작성, 스크린샷에서 데이터 추출, 웹 브라우저 조작 같은 다단계 워크플로를 완수하는 모습을 보여줬습니다. 이로써 Gemini는 지난해 말 Anthropic이 Claude Computer Use로 선보였던 에이전틱 유스케이스에 한 걸음 더 가까워졌습니다.

RAG 실패는 대체로 청킹의 실패다

Shakthi V가 올린 스레드가 AI 엔지니어링 업계 전반에서 공감을 얻었습니다: 대부분의 RAG 실패는 모델의 실패가 아닙니다. 청킹의 실패입니다. 헤딩, 표, 코드 블록, 논리적 섹션 같은 의미 구조를 고려하지 않고 임의의 토큰 경계에서 문서를 자르면, 검색 결과는 문맥을 잃은 조각들을 반환합니다. 해결책은 더 나은 임베딩 모델이 아닙니다. 의미를 보존하는 청킹입니다: 시맨틱 스플리터, 레이아웃을 인식하는 PDF 파서, 검색 윈도우에 맞춘 토큰 수 임계값입니다. 임베딩 튜닝에 몇 주를 쏟는 팀들이 오히려 오후 한나절 청킹 파이프라인을 재설계하는 것만으로 더 큰 효과를 보는 경우가 많습니다.

OpenAI Codex 사용량 한도 강제 리셋

OpenAI의 Codex 팀은 주말 동안 전체 계정을 대상으로 사용량을 전면 리셋했습니다. Tibo Sottiaux는 팀이 예상치 못한 사용량 소진을 조사하는 워룸에 있었다고 밝혔습니다. 이번 리셋은 적립된 한도를 포함해 모든 사용자에게 적용됐습니다. 이 사건은 커져가는 긴장을 드러냅니다: 엔터프라이즈급 AI 도구는 예측 가능하고 투명한 쿼터 관리를 필요로 합니다. 기반 인프라가 사용량 급증을 설명하지 못할 때 취할 수 있는 유일하게 공정한 수단은 강제 리셋뿐이지만, 이는 API 위에 프로덕션 워크플로를 구축한 팀들의 신뢰를 갉아먹습니다.

현대 AI는 마법이 아니라 아이디어의 스택이다

VizuaraAI는 토큰화, 어텐션, RAG, 디퓨전, 비전 모델, 월드 모델이 어떻게 맞물리는지 보여주는 시각 자료를 공개했습니다. 메시지는 이렇습니다: 구성 요소를 보고 나면 AI는 더 이상 마법처럼 느껴지지 않고 엔지니어링처럼 느껴지기 시작합니다. 이 다이어그램은 교육 자료로도 유용하지만, 시니어 실무자들이 실제로 어떻게 사고하는지도 반영합니다 — 모델을 블랙박스로 취급하는 대신, 이해된 프리미티브들로부터 시스템을 조합하는 방식입니다.

트랜스포머 이전: RNN과 메모리 문제

같은 계정에서 RNN이 은닉 상태를 시간에 따라 전달해 과거 맥락과 미래 예측을 연결한 방식, 그리고 기울기 소실 문제가 LSTM과 GRU를 거쳐 결국 트랜스포머로 이어진 과정을 짚었습니다. 이 계보를 되짚는 일은 오늘날 LLM으로 무언가를 만드는 사람이라면 누구에게나 유용합니다 — 순환 구조 대신 어텐션을 택한 것, 병렬화, 컨텍스트 윈도우 확장 같은 아키텍처적 결정 모두 결국 같은 핵심 문제, 즉 긴 시퀀스 전반에 걸쳐 관련 정보를 어떻게 유지할 것인가로 귀결됩니다.

빅테크 라운드업

• Google AI: Gemini API Managed Agents가 이제 3.6 Flash, 훅, 그리고 에이전틱 워크플로 구축을 위한 확장된 도구를 지원합니다.
• Google AI: 검색의 AI 모드가 식단 계획부터 지역 정보 탐색까지 다섯 가지 실생활 유틸리티를 추가했습니다.
• Google DeepMind: Gemini Robotics ER 2가 비디오 이해, 태스크 오케스트레이션, 멀티 로봇 협업 기능을 추가했습니다.
• Google DeepMind: Lyria 3.5가 향상된 음악성, 가사, 보컬, 창작 제어와 함께 Google Flow Music에 출시됐습니다.
• Google DeepMind: Gemini Robotics 2가 휴머노이드 로봇에 전신 지능을 제공합니다.
• Microsoft Research: Echoverse가 컴퓨터 사용 에이전트를 위한 심층적이고 진화하는 환경을 도입했습니다.
• Microsoft Research: EvoLib가 에이전트의 경험을 진화하는 지식 베이스로 전환합니다.
• Anthropic: 안전성, 해석가능성, 정렬 연구를 통합한 연구 포털을 공개했습니다.
• Hacker News 인기글: Google의 Machine Learning Crash Course(1.9k포인트)와 "2 years of headbanging" ML 101 슬라이드 덱(1.6k포인트).

주목할 만한 논문 (arXiv, 2026년 7월 말)

| 제목 | 링크 | 중요한 이유 ||-------|------|----------------|| Do You Really Need to Pretrain Q-Functions for Online RL Fine-Tuning? | 2607.27203 | 표준 RL 가정에 의문을 제기 — 파인튜닝 파이프라인을 단순화할 수 있음. || From Classification to Regression: Using a Fruitfly to Solve Equations | 2607.27196 | 심볼릭 회귀에 대한 새로운 생물영감(bio-inspired) 접근법. || Can AI Agents Conduct Open-Ended AI Research? Early Evidence | 2607.27191 | 에이전트 주도 연구 자동화에 대한 두 가지 사례 연구. || Inverse Learning of Latent Risk-Neutral Densities from Irregular Option Quotes | 2607.27188 | 생성 모델링의 퀀트 금융 응용. || When Do Learned Diffusion Proposals Help Constraint Solving? | 2607.27169 | 연속 대수 시스템에 대한 통제된 연구. || APEX-Accounting | 2607.27189 | 에이전트 경제를 위한 새로운 회계 프레임워크. || The Social Cost of an AI Teammate | 2607.27179 | 인공 팀원이 소규모 팀 내 인간 간 커뮤니케이션을 어떻게 바꾸는가. || Partner Capability Estimation for Ad-Hoc Teamwork | 2607.27177 | 멀티 에이전트 환경에서의 태스크 무관 적응. |

한국어 요약

이번 주 핵심 AI 소식을 정리했습니다. 딥마인드가 제미나이 3.5 플래시에 컴퓨터 사용 기능을 추가해 데스크톱 환경에서 클릭, 타이핑, 브라우저 조작이 가능해졌습니다. RAG 시스템 실패의 진짜 원인은 모델이 아니라 문서 청킹 방식이라는 현장 지적이 나왔습니다. 의미 단위를 무시하고 토큰 수로만 자르면 검색 품질이 급격히 떨어집니다. 오픈AI 코덱스 팀이 사용량 한도를 전면 리셋했는데, 엔터프라이즈 환경에서 쿼터 관리의 투명성이 얼마나 중요한지 보여주는 사례입니다. 현대 AI를 '마법'이 아닌 엔지니어링 스택(토큰화, 어텐션, RAG, 디퓨전, 비전/월드 모델)으로 해부한 시각 자료와, RNN에서 트랜스포머로 이어진 메모리 문제 해결 계보도 함께 다뤘습니다. 구글·MS·앤스로픽의 최신 연구 릴리스 10건과 7월 말 아카이브 논문 8편 중 주목할 만한 것들을 표로 요약했습니다.

주요 용어: Computer Use(컴퓨터 사용), RAG(Retrieval-Augmented Generation, 검색 증강 생성), Chunking(청킹/문서 분할), Managed Agents(관리형 에이전트), Vanishing Gradient(기울기 소실), Ad-Hoc Teamwork(애드혹 팀워크)