AI 및 기술

무슨 일이 있었나

GitHub는 Slack 통합을 업데이트하여 GitHub Copilot CLI와 GitHub Copilot 앱의 에이전트 기능을 이제 Slack 내에서 사용할 수 있게 했습니다.

새로운 경험은 공개 미리보기로 제공됩니다.

GitHub Changelog 게시물에 따르면, 사용자는 이 기능의 일환으로 Slack에서 @GitHub 핸들과 상호작용할 수 있습니다.

왜 중요한가

Copilot의 에이전트 기능을 Slack에 도입함으로써 GitHub의 AI 어시스턴트는 팀이 이미 소통하고 작업을 조율하는 공간에 자리 잡게 됩니다.

공개 미리보기를 제공함으로써 GitHub는 더 넓은 범위로 접근을 확대하기 전에 개발자들이 대화형 환경에서 이러한 AI 기반 워크플로우를 어떻게 사용할지 모색하고 있는 것으로 보입니다.

주요 사실

Slack의 GitHub 통합은 이제 GitHub Copilot CLI와 GitHub Copilot 앱의 에이전트 기능을 지원합니다.

Slack의 새로운 GitHub Copilot 경험은 공개 미리보기로 제공됩니다.

사용자는 이 통합의 일환으로 Slack에서 @GitHub와 함께 작업할 수 있습니다.

다음에 주목할 점

발표가 서두의 설명 이상으로 이어지는 것으로 보이므로, 사용자가 Slack에서 @GitHub로 수행할 수 있는 구체적인 작업에 대한 자세한 내용이 더 나올 수 있습니다.

GitHub가 피드백을 수집하고 잠재적으로 Copilot의 Slack 기능을 확장함에 따라 공개 미리보기는 발전할 수 있습니다.

출처

• GitHub Changelog

무슨 일이 있었나

GitHub가 GitHub Copilot을 사용한 공유 에이전트 작업을 Microsoft Teams에 도입하는 새로운 통합 기능을 발표했습니다.

사용자는 Teams 토론을 모든 사람이 보고 방향을 정하는 데 참여할 수 있는 공동 에이전트 세션으로 전환할 수 있습니다.

세션은 채널, 스레드 또는 다이렉트 메시지에서 @GitHub를 언급하면 시작됩니다.

왜 중요한가

이를 통해 GitHub Copilot은 개인 비서에서 팀 구성원이 함께 에이전트를 안내할 수 있는 팀 중심 도구로 전환됩니다.

세션이 모든 참가자에게 공개되면 공유된 맥락과 에이전트 작업에 대한 집단적 감독이 촉진됩니다.

주요 사실

이 기능은 Microsoft Teams에서 GitHub Copilot을 사용한 공유 에이전트 작업으로 설명됩니다.

Teams 토론은 모든 사람이 보고 방향을 정할 수 있는 공동 에이전트 세션이 될 수 있습니다.

사용자는 채널, 스레드 또는 다이렉트 메시지에서 @GitHub를 언급하여 세션을 시작합니다.

다음에 주목할 점

이번 발표에서는 @GitHub 언급 이후 어떤 일이 일어나는지 또는 세션이 어떻게 관리되는지에 대한 추가 세부 정보는 제공되지 않습니다.

GitHub는 세션 권한, 제한 사항 또는 공동 작업 제어를 설명하는 추가 변경 로그 항목을 공개할 수 있습니다.

출처

• GitHub Changelog

어떤 일이 있었나

Google Cloud는 최신 업데이트를 단일 허브로 통합하여 발표, 리소스, 이벤트, 학습 기회를 제공합니다. 주요 항목 중 하나는 제품 관리자 Shaun Liu가 진행하는 August 27 웨비나로, 도난당한 API 키가 악성 에이전트를 합법적으로 보이게 할 수 있는 방식과 정적 자격 증명 및 레거시 IAM 정책이 기계 속도 실행을 따라잡지 못하는 이유를 다룹니다.

허브에는 또한 출품작 접수가 August 31, 2026까지 열리는 All Things Agentic Hackathon, 총 $190,000 상금, Gemini를 사용하여 PostgreSQL 및 AlloyDB로의 AI 지원 코드 변환을 제공하는 Database Migration Service 기능, G2 및 G4 GPU VM용 Compute Flex CUDs, 적응형 동시 프리페칭(adaptive concurrent prefetching)을 포함한 GCSFS 2026.8.0 릴리스도 포함되어 있습니다.

왜 중요한가

자율 에이전트가 엔터프라이즈 시스템 전반으로 확장됨에 따라 에이전트 신원은 중요한 문제가 되고 있습니다. 검증 가능한 암호화 신원을 통해 에이전트, 인간, 비인간 신원을 통합하려는 Google Cloud의 비전은 조직이 기계 간 상호작용을 보호하는 방식을 변화시킬 수 있습니다.

이번 업데이트 묶음은 데이터베이스 마이그레이션의 어려운 최종 단계, AI 학습 중 GPU 데이터 기아(data starvation), 예측 불가능한 컴퓨팅 지출 등 실제 운영상의 문제를 겨냥합니다. 함께 이러한 업데이트는 기업이 비용과 성능을 통제하면서 인프라를 현대화할 수 있는 실질적인 수단을 제공합니다.

주요 사실

Google Cloud 허브는 최신 업데이트, 발표, 리소스, 이벤트, 학습 기회를 위한 중앙 장소입니다.

Agent Identity 웨비나는 Google Cloud 제품 관리자 Shaun Liu와 함께 August 27, 1 PM ET에 예정되어 있습니다.

All Things Agentic Hackathon은 총 $190,000의 상금을 제공하며, 출품작 접수는 August 3부터 August 31, 2026까지입니다.

Database Migration Service는 이제 Gemini를 사용하여 레거시 Oracle 또는 SQL Server 코드를 네이티브 PostgreSQL 및 AlloyDB로 변환합니다.

Compute Flex CUDs는 이제 G2 및 G4 GPU VM에 사용할 수 있습니다.

GCSFS 2026.8.0은 적응형 동시 프리페칭을 기본값으로 설정하여 Rapid Bucket과 함께 사용할 때 단일 파일 처리량을 최대 5배, 최대 21 GiB/s까지 향상시킵니다.

향후 주목할 점

August 27 웨비나는 Google Cloud가 에이전트, 인간, 비인간 워크로드에 대한 신원 관리를 어떻게 발전시킬 계획인지 보여줄 수 있습니다.

해커톤과 GCSFS 업데이트는 개발자와 기업이 Google Cloud의 AI 및 머신러닝 인프라를 실제로 어떻게 채택하는지 보여줄 수 있습니다.

출처

• Google Cloud

무슨 일이 있었나

Google Cloud는 고전적인 조직 리더십 교훈을 AI 에이전트에 적용하고 있으며, 멀티 에이전트 시스템은 에이전트 스스로 복잡한 작업을 효과적으로 분해하고 할당할 수 있을 때 가장 잘 작동한다고 주장합니다.

Google DeepMind의 'Intelligent AI Delegation' 연구를 바탕으로, 이 회사는 위임을 위한 원칙을 강조합니다: 계약 우선 분해를 통해 위임된 작업을 검증하고, 작업을 라우팅할 때 비용을 인식하며, 최소 권한을 통해 민감한 데이터를 존중하는 것입니다.

왜 중요한가

기업이 단일 AI 어시스턴트에서 멀티 에이전트 워크플로로 전환함에 따라 오케스트레이션의 품질이 중요해집니다. 이러한 원칙은 위임을 단순한 작업 할당이 아니라 계획, 비용 절충, 보안 경계를 수반하는 지능적인 행위로 자리매김합니다.

검증과 인간의 판단에 대한 강조는 에이전트 시스템이 인간의 감독을 위한 명시적 체크포인트를 갖추도록 설계되는 미래를 시사하며, 기업이 자동화와 전문가 검토가 가장 가치 있는 영역을 결정하는 데 도움을 줍니다.

주요 사실

Google Cloud는 AI 에이전트가 복잡한 엔터프라이즈 워크플로를 처리하려면 훌륭한 위임자가 되어야 한다고 말합니다.

Google DeepMind의 'Intelligent AI Delegation' 연구 프레임워크는 위임이 적응형 협상, 공식 계약, 보안 가드레일을 포함한 지능을 수반함을 보여줍니다.

원칙 1, 계약 우선 분해는 인간의 판단이 필요한 곳에 주관적 평가를 남겨두고, 안정적으로 검증할 수 있는 작업으로 작업을 분해할 것을 요구합니다.

원칙 2는 작업을 적절한 모델 크기에 맞추라고 조언하며, 단순한 작업에는 더 작고 저렴한 모델을, 복잡한 작업에는 더 강력한 모델을 사용하되, 흔히 API 게이트웨이 모델 라우팅이나 LiteLLM 같은 프록시를 통해 사용합니다.

원칙 3은 에이전트가 필요한 최소 권한만 부여하고, 보안과 컨텍스트 윈도우 성능을 보호하기 위해 하위 에이전트에게 전체 민감 데이터를 전송하지 않도록 요구합니다.

다음에 주목할 점

조직이 멀티 에이전트 배포를 확장하고 비용 효율성을 추진함에 따라 모델 라우팅과 최소 권한 패턴의 채택이 늘어날 것으로 보입니다.

Google Cloud는 연구에서 네 가지 원칙이 도출되었으며, 이 발표에서는 세 가지를 자세히 다룬다고 말합니다. 나머지 원칙은 원본 발행물에서 다룰 수 있습니다.

출처

• Google Cloud

어떤 내용인가

IEEE Spectrum 목록에 소개된 이 웨비나는 수율 문제가 발생했을 때 근본 원인 분석을 가속화하는 데 초점을 맞춘다. 중요한 단서는 일반적으로 계측 데이터, 장비 트레이스, 화학 분석, 설비 시스템에 흩어져 있으며, 데이터 증가로 인해 전통적인 대시보드는 느리고 파편화된다고 설명한다.

참석자들은 Spotfire Industry Pro를 사용한 다중 도메인 근본 원인 조사의 라이브 데모를 보게 된다. 이 세션은 에이전틱 AI, 반도체 특화 시각화, 푸시다운 컴퓨팅이 수십억 개의 데이터 포인트에 걸쳐 수율 이탈과 공정 문제를 더 빠르게 조사할 수 있게 해 주는 방법을 보여주기 위한 것이다.

왜 중요한가

분리된(siloed) 제조 데이터는 핵심 문제로 제시된다. 즉, 수율 회복을 지연시키고 비용을 부풀린다. 수율, 공정, 통합 엔지니어와 팹 및 운영 관리자에게 데이터 이동 없이 도메인 간 인사이트를 연결하는 능력은 수율 이탈 시 더 빠르고 확신 있는 의사결정을 의미할 수 있다.

웨비나는 웨이퍼 팹, 파운드리, OSAT, IDM을 지원하는 역할을 대상으로 하며, 데이터 파편화와 느린 근본 원인 분석 문제가 업계 전반의 광범위한 페인 포인트임을 시사한다. 교차 도메인 분석 자동화는 팀이 대규모 데이터 세트를 다루면서도 확신을 유지하는 데 도움이 될 수 있다.

주요 사실

수율 문제는 단일 시스템에서 해답을 찾기 어려운 경우가 많다. 단서는 계측 데이터, 장비 트레이스, 화학 분석, 설비 시스템에 흩어져 있다.

웨비나에서는 Spotfire Industry Pro를 사용한 다중 도메인 근본 원인 조사의 라이브 데모가 진행된다.

명시된 핵심 내용으로는 분리된 제조 데이터가 수율 회복을 지연시키고 비용을 증가시키는 이유와 에이전틱 AI가 복잡한 교차 도메인 분석 및 시각화 생성을 자동화하는 방법에 대한 이해가 포함된다.

다음에 주목할 점

라이브 데모는 엔지니어가 Spotfire Industry Pro를 사용해 데이터를 이동하지 않고 여러 도메인에 걸친 근본 원인 조사를 수행할 수 있는 방법을 보여줄 것으로 예상된다.

세션에서는 수십억 개의 데이터 포인트를 다루는 팀과 관련이 있을 수 있는 대규모 팹 데이터 세트 전반에 걸쳐 고성능 분석을 확장하는 방법도 다룰 예정이다.

무료 웨비나 등록이 열려 있으며, 이는 반도체 특화 근본 원인 분석을 위한 플랫폼 기능의 실질적인 연습(워크스루)이 제공될 것임을 시사한다.

출처

• IEEE Spectrum

무슨 일이 벌어졌나

최근 며칠 사이 Matti Haapoja와 Sam 'Kold' Kolder를 포함한 여러 저명한 영상 제작 크리에이터들이 Higgsfield AI 플랫폼의 역량이라고 설명하는 기능을 시연하는 동영상을 게시했다.

이 영상들은 Higgsfield에 새로 추가된 Seedance 2.5 기능을 선보이며 해당 기술을 영상 제작의 미래로 내세운다.

이 게시물들은 시청자와 동료들로부터 비판을 불러일으켰고, 크리에이터들이 AI 관련 후원금을 받아들이기로 한 결정에 대한 반발을 부채질했다.

왜 중요한가

이번 반발은 시청자들이 AI 플랫폼 추천을 전통적인 영상 제작 가치와 상충되는 것으로 볼 수 있는 크리에이터 경제 속에서 커지는 긴장을 부각한다.

영상 제작 분야의 대표적인 인물들이 AI 도구를 미래로 홍보할 때, 이는 소규모 크리에이터와 시청자들이 영상 제작에서 AI의 역할을 어떻게 인식하는지, 그리고 후원 콘텐츠에 대해 어디에 선을 긋는지에 영향을 미칠 수 있다.

주요 사실

Matti Haapoja와 Sam 'Kold' Kolder는 Higgsfield에 관한 동영상을 게시한 크리에이터들에 포함된다.

이 동영상들은 Higgsfield에 최근 추가된 Seedance 2.5 기능을 강조한다.

크리에이터들은 이 기술을 영상 제작의 미래로 내세우며 AI 관련 후원금을 수락한 것에 대해 반발을 받았다.

다음에 지켜볼 점

비판이 크리에이터들로 하여금 응답하거나, 후원 계약을 명확히 하거나, 향후 AI 관련 프로모션을 재고하게 할지는 지켜봐야 한다.

이번 상황은 영상 제작 커뮤니티 내에서 AI 도구를 다룰 때의 정보 공개와 편집 독립성에 관한 더 폭넓은 논의를 촉발할 수도 있다.

출처

• The Verge

무슨 일이 있었나

Google DeepMind가 게임 스튜디오와의 파트너십을 발표하고, 획기적인 AI 기반 게임플레이의 프로토타입을 제작한다고 밝혔다.

이번 작업은 초기 Atari 실험에서부터 EVE Online의 멀티플레이어 우주에 이르기까지, 게임 분야에서 15년간 이어온 AI 연구의 계보를 바탕으로 한다.

왜 중요한가

이번 움직임은 게임을 단순한 연구 벤치마크로 사용하는 데서 나아가, AI를 플레이어가 직접 경험하는 게임플레이에 통합하는 방향으로의 전환을 시사한다.

DeepMind는 프로토타입 단계 초기부터 스튜디오와 협력함으로써, AI가 게임 디자인에 어떻게 녹아들어야 하는지를 사후에 덧붙이는 방식이 아니라 처음부터 설계에 반영하고자 하는 것으로 보인다.

주요 사실

Google DeepMind가 게임 스튜디오와 파트너십을 맺는다.

파트너십의 목표는 획기적인 AI 게임플레이의 프로토타입을 제작하는 것이다.

이 프로젝트는 Atari에서 EVE Online에 이르는 15년간의 게임 AI 연구를 바탕으로 한다.

다음 주목할 점

어떤 게임 스튜디오가 참여하는지, 그리고 그들의 프로토타입이 실제 게임플레이에서 AI를 어떻게 활용하는지가 핵심 신호가 될 것이다.

이 파트너십이 상업적 출시로 이어질지, 아니면 연구용 프로토타입 단계에 머무를지는 지켜봐야 할 부분이다.

출처

• Google DeepMind

무슨 일이 있었나

Ars Technica의 새로운 보도에 따르면, Meta AI 글라스의 수요가 급증하면서 알지 못하는 사이에 녹화될 위험에 대한 우려가 커지고 있다.

이 보도는 착용자 주변에서 Meta AI 글라스를 감지하도록 설계된 무료 앱 Zuckoff를 대중의 프라이버시 반발 속에 등장한 최신 도구로 조명한다.

왜 중요한가

웨어러블 AI 카메라의 확산은 일반인들이 동의 없이 오디오나 비디오에 포착될 가능성을 높이고 있으며, 이에 따라 탐지 도구의 중요성이 커지고 있다.

Zuckoff와 같은 앱의 존재는 항상 켜져 있는 녹화 장치의 사회적 영향에 대한 광범위한 대중의 불안을 보여주며, 이러한 장치의 인기가 높아지는 상황에서도 그러하다.

핵심 사실

보도에 따르면 Meta AI 글라스는 폭발적인 수요를 보였다.

Zuckoff는 Meta AI 글라스를 감지하는 무료 앱이다.

이 앱은 해당 글라스에 대한 프라이버시 반발 속에서 등장했다.

다음에 주목할 점

웨어러블 카메라가 더 보편화됨에 따라 Zuckoff와 유사한 탐지 도구가 더 널리 채택될지 여부.

메타와 다른 기업들이 이러한 반발과 탐지 앱이 제기하는 프라이버시 우려에 어떻게 대응할지.

출처

• Ars Technica

어떤 일이 있었나

최근 보도에 따르면 영국 정부는 팔란티어와의 광범위한 의료 계약을 취소하라는 요구에 직면하고 있다.

영국의 한 지역인 그레이터 맨체스터는 이 계약에 단호히 반대하며 스스로 더 나은 결과를 낼 수 있다고 주장하고 있다.

왜 중요한가

이 분쟁은 중요한 공공 보건 서비스를 민간 기술 기업에 외주화하는 것에 대한 우려가 커지고 있음을 보여준다.

그레이터 맨체스터의 입장이 유지된다면, 다른 지역들도 유사한 중앙 집중 계약에 의문을 제기하고 더 많은 지역 통제를 요구하도록 장려할 수 있다.

주요 사실

영국 정부는 팔란티어와의 의료 계약을 해지하라는 압력을 받고 있다.

그레이터 맨체스터는 그 일을 스스로 더 효과적으로 처리할 수 있다고 주장한다.

다음에 지켜볼 점

영국 정부가 계약 취소 요구에 응할지 여부.

그레이터 맨체스터의 자립적 접근 방식이 어떻게 전개되고 다른 지역에 영향을 미칠지.

출처

• WIRED

무슨 일이 있었나

GitHub는 저장된 보기를 리포지토리 이슈 사이드바에 고정하는 기능의 일반 공개를 발표했습니다.

이 기능을 사용하면 사용자가 가장 자주 사용하는 보기를 사이드바에 직접 배치할 수 있으므로 한 번의 클릭만으로 접근할 수 있습니다.

이 발표는 GitHub Blog의 체인지로그 게시물의 일부로 이루어졌으며, 추가 업데이트도 암시했습니다.

왜 중요한가

저장된 보기를 고정하면 사용자 지정 이슈 필터와 레이아웃 사이를 끊임없이 전환하는 개발자의 탐색 마찰을 줄여줍니다.

자주 사용하는 보기를 사이드바에 직접 배치하면 팀은 트리아지 워크플로를 간소화하고 반복적인 클릭에 드는 시간을 절약할 수 있습니다.

일반 공개 상태는 이 기능이 이제 여러 리포지토리에서 프로덕션 사용에 안정적이라고 간주된다는 것을 의미합니다.

주요 사실

저장된 보기를 리포지토리 이슈 사이드바에 고정하는 기능이 이제 일반 공개되었습니다.

이 기능을 사용하면 저장된 보기를 사이드바에서 한 번의 클릭으로 접근할 수 있습니다.

이 발표는 GitHub Blog에 게재되었으며 'and more'라는 문구를 포함했습니다.

다음에 주목할 점

블로그 게시물의 'and more'는 이 기능과 함께 추가 변경 사항이 제공되었음을 암시하지만, 요약에는 세부 사항이 포함되지 않았습니다.

사용자는 이번 릴리스의 다른 개선 사항을 설명하는 후속 체인지로그 항목이나 문서 업데이트를 주목해야 합니다.

출처

• GitHub Changelog

무슨 일이 있었나

Google은 앱의 Discover 피드를 맞춤 설정하는 새로운 방법을 도입하여, 사용자가 설정을 수동으로 조정하는 대신 보고 싶은 내용을 설명할 수 있게 합니다.

이 기능은 앞으로 며칠 내에 출시될 예정이며, 사용자가 선호하는 콘텐츠 종류를 AI에게 알릴 수 있는 점 3개 메뉴에 표시됩니다.

AI는 피드를 자동으로 수정하고 향후 방문을 위해 해당 선호도를 유지합니다.

왜 중요한가

이것은 Discover를 수동적인 알고리즘 기반 피드에서 사용자가 자연어로 알고리즘을 조정할 수 있는 상호작용 경험으로 전환하여 잠재적으로 더 관련성 있게 만들 수 있습니다.

메모리 측면은 Google이 더 지속적인 개인화 레이어를 구축하고 있음을 나타내며, AI가 시간이 지남에 따라 명시된 선호도를 추적함에 따라 개인정보 보호 문제가 제기될 수 있습니다.

주요 사실

이 기능은 앞으로 며칠 내에 Google 앱에 출시됩니다.

사용자는 점 3개 메뉴를 통해 옵션에 접근할 수 있습니다.

AI는 향후 방문을 위해 선호도를 기억할 것입니다.

다음에 주목할 점

사용자가 대화식 조정을 수용할지 혼란스러워할지, 그리고 AI가 다양한 설명을 얼마나 잘 해석하는지 여부.

기능이 더 널리 사용 가능해진 후 Google이 저장된 선호도에 대한 개인정보 보호 및 사용자 제어를 어떻게 처리하는지.

출처

• The Verge

무슨 일이 있었나

Amazon Bedrock는 교차 리전 추론을 사용하여 25개 이상의 AWS 리전에 걸쳐 세 가지 OpenAI GPT-5.6 모델 변형(Sol, Terra, Luna)에 대한 지원을 발표했습니다.

새로운 기능은 미국 지리적 및 글로벌 추론 프로필을 사용하여 요청을 라우팅함으로써 더 높은 처리량을 제공하며, OpenAI 및 Converse API를 통해 모델에 액세스할 수 있습니다.

개발자들은 프로덕션에서 모델을 채택할 때 IAM 권한, 할당량 및 모니터링을 구성하도록 안내됩니다.

왜 중요한가

리전 간 추론 라우팅은 단일 리전 엔드포인트에 의존하는 대신 부하를 분산시키고 처리량을 개선하는 데 도움이 될 수 있습니다.

OpenAI 및 Converse API를 모두 지원하면 팀이 Amazon Bedrock의 관리 및 거버넌스 프레임워크 내에서 요청을 유지하면서 친숙한 인터페이스를 사용할 수 있는 유연성을 얻을 수 있습니다.

주요 사실

Amazon Bedrock는 이제 Sol, Terra, Luna라는 이름의 OpenAI GPT-5.6 모델을 제공합니다.

이 모델은 교차 리전 추론을 통해 25개 이상의 AWS 리전에서 사용할 수 있습니다.

US 지리적 및 글로벌 추론 프로필은 더 높은 처리량을 위해 요청을 라우팅합니다.

모델은 OpenAI 및 Converse API를 사용하여 호출할 수 있습니다.

다음에 주목할 점

조직은 US 지리적 및 글로벌 추론 프로필을 사용할 때 처리량 및 지연 시간 개선을 평가할 수 있습니다.

채택이 증가함에 따라 주목은 IAM 구성, 할당량 관리 및 교차 리전 모델 호출 모니터링을 위한 모범 사례로 옮겨갈 것입니다.

출처

• AWS Machine Learning

무슨 일이 있었나

AWS는 Snowflake에 운영 데이터를 저장하고 코드 작성 없이 머신러닝 모델을 구축하려는 팀을 대상으로 하는 튜토리얼 시리즈의 1부를 게시했습니다.

이 첫 번째 편에서는 Amazon SageMaker Canvas를 사용하는 노코드 ML 워크플로를 지원하기 위해 AWS 계정 및 Snowflake 환경을 구성하는 과정을 안내합니다.

이 설정은 향후 사기 탐지 모델의 기반이 되며, 헬스케어, 리테일, 생명과학과 같은 산업을 아우릅니다.

중요한 이유

데이터가 많은 분야의 조직은 ML 개발에 일반적으로 코딩 전문 지식이 필요하기 때문에 대규모 운영 데이터 세트를 예측으로 전환하는 데 어려움을 겪는 경우가 많습니다.

Snowflake 데이터 스토리지와 Amazon SageMaker Canvas를 결합함으로써, 이 시리즈는 비프로그래머가 친숙한 클라우드 인프라를 사용하여 모델 구축을 시작할 수 있는 경로를 보여줍니다.

체계적인 단계별 설정은 진입 장벽을 낮추어 비즈니스 팀이 예측 분석에 더 쉽게 접근할 수 있게 합니다.

주요 사실

이 튜토리얼은 노코드 ML 워크플로 구축에 관한 시리즈의 1부입니다.

AWS 계정 및 Snowflake 환경 설정을 다룹니다.

이 워크플로는 Amazon SageMaker Canvas를 사용하며, 사기 탐지 모델 구축을 위한 것입니다.

헬스케어, 리테일, 생명과학 팀은 대량의 운영 데이터를 Snowflake에 저장합니다.

다음에 주목할 점

시리즈의 후속 편에서는 SageMaker Canvas를 Snowflake 데이터에 연결하고 실제로 사기 탐지 모델을 구축하는 방법을 다룰 예정입니다.

이 접근 방식은 나열된 예시 외에도 규제가 심하거나 데이터가 많은 다른 산업에서 노코드 ML의 템플릿이 될 수 있습니다.

출처

• AWS Machine Learning

무슨 일이 있었나

노코드 머신러닝 시리즈의 두 번째 편은 Amazon SageMaker Canvas를 데이터 기반으로 Snowflake에 연결합니다.

트랜잭션 데이터는 Data Wrangler의 시각적 변환을 사용하여 준비되고 조인되며, 코드가 필요 없습니다.

XGBoost 사기 탐지 모델이 동일한 시각적 워크플로우를 통해 훈련되어, 이후 대시보드 단계를 위한 토대를 마련합니다.

중요한 이유

이 워크플로우는 사기 탐지와 같은 의미 있는 머신러닝 작업이 전적으로 시각적 인터페이스를 통해 완료될 수 있음을 보여줍니다.

코딩 요구 사항을 제거함으로써, 이 접근 방식은 더 넓은 범위의 실무자들이 모델 구축에 접근할 수 있게 합니다.

주요 사실

Amazon SageMaker Canvas가 Snowflake에 연결됩니다.

Data Wrangler 시각적 변환이 트랜잭션 데이터를 준비하고 조인합니다.

머신러닝 코드를 작성하지 않고 XGBoost 사기 탐지 모델이 훈련됩니다.

다음에 볼 것

시리즈의 3부는 준비되고 모델링된 데이터 위에 대화형 대시보드를 구축하는 단계로 설정되어 있습니다.

이 시리즈는 별도의 AWS 서비스를 결합하여 완전한 노코드 ML 파이프라인을 조립할 수 있는 방법을 강조합니다.

출처

• AWS Machine Learning

어떤 일이 있었나

AWS 노코드 ML 워크플로우 튜토리얼의 3부에서는 Amazon SageMaker Canvas의 사기 탐지 예측을 가져와 Amazon Quick Sight에서 시각화하는 방법을 보여줍니다.

이 워크스루는 예측 가져오기, 대화형 대시보드 구축, 생성형 BI를 사용한 자연어 질문, 이해관계자를 위한 AI 생성 경영진 요약 게시를 다룹니다.

중요한 이유

이번 편은 모델 출력부터 비즈니스에 바로 사용할 수 있는 시각적 인사이트까지 전체 분석 여정을 노코드 서비스가 어떻게 다룰 수 있는지 보여줍니다.

머신러닝과 BI 모두에서 코드의 필요성을 없앰으로써 팀은 원시 예측에서 경영진과 비기술적 청중과 공유되는 의사 결정까지 빠르게 이동할 수 있습니다.

주요 사실

이 기사는 Snowflake, Amazon SageMaker Canvas, Amazon Quick Sight를 포함하는 노코드 ML 워크플로우 시리즈의 3부입니다.

사기 탐지 예측은 Amazon SageMaker Canvas로 생성된 후 Amazon Quick Sight로 가져옵니다.

사용자는 대화형 대시보드를 구축하고, 생성형 BI를 통해 자연어로 질문하며, AI 생성 경영진 요약을 게시할 수 있습니다.

다음에 주목할 점

시리즈의 이후 부분에서는 데이터 준비, 모델 튜닝, 거버넌스와 같은 노코드 ML 파이프라인의 추가 단계를 다룰 수 있습니다.

생성형 BI에 대한 강조는 AI 지원 분석이 비즈니스 사용자가 머신러닝 출력과 상호작용하는 방식에서 더 큰 역할을 계속할 것임을 시사합니다.

출처

• AWS Machine Learning

무슨 일이 있었나

WIRED 보도에 따르면, 기술 지도자들은 AI에 대한 대중의 불만과 동떨어져 있는 것으로 보인다.

이러한 괴리에도 불구하고, 이들 인사들은 비판에 아랑곳하지 않은 채 AI에 대해 적극적으로 게시물을 올리고 있다.

이 보도는 실리콘밸리가 AI를 논하는 방식과 일반인들이 AI의 영향을 경험하는 방식 사이의 간극이 커지고 있음을 시사한다.

왜 중요한가

AI를 만들고 홍보하는 사람들이 많은 사람들이 왜 AI를 싫어하는지 이해하지 못한다면, 그들은 실제 사회적 우려를 무시한 제품을 만들 위험이 있다.

지도자들의 게시물 홍수는 그들이 정당한 불만에 응답하기보다 대중과 서로 다른 이야기를 하고 있다는 신호일 수 있다.

이러한 괴리는 AI에 대한 불신을 심화시켜, 이 기술이 폭넓은 사회적 수용을 얻는 것을 더 어렵게 만들 수 있다.

주요 사실

기술 지도자들은 AI에 대한 사회의 불만을 이해하지 못하는 것으로 보인다.

WIRED에 따르면, 그들은 비판에도 불구하고 계속 게시물을 올리고 있다.

이 보도는 2026년 8월 20일에 게재되었다.

다음에 주목할 점

기술 지도자 중 누군가가 단지 AI에 대해 게시물을 올리는 대신 대중의 비판에 의미 있게 응답할지 여부.

이러한 괴리가 AI 제품이 개발되고 출시되는 방식에 영향을 미치는 반발로 이어질지 여부.

출처

• WIRED

무슨 일이 있었나

MIT의 새로운 연구는 화석 연료에 의존하지 않고 암모니아를 생산하는 데 사용되는 재료를 개선하는 방법을 탐구하고 있다.

이 작업은 비료와 기타 제품에 널리 사용되는 이 필수 화학 물질을 만드는 더 깨끗한 공정을 가능하게 하는 데 초점을 맞추고 있다.

왜 중요한가

암모니아는 전 세계 농업에 필수적이지만, 기존 생산 방식은 화석 연료에 크게 의존한다.

화석 연료 없는 공정을 위한 더 나은 재료를 개발하면 이 필수 화학 물질을 생산할 때 발생하는 환경 발자국을 크게 줄일 수 있다.

주요 사실

이 연구는 MIT에서 진행됐다.

목표는 화석 연료 없는 암모니아 생산을 위한 더 나은 재료를 찾는 것이다.

암모니아는 비료와 기타 제품에 필수적이다.

다음에 지켜볼 점

이러한 재료 발견이 산업용 암모니아 생산에 실용적이고 확장 가능한 기술로 개발될 수 있을지 여부.

향후 연구에서는 화석 연료 없는 공정을 실제 사용에 충분히 효율적으로 만들 수 있는 특정 재료를 식별할 수도 있다.

출처

• MIT News

무슨 일이 있었나

GitHub는 'The August 17 outage, and the work ahead'라는 블로그 게시물을 게시하여 August 17에 발생한 서비스 중단에 대한 업데이트를 제공했습니다.

게시물은 회사가 이 장애에 대응하여 신뢰성을 개선하기 위한 조치를 취하고 있다고 밝힙니다.

왜 중요한가

많은 개발자와 조직이 코드 호스팅 및 관리를 위해 GitHub에 의존하므로 중단은 워크플로우와 협업에 광범위한 영향을 미칠 수 있습니다.

장애 후 공개 업데이트는 투명성을 확보하고 플랫폼의 안정성이 해결되고 있음을 사용자에게 안심시키는 데 중요합니다.

주요 사실

August 17에 장애가 발생했습니다.

GitHub는 장애에 대한 업데이트를 발표했습니다.

GitHub는 신뢰성을 개선하기 위한 조치를 취하고 있습니다.

다음에 주목할 점

사용자들은 장애의 근본 원인에 대한 더 자세한 기술 보고서나 후속 게시물을 기대할 수 있습니다.

향후 발표에서 GitHub가 구현할 구체적인 신뢰성 조치가 공개될 수 있습니다.

출처

• GitHub

무슨 일이 있었나

GitHub가 Visual Studio 2026을 포함한 Windows 11 arm64 러너 이미지의 일반 공급을 발표했습니다.

이 이미지는 표준 및 대형 GitHub 호스팅 러너에서 사용할 수 있으며, GitHub Actions 사용자에게 아키텍처 옵션을 확장합니다.

발표에 따르면 이미지를 사용하려는 개발자는 GitHub Actions 워크플로 파일을 업데이트해야 합니다.

왜 중요한가

이번 릴리스는 Windows 개발자에게 GitHub 호스팅 인프라에서 CI/CD 파이프라인을 실행할 때, 특히 ARM 기반 워크로드에서 더 큰 유연성을 제공합니다.

호스팅 러너 라인업에 arm64 Windows 이미지를 추가하면 자체 호스팅 러너 없이도 GitHub Actions를 통해 직접 사용할 수 있는 테스트 및 빌드 옵션이 넓어집니다.

주요 사실

Visual Studio 2026이 포함된 Windows 11 arm64 이미지가 일반 공급됩니다.

표준 및 대형 GitHub 호스팅 러너에서 제공됩니다.

GitHub Actions에서 사용하려면 사용자가 워크플로 파일을 업데이트해야 합니다.

다음에 지켜볼 점

개발자는 새 이미지로 전환하는 데 필요한 정확한 구문을 확인하려면 GitHub 변경 로그와 워크플로 문서를 확인해야 합니다.

ARM64 Windows용으로 빌드하는 팀은 새 호스팅 러너로 파이프라인을 마이그레이션하고 빌드를 검증하기 시작할 것으로 예상됩니다.

출처

• GitHub Changelog

무슨 일이 있었나

Cloudflare의 OAuth 구현은 선택적 스코프 지원을 추가하여 전부 아니면 전무(all-or-nothing) 방식을 넘어섰습니다.

이번 변경으로 사용자는 광범위한 권한을 승인하는 대신 특정 작업에 필요한 권한에만 접근을 허용할 수 있습니다.

개발자는 이제 앱이 수행하는 즉각적인 작업에 맞는 동의 흐름을 설계할 수 있습니다.

왜 중요한가

이러한 변화는 사용자에게 더 많은 통제권을 부여하며, 지나치게 광범위한 접근 요청을 승인할 때의 마찰을 줄여줄 수 있습니다.

작업 기반 동의 흐름은 앱이 각 단계에서 필요한 최소 권한만 요청하는 보안 사고방식을 장려합니다.

이는 ID 및 접근 관리에서 더 세분화되고 사용자 중심적인 인증으로 나아가는 광범위한 추세를 반영합니다.

주요 사실

Cloudflare OAuth는 이제 선택적 스코프를 지원합니다.

사용자는 앱이 접근할 수 있는 항목에 대해 더 많은 통제권을 얻습니다.

이 기능은 개발자가 당면한 작업을 중심으로 안전한 동의 흐름을 구축하는 데 도움을 줍니다.

다음에 주목할 점

개발자들이 실제 OAuth 동의 화면에서 선택적 스코프를 어떻게 채택하는지 지켜보세요.

다른 ID 제공업체들이 유사한 세분화된 동의 옵션을 도입할지도 주목하세요.

출처

• Cloudflare