(주)제로원정보기술

노마디안 업무 설계 가이드: 역할 분담·산출물 인계·승인 지점 정하기

(주)제로원정보기술 — Sat, 31 Oct 2026 09:00:56 +0900

멀티 에이전트의 효과는 역할을 많이 만드는 데서 나오지 않습니다. 한 작업의 결과가 다음 작업으로 정확히 넘어가고, 마지막 검토까지 이어져야 합니다.

노마디안은 직무별 AI 팀원을 룸에 배치하는 SaaS입니다. 12월 15일 미국 베타 공개를 앞두고, 소규모 조직이 준비할 업무 설계 기준을 살펴보겠습니다.

1. 역할보다 먼저 완료할 결과를 정합니다

예를 들어 고객 제안서 작업이라면 조사 보고서와 제안서 초안, 확인이 필요한 질문 목록을 최종 산출물로 정하세요. 조사 담당과 작성 담당은 그다음에 나누는 편이 좋습니다. 그래야 비슷한 답을 여러 에이전트에게 반복해서 받는 일을 줄일 수 있습니다.

한컴 공식 제품은 프로젝트 리더와 마케팅·문서 작성·고객 관리 등 직무별 팀원을 소개합니다. 아래 공식 홍보 영상 장면도 이 역할 구성을 표현한 것입니다.

2. 작업을 넘길 때 근거도 함께 전달하세요

조사 단계에서는 원문 링크와 작성일, 사용한 자료 범위를 남기고, 작성 단계에서는 어떤 근거로 문장을 만들었는지 연결해 보세요. 자료가 없는 항목은 질문 목록으로 넘겨야 합니다.

예를 들어 지역 행사 홍보안을 만들 때는 행사 장소와 일정, 참가 조건을 확정 자료로 제공하고, 조사 결과를 받은 작성 담당이 채널별 초안을 만듭니다. 검토자는 날짜와 신청 링크를 대조한 뒤 승인하는 방식입니다.

3. 룸과 연결 도구를 업무 경계로 사용합니다

고객이나 프로젝트별로 자료를 나누면 업무 맥락을 관리하기 쉽습니다. 다른 고객 문서를 같은 흐름에 섞지 말고, 읽을 자료와 결과를 저장할 위치를 미리 지정하세요.

진행률만 보고 완료로 판단하지 말고 산출물과 근거, 중단 이유를 확인하는 기준을 두는 것이 좋습니다. 일정이 지났을 때 누구에게 질문할지까지 정하면 장시간 작업도 이어가기 편합니다.

4. 외부 실행 전에 사람이 확인할 항목

메일 발송, 서명 요청, 결제는 내부 문서 초안과 다른 승인 단계로 다룹니다. 수신자와 첨부 자료, 금액이나 계약 조건처럼 실제 영향을 주는 항목을 검토하고 실행 범위를 정하세요.

노마디안은 웹 기반 이용과 기존 도구 연결을 목표로 하며 미국 베타 공개가 예정돼 있습니다. 도입 검토에서는 실제 연결 가능한 앱과 권한, 예산 한도, 실행 기록을 확인하고 작은 반복 업무부터 시험해 보는 편이 좋습니다.

공식 출처·참고 자료

한컴 — 노마디안 제품 소개·베타 일정

AI타임스 — 노마디안 데이 발표

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

본사: 경상북도 영천시 괴연1길 24-24, 경북테크노파크 하이브리드부품연구소 304-2호
지점: 대구광역시 수성구 알파시티1로 42길 11, 태왕알파시티수성 B동 1018호

Nemotron 3.5 Transcribe 구축 가이드: 한국어 전사·화자 구분·GPU 운영 조건

(주)제로원정보기술 — Fri, 30 Oct 2026 09:37:56 +0900

회의록 시스템을 만들 때는 전사 정확도와 운영 조건을 함께 봐야 합니다. 이름과 숫자를 고치는 시간, 발언을 다시 찾는 시간까지 줄여야 실제 업무가 편해집니다.

Nemotron 3.5 Transcribe는 녹음과 텍스트 지시를 입력받는 Speech-Augmented Language Model입니다. 한국어 음성 처리부터 자체 서버 운영까지 검토할 때 필요한 항목을 정리했습니다.

1. 음성과 지시문을 함께 처리하는 구조

음성 인코더와 화자 구분 모듈, MoE 언어모델이 연결됩니다. 음성 인코더를 포함한 전체 파라미터는 약 34B, 활성 파라미터는 약 4.3B입니다. 활성 파라미터가 작아도 전체 가중치와 추론 메모리는 따로 확보해야 합니다.

다음은 NVIDIA의 공식 구조 개요입니다. 출력 표기나 전문용어 문맥을 지시문으로 조절할 수 있어, 하나의 고정 받아쓰기 규칙보다 업무에 맞춘 설정 여지가 큽니다.

2. 전사와 후속 문서 작성을 분리해서 설계하기

우선 원문 보존용 전사와 읽기 좋은 기록 중 무엇을 만들지 정하세요. 화자 태그와 시간 정보가 필요한 작업이라면 요청 단계부터 포함하고, 이름·부서·제품명 목록을 문맥으로 전달합니다.

예를 들어 고객 상담 녹음을 처리할 때는 상담 내용의 원문 기록을 먼저 확보하고, 담당자가 약속한 일정과 금액을 원음으로 확인한 뒤 별도 요약 단계에서 업무 티켓을 만드는 흐름이 적합합니다. 전사 기록과 요약 결과를 함께 보관하면 수정 근거를 찾기 쉽습니다.

3. GPU와 입력 한도를 먼저 맞추세요

공식 BF16 시작 예제는 H100 80GB 한 장을 기준으로 합니다. FP8·NVFP4 등 다른 정밀도는 GPU 호환성과 지원 경로를 확인해 선택하세요. 최대 녹음 길이는 1시간, 문맥 길이는 65,536토큰입니다.

한국어는 전사·번역·다중 화자 처리 지원표에 포함되지만, 음성 이해와 추론 평가는 영어 기준입니다. 한국어 회의 Q&A까지 한 번에 도입하려면 별도 검증이 필요합니다. 내부 오디오 분할 기능을 실시간 스트리밍 지원으로 해석하지 않도록 주의하세요.

4. 작은 검증 세트로 처리 품질을 비교하세요

발언이 겹치는 회의, 전문용어가 많은 회의, 잡음이 있는 회의를 각각 골라 기준 전사본을 만들어 보세요. 단어 오류율과 함께 화자 오류, 숫자 오류, 담당자의 수정 시간을 기록하면 도입 판단에 도움이 됩니다.

운영 비용은 GPU 사용 시간에 검토·보관 비용을 더해 계산하는 편이 현실적입니다. 최적화된 NIM의 처리량을 일반 오픈소스 설치 성능으로 가정하지 말고, 사용할 정밀도와 동시 처리 조건에서 측정하세요.

공식 출처·참고 자료

NVIDIA — 공식 연구 발표와 개요 이미지

NVIDIA — 배포·프롬프트·언어 지원 문서

AI타임스 — 국내 보도

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

Devin Security 2.0 운영 가이드: 위협 모델·재현 환경·수정 PR 검토 기준

(주)제로원정보기술 — Thu, 29 Oct 2026 10:05:08 +0900

Devin Security 2.0을 도입할 때는 스캔 결과보다 수정의 검증 가능성을 봐야 합니다. AI가 취약점 후보를 많이 찾아도 재현 조건과 테스트 근거가 없으면 검토 업무만 늘어날 수 있습니다.

10월 26일 Cognition 발표를 바탕으로, 저장소 조사에서 수정 PR까지의 흐름과 조직이 준비할 운영 기준을 정리합니다. 아래 업무 예시는 실제 고객 실적이나 직접 측정 결과가 아닌 적용 방법입니다.

1. 공식 데모는 어떤 작업을 보여주나

발표 페이지에는 기존 보안 도구와 보고서에서 가져온 항목을 한 목록에서 확인하고 Devin에 할당하는 시연이 있습니다. 새로운 경고뿐 아니라 이미 쌓여 있는 보안 점검 항목도 처리 대상으로 삼는 구성입니다.

아래 캡처는 Cognition의 공개 데모 원본입니다. 실제 운영 시스템에서 새로 수행한 검사나 고객 정보가 담긴 화면으로 소개하지 않습니다.

2. 보안 에이전트에 맡길 작업 단위를 정하기

Devin Security 2.0은 조사·우선순위 판단·수정 작업을 연결합니다. 공식 설명의 Agentic MapReduce는 저장소를 조사한 뒤 관련 코드를 나눠 병렬 분석하고, 결과를 모아 중복과 연결된 공격 경로를 검토하는 방식입니다.

운영 적용 예시로 결재 시스템의 자료 열람 기능을 선택했다면, 허용된 요청과 차단돼야 할 요청을 함께 준비합니다. 정상 화면만 확인하면 조직·사용자 간 접근 경계를 놓치기 쉽습니다.

처리 범위를 작게 정하면 변경 내역과 실패 원인을 확인하기 쉽습니다. 도식의 마지막 검증은 AI가 작성한 문장을 믿는 것이 아니라 실제 테스트 근거를 확인하는 과정입니다.

3. 위협 모델에는 코드 밖의 조건도 필요합니다

외부 공개 여부, 인증 조건, 데이터 종류와 서비스 간 신뢰 경계는 위험 판단에 영향을 줍니다. 코드에서 알 수 없는 운영 조건은 담당자가 보완해야 합니다.

예를 들어 내부 도구로 설계한 기능이 외부 프록시를 통해 공개됐다면 전제부터 달라집니다. 저장소 접근 권한을 주기 전에 점검 대상과 테스트 계정, 외부 연결 범위를 정리하고 변경 책임자를 지정하는 것이 좋습니다.

4. 재현 환경과 PR 검토 기준을 분리하세요

공식 발표는 별도 가상환경에서 서비스 실행·문제 재현·수정·테스트를 수행하고 검토용 PR을 만드는 흐름을 설명합니다. 원인이 불명확하거나 검증이 끝나지 않은 결과는 그 상태로 남길 수 있어야 합니다.

실무 검토에서는 수정 전 재현 결과, 수정 후 차단 결과, 기존 기능 테스트를 한 묶음으로 확인하세요. 권한 검사를 추가했다면 정상 사용자의 경로도 통과해야 합니다. 실패한 테스트를 지우거나 결과를 추측해 완료로 처리해서는 안 됩니다.

5. 도입 효과는 검토와 수정이 끝난 작업으로 평가

점검 항목 수만 늘어났는지, 실제 수정과 검토가 끝난 항목이 늘었는지를 나눠 기록해 보세요. 사람이 수정안을 읽고 재현 환경을 보완한 시간도 포함해야 운영 효과를 판단할 수 있습니다.

바이브 코딩으로 만든 사내 도구도 동일합니다. 기능 완성과 배포 승인 사이에 접근 권한·데이터 경계·회귀 테스트를 확인하는 절차를 두면 AI의 개발 속도를 검증 가능한 변경으로 연결할 수 있습니다.

공식 출처·참고 자료

Cognition — Devin Security 2.0 공식 발표, 2026.10.26

AI타임스 — AI 모델 신작 보도, 2026.10.28

공식 데모 화면: Cognition / Devin. 발표 페이지의 공개 시연 화면을 캡처했습니다. 직접 운영한 고객 시스템 화면이 아닙니다. 자료 확인: 2026년 10월 29일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

Siri AI 한국어 베타 활용 가이드: iOS 27.2 지원 기기·설정·업무 접근 범위

(주)제로원정보기술 — Wed, 28 Oct 2026 20:59:35 +0900

Siri AI 한국어 베타를 업무에 쓰려면 무엇부터 확인해야 할까요? iOS 27.2는 한국어 지원을 넓혔지만, 지원 기기와 앱 접근 범위, 작업 결과 확인까지 함께 설계해야 활용 가치가 생깁니다.

이 글은 10월 26일 Apple 발표와 업데이트 문서를 기준으로 설정 조건과 운영 방법을 정리합니다. 단순한 음성 명령을 넘어 개인 자료와 화면 맥락을 이용하는 변화가 중심입니다.

1. 공식 데모에서 읽을 수 있는 작업 단위

Apple의 9월 공식 화면에는 빈 토요일 시간대를 조건으로 이메일 초안을 작성해 달라는 요청이 나옵니다. 질문에 대한 답변에서 끝나는 대신 사용자가 원하는 결과물을 앱 작업으로 연결하는 사례입니다.

동일 제품의 영어 데모를 원본 그대로 소개합니다. 한국어 화면을 직접 시험한 결과로 표현하지 않으며, 10월 발표에서 확인된 변화는 한국어를 포함한 언어 확대입니다.

2. 개인 맥락과 화면 인식은 어떻게 다른가

개인 맥락은 메시지·메일·사진 등에 흩어진 정보를 질문과 연결하는 능력입니다. 화면 인식은 지금 보고 있는 콘텐츠를 기준으로 요청을 이해하는 능력이며, 앱 동작은 찾은 결과를 초안이나 일정 등의 작업으로 이어주는 부분입니다.

실무 요청에는 대상과 범위를 넣는 것이 좋습니다. “그 자료 찾아 줘”보다 “지난주 받은 행사 안내 메일을 찾아 발신자와 날짜를 알려 줘”라고 요청하면 확인할 결과가 명확해집니다.

아래 흐름은 사용자가 업무를 구성하는 방법입니다. 제품의 비공개 처리 구조나 매 단계 승인창이 뜬다는 설명은 아닙니다.

3. iOS 27.2 적용 전 확인할 설정

Apple 지원 문서의 iPhone 대상은 iPhone 15 Pro·15 Pro Max와 iPhone 16 전 모델 이후입니다. iOS 버전만 올리면 모든 iPhone에서 지원된다고 생각하기 쉽지만, Apple Intelligence 호환 조건이 따로 있습니다.

기기 언어와 Siri 언어를 같은 지원 언어로 맞춘 뒤 설정의 Siri에서 베타 시작 옵션을 확인합니다. 내려받기나 대기가 표시될 수 있으며 기기·계정 지역·플랫폼에 따른 이용 조건도 확인해야 합니다.

한국어 베타는 iPadOS 27.2·macOS 27.2 등에도 확대됐습니다. 예를 들어 iPad mini(A17 Pro)나 M1 이상 iPad, M1 이상 Mac 등 하드웨어 조건이 있으므로 보유 모델별로 공식 문서를 확인하는 편이 정확합니다.

4. 앱 제외와 결과 검증을 운영 기준으로

iOS 27.2의 Excluded Apps는 Siri·검색·제안의 앱 접근 범위를 한곳에서 조절하는 기능으로 안내됩니다. 업무 앱을 연결하기 전에 자료 등급과 회사의 기기 관리 정책을 확인하고, 허용할 범위를 먼저 정하세요.

업무 적용 예시로 회의 안내 초안을 만들었다면 수신자, 시간대, 참석 조건을 확인한 뒤 전송합니다. 일정 추가가 실패했다면 캘린더에 이미 등록됐는지 확인하고 수동 처리해야 중복을 줄일 수 있습니다.

이런 검증은 실제 조직의 승인 절차를 보완합니다. 앱이 제공하는 동작과 권한에 따라 수행 범위가 달라질 수 있으므로 모든 사내 시스템을 자동 제어한다고 소개할 수는 없습니다.

5. 활용 범위는 작은 작업의 성공률로 판단하세요

서버 기반 Apple Intelligence 기능 일부에는 일일 사용 한도가 적용됩니다. 한도는 작업 복잡도와 시스템 수요 등에 따라 달라질 수 있고, 확대 이용에 대한 향후 유료 제공 안내는 있지만 확정 가격을 제시할 근거는 없습니다.

도입을 검토한다면 일반 메일 초안이나 일정 조회처럼 검증이 쉬운 업무부터 결과와 수정 시간을 기록해 보세요. 한국어 인식이 되는지만 보기보다, 원하는 자료를 찾았는지와 최종 작업이 정확한지를 기준으로 활용 범위를 넓히는 것이 좋습니다.

공식 출처·참고 자료

Apple — 한국어 지원 확대 발표, 2026.10.26

Apple — Siri AI 공식 데모와 이미지 원본, 2026.09.14

Apple 지원 — iOS 27.2 기능과 지원 기기

Apple 지원 — Siri AI 활성화 절차

AI타임스 — 한국어 서비스 개시 보도, 2026.10.27

공식 제품 화면: Apple Newsroom, © Apple. 9월 공개된 영어 데모이며 한국어 실행 화면으로 표시하지 않았습니다. 지원 조건 확인: 2026년 10월 28일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

RTX 30 GPU Unlock 성능 해석: BF16 연산 개선과 LLM·영상 생성의 병목 차이

(주)제로원정보기술 — Tue, 27 Oct 2026 10:40:18 +0900

RTX 30 계열의 GPU Unlock 소식에서 가장 먼저 구분할 것은 연산 처리량과 실제 서비스 지연 시간입니다. GPU 내부의 계산이 빨라져도 모델 실행 전체의 병목이 그대로라면 사용자가 체감하는 변화는 작을 수 있습니다.

이 글에서는 개발자 원문을 기준으로 변경 대상, 공개 측정 조건, 이미지·영상 생성과 LLM 서비스의 차이를 정리합니다. NVIDIA 공식 드라이버의 기능 추가가 아닌 커뮤니티 프로젝트라는 점부터 확인해야 합니다.

1. 변경되는 것은 특정 연산의 발행 속도입니다

원 개발자는 Linux 커널 모듈을 이용해 NVIDIA 드라이버가 장치를 점유하기 전에 연산 관련 설정을 바꾸는 구조를 설명합니다. 일반적인 응용프로그램 옵션 하나를 켜는 것과는 적용 지점이 다릅니다.

문서의 초점은 FP16·BF16 입력으로 계산하고 FP32로 누산하는 연산입니다. 지원 대상으로 언급된 GPU 칩과 실제 보드, 사용 중인 드라이버·커널을 대조해야 하며 카드 이름만 보고 동작을 확정할 수는 없습니다.

LLM에서도 입력 처리(prefill)와 출력 생성(decode)은 요구 자원이 다릅니다. 특히 작은 배치의 토큰 생성은 메모리 병목이 커질 수 있고, 큰 배치·다른 엔진에서는 연산 비중도 달라집니다.

2. RTX 3090 Ti 결과를 읽는 기준

개발자 README에는 RTX 3090 Ti의 8192³ GEMM 결과가 제시돼 있습니다. 조건은 450W 전력 한도·FP32 누산·5회 중앙값이며, 단위는 TFLOPS입니다. 아래는 이 표의 실제 원문 화면입니다.

BF16의 157.41÷87.50은 약 1.80배입니다. FP16은 같은 표에서도 변화 폭이 다릅니다. 연산 형식별 결과가 다른데 이를 “모든 AI가 같은 비율로 빨라진다”로 합쳐 해석할 수는 없습니다.

원 이슈에는 초기 실험 구성과 이후 주 저장소 반영 과정이 기록돼 있습니다. 원문 표의 시험 환경을 현재 패키지를 설치했을 때의 보장 결과로 바꾸어 읽지 않는 것이 중요합니다.

3. 서비스에서는 구간별로 시간을 나눠 재야 합니다

이미지·영상 파이프라인
모델 추론 구간뿐 아니라 입력 파일 읽기, CPU 후처리, 저장과 인코딩까지 시간을 구분합니다. 같은 생성 모델·정밀도·해상도·단계 수를 유지하고 워밍업 뒤 반복 측정하면 비교 조건을 통제하기 쉽습니다.

사내 LLM·RAG 서비스
문서 검색 지연과 모델의 첫 토큰까지 걸린 시간, 이후 토큰 처리량을 분리합니다. 검색 시스템이 느린 경우 GPU 연산 최적화만으로 직원의 대기 시간이 충분히 줄지 않을 수 있습니다. 동시 요청 수와 입력·출력 길이도 같은 기준으로 맞춰야 합니다.

콘텐츠 제작 업무
담당자가 시안을 요청하고 AI가 결과를 만들면, 최종 선택 전에 제품 형태·텍스트·장면 일관성을 검토합니다. 실패 시 재생성 시간을 포함해야 하므로, 한 번의 빠른 실행보다 실제 채택한 이미지나 영상 한 건당 시간을 비교하는 편이 실무적입니다.

4. 재현 가능한 검증을 위한 흐름

같은 프롬프트·모델 버전·정밀도·배치 조건으로 전후 결과를 남깁니다. 최저 시간 하나 대신 중앙값과 편차를 비교하고 장시간 구동에서 실패가 늘지 않는지도 살펴봅니다. 아래 흐름은 업무 적용을 위한 검증 순서입니다.

5. 배포와 장비 선택은 따로 판단합니다

원 프로젝트의 중심은 Linux이며 Windows는 별도 포트로 소개됩니다. 포트의 존재만으로 지원 품질이 동일하다고 볼 수 없으므로 실제 환경과 유지보수 범위를 확인해야 합니다. 부팅 초기 단계에 관여하는 만큼 시험 장비에서 재현한 뒤 운영 적용 여부를 판단하는 편이 타당합니다.

GPU Unlock은 VRAM을 늘리거나 데이터센터 GPU의 모든 기능을 제공하는 도구가 아닙니다. 큰 모델 적재가 목적이라면 메모리 용량, 동시 사용자가 많다면 대역폭·추론 엔진·배치 구성을 먼저 검토할 필요가 있습니다.

운영에서 남길 기록
적용한 버전과 환경, 전후 측정값, 정상 결과물 수, 오류 로그, 복구 절차를 남겨야 이후 업데이트 때도 같은 기준으로 비교할 수 있습니다. 성능 이득이 유지보수 비용을 넘어서는지가 최종 판단 기준입니다.

기존 장비의 잠재력을 확인하는 기술로는 흥미롭지만, 효율을 결정하는 것은 장비의 이름보다 실제 작업의 병목입니다. 이미지 생성과 문서 챗봇을 같은 수치로 평가하지 않고, 서비스 단위로 측정하는 접근이 필요합니다.

공식 자료·원문

Zagitta — GPU Unlock 개발자 저장소와 README

RTX 3090 Ti 비교 측정 조건과 개발 이력

NVIDIA — LLM 추론의 prefill·decode와 메모리 병목

AI타임스 — RTX 30 GPU Unlock 관련 보도, 10월 26일

비교 도표: Zagitta/gpu-unlock 개발자 README의 원본 표 화면 인용. NVIDIA의 공식 성능 발표가 아닙니다. 자료 확인: 2026년 10월 27일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

PhoneUse MCP 연동 가이드: 모바일 에이전트의 지원 범위·화면 관찰·실행 검증

(주)제로원정보기술 — Mon, 26 Oct 2026 18:00:02 +0900

PhoneUse를 개발 도구에 연결할 때 핵심은 단순한 좌표 클릭이 아닙니다. 기기 기능 확인 → 제어권 확보 → 화면 관찰 → 행동 → 결과 검증을 하나의 실행 계약으로 다뤄야 합니다.

1. 연결 전 제공 범위를 확인하기

공식 개발 문서는 hosted MCP 엔드포인트를 https://mcp.phoneuse.com/mcp 로 안내합니다. 연결에는 조직 범위의 API 키를 사용하며, 키의 범위에 따라 보이는 도구와 접근 가능한 기기가 달라집니다.

홍보 페이지의 로봇 손 아이폰 데모와 개발 도구 지원은 구분합니다. 현재 문서에서 robot_hand는 API·MCP·CLI 어댑터가 없는 종류로 표시됩니다. 클라우드 안드로이드와 로컬 에뮬레이터·실물 안드로이드도 연결 경로가 다릅니다.

2. 공식 데모는 입력·처리·결과를 나눠 보기

제품 사이트에는 인스타그램 업로드 후 텔레그램으로 알림을 보내는 실행 영상과 로봇 손의 물리적 조작 영상이 있습니다. 아래 사진은 공식 로봇 손 영상의 대표 이미지입니다.

데모는 모바일 앱을 포함한 작업 흐름의 방향을 보여줍니다. 개발 적용 여부는 해당 계정의 기기 목록과 capabilities에서 스크린샷·UI 트리·터치·입력 지원을 확인해 결정합니다.

3. 화면 관찰과 실행 결과를 연결하기

Quickstart는 list_devices, acquire_device, screenshot, tap, release_device 순서의 기본 흐름을 안내합니다. 기기 제어권을 확보하고 관찰 프레임을 보관해 행동의 근거를 남깁니다.

동작 요청이 전달됐다는 진행 알림과 기기가 실행을 완료했다는 결과는 다릅니다. 결과가 불명확하면 같은 키로 기록을 조회하고 이미 처리됐다면 재실행하지 않는 구조가 필요합니다.

4. 기기 기능과 실행 경계를 분리

기기 종류만 보고 기능을 추정하지 않습니다. 화면 캡처가 가능한지, UI 트리를 제공하는지, 입력이 어떤 방식으로 전달되는지는 장치별 선언을 확인합니다.

외부 전송·개인정보 공개·결제 같은 행동은 별도 승인 단계로 분리하고, 인증 화면이나 결과 불명 상태에서 사람에게 넘길 수 있도록 설계합니다. 자동화 기능이 앱의 이용 허용을 대신하는 것은 아닙니다.

5. 첫 도입은 반복 가능한 시험 업무로

테스트 계정으로 앱 검색·입력·화면 전환을 실행하고 성공 화면과 실패 화면을 비교합니다. 작업 성공률에 더해 중복 실행, 화면 변화 후 잘못된 클릭, 사람의 인계 횟수를 측정합니다.

홍보 게시 업무에 확장한다면 승인된 소재만 사용하고 게시 준비와 최종 전송을 분리합니다. 완료 판단은 에이전트의 문장보다 실제 게시물·실행 시각·작업 기록을 기준으로 합니다.

공식 출처·원본 이미지

PhoneUse — 제품 소개·공식 실행 데모

PhoneUse — 시작하기·실행 결과 확인

PhoneUse — 기기 등급과 제공 범위

PhoneUse — 기기별 기능·현재 지원 백엔드

PhoneUse — 실행 진행 상태·사람에게 인계

AI타임스 — 10월 25일 신작 소개

로봇 손 사진: PhoneUse 공식 사이트의 실행 데모 대표 이미지. 자료 확인: 2026년 10월 26일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

Nemotron 3.5 Bolt E4B 도입 가이드: 메모리·벤치마크·추론 설정과 업무 적용

(주)제로원정보기술 — Mon, 26 Oct 2026 09:34:19 +0900

Nemotron 3.5 Bolt E4B를 도입할 때 먼저 확인할 것은 최고 점수보다 메모리 예산·도구 호출 성공률·응답 지연입니다. 로컬 배포 관점에서 공식 수치와 설정을 정리합니다.

1. 모델과 실행 패키지를 먼저 구분

공식 모델 카드는 Gemma-4-E4B 기반, 전체 8B·유효 4B 매개변수로 설명합니다. 4GB 배포용 GGUF와 BF16 모델을 같은 메모리 조건으로 비교하면 안 됩니다.

Ollama·LM Studio·llama.cpp 등 배포 경로가 제공됩니다. 모델 파일 외에 런타임, KV 캐시, 동시에 사용하는 음성·비전 모델을 포함해 장비 용량을 잡아야 합니다.

2. 평가 점수와 실제 지연 시간을 분리

아래 공식 도표는 Q4_K_M 로컬 모델을 RTX 5090에서 약 3K 입력·50 출력 조건으로 측정한 평균 점수와 첫 토큰 지연입니다. 세부 BF16 표와 양자화 도표의 조건을 혼합하지 않습니다.

BF16 세부 표의 Tau2-Bench 평균 정확도는 Bolt E4B 55.1, Qwen 3.5 4B 75.1입니다. 반면 IHEval은 각각 84.8과 60.6입니다. 평가마다 추론 모드가 다를 수 있으며 같은 평가 안에서는 모드를 맞췄다는 NVIDIA 설명을 함께 읽어야 합니다.

3. 로봇 데모의 역할 분담을 설계에 활용

공식 Reachy Mini 사례에서 Cosmos 3 Edge는 시각 이해를 제공하고 Bolt E4B는 발화와 애니메이션 라이브러리 호출을 담당합니다. 아래 이미지는 그 공식 데모의 한 장면입니다.

업무 시스템도 입력 처리, 언어 판단, 실제 도구 실행을 분리하면 오류가 난 위치를 추적하기 쉽습니다. 도구 반환값이 비정상이면 성공으로 답하지 않고 실패 원인과 재처리 여부를 기록하도록 구성합니다.

4. 추론 설정은 작업별로 조절

모델 카드에는 thinking 활성화·비활성화, conversational_mode, 런타임 추론 예산 조절이 안내되어 있습니다. 짧은 음성 응답과 복잡한 도구 선택을 같은 설정으로 고정하기보다 정확도와 지연을 함께 확인합니다.

캐시와 문맥이 늘면 메모리도 늘어납니다. NVIDIA의 Q4_K_M·배치 1 측정에서 RTX 5070은 짧은 입력 조건 3.5GB, 32K 캐시 조건 4.3GB였고 Jetson Orin Nano 8GB는 각각 4.2GB와 4.9GB였습니다. 장비·소프트웨어·입출력 조건이 바뀌면 결과도 달라집니다.

5. 도입 전 테스트는 실제 실패까지 포함

처음에는 조회 전용 업무를 골라 한국어 표현이 다른 질의와 존재하지 않는 자료 요청을 섞습니다. 정답률뿐 아니라 도구 인자 오류, 근거 없는 완료 보고, 담당자 검토 시간을 함께 기록합니다.

비용은 토큰 단가 하나보다 성공한 업무 1건당 장비·운영·검토 비용으로 비교합니다. 배포 시에는 모델 카드의 OpenMDW 1.1 라이선스와 사용 조건도 확인해야 합니다.

공식 출처·원본 이미지

NVIDIA — Bolt E4B 기술 발표·평가 조건·로봇 데모

NVIDIA Hugging Face — 모델 카드·배포·추론 설정

AI타임스 — 10월 25일 관련 보도

공식 벤치마크 도표와 Reachy Mini 데모 이미지: NVIDIA. 원본 발표 자료를 인용했습니다. 자료 확인: 2026년 10월 26일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

Kimi K3.1 Pro 도입 가이드: 벤치마크 조건·API 요금·Code 설정·가중치 공개 일정

(주)제로원정보기술 — Sun, 25 Oct 2026 19:29:45 +0900

Kimi K3.1 Pro를 업무에 연결하려면 성능보다 먼저 평가 조건과 호출 경로를 정해야 합니다. 독립 지수, 발표사 벤치마크, API 요금과 Kimi Code 설정을 나눠 도입 기준을 살펴보겠습니다.

긴 문맥이나 높은 점수가 운영 품질을 대신하지는 않습니다. 입력 자료, 허용 도구, 완료 조건을 고정한 작은 검증부터 시작하는 편이 좋습니다.

1. 토큰 요금과 완료 비용을 분리합니다

공식 해외 API 플랫폼에 표시된 USD·100만 토큰 기준 요금을 아래에 정리했습니다. 캐시 쓰기와 적중을 구분하고, 이 가격을 Kimi Code 구독 한도와 혼동하지 않아야 합니다.

예를 들어 캐시 없이 입력 10만·과금 출력 1만 토큰을 처리한다면 일반형의 단순 토큰 합계는 0.30달러, Highspeed는 0.60달러입니다. 설명용 계산이며 실제 작업에는 추론 토큰·재호출·도구와 저장 비용 등을 별도로 확인해야 합니다. 예상량을 정답의 길이만으로 계산하지 마세요.

2. 발표사 비교표는 하네스와 표본을 함께 봅니다

Moonshot이 제시한 Terminal-Bench 4.0 결과는 Kimi 65.7%, Astra 58.2%, Opus 5.5 66.4%입니다. Kimi는 max·Claude Code로 평가했고 경쟁 모델은 공개된 최고 보고값을 사용했습니다. 이 비교를 동일 조건의 독립 실험으로 표현할 수는 없습니다.

아래 BenchCAD 원본은 1,000개 표본의 Voxel IoU이며 높을수록 좋습니다. 도구 사용과 미사용을 구분하고, 일부 경쟁 모델 값은 각사 보고서에서 인용했다는 각주까지 확인해야 합니다. 터미널 문제 해결 점수와 평균을 내서 하나의 종합 점수로 만들지 않습니다.

3. 공식 제품 화면과 사내 적용 예시를 구분합니다

공식 발표의 3D Make 화면에는 프롬프트 입력과 모델 예시가 보입니다. 아래는 그 원본이며 자체 제작한 사용 후기 화면이 아닙니다.

사내 검증에서는 같은 형상 요구사항을 반복 입력하고 생성 파일이 열리는지, 치수와 구조가 맞는지, 수정 지시가 다른 부분을 훼손하지 않는지 확인할 수 있습니다. 실패한 샘플도 기록해야 재작업 비용이 드러납니다.

4. 독립 평가를 우리 업무의 검증으로 연결합니다

Artificial Analysis의 지수는 확인 시점 55점·표시 순위 4위입니다. 이 페이지는 출력 속도와 토큰 사용량도 별도 평가하므로 종합 지수만 보고 대기 시간이나 비용까지 추정하면 안 됩니다.

업무 검증 예시로 저장소의 작은 오류 수정 과제를 선정할 수 있습니다. 동일한 코드·테스트·도구 권한·토큰 예산을 주고, 통과 여부와 변경 범위·회귀 오류·사람의 수정 시간을 함께 비교합니다. 실패하면 자동 배포하지 않고 재현 로그와 원본 변경 차이를 담당자에게 넘깁니다.

이때 성공 작업당 총비용을 계산하고, 도구 실행이 지연의 대부분인지 모델 출력이 지연의 대부분인지 나눠야 합니다. Kimi Code 문서도 Highspeed가 도구·스크립트 실행 자체를 빠르게 하지는 않는다고 설명합니다.

5. API와 Kimi Code의 모델 ID·한도를 확인합니다

일반 API의 공식 발표 ID는 kimi-k3.1-pro, 고속형은 kimi-k3.1-pro-highspeed입니다. Kimi Code의 문서상 ID는 k3.1-pro와 k3.1-pro-highspeed이므로 서로 다른 접속 경로의 문자열을 그대로 섞지 않습니다.

Kimi Code에서는 thinking을 끈 요청이 거절되며 low·high·max를 지원합니다. 기본 추론은 high이고, 모델·추론 설정을 바꾸면 문맥 캐시가 무효화될 수 있어 새 세션에서 시작하는 편을 권합니다. 100만 문맥은 계정 등급 조건도 확인해야 합니다.

가중치는 11월 4일까지 공개 예정이므로 현재 API 도입 검증과 향후 자체 운영 검토를 분리합니다. 배포 파일과 라이선스가 나온 뒤 메모리·처리량·운영 인력까지 따져 자체 구축의 비용을 계산하는 것이 순서입니다.

공식 출처·평가 근거

Kimi — K3.1 Pro 공식 발표·평가 조건

Kimi API — 공식 요금

Artificial Analysis — 독립 평가

Kimi Code — 모델·추론·계정 조건

공식 도표·3D Make 화면 권리자: Moonshot AI / Kimi. 공식 발표 원본을 사용했습니다. 가격·지원 조건 확인: 2026년 10월 25일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

차량용 Gemini Personal Intelligence: 연결 앱·개인 계정·Android Auto 적용 조건

(주)제로원정보기술 — Sat, 24 Oct 2026 18:00:23 +0900

차량용 Gemini의 변화는 음성 인식보다 개인 맥락을 연결하는 방식에 있습니다. 허용한 연결 앱에서 세부 정보를 찾고 여러 출처를 함께 해석해 요청에 맞는 답변을 제공하는 기능입니다.

Google은 10월 20일 Personal Intelligence의 차량 적용을 발표했습니다. 기기·계정·차량별 적용 조건과 정보 접근 범위를 구분해 보겠습니다.

1. 개인화 검색과 차량 제어를 구분합니다

메일의 예약 정보나 일정의 장소, 사진 속 단서를 자연어 요청과 연결할 수 있습니다. 그러나 이 기능의 발표를 차량이 주변을 인식해 스스로 운전한다는 의미로 확대하면 안 됩니다.

공식 예시는 사용 흐름을 보여주는 자료입니다. 정확한 장소 판별률이나 업무시간 절감 수치가 공개된 성능 실험으로 해석하지 않고, 사용자가 결과를 확인할 수 있는지를 중심으로 보는 것이 좋습니다.

2. 공식 사례는 서로 다른 정보를 연결합니다

공항으로 가며 탑승구와 지연 여부를 함께 묻는 사례는 메일의 개인 정보와 외부 운항 정보를 연결합니다. 사진 속 장소나 전날 대화한 카페를 찾는 요청은 현재 발화에 없는 맥락을 보충하는 사례입니다.

아래 원본 그래픽은 Google 공식 발표 자료입니다. 일반 이용자가 직접 촬영한 차량 화면이나 당사의 테스트 결과로 소개하지 않습니다.

3. 연결 앱과 공유 차량의 경계를 확인합니다

개인화는 이용자가 켜고 연결 범위를 선택하는 방식입니다. 동승자에게 들릴 수 있는 음성 응답을 고려해 민감한 일정이나 메일 내용이 필요한 상황인지 판단하고, 공유 차량에서는 연결된 계정을 확인하는 편이 좋습니다.

Google built-in의 개인화 응답에는 이용자가 차량에 있고 휴대전화가 연결돼 있어야 한다는 조건이 있습니다. 이 조건을 모든 차량의 계정 보안이 동일하다는 주장으로 일반화하지 않습니다.

4. 개인 계정과 단계별 배포가 적용 조건입니다

발표 기준 Android Auto는 순차 적용, Google built-in은 향후 수개월 적용입니다. 개인화 기능은 적격 개인 계정의 18세 이상 사용자 대상이며 Workspace 업무·기업·교육 계정은 제외됩니다.

공식 각주에는 유럽경제지역·스위스·영국·나이지리아 제외도 안내되어 있습니다. 실제 사용 가능 여부는 계정 설정과 지원 조건을 확인해야 하며, 회사 전체의 메일·일정 에이전트를 만드는 API 출시로 이해하지 않습니다.

5. 외근 지원에 적용한다면 무엇을 검증할까요?

업무 검토 예시: 방문 일정과 목적지를 확인하는 사용 흐름을 시험할 때 비슷한 이름의 장소, 취소된 일정, 연결을 끈 앱에서의 동작을 확인합니다. 정보가 불충분할 때 임의로 확정하지 않고 다시 확인할 수 있어야 합니다.

조직 정보는 허용된 서비스와 계정에서만 취급하고 개인 계정으로 회사 자료를 옮기는 방식을 전제로 하지 않습니다. 운행 전 정차 상태에서 설정을 점검하고 불확실한 결과는 안전하게 멈춘 뒤 확인하세요.

공식 발표·개인화 설정 근거

Google — 차량용 Gemini Personal Intelligence 공식 발표

Google 도움말 — 연결 앱과 개인화

공식 발표 그래픽 권리자: Google. 10월 20일 발표 원본을 사용했습니다. 자료 확인일: 2026년 10월 24일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr

AWS Training Sessions 도입 가이드: 학습 루프·보상 설계·리전·비용 경계

(주)제로원정보기술 — Sat, 24 Oct 2026 12:02:37 +0900

Training Sessions의 핵심은 작업 단위 API로 학습 루프를 구성하는 데 있습니다. 사전 정의된 설정을 제출하는 방식에서 벗어나 개발자가 모델 생성·평가·업데이트의 순서를 제어합니다.

10월 22일 공개된 SageMaker AI 기능으로, Python 코드를 작성하는 ML 개발팀을 위한 도구입니다. 인프라 운영이 줄어도 알고리즘·데이터·평가의 설계는 필요합니다.

1. 학습 코드와 GPU 운영의 경계를 정합니다

상태를 유지하는 세션에서 모델을 로드한 채 생성과 학습 연산을 호출합니다. 개발자는 데이터 선택과 손실 함수·보상 계산을 다루고 서비스는 분산 실행과 복구, 체크포인트 저장을 담당합니다.

자체 평가 프로그램이 느리거나 단계가 복잡한 학습을 실험할 때 유용합니다. 다만 상태를 유지하는 세션이라는 사실이 모든 데이터 처리와 권한 구성을 자동으로 해결한다는 뜻은 아닙니다.

2. 공식 예제에서 학습 루프의 기준을 찾습니다

AWS 기술 글은 GSM8K 수학 문제와 경쟁 프로그래밍 예제를 소개합니다. 아래 공식 발표 도식은 응답 생성, 외부 평가, 가중치 업데이트와 다음 생성 준비가 어떻게 이어지는지 보여줍니다.

구현에서는 sample(), forward_backward(), optim_step() 같은 연산을 조합하고 업데이트한 가중치를 샘플러에 반영합니다. 공식 쿡북은 시작점이며 예제 성공을 사내 업무 성능의 보장으로 사용해서는 안 됩니다.

3. 학습 보상과 최종 업무 평가를 분리합니다

설계 예시: 사내 조회 에이전트의 보상을 정답 여부만으로 두지 않고 허용한 도구 호출과 올바른 실패 처리까지 포함합니다. 학습에 쓰지 않은 질문·권한 조합으로 평가하고, 조회가 불가능하면 담당자에게 넘기는지 확인합니다.

학습 데이터와 검증 데이터가 겹치면 실제보다 좋은 결과가 나올 수 있습니다. 기준 모델과 같은 입력, 같은 도구, 같은 예산으로 비교하고 오류 사례와 검토 시간을 함께 남겨야 합니다.

4. IAM·저장소·비용의 범위를 확인합니다

세션 실행 역할과 S3 출력 위치를 구성하고 필요한 KMS·VPC 설정을 검토합니다. 기업의 데이터 접근 범위와 보관 리전은 개발팀의 설계 사항입니다. 고객 원본 데이터나 인증정보를 그대로 예제에 넣지 않습니다.

공식 문서는 Prefill·Sample·Train 세 과금 항목을 구분합니다. 학습 시간만 재는 대신 처리 토큰, 평가 호출, 저장·배포 추론 비용을 합쳐 같은 품질 기준의 실험을 비교합니다. 정확한 단가는 모델·리전별 요금표를 확인해야 합니다.

5. 출시 리전과 모델 지원을 먼저 확인합니다

출시 공지 기준 버지니아 북부·오리건·뭄바이에서 제공됩니다. 지원 모델·리전 조합은 문서와 실제 계정에서 확인해야 하며 서울 제공을 가정하지 않습니다. 작은 범위의 검증을 통과한 체크포인트부터 배포하고 운영 품질이 떨어지면 이전 버전으로 되돌릴 수 있게 준비합니다.

공식 발표·구현 자료

AWS — Training Sessions 공식 발표

AWS — 학습 루프와 구현 예제

AWS 문서 — 지원 모델·리전·과금 항목

공식 도식 권리자: Amazon Web Services. 10월 22일 발표의 원본을 사용했습니다. 자료 확인일: 2026년 10월 24일.

(주)제로원정보기술

AI 서비스 개발부터 GPU 서버 공급과 IT 인프라 구축까지 지원합니다.

주요 사업
AI 챗봇 · 내부 업무용 AI 서비스 · GPU 및 GPU 서버 공급 · 서버·클라우드 인프라 구축

상담 및 구축 문의
전화: 070-8095-9791
이메일: LCH@zerooneit.co.kr