기록이 진료와 나란히 돌아가기 시작했습니다
사실과 해설 더 보기
Brown University Health는 7월 25일 공개한 사례에서 400명 넘는 의료진이 Dragon Copilot을 쓰고, 병원 지침·통역·예약·운영을 돕는 AI 에이전트를 24개 이상 만들었다고 밝혔습니다.
응급실 복도에서 작은 목소리로 증상을 말하는 환자가 있었습니다. 예전 같으면 의사가 진단을 생각하면서 메모까지 붙잡아야 했지만, 이번에는 AI가 대화를 곁에서 기록했습니다. 진료가 끝나고 녹음을 멈추면 약 20초 뒤 전자의무기록에 초안이 뜨고, 의사가 검토·수정한 뒤 서명합니다. 제가 꽂힌 건 420명 파일럿이나 24개 에이전트보다 도입 순서였습니다. 이 병원은 첫 6개월을 정책·책임·위험도 기준에 썼습니다. 내부 지식 검색처럼 실패 비용이 낮은 일은 작게 시험하고, 임상 판단에 영향을 줄 수 있는 일은 정확도와 예외 상황을 더 깊게 검증했습니다. “AI가 좋으냐”보다 “틀리면 무슨 일이 생기느냐”를 먼저 물은 셈입니다. 문서 부담과 야간 작업이 줄었다는 결과는 Brown Health의 2026년 봄 내부 분석이고, Microsoft 고객 사례라 독립 임상시험은 아닙니다. 그래도 1인기업이 가져올 장면은 선명합니다. 고객과 대화하면서 동시에 상담 기록·후속 메일 초안을 만들되, 결제·계약처럼 실패 비용이 큰 단계는 사람이 승인하는 겁니다.
짧게 볼 변화
길게 설명하지 않아도 직접 확인할 가치가 있는 자료입니다.
과제마다 AI 허용선을 먼저 붙였습니다
사실과 해설 더 보기
National University는 7월 23일 과제별 AI 사용을 5단계로 미리 표시하는 RAISE 5를 공개했습니다. 완전 활용부터 사용 금지까지 교사와 학생이 시작 전에 같은 기준을 보게 합니다.
금지냐 허용이냐로 싸우는 대신, 과제마다 선을 다르게 그었습니다. RAISE 5는 AI를 적극 활용하는 Level 1부터 완전히 금지하는 Level 5까지 나눕니다. 캘리포니아 최대 교원 자격 공급 대학이 내부 파일럿을 거쳐 내놓은 운영 틀입니다. 성과를 증명한 독립 연구는 아직 아닙니다. 그래도 작은 팀에서도 바로 번역할 수 있습니다. 아이디어 탐색은 허용하되 최종 판단은 금지처럼, 업무마다 AI 권한을 한 문장으로 적으면 도구보다 책임 경계가 먼저 보입니다.로봇이 손 하나가 아니라 9,000가지 도구를 배우기 시작했습니다
사실과 해설 더 보기
Generalist AI는 7월 23일 GEN-1이 다섯 손가락 손부터 드라이버·집게·거품기까지 약 9,000개 말단장치 변형을 학습했다고 발표했습니다.
손 모양이 바뀔 때마다 로봇을 처음부터 가르치던 방식에서 벗어나려는 장면입니다. 회사 설명으로는 GEN-1이 50만 시간 넘는 실제 상호작용과 여러 도구를 함께 배우고, 넓은 손으로 상자를 옮기거나 드라이버로 볼트를 조이고 집게로 달걀을 옮깁니다. 수치와 전이 성능은 회사 발표이며 독립 재현은 공개되지 않았습니다. 그래도 데모가 보여주는 방향은 분명합니다. 범용 로봇의 경쟁은 사람 손을 얼마나 닮았느냐보다, 낯선 도구를 얼마나 적은 재학습으로 다루느냐로 옮겨가고 있습니다.고객센터 AI도 “답변”보다 운영 화면을 팔기 시작했습니다
사실과 해설 더 보기
OpenAI는 7월 22일 음성·채팅 에이전트를 배포하고 정책 변경, 예외 상황, 사람 이관을 계속 시험하는 Presence를 제한 공개했습니다.
눈에 띈 건 챗봇을 만드는 화면보다 운영 중 틀린 행동을 찾는 화면입니다. Presence는 환불 정책 같은 규칙을 바꾼 뒤 가상 요청을 돌리고, 승인할 행동과 사람에게 넘길 조건을 검사합니다. 출시 뒤에도 상담 기록과 이관 패턴을 보고 수정안을 다시 시험합니다. 현재는 자격을 갖춘 기업 고객 대상 제한적 일반 제공이고 셀프서비스가 아닙니다. 가격·지역·통합 비용도 공개되지 않았습니다. OpenAI 전화 지원의 75%를 사람 없이 해결한다는 수치 역시 회사 주장입니다. 1인기업이 당장 살 도구라기보다, 자동 응답의 다음 병목이 답변 생성보다 정책·평가·이관 설계라는 신호에 가깝습니다.