유럽연합(EU)과 캐나다, 싱가포르가 내놓은 해법은 청년에게 단기 체험을 하나 더 제공하는 데 머물지 않는다. 미취업 상태에 놓인 청년을 가능한 빨리 고용이나 교육, 훈련으로 옮기고 기업이 실제 일자리를 내놓도록 유도하며 일경험 뒤에는 멘토링과 평가를 붙인다. 경험을 ‘한 번 해본 일’
생성형 인공지능(AI)은 이제 일하는 방식 안으로 깊이 들어왔다. 긴 보고서를 요약하고, 회의록을 정리하고, 수십 건의 자료에서 쟁점을 추려내며, 각종 문서의 초안과 기획안을 만드는 데 활용된다. 문제는 AI를 쓰느냐가 아니다. AI가 만든 결과를 어디까지 맡기고, 어디에서 사람이 멈춰 확인할
신입사원이 첫 출근 뒤 맡는 일은 대개 거창하지 않다. 자료를 정리하고 문서 초안을 만들고 선배가 고쳐준 결과물을 다시 들여다보면서 조직의 언어와 일하는 방식을 익힌다. 그런데 생성형 인공지능(AI)이 가장 빠르게 파고든 영역도 바로 이런 일이다. 직업 자체가 사라지지 않더라도 청년이
정부가 값싼 전력과 재생에너지를 앞세워 반도체와 AI 데이터센터를 비수도권으로 끌어들이려 하지만, 기업의 투자지역은 전기요금 하나만으로 결정되지 않을 가능성이 크다는 조사 결과가 나왔다. 반도체·데이터센터 재직자 80명을 대상으로 한 탐색적 설문에서 전력 공급 안정성과 전기요금의 중
경기도가 반도체와 인공지능(AI), 로봇 등 첨단산업의 규제 부담을 줄이기 위한 12개 개선 과제를 제시했다. 핵심은 규제를 일괄적으로 푸는 데 있지 않다. 기술 변화 속도와 실제 위험 수준에 맞춰 승인 절차와 관리 방식을 다시 짜자는 데 무게가 실린다. 경기연구원이 경기도 의뢰로 수행한 ‘
생성형 인공지능(AI)을 반복 업무에 활용할수록 이용자가 자주 마주하는 불만이 있다. 숫자와 단위 표기, 회사명·제품명, 금지 표현, 승인 문구처럼 여러 차례 전달한 규칙을 AI가 다음 작업에서 놓치는 경우다. 전날까지 적용하던 형식이 다음날 달라지거나, 오류를 지적받은 뒤에도 비슷한 실수가
생성형 인공지능(AI)의 답이 의심스러울 때 많은 이용자는 같은 질문을 반복한다. “정말 맞나”, “다시 확인해 봐”, “틀린 것 아니냐”고 재차 묻는다. 하지만 AI가 같은 답을 두세 번 되풀이했다고 해서 정확성이 높아지는 것은 아니다. 같은 모델이 같은 대화 안에서 자신의 답을 다시 생
생성형 인공지능(AI)이 틀린 답을 내놓는 것보다 이용자를 더 혼란스럽게 하는 것은 그 답을 말하는 방식이다. AI는 존재하지 않는 통계와 인용을 제시하면서도 문장을 매끄럽게 이어가고, “확실하다”거나 “문제없다”고 단정한다. 사용자는 설명이 길고 논리가 촘촘할수록 답변을 더 믿기 쉽지만
온라인 쇼핑의 문제는 이제 상품이 부족해서가 아니다. 오히려 너무 많아서 문제다. 판매처마다 다른 가격과 할인 조건, 수백 개씩 쌓이는 리뷰, 비슷해 보이는 사양을 하나씩 대조하다 보면 물건을 고르는 일 자체가 노동이 된다. 생성형 인공지능(AI)과 쇼핑 에이전트가 파고드는 지점도
정수기 하나를 빌리고, 영상 한 편을 보고, 업무용 AI를 쓰는 데도 매달 결제가 붙는다. 제품을 한꺼번에 사는 부담은 줄고 서비스 접근은 쉬워졌지만, 생활 곳곳에 흩어진 월 결제가 쌓이면서 소비자가 관리해야 할 계약도 함께 늘었다. 국회도서관은 10일 발간한 ‘Data+’ 2026-