파주의 오토바이, 도쿄의 식당,
버스정류장의 목소리

2026년 4월 13일, AI가 개인의 손에 들어온 하루

1. 파주의 오토바이, 도쿄의 뒷골목: 코드 모르는 사람이 만드는 도구

파주 시내 어느 사거리. 한 남자가 오토바이에 시동을 걸고 스마트폰을 거치대에 꽂습니다. 화면에는 본인이 직접 만든 앱이 떠 있습니다. 이름은 '아사정'. 파주시 안에 흩어진 4천여 개 식당의 주소가 좌표로 변환되어 있고, 버튼 하나만 누르면 최적 동선으로 네비게이션이 켜집니다. 이 남자는 식자재 납품이나 집기 영업 같은 B2B 현장에서 일하는 사람들을 떠올리며 앱을 설계했습니다. 본인도 오토바이를 타고 직접 돌아다녀 봤다고 합니다. "효율이 엄청나다"는 감상이 뒤따랐습니다.

그가 덧붙인 한 줄이 이 이야기의 핵심입니다. "나는 코드 정말로 단 한 줄도 모른다." 터미널 명령어 몇 개 쳐본 게 전부라는 사람이, 공공데이터포털의 API를 호출해 상가 정보를 긁어오고, 엑셀로 정리하고, 경로 최적화 로직을 얹고, 모바일 앱으로 빌드해서 자기 오토바이 거치대에 올렸습니다.

같은 날, 도쿄에서는 다른 사람이 비슷한 일을 하고 있었습니다. exitkibo라는 이름의 개발자는 "일본 여행객을 위한 가성비 음식점 맵"을 만들고 있다고 스레드에 올렸습니다. 지금까지 수집한 가게가 1000개. 그런데 이게 도쿄의 23분의 1이라며 한숨을 쉽니다. 전국 확장을 생각하면 머리가 아프지만 "완성되면 여행 식당 선택 난이도가 박살날 것"이라는 확신이 있습니다. 타겟은 관광객이 아니라 일본인 현지 유저. "고독한 미식가 고로상이 가는 로컬집"이 모범이라는 설명도 붙었습니다.

두 사람은 서로 모르고, 나라도 다르고, 쓰는 도구도 다릅니다. 그런데 같은 현상을 밀고 있습니다. 바이브 코딩(vibe coding). 2026년 초 Knack, Replit, Lovable, Bolt, Cursor 같은 플랫폼이 일제히 내놓은 개념입니다. 자연어 프롬프트로 풀스택 앱을 생성하고, 배포까지 브라우저 안에서 끝내는 방식입니다. Replit의 Agent 4는 프로젝트 전체를 스스로 설계해서 돌릴 수 있고, Vercel의 v0는 Tailwind와 shadcn/ui 기반으로 production-ready React 코드를 뽑습니다. 2026년 2월 TechRadar 랭킹에서 1위를 차지한 도구가 v0였습니다.

한국에서 구현한다면 어떤 경로가 현실적일까요. 출발점은 공공데이터포털(data.go.kr)입니다. "소상공인시장진흥공단 상가(상권)정보 API"가 공개되어 있고, 국세청과 카드사가 원천인 데이터로 상호명, 주소, 업종, 경도, 위도까지 제공합니다. 여기에 국세청 사업자등록 진위확인 API를 붙이면 휴·폐업 상태도 실시간으로 걸러낼 수 있습니다. 호출 한도는 1일 100만 건. 도시 하나쯤은 여유롭습니다. 이렇게 긁어온 원본 데이터를 파이썬 pandas로 정리하고, 네이버나 카카오 지도 API로 좌표를 검증한 뒤, 경로 최적화에는 외판원 문제(TSP)의 근사 알고리즘인 2-opt를 얹으면 됩니다. 여기까지가 데이터 계층입니다.

그 다음이 앱 계층입니다. Claude Code나 Cursor에게 "파이썬 스크립트를 받아서 React Native 앱으로 감싸달라"고 요청하면 됩니다. 더 가벼운 경로는 FlutterFlow나 Glide 같은 노코드 툴로 감싸서 PWA(Progressive Web App)로 배포하는 방식입니다. 오토바이 거치대에서 터치로 충분한 수준이라면 PWA가 유지보수가 쉽습니다. 배포 후에는 Supabase나 Firebase에 사용자 방문 기록만 남기면, 다음 주에는 "어제 방문한 식당은 제외" 같은 개선도 AI에게 한 줄로 시킬 수 있습니다.

진짜 전환점은 기술이 아니라 심리에 있습니다. "코드 한 줄 몰라도 앱을 만들었다"는 문장이 누군가에게는 겸손이 아니라 해방입니다. 영업사원이 자기 동선을, 선생님이 자기 수업을, 변호사가 자기 사건 관리를, 식당 사장이 자기 재고를 각자 전용 도구로 만듭니다. 범용 SaaS에 월 구독료를 내는 대신 하루짜리 프롬프트로 내 손에 맞는 물건을 찍어냅니다. 파주와 도쿄, 두 개의 지도가 오늘 같은 이야기를 합니다. 앱은 이제 회사가 만드는 제품이 아니라 사람이 쓰다 버리는 손때 묻은 연장입니다.

2. 에이전트가 책상에 앉는다: Cowork와 Epitaxy의 등장

2026년 4월 13일, Anthropic이 내부 테스트 중인 것으로 알려진 'Epitaxy(에피택시)' 환경이 테크 매체 TestingCatalog에 포착되었습니다. 다음 주 공개 예정이라는 보도입니다. Claude Code 데스크톱 앱에 새 UI가 얹히는데, Cowork 레이아웃의 디자인 언어를 끌어옵니다. 하나의 창 안에 Plan, Tasks, Diff 세 개의 패널이 나란히 놓이고, 여러 저장소(repository)를 동시에 열어 작업할 수 있게 됩니다. 그 위에 'Coordinator Mode'라는 새 개념이 얹힙니다. Claude가 직접 구현하는 대신 오케스트레이터 역할만 맡고, 실제 작업은 서브 에이전트들에게 병렬로 분배하는 방식입니다.

이게 왜 사건이냐면, 단일 컨텍스트 창이라는 오래된 제약이 깨지기 시작하기 때문입니다. 지난 1년간 Claude Code 사용자가 반복해서 부딪친 벽은 "컨텍스트가 가득 차서 대화를 새로 시작해야 하는" 순간이었습니다. Agent Teams라는 실험 기능(v2.1.32 이후)이 이미 도입되어 있었고, 팀 리더 세션이 공용 태스크 리스트를 관리하면 각 팀원 세션이 자기만의 컨텍스트 창에서 돌아가는 구조였습니다. Epitaxy는 이걸 실험 기능에서 기본 UI로 끌어올리는 단계입니다.

한편 Cowork는 이미 수많은 파워 유저의 작업 방식을 바꾸고 있었습니다. hamshrew라는 이용자의 설명이 그 사례입니다. Reddit처럼 봇 접근을 차단하는 사이트에서도 Cowork는 사람처럼 브라우저를 켜고, 검색하고, 스크린샷을 찍어가며 내용을 수집합니다. API 호출이 아닌 실제 사용자 시뮬레이션이라 대부분의 사이트에서 작동합니다. DeepWiki에 공개된 리크 문서에 따르면 Cowork는 샌드박스 리눅스 VM 환경에서 Claude Opus 4.6 기반으로 돌아가며, 13개의 핵심 도구와 다수의 MCP 통합을 갖추고 있습니다. 상위 에이전트가 특수 목적 서브에이전트를 생성하는 계층적 구조도 이미 들어가 있습니다.

일상 업무에 이걸 얹으면 어떻게 될까요. 매일 아침 kimkj.com에 올라가는 AI 조간브리핑을 예로 들어봅시다. 지금까지는 사람이 해외 언론을 돌며 기사를 고르고, 요점을 정리하고, KBoard HTML로 변환해서 게시판에 올리는 과정을 거쳤습니다. Epitaxy 환경에서라면 흐름이 이렇게 바뀝니다. 리더 에이전트에게 "오늘자 AI 조간브리핑을 준비하라"는 한 문장만 줍니다. 리더는 계획을 세워 Plan 패널에 띄웁니다. Task 1은 서브에이전트 A에게 할당됩니다. "Reuters, Axios, Nikkei, 人民日報 AI 섹션을 돌며 24시간 동안 보도된 AI 정책·기술 기사 30건을 수집하라." Task 2는 서브에이전트 B. "수집된 기사 중 한국 법률·정책에 영향을 줄 만한 5건을 고르고 요약하라." Task 3은 서브에이전트 C. "결과를 web-html-writer 스킬 규칙에 맞춰 kimkj.com용 압축 HTML로 변환하라." 세 에이전트는 각자의 컨텍스트에서 병렬로 돌아가고, 리더가 결과를 모아 사용자에게 한 번에 보여줍니다.

이 구조의 함의는 크게 둘입니다. 하나는 속도. 기존에 45분 걸리던 파이프라인이 15분으로 줄어듭니다. 병렬 처리의 수학적 이점 때문만은 아닙니다. 각 에이전트가 자기 역할에만 집중하므로 프롬프트 낭비가 사라집니다. 또 하나는 감사 가능성(auditability)입니다. Plan-Tasks-Diff 패널이 분리되어 있으면 "언제 어느 에이전트가 무엇을 바꿨는지"가 기록으로 남습니다. 변호사 업무에서는 이 기록성이 결정적입니다. 의뢰인 사건 관련 문서를 AI가 요약했다면 그 요약이 어느 원본의 어느 문장에서 나왔는지를 Diff로 역추적할 수 있어야 합니다. Epitaxy는 이 요구를 UI 수준에서 풀고 있습니다.

주의할 지점도 있습니다. Conway라는 별도 시스템이 Epitaxy와 함께 언급되기 시작했습니다. ChatForest의 분석에 따르면 Conway는 항상 켜져 있는(always-on) 에이전트 런타임이고, Epitaxy는 그 위에 얹히는 관리·운영 레이어로 보입니다. Docker와 Kubernetes의 관계에 비유할 만합니다. 이 구조가 굳어지면 개인 개발자와 기업의 AI 활용은 단일 세션에서 영속 에이전트로 넘어갑니다. 내 책상 위에서 24시간 돌아가며 내가 잠든 사이에도 일을 하는 디지털 직원. 그 직원이 좋은 일만 할지 이상한 일도 할지는 별개의 문제입니다.

3. 스킬이라는 새 장르: 프롬프트가 깃허브에서 유통된다

vibecoing.school이라는 계정이 소개한 K-Dense-AI의 저장소 이름은 원래 scientific-agent-skills였습니다. 지금은 claude-scientific-skills라는 미러 이름도 함께 쓰입니다. 최근 1주 사이의 업데이트를 보면 이야기가 더 선명해집니다. 133개에서 170개로, 다시 250개 이상의 과학 데이터베이스 연동 스킬로 숫자가 늘고 있습니다. 암 유전체학, 약물-타겟 결합, 분자동역학, RNA 속도 해석, 지리공간 과학, 시계열 예측, FRED 경제 데이터. 어느 한 분야가 아니라 연구자가 일하는 작업대 전체를 에이전트용으로 재포장하는 작업입니다.

핵심은 이 저장소가 'Agent Skills 표준'이라는 열린 규약을 따른다는 점입니다. Claude Code만이 아니라 Cursor, Codex, Gemini CLI, OpenClaw까지 동일한 SKILL.md 포맷을 읽어냅니다. 한 번 쓴 스킬이 여러 AI 도구에서 돌아갑니다. 설치 방법도 놀랄 만큼 간단해졌습니다. 터미널에서 npx skills add K-Dense-AI/scientific-agent-skills 한 줄이면 끝입니다. 자동으로 디렉터리를 감지해서 .claude/, .cursor/, .gemini/ 폴더에 스킬을 배치합니다.

같은 생태계에서 완전히 다른 자리를 차지하는 것이 Paul Bakaus(@pbakaus)의 Impeccable입니다. 전 Google Developer Advocate이자 jQuery UI 제작자로 알려진 개발자입니다. 출시 며칠 만에 GitHub 스타 15,000개를 돌파했고, 지금은 16,000개를 넘겼다고 claudemarketplaces에 집계됩니다. Claude Code 생태계에서 손꼽히는 디자인 스킬입니다.

Impeccable이 공격하는 대상은 'AI 슬롭(AI slop)'이라고 불리는 현상입니다. LLM이 뽑은 프론트엔드 코드는 작동은 하는데 보면 AI 냄새가 납니다. 보라빛 그라디언트, 카드 왼쪽의 컬러 스트라이프, 둥글기만 한 그림자, Inter 폰트, OKLCH도 아닌 낡은 hex 값. cowboy76이라는 이용자가 올린 DartLab 대시보드 사례가 이걸 그대로 보여줍니다. 감사 점수 6/20. 사유: 14곳에서 border-left: 3px solid blue 스타일을 반복 사용, aria-label 0건, 포커스 링 0건, 번들 크기 756KB. 이런 문제를 Impeccable은 18개 서브 스킬과 17개 슬래시 커맨드로 쪼개서 순차 처리합니다.

커맨드 체인은 이렇게 흘러갑니다. /audit로 5차원 진단, /distill로 시각 복잡성 제거, /polish로 토큰 일관성 정리, /adapt로 접근성과 반응형 대응, /optimize로 번들 다이어트, /typeset으로 폰트 교체. cowboy76의 점수는 감사 후 16/20까지 올라갔고, 번들은 gzip 204KB에서 74KB로 63% 줄었다고 기록되어 있습니다. 756KB였던 초기 빌드가 500KB 경고선 밑으로 내려왔다는 뜻입니다.

두 저장소 사이에서 읽히는 공통점은 이렇습니다. 에이전트 스킬이 새로운 '소프트웨어 유통 단위'가 되고 있다는 것. 과거 GitHub에 올라오던 단위는 라이브러리였습니다. Python 패키지, npm 모듈, Docker 이미지. 지금은 프롬프트가 올라옵니다. 역할 정의, 절대 금지 목록, 실행 커맨드, 검증 패턴이 SKILL.md 한 파일에 담겨 유통됩니다.

변호사 관점에서 보면 이건 이미 하고 있는 일의 연장입니다. 지난 몇 달간 구축해온 agent-design-prompt, ai-briefing-html-design, column-writer, fact-checker, transcript-cleanup 같은 스킬이 모두 같은 장르입니다. 전 국민을 대상으로 개방하는 순간 K-Dense-AI가 된 것이고, 디자인 한 분야에 집중하는 순간 Impeccable이 된 것입니다.

실전 구현 경로는 세 단계로 정리됩니다. 먼저 내부에서 반복되는 작업을 SKILL.md 한 장으로 묶습니다. 역할 정의, 입력 형식, 출력 형식, 절대 준수 사항, 예시. 그 다음 이 파일을 GitHub 공개 저장소에 올리고 impeccable이나 scientific-agent-skills처럼 npx skills add 방식으로 설치 가능하게 만듭니다. 마지막 단계가 결정적입니다. /audit 같은 감사 커맨드를 함께 제공해서 결과물이 원칙을 지켰는지 스킬 스스로 채점하게 만드는 것입니다. 이게 Impeccable을 그냥 규칙집에서 실행 도구로 바꾼 차이점입니다. AI 법률 교재, 전자신문 칼럼, kimkj.com 조간브리핑. 세 개가 모두 각자의 SKILL.md로 재조립되어 GitHub에 올라가는 날이 멀지 않아 보입니다. 스킬은 책보다 가볍고, 강의보다 공유 비용이 낮으며, 결정적으로 실행됩니다.

4. 카카오톡에서 내려오는 길: XChat과 데이터 주권의 재설계

4월 17일. 나흘 뒤. 일론 머스크의 XChat이 Apple App Store에 정식으로 올라옵니다. 이미 사전 주문(pre-order)이 열려 있고, iOS와 iPadOS에서 내려받을 수 있습니다. IBTimes와 Gizchina가 지난 19시간 사이에 보도한 내용입니다. 2025년 6월부터 머스크가 여러 차례 예고해온 '엔드 투 엔드 암호화 메신저'가 드디어 독립 앱으로 출시되는 단계입니다.

기능 목록은 경쟁 제품과 정면으로 부딪힙니다. 엔드 투 엔드 암호화, 전화번호 불필요, 사라지는 메시지, 스크린샷 차단, 메시지 편집, 양방향 삭제, 그룹 채팅, 파일 공유, 오디오·비디오 통화, 그리고 챗창 안에서 바로 Grok AI를 호출할 수 있는 기능. 머스크는 이걸 '비트코인 스타일의 P2P 암호화'라고 부릅니다. 인프라 언어로 옮기면 Signal이 쓰는 방식과 다른 접근입니다. 메시지를 블록체인에 올리는 건 아니지만, Elliptic Curve Cryptography(타원곡선 암호)로 키를 생성하고 중앙 서버를 거치지 않는 P2P 전송을 기본값으로 둔다는 설계입니다.

보안 연구자들의 평가는 반으로 갈립니다. CoinDesk와 Cryptonews에 인용된 전문가들은 'Bitcoin-style encryption'이라는 표현 자체가 기술적으로 혼란스럽다고 지적합니다. 비트코인이 쓰는 공개키 암호는 트랜잭션 검증용이지 두 사람 사이의 비밀 통신을 보장하는 프로토콜이 아닙니다. Signal 프로토콜이 검증된 표준인 상황에서 새 브랜드를 굳이 만들 필요가 있느냐는 회의론입니다. 반대편에서는 머스크의 공격 포인트를 인정합니다. WhatsApp이 대화 내용을 읽어 광고 타겟팅에 쓴다는 의혹, Joe Rogan 팟캐스트에서 머스크가 직접 언급한 '광고 훅' 문제. 이 훅이 해커에게도 똑같이 열려 있다는 논리는 구조적으로 틀리지 않았습니다. 광고를 팔기 위해 대화 맥락을 분석하는 엔진이 서버 어딘가에 있다면, 그 엔진의 입력을 가로채는 제3자도 같은 맥락에 접근할 수 있다는 뜻입니다. WhatsApp이 Signal 프로토콜로 본문을 암호화하지만 메타데이터까지 암호화하지는 않는다는 점도 널리 알려진 사실입니다. 누가, 언제, 누구와, 얼마 동안 대화했는지는 고스란히 남습니다.

Gizchina의 지적: App Store 개인정보 카드에 위치·연락처·검색 기록·식별자 수집이 표기되어 있어 '제로 트래킹' 마케팅 문구와 모순된다.

한국 상황에 대입하면 이야기가 달라집니다. 카카오톡은 국민 메신저 지위를 20년 가까이 유지하고 있지만, 지분 구조와 데이터 처리 방식에 대한 불신이 수면 위로 올라온 지 오래입니다. 데이터가 어디 저장되는지, 계정 정지의 기준이 무엇인지, 수사기관이 요청하면 어디까지 열리는지. XChat이 한국에 그대로 상륙할지는 미지수지만, 동일한 설계 철학을 가진 대안이 늘어나고 있다는 건 확실합니다. Signal은 여전히 골드 스탠더드이고, 오픈소스 진영의 SimpleX Chat은 전화번호 없이 연결 가능한 구조를 밀고 있습니다.

개인 차원에서 구현할 수 있는 데이터 주권 전략은 세 층위로 정리됩니다. 첫 층위는 메신저 분리 운영. 업무·가족·민감 대화를 단일 플랫폼에 몰아넣지 않고 카카오톡, Signal, iMessage, XChat을 용도별로 나눕니다. 둘째 층위는 자체 호스팅. Matrix 프로토콜 기반의 Synapse나 Dendrite 서버를 본인 소유의 기계(Intel Mac Mini Ubuntu 서버 같은)에 올려놓고 가족이나 팀 내부 대화는 그쪽으로 옮깁니다. 셋째 층위는 법적 통제. 개인정보보호법이 규정하는 '처리 위탁'과 '국외 이전' 항목을 기준 삼아, 어느 서비스가 어느 국가 서버에 어떤 형태로 저장되는지 본인이 직접 장부를 만듭니다.

XChat의 진짜 의미는 암호 기술의 혁신이 아닙니다. '광고 없는 것이 곧 보안이다'라는 명제를 대중에게 각인시킨 마케팅입니다. 광고 수익 모델과 메시징이 분리되어야 한다는 주장이 일론 머스크처럼 논쟁적인 인물의 입을 통해 나왔다는 사실 자체가 이 논의를 상류 의제로 끌어올립니다. 소비자는 그동안 공짜로 쓴 대가를 이제 뒤늦게 계산하기 시작했습니다. 대가의 형태는 광고에 노출된 시간, 분석된 대화, 학습 데이터로 쓰인 사진. 그 총합을 돌아보면 '무료'라는 단어가 이상하게 비싸 보이기 시작합니다.

5. 버스정류장의 목소리: 공공 공간의 AI화와 디지털 포용

2026년 4월 13일, 신일전자가 AI 소프트웨어 기업 새움소프트와 손잡고 'AI 휴먼 대화형 키오스크'를 공개했습니다. 이데일리와 헤럴드경제가 당일 보도했습니다. 안양시가 추진하는 AI 키오스크 실증 사업의 결과물로, 하드웨어 설계와 제작을 신일전자가 맡았습니다. 사업 자체는 경기도와 경기도경제과학진흥원이 주관한 '2025년 AI 챌린지 프로그램'에서 선정되었습니다. 시범 설치 장소는 안양역, 안양중앙시장, 동안구청, 인덕원역 인근 버스정류장 네 곳.

키오스크의 작동 방식은 기존 버스정보단말기(BIT)와 완전히 결이 다릅니다. 사용자가 화면 속 디지털 휴먼에게 목적지를 말로 묻습니다. "성남 모란시장 가려면 어떻게 가요?" 키오스크가 실시간 교통 데이터를 조합해서 최적 경로, 대중교통 연계, 환승 정보, 이동 수단별 예상 소요 시간을 음성과 화면으로 답합니다. 주변 생활 편의 정보도 함께 제공됩니다. 기존 단말기가 도착 시간 숫자만 보여주던 장치였다면, 이번 키오스크는 대화하는 장치입니다. 안양시 관계자는 이걸 '전국 최초 AI 디지털 휴먼 버스 정보 시스템'이라고 소개했습니다.

이 뉴스가 왜 중요한가. 답은 디지털 포용(digital inclusion)이라는 한 단어에 있습니다. 스마트폰 지도 앱에 익숙한 세대는 키오스크가 없어도 됩니다. 문제는 그 반대편에 있는 사람들입니다. KT Enterprise가 정리한 자료에 따르면 국내 키오스크 시장이 급성장한 건 2020년 코로나 이후지만, 그 급성장이 소외시킨 쪽은 디지털 기기에 서투른 고령층이었습니다. 버스정류장에서 목적지까지 가는 길을 몰라 발길을 돌리거나, 잘못된 버스를 타고 낯선 동네에 내리는 경험. 디지털 취약계층은 이미 공공 공간에서 조금씩 밀려나고 있었습니다.

신일전자와 새움소프트의 접근은 이 흐름을 뒤집는 첫 실험입니다. 이지경제가 작년 9월 보도한 협약 내용에 따르면 이 하드웨어는 옥외 환경에 최적화되어 있습니다. 소음이 큰 버스정류장에서도 음성 인식이 작동하고, 여름의 햇빛과 겨울의 진동을 견디는 내구성을 갖추고 있습니다. 다국어 지원은 기본입니다. 한국어 외에 영어, 중국어, 일본어로 대화가 가능하고, 관광객과 외국인 거주민도 즉시 쓸 수 있습니다. 디지털 휴먼 인터페이스는 친숙한 사람의 얼굴로 말을 걸기 때문에 터치 화면을 두려워하던 사용자의 심리적 장벽을 낮춥니다.

구현 관점에서 이걸 해부하면 세 개의 기술 층이 보입니다. 맨 아래는 하드웨어 층. 옥외 내구성 디스플레이, 노이즈 캔슬링 마이크 어레이, 돌출 스피커, 지향성 카메라. 중간 층은 AI 모델. STT(음성 인식)로 질문을 받고, LLM이 의도를 해석하고, RAG(Retrieval Augmented Generation)로 실시간 교통 데이터를 가져오고, TTS(음성 합성)로 답변을 출력합니다. 디지털 휴먼의 입 모양은 음소(phoneme)에 맞춰 립싱크 모션이 실시간으로 생성됩니다. 이스트소프트 PERSO.ai 같은 상용 솔루션이 이 영역에서 앞서 나가고 있습니다. 맨 위는 데이터 층. 국토교통부 BIS(버스정보시스템) API, 공공데이터포털 도로 교통 정보, 지자체 생활 편의 시설 DB가 연결됩니다.

법률·정책 관점에서 질문해볼 지점이 있습니다. 대화형 키오스크는 사용자의 음성을 실시간으로 수집합니다. 이 음성은 어디에 저장되는가. 얼마 동안 보관되는가. AI 모델 학습 데이터로 재활용되는가. 개인정보보호법 제15조(수집·이용 동의)와 제23조(민감정보 처리) 조항이 야외 키오스크 환경에서 어떻게 고지되고 어떻게 동의를 받을지가 실전 이슈입니다. 지나가는 모든 사람이 잠재적 정보 주체인 상황에서 '동의 버튼'이라는 전통적 메커니즘은 거의 무력합니다. 이 문제를 푸는 방법 중 하나가 온디바이스 처리입니다. 질문 음성이 서버로 전송되지 않고 키오스크 안에서 해석·응답·삭제되는 구조. 이 설계가 표준이 된다면 개인정보 우려는 상당 부분 해소됩니다.

안양 시범 사업이 의미 있는 진짜 이유는 여기 있습니다. 첫 단추. 공공 공간에 대화형 AI를 배치하는 첫 실험이자, 디지털 약자의 접근권을 '배려'가 아니라 '인프라'로 다시 쓰는 첫 선언입니다. 스마트폰이 없어도, 한국어가 서툴러도, 눈이 어두워 작은 글씨를 못 읽어도, 버스정류장에서 말 한마디로 길을 물을 수 있는 사회. 그 사회가 지금 안양역 앞에서 시범 운영 중입니다.

닫는 장면

AI는 지금 개인과 거리의 손에 들어와 있습니다. 파주의 오토바이 거치대에, 도쿄의 식당 지도에, 개발자의 이중 모니터에, 당신의 주머니 속 메신저에, 안양역 버스정류장의 스크린에. 기술은 여전히 크지만 그것을 쓰는 단위는 점점 작아지고 있습니다. 개인의 시대. 정확히 말하면, 개인이 자기 손으로 자기 도구를 짓기 시작한 시대입니다.