top of page

뉴욕, 주요 연구소에 AI 안전 기한 설정하며 OpenAI 감독 확대

18분 전
9분 분량
Illustrative photograph. Photo: Hatice Baran / Pexels.

뉴욕이 첨단 AI 안전 법률의 시행에 나서면서 OpenAI와 Anthropic은 2027년 1월 1일까지 등록해야 한다. 주정부는 11월 10일 등록 포털을 열어 감독 준비를 구체적인 행정 절차로 전환했다. OpenAI 감독 확대는 핵심적인 긴장을 부각한다. 개발사는 스스로 설명한 안전 약속에 대해 법적 책임을 지게 된다.

시점은 중요하다. 뉴욕은 1월에 핵심 안전성, 투명성, 사고 보고 요건이 발효되기에 앞서 등록 절차를 열었다. 시스템 전체가 이미 운영 중이라고 설명하면 규정 준수 준비와 이러한 실질적 의무의 집행 사이의 차이가 흐려질 수 있다.

RAISE Act로 알려진 Responsible AI Safety and Education Act는 주요 개발사를 공통의 책임 체계 아래 둔다. Anthropic은 이 접근법을 공개적으로 지지하면서도, 투명성만으로는 가장 심각한 위험을 해결할 수 없다고 주장한다. 당면한 문제는 뉴욕이 공개된 약속, 실제 개발 관행, 외부 검증을 얼마나 효과적으로 연결할 수 있는가다.

OpenAI 감독, 이제 1월 마감 시한 적용

11월 발표는 시행의 시작이며, 1월에는 등록 절차의 목적을 뒷받침하는 핵심 의무가 적용된다.

주정부의 등록 발표에 따르면, 대형 첨단 개발사는 2027년 1월 1일까지 등록해야 한다. 1월부터는 안전 프레임워크도 공개해야 한다. 보다 광범위하게는 첨단 개발사에 모델 투명성 및 중대 사고 보고 요건이 적용된다.

DIGIT(Office of Digital Innovation, Governance, Integrity, and Trust)는 뉴욕 금융감독청(Department of Financial Services) 내에서 시행을 감독한다. 요건 적용이 가까워지는 가운데, 이 역할은 개발사에 명확한 정부 측 대응 창구를 제공한다.

11월 소식을 지켜보는 독자에게 실질적인 구분점은 열린 등록 절차와 확립된 집행 실적 사이에 있다. 포털은 행정적 진전을 보여준다. 그러나 모든 적용 대상 개발사가 등록했는지, 모든 프레임워크가 법률 요건을 충족하는지, 감독이 위험을 줄였는지는 입증하지 않는다.

그러한 결론에는 시행 과정에서 나온 증거가 필요하다. 등록 발표만으로는 이를 미리 제공할 수 없다.

같은 발표에서는 Binghamton University에 New York Center for AI Responsibility and Research도 출범했다. 주정부는 이 센터가 독립적인 평가를 지원하고, 공개된 안전 프레임워크 검토를 포함해 감독 체계 수립에 기여할 것이라고 밝혔다.

이러한 결합은 더 넓은 목표를 설명한다. 뉴욕은 정보를 수집하는 절차를 구축하는 한편, 이를 평가할 전문성도 개발하고 있다. 이 두 기능이 서로를 강화할 수 있는지는 제출 포털의 존재 자체보다 더 중요하다.

정부는 문서의 과학적 쟁점을 해결하지 않은 채 완전한 문서를 접수할 수 있다. 반대로 연구는 취약점을 찾아낼 수 있지만, 즉시 집행 가능한 판단으로 이어지지는 않을 수 있다. 두 활동을 연결하려면 기술적 판단과 명확한 제도적 책임이 모두 필요하다.

개발사에 직접적인 결과는 정해진 준비 기간이다. 등록, 공개, 보고는 같은 규제 목표를 뒷받침하더라도 서로 다른 업무를 수반한다. 이를 서로 바꿔 쓸 수 있는 것으로 취급하면 기업이 실제로 어느 부분까지 준비됐는지 가려질 수 있다.

기업 고객에게 이번 발표는 질문을 정리할 기준 시점을 만든다. 구매자는 새 요건을 위해 준비한 문서와 다른 목적으로 작성된 기존 자료를 구분할 수 있다. 또한 해당 문서가 어떤 모델 버전을 다루는지도 물을 수 있다.

따라서 이 기한은 행정 일정 이상의 의미를 갖는다. 준비 상태에 관한 약속을 이용 가능한 증거와 비교할 수 있는 관찰 가능한 시점을 만든다. 이 비교는 공개 자료에서 시작되겠지만, 거기서 끝나서는 안 된다.

압박은 모델 개발사에 집중되지만, 고객에게도 영향이 있다

법률은 적용 대상 모델 개발사와 그 제품을 사용하는 일반 기업을 구분한다.

법률상의 첨단 모델 정의에 따르면 적용 여부는 부분적으로 훈련 연산량에 달려 있다. 첨단 모델은 훈련에 사용되는 계산 연산인 정수 또는 부동소수점 연산이 10^26회를 초과하면 기준을 넘는다.

이 계산에는 최초 훈련 실행뿐 아니라 명시된 후속 수정도 포함된다. 별도의 대형 개발사 범주는 직전 역년 동안 계열사를 합산해 연간 총수익이 5억 달러를 초과하는 경우에 적용된다.

이러한 구분은 오해를 부를 수 있는 단순화를 막는다. 뉴욕은 웹사이트에 챗봇을 추가하는 모든 기업에 동일한 의무를 부과하는 것이 아니다. 또한 잘 알려진 브랜드명만으로 특정 모델이나 활동이 적용 범위에 속하는지에 관한 모든 문제가 해결되는 것도 아니다.

OpenAI와 Anthropic의 경우, 이 이야기는 모델 개발 단계의 책임성에 관한 것이다. 고객에게 미치는 영향은 간접적이지만 여전히 관련이 있다. 공급사는 구매와 배포 결정을 뒷받침할 수 있는 정보를 제공하게 된다.

가령 내부 리포지토리에 접근하는 AI 코딩 어시스턴트를 평가하는 가상의 소프트웨어 회사를 생각해 보자. 이 회사의 직접적인 관심사는 권한, 민감한 정보, 잘못된 조치가 낳을 결과다. 모델 개발사의 안전성 공개는 추가 맥락을 제공하지만, 해당 배포 환경에 관한 모든 질문에 답할 수는 없다.

고객은 여전히 중요한 결정을 통제한다. 어시스턴트가 접근할 수 있는 리포지토리, 변경에 승인이 필요한지 여부, 직원이 생성된 작업을 검토하는 방식을 선택한다. 상위 단계 개발사에 대한 규제 적용이 이러한 선택을 자동으로 결정하지는 않는다.

이 구분은 지식 노동자에게도 중요하다. 모델의 첨단 안전성 문서는 답변이 회의를 정확하게 요약했는지, 문서를 올바르게 인용했는지와는 다른 문제를 다룬다. 공급사가 공개 의무를 충족하더라도 이러한 일상적 신뢰성 문제는 여전히 중요하다.

검색 가능한 지식 베이스를 유지하는 팀에게는 공급사 문서가 내부 의사결정 및 배포 기록과 함께 관리돼야 한다. 이러한 자료를 연결해 두면 검토자는 특정 사용 사례를 뒷받침한 가정을 이해하는 데 도움이 된다.

이는 보장된 규제 결과가 아니라 가능한 운영상 이점이다. 공개 정보는 누군가가 이를 해석하고, 요건과 비교하며, 불일치에 대응할 수 있을 때 유용해진다.

소규모 개발사 역시 “이 법은 가장 큰 연구소에만 적용된다”는 말보다 더 신중하게 읽어야 한다. 일부 요건은 일반적인 첨단 개발사에 적용되고, 다른 요건은 대형 첨단 개발사에만 적용된다. 이 범주들은 서로 다른 결과를 낳는다.

이 구조는 법무팀 이상에 압박을 가한다. 제품 책임자, 보안 담당자, 기술 평가자는 회사가 실제로 무엇을 하는지에 대해 공통된 이해를 가져야 한다. 그렇지 않으면 공개 설명이 직원들이 따르는 절차와 어긋날 수 있다.

고객에게 이는 구체적인 질문으로 이어진다. 공급사의 문서는 의사결정을 설명하는 데 도움이 되는가, 아니면 단지 문서가 존재한다는 사실만 확인하는가? 그 답이 새로운 공개 정보의 실질적 가치를 얼마나 높일지 결정할 것이다.

뉴욕, 개발사가 자체 안전 프레임워크에 책임지도록 하다

핵심 변화는 개발사가 공개한 프레임워크와 그 행동을 법적으로 연결한다는 점이다.

첨단 AI 프레임워크는 재앙적 위험을 평가하고 관리하기 위한 문서화된 체계다. 뉴욕의 투명성 요건은 대형 개발사에 이를 공개하고, 시행하며, 준수하도록 요구한다.

프레임워크는 위험 평가, 보호 조치, 배포 검토, 외부 평가, 내부 거버넌스 등을 설명해야 한다. 또한 내부 모델 사용에서 발생하는 위험도 다뤄야 한다.

개발사는 최소 1년에 한 번 프레임워크를 검토해야 한다. 중대한 변경이 있을 경우, 수정된 프레임워크와 설명을 30일 안에 공개해야 한다. 모델 투명성 정보는 모델과 그 평가를 설명하는 더 광범위한 모델 또는 시스템 카드 문서에 포함될 수 있다.

책임성 메커니즘은 법률의 별도 위반 조항에서 더 명확해진다. 법무장관은 대형 개발사가 자체 프레임워크를 따르지 않는 경우를 포함해 명시된 실패에 대해 민사 벌금을 청구할 수 있다. 이 법은 사적 소송권을 부여하지 않는다.

이 때문에 프레임워크의 문구는 중요해진다. 기업이 위험을 평가하는 방식에 관한 설명은 그 행동을 검토하는 기준점이 될 수 있다. 따라서 공개된 안전성 언어는 평판을 넘어선 의미를 지닌다.

그 대가로 개발사는 프로세스를 설명하는 데 상당한 책임을 계속 진다. 이는 서로 다른 기술적 접근법을 수용할 수 있지만, 그러한 설명의 질도 중요하게 만든다.

재량적 표현으로 가득한 프레임워크는 누가 결정하는지, 어떤 증거가 중요한지, 예외는 어떻게 처리되는지를 설명하는 문서보다 덜 드러낼 수 있다. 반대로 지나치게 구체적인 약속은 기반 기술이 변화함에 따라 유지하기 까다로워질 수 있다.

세부성이나 유연성 어느 쪽도 자동으로 더 낫지는 않다. 유용한 질문은 외부 독자가 의사결정 과정을 이해하고 그로부터 의미 있는 이탈을 식별할 수 있는가다.

예를 들어 가상의 프레임워크는 평가에서 새로운 위험한 역량이 드러날 경우 추가 검토를 설명할 수 있다. 그러면 검토자는 무엇이 검토를 촉발했는지, 그 결과가 최종 결정에 어떤 영향을 미쳤는지를 이해해야 한다.

검토 회의가 있었다는 사실은 증거가 결과를 어떻게 바꿨는지 보여주는 기록보다 덜 입증한다. 이는 절차적 준수와 실질적 판단이 별도로 주목받아야 하는 이유를 보여준다.

같은 구분은 문서 업데이트에도 적용된다. 변경된 가정을 식별하는 설명은 독자가 연속성을 평가하는 데 도움이 된다. 설명되지 않은 변경은 기초 위험 평가가 개선됐는지, 약화됐는지, 아니면 단지 다른 곳으로 옮겨졌는지에 관한 불확실성을 남긴다.

이 모델 아래 OpenAI 감독은 부분적으로 이러한 문서 기록에 달려 있다. 주정부는 기업의 설명과 행동을 비교할 수 있을 만큼 충분한 정보가 필요하고, 기술 검토자는 설명 자체를 평가할 수 있을 만큼 충분한 맥락이 필요하다.

개발사에 도전 과제는 조직적 일관성이다. 팀마다 용어를 다르게 해석한다면 프레임워크는 정확한 설명으로 기능할 수 없다. 규제 당국에 도전 과제는 세련된 문서를 모든 관련 결정이 이를 따랐다는 증거로 오인하지 않으면서 일관성을 평가하는 일이다.

바로 이 지점에서 법률의 약속은 실질적 한계와 맞닿는다. 집행 가능한 약속에는 해석이 필요하고, 해석에는 증거가 필요하다.

Anthropic, 투명성을 지지하면서도 그것만으로는 충분하지 않다고 주장

의무적 공개에 대한 지지가 공개가 충분한 보호를 제공하는지의 문제를 해결하지는 않는다.

Anthropic이 공개한 AI 정책 우선순위는 재앙적 위험 평가와 안전성 테스트 요약의 의무적 공개를 지지한다. 이 회사는 뉴욕의 RAISE Act를 자신이 지지해 온 법률 가운데 하나로 꼽는다.

투명성만으로는 가장 심각한 위험에 대응하기에 충분하지 않다고도 밝혔다. 더 폭넓은 제안에는 독립적인 평가와 위험 평가 및 안전 사고에 대한 지속적인 공개가 포함된다. 이는 회사의 정책적 입장이지, 회사 시스템에 관한 독립적인 조사 결과는 아니다.

이 입장은 논의 안에서 중요한 구분을 만든다. 개발사는 투명성 법안을 지지하면서도 추가적인 감독이 필요하다고 주장할 수 있다. 법안 지지가 해당 기업의 자체 관행이 모든 요건을 충족한다는 뜻은 아니다.

또한 이는 비교 안전성을 입증하지도 않는다. Anthropic의 옹호만으로는 자사 모델이 OpenAI의 모델보다 안전하다는 점을 증명할 수 없다. 마찬가지로 두 회사를 모두 감독 대상에 둔다고 해서 위험, 절차 또는 기술적 역량이 동일하다는 의미는 아니다.

공급업체를 비교하는 독자에게 이는 유용한 경계선이다. 정책적 정렬, 규제 준수, 기술적 안전은 서로 관련된 주제이지만, 한 분야의 증거가 다른 분야의 결론까지 자동으로 해결해 주지는 않는다.

New York의 접근 방식은 개발사들이 안전 관련 작업의 일부를 공개하도록 압박한다. Anthropic의 공식 입장은 이러한 가시성이 모든 보호 기능을 수행할 수는 없음을 인정한다는 점에서 한발 더 나아간다.

투명성을 지지하는 가장 강력한 주장은 실용적이다. 기초가 되는 절차가 전적으로 비공개로 유지되면 외부의 검토는 더 어려워진다. 공개 설명은 연구자, 고객, 공무원이 구체적으로 질문할 수 있는 대상을 제공한다.

이에 대한 가장 강력한 회의적 반론 역시 실용적이다. 공개된 요약만으로는 평가가 관련 위험을 측정하는지, 테스트 조건이 실제 배포 환경과 유사한지, 보호 조치가 계속 효과적인지 판단하기 어려울 수 있다.

이는 특정 개발사에 대한 의혹 제기가 아니라 분석적 질문이다. 공개의 길이나 표현 방식보다 공개 내용이 더 중요한 이유를 설명한다.

독립적인 평가는 이러한 질문을 검토하는 데 도움이 될 수 있지만, 독립성 자체도 검증이 필요하다. 독자는 평가자의 접근 권한, 작업의 한계, 그리고 결과가 뒷받침하는 바를 이해해야 한다. 외부 기관의 참여는 유익한 정보이지만 결론을 확정하는 것은 아니다.

불확실성을 식별하는 것과 이를 제거하는 것 사이에도 차이가 있다. 유용한 평가는 중요한 질문이 여전히 열려 있음을 보여줄 수 있다. 해결되지 않은 모든 문제를 실패의 증거로 취급하면 솔직한 보고를 저해하게 된다.

반대의 실수는 불확실성을 판단 자체를 피하는 이유로 받아들이는 것이다. 개발사는 여전히 배포 결정을 내리고, 고객은 여전히 어떤 시스템에 중요한 업무 접근 권한을 부여할지 결정한다.

RAISE Act의 가치는 부분적으로 이러한 결정 과정을 더 명확히 드러내는 데 달려 있다. 이는 규제 지지나 준수 성명을 최종 답으로 여기는 대신, 출시 결정의 근거를 검토한다는 뜻이다.

따라서 OpenAI와 Anthropic 모두에 대해 새롭게 형성되는 기준은 고객과 규제기관이 검토할 수 있는 증거에 관한 것이다. 이들의 평판은 계속 중요하겠지만, 평판이 특정 결정이 어떻게 내려졌는지에 대한 설명을 대신할 수는 없다.

사고 보고는 규제기관에 가시성을 제공하지만, 대중 공개에는 한계가 있다

보고 기한은 모든 사고에 대한 즉각적인 대중 접근을 보장하지 않으면서도 당국에 정보를 전달할 경로를 제공한다.

법의 사고 보고 규정은 일반적으로 대상 사고가 발생했다고 판단한 후 72시간 이내에 통지하도록 요구한다. 개발사가 사고가 발생했다는 합리적 믿음을 뒷받침할 충분한 사실을 알게 된 때에도 기산 시점이 시작된다.

별도 조항은 발견된 중대 사고가 임박한 사망 또는 중상 위험을 초래할 경우, 적절한 당국에 24시간 이내 공개하도록 요구한다. 이러한 발동 요건은 문제를 신속히 보고하겠다는 일반적인 약속보다 더 구체적이다.

사고 보고서와 특정 내부 위험 평가는 기밀 보호를 받는다. 해당 기관의 연례 보고 의무는 2028년 1월 1일에 시작되며, 익명화되고 집계된 사고 정보를 포함한다.

기밀 보고와 공개 투명성의 차이는 핵심적이다. 당국은 고객이 즉시 공유받지 못하는 가시성을 얻을 수 있다. 공개된 사례가 없다고 해서 보고가 없었다고 가정해서는 안 된다.

원시적인 보고 건수 역시 안전성 순위가 되어서는 안 된다. 보고가 많다는 것은 사고가 더 많았다는 뜻일 수도, 탐지가 더 잘 이루어졌다는 뜻일 수도, 더 폭넓은 보고 관행을 반영한 것일 수도 있으며, 이들이 복합적으로 작용했을 수도 있다. 건수를 해석하려면 맥락이 필요하다.

이는 안전 시스템에서 반복적으로 나타나는 측정 문제다. 보고 절차는 무엇이 보이게 되는지를 바꾸며, 기저 조건이 개선되기 전에도 겉으로 드러나는 성과를 바꿀 수 있다. 초기 수치가 결국 발표될 때 이 가능성은 주목할 만하다.

통지 발동 요건은 내부 인지에도 큰 비중을 둔다. 조직이 관련 증거를 식별하고 조치할 수 있는 사람에게 전달할 수 있을 때에만 기한은 유용하다.

가상의 개발사가 내부 사용 중 예기치 않은 행동을 조사하는 상황을 생각해 보자. 기술 담당자는 먼저 그것이 평가 과정의 인공적 결과인지 실제 안전 문제인지 구분해야 할 수 있다. 이후 보고 절차는 증거를 보존하고 사안을 적절히 상향 보고하는 데 달려 있다.

이 사례는 특정 회사가 그러한 사고를 경험했다고 입증하지 않는다. 이는 보고 의무가 기술적 판단과 조직의 책임을 연결하는 이유를 보여준다.

고객에게 기밀 유지 구조는 공급업체 비교가 확립할 수 있는 범위에 한계를 만든다. 공개 자료는 절차를 설명할 수 있지만, 그 절차를 통해 처리된 모든 사건을 드러내지는 않을 수 있다.

규제기관에는 보호된 보고가 광범위하게 공개하기에는 민감하거나 위험할 수 있는 정보를 제공할 수 있다. 이에 수반되는 과제는 그 보호를 존중하면서도 해당 정보가 감독에 활용된다는 점을 보여주는 것이다.

따라서 대중의 신뢰는 단순한 공개량 이상에 달려 있다. 감독 방식, 집계된 결과, 기관의 대응에 대한 명확한 설명은 관찰자가 절차가 작동하는지 평가하는 데 도움이 될 수 있다.

벌금 역시 신중하게 해석해야 한다. 집행은 실패를 드러내고 당국이 이에 대응했음을 보여줄 수 있다. 어느 한 결론만으로는 영향을 받은 기술의 전반적인 안전성을 측정할 수 없다.

집행이 시작되기 전에도 같은 주의가 적용된다. 등록은 행정 절차 참여의 증거다. 이는 정부가 해당 모델이 모든 목적에 적합하다고 승인했다는 뜻이 아니다.

이러한 구분을 명확히 유지하면 법이 제품 마케팅이나 구매 결정에서 오해를 부르는 지름길이 되는 것을 막을 수 있다. 감독은 책임성을 더하지만, 독자는 각 공개 신호가 실제로 무엇을 입증하는지 계속 물어야 한다.

등록, 출시 공개, 그리고 감독의 초기 징후를 주시하라

향후 몇 달은 장기적인 안전 결과를 측정하기 전에도 이행에 관한 관찰 가능한 증거를 제공한다.

먼저 1월 등록 시점과 참여 의무 대상에 관한 공식 설명을 주시하라. 핵심 신호는 이행 과정이 대상 개발사를 위한 명확하고 사용 가능한 절차를 마련하는지 여부다.

제대로 작동하는 등록 절차는 New York가 입법 단계에서 행정 단계로 넘어갔다는 판단을 강화할 것이다. 책임에 관한 혼선, 해결되지 않은 지침, 반복되는 절차적 장애는 이러한 평가를 약화시킬 것이다.

이 신호의 의미는 제한적이다. 성공적인 등록은 행정 요건에 대한 진전을 보여줄 것이다. 이는 주정부가 모든 기술적 문제를 검토했거나 모든 대상 시스템을 승인했다는 뜻은 아니다.

둘째, 요건이 시작된 후 출시와 함께 제공되는 안전 프레임워크와 모델 공개 자료를 살펴보라. 유용한 비교는 독자가 그 자료에서 무엇을 파악할 수 있는지에 관한 것이다.

자료는 관련 모델을 식별하고, 평가 절차를 설명하며, 결과와 미해결 질문을 구분하는가? 고객은 버전 간 무엇이 바뀌었는지 이해할 수 있는가? 업데이트는 개발사의 접근 방식에 의미 있는 변화가 있었음을 설명하는가?

이는 문서 분량만으로 판단하는 것보다 정보성이 높은 공개를 가늠하는 더 강력한 지표다. 더 명확하고 비교 가능한 자료는 법이 외부 검토를 개선한다는 주장을 뒷받침할 것이다. 반복되는 모호함은 그 주장을 유지하기 어렵게 만들 것이다.

OpenAI와 Anthropic의 비교는 구체적으로 이루어져야 한다. 한 개발사가 특정 절차를 더 명확히 설명할 수는 있지만, 그것이 전반적인 안전 우위를 입증하는 것은 아니다. 증거가 결론의 범위를 결정해야 한다.

셋째, 감독을 담당하는 기관이 공개적으로 문서화한 검토 활동, 평가 방법, 지침을 주시하라. 중요한 신호는 기술적 검토가 식별 가능한 질문이나 관행의 변화를 만들어 내는지 여부다.

그 연결에 관한 공개 증거는 감독이 문서 수집을 넘어선다는 주장을 강화할 것이다. 다만 기밀 유지 규정과 평가에 필요한 시간을 고려하면, 초기 공개 결과가 없다는 사실만으로는 덜 결정적이다.

이 마지막 신호는 검토를 포기하지 않으면서 인내를 요구한다. 새로 출범한 기관은 즉시 성숙한 집행 기록을 제공할 수 없다. 그렇더라도 우선순위, 방법, 그리고 평가할 수 있는 범위의 경계를 설명할 수 있다.

이러한 관찰을 함께 고려하면 1월이 다가오는 상황에서 OpenAI 감독을 현실적으로 추적할 수 있다. 이는 행정적 준비 상태, 정보성 있는 공개, 실질적 검토를 구분하며, 각각은 서로 다른 결론을 뒷받침한다.

개발사와 엔터프라이즈 구매자는 준수 관련 표현을 안전성 판정으로 받아들이기 전에 이러한 신호를 따라야 한다. 관련 프레임워크, 모델 공개 자료, 내부 배포 결정을 함께 검토해 변화가 이해 가능하도록 하라. 공급업체에 어떤 증거가 주장을 뒷받침하는지, 문서가 어떤 질문을 미해결로 남기는지 물어라. OpenAI와 Anthropic을 비교할 때는 일반적인 신중함의 평판보다 특정 모델과 제안된 사용 사례에 초점을 맞춰라. 공개된 프레임워크는 구매 논의를 개선할 수 있지만, 여전히 누군가는 그 전제를 검토해야 한다. New York의 요건이 시작되면 새 정보를 활용해 더 정확한 질문을 던져라. 무엇이 평가되었는지, 무엇이 여전히 불확실한지, 그리고 증거 때문에 어떤 결정이 달라졌는지.

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page