01
연합뉴스
ON AIR
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
Accounting for information flow on the path space of trajectories of a nonnegative martingale yields exact variational identities for it, even at arbitrary random times. This recovers the widely used classical concentration inequalities, from Ville to PAC-Bayes, and measures what each one discards. The tail a bound controls is itself a relative entropy, resolved by the chain rule into per-step conditional divergences. The discarded slack has an exact form in each of three geometries: a Gibbs tilt for the Azuma-Hoeffding and PAC-Bayes bounds, the crossing itself for Ville's and for pooled tests, and a dominating certificate for the $L^p$ maximal bound. That certificate's optional-stopping deficit resolves per step into Bregman divergences of the running maximum. On a path-time space, the same identity gains one factor that prices anticipation: an arbitrary random time carries an e-process ``peeking penalty.'' The partition function can be read as a coalescent--a prefix-sharing probability of independent copies--and geometric mixtures of test martingales gain a pooling benefit for multi-model safe testing.
Large Language Models (LLMs) increasingly require selective removal of harmful or sensitive knowledge, called unlearning, yet existing methods and benchmarks fail to evaluate this capability completely. Current approaches rely on disjoint forget and retain sets composed of independent facts, and measure success using simple and direct factual recall. This framing fails to capture a key requirement of unlearning, namely the ability to eliminate harmful behaviors while preserving benign and beneficial knowledge. We argue that effective unlearning must operate at the level of concepts, ensuring complete removal of unsafe applications while maintaining their correct and useful usage, thereby achieving conceptually meaningful and complete unlearning. To better evaluate unlearning techniques from such a practical viewpoint, we introduce the notion of dual-use concepts: concepts that can be used in both harmful and benign contexts. Building on these concepts, we construct a benchmark called ConceptGuard where forget and retain sets are explicitly complementary in concept usage. Our benchmark uniquely enables unlearning to be explored and gauged at the level of concepts, instead of sparse facts, and evaluation is intent-sensitive with the goal of maximizing contextual separation to promote safer behavior. We demonstrate that current unlearning techniques perform poorly under this setting, showing weak contextual separation alongside poor performance in ROUGE and concept-level metrics. Our results reveal strong forgetting-utility trade-offs, limited gains in contextual sensitivity, and poor consistency in concept-level control across methods, and provide ideas for unlearning approaches that better align with real-world safety requirements. Our dataset is publicly available.
Personalized interpretation of medical reports has emerged as an increasingly important need among patients. Addressing this need requires both evidence-grounded medical factuality and context-dependent patient communication, yet existing medical vision-language tasks do not adequately capture these dual requirements. To bridge this gap, we introduce Patient-oriented Medical Report Interpretation (PMRI), a novel open-ended multimodal generation task that requires models to explain medical reports in accurate and accessible language based on a user's query and dialogue history. These two objectives differ fundamentally in their verifiability, yet remain tightly coupled, making them difficult to optimize jointly under conventional supervised fine-tuning and holistic reinforcement learning paradigms. To address this challenge, we propose G-CARL, a grounded, checklist-aligned reinforcement learning framework that combines multi-source retrieval for atomic claim verification with context-aware, instance-specific weighted checklists for response coverage, providing structured supervision for factuality, user-demand satisfaction, and expression quality without constraining response diversity. We further construct MMedReport, a real-world PMRI benchmark, along with a clinician-designed three-dimensional evaluation protocol. Extensive experiments demonstrate that G-CARL consistently outperforms existing post-training baselines in overall quality, claim-level precision, and checklist recall. Pairwise preference evaluation by clinicians further confirms that G-CARL produces interpretations that are more accurate and better aligned with patient needs.
"캐나다와 새로 예정된 협상 없어"…양국 관세 갈등 재격화 조짐
(워싱턴=연합뉴스) 이유미 특파원 = 제이미슨 그리어 미국 무역대표부(USTR) 대표는 22일(현지시간) 미국과 캐나다의 무역협상이 결렬된 것과 관련, 캐나다의 보복 관세에 대응하는 조치를 추진하겠다고 밝혔다.
그리어 대표는 이날 폭스뉴스와의 인터뷰에서 "우리는 캐나다의 보복에 대응하는 조치를 추진하고 있다"며 "우리의 관심은 미국 노동자와 미국의 공급망을 보호하는 데 있다"고 말했다.
미국과 캐나다는 최근 무역 합의에 근접한 듯했으나 전날 막판 협상이 결렬됐다.
캐나다는 미국이 막판에 제시한 조건 변경이 불공정하다며 21일 밤 협상 중단을 선언했고, 미국은 22일 0시를 기해 약 200억 달러 규모의 캐나다산 제품에 50%의 관세를 부과했다.
캐나다는 이에 맞서 미국의 관세 부과 규모에 상응하는 관세를 미국산 제품에 부과하겠다는 방침을 밝혔다.
그리어 대표가 말한 '대응 조치'는 이 같은 캐나다의 보복 방침에 미국이 추가로 맞대응하겠다는 의미로 풀이된다. 이에 따라 양국 간 관세 갈등이 다시 격화할 가능성이 제기된다.
그리어 대표는 또 캐나다와 "새로 예정된 협상은 없다"며 당분간 협상을 재개할 계획이 없다는 입장도 밝혔다.
그는 캐나다가 이미 다른 수출국보다 유리한 대우를 받고 있었으며 미국이 철강·자동차·목재 등 관세를 인하해주겠다고 했지만 캐나다가 이를 원하지 않았다면서 협상 결렬의 책임을 캐나다에 돌렸다.
yumi@yna.co.kr
제보는 카카오톡 okjebo <저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지> 2026년08월23일 01시23분 송고
9월 8일부터 부과 예정…전통 우방 양국 관계 '급랭'
(멕시코시티=연합뉴스) 송광호 특파원 = 미국과 캐나다의 무역 협상이 결렬되면서 미국이 200억 달러 규모의 캐나다산 제품에 50%의 관세를 부과하자, 캐나다 역시 대규모 보복관세를 예고하며 맞불을 놓았다.
미국의 관세부과에 이어 캐나다도 동등한 수위의 보복 조치를 선언하면서 전통적 우방이었던 양국 관계가 급격히 경색되고 있다.
마크 카니 캐나다 총리는 22일(현지시간) 미국 측이 제시한 통상 협정 조건을 수용할 수 없다며 워싱턴의 고율 관세 부과에 대한 맞대응으로 미국산 철강과 낙농품, 가전제품, 농기계, 펄프 등에 보복관세를 부과할 것이라고 발표했다.
카니 총리는 "우리는 미국이 제시한 제안을 수용할 수 없으며, 그들이 요구한 것 역시 내주지 않을 것"이라고 밝혔다.
이어 캐나다 정부의 이번 보복관세 조치는 내달 8일부터 정식 발효될 예정이라고 덧붙였다. 세부적인 품목별 관세율은 추가로 발표할 계획이다.
앞서 제이미슨 그리어 미 무역대표부(USTR) 대표는 전날 "캐나다가 이번 주 초 합의된 조건에 따라 무역협정을 최종 타결하는 것을 거부했다"며 협상 결렬 책임을 캐나다에 돌렸다.
반면 카니 총리는 "미국 측이 막판에 제시한 변경 조건은 불공정하고 비경제적이었다"면서 "미국이 너무 많은 것을 요구하고 제공한 것은 너무 적었다"고 반박했다.
트럼프 미 행정부는 자국 산업 보호를 이유로 캐나다산 수입품에 50%의 고율 관세를 예고한 바 있으며, 협상 결렬 직후 해당 관세를 즉시 발효시켰다.
양국 간 추가 협상 일정이 잡히지 않은 가운데 이 같은 양국의 관세 부과는 미국·캐나다·멕시코를 아우르는 북미무역협정(USMCA)의 미래마저 불투명하게 만들고 있다고 AP통신은 보도했다.
buff27@yna.co.kr
제보는 카카오톡 okjebo
<저작권자(c) 연합뉴스,
무단 전재-재배포, AI 학습 및 활용 금지>
2026년08월23일 01시22분 송고
(베를린=연합뉴스) 김계연 특파원 = 스웨덴의 한 고등학교에서 흉기로 17세 여학생을 살해한 용의자가 범죄를 찬양하는 온라인 문화에 빠져 과거 우익 극단주의자의 테러 공격을 모방했을 가능성이 제기됐다.
22일(현지시간) 로이터통신 등에 따르면 스웨덴 경찰은 용의자 소유로 추정되는 틱톡 계정 게시물을 토대로 학교 폭력을 부추기는 온라인 커뮤니티와 흉기 난동 사건의 연관성을 수사 중이다.
틱톡 계정에는 전날 사건이 발생하기 20여분 전 학교 화장실에서 찍은 흉기 사진이 올라왔다. 한 달쯤 전 개설된 이 계정에는 2011년 노르웨이에서 극우주의자 아네르스 베닝 브레이비크가 77명을 살해한 테러 사건, 2015년 발생한 스웨덴 학교 흉기 난동 사건을 찬양하는 글과 동영상도 여럿 있었다.
2015년 10월 스웨덴 서부 트롤헤탄의 크로난 초중등학교에서 안톤 룬딘 페테르손(당시 21세)이 흉기를 휘둘러 3명이 숨졌다. 이 학교는 이민 배경 학생들이 많이 다니는 곳이다. 범인은 피부색으로 범행 대상을 고른 정황이 CCTV에 포착됐다. 진압 과정에서 총상을 입고 숨진 페테르손은 스웨덴 이민정책에 불만을 표시한 일종의 유서를 남겼다.
당시 페테르손은 검은 옷차림에 복면을 하고 나치 군대 방탄 헬멧을 쓰고 있었다. 독일 일간 타게스슈피겔은 전날 흉기 난동을 벌인 용의자가 이 복장을 따라 한 것으로 보인다고 전했다. 목격자들은 용의자가 헬멧을 쓰고 범행했다고 진술했다.
스웨덴 일간 다겐스뉘헤테르는 해시태그 등으로 미뤄 문제의 틱톡 계정 주인이 폭력 범죄와 테러를 찬양하는 일명 '트루 크라임 커뮤니티'(TCC)에 가담했을 수 있다고 분석했다.
지난해 6월 오스트리아 그라츠의 고등학교에서 총기 난사로 10명을 살해하고 스스로 목숨을 끊은 당시 21세 아르투어 A도 평소 1999년 미국 컬럼바인 고교 총기 난사 사건에 집착하는 등 TCC에 심취한 것으로 드러난 바 있다.
용의자는 전날 오후 2시께 자신이 전에 다니던 스웨덴 남부 파게르스타의 브리넬 고등학교에서 마체테(벌목도)를 휘둘렀다. 17세 여학생이 숨지고 남학생 2명이 중상을 입는 등 3명이 다쳤다. 경찰은 사건 직후 보도와 달리 체포된 용의자가 제압 과정에서 총상을 입지 않았고 치료도 필요 없는 상태라고 밝혔다.
dada@yna.co.kr
제보는 카카오톡 okjebo<저작권자(c) 연합뉴스,무단 전재-재배포, AI 학습 및 활용 금지>2026/08/23 01:20 송고2026년08월23일 01시20분 송고
레오 14세 교황이 22일 산마리노 공화국과 이탈리아 동부 도시 리미니를 방문해 평화 메시지를 설파했다.
교황의 산마리노 방문은 1982년 성 요한 바오로 2세와 2011년 베네딕토 16세에 이어 이번이 세 번째다.
레오 14세는 산마리노를 "좋은 정치의 실험실"이라며 "잉태에서 자연사에 이르기까지 인간의 존엄성을 지켜야 한다"고 강조했다.
전체 내용을 이해하기 위해서는 기사 본문과 함께 읽어야 합니다.
(바티칸=연합뉴스) 민경락 특파원 = 레오 14세 교황이 22일(현지시간) 산마리노 공화국과 이탈리아 동부 도시 리미니를 방문해 평화 메시지를 설파했다.
교황청에 따르면 교황은 이날 리미니에서 열린 가톨릭 문화축제에서 "빈곤과 불평등, 전쟁, 환경 재앙의 근원에 있는 부당한 권력 구조를 드러내자"고 말했다.
또 "이윤에 대한 우상숭배에서 노동을 해방하고 기술 발전이 파괴적인 것이 될 때마다 무장해제하자"고 역설했다.
교황은 "기독교인이라면 적이란 있을 수 없다"며 "평화는 만나기 좋아하고 관계 맺는 것을 두려워하지 않는 사람들이 만드는 것"이라고 말했다.
산마리노에서는 현지 당국자들을 만나 "현대 사회가 폭력과 사회적 분열, 공동선보다 사익을 앞세우는 이념으로부터 심각한 위협을 받고 있다"고 우려했다.
그러면서 기독교인들이 용서와 연대, 취약계층에 대한 관심으로 대응해야 한다고 강조했다.
이탈리아 영토 안의 내륙국인 산마리노는 울릉도(73㎢)보다 작은 60.5㎢ 면적에 인구 3만4천여 명 규모의 초미니 국가다. 유럽에서는 바티칸시국, 모나코 다음으로 작다. 내각책임제를 근간으로 고대 로마 공화정의 집정관 제도가 가미된 독특한 정부 형태를 갖고 있다.
교황의 산마리노 방문은 1982년 성 요한 바오로 2세와 2011년 베네딕토 16세에 이어 이번이 세 번째다.
레오 14세는 산마리노를 "좋은 정치의 실험실"이라며 "잉태에서 자연사에 이르기까지 인간의 존엄성을 지켜야 한다"고 강조했다. 산마리노는 2021년 국민투표를 통해 임신 첫 12주 이내의 낙태를 합법화했다.
rock@yna.co.kr
제보는 카카오톡 okjebo <저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지> 2026년08월23일 00시50분 송고
'250주년 기념' 워싱턴DC에 2.7㎞ 코스…트럼프도 '명예주행' 예정
이틀간 최대 30만명 방문 전망…대기업 후원엔 이해충돌 지적도
(워싱턴=연합뉴스) 이유미 특파원 = 미국 수도 워싱턴DC의 심장부가 22일(현지시간) 미 건국 250주년을 기념하는 자동차 경주장으로 변신했다.
'인디카' 자동차 경주대회인 '프리덤 250 그랑프리'가 이날 워싱턴DC의 상징적 공간인 내셔널몰 일대에서 이틀 일정의 행사를 시작했다.
CNN 방송에 따르면 경주 코스는 내셔널몰을 중심으로 백악관과 인접한 펜실베이니아 대로를 따라 국립미술관과 국립문서기록관리청, 항공우주박물관 등 주요 명소 인근을 지난다.
총길이는 약 2.7㎞(1.7마일)이며, 차량이 방향을 꺾는 7개의 코너가 포함됐다. 경주 차량은 시속 약 306㎞(190마일) 이상으로 질주할 것으로 예상된다.
이날은 연습 주행과 예선이 진행되며, 본 경기는 23일 오후 1시 개최된다.
본 경기에서 드라이버들은 코스를 147바퀴, 총 250마일(약 402㎞)을 달리게 된다. 250마일은 미국 건국 250주년을 기념하는 의미를 담고 있다.
도널드 트럼프 대통령도 23일 경기장을 찾아, 본 경기 시작에 앞서 '명예 주행'(lap of honor)에 나설 예정이다. 숀 더피 교통부 장관은 경기 종료를 알리는 체크무늬 깃발을 흔들 예정이다.
이번 행사로 워싱턴DC 도심 곳곳에 대규모 안전 펜스가 설치되고 교통·주차가 통제되는 등 주민들과 방문객들의 불편도 초래됐다.
경주 코스에 위치한 일부 박물관들은 이번 행사 티켓이 있어야 입장할 수 있으며, 국립미술관은 경주 차량의 진동으로부터 소장품을 보호하기 위한 안전 조치까지 마련했다.
23일 미군 군용기들의 기념 비행이 예정된 가운데, 연방항공청(FAA)은 행사 지원을 위해 당일 오전 10시 15분부터 오후 1시 15분까지 워싱턴DC의 로널드 레이건 공항에서 출발하는 항공편 운항을 중단할 것이라고 밝혔다.
행사에 트럼프 대통령과 주요 행정부 관계자들이 참석하는 만큼 관람객들은 강화된 보안 검색을 거쳐야 행사장에 입장할 수 있다.
이번 대회는 트럼프 대통령이 지난 1월 행정명령을 통해 행사 지원을 지시하면서 속전속결로 추진됐다.
대회 개최를 위해 일대 도로를 정비하고 안전 펜스를 설치하는 등에 투입된 3천500만 달러(약 480억원)는 인디카 측이 전액 부담했으며, 대회에서 발생한 수익금은 워싱턴DC 지역 자선단체에 기부할 예정이다.
다만 대규모 기업 후원을 둘러싼 비판도 나온다.
정치전문매체 폴리티코는 이번 인디카 대회에 보잉과 스페이스X, 쉘, 아마존 등 워싱턴DC에서 막강한 로비 활동을 펼치는 기업들이 후원사로 나섰다고 전했다.
이들 기업은 경주 코스에 광고 공간을 확보했다. 이틀간 최대 30만명의 관람객이 현장을 찾을 것으로 예상되는 데다 폭스스포츠를 통해 경기가 생중계되는 만큼 상당한 광고 노출 효과를 누릴 것으로 보인다.
민주당과 일부 시민단체에서는 이들 기업이 트럼프 대통령이 적극 추진한 행사에 자금을 지원하는 것이 이해충돌 소지가 있다는 지적을 제기했다.
민주당 크리스 밴 홀런 상원의원(메릴랜드)은 성명에서 "트럼프는 자신이 규제하는 바로 그 기업들로부터 인디카 기부금을 받기 위해 시간을 낭비하기보다, 일하는 미국인들을 괴롭히는 높은 비용을 낮추는 데 힘써야 한다"고 말했다.
그러나 백악관은 이해충돌 비판을 일축했다.
데이비스 잉글 백악관 공보 담당은 트럼프 대통령이 "미국이 마땅히 누려야 할 화려한 생일을 보장하려는 것"이라며 "이해 충돌이 있다고 주장하는 사람은 누구든 명백히 심각한 '트럼프 광기 신드롬'을 앓는 것"이라고 말했다.
yumi@yna.co.kr
제보는 카카오톡 okjebo
<저작권자(c) 연합뉴스,
무단 전재-재배포, AI 학습 및 활용 금지>
2026년08월23일 00시07분 송고
A매치 25경기 연속 무패 행진…26일 결승 2차전서 대회 2연패 도전
(서울=연합뉴스) 이영호 기자 = 김상식 감독이 이끄는 베트남 축구 대표팀이 '난적' 태국과 2026 아세안(ASEAN) 현대컵 결승 1차전 원정을 승리로 장식하며 대회 2연패 달성에 바짝 다가섰다.
베트남은 22일(한국시간) 태국 방콕의 라자망갈라 스타디움에서 열린 태국과 대회 결승 1차전에서 후반에만 2골을 쏟아내고 2-0으로 이겼다.
1차전을 승리로 장식한 베트남은 오는 26일 베트남 하노이의 미딘 국립경기장으로 태국을 불러들여 결승 2차전을 치러 우승에 도전한다.
특히 이날 태국을 꺾은 베트남은 A매치 25경기(22승 3무) 무패 행진을 이어갔다.
2년마다 열리는 현대컵은 동남아 축구 최강을 가리는 대회로 '동남아의 월드컵'으로 불린다.
그동안 스즈키컵, 미쓰비시컵 등으로 불렸던 이 대회는 30주년을 맞아 타이틀 스폰서가 현대로 바뀌면서 현대컵으로 불리게 됐다.
직전 2024년 대회에서 역대 최다 우승(6회)에 빛나는 태국을 물리치고 통산 세 번째(2008·2018·2024년) 우승을 달성한 베트남은 이번 대회에서도 태국과 다시 결승에서 만났고, 1차전을 승리로 이끌며 대회 2연패에 바짝 다가섰다.
전반을 득점 없이 마친 베트남은 후반 17분 귀중한 선제 결승골이 터졌다.
역습 상황에서 페널티지역 정면으로 파고든 응우옌 딘 박이 힐 패스를 내주자 쇄도하던 응우옌 하이 롱이 논스톱 슈팅으로 득점포를 터트렸다.
기세가 오른 베트남은 후반 34분 도 호앙 헨의 도움을 받은 응우옌 꽝 하이의 추가골이 터지며 태국의 항복을 받아냈다.
horn90@yna.co.kr
제보는 카카오톡 okjebo <저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지> 2026년08월23일 00시05분 송고
[오늘의 운세] 8월 23일 띠별 운세
오늘의 띠별 운세, 쥐띠부터 돼지띠까지 한눈에 보기
오늘의 운세(2026년 8월 23일 일요일)를 확인하고 하루를 힘차게 시작하세요. 오랫동안 쌓아온 경험과 신뢰가 빛을 발할 오늘, 나에게 찾아올 행운을 오늘의 띠별 운세로 살펴보세요.
60년생 오래 만나지 못했던 친구와 함께 여유로운 일요일을 보내기 좋은 날이다. 함께 이야기를 나누다 보면 에너지가 채워진다.
72년생 오늘은 강하게 나서기보다 가족과 함께 편안하게 쉬는 것이 맞는 날이다. 배우자와 오랫동안 하지 못했던 대화를 나눠보자.
84년생 아이와 함께 집에서 뒹굴거리거나 가까운 공원에 나가보자. 특별한 계획 없이 함께 있는 것이 오늘 가장 행복한 시간이 된다.
96년생 친구들과 함께 편하게 쉬면서 이야기를 나누거나 좋아하는 것에 집중하기 좋은 날이다. 자연스럽게 흘러가도록 두면 좋은 하루가 된다.
61년생 오늘은 의도치 않은 마찰이 생기기 쉬운 날이다. 오래 알고 지낸 지인과의 의견 차이가 생길 수 있으니 먼저 들어주는 것이 현명하다.
73년생 오늘은 강하게 나서기보다 집에서 편안하게 마무리하는 것이 현명한 날이다. 오래 고민해온 것을 글로 정리해두면 내일 훨씬 명확해진다.
85년생 오늘은 하고 싶은 것이 많지만 무리하게 움직이기보다 집에서 아이와 배우자와 함께 편안하게 보내는 것이 맞는 날이다.
97년생 오늘은 충동적으로 결정하면 나중에 후회할 수 있는 날이다. 혼자 좋아하는 것에 집중하거나 내일을 위한 준비를 해두자.
62년생 오늘은 오랫동안 쌓아온 감각이 창의적으로 드러나는 날이다. 오래 해보고 싶었던 취미를 꺼내거나 좋아하는 것에 집중해보자.
74년생 오늘은 흐름이 특별히 잘 맞는 날이다. 가족과 함께 여유로운 일요일을 보내기 좋은 날이다. 자녀가 원하는 곳에 기꺼이 따라가보자.
86년생 배우자와 함께 집에서 편안하게 쉬거나 가까운 곳을 산책해보자. 특별한 계획 없이 함께하는 시간이 오늘 가장 특별하게 느껴진다.
98년생 친구들과 편하게 이야기를 나누거나 좋아하는 것에 빠져드는 시간이 오늘의 에너지가 된다. 내일을 위한 충전의 날이다.
63년생 오래된 취미를 꺼내거나 창의적인 활동에 집중하기 좋은 날이다. 흐름이 좋은 날이니 오늘 만든 것을 아끼는 사람과 나눠보자.
75년생 집을 정리하거나 가계부를 점검하기 좋은 날이다. 기운이 잘 받쳐주는 날이니 배우자와 함께 한 주를 돌아보는 대화를 나눠보자.
87년생 오늘은 흐름이 좋은 날이다. 연인과 함께 여유로운 일요일을 보내기 좋은 날이다. 가보고 싶었던 곳을 함께 찾아가면 좋은 기억이 된다.
99년생 좋아하는 것에 집중하면 시간 가는 줄 모르는 날이다. 기운이 잘 받쳐주는 날이니 내일을 위한 알찬 충전의 날이 된다.
64년생 오늘은 오랫동안 가보고 싶었던 곳을 찾아가보기 좋은 날이다. 흐름이 특별히 잘 맞는 날이니 반가운 만남이 이루어지는 날이기도 하다.
76년생 가족과 함께 집에서 좋아하는 음식을 만들거나 오래 보고 싶었던 영화를 함께 보자. 소소하지만 따뜻한 일요일이 된다.
88년생 배우자나 연인과 여유롭게 집에서 쉬거나 가까운 곳으로 나들이를 나서보자. 자연스럽게 함께하는 시간이 오늘 특별하게 느껴진다.
00년생 오늘은 내일을 위해 미리 준비를 해두거나 좋아하는 것에 집중하기 좋은 날이다. 친구들과 편하게 이야기를 나눠보자.
65년생 오래된 취미를 꺼내거나 오랫동안 해보고 싶었던 것에 집중하기 좋은 날이다. 좋아하는 것에 시간을 쏟는 일요일이 된다.
77년생 가족과 함께 집에서 편안하게 쉬는 것이 가장 좋은 날이다. 오랫동안 보고 싶었던 영화나 좋아하는 음식으로 일요일을 채워보자.
89년생 친구들과 편하게 이이번 주 야기를 나누거나 좋아하는 맛집을 탐방하기 좋은 날이다. 함께하는 시간이 내일을 위한 충전이 된다.
01년생 관심 있는 것을 천천히 탐구하거나 혼자만의 여유 시간을 갖기 좋은 날이다. 오늘 경험한 것이 앞으로 중요한 자산이 된다.
66년생 오래된 친구와 만나기 좋은 날이다. 함께 맛있는 것을 먹으면서 이야기를 나누면 에너지가 채워진다. 오늘 만남이 특별한 기억이 된다.
78년생 가족과 함께 여유로운 일요일을 보내기 좋은 날이다. 아이와 배우자가 오늘 유독 다가오는 날이니 함께하는 시간을 만들어보자.
90년생 연인이 있다면 오늘 데이트가 특별한 기억이 된다. 오늘은 흐름이 특별히 잘 맞는 날이니 좋아하는 곳을 함께 찾아가보자.
02년생 친구들과 함께 새로운 것을 경험하거나 스포츠를 즐기기 좋은 날이다. 몸을 움직일수록 기분이 좋아지는 날이다.
67년생 오늘은 평소 실력이 자연스럽게 드러나는 날이다. 가족과 함께 집에서 편안하게 보내거나 오랫동안 하고 싶었던 것을 즐겨보자.
79년생 오늘은 본래 감각이 빛나는 날이다. 배우자와 함께 아무것도 하지 않는 날로 정해보자. 억지로 채우지 않아도 오늘이 가장 행복한 일요일이 된다.
91년생 오늘은 있는 그대로의 모습이 가장 빛나는 날이다. 친구들과 편하게 이야기를 나누거나 좋아하는 것에 빠져드는 시간이 에너지가 된다.
03년생 오늘은 본래 실력이 빛나는 날이다. 좋아하는 것에 몰입하면 시간 가는 줄 모르는 날이니 취미나 관심사를 마음껏 즐겨보자.
68년생 제2의 인생을 위한 아이디어가 오늘 떠오르기 좋은 날이다. 오래 알고 지낸 친구와 함께 이야기를 나눠보자.
80년생 가족과 함께 새로운 것을 경험하거나 처음 가보는 곳을 탐험해보자. 즐거운 일요일 추억이 만들어진다.
92년생 좋아하는 사람과 함께하면 에너지가 두 배가 되는 날이다. 연인이 있다면 오늘 데이트가 특별한 기억이 된다.
04년생 내일을 위해 미리 준비를 해두거나 좋아하는 것을 즐기기 좋은 날이다. 오늘은 흐름이 특별히 잘 맞는 날이니 자신 있게 나서보자.
69년생 오래 배워보고 싶었던 것을 오늘 시작하거나 새로운 취미를 찾아보기 좋은 날이다. 오래 알고 지낸 친구와 함께라면 더욱 좋다.
81년생 아이와 함께 집에서 뭔가를 만들거나 요리하는 시간이 특별한 기억이 된다. 가족과 함께하는 소소한 활동에서 따뜻함이 느껴진다.
93년생 친구들과 함께 일요일을 즐기기 좋은 날이다. 흐름이 특별히 잘 맞는 날이니 새로운 곳을 탐방하거나 맛집을 찾아가보자.
70년생 오래 만나지 못했던 친구와 함께 일요일을 보내기 좋은 날이다. 함께 이야기를 나누다 보면 에너지가 채워진다.
82년생 배우자와 함께 오래 미뤄온 나들이를 오늘 즐겨보자. 함께하는 모든 것이 오늘 풍요롭게 느껴진다.
94년생 좋아하는 사람과 함이번 주 께하면 에너지가 두 배가 되는 날이다. 연인이 있다면 오늘 데이트가 오래 기억에 남는다.
71년생 가족과 함께 좋아하는 것을 즐기는 시간이 오늘 특별하게 느껴지는 날이다. 아이와 배우자와 함께하는 소소한 활동에서 따뜻함이 느껴진다.
83년생 배우자와 오래 미뤄온 나들이를 오늘 즐겨보자. 흐름이 특별히 잘 맞는 날이니 가는 곳마다 기분 좋은 일이 생기는 날이다.
95년생 친구들과 함께 새로이번 주 운 것을 경험하거나 오래 가보고 싶었던 곳을 찾아가보자. 오늘 함께한 시간이 특별한 추억이 된다.
🐭 쥐띠
48년생 일요일, 가까운 곳을 천천히 산책하거나 좋아하는 차 한 잔과 함께 여유를 즐겨보자. 오래 알고 지낸 지인에게 안부를 전하면 따뜻한 반응이 돌아온다.60년생 오래 만나지 못했던 친구와 함께 여유로운 일요일을 보내기 좋은 날이다. 함께 이야기를 나누다 보면 에너지가 채워진다.
72년생 오늘은 강하게 나서기보다 가족과 함께 편안하게 쉬는 것이 맞는 날이다. 배우자와 오랫동안 하지 못했던 대화를 나눠보자.
84년생 아이와 함께 집에서 뒹굴거리거나 가까운 공원에 나가보자. 특별한 계획 없이 함께 있는 것이 오늘 가장 행복한 시간이 된다.
96년생 친구들과 함께 편하게 쉬면서 이야기를 나누거나 좋아하는 것에 집중하기 좋은 날이다. 자연스럽게 흘러가도록 두면 좋은 하루가 된다.
🐮 소띠
49년생 오늘은 무리하게 움직이기보다 집에서 편안하게 쉬는 것이 가장 맞는 날이다. 오래된 사진이나 물건을 천천히 정리하면 마음이 가벼워진다.61년생 오늘은 의도치 않은 마찰이 생기기 쉬운 날이다. 오래 알고 지낸 지인과의 의견 차이가 생길 수 있으니 먼저 들어주는 것이 현명하다.
73년생 오늘은 강하게 나서기보다 집에서 편안하게 마무리하는 것이 현명한 날이다. 오래 고민해온 것을 글로 정리해두면 내일 훨씬 명확해진다.
85년생 오늘은 하고 싶은 것이 많지만 무리하게 움직이기보다 집에서 아이와 배우자와 함께 편안하게 보내는 것이 맞는 날이다.
97년생 오늘은 충동적으로 결정하면 나중에 후회할 수 있는 날이다. 혼자 좋아하는 것에 집중하거나 내일을 위한 준비를 해두자.
🐯 호랑이띠
50년생 오래 알고 지낸 지인에게서 반가운 소식이 들어오는 날이다. 가볍게 산책을 나서거나 오래 보고 싶었던 사람에게 연락해보자.62년생 오늘은 오랫동안 쌓아온 감각이 창의적으로 드러나는 날이다. 오래 해보고 싶었던 취미를 꺼내거나 좋아하는 것에 집중해보자.
74년생 오늘은 흐름이 특별히 잘 맞는 날이다. 가족과 함께 여유로운 일요일을 보내기 좋은 날이다. 자녀가 원하는 곳에 기꺼이 따라가보자.
86년생 배우자와 함께 집에서 편안하게 쉬거나 가까운 곳을 산책해보자. 특별한 계획 없이 함께하는 시간이 오늘 가장 특별하게 느껴진다.
98년생 친구들과 편하게 이야기를 나누거나 좋아하는 것에 빠져드는 시간이 오늘의 에너지가 된다. 내일을 위한 충전의 날이다.
🐰 토끼띠
51년생 오늘은 기운이 잘 받쳐주는 날이다. 오래 연락 못했던 친구에게 먼저 연락해보자. 함께 이야기를 나누면 에너지가 채워진다.63년생 오래된 취미를 꺼내거나 창의적인 활동에 집중하기 좋은 날이다. 흐름이 좋은 날이니 오늘 만든 것을 아끼는 사람과 나눠보자.
75년생 집을 정리하거나 가계부를 점검하기 좋은 날이다. 기운이 잘 받쳐주는 날이니 배우자와 함께 한 주를 돌아보는 대화를 나눠보자.
87년생 오늘은 흐름이 좋은 날이다. 연인과 함께 여유로운 일요일을 보내기 좋은 날이다. 가보고 싶었던 곳을 함께 찾아가면 좋은 기억이 된다.
99년생 좋아하는 것에 집중하면 시간 가는 줄 모르는 날이다. 기운이 잘 받쳐주는 날이니 내일을 위한 알찬 충전의 날이 된다.
🐲 용띠
52년생 오랫동안 생각해온 것을 정리하거나 혼자만의 여유 시간을 갖기 좋은 날이다. 직감이 날카롭게 작동하는 날이니 떠오르는 것을 메모해두자.64년생 오늘은 오랫동안 가보고 싶었던 곳을 찾아가보기 좋은 날이다. 흐름이 특별히 잘 맞는 날이니 반가운 만남이 이루어지는 날이기도 하다.
76년생 가족과 함께 집에서 좋아하는 음식을 만들거나 오래 보고 싶었던 영화를 함께 보자. 소소하지만 따뜻한 일요일이 된다.
88년생 배우자나 연인과 여유롭게 집에서 쉬거나 가까운 곳으로 나들이를 나서보자. 자연스럽게 함께하는 시간이 오늘 특별하게 느껴진다.
00년생 오늘은 내일을 위해 미리 준비를 해두거나 좋아하는 것에 집중하기 좋은 날이다. 친구들과 편하게 이야기를 나눠보자.
🐍 뱀띠
53년생 오늘은 혼자만의 여유 시간을 갖기 좋은 날이다. 직감이 날카롭게 작동하는 날이니 오래 생각해온 것의 방향이 오늘 명확해진다.65년생 오래된 취미를 꺼내거나 오랫동안 해보고 싶었던 것에 집중하기 좋은 날이다. 좋아하는 것에 시간을 쏟는 일요일이 된다.
77년생 가족과 함께 집에서 편안하게 쉬는 것이 가장 좋은 날이다. 오랫동안 보고 싶었던 영화나 좋아하는 음식으로 일요일을 채워보자.
89년생 친구들과 편하게 이이번 주 야기를 나누거나 좋아하는 맛집을 탐방하기 좋은 날이다. 함께하는 시간이 내일을 위한 충전이 된다.
01년생 관심 있는 것을 천천히 탐구하거나 혼자만의 여유 시간을 갖기 좋은 날이다. 오늘 경험한 것이 앞으로 중요한 자산이 된다.
🐴 말띠
54년생 오늘은 흐름이 특별이번 주 히 잘 맞는 날이다. 발걸음이 가벼운 날이니 오래 가보고 싶었던 곳을 찾아가보자. 움직일수록 기운이 좋아진다.66년생 오래된 친구와 만나기 좋은 날이다. 함께 맛있는 것을 먹으면서 이야기를 나누면 에너지가 채워진다. 오늘 만남이 특별한 기억이 된다.
78년생 가족과 함께 여유로운 일요일을 보내기 좋은 날이다. 아이와 배우자가 오늘 유독 다가오는 날이니 함께하는 시간을 만들어보자.
90년생 연인이 있다면 오늘 데이트가 특별한 기억이 된다. 오늘은 흐름이 특별히 잘 맞는 날이니 좋아하는 곳을 함께 찾아가보자.
02년생 친구들과 함께 새로운 것을 경험하거나 스포츠를 즐기기 좋은 날이다. 몸을 움직일수록 기분이 좋아지는 날이다.
🐑 양띠
55년생 오늘은 평소 감각이 가장 자연스럽게 드러나는 날이다. 아끼는 사람에게 먼저 안부를 전하면 따뜻한 반응이 돌아온다.67년생 오늘은 평소 실력이 자연스럽게 드러나는 날이다. 가족과 함께 집에서 편안하게 보내거나 오랫동안 하고 싶었던 것을 즐겨보자.
79년생 오늘은 본래 감각이 빛나는 날이다. 배우자와 함께 아무것도 하지 않는 날로 정해보자. 억지로 채우지 않아도 오늘이 가장 행복한 일요일이 된다.
91년생 오늘은 있는 그대로의 모습이 가장 빛나는 날이다. 친구들과 편하게 이야기를 나누거나 좋아하는 것에 빠져드는 시간이 에너지가 된다.
03년생 오늘은 본래 실력이 빛나는 날이다. 좋아하는 것에 몰입하면 시간 가는 줄 모르는 날이니 취미나 관심사를 마음껏 즐겨보자.
🐵 원숭이띠
56년생 오래 알고 지낸 지인과 여유로운 일요일을 함께하기 좋은 날이다. 함께 나서면 혼자보다 훨씬 즐거운 하루가 된다.68년생 제2의 인생을 위한 아이디어가 오늘 떠오르기 좋은 날이다. 오래 알고 지낸 친구와 함께 이야기를 나눠보자.
80년생 가족과 함께 새로운 것을 경험하거나 처음 가보는 곳을 탐험해보자. 즐거운 일요일 추억이 만들어진다.
92년생 좋아하는 사람과 함께하면 에너지가 두 배가 되는 날이다. 연인이 있다면 오늘 데이트가 특별한 기억이 된다.
04년생 내일을 위해 미리 준비를 해두거나 좋아하는 것을 즐기기 좋은 날이다. 오늘은 흐름이 특별히 잘 맞는 날이니 자신 있게 나서보자.
🐔 닭띠
57년생 오래 알고 지낸 친구나 지인과 차 한 잔을 나누기 좋은 날이다. 함께 이야기를 나누면 에너지가 충전된다.69년생 오래 배워보고 싶었던 것을 오늘 시작하거나 새로운 취미를 찾아보기 좋은 날이다. 오래 알고 지낸 친구와 함께라면 더욱 좋다.
81년생 아이와 함께 집에서 뭔가를 만들거나 요리하는 시간이 특별한 기억이 된다. 가족과 함께하는 소소한 활동에서 따뜻함이 느껴진다.
93년생 친구들과 함께 일요일을 즐기기 좋은 날이다. 흐름이 특별히 잘 맞는 날이니 새로운 곳을 탐방하거나 맛집을 찾아가보자.
🐶 개띠
58년생 오랫동안 지켜온 신의가 오늘 따뜻하게 돌아오는 날이다. 오래 알고 지낸 소중한 사람과 여유로운 일요일을 보내보자.70년생 오래 만나지 못했던 친구와 함께 일요일을 보내기 좋은 날이다. 함께 이야기를 나누다 보면 에너지가 채워진다.
82년생 배우자와 함께 오래 미뤄온 나들이를 오늘 즐겨보자. 함께하는 모든 것이 오늘 풍요롭게 느껴진다.
94년생 좋아하는 사람과 함이번 주 께하면 에너지가 두 배가 되는 날이다. 연인이 있다면 오늘 데이트가 오래 기억에 남는다.
🐷 돼지띠
59년생 오래 알고 지낸 지인에게 먼저 베풀면 그 이상이 따뜻하게 돌아오는 날이다. 가까운 곳을 천천히 산책하며 여유를 즐겨보자.71년생 가족과 함께 좋아하는 것을 즐기는 시간이 오늘 특별하게 느껴지는 날이다. 아이와 배우자와 함께하는 소소한 활동에서 따뜻함이 느껴진다.
83년생 배우자와 오래 미뤄온 나들이를 오늘 즐겨보자. 흐름이 특별히 잘 맞는 날이니 가는 곳마다 기분 좋은 일이 생기는 날이다.
95년생 친구들과 함께 새로이번 주 운 것을 경험하거나 오래 가보고 싶었던 곳을 찾아가보자. 오늘 함께한 시간이 특별한 추억이 된다.
ⓒ 한경닷컴, 무단전재 및 재배포 금지
ADVERTISEMENT
[오늘의 운세] 2026년 8월 23일 별자리 운세
오늘의 운세와 오행으로 알아보는 나만의 '저속노화' 루틴
오늘의 운세(2026년 8월 23일 일요일)와 함께 별자리별 하루 흐름과 나에게 맞는 저속노화 루틴을 전해드립니다.
]]>
♒ 물병자리 (1.20~2.18) - 한 주 돌아보며 마음 정리
오늘은 무성한 가지가 땅을 뒤덮듯, 토 기운이 자유로운 물병자리의 공기 기질을 만나 차분히 이끌어 가는 날로, 마음이 차분해 연애운까지 안정되게 흐르는 흐름이다. 처서을 맞은 오늘, 차분한 기운을 컨디션 관리로 이어 두면 오래 간다. 한 주를 짧게 돌아보고 마음을 정리해 보자. 생각을 갈무리하는 시간이 스트레스를 낮춘다.♓ 물고기자리 (2.19~3.20) - 족욕 10분
오늘은 마른 땅이 물기를 빨아들이듯, 토 기운이 직관 밝은 물고기자리의 물 기질을 만나 막힌 듯 무거워지는 날로, 대인관계운에 오해가 끼기 쉬우니 말을 아끼면 좋은 흐름이다. 처서을 맞은 오늘, 오늘은 몸을 사려야 다른 운까지 지킬 수 있다. 따뜻한 물에 발을 담그고 10분 쉬어 보자. 발끝부터 도는 온기가 굳은 몸을 풀어 순환을 살린다.♈ 양자리 (3.21~4.19) - 제철 나물 반찬 만들기
오늘은 불이 흙을 데워 빚듯, 토 기운이 시작에 강한 양자리의 불 기질을 만나 에너지를 나눠 주어 나른해지는 날로, 마음을 나눌수록 연애운과 애정운이 도타워지는 흐름이다. 처서을 맞은 오늘, 소모가 큰 날일수록 컨디션을 메우는 게 운을 지키는 길이다. 제철 나물을 무쳐 채소 반찬을 늘려 보자. 매끼 채소가 항산화와 장 건강을 채운다.♉ 황소자리 (4.20~5.20) - 주간 음주량 미리 정하기
오늘은 부드러운 흙 같은 토 기운이 느긋한 황소자리의 흙 기질과 겹쳐 달아올라 과열되기 쉬운 날로, 일과 금전운은 잘 풀리나 과욕이 화를 부를 수 있는 흐름이다. 처서을 맞은 오늘, 과함을 덜어 몸을 살펴야 좋은 운도 오래 남는다. 이번 주 마실 술의 양을 미리 정해 보자. 정해둔 선을 지키는 절제가 몸을 오래 지킨다.♊ 쌍둥이자리 (5.21~6.21) - 다음 주 일정 가볍게 정리
오늘은 숲이 대지를 옭아매듯, 토 기운이 재치 있는 쌍둥이자리의 공기 기질을 만나 리듬을 단단히 쥐는 날로, 안정 속에 재물운을 차곡차곡 다지기 좋은 흐름이다. 처서을 맞은 오늘, 안정된 흐름을 몸으로 받쳐 주면 건강운까지 나란히 좋아진다. 다음 한 주의 일정을 가볍게 정리해 보자. 미리 준비하는 정돈이 마음의 부담을 던다.♋ 게자리 (6.22~7.22) - 목·어깨 온찜질
오늘은 제방이 흐름을 붙잡듯, 토 기운이 마음 깊은 게자리의 물 기질을 만나 눌린 채 곤두서기 쉬운 날로, 연애운과 대인관계운은 한 박자 차분하게 가져가야 좋은 날이다. 처서을 맞은 오늘, 무리하면 건강운과 대인관계운까지 함께 흔들리니, 몸부터 지켜야 한다. 찜질팩으로 목과 어깨를 데워 풀어 보자. 굳은 근육을 데워 몸을 유연하게 지킨다.♌ 사자자리 (7.23~8.22) - 나물·버섯 듬뿍 비빔밥
오늘은 온기가 대지를 여물게 하듯, 토 기운이 빛나고 싶은 사자자리의 불 기질을 만나 소모가 커 지치기 쉬운 날로, 베푸는 만큼 인덕이 쌓여 대인관계운이 깊어지는 날이다. 처서을 맞은 오늘, 기운이 빠지는 날인 만큼 건강운부터 채워야 나머지 운도 따라온다. 나물과 버섯을 듬뿍 넣어 비빔밥을 즐겨 보자. 식이섬유와 항산화를 한 그릇에 채운다.♍ 처녀자리 (8.23~9.22) - 군것질 대신 물 한 컵
오늘은 부드러운 흙 같은 토 기운이 완벽을 챙기는 처녀자리의 흙 성정을 한층 부추겨 기세가 세져 조급해지기 쉬운 날로, 재물운은 도나 충동적인 지출은 조심해야 하는 흐름이다. 처서을 맞은 오늘, 들뜬 만큼 건강은 방심하기 쉬우니, 컨디션을 다잡아야 운도 지킨다. 심심풀이 군것질이 당길 땐 물 한 컵으로 넘겨 보자. 불필요한 당과 열량을 줄여 노화 부담을 던다.♎ 천칭자리 (9.23~10.23) - 주말도 기상 시간 유지
오늘은 줄기가 흙을 밀어내며 자라듯, 토 기운이 관계를 챙기는 천칭자리의 공기 기질을 만나 흔들림 없이 다스리는 날로, 흔들림 없이 일을 이끌어 사업운이 단단해지는 날이다. 처서을 맞은 오늘, 리듬을 잡아 둘수록 건강운이 단단해져 운의 바탕이 된다. 주말에도 평소와 비슷한 시각에 일어나 보자. 리듬을 지키면 생체시계가 흔들리지 않는다.♏ 전갈자리 (10.24~11.22) - 숲·물가에서 멍때리기
오늘은 흙더미가 물을 눌러 앉히듯, 토 기운이 몰입이 깊은 전갈자리의 물 기질을 만나 지그시 눌려 위축되기 쉬운 날로, 성급한 결정이 금전운에 독이 되기 쉬운 흐름이다. 처서을 맞은 오늘, 눌린 기운을 풀어 두어야 건강운이 상하지 않고 버틴다. 숲이나 물가에서 아무 생각 없이 쉬어 보자. 자연 속 쉼이 스트레스를 씻어 노화를 늦춘다.♐ 사수자리 (11.23~12.21) - 두부·달걀로 브런치
오늘은 잔불이 흙을 뜨겁게 품듯, 토 기운이 자유로운 사수자리의 불 기질을 만나 기운을 내주어 은근히 처지는 날로, 지출이 늘기 쉬워 금전운은 관리가 필요한 흐름이다. 처서을 맞은 오늘, 몸을 먼저 보해야 흩어진 운이 다시 돌아온다. 두부와 달걀로 단백질 브런치를 차려 보자. 근육을 받치는 단백질을 든든히 채운다.♑ 염소자리 (12.22~1.19) - 반나절 디지털 오프
오늘은 부드러운 흙 같은 토 기운이 묵묵한 염소자리의 흙 기질에 겹겹이 쌓여 기운이 넘쳐 들뜨기 쉬운 날로, 대인관계운이 활발한 대신 말이 많아지면 탈이 나기 쉬운 날이다. 처서을 맞은 오늘, 넘치는 기운을 몸으로 눌러 주어야 건강운까지 흔들리지 않는다. 반나절만 화면에서 손을 떼고 쉬어 보자. 쉴 새 없던 뇌를 비워 자극이 부르는 노화를 던다.]]>
ⓒ 한경닷컴, 무단전재 및 재배포 금지
ADVERTISEMENT
[오늘의 운세] 2026년 8월 23일 오행별 행운의 컬러
오늘의 운세와 오행으로 알아보는 '행운의 컬러' 아이템
오늘의 운세(2026년 8월 23일 일요일)를 확인하고, 나에게 필요한 기운을 채워줄 오행별 행운의 컬러로 하루를 준비해 보세요.
8월 23일 일요일 - 흙(토)의 기운이 강한 날
볕에 잘 여문 텃밭의 기운, 실속을 갈무리할 오늘의 컬러 기토(己土)가 사화(巳火)의 볕을 듬뿍 받아, 잘 마른 텃밭처럼 보송보송 결실이 여무는 날. 요란히 벌이기보다 볕 좋을 때 알뜰히 거두어 곳간을 채우는 손끝이 야무지니, 재물운과 대인관계운을 챙기기 좋다. 서두르지 말고 볕 아래 하나씩 말려 갈무리해 갈수록 눈에 보이는 결실이 차곡차곡 여문다.
8월 23일 일요일 - 흙(토)의 기운이 강한 날
볕에 잘 여문 텃밭의 기운, 실속을 갈무리할 오늘의 컬러 기토(己土)가 사화(巳火)의 볕을 듬뿍 받아, 잘 마른 텃밭처럼 보송보송 결실이 여무는 날. 요란히 벌이기보다 볕 좋을 때 알뜰히 거두어 곳간을 채우는 손끝이 야무지니, 재물운과 대인관계운을 챙기기 좋다. 서두르지 말고 볕 아래 하나씩 말려 갈무리해 갈수록 눈에 보이는 결실이 차곡차곡 여문다.
🌳 나무(목) – 군청색 카드지갑
비옥한 흙이 뿌리를 단단히 옭아매 자유롭게 뻗지 못하는 갑갑한 날. 대인관계운에서 크고 작은 간섭이 몰려드니 맞받아치기보다 한 발 물러서는 여유가 필요하다. 나를 옭아매는 흙의 힘을 물로 부드럽게 녹여 길을 내는 통관의 지혜가 오늘의 열쇠다. 압박을 맑게 흘려 돌파구를 열어줄 '군청색' 카드지갑을 챙겨 차분히 흐름을 뚫어갈 것.🔥 불(화) – 빨간색 스크런치
볕 좋은 텃밭을 데우려 온종일 불을 지피는 살뜰한 헌신의 날. 챙겨줄수록 대인관계운은 두터워지나 내 심지는 조용히 닳아 건강운이 빠지기 쉽다. 사위는 불씨를 되살릴 새 장작, 나무(목)의 기운을 가까이 둬야 하루가 든든히 채워진다. 본인 기운을 선명하게 밝혀줄 '빨간색' 스크런치로 머리를 묶어 타오르는 활력을 붙들 것.🟤 흙(토) – 베이지 포인트 핀
결이 고운 흙과 흙이 포개져 좀처럼 흔들리지 않는 단단한 하루. 주변이 어수선해도 제자리를 지키며 묵직한 신뢰로 직장운과 대인관계운을 손에 쥔다. 튀지 않아도 성실함이 가장 큰 무기이니 미뤄둔 정리와 마무리를 해내기 좋다. 진중한 안정감을 단정하게 담아줄 '베이지' 포인트 핀을 곁에 두어 흔들림 없는 중심을 여밀 것.⚪ 쇠(금) – 주황색 볼펜
촉촉한 흙이 내 안의 광물을 끝없이 세상에 내어보내 서서히 텅 비어가는 날. 결과물은 근사해도 그 과정에서 체력이 소모되어 건강운이 뚝 떨어지니 무리한 일정은 피할 것. 식어버린 나를 다시 달궈 여물게 해줄 불(화)의 온기가 오늘의 보약이다. 소모된 기운에 불의 생기를 불어넣어 줄 따뜻한 '주황색' 볼펜으로 할 일을 정리하며 에너지를 되살릴 것.💧 물(수) – 짙은 남색 키링
바짝 마른 흙을 가득 채우듯 나의 물이 사방으로 퍼져 재물을 쓸어 담는 날. 어수선한 판을 정리하고 통제하는 능력이 돋보여 금전운과 사업운이 야무지게 여문다. 남들이 갈피를 못 잡을 때 중심을 잡고 방향을 제시하면 이문과 신뢰가 함께 따라온다. 재물을 끌어모으는 기운을 묵직하게 응축해줄 '짙은 남색' 키링을 가방에 달아 흐름을 장악할 것.ⓒ 한경닷컴, 무단전재 및 재배포 금지
ADVERTISEMENT
[오늘의 운세] 오늘 뭐 먹지?…8월 23일 띠별 추천 점심메뉴
오늘의 운세에 맞춘 띠별 점심메뉴와 행운의 음식 추천
오늘의 운세(2026년 8월 23일 일요일)로 살펴보는 띠별 점심 메뉴와 오후의 에너지를 채워줄 맞춤 한 끼를 전해드립니다.
🐭 쥐띠 - 제육볶음
오늘은 쥐띠가 하루의 핸들을 직접 쥐는 듯한 기운이 흐르는 날로, 남의 페이스에 맞추기보다 자기 방식대로 밀어붙일 때 오히려 결과가 좋아진다. 자신 있게 의견을 내거나 결정을 내려도 좋은 흐름이 이어진다. 매콤하게 볶아낸 제육볶음은 확실한 한 방으로 존재감을 드러내는 메뉴다. 그 화끈함이 쥐띠의 주도적인 기세와 잘 맞는다. 고민 없이 골라도 후회 없는 한 끼로 오늘의 추진력을 이어가 보자.🐮 소띠 - 훠궈
오늘은 소띠 주변으로 여러 기운이 한데 모여 힘을 보태주는 흐름이 흐르는 날로, 혼자 애쓰지 않아도 가족이나 지인과 손발이 척척 맞는다. 함께할 때 훨씬 수월하게 풀리는 여유로운 주말이다. 동료와 냄비 하나를 가운데 두고 나눠 먹는 훠궈는 얇게 썬 재료를 함께 익혀 먹는 재미가 있는 음식이다. 그 어우러짐이 소띠의 협력 기운을 잘 살려준다. 냄비를 나누며 오늘의 좋은 흐름을 즐겨보자.🐯 호랑이띠 - 보쌈
호랑이띠에게 오늘은 품고 있던 여유가 주변으로 자연스레 번져나가는 날로, 느긋한 주말 베풀수록 오히려 마음이 편안해진다. 가까운 사람에게 먼저 다가가는 작은 배려가 뜻밖의 좋은 반응으로 돌아올 수도 있다. 상추에 고기를 얹어 나눠 먹는 보쌈은 여럿이 둘러앉아 함께 먹을수록 흥이 나는 음식이다. 오늘 호랑이띠의 넉넉한 마음과 잘 어울린다. 한 쌈씩 나눠 싸다 보면 자리도 마음도 훈훈해질 것이다.🐰 토끼띠 - 월남쌈
토끼띠 역시 오늘은 주변에 마음을 나누기 좋은 기운이 흐르는 날로, 느긋한 일요일 소풍 가듯 가볍게 즐기는 하루가 될 가능성이 크다. 동료나 가족과 함께하는 자리가 자연스럽게 만들어진다. 여러 재료를 라이스페이퍼에 싸 먹는 월남쌈은 함께 즐길수록 대화가 풍성해지는 음식이다. 그 나눔의 즐거움이 토끼띠의 오늘 기운과 통한다. 한 장씩 싸 먹다 보면 여유로운 시간이 한층 풍성해질 것이다.🐲 용띠 - 삼계탕
오늘은 용띠에게 어디선가 슬며시 힘이 채워지는 기운이 흐르는 날로, 특별히 애쓰지 않아도 몸과 마음이 든든해지는 느낌을 받게 된다. 은근한 활기가 하루 종일 이어질 가능성이 높다. 뽀얗게 우러난 육수에 닭 한 마리가 통째로 들어간 삼계탕은 든든하게 기운을 보충해주는 메뉴다. 오늘 용띠의 채워지는 기운을 잘 담아준다. 뜨끈한 국물 한 술로 여유로운 주말의 활력을 채워보자.🐍 뱀띠 - 한우떡갈비
오늘은 바로 뱀띠 자신의 기운이 가장 강하게 피어오르는 날로, 열두 띠 중 오늘의 진짜 주인공인 셈이니 여유로운 주말을 자신 있게 즐겨도 좋다. 무엇을 하든 추진력이 붙고 주변도 자연스럽게 뱀띠를 중심으로 모여드는 흐름이 생긴다. 결이 살아있는 한우로 정성껏 구워낸 한우떡갈비. 존재감을 드러내고 싶은 오늘, 이만한 한 끼가 없다. 여유로운 주말, 스스로에게 특별한 한 상을 선물해보자.🐴 말띠 - 잔치국수
말띠에게 오늘은 잔잔한 물결 같은 하루가 흐르는 날로, 큰 기복 없이 평소의 리듬 그대로 편안하게 흘러간다. 그런 날일수록 익숙한 흐름에 몸을 맡기는 편이 편안하다. 익숙하고 정겨운 잔치국수는 부담 없이 술술 넘어가는 한 그릇이다. 오늘 말띠의 잔잔한 하루와 잘 통한다. 가볍게 비우고 나면 남은 주말도 편안하게 흘러갈 것이다.🐐 양띠 - 전복죽
오늘은 양띠에게 어디선가 슬며시 힘이 채워지는 기운이 흐르는 날로, 특별히 애쓰지 않아도 하루가 은근히 수월하게 풀리는 느낌을 받는다. 몸도 마음도 든든해지는 그런 하루가 될 가능성이 높다. 정성껏 끓인 전복죽은 부드럽게 넘어가면서도 속을 든든히 채워주는 메뉴다. 오늘 양띠의 채워지는 기운을 잘 살려준다. 한 그릇 비우고 나면 몸도 마음도 든든해질 것이다.🐵 원숭이띠 - 회덮밥
오늘은 원숭이띠에게 주변과 자연스럽게 손발이 맞는 조화로운 기운이 흐르는 날로, 애쓰지 않아도 관계가 부드럽게 풀리는 하루가 될 가능성이 높다. 좋은 인연이나 반가운 대화가 뜻밖에 찾아올 수도 있다. 신선한 회와 채소가 골고루 올라간 회덮밥은 여러 재료가 조화롭게 어우러지는 한 그릇이다. 오늘 원숭이띠의 조화로운 기운을 그대로 담아낸다. 젓가락으로 슥슥 비벼가며 여유로운 주말의 기운을 담아보자.🐔 닭띠 - 곱창전골
오늘은 닭띠 주변으로 여러 기운이 한데 모여 힘을 보태주는 흐름이 흐르는 날로, 가족이나 지인과 함께할 때 훨씬 수월하게 풀리는 주말이다. 자연스럽게 사람들과 어울리는 자리가 만들어질 가능성도 크다. 지글지글 끓여가며 나눠 먹는 곱창전골은 여럿이 함께할수록 맛이 깊어지는 음식이다. 그 어우러짐이 닭띠의 협력 기운을 배로 살려준다. 냄비를 사이에 두고 오늘의 좋은 합을 나눠보자.🐕 개띠 - 갈비탕
오늘은 개띠에게 어디선가 슬며시 힘이 채워지는 기운이 흐르는 날로, 특별히 애쓰지 않아도 하루가 수월하게 풀리는 느낌이 든다. 몸도 마음도 든든해지는 그런 하루가 될 가능성이 높다. 뽀얗게 우려낸 육수에 갈비가 푸짐하게 들어간 갈비탕은 뜨끈하게 속을 채워주는 한 그릇이다. 오늘 개띠의 채워지는 기운을 잘 담아준다. 든든히 비우고 나면 남은 주말도 활기차게 보낼 수 있을 것이다.🐖 돼지띠 - 마라탕
오늘은 돼지띠 앞에 지금까지와는 결이 다른 바람이 불어오는 날로, 익숙하던 흐름에 살짝 균열이 생기지만 이는 나쁜 신호라기보다 신선한 전환점에 가깝다. 낯선 것에 도전해보고 싶은 마음이 자꾸 고개를 드는 것도 오늘의 기운 덕분이다. 취향껏 재료를 골라 담는 마라탕은 매콤한 국물과 다양한 재료의 조합이 매력적인 메뉴다. 그 색다름이 돼지띠에게 기분 좋은 전환점을 선물한다. 색다른 한 그릇으로 여유로운 주말의 변화를 즐겨보자.ⓒ 한경닷컴, 무단전재 및 재배포 금지
ADVERTISEMENT
글로벌 물류지도 싹 바뀐다…국내 첫 컨테이너선 북극항로 출항
화학제품·중고차 등 837TEU 싣고 유럽으로
국내 컨테이너선이 처음으로 북극항로 시범 운항을 위해 유럽으로 향하는 뱃길에 올랐다. 한국 선박의 북극항로 시범 운항은 2016년 이후 10년 만이며, 컨테이너선 운항은 이번이 처음이다. 북극항로가 상용화될 경우 아시아와 유럽을 잇는 해상 물류망이 재편될 수 있어 국내 해운·항만업계에도 새로운 기회가 될 전망이다.
해양수산부와 연합뉴스에 따르면 22일 북극항로 시범 운항 선박인 팬스타 아크로호가 이날 오후 9시께 부산신항에서 출항했다. 팬스타 아크로호는 오는 30일께 북동항로에 진입해 다음 달 7일께 북극 해역을 통과할 예정이다.
영국 펠릭스토우(9월 9일), 네덜란드 로테르담(9월 11일), 폴란드 그단스크(9월 15일)에 차례로 기항한 뒤 다시 북동항로를 거쳐 부산으로 돌아온다. 전체 운항 기간은 약 45일로, 10월 5일께 부산으로 귀환할 계획이다. 북극해 운항 거리는 약 6400㎞다.
북극항로는 기후 변화로 북극 해빙 면적이 빠르게 감소하면서 생겨난 새로운 뱃길로, 아시아와 유럽을 잇는 최단 거리 항로로 주목받고 있다. 팬스타 아크로호는 부산에 거점을 둔 선사 팬스타라인닷컴이 HMM으로부터 매입한 2758TEU(1TEU는 20피트짜리 컨테이너 1개)급 컨테이너선으로, 내빙 성능을 갖췄다.
선박에는 화학제품, 중고차, 자동차 부품 등 화물 737TEU와 빈 컨테이너를 포함해 모두 837TEU가 실렸다. 승선원은 20여명이다. 선장과 항해사는 극지 해역 운항을 위한 전문교육을 이수했고, 극지 운항 경력을 가진 쇄빙연구선 아라온호 현직 항해사가 일등항해사로 선장을 보좌한다. 해수부는 운항 기간 팬스타 아크로호와 24시간 상시 연락 체계를 가동할 계획이다.
해수부는 이날 오전 출항을 앞둔 팬스타 아크로호의 선적 현장을 공개했다. 연합뉴스에 따르면 서명원 팬스타 아크로호 선장은 이 자리에서 취재진과 만나 "북극 해역이 해빙하고 있어 아직 완전히 열리지 않은 상황이지만 우리가 도착할 시점에는 완전히 해빙될 것이라고 판단한다"며 "만약 그렇지 않을 경우 우회 항로를 운항할 계획이며, 아이스 차트와 기상 서비스를 실시간으로 받아볼 수 있어 의사결정에 큰 문제는 없을 것으로 보인다"고 말했다.
이어 "내빙선을 통해 승무원들을 대상으로 극지 환경에서 생존하기 위한 훈련을 집중적으로 진행했다"며 "이번 북극항로 시범 운항이 부산이 글로벌 해양수도로 자리매김할 수 있는 좋은 기회가 될 것"이라고 말했다.
강경주 기자 qurasoha@hankyung.com
해양수산부와 연합뉴스에 따르면 22일 북극항로 시범 운항 선박인 팬스타 아크로호가 이날 오후 9시께 부산신항에서 출항했다. 팬스타 아크로호는 오는 30일께 북동항로에 진입해 다음 달 7일께 북극 해역을 통과할 예정이다.
영국 펠릭스토우(9월 9일), 네덜란드 로테르담(9월 11일), 폴란드 그단스크(9월 15일)에 차례로 기항한 뒤 다시 북동항로를 거쳐 부산으로 돌아온다. 전체 운항 기간은 약 45일로, 10월 5일께 부산으로 귀환할 계획이다. 북극해 운항 거리는 약 6400㎞다.
북극항로는 기후 변화로 북극 해빙 면적이 빠르게 감소하면서 생겨난 새로운 뱃길로, 아시아와 유럽을 잇는 최단 거리 항로로 주목받고 있다. 팬스타 아크로호는 부산에 거점을 둔 선사 팬스타라인닷컴이 HMM으로부터 매입한 2758TEU(1TEU는 20피트짜리 컨테이너 1개)급 컨테이너선으로, 내빙 성능을 갖췄다.
선박에는 화학제품, 중고차, 자동차 부품 등 화물 737TEU와 빈 컨테이너를 포함해 모두 837TEU가 실렸다. 승선원은 20여명이다. 선장과 항해사는 극지 해역 운항을 위한 전문교육을 이수했고, 극지 운항 경력을 가진 쇄빙연구선 아라온호 현직 항해사가 일등항해사로 선장을 보좌한다. 해수부는 운항 기간 팬스타 아크로호와 24시간 상시 연락 체계를 가동할 계획이다.
해수부는 이날 오전 출항을 앞둔 팬스타 아크로호의 선적 현장을 공개했다. 연합뉴스에 따르면 서명원 팬스타 아크로호 선장은 이 자리에서 취재진과 만나 "북극 해역이 해빙하고 있어 아직 완전히 열리지 않은 상황이지만 우리가 도착할 시점에는 완전히 해빙될 것이라고 판단한다"며 "만약 그렇지 않을 경우 우회 항로를 운항할 계획이며, 아이스 차트와 기상 서비스를 실시간으로 받아볼 수 있어 의사결정에 큰 문제는 없을 것으로 보인다"고 말했다.
이어 "내빙선을 통해 승무원들을 대상으로 극지 환경에서 생존하기 위한 훈련을 집중적으로 진행했다"며 "이번 북극항로 시범 운항이 부산이 글로벌 해양수도로 자리매김할 수 있는 좋은 기회가 될 것"이라고 말했다.
강경주 기자 qurasoha@hankyung.com
ⓒ 한경닷컴, 무단전재 및 재배포 금지
ADVERTISEMENT
"연차를 왜 써요?"…휴가 몰빵하던 직장인들 돌변한 이유 [신용현의 트래블랩]
"연차까지 써야 하나요"…여행도 '장기 휴가'보다 '짧게 여러 번'
9~10월 세 차례 연휴에 여행 수요 분산
3~4일 연휴에 단거리 여행 선호
유류할증료 인상·고물가에 비용 민감도 커져
9~10월 세 차례 연휴에 여행 수요 분산
3~4일 연휴에 단거리 여행 선호
유류할증료 인상·고물가에 비용 민감도 커져
"연휴가 세 번인데 굳이 연차까지 써야 하나요."
추석부터 개천절, 한글날까지 연이은 연휴를 앞두고 여행업계가 연차를 붙인 '장기 휴가'를 앞세우고 있다. 그러나 소비자들의 선택은 조금 다르다. 올해는 짧은 연휴가 잇따르면서 연차를 몰아 한 번 길게 떠나기보다 연휴마다 짧게 여행을 다녀오려는 수요가 나타나고 있다.
22일 업계에 따르면 올해 추석 연휴는 9월24일~26일, 주말을 더해 4일간 이어진다. 이어 10월에는 개천절 대체공휴일을 포함해 3~5일, 한글날을 포함해 9~11일 각각 사흘씩 쉴 수 있다. 연차를 쓰지 않아도 세 차례의 여행 기회가 생기는 셈이다. 여행업계는 그동안 긴 연휴가 생기면 연차를 붙여 장거리 여행을 떠나라고 권고해왔다. 실제 예약과 설문 데이터를 보면 소비자들의 여행 방식은 '한 번 길게'에서 '짧게 여러 번'으로 넓어지는 모습이다.
스카이스캐너가 국내 여행객 1000명을 대상으로 추석 연휴와 10월 초 연휴 가운데 어느 시기에 여행할지를 물은 결과 30%는 추석 연휴를, 25%는 10월 초 연휴를 선택했다. 두 시기의 선호도가 크게 벌어지지 않은 것이다. 특히 응답자의 22%는 두 기간 가운데 여행 비용이 더 저렴한 시기를 고르겠다고 답했다.
정해진 명절 연휴에 연차를 몰아 장기간 여행하기보다 비용과 일정에 따라 여행 시기를 선택하려는 소비 성향이 강해지고 있는 것으로 풀이된다.
특히 올해는 연휴 자체가 짧아지면서 이런 흐름이 더 뚜렷하게 나타나는 것으로 보인다. 지난해보다 짧아진 추석 연휴를 앞두고 장거리 노선은 위축됐지만, 중국과 일본 등 이동 부담이 적은 단거리 지역으로 수요가 집중되고 있다.
업계 관계자는 "연휴가 짧을수록 이동 시간을 아낄 수 있는 단거리 지역에 수요가 몰리는 경향이 있다"며 "올해는 유류할증료 인상 영향까지 겹치면서 장거리보다 단거리 수요가 늘었다"고 말했다.
지난 6월 이른 여름휴가를 보냈다는 30대 직장인 윤모 씨는 "휴가를 일찍 보냈더니 여행을 또 가고 싶다는 생각이 들었다"면서 "연차 없이도 두 번의 여행 기회가 생긴 10월 여행지를 알아보고 있다"고 말했다.
또 다른 30대 직장인 이모 씨는 "주말에 연차 하루만 더해도 여행을 떠나기 부담스럽지 않다"며 "이번에는 10월 초 두 차례나 사흘간 연휴가 생기는 만큼 연차도 아끼고 여행도 할 수 있어 기대된다"고 했다.
소비자들의 여행 방식이 달라지고 있지만 여행업계의 마케팅은 여전히 ‘연차를 붙여 길게 떠나는 여행’에 맞춰져 있다. 장거리·체류형 상품을 중심으로 연휴와 연차를 조합한 장기 휴가를 적극적으로 제안하는 이유다
모두투어는 지난달 '9~10월 연휴 추천여행 컬렉션' 기획전을 열고 연차를 붙여 장기 휴가를 만드는 방법을 소개했다. 10월에는 평일에 연차를 사용하면 개천절부터 한글날까지 최대 9일간 쉴 수 있다는 식이다. 회사 측은 기획전 기간 9~10월 해외여행 예약률이 직전 동기 대비 24% 증가했다고 밝혔다.
다만 소비자들이 반드시 그 방식을 택하는 것은 아니다. 연차를 쓰지 않고도 3~4일짜리 여행을 여러 차례 선택할 수 있는 데다, 고환율과 고물가로 여행 비용에 대한 민감도도 높아졌기 때문이다. 항공료와 숙박비 부담이 큰 장거리 여행 한 번보다 상대적으로 비용 부담이 적은 단거리 여행을 여러 차례 선택하는 방식이다.
결국 올해 9~10월 여행시장의 키워드는 '황금연휴를 얼마나 길게 만드느냐'보다 '주어진 연휴를 어떻게 나눠 쓰느냐'에 가까워지고 있다.
여행업계 관계자는 "장기 휴가 수요가 사라진 것은 아니지만 최근에는 연차 사용과 비용 부담을 고려해 짧은 여행을 여러 번 선택하는 소비자도 늘고 있다"며 "연휴가 여러 차례 이어지는 시기에는 이런 분산형 여행 수요가 더 커질 가능성이 있다"고 말했다.
신용현 한경닷컴 기자 yonghyun@hankyung.com
추석부터 개천절, 한글날까지 연이은 연휴를 앞두고 여행업계가 연차를 붙인 '장기 휴가'를 앞세우고 있다. 그러나 소비자들의 선택은 조금 다르다. 올해는 짧은 연휴가 잇따르면서 연차를 몰아 한 번 길게 떠나기보다 연휴마다 짧게 여행을 다녀오려는 수요가 나타나고 있다.
22일 업계에 따르면 올해 추석 연휴는 9월24일~26일, 주말을 더해 4일간 이어진다. 이어 10월에는 개천절 대체공휴일을 포함해 3~5일, 한글날을 포함해 9~11일 각각 사흘씩 쉴 수 있다. 연차를 쓰지 않아도 세 차례의 여행 기회가 생기는 셈이다. 여행업계는 그동안 긴 연휴가 생기면 연차를 붙여 장거리 여행을 떠나라고 권고해왔다. 실제 예약과 설문 데이터를 보면 소비자들의 여행 방식은 '한 번 길게'에서 '짧게 여러 번'으로 넓어지는 모습이다.
스카이스캐너가 국내 여행객 1000명을 대상으로 추석 연휴와 10월 초 연휴 가운데 어느 시기에 여행할지를 물은 결과 30%는 추석 연휴를, 25%는 10월 초 연휴를 선택했다. 두 시기의 선호도가 크게 벌어지지 않은 것이다. 특히 응답자의 22%는 두 기간 가운데 여행 비용이 더 저렴한 시기를 고르겠다고 답했다.
정해진 명절 연휴에 연차를 몰아 장기간 여행하기보다 비용과 일정에 따라 여행 시기를 선택하려는 소비 성향이 강해지고 있는 것으로 풀이된다.
특히 올해는 연휴 자체가 짧아지면서 이런 흐름이 더 뚜렷하게 나타나는 것으로 보인다. 지난해보다 짧아진 추석 연휴를 앞두고 장거리 노선은 위축됐지만, 중국과 일본 등 이동 부담이 적은 단거리 지역으로 수요가 집중되고 있다.
업계 관계자는 "연휴가 짧을수록 이동 시간을 아낄 수 있는 단거리 지역에 수요가 몰리는 경향이 있다"며 "올해는 유류할증료 인상 영향까지 겹치면서 장거리보다 단거리 수요가 늘었다"고 말했다.
지난 6월 이른 여름휴가를 보냈다는 30대 직장인 윤모 씨는 "휴가를 일찍 보냈더니 여행을 또 가고 싶다는 생각이 들었다"면서 "연차 없이도 두 번의 여행 기회가 생긴 10월 여행지를 알아보고 있다"고 말했다.
또 다른 30대 직장인 이모 씨는 "주말에 연차 하루만 더해도 여행을 떠나기 부담스럽지 않다"며 "이번에는 10월 초 두 차례나 사흘간 연휴가 생기는 만큼 연차도 아끼고 여행도 할 수 있어 기대된다"고 했다.
소비자들의 여행 방식이 달라지고 있지만 여행업계의 마케팅은 여전히 ‘연차를 붙여 길게 떠나는 여행’에 맞춰져 있다. 장거리·체류형 상품을 중심으로 연휴와 연차를 조합한 장기 휴가를 적극적으로 제안하는 이유다
모두투어는 지난달 '9~10월 연휴 추천여행 컬렉션' 기획전을 열고 연차를 붙여 장기 휴가를 만드는 방법을 소개했다. 10월에는 평일에 연차를 사용하면 개천절부터 한글날까지 최대 9일간 쉴 수 있다는 식이다. 회사 측은 기획전 기간 9~10월 해외여행 예약률이 직전 동기 대비 24% 증가했다고 밝혔다.
다만 소비자들이 반드시 그 방식을 택하는 것은 아니다. 연차를 쓰지 않고도 3~4일짜리 여행을 여러 차례 선택할 수 있는 데다, 고환율과 고물가로 여행 비용에 대한 민감도도 높아졌기 때문이다. 항공료와 숙박비 부담이 큰 장거리 여행 한 번보다 상대적으로 비용 부담이 적은 단거리 여행을 여러 차례 선택하는 방식이다.
결국 올해 9~10월 여행시장의 키워드는 '황금연휴를 얼마나 길게 만드느냐'보다 '주어진 연휴를 어떻게 나눠 쓰느냐'에 가까워지고 있다.
여행업계 관계자는 "장기 휴가 수요가 사라진 것은 아니지만 최근에는 연차 사용과 비용 부담을 고려해 짧은 여행을 여러 번 선택하는 소비자도 늘고 있다"며 "연휴가 여러 차례 이어지는 시기에는 이런 분산형 여행 수요가 더 커질 가능성이 있다"고 말했다.
신용현 한경닷컴 기자 yonghyun@hankyung.com
ⓒ 한경닷컴, 무단전재 및 재배포 금지
ADVERTISEMENT
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
“이 로드맵대로 공부하면 취업할 수 있다”는 글을 요즘도 종종 봅니다. 그런데 이상하게 예전만큼 그런 말에 눈이 가지 않더라고요. 로드맵이 가리키는 목적지가 반년 뒤에도 그대로 있을 거라는 확신이 없어서 그렇습니다. 남들이 미리 밟아본 길을 따라 걸으면 어딘가에 도착하던 시대는 끝난 것 같습니다. 지금 필요한 건 정해진 목적지로 가는 지도보다 이 혼란기에 적어도 멈춰서지는 않게 해주는 이정표가 아닐까 싶습니다.
마침 그런 이정표로 삼을 만한 글이 하나 올라왔습니다. 스탠퍼드 교수이자 세계적인 AI 대가 앤드류 응(Andrew Ng)이 지난 8월 14일 공개한 아티클 “The AI Engineering Skills Map”입니다. 그는 주요 AI 이론을 정립한 연구자이자, 코세라(Coursera)와 딥러닝.AI(DeepLearning.AI)처럼 유명한 교육 플랫폼을 창립한 교육자이기도 합니다.
그러한 AI 업계의 멘토가 제시한 지도를 따라가며, 이 시대의 생존을 위해 필요한 스킬이 무엇인지, 그 능력을 얻기 위해 실제로 무엇을 할 줄 알아야 할지 정리해 봤습니다.
- Andrew Ng, 〈The AI Engineering Skills Map〉
글에서 이탈릭 체로 처리한 모든 대화체는 아티클에서 인용한 글입니다.
이런 종류의 글은 대개 유명한 분들의 직관에서 나오는 것을 많이 봤습니다. 그런데 이번 스킬 맵의 출처는 데이터라고 합니다. AI 덕분에 전과는 전혀 다른 방식으로 소프트웨어를 만들 수 있게 됐고 기회도 많아졌는데, 정작 AI를 둘러싼 정보 환경은 “시끄럽고 과장으로 가득”합니다. 그래서 지금 배울 가치가 가장 큰 스킬이 무엇인지를 데이터로 추려 보기로 했다는 겁니다. 개발자에게는 무엇을 먼저 배울지 우선순위를, 고용주에게는 숙련된 개발자를 알아보는 기준을 주겠다는 목적으로요.
응 교수의 팀은 1만 건이 넘는 채용 공고를 분석했습니다. AI 전문가와 채용 관리자, 리크루터를 상대로 수십 건의 구조화된 인터뷰를 진행하고 설문과 온라인 데이터까지 종합했고요. 그렇게 뽑아낸 가장 중요한 AI 엔지니어링 스킬이 네 가지입니다.
목록에는 새로운 프레임워크 이름도, 뜨는 도구 이름도 없습니다. 이는 다분히 의도된 것입니다.
응 교수는 이번 스킬 맵이 ‘AI 엔지니어’라는 직무 대신 ‘AI 엔지니어링’이란 영역을 다룬다고 단언합니다. “나는 ‘AI 엔지니어’라는 직무(AI 시스템을 만드는 것이 일인 사람)가 아니라 ‘AI 엔지니어링 스킬’을 이야기한다. 후자가 훨씬 넓기 때문”이라고요. 오늘날 모든 개발자는 클라우드를 다룰 줄 알아야 하지만 ‘클라우드 엔지니어’라는 직함을 가진 사람은 그보다 훨씬 적은 것처럼, 풀스택이든 데이터든 데브옵스든 머신러닝이든 모든 개발자가 AI 엔지니어링 스킬을 필요로 하게 될 거라는 겁니다.
이 관점이 기존 스킬 로드맵과의 가장 큰 차이라고 생각합니다. 특정 직무로 갈아타기 위한 목록이 아니라, 지금 자기 직무를 그대로 가진 채, 새로 더해야 하는 스킬의 목록이라는 거죠. 그럼 하나씩 보겠습니다.
첫 번째 스킬은 AI 애플리케이션을 만들고 배포하는 것입니다. 응 교수는 AI 애플리케이션과 그렇지 않은 애플리케이션의 핵심 차이를 한 문장으로 정리합니다.
“AI 애플리케이션과 AI가 아닌 애플리케이션의 핵심 차이는, 전자는 출력을 예측할 수 없다는 점이다.”
우리는 LLM에 프롬프트를 넣을 때 무엇이 돌아올지 알 수 없습니다. 또, 딥러닝 알고리즘을 학습시킬 때 새 예시에 어떤 예측을 내놓을지 알 수 없습니다. 반면 전통적인 소프트웨어는 훨씬 예측 가능하게 동작하죠. 같은 입력에는 같은 출력이 나오도록 짜는 게 지금까지의 개발이었으니까요.
그렇다면 이 스킬에 능숙하다는 건 무엇을 할 줄 안다는 걸까요. 응 교수에 따르면 LLM, 컨텍스트 엔지니어링, RAG, 에이전틱 워크플로, 머신러닝과 딥러닝 같은 AI의 구성 요소를 이해하는 것이 바탕이 됩니다.
하지만 그가 “무엇보다”라며 강조하는 건 따로 있습니다. 통계적 기법으로 AI 시스템을 측정하고 방향을 잡고 통제해, 더 예측 가능하게 행동하도록 만들 줄 아는 것. 그리고 그 핵심은 규율 있는 평가(eval)와 오류 분석 루프를 굴릴 줄 아는 기술에 있다고 합니다. 예측할 수 없다는 특성을 없앨 수는 없으니, 측정하고 좁혀가는 루프를 사람이 돌릴 줄 알아야 한다는 겁니다.
두 번째는 소프트웨어 엔지니어링 기본기입니다. AI가 코드를 다 짜주는 시대에 기본기라니, 목록에서 가장 의아한 항목일 수 있는데요. 응 교수의 논리는 이렇습니다.
소프트웨어를 엔지니어링한다는 건 비용, 확장성, 신뢰성, 속도 사이에서 트레이드오프를 하는 일이고, 보안과 프라이버시가 여기에 복잡성을 더합니다. 기본기를 이해하면 애초에 어떤 트레이드오프가 존재하는지를 알아볼 수 있습니다. 그 결과 소프트웨어 스택 선택, 시스템 아키텍처 설계, 데이터 저장소 설계, 테스트 같은 결정이 더 나아집니다.
대비되는 인물은 누굴까요? 코딩 에이전트가 어떤 트레이드오프를 하고 있는지도 모른 채 바이브 코딩으로 해법을 만들어내는 미숙한 개발자입니다. 응 교수는 이들의 결과가 나쁜 이유를 “코딩 에이전트에 어떤 컨텍스트를 줘야 하는지 모르기 때문”이라고 짚습니다. 반대로 기본기를 이해하면 “소프트웨어 엔지니어링의 정확한 언어로 코딩 에이전트를 조종해 좋은 트레이드오프를 할 수 있다”고 하고요.
그러니까 기본기를 익혀야 하는 ‘필요’가 바뀐 겁니다. 예전에는 내 손으로 좋은 코드를 짜기 위해 기본기가 필요했다면, 이제는 에이전트에 무엇을 시킬지 정확한 언어로 말하기 위해 필요합니다. 즉, “이 API는 캐시를 두되 무효화 조건을 이렇게 걸어라”라고 말할 수 있는 사람과 “빠르게 만들어줘”라고밖에 못 하는 사람의 차이는, 타이핑 실력이 아니라 트레이드오프를 알아채는 지식에서 갈립니다.
세 번째는 코딩 에이전트 사용하기입니다. 응 교수는 에이전틱 코딩을 효과적으로 쓰는 것이 이제 모든 개발자의 핵심 스킬이라고 말합니다. 그렇다면 ‘숙련된 기술’을 가진 개발자의 모습은 무엇일까요?
이 스킬을 갖춘 사람은 에이전트가 어떻게 동작하는지에 대한 좋은 ‘멘탈 모델’을 가지고 있습니다. 글에 따르면 “에이전트의 한계와 그 한계를 우회하는 방법을 이해하고, 빠르게 방향을 잡아줄 수 있다 — 얼마나 개입하고 얼마나 내버려둘지를 알고 — 그래서 시간과 토큰을 지나치게 낭비하지 않으면서 견고한 소프트웨어”를 만들 수 있다는 뜻입니다. 어느 도구의 어느 기능을 쓸 줄 아느냐가 아니라, 언제 손을 대고 언제 손을 뗄지 판단하는 능력이 진짜 스킬이라는 얘기입니다.
구체적으로 할 줄 알아야 하는 것들 목록도 있습니다. 1) 코딩 에이전트의 컨텍스트를 관리할 줄 알아야 하고, 2) 계획과 실행 사이의 트레이드오프를 할 줄 알아야 합니다. 3) 검증기(verifier)나 평가를 제공해 에이전트가 스스로 루프를 닫도록 도울 줄도 알아야 하죠. 4) 명확한 스펙을 가지고 일하는 법과 굳이 그럴 필요가 없는 때가 언제인지 아는 것, 5) 여러 에이전트를 함께 동작하도록 오케스트레이션하는 법, 6) 에이전트가 프로덕션 데이터베이스를 망가뜨리는 것 같은 함정을 피하는 법도요.
하나하나가 도구 매뉴얼보다는 판단 기준에 가깝습니다.
무엇보다 에이전틱 코딩은 빠르게 진화하고 있습니다. 그래서 코딩 에이전트를 능숙하게 쓴다는 건 최신 실천법을 아는 것뿐 아니라 새로운 도구를 계속 시도해 보고 모범 사례가 바뀔 때마다 자기 워크플로를 진화시키는 루틴을 갖추는 것을 뜻합니다. 오늘 익힌 도구 활용법은 몇 달 지나면 낡은 것으로 바뀝니다. 그래서 이 스킬의 핵심은 빠르게 루틴을 갱신할 힘에 있습니다.
네 번째 스킬의 이름이 ‘무엇을 만들지 형태를 잡기’입니다. 명확한 스펙을 줄수록 코딩 에이전트가 그것을 구현해 내는 능력은 빠르게 좋아지고 있습니다. 그러니 엔지니어의 일은 스펙에 무엇이 들어가야 하는지를 결정하는 쪽으로 옮겨 가고 있습니다. 응 교수는 꽤 단호하게 말합니다. “엔지니어는 더 이상 픽셀 단위까지 완성된 디자인을 받아서 구현만 하도록 요구받는 존재로 스스로를 기대해서는 안 된다.”고요.
대신 요구되는 건 제품, 그리고 비즈니스 맥락과 고객의 목표에 대한 이해입니다. 그래야 무엇을 만들지 형태를 잡고 추진하는 데 참여할 수 있으니까요.
응 교수는 “AI가 전보다 더 큰 주인의식과 주도권을 가질 기회를 준다”고도 덧붙입니다. 흥미로운 문제와 기회를 스스로 발견하고 책임 있게 실행에 옮길 수 있게 됐다는 겁니다. 이 기회를 잡으려면 프로젝트를 앞으로 밀고 나가는 법을 알아야 합니다. 언제 빠르게 MVP를 만들어 사용자에게 가져가 테스트할지, 언제 속도를 늦추고 시간을 더 들여 신중하게 만들지를 아는 것.
만드는 속도 자체는 더 이상 병목이 아니니, 어떤 속도로 만들지 정하는 게 스킬이 된 겁니다. 구현 능력을 갈고닦아 온 사람에게는 불편한 변화일 수 있지만, 방향은 분명해 보입니다.
마지막으로, 이 모든 스킬 밑에 깔려 있는 것은 ‘꾸준히 학습을 멈추지 않겠다’는 마인드셋입니다.
“AI는 계속 빠르게 변하기 때문에, 우리 모두 계속 배우고 스킬을 진화시켜 새롭게 떠오르는 모범 사례를 받아들여야”합니다. 그리고 이 모든 것이 저 4가지 역량을 키우는 토대가 됩니다.
이렇게 보니 네 가지 스킬의 공통점이 보입니다. 전부 외워두면 끝나는 지식이 아니라 계속 굴려야 하는 루프라는 거죠. 코딩 에이전트 워크플로는 모범 사례가 바뀔 때마다 다시 짜야 하고, 무엇을 만들지 정하는 힘도 시장과 모델이 바뀌는 것을 따라가야 합니다. 이제 AI는 스스로 다루는 걸 멈추는 순간 무뎌지다 못해 손에서 사라져 버리는 칼로 변했습니다.
그래서 저는 요즘 자주 쓰이는 ‘언런(unlearn)’이라는 말을 떠올렸습니다. 언제나 새로 배우려는 마음가짐. 대신, 가진 것을 모조리 버리라는 말로 이해하지는 않고 있습니다. 기본기 항목에서 봤듯 옛 지식은 버려지는 게 아니라 쓰는 방식이 바뀌는 것뿐이라고 생각하니까요.
변화의 속도에 압도돼 아무것도 손에 안 잡히는 상태야말로 피해야 할 것이겠죠. 혼란과 두려움에 갇혀 있는 대신, 지금 다룰 수 있는 것을 다뤄 보면서 스스로를 갱신해 나가는 것. 응 교수의 표현으로는 지속 학습 마인드셋, 이것이야말로 진짜 역량이 아닐까 합니다.
여러분은 에이전트에 정확한 언어로 트레이드오프를 말할 수 있나요? 개입할 때와 내버려 둘 때를 제대로 구분하고 있나요? 스펙을 받기만 하는지, 아니면 스스로 스펙을 정하고 있나요?
응 교수의 지도는 목적지를 약속하지 않습니다. 이 네 가지를 익히면 어떤 직함과 어느 정도 연봉에 도달한다는 식의 보장은 어디에도 없습니다. 대신 지금 무엇을 공부하고 익혀야 하는지는 비교적 잘 보여준다고 느낍니다.
그리고 지금 같은 혼란기에는, 어쩌면 그게 바랄 수 있는 전부이자 가장 필요한 것일지도 모르겠습니다.
ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
안녕하세요, 요즘 프로덕트 메이커입니다.
프로덕트 소식은 넘쳐나지만 대부분 이런 게 나왔대에서 끝납니다. 그래서 뭘 어떻게 하라고? 내 작업에 어떻게 써먹지? 거기까진 연결이 잘 안 되죠. 따라서 요즘 프로덕트 메이커는 바로 쓸 수 있는 것, 그 중에서도 주목해볼 만한 것을 엄선해서 매주 금요일에 전달드리려 합니다.
요즘 프로덕트 메이커는 매주 세 가지를 골라 전합니다:
클로드로 작업하다 보면 답변이나 결과물의 한국어가 어딘가 어색할 때가 있습니다. 조사가 빠지거나, 문장이 명사만 뚝뚝 이어지거나, 평소 잘 안 쓰는 단어가 튀어나오죠. 최근 이런 현상을 겪는다는 이야기를 자주 봤는데요. fluent-korean은 이를걸 잡아주는 도구입니다. snflkd라는 개발자가 만들어 GitHub에 공개했어요.
fluent-korean은 클로드에게 명확한 한국어를 쓰라고 미리 지시해두는 출력 스타일(output-style)입니다. 클로드 코드(Claude Code)라는 개발 도구에 붙여 쓰는 방식이지만, 지침 자체를 복사해 클로드 웹이나 앱, 다른 AI에도 적용할 수 있어요.
흥미로운 부분은, 이 도구가 왜 이런 문제가 생기는지까지 짚어준다는 점입니다.
AI 코딩 도구는 대개 말을 짧게 하도록 맞춰져 있습니다. 처리하는 글자 수(토큰)를 줄이면 비용이 내려가고 속도가 빨라지거든요. 문제는 이 간결함이 한국어에서 문장 성분을 생략하는 쪽으로 나타난다는 거예요. 영어는 단어 순서로 문장의 뼈대가 잡혀서 좀 줄여도 뜻이 대략적으로 통하는데, 한국어는 조사와 어미가 그 뼈대를 지탱해서 이것들이 빠지면 의미가 흔들립니다. 그래서 짧게 쓰라는 설정이 유독 한국어에서 어색한 문장을 만들어내죠.
fluent-korean을 만든 사람은 여기에 한 가지를 더 짚습니다. 어색한 한국어가 단순히 읽기 불편한 데서 끝나지 않는다는 거예요. 요즘 AI는 답을 내기 전에 스스로 생각하는 과정(추론)을 거치는데, 그 생각을 흐린 한국어로 하면 생각의 질 자체가 나빠질 수 있다는 겁니다. 문장이 어색해지는 문제가 아니라 판단이 흐려지는 문제라는 관점이죠.
한 가지 더 있습니다. 요즘은 여러 AI가 서로 한국어로 정보를 주고받으며 일하는 경우가 늘고 있어요. 이때 어색한 한국어가 단계마다 조금씩 쌓이면, 처음엔 사소했던 의미 손실이 마지막엔 결과물 전체의 완성도를 떨어뜨릴 수 있습니다.
클로드 코드를 쓴다면 명령어 두 줄로 설치합니다.
/plugin marketplace add snflkd/fluent-korean
/plugin install fluent-korean@fluent-korean
설치한 뒤 설정에서 출력 스타일을 고르고, 새 세션을 시작하면 적용됩니다. 코딩 지침을 함께 담은 버전과, 코딩 없이 글쓰기에만 쓰는 버전 두 가지가 있어요.
클로드 코드를 쓰지 않는 분이라면 더 간단합니다. 이 도구의 지침 텍스트를 클로드 웹이나 앱의 설정(개인 지침)에 붙여넣으면 돼요. 무료이고(MIT 라이선스), 세부 취향도 고를 수 있습니다. 초보 개발자도 이해하게 써달라거나, 높임말을 쓰게 하거나, 잘 안 쓰는 어려운 단어를 피하게 하는 식으로요.
명령어가 익숙하지 않다면, 클로드에게 이 저장소 주소를 주면서 README 읽고 설치 방법 알려줘라고 부탁하는 방법도 있습니다. 이 경우 알아서 내 환경에 맞게 안내해주죠.
한 가지 알아둘 점은, 이 방식이 토큰을 조금 더 쓴다는 겁니다. 생략됐던 문장 성분을 되살리니 그만큼 글자 수가 늘어나거든요. 품질과 비용을 맞바꾸는 셈인데, 한국어 결과물의 완성도가 중요한 작업이라면 그만한 값어치가 있을 것 같습니다.
참고로 이 도구를 만든 사람은 국어국문학 전공자라고 밝혔고, README에 앤트로픽이 이 글을 보면 연락 달라, 클로드에게 한국어가 무엇인지 알려주겠다는 위트 있는 문구도 남겼죠. (ㅎㅎ) 비슷한 목적의 다른 도구(im-not-ai, korean-skills 등)도 여럿 나오고 있어서, 한국어를 쓰는 개발자들이 같은 문제의식을 공유하고 있다는 것도 엿볼 수 있었습니다.
AI 에이전트를 직접 만들거나 깊이 이해하고 싶은 분께 반가운 자료가 나왔습니다. AI 에이전트를 깊이 이해하기라는 책의 한국어판이 8월 19일 공개됐어요. 원저자는 중국의 개발자 리보제(Bojie Li)이고, 한국어판은 커뮤니티 번역가가 옮겼습니다. 전체가 무료로 공개된 오픈소스 자료예요.
미리 말씀드리면, 이 책은 에이전트를 만드는 사람을 위한 본격 기술서에 가까운 자료입니다. 강화학습 같은 깊은 주제까지 다뤄주죠. 그래서 개발이 주 업무가 아니라면 처음부터 끝까지 볼 필요는 없습니다. 다만 요즘 여기저기서 들리는 에이전트라는 게 대체 어떻게 굴러가는 건지 그 큰 그림을 잡고 싶다면, 앞부분만 봐도 얻어갈 수 있는 것들이 있습니다.
책은 에이전트를 한 문장으로 정리합니다. 에이전트 = LLM + 컨텍스트 + 도구예요. 저자는 이걸 사람에 빗대 두뇌 + 눈 + 손발이라고 풀어줍니다.
두뇌(LLM)는 생각하고 판단하는 부분이에요. 눈(컨텍스트)은 에이전트가 무엇을 볼 수 있는지, 그러니까 어떤 정보와 지시를 갖고 일하는지를 정합니다. 손발(도구)은 에이전트가 실제로 무엇을 할 수 있는지, 검색이든 파일 작업이든 그 행동의 범위를 정하고요. 요즘 에이전트가 똑똑해 보이는 건 두뇌만 좋아서가 아니라, 이 눈과 손발을 잘 설계했기 때문이라는 게 책의 관점입니다.
이 비유 하나만 가져가도, 에이전트 관련 소식을 읽을 때 지금 이건 두뇌 얘기인가, 눈 얘기인가, 손발 얘기인가를 구분하며 볼 수 있어요. 앞선 회차들에서 다룬 컨텍스트 엔지니어링이 왜 중요한지도 이 틀로 보면 선명해집니다. 결국 에이전트에게 무엇을 보여줄지(눈)를 다루는 일이니까요.
저자는 서문에서 실천이 먼저이고 이름은 나중이라고 말합니다. 스킬이나 하네스처럼 요즘 에이전트 업계를 휩쓴 용어들이, 사실은 어떤 회사가 발명한 게 아니라 이미 현장에서 쓰이던 방식에 나중에 이름을 붙인 것뿐이라는 거죠.
여기서 저자가 끌어내는 교훈은 프로덕트 메이커에게도 통합니다. 어떤 용어가 유행하기 시작할 즈음이면, 앞서가는 곳은 이미 그 문제를 풀어본 뒤라는 겁니다. 유행어가 퍼지고 나서야 시작하면 이미 한발 늦은 셈이죠. 남보다 앞서고 싶다면 이름이 붙기 전에 직접 부딪혀 봐야 하는데, 이건 개발만이 아니라 새로운 걸 다루는 모든 일에 해당하는 이야기일 것 입니다.
이 책이 무료로 풀린 배경도 그렇습니다. 저자는 인세를 받는 대신 오픈소스 공개를 택했어요. 이 지식이 더 많은 실무자에게 닿기를 바란다는 이유였습니다.
개발자라면 94개의 실습 코드까지 딸려 있으니, 에이전트를 만드는 실전 교재로 삼을 만합니다. 개발자가 아니라면 두 가지만 기억해도 충분해요. 에이전트는 두뇌와 눈, 손발로 이뤄진다는 틀, 그리고 실천이 먼저이고 이름은 나중이라는 관점이요. 이 둘만 알아둬도 요즘 쏟아지는 AI 에이전트 소식을 한결 차분하게 볼 수 있을 거라 생각합니다. 무료로 공개돼 있으니 앞부분만 부담 없이 살펴봐도 좋을 것 같고요.
최근 AI로 뭐든 빠르게 만들 수 있게 되면서, 그럼 사람은 뭘 해야 하나 하는 질문이 많아졌습니다. 그리고 그에 대한 여러 관점과 의견도 나오고 있고요. 그중에서 시애틀의 개발자 조지프 헥(Joseph Heck)이 자기 블로그에 쓴 글을 소개하려 합니다. 흔히 나오는 관점과 취향을 길러라 같은 이야기에서 한발 더 들어가, 그래서 구체적으로 뭘 어떻게 챙겨야 하는지를 짚어주기 때문입니다. 저자는 개발자를 위해 쓴 글이지만 핵심 내용은 제품을 만드는 누구에게나 통한다고 생각해, 개발 이야기를 조금 걷어내고 프로덕트 메이커의 언어로 옮겨봤습니다.
저자는 20대에 용접을 배웠던 이야기를 꺼냅니다. 금방 뭔가를 만들어냈는데, 너무 크고 무거워서 작업장 문 밖으로 꺼낼 수조차 없었다고 합니다. 만드는 것과 실제로 쓸 수 있게 만드는 것은 다른 일이라는 걸 그때 배웠다고 하죠.
AI도 비슷한데요. AI로 작동하는 무언가를 뽑아내는 건 이제 쉬워졌습니다. 프로토타입이든 랜딩페이지든 하루면 나오죠. 그런데 그건 시작점이지 끝이 아니에요. 그게 실제로 굴러가는 제품이 되려면, 고객 문의에 대응하고, 내용을 고치고, 다른 기능과 붙이는 긴 과정이 남습니다. 급하게 만든 것이 이 단계에서 오히려 발목을 잡기도 하고요. 만드는 순간보다 만든 뒤 오래 데리고 살 것을 생각하며 판단하는 게 중요하다는 이야기입니다.
저자가 가장 힘주어 말하는 대목입니다. 개별 조각을 만드는 것보다, 그 조각들이 서로 맞물리는 이음새를 설계하는 게 훨씬 어렵다는 거예요.
개발자에게 이음새는 코드와 코드가 만나는 지점, 기능을 외부와 연결하는 방식입니다. 이를 프로덕트 메이커에게 옮기면, 기능과 기능이 이어지는 흐름, 화면에서 화면으로 넘어가는 경험, 여러 조각이 하나의 제품으로 통합되는 지점이라 할 수 있을 것 같습니다. AI에게 개별 기능이나 화면을 하나씩 만들라고 하면 곧잘 해냅니다. 그런데 그것들이 자연스럽게 이어지는지, 사용자가 A에서 B로 넘어갈 때 매끄러운지는 잘 챙기지 못하죠. 각 조각은 훌륭한데 합쳐놓으면 어딘가 어긋나는 경험, 다들 겪어보셨을 겁니다. AI가 조각을 잘 만들수록, 그 조각들을 하나의 경험으로 잇는 사람의 안목이 더 중요해집니다.
저자는 냉정하게 짚습니다. AI는 사실 추론하지 않는다는 거예요. 인간이 남긴 방대한 지식을 압축해뒀다가, 다음에 올 말을 예측해 내놓는 것에 가깝다고 합니다. 그래서 인간 지식에 이미 담긴 문제는 잘 풀지만, 전에 없던 새로운 상황에서는 약하죠.
이 이야기는 AI가 어떤 상황에서 약한지 알려줍니다. 많이 논의된 흔한 문제는 잘하지만, 처음 마주하는 문제에선 그럴듯하게 틀릴 수 있어요. 그럼 어떻게 해야 할까요. 저자의 답은 막연하지 않습니다. 저자의 답은 막연하지 않아요. 오히려 당연하게 들릴 만큼 구체적입니다. AI에게 좋고 간결한 자료를 적절한 때에 주고, 결과가 맞는지 확인할 방법을 함께 붙이라는 겁니다. 이건 개발만의 이야기가 아니라 AI에게 일을 시키는 법 자체에 가까워 보입니다. 기획서를 맡기든 리서치를 시키든, 좋은 자료를 주고 결과를 검증하는 습관은 직무를 가리지 않아요.
저자가 걱정하는 지점이 하나 더 있어요. AI는 좋은 지시와 나쁜 지시를 구분하지 못한 채, 시키는 대로 지치지 않고 따른다는 거예요. 좋은 판단 없이 지시만 충실히 따르는 존재가 오히려 무섭다고까지 말합니다.
프로덕트 메이커에게 이건 방향의 문제입니다. AI가 유능할수록, 사람이 잘못된 방향을 잡으면 그 잘못을 아주 빠르고 그럴듯하게 완성해버리겠죠. 그러니 AI가 얼마나 잘하느냐만큼, 무엇을 시킬지를 정하는 사람의 판단이 결과를 좌우합니다.
저자가 마지막에 던지는 요점입니다. 만들기의 핵심은 어떤 부분을 안정적으로 고정하고, 어떤 부분을 유연하게 바꿀 수 있게 둘지 정하는 데 있다는 거예요. 만병통치약은 없고, 늘 무엇을 얻고 무엇을 포기할지 고르는 일이라고 합니다.
이건 사실 기획의 본질과 맞닿아 있습니다. AI가 뭐든 빠르게 만들어주니 다 바꿀 수 있을 것 같지만, 그럴수록 무엇을 안 바꿀지를 정하는 게 중요해질 겁니다. 제품의 뼈대로 삼아 고정할 부분과, 실험하며 바꿔갈 부분을 나누는 판단이요.
다음 주에도 여러분이 놓치지 말아야 할 프로덕트 메이커 소식을 정리해서 찾아뵙겠습니다. 요즘 프로덕트 메이커 콘텐츠가 도움이 되셨다면, 꼭 작가 알림 설정을 부탁드립니다. 콘텐츠 내용 중 잘못된 정보나 정정이 필요한 부분이 있다면 댓글로 알려주세요. 빠르게 수정하겠습니다. 다음 주에 또 만나요!
©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
바이브 코딩에서 좋은 결과물을 얻기 위해서는 프롬프트의 품질이 중요합니다. 같은 에이전트를 만들더라도 요청 방식에 따라 결과물의 완성도가 크게 달라질 수 있습니다. 이 글에서는 효과적인 프롬프트 작성법을 실제 예시와 함께 상세히 설명해보겠습니다.
가장 흔한 실수는 결과물만 요청하는 것입니다. “~ 만들어 줘.”라는 모호한 요청보다 배경과 목적을 설명해야 클로드 코드가 최적의 설계 과정을 거쳐 사용자의 상황에 맞는 가장 정확한 결과물을 만들어낼 수 있습니다.
뉴스 수집 에이전트 만들어 줘
나는 IT 스타트업에서 사업 개발을 담당하고 있어.
매일 아침 출근 전에 AI, 클라우드, 핀테크 분야 주요 뉴스를
5분 안에 파악하고 싶어.
이를 위해 다음 기능을 하는 에이전트를 만들어 줘:
- 매일 오전 7시 자동 실행
- 키워드: AI 기술, 클라우드 서비스, 핀테크 규제
- 각 키워드당 최신 뉴스 3건 수집
- 각 뉴스의 비즈니스 영향도를 높음/보통/낮음으로 분류
- 영향도 높음 뉴스만 모아서 Gmail로 발송
- 메일 제목: ‘[일일 뉴스 브리핑] YYYY-MM-DD’
차이가 보이나요? 좋은 프롬프트는 ‘내가 누구인지’, ‘무엇을 달성하고 싶은지’, ‘구체적인 요구사항이 무엇인지’를 명확하게 담고 있습니다. 이 세 가지 정보가 있어야 클로드 코드가 내 상황에 맞는 최적의 에이전트를 설계할 수 있습니다.
경쟁사 마케팅 캠페인 동향을 매일 5건씩 모아서 분석하고 마케팅 팀 슬랙 채널에 공유하고 싶어.
→ 웹 검색 + 분석 + 슬랙 연동 에이전트)
기술주 관련 뉴스와 실시간 주가 변동을 함께 보여 주고, 매도/매수 신호가 나타나면 즉시 알림을 받고 싶어.
→ 웹 검색 + 금융 데이터 API + 푸시 알림 에이전트)
캠퍼스 관련 뉴스를 자동으로 수집하고, 기사 가치도별로 분류한 후 구글 문서로 편집 대기 목록을 만들어 줘.
→ 웹 검색 + 분류 + 구글 문서 에이전트)
에이전트 요청 시 출력 형식을 구체적으로 명시해야 의도에 맞는 완성도 높은 결과물을 얻을 수 있습니다. 이메일 본문에는 마크다운, PDF 보고서에는 표와 그래프, JSON 데이터 연동일 때는 구조화된 형식 등과 같이 매체나 용도에 맞춰 원하는 구조를 명확히 제시하는 것이 중요합니다.
분석 결과를 메일로 보내 줘.
분석 결과를 메일로 보내 줘. 메일 형식은 다음과 같아:
제목: [뉴스 브리핑] {날짜}
오늘의 핵심 뉴스 ({영향도 높음 건수}건)
1. {뉴스 제목}
요약: {2-3줄 요약}
영향도: 높음
링크: {URL}
---
전체 수집: {총 건수}건 | 높음: {건수} | 보통: {건수} | 낮음: {건수}
예외 처리 없이 만든 에이전트는 예상 밖의 상황이 오면 그냥 중단되거나 이상한 결과를 만들지만, 예외 처리를 미리 정의하면 어떤 상황이 와도 에이전트가 적절히 처리하고 사용자에게 알려주므로 에이전트의 신뢰도가 달라집니다.
예외 처리 예시:
웹 검색 결과가 없는 키워드는 건너뛰고 나머지는 진행해 줘.
Gmail 발송 실패 시 3번까지 재시도하고, 그래도 실패하면 텔레그램으로 알림 보내 줘.
네트워크 오류 발생 시 최대 5초 대기 후 1회 재시도
모든 오류는 ./logs/error.log 파일에 타임스탬프와 함께 저장
5개 이상의 오류가 쌓이면 알림 메일 발송
복잡한 에이전트를 만들 때는 한 번에 처리하기보다 단계별로 나누어 요청하는 것이 훨씬 안정적입니다. 이는 ① 컨텍스트 창(Context Window)의 한계로 인한 중요 정보 누락을 방지하고, ② 문제 발생 시 오류 원인을 쉽게 격리(Error Isolation)하여 수정할 수 있도록 도와줍니다.
뉴스 수집 에이전트를 단계별로 만든다면 다음과 같습니다.
뉴스 수집 에이전트 하나만 만들고 테스트해 줘.
수집된 뉴스에 영향도 분류 기능 추가해 줘.
분류 완료된 결과를 메일로 보내는 기능 추가해 줘.
이 전체를 매일 오전 7시에 자동 실행하도록 스케줄 등록해 줘.
결과가 마음에 들지 않을 때는 ‘무엇이 문제인지’, ‘왜 문제인지’, ‘어떻게 바뀌어야 하는지’ 세 가지를 함께 담아 수정을 요청해야 가장 효과적으로 원하는 방향에 도달할 수 있습니다.
결과가 별로야. 다시 만들어 줘.
두 가지를 수정해 줘:
1. 현재 메일에 뉴스가 제목만 있는데,
각 뉴스 아래에 2-3문장 요약을 추가해 줘.
2. 영향도 '높음'으로 분류된 기준이 너무 느슨한 것 같아.
현재 10건 중 8건이 높음으로 나오는데,
실제로 즉각적인 비즈니스 행동이 필요한 뉴스만 높음으로
분류되도록 기준을 강화해 줘.
‘나쁜 요청’에는 클로드 코드가 스스로 채워야 할 질문들이 숨어 있는데, 아래 예시에서는 그 숨은 질문들을 괄호로 나타내 보았습니다. ‘좋은 요청’은 이미 요청 안에 그 질문들의 답이 들어 있는 요청입니다.
메일이 너무 길어
→ (어느 부분이? 몇 줄까지가 적당한지?)
뉴스 분류가 잘못 되었어
→ (어떤 뉴스? 왜 잘못된 것인지?)
성능이 안 좋아
→ (어디가 느린지? 목표는?)
메일이 현재 3000자인데 500자 이내로 줄여 줘. 각 뉴스의 요약 문장을 1-2줄로 단축하고 링크는 제거해 줘.
AI 관련 뉴스 3개를 실행해 본 결과 2개는 '높음'으로 분류되었는데, 둘 다 장기 기술 뉴스라서 낮음이 맞아. 높음 기준을 '3개월 내 즉시 행동이 필요한 경우'로 더 엄격하게 조정해 줘.
지난 3회 실행에서 평균 45초가 걸렸는데, 30초 이내로 줄이고 싶어. 어디가 병목일까? 병목을 제거하는 방식을 제안해 줄 수 있어?
유형별 프롬프트 템플릿입니다. 그대로 사용하거나 원하는 내용으로 채워서 사용하세요.
나는 [직업/역할]이야.
[문제 상황]을 자동화하고 싶어.
다음 기능을 하는 에이전트를 만들어 줘:
- 트리거: [언제 실행되는가? 매일 몇 시? 특정 이벤트?]
- 입력: [어떤 데이터를 사용하는가?]
- 처리: [어떤 작업을 수행하는가?]
- 출력: [결과를 어떻게 전달하는가?]
예외 처리:
- [예외 상황 1]: [처리 방법]
- [예외 상황 2]: [처리 방법]
기존 [에이전트 이름]에 [새 기능]을 추가해 줘.
추가 기능 상세:
- [기능 설명]
- 기존 [특정 부분] 다음에 실행되어야 해.
- 이미 있는 [기존 기능]은 유지해야 해.
아래 오류가 발생했어. 원인 분석하고 수정해 줘.
[오류 메시지 전체 붙여 넣기]
이 오류는 [어떤 상황에서] 발생했어.
기대했던 동작은 [기대 동작]이야.
[현재 출력 형식의 문제점]이 마음에 안 들어.
다음과 같은 형식으로 변경해 줘:
[원하는 출력 형식 예시를 직접 작성]
프롬프트 작성에서 가장 중요한 것은 ‘내가 원하는 것’을 구체적으로 아는 것입니다. 에이전트를 만들기 전에 잠깐 시간을 들여 정확히 무엇을 자동화하고 싶은가를 정리하면 훨씬 좋은 결과가 나옵니다.
ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
지난 글 ‘하네스 엔지니어링으로 AI 에이전트를 길들여봤습니다’에서 “프롬프트 엔지니어링은 끝났다”고 적으면서, 프롬프트만으로는 부족하고 시스템 레벨에서 hooks·권한·품질 게이트로 감싸야 한다고 정리했다. 그게 하네스 엔지니어링이다. 그 글을 쓴 지 몇 달이 지난 지금, 가장 크게 달라진 건 코드도 도구도 아니라 내 하루의 루틴이다.
요즘 내가 출근해서 가장 먼저 하는 일은 코드 에디터를 켜는 게 아니다. 봇을 켠다.미리 말해두면 이 글은 봇 자랑이 아니다. 봇 하나 붙인다고 하루가 바뀌지는 않는다. 실제로 하루가 바뀐 건 그 뒤에 누가 작업을 시작하든 같은 품질이 나오게 만든 하네스가 있었기 때문이다. 제목은 눈길을 끌려고 골랐고, 이 글은 사실 그 하네스로 인해 바뀐 내 일상 이야기다.
AI가 있기 전 내 오전 일과는 대략 이런 식이었다.
질문 하나에 길게는 반나절이 갔다. 게다가 그 반나절은 내 “진짜 일”이 아니라 남이 막힌 곳을 뚫어주는 일이었고, 컨텍스트 스위칭 비용은 덤이었다.
지금은 이렇게 바뀌었다.
여기까지만 보면 그냥 “편해졌네”다.
위임은 “맡기는 것”이 아니라 “맡겨도 같은 결과가 나온다는 보장”이 있을 때만 성립한다. 그 보장이 없으면 봇은 그냥 또 하나의 불안한 도구일 뿐이고, 결국 내가 일일이 다시 봐야 한다. 그 보장을 만든 게 하네스 엔지니어링이다.
다만 그 보장에는 범위가 있다. 뒤에 나올 장치들이 받치는 건 이 품질의 기술적 바닥까지다. 린트와 타입 검사, 위험 명령 차단은 “코드가 문법적으로 멀쩡하고 위험한 짓을 안 한다”까지는 보장한다. 하지만 “이 기능이 내가 의도한 대로 동작한다”까지는 보장하지 못한다. 그건 시스템의 몫이 아니라 정책 문서와 사람 리뷰의 몫이다. 의도적인 병목을 둔 것이다.
“코드를 안 쳐도 된다”는 말은 “아무렇게나 만들어도 된다”가 아니다. 오히려 반대다. 사람이 한 줄 한 줄 챙기지 않아도 품질의 바닥이 시스템으로 보장돼야, 비로소 손을 뗄 수 있다.
그 바닥이 실제로 차이를 만드는지는 한 번 대조해 봤다. 같은 요구사항(캠페인 등록 폼)을 아무 설정도 없는 프로젝트와 하네스를 깐 프로젝트에 각각 던졌다. 정산 기준이나 최소 금액 같은 정책은 프롬프트에 한 줄도 적지 않았다. 코드베이스의 다른 화면에 이미 구현돼 있었을 뿐이다.
모델이 똑똑해져서가 아니라, 코드베이스를 먼저 읽게 만들었느냐의 차이였다. 사람이 매번 “우리 정산은 28일이야”라고 일러주지 않아도 같은 답이 나온다면, 그 역할은 넘겨도 된다고 생각했다. 그 차이를 만든 장치에는 무엇이 있을까.
에이전트가 “다 했습니다”라고 응답하려는 바로 그 순간(Stop
이벤트)에 끼어드는 훅이 있다. 이번 작업에서 수정된 파일들을 모아, 자동 수정 가능한 건 ESLint --fix
로 먼저 정리하고, 남은 린트 에러와 tsc --noEmit
결과를 에이전트에 돌려준다. 통과해야 응답이 나가고, 실패하면 통과할 때까지 이 검문을 다시 거친다.
사람이 “린트 돌렸어?”라고 물어볼 필요가 없다. 프롬프트로 “꼭 검사해”라고 부탁하는 것과, 통과 못 하면 응답 자체가 안 나가게 막는 것은 신뢰도가 완전히 다르다. 사람도 “다 됐다” 직전에 한 번 더 안 보면 같은 실수를 반복한다.
위험한 행동은 두 층위로 거른다. 프롬프트로 막는 게 아니라 훅이 거른다.
rm -rf
, DROP TABLE
, .env
파일 생성은 실행 자체를 차단한다.git push --force
, --no-verify
같은 우회는 실행은 되지만 사람 확인을 거친다.
대장간으로 치면 용광로 둘레에 친 울타리(차단)와 “여기 뜨거움” 표지판(경고)의 차이다. 비개발자가 무심코 위험한 동선에 들어가도, 그 길이 시스템 레벨에서 끊긴다.
사고 모델을 에이전트 정의 안으로. 이게 의외로 컸다. 예전엔 “기존 코드를 먼저 확인하고, 검증하고, 안 되면 접근을 바꾼다”는 사고 모델이 프로젝트 루트 문서에만 있었다. 그런데 작업을 쪼개 서브에이전트를 부르면, 그 서브에이전트는 부모 문서를 상속받지 않아 제멋대로 움직이는 구멍이 있었다.
그래서 코드를 직접 만지는 에이전트의 정의 파일 안에 사고 모델을 직접 박았다. 누가, 어디서 스폰됐든 같은 사고 위에서 움직이게 만든 거다. 메인이든 서브든 기준이 같아야, 비개발자가 시작한 작업도 결국 같은 품질을 받는다.
봇은 별개 시스템이 아니다. Anvil은 내가 따로 만든 똑똑한 봇이 아니다. 내부적으로는 그냥 내가 평소에 쓰는 것과 똑같은 하네스를 헤드리스로 호출한다.
[QA가 Slack DM “이거 고쳐줘”]
→ Anvil (Node.js)
→ claude -p (헤드리스 모드)
→ 평소 쓰는 플러그인 그대로 활성화
(위험 명령 차단 · 사고 모델 · 품질 게이트)
→ MR 생성 → 담당자에게 DM
QA가 Slack에서 시작한 작업도, 내가 터미널에서 시작한 작업과 완전히 같은 훅, 같은 품질 게이트, 같은 사고 모델을 통과한다. 바깥 인터페이스(Slack DM)만 다를 뿐, 안쪽 기준은 다르지 않다. “인터페이스는 달라도 기준은 같다”가 위임의 전제였다.
그리고 그 통과 기록은 MR description에 자동으로 남는다. 어떤 에이전트가 몇 초 분석했는지, 코드 리뷰에서 무엇을 봤는지, lint와 build 결과가 무엇인지, 그리고 테스트를 안 돌렸다면 그 사유까지 적힌다.
테스트 전략
- 정책 키워드 감지: 없음 / 코어 모듈 변경: 없음
- 판정: 테스트 스킵 (사유: 매핑 로직만 변경)
내가 그 MR을 믿는 건 봇이 똑똑해서가 아니라, 안 한 것까지 이유가 남아 있어서다. 리뷰라기보다 감사 추적에 가깝다.
모든 변경을 똑같이 빠르게 통과시키면 그건 안전한 게 아니라 그냥 검증이 없는 거다. 그래서 영향 범위를 세 등급으로 나눴다.
원칙은 하나다. MAJOR에 일부러 병목을 두기 때문에, MINOR/MODERATE를 더 넓게 열 수 있다. 어느 등급인지는 프로젝트별 기준 파일(SSOT)이 코어 경로·정책 키워드를 보고 자동으로 판정한다. 덕분에 “사람이 꼭 봐야 하는 지점”이 좁아지고 명확해졌고, 나는 그 좁아진 지점에만 시간을 쓴다.
그래서 내 일이 사라졌느냐 하면, 아니다. 옮겨갔다. 아래는 정확한 측정이라기보다 내 체감에 가깝다.
키보드는 여전히 친다. 다만 코드가 아니라 정책 문서와 시나리오를 친다. 예전엔 “로그인 개선” 같은 요구사항을 받으면 곧장 컴포넌트 설계로 들어갔다면, 지금은 먼저 [사용자 흐름 / 입력 검증 규칙 / 에러 메시지 / 실패 케이스]를 마크다운으로 적는다. 그 문서가 곧 봇에게 주는 사양이 되니까.
무엇을 만들지를 모호함 없이 적는 일과 올라온 결과를 보는 일, 솔직히 이 둘은 사람이 직접 했을 때 결과가 더 좋아지는 종류의 일이다. 내 시간이 거기로 옮겨간 건, 손해가 아니라 이득에 가까웠다.
솔직히 말하면, 이게 마법은 아니다.
운영하면서 자잘하게 깨진 것도 많았다. 예컨대 모노레포가 여러 개인 환경에서 봇이 어느 레포를 고칠지 자동으로 못 정하면, 처음엔 에러만 띄우고 끝났다. 비개발자 입장에선 “그래서 뭘 어쩌라고”인 상황이라, 자동 판별이 실패하면 후보 레포를 버튼으로 띄워 고르게 바꿨다. 실패할 때의 사용자 경험까지가 설계 범위라는 걸 그때 배웠다.
하지만 이런 건 코드로 고쳐진다. 정작 사이클이 통째로 멈추는 날은 거의 항상 “도구가 멍청해서”가 아니라 “내 정책 문서가 모호해서”였다. 도메인의 암묵적인 규칙, 그러니까 “이건 당연히 이래야지” 싶어서 굳이 문서에 안 적은 것은 봇이 끝내 못 잡는다. 봇은 내 머릿속을 읽지 못하고, 내가 적어준 문서만 읽는다. 그래서 난 그럴수록 코드 수정이 아닌 정책과 하네스를 다듬었다.
자기 도메인을 명시화할 수 있을 만큼은 알아야 한다는 전제는 사라지지 않는다. 다만 그 명시화의 결과물이 곧장 동작하는 코드로 이어지는 환경을, 이번에 한 번 만들어본 거다.
그런데 앞에서 그어둔 선이 여기서 걸린다. 게이트가 받친 건 품질의 기술적 바닥이었지, 기능이 의도대로 도는지까지는 아니었다. 그래서 이 “코드 안 친” 작업의 결과물을 AI에 직접 코드 리뷰를 시켜 점수를 매겨봤다. 결과는 기술 완성도 85점, 명세 반영률 62.5%였다.
흥미로운 건 두 숫자가 같은 결과물을 보고도 전혀 다른 이야기를 했다는 점이다. 모달의 생명주기와 타입, 상태 관리, 테스트 구조는 꽤 단단했다. Jest 테스트 151개가 모두 통과했고, 6개 모달의 상태 정리도 빠진 곳이 없었다. 그런데 명세 40개를 코드와 하나씩 맞춰보니 실제로 반영된 건 25개였다. 구조는 프로덕션 수준이었지만, 카테고리 정책이나 직원의 담당 범위, 검색 필터처럼 기능의 의미를 결정하는 규칙 15개가 비어 있었다.
더 이상했던 건 AI가 이 누락을 몰랐던 것도 아니라는 점이다. 작업 보고서에는 카테고리, 담당자 표시, 저장 확인 같은 최우선 미완 항목이 이미 적혀 있었고, 실제 코드에서도 그대로 빠져 있었다. 스스로 간극을 발견하고 기록하는 데까지는 갔지만, 그 간극을 닫는 행동으로 연결하지는 못한 것이다. 기술적 게이트만으로는 잡히지 않는 종류의 실패였다.
시즌1에서 하네스를 “AI가 일하는 작업대”라고 불렀다. 이번 실패 뒤에는 그 작업대에 기능 검증을 위한 층을 하나 더 만들기 시작했다. 변경된 코드가 어느 정책에 닿는지 찾고, 연결된 테스트를 돌리며, 소스만 바뀌고 정책 문서가 따라오지 않으면 경고하는 구조를 품질 게이트에 넣었다. 아직 모든 프로젝트에서 실제로 굴러가는 단계는 아니고, 문서에 적히지 않은 암묵적인 규칙까지 자동으로 잡지도 못한다. 그래도 AI가 미완 항목을 보고서에만 남기고 지나가지 않도록 “무엇을 만족해야 끝인가”를 테스트와 연결하기 시작했다.
그 작업대가 단단해지니, 출근해서 봇을 먼저 켜는 건 내가 게을러져서가 아니라 그 작업대를 믿게 됐기 때문이 됐다. 이제 일을 “몇 줄을 쳤나”가 아니라 “무엇을 정확히 정의했나”로 다시 정의할 수 있게 됐다.
한편 이 작업대를 키우는 동안 또 다른 역설도 생겼다. 실패할 때마다 규칙과 훅, 에이전트를 하나씩 보태다 보니 어느 순간 하네스 자체가 모델이 먼저 통과해야 할 장애물이 됐다. 읽어야 할 지시와 도구가 많아질수록 컨텍스트와 토큰을 먼저 쓰고, 정작 중요한 것들은 희미해지는 것 같았다. 요즘은 그래서 모든 규칙들을 선두에서 주입하기보다 짧은 가이드만 넣어주고, 필요한 맥락들은 그때그때 꺼내 쓰며 모델이 판단할 여지를 남기는 쪽으로 흐름이 바뀌고 있다.
당장 유행을 따라 지금까지 만든 하네스를 한꺼번에 걷어낼 생각은 없다. 시행착오 끝에 생긴 규칙들 중 반드시 지켜야 할 것은 코드와 테스트들로 단단히 남겨놓고, 겹치는 설명들이나 발전한 모델들이 몇 달 전에는 못했지만 지금은 충분히 잘하는 일들은 덜어내고 싶다.
경계는 단단하게, 경계 안에서는 자유롭게 모델을 두는 것이다. 이제 내가 고민할 하네스 엔지니어링은 무엇을 더 강제할지가 아니라, 어디까지 강제하고 어디서부터 모델을 믿을지에 가까워질 것 같다.
바뀐 건 내 하루만이 아니었다. 얼마 전에는 내가 속하지 않은 다른 스쿼드의 기획자분이 Anvil을 통해 Slack DM만으로 신규 필드 추가를 시작해서, 영향 범위 분석부터 코드 수정, MR 생성, 배포 요청까지 한 흐름으로 밀고 갔다. 개발자가 한 명도 붙지 않은 채 상용까지 나간 첫 사례였다. 내가 만든 걸 내가 쓴 게 아니라, 내 손이 닿지 않는 곳에서 굴러간 거다.
개발자의 하루가 “코드부터”에서 “봇부터”로 바뀐 만큼, 비개발자가 일하는 방식은 또 어떻게 달라질까. 그게 솔직히 제일 궁금하고 제일 기대된다.
*이 글은 AI의 도움을 받아 작성했습니다.
<참고>
ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
지난 3~4년간 취업을 준비하는 학생들과 이직을 준비하는 실무자를 대상으로 AI 기반 UX 디자인 워크숍을 진행하며 포트폴리오 작업물을 함께 제작해 왔다. 그 과정에서 기존 UX 디자인 포트폴리오와는 다른 관점에서 신경 써야 할 몇 가지 요소를 발견했다.
물론 AI를 활용하든 안 하든 포트폴리오에서 기본적으로 지켜야 할 부분은 있다.
예를 들어, 이전 글 런던에서 만난 AI 시대 디자이너의 5가지 생존 전략에서 언급한 것처럼 AI로 인해 직무 간 경계가 무너지고 디자이너의 역할이 확장되고 있는데, 그럼에도 여전히 왜 이 제품을 만드는지, 사용자가 누구인지 등 근본적인 원칙에 집중해야 한다는 건 변함이 없다. 따라서 어떤 방법으로 리서치를 수행하고 데이터를 수집했는지, 그 데이터를 어떻게 분석해서 문제를 정의했는지, 그리고 어떤 과정을 거쳐 해결안을 도출했는지와 같은 논리적인 흐름은 AI를 활용한 프로젝트에서도 동일하게 유지되어야 한다.
그렇다면 AI 기반 UX 디자인 프로젝트에서는 무엇을 추가로 고려해야 하며, 이를 포트폴리오에는 어떻게 담아내야 할까? 이번 글에서는 AI를 활용한 UX 프로젝트를 소개할 때 특히 확인해야 할 일곱 가지 체크 포인트를, 워크샵 경험을 바탕으로 정리해 보았다.
이 이미지는 AI-UX 디자인 워크숍에서 사용하는 포트폴리오 템플릿의 일부이다.
템플릿은 앞서 설명한 것처럼 UX 디자인 프로젝트를 소개할 때 필요한 논리적인 흐름에 맞춰 구성되어 있다. 리서치부터 데이터 분석, 솔루션 도출, 검증까지의 과정에서 AI를 활용하면 어떤 내용이 추가될 수 있는지 하나씩 살펴보자.
※ 이 글에 소개된 사례 이미지는 모두 수강생들의 개인 작업물이므로 무단 복제, 배포, 변형을 금지합니다.
첫 번째 체크 포인트는 AI와의 협업 프로세스를 명확하게 보여주는 것이다.
AI를 활용한다고 해서 문제를 정의하고 해결책을 도출하는 UX 디자인 프로세스의 큰 틀이 달라지는 것은 아니다. 다만 세부 단계는 조금씩 바뀐다.
예를 들어 기존에는 데스크 리서치나 사용자 리서치만으로 데이터를 수집했다면, AI를 적극 활용한 AI 페르소나 시뮬레이션이나 AI 인터뷰가 추가될 수 있다. 또는 데이터를 수집한 뒤 AI가 생성한 정보의 신뢰도를 검증하는 과정이 새롭게 포함될 수도 있다.
한편 와이어프레임 단계는 축소되고, 프로토타입을 반복적으로 수정/개선하는 단계에 더 많은 시간을 투자하는 경우도 있다.
이처럼 프로젝트마다 AI가 개입하는 지점이 달라질 수 있기 때문에, 프로젝트를 소개하기에 앞서 전체 작업 프로세스를 먼저 제시하는 것이 좋다. 예시 이미지처럼 프로젝트 초반에 프로세스를 시각화해 두면, 어떤 단계에서 AI를 활용했는지 한눈에 이해할 수 있다. 또한 해당 프로젝트가 단순히 AI를 사용한 것이 아니라, AI와 협업하는 방식까지 설계한 프로젝트라는 점을 효과적으로 전달할 수 있다.
AI를 어느 단계에서, 어떤 역할로 활용했는지를 명확하게 설명하는 것도 중요하다. 아래 예시는 AI를 활용해 사용자 인터뷰를 진행한 과정을 담은 포트폴리오 페이지다.
왼쪽의 점선 표시를 보면 두 가지 방식으로 타깃 페르소나를 생성한 뒤, 이를 대상으로 AI 인터뷰를 진행했음을 확인할 수 있다.
같은 AI 인터뷰 과정이라도 AI를 일반적인 타깃 사용자의 특성을 반영한 페르소나 생성 도구로 활용했는지, 또는 실제 사용자를 1:1로 시뮬레이션하는 도구로 활용했는지에 따라 의미가 달라진다. 따라서 포트폴리오에서는 AI가 어떤 역할을 수행했는지 구체적으로 설명하는 것이 필요하다.
이 단계에서 가장 중요한 점은 AI 사용자를 실제 인간 사용자와 혼용하지 않는 것이다. AI가 특정 연령, 성별, 직업 등의 인구통계학적 특성이나 개인의 성격, 성향, 가치관을 반영하도록 설정할 수는 있다. 그러나 어디까지나 이는 특성을 기반으로 한 시뮬레이션일 뿐, 실제 사람의 복잡한 사고 과정이나 감정을 그대로 재현한다고 볼 수는 없다.
따라서 실제 사용자 리서치를 수행하지 않았다면, 포트폴리오에서도 AI 페르소나와 실제 사용자를 명확하게 구분해 표현하는 것이 바람직하다. 예시처럼 AI 기반 인터뷰와 실제 사용자 인터뷰를 구분해 표기하면, 프로젝트의 신뢰성을 높이는 동시에 AI의 활용 범위를 더욱 명확하게 전달할 수 있다.
AI 도구의 종류가 빠르게 늘어나면서, 왜 특정 AI를 선택했는지 설명하는 것도 포트폴리오에서 중요한 요소가 되었다. 단순히 AI를 사용했다는 사실보다, 각 도구의 특성을 이해하고 목적에 맞게 선택했다는 점을 보여주는 것이 더 중요해진 것이다.
예를 들어 스카이스캐너는 국내 사용자와 해외 사용자가 모두 사용하는 서비스다. 국내 사용자와 해외 사용자의 페인 포인트를 각각 조사해 비교하려면, 활용하는 AI 도구도 달라질 수 있다.
구체적으로 국내 사용자 리뷰는 앱스토어에서 데이터를 수집한 뒤, 리스틀리(Listly)와 클로드(Claude)를 활용해 리뷰를 크롤링하고 분석*할 수 있다. 반면 해외 사용자 리뷰는 퍼플렉시티(Perplexity)에서 데이터 출처를 소셜로 설정하여 레딧(Reddit)에서 리뷰 데이터를 수집하고 분석하는 방식이 더 적합할 수 있다.
*자세한 내용은 AI로 생생한 사용자 의견 모을 ‘소셜 리스닝’하는 법의 2번 내용을 참고
동일한 데이터셋에 여러 AI를 함께 활용하는 방법도 있다. 예를 들어 같은 리뷰 데이터를 클로드와 GPT에 각각 분석하도록 한 뒤, 두 결과를 비교하여 공통적으로 도출되는 인사이트가 무엇인지 확인할 수 있다. 이렇게 하면 하나의 AI가 생성한 결과를 그대로 수용하기보다 교차 검증하는 과정까지 보여줄 수 있다.
프로토타입을 생성할 때도 마찬가지다. Stitch AI, Motiff 등 다양한 AI 기반 프로토타이핑 도구를 사용할 수 있는 상황에서 왜 특정 도구의 결과물을 선택했는지를 설명하는 것이 좋다. 예시에서 볼 수 있듯, Stitch AI로는 스카이스캐너의 기존 디자인 스타일을 재현하는 데 어려움이 있었지만, Motiff는 기존 디자인 시스템과 시각적 톤을 비교적 잘 유지했다. 따라서 Motiff의 결과물을 초안으로 삼아 최종 결과물을 완성했다는 내용을 담았다.
이처럼 특정 AI를 선택한 이유, 또는 생성된 결과물 가운데 무엇을 선택했고 왜 그렇게 판단했는지를 명확하게 설명하면, AI를 무작정 사용한 것이 아니라 각 도구의 장단점을 이해하고 목적에 맞게 활용했다는 점을 효과적으로 전달할 수 있다. 이는 디자인 역량뿐 아니라 AI 활용 능력과 도구 선택에 대한 판단력까지 함께 보여주는 요소가 된다.
AI를 활용한 콘텐츠가 쏟아지며 이제 사람들은 어떤 콘텐츠를 보더라도 ‘사람이 직접 만든 게 맞을까?’, ‘사실 여부가 검증된 내용일까?’라는 의문을 갖게 되었다. 그만큼 AI를 활용하는 대부분의 작업에서는 생성된 결과를 검증하고 사실 여부를 확인하는 과정이 무엇보다 중요하다.
특히 UX 디자인은 리서치와 데이터에 기반한 분야인 만큼, 데이터의 정확성과 신뢰도가 프로젝트의 완성도를 좌우한다. 따라서 AI를 통해 리서치를 수행했다면 어떤 방식으로 리서치 결과를 검증했는지까지 함께 보여주는 것이 필요하다.
위 예시에서는 AI를 활용해 사용자 리뷰를 분석한 뒤, 실제 통계 자료와 원본 데이터를 다시 확인하는 과정을 거쳤다고 설명한다. 관련 통계 자료의 URL을 직접 확인하며 AI가 도출한 결과와 비교/검증했고, 이를 바탕으로 사용자가 실제로 서비스를 어떻게 이용하는지 이해했다고 덧붙였다. 이처럼 단순히 “AI가 이렇게 분석했다”에서 끝나는 것이 아니라 출처를 확인하고 데이터를 직접 검증했다는 과정을 명시하면 리서치 결과의 신뢰도를 더욱 높일 수 있다.
디자인 개선 과정에서도 AI를 활용할 수 있는데, 이때도 마찬가지로 검증 절차가 필요하다. 예를 들어 AI를 활용해 A/B 테스트의 가설을 도출했다면, 거기서 끝내는 것이 아니라 실제 사용자에게 투표를 받거나 사용성 테스트를 진행해 가설을 검증하는 과정을 함께 제시하는 것이 좋다.
예시에서는 실제 인간 사용자들에게 투표를 받을 수 있는 플러그인을 사용하여 직접 결과를 검증했고 이를 바탕으로 사용자가 선호하는 시안을 채택했다고 설명한다. 이처럼 AI는 가설을 빠르게 생성하는 도구로 활용하되, 최종 의사결정은 실제 데이터를 통해 검증했다는 점을 명확히 보여주면 프로젝트의 신뢰성과 의사결정의 설득력을 한층 높일 수 있다.
체크 포인트 5번은 간단히 말해, 하나의 근거에만 의존하여 문제를 정의하지 말라는 의미이다. 특히 리서치 단계에서 실제 사용자 인터뷰 없이 AI만으로 데이터를 수집했다면, 아무리 검증 절차를 거쳤더라도 결과의 신뢰성에는 한계가 있을 수 있다.
따라서 하나의 리서치 방법에만 의존하기보다, 여러 출처에서 수집한 근거를 종합해 문제를 정의했다는 점을 보여주는 것이 중요하다.
예를 들어 위 그림처럼 최근 시장 동향 분석, 경쟁 서비스 분석, 사용자 리뷰 분석 등 다양한 방법으로 데이터를 수집하고, 각각에서 도출한 A, B, C 근거를 종합해 사용자의 페인 포인트를 정의하는 방식이다.
AI를 활용한 사용자 시뮬레이션도 마찬가지다. AI 페르소나를 생성해 한 번만 인터뷰하는 것이 아니라, 서로 다른 페르소나와 다양한 시나리오를 반복적으로 시뮬레이션하며 결과를 비교하는 것이 좋다. 여러 관점과 상황을 반복해서 검토함으로써 사용자의 실제 니즈가 무엇인지, 핵심 페인 포인트가 무엇인지를 지속적으로 재확인하는 과정이 필요하다. 반복적인 시뮬레이션을 빠르게 수행할 수 있다는 점은 AI가 가진 대표적인 장점이기에 이를 적극적으로 활용하는 것이 좋다.
이때는 가능한 실제 사용자 리서치를 함께 진행하는 것이 가장 효과적이다. 앞서 체크 포인트 2에서 소개한 것처럼 AI 기반 리서치와 실제 사용자 인터뷰를 함께 활용하면, AI만으로 데이터를 수집하고 분석했을 때보다 훨씬 높은 신뢰도를 확보할 수 있다.
결국 중요한 것은 하나의 AI 리서치 결과만을 근거로 사용하는 것이 아니라, 여러 데이터와 인사이트를 통해 보다 탄탄한 근거 체계를 구축하는 것이다. 이러한 접근은 프로젝트의 논리성과 설득력을 높이는 것은 물론, AI 기반 리서치의 객관성을 유지하는 데에도 도움이 된다.
이번에는 주의해야 할 점이다. AI를 사용하여 데이터를 분석하거나 인사이트를 도출한 후에, 그 내용을 그대로 복사하여 포트폴리오에 넣는 경우가 종종 있다. 혹은 직접 초안을 작성하였더라도 AI로 교정하거나 다듬는 과정에서 AI가 수정한 문장을 거의 그대로 사용하는 경우가 있다. 문제는 이러한 문장들이 AI가 작성한 티가 난다는 점이다.
예시 이미지에서 표시한 부분을 보면 AI가 작성한 내용이라는 걸 쉽게 짐작할 수 있다. 특정 키워드를 강조하는 마크다운 강조 기호(**) 때문이다. 내용이 아무리 타당하더라도 이러한 표현이 반복되면, 독자는 글의 신뢰성을 의심하게 될 수 있다.
이 밖에도 AI가 작성한 글에서 자주 나타나는 특징이 있다. 제목이나 말머리에 이모지를 과도하게 사용하거나, 불필요한 위치에 쉼표를 반복해서 넣는 경우, 엠대시(—)를 지나치게 사용하는 경우, 또는 번역체처럼 어색한 문장과 어휘를 사용하는 경우다. 이런 표현이 눈에 띄면 포트폴리오 전체의 완성도와 전문성이 떨어져 보일 수 있다.
포트폴리오는 자신의 사고 과정과 문제 해결 능력을 보여주는 문서다. 따라서 AI는 아이디어를 정리하거나 초안을 다듬는 보조 도구로 활용하되, 최종 문장은 반드시 자신의 언어로 다시 작성하는 게 좋다. 특히 디자인 프로젝트는 많은 설명을 늘어놓기보다, 한두 문장으로 핵심을 명확하게 전달하는 것이 중요하다. 그러므로 포트폴리오에 들어가는 텍스트만큼은 직접 표현을 고민하고, 여러 차례 교정·교열을 거쳐 자신의 문체로 완성하는 것이 좋다.
마지막 체크 포인트는 AI로부터 피드백을 받아 결과물을 개선하는 작업에 적용하는 것이다.
바로 이전 글 나만의 ‘UX/UI 디자인 피드백봇’ 만들기에서 소개했듯, 프롬프트를 통해 AI에 일반 사용자의 역할을 부여하고 피드백을 받아볼 수 있었다. 이처럼 일반 사용자 역할을 부여하는 대신, 전문가의 역할을 지정하고 그 관점에서 디자인 피드백을 받아보는 것도 가능하다.
이때 주의할 건, AI의 아첨이다. AI는 사용자의 의견에 지나치게 동조하거나 결과물을 긍정적으로 평가하는 경향이 있다. 이는 AI가 갖고 있는 일반적인 특징 중 하나이기도 하지만 특히 프로젝트를 진행하는 동안 같은 대화창에서 여러 차례 의견을 주고받았다면, 이전 대화의 맥락에 영향을 받아 객관적인 피드백을 제공하지 못할 가능성이 더욱 커진다.
따라서 최종 결과물을 검토할 때는 “장점을 칭찬하기보다 문제점을 중심으로 평가해줘”라든가 “비판적이고 객관적인 관점에서 개선해야 할 부분을 찾아줘”와 같이 평가 기준을 명확하게 제시하는 것이 좋다. 이렇게 해야 예시처럼 실제 디자인 개선에 도움이 되는 구체적이고 실질적인 피드백을 얻을 가능성이 높아진다.
이번 글에서는 AI 기반 UX 디자인 프로젝트를 포트폴리오에 담을 때 고려해야 할 일곱 가지 체크 포인트를 살펴보았다. 7가지 모두 기존 포트폴리오와는 달리, AI를 활용한 프로젝트의 신뢰성과 설득력을 높이기 위해 특히 신경 써야 할 요소들이다.
이제 AI를 활용하는 것 그 자체는 특별한 일이 아니다. 누구나 AI의 도움을 받아 작업할 수 있는 시대이다. 그러나 동시에 AI가 생성한 결과물에 대한 의심도 함께 커지고 있다. 그렇기 때문에 프로젝트에서 AI를 어떤 과정에 활용했는지, 왜 해당 도구를 선택했는지, 생성된 결과를 어떤 방식으로 검증했는지를 명확하게 설명하는 것이 무엇보다 중요하다. 이는 단순히 AI를 사용했다는 사실을 넘어, AI를 목적에 맞게 활용하고 결과를 비판적으로 검토할 수 있는 역량까지 보여주는 근거가 된다.
이 글을 읽고 있는 분들 가운데는 취업이나 이직을 위해 포트폴리오를 준비하는 사람도 있을 것이고, 반대로 포트폴리오를 검토해 채용 여부를 결정해야 하는 사람도 있을 것이다. 어떤 입장에 있든, 이번에 소개한 일곱 가지 체크 포인트를 기준으로 포트폴리오를 점검해 본다면 AI 시대에 더욱 설득력 있는 프로젝트를 만들고 평가하는 데 도움이 될 것이다.
ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
웹 분석 도구는 오랫동안 ‘집계’를 중심으로 발전해 왔습니다. 하루에 몇 명이 들어왔고 몇 퍼센트가 나갔는지를 숫자로 정리해 주는 방식이죠. 우리에게 익숙한 구글 애널리틱스(GA)가 바로 이런 도구입니다.
그런데 막상 페이지를 고쳐야 하는 입장이 되면, 이런 숫자만 들고는 손이 잘 움직이지 않습니다. 대시보드가 “이 페이지 이탈률이 높습니다”라고 알려 줘도, 그래서 어디를 어떻게 손봐야 하는지까지는 말해 주지 않기 때문입니다. 그러다 보면 자연스럽게 그다음 질문이 떠오릅니다. 사용자는 이 페이지에 들어와서 무엇을 하다가 나갔을까요?
이 질문에 답하지 못한 채 페이지를 고치면 결국 감으로 고치는 셈입니다. 그리고 감으로 고친 것은 나중에 효과를 따져 볼 방법도 마땅치 않습니다.
마이크로소프트 클라리티(Microsoft Clarity)는 이 구간을 채우는 무료 도구입니다. 이 글은 도구 소개에서 멈추지 않고, 제 사이트에 붙여 한 주를 관측하며 데이터를 잘못 읽을 뻔했던 지점들과 그 뒤에 세우게 된 기준까지 담았습니다.
먼저 클라리티가 기존 분석 도구와 무엇이 다른지, 그리고 왜 무료로 쓸 수 있는지부터 살펴봅시다.
기존 분석 도구가 답하는 질문은 “얼마나”입니다. 방문자 수, 페이지뷰, 이탈률 같은 것들입니다. 반면 페이지를 개선하려는 사람이 궁금한 것은 “어떻게”에 가깝습니다. 어디까지 읽고 내려갔는지, 어떤 요소를 눌렀는지 말입니다.
클라리티는 이 “어떻게” 구간을 담당합니다. 즉, 기존 도구를 대체하는 물건이 아니라 비어 있던 칸을 채우는 도구에 가깝습니다.
체험 기간이나 유료 기능이 따로 있는 형태가 아니라 전체가 무료입니다. 수집된 데이터는 내 서버가 아니라 마이크로소프트 쪽에 저장되므로, 사용자가 늘어도 내 사이트가 느려지지 않습니다. 다만 무료에는 대가가 붙어 있는데, 이 부분은 마지막 절에서 다루겠습니다.
기능은 크게 셋입니다. 각각이 어떤 질문에 답하는 도구인지를 중심으로 살펴보겠습니다.
세션 레코딩은 사용자의 화면 조작을 영상처럼 재생해 줍니다. 마우스가 어디로 움직였고 어디에서 스크롤을 멈췄는지가 그대로 보입니다. 실시간 관찰도 되고, 녹화되므로 나중에 몰아서 볼 수도 있습니다.
열 지도는 여러 세션을 겹쳐 한 화면으로 요약해 줍니다. 클릭 지도는 클릭이 몰린 위치를, 스크롤 지도는 사용자가 어디까지 내려갔는지를, 주의 지도는 화면에 오래 머문 영역을 색으로 보여줍니다.
스마트 이벤트는 같은 곳을 연타하는 rage click, 클릭되지 않는 요소를 누르는 dead click처럼 문제를 암시하는 행동을 자동으로 잡아 줍니다. 해당 세션만 걸러 볼 수 있고, 세션마다 AI 요약도 붙습니다.
설치는 짧게 끝나지만, 직후에 한 번 헤매게 되는 구간이 있어 함께 적었습니다.
프로젝트를 만들면 설치 방법을 고르는 화면이 나옵니다. 여러 방식 중 수동 설정이 단순합니다. 아래 스크립트를 문서의 `<head>`에 넣으면 됩니다. 구글 애널리틱스를 붙여 본 적이 있다면 익숙한 방식입니다.
<!-- 클라리티 추적 스크립트 -->
<script type="text/javascript">
(function (c, l, a, r, i, t, y) {
c[a] = c[a] || function () { (c[a].q = c[a].q || []).push(arguments) };
t = l.createElement(r); t.async = 1;
t.src = "https://www.clarity.ms/tag/" + i;
y = l.getElementsByTagName(r)[0];
y.parentNode.insertBefore(t, y);
})(window, document, "clarity", "script", "YOUR_PROJECT_ID");
</script>
프레임워크를 쓰면 넣을 위치가 프로젝트마다 다릅니다. 저는 이 코드를 그대로 복사해 AI 에이전트에 넘기고 “프로젝트 구조에 맞게 삽입해 달라”고 요청했습니다.
여기서 저는 한 번 당황했던 부분이 있었는데요. 실시간 세션은 곧바로 잡혔지만 열 지도는 한동안 비어 있었습니다. 코드를 다시 확인하고 배포를 다시 걸어 보기도 했지만 설치는 정상이었고, 대부분의 기능이 활성화되기까지 두 시간 정도가 걸렸습니다. 실시간 세션이 잡히고 있다면 기다리는 편이 좋습니다.
여기서부터가 이 글의 중심입니다. 기능을 아는 것과 그 데이터로 판단하는 것은 다른 일이었습니다.
열 지도가 위험한 이유는 비율을 색으로 환산해 보여주기 때문입니다. 비율은 분모가 작아도 계산됩니다. 세션이 열 건이든 만 건이든 화면 어딘가는 붉게 표시되고, 눈으로 보기에 두 화면은 똑같이 그럴듯합니다.
제 사이트의 클릭 지도가 그랬습니다. 한 주 동안 이 페이지는 98번 열렸고 클릭은 66번이었는데, 그 66번을 39개 요소가 나눠 가집니다.
1위는 ‘첫 레슨부터 시작’ 버튼으로 10.61%였습니다. 두 자리 퍼센트라 그럴듯하지만 실제 클릭 수는 7번입니다. 2위도 7번, 3위부터 5위는 나란히 3번(4.55%)입니다. 상위 다섯 개가 `7, 7, 3, 3, 3`이니 누군가 네 번만 더 눌러도 3위가 1위와 동률이 됩니다. 이런 분포에서 순위를 읽는 것은 의미가 없습니다.
그래서 저는 클릭 지도를 열면 색이나 순위보다 클릭 수 총합을 먼저 봅니다. 이 숫자가 두 자리에 머물면 순위는 읽지 않고 넘어갑니다. 퍼센트의 분모가 조회수(98)가 아니라 전체 클릭 수(66)이라는 점도 함께 봅니다. 어떤 버튼이 30%라고 해서 방문자의 30%가 눌렀다는 뜻이 아니고, 한 사람이 세 번 누르면 그 세 번이 모두 분자에 들어갑니다.
그래도 이 표본으로 읽을 수 있는 것은 있었습니다. 공들여 만든 소개 문구와 카드 영역에는 클릭이 거의 찍히지 않았고, 대신 사이드바 목차 항목들에 흩어져 찍혔습니다. 순위는 못 믿어도 “강조한 곳과 실제로 눌리는 곳이 다르다”는 방향성만큼은 보였습니다.
열 지도에는 기기, 유입 경로, 사용자 같은 필터가 있습니다. 무엇을 걸었느냐에 따라 같은 페이지가 전혀 다른 화면이 됩니다.
위는 같은 페이지의 스크롤 지도인데, 특정 사용자 한 명으로 필터를 건 상태라 표본이 4뷰입니다. 필터를 풀면 앞의 클릭 지도처럼 98뷰가 잡히니, 같은 페이지 같은 기간인데 표본이 스물네 배 차이 납니다. 어느 쪽이 맞고 틀린 문제가 아니라 서로 다른 질문에 답하고 있을 뿐입니다. 문제는 화면만 봐서는 필터 여부를 알아채기 어렵다는 점입니다. 그래서 열 지도를 근거로 인용할 때는 필터 상태를 함께 적어 둡니다.
주의 지도도 같은 필터로 본 화면입니다. 상단이 붉고 20% 아래 구간은 평균 소요 시간이 1초 미만이었습니다.
다만 체류가 길다는 사실만으로는 정독인지 혼란인지 구분되지 않습니다. 잘 쓰여서 오래 읽은 것일 수도, 어려워서 다시 읽은 것일 수도, 뭘 눌러야 할지 몰라 멈춰 있던 것일 수도 있습니다. 셋 다 같은 붉은색입니다. 주의 지도는 결론이 아니라 좌표에 가깝습니다.
한 주 동안 쌓인 세션은 172건이었습니다. 이걸 앞에서부터 재생하는 것은 172번 중 몇 번이 걸리기를 기다리는 일에 가깝습니다. 그래서 레코딩을 목록이 아니라 검색으로 다뤘습니다. 가설을 세우고 해당하는 세션만 걸러서 봤습니다.
퍼센트만 보면 네 가지 모두 지표처럼 보입니다. 그런데 세션 수로 바꾸면 절반은 쓸 수가 없습니다. rage click은 이름이 알려져 있어 먼저 찾게 되는 신호인데, 제 사이트 규모에서는 일주일에 1건이었습니다. 1건으로는 경향을 말할 수 없습니다. 반대로 dead click 41건과 빠른 뒤로 가기 48건은 들여다볼 만한 양입니다. 괄호 안은 한국어 화면의 표기입니다.
긴 세션부터 여는 것은 자연스러운 선택처럼 보이지만 그렇지 않았습니다. 아래는 12분 46초짜리 세션인데, 클라리티가 붙여 준 요약을 보면 01:20부터 12:45까지가 페이지가 숨겨진 상태였습니다. 실제로 화면을 보고 있던 시간은 1분 남짓입니다.
이 세션만의 특성이 아닙니다. 같은 기간 대시보드값이 총 시간 13.4분에 활성 시간 4.2분, 세 배 차이였습니다. 어느 쪽 숫자를 집었는지 확인하지 않으면 관심의 크기를 세 배로 부풀려 읽게 됩니다.
AI 요약도 결론이 아니라 좌표로 씁니다. 화면에 “인사이트는 AI를 통해 지원되므로 실수가 가능합니다”라고 적혀 있습니다. 위 세션도 요약이 00:38과 01:06에 문제가 있었다고 알려 주는데, 저는 그 판단을 믿는 대신 그 시점으로 건너뛰어 직접 확인합니다.
며칠 치 데이터는 하루치를 여러 번 본 것에 가까울 수 있습니다. 트래픽은 요일에 따라 성격이 갈리기 때문입니다. 사흘 치로 판단하면 그 사흘의 성격에 결론이 끌려갑니다.
그래서 조회 구간을 날짜 수가 아니라 요일 기준으로 잡습니다. 이 글의 데이터도 일요일 오전부터 다음 일요일 오전까지 딱 7일입니다. 며칠을 봤느냐가 아니라 주중과 주말이 한 번씩 다 들어왔느냐를 기준으로 삼는 편이 결론이 덜 흔들렸습니다.
그 한 주 동안 쌓인 것이 세션 172건, 고유 사용자 104명이었습니다. 하루 평균 25건 안팎이라, 하루치만 떼면 어떤 지표든 몇 사람의 행동에 좌우되는 양입니다. 한 주를 채워야 세션당 페이지 수 4.12, 평균 스크롤 깊이 74.15% 같은 값을 판단 근거로 꺼낼 수 있었습니다.
클라리티는 페이지 안에서 벌어진 일을 잘 보여주는 대신, 그 사용자가 어디에서 왔는지에는 약합니다. 제 경우 짝으로 쓰는 도구는 비틀리입니다. 비틀리는 어떤 경로로 몇 명이 눌러서 들어왔는지를 보여주고, 클라리티는 그렇게 들어온 사람이 무엇을 했는지를 보여줍니다. 링크 바깥은 비틀리가 맡고 링크 안쪽은 클라리티가 맡는 셈입니다.
그래서 한쪽만으로는 답이 안 나옵니다. 비틀리에서 클릭이 많이 잡혀도 그 유입이 좋았는지는 알 수 없고, 클라리티에서 행동이 이상해 보여도 어느 경로로 도착했는지는 좁히기 어렵습니다.
다만 두 숫자를 나란히 놓고 비교하지는 않습니다. 비틀리는 링크 클릭을, 클라리티는 세션을 셉니다. 한 사람이 두 번 눌러도 한 세션으로 묶일 수 있고, 링크를 거치지 않고 들어온 사람은 비틀리에 잡히지 않습니다. 절대값을 맞추기보다 각 도구 안에서의 변화를 보는 편이 실용적입니다.
마지막으로 도입 단계에서 확인할 것들을 정리해 보도록 하겠습니다.
클라리티 이용약관에는 수집된 정보를 마이크로소프트가 활용할 수 있다는 조항이 있습니다. 금융이나 의료처럼 개인정보 민감도가 높은 서비스라면 그대로 도입하기 어려울 수 있습니다. 대신 특정 영역을 수집에서 제외하는 마스킹을 설정할 수 있습니다.
<!-- 이 영역은 레코딩에서 가려집니다 -->
<div data-clarity-mask="true">
<span>{{ user.email }}</span>
<span data-clarity-unmask="true">주문 상태: 배송 중</span>
</div>
여기서 판단이 필요합니다. 마스킹을 건 영역은 레코딩에서도 보이지 않습니다. 보안을 위해 가린 만큼 관측 능력을 잃는 셈입니다. 입력 폼을 통째로 가리면 개인정보는 지켜지지만 사용자가 어느 칸에서 멈췄는지도 함께 사라집니다. 그래서 저는 폼 단위가 아니라 값이 들어가는 요소 단위로 가립니다.
이 도구가 어울리지 않는 상황이 두 가지 있습니다. 하나는 앞서 이야기한 민감 정보 중심의 서비스이고, 다른 하나는 아직 트래픽이 충분히 쌓이지 않은 사이트입니다.
트래픽이 적은 경우가 조금 더 까다롭습니다. 설치해 두는 것 자체는 부담이 없지만, 데이터가 적은 상태에서 열 지도를 열면 오독의 위험만 커집니다. 판단 근거가 아니라 판단을 왜곡하는 화면이 되는 셈입니다. 설치는 해 두되, 일정 기준을 넘기기 전까지는 대시보드를 열지 않는 편이 낫습니다.
클라리티는 무료이고, 설치는 스크립트 하나를 넣는 것으로 끝나고, 화면은 직관적입니다. 도입 장벽이 낮다는 점에서 개인 프로젝트나 소규모 서비스에 잘 어울립니다.
다만 직접 운영해 보고 남은 감각은 조금 다릅니다. 이 도구가 준 것은 답이 아니라 질문이었습니다. 열 지도의 붉은 영역은 “여기가 문제다”라고 말해 주지 않습니다. “여기서 무언가 일어나고 있으니 확인해 보라”고 말할 뿐입니다.
여기 정리한 여섯 가지는 특별한 기법이 아닙니다. 데이터를 다룰 때 원래 지켜야 하는 것들에 가깝습니다. 그런데 행동 데이터는 화면이 직관적이라서 오히려 이 기본을 건너뛰게 만드는 힘이 있습니다. 숫자로 된 지표는 해석이 필요하다는 사실을 스스로 알려주지만, 붉게 물든 화면은 이미 해석이 끝난 것처럼 보이기 때문입니다.
도구는 관측 장비이지 판독 장비가 아닙니다. 무료로 붙일 수 있는 도구일수록, 그 데이터를 언제 믿을지에 대한 기준을 함께 세워 두는 편이 좋습니다.
*이 글은 AI의 도움을 받아 작성했습니다. (예제 코드 생성 및 교정/교열)
<참고>
ⓒ요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
Abstract
Neural systems adapt to prolonged sensory input through mechanisms such as gain control or homeostatic plasticity to maintain stable operating ranges. However, this phenomenon has so far been documented under extreme, non-ecological stimuli targeting specific sensory systems. Here, we reveal a widespread adaptation process across diverse human cortical regions following naturalistic movie watching conditions. The effect was evident in 218 out of 251 cortical regions (87%) that exhibit significant stimulus-driven activations. Analyzing the HCP fMRI data set in which 170 participants watched 14 movie clips, followed by rest periods – we found robust evidence for a movie-induced adaptation process, revealed in the post-movies rest periods. Within a region, voxels highly activated at the end of movies subsequently reduced their activity below baseline during rest, with the magnitude of this drop proportional to initial activation levels, manifested as a consistent voxel-population inversion effect. Conversely, persistently movie-inactivated voxels exhibited increased activation above baseline. Importantly, this Movie After-Effect (MvAE) enabled successful decoding of the specific rest periods following individual movie clips. Our findings suggest that under naturalistic conditions, cortical neurons dynamically change their gain to achieve homeostatic balance in a process akin to batch instance normalization in artificial neural networks. Whether this ubiquitous MvAE has additional cognitive and memory-related implications remains to be explored.
Competing Interest Statement
The authors have declared no competing interest.
Abstract
An environment can be interpreted in multiple ways, with implications for behaviour and neural representations and for revision in these when circumstances change. Using two-photon calcium imaging in mouse CA1 during navigation under structured reward-location uncertainty, we found correlations between variability in anticipatory behaviour and the organization of place fields with respect to position and reward. Greater spatial anticipation was associated with enhanced reward-centred coding and increased generalisability of reward-aligned representations.
Competing Interest Statement
The authors have declared no competing interest.
Data availability
Processed data supporting the figures will be made available upon publication and are available from the corresponding authors upon reasonable request.
Abstract
Second language (L2) processing engages both language-specific and domain-general control systems, yet how these systems vary with L2 proficiency remains unclear. We used functional magnetic resonance imaging (fMRI) to examine neural activity during L2 English processing in Korean–English (K-E) bilinguals across three proficiency levels (beginner, intermediate, advanced). Participants performed rhyme and spelling judgement tasks manipulating orthographic–phonological conflict. Behaviourally, conflict conditions reduced accuracy, with proficiency effects observed selectively in the rhyme task. fMRI results showed that conflict processing recruited frontoparietal control regions, including inferior frontal and parietal cortices, accompanied by deactivation in default mode network regions. Critically, proficiency-related effects differed by task. During rhyme judgement, advanced bilinguals showed greater activation in the left supramarginal gyrus (SMG) and cerebellum, whereas intermediate bilinguals exhibited greater recruitment of the left middle orbital gyrus and dorsomedial prefrontal cortex. During spelling judgement, advanced bilinguals showed greater thalamic activation alongside greater deactivation of the right dorsolateral prefrontal cortex. Activity in the left SMG and cerebellum was positively associated with L2 reading score, and cerebellar activity was also associated with rhyme-task performance, whereas right DLPFC activity was negatively associated with the scores. These findings suggest that increasing L2 proficiency is associated less with altered recruitment of core reading regions than with task-specific shifts in the balance between phonological-specialized, subcortical attentional, and domain-general control systems supporting L2 processing.
Competing Interest Statement
The authors have declared no competing interest.
Structured Abstract
INTRODUCTION
Tau pathology typically occurs in Alzheimeŕs disease (AD), however is also frequently present in Parkinsońs disease dementia (PDD) and Dementia with Lewy Bodies (DLB), yet its disease-specific signature is unclear.
METHODS Five tau, amyloid-β, α-synuclein and neuronal markers were analysed across hippocampal subfields in non-demented controls (CTLs), AD, PDD and DLB using multiplex immunohistochemistry, single-tangle classification and confocal imaging.
RESULTS AT8, pTau217, and GT38 were predominatly detected in AD, while pS422 was enriched in PDD and pS396 showed a region- and disease-specific pattern. DLB resembled AD in subregional tau distribution. Tau marker correlation were different comparing AD, PDD and CTL. Single-tangle analyses revealed disease-specific immunophenotypes but conserved mature intra-tangle epitope organisation. Distinct tau signatures were associated with inhibitory interneuron vulnerability, while regional tau co-occurrence with amyloid-β and α-synuclein remained conserved.
DISCUSSION Disease-specific tau signatures vary across hippocampal subregions and neuronal populations, implicating the contribution of regional and cell-specific factors beyond pathology burden.
Competing Interest Statement
The authors have declared no competing interest.
Abstract
Naturalistic behaviors largely lack objective measures of performance, making it difficult to quantify individual differences and establish links between brain and behavior. Here, we propose typicality, the degree to which an individual’s response aligns with the group average, as a framework for identifying and relating stable individual differences across behavioral and neural domains. We propose that, when observers share similar objectives and constraints, convergence toward a consensus response may reflect convergence toward an effective or optimal solution, allowing typicality to approximate optimal processing even when objective ground truth is lacking.
To evaluate this framework, we combined naturalistic movie viewing during fMRI with a behavioral battery across multiple tasks spanning social and non-social cognition. Behavioral and neural typicality proved highly stable within individuals while remaining sensitive to the specific computations engaged by different stimuli. Crucially, behavioral typicality was related to neural typicality across multiple domains, with different behavioral measures mapping onto neural systems relevant to the corresponding computations. Neural typicality also predicted objectively measured performance in motion prediction and face recognition tasks, extending the framework beyond consensus-based measures alone.
Together, these findings establish typicality as a stable, computation-sensitive measure that links individual differences in behavior to the neural systems supporting them. More broadly, they suggest that the group consensus provides more than a reference for quantifying individual differences: under appropriate conditions, proximity to this shared response may provide an empirical approximation of optimal processing. Typicality, therefore, offers a framework for linking brain and behavior in complex naturalistic contexts.
Significance Statement Many complex human behaviors have no single “correct” response, making them difficult to quantify using traditional measures. This makes it difficult to characterize meaningful differences between individuals and relate those differences to brain function. We show that the response shared across many people can provide a useful benchmark. How closely an individual approaches this shared response, a measure we call typicality, is stable over time, differs across cognitive processes, and links individual behavior to relevant patterns of brain activity. Moreover, people with more typical brain responses performed better on independent measures of cognitive performance. These findings provide a new way to study individual differences in complex, real-world behavior and suggest that shared responses may, under appropriate conditions, reveal how effectively information is being processed.
Competing Interest Statement
The authors have declared no competing interest.
Abstract
The medial temporal lobe (MTL) is crucial for episodic memory. Tau pathology is a hallmark of Alzheimer's disease (AD) and accumulates in layer-specific patterns in the MTL during aging. It is, however, unclear whether early AD pathology relates to mesoscale network signatures distinct from non-pathological aging. To address this gap, we acquired 7 Tesla submillimeter-resolution resting-state fMRI, plasma-based AD biomarkers, glial fibrillary acidic protein (GFAP) levels, APOE genotype, regional [18F]PI-2620 tau PET burden, and longitudinal episodic memory data in 75 cognitively unimpaired older adults. Older age was associated with lower perirhinal-hippocampal connectivity and lower network segregation, whereas higher plasma-based AD pathology was associated with higher perirhinal-hippocampal connectivity. Furthermore, temporal-lobe tau burden was related to altered connectivity patterns in tau-vulnerable MTL subfields and layers, dependent on GFAP levels. Retrosplenial tau burden was associated with higher hippocampal-retrosplenial connectivity consistent with tau spread along canonical hippocampal output pathways. Finally, higher connectivity within the hippocampus attenuated the negative association between temporal-lobe tau burden and memory performance but predicted unfavorable memory trajectories. Our findings show differential associations of age and AD pathology with mesoscale MTL-connectivity patterns. Importantly, increased hippocampal connectivity may support memory function in the short term while contributing to subsequent memory decline.
Competing Interest Statement
The authors have declared no competing interest.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
본문을 가져올 수 없습니다. 원문 링크를 확인하세요.
Youth-associated protein TIMP2 helps shift aged microglia away from inflammatory states, restoring their ability to clear cellular debris in the brain. Credit: Neuroscience News
Youth Protein TIMP2 Restores Immune Function in the Aging Brain
Summary: Researchers have discovered that the youth-associated protein TIMP2 plays a critical role in maintaining the healthy function of microglia, the brain’s primary immune cells. Supplementing this protein in aged mice improved the brain’s ability to clear cellular debris and reduced inflammation, offering new therapeutic insights for neurodegenerative diseases.
Key Facts:
The youth-associated protein TIMP2 is essential for the healthy function of microglia, the brain’s resident immune cells.
Depleting TIMP2 causes microglia to exhibit traits of aging and neurodegeneration, including cellular senescence and an impaired ability to clear cellular waste.
Systemic injections of TIMP2 in aged mice shifted their microglia away from pro-inflammatory states and restored their vital debris-clearing capabilities.
Source: The Mount Sinai Hospital / Mount Sinai School of Medicine
Aging is the most significant risk factor for Alzheimer’s disease and a host of other neurodegenerative disorders. Yet, the precise biological mechanisms that render the aging brain so vulnerable to decline have remained a complex puzzle.
Now, researchers at The Icahn School of Medicine at Mount Sinai have uncovered a crucial piece of that puzzle. They have identified a vital role for the youth-associated protein TIMP2 in supporting and preserving the healthy function of microglia—the resident immune cells of the brain.
Microglia act as the brain’s diligent housekeepers. They play an essential role in maintaining cognitive health by clearing out cellular debris, supporting neural circuits, and acting as first responders to injury. However, as the brain ages, these critical cells often become less efficient. Instead of protecting the brain, aged microglia can adopt maladaptive states that contribute to chronic neuroinflammation and impaired cognitive function.
In a new study, the research team sought to understand how TIMP2 influences microglial biology in both healthy and aging brains. Utilizing multiple mouse models—including subjects selectively lacking TIMP2 in their microglia or neurons—the team employed advanced brain single nuclei RNA-sequencing, in vivo microdialysis, and functional assays to observe the protein’s impact.
The findings were striking. When TIMP2 was deleted, microglia rapidly began to exhibit characteristics typically associated with advanced aging and brain injury. The cells displayed an impaired ability to clear cellular debris and showed molecular signatures consistent with cellular senescence. Additionally, the loss of TIMP2 triggered an increase in inflammatory and stress-related proteins in the brain’s extracellular environment.
“TIMP2 facilitates healthy function for the brain’s immune cells,” said Joseph M. Castellano, PhD, Associate Professor of Neuroscience at the Ronald M. Loeb Center for Alzheimer’s Disease and corresponding author of the study. “By supporting the ability of microglia to clear debris and limit maladaptive responses, TIMP2 may help restore aspects of microglial function that become compromised with age.”
Crucially, the study also explored whether these age-related declines could be reversed. When researchers administered systemic injections of TIMP2 to aged mice, they observed a rejuvenating effect. The treatment successfully shifted the microglia away from harmful, pro-inflammatory states and significantly improved their capacity to clear cellular waste.
These results point to a powerful molecular link between systemic factors associated with youth and the innate immune function of the aging brain. While the current study was conducted in mice, the findings open a promising new avenue for human applications.
“While additional studies are needed, this work provides new insight into how youth-associated factors influence pathways involved in brain aging and age-related neurological disorders that may ultimately inform therapeutic strategies,” Dr. Castellano added.
Understanding how youth-associated factors like TIMP2 regulate immune responses could eventually lead to targeted therapies designed to modify age-related brain changes, offering hope against Alzheimer’s and other neurodegenerative diseases.
Editorial Notes:
This article was edited by a Neuroscience News editor.
Journal paper reviewed in full.
Additional context added by our staff.
About this Research Section:
Author / Media Contact: Elizabeth Dowling
Source: The Mount Sinai Hospital / Mount Sinai School of Medicine
Image Credits: Neuroscience News featured image / Original raw image courtesy of Mount Sinai Health System.
Original Research:
Hemmer, B.M., Philippi, S.M., Ferreira, A.C. et al. Youth-associated protein TIMP2 regulates microglial state and function in healthy and aged mice. Nat Commun17, 8173 (2026). https://doi.org/10.1038/s41467-026-74906-z
Title: Youth-associated protein TIMP2 regulates microglial state and function in healthy and aged mice
Authors: Brittany Hemmer, Joseph M. Castellano, et al.
A visual montage illustrating the quiet isolation and diverse cultural contexts of male intimate partner violence survivors struggling in silence. Credit: Generated by AI/Neuroscience News.
Shame, Stigma, and Culture Prevent Male Domestic Violence Survivors From Seeking Help
Summary: A new large-scale study identifies the primary barriers that prevent male victims of intimate partner violence (IPV) from seeking help. Researchers found that viewing the abuse as a private matter was the top barrier across all racial and ethnic groups studied. Understanding these specific cultural and psychological hurdles—such as shame for Latino men or difficulty labeling abuse for White men—is crucial for developing more inclusive, trauma-informed support services.
Key Facts:
Widespread but Hidden: According to the CDC, 44% of men report being victims of intimate partner violence, yet many do not seek or receive support.
Top Barrier: Across all racial and ethnic categories, viewing the abuse as a “private matter” was the most common reason men avoided seeking help.
Cultural Variations: Help-seeking barriers vary significantly by demographic: Latino men were more likely to cite shame, White men often had difficulty labeling their experience as abuse, and Black men were less likely to fear not being believed.
Source: George Mason University
Men are significantly less likely than women to seek help after experiencing intimate partner violence (IPV), and a new large-scale study from George Mason University is shedding light on exactly why.
According to the research, the main barriers preventing men from accessing support include viewing the abuse as a private matter, fear of retaliation, deep-seated shame, and concerns about not being believed.
In this comprehensive study, postdoctoral researcher Lyric Russo explored these barriers across different racial and ethnic groups to address critical gaps in IPV research for underrepresented demographics. The findings were recently published in the journal Psychology of Men & Masculinities.
“By centering men’s perspectives across racial and ethnic backgrounds, the findings support a more inclusive understanding of intimate partner violence and underscore the importance of trauma-informed, culturally responsive, and gender-inclusive interventions that broaden access to and engagement with existing services,” said Russo, first author of the paper.
The research is among the first large-scale studies in the U.S. to compare help-seeking barriers among nearly 1,200 non-Latino Black, Latino, and non-Latino White male victims of intimate partner violence. The study was led and co-authored by acclaimed male IPV researcher Denise Hines, Elisabeth Shirley Enochs Endowed Professor of Social Work.
According to the Centers for Disease Control and Prevention (CDC), an estimated 44% of men report being victims of IPV at some point in their lives. However, many of these men never receive support, making it vital for public health experts to understand the psychological and cultural roadblocks to seeking help.
The team uncovered notable nuances between different demographic groups:
Across all categories, keeping the abuse private was the dominant barrier.
Latino men were significantly more likely to express concerns about shame or embarrassment.
White men were more likely to report difficulty in labeling their experiences as actual abuse.
Black men were less likely to report concerns about not being believed by authorities or support networks.
“By identifying the challenges to seeking support, the findings can help inform more effective and inclusive services for diverse groups of male victims,” Hines explained.
“Without focused research, interventions, and support services may fail to reflect the experiences and needs of male victims,” Russo added.
The paper was selected as the July 2026 editor’s choice article for the journal and invited for a research feature on the APA Division 51 (Society for the Psychological Study of Men and Masculinities) blog.
Editorial Notes:
This article was edited by a Neuroscience News editor.
Journal paper reviewed in full.
Additional context added by our staff.
About this Intimate Partner Violence and Psychology Research
Author: Mary Cunningham (Media Contact) Source: George Mason University Contact: Mary Cunningham – George Mason University Image: Generated by AI/Neuroscience News.
Original Research: Peer-Reviewed Publication “Barriers to Help-Seeking Among Male Victims of Female-Perpetrated Intimate Partner Violence: Insights From Black, Latino, and White Men” by Lyric Russo, Denise Hines, et al. Psychology of Men & Masculinity DOI:10.1037/men0000560 Publication Date: July 1, 2026
Summary: Researchers have mapped over 830,000 brain immune cells, discovering a protective subtype of microglia that expands as Alzheimer’s disease progresses. Driven by the TREM2 molecular pathway, these cells actively help clear harmful material from the brain. The findings provide a new roadmap for developing therapies focused on strengthening the brain’s natural immune defenses rather than targeting amyloid plaques alone.
Key Facts:
Unprecedented Scale: The study analyzed over 830,000 myeloid-origin immune cells from 1,607 donors, providing the most detailed reference to date of immune cell changes across aging and disease.
Protective Microglia Subtype: A specific, disease-associated subtype of microglia becomes more abundant as Alzheimer’s advances, acting to protect the brain by engulfing and clearing harmful material.
Crucial Molecular Pathway: The beneficial, protective effects of these immune cells rely entirely on a molecular signaling pathway involving the proteins TREM2, MITF, and GPNMB.
Source: Mount Sinai Hospital / Mount Sinai School of Medicine
The brain’s immune cells are increasingly recognized as key players in Alzheimer’s disease, but exactly how they change as the disease develops has remained unclear. Now, a groundbreaking study published in Nature Genetics provides the most comprehensive map to date of these cells.
Researchers from the Icahn School of Medicine at Mount Sinai have identified a protective subtype of brain immune cell that expands as Alzheimer’s disease progresses, uncovering the molecular pathway that enables these cells to help defend the brain. The findings offer new insights that could inform future Alzheimer’s therapies.
Led by Donghoon Lee, PhD, and Panos Roussos, MD, PhD, the team analyzed more than 830,000 myeloid-origin immune cells of the brain. This included microglia—the brain’s resident immune cells—and perivascular macrophages, which are crucial for modulating immune responses. The cells were sourced from the prefrontal cortex of 1,607 donors spanning a wide range of ages and Alzheimer’s disease pathology stages.
By profiling brain tissue at this unprecedented scale, the team identified six subclasses comprising 13 distinct subtypes of myeloid cells, characterizing how these populations adapt during aging and disease progression.
Crucially, the researchers identified a disease-associated subtype of microglia that becomes increasingly abundant as Alzheimer’s disease advances. Rather than contributing to neurodegeneration, these cells appear to play a protective role by increasing their ability to engulf and clear harmful material from the brain.
The study further identified a molecular pathway involving the proteins TREM2, MITF, and GPNMB that is required to maintain this protective microglial state. Experiments in both human tissue and mouse models demonstrated that the beneficial effects of these cells depend strictly on TREM2 signaling.
“Our study provides the clearest picture yet of how the brain’s immune cells adapt during aging and Alzheimer’s disease,” said Donghoon Lee, PhD, Assistant Professor of Genetics and Genomic Sciences and Psychiatry at Mount Sinai, and first and corresponding author of the paper.
“By identifying the specific immune cells that appear to protect the brain—and the molecular signals they rely on—we have uncovered potential new targets for therapies aimed at slowing Alzheimer’s disease progression.”
Beyond identifying this protective microglial population, the study helps explain why genetic variants in immune-related genes such as TREM2 and APOE increase Alzheimer’s risk. Ultimately, the findings provide a roadmap for developing therapies that strengthen the brain’s natural immune defenses.
Editorial Notes:
This article was edited by a Neuroscience News editor.
Journal paper reviewed in full.
Additional context added by our staff.
About this Alzheimer’s disease research news
Author: Elizabeth Dowling (Media Contact) Source: The Mount Sinai Hospital / Mount Sinai School of Medicine Contact: Elizabeth Dowling – The Mount Sinai Hospital / Mount Sinai School of Medicine Image: Graphical abstract credit goes to Mount Sinai Health System
Original Research: Peer-Reviewed Publication “Plasticity of human microglia and brain perivascular macrophages in aging and Alzheimer’s disease” by Donghoon Lee, Panos Roussos, et al. Nature Genetics DOI:10.1038/s41588-026-02716-6
Summary: Researchers discovered a previously unknown mechanism through which the adult mammalian brain repairs itself following focal injuries or autoimmune damage. Using two-photon microscopy and longitudinal gene mapping in living mouse models, researchers identified a specialized population of “regenerative” astrocytes capable of repopulating damaged brain regions.
Rather than relying solely on classical cell body division at the site of injury, these specialized astrocytes situated along the lesion perimeter send newly formed daughter cell nuclei gliding long distances through their star-shaped cellular extensions. These migrating cell nuclei repopulate the depleted lesion zone, re-establishing functional astrocyte networks.
This discovery overturns long-held assumptions regarding the limited regenerative capacity of adult glial networks, revealing molecular signaling pathways that could serve as therapeutic targets for traumatic brain injury and autoimmune conditions such as neuromyelitis optica spectrum disorder (NMOSD).
Key Facts
Overturning Dogma on Glial Regeneration: Demonstrates that the adult central nervous system possesses a previously unrecognized capability to replace lost astrocytes and restore damaged tissue architecture.
Mechanism of Long-Distance Nuclear Migration: Specialized regenerative astrocytes remain at the lesion boundary and send newly generated cell nuclei gliding across long astrocytic extensions into the depleted injury core.
Rebuilding Functional Glial Networks: Astrocytes perform vital homeostatic functions, including nutrient supply to neurons, blood flow regulation via end-feet, and extracellular ion balance, making their network reconstruction essential for neuronal survival.
Targeted Clinical Applications: Holds therapeutic relevance for neurotraumatic brain injuries and rare autoimmune conditions like neuromyelitis optica spectrum disorder (NMOSD), where autoantibodies selectively destroy astrocytes.
Molecular Targets for Therapeutics: The team identified specific genes and signaling pathways temporarily activated during nuclear migration, providing potential targets for pharmacological interventions to accelerate brain repair.
Source: University of Zurich
The brain evidently can regenerate itself better than previously assumed after injuries or certain autoimmune diseases. Using a mouse model, researchers at the University of Zurich have demonstrated that special supporting and nourishing cells repopulate damaged areas of the brain by initially sending only newly formed cell nuclei there.
Glial cells are supporting and nourishing cells in the brain. Star-shaped glial cells called astrocytes are vital to the functioning of neurons. They supply the nerve cells with nutrients, help to regulate blood flow and keep brain tissue healthy.
It had long been assumed that when astrocytes are lost – as happens, for instance, in brain injuries or autoimmune diseases such as rare neuromyelitis optica spectrum disorder, in which the body’s own antibodies destroy these cells – the adult brain cannot fully replace them.
Regenerative astrocytes repair damaged tissue
A new study by co-lead authors Marina Herwerth and Matthias Wyss from the Institute of Pharmacology and Toxicology at the University of Zurich (UZH) has now overturned that assumption: their research team headed by Bruno Weber discovered a specialized group of “regenerative” astrocytes in the brains of living mice that step in on the perimeter of the damaged area of the brain to rebuild the cells.
“The findings of our study reveal a previously unknown ability of the adult brain to repair itself. They point toward new ways of supporting recovery from ailments involving the loss of astrocytes,” Weber says.
Only cell nuclei migrate
The researchers used two-photon microscopy to observe the brains of living mice in real time over a period of several weeks and mapped which genes switch on in which areas of the brain. This way they were able to identify the special astrocytes that take care of rebuilding injured tissue. But those cells don’t just divide, they also perform a remarkable feat: “they send the newly formed nuclei of their daughter cells gliding across long distances to repopulate the damaged area of the brain and knit the astrocyte network back together,” Weber explains.
Starting points for targeted regeneration
The discovery of how adult brain cell nuclei migrate through the long star-shaped extensions of astrocytes to injured tissue expands comprehension of how the brain organizes and regenerates itself after certain injuries. If those mechanisms can be selectively activated, that could help to more effectively repair damaged brain tissue, restore astrocyte networks and thus improve recovery after certain brain disorders.
“We were able to identify numerous genes and signaling pathways that are temporarily activated during repair. They could serve as starting points in the future for influencing post-disease and -injury regeneration processes,” Weber stresses.
Key Questions Answered:
Q: How do “regenerative” astrocytes differ from standard cell division during tissue repair?
A: Instead of whole cells migrating or simply dividing locally, these specialized astrocytes remain at the perimeter of the damaged area. They divide and send the newly formed nuclei of their daughter cells gliding long distances through their extended cellular processes directly into the injured zone to rebuild the network.
Q: What conditions cause the loss of astrocytes in the adult brain?
A: Astrocytes are lost during traumatic brain injuries, strokes, and specific neuroinflammatory or autoimmune conditions, most notably Neuromyelitis Optica Spectrum Disorder (NMOSD), where the body’s immune system produces autoantibodies that target and destroy astrocytes.
Q: How was this nuclear migration observed in real time?
A: Researchers at the University of Zurich used in vivo two-photon microscopy in living mouse models over several weeks. This allowed them to track living cells, observe nuclear movement through astrocytic branches, and map corresponding gene expression changes as the tissue repaired itself.
Editorial Notes:
This article was edited by a Neuroscience News editor.
Journal paper reviewed in full.
Additional context added by our staff.
About this neuroscience research news
Author: Kurt Bodenmueller Source: University of Zurich Contact: Kurt Bodenmueller – University of Zurich Image: The image is credited to Institute of Pharmacology and Toxicology, University of Zurich
Original Research: Open access. “Focal astrocyte loss reveals nuclear translocation during lesion repopulation” by Marina Herwerth, Matthias T. Wyss, Nicola B. Schmid, Anna Lasne, Jacqueline Condrau, Luca Ravotto, José María Mateos Melero, Andres Kaech, Gustav Bredell, Carolina Thomas, Rachel Kim, Petra Kukanja, Vladyslav L. Korobeynyk, Christine Stadelmann, Thomas Misgeld, Jeffrey L. Bennett, Sebastian Jessberger, Aiman S. Saab, Shane A. Liddelow & Bruno Weber. Nature Neuroscience DOI:10.1038/s41593-026-02354-5
Abstract
Focal astrocyte loss reveals nuclear translocation during lesion repopulation
Astrocyte loss occurs in various neurological conditions and can disrupt local tissue homeostasis. While astrocytes surrounding border-forming lesions adopt reactive states without restoring astrocyte networks, how astrocytes respond to spatially confined astrocyte loss remains poorly understood.
Here we used longitudinal in vivo two-photon microscopy, combined with spatiotemporal transcriptional profiling, to examine astrocyte responses following focal aquaporin-4 antibody-mediated ablation in the somatosensory cortex of adult mouse brain, a model of astrocytopathy relevant to neuromyelitis optica spectrum disorder.
Here we show that perilesional astrocytes undergo pronounced structural remodeling during lesion repopulation, characterized by cell proliferation, prolonged multinucleated astrocyte states, polarized process extension into the depleted area and gradual displacement of nuclei into previously unoccupied astrocyte territories.
Spatial transcriptomics reveal an injury-associated molecular response that resolves as the astrocyte network is restored. Together, our findings delineate the spatiotemporal dynamics of astrocyte regeneration after astrocyte loss, extending current understanding of astroglial plasticity in the adult brain.
Summary: A new study evaluated whether large language models (LLMs) can accurately account for human reading dynamics. The team compared eye-tracking data from 368 adult readers against predictions generated by over 400 neural network language models across syntactically complex texts, including “garden-path” sentences.
The study revealed a critical divergence between human cognitive architecture and transformer-based AI architectures. While LLM next-word prediction models successfully account for the initial processing speed of word recognition during smooth forward reading, they fail to predict the cognitive friction that occurs when humans integrate words into broader context.
Key Facts
Initial Alignment vs. Subsequent Divergence: LLMs accurately model early visual word recognition time during linear forward reading, but fail to explain late-stage context integration.
Underestimation of Cognitive Difficulty: Next-word predictability in AI models severely underpredicts the processing time human readers expend when resolving ambiguous or “garden-path” sentences (e.g., “The old man the boat”).
The Role of Regressive Eye Movements: Backward eye movements account for roughly 20% of human reading fixations; standard autoregressive LLMs lack an equivalent structural mechanism for retrospective re-parsing.
Benchmarking Scale: The researchers evaluated human eye-tracking metrics against more than 400 distinct large language model architectures to isolate where predictive algorithms fall short of cognitive reality.
Roadmap for Cognitive AI: The findings demonstrate that while predictive autoregressive mechanisms contribute to sentence comprehension, human cognition relies on distinct multi-stage context-integration frameworks that future AI architectures must adopt to model human thought accurately.
Source: NYU
Why do we breeze through some sentences in a book or article but have to reread others to comprehend their meaning?
A team of linguists and data scientists has found a partial answer in AI—some of this processing parallels that of neural-network-based large language models (LLMs). However, other aspects of why we read this way cannot be explained by these technologies, revealing where human and AI language processing diverge and maintaining the mystery of some stages of the reading process.
The new study, by researchers from New York University and the University of Massachusetts Amherst, shows that humans and AI process language in similar ways during the earliest moments of reading: both rely on next-word predictions. However, as reading continues and passages become more complex—often requiring rereading—humans’ processing differs from that of AI, which is entirely built on next-word prediction and therefore cannot account for how we navigate these types of passages.
“Language models develop their remarkable language understanding capabilities by being trained to predict the next word in a sentence, which led us to ask whether the same predictive processes that drive these AI systems could also explain how humans comprehend sentences,” explains William Timkey, a linguistics doctoral student at NYU and the lead author of the paper, which appears in the journal Proceedings of the National Academy of Sciences (PNAS).
“We found that LLMs can explain how long it takes people to recognize words when their eyes move smoothly forward through a text, but they fail to capture the cases where people have difficulty integrating a word into the larger context of a sentence, which is often accompanied by rereading.”
The authors note that despite the remaining uncertainty on how humans read—notably the rereading of passages—the findings nonetheless offer a potential roadmap for both improving language learning and addressing reading-related afflictions.
“We now know a little bit better how humans and models are different,” says Brian Dillon, a professor of linguistics at the UMass Amherst and the paper’s senior author. “That is the first step in understanding how we can close that gap, which we want to do because that could have enormous advantages down the road.”
“Our work shows that AI can be very valuable for cognitive science, but it is not enough,” adds Tal Linzen, an associate professor of linguistics and data science at NYU and one of the paper’s authors. “The human mind does not always work like standard AI systems—for instance, 20 percent of our eye movements when reading are backward, and AI models cannot explain when we decide to do that. We now have our work cut out for us to create computational models that more closely match the human mind and that can help us understand in detail how it operates.”
When we see words on a page, we go through mental processes of taking the visual information of the letters, accessing the meaning of the word, and then integrating that with the rest of a sentence. While much of reading is driven by word prediction, less clear are its limits—a question the researchers explored in the PNAS study.
To do so, they deployed LLMs because their predictive-text feature aligns with some theories of how the brain works: the prediction process drives our ability to comprehend sentences.
“LLMs seem to capture some of the properties of language as we understand it—they can generate text fluently and they appear to react in a way that suggests they have some understanding of what’s going on,” explains Dillon, who directs the Computational Sentence Processing Lab in the Department of Linguistics at UMass Amherst.
“We build a mental representation of what we think a sentence means based on the words on the page, then use that representation to make predictions about the next words, and then update our mental representation when those predictions are wrong,” adds Timkey.
In the study, the researchers used eye-tracking technology to analyze 368 adult readers, focusing on how long participants spent reading—and rereading—each word of carefully designed sentences. These included a diverse set of syntactically challenging sentences, known as garden- path sentences—grammatically correct sentences that start in such a way that a reader’s initial interpretation will likely be incorrect.
For instance, take the sentence “The old man the boat.” Readers may initially think the sentence is about an old man, but instead, the sentence means that old people are manning a boat. Such sentences, the authors note, are good candidates for understanding how we process complex passages.
The researchers then compared those eye movements with predictions generated by more than 400 AI language models.
The results showed that AI models’ next word predictions can explain the first step of processing each word of a sentence: identifying the word from a sequence of letters. However, they can’t explain the next step of integrating that word into the larger meaning of the sentence—a process that is particularly difficult for humans in garden-path sentences, and one which still remains poorly understood.
“The predictability of a word really doesn’t even come close to explaining just how much time we spend on difficult words and garden-path sentences,” says Timkey. “LLMs were drastically underpredicting the type of difficulty that we experience when reading.”
“It’s in that second stage of processing—recognizing a word and then integrating it with other words in passages—where we find big gaps between what word predictability can explain and what we need cognitive models to explain,” adds Linzen.
Funding: The research was supported by grants from the National Science Foundation (BCS-2020914, BCS-2020945, IIS-2504953, and IIS-2504954).
Key Questions Answered:
Q: What are “garden-path” sentences and why were they used in this study?
A: Garden-path sentences are grammatically correct sentences structured so that a reader’s initial interpretation is likely incorrect (e.g., “The old man the boat”). They are ideal for psycholinguistic research because they force the brain to stop, re-evaluate initial assumptions, and reread previous words to integrate the correct meaning.
Q: Where do large language models and human readers align?
A: LLMs and human readers align during the first stage of word processing—word recognition. When eyes move smoothly forward through straightforward text, the statistical predictability of a word in an LLM accurately models how quickly a human reader will visually recognize that word.
Q: Why can’t current LLMs account for backward eye movements during reading?
A: Standard LLMs process text sequentially through unidirectional, left-to-right next-word prediction. Human readers, however, perform backward eye movements (regressions) about 20% of the time to re-examine earlier words when sentence integration fails, a cognitive re-parsing mechanism that standard predictive AI architectures do not possess.
Editorial Notes:
This article was edited by a Neuroscience News editor.
Journal paper reviewed in full.
Additional context added by our staff.
About this AI research news
Author: James Devitt Source: NYU Contact: James Devitt – NYU Image: The image is credited to Neuroscience News
Eye movements reveal a dissociation between prediction and structural processing difficulty in language comprehension
In the process of extracting a meaning from a text, our eyes linger much more on some words than others, and we often reread earlier portions of the text. These disruptions to the reading process are particularly common in syntactically ambiguous sentences.
What explains the difficulty presented by these sentences? One prominent hypothesis explains it as a special case of the impact of a word’s predictability (operationalized via surprisal) on the difficulty of processing the word.
This contrasts with theories that attribute these disruptions to errors in the structure-building process. Earlier attempts to address this debate have been inconclusive because of small numbers of participants, coarse measurements of the reading process that are ill-suited to disentangling these competing views, and a limited range of surprisal estimates.
Here, we conduct a large-scale study (n = 368) examining eye movements during the reading of syntactically challenging sentences, using 409 types of surprisal estimates from language models with multiple architectures and training settings.
We find a stark dissociation: Early effects of syntactic disambiguation are well-approximated by language model surprisal, but syntactic disambiguation incurs a significant additional cost, reflected in an increase in rereading that is not explained by language model surprisal. We conclude that surprisal can capture routine structure-building, but not the cost of detecting or correcting errors in the structure-building process.
Summary: A new study demonstrated that dogs possess specialized neural networks for processing human facial expressions. The team used functional magnetic resonance imaging (fMRI) and machine learning to analyze canine brain activity while pet dogs viewed images of human faces depicting happiness, anger, fear, and sadness.
The researchers discovered that happy human faces selectively activate a neural network encompassing the temporal cortex (involved in higher cognitive and sensory processing) and the caudate nucleus (a key reward center). Whole-brain analyses revealed that canine brains do not merely categorize human expressions into positive or negative valences; dogs generate distinct, unique brain activity patterns that differentiate fear from anger and sadness.
The findings provide the first direct neural evidence that thousands of years of domestication have wired the canine brain to decode subtle human emotional signals.
Key Facts
Reward Center Activation for Smiles: Viewing happy human faces triggered significant activation in the canine caudate nucleus, the brain’s primary reward processing center, suggesting human smiles hold intrinsic emotional and motivational value for dogs.
Discrimination Between Negative Emotions: Using machine learning pattern analysis, researchers proved that dogs do not simply lump all bad moods together; their brains display distinct, distinguishable neural signatures when viewing human fear, anger, and sadness.
Convergent Evolutionary Adaptation: Unlike primates, who share a recent common ancestor with humans, dogs developed sophisticated human-decoding social skills independently through thousands of years of convergent evolution and artificial selection during domestication.
Temporal Cortex Specialization: The temporal cortex in dogs plays a central role in visual face processing and higher-order social cognition, forming a functional circuit with the caudate nucleus specifically tuned to human facial cues.
Multimodal Real-World Integration: While static photographs successfully elicited distinct brain responses, the authors emphasize that dogs in real-world settings integrate facial expressions with body posture, vocal tone, and olfactory signals.
Source: Cell Press
Scientists—and dog lovers—have long known that dogs are remarkably good at interpreting our laughs, frowns, and tears. But the biology behind this ability has remained largely unexplored until now.
In a study published in the Cell Press journal iScience on August 7, researchers peered inside the brains of dogs as they viewed images of various human expressions. The brain scans revealed that dogs process smiles in a unique brain region and, for the first time, provided evidence that dogs can distinguish between negative facial expressions, including anger, sadness, and fear.
“Humans are really good at picking up small details on the face, and so are dogs,” says first author Raúl Hernández-Pérez from the University of Vienna. “This makes dogs very interesting. By studying their brains, we can understand what adaptations have developed to support their remarkable social and emotional understanding of humans.”
The researchers first focused on happiness, an expression that previous studies suggest holds particular significance for dogs. They scanned eight dogs while showing them images of strangers with either happy or neutral expressions. The happy faces lit up the temporal cortex and caudate nucleus in the dogs’ brains—regions associated with higher cognitive and reward processing, respectively.
“The activity in the caudate nucleus is particularly interesting,” says Laura Cuaya, also of the University of Vienna, who began the research at the National Autonomous University of Mexico and later expanded it through a collaboration at Eötvös Loránd University in Hungary. “It suggests that happy human faces may have emotional significance for dogs.”
The team then asked whether the same brain regions respond to other emotions. They showed images of people displaying happiness, anger, fear, and sadness to 12 dogs and analyzed their brain activity using machine learning. They found that the dogs did not react in the same to these negative emotions; the temporal cortex-caudate nucleus network responded uniquely to happiness, allowing researchers to easily distinguish brain reactions to smiles from all three negative expressions.
But the canine brain was not merely sorting the world into good and bad, the team found. A whole-brain analysis revealed distinct patterns of activity that separated fear from anger and sadness, providing the first evidence that dogs can distinguish between specific negative facial expressions.
The researchers say that this ability does not mean that dogs experience emotions exactly as humans do. Also, a still photo of a human face doesn’t tell the whole story; in real life, dogs watch human body language, listen to nuances in our voices, and detect information from our scent.
“When we compare humans with primates, we are looking at abilities that may have come from a common ancestor,” says senior author Laura Cuaya of the University of Vienna. “With dogs, the story is totally different. They followed a very different evolutionary path, yet through domestication, they developed the social abilities needed to understand and cooperate with us.”
In this study, the canine participants were all pets from loving families, notes the team. Free-ranging dogs, such as those that live on the street, navigate a very different social world and may process human cues differently.
Next, the researchers plan to adopt a more dog-centric perspective to understand how dogs integrate these brain signals to make sense of the humans around them. Their future work will also compare how human and dog brains process the same emotional signals.
“I would like people to see dogs as emotional beings,” says Cuaya. “They have evolved with us to understand our expressions and cooperate with us, and recognizing that can change how we communicate with and care for them.”
Funding:
This work was supported by funding from the Austrian Science Fund, the European Research Council, the Hungarian Academy of Sciences, and the National Brain Programme 3.0.
Key Questions Answered:
Q: How do researchers scan a dog’s brain using fMRI without sedating them?
A: The dogs involved in these studies are beloved family pets trained using positive reinforcement to lie completely still inside an fMRI scanner. They wear ear protection and voluntarily place their heads on custom chin rests while viewing screens, allowing researchers to capture real-time brain activity without stress or anesthesia.
Q: What is the significance of the caudate nucleus lighting up when dogs see a human smile?
A: The caudate nucleus is a key structure in the brain’s reward system, involved in processing positive expectations and pleasure. The fact that seeing a smiling human face activates the caudate nucleus indicates that human smiles carry genuine emotional significance and positive reward value for dogs.
Q: Does this study mean dogs experience emotions in the exact same way humans do?
A: No. The study demonstrates that a dog’s brain can distinguish between different human facial expressions (such as fear, anger, and sadness), but it does not prove that dogs experience or conceptualize those emotions identically to humans. It shows that domestication has equipped dogs with the neural machinery required to decode and respond to human emotional states.
Editorial Notes:
This article was edited by a Neuroscience News editor.
Journal paper reviewed in full.
Additional context added by our staff.
About this animal psychology and emotion research news
Author: Julia Grimmett Source: Cell Press Contact: Julia Grimmett – Cell Press Image: The image is credited to Neuroscience News
Dog Brain Representations of Human Facial Expressions: Encoding Happiness and Differentiating Specific Negative Expressions
Dogs can distinguish human facial expressions, particularly happiness, yet brain processes remain unclear. Using fMRI, we conducted two experiments in awake pet dogs.
In Experiment 1 (n = 8), happy faces elicited a stronger response than neutral faces in a right temporal cluster extending to the caudate nucleus, including the rostral Sylvian gyrus. In Experiment 2 (n = 12), dogs viewed faces expressing happiness, anger, fear, or sadness.
Using the Experiment 1 cluster as a region of interest, a machine-learning classifier distinguished happiness from each negative facial expression, but not between negative pairs, showing differential BOLD responsiveness to happy faces.
Whole-brain representational similarity analyses revealed activity patterns differentiating angry vs. fearful faces (right mid ectosylvian and left splenial gyri) and sad vs. fearful faces (right rostral suprasylvian gyrus) but not angry vs. sad faces. This provides direct evidence that dog brains can distinguish between two negative facial expressions.