OpenAI DevDay 2026: AI는 챗봇에서 ‘지속형 에이전트’로 이동한다
OpenAI DevDay 2026의 20개가 넘는 발표를 한 방향으로 보면, AI는 대화형 챗봇에서 지속형 에이전트로 이동하고 있다. Dots·Agents API·Codex·GPT-6.1 Sol이 만드는 구조적 변화를 살펴본다.
Insight Publishing
OpenAI DevDay 2026: AI Is Moving From Chat to Persistent Agents
OpenAI’s DevDay 2026 points to a larger shift: from prompt-response chatbots to persistent agents with durable sessions, cloud execution, software access and lower-cost models.
파워 포징, 14년 뒤 다시 보기 — 에이미 커디 TED에서 남은 것과 재현되지 않은 것
에이미 커디의 2012년 TED는 파워 포징을 세계적인 아이디어로 만들었다. 이후 재현 연구는 호르몬 주장을 약화시켰지만, 자세와 자기인식에 관한 더 좁고 현실적인 교훈은 남았다.
Power Posing, 14 Years Later: What Amy Cuddy’s TED Talk Still Gets Right—and What Didn’t Replicate
Amy Cuddy’s 2012 TED talk made power posing famous. Later replication research weakened its hormone claims—but left a narrower, more useful lesson about posture, self-perception, and scientific correction.
학교는 창의성을 죽이는가? 켄 로빈슨 TED를 20년 뒤 다시 읽기
켄 로빈슨의 2006년 TED 강연을 20년 뒤 다시 읽는다. 지금도 유효한 교육의 질문과 시간이 지나며 약해진 근거를 분리해, 창의성과 지능을 학교가 어떻게 다뤄야 하는지 살펴본다.
Do Schools Kill Creativity? What Ken Robinson Still Gets Right 20 Years Later
Sir Ken Robinson’s 2006 TED talk still asks a useful question: what do schools lose when they reward only a narrow range of human ability? A 20-year reassessment of what still holds up—and what has aged poorly.
자가 개선 AI의 다음 병목은 모델이 아니라 ‘루프’다 — Stanford CS329A Part 9
Stanford CS329A Part 9을 바탕으로 자가 개선 AI의 다음 연구 과제인 reasoning diversity, verification, self-generated curriculum, continual learning, intelligence per watt를 정리합니다.
The Next Bottleneck in Self-Improving AI Is the Loop Itself — Stanford CS329A Part 9
Stanford CS329A Part 9 examines future research in self-improving AI: reasoning diversity, verification, self-generated curricula, continual learning, and intelligence per watt.
오래 일할 수 있는 AI와 믿고 맡길 수 있는 AI는 다르다 — Stanford CS329A Part 8
Stanford CS329A Part 8을 따라 METR, GDPval, DeepScholar-Bench를 비교하며 긴 task horizon과 실제로 믿고 맡길 수 있는 AI의 차이를 설명한다.
Long-Horizon AI Is Not the Same as Reliable AI — Stanford CS329A Part 8
Stanford CS329A Part 8 examines long-horizon agent evaluation through METR, GDPval, and DeepScholar-Bench, arguing that longer task horizons are not the same as reliable, delegable AI.