본문으로 건너뛰기
피드

어렵던 블록체인, 이제 AI 비서가 붙는 중

ai-ml 약 7분
vote
0
댓글
북마크

블록체인은 관심도 면에서 AI에 밀린 것처럼 보이지만, 디지털 자산의 보유와 이전을 기록하는 인프라 역할은 여전히 남아 있어. 문제는 지갑, 시드 문구, 서명, 수수료 같은 사용 경험이 너무 어렵다는 점이고, AI가 이 복잡한 절차를 사람 말로 풀어주는 인터페이스가 될 수 있다는 내용이야.

  • 1

    AI는 블록체인을 대체하기보다 사용성을 낮춰주는 인터페이스 역할을 할 수 있음

  • 2

    지갑 생성, 권한 승인, 네트워크 확인, 수수료 점검 같은 블록체인 UX가 일반 사용자에게 여전히 큰 장벽임

  • 3

    Upbit Agent Skills처럼 AI 에이전트가 시세 조회, 자산 확인, 주문 실행까지 자연어로 수행하게 돕는 실험이 등장함

  • 4

    AI가 피싱과 가짜 에어드랍을 더 그럴듯하게 만들 수 있어 보안 리스크도 같이 커짐

AI가 뜬다고 블록체인이 끝난 건 아님

  • 한때 기술 시장의 주인공은 블록체인이었는데, 지금 스포트라이트는 완전히 AI 쪽으로 넘어간 분위기임

    • 디지털 자산, 탈중앙화 금융, NFT, Web3 같은 키워드가 한동안 인터넷 이후의 새 인프라처럼 소비됐음
    • 지금은 생성형 AI가 검색, 문서 작성, 번역, 코딩, 고객응대, 데이터 분석까지 일상 도구로 들어와 버림
  • 글의 핵심은 AI와 블록체인이 서로 대체재가 아니라 역할이 다르다는 점임

    • AI는 사람의 의도를 이해하고 복잡한 정보를 쉬운 말로 정리하는 인터페이스에 가까움
    • 블록체인은 디지털 자산의 보유, 이전, 기록을 다루는 인프라에 가까움
    • 쉽게 말하면 AI는 말귀를 알아듣는 비서고, 블록체인은 돈과 권리가 오가는 장부인 셈

ℹ️참고

> 사람들 입에 자주 오르는 기술이 항상 제일 중요한 기술은 아님. 인터넷 결제, 데이터베이스, 클라우드처럼 진짜 중요한 기술은 어느 순간 배경으로 숨어버리는 경우가 많음.

블록체인의 진짜 문제는 ‘너무 어렵다’는 것

  • 블록체인은 강력하지만 일반 사용자가 직접 쓰기엔 절차가 너무 빡셈

    • 개인 지갑을 만들고, 시드 문구와 프라이빗키를 보관하고, 네트워크와 수수료를 확인하고, 거래에 서명해야 함
    • 스마트 컨트랙트 승인 화면을 봐도 내가 정확히 어떤 권한을 넘기는지 이해하기 어려운 경우가 많음
  • 은행 이체와 달리 블록체인 거래는 실수했을 때 되돌리기 어려운 구조가 많음

    • 은행에서는 착오송금 같은 상황에 일정한 사후 처리 절차를 기대할 수 있음
    • 블록체인에서는 한 번 잘못 서명해 네트워크에 전파된 거래가 사실상 되돌릴 수 없는 경우가 많음
    • ‘내 자산을 내가 직접 관리한다’는 장점이 곧 ‘내가 잘못 누르면 내가 책임진다’는 부담으로 바뀜
  • AI는 이 지점에서 블록체인의 사용성을 확 낮춰주는 비서가 될 수 있음

    • 사용자가 하려는 거래가 무엇인지, 어떤 권한을 허용하는지, 어떤 위험을 확인해야 하는지 쉬운 말로 설명해줄 수 있음
    • 토큰 전송이나 탈중앙화 거래소 교환 과정에서 주소 형식, 네트워크, 예상 수수료, 승인 범위, 피싱 가능성을 미리 점검하는 식임

AI 에이전트가 거래소 API까지 만지는 단계로 감

  • 거래소 API는 원래도 시세 조회, 자산 확인, 주문 실행에 쓰였지만, 이제는 AI 개발 도구와 연결되는 흐름이 나타나고 있음

    • CLI, SDK, AI 개발 도구를 붙여 데이터 조회, 시장 분석, 서비스 연동, 자동화 작업에 활용하려는 시도가 이어지는 중임
    • 업비트도 개발자들이 Upbit API를 CLI, SDK, AI 도구와 함께 활용할 수 있도록 문서를 제공하고 있음
  • 특히 Upbit Agent Skills 공개는 꽤 상징적임

    • AI 에이전트가 시세 조회, 자산 확인, 주문 실행 같은 주요 기능을 자연어로 수행하도록 돕는 도구임
    • AI가 단순히 설명만 해주는 단계를 넘어, 실제 거래 흐름에 관여할 수 있다는 걸 보여줌

⚠️주의

> AI가 거래를 쉽게 만들어준다고 해서 안전까지 자동으로 따라오는 건 아님. 자연어로 주문 실행이 가능해지는 순간, 오입력·오해·피싱·권한 남용 리스크도 같이 커짐.

결제와 보안 쪽 논의도 같이 커질 수밖에 없음

  • AI가 상품을 비교하고 조건에 맞는 서비스를 고른 뒤 결제까지 요청하는 환경을 생각하면, 기존 결제수단만으로 충분한지 논의가 생길 수 있음

    • 카드와 계좌는 사람 또는 법인의 인증과 승인을 전제로 발전해 왔음
    • 소액 결제와 자동 정산이 더 자주 일어나는 환경에서는 스테이블코인이나 온체인 결제도 실험 대상이 될 수 있음
    • 그렇다고 모든 결제가 블록체인으로 간다는 얘기는 아니고, 자동화된 거래 환경에 맞는 결제수단 논의가 커질 수 있다는 쪽에 가까움
  • 문제는 AI가 방어 도구이면서 동시에 공격 도구가 될 수 있다는 점임

    • AI는 피싱 문구를 더 자연스럽게 만들고, 가짜 고객센터나 가짜 에어드랍 안내를 더 그럴듯하게 꾸밀 수 있음
    • 블록체인에서는 한 번 서명된 이전을 되돌리기 어려운 경우가 많아서, 이런 공격의 피해가 더 치명적일 수 있음
  • 결국 AI와 블록체인의 조합은 사용성 혁신과 책임 문제를 동시에 끌고 옴

    • AI는 어려운 블록체인 기계를 사람 말로 설명해주는 비서가 될 수 있음
    • 하지만 그 비서가 버튼까지 대신 누르는 순간, 이용자 보호와 책임 소재를 어떻게 설계할지가 진짜 이슈가 됨

기술 맥락

  • 여기서 중요한 선택은 블록체인을 더 쉽게 만들기 위해 UI만 다듬는 게 아니라, AI Agent를 거래 흐름 앞단에 세우는 거예요. 사용자가 지갑 주소, 네트워크, 수수료, 승인 범위를 직접 해석하기 어렵기 때문에 자연어 설명 계층이 필요해진 거죠.

  • 왜 이게 민감하냐면, 블록체인 거래는 실행 이후 되돌리기 어려운 경우가 많거든요. 일반 앱의 잘못된 클릭은 취소 버튼이나 고객센터로 수습될 수 있지만, 온체인 서명은 자산 이동이나 권한 위임으로 바로 이어질 수 있어요.

  • Upbit Agent Skills 같은 접근은 거래소 API와 AI 도구를 연결해 시세 조회, 자산 확인, 주문 실행을 자연어로 다루게 하려는 흐름이에요. 개발자 입장에선 편한 자동화 도구이지만, 동시에 권한 범위와 실행 전 검증을 어디에 둘지 설계해야 해요.

  • 결제 쪽에서도 AI가 자동으로 상품을 고르고 소액 결제를 반복하는 환경이 오면, 카드·계좌 중심의 승인 모델과 온체인 결제 모델을 다시 비교하게 돼요. 핵심은 블록체인을 쓰느냐 마느냐가 아니라, 자동화된 행위자에게 어떤 한도와 책임을 줄 수 있느냐예요.

AI와 블록체인의 조합은 ‘멋진 미래 기술 두 개를 붙였다’는 얘기보다, 어려운 금융 인프라를 누가 대신 읽고 설명하고 실행해주느냐의 문제에 가까워. 개발자 입장에선 에이전트가 거래를 건드리는 순간 UX 문제가 바로 보안·책임·감사 문제로 바뀐다는 점이 핵심이야.

댓글

댓글

댓글을 불러오는 중...

ai-ml

플랜바이, 건축 설계 AI 자동화 들고 북미 AEC 시장 공략

플랜바이테크놀로지스가 AIA 컨퍼런스 온 아키텍처 & 디자인 2026에서 건축 시각화 플랫폼 플라나와 외관 설계 워크플로우 플랫폼 플래드를 북미 시장에 공개한다. 클라우드 AI 렌더링, 노드 기반 설계, 위성 지도 연동을 앞세워 반복 시안 작업과 고비용 렌더링 문제를 줄이겠다는 그림이다.

ai-ml

AI 인프라 사이클, 한국은 이제 ‘모델’보다 ‘공장’을 봐야 한다

AI 투자는 단순한 서버 증설이 아니라 지능·추론·코딩 비용을 낮추는 새 생산함수에 대한 설비투자로 봐야 한다는 분석이다. 미국 중심으로 시작된 GPU·데이터센터 투자 사이클이 한국에서는 HBM, 전력·냉각, 통신, 클라우드, SI, 로봇·자동화까지 확장될 수 있다는 게 핵심이다. 다만 실제 투자 사이클로 인정받으려면 전력 수전, GPU 조달, 앵커 테넌트 확보가 확인돼야 한다.

ai-ml

비즈니스 AI, 결국 승부는 모델보다 데이터 품질

생성형 AI를 업무에 쓰려면 프롬프트만 잘 쓰는 걸로는 부족하고, AI가 참고하는 데이터의 품질과 범위를 관리해야 한다는 내용이다. 최신 반도체, 서버, 알고리즘보다 먼저 봐야 할 건 AI가 무엇을 학습하고 어떤 맥락을 보고 답하는지라는 점을 짚는다.

ai-ml

AI가 화면 밖으로 나왔다, 인간형 로봇 공장 투입이 본격화되는 중

챗봇과 이미지 생성 중심이던 AI 투자 열기가 로봇, 자율주행, 물류 자동화 같은 현실 세계로 옮겨가고 있다는 분석이 나왔다. 2026년 상반기 로봇 기업 투자액은 558억 달러로 이미 전년도 연간 기록의 거의 두 배에 달했고, BMW·토요타·아마존·테슬라·엔비디아가 전면에 서 있다.

ai-ml

출구조사도 AI에게 물어볼 수 있을까

전화 여론조사 응답률이 5% 아래로 떨어지고, 28억 원짜리 출구조사도 크게 빗나가면서 AI 기반 ‘실리콘 샘플링’이 보완책으로 거론되고 있다. 엔비디아의 한국인 100만 명 가상 인물 데이터와 해외 연구 사례는 가능성을 보여주지만, AI가 사회적으로 바람직한 답을 내놓는 편향과 선거 당일의 맥락을 못 잡는 한계도 뚜렷하다.