Tech AI News - 테카이

AI 회의 노트테이커 — 보이는 봇 vs 안 보이는 녹음 선택법

· 4분 읽기

회의에 "참가자"로 들어오는 녹음봇과, 아무도 모르게 내 컴퓨터 소리만 듣는 녹음 방식 — 둘은 단순한 UI 차이가 아니라 투명성, 정확도, 연동, 법적 책임이 갈리는 구조적 선택이다.


두 가지 기록 방식

AI 회의 노트테이커는 크게 두 갈래로 나뉜다. Otter.ai와 Fireflies.ai는 OtterPilot·Fireflies Notetaker라는 이름의 봇이 Zoom·Google Meet·Teams 회의에 참가자로 직접 들어가 참가자 목록에 표시된다. 반대로 Granola는 회의에 들어가지 않고, 사용자의 컴퓨터에서 마이크와 시스템 오디오(스피커로 나가는 소리)를 직접 캡처해 기록한다 (Granola 공식 블로그, 2026년).

두 방식 모두 최근 봇 없는 모드를 추가하는 추세다. Otter는 2025년 말 데스크톱 앱에 봇 없는 캡처 모드를 더했고, Fireflies도 데스크톱 앱·크롬 확장으로 같은 방향을 택했다. 다만 기본값과 핵심 설계는 여전히 다르다 (Wispr Flow, Otter vs Fireflies 비교).

선택 기준 1 — 투명성: 상대방이 녹음 사실을 아는가

참가자 봇 방식은 참가자 목록에 봇 이름이 뜨므로, 적어도 형식적으로는 모두가 녹음 사실을 볼 수 있다. 다만 리뷰어들은 자동 참가 설정을 끄기 어렵다고 지적한다 — 보인다고 해서 동의를 구했다는 뜻은 아니다.

기기 녹음 방식은 반대로 참가자 화면에 아무것도 나타나지 않는다. 상대방이 회의 중 듣는 것 외에 녹음 사실을 알 방법이 없어, 구두로 먼저 알리지 않으면 "몰래 녹음"에 더 가까워진다.

선택 기준 2 — 화자 구분 정확도

참가자 봇은 회의 플랫폼의 참가자 메타데이터에 접근할 수 있어, 이름까지 포함한 화자 구분이 비교적 안정적이다. 다만 억양·전문용어·소음이 섞이면 틀리기 시작한다 — 한 리뷰에서는 6~12개월 사용 후 Otter 정확도를 85% 안팎으로 추정했다 (Wispr Flow).

기기 녹음 방식은 참가자 명단에 접근하지 못해, 다자 화상회의에서는 "나"와 "상대방들"을 뭉뚱그려 구분하는 경우가 많다. 참가자가 3명을 넘어가면 "상대방들"을 더 세분하지 못하는 한계가 반복적으로 보고된다. 업계 일반론으로는 참가자가 4명을 넘으면 화자 구분 정확도가 70~85% 수준까지 떨어진다는 분석도 있다 (Vibe, 화자 레이블 분석).

선택 기준 3 — CRM 연동 필요성

영업·고객 상담처럼 통화 내용을 Salesforce·HubSpot에 바로 꽂아야 하는 조직은 참가자 봇 방식이 유리하다. Otter와 Fireflies 모두 2026년 중 영업 특화 기능(통화 요약 자동 입력, 코칭 인사이트)을 CRM 연동에 더했다 (Wispr Flow).

반면 내부 전략 회의·1:1처럼 결과물이 "내 메모"로 충분한 경우는 기기 녹음 방식이 더 가볍다. CRM에 자동으로 꽂을 필요가 없다면, 참가자 목록에 봇을 하나 더 올리는 비용을 감수할 이유가 적다.

선택 기준 4 — 조직의 녹음 동의 정책

미국 연방법은 "일방 동의"(참가자 중 한 명만 알고 있어도 합법)를 기본으로 하지만, 캘리포니아·일리노이·플로리다·워싱턴 등 10여 개 주는 "전원 동의"를 요구한다. 참가자 중 한 명이라도 전원 동의 주(州)에 있으면 그 기준을 따라야 한다는 해석이 우세하다 (Mayer Brown, AI 노트테이커 법적 리스크).

조직이 전원 동의를 원칙으로 세워 뒀다면, 참가자 목록에 봇이 보이는 방식이 그 원칙을 지키기 쉽다. 반대로 기기 녹음 방식을 쓰면서 구두 고지 절차를 따로 마련하지 않으면, 동의 정책이 있어도 실제로는 지켜지지 않을 위험이 크다.

법적 리스크 — 동의는 "보여주는 것"만으로 끝나지 않는다

2025년 8월 미국에서 제기된 In re Otter.AI Privacy Litigation은 Otter가 사용자 동의 없이 사적 대화를 기록하고, 그 데이터를 모델 학습에 쓸 수 있다는 점을 제대로 알리지 않았다고 주장한다. 2026년 8월 법원은 핵심 주장의 심리를 이어가도록 했다 — 아직 결론이 난 사건은 아니다. Fireflies를 상대로 한 생체정보(음성 지문) 관련 소송도 있었으나 2026년 3월 자진 취하됐다 (Mayer Brown; Wispr Flow).

실무적으로 중요한 점은, 녹음이 시작된 뒤 띄우는 배너 고지는 전원 동의 요건을 채우지 못한다는 분석이 많다는 것이다. 동의는 녹음 전에, 가능하면 구두나 캘린더 초대 문구로 미리 구해 두는 쪽이 안전하다 (Circleback, 회의 녹음 동의 가이드).

어떤 상황에 어느 방식이 맞을까

  • 영업·고객 대응, CRM 연동이 핵심이면 → 참가자 봇 방식. 투명성도 상대적으로 쉽게 지킨다.
  • 내부 회의·1:1, 가벼운 메모가 목적이면 → 기기 녹음 방식. 다만 회의 시작 전 구두로 알리는 절차를 꼭 더한다.
  • 참가자가 많거나 화자 구분이 중요하면 → 참가자 봇 방식이 유리하다. 기기 녹음 방식은 3인 이상부터 구분력이 떨어진다.
  • 조직에 전원 동의 원칙이 있다면 → 방식과 무관하게 사전 고지 절차를 문서화해 둔다. 봇이 보인다는 사실 자체가 동의를 대신하지는 않는다.

참고 링크

  • #AI
  • #인공지능
  • #AI 노트테이커
  • #Otter.ai
  • #Fireflies
  • #Granola
AI 도구 리뷰

사내 AI 도구, 만들까 살까 — Build vs Buy 기준

사내 AI 도구를 직접 만들지 SaaS로 살지는 가격표가 아니라 요구사항이 얼마나 표준적인지, 처리량과 타임라인이 얼마나 빠듯한지, 규제와 데이터 제약이 있는지, 이 세 가지 기준으로 판단해야 길게 봤을 때 후회가 없습니다.

· 6분

AI 도구 리뷰

사내 AI 챗봇, RAG냐 파인튜닝이냐 — 선택 기준

사내 문서를 AI에 학습시키려 할 때 RAG와 파인튜닝 중 무엇을 먼저 시도해야 할지 헷갈리기 쉽다. RAG는 지식을 바꾸고 파인튜닝은 행동과 톤을 바꾼다는 역할 구분을 기준으로, 데이터 변동성과 목적에 따라 고르는 법을 정리한다.

· 5분

AI 도구 리뷰

AI 코딩 에이전트, 로컬 vs 클라우드 선택 기준

AI 코딩 에이전트를 로컬로 쓸지 클라우드로 쓸지는 성능 비교가 아니라 데이터 민감도, 네트워크 환경, 동시 처리량, 최신 모델 접근성이라는 구조적 기준으로 갈립니다. 네 가지 비교축과 하이브리드 운영 사례를 정리했습니다.

· 4분