Meta, 직원 키보드·마우스 추적해 AI 학습: Business Insider (businessinsider.com) ↗

• Meta가 미국 직원 컴퓨터에 키보드 입력, 마우스 움직임, 화면 내용을 자동 기록하는 AI 학습 도구를 의무 설치. 직원이 끌 수 없음
• 도구 이름은 MCI (Model Capability Initiative). Gmail, GChat, 사내 AI 어시스턴트 Metamate, 코드 편집기 VSCode 같은 사전 승인된 업무 앱에서만 작동. 휴대폰엔 안 깔림
• Meta 설명: AI가 코딩·글쓰기는 잘 해도 “드롭다운 메뉴 고르기” “단축키 누르기” 같은 평범한 PC 조작은 잘 못함. 직원이 일하는 모습을 보고 그걸 배우게 하겠다는 것
• 직원 반응 안 좋음. 사내 게시판 추천 1위 댓글이 “엄청 불편함, 어떻게 끄나?”. CTO Andrew Bosworth가 “회사 노트북에선 끌 수 없음”이라고 못 박음. 댓글에 우는, 놀란, 화난 이모지가 다수
• Meta는 작년에 Meta Superintelligence Labs 신설, Muse Spark 모델 출시. MCI는 그다음 모델 학습용 데이터 수집 단계로 보임

Meta가 정확히 뭘 수집하나?

• 마우스 움직임, 클릭 위치, 키보드 입력, 맥락 파악용 화면 내용
• 대상은 미국 정직원과 임시 계약직
• 사용 앱은 Gmail, GChat, Metamate, VSCode 등 사전 승인된 업무 앱·웹사이트에 한정. 개인용 사이트는 빠짐
• 휴대폰엔 깔리지 않고 회사 컴퓨터에만

Meta는 왜 직원 행동까지 기록해야 하나?

• 회사 발표 그대로 옮기면, “AI가 코딩·리서치는 잘 하지만 드롭다운 메뉴 선택·단축키 사용 같은 사람의 일상 PC 조작은 잘 못함”
• 그래서 “에이전트가 사람이 컴퓨터로 일을 어떻게 끝내는지 이해하려면 실제 사례로 배워야”
• 이건 사람 대신 마우스·키보드를 직접 움직이는 AI 에이전트(CUA, Computer Use Agent) 학습용 데이터로 보임. 텍스트만 본 LLM은 절대 못 배우는 영역
• Mark Zuckerberg와 Alexandr Wang(Meta Superintelligence Labs 책임자)이 같이 발표한 Muse Spark가 첫 모델이고, MCI는 다음 모델 학습용 데이터 수집 장치

직원과 회사는 어떻게 반응했나?

• 사내 게시판 추천 1위 댓글: “This makes me super uncomfortable. How do we opt out?”
• CTO Andrew Bosworth 답변: “회사 노트북에선 끌 수 없음”
• 댓글 반응에 우는, 놀란, 화난 이모지가 섞여 다수
• 회사 입장: 민감한 콘텐츠는 보호 장치 있고 다른 용도엔 안 씀. 회사 디바이스 모니터링 자체는 원래 있던 정책의 연장선이라 새 정책이 아니라는 주장

항목	내용
도구명	MCI (Model Capability Initiative)
수집 데이터	마우스 움직임, 클릭, 키보드 입력, 화면 내용
대상	미국 정직원 + 임시 계약직 (휴대폰 제외)
적용 앱	Gmail, GChat, Metamate, VSCode 등 사전 승인 앱
거부 가능?	불가 (CTO 직접 확인)
첫 보도	Reuters

직원이 거부할 수 있나?

회사 노트북에선 거부 옵션 없음. CTO Andrew Bosworth가 사내 게시판에서 직접 답변. 다만 휴대폰엔 안 깔리고, 사전 승인된 업무 앱 안에서만 작동.

Meta는 이 데이터로 정확히 뭘 만드나?

도구 이름은 MCI(Model Capability Initiative). 발표상 목적은 LLM이 사람의 평범한 PC 조작 방식(드롭다운·단축키·화면 흐름)을 배우게 하는 것. AI 에이전트가 실제 사람 일을 흉내내려면 실제 사용자 데이터가 필요하다는 논리.

한국 회사도 비슷한 일이 가능한가?

한국은 개인정보보호법상 직원 모니터링 시 사전 동의·고지가 필요. 다만 회사 디바이스 사용 모니터링 자체는 일반적이고, AI 학습 목적 수집을 별도 동의 항목으로 명시하면 가능성 있음. 노조·근로자 대표와의 합의가 미국보다 중요한 변수.

1인기업 관점

나도 usedesktop이라는 CUA를 만들고 있는데(데모), 직접 해보면 LLM한테 행동(action)을 통째로 맡기는 건 진짜 무리. 자기 멋대로 풀어서 끝까지 못 가져감. Meta가 모으는 데이터처럼 “이 상태에서 이 클릭을 하면 다음 화면은 이렇게 된다” 식으로 (state, action) → resulting_state를 통째로 맵핑해두는 방향이 맞는 듯. 나도 그렇게 만들고 있음.

---

관련: 같은 흐름으로 YC가 말하는 AI 네이티브 회사 운영법도 같이 보면 좋음. 에이전트 신뢰성 문제는 에이전트 수보다 기본기가 중요하다는 글에서도 다룸.