Meta AI 스마트 글래스의 데이터 프라이버시 문제: 하청 노동자들이 목격한 것들
Meta’s AI smart glasses and data privacy concerns
TL;DR Highlight
Meta Ray-Ban 스마트 글래스로 촬영된 영상과 사진이 나체, 은행카드 등 극도로 민감한 개인정보를 포함한 채 케냐 등 해외 하청업체 노동자들에게 전달되어 리뷰되고 있다.
Who Should Read
웨어러블 디바이스나 AI 제품을 기획·개발 중인 PM과 개발자, 또는 Meta Ray-Ban 글래스를 사용 중이거나 구매를 고려하는 사람. 사용자 데이터 파이프라인의 프라이버시 설계에 관심 있는 엔지니어.
Core Mechanics
- 스웨덴 언론 SvD와 GP가 케냐 나이로비의 Meta 하청업체 Sama 직원들을 직접 인터뷰했는데, 이들이 Meta 스마트 글래스에서 수집된 영상을 리뷰하면서 나체, 성행위, 은행카드 정보 등 극도로 사적인 콘텐츠를 일상적으로 목격하고 있다고 증언했다.
- 글래스 착용자가 안경을 침대 옆 탁자에 올려두고 나간 사이 배우자가 옷을 갈아입는 영상이 녹화되어 하청 직원에게 전달된 사례가 보고됐다. 피촬영자가 녹화 사실을 인지하지 못한 상태였다.
- 이 하청 노동자들은 'data annotator(데이터 주석 작업자)'로, AI가 세상을 인식하도록 화면 속 사물에 박스를 그리고 윤곽을 따는 작업을 한다. 화분, 교통 표지판 같은 일반 객체뿐 아니라 위에서 말한 민감한 영상도 포함된다.
- Meta는 글래스가 녹화 중일 때 LED 표시등이 켜지도록 설계했다고 하지만, 실제로는 착용하지 않은 상태에서도 녹화가 되는 사례가 보고됐고, 주변 사람들이 LED를 인식하지 못하는 경우가 대부분이다.
- Mark Zuckerberg는 2025년 9월 실시간 번역, 얼굴 인식 등을 탑재한 차세대 글래스를 공개하며 스마트폰 대체 디바이스로 포지셔닝했다. 하지만 정작 데이터가 어떤 경로로 누구에게 전달되는지는 투명하게 공개하지 않았다.
- Meta 내부 문서에 따르면, 시민단체들이 다른 이슈에 자원을 집중하는 '정치적으로 역동적인 환경'을 틈타 얼굴 인식 기능을 출시할 계획이라고 뉴욕타임스가 보도했다.
- 글래스의 설정에서 'Cloud media'와 'Share additional data'를 끌 수 있지만, 이 설정이 실제로 인간 리뷰 파이프라인에서 데이터를 완전히 차단하는지는 Meta가 명확히 밝히지 않고 있다.
Evidence
- 실제 Meta Ray-Ban 사용자가 'Cloud media'와 'Share additional data' 설정을 모두 꺼둔 상태인데도, 자기 데이터가 인간 리뷰 대상에서 정말 제외되는지 확인할 방법이 없다며, 명확한 답을 얻기 전까지 사용을 중단하겠다고 밝혔다.
- 두 대형 소셜미디어 회사에서 일한 경험이 있는 엔지니어가 '인터넷에 연결된 모든 기기의 데이터는 회사 직원이 볼 수 있다고 가정해야 한다'고 단언했다. 디버깅, 분석, 서드파티 벤더 버그, 느슨한 권한 모델 등 5가지 경로를 구체적으로 제시했다.
- 2012년 Google Glass가 나왔을 때도 'creeper glasses'라고 불리며 사회적으로 거부당한 전례가 있는데, Meta 글래스도 같은 운명이 될 거라는 의견이 있었다. 반면 일부는 '이미 은행·병원·통신사가 더 민감한 데이터를 갖고 있는데 광고용 데이터 정도는 감수할 수 있다'고 반론했다.
- 가나에서 러시아 국적 남성이 스마트 글래스로 여성들과의 성관계를 몰래 촬영해 텔레그램에 올린 사건이 실제로 발생했고, 가나 당국이 체포 영장을 발부했다는 사례가 공유됐다.
- 일본·한국처럼 스마트폰 카메라에 강제 셔터음을 넣은 것처럼, 스마트 글래스에도 녹화 시 강제 알림 사운드를 법적으로 의무화해야 한다는 의견이 있었고, 근처의 스마트 글래스를 감지하는 오픈소스 도구(yj_nearbyglasses)를 이미 사용하고 있다는 댓글도 있었다.
How to Apply
- 웨어러블 디바이스나 카메라 내장 제품을 설계할 때, 녹화 상태를 주변 사람에게도 명확히 알리는 UX(LED + 사운드 + 진동)를 필수 요소로 넣어야 한다. 단순 LED만으로는 인지율이 매우 낮다.
- AI 데이터 파이프라인을 구축할 때, 인간 리뷰어가 접근하는 데이터에 자동으로 민감 정보(얼굴, 카드번호, 나체 등)를 블러 처리하는 전처리 단계를 반드시 포함시켜야 한다. PII(개인식별정보) 필터링 없이 raw 데이터를 하청에 넘기는 건 GDPR·개인정보보호법 위반 리스크가 크다.
- Meta Ray-Ban 글래스를 현재 사용 중이라면, Settings에서 'Cloud media'와 'Share additional data'를 즉시 끄고, 'Hey Meta' AI 기능 사용 시 민감한 환경에서는 쓰지 않는 게 안전하다. 사용하지 않을 때는 케이스에 넣어 물리적으로 카메라를 차단할 것.
- BLE(Bluetooth Low Energy) 스캔으로 주변의 Meta 글래스를 감지하는 오픈소스 도구 yj_nearbyglasses(github.com/yjeanrenaud/yj_nearbyglasses)를 사무실이나 민감한 공간에 배치해 알림을 받는 방식을 고려해볼 수 있다.
Terminology
관련 논문
Mindwalk – 코딩 에이전트 세션을 코드베이스 3D 맵 위에서 재생하는 시각화 도구
Claude Code나 Codex 같은 AI 코딩 에이전트가 세션 중 코드베이스의 어떤 파일을 탐색하고 수정했는지를 3D 지도 형태로 시각화해서 재생해주는 로컬 도구다. 에이전트가 작업을 어떻게 이해했는지 한눈에 파악할 수 있다.
Ghost Font: 사람은 읽을 수 있지만 AI는 읽기 어려운 안티-AI 폰트 실험
움직임(모션)을 이용해 글자를 표현해서 AI 모델이 정적 이미지 분석으로는 메시지를 해독하지 못하게 막는 실험적 프로젝트인데, 커뮤니티에서는 이미 GPT-5.6, Claude Opus 등으로 해독에 성공한 사례가 속출해 실효성 논쟁이 뜨겁다.
GPT-5.6, Grok 4.5, Claude, Muse Spark 등 12개 모델이 동일한 앱 4개를 빌드한 결과 비교
12개 LLM 모델에게 레이캐스터 미로, 루빅스 큐브, 계산기, Game of Life 앱을 각각 5번씩 만들게 해서 성공률·비용·속도를 비교한 실전 벤치마크다. GPT-5.6 Sol이 전반적으로 가장 일관된 결과를 냈고, Grok 4.5는 가성비 면에서 눈에 띄었다.
Databricks가 수백만 라인 실제 코드베이스로 Coding Agent를 벤치마킹한 결과
Databricks가 자사 실제 코드베이스를 기반으로 여러 AI 코딩 에이전트의 성능과 비용을 직접 측정했고, 모델 토큰 가격과 실제 태스크 비용이 전혀 다르다는 점, 그리고 오픈소스 모델이 이제 최상위 수준에 도달했다는 점을 확인했다.
Reasoning에서 Uncertainty 추정하기: LLM의 다국어 및 교차언어 MCQA 성능 대규모 연구
LLM이 저자원 언어 질문을 받을 때 영어로 추론하게 하면 불확실성 추정 성능이 고자원 언어 수준으로 올라온다.
LLM-as-a-Verifier: 범용 Verification 프레임워크
LLM의 토큰 확률 분포를 활용해 discrete 점수 대신 continuous 점수를 뽑아내면, 추가 학습 없이 코딩·로봇·의료 에이전트 평가 정확도를 SOTA로 끌어올릴 수 있다.