지난주 상하이에서 WAIC 2026이 막을 내렸습니다. 모든 부스에는 AI 안경, 뇌파 수면 기기, 대화형 연구소와 같은 하드웨어가 전시되어 있었습니다. 무게, 밝기, 배터리 등 사양(Specs)이 도처에 널려 있었죠.

하지만 아무도 제가 실제로 품고 온 질문에는 답하지 않았습니다: 이 안경들이 오늘 당장 나를 위해 무엇을 할 수 있는가?

저는 답을 찾아 나섰고 흥미로운 것을 발견했습니다. "에이전트 안경 (agent glasses)"이 약속하는 애플리케이션 계층(application layer)은 이미 구축 가능합니다. 내년도 아니고, 펌웨어 업데이트 이후도 아닙니다. 바로 지금, CLI 도구와 하드웨어를 대신할 스마트폰 카메라만 있으면 가능합니다.

설정 (The setup)

# Bailian CLI 설치 (Node.js >= 18 필요)
npm install -g bailian-cli

...

Model Studio console에서 무료 API 키를 받으세요. 무료 티어(free tier)로 아래의 모든 내용을 커버할 수 있습니다. 설정에는 약 5분이 소요됩니다.

두 개의 명령어가 모든 핵심 작업을 수행합니다:

건강: 먹고, 운동하고, 기록하기

1. 음식 칼로리 인식

카메라를 접시로 향하게 하세요:

bl vision --image lunch.jpg --prompt "음식을 식별하고, 칼로리와 주요 영양소(단백질, 탄수화물, 지방)를 추정해줘"

저는 밥 위에 피시 소스를 곁들인 돼지고기 채 썰기 요리 접시를 찍었습니다. 약 650 kcal와 단백질/탄수화물/지방 비율을 얻었습니다. 실험실 수준의 정밀함은 아니지만, 음식 데이터베이스를 수동으로 검색하지 않고 식단을 기록하기에는 충분했습니다.

2. AI 피트니스 코치

bl vision --image treadmill.jpg --prompt "이 장비를 식별하고 체지방 감소 계획을 생성해줘: 주 3회 세션, 세션당 500 kcal"

러닝머신(treadmill)을 인식하고 운동 유형, 지속 시간, 강도, 목표 심박수 구간이 포함된 구조화된 주간 계획을 생성했습니다. 헬스장에서 기구 사이를 방황하는 것보다 훨씬 낫습니다.

3. 신체 지표 분석

bl chat --file health-7days.json --prompt "Analyze 7-day health data trends (heart rate, steps, sleep, blood oxygen, stress). Flag anomalies and suggest improvements."

일주일 치 스마트워치 데이터를 업로드했습니다. 모델은 3일 차와 5일 차의 깊은 수면 (deep-sleep) 감소를 포착했고, 이를 높아진 스트레스 점수와 연관 지어 더 일찍 휴식 모드로 들어갈 것을 제안했습니다. 이것이 의학적으로 실행 가능한 정보인지 여부는 별개의 문제이지만, 패턴 포착 (pattern-spotting) 도구로서는 진정으로 유용합니다.

4. 스마트 식단 관리자 (Smart diet manager)

bl vision --image dinner-plate.jpg --prompt "Identify each dish, calculate total calories and macro ratios"
bl chat --message "Based on a fat-loss goal, suggest dietary adjustments for this meal"

비전 (Vision) 기능이 음식을 식별하면, 채팅 (chat) 기능이 계획을 조정합니다. "더 잘 먹어야겠다"라는 막연한 생각을 매 끼니마다 실행 가능한 구체적인 지침으로 바꿔줍니다.

가족: 집 안의 제3의 눈

5. 육아 보조 도구 (Parenting assistant)

bl vision --image baby-blocks.jpg --prompt "Describe the child's activity and assess developmental stage"
bl chat --message "Log today's feeding, nap, and play observations. Generate a weekly growth summary."

블록을 쌓고 있는 돌 전 아기의 모습을 촬영했습니다. 모델은 이를 미세 운동 기술 (fine motor skill) 발달로 식별하고 해당 이정표 (milestone)를 기록했습니다. 소아과 의사는 아니지만, 수면 부족에 시달리는 부모들에게 기억 보조 도구로서 노트에 휘갈겨 쓰는 것보다 훨씬 낫습니다.

6. 선물 선택 보조 도구 (Gift selection assistant)

bl vision --image kids-room.jpg --prompt "Analyze this scene for gift-giving clues: interests, ages, existing items"
bl chat --message "Based on the scene analysis, recommend 3 gift options with reasoning and price range"

아이의 방을 촬영했습니다. 모델은 반쯤 완성된 레고 성과 거의 비어 있는 스킨케어 병을 찾아냈습니다. 이를 바탕으로 아이에게는 레고 확장 세트를, 아내에게는 스킨케어 재구매를, 그리고 변수로 가족 보드게임을 추론해 냈습니다. 저의 기본값인 "그냥 기프트 카드를 사자"보다 훨씬 사려 깊은 결과입니다.

비즈니스: 스캔, 평가, 결정

7. 계약 리스크 스캐너 (Contract risk scanner)

bl vision --image lease-contract.jpg --prompt "OCR this contract page and extract the full text"
bl chat --message "Review this contract clause by clause. Flag any risky terms (excessive penalties, unusual terms, hidden fees). Assign risk levels and suggest mitigations."

주거용 임대 계약서를 스캔했습니다. 시스템은 중도 해지 위약금 조항을 "높은 위험 (high risk)"(월세 2개월분 — 지역 관례보다 높음)으로 표시했습니다. 나중에 제 변호사도 이 부분이 협상할 가치가 있다는 것을 확인해 주었습니다.

8. 호텔 검색 및 예약 (Hotel search & booking)

bl chat --message "Trip: May 20-22, 2 nights, near Shanghai Bund, budget hotel, total budget 1000 RMB. Find and recommend suitable hotels."

가격, 위치, 평점, 편의시설을 포함한 세 가지 옵션과 함께 비교표 및 예약 추천이 제공되었습니다. 카메라가 필요하지 않았습니다. 평소라면 세 개의 예약 사이트를 돌아다니며 20분 동안 소비했을 작업입니다.

동반자: 도구에서 파트너로 (Companion: From tool to partner)

9. 시각적 질의응답 (Visual Q&A)

bl vision --image plant.jpg --prompt "What plant is this? What's its name (scientific and common)? How do I care for it?"

몇 달 동안 서서히 죽어가던 다육식물을 들어 보였습니다. 시스템은 이를 에케베리아 (Echeveria)로 식별했고, 제가 물을 너무 많이 주고 있다고 알려주며 관리법을 제공했습니다: 밝은 간접광, 흙이 완전히 말랐을 때 2~3주마다 물 주기. 이제 그 식물은 아주 잘 자라고 있습니다.

10. 반려 로봇 (Companion robot)

bl chat --persona "You are XiaoZhi, a warm and cheerful companion robot. You pick up on emotional cues and proactively suggest activities or games." --message "I'm so happy today! Let's hang out!"

페르소나 (persona)를 가진 챗봇입니다. 그 자체로는 획기적이지 않지만, 시각적 피드 (visual feed)와 캘린더 (calendar)를 갖춘 에이전트 안경 (agent glasses)의 맥락에서 본다면, 사용자가 무엇을 보고 무엇을 하는지 알고 있는 지속적이고 맥락을 인식하는 (context-aware) 동반자가 될 잠재력이 있습니다.

실제로 변화한 것 (What actually changed)

패턴은 다음과 같습니다: 입력은 더 단순해지고 (사진 또는 문장), 출력은 더 구조화됩니다 (표, 계획, 순위가 매겨진 추천). AI가 당신을 대신해 결정을 내리는 것이 아닙니다. AI는 지루한 처리 과정을 대신 수행하여 당신이 더 빠르게 결정할 수 있도록 돕습니다.

이것은 누구를 위한 것인가요? (Who is this for?)

• AI 안경을 구매했지만 기대에 미치지 못하는 얼리어답터 (Early adopters). 하드웨어는 준비되었습니다. 부족한 것은 애플리케이션 계층 (application layer)입니다.
• 에이전트 안경 생태계 (agent glasses ecosystem)를 위해 개발하는 개발자. Qwen은 제3자 스킬 (third-party Skills)로 가는 문을 열었습니다. CLI는 스킬이 무엇을 할 수 있는지 프로토타이핑할 수 있는 가장 빠른 방법입니다.
• 아직 안경이 없지만 미리 체험해보고 싶은 모든 사람. 모든 시나리오는 스마트폰 카메라와 터미널 (terminal)만으로 실행됩니다.
• 매일 반복적인 정보 작업을 수행하는 모든 사람. 매주 수동으로 하는 작업이 있다면, 아마 그것을 위한 bl 명령어가 있을 것입니다.

WAIC 2026은 한 가지를 명확히 했습니다: AI 하드웨어 경쟁이 시작되었다는 것입니다. 하지만 애플리케이션이 없는 하드웨어는 그저 비싼 플라스틱일 뿐입니다. 진짜 질문은 "어떤 안경이 가장 가벼운가"가 아니라, "내 스마트폰이 할 수 없는 일을 안경이 나를 위해 무엇을 해줄 수 있는가?"입니다.

이 10가지 유스케이스 (use cases)가 그 질문에 완전히 답해주지는 않습니다. 하지만 애플리케이션 계층이 오늘날 이미 구축 가능하다는 것을 보여줍니다. 안경은 단지 입력을 마찰 없이 (frictionless) 만들어줄 뿐입니다. 지능은 이미 그곳에 있으며, 호출되기를 기다리고 있습니다.

• CLI 설치하기
• 무료 API 키 받기

여러분은 어떤 유스케이스를 가장 먼저 구축하시겠습니까? 일상생활에서 CLI 기반의 AI 도구를 사용해 본 적이 있나요? 댓글을 남겨주세요. 사람들이 어떤 아이디어를 내놓을지 궁금합니다.