영국과 러시아 해외연구소장 시절, 현지 엔지니어들로부터 가장 많이 받은 질문이 있습니다. “엔지니어에서 매니지먼트 트랙으로 옮긴 이유가 무엇인가요?” 생각해보면, 국내 기업 문화에서는 엔지니어가 경력이 쌓이고 매니저가 되는 것을 비교적 자연스럽게 보는 편입니다. 제 경우도 소프트웨어 엔지니어로 입사를 해서, 파트장, 랩장 등 관리자 트랙을 거쳐서 연구소장까지 되었습니다. 하지만 해외, 특히 서구권에서는 기술 전문가 트랙과 매니지먼트 트랙이 비교적 … 더 읽기
AX(AI Transformation)라는 말을 들으면 보통 큰 그림이 먼저 떠오릅니다. AI 도구를 잘 활용할 수 있는 플랫폼을 깔고, 각 업무에 맞는 에이전트를 도입하고, 전사 데이터를 통합하는 일들 말입니다. 회사 차원에서는 분명 중요한 과제이고, 저 역시 그런 큰 그림을 고민하는 자리에 있었습니다. 그런데 제가 AI를 쓰면서 실제로 변화를 가장 크게 느낀 곳은 그렇게 거창한 자리가 아니었습니다. 오히려 … 더 읽기
지난번 「바이브 코딩으로 웹앱 만들기」에서 아이의 학습 습관을 기록하는 웹앱 My Lesson Log를 만든 이야기를 했습니다. 다행히 아이가 지금도 잘 쓰고 있습니다. 이번에는 저와 아내가 쓸 프로그램을 만들었습니다. 우리 가족의 주식 계좌 거래내역을 한곳에서 관리하는 TradeLog입니다. 기존에 수동으로 하던 작업을 엑셀 기반 자동화 스크립트로 만들고, 이를 데스크톱 앱 형태로 개선하고, 이후 웹서비스까지, 수차례 버전을 올리며 … 더 읽기
2022년 프롬프트 엔지니어링이 주목받기 시작했습니다. 2024년에는 컨텍스트 엔지니어링이 그 자리를 이어받았고, 2026년에는 하네스 엔지니어링이라는 개념이 업계에 자리 잡고 있습니다. 3~5년 사이에 핵심 관심사가 세 번 바뀌었습니다. 이 흐름을 새로운 현상으로 볼 수도 있지만, 소프트웨어 엔지니어링의 역사를 알고 있다면 익숙한 패턴입니다. AI 엔지니어링은 소프트웨어 엔지니어링 60년이 걸어온 길을 압축해서 따라가고 있는 것 처럼 보입니다. 그 계단을 … 더 읽기
얼마 전 선배들과 만난 자리에서 바이브 코딩 이야기가 나왔습니다. 요즘 실제로 써보고 있냐는 질문에, 다들 각자 최근 경험을 꺼내놓았습니다. 저는 채팅 AI와 대화하면서 요구사항과 스펙을 정리하고, 이를 바탕으로 코딩 AI에게 구현을 맡기되 코드는 최대한 직접 보지 않는게 좋다고 설명했고, 그 말에 반응이 엇갈렸습니다. 또, 바이브 코딩으로 만든 코드가 리펙토링이 필요한가에 대해서도 기능 추가 용이성, 유지보수 … 더 읽기
이전 글 「AI시대: AI-native 조직구조는? 더 낮고 더 넓게」에서 AI 시대의 조직은 더 낮고 더 넓게 변할 것이라는 이야기를 했습니다. 관리자의 역할은 더 중요해지고, 조직 구조는 수평화됩니다. 그런데 AI-native 조직은 저절로 만들어지지 않습니다. 컨텍스트 공유, AI 리터러시, 모니터링과 가시성, 권한·평가·책임의 재설계, 그리고 관계와 피드백 설계 등 함께 풀어야 할 이슈들이 있습니다. 이 글에서는 앞서 제시한 … 더 읽기
AI가 일하는 방식을 바꾸고 있다는 이야기는 이제 익숙합니다. 그런데 일하는 방식이 바뀌면, 그 일을 담는 그릇인 조직 구조도 같이 바뀔 수밖에 없습니다. AI 도입(AI Adoption)을 넘어 AI-native 조직으로 간다면, 그 형태는 어떤 모습일까요? 흔히 “중간 관리자가 사라진다”거나 “인력을 줄인다”는 식으로 단순화됩니다. 그러나 실제 변화는 그렇게 단순하지는 않을 것 같습니다. 제가 바라보는 관점에서는, 조직은 낮고 넓어지는 … 더 읽기
AI를 이용한 코딩을 이야기 하다 보면, 마치 자연어 몇마디로 앱이나 서비스가 뚝딱 완성되는 것처럼 느껴질 때가 있습니다. 실제로 바이브코딩 (Vibe Coding) 이라는 표현 자체도 그런 분위기 속에서 더 확산되고 있습니다. 저는 이전 글에서 AI 코딩이 How의 민주화라는 큰 흐름 위에 있고, 구현이 쉬워질수록 What의 중요성이 올라간다는 이야기를 한 적이 있습니다. 이번 글에서는 바이브코딩을 이용해서 제가 … 더 읽기
AI가 가장 활발하게 이용되는 분야 중 하나가 바로 소프트웨어 개발 분야, 코딩입니다. 바이브 코딩(vibe coding) 이라는 표현의 등장과 함께, 개발의 풍경이 달라지고 있습니다. 소프트웨어 개발의 진입 장벽이 빠르게 낮아지고 있고, 비개발자들도 자연어만으로 앱이나 서비스를 빠르게 만들 수 있게 되었습니다. 예전처럼 문법과 프레임워크를 하나씩 익히며 처음부터 직접 구현하지 않아도, “로그인 화면 만들어줘”, “차트 붙여줘”, “모바일 대응해줘” … 더 읽기
지난 글에서 OpenClaw 설치와 모델 연결, Telegram 연동까지 마쳤습니다. 이후, 메일 자동 정리, 뉴스 크롤링, 노션에 글 저장하기 같은 몇가지 자동화를 구현해 보았습니다. 처음에는 단순히 봇 하나에 모든 일을 다 시키려고 했지만, 막상 작업을 늘려가다 보니 구조화가 필요하다는 판단이 들었습니다. 소프트웨어 설계 원칙 중 하나인 단일 책임 원칙(Single Responsibility Principle, SRP)을 적용했다고 볼 수 있습니다. … 더 읽기
최근 몇 편의 글에서 AI 시대가 일하는 방식을 어떻게 바꾸고 있는지 다뤘습니다. 이제 다음으로 정리해 봐야할 질문은 바로, “이 변화를 실질적으로 누가 이끄는가?” 입니다.제 결론은 바로 중간 관리자입니다. 고위 임원이나 경영층도 아니고, 실무자도 아닌, 가운데 자리이죠. AI 시대에 가장 큰 영향을 받는 역할이고, 동시에 이 변화의 성패를 결정하는 자리입니다. ※ 회사나 조직의 크기에 따라 중간 … 더 읽기
다양한 AI 서비스들이 등장하면서, AI를 활용할 수 있는 일의 종류도 늘어나고 있습니다. 생성형 AI의 경우, 기본적으로 입력 프롬프트를 통해 주어진 정보를 바탕으로 출력을 만들어 냅니다. 즉, 입력된 정보를 출력된 정보로 변환하는 과정입니다. 정보이론의 정보의 양 관점에서 이를 구분해 보면, 정보의 양이 줄어드는 일, 비슷한 일, 늘어나는 일의 3가지 구분이 가능하고, 각각의 기술적 난이도와 출력에 대한 … 더 읽기
Claude를 본격적으로 사용하면서, 다음으로 계획한 일이 Skill을 직접 만드는 것이었습니다. 워드프레스 블로그를 개설하고, 매일 글을 한편씩 작성하다보니, 매번 반복되는 작업들이 눈에 들어오기 시작했습니다. 한 편의 글을 작성하는 과정을 정리해 보면, “줄거리 작성 – 초안 작성 – 다듬기 – 리뷰 – SEO 값 추출 – 태그 추출”의 순서로 작업이 진행됩니다. 이후 글을 발행하고 나면, SNS에 공유하기 … 더 읽기
얼마 전, 국내 대기업에서 AI Transformation을 진행중인 한 담당자로부터 흥미로운 고민을 들었습니다. 개발팀의 요청을 받아 고성능 AI Coding 도구 사용권을 계약하고 지급했는데, 정작 사용률이 늘지 않는다는 것입니다. 개발자들이 원해서 도입한 도구인데, 왜 쓰지 않는 걸까요. MIT NANDA 이니셔티브가 발표한 보고서에 따르면, 기업들이 생성형 AI에 300~400억 달러를 투자했는데, 파일럿의 95%가 측정 가능한 수익 영향을 만들지 못했다는 … 더 읽기
SDLC(Software Development Life Cycle)는 소프트웨어를 체계적으로 개발하기 위한 구조화된 프레임워크입니다. 1956년 Herbert Benington이 대규모 군사 소프트웨어 개발 과정을 단계적으로 기술하면서 그 개념이 처음 등장했고, 1970년 Winston Royce가 Waterfall 모델을 통해 요구사항 → 설계 → 구현 → 검증 → 유지보수의 프로세스로 정형화했습니다. 이후 소프트웨어의 복잡도와 형태가 다양해 지면서 소프트웨어 개발 방법론은 지속적으로 진화해 왔습니다. 그렇지만, SDLC의 … 더 읽기
최근 생성형 AI의 발전으로, 많은 기업과 조직에서 AI 도구를 도입하거나, AI Transformation(AX)을 추진하고 있습니다. AI를 도입할 때 기대하는 바는 비교적 명확합니다. 반복 작업은 AI가 처리하고, 사람은 더 창의적인 일에 집중하는 것. 결과적으로 업무 효율이 높아지는 것을 기대하죠. 하지만, 현실은 기대만큼 단순하지 않습니다. 세심한 설계 없이, 단순히 AI도구만 도입한다면, 오히려 조직의 창의성을 하향 평준화하고, 구성원의 사고 … 더 읽기
