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
AI를 매일 사용하고, 많은 결과물들을 만들어 내는데, 사실 그 모든것들을 지식화 하기는 어렵습니다. 좋은 답변을 받아도 내일이면 같은 컨텍스트를 다시 설명해야 하고, 대화는 길어지고, 파일은 늘어나고, 정리해둔 메모는 어딘가에 묻힙니다. Andrej Karpathy는 이 문제를 한 문장으로 정리했습니다. “Nothing is built up.” 이 문제를 해결하는 방법 중 하나로 RAG(Retrieval-Augmented Generation)가 주목을 받았습니다. 하지만 RAG 기반 시스템도 … 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
AI 도입과 관련하여 흔한 풍경 하나입니다. 한 대기업 CEO가 SNS에서 신박한 AI 도구 리뷰를 봅니다. 감탄한 그는 개발팀 임원에게 링크를 보내며 한마디 덧붙입니다. “이거 좋아보이는데 우리도 검토해봐.” 실무자가 받는 그 한마디는 단순한 기술 검토가 아닙니다. 사실상 도입을 염두에 두고 검토를 하라는 지시입니다. 개발팀은 그 도구가 우리 회사의 어떤 문제를 푸는지 묻기 전에, 어떻게 도입할지부터 고민합니다. … 더 읽기
AI 시대에 보고서의 정의가 바뀌고 있습니다. 이제 보고서는 더이상 정보를 요약해서 전달하는 문서가 아니고, 필요할 때 탐색하는 컨텍스트로 바뀌고 있습니다. 2026년 3월, 행정안전부가 AI친화 행정문서 혁신 시범 사업을 시작했습니다. 기존 한글 문서는, 글꼴, 자간, 기호, 표 등 다양한 양식을 포함하고 있어서, AI가 문장과 문단 구조를 정확히 인식하기 어려웠습니다. 이에 정부의 공식 문서 형식 자체를 AI … 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
얼마 전, 크래프톤이 주관한 AI R&D 해커톤이 열렸습니다. 전공이나 나이, 학력과 무관하게 개최된 개인전이었습니다. AI 사용이 허용된, 말 그대로 AI 실전 능력을 겨루는 대회였습니다. 그리고, 이 대회의 2등 수상자가 화제가 되었습니다. 마이스터고 기계과 졸업 후 반도체 회사 재직 중인 박찬준님 인데요. 코딩은 배운 적이 없고, AI 연구와는 무관한 삶이었다고 합니다. 그러던 중 AI에 관심을 가지게 … 더 읽기
역사상 모든 기술 혁명은 두 단계를 거쳐 완성되었습니다. 첫 번째는 새로운 기술이 기존 기술을 대체하는 단계, 두 번째는 그 기술이 사회의 작동 방식 자체를 바꾸는 단계입니다. 그리고 두 단계 사이에는 언제나 시차가 있었습니다. 하지만, AI는 그 시간이 없습니다. 패러다임 전환의 두 단계 경제학자 카를로타 페레스(Carlota Perez)는 저서 Technological Revolutions and Financial Capital(2002)에서 산업혁명 이후 경험한 … 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
이 그림을 보신 적 있으신가요. 요구사항 수집의 어려움을 묘사한 아주 유명한 그림이죠. 이 그림은 나무에 그네를 매다는 프로젝트를 표현하고 있습니다. 고객이 설명한 요건, 프로젝트 리더의 이해, 애널리스트의 디자인, 프로그래머의 코드가 전부 다릅니다. 실제 운용은 또 다르고, 청구 금액은 롤러코스터입니다. 정작, 고객이 정말 필요했던 건 타이어 그네 하나였죠. 흔히 이 그림을 보고 요구사항 수집의 어려움에 대해 … 더 읽기
What과 How를 구분하는 데 있어서, 경우에 따라 What이 중요할 때도, How가 중요할 때도 있죠.이전 글에서는 ‘목적(What)을 먼저 정하고, 수단(How)을 정해야 한다’라는 원칙을 이야기 했습니다. 하지만 What이 명확한 상황이라면, 이번엔 How가 결과를 결정합니다. 이번 글에서는 내비게이션 역사를 통해 How가 어떻게 바뀌어 왔는지, 그리고 AI Transformation 시대에 AX전략 수립 관점에서 어떤 시사점을 주는지 살펴보았습니다. 운전자에게 길을 안내한다는 … 더 읽기
얼마전 뉴스에서 룩셈부르크 대중교통 이야기를 봤습니다. 세계 최초로 대중교통을 전면 무료화한 나라.그런데 중요한 건 ‘무료’가 아니고, ‘차량의 이동’이 아니라, ‘사람의 이동’을 목표로 삼은 관점의 전환입니다. 이 기사의 시사점은 수단과 목적을 잘 구분해야 하고, 수단이 아닌 목적에 집중해야 한다는 것입니다. 이번 글에서는 룩셈부르크 무료 대중교통 사례에서 살펴본 시사점을 정리하고, AI Transformation(AX)에 어떻게 적용할 수 있을지 AX전략 … 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
AI 잘 쓰는 방법이 따로 있을까요? ChatGPT가 등장한 후, 일상에서 AI를 활용하는 일은 점점 늘고 있습니다.ChatGPT나 Gemini 같은 대화형 AI를 이용하다 보면, 질문이 중요하다는 것을 매번 깨닫게 됩니다. 하루가 멀다하고 AI의 성능이 좋아지면서, AI를 활용하는 일은 점점 늘어가는데,,,역설적으로 AI를 잘 쓰는 일은 더 어려워지는 것 같습니다.( AI가 똑똑해 지면, 대충 말해도 알아들어야 하는 거 … 더 읽기
