지난 글에서 주식 거래 관리 앱을 만드는 과정을 정리했습니다. 특히 시스템이 외부 세계와 연결된 후로 외부 시세를 이용해서 가치 평가가 가능해졌고, 증권사에서 거래내역을 직접 가져오고, 집 밖에서도 접속할 수 있게 되면서, 실제로 도움이 되는 시스템으로 매일 사용하는 도구가 되었습니다. 그런데 매일 사용하다 보니 초기 개발 단계에서는 보이지 않던 문제점들이 보이기 시작했습니다. 특정 계좌의 수익률이 비정상적으로 … 더 읽기
AITransformation
대학원 시절, 연구를 하거나 논문을 읽을 때 가장 중요한 기준은 제안하는 시스템의 안전성(soundness)과 완전성(completeness)이었습니다. 그리고 이 두 가지를 이야기하려면 반드시 필요한 개념이 두 가지 있었습니다. 바로 오탐(false positive)과 미탐(false negative)입니다. 처음 두 개념을 배울 때는 시스템을 평가하는 지표로만 이해했습니다. 그런데 회사에 취업하고, 다양한 연구를 접하게 되면서 이 개념은 단순히 지표가 아니라 생각의 틀로 확장되었습니다. 외부 … 더 읽기
AI가 빠르게 보급되면서 일상 곳곳이 달라지고 있습니다. 그중에서도 가장 큰 영향을 받은 분야 하나를 꼽으라면 여행이 아닐까 싶습니다. 지난번 「AI시대: 생활밀착형 AX — AI는 어떻게 내 일상이 되었나」에서는 카드 명세서 계산이나 발표 자료 작성처럼 일상생활에서의 변화를 다뤘습니다. 이번에는 해외여행이라는 조금 더 구체적인 상황으로 들어가, 준비 과정부터 여행 중, 그리고 복귀 후 마무리까지 AI를 어떻게 활용했는지 … 더 읽기
MIT Tech Review에 「Why do South Koreans love AI so much?」라는 제목의 흥미로운 기사가 하나 올라왔습니다. 그러니까, “한국인은 왜 이렇게 AI를 좋아할까”입니다. 기사에 따르면, 한국이 세계에서 AI에 가장 호의적인 나라라고 합니다. 퓨리서치가 조사한 25개국 중, AI를 기대보다 걱정한다고 답한 사람이 한국은 16%로 가장 적었습니다. 같은 질문에 미국은 50% 수준이었고요. 한국인 대다수가 일상에서든 직장에서든 매일 AI를 … 더 읽기
작년 초, 3년 반의 단신 주재원 생활을 마치고 돌아왔습니다. 비록 혼자서 생활하긴 했지만, 그래도 살림집에서 생활을 하다 보니, 나갈 때는 얼마 안 되던 짐이 그사이 불고 불어 엄청난 양이 되어 있었습니다. 한국 집은 이미 기존 살림으로 꽉 차 있었고, 며칠 동안 버릴 건 버리고 옮길 건 옮기며 겨우 짐을 다 끼워 넣었습니다. 마치 살림살이들로 테트리스를 … 더 읽기
해외연구소장으로 있던 시절, 한 주재원이 본사에 보낼 불만 메일을 쓰고 있는 것을 본 적이 있습니다. 내용을 들여다보니 “본사 지원팀에서는 왜 이걸 이렇게 처리하느냐”는 이슈제기였습니다. 저는 상황을 정리해서 문제를 제기하는 것 자체는 좋지만, 그 전에 요청을 받는 쪽의 입장에서 한 번 더 생각해 보고 우리가 무엇을 원하는지를 명확하게 전달하는 게 먼저라고 일러 주었습니다. 회사나 큰 조직에서 … 더 읽기
지난 글에서는 엑셀 자동화 도구를 웹 서비스로 전환하면서, 데이터를 하나의 원본으로 모으고 접근과 출력의 폭을 넓힌 과정을 다뤘습니다. 여러 사람이 함께 쓰고, 사람뿐 아니라 AI도 같은 데이터를 조회할 수 있게 되었습니다. 그런데 과거의 거래내역만 쌓인 시스템은 현재의 가치를 보여주지 못합니다. “지금 내 자산은 얼마이고, 그동안 얼마를 벌었나”에 답을 못합니다. 매입가와 거래내역은 모두 과거의 숫자입니다. 오늘의 … 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
지난 글에서는 가족의 주식 계좌 거래내역을 한곳에서 보기 위해, 그동안 수동으로 하던 작업들을 바이브 코딩을 이용해서 엑셀 기반 자동화 도구를 개발한 과정을 다뤘습니다. 가장 먼저 사람이 손으로 하던 일을 코드로 똑같이 재현한 첫 번째 버전(V1)을 만들고, 그 위에서 입력의 확장성(V2)과 GUI 지원(V3) 등을 점진적으로 확대했습니다. (1편 보기) V3까지 오면서 가장 중요한 핵심 기능은 충분히 완성되었습니다. … 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 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
이 글은 LLM Wiki를 구축하고, 기존 블로그 글들 및 참고 문헌들을 바탕으로 ‘기술 전환 경험’을 주제로 작성한 첫 번째 포스트입니다. LLM Wiki 구축 후기는 별도 글로 포스팅할 예정입니다. 아래 링크 참고 바랍니다. Tesla Model Y를 50일쯤 탄 뒤, 렌터카로 내연기관 차를 운전한 적이 있습니다. 이상하게 뭔가 빠진 느낌이 들었습니다. 차가 나빠진 게 아니었습니다. 제 기준이 … 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
