지난 글 「엔지니어의 리더십: 오탐과 미탐, 기술의 판단 기준」에서 실체와 뷰를 언급했습니다. 업무의 뷰는 필요에 의해 설계하고 만들어 갑니다. 하지만 일상의 뷰는 다릅니다. 별도로 설계하지 않아도, 살아온 경험을 통해 알아서 만들어집니다. 3차원 물체는 보는 방향에 따라 다르게 보입니다. 원기둥을 정면에서 보면 사각형이고, 위에서 내려다보면 원입니다. 같은 실체라도 어느 축에서 보느냐가 뷰를 정합니다. 사람은 아는 만큼 … 더 읽기
AX
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
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
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
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
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
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
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
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
