기발한개획 1. DPO 알고리즘으로 똑똑해진 AI, ‘바이브’를 알아듣다 AI가 어떻게 인간의 선호도를 학습하여 정렬(Alignment)되는지, 그 기술적 근간인 RLHF의 PPO와 DPO 알고리즘에 대해 알아보았다. 특히 최신 트렌드인 DPO 알고리즘 덕분에 AI는 더욱 빠르고 효율적으로, 그리고 정확하게 인간의 의도를 파악하게 되었다. 이제 우리는 이 ‘말귀 알아먹는 똑똑한 AI’를 활용하여 실제로 무언가를 만들어내는 단계, 바로 ‘바이브 코딩(Vibe Coding)’의 세계로 … 더 읽기
우리가 챗GPT나 클로드 같은 생성형 AI와 마치 사람과 대화하듯 편안하게 이야기하고, 심지어 코드를 짜달라고 요청할 수 있게 된 것은 그리 오래된 일이 아니다. 초기 언어 모델은 그저 다음에 올 단어를 통계적으로 예측하는 거대한 기계에 불과했다. 그런 기계가 어떻게 인간의 의도(Intent)를 파악하고, 유용한 답변을 하며, 무례한 질문을 거부할 수 있게 되었을까? 그 핵심 비밀은 바로 RLHF(Reinforcement … 더 읽기
샌프란시스코의 ‘AI 네이티브(AI-Native)’ 스타트업들이 기존의 비즈니스 운영 방식을 어떻게 파괴하고 재정의하고 있는지를 생생하게 보여주는 통찰력 있는 보고서 내용을 가지고 블로그 내용으로 정리 해보았다. 샌프란시스코의 심장부에서 AI를 단순히 도구가 아닌 ‘산소’처럼 사용하는 기업들을 목격하며 느낀 것은, 우리가 알던 기존의 비즈니스 문법이 완전히 붕괴하고 있다는 사실이다. 인공지능이 조직의 근간이 되었을 때 기업이 어떻게 변모하는지 그 실체를 확인했음. … 더 읽기
1. AI 에이전트 시대, 질문에서 실행으로의 패러다임 전환 비즈니스 환경은 단순히 AI에게 질문하고 답을 듣는 챗봇의 시대를 지나, AI가 직접 업무를 판단하고 실행하는 AI 에이전트(AI Agent) 시대로 진입하고 있다. 과거에는 사람이 직접 정보를 검색하고 AI는 보조적인 수단에 그쳤다면, 이제는 AI가 스스로 재무 보고서에서 리스크를 추출하고 영향도를 모델링하여 팀원에게 분석 결과를 이메일로 발송하는 전 과정을 수행하는 … 더 읽기
1. WIS 2026 전시회 시찰 보고를 통한 AI 산업 지형도 분석 2026년 4월, 서울에서 개최된 2026 World IT Show(WIS 2026)는 인공지능(AI)과 디지털 전환(DX) 기술이 단순한 유행을 넘어 산업의 실질적인 인프라로 완전히 정착했음을 증명하는 자리였다. 이번 전시회는 ‘AI·DX 기술의 산업 적용 및 글로벌 확장’을 주제로 하여, 인공지능 기술이 어떻게 기업의 생산성을 혁신하고 비즈니스 모델을 재편하고 있는지 … 더 읽기
인공지능과 협업을 진행하며 가장 큰 성취감을 느끼는 순간은 AI가 내 의도를 ‘찰떡같이’ 알아듣고, 가르쳐주지 않은 부분까지 내 취향에 맞춰 스스로 제안할 때이다. RLHF의 마지막 두 단계인 보상 모델(Reward Model)과 강화학습(Reinforcement Learning)은 AI에게 단순한 지식을 넘어 ‘판단력’과 ‘습관’을 형성해주는 과정이다. 비개발자가 실무에서 이 원리를 활용한다는 것은 AI의 답변 하나하나에 점수를 매기고 교정함으로써, 시간이 지날수록 나에게 더 … 더 읽기
1. 2026년 5월의 대변혁 2026년 5월 2일 현재, 우리는 Matt Shumer가 지난 2월에 경고했던 “뭔가 큰 일이 벌어지고 있다”는 말이 단순한 공포 조성이 아니었음을 온몸으로 체감하고 있다. 불과 며칠 전인 4월 23일, OpenAI는 GPT-5.5(코드명 ‘Spud’)를 전격 출시하며 시장을 다시 한번 압도했음. 이 모델은 기존 5.3 버전을 훨씬 상회하는 추론 능력과 과학적 연구 능력을 갖추고 있으며, … 더 읽기
인공지능과 협업할 때 가장 빈번하게 발생하는 문제는 AI가 내놓은 결과물이 ‘나의 의도’와는 맞지만 ‘나의 스타일’과는 동떨어져 있다는 점이다. RLHF의 첫 번째 단계인 SFT(Supervised Fine-Tuning, 지도 미세 조정)는 바로 이 지점을 해결하는 핵심 열쇠이다. 비개발자가 실무에서 SFT 원리를 활용한다는 것은, AI에게 막연한 창작을 맡기는 대신 내가 원하는 정답의 ‘형태’와 ‘질감’을 미리 학습시키는 과정을 의미한다. 이를 통해 … 더 읽기
인공지능과 대화하는 시대가 도래하며 많은 비개발자 직군이 AI를 업무에 도입하고 있다. 하지만 대다수의 사용자가 “AI가 내 의도를 제대로 파악하지 못한다”거나 “결과물이 기대에 못 미친다”는 불평을 토로하곤 한다. 이러한 문제의 근본적인 원인은 AI의 학습 메커니즘인 RLHF(Reinforcement Learning from Human Feedback, 인간 피드백 기반 강화학습)에 대한 이해 부족에서 기인한다. RLHF는 단순히 기술적인 용어를 넘어, AI가 인간의 가치관과 … 더 읽기
1. 2026 AI 혁명의 이면, 보안 위협의 폭주와 ‘일의 정의’에 대한 재정의 ㄱ. 앤트로픽 ‘미토스’의 경고, AI가 스스로 자물쇠를 따는 시대 2026 세마포 월드 이코노미 서밋에서 가장 등골 서늘한 순간은 앤트로픽(Anthropic)의 공동 창업자 잭 클라크(Jack Clark)가 무대에 올랐을 때였음. 그는 앤트로픽의 최신 모델인 ‘미토스(Mythos)’가 전 세계 모든 주요 웹 브라우저와 운영체제(OS)에서 알려지지 않은 보안 취약점(Zero-day)을 … 더 읽기
