1. 엔지니어링 사고 능력이 실력 있는 개발자와 비개발자의 몸값을 결정하는 핵심 이유 IT 업계에서 일하다 보면 누구나 한 번쯤 “개발자라면 당연히 컴퓨터공학적인 설계를 잘하고 효율적인 해결책을 내놓겠지?”라는 환상을 갖게 마련이다. 그러나 현실에서 마주하는 수많은 개발자들의 모습은 천차만별이다. 요구사항을 완벽하게 구현해내는 탑클래스 설계자가 있는 반면, 간단한 변경 사항 조차 적용하지 못해 쩔쩔매는 이들도 수두룩하다. 여기에서 우리는 … 더 읽기
어떤 개발자가 오픈채팅에 글을 올렸다. 이전에 읽었을때보다 최근 더 크게 와닿는 영록님의 글 이라며 [LINK] 올렸다. 나는 실제 그 분을 알지는 못했지만 개발자들 방에서 이구동성으로 공감하는 글이며, 필력이 좋다고 이구동성으로 칭찬하며 내용도 명문이라고 했다.그래서, 이 글을 읽으면서 조직 관리, AI 시대의 본질, 경영 전략이라는 3가지 관점으로 정리하면서 생각하게 되었다. AI의 발전으로 코딩 속도가 폭증하고, 데이터 … 더 읽기
바이브코딩하면서 superbase를 많이 쓰게 되었다.하지만, superbase에 한정되서 작업 진행했기 때문에 AI가 한정된 자원으로 나의 요구사항을 처리하기에는 힘들어했다. 때마침 개발자인 친구가 SQLite를 추천해줘서 SQLite도 대응하면서 AI가 훨씬 풍부한 자원으로 내 요구사항을 처리 해줬다. 그러면서 친구가 미국의회 도서관에서도 SQLite를 사용하고 있다며 링크를 보내주었다.[LINK] 사실, 요구사항을 처리하는 것에 급급해 SQLite가 얼마나 좋은 도구인지 몰랐기에 이번에 한번 학습하면서 정리하고자 … 더 읽기
요즘 트랜드는 또, MD파일을 HTML로 변경해서 보는 사람들이 늘어나고 있다고 한다. [LINK] 이 현상이 자리 잡으면, 깃허브에도 mD 파일이 아닌 HTML 파일로 볼 수 있게 제공하지 않을까? 라는 이야기를 했더니 개발자 친구는 NOPE!이라고 단호하게 이야기 했다. 우리가 매일 사용하는 생성형 AI(클로드, 챗GPT 등)는 놀라운 속도로 방대한 정보를 쏟아냅니다. “이번 프로젝트 기획서 써줘”, “프로그램 개발 계획 … 더 읽기
요즘 바이브코딩, 세미나, 학습, 자격증시험 등 해야할껀 많은데 정보 과잉 시대에 살고 있는 한 사람으로써 학습방에 묵혀두고 있던 글들을 보았다. 확실히 AI가 거품이라고 하는 사람도 있지만 거품이라고 하기엔 실체들이 너무 많이 나오고 있으며 ‘거품이다’라고 할 만큼 가속화 되고 있는 것도 사실인 것 같다. 1. 급격하게 진화하는 AI 모델과 2년 만에 뒤바뀐 보안 트렌드 소프트웨어 엔지니어링과 … 더 읽기
최근 면접을 보다, AI 바이브코딩 이야기가 나왔다. “본인이 쓰는 최적의 프롬포트가 있으신가요?” 라는 질문에, 나는 AI를 많이 쓰지만 대답을 할수가 없었다. 그 이유는 아직 나만의 정형화된 프롬프트가 없고, 인터넷에서 이야기가 나오는 것들을 많이 하지만 나만의 지식 체계를 갖추지 않았다고 인지가 되었다. 그래서, 앞으로 여기에 좋은 보고서를 받거나 인터넷에서 돌아다니는 것들을 써보고 좋은 프롬프트를 모아볼 생각이다. … 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
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
