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
어제(2026년 5월 13일) open AI의 파산 초읽기의 영상이 이슈화가 되었다. [LINK]그래서 해당 내용을 확인하면서 어떻게 된 일인지 작성하려고 한다. 최근 실리콘밸리에서 가장 뜨거운 화두는 인공지능의 메시아로 불리던 샘 알트먼과 그의 제국 오픈AI가 직면한 전례 없는 재무적 위기이다. 시장 가치가 무려 1,200조 원에 달한다는 화려한 겉모습 뒤에는 데이터 센터 유지비와 전기료조차 감당하기 버거운 심각한 자금난이 숨겨져 … 더 읽기
친구가 고민을 털어놨다.회사의 사정상 시스템이 변경 되면서, SVG 파일을 일러로 열어서 옵션 값을 바꾸는 단순 노가다 작업을 해야한다고 했다. 나는 주저하지 않고, 내가 만들어보겠다고 하면서 50분도 안걸려서 바이브 코딩으로 기획, 개발, 검수까지 다 끝냈다. 디자이너라면 누구나 한 번쯤은 단순 반복 작업의 늪에 빠져 허우적거린 경험이 있을 것이다. 수십 개, 때로는 수백 개의 SVG 파일을 일일이 … 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
