TECH BLOG
기술 블로그
AI 기술 인사이트와 엔지니어링 경험을 공유합니다.
EDITOR'S PICK
에디터 추천
MIT Missing Semester 완전 가이드 — CS 교육이 빠뜨린 '진짜 실력'
MIT가 만든 전설의 무료 강의 'The Missing Semester'를 완전 해부한다. 왜 세계 최고의 CS 학생들도 터미널 앞에서 헤매는가? 1969년 Unix 쉘부터 2026년 AI 코딩 에이전트까지, CS 교육이 빼먹은 '진짜 실력'의 모든 것.
UAT에서 LoRA까지: 신경망이 세상을 배우는 수학적 여정
1989년, 한 수학 정리가 증명했다 — 뉴런이 충분하면 어떤 함수든 흉내 낼 수 있다. 이 '보편 근사 정리'에서 출발하여, 깊이의 혁명, Transformer, 스케일링 법칙을 거쳐 LoRA까지 — 신경망이 세상의 모든 것을 배우는 수학적 여정을 따라간다.
보이지 않는 서명: AI가 쓴 글에 숨겨진 초록 단어들
2026년 8월, Claude가 쓰는 문장에 아무도 볼 수 없는 서명이 붙기 시작했다. 원리는 2023년 메릴랜드대 논문 한 편에서 나왔다. 단어를 초록과 빨강으로 나누고 초록 쪽을 슬쩍 밀어주는 것 — 그게 전부다. 744년 된 아이디어가 어떻게 로짓 위로 옮겨왔고, 무엇을 증명할 수 있으며, 무엇은 끝내 증명하지 못하는지 끝까지 따라간다.
저커버그의 고백: 'AI가 개발자를 대체한다'는 도박은 왜 빗나갔나 — 코딩 에이전트의 역사와 진짜 실력
2026년 7월 2일, 저커버그는 사내 회의에서 인정했다. '지난 넉 달간 에이전트 개발은 우리 기대만큼 빨라지지 않았다.' 8,000명을 내보내고 1,450억 달러를 태운 도박, 'AI가 프로그래머를 대체한다'는 가정이 흔들린 순간이다. 이 글은 그 도박의 정체인 '코딩 에이전트'가 어디서 왔는지 — HumanEval(2021)·ReAct(2022)·Toolformer(2023, 아이러니하게도 메타의 논문)·SWE-bench·Devin·Claude Code까지 — 논문과 그림으로 쉽게 풀고, SWE-bench 점수가 1.96%에서 90%로 치솟는 마법과 그 함정을 짚는다. 그리고 METR의 '19% 더 느렸다'는 충격 실험, '70%의 벽', 클라르나·메타의 부메랑을 통해 왜 '코드를 쓰는 것'과 '소프트웨어를 만드는 것'이 다른지 끝까지 쉽게 설명한다.
ALL POSTS
모든 포스트
MCP가 세션을 지웠다 — 지키지 못한 약속을 인정하기까지의 21개월
2026년 7월 28일, MCP가 출시 이후 가장 큰 변화를 발표했다. initialize 핸드셰이크와 세션 ID가 사라졌다. 그런데 진짜 이야기는 '세션을 없앴다'가 아니라 '세션은 애초에 작동한 적이 없었다'는 고백이다. ChatGPT는 도구 호출마다 세션을 새로 만들고 있었다. 명세 문서와 SEP 원문, 그리고 1,000개 저장소 조사 결과를 따라가며 무엇이 왜 바뀌었는지 정리했다.
「나는 AI를 그만 쓰기로 했다」 — 어떤 개발자의 이탈 선언이 드러낸 것
20년차 개발자가 18개월간 Claude Code를 쓰다가 전면 중단을 선언했고, 그 글이 2026년 개발 커뮤니티를 흔들었습니다. 그런데 이건 러다이트의 글이 아닙니다 — 1983년 배인브리지가 예측한 '자동화의 역설'이 소프트웨어에서 처음 대규모로 재현된 사건입니다. METR·DORA·GitClear·Veracode의 상반된 데이터를 전부 펼쳐놓고, 같은 도구가 에어비앤비에서는 18개월을 6주로 줄이고 그에게는 우울증을 준 이유를 끝까지 따져봅니다.
「경험의 단절」 — AI가 청년에게서 빼앗는 것은 일자리가 아니라 사다리 아랫칸이다
2026년 세계 청년의 날에 세계 전문가들이 내놓은 진단은 같았습니다 — AI가 청년에게서 앗아가는 진짜 위기는 일자리가 아니라 '경험의 경로'라는 것. 이 개념은 갑자기 나온 게 아니라 1563년 도제법부터 1983년 자동화의 역설, 1991년 정당한 주변적 참여를 거쳐 460년 만에 수렴한 결론입니다. 튀르키예 RCT·중국 26,811명 패널·폴란드 대장내시경·하버드 6,200만 명 이력서 데이터를 전부 펼쳐 놓고, 왜 지표는 좋아 보이는데 실력은 깎이는지, 그리고 어떤 설계가 반대 결과를 냈는지를 끝까지 따집니다.
하루에 2천 년을 사는 데이터베이스 — TigerBeetle과 결정론적 시뮬레이션 테스트
은행 잔액이 틀리는 버그를 어떻게 재현할까. TigerBeetle은 시간·디스크·네트워크를 전부 가짜로 만들고, 정수 하나로 우주 전체를 되살리는 길을 택했다. 1,024코어에서 24시간 돌아가는 비행 시뮬레이터, 함수당 정확히 2개의 단언, 그리고 시작 후 malloc을 부르지 않는 데이터베이스 — 15만 줄의 Zig 코드를 읽고 정리했다.
코드를 보지 마라, 아이디어를 잡아라 — antirez가 던진 불편한 질문
Redis를 만든 사람이 말했다. '아무도 이 코드를 봐선 안 된다. 코드가 담은 아이디어만 보면 된다.' 30개월에 걸친 그의 입장 변화를 추적하고, 1975년의 책이 왜 지금 다시 읽히는지, 그리고 숫자들이 정말 그의 반대편에 서 있는지 끝까지 따져본다.
1만 프레임을 잊지 않는 법 — LingBot-Map과 기하 컨텍스트 어텐션
2026년 4월, 앤트그룹의 로봇 자회사가 카메라 영상만으로 1만 프레임 이상을 20 FPS로 3차원 복원하는 모델을 오픈소스로 공개했다. 핵심은 '무엇을 기억하고 무엇을 버릴지'를 어텐션 마스크로 학습시킨 것. 40년 된 SLAM의 지혜가 트랜스포머 안으로 들어온 순간을, 논문과 코드를 끝까지 따라가며 해부한다.
시스템 3 — AI에 생각을 넘기는 순간, 인지적 항복의 실험 증거
카너먼의 시스템 1·2에 세 번째 시스템을 붙인 논문이 나왔습니다. 와튼스쿨 연구팀은 1,372명·9,593시행의 사전등록 실험으로 'AI가 맞으면 정확도가 25%p 오르고, 틀리면 14%p 떨어지는' 구조를 측정했습니다. 더 불편한 결과는 확신도입니다 — 받은 답의 절반이 틀렸는데도 확신은 11.7%p 올라갔고, 오류에 반복 노출되어도 내려가지 않았습니다. 시간 압박도, 돈과 즉시 피드백도 이 패턴을 없애지 못했습니다.
AI가 다 써주는 시대의 글쓰기 — 왜 아직 직접 써야 하는가
링크드인 장문 게시물의 41%가 AI 생성이고, 한국 직장인의 74%가 업무에 AI를 씁니다. 그런데 폴 그레이엄은 '쓰는 자와 못 쓰는 자로 갈리는 세계는 곧 생각하는 자와 못 하는 자의 세계'라고 경고했습니다. 쓰기는 원래 두 개의 다른 일이었고 AI는 그중 하나만 가져갔습니다 — 어느 쪽을 넘겨도 되고 어느 쪽을 지켜야 하는지, 데이터와 사례로 끝까지 따져봅니다.
인터랙션 모델: AI가 드디어 '말하면서 듣기' 시작했다
2026년 5월, Thinking Machines Lab이 '인터랙션 모델'을 공개했다. 200ms 마이크로턴, 인코더 없는 조기 융합, 그리고 2,760억 파라미터. 왜 지금까지의 AI는 대화를 못했는지, 무엇이 바뀌었는지, 그리고 이 변화가 2026년 우리에게 무엇을 의미하는지 — 논문과 계보를 따라 끝까지 파헤친다.