TECH BLOG
기술 블로그
AI 기술 인사이트와 엔지니어링 경험을 공유합니다.
EDITOR'S PICK
에디터 추천
바이브코딩 특집: 30분 만에 환자 데이터가 열린 이유
바이브코딩은 소프트웨어 개발의 장벽을 낮춘 혁명인가, 아니면 무지한 배포를 가속하는 위험한 유행인가. Tobias Brunner가 공개한 환자 관리 시스템 사고를 출발점으로, Copilot에서 Codex·Claude Code까지 이어진 AI 코딩의 역사, 최신 논문들이 말하는 장점과 위험, 그리고 실무자가 반드시 지켜야 할 안전 경계를 깊이 있게 정리한다.
루프가 밤새 일할 때 — 비용, 보안, 그리고 사라지는 주니어
‘에이전트를 프롬프트하는 시스템을 설계하라’는 루프 엔지니어링이 화제가 되자, 곧바로 반대편의 목소리도 커졌습니다. 그냥 크론잡 아니냐는 리브랜딩 논쟁, 하룻밤 $437·주말 $4,200의 비용 폭주 사고, 자율 루프와 MCP가 만드는 ‘치명적 삼각편대’ 보안 위험, 그리고 사라지는 주니어 파이프라인까지 — 첫 글에서 못다 한 ‘그늘’을 사례와 함께 짚습니다.
PINN의 손실은 왜 서로 싸우는가 — gradient pathology에서 2026년의 해법까지
PINN은 왜 PDE를 손실에 넣고도 자주 학습이 무너질까? Lagaris와 Raissi의 약속에서 출발해 gradient pathology, learning rate annealing, architecture 개선, NTK 분석, domain decomposition, NewPINNs까지 2026년 현재의 해법 지형을 깊고 읽기 쉽게 정리한다.
Advanced RAG: 기본 RAG의 한계를 넘는 실전 개선 기법 7가지
기본 RAG를 실전에 배포하면 마주치는 문제들 — 엉뚱한 문서가 검색되고, 핵심이 잘려나가고, 답변 품질이 들쭉날쭉하다. 청킹 전략부터 하이브리드 검색, 리랭킹까지, 실무에서 바로 적용할 수 있는 개선 기법을 하나씩 풀어본다.
ALL POSTS
모든 포스트
AI가 린 스타트업을 무너뜨리고 있는가 — 패트릭 콜리슨의 '공격적 탈상관' 선언
2026년 7월, Stripe의 Patrick Collison이 YC Startup School 무대에서 던진 한 문장이 창업 판을 흔들었다. \"AI 시대에는 더 공격적으로 탈상관해야 할지도 모른다.\" 도요타 공장에서 태어나 Steve Blank와 Eric Ries를 거쳐 20년간 전 세계 창업의 표준 문법이 된 린 스타트업이, 코드값이 0에 수렴하는 시대에 왜 흔들리는가. MVP의 진짜 정의부터 Management Science 논문의 RCT 증거, Dropbox·Zappos·Stripe·Anduril의 대비되는 사례, 인지적 L1 캐시 비유, 그리고 2026년 데이터까지 — 인터랙티브 시뮬레이터 3종과 함께 특집으로 풀어낸다.
LLM은 도약하지 못한다: 아인슈타인의 낙서 한 장이 2026년 AI에게 던진 질문
구글 딥마인드 톰 자하비의 ICML 2026 포지션 페이퍼 「Position: LLMs can't jump」를 정면으로 뜯어본다. 아인슈타인이 친구에게 그려 보낸 낙서 한 장에서 출발해, 왜 오늘의 AI가 정리를 증명하면서도 전제를 만들지 못하는지, 벌컨 행성과 엘리베이터 사고실험과 2026년의 월드 모델 경쟁까지 — 5개의 인터랙티브와 함께 끝까지 따라간다.
미션 팟(Mission Pod): 조직도에 AI를 올린 회사들 — 가장 빠른 AI 퍼스트 기업의 구조 해부
NFX의 Gigi Levy-Weiss가 던진 '미션 팟(Mission Pod)'이 화제다. 0→1은 풀렸고 이제 병목은 1→2다. 왜 지금 조직도를 다시 그려야 하는가? 애덤 스미스의 분업과 코즈의 거래비용이론, 콘웨이의 법칙과 브룩스의 n(n−1)/2, 아마존 두 판의 피자 팀과 Team Topologies까지 250년의 계보를 따라가고, ChatDev·MetaGPT·AutoGen 같은 멀티에이전트 논문의 아키텍처를 그림과 함께 뜯어본다. METR의 39%p 인식 격차, 스탠퍼드의 주니어 13% 감소, Klarna의 되돌리기, Shopify 메모, 그리고 Cursor·Midjourney·Base44의 숫자까지 — 인터랙티브 도구 4종과 함께 읽는 특집.
AI 코드 마이그레이션 특집: 다년짜리 이식을 2주로 — 컴파일러의 꿈부터 100만 줄 Rust 재작성까지
2026년, Anthropic은 자바스크립트 런타임 Bun의 100만 줄을 Zig에서 Rust로 단 11일 만에, 약 $165,000에 옮겼다. 64개의 Claude 에이전트가 병렬로 6,502번 커밋했다. 한 팀이 1년 걸릴 일이었다. 코드 마이그레이션은 왜 늘 '실패율 70%의 지옥'이었고, 무엇이 갑자기 바뀌었나? 이 글은 f2c 트랜스파일러의 꿈에서 출발해 Facebook의 TransCoder(2020), IBM의 COBOL 현대화를 거쳐, '파일을 고치지 말고 루프를 고쳐라'는 2026년 에이전트 마이그레이션의 6단계 방법론까지를 사례와 함께 처음부터 풀어낸다. Zig 창시자의 '리뷰 안 된 slop' 반론까지 정면으로 다룬 결정판.
AI가 빨라졌다는 착각을 어떻게 재나 — 89%가 '빨라졌다'는데 6%만 증명하는 생산성의 역설, 그리고 DX Core 4
경영진의 89%가 'AI 덕분에 일이 빨라졌다'고 말한다. 그런데 그 성과를 조직 차원에서 실제로 짚어낼 수 있다고 답한 사람은 단 6%였다. AI는 분명 무언가를 빠르게 만들었는데, 그 무언가가 '가치'인지 '착각'인지 아무도 확신하지 못한다. 이 글은 앞선 n00b 편에서 흘깃 본 SPACE 프레임워크를 정면으로 끌어와, METR의 39%p 인식격차, GitClear가 잰 코드 품질의 숨은 청구서(리뷰 대기 4.6배·재작업 급증·보안 취약점 2.74배), DORA 2025의 'AI는 증폭기'라는 거울 효과, 그리고 이 혼란을 정리하려 나온 DX Core 4(속도·효과·품질·임팩트)까지 — '측정할 수 없으면 관리할 수 없다'는 오래된 진실을 AI 시대의 데이터로 다시 증명한다.
부러진 사다리 — 오늘 주니어를 안 뽑으면, 2031년엔 시니어가 없다: AI가 끊어버린 견습의 고리
지난 글에서 우리는 주니어에게 '태스크를 끝내는 사람 말고, 판단하는 사람이 되라'고 했다. 그런데 정작 회사들은 그 주니어를 아예 뽑지 않기 시작했다. LeadDev 조사에서 엔지니어링 리더의 54%가 2026년 주니어 채용을 줄이겠다고 답했다. AI 코파일럿이 시니어의 손을 늘려주니, 굳이 신입을 데려와 가르칠 이유가 없다는 것이다. 문제는 시니어가 하늘에서 떨어지지 않는다는 것 — 견습 지연은 5~7년이고, 2024~26년에 주니어를 안 뽑으면 2031년엔 시니어가 없다. 이 글은 '부러진 사다리(broken ladder)' 논쟁을 중세 길드 도제부터 페어 프로그래밍까지의 견습의 역사, 하버드의 내부노동시장 논문, 그리고 '견습 미화론'·'역방향 멘토링' 같은 정직한 반론까지 짚으며, AI가 끊어버린 세대 전수의 고리를 어떻게 다시 이을지 끝까지 쉽게 풀어낸다.
하루 15,000개의 질문에 답하는 사내 AI — Cerebras는 지식 베이스를 어떻게 만들었나
\"그거 어디 있죠?\" \"이거 누가 담당이죠?\" — 회사가 커질수록 정보는 흩어지고, 같은 질문이 반복된다. Cerebras는 Slack·코드·문서를 하나의 임베딩 테이블로 모아 하루 15,000개 질문에 답하는 사내 지식 베이스를 만들었다. 그 안에는 반세기 검색의 역사가 응축돼 있다. 키워드 검색에서 BM25, 임베딩, HNSW, 하이브리드, 그리고 에이전트 검색까지 — 왜 이런 개념들이 하나씩 필요해졌는지, 인터랙티브하게 만져보며 이해한다.
토큰값이 67% 떨어졌는데, 왜 AI 청구서는 3배가 됐나 — 제번스의 역설과 추론 경제학
2026년, AI 모델의 토큰 단가는 1년 만에 67% 떨어졌다. GPT-4 기준으로는 3년간 99.7%가 빠졌다. 그런데 기업의 73%가 'AI 지출이 예상을 초과했다'고 답했고, 우버는 2026년 AI 예산을 4월에 다 태웠다. 값은 폭락하는데 청구서는 폭발하는 이 역설의 이름은 1865년 경제학자 윌리엄 스탠리 제번스가 석탄에서 발견한 '제번스의 역설'이다. 이 글은 왜 추론이 싸질수록 총지출이 늘어나는지 — 에이전트 한 작업이 챗의 1,000배 토큰을 먹는 배수의 폭발, 효율이 하드웨어 부족을 부르는 악순환의 고리 — 를 데이터로 해부하고, 'best model wins'가 'best fit wins'로 바뀐 시대의 생존 무기인 모델 라우팅과 비용 통제 플레이북까지 실무적으로 정리한다.
당신의 AI, 빌린 겁니까 가진 겁니까 (1부): '인텔리전스 오너십'이라는 새 승부수
2026년 7월, Fermisense가 올린 한 편의 글이 AI 업계를 흔들었다. 90억 파라미터짜리 작은 오픈소스 모델을 강화학습으로 훈련시켰더니, 세계 최고 프런티어 모델을 전부 이기고도 비용은 최대 340배 싸더라는 것이다. 이 특집 1부는 '인텔리전스를 소유한다'는 개념이 왜 지금 등장했는지를 ChatGPT 이후의 역사와 2026년의 AI 경제학으로 추적한다.