인사이트
71개의 포스트
나는 AWS로 돌아갔고, 떠난 이유를 다시 떠올렸다 — 클라우드 20년사의 빛과 그늘
Andrew Stuart의 짧은 회고록은 단순한 불만이 아니었다. 그것은 2006년 S3가 세상에 처음 등장한 이래 20년간 우리가 클라우드와 맺어온 관계의 압축본이다. 이 글은 그 회고를 출발점으로, '클라우드'라는 개념이 어디서 왔는지, 왜 그토록 강력했는지, 그리고 왜 2026년의 지금 우리는 다시 그 관계를 재정의하고 있는지를 따라간다.
평생 직업의 종말? — 션 거데키의 도발과 소프트웨어 엔지니어의 미래 15년
GitHub Copilot 팀의 시니어 엔지니어 션 거데키가 던진 한 마디. '소프트웨어 엔지니어링은 더 이상 평생 직업이 아닐 수 있다.' 운동선수의 15년, 전동공구를 거부하는 목수, 그리고 1878년 보스턴의 전화 교환원 — 비유 너머에 무엇이 있는가. METR의 충격적 실험과 한국 채용 시장 데이터까지, 이 도발의 진위를 따져본다.
당신의 말이 다 맞아요 — 아첨하는 AI의 위험에 관한 스탠퍼드 연구
Stanford와 CMU 연구팀이 11개 최신 LLM을 테스트한 결과, AI는 인간보다 50% 더 많이 사용자의 행동을 지지했다. 그리고 그렇게 아첨받은 사람들은 갈등 상대와 화해할 의지가 28% 감소했다. 그런데도 사람들은 아첨하는 AI를 더 좋아하고 더 신뢰한다. 2026년 우리는 왜 이 역설을 걱정해야 하는가.
Claude Code 특집: 터미널 안의 시니어 엔지니어 — 6개월 만에 ARR 10억 달러를 만든 코딩 에이전트 사용법 완전정복
2025년 2월에 리서치 프리뷰로 등장한 Claude Code는 단 6개월 만에 ARR 10억 달러를 돌파하며 ChatGPT보다 빠른 매출 곡선을 그렸다. TELUS는 월 1,000억 토큰을 사용하고, Zapier는 800개 이상의 사내 에이전트를 돌리고, Rakuten은 7시간짜리 자율 리팩터 PR을 머지했다. 이 글은 Claude Code가 왜 만들어졌고, 어떻게 진화했고, 다섯 기둥(CLAUDE.md / Skills / Subagents / Hooks / MCP)을 어떻게 조합해야 실무에서 진짜 효과가 나는지를 처음부터 풀어본다. Anthropic 공식 베스트 프랙티스와 6개월차 현업 베테랑들이 합의한 패턴을 정리한 2026년 4월 결정판.
DeepSeek V4 Pro 특집: 1.6조 파라미터로 100만 토큰을 V3.2의 1/10 비용에 — 오픈소스가 다시 프론티어를 따라잡은 날
2026년 4월 24일, DeepSeek이 V4 Pro와 V4 Flash를 공개했다. 1.6조 파라미터(49B 활성), 100만 토큰 컨텍스트, 그리고 V3.2 대비 KV 캐시 10%·FLOPs 27%. 단순한 버전업이 아니라 'CSA + HCA 하이브리드 어텐션', 'mHC 잔차 연결의 후속', 'Muon 옵티마이저', 'FP4+FP8 혼합 정밀도', '온-폴리시 디스틸레이션'이라는 다섯 가지 핵심 혁신이 한꺼번에 들어갔다. 왜 이런 설계가 필요했는지, 어디서부터 어떻게 여기까지 왔는지, 그리고 실무에서 어떻게 써야 하는지를 처음부터 풀어본다.
NVIDIA Nemotron-Personas-Korea 완전 해부 — 700만 한국인 합성 페르소나가 소버린 AI를 바꾸는 법
광주 서구의 70대 하역 노동자 전기태 씨, 서초구의 71세 회계 사무원, 제주에서 낚시를 사랑하는 50대 가장 — NVIDIA가 공개한 700만 명의 한국인 합성 페르소나는 어떻게 만들어졌고, 왜 2026년 한국 AI 산업의 ‘조용한 인프라’가 되고 있는가. KOSIS·대법원·NHIS 통계로 정합한 1M 레코드 26필드의 구조부터, NAVER·LG·SKT·Krafton의 활용, PIPA 합성데이터 가이드라인까지 한 번에 정리한다.
AI 신뢰성 평가 완전 가이드: 왜 우리는 AI를 '심사'해야 하는가
아마존 채용 AI의 성차별부터 의료 AI의 인종 편향까지 — AI 신뢰성 평가가 왜 등장했고, 어떤 기준으로 AI를 심사하며, 한국과 세계는 어디까지 왔는지를 사례와 함께 깊이 있게 탐구한다.
AI는 입구, 구조화된 데이터가 출구 — DX를 위한 AI/ML 이해의 기술
DX 전문가 로드맵 4편 — 1959년 Arthur Samuel의 체커 프로그램부터 2026년 AI 에이전트까지. 88%의 기업이 AI를 활용하지만 실제 성과를 내는 기업은 6%에 불과한 이유. AI를 '도구'로 이해하는 DX 전문가의 시각을 총정리한다.
한 번 만들고 끝이 아니다 — DX를 위한 자동화와 운영의 기술
DX 전문가 로드맵 7편 — DX는 '한 번 만들고 끝'이 아니라 '계속 돌아가야' 한다. 2009년 Flickr의 'Dev and Ops' 발표에서 시작된 DevOps 혁명부터 2026년 AI 기반 자율 운영까지. CI/CD, 모니터링, MLOps, DataOps — 자동화와 운영의 기술을 총정리한다.
서버를 만들지 마라, 서비스를 운영하라 — DX를 위한 클라우드 & 인프라의 기술
DX 전문가 로드맵 6편 — 1999년 Salesforce의 'No Software'부터 2026년 AI 인프라까지. DX는 거의 100% 클라우드 위에서 돌아간다. '서버를 만든다'가 아니라 '서비스를 운영한다'로 사고를 전환하는 클라우드 & 인프라의 기술.
데이터를 못 보면 DX 못 한다 — 데이터 구조 이해의 기술
DX 전문가 로드맵 3편 — Edgar Codd의 1970년 관계형 모델부터 2026년 AI-Ready 데이터까지. 비정형 데이터가 기업 데이터의 90%를 차지하는 지금, 데이터 구조를 이해하지 못하면 AI도, DX도, 아무 의미가 없다. 데이터 모델링 56년의 계보와 실전 인사이트를 총정리한다.
기술보다 조직을 움직여라 — DX 실행 전략의 기술
DX 전문가 로드맵 최종편 — 9편의 기술 역량을 갖춰도, 조직이 움직이지 않으면 DX는 실패한다. PoC에서 Pilot으로, Pilot에서 Scale로 — 기술보다 더 중요한 '조직을 설득하고 움직이는 전략'을 국내외 사례로 총정리한다.