TECH BLOG
기술 블로그
AI 기술 인사이트와 엔지니어링 경험을 공유합니다.
ALL POSTS
모든 포스트
AI 정렬(Alignment)과 안전: 우리가 원하는 것을 기계에게 어떻게 전달하는가
1960년 위너의 경고에서 2025년 정렬 위장(alignment faking) 발견까지. AI가 인간의 의도대로 작동하게 만드는 정렬 문제의 역사, 기술, 사건, 그리고 실전적 의미를 추적한다.
Claude Cowork 완전 해부: AI 동료가 출근하자, 400조 원이 증발했다
2026년 1월, Anthropic이 Claude Cowork를 출시하자 소프트웨어 업계에서 약 285조 달러의 시가총액이 증발했다. 개발자가 아닌 일반 지식 노동자를 위한 AI 에이전트가 왜 이토록 큰 충격을 주었는가 — 탄생 배경부터 기술 원리, SaaSpocalypse, 실사용 사례, 센토어 모델까지.
AI 에이전트 생태계 지도 2026: 프로토콜, 프레임워크, 그리고 새로운 전쟁
2026년 3월, AI 에이전트 생태계는 단일 프로젝트가 아니라 산업 전체의 전환이다. 프로토콜(MCP, A2A)에서 프레임워크(OpenClaw, LangGraph, CrewAI), 엔터프라이즈(NemoClaw, Bedrock), 중국 생태계까지 — 전체 지형도를 그린다.
엣지 AI 완전 가이드: 클라우드 없이 현장에서 추론하는 시대가 열렸다
2026년, AI 추론의 55%가 클라우드가 아닌 현장에서 일어난다. 왜 엣지에서 돌려야 하는지(지연 1ms vs 200ms, 프라이버시, 비용 87% 절감), 어떤 하드웨어를 쓰는지(Jetson Thor 2,070 TOPS, Snapdragon 100 TOPS NPU), 그리고 실전에서 어떻게 배포하는지를 총정리한다.
A2A 프로토콜: AI 에이전트의 HTTP가 탄생했다 — Google이 만들고 Linux Foundation이 품은 표준
LangGraph 에이전트와 CrewAI 에이전트가 서로 대화할 수 있다면? A2A(Agent-to-Agent) 프로토콜은 AI 에이전트 간의 발견·통신·협업을 표준화한다. Google이 설계하고, 50개 이상의 기업이 지지하며, Linux Foundation에 기증된 이 프로토콜의 핵심을 풀어본다.
AI에게 스킬이 필요한 이유: 논문에서 프로토콜까지, 도구를 쥔 AI의 진화
수학 올림피아드를 푸는 AI가 오늘 날씨를 모른다. LLM의 구조적 한계에서 출발해, Toolformer·ReAct·Voyager 등 핵심 논문의 원리를 풀어보고, Function Calling에서 MCP·스킬 시스템까지 이어지는 산업의 대응을 추적한다.
FP64 is All You Need — PINN 실패 모드를 다시 생각하다
모두가 BF16과 FP8을 외치는 시대에, 한 논문은 정반대로 말한다. PINN의 유명한 실패 모드는 로컬 최솟값보다 '정밀도가 부족한 조기 정지'에 더 가깝다는 것. 이 도발적인 논문을 출발점으로, PINN의 역사와 실패 사례, FP64의 의미, 그리고 2026년 과학 AI에서 이 기술의 자리를 쉽고 깊게 풀어본다.
HITL 엔지니어링 실전: 신뢰도 임계치, 에스컬레이션, 피드백 루프
AI가 '모르겠다'고 말할 수 있게 된 1957년 Chow의 수학부터 2025년 Airbnb의 데이터 플라이휠까지. 신뢰도 임계치 · 에스컬레이션 · 피드백 루프 — HITL 시스템의 세 기둥을 논문과 실전 사례로 파헤친다.
Sovereign AI: 왜 각국은 자기만의 AI를 만들려 하는가
130개 프로젝트, 50개 국가, 2.5조 달러. 각국이 앞다투어 자체 AI 인프라를 구축하는 이유 — 데이터 주권, 안보, 경제적 자립. 한국의 7,350억 달러 이니셔티브부터 프랑스 미스트랄, 일본 라쿠텐까지.