백종원 대표가 이끄는 더본코리아가 인수·합병(M&A) 대상을 물색하면서 치킨 프랜차이즈 노랑통닭으로 유명한 노랑푸드와 접촉한 것으로 확인됐다. 더본코리아가 최근 인수·합병(M&A) 추진을 공식화 해왔던만큼 인수 협상이 구체화할지 주목된다. 2일 금융투자업계에 따르면 더본코리아는 최근 노랑푸드 인수 가능성을 타진한 것으로 알려졌다. 노랑푸드는 ...

[단독]더본코리아, 'M&A' 매물 노랑통닭과 접촉···"시너지 대상 검토중" - 머니투데이

큐캐피탈 등은 노랑푸드 매각을 위해 지난해 말 삼정KPMG를 매각 주관사로 선정하고 올해 초 투자레터와 투자설명서(IM)을 배포하며 원매자를 물색하고 있다. 최근 외국계 사모펀드 운용사들이 주요 인수 후보군으로 거론이 되고 있는 가운데, 국내 코스피 상장사 더본코리아와도 접촉했다.

더본코리아는 지난해 11월 상장 당시 공모자금 935억원을 확보했다. 이를 이용해 M&A 등 사세 확장에 나설 계획이다. 지난달 28일 첫 주주총회에서도 백 대표가 직접 참석해 식음료(F&B) 푸드테크를 비롯한 시너지 창출 가능 사업을 추진하기 위해 M&A와 지분투자를 하겠다고 공표하기도 했다.

https://m.mt.co.kr/renew/view.html?no=2025040214174477175

큐캐피탈 등은 노랑푸드 매각을 위해 지난해 말 삼정KPMG를 매각 주관사로 선정하고 올해 초 투자레터와 투자설명서(IM)을 배포하며 원매자를 물색하고 있다. 최근 외국계 사모펀드 운용사들이 주요 인수 후보군으로 거론이 되고 있는 가운데, 국내 코스피 상장사 더본코리아와도 접촉했다. 더본코리아는 지난해 11월 상장 당시 공모자금 935억원을 확보했다. 이를 이용해 M&amp;A 등 사세 확장에 나설 계획이다. 지난달 28일 첫 주주총회에서도 백 대표가 직접 참석해 식음료(F&amp;B) 푸드테크를 비롯한 시너지 창출 가능 사업을 추진하기 위해 M&amp;A와 지분투자를 하겠다고 공표하기도 했다. https://m.mt.co.kr/renew/view.html?no=2025040214174477175

머니투데이

오케스트라PE, KFC코리아 매각 추진기업가치 4000억대 희망

오케스트라PE, KFC코리아 매각 추진…기업가치 4000억대 희망

국내 사모펀드(PEF) 운용사 오케스트라프라이빗에쿼티가 KFC코리아를 매각한다. 경영권을 인수한 지 2년 만이다. 희망 매각가는 약 3000억~4000억원 수준으로 알려졌다.

앞서 오케스트라PE는 지난 2023년 약 1000억원을 들여 KFC코리아 지분 100%를 KG그룹으로부터 인수했다. KFC·피자헛·타코벨 등을 보유한 글로벌 외식 기업 얌브랜즈도 출자자로 참여했다.

https://biz.chosun.com/stock/stock_general/2025/04/01/ILJIFNWZXNHBHPEARYRNU4FFXI/?utm_source=naver&utm_medium=original&utm_campaign=biz

국내 사모펀드(PEF) 운용사 오케스트라프라이빗에쿼티가 KFC코리아를 매각한다. 경영권을 인수한 지 2년 만이다. 희망 매각가는 약 3000억~4000억원 수준으로 알려졌다. 앞서 오케스트라PE는 지난 2023년 약 1000억원을 들여 KFC코리아 지분 100%를 KG그룹으로부터 인수했다. KFC·피자헛·타코벨 등을 보유한 글로벌 외식 기업 얌브랜즈도 출자자로 참여했다. https://biz.chosun.com/stock/stock_general/2025/04/01/ILJIFNWZXNHBHPEARYRNU4FFXI/?utm_source=naver&amp;utm_medium=original&amp;utm_campaign=biz

조선비즈

 &nbsp;사업장 폐기물 수거 서비스 '업박스(UpBox)'를 운영하는 리코(Reco)가 총 585억원 규모의 시리즈C 투자를 유치했다. 31일 벤처캐피탈(VC) 업계에 따르면&nbsp;이번 라운드는 한국을 포함해 31개국에서 이케아 리테일을 운영하는 잉카 그룹의 투자 부문 '잉카 인..

'사업장 폐기물 관리' 리코, 585억 시리즈C 투자 유치

이번 라운드는 한국을 포함해 31개국에서 이케아 리테일을 운영하는 잉카 그룹의 투자 부문 '잉카 인베스트먼트'가 리드 투자사로 참여했다.

리코는 B2B 폐기물 관리 솔루션 '업박스(UpBox)'를 통해 호텔, 제조업, 유통업 등 다양한 산업 분야의 폐기물 관리를 지원하고 있다. 업박스는 기업이 폐기물을 보다 효율적으로 관리하고, 운영 부담을 줄이면서 지속 가능한 폐기물 관리를 실현할 수 있도록 돕는다.

https://www.fnnews.com/news/202503311543204732

이번 라운드는 한국을 포함해 31개국에서 이케아 리테일을 운영하는 잉카 그룹의 투자 부문 '잉카 인베스트먼트'가 리드 투자사로 참여했다. 리코는 B2B 폐기물 관리 솔루션 '업박스(UpBox)'를 통해 호텔, 제조업, 유통업 등 다양한 산업 분야의 폐기물 관리를 지원하고 있다. 업박스는 기업이 폐기물을 보다 효율적으로 관리하고, 운영 부담을 줄이면서 지속 가능한 폐기물 관리를 실현할 수 있도록 돕는다. https://www.fnnews.com/news/202503311543204732

파이낸셜뉴스

모회사 금양 거래정지 불똥 튄 에스엠랩 1000억 투자한 VC도 골머리 에스엠랩, IPO 문턱에서 두 차례 고배 금양에 1150억 신주 발행 및 400억 차입 3분기 누적 적자 177억 추가 조달 필요

모회사 금양 거래정지 불똥 튄 에스엠랩… 1000억 투자한 VC도 골머리

적자가 지속되고 있는 에스엠랩은 그동안 금양의 자금 지원을 받고 있었다. 지난해 4월 금양으로부터 3년 만기로 400억원을 빌린 상황이다. 에스엠랩이 지난해 3분기까지 177억원의 적자를 기록한 것을 감안하면 적지 않은 규모다. 대여금 지급 시점은 올해 하반기다. 2023년 금양의 에스엠랩 인수도 신주 발행 형식으로 진행돼 사실상 투자 유치였다.

에스엠랩의 누적 투자금은 금양의 신주 발행 대금을 빼도 1000억원에 달한다. 주요 투자자로는 위드윈인베스트먼트, 스틱벤처스, 한국투자파트너스, DSC인베스트먼트 등이 있다. 이밖에 한국산업은행과 KT&G, 한양증권, 뮤렉스파트너스, 우리벤처파트너스, SV인베스트먼트, 케이앤투자파트너스, 슈미트 등도 투자자다.

https://biz.chosun.com/stock/market_trend/2025/04/01/4KOQHEROYJD7TK5JZ3N5NUFUKQ/?utm_source=naver&utm_medium=original&utm_campaign=biz

적자가 지속되고 있는 에스엠랩은 그동안 금양의 자금 지원을 받고 있었다. 지난해 4월 금양으로부터 3년 만기로 400억원을 빌린 상황이다. 에스엠랩이 지난해 3분기까지 177억원의 적자를 기록한 것을 감안하면 적지 않은 규모다. 대여금 지급 시점은 올해 하반기다. 2023년 금양의 에스엠랩 인수도 신주 발행 형식으로 진행돼 사실상 투자 유치였다. 에스엠랩의 누적 투자금은 금양의 신주 발행 대금을 빼도 1000억원에 달한다. 주요 투자자로는 위드윈인베스트먼트, 스틱벤처스, 한국투자파트너스, DSC인베스트먼트 등이 있다. 이밖에 한국산업은행과 KT&amp;G, 한양증권, 뮤렉스파트너스, 우리벤처파트너스, SV인베스트먼트, 케이앤투자파트너스, 슈미트 등도 투자자다. https://biz.chosun.com/stock/market_trend/2025/04/01/4KOQHEROYJD7TK5JZ3N5NUFUKQ/?utm_source=naver&amp;utm_medium=original&amp;utm_campaign=biz

[아이티비즈 박시현 기자] 조성일 포스코경영연구원 수석연구원이 4일, 193회 영림원CEO포럼에서 ‘조직문화의 재구성-회복탄력적 조직문화 구축’을 주제로 강연했다.조성일 수석은 “기업의 존속에 가장 중요한 요소 중 하나가 조직문화이다. 조직문화가 없으면 전략도 안 통하고 혁신도 안 된다”라며, “리더가 어떻게 생각하느냐에 따라 조직문화는 확 바뀐다”며, 리더의 생각과 마인드의 중요성을 강조했다. 다음은 강연 내용.◆ “문화가 성과다”문화에 대한 많은 경구들이 있다. 먼저 “문화는 아침으로 전략을 먹는다”는 말이 있다. 누가 말했는지

[영림원CEO포럼] “리더의 생각과 마인드가 조직문화를 바꾼다”

✅문화가 성과다
“문화는 아침으로 전략을 먹는다”는 말이 있다. 이게 도대체 무슨 말인지 생각해보니 문구가 좀 잘못됐다. 문화 앞에 ‘나쁜’이라는 말이 빠졌다. 즉 아무리 좋은 전략도 나쁜 기업문화에서는 실행되지 않는다는 얘기다.

“문화가 성과다”라는 제임스 헤스켓 하버드대 교수의 말이 있는데 이 말이 가장 마음에 든다. 기업의 성과에는 매출이나 영업이익이 있겠지만, 문화 또한 그 성과이다.

책 <혁신 기업의 딜레마>를 쓴 클레이튼 크리스텐슨은 “혁신이 성공하기 위해서는 단순히 기술적 우수성만이 아니라 이걸 받아들이고 실행할 수 있는 조직문화가 필수다”라고 했다. 조직문화가 없으면 전략도 안 되고 혁신도 안 된다.

영국 버진그룹 창업자 리처드 브랜슨은 “좋은 조직문화를 위한 마술같은 성공 방식은 없다. 그저 자신이 대우받고 싶은대로 구성원들을 대우해주면 된다”고 했다. 심플한 말이지만 경영층이 이렇게 하기란 쉽지 않다.

IBM 전 CEO 루 거스너는 “기업의 문화가 승부를 결정짓는 요소 중 하나가 아니라 문화 그 자체가 승부다”라고 했다. 루 거스너는 1993년부터 2002년까지 IBM 회장 겸 CEO로 재직하면서 IBM을 바꿨다. 이 사람을 빼면 IBM이 성립되지 않을 정도로 엄청난 사람이다.

그가 어떻게 하드웨어 회사 IBM을 솔루션 회사로 바꿨는지는 자서전 <코끼리를 춤추게 하다>에 담겨있다. 그가 1993년 나비스코어 CEO에서 IBM으로 갈 때 포춘지는 표지 타이틀로 “루 거스너는 감자칩과 반도체 칩을 구분할 수 있을까”라고 썼을 정도로 인정받지 못했다. 그렇지만 그는 10년 만에 IBM을 완전히 바꿨다.

그가 IBM에서 가장 많이 얘기한 것이 문화다. “우리가 해온 방식은 문제가 있다. 변화가 필요한 시점이다. 문화혁신이 모든 변화의 핵심이 되어야 한다”라는 메시지를 직원들에게 전달하고, CEO 이메일을 직원들에게 전달하지 않은 유럽 지역 사업 책임자를 퇴출시켰다.

✅조직의 3가지 조건: 둘 이상, 공통 목표, 상호작용
조직문화라는 것은 조직과 문화를 합쳐놓은 단어다. 조직은 하나의 문장으로 정의할 수는 없다. 3가지 조건이 만족되면 조직이라고 할 수 있다. (1)둘 이상의 사람, (2) 공통의 목표, (3)상호작용. 이 가운데 가장 중요한 것은 무엇일까?

맥킨지는 조직 역량을 분석할 때 ‘7S’ 기법을 쓴다. 7S는 스트래티지, 스태프, 스트럭처, 시스템, 스킬, 스타일(리더십), 그리고 쉐어드 밸류이다. 맥킨지는 7S 가운데 가장 중요한 것으로 쉐어드 밸류를 꼽는데 이것은 문화이다. 조직에서 문화가 가장 중요하다고 주장하는 셈이다.

문화의 개념을 정확히 보여주는 예시로 ‘테세우스의 배’가 있다. 그리스 신화에서 테세우스라는 사람이 전쟁에서 이기고 돌아오자, 아테네 사람들은 300년 동안 테세우스의 배를 보존했다. 배의 판자가 썩으면 새 판자로 계속 교체했다. 언젠가부터 원래의 배 조각은 하나도 남지 않았다.

이 배를 테세우스의 배라고 부를 수 있을까? 원래 실물은 아무것도 남아 있는 것이 없지만 테세우스의 배라고 말한다. 왜냐하면 뭔가 의미가 구구절절 흐르고 있기 때문이다. 문화란 바로 이런 것이다.

✅왜 조직문화를 말하나
짐 콜린스는 책 <성공하는 기업의 8가지 습관>에서 ‘강하고 끈끈한 조직문화 구축’을 강조했다. 원 스피릿 컬처이다. 그는 구성원들을 하나의 구심점으로 결집시키고, 경쟁사가 모방하기 어려워 중요한 경쟁 우위 요소가 되며, 시장 환경에서 바람직한 행동을 지속적이고 안정적으로 유도할 수 있다는 점을 조직문화의 중요성으로 들었다.

토요타는 벤츠나 BMW 등 경쟁사들이 벤치마킹을 요청하면 거절하지 않고 다 해준다. 왜 그렇게 하느냐는 질문에 토요타 관계자는 여기서 벤치마킹으로 배워 가는 것은 그냥 시스템일 뿐이다. 토요타는 시스템만으로 돌아가는 게 아니라 우리의 고유의 문화와 엉켜서 돌아간다. “시스템만 알아서는 결코 성공할 수 없다”고 말했다.

✅조직문화란 무엇인가
개인적으로 가장 좋아하는 조직문화에 관한 정의는 ‘조직에 공유된 가치와 언어 및 가시적 행동양식’이다. 조직문화를 갖추려면 일단 기본적으로 공유된 가치가 있어야 한다.

조직문화의 아버지 에드가 샤인은 “조직문화는 구성원들 사이에 타당한 것으로 간주되어 의심없이 당연한 것으로 받아들여지고 새로운 구성원들에게 그대로 학습되어 지는 것”이라고 정의했다.

이래서 문화가 매우 무섭다. 신입 구성원들이 아무런 의심 없이 당연한 것으로 받아들여 그대로 따라하기 때문이다. 신입이 좀 창의적으로 생각하고 빠릿빠릿해도 조직이 보수적인 문화를 가지고 있으면 금세 바뀐다.

✅조직문화에 대해 생각할 것들
결국은 사람이다. 문화를 바꾸려면 사람을 바꿔야 한다. 하지만 사람을 새로 바꿔도 문화 자체가 좋지 않으면 그 문화에 동화되어 버린다. 그래서 문화를 바꾸는 것은 어렵다. 끊임없이 바꾸려고 시도를 해야 한다.

갤럽에서 KT 지점 별 특성 연구를 했는데 직원들의 인적 특성 차이는 없었고, 지점장의 직원에 대한 관점의 차이가 있었다. 상위 10%의 지점장들은 “직원들이 모두 성장잠재력이 있는 좋은 인적자원들이다”, “문제 직원이 없는 부서가 어디 있겠는가?”라고 답했다.

반면 하위 10% 지점장들은 “직원들의 능력/태도에 문제가 많아서 리더가 노력해도 한계가 있다”, “하필 우리 지점에 저련 문제 직원들이 있는지 모르겠다”라고 답했다. 리더가 어떻게 생각하느냐에 따라 조직 문화가 바뀌는 것을 보여주는 대목이다.

어느 회사 법무실장의 얘기다. 외부 채용한 법무실장은 그 조직의 문화를 전혀 모르는 사람이었는데 오자마자 3시 이후론 보고를 안 받겠다고 딱 한마디했다. 그러자 직원들이 3시까지 보고하려고 점심도 안 먹고 미친 듯이 일했다. 한마디 말이 조직의 문화, 행동 패턴을 바꾼 것이다. 조직의 패턴을 바꿀 수 있는 것들은 얼마든지 있다.

피터 맥 윌리엄스라는 미국의 시인은 “불편함에 익숙해져야 한다”라고 말했다. 굉장히 와닿는 말이다. 불편함을 익숙하게끔 하는 문화를 구축하는 것이 조직의 문화를 계속 발전시키는데 중요한 것이기 때문이다.

✅문화가 성과다“문화는 아침으로 전략을 먹는다”는 말이 있다. 이게 도대체 무슨 말인지 생각해보니 문구가 좀 잘못됐다. 문화 앞에 ‘나쁜’이라는 말이 빠졌다. 즉 아무리 좋은 전략도 나쁜 기업문화에서는 실행되지 않는다는 얘기다. “문화가 성과다”라는 제임스 헤스켓 하버드대 교수의 말이 있는데 이 말이 가장 마음에 든다. 기업의 성과에는 매출이나 영업이익이 있겠지만, 문화 또한 그 성과이다. 책 &lt;혁신 기업의 딜레마&gt;를 쓴 클레이튼 크리스텐슨은 “혁신이 성공하기 위해서는 단순히 기술적 우수성만이 아니라 이걸 받아들이고 실행할 수 있는 조직문화가 필수다”라고 했다. 조직문화가 없으면 전략도 안 되고 혁신도 안 된다. 영국 버진그룹 창업자 리처드 브랜슨은 “좋은 조직문화를 위한 마술같은 성공 방식은 없다. 그저 자신이 대우받고 싶은대로 구성원들을 대우해주면 된다”고 했다. 심플한 말이지만 경영층이 이렇게 하기란 쉽지 않다. IBM 전 CEO 루 거스너는 “기업의 문화가 승부를 결정짓는 요소 중 하나가 아니라 문화 그 자체가 승부다”라고 했다. 루 거스너는 1993년부터 2002년까지 IBM 회장 겸 CEO로 재직하면서 IBM을 바꿨다. 이 사람을 빼면 IBM이 성립되지 않을 정도로 엄청난 사람이다. 그가 어떻게 하드웨어 회사 IBM을 솔루션 회사로 바꿨는지는 자서전 &lt;코끼리를 춤추게 하다&gt;에 담겨있다. 그가 1993년 나비스코어 CEO에서 IBM으로 갈 때 포춘지는 표지 타이틀로 “루 거스너는 감자칩과 반도체 칩을 구분할 수 있을까”라고 썼을 정도로 인정받지 못했다. 그렇지만 그는 10년 만에 IBM을 완전히 바꿨다. 그가 IBM에서 가장 많이 얘기한 것이 문화다. “우리가 해온 방식은 문제가 있다. 변화가 필요한 시점이다. 문화혁신이 모든 변화의 핵심이 되어야 한다”라는 메시지를 직원들에게 전달하고, CEO 이메일을 직원들에게 전달하지 않은 유럽 지역 사업 책임자를 퇴출시켰다. ✅조직의 3가지 조건: 둘 이상, 공통 목표, 상호작용조직문화라는 것은 조직과 문화를 합쳐놓은 단어다. 조직은 하나의 문장으로 정의할 수는 없다. 3가지 조건이 만족되면 조직이라고 할 수 있다. (1)둘 이상의 사람, (2) 공통의 목표, (3)상호작용. 이 가운데 가장 중요한 것은 무엇일까? 맥킨지는 조직 역량을 분석할 때 ‘7S’ 기법을 쓴다. 7S는 스트래티지, 스태프, 스트럭처, 시스템, 스킬, 스타일(리더십), 그리고 쉐어드 밸류이다. 맥킨지는 7S 가운데 가장 중요한 것으로 쉐어드 밸류를 꼽는데 이것은 문화이다. 조직에서 문화가 가장 중요하다고 주장하는 셈이다. 문화의 개념을 정확히 보여주는 예시로 ‘테세우스의 배’가 있다. 그리스 신화에서 테세우스라는 사람이 전쟁에서 이기고 돌아오자, 아테네 사람들은 300년 동안 테세우스의 배를 보존했다. 배의 판자가 썩으면 새 판자로 계속 교체했다. 언젠가부터 원래의 배 조각은 하나도 남지 않았다. 이 배를 테세우스의 배라고 부를 수 있을까? 원래 실물은 아무것도 남아 있는 것이 없지만 테세우스의 배라고 말한다. 왜냐하면 뭔가 의미가 구구절절 흐르고 있기 때문이다. 문화란 바로 이런 것이다. ✅왜 조직문화를 말하나짐 콜린스는 책 &lt;성공하는 기업의 8가지 습관&gt;에서 ‘강하고 끈끈한 조직문화 구축’을 강조했다. 원 스피릿 컬처이다. 그는 구성원들을 하나의 구심점으로 결집시키고, 경쟁사가 모방하기 어려워 중요한 경쟁 우위 요소가 되며, 시장 환경에서 바람직한 행동을 지속적이고 안정적으로 유도할 수 있다는 점을 조직문화의 중요성으로 들었다. 토요타는 벤츠나 BMW 등 경쟁사들이 벤치마킹을 요청하면 거절하지 않고 다 해준다. 왜 그렇게 하느냐는 질문에 토요타 관계자는 여기서 벤치마킹으로 배워 가는 것은 그냥 시스템일 뿐이다. 토요타는 시스템만으로 돌아가는 게 아니라 우리의 고유의 문화와 엉켜서 돌아간다. “시스템만 알아서는 결코 성공할 수 없다”고 말했다. ✅조직문화란 무엇인가개인적으로 가장 좋아하는 조직문화에 관한 정의는 ‘조직에 공유된 가치와 언어 및 가시적 행동양식’이다. 조직문화를 갖추려면 일단 기본적으로 공유된 가치가 있어야 한다. 조직문화의 아버지 에드가 샤인은 “조직문화는 구성원들 사이에 타당한 것으로 간주되어 의심없이 당연한 것으로 받아들여지고 새로운 구성원들에게 그대로 학습되어 지는 것”이라고 정의했다. 이래서 문화가 매우 무섭다. 신입 구성원들이 아무런 의심 없이 당연한 것으로 받아들여 그대로 따라하기 때문이다. 신입이 좀 창의적으로 생각하고 빠릿빠릿해도 조직이 보수적인 문화를 가지고 있으면 금세 바뀐다. ✅조직문화에 대해 생각할 것들결국은 사람이다. 문화를 바꾸려면 사람을 바꿔야 한다. 하지만 사람을 새로 바꿔도 문화 자체가 좋지 않으면 그 문화에 동화되어 버린다. 그래서 문화를 바꾸는 것은 어렵다. 끊임없이 바꾸려고 시도를 해야 한다. 갤럽에서 KT 지점 별 특성 연구를 했는데 직원들의 인적 특성 차이는 없었고, 지점장의 직원에 대한 관점의 차이가 있었다. 상위 10%의 지점장들은 “직원들이 모두 성장잠재력이 있는 좋은 인적자원들이다”, “문제 직원이 없는 부서가 어디 있겠는가?”라고 답했다. 반면 하위 10% 지점장들은 “직원들의 능력/태도에 문제가 많아서 리더가 노력해도 한계가 있다”, “하필 우리 지점에 저련 문제 직원들이 있는지 모르겠다”라고 답했다. 리더가 어떻게 생각하느냐에 따라 조직 문화가 바뀌는 것을 보여주는 대목이다. 어느 회사 법무실장의 얘기다. 외부 채용한 법무실장은 그 조직의 문화를 전혀 모르는 사람이었는데 오자마자 3시 이후론 보고를 안 받겠다고 딱 한마디했다. 그러자 직원들이 3시까지 보고하려고 점심도 안 먹고 미친 듯이 일했다. 한마디 말이 조직의 문화, 행동 패턴을 바꾼 것이다. 조직의 패턴을 바꿀 수 있는 것들은 얼마든지 있다. 피터 맥 윌리엄스라는 미국의 시인은 “불편함에 익숙해져야 한다”라고 말했다. 굉장히 와닿는 말이다. 불편함을 익숙하게끔 하는 문화를 구축하는 것이 조직의 문화를 계속 발전시키는데 중요한 것이기 때문이다.

아이티비즈

﻿
어제는 회사 대표와 점심 식사를 했습니다. 팀 리더가 대표와 식사 자리를 주선해 주었습니다. 대표와 대화를 통해 저를 어필하고 회사에 대해서 더 깊이 알아보라는 의도입니다. 참 팀 리더는 좋은 사람입니다. 대표에게 어필할 기회를 줘서 그런 것이 아니라 회사 내에 사람과 사람을 연결하는 역할을 주도적으로 하는 것이 훌륭하고 본받을만하다고 생각합니다. 굳이 내 시간과 노력을 들여서 연결할 필요가 없는데, 자발적으로 그렇게 하는 것을 보면 리더십이 훌륭하다고 해야 할까요, 아님 인간적으로 성품이 좋다고 해야 할까요? 아무튼 배우고 싶은 덕목이었습니다.

회사가 크든 작든 대표 또는 경영진과 만나서 대화를 나누는 자리는 약간 부담이 됩니다. 자리가 사람을 만든다고, 이럴 때 사용하는 격언은 아니지만, 일정한 자리에 오른 사람을 대하는 마음은 마냥 편안하지 않습니다. 물론 개인 성향으로 대통령을 만나도 쫄지 않고 할 말 다 하는 사람도 있겠습니다. 저와 같은 소심인은 조직의 어른을 만나면 어깨가 자동으로 움츠러드는 것을 펴기 어렵습니다. 

그럼에도 불구하고 이제는 나이 좀 먹었다고 제법 뻔뻔하게 변화한 것 같습니다. 어제는 대표를 만나서 별로 긴장하지 않았습니다. 물론 대표가 아주 편안하게 저를 대해주고 대화도 자연스럽게 잘 이끌어 주어서 더 편안하게 느낀 것이었습니다. 그래도 스스로를 칭찬하는 것은 하고 싶었던 이야기를 두서는 없었지만, 몽땅 꺼낸 용기를 발휘했다는 것입니다. 그것이 저를 어필하기 위함이 아니요, 진심으로 해보고 싶은 일에 대한 내용이라서 회사에 필요한 일이라면 대표가 기억하여 진행이 되면 좋겠습니다. 꼭 제가 그 일을 하는 주인이 아니어도 괜찮습니다. 저는 회사에 필요한 일이고, 그 일이 세상에 긍정적인 영향이 된다면, 누구든 하면 좋겠다고 생각합니다.
저는 세상 모든 조직의 대표 리더를 존경합니다. 그들이 맡고 있는 조직 생존의 책임과 구성원을 리드하는 역할이 얼마나 무거운지 알고 있기 때문입니다.

감히 100% 이해하고 있다고 말하지 못하지만, 50% 아니 30% 정도는 가늠하고 있습니다. 어떻게 30%나 대표의 마음을 이해하냐 하면, 가정과 그 밖의 공동체에서 이제는 어른으로 역할을 하면서 느끼는 부담감이 얼마나 힘든지 조금씩 배워가고 있는 중입니다. 그래서 조직 구성원이 5명이든 500명이든 조직 대표는 존경할 만한 어른이라고 생각합니다.

실제로 조직 대표의 경험과 생각의 깊이는 일반 구성원과 비교하여 차원이 다릅니다. 일반 구성원의 경험과 생각의 깊이 수준이 낮다는 것이 아닙니다. 차원이 다르다는 것은 다른 시각으로 상황과 사물, 사람을 본다는 의미입니다. 예를 들면, 보통 사람의 시야가 정면을 주로 바라본다면, 대표의 시선은 같은 정면을 바라봐도 한곳을 응시하는 것이 아니라 주변과 더 멀리 떨어진 희미한 것도 관찰한다는 것입니다. 제품의 표면뿐만 아니라 제품 안에 무엇이 들었는지 상상하고 궁금해하는 마음이 있습니다.

보통의 사람과 비교하여 경험과 생각이 다를 수밖에 없는 것이 일을 더 많이 하고 더 다양한 사람들을 만납니다. 그리고 크고 작은 사건과 사고를 경험하고 그 일을 해결하기 위해 고난을 겪습니다. 그만큼 고생하며 조직을 이끄는 대표를 계속하고 싶을까 염려와 걱정이 될 정도로 리더의 자리는 무겁고 어렵게 느껴집니다. 하지만 점심 식사와 같이 가벼운 시간에 대표와 대화를 나눌 때, 듣는 이야기 내용은 새로운 영감을 얻게 되어 저도 그런 사람이 되고 싶다는 마음이 듭니다.

특히 거시 경제와 글로벌 트렌드 이해를 가지고 장기적인 비전을 갖고 있는 모습이 멋지게 느껴집니다. 그냥 제 자리에서 공부하면 되는 건가 싶지만, 지식으로 얻을 수 있는 통찰이 아닌 것 같습니다. 조직을 운영하며 위기를 만나고 돌파하며 다시 도약의 기회를 만드는 경험은 책에서 배우기 힘든 것입니다. 물론 개인으로 겪는 크고 작은 풍파도 배우는 경험이 훌륭하지만, 조직을 이끄는 책임감은 물리적인 크기만큼이나 더 무겁고 그만큼 생각이 깊을 수밖에 없다고 생각합니다.

대표와 점심 식사 후 제 자리로 돌아와서 나눴던 이야기를 떠올리며 노트에 정리했습니다. 앞으로 해야 할 일에서 얻은 아이디어와 모르고 있었던 사실을 조금 더 알아보기 위해 글로 적었습니다. 일부 머릿속에서 날아간 대화 내용이 아쉽지만, 기억난 내용이 노트로 옮겨진 이유가 있을 거라고 생각합니다.

여러분도 시간이 된다면, 여러분이 속한 조직의 리더와 대화를 나누어 보세요. 그동안 고민하고 있었던 문제의 힌트를 얻을 수 있습니다. 그리고 놓치고 있었던 중요한 정보를 얻게 되는 소중한 기회가 될 것입니다.

﻿어제는 회사 대표와 점심 식사를 했습니다. 팀 리더가 대표와 식사 자리를 주선해 주었습니다. 대표와 대화를 통해 저를 어필하고 회사에 대해서 더 깊이 알아보라는 의도입니다. 참 팀 리더는 좋은 사람입니다. 대표에게 어필할 기회를 줘서 그런 것이 아니라 회사 내에 사람과 사람을 연결하는 역할을 주도적으로 하는 것이 훌륭하고 본받을만하다고 생각합니다. 굳이 내 시간과 노력을 들여서 연결할 필요가 없는데, 자발적으로 그렇게 하는 것을 보면 리더십이 훌륭하다고 해야 할까요, 아님 인간적으로 성품이 좋다고 해야 할까요? 아무튼 배우고 싶은 덕목이었습니다. 회사가 크든 작든 대표 또는 경영진과 만나서 대화를 나누는 자리는 약간 부담이 됩니다. 자리가 사람을 만든다고, 이럴 때 사용하는 격언은 아니지만, 일정한 자리에 오른 사람을 대하는 마음은 마냥 편안하지 않습니다. 물론 개인 성향으로 대통령을 만나도 쫄지 않고 할 말 다 하는 사람도 있겠습니다. 저와 같은 소심인은 조직의 어른을 만나면 어깨가 자동으로 움츠러드는 것을 펴기 어렵습니다.&nbsp; 그럼에도 불구하고 이제는 나이 좀 먹었다고 제법 뻔뻔하게 변화한 것 같습니다. 어제는 대표를 만나서 별로 긴장하지 않았습니다. 물론 대표가 아주 편안하게 저를 대해주고 대화도 자연스럽게 잘 이끌어 주어서 더 편안하게 느낀 것이었습니다. 그래도 스스로를 칭찬하는 것은 하고 싶었던 이야기를 두서는 없었지만, 몽땅 꺼낸 용기를 발휘했다는 것입니다. 그것이 저를 어필하기 위함이 아니요, 진심으로 해보고 싶은 일에 대한 내용이라서 회사에 필요한 일이라면 대표가 기억하여 진행이 되면 좋겠습니다. 꼭 제가 그 일을 하는 주인이 아니어도 괜찮습니다. 저는 회사에 필요한 일이고, 그 일이 세상에 긍정적인 영향이 된다면, 누구든 하면 좋겠다고 생각합니다.저는 세상 모든 조직의 대표 리더를 존경합니다. 그들이 맡고 있는 조직 생존의 책임과 구성원을 리드하는 역할이 얼마나 무거운지 알고 있기 때문입니다. 감히 100% 이해하고 있다고 말하지 못하지만, 50% 아니 30% 정도는 가늠하고 있습니다. 어떻게 30%나 대표의 마음을 이해하냐 하면, 가정과 그 밖의 공동체에서 이제는 어른으로 역할을 하면서 느끼는 부담감이 얼마나 힘든지 조금씩 배워가고 있는 중입니다. 그래서 조직 구성원이 5명이든 500명이든 조직 대표는 존경할 만한 어른이라고 생각합니다. 실제로 조직 대표의 경험과 생각의 깊이는 일반 구성원과 비교하여 차원이 다릅니다. 일반 구성원의 경험과 생각의 깊이 수준이 낮다는 것이 아닙니다. 차원이 다르다는 것은 다른 시각으로 상황과 사물, 사람을 본다는 의미입니다. 예를 들면, 보통 사람의 시야가 정면을 주로 바라본다면, 대표의 시선은 같은 정면을 바라봐도 한곳을 응시하는 것이 아니라 주변과 더 멀리 떨어진 희미한 것도 관찰한다는 것입니다. 제품의 표면뿐만 아니라 제품 안에 무엇이 들었는지 상상하고 궁금해하는 마음이 있습니다. 보통의 사람과 비교하여 경험과 생각이 다를 수밖에 없는 것이 일을 더 많이 하고 더 다양한 사람들을 만납니다. 그리고 크고 작은 사건과 사고를 경험하고 그 일을 해결하기 위해 고난을 겪습니다. 그만큼 고생하며 조직을 이끄는 대표를 계속하고 싶을까 염려와 걱정이 될 정도로 리더의 자리는 무겁고 어렵게 느껴집니다. 하지만 점심 식사와 같이 가벼운 시간에 대표와 대화를 나눌 때, 듣는 이야기 내용은 새로운 영감을 얻게 되어 저도 그런 사람이 되고 싶다는 마음이 듭니다. 특히 거시 경제와 글로벌 트렌드 이해를 가지고 장기적인 비전을 갖고 있는 모습이 멋지게 느껴집니다. 그냥 제 자리에서 공부하면 되는 건가 싶지만, 지식으로 얻을 수 있는 통찰이 아닌 것 같습니다. 조직을 운영하며 위기를 만나고 돌파하며 다시 도약의 기회를 만드는 경험은 책에서 배우기 힘든 것입니다. 물론 개인으로 겪는 크고 작은 풍파도 배우는 경험이 훌륭하지만, 조직을 이끄는 책임감은 물리적인 크기만큼이나 더 무겁고 그만큼 생각이 깊을 수밖에 없다고 생각합니다. 대표와 점심 식사 후 제 자리로 돌아와서 나눴던 이야기를 떠올리며 노트에 정리했습니다. 앞으로 해야 할 일에서 얻은 아이디어와 모르고 있었던 사실을 조금 더 알아보기 위해 글로 적었습니다. 일부 머릿속에서 날아간 대화 내용이 아쉽지만, 기억난 내용이 노트로 옮겨진 이유가 있을 거라고 생각합니다. 여러분도 시간이 된다면, 여러분이 속한 조직의 리더와 대화를 나누어 보세요. 그동안 고민하고 있었던 문제의 힌트를 얻을 수 있습니다. 그리고 놓치고 있었던 중요한 정보를 얻게 되는 소중한 기회가 될 것입니다.﻿

대표

중장비를 가장 잘~알고, 잘~만드는 HD현대건설기계가 만든 프리미엄 아트토이 <와디즈 최초공개!> 백화점 3사 입점 전, Dgrr중장비 장난감 6종을 가장 먼저 만나보세요!

와디즈 최초 공개｜ HD현대건설기계가 만든 Dgrr 중장비 장난감 6종

HD현대 사내벤처 프로그램에 참여해서 교육과 컨설팅을 진행했던 사내벤처가 드.디.어 제품을 내놓았다! 예전에 몇번 언급하기는 했지만 사업아이템을 공개할 수 없었는데 이제 드디어 공개할 수 있게 되었다. 입이 근질근질했었는데 말이다.

HD현대건설기계의 기계공학 노하우를 적용해서 놀이 뿐 아니라 창의성 증진 교육 목적도 담아 중장비 장난감을 만들었다. 아동용 장남감으로도 좋고, 키덜트의 수집용 장난감으로도 매력적이다. 와디즈를 통해 온라인 선공개하고 메이저 백화점 3사 입점도 예정되어 있다. 해외건설기계전시회와 장난감 전시회를 통해 글로벌 판매도 진행하게 된다.

애정했던 사내벤처팀이었는데 그동안 고생 많으셨고, 이제 날개 달고 로켓 타시죠!

https://www.wadiz.kr/web/wcomingsoon/rwd/333149

HD현대 사내벤처 프로그램에 참여해서 교육과 컨설팅을 진행했던 사내벤처가 드.디.어 제품을 내놓았다! 예전에 몇번 언급하기는 했지만 사업아이템을 공개할 수 없었는데 이제 드디어 공개할 수 있게 되었다. 입이 근질근질했었는데 말이다. HD현대건설기계의 기계공학 노하우를 적용해서 놀이 뿐 아니라 창의성 증진 교육 목적도 담아 중장비 장난감을 만들었다. 아동용 장남감으로도 좋고, 키덜트의 수집용 장난감으로도 매력적이다. 와디즈를 통해 온라인 선공개하고 메이저 백화점 3사 입점도 예정되어 있다. 해외건설기계전시회와 장난감 전시회를 통해 글로벌 판매도 진행하게 된다. 애정했던 사내벤처팀이었는데 그동안 고생 많으셨고, 이제 날개 달고 로켓 타시죠! https://www.wadiz.kr/web/wcomingsoon/rwd/333149

와디즈

﻿
퉁쳐서 계산하지 말아야 합니다. 정확하게 하나하나 따져보고 계산해야 합니다. 제 나쁜 습관 중 하나는 대충 어림잡아 예상하고 일을 하는 것입니다. 까짓것 대충 이렇게 하면 되겠지 하고 시작했다가 낭패를 본 경험이 많습니다. 겉으로 보이는 몇 가지 정보로 좋아 보이면 선택하고, 괜찮아 보이면 덥석 무는 낚기 쉬운 물고기인 편입니다.

그래서 조금만 더 꼼꼼하게 따져 보았더라면 좋았을걸, 후회하는 경우가 종종 있습니다. 대표적으로 물건을 살 때 그렇습니다. 자전거를 사고 싶다는 충동이 들면, 인터넷을 검색합니다. 그러다가 번쩍번쩍 빛나는 광고에 현혹되어 특정 상품에 퐁당 빠져듭니다. 한 번 빠지면 잘 헤어 나오지 못합니다. 여간 더 반짝거리는 다른 상품을 만나지 않는다면, 웬만하면 처음에 빠졌던 상품으로 구매했습니다. 

문제는 알고 보니 더 저렴하고 좋은 제품이 존재했던 사실입니다. 더 가볍고 더 잘나가고 가격도 저렴한 자전거가 있다는 사실을 알게 된 순간, 마치 사기라도 당한 듯 망연자실해집니다. 그리곤 새로 산 자전거에게 마음속으로 이별을 통보합니다. 아마도 저에게 사기를 치지 않았습니다. 혼자 북 치고 장구 치고 다 한 것입니다. 꼼꼼하게 따져보지 않고 그냥 좋아 보이는 몇 가지 정보만 가지고 홀랑 구매한 것입니다. 

물론 그런 선택 중에 계속 좋았던 경우도 있습니다. 다만, 확률적으로 좋지 못했던 경우가 더 많았습니다. 그래서 매번 후회하고 매번 다짐합니다. 앞으로 결정을 하기 전에 꼼꼼하게 따져보리라, 신중하게 선택하겠다고 굳은 다짐을 합니다. 그러나 망각의 동물인 저는 오늘도 까먹고 쉽게 판단하고 쉽게 결정합니다. 좋게 이야기하면 심플, 현실적으로 이야기하면 단순 무식한 사람입니다.

저는 왜 이렇게 퉁쳐서 계산하고 판단하는 걸까요? 자문자답해 보면, 모든 것이 귀찮은 것입니다. 하나하나 탐색하는 것도 귀찮고 비교하여 장점과 단점을 파악하는 것도 귀찮고 합리적인 결론을 도출하는 과정도 귀찮아하는 것입니다. 만사가 귀찮으니 그저 대충 얼추 괜찮아 보이면 모든 것이 다 좋다고 자기 암시를 걸어 의사결정이라는 선택을 내립니다. 그리곤 빠르게 잘 결정하여 좋았다고 스스로를 칭찬합니다.

그래서 여러분은 제가 매일 겪는 시행착오를 겪지 않았으면 좋겠습니다. 퉁쳐서 보지 말고, 하나하나 계산해 보면 좋겠습니다. 선택해야 하는 조건을 하나하나 차분하게 읽어보고 생각해 보세요. 더 나은 옵션은 없는지 찾아보는 일을 게을리하지 말고 열심히 탐색해 보세요. 과정을 기록하여 생각이 어떻게 변화하고 있는지 스스로를 돌아보세요. 그렇게 신중한 생각이 무르익었을 때 의사결정하는 것입니다.

표면적으로 비슷하게 생겨 보이는 것도 자세히 들여다보면 아주 작은 차이를 가지고 있습니다. 특히 대단한 특징을 갖기 어려운 공산품이 그렇습니다. 손톱깎이가 그놈이 그놈 같고, 머리빗도 그 녀석이 그 녀석 같습니다. 그런데 자세히 보면 아주 작은 차이가 있습니다. 디테일이 살아있다는 칭찬을 받는 제품들이 있습니다. 그게 아주 작은 차이를 만드는 장인의 손길에서 태어나는 것입니다. 아니면 반대로 모조품을 찍어내는 공장에서 대충 만든 것도 얼핏 보기에 장인이 만든 것과 비슷해 보이기도 합니다.

회사를 선택하는 순간에도 자세히 들여다보아야 합니다. 문화, 복지, 일을 하는 방식 등 하나하나 꼼꼼하게 따져보는 것입니다. 대충 좋아 보여서 입사하면 100% 반품 또는 중고거래하게 되어 있습니다. 1년도 안 돼서 이직하고 싶은 마음이 드는 이유는 입사를 선택하는 과정이 신중하지 않았기 때문입니다.

회사가 인재를 선택하는 것도 마찬가지입니다. 성격, 역량, 경험, 관심 등을 하나하나 꼼꼼하게 따져 보아야 합니다. 명문 대학교를 졸업하고, 브랜드 인지도 높은 회사 경험이 있는 사람이 좋아 보여서 덥석 채용하면, 후회할 가능성이 58000%입니다. 화려한 스펙을 가진 사람이 훌륭하지 않다는 것이 아니라 회사에 맞는 인재를 고려하지 않고 보이는 것으로 대충 판단하면 안 됩니다.

건강을 유지하려면 우리 몸 하나하나를 들여다보아야 합니다. 손과 발, 얼굴, 몸과 같이 눈으로 확인할 수 있는 것도 중요합니다. 우리가 정기적으로 건강검진을 받으러 가서 눈으로 직접 볼 수 없는 장기를 사진 찍고 두드려보는 이유는 꼼꼼하게 확인하기 위해서입니다. 전신사진을 한 번에 찍어서 건강한지 판단할 수 있다면 좋으련만 뇌 따라 폐 따로 콩팥 따로 하나하나 살펴봐야 비로소 건강한지 알 수 있습니다.

귀찮음을 극복하고 꼼꼼하게 확인하는 우리가 되길 진심으로 응원합니다.

﻿퉁쳐서 계산하지 말아야 합니다. 정확하게 하나하나 따져보고 계산해야 합니다. 제 나쁜 습관 중 하나는 대충 어림잡아 예상하고 일을 하는 것입니다. 까짓것 대충 이렇게 하면 되겠지 하고 시작했다가 낭패를 본 경험이 많습니다. 겉으로 보이는 몇 가지 정보로 좋아 보이면 선택하고, 괜찮아 보이면 덥석 무는 낚기 쉬운 물고기인 편입니다. 그래서 조금만 더 꼼꼼하게 따져 보았더라면 좋았을걸, 후회하는 경우가 종종 있습니다. 대표적으로 물건을 살 때 그렇습니다. 자전거를 사고 싶다는 충동이 들면, 인터넷을 검색합니다. 그러다가 번쩍번쩍 빛나는 광고에 현혹되어 특정 상품에 퐁당 빠져듭니다. 한 번 빠지면 잘 헤어 나오지 못합니다. 여간 더 반짝거리는 다른 상품을 만나지 않는다면, 웬만하면 처음에 빠졌던 상품으로 구매했습니다.&nbsp; 문제는 알고 보니 더 저렴하고 좋은 제품이 존재했던 사실입니다. 더 가볍고 더 잘나가고 가격도 저렴한 자전거가 있다는 사실을 알게 된 순간, 마치 사기라도 당한 듯 망연자실해집니다. 그리곤 새로 산 자전거에게 마음속으로 이별을 통보합니다. 아마도 저에게 사기를 치지 않았습니다. 혼자 북 치고 장구 치고 다 한 것입니다. 꼼꼼하게 따져보지 않고 그냥 좋아 보이는 몇 가지 정보만 가지고 홀랑 구매한 것입니다.&nbsp; 물론 그런 선택 중에 계속 좋았던 경우도 있습니다. 다만, 확률적으로 좋지 못했던 경우가 더 많았습니다. 그래서 매번 후회하고 매번 다짐합니다. 앞으로 결정을 하기 전에 꼼꼼하게 따져보리라, 신중하게 선택하겠다고 굳은 다짐을 합니다. 그러나 망각의 동물인 저는 오늘도 까먹고 쉽게 판단하고 쉽게 결정합니다. 좋게 이야기하면 심플, 현실적으로 이야기하면 단순 무식한 사람입니다. 저는 왜 이렇게 퉁쳐서 계산하고 판단하는 걸까요? 자문자답해 보면, 모든 것이 귀찮은 것입니다. 하나하나 탐색하는 것도 귀찮고 비교하여 장점과 단점을 파악하는 것도 귀찮고 합리적인 결론을 도출하는 과정도 귀찮아하는 것입니다. 만사가 귀찮으니 그저 대충 얼추 괜찮아 보이면 모든 것이 다 좋다고 자기 암시를 걸어 의사결정이라는 선택을 내립니다. 그리곤 빠르게 잘 결정하여 좋았다고 스스로를 칭찬합니다. 그래서 여러분은 제가 매일 겪는 시행착오를 겪지 않았으면 좋겠습니다. 퉁쳐서 보지 말고, 하나하나 계산해 보면 좋겠습니다. 선택해야 하는 조건을 하나하나 차분하게 읽어보고 생각해 보세요. 더 나은 옵션은 없는지 찾아보는 일을 게을리하지 말고 열심히 탐색해 보세요. 과정을 기록하여 생각이 어떻게 변화하고 있는지 스스로를 돌아보세요. 그렇게 신중한 생각이 무르익었을 때 의사결정하는 것입니다. 표면적으로 비슷하게 생겨 보이는 것도 자세히 들여다보면 아주 작은 차이를 가지고 있습니다. 특히 대단한 특징을 갖기 어려운 공산품이 그렇습니다. 손톱깎이가 그놈이 그놈 같고, 머리빗도 그 녀석이 그 녀석 같습니다. 그런데 자세히 보면 아주 작은 차이가 있습니다. 디테일이 살아있다는 칭찬을 받는 제품들이 있습니다. 그게 아주 작은 차이를 만드는 장인의 손길에서 태어나는 것입니다. 아니면 반대로 모조품을 찍어내는 공장에서 대충 만든 것도 얼핏 보기에 장인이 만든 것과 비슷해 보이기도 합니다. 회사를 선택하는 순간에도 자세히 들여다보아야 합니다. 문화, 복지, 일을 하는 방식 등 하나하나 꼼꼼하게 따져보는 것입니다. 대충 좋아 보여서 입사하면 100% 반품 또는 중고거래하게 되어 있습니다. 1년도 안 돼서 이직하고 싶은 마음이 드는 이유는 입사를 선택하는 과정이 신중하지 않았기 때문입니다. 회사가 인재를 선택하는 것도 마찬가지입니다. 성격, 역량, 경험, 관심 등을 하나하나 꼼꼼하게 따져 보아야 합니다. 명문 대학교를 졸업하고, 브랜드 인지도 높은 회사 경험이 있는 사람이 좋아 보여서 덥석 채용하면, 후회할 가능성이 58000%입니다. 화려한 스펙을 가진 사람이 훌륭하지 않다는 것이 아니라 회사에 맞는 인재를 고려하지 않고 보이는 것으로 대충 판단하면 안 됩니다. 건강을 유지하려면 우리 몸 하나하나를 들여다보아야 합니다. 손과 발, 얼굴, 몸과 같이 눈으로 확인할 수 있는 것도 중요합니다. 우리가 정기적으로 건강검진을 받으러 가서 눈으로 직접 볼 수 없는 장기를 사진 찍고 두드려보는 이유는 꼼꼼하게 확인하기 위해서입니다. 전신사진을 한 번에 찍어서 건강한지 판단할 수 있다면 좋으련만 뇌 따라 폐 따로 콩팥 따로 하나하나 살펴봐야 비로소 건강한지 알 수 있습니다. 귀찮음을 극복하고 꼼꼼하게 확인하는 우리가 되길 진심으로 응원합니다.﻿

퉁치기

﻿
어제는 지식을 공유하는 콘텐츠 제작 방법을 배우는 두 번째 수업이 있었습니다. 지난번 강연 주제가 지식을 공유하는 콘텐츠 주제를 정하는 과정이라면, 어제는 커리큘럼을 기획하는 방법을 배웠습니다. 

어제도 지난주와 마찬가지로 회사에서 오후 5:30에 퇴근하여 쏜살같이 수업을 듣는 장소로 이동했습니다. 어찌나 서둘러갔는지 땀이 흠뻑 배었습니다. 몸은 힘들었지만, 새로운 환경을 방문하여 비슷한 목표를 가진 다양한 직업을 가진 사람들을 만나는 것이 흥미롭게 느껴졌습니다.

샌드위치와 보리차로 간단히 저녁식사를 해결하고 함께 수업을 듣는 사람들과 지난 주차 과제에 대해서 이야기 나누었습니다. 첫 술에 배부를 수 없겠지만, 시작부터 난관을 겪었다는 것이 중론이었습니다. 지난주 과제는 주제를 정해서 내용이 완전하지 않은 강의 콘텐츠를 완성해 보는 것이었습니다. 아마도 과제 의도는 지식을 공유하는 콘텐츠 전반에 필요한 내용을 탐색해 보는 기회라고 이해했습니다.

사실 본 수업에 참여하기 전에 만들어 보고 싶은 콘텐츠 주제가 확고했습니다. 사람들에게 커리어 관리 방법을 전달하고 싶었습니다. 그런데 욕심쟁이로 태어난 탓에 더 많은 사람들에게 관심을 받고 싶다는 생각이 들었습니다. 그래서 어떤 주제가 사람들이 호기심을 가질지, 더 많은 사람들에게 선택받을 수 있는 가능성이 높을지 고민이 되었습니다. 그리고 제가 잘할 수 있는 이야기와 좋아하는 이야기, 많은 사람들이 관심을 가질 법한 이야기가 서로 달라서 더 고뇌하게 되었습니다.

제가 잘할 수 있는 이야기는 당연히 취업과 이직에 대한 노하우입니다. 제가 좋아하는 이야기는 개인 브랜드 이미지를 만드는 노력에 대한 내용입니다. 그리고 많은 사람들이 관심을 가질 법한 이야기는 AI 활용과 부수입 창출이라고 생각했습니다. 절묘하게 세 가지 주제가 별로 교집합이 없다고 판단하여 고민이 되었던 것입니다. 머리를 부여잡고 있던 순간 도움의 손길이 나타났습니다.
잠재 고객이자 냉철한 피드백을 줄 수 있는 주변 동료가 있었던 것입니다. 역시 객관적 시선을 갖는 가장 빠르고 정확한 방법은 잠재 고객이 될 수 있는 사람을 만나서 피드백 받는 것입니다. 저는 먼저 지식을 공유하는 수업 운영진 중 한 분에게 고민을 토로했습니다. 그러자 예상했던 것과 같이 많은 사람들이 관심을 가질 법한 AI 활용과 부수입 창출이 제일 흥미롭게 들린다고 피드백 해주었습니다.

그다음으로 우연히 만난 전 직장 동료에게 콘텐츠 주제로 세 가지 내용 중 무엇이 가장 좋을지 의견을 구했습니다. 지식을 공유하는 콘텐츠 제작 수업에 우연히 전 직장 동료도 함께 참여를 했던 것입니다. (대한민국은 정말 좁은 나라입니다. 착하게 삽시다) 이번에도 마찬가지 결과를 얻었습니다. 요즘 시대에는 무조건 AI 활용이 화두가 될 수밖에 없다는 의견이었습니다. 아무리 많은 사람들이 AI 활용 관련 콘텐츠를 만들고 배포해도 탁월한 전문성을 가진 사람과 콘텐츠가 아직 없기 때문에 무주공산이라는 의견입니다. 

이슈는 제가 AI 활용과 부수입 창출에 탁월한 지식이나 역량을 가진 사람이 아니라는 점입니다. 그럼에도 불구하고 관련 주제로 지식을 공유하는 콘텐츠를 만든다면, 초보자가 입문자에게 설명하는 아주 쉬운 내용이 될 것입니다. 이러한 콘셉트도 괜찮은지 앞서 만났다고 한두 분에게 물었더니 긍정적인 피드백을 주었습니다. 아주 전문적일 수 없다면, 아주 쉽게 설명하는 내용이 좋다는 의견입니다.

피드백을 듣고 곰곰이 생각해 보니 정말 그렇습니다. 내가 잘 모르는 분야에 입문 과정에서 대단한 전문가의 어려운 이야기를 들으면 흥미가 사라지고 맙니다. 가까운 사이에 사람이 쉽게 설명해 주면 이해가 잘 되고, 더 알아보고 싶다는 흥미가 생깁니다. 일리가 있는 이야기라고 공감이 되어 고민 끝에 주제를 정하게 되었습니다. ‘AI 활용한 부수입 만들기’입니다. 과연 제가 해당 주제로 지식 공유 콘텐츠를 완성해 낼 수 있을지 계속 지켜봐 주세요.

커리큘럼을 기획하는 방법을 짧게 공유하면 다음과 같은 순서로 준비가 필요하다고 배웠습니다. 첫 번째, 비슷한 주제의 콘텐츠 커리큘럼을 참고합니다. 특히 많은 사람들에게 사랑받는 콘텐츠의 커리큘럼을 참고하여 어떤 특징이 있는지 파악하고 벤치마킹해 보는 것입니다. 두 번째, 자료를 모읍니다. 어떤 자료를 모으냐 하면, 공유하고 싶은 지식 주제와 관련된 자료를 모으는 것입니다. 물론 척척박사로 머릿속에 모든 지식이 담겨 있다면 따로 자료를 모을 필요는 없습니다. 그냥 보통 사람이라면 잘 알고 있는 주제라도 최신 자료를 탐색하고 수집할 필요가 있습니다. 지식을 공유하는 콘텐츠 핵심 중 하나는 얼마나 최신 자료 인가입니다.

세 번째, 마인드 맵을 그려보는 것입니다. 주제와 관련된 생각에 가지를 뻗어보는 것이죠. 무성하게 가지를 내다보면 어느새 자연스럽게 커리큘럼이 구성된다는 개념입니다. 네 번째, 참고한 자료와 기획한 초안을 문서에 정리해 보는 것입니다. 그리고 마지막은 제가 주제를 정하는 과정에서 소개한 것처럼 주변 동료에게 피드백 받아보는 것입니다.

﻿어제는 지식을 공유하는 콘텐츠 제작 방법을 배우는 두 번째 수업이 있었습니다. 지난번 강연 주제가 지식을 공유하는 콘텐츠 주제를 정하는 과정이라면, 어제는 커리큘럼을 기획하는 방법을 배웠습니다.&nbsp; 어제도 지난주와 마찬가지로 회사에서 오후 5:30에 퇴근하여 쏜살같이 수업을 듣는 장소로 이동했습니다. 어찌나 서둘러갔는지 땀이 흠뻑 배었습니다. 몸은 힘들었지만, 새로운 환경을 방문하여 비슷한 목표를 가진 다양한 직업을 가진 사람들을 만나는 것이 흥미롭게 느껴졌습니다. 샌드위치와 보리차로 간단히 저녁식사를 해결하고 함께 수업을 듣는 사람들과 지난 주차 과제에 대해서 이야기 나누었습니다. 첫 술에 배부를 수 없겠지만, 시작부터 난관을 겪었다는 것이 중론이었습니다. 지난주 과제는 주제를 정해서 내용이 완전하지 않은 강의 콘텐츠를 완성해 보는 것이었습니다. 아마도 과제 의도는 지식을 공유하는 콘텐츠 전반에 필요한 내용을 탐색해 보는 기회라고 이해했습니다. 사실 본 수업에 참여하기 전에 만들어 보고 싶은 콘텐츠 주제가 확고했습니다. 사람들에게 커리어 관리 방법을 전달하고 싶었습니다. 그런데 욕심쟁이로 태어난 탓에 더 많은 사람들에게 관심을 받고 싶다는 생각이 들었습니다. 그래서 어떤 주제가 사람들이 호기심을 가질지, 더 많은 사람들에게 선택받을 수 있는 가능성이 높을지 고민이 되었습니다. 그리고 제가 잘할 수 있는 이야기와 좋아하는 이야기, 많은 사람들이 관심을 가질 법한 이야기가 서로 달라서 더 고뇌하게 되었습니다. 제가 잘할 수 있는 이야기는 당연히 취업과 이직에 대한 노하우입니다. 제가 좋아하는 이야기는 개인 브랜드 이미지를 만드는 노력에 대한 내용입니다. 그리고 많은 사람들이 관심을 가질 법한 이야기는 AI 활용과 부수입 창출이라고 생각했습니다. 절묘하게 세 가지 주제가 별로 교집합이 없다고 판단하여 고민이 되었던 것입니다. 머리를 부여잡고 있던 순간 도움의 손길이 나타났습니다.잠재 고객이자 냉철한 피드백을 줄 수 있는 주변 동료가 있었던 것입니다. 역시 객관적 시선을 갖는 가장 빠르고 정확한 방법은 잠재 고객이 될 수 있는 사람을 만나서 피드백 받는 것입니다. 저는 먼저 지식을 공유하는 수업 운영진 중 한 분에게 고민을 토로했습니다. 그러자 예상했던 것과 같이 많은 사람들이 관심을 가질 법한 AI 활용과 부수입 창출이 제일 흥미롭게 들린다고 피드백 해주었습니다. 그다음으로 우연히 만난 전 직장 동료에게 콘텐츠 주제로 세 가지 내용 중 무엇이 가장 좋을지 의견을 구했습니다. 지식을 공유하는 콘텐츠 제작 수업에 우연히 전 직장 동료도 함께 참여를 했던 것입니다. (대한민국은 정말 좁은 나라입니다. 착하게 삽시다) 이번에도 마찬가지 결과를 얻었습니다. 요즘 시대에는 무조건 AI 활용이 화두가 될 수밖에 없다는 의견이었습니다. 아무리 많은 사람들이 AI 활용 관련 콘텐츠를 만들고 배포해도 탁월한 전문성을 가진 사람과 콘텐츠가 아직 없기 때문에 무주공산이라는 의견입니다.&nbsp; 이슈는 제가 AI 활용과 부수입 창출에 탁월한 지식이나 역량을 가진 사람이 아니라는 점입니다. 그럼에도 불구하고 관련 주제로 지식을 공유하는 콘텐츠를 만든다면, 초보자가 입문자에게 설명하는 아주 쉬운 내용이 될 것입니다. 이러한 콘셉트도 괜찮은지 앞서 만났다고 한두 분에게 물었더니 긍정적인 피드백을 주었습니다. 아주 전문적일 수 없다면, 아주 쉽게 설명하는 내용이 좋다는 의견입니다. 피드백을 듣고 곰곰이 생각해 보니 정말 그렇습니다. 내가 잘 모르는 분야에 입문 과정에서 대단한 전문가의 어려운 이야기를 들으면 흥미가 사라지고 맙니다. 가까운 사이에 사람이 쉽게 설명해 주면 이해가 잘 되고, 더 알아보고 싶다는 흥미가 생깁니다. 일리가 있는 이야기라고 공감이 되어 고민 끝에 주제를 정하게 되었습니다. ‘AI 활용한 부수입 만들기’입니다. 과연 제가 해당 주제로 지식 공유 콘텐츠를 완성해 낼 수 있을지 계속 지켜봐 주세요. 커리큘럼을 기획하는 방법을 짧게 공유하면 다음과 같은 순서로 준비가 필요하다고 배웠습니다. 첫 번째, 비슷한 주제의 콘텐츠 커리큘럼을 참고합니다. 특히 많은 사람들에게 사랑받는 콘텐츠의 커리큘럼을 참고하여 어떤 특징이 있는지 파악하고 벤치마킹해 보는 것입니다. 두 번째, 자료를 모읍니다. 어떤 자료를 모으냐 하면, 공유하고 싶은 지식 주제와 관련된 자료를 모으는 것입니다. 물론 척척박사로 머릿속에 모든 지식이 담겨 있다면 따로 자료를 모을 필요는 없습니다. 그냥 보통 사람이라면 잘 알고 있는 주제라도 최신 자료를 탐색하고 수집할 필요가 있습니다. 지식을 공유하는 콘텐츠 핵심 중 하나는 얼마나 최신 자료 인가입니다. 세 번째, 마인드 맵을 그려보는 것입니다. 주제와 관련된 생각에 가지를 뻗어보는 것이죠. 무성하게 가지를 내다보면 어느새 자연스럽게 커리큘럼이 구성된다는 개념입니다. 네 번째, 참고한 자료와 기획한 초안을 문서에 정리해 보는 것입니다. 그리고 마지막은 제가 주제를 정하는 과정에서 소개한 것처럼 주변 동료에게 피드백 받아보는 것입니다.﻿

지식 공유 (2)

ChatGPT 런칭시, 5일만에 백만명의 사용자가 등록하면서 역사상 가장 빠르게 1백만 사용자를 획득한 서비스가 되었었는데요.

그런데 이번 이미지 생성 모델 출시 후 인터넷이 지브리피케이션되면서, 한시간만에 백만명의 사용자를 획득했다고 합니다.

생산성이고 뭐고, 역시 재미난게 짱짱맨이네요.

ChatGPT 런칭시, 5일만에 백만명의 사용자가 등록하면서 역사상 가장 빠르게 1백만 사용자를 획득한 서비스가 되었었는데요. 그런데 이번 이미지 생성 모델 출시 후 인터넷이 지브리피케이션되면서, 한시간만에 백만명의 사용자를 획득했다고 합니다. 생산성이고 뭐고, 역시 재미난게 짱짱맨이네요.

In this paper, we revisit one of the simplest problems in data structures: the task of inserting elements into an open-addressed hash table so that elements can later be retrieved with as few probes as possible. We show that, even without reordering elements over time, it is possible to construct a hash table that achieves far better expected search complexities (both amortized and worst-case) than were previously thought possible. Along the way, we disprove the central conjecture left by Yao in his seminal paper ``Uniform Hashing is Optimal''. All of our results come with matching lower bounds.

Optimal Bounds for Open Addressing Without Reordering

📰 대학생이 40년만에 해시테이블의 성능 향상을 이뤄냈다고

해시테이블 알고리즘은 워낙 오래된 연구라서 아무도 그 이상 최적화하기 어렵다고 생각했는데, Andrew Krapivin이라는 학부생이 그 틀을 깨고 알고리즘을 발명했다는 것이 재미난 포인트입니다.

역시 아직 미해결 문제는 많고, 상식이라는 고정관념에 쩌들지 않은 ㅎㅎ 새로운 세대만이 해결할 수 있는 문제도 많지 않나 싶네요.

논문: https://arxiv.org/abs/2501.02305

기사: https://www.wired.com/story/undergraduate-upends-a-40-year-old-data-science-conjecture/

📰 대학생이 40년만에 해시테이블의 성능 향상을 이뤄냈다고 해시테이블 알고리즘은 워낙 오래된 연구라서 아무도 그 이상 최적화하기 어렵다고 생각했는데, Andrew Krapivin이라는 학부생이 그 틀을 깨고 알고리즘을 발명했다는 것이 재미난 포인트입니다. 역시 아직 미해결 문제는 많고, 상식이라는 고정관념에 쩌들지 않은 ㅎㅎ 새로운 세대만이 해결할 수 있는 문제도 많지 않나 싶네요. 논문: https://arxiv.org/abs/2501.02305 기사: https://www.wired.com/story/undergraduate-upends-a-40-year-old-data-science-conjecture/

arXiv.org

📰 대학생이 40년만에 해시테이블의 성능 향상을 이뤄냈다고

해시

Self-hosted news, content, updates, launches, events, and more

selfh.st - Self-hosted content and software

중앙화된 서비스에 지친 분들을 위한 셀프 호스팅 솔루션 총정리입니다!
1년 이상 안정적으로 운영해본 경험을 바탕으로 정리했다고 해요!

🐳 컨테이너 런타임:
 * 초보자는 Docker로 시작하세요 (풍부한 문서+커뮤니티)
 * 보안 중시하면 Podman (루트리스 구조)
 * 도전정신 있다면 Kubernetes (복잡하지만 학습 가치↑)

🖥️ 웹 관리툴:
 * Portainer: 안정적이고 직관적인 관리 도구
 * Dockge: 간단하고 가벼운 신규 솔루션

🔒 리버스프록시/VPN:
 * Pangolin: "셀프 호스팅용 Cloudflare" (강추!)
 * NPM: 쉬운 웹UI, 불안정한 면도 있음
 * NetBird: WireGuard 기반 자동 VPN 구성

더 많은 셀프호스팅 솔루션은
awesome-selfhosted
레포나 Selfh.st 참고 하세요!

https://news.hada.io/topic?id=20108

중앙화된 서비스에 지친 분들을 위한 셀프 호스팅 솔루션 총정리입니다! 1년 이상 안정적으로 운영해본 경험을 바탕으로 정리했다고 해요! 🐳 컨테이너 런타임:<ul ><li>초보자는 Docker로 시작하세요 (풍부한 문서+커뮤니티)</li><li>보안 중시하면 Podman (루트리스 구조)</li><li>도전정신 있다면 Kubernetes (복잡하지만 학습 가치↑)</li></ul> 🖥️ 웹 관리툴:<ul ><li>Portainer: 안정적이고 직관적인 관리 도구</li><li>Dockge: 간단하고 가벼운 신규 솔루션</li></ul> 🔒 리버스프록시/VPN:<ul ><li>Pangolin: "셀프 호스팅용 Cloudflare" (강추!)</li><li>NPM: 쉬운 웹UI, 불안정한 면도 있음</li><li>NetBird: WireGuard 기반 자동 VPN 구성</li></ul> 더 많은 셀프호스팅 솔루션은 <code >awesome-selfhosted</code> 레포나 Selfh.st 참고 하세요! https://news.hada.io/topic?id=20108

selfh.st

🚀 [2025 셀프 호스팅 가이드]

코딩 인터뷰를 하던 중 지원자로부터 AI를 써도 되겠냐는 질문을 받았습니다. 인터넷 검색을 해도 되냐고 물어보는 지원자는 종종 만나는데, AI를 써도 되느냐는 질문은 처음 받아봐서 좀 당황스럽더군요. 어떤 용도로 AI를 사용하시려는지 물어보았고, 익숙치 않은 프로그래밍 언어의 사용법을 찾기 위해서라는 답변을 들었습니다. 지원자가 대학생이어서 특정 언어를 능숙하게 다룰 거라는 기대는 없었습니다. 그래서 화면을 공유하는 전제 하에 AI를 사용하도록 허락하였죠.

지원자는 ChatGPT를 열고 해당 언어에서 어떻게 힙(heap) 자료구조를 사용하는지 물어보았습니다. 언제나 그렇듯 ChatGPT는 어떻게 힙을 생성하고, 원소를 추가/삭제하는지에 대해서 아주 상세하게 적어주기 시작했습니다. 그러나 너무나 친절한 나머지 ChatGPT는 힙을 활용할 수 있는 대표적인 사례까지 나열해줬는데, 그 중에 인터뷰에서 출제한 문제가 포함되어 있었습니다. (Co-op 채용이라서 아주 기초 수준의 문제였거든요 😅)

당황한 기색이 역력한 지원자는 급하게 화면을 전환하였습니다. 하지만 그 이후부터는 계속해서 신경이 쓰이는지 인터뷰에 집중을 하지 못하는 모습이었습니다. 결국은 시간 내에 답안을 완성하지 못했고, 본인이 작성한 코드에 대해서도 명확히 설명하지 못했습니다. 아무래도 스스로 망했다고 생각하고 이미 인터뷰를 포기한 느낌을 받았습니다. 첫 번째 문제는 잘 푸셨기 때문에, 오히려 두 번째 문제에서 AI를 쓰지 않으셨다면 합격하실 수도 있으셨을 것 같아서 참 안타까웠습니다.

인터뷰가 끝나고 많은 생각이 들었습니다. 이미 AI가 대학생들의 삶에 깊숙히 스며든 것 같고, 현직 개발자들도 AI의 도움을 받아 업무를 수행하고 있는 상황이죠. 코딩 인터뷰라고 해서 AI를 쓰지 못하게 할 이유가 있을까요? 과연 저처럼 불완전한 인간이 면접관으로서 AI로 인해 거의 신급의 지능을 갖게 된 지원자들을 평가할 수 있을까요? 어디까지가 AI의 버프이고 어디까지가 지원자의 순수한 능력인지 어떻게 판단할 수 있을까요?

코딩 인터뷰를 하던 중 지원자로부터 AI를 써도 되겠냐는 질문을 받았습니다. 인터넷 검색을 해도 되냐고 물어보는 지원자는 종종 만나는데, AI를 써도 되느냐는 질문은 처음 받아봐서 좀 당황스럽더군요. 어떤 용도로 AI를 사용하시려는지 물어보았고, 익숙치 않은 프로그래밍 언어의 사용법을 찾기 위해서라는 답변을 들었습니다. 지원자가 대학생이어서 특정 언어를 능숙하게 다룰 거라는 기대는 없었습니다. 그래서 화면을 공유하는 전제 하에 AI를 사용하도록 허락하였죠. 지원자는 ChatGPT를 열고 해당 언어에서 어떻게 힙(heap) 자료구조를 사용하는지 물어보았습니다. 언제나 그렇듯 ChatGPT는 어떻게 힙을 생성하고, 원소를 추가/삭제하는지에 대해서 아주 상세하게 적어주기 시작했습니다. 그러나 너무나 친절한 나머지 ChatGPT는 힙을 활용할 수 있는 대표적인 사례까지 나열해줬는데, 그 중에 인터뷰에서 출제한 문제가 포함되어 있었습니다. (Co-op 채용이라서 아주 기초 수준의 문제였거든요 😅) 당황한 기색이 역력한 지원자는 급하게 화면을 전환하였습니다. 하지만 그 이후부터는 계속해서 신경이 쓰이는지 인터뷰에 집중을 하지 못하는 모습이었습니다. 결국은 시간 내에 답안을 완성하지 못했고, 본인이 작성한 코드에 대해서도 명확히 설명하지 못했습니다. 아무래도 스스로 망했다고 생각하고 이미 인터뷰를 포기한 느낌을 받았습니다. 첫 번째 문제는 잘 푸셨기 때문에, 오히려 두 번째 문제에서 AI를 쓰지 않으셨다면 합격하실 수도 있으셨을 것 같아서 참 안타까웠습니다. 인터뷰가 끝나고 많은 생각이 들었습니다. 이미 AI가 대학생들의 삶에 깊숙히 스며든 것 같고, 현직 개발자들도 AI의 도움을 받아 업무를 수행하고 있는 상황이죠. 코딩 인터뷰라고 해서 AI를 쓰지 못하게 할 이유가 있을까요? 과연 저처럼 불완전한 인간이 면접관으로서 AI로 인해 거의 신급의 지능을 갖게 된 지원자들을 평가할 수 있을까요? 어디까지가 AI의 버프이고 어디까지가 지원자의 순수한 능력인지 어떻게 판단할 수 있을까요?

코딩 인터뷰 중 AI를 사용해도 될까요...? 🤔

Java에서 병렬 처리나 비동기 작업을 구현할 때 Thread를 직접 생성해 사용하는 방식은 더 이상 일반적이지 않습니다. 요즘 Java에서는 ExecutorService를 사용하여 스레드 풀(Thread Pool)을 효율적으로 관리하는 것이 표준입니다. 특히 Executors 클래스에서 제공하는 팩토리 메서드들을 활용하면 다양한 유형의 스레드 풀을 간편하게 생성할 수 있습니다.이번 글에서는 Executors가 제공하는 대표적인 스레드 풀 4종류를 살펴보고, 각각의 사용 시나리오와 주의할 점을 예제 중심으로 정리해보겠습니다. newFixedThreadPool(int nThreads)이 메서드는 정해진 개수만큼의 스레드를 미리 생성하고, 그 스레드들이 재사용되며 작업을 처리합니다. 더 많은 작업이 들어오면..

Java의 ExecutorService 스레드 풀 정복하기

이번 글에서는 Executors가 제공하는 대표적인 스레드 풀 4종류를 살펴보고, 각각의 사용 시나리오와 주의할 점을 예제 중심으로 정리해보겠습니다.
 
newFixedThreadPool(int nThreads)
이 메서드는 정해진 개수만큼의 스레드를 미리 생성하고, 그 스레드들이 재사용되며 작업을 처리합니다. 더 많은 작업이 들어오면 내부 큐에 쌓이고, 기존 스레드들이 작업을 처리하면 순차적으로 소비됩니다.
ExecutorService executor = Executors.newFixedThreadPool(4); 

✅ 사용 시점
 * 처리할 작업량은 많지만, 동시에 처리해야 하는 작업 수를 제한하고 싶은 경우
 * CPU 자원을 고르게 사용하며, 안정적인 처리량을 원하는 경우
🧪 예시
for (int i = 0; i < 10; i++) {
 final int taskId = i;
 executor.submit(() -> {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 Thread.sleep(1000); // 모의 작업
 });
}

⚠️ 주의
 * 과도하게 큰 작업 큐가 쌓일 수 있음 → 메모리 사용량 증가
 * 스레드 수는 CPU 코어 수나 애플리케이션 특성에 맞게 설정해야 함
 
newCachedThreadPool()
이 스레드 풀은 요청이 많으면 새로운 스레드를 계속 생성하고, 특정 기간 동안 사용되지 않으면 제거합니다. 캐시된 스레드를 재사용하므로 빠르고 유연합니다.
ExecutorService executor = Executors.newCachedThreadPool();

✅ 사용 시점
 * 작업이 짧고 빠르게 끝나는 I/O 중심의 작업일 때
 * 짧은 burst가 자주 발생하는 상황에서 유용
🧪 예시
for (int i = 0; i < 100; i++) {
 final int taskId = i;
 executor.submit(() -> {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 });
} 

⚠️ 주의
 * 요청이 많을 경우 스레드가 무제한으로 늘어나 과부하가 될 수 있음
 → 실제 운영에서는 ThreadPoolExecutor로 커스텀 제어 필요
 
newSingleThreadExecutor()
항상 단 하나의 스레드만 사용하여 작업을 처리합니다. 작업은 FIFO 순서로 실행되며, 순서가 중요한 로직에 적합합니다.
ExecutorService executor = Executors.newSingleThreadExecutor();

✅ 사용 시점
 * 작업 순서가 중요할 때
 * 하나의 리소스(DB, 파일 등)에 대해 직렬화된 접근이 필요할 때
🧪 예시
for (int i = 0; i < 5; i++) {
 final int taskId = i;
 executor.submit(() -> {
 System.out.println("Processing task " + taskId);
 Thread.sleep(500);
 });
} 

⚠️ 주의
 * 하나의 스레드에 의존하기 때문에 처리량은 낮음
 * 스레드가 죽으면 새로운 스레드로 대체되므로 중단되지는 않음
 
newScheduledThreadPoool(int corePoolSize)
지연 실행(delay)이나 주기적인 작업(interval) 실행에 특화된 스레드 풀입니다. ScheduledExecutorService를 반환하며, Java의 타이머 역할도 수행할 수 있습니다.
ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(2);

✅ 사용 시점
 * 주기적인 백업 작업, 모니터링, 알림 전송 등
 * 특정 시간 후 작업을 실행하고 싶을 때
🧪 예시
scheduler.scheduleAtFixedRate(() -> {
 System.out.println("Heartbeat sent by " + Thread.currentThread().getName());
}, 1, 5, TimeUnit.SECONDS); // 1초 후 시작, 5초마다 반복

⚠️ 주의
 * 작업이 너무 오래 걸리면 다음 주기 작업이 지연될 수 있음
 → 처리 시간이 일정하지 않다면 scheduleWithFixedDelay()를 고려
 
 
🧠 마무리
Java에서 Executors 팩토리 메서드는 다양한 형태의 스레드 풀을 간단히 생성할 수 있게 도와줍니다. 하지만, 운영 환경에서는 ThreadPoolExecutor를 직접 생성하여 작업 큐, 최대 스레드 수, 거부 정책 등을 세밀하게 조절하는 것이 더욱 안전하고 확장성 있는 선택입니다.

이번 글에서는 Executors가 제공하는 대표적인 스레드 풀 4종류를 살펴보고, 각각의 사용 시나리오와 주의할 점을 예제 중심으로 정리해보겠습니다.&nbsp;newFixedThreadPool(int nThreads)이 메서드는 정해진 개수만큼의 스레드를 미리 생성하고, 그 스레드들이 재사용되며 작업을 처리합니다. 더 많은 작업이 들어오면 내부 큐에 쌓이고, 기존 스레드들이 작업을 처리하면 순차적으로 소비됩니다.<pre ><code class="language-java">ExecutorService executor = Executors.newFixedThreadPool(4);&nbsp;</code></pre>✅ 사용 시점<ul ><li>처리할 작업량은 많지만, 동시에 처리해야 하는 작업 수를 제한하고 싶은 경우</li><li>CPU 자원을 고르게 사용하며, 안정적인 처리량을 원하는 경우</li></ul>🧪 예시<pre ><code class="language-java">for (int i = 0; i &lt; 10; i++) {
 final int taskId = i;
 executor.submit(() -&gt; {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 Thread.sleep(1000); // 모의 작업
 });
}</code></pre>⚠️ 주의<ul ><li>과도하게 큰 작업 큐가 쌓일 수 있음 → 메모리 사용량 증가</li><li>스레드 수는 CPU 코어 수나 애플리케이션 특성에 맞게 설정해야 함</li></ul>&nbsp;newCachedThreadPool()이 스레드 풀은 요청이 많으면 새로운 스레드를 계속 생성하고, 특정 기간&nbsp;동안 사용되지 않으면 제거합니다. 캐시된 스레드를 재사용하므로 빠르고 유연합니다.<pre ><code class="language-java">ExecutorService executor = Executors.newCachedThreadPool();</code></pre>✅ 사용 시점<ul ><li>작업이 짧고 빠르게 끝나는 I/O 중심의 작업일 때</li><li>짧은 burst가 자주 발생하는 상황에서 유용</li></ul>🧪 예시<pre ><code class="language-java">for (int i = 0; i &lt; 100; i++) {
 final int taskId = i;
 executor.submit(() -&gt; {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 });
}&nbsp;</code></pre>⚠️ 주의<ul ><li>요청이 많을 경우 스레드가 무제한으로 늘어나 과부하가 될 수 있음 → 실제 운영에서는 ThreadPoolExecutor로 커스텀 제어 필요</li></ul>&nbsp;newSingleThreadExecutor()항상 단 하나의 스레드만 사용하여 작업을 처리합니다. 작업은 FIFO 순서로 실행되며, 순서가 중요한 로직에 적합합니다.<pre ><code class="language-java">ExecutorService executor = Executors.newSingleThreadExecutor();</code></pre>✅ 사용 시점<ul ><li>작업 순서가 중요할 때</li><li>하나의 리소스(DB, 파일 등)에 대해 직렬화된 접근이 필요할 때</li></ul>🧪 예시<pre ><code class="language-java">for (int i = 0; i &lt; 5; i++) {
 final int taskId = i;
 executor.submit(() -&gt; {
 System.out.println("Processing task " + taskId);
 Thread.sleep(500);
 });
}&nbsp;</code></pre>⚠️ 주의<ul ><li>하나의 스레드에 의존하기 때문에 처리량은 낮음</li><li>스레드가 죽으면 새로운 스레드로 대체되므로 중단되지는 않음</li></ul>&nbsp;newScheduledThreadPoool(int corePoolSize)지연 실행(delay)이나 주기적인 작업(interval) 실행에 특화된 스레드 풀입니다. ScheduledExecutorService를 반환하며, Java의 타이머 역할도 수행할 수 있습니다.<pre ><code class="language-java">ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(2);</code></pre>✅ 사용 시점<ul ><li>주기적인 백업 작업, 모니터링, 알림 전송 등</li><li>특정 시간 후 작업을 실행하고 싶을 때</li></ul>🧪 예시<pre ><code class="language-java">scheduler.scheduleAtFixedRate(() -&gt; {
 System.out.println("Heartbeat sent by " + Thread.currentThread().getName());
}, 1, 5, TimeUnit.SECONDS); // 1초 후 시작, 5초마다 반복</code></pre>⚠️ 주의<ul ><li>작업이 너무 오래 걸리면 다음 주기 작업이 지연될 수 있음 → 처리 시간이 일정하지 않다면 scheduleWithFixedDelay()를 고려</li></ul>&nbsp;&nbsp;🧠 마무리Java에서 Executors 팩토리 메서드는 다양한 형태의 스레드 풀을 간단히 생성할 수 있게 도와줍니다. 하지만, 운영 환경에서는 ThreadPoolExecutor를 직접 생성하여 작업 큐, 최대 스레드 수, 거부 정책 등을 세밀하게 조절하는 것이 더욱 안전하고 확장성 있는 선택입니다.

덕토피아

🕊️ Java의 ExecutorService 스레드 풀 정복하기

누구나 쉽게 이해할 수 있는 MCP 가이드 : AI 에이전트와 도구 연동의 새로운 표준

이 자료는 AI 에이전트가 Google Calendar, Salesforce와 같은 다양한 외부 도구(API)를 사용하는 데 어려움을 겪는 현재의 문제를 지적합니다. 이를 해결하기 위한 새로운 표준 프로토콜인 MCP(Model Context Protocol)를 소개하며, MCP가 어떻게 AI 에이전트와 도구 간의 '공통 언어' 역할을 하여 상호작용을 원활하게 하는지 설명합니다. 또한, 개발자와 SaaS 기업이 MCP 생태계에 참여하여 더 강력하고 확장 가능한 AI 에이전트를 구축하는 방법을 안내합니다.

(참고) 가이드 전체 내용은 Gemini 2.5 Pro로 작성되었으며, 이미지 정리본은 GPT-4o 를 이용하여 생성하였습니다.

======================================
📘 1. 왜 에이전트에게 새로운 표준이 필요한가 – MCP 소개
======================================

🚀 미래는 에이전트 중심입니다 (The Future Is Agentic)
ChatGPT 시대를 맞아, 우리 모두는 AI가 얼마나 강력할 수 있는지 엿볼 수 있었습니다. 하지만 진정한 생산성은 단순히 AI와 대화하는 것에서 오는 것이 아니라, AI가 우리를 위해 실제로 일을 처리할 수 있을 때 발휘됩니다.
바로 이 지점에서 에이전트가 필요합니다.

에이전트는 단순한 챗봇이 아닙니다. 회의 예약, 보고서 작성, 데이터 분석과 같이 실제 도구(Google Calendar, Salesforce, Notion 등)를 사용하여 행동을 취하는 AI입니다.
하지만 여기에 문제가 있습니다.

❗️ 오늘날의 에이전트는 여전히 제한적입니다.
AI에게 이렇게 요청한다고 상상해 보세요.

“이번 주 나의 모든 1:1 미팅을 찾아서, 논의 내용을 요약하고, 후속 이메일 초안을 작성해 줄 수 있니?”
오늘날 대부분의 AI 에이전트는 아마 멈춰버릴 것입니다.
왜일까요? 그들이 사용하는 도구, 즉 여러 서비스의 API들이 마치 수백 개의 다른 방언처럼 제각각이기 때문입니다.

모든 도구 (Tools) 는 다음을 가지고 있습니다.

- 자체 인증 규칙
- 고유한 데이터 형식
- 다른 기능 및 엔드포인트
개발자들은 모든 도구에 대해 맞춤 코드를 작성해야 하는 문제를 당면하게 됩니다. 이는 느리고, 불안정하며, 확장 가능하지 않습니다.

🧩 빠진 조각: 도구를 위한 공통 언어
만약 이 모든 도구들이 AI 에이전트와 소통할 수 있는 표준적인 방법이 있다면 어떨까요?
마치 HTML이 웹을 표준화하고, REST가 API를 표준화했듯이 이제 AI 에이전트를 위한 표준이 필요합니다.

이것이 바로 MCP (Model Context Protocol)입니다.

AI 에이전트가 실제 도구를 쉽게 이해하고 상호작용할 수 있도록 설계된 새로운 프로토콜입니다.
시작해 봅시다.

============================
📘 2. MCP란 무엇이며 어떻게 작동하는가?
============================
🧠 큰 그림부터 시작해 봅시다.
MCP (Model Context Protocol)는 AI 에이전트(LLM 기반)와 그들이 사용해야 하는 도구(Google Calendar, Salesforce, Notion 등) 사이에서 번역가 역할을 하는 새로운 표준입니다.

MCP를 에이전트가 다음을 이해하는 데 도움이 되는 "만능 리모컨"이라고 생각하세요.

- 어떤 도구를 사용할 수 있는지
- 그 도구들이 무엇을 할 수 있는지
- 어떻게 안전하고 효율적으로 사용할 수 있는지

🔍 주요 개념

- MCP 클라이언트: LLM을 사용하는 AI 에이전트 또는 앱입니다. 다음과 같은 요청을 보냅니다:
ㄴ “이 도구는 무엇을 할 수 있나요?”
ㄴ “이 함수를 실행해 주세요.”

- MCP 서버: SaaS 도구와의 다리 역할을 합니다. 다음을 설명합니다:
ㄴ 사용 가능한 기능 (예: "회의 생성", "노트 가져오기")
ㄴ 관련 데이터를 일관된 형식으로
ㄴ LLM이 이해할 수 있는 방식으로 지침 제공

- 컨텍스트 스키마: 도구의 기능을 LLM이 읽을 수 있도록 구조화되고 통합된 형식입니다. 마치 모든 도구를 쉽게 탐색할 수 있는 API 플레이그라운드로 바꾸는 것과 같습니다.

🔁 이것이 왜 중요한가
- MCP가 없다면: AI 에이전트는 모든 도구를 사용하기 위해 수작업으로 코딩해야 합니다 = 느리고 비용이 많이 듭니다.
- MCP가 있다면: 도구는 에이전트에게 플러그 앤 플레이 방식이 됩니다 = 빠르고 확장 가능합니다.

✅ 실제 예시
에이전트가 다음 작업을 수행하기를 원하십니까?

“Asana에서 모든 높은 우선순위 작업을 찾고, 프로젝트 상태를 요약하고, 팀에 알림 보내기”

MCP를 사용하면,
1. Asana MCP 서버가 그 기능을 설명합니다 (list_projects, get_tasks 등).
2. 에이전트는 이러한 작업을 탐색, 호출 및 결합할 수 있습니다.
3. 그 결과 맞춤 코드 없이 완전히 자동화된 워크플로우가 가능해집니다.

=================================
📘 3. 도구가 어떻게 에이전트의 능력을 결정하는가
=================================

🛠 모든 도구가 동일하지는 않습니다
인간 조수가 일을 처리하기 위해 적절한 기술 세트가 필요한 것처럼,
AI 에이전트의 성능은 사용할 수 있는 도구에 따라 달라집니다.

도구에는 두 가지 주요 유형이 있습니다.

1️⃣ 다기능 도구 (Multi-Function Tools) : 하나의 도구, 여러 작업 – 스위스 아미 나이프처럼
이 도구들은 여러 관련 작업을 하나의 강력한 인터페이스로 묶습니다.
단일 단계가 아닌 전체 워크플로우를 수행하도록 설계되었습니다.

🧠 예시
다기능 도구를 사용하는 Calendar Agent는 다음을 처리할 수 있습니다.
- 모든 미팅 찾기 (유형별 필터링 = 1:1)
- 메타데이터 추출 (제목, 참석자, 시간)
- 미팅 노트 읽기
- 주간 요약 생성
이 모든 것을 한 번에 처리합니다 – 5개의 다른 도구를 호출할 필요가 없습니다.

📌 중요한 이유
도구 수가 적을수록 = 오케스트레이션이 단순해짐 = 더 빠르고 스마트한 에이전트.

2️⃣ 다중 도구 에이전트 (Multi-Tool Agents) - 함께 작동하는 에이전트 – 전문가 팀처럼
때로는 단일 도구만으로는 모든 것을 할 수 없습니다.
대신, 마치 팀 내의 사람들처럼 각기 다른 도구를 사용하는 에이전트들이 협업합니다.

🧠 예시
목표: 주요 고객에게 맞춤형 이메일 캠페인 보내기.
🧑‍💼 에이전트 1: Salesforce에서 고객 데이터 가져오기
📊 에이전트 2: Google Sheets에서 데이터 분석하기
📬 에이전트 3: Mailchimp를 통해 이메일 보내기
이를 에이전트 시스템(System of Agents) 또는 MAS (Multi-Agent System)라고 합니다.

📌 중요한 이유
에이전트는 강점을 결합하고 더 넓은 범위를 커버할 수 있습니다 – 마치 회사의 마이크로서비스처럼.

🤖 왜 ChatGPT만으로는 충분하지 않은가
오늘날 대부분의 맞춤형 GPT는 너무 단순합니다

- 제한된 작업
- 메모리 없음
- 다른 에이전트와 협업 불가
- "단일 도구" 사일로에 갇혀 있음

이것이 바로 AutoGen, CrewAI, LangGraph와 같은 강력한 프레임워크가 등장한 이유입니다 – 다기능 및 다중 에이전트 기능을 잠금 해제하기 위해.

🧭 도구 = 에이전트 뒤의 진정한 엔진
단순히 어떤 LLM을 사용하는지에 대한 문제가 아닙니다.
어떤 도구를 제공하고, 그것들이 어떻게 연결되어 있는지에 대한 문제입니다.

=========================
📘 4. MCP의 현실적인 과제와 한계점
=========================

MCP는 AI 에이전트와 도구 연동의 방식을 혁신할 잠재력을 지니고 있지만, 새로운 표준으로서 현실적인 과제와 잠재적 한계점 또한 고려해야 합니다.

😫 넘어야 할 현실적인 장벽들
MCP가 이상적인 솔루션처럼 보일 수 있지만, 성공적인 정착과 확산을 위해서는 다음과 같은 현실적인 문제들을 해결해야 합니다.

느린 채택 속도 (Slow Adoption Rate)
- 가장 큰 허들: 새로운 표준의 성공은 얼마나 많은 플레이어가 참여하느냐에 달려있습니다. SaaS 기업들이 MCP 서버 구축에 투자하고, 에이전트 개발자들이 이를 적극적으로 사용해야만 생태계가 활성화됩니다. 초기에는 '닭과 달걀' 문제에 직면할 수 있습니다.
- 모든 도구 제공자가 표준화된 단일 인터페이스를 선호하지 않을 수 있으며, 자체 API 생태계를 강화하는 것을 우선시할 수 있습니다.

구현 및 유지보수의 복잡성 (Complexity of Implementation & Maintenance)
- 서버 측 부담: MCP가 에이전트 클라이언트 개발을 단순화할 수 있지만, SaaS 도구 제공자 입장에서는 자사의 복잡한 API 기능과 데이터 모델을 MCP 표준 스키마에 정확하게 매핑하고, 안전하며 효율적인 MCP 서버를 구축 및 유지보수하는 것이 상당한 기술적, 비용적 부담이 될 수 있습니다.
- 지속적 업데이트: 기반이 되는 도구의 API가 변경되거나 MCP 표준 자체가 발전함에 따라 지속적인 업데이트와 버전 관리가 필요합니다.

표준화의 명암 (Pros and Cons of Standardization)
- 기능 제약 가능성: 모든 도구의 고유하고 세분화된 기능을 단일 표준으로 완벽하게 포괄하기는 어렵습니다. 초기 표준은 '최소 공통분모'에 집중하게 되어, 특정 도구의 고급 기능이나 특수 기능을 MCP를 통해 활용하는 데 제약이 따를 수 있습니다. 때로는 여전히 직접적인 API 호출이 필요할 수 있습니다.
- 표준의 경직성: 표준이 한번 자리 잡으면 변경하기 어려울 수 있으며, 빠르게 변화하는 AI 및 API 기술 발전을 민첩하게 따라가지 못할 수 있습니다.

성능 및 보안 문제 (Performance & Security Concerns)
- 잠재적 성능 저하: MCP라는 중개 계층(layer)이 추가되면서, 이론적으로는 직접 API를 호출하는 것보다 약간의 지연 시간(latency)이 발생할 수 있습니다. 대부분의 경우 무시할 만한 수준일 수 있으나, 실시간성이 중요한 애플리케이션에서는 고려 사항이 될 수 있습니다.
- 보안 책임: 표준화된 인터페이스는 잠재적인 공격 표면(attack surface)도 표준화할 수 있습니다. MCP 서버와 클라이언트 간의 인증, 권한 부여, 데이터 암호화 등 보안 메커니즘을 철저히 구현하는 것이 매우 중요하며, 이에 대한 책임은 각 서버 구현 주체에게 있습니다.

기술 성숙도 및 생태계 지원 (Maturity & Ecosystem Support)
- 초기 단계: MCP는 비교적 새로운 개념이므로, 관련 개발 도구, 디버깅 툴, 테스트 프레임워크, 풍부한 문서, 커뮤니티 지원 등이 아직 부족할 수 있습니다. 이는 초기 도입 및 문제 해결을 어렵게 만들 수 있습니다.

💡 결론: 균형 잡힌 시각 필요
MCP는 에이전트 기반 자동화의 중요한 발전을 약속하지만, 위와 같은 현실적인 과제들을 간과해서는 안 됩니다. 이러한 문제들은 대부분의 신기술 표준화 과정에서 나타나는 현상이며, MCP 생태계 참여자들의 지속적인 노력, 피드백, 협력을 통해 점진적으로 해결될 수 있을 것입니다. MCP의 성공 여부는 이러한 과제들을 얼마나 효과적으로 극복하느냐에 달려있습니다.

=======================
📘 5. MCP 생태계에 참여하는 방법
=======================

🎯 왜 관심을 가져야 하는가
만약 당신의 제품이 SaaS 도구이고, AI 에이전트가 사용하기를 원한다면, 지금이 MCP 생태계에 진입하기에 완벽한 시기입니다.
- LLM 기반 에이전트에게 발견될 수 있습니다.
- 맞춤 통합 없이 에이전트가 당신의 도구를 사용하게 할 수 있습니다.
- 기업 IT부터 소비자 AI까지 성장하는 에이전트 앱 시장에 진입할 수 있습니다.

🚪 참여 방법: 3가지 방법

1️⃣ MCP 서버 구축하기
당신의 도구 기능을 MCP 호환 인터페이스로 전환하세요.

🔧 필요한 것
- 도구의 기능(call_tool, list_tools) 설명하기
- call_resource, list_resources를 통해 데이터 노출하기
- 표준 컨텍스트 스키마 따르기
마치 공개 API를 구축하는 것과 같지만, LLM을 위한 것입니다.

💡 팁: 기존 에이전트 프레임워크(예: LangGraph, AutoGen)를 사용하여 개발 속도를 높이세요.

2️⃣ 마켓플레이스에 호스팅 또는 등록하기
MCP 서버가 활성화되면 MCP 레지스트리나 마켓플레이스에 게시하세요.
- 당신의 도구를 모든 MCP 호환 클라이언트가 발견할 수 있도록 만드세요.
- AI 에이전트가 당신의 제품을 찾고, 이해하고, 사용하도록 하세요.
- 일부 플랫폼(예: Claude, MySnap)은 이미 이 플러그 앤 플레이 모델을 지원합니다.

3️⃣ MCP를 클라이언트로 사용하기
MCP를 통해 도구에 연결하는 자체 AI 에이전트나 LLM 앱을 구축할 수도 있습니다.
- 더 이상 각 API에 대한 맞춤 래퍼를 작성할 필요가 없습니다.
- 기존 MCP 서버에 연결하고 워크플로우를 더 빠르게 구축하세요.
- 내부 자동화 도구나 고객 대면 AI 앱에 적합합니다.

🌱 선도자 = 큰 이점 (Early Movers = Huge Advantage)
MCP는 아직 초기 단계이지만, 기반은 현실적이고 작동하고 있습니다.
지금 참여함으로써 다음을 할 수 있습니다

✅ 떠오르는 표준에 영향을 미치기
✅ 다른 이들보다 먼저 당신의 도구의 LLM 인터페이스 형성하기
✅ 생태계가 확장됨에 따라 함께 성장하기

📌 결론
만약 REST가 웹 시대의 API 표준이었다면, MCP는 에이전트 시대의 프로토콜 표준이 될 수 있습니다. 지금이 준비할 황금 같은 기회입니다.

🧭 구축할 준비가 되셨나요?
핵심 도구 기능을 식별하고 MCP 형식으로 구조화하는 것부터 시작하세요.
모든 것을 지원할 필요는 없습니다 – 에이전트가 시작할 수 있을 만큼만 지원하면 됩니다.

에이전트의 시대(Agentic era)가 오고 있습니다. 늦지 마세요.

도움이 되셨다면 좋아요 부탁드립니다.

누구나 쉽게 이해할 수 있는 MCP 가이드 : AI 에이전트와 도구 연동의 새로운 표준 이 자료는 AI 에이전트가 Google Calendar, Salesforce와 같은 다양한 외부 도구(API)를 사용하는 데 어려움을 겪는 현재의 문제를 지적합니다. 이를 해결하기 위한 새로운 표준 프로토콜인 MCP(Model Context Protocol)를 소개하며, MCP가 어떻게 AI 에이전트와 도구 간의 '공통 언어' 역할을 하여 상호작용을 원활하게 하는지 설명합니다. 또한, 개발자와 SaaS 기업이 MCP 생태계에 참여하여 더 강력하고 확장 가능한 AI 에이전트를 구축하는 방법을 안내합니다. (참고) 가이드 전체 내용은 Gemini 2.5 Pro로 작성되었으며, 이미지 정리본은 GPT-4o 를 이용하여 생성하였습니다. ====================================== 📘 1. 왜 에이전트에게 새로운 표준이 필요한가 – MCP 소개 ====================================== 🚀 미래는 에이전트 중심입니다 (The Future Is Agentic) ChatGPT 시대를 맞아, 우리 모두는 AI가 얼마나 강력할 수 있는지 엿볼 수 있었습니다. 하지만 진정한 생산성은 단순히 AI와 대화하는 것에서 오는 것이 아니라, AI가 우리를 위해 실제로 일을 처리할 수 있을 때 발휘됩니다. 바로 이 지점에서 에이전트가 필요합니다. 에이전트는 단순한 챗봇이 아닙니다. 회의 예약, 보고서 작성, 데이터 분석과 같이 실제 도구(Google Calendar, Salesforce, Notion 등)를 사용하여 행동을 취하는 AI입니다. 하지만 여기에 문제가 있습니다. ❗️ 오늘날의 에이전트는 여전히 제한적입니다. AI에게 이렇게 요청한다고 상상해 보세요. “이번 주 나의 모든 1:1 미팅을 찾아서, 논의 내용을 요약하고, 후속 이메일 초안을 작성해 줄 수 있니?” 오늘날 대부분의 AI 에이전트는 아마 멈춰버릴 것입니다. 왜일까요? 그들이 사용하는 도구, 즉 여러 서비스의 API들이 마치 수백 개의 다른 방언처럼 제각각이기 때문입니다. 모든 도구 (Tools) 는 다음을 가지고 있습니다. - 자체 인증 규칙 - 고유한 데이터 형식 - 다른 기능 및 엔드포인트 개발자들은 모든 도구에 대해 맞춤 코드를 작성해야 하는 문제를 당면하게 됩니다. 이는 느리고, 불안정하며, 확장 가능하지 않습니다. 🧩 빠진 조각: 도구를 위한 공통 언어 만약 이 모든 도구들이 AI 에이전트와 소통할 수 있는 표준적인 방법이 있다면 어떨까요? 마치 HTML이 웹을 표준화하고, REST가 API를 표준화했듯이 이제 AI 에이전트를 위한 표준이 필요합니다. 이것이 바로 MCP (Model Context Protocol)입니다. AI 에이전트가 실제 도구를 쉽게 이해하고 상호작용할 수 있도록 설계된 새로운 프로토콜입니다. 시작해 봅시다. ============================ 📘 2. MCP란 무엇이며 어떻게 작동하는가? ============================ 🧠 큰 그림부터 시작해 봅시다. MCP (Model Context Protocol)는 AI 에이전트(LLM 기반)와 그들이 사용해야 하는 도구(Google Calendar, Salesforce, Notion 등) 사이에서 번역가 역할을 하는 새로운 표준입니다. MCP를 에이전트가 다음을 이해하는 데 도움이 되는 "만능 리모컨"이라고 생각하세요. - 어떤 도구를 사용할 수 있는지 - 그 도구들이 무엇을 할 수 있는지 - 어떻게 안전하고 효율적으로 사용할 수 있는지 🔍 주요 개념 - MCP 클라이언트: LLM을 사용하는 AI 에이전트 또는 앱입니다. 다음과 같은 요청을 보냅니다: ㄴ “이 도구는 무엇을 할 수 있나요?” ㄴ “이 함수를 실행해 주세요.” - MCP 서버: SaaS 도구와의 다리 역할을 합니다. 다음을 설명합니다: ㄴ 사용 가능한 기능 (예: "회의 생성", "노트 가져오기") ㄴ 관련 데이터를 일관된 형식으로 ㄴ LLM이 이해할 수 있는 방식으로 지침 제공 - 컨텍스트 스키마: 도구의 기능을 LLM이 읽을 수 있도록 구조화되고 통합된 형식입니다. 마치 모든 도구를 쉽게 탐색할 수 있는 API 플레이그라운드로 바꾸는 것과 같습니다. 🔁 이것이 왜 중요한가 - MCP가 없다면: AI 에이전트는 모든 도구를 사용하기 위해 수작업으로 코딩해야 합니다 = 느리고 비용이 많이 듭니다. - MCP가 있다면: 도구는 에이전트에게 플러그 앤 플레이 방식이 됩니다 = 빠르고 확장 가능합니다. ✅ 실제 예시 에이전트가 다음 작업을 수행하기를 원하십니까? “Asana에서 모든 높은 우선순위 작업을 찾고, 프로젝트 상태를 요약하고, 팀에 알림 보내기” MCP를 사용하면, 1. Asana MCP 서버가 그 기능을 설명합니다 (list_projects, get_tasks 등). 2. 에이전트는 이러한 작업을 탐색, 호출 및 결합할 수 있습니다. 3. 그 결과 맞춤 코드 없이 완전히 자동화된 워크플로우가 가능해집니다. ================================= 📘 3. 도구가 어떻게 에이전트의 능력을 결정하는가 ================================= 🛠 모든 도구가 동일하지는 않습니다 인간 조수가 일을 처리하기 위해 적절한 기술 세트가 필요한 것처럼, AI 에이전트의 성능은 사용할 수 있는 도구에 따라 달라집니다. 도구에는 두 가지 주요 유형이 있습니다. 1️⃣ 다기능 도구 (Multi-Function Tools) : 하나의 도구, 여러 작업 – 스위스 아미 나이프처럼 이 도구들은 여러 관련 작업을 하나의 강력한 인터페이스로 묶습니다. 단일 단계가 아닌 전체 워크플로우를 수행하도록 설계되었습니다. 🧠 예시 다기능 도구를 사용하는 Calendar Agent는 다음을 처리할 수 있습니다. - 모든 미팅 찾기 (유형별 필터링 = 1:1) - 메타데이터 추출 (제목, 참석자, 시간) - 미팅 노트 읽기 - 주간 요약 생성 이 모든 것을 한 번에 처리합니다 – 5개의 다른 도구를 호출할 필요가 없습니다. 📌 중요한 이유 도구 수가 적을수록 = 오케스트레이션이 단순해짐 = 더 빠르고 스마트한 에이전트. 2️⃣ 다중 도구 에이전트 (Multi-Tool Agents) - 함께 작동하는 에이전트 – 전문가 팀처럼 때로는 단일 도구만으로는 모든 것을 할 수 없습니다. 대신, 마치 팀 내의 사람들처럼 각기 다른 도구를 사용하는 에이전트들이 협업합니다. 🧠 예시 목표: 주요 고객에게 맞춤형 이메일 캠페인 보내기. 🧑‍💼 에이전트 1: Salesforce에서 고객 데이터 가져오기 📊 에이전트 2: Google Sheets에서 데이터 분석하기 📬 에이전트 3: Mailchimp를 통해 이메일 보내기 이를 에이전트 시스템(System of Agents) 또는 MAS (Multi-Agent System)라고 합니다. 📌 중요한 이유 에이전트는 강점을 결합하고 더 넓은 범위를 커버할 수 있습니다 – 마치 회사의 마이크로서비스처럼. 🤖 왜 ChatGPT만으로는 충분하지 않은가 오늘날 대부분의 맞춤형 GPT는 너무 단순합니다 - 제한된 작업 - 메모리 없음 - 다른 에이전트와 협업 불가 - "단일 도구" 사일로에 갇혀 있음 이것이 바로 AutoGen, CrewAI, LangGraph와 같은 강력한 프레임워크가 등장한 이유입니다 – 다기능 및 다중 에이전트 기능을 잠금 해제하기 위해. 🧭 도구 = 에이전트 뒤의 진정한 엔진 단순히 어떤 LLM을 사용하는지에 대한 문제가 아닙니다. 어떤 도구를 제공하고, 그것들이 어떻게 연결되어 있는지에 대한 문제입니다. ========================= 📘 4. MCP의 현실적인 과제와 한계점 ========================= MCP는 AI 에이전트와 도구 연동의 방식을 혁신할 잠재력을 지니고 있지만, 새로운 표준으로서 현실적인 과제와 잠재적 한계점 또한 고려해야 합니다. 😫 넘어야 할 현실적인 장벽들 MCP가 이상적인 솔루션처럼 보일 수 있지만, 성공적인 정착과 확산을 위해서는 다음과 같은 현실적인 문제들을 해결해야 합니다. 느린 채택 속도 (Slow Adoption Rate) - 가장 큰 허들: 새로운 표준의 성공은 얼마나 많은 플레이어가 참여하느냐에 달려있습니다. SaaS 기업들이 MCP 서버 구축에 투자하고, 에이전트 개발자들이 이를 적극적으로 사용해야만 생태계가 활성화됩니다. 초기에는 '닭과 달걀' 문제에 직면할 수 있습니다. - 모든 도구 제공자가 표준화된 단일 인터페이스를 선호하지 않을 수 있으며, 자체 API 생태계를 강화하는 것을 우선시할 수 있습니다. 구현 및 유지보수의 복잡성 (Complexity of Implementation &amp; Maintenance) - 서버 측 부담: MCP가 에이전트 클라이언트 개발을 단순화할 수 있지만, SaaS 도구 제공자 입장에서는 자사의 복잡한 API 기능과 데이터 모델을 MCP 표준 스키마에 정확하게 매핑하고, 안전하며 효율적인 MCP 서버를 구축 및 유지보수하는 것이 상당한 기술적, 비용적 부담이 될 수 있습니다. - 지속적 업데이트: 기반이 되는 도구의 API가 변경되거나 MCP 표준 자체가 발전함에 따라 지속적인 업데이트와 버전 관리가 필요합니다. 표준화의 명암 (Pros and Cons of Standardization) - 기능 제약 가능성: 모든 도구의 고유하고 세분화된 기능을 단일 표준으로 완벽하게 포괄하기는 어렵습니다. 초기 표준은 '최소 공통분모'에 집중하게 되어, 특정 도구의 고급 기능이나 특수 기능을 MCP를 통해 활용하는 데 제약이 따를 수 있습니다. 때로는 여전히 직접적인 API 호출이 필요할 수 있습니다. - 표준의 경직성: 표준이 한번 자리 잡으면 변경하기 어려울 수 있으며, 빠르게 변화하는 AI 및 API 기술 발전을 민첩하게 따라가지 못할 수 있습니다. 성능 및 보안 문제 (Performance &amp; Security Concerns) - 잠재적 성능 저하: MCP라는 중개 계층(layer)이 추가되면서, 이론적으로는 직접 API를 호출하는 것보다 약간의 지연 시간(latency)이 발생할 수 있습니다. 대부분의 경우 무시할 만한 수준일 수 있으나, 실시간성이 중요한 애플리케이션에서는 고려 사항이 될 수 있습니다. - 보안 책임: 표준화된 인터페이스는 잠재적인 공격 표면(attack surface)도 표준화할 수 있습니다. MCP 서버와 클라이언트 간의 인증, 권한 부여, 데이터 암호화 등 보안 메커니즘을 철저히 구현하는 것이 매우 중요하며, 이에 대한 책임은 각 서버 구현 주체에게 있습니다. 기술 성숙도 및 생태계 지원 (Maturity &amp; Ecosystem Support) - 초기 단계: MCP는 비교적 새로운 개념이므로, 관련 개발 도구, 디버깅 툴, 테스트 프레임워크, 풍부한 문서, 커뮤니티 지원 등이 아직 부족할 수 있습니다. 이는 초기 도입 및 문제 해결을 어렵게 만들 수 있습니다. 💡 결론: 균형 잡힌 시각 필요 MCP는 에이전트 기반 자동화의 중요한 발전을 약속하지만, 위와 같은 현실적인 과제들을 간과해서는 안 됩니다. 이러한 문제들은 대부분의 신기술 표준화 과정에서 나타나는 현상이며, MCP 생태계 참여자들의 지속적인 노력, 피드백, 협력을 통해 점진적으로 해결될 수 있을 것입니다. MCP의 성공 여부는 이러한 과제들을 얼마나 효과적으로 극복하느냐에 달려있습니다. ======================= 📘 5. MCP 생태계에 참여하는 방법 ======================= 🎯 왜 관심을 가져야 하는가 만약 당신의 제품이 SaaS 도구이고, AI 에이전트가 사용하기를 원한다면, 지금이 MCP 생태계에 진입하기에 완벽한 시기입니다. - LLM 기반 에이전트에게 발견될 수 있습니다. - 맞춤 통합 없이 에이전트가 당신의 도구를 사용하게 할 수 있습니다. - 기업 IT부터 소비자 AI까지 성장하는 에이전트 앱 시장에 진입할 수 있습니다. 🚪 참여 방법: 3가지 방법 1️⃣ MCP 서버 구축하기 당신의 도구 기능을 MCP 호환 인터페이스로 전환하세요. 🔧 필요한 것 - 도구의 기능(call_tool, list_tools) 설명하기 - call_resource, list_resources를 통해 데이터 노출하기 - 표준 컨텍스트 스키마 따르기 마치 공개 API를 구축하는 것과 같지만, LLM을 위한 것입니다. 💡 팁: 기존 에이전트 프레임워크(예: LangGraph, AutoGen)를 사용하여 개발 속도를 높이세요. 2️⃣ 마켓플레이스에 호스팅 또는 등록하기 MCP 서버가 활성화되면 MCP 레지스트리나 마켓플레이스에 게시하세요. - 당신의 도구를 모든 MCP 호환 클라이언트가 발견할 수 있도록 만드세요. - AI 에이전트가 당신의 제품을 찾고, 이해하고, 사용하도록 하세요. - 일부 플랫폼(예: Claude, MySnap)은 이미 이 플러그 앤 플레이 모델을 지원합니다. 3️⃣ MCP를 클라이언트로 사용하기 MCP를 통해 도구에 연결하는 자체 AI 에이전트나 LLM 앱을 구축할 수도 있습니다. - 더 이상 각 API에 대한 맞춤 래퍼를 작성할 필요가 없습니다. - 기존 MCP 서버에 연결하고 워크플로우를 더 빠르게 구축하세요. - 내부 자동화 도구나 고객 대면 AI 앱에 적합합니다. 🌱 선도자 = 큰 이점 (Early Movers = Huge Advantage) MCP는 아직 초기 단계이지만, 기반은 현실적이고 작동하고 있습니다. 지금 참여함으로써 다음을 할 수 있습니다 ✅ 떠오르는 표준에 영향을 미치기 ✅ 다른 이들보다 먼저 당신의 도구의 LLM 인터페이스 형성하기 ✅ 생태계가 확장됨에 따라 함께 성장하기 📌 결론 만약 REST가 웹 시대의 API 표준이었다면, MCP는 에이전트 시대의 프로토콜 표준이 될 수 있습니다. 지금이 준비할 황금 같은 기회입니다. 🧭 구축할 준비가 되셨나요? 핵심 도구 기능을 식별하고 MCP 형식으로 구조화하는 것부터 시작하세요. 모든 것을 지원할 필요는 없습니다 – 에이전트가 시작할 수 있을 만큼만 지원하면 됩니다. 에이전트의 시대(Agentic era)가 오고 있습니다. 늦지 마세요. 도움이 되셨다면 좋아요 부탁드립니다.

누구나 쉽게 이해할 수 있는 MCP 가이드

똑닥닷컴 SEO(a.k.a. 네이버 월 노출 수 1000만 달성기) | 비브로스 기술 블로그

어떤 접근으로 노출수를 높였는지 단계별로 잘 나와있네요.
https://boostbrothers.github.io/2025-03-04-ddocdoc-com-seo/

어떤 접근으로 노출수를 높였는지 단계별로 잘 나와있네요.https://boostbrothers.github.io/2025-03-04-ddocdoc-com-seo/

boostbrothers.github.io

똑닥: SEO 최적화 사례

첫 회사에서 5년 정도 보낸 후 대기업이 가보고 싶다는 생각이 들었습니다.
다른 곳에 이력서도 넣어보지 않은 채 일단 그만뒀습니다.

그리고 이력서를 쓰기 시작했는데...
아는 사람도 하나 없어 지인 추천 없이 홈페이지를 통해서 지원서를 썼습니다.
네이버, 다음, SK컴즈, NC소프트, 넥슨 같은 곳들.

근데 기다려도 답장이 오질 않더군요.
5년 가까이 열심히 했고 자신감도 많이 생겼는데 밖에서 보는 내 수준은 이런거였구나.

한 달 정도 지났을 뿐인데 초조함이 엄청 커졌습니다.
나 혹시 새되는 거 아냐? 그럼 내 인생 어떻게 되는거지?
다른 회사를 먼저 알아보고 그만둘 걸.
큰일났단 생각에 소름이 바짝 돋았습니다.

엔씨, 넥슨, 다음에서는 연락도 안 왔고, 네이버에서 연락이 왔습니다.
이력서를 내고 한 달 지나 연락이 왔는데...
지금 생각해보면 제 이력서를 보고 픽해준 네이버 누군가가 인생의 은인입니다.
만약 흘려 넘겨 버렸으면 나는 지금 뭘하고 있을까? 시간이 지날수록 초조한 맘이 커져서 그 어떤 이상한 회사라도 얼씨구나 들어갔을 것 같습니다.

이후에도 다른 회사를 알아보기 전에 회사를 그만두었습니다만 처음 만큼 긴장되거나 초조하진 않았습니다. 스스로에 대한 자신감이 없었기 때문이었던 것 같습니다.

(인생에서 불안했던 시기를 생각해보다가 쓴 글일 뿐 절대 이렇게 하라고 추천하는 것은 아닙니다)

첫 회사에서 5년 정도 보낸 후 대기업이 가보고 싶다는 생각이 들었습니다.다른 곳에 이력서도 넣어보지 않은 채 일단 그만뒀습니다. 그리고 이력서를 쓰기 시작했는데...아는 사람도 하나 없어 지인 추천 없이 홈페이지를 통해서 지원서를 썼습니다.네이버, 다음, SK컴즈, NC소프트, 넥슨 같은 곳들. 근데 기다려도 답장이 오질 않더군요.5년 가까이 열심히 했고 자신감도 많이 생겼는데 밖에서 보는 내 수준은 이런거였구나. 한 달 정도 지났을 뿐인데 초조함이 엄청 커졌습니다.나 혹시 새되는 거 아냐? 그럼 내 인생 어떻게 되는거지?다른 회사를 먼저 알아보고 그만둘 걸.큰일났단 생각에 소름이 바짝 돋았습니다. 엔씨, 넥슨, 다음에서는 연락도 안 왔고, 네이버에서 연락이 왔습니다.이력서를 내고 한 달 지나 연락이 왔는데...지금 생각해보면 제 이력서를 보고 픽해준 네이버 누군가가 인생의 은인입니다.만약 흘려 넘겨 버렸으면 나는 지금 뭘하고 있을까? 시간이 지날수록 초조한 맘이 커져서 그 어떤 이상한 회사라도 얼씨구나 들어갔을 것 같습니다. 이후에도 다른 회사를 알아보기 전에 회사를 그만두었습니다만 처음 만큼 긴장되거나 초조하진 않았습니다. 스스로에 대한 자신감이 없었기 때문이었던 것 같습니다. (인생에서 불안했던 시기를 생각해보다가 쓴 글일 뿐 절대 이렇게 하라고 추천하는 것은 아닙니다)

다른 회사를 먼저 알아보지 않고 퇴사하면

YouTube에서 마음에 드는 동영상과 음악을 감상하고, 직접 만든 콘텐츠를 업로드하여 친구, 가족뿐 아니라 전 세계 사람들과 콘텐츠를 공유할 수 있습니다.

 - YouTube

먼저, 성능 최적화와 보안 이슈 등을 얘기할 수 있을것 같아요.

물론 초개인화된 데이터를 처리하는 역할을
모두 서버에서 담당한다면 서버 부하가 커질 수도 있지만,

그럼에도 위와 같은 이유들로
서버에서 Data fetching 을 하는게 유리한 때가 있어서요.

이러한 이유에 대해 좀 더 자세히 설명해보았습니다.

https://youtu.be/vJGk4iLo-Ak

먼저, 성능 최적화와 보안 이슈 등을 얘기할 수 있을것 같아요. 물론 초개인화된 데이터를 처리하는 역할을모두 서버에서 담당한다면 서버 부하가 커질 수도 있지만, 그럼에도 위와 같은 이유들로서버에서 Data fetching 을 하는게 유리한 때가 있어서요. 이러한 이유에 대해 좀 더 자세히 설명해보았습니다. https://youtu.be/vJGk4iLo-Ak

youtu.be

왜 Data fetching 을 서버에서 해야할까요?

사용자가 공유한 콘텐츠

폴인에서 시리즈로 공개한 '토스팀에게 듣다: 토스 10주년 '10 to 100''에서 프로덕트 디자인 부문의 글을 소개합니다. 프로덕트 디자인 헤드를 맡고 있는 강수영 님이 2015년부터 2025년까지 토스에서의 프로덕트 디자인을 어떻게 바라보고, 어떤 고민과 도전으로 현재에 이르렀는지 담담하게 전달하는 내용입니다. 요약을 먼저 보시더라도 전문을 꼭 살펴보시면 좋겠습니다.

2개의 문장으로 결론을 요약하자면 사용자 경험을 고민하는 사람이라면, 디자인하는 사람이라면 '수단과 목적을 헷갈리지 말자'라는 것이었습니다. '만약 헷갈리지만 않는다면 안 되는 건 거의 없다.'입니다.

[ 큐레이터의 문장 🎒 ]

1. 태동기(2015~18): 디자인도, 일하는 방식도 단순하게 

 * ① 필요 없는 정보는 과감히 쳐내기
   ② 한 화면에서 어딜 봐야 할지 명확히 알려주기

2. 성장기(2018~22): 체계를 통한 일관성 쌓기

토스만의 디자인 시스템을 만들고 토스만의 서체도 만들면서 어디서든 '토스 디자인이다'라고 알 수 있게 만든 시기였습니다. 동시에 4가지를 새롭게 시도했습니다.

 * ① 3D 그래픽 - 시네마4D라는 툴을 직접 배워가며 내부에서 디벨롭
 * ② UX 라이팅 - A/B테스트를 통해 제품속 문구를 결정하면서 클릭율 최대 300% 증가
 * ③ 유저 테스트 - 토스의 UT 문화가 생긴 시기로 전문 업체와 계약해서 테스트, 정성 테스트를 반복해 가입 퍼널을 만들고 수치로 성과까지 증명
 * ④ 로고 리브랜딩 - '공 던지듯 쉬운 금융', '우리는 금융이 아니다', '토스에 갇히면 안 된다'

3. 진화기(2022~2024): 금융 너머를 바라보는 시대의 디자인

마이데이터 시기에 조회, 송금, 혜택을 중심으로 한 홈화면을 만든 시기. 대출, 카드, 보험, 신용대출 등 여러 기능을 동일한 인터랙션으로 하나의 경험을 하듯이 만드는 것에 주안점을 두고 매출까지 개선하는 것으로 디자인의 역할을 확대했습니다. 이 시기엔 3D로 만든 새로운 로고를 선보였습니다.

4. 토스의 지금(2025~): 어디서나 편리한 디자인을 고민할 때

토스가 금융상품을 넘어 커머스, 모바일을 넘어 오프라인 단말기까지 새로운 접점이 생기면서 덩치가 커졌습니다. B2B 고객도 많아졌고 고객이 토스 앱 안에서 자기만의 사업을 하려는 니즈가 있었기에 '툴 프로덕트 디자이너'라는 직군까지 생겼습니다. 내부 구성원을 위한 툴도 만들어진 시기였죠.

 1. 토스 내비게이션 스코어 - 유저에게 직접 묻고 '이 기능 어디에 있을 것 같나요?'에 대한 답변을 히트맵 형태로 표현해서 (만드는 사람이) 예상한 것과 (쓰는 사람이) 이해하고 기대하는 것 사이의 격차가 얼마나 큰지 확인할 수 있는 방법입니다.
 2. 휴리봇 - 휴리봇은 토스 유저처럼 답변하는 생성형 AI예요. 디자인한 화면을 보여주며 질문하면 실제 유저처럼 답변하는 거예요. 기존 유저 테스트를 완전히 대체할 수는 없지만, 시간을 아끼는 데 큰 도움이 됩니다.
 3. 토스트 - 토스 스타일로 그림을 알아서 그려주는 '토스트'도 개발했어요. 정보를 입력하면 몇 분 만에 그래픽이 만들어지죠. 토스 그래픽 디자이너가 만든 것과 같은 퀄리티, 톤으로요. 디자이너들이 더 중요한 문제에 집중할 수 있도록 일손을 덜어주는 역할을 잘 해내고 있습니다. 
 4. 랠리(Rally) - 인터랙션을 잘 만들려면 디자이너의 역량, 구현 기술, 개발 인력이 모두 필요한데요. 인터랙션팀 주도로 구현 비용을 획기적으로 낮추기 위해 랠리라는 프로그래밍 언어를 자체 개발했어요.

https://www.folin.co/article/10450/gift/Fspn7szhf5iFFggpgu0Ryq7GKd3D6XF5

폴인에서 시리즈로 공개한 '토스팀에게 듣다: 토스 10주년 '10 to 100''에서 프로덕트 디자인 부문의 글을 소개합니다. 프로덕트 디자인 헤드를 맡고 있는 강수영 님이 2015년부터 2025년까지 토스에서의 프로덕트 디자인을 어떻게 바라보고, 어떤 고민과 도전으로 현재에 이르렀는지 담담하게 전달하는 내용입니다. 요약을 먼저 보시더라도 전문을 꼭 살펴보시면 좋겠습니다. 2개의 문장으로 결론을 요약하자면 사용자 경험을 고민하는 사람이라면, 디자인하는 사람이라면 '수단과 목적을 헷갈리지 말자'라는 것이었습니다. '만약 헷갈리지만 않는다면 안 되는 건 거의 없다.'입니다. [ 큐레이터의 문장 🎒 ] 1. 태동기(2015~18): 디자인도, 일하는 방식도 단순하게&nbsp; <ul ><li>① 필요 없는 정보는 과감히 쳐내기 ② 한 화면에서 어딜 봐야 할지 명확히 알려주기</li></ul> 2. 성장기(2018~22): 체계를 통한 일관성 쌓기 토스만의 디자인 시스템을 만들고 토스만의 서체도 만들면서 어디서든 '토스 디자인이다'라고 알 수 있게 만든 시기였습니다. 동시에 4가지를 새롭게 시도했습니다. <ul ><li>① 3D 그래픽 - 시네마4D라는 툴을 직접 배워가며 내부에서 디벨롭</li><li>② UX 라이팅 - A/B테스트를 통해 제품속 문구를 결정하면서 클릭율 최대 300% 증가</li><li>③ 유저 테스트 - 토스의 UT 문화가 생긴 시기로 전문 업체와 계약해서 테스트, 정성 테스트를 반복해 가입 퍼널을 만들고 수치로 성과까지 증명</li><li>④ 로고 리브랜딩 - '공 던지듯 쉬운 금융', '우리는 금융이 아니다', '토스에 갇히면 안 된다'</li></ul> 3. 진화기(2022~2024): 금융 너머를 바라보는 시대의 디자인 마이데이터 시기에 조회, 송금, 혜택을 중심으로 한 홈화면을 만든 시기. 대출, 카드, 보험, 신용대출 등 여러 기능을 동일한 인터랙션으로 하나의 경험을 하듯이 만드는 것에 주안점을 두고 매출까지 개선하는 것으로 디자인의 역할을 확대했습니다. 이 시기엔 3D로 만든 새로운 로고를 선보였습니다. 4. 토스의 지금(2025~): 어디서나 편리한 디자인을 고민할 때 토스가 금융상품을 넘어 커머스, 모바일을 넘어 오프라인 단말기까지 새로운 접점이 생기면서 덩치가 커졌습니다. B2B 고객도 많아졌고 고객이 토스 앱 안에서 자기만의 사업을 하려는 니즈가 있었기에 '툴 프로덕트 디자이너'라는 직군까지 생겼습니다. 내부 구성원을 위한 툴도 만들어진 시기였죠. <ol ><li>토스 내비게이션 스코어 - 유저에게 직접 묻고 '이 기능 어디에 있을 것 같나요?'에 대한 답변을 히트맵 형태로 표현해서 (만드는 사람이) 예상한 것과 (쓰는 사람이) 이해하고 기대하는 것 사이의 격차가 얼마나 큰지 확인할 수 있는 방법입니다.</li><li>휴리봇 - 휴리봇은 토스 유저처럼 답변하는 생성형 AI예요. 디자인한 화면을 보여주며 질문하면 실제 유저처럼 답변하는 거예요. 기존 유저 테스트를 완전히 대체할 수는 없지만, 시간을 아끼는 데 큰 도움이 됩니다.</li><li>토스트 - 토스 스타일로 그림을 알아서 그려주는 '토스트'도 개발했어요. 정보를 입력하면 몇 분 만에 그래픽이 만들어지죠. 토스 그래픽 디자이너가 만든 것과 같은 퀄리티, 톤으로요. 디자이너들이 더 중요한 문제에 집중할 수 있도록 일손을 덜어주는 역할을 잘 해내고 있습니다.&nbsp;</li><li>랠리(Rally) - 인터랙션을 잘 만들려면 디자이너의 역량, 구현 기술, 개발 인력이 모두 필요한데요. 인터랙션팀 주도로 구현 비용을 획기적으로 낮추기 위해 랠리라는 프로그래밍 언어를 자체 개발했어요.</li></ol> https://www.folin.co/article/10450/gift/Fspn7szhf5iFFggpgu0Ryq7GKd3D6XF5

www.folin.co

《디자인하는 사람이라면 '수단과 목적을 헷갈리지 말자'》

1. “다른 사람을 존중하라”고 설교하지만, 정작 자신은 직원들을 신뢰하지도 존중하지도 않습니다.

2. ‘팀워크’라는 말을 입에 달고 다니지만, 팀플레이를 맹목적인 복종으로만 해석합니다.

3. 끔찍할 정도로 우유부단합니다. 중요한 결정을 내려야 할 때마다 미루고, 수도 없이 분석만 하고 의사결정은 내리지 않습니다. 그 결과, 회사는 결국 중요한 기회를 놓치고, 작은 문제들마저 심각한 위기로까지 커집니다.

4. 우선순위를 정하지 않고, 직원들에게 10~20개 실천 항목을 한꺼번에 제시하며 모두 다 우리에게 최우선사항이라고 말합니다.

5. 자기 집무실에 틀어박혀서 직원들이 어떻게 일하는지를 살피지 않습니다.

6. 사람들을 끊임없이 비판할 뿐, 긍정적인 피드백은 거의 하지 않습니다. 직원이 딱 한 번 실수를 한 것을 두고 영원히 괴롭힙니다. 그 결과, 실수를 통해 교훈을 얻을 수 있는 기회 자체를 박탈합니다.

7. 회사의 비전을 놓고 직원들과 효과적으로 소통하지 않습니다. 그로 인해 직원들은 회사에 비전이 없다고 느끼고, 어디로 가야 할지 몰라서 회사는 우왕좌왕합니다.

8. 말을 할 때나 글을 쓸 때 복잡하고 따분하기만 하고, 온갖 전문 용어를 남발합니다. 그래서 직원들에게 건설적인 영감을 주기는커녕 지루하고 혼란스럽게 만듭니다.

9. 정체된 상태임에도 새롭거나 대담한 도전을 하는 것을 꺼립니다. 그래서 결국 야망을 가진 직원들은 회사를 떠납니다.

- 짐 콜린스 외, <좋은 리더를 넘어 위대한 리더로> 중

1. “다른 사람을 존중하라”고 설교하지만, 정작 자신은 직원들을 신뢰하지도 존중하지도 않습니다. 2. ‘팀워크’라는 말을 입에 달고 다니지만, 팀플레이를 맹목적인 복종으로만 해석합니다. 3. 끔찍할 정도로 우유부단합니다. 중요한 결정을 내려야 할 때마다 미루고, 수도 없이 분석만 하고 의사결정은 내리지 않습니다. 그 결과, 회사는 결국 중요한 기회를 놓치고, 작은 문제들마저 심각한 위기로까지 커집니다. 4. 우선순위를 정하지 않고, 직원들에게 10~20개 실천 항목을 한꺼번에 제시하며 모두 다 우리에게 최우선사항이라고 말합니다. 5. 자기 집무실에 틀어박혀서 직원들이 어떻게 일하는지를 살피지 않습니다. 6. 사람들을 끊임없이 비판할 뿐, 긍정적인 피드백은 거의 하지 않습니다. 직원이 딱 한 번 실수를 한 것을 두고 영원히 괴롭힙니다. 그 결과, 실수를 통해 교훈을 얻을 수 있는 기회 자체를 박탈합니다. 7. 회사의 비전을 놓고 직원들과 효과적으로 소통하지 않습니다. 그로 인해 직원들은 회사에 비전이 없다고 느끼고, 어디로 가야 할지 몰라서 회사는 우왕좌왕합니다. 8. 말을 할 때나 글을 쓸 때 복잡하고 따분하기만 하고, 온갖 전문 용어를 남발합니다. 그래서 직원들에게 건설적인 영감을 주기는커녕 지루하고 혼란스럽게 만듭니다. 9. 정체된 상태임에도 새롭거나 대담한 도전을 하는 것을 꺼립니다. 그래서 결국 야망을 가진 직원들은 회사를 떠납니다. - 짐 콜린스 외, &lt;좋은 리더를 넘어 위대한 리더로&gt; 중

최악의 리더들이 가진 특징 9가지

'쉐프가 찾아가는 구내식당' 등 요식 아이디어로 관심을 모으며 CJ그룹 투자를 유치하기도 했던 푸드테크 스타트업 플레이팅코퍼레이션이 헐값에 매각된다. 경영난 탓에 기업 회생 절차에 돌입한 만큼 낮은 가격을 받을 수밖

[단독] 대기업이 점 찍은 푸드테크 스타트업, 단돈 5억에 팔렸다

플레이팅코퍼레이션이 그동안 국내 전략적 투자자(SI)와 벤처캐피털(VC)로부터 유치한 자금은 90억원이 넘는다. 그러나 이번 거래는 5억4000만원에 이뤄진 것으로 확인됐다. 제3자 배정 방식의 유상증자로 구주 매각 없이 전액 신주 발행으로 진행된다. 보통주 1주당 발행가는 100원으로 구름인베스트먼트는 총 540만주를 확보하게 된다.

https://n.news.naver.com/article/366/0000983267?sid=101

플레이팅코퍼레이션이 그동안 국내 전략적 투자자(SI)와 벤처캐피털(VC)로부터 유치한 자금은 90억원이 넘는다. 그러나 이번 거래는 5억4000만원에 이뤄진 것으로 확인됐다. 제3자 배정 방식의 유상증자로 구주 매각 없이 전액 신주 발행으로 진행된다. 보통주 1주당 발행가는 100원으로 구름인베스트먼트는 총 540만주를 확보하게 된다. https://n.news.naver.com/article/366/0000983267?sid=101

n.news.naver.com

SNEW 스타트업 뉴스

스타트업과 벤처캐피탈 뉴스 및 인사이트
snew.insight@gmail.com

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필