| 한민 문화심리학자 언젠가부터 ‘선을 넘는’ 사람들이 많아진 느낌이다. 예의라곤 찾아볼 수 없는 사람들, 다른 사람의 기분 따위 생각하지 않고 제멋대로 구는 이들…. 예전에는 당연하다고 여겨졌던 것들이 점차 힘을 

[세상읽기] 선을 넘는 사람들이 많아진 이유

언젠가부터 ‘선을 넘는’ 사람들이 많아진 느낌이다. 예의라고는 찾아볼 수 없는 사람들, 다른 사람의 기분 따위는 생각하지 않고 제멋대로인 이들…예전엔 당연하다고 여겨졌던 것들이 점차 힘을 잃고 사라져가고 있다. 과연 세상은 점점 나빠져 가는 것일까?

그러나 문제는 그렇게 간단하지 않다. 옛날이 좋았고 갈수록 살기가 힘들어지며 요즘 것들은 예의없다는 결론으로는 세상을 이해할 수 없다. 선을 넘는 사람들이 늘어난다는 사실에는 보다 중요한 이유가 숨어 있다.

선이란 사람들 간에 합의된 사회적 규칙이다. 선을 넘는 이들이 많아진다는 것은 사람들 사이의 합의가 제대로 이루어지기 힘들다는 의미다. 그리고 사회적 약속에 대한 기존의 합의가 깨지는 주된 이유는 바로 다양성의 증가다.

한국 사회는 빠른 속도로 변화해 왔다. 다른 나라들이 200년 가까운 세월 동안 겪은 일이 한국에서는 고작 수십 년 만에 일어났다. 정치적으로는 왕조시대에서 일제강점기, 권위주의 독재 시절을 지나 민주화를 이루었으며, 경제적으로는 농경사회에서 산업사회를 거쳐 정보화시대, 4차 산업혁명 시대가 되었다.

다양성의 증가는 문화의 개인주의화를 가져온다. 문화의 변화를 유발하는 선행요인들을 연구해 온 심리학자 트리안디스는 개인주의적 경향을 촉진하는 조건으로 사회의 경제력, 풍부한 자원, 산업정보화 사회와 함께 문화적 복잡성을 꼽았다.

문화적으로 복잡하다는 것은 다양한 규범 체계가 공존한다는 의미이다. 과거의 한국인들은 비교적 단일한 규범체계 속에서 살았다. 그러나 격동의 현대사는 서로 다른 가치와 생활 패턴을 가진 수많은 사람들을 만들어냈다. 한마디로 사회의 다양성이 크게 증가한 것이다.

살아온 시대와 그 시대에 필요한 가치들이 다르다보니 서로의 생각도 달라질 수밖에 없다. 사람마다 각자 추구하는 가치가 다르며 그것이 당연하다고 여겨지는 분위기를 개인주의 문화라 한다. 한국사회는 빠른 속도로 개인주의화되는 중이다.

그러나 동시에 한국은 꽤나 집단주의적인 문화도 갖고 있다. 집단주의란 개인이 어떤 집단의 일원이라는 생각이 두드러지는 문화를 말한다. 트리안디스에 따르면, 집단주의는 개개인이 자신의 힘만으로는 생존하기 어려워서 다른 이들과 힘을 합쳐야 했던 조건에서 나타난다.

과거 농경사회였고 잦은 외침을 겪었던, 지금도 전쟁의 상흔이 남아 있고 뚜렷한 외부의 적이 존재하고 있는 한국은 집단주의적 경향성 역시 강하게 나타나는 나라다. 그래서 어떤 분들은 날로 개인주의화되어가는 요즘 사람들이 마음에 들지 않는 것 같다.

스스로의 기준으로 행동하는 요즘 사람들의 행동이 과거에 비해 이기적인 것처럼 보여지기 때문이다. 특히 집단의 규범과 개인적 가치가 충돌하는 상황에서 개인적 가치를 우선하는 모습을 도저히 이해하지 못하는 분들이 계신데, 개인주의는 자기만 아는 이기주의와는 다르다. 오해하면 안된다.

한편, 개인주의를 신봉하는 이들도 일부 사람들의 집단주의적 사고방식을 이해하지 못한다. 개인주의가 확산되면서 집단주의를 개인의 개성을 짓밟고 권리를 무시하는 문화라고 생각하는 경향이 있는데 이 역시 집단주의에 대한 오해다.

집단을 위해 개인이 무시되어도 좋다는 생각은 전체주의지 집단주의가 아니다. 집단주의는 나와 다른 사람들이 연결되어 있다는 생각에서 비롯된다. 나의 행동을 하기 전에 다른 이들을 고려하는 것이 내 개성과 권리를 무시당하는 일은 아닐 것이다.

분명한 건 우리 사회에 다양성이 급격히 증가했다는 사실이다. 사회의 다양성이 증가한다는 것은 사람들의 선택의 여지가 많아진다는 의미이고, 그 수많은 선택지들 중에 자신에게 가장 적합한 것을 고를 수 있는 사람은 자기 자신뿐이다.

저마다의 기준과 원칙이 중요해지면서 오랫동안 여러 사람에게 당연하다고 여겨졌던 많은 일들이 더 이상 당연하지 않게 되는 것은 당연하다. 이른바 ‘선을 넘는’ 이들이 많아지는 이유다. 문제는 이러한 다양성들을 갑자기 받아들이기엔 변화들이 너무 빠르게 일어난다는 데 있다.

현재 한국 사회에는 왕조시대의 신민들과 현대 민주주의 국가의 시민들이 같은 선거에서 투표를 하고, 해 뜰 때부터 밤늦게까지 일하던 산업화 시대의 역군들과 개인의 삶과 워라밸을 중시하는 청년들이 같은 회사에 근무한다.

우리는 너무나 다른 시대를 살아왔고 그 결과 서로 다른 가치관들을 갖게 되었다. 그럴수록 내 생각만 옳다는 생각은 위험하다. 시공을 초월하여 항상 옳은 가치란 없다. 누군가가 ‘선을 넘는다’고 판단하는 데는 주의가 필요하다.

언젠가부터 ‘선을 넘는’ 사람들이 많아진 느낌이다. 예의라고는 찾아볼 수 없는 사람들, 다른 사람의 기분 따위는 생각하지 않고 제멋대로인 이들…예전엔 당연하다고 여겨졌던 것들이 점차 힘을 잃고 사라져가고 있다. 과연 세상은 점점 나빠져 가는 것일까? 그러나 문제는 그렇게 간단하지 않다. 옛날이 좋았고 갈수록 살기가 힘들어지며 요즘 것들은 예의없다는 결론으로는 세상을 이해할 수 없다. 선을 넘는 사람들이 늘어난다는 사실에는 보다 중요한 이유가 숨어 있다. 선이란 사람들 간에 합의된 사회적 규칙이다. 선을 넘는 이들이 많아진다는 것은 사람들 사이의 합의가 제대로 이루어지기 힘들다는 의미다. 그리고 사회적 약속에 대한 기존의 합의가 깨지는 주된 이유는 바로 다양성의 증가다. 한국 사회는 빠른 속도로 변화해 왔다. 다른 나라들이 200년 가까운 세월 동안 겪은 일이 한국에서는 고작 수십 년 만에 일어났다. 정치적으로는 왕조시대에서 일제강점기, 권위주의 독재 시절을 지나 민주화를 이루었으며, 경제적으로는 농경사회에서 산업사회를 거쳐 정보화시대, 4차 산업혁명 시대가 되었다. 다양성의 증가는 문화의 개인주의화를 가져온다. 문화의 변화를 유발하는 선행요인들을 연구해 온 심리학자 트리안디스는 개인주의적 경향을 촉진하는 조건으로 사회의 경제력, 풍부한 자원, 산업정보화 사회와 함께 문화적 복잡성을 꼽았다. 문화적으로 복잡하다는 것은 다양한 규범 체계가 공존한다는 의미이다. 과거의 한국인들은 비교적 단일한 규범체계 속에서 살았다. 그러나 격동의 현대사는 서로 다른 가치와 생활 패턴을 가진 수많은 사람들을 만들어냈다. 한마디로 사회의 다양성이 크게 증가한 것이다. 살아온 시대와 그 시대에 필요한 가치들이 다르다보니 서로의 생각도 달라질 수밖에 없다. 사람마다 각자 추구하는 가치가 다르며 그것이 당연하다고 여겨지는 분위기를 개인주의 문화라 한다. 한국사회는 빠른 속도로 개인주의화되는 중이다. 그러나 동시에 한국은 꽤나 집단주의적인 문화도 갖고 있다. 집단주의란 개인이 어떤 집단의 일원이라는 생각이 두드러지는 문화를 말한다. 트리안디스에 따르면, 집단주의는 개개인이 자신의 힘만으로는 생존하기 어려워서 다른 이들과 힘을 합쳐야 했던 조건에서 나타난다. 과거 농경사회였고 잦은 외침을 겪었던, 지금도 전쟁의 상흔이 남아 있고 뚜렷한 외부의 적이 존재하고 있는 한국은 집단주의적 경향성 역시 강하게 나타나는 나라다. 그래서 어떤 분들은 날로 개인주의화되어가는 요즘 사람들이 마음에 들지 않는 것 같다. 스스로의 기준으로 행동하는 요즘 사람들의 행동이 과거에 비해 이기적인 것처럼 보여지기 때문이다. 특히 집단의 규범과 개인적 가치가 충돌하는 상황에서 개인적 가치를 우선하는 모습을 도저히 이해하지 못하는 분들이 계신데, 개인주의는 자기만 아는 이기주의와는 다르다. 오해하면 안된다. 한편, 개인주의를 신봉하는 이들도 일부 사람들의 집단주의적 사고방식을 이해하지 못한다. 개인주의가 확산되면서 집단주의를 개인의 개성을 짓밟고 권리를 무시하는 문화라고 생각하는 경향이 있는데 이 역시 집단주의에 대한 오해다. 집단을 위해 개인이 무시되어도 좋다는 생각은 전체주의지 집단주의가 아니다. 집단주의는 나와 다른 사람들이 연결되어 있다는 생각에서 비롯된다. 나의 행동을 하기 전에 다른 이들을 고려하는 것이 내 개성과 권리를 무시당하는 일은 아닐 것이다. 분명한 건 우리 사회에 다양성이 급격히 증가했다는 사실이다. 사회의 다양성이 증가한다는 것은 사람들의 선택의 여지가 많아진다는 의미이고, 그 수많은 선택지들 중에 자신에게 가장 적합한 것을 고를 수 있는 사람은 자기 자신뿐이다. 저마다의 기준과 원칙이 중요해지면서 오랫동안 여러 사람에게 당연하다고 여겨졌던 많은 일들이 더 이상 당연하지 않게 되는 것은 당연하다. 이른바 ‘선을 넘는’ 이들이 많아지는 이유다. 문제는 이러한 다양성들을 갑자기 받아들이기엔 변화들이 너무 빠르게 일어난다는 데 있다. 현재 한국 사회에는 왕조시대의 신민들과 현대 민주주의 국가의 시민들이 같은 선거에서 투표를 하고, 해 뜰 때부터 밤늦게까지 일하던 산업화 시대의 역군들과 개인의 삶과 워라밸을 중시하는 청년들이 같은 회사에 근무한다. 우리는 너무나 다른 시대를 살아왔고 그 결과 서로 다른 가치관들을 갖게 되었다. 그럴수록 내 생각만 옳다는 생각은 위험하다. 시공을 초월하여 항상 옳은 가치란 없다. 누군가가 ‘선을 넘는다’고 판단하는 데는 주의가 필요하다.

n.news.naver.com

대한민국 No.1 종합 경제지 이데일리 - 국내외 증권·기업 등 경제 및 종합 뉴스를 빠르고, 정확하게 전달합니다.

이데일리-세상을 올바르게,세상을 따뜻하게

동시에 이들은 서로 경쟁하기도 하죠
——————
올다무토의 또 다른 강점은 본업을 통한 단단한 수익 구조다. 이는 막대한 투자가 필요한 이커머스 사업의 재원이다. 만년 적자인 기존 이커머스와 대조적이다. 특히 이커머스 사업은 올다무토의 본업 경쟁력을 더욱 강력하게 만든다. 토스는 커머스를 통해 앱내 고객체류 시간을 늘린다. 다이소는 온라인 채널 파워로 기존 제조사들과의 균일가 협상력을 더욱 올리고 있다. 패션 뷰티 소비자의 무신사 올리브영 쏠림 현상은 갈수록 심화하고 있다. 이른바 선순환 구조를 구축한 셈이다.

https://m.edaily.co.kr/News/Read?mediaCodeNo=257&newsId=01462886642134152&utm_source=

동시에 이들은 서로 경쟁하기도 하죠——————올다무토의 또 다른 강점은 본업을 통한 단단한 수익 구조다. 이는 막대한 투자가 필요한 이커머스 사업의 재원이다. 만년 적자인 기존 이커머스와 대조적이다. 특히 이커머스 사업은 올다무토의 본업 경쟁력을 더욱 강력하게 만든다. 토스는 커머스를 통해 앱내 고객체류 시간을 늘린다. 다이소는 온라인 채널 파워로 기존 제조사들과의 균일가 협상력을 더욱 올리고 있다. 패션 뷰티 소비자의 무신사 올리브영 쏠림 현상은 갈수록 심화하고 있다. 이른바 선순환 구조를 구축한 셈이다. https://m.edaily.co.kr/News/Read?mediaCodeNo=257&amp;newsId=01462886642134152&amp;utm_source=

이데일리

올다무토.. 올리브영, 다이소, 무신사, 토스

사업을 하든, 커리어를 쌓든, 콘텐츠를 만들든, 사이드 프로젝트를 진행하든, 현대 사회에서 비즈니스를 이해하고 탐구하는 일은 무척이나 중요한데요. ‘비즈니스를 이해하느냐 못하느냐’에 따라, 자신이 투여한 노력의 가치가 달라질 뿐 아니라, 어떻게 노력할 것인가도 달라지기 때문입니다.

[썸원 북클럽] 비즈니스 입문 (6개월 프로젝트)

1. 현대 사회에서 비즈니스를 이해하는 일은, 사업을 직접 하는 사람뿐 아니라, 커리어를 쌓거나 사이드 프로젝트를 하거나 투자를 할 때도 굉장히 중요한 일인데요.

2. 단순히 일을 잘하는 것을 너머, 비즈니스를 이해하고 이에 기여하는 법을 알아야 커리어가 발전할 뿐 아니라, 본인의 의사결정 능력 또한 날카로워지기 때문입니다.

3. 게다가 100세 시대인 만큼, 인생의 어느 시점에서 자신의 아이디어나 능력을 사업화하는 일은 앞으로 필수적인 과제인데요.

4. 그런 의미에서 저 개인적으로는 비즈니스를 이해하는 일은, 앞으로 상식이자 교양이 될 거라고 믿습니다. 콘텐츠나 커뮤니티를 만드는 사람들도 비즈니스를 이해하느냐, 아니냐에 따라 격차는 더욱 벌어질 것이라고 보고요.

5. 다만, 비즈니스라는 것이 전문적으로 들어가면 어렵고 빡세기 마련이라 재미없게 느끼기 쉬운데요. 그래서 재미있으면서도 비즈니스에 대한 이해를 높일 수 있는 북클럽을 만들어보면 좋겠다는 생각을 했습니다.

6. 비즈니스를 잘 다루면서 재미도 있는 콘텐츠들을 보고, 이에 기반해 대화를 나누다 보면 비즈니스에 대한 이해도 넓어지고, 자신의 아이디어 또한 훨씬 더 날카롭게 다듬을 수 있다는 생각을 했달까요? 그러면 그것이 가지는 가치는 장기적으로 굉장히 클 것이라는 생각을 했습니다.

7. 게다가 우리 대부분은 비즈니스라는 게 뭔지도 모르는 상태에서 세상에 내던져지는 경우가 많은데요. 그래서 비즈니스가 더 어렵게 느껴지고 거리감 있게 느껴지는 측면도 많습니다. 그래서인지 익숙하지 않을 뿐인데, 별다른 근거 없이 무의식적으로 자신은 비즈니스와는 거리가 멀다고 느끼는 사람들도 은근 많이 봤고요.

8. 하지만 원래부터 비즈니스를 잘 이해하는 사람은 극소수고, 더 나은 의사결정을 내리기 위해 계속 깨지고 학습하면서 비즈니스를 이해하는 경우가 훨씬 더 많은데요. 이 과정을 통해서 더 나은 의사결정을 내릴 때 비즈니스도 성장하고, 한 개인도 성장하는 경우가 많습니다.

9. 물론 비즈니스 따위는 신경 쓰지 않고 의사결정을 내려도 무관한 삶을 살 수 있다면 그것 또한 아주 멋진 일인데요. 하지만 그럼에도 저는 비즈니스를 이해하는 것이 자신이 내릴 수 있는 선택의 폭을 넓히고, 더 나은 의사결정을 하게 해준다고 생각하는 편입니다.

10. 공부하고 학습하고 생각의 폭을 넓히지 않으면, 결국 늘 해왔던 식으로 의사결정을 내리기 쉽고, 그러면 변화는 일어나지 않으니까요.

11. 실제로 비즈니스 관련된 수많은 책을 읽다 보면, 공통적으로 처음에는 감각과 재능과 열정으로 시작했으나, 비즈니스에 대한 이해를 넓히면서 더 나은 삶과 사업을 만들어가는 이들을 많이 발견할 수 있는데요.

12. 비즈니스라는 것도 결국에는 신뢰를 기반으로 세상과 소통하는 행위이고, 근본적으로 자신의 세계를 넓혀가는 과정일 수 있기 때문입니다.

13. 그래서 재미있으면서도 비즈니스에 대한 이해를 높일 수 있는 콘텐츠들을 함께 보고 토론하는 기회를 만들어볼까 하는데요. 그동안 비즈니스 관련해 제가 재미있게 본 책과 영화, 다큐멘터리를 선정해 이를 기반으로 대화를 나눌 예정이오니, 관심 있으신 분들께서는 자세한 내용 참고해주시면 감사하겠습니다.

14. 그리고 어려운 시기일수록, 오히려 더 자기만의 생각에 갇히지 않고, 좋은 콘텐츠와 연결을 통해 생각을 넓히는 것이 중요하지 않을까 싶어요. 다들 화이팅입니다 ;)

https://somewon.notion.site/6-1c846dbced95809da805da9503474168

1. 현대 사회에서 비즈니스를 이해하는 일은, 사업을 직접 하는 사람뿐 아니라, 커리어를 쌓거나 사이드 프로젝트를 하거나 투자를 할 때도 굉장히 중요한 일인데요. 2. 단순히 일을 잘하는 것을 너머, 비즈니스를 이해하고 이에 기여하는 법을 알아야 커리어가 발전할 뿐 아니라, 본인의 의사결정 능력 또한 날카로워지기 때문입니다. 3. 게다가 100세 시대인 만큼, 인생의 어느 시점에서 자신의 아이디어나 능력을 사업화하는 일은 앞으로 필수적인 과제인데요. 4. 그런 의미에서 저 개인적으로는 비즈니스를 이해하는 일은, 앞으로 상식이자 교양이 될 거라고 믿습니다. 콘텐츠나 커뮤니티를 만드는 사람들도 비즈니스를 이해하느냐, 아니냐에 따라 격차는 더욱 벌어질 것이라고 보고요. 5. 다만, 비즈니스라는 것이 전문적으로 들어가면 어렵고 빡세기 마련이라 재미없게 느끼기 쉬운데요. 그래서 재미있으면서도 비즈니스에 대한 이해를 높일 수 있는 북클럽을 만들어보면 좋겠다는 생각을 했습니다. 6. 비즈니스를 잘 다루면서 재미도 있는 콘텐츠들을 보고, 이에 기반해 대화를 나누다 보면 비즈니스에 대한 이해도 넓어지고, 자신의 아이디어 또한 훨씬 더 날카롭게 다듬을 수 있다는 생각을 했달까요? 그러면 그것이 가지는 가치는 장기적으로 굉장히 클 것이라는 생각을 했습니다. 7. 게다가 우리 대부분은 비즈니스라는 게 뭔지도 모르는 상태에서 세상에 내던져지는 경우가 많은데요. 그래서 비즈니스가 더 어렵게 느껴지고 거리감 있게 느껴지는 측면도 많습니다. 그래서인지 익숙하지 않을 뿐인데, 별다른 근거 없이 무의식적으로 자신은 비즈니스와는 거리가 멀다고 느끼는 사람들도 은근 많이 봤고요. 8. 하지만 원래부터 비즈니스를 잘 이해하는 사람은 극소수고, 더 나은 의사결정을 내리기 위해 계속 깨지고 학습하면서 비즈니스를 이해하는 경우가 훨씬 더 많은데요. 이 과정을 통해서 더 나은 의사결정을 내릴 때 비즈니스도 성장하고, 한 개인도 성장하는 경우가 많습니다. 9. 물론 비즈니스 따위는 신경 쓰지 않고 의사결정을 내려도 무관한 삶을 살 수 있다면 그것 또한 아주 멋진 일인데요. 하지만 그럼에도 저는 비즈니스를 이해하는 것이 자신이 내릴 수 있는 선택의 폭을 넓히고, 더 나은 의사결정을 하게 해준다고 생각하는 편입니다. 10. 공부하고 학습하고 생각의 폭을 넓히지 않으면, 결국 늘 해왔던 식으로 의사결정을 내리기 쉽고, 그러면 변화는 일어나지 않으니까요. 11. 실제로 비즈니스 관련된 수많은 책을 읽다 보면, 공통적으로 처음에는 감각과 재능과 열정으로 시작했으나, 비즈니스에 대한 이해를 넓히면서 더 나은 삶과 사업을 만들어가는 이들을 많이 발견할 수 있는데요. 12. 비즈니스라는 것도 결국에는 신뢰를 기반으로 세상과 소통하는 행위이고, 근본적으로 자신의 세계를 넓혀가는 과정일 수 있기 때문입니다. 13. 그래서 재미있으면서도 비즈니스에 대한 이해를 높일 수 있는 콘텐츠들을 함께 보고 토론하는 기회를 만들어볼까 하는데요. 그동안 비즈니스 관련해 제가 재미있게 본 책과 영화, 다큐멘터리를 선정해 이를 기반으로 대화를 나눌 예정이오니, 관심 있으신 분들께서는 자세한 내용 참고해주시면 감사하겠습니다. 14. 그리고 어려운 시기일수록, 오히려 더 자기만의 생각에 갇히지 않고, 좋은 콘텐츠와 연결을 통해 생각을 넓히는 것이 중요하지 않을까 싶어요. 다들 화이팅입니다 ;) https://somewon.notion.site/6-1c846dbced95809da805da9503474168

Somewon on Notion

썸원 북클럽 모집 안내

고물가, 경기 침체에 자영업자의 한숨이 깊다. 이런 때 오히려 높은 이익률을 기록하며 승승장구하는 외식 기업이 있다. 58년 전통의 칼국수 전문점 ‘명동교자’다. 금감원 전자공시에 따르면 명동교자는 지난해 320억원 매출과 122억원의 영업이익을 달성, 웬만한 매출액 수천억원대 중견기업에 버금가는 실적을 올려 화제다. 특히 38%가 넘는 영업이익률로 일반적

매출 320억·영업이익 122억...중견기업 안 부러운 명동교자 - 매일경제

명동교자는 지난해 320억원 매출과 122억원의 영업이익을 달성, 웬만한 매출액 수천억원대 중견기업에 버금가는 실적을 올려 화제다. 특히 38%가 넘는 영업이익률로 일반적인 외식업체의 수익성을 훌쩍 뛰어넘어 눈길을 끈다.

명동교자의 가장 큰 강점 중 하나는 명동 부동산 소유(장부가액 약 900억원대)를 통한 고정비 절감이다. 명동의 핵심 상권에 위치한 본점과 분점, 신관명동역점(지난해 12월 오픈)을 비롯해 이태원점까지 직접 소유하거나 관계사가 소유하고 있어 임대료 상승 압박에서 자유롭다. 외식업에서 임대료가 차지하는 비중이 상당하다는 점을 고려할 때 명동교자의 부동산 전략은 안정적인 수익 구조를 확보하는 데 결정적인 역할을 하고 있다.

https://www.mk.co.kr/news/business/11283812

명동교자는 지난해 320억원 매출과 122억원의 영업이익을 달성, 웬만한 매출액 수천억원대 중견기업에 버금가는 실적을 올려 화제다. 특히 38%가 넘는 영업이익률로 일반적인 외식업체의 수익성을 훌쩍 뛰어넘어 눈길을 끈다. 명동교자의 가장 큰 강점 중 하나는 명동 부동산 소유(장부가액 약 900억원대)를 통한 고정비 절감이다. 명동의 핵심 상권에 위치한 본점과 분점, 신관명동역점(지난해 12월 오픈)을 비롯해 이태원점까지 직접 소유하거나 관계사가 소유하고 있어 임대료 상승 압박에서 자유롭다. 외식업에서 임대료가 차지하는 비중이 상당하다는 점을 고려할 때 명동교자의 부동산 전략은 안정적인 수익 구조를 확보하는 데 결정적인 역할을 하고 있다. https://www.mk.co.kr/news/business/11283812

매일경제

지난해 영업익 성심당 478억, CJ푸드빌 299억 ‘매장 16곳’으로 1300곳 이겨

성심당, 연매출 2000억원 육박…2년 연속 뚜레쥬르 눌렀다 - 매일경제

성심당의 지난해 매출액은 1937억6000만원으로, 전년(1243억원)보다 56% 늘었다. 같은 기간 영업이익은 478억원을 기록했다. 전년(315억원) 대비 50% 증가한 수치다.

…

영업이익도 신기록을 이어오고 있다. 2023년에 빵집 프랜차이즈인 뚜레쥬르 운영사 CJ푸드빌(214억원)의 영업이익(별도 기준)도 추월했다. 지난해에도 299억원의 영업이익을 거둔 CJ푸드빌보다 더 높은 실적을 달성한 셈이다.

https://m.mk.co.kr/news/business/11283804

성심당의 지난해 매출액은 1937억6000만원으로, 전년(1243억원)보다 56% 늘었다. 같은 기간 영업이익은 478억원을 기록했다. 전년(315억원) 대비 50% 증가한 수치다. … 영업이익도 신기록을 이어오고 있다. 2023년에 빵집 프랜차이즈인 뚜레쥬르 운영사 CJ푸드빌(214억원)의 영업이익(별도 기준)도 추월했다. 지난해에도 299억원의 영업이익을 거둔 CJ푸드빌보다 더 높은 실적을 달성한 셈이다. https://m.mk.co.kr/news/business/11283804

1. 문제는 고쳐지고 사람들은 적응한다. 위협이 크면 해결책이 나올 동인도 똑같이 커진다.

2. 이는 경제사에서 흔히 볼 수 있는 플롯임에도 불구하고, 단편적 예측을 내놓는 비관주의자들은 이 사실을 너무 쉽게 잊는다.

3. 진보는 너무 느리게 일어나서 알아채기가 힘들지만 파괴는 너무 빠르게 일어나서 무시하기가 어렵다.

4. 비관주의를 중심으로 이야기를 만들어내기가 쉬운 이유는 따끈따끈한 최근 이야기가 더 많기 때문이다.

5. 반면 낙관적 이야기는 역사와 발전을 길게 보아야 한다. 그렇기 때문에 사람들이 잊어버리기가 쉽고 조각을 맞추기도 어렵다.

6. 잠깐의 비관주의는 삽시간에 퍼질 수 있는 반면, 강력한 동인을 가진 낙관주의는 눈에 띄지도 않는다.

#돈의심리학 #모건하우절 📚

1. 문제는 고쳐지고 사람들은 적응한다. 위협이 크면 해결책이 나올 동인도 똑같이 커진다. ​ 2. 이는 경제사에서 흔히 볼 수 있는 플롯임에도 불구하고, 단편적 예측을 내놓는 비관주의자들은 이 사실을 너무 쉽게 잊는다. ​ 3. 진보는 너무 느리게 일어나서 알아채기가 힘들지만 파괴는 너무 빠르게 일어나서 무시하기가 어렵다. ​ 4. 비관주의를 중심으로 이야기를 만들어내기가 쉬운 이유는 따끈따끈한 최근 이야기가 더 많기 때문이다. ​ 5. 반면 낙관적 이야기는 역사와 발전을 길게 보아야 한다. 그렇기 때문에 사람들이 잊어버리기가 쉽고 조각을 맞추기도 어렵다. ​ 6. 잠깐의 비관주의는 삽시간에 퍼질 수 있는 반면, 강력한 동인을 가진 낙관주의는 눈에 띄지도 않는다. ​#돈의심리학 #모건하우절 📚

< 낙관주의의 힘은 '느리지만 꾸준한' 진보다 >

https://blog.naver.com/madaboutit/223808384499

얼마전에 신입 개발자 채용시 과제를 10분 내에 빠르게 만들어서 보낸 사람을 채용했다며, 빠르게 결과를 냈기 때문에 채용했다는 글이 SNS에 많이 돌았다. 그러면서 이렇게 말한다.

"알고리즘 많이 푸는 개발자보다, AI로 빠르게 결과 내는 사람을 선호. 알고리즘, 코딩 책 안 봐도 AI 도구만 적극 활용하면 취업 기회 잡을 수 있다."

개인적으로 이런 말 퍼뜨리는 사람들 너무 나쁘고 무책임하다고 생각한다. 취업하는 분들에게도 안 좋고, 개발자 생태계에도 안 좋다.

AI 도구를 활용하고 AI로 빠르게 결과를 내는 건, 오히려 이제 누구나 다 쉽게 할 수 있는 것이기 때문에 차별성이 없다. 그렇기 때문에 반대로 알고리즘을 많이 풀어보고 책을 많이 본 개발자를 더욱 선호할 수 밖에 없다.

보통 빠르게 결과를 낸 사람을 우대하는 이유는, 결과를 빠르게 만들었다는 이유보다는, 적극적으로 빠르게 소통을하기 때문이다.

속도도 물론 매우 중요하다. 하지만, 빠르게 만드는 것이 최우선인 회사가 있다면 그 회사는 빨리 거르거나, 1~2년 정도 경험을 많이 쌓는 용도로만 활용하겠다고 생각하는 것이 좋다. 좋은 회사일수록 이런 사람을 찾지 않는다.

얼마전에 신입 개발자 채용시 과제를 10분 내에 빠르게 만들어서 보낸 사람을 채용했다며, 빠르게 결과를 냈기 때문에 채용했다는 글이 SNS에 많이 돌았다. 그러면서 이렇게 말한다. "알고리즘 많이 푸는 개발자보다, AI로 빠르게 결과 내는 사람을 선호. 알고리즘, 코딩 책 안 봐도 AI 도구만 적극 활용하면 취업 기회 잡을 수 있다." 개인적으로 이런 말 퍼뜨리는 사람들 너무 나쁘고 무책임하다고 생각한다. 취업하는 분들에게도 안 좋고, 개발자 생태계에도 안 좋다. AI 도구를 활용하고 AI로 빠르게 결과를 내는 건, 오히려 이제 누구나 다 쉽게 할 수 있는 것이기 때문에 차별성이 없다. 그렇기 때문에 반대로 알고리즘을 많이 풀어보고 책을 많이 본 개발자를 더욱 선호할 수 밖에 없다. 보통 빠르게 결과를 낸 사람을 우대하는 이유는, 결과를 빠르게 만들었다는 이유보다는, 적극적으로 빠르게 소통을하기 때문이다. 속도도 물론 매우 중요하다. 하지만, 빠르게 만드는 것이 최우선인 회사가 있다면 그 회사는 빨리 거르거나, 1~2년 정도 경험을 많이 쌓는 용도로만 활용하겠다고 생각하는 것이 좋다. 좋은 회사일수록 이런 사람을 찾지 않는다.

<img src='https://image.thebell.co.kr/thebell10/img/icon-news.png'> 해당기사는 유료기사로 변경되거나 기사가 존재하지 않습니다.이용에 불편을 드려서 죄송합니다.문의는 (T)02-724-4162 입니다.

thebell Free

이 같은 호실적에도 이번 구주 거래에 비교적 낮은 기업가치가 적용된 건 결국 IPO 불확실성 때문이라고 업계는 보고 있다. 아이아이컴바인드 지분 70%를 보유한 오너 측은 현재 IPO를 진행할 계획이 없는 것으로 알려져 있다. 실적 성장으로 회사에 자금이 쌓이면서 공모시장에서 자금을 조달할 필요성이 낮아졌기 때문으로 분석된다.

https://m.thebell.co.kr/m/newsview.asp?svccode=00&newskey=202504031540196680109110&page=1&sort=FREE_DTM&searchtxt=

이 같은 호실적에도 이번 구주 거래에 비교적 낮은 기업가치가 적용된 건 결국 IPO 불확실성 때문이라고 업계는 보고 있다. 아이아이컴바인드 지분 70%를 보유한 오너 측은 현재 IPO를 진행할 계획이 없는 것으로 알려져 있다. 실적 성장으로 회사에 자금이 쌓이면서 공모시장에서 자금을 조달할 필요성이 낮아졌기 때문으로 분석된다. https://m.thebell.co.kr/m/newsview.asp?svccode=00&amp;newskey=202504031540196680109110&amp;page=1&amp;sort=FREE_DTM&amp;searchtxt=

m.thebell.co.kr

월간 VC 정치 불확실성에 회수 불안 여전 벤처투자 3개월 연속 감소 3월 VC 신규 투자 4094억원 1년 전 4928억원 대비 17%↓

[월간 VC] 정치 불확실성에 회수 불안 여전… 벤처투자 3개월 연속 감소

국내 벤처캐피털(VC)의 스타트업 신규 투자 규모가 올 들어 3개월 연속 감소했다. 정치 불확실에 회수 불안 지속 영향으로 지난 1월 47%, 2월 28% 감소에 이어 재차 17% 감소했다. 그나마 인공지능(AI) 서비스 스타트업으로 투자가 몰리며 감소 폭은 축소됐다.

탄핵 정국 등 정치 불확실성이 벤처투자 시장 위축에 영향을 미치고 있는 것으로 보고 있다. 여기에 한국거래소의 상장 심사기조 강화 등으로 상장 후 투자금 회수도 쉽지 않아지면서 VC들이 신규 투자처 발굴에 어려움을 겪고 있는 것으로 전해졌다.

https://biz.chosun.com/stock/market_trend/2025/04/03/WMFMJL2UMZDHPNTMC7Z5M6PV5Q/?utm_source=naver&utm_medium=original&utm_campaign=biz

국내 벤처캐피털(VC)의 스타트업 신규 투자 규모가 올 들어 3개월 연속 감소했다. 정치 불확실에 회수 불안 지속 영향으로 지난 1월 47%, 2월 28% 감소에 이어 재차 17% 감소했다. 그나마 인공지능(AI) 서비스 스타트업으로 투자가 몰리며 감소 폭은 축소됐다. 탄핵 정국 등 정치 불확실성이 벤처투자 시장 위축에 영향을 미치고 있는 것으로 보고 있다. 여기에 한국거래소의 상장 심사기조 강화 등으로 상장 후 투자금 회수도 쉽지 않아지면서 VC들이 신규 투자처 발굴에 어려움을 겪고 있는 것으로 전해졌다. https://biz.chosun.com/stock/market_trend/2025/04/03/WMFMJL2UMZDHPNTMC7Z5M6PV5Q/?utm_source=naver&amp;utm_medium=original&amp;utm_campaign=biz

조선비즈

[이 기사에 나온 스타트업에 대한 보다 다양한 기업정보는 유니콘팩토리 빅데이터 플랫폼 '데이터랩'에서 볼 수 있습니다.] 파산 위기에 몰렸던 그린랩스가 지난해 매출액 1000억원을 넘기고 자본잠식 상태도 해소하면서 정상화에 한 걸음 다가선 모습이다. 다만 아직 영업활동으로 인한 현금흐름이 여전히 마이너스고, 자본잠식 해소도 전환사채의 주식 전환으로 인한 회...

매출 1000억·자본잠식 해소…그린랩스 '정상화 안간힘' - 머니투데이

파산 위기에 몰렸던 그린랩스가 지난해 매출액 1000억원을 넘기고 자본잠식 상태도 해소하면서 정상화에 한 걸음 다가선 모습이다. 다만 아직 영업활동으로 인한 현금흐름이 여전히 마이너스고, 자본잠식 해소도 전환사채의 주식 전환으로 인한 회계처리 결과여서 본격적인 정상화까진 넘어야 할 산이 많다는 분석이다.

4일 금융감독원에 따르면 그린랩스의 지난해 연결기준 매출은 1022억원으로 전년(372억원) 대비 2.74배 증가했다. 같은 기간 영업손실과 당기순손실도 각각 109억원, 203억원으로 전년(359억원, 440억원)대비 크게 줄어들었다.

https://m.mt.co.kr/renew/view.html?no=2025040410175898350

파산 위기에 몰렸던 그린랩스가 지난해 매출액 1000억원을 넘기고 자본잠식 상태도 해소하면서 정상화에 한 걸음 다가선 모습이다. 다만 아직 영업활동으로 인한 현금흐름이 여전히 마이너스고, 자본잠식 해소도 전환사채의 주식 전환으로 인한 회계처리 결과여서 본격적인 정상화까진 넘어야 할 산이 많다는 분석이다. 4일 금융감독원에 따르면 그린랩스의 지난해 연결기준 매출은 1022억원으로 전년(372억원) 대비 2.74배 증가했다. 같은 기간 영업손실과 당기순손실도 각각 109억원, 203억원으로 전년(359억원, 440억원)대비 크게 줄어들었다. https://m.mt.co.kr/renew/view.html?no=2025040410175898350

머니투데이

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

전자상거래 분야의 신생기업(스타트업) 블랭크코퍼레이션이 지난해 연결기준으로 매출 833억 원, 영업이익 14억 원을 기록했다고 8일 밝혔다. 특히 3년 만에 적자에서 벗어나 흑자 전환에 성공했다. 2018년 설립된 이 업체는 매출이 한때 1,000억 원을 넘어섰으나 전자상거래 분야의 치열한 경쟁 때문에 광고비가 증가하며 2021년 116억 원의 적자를 냈

전자상거래 스타트업 블랭크, 브랜드 다양화 전략으로 흑자 전환 | 한국일보

전자상거래 분야의 신생기업(스타트업) 블랭크코퍼레이션이 지난해 연결기준으로 매출 833억 원, 영업이익 14억 원을 기록했다고 8일 밝혔다. 특히 3년 만에 적자에서 벗어나 흑자 전환에 성공했다.

2018년 설립된 이 업체는 매출이 한때 1,000억 원을 넘어섰으나 전자상거래 분야의 치열한 경쟁 때문에 광고비가 증가하며 2021년 116억 원의 적자를 냈다. 이에 비용을 줄이고 다양한 상표(멀티 레이블)를 육성하는 전략을 통해 흑자 전환을 모색했다.

https://m.hankookilbo.com/News/Read/A2024040815190002952?did=NA

전자상거래 분야의 신생기업(스타트업) 블랭크코퍼레이션이 지난해 연결기준으로 매출 833억 원, 영업이익 14억 원을 기록했다고 8일 밝혔다. 특히 3년 만에 적자에서 벗어나 흑자 전환에 성공했다. 2018년 설립된 이 업체는 매출이 한때 1,000억 원을 넘어섰으나 전자상거래 분야의 치열한 경쟁 때문에 광고비가 증가하며 2021년 116억 원의 적자를 냈다. 이에 비용을 줄이고 다양한 상표(멀티 레이블)를 육성하는 전략을 통해 흑자 전환을 모색했다. https://m.hankookilbo.com/News/Read/A2024040815190002952?did=NA

한국일보

Z세대와 로컬 커뮤니티를 탐구하며, 동시대의 주목 받는 콘텐츠 그리고 라이프 스타일에 관심이 많습니다. '틱톡'의 국내 초기 런칭과 함께 숏폼 콘텐츠 사업 업무를 담당하였고, 지금은 우아한형제들의 AR놀이 플랫폼인 '띠잉'을 만드는 조직에서 일하고 있습니다.

신사업 리드

차승학

Z세대와 커뮤니티를 탐구하며, 동시대의 라이프 스타일에 관심이 많습니다. 틱톡의 국내 런칭과 함께 콘텐츠 사업 업무, 우아한형제들 신사업부문, 스푼라디오 콘텐츠 전략 및 한국 CM업무를 담당했습니다. 현재는 카카오스타일에서 신사업을 리드하고 있습니다. 

SNEW 스타트업 뉴스

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

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필