1. 모든 협상은 두 가지를 남긴다.

2. 하나는 협상 결과물이고, 다른 하나는 인간관계다.

3. 이 두 가지를 모두 만족시키는 것, 그것이 바로 성공한 협상이다.

#류재언변호사의협상바이블

1. 모든 협상은 두 가지를 남긴다. ​2. 하나는 협상 결과물이고, 다른 하나는 인간관계다. ​3. 이 두 가지를 모두 만족시키는 것, 그것이 바로 성공한 협상이다. #류재언변호사의협상바이블

https://blog.naver.com/madaboutit/223794759819

1. 이승건은 책상 위에 새로운 글귀 하나를 써 붙였다. 제갈량의 실수를 범하지 말자.

2. 삼국지에서 촉나라 제갈량은 타고난 지략가이자 정의롭고 충성스러운 인재였으나, 결국 승리를 거머쥐지 못했다. 그는 위나라를 쓰러뜨리기 위해 수차례 부별에 나서면서 내치까지 도맡았다. 매일 밤늦게까지 일하며 곤장 20대가 넘는 형벌에 관한 사안은 직접 처리했다.

3. 덕분에 촉의 백성들은 편안했지만, 문제는 제갈량이 자신의 업무량을 도저히 유지할 수 없다는 데 있었다.

4. 조조의 책사 사마의는 사자로부터 상황을 전해 듣고 내심 안도했다. 남을 믿고 맡기지 못해 사소한 일도 직접 관장하며 전쟁까지 진두지휘하기를 몇 년이나 계속할 수 있겠는가. 얼마 지나지 않아 제갈량은 병으로 죽었고, 촉나라는 멸망했다.

5 . 제갈량은 천재였지만 위임을 못했기 때문에, 전투에서 이겼을지언정 전쟁에서는 졌다. 반대로 조조는 사마의 같은 천하의 좋은 인재를 찾아다녔고 충분히 위임했다. 사마의는 힘과 역량을 갈고닦아 결국 천하를 통일했다.

6. 비바리퍼블리카가 오래도록 지속 가능 한 팀으로 성장하고 번영하려면, 동료를 더 믿고 더 많은 권한과 책임을 분산해야 한다고 이승건은 스스로를 재촉했다.

#유난한도전 #토스 📚

1. 이승건은 책상 위에 새로운 글귀 하나를 써 붙였다. 제갈량의 실수를 범하지 말자. ​ 2. 삼국지에서 촉나라 제갈량은 타고난 지략가이자 정의롭고 충성스러운 인재였으나, 결국 승리를 거머쥐지 못했다. 그는 위나라를 쓰러뜨리기 위해 수차례 부별에 나서면서 내치까지 도맡았다. 매일 밤늦게까지 일하며 곤장 20대가 넘는 형벌에 관한 사안은 직접 처리했다. ​ 3. 덕분에 촉의 백성들은 편안했지만, 문제는 제갈량이 자신의 업무량을 도저히 유지할 수 없다는 데 있었다. ​ 4. 조조의 책사 사마의는 사자로부터 상황을 전해 듣고 내심 안도했다. 남을 믿고 맡기지 못해 사소한 일도 직접 관장하며 전쟁까지 진두지휘하기를 몇 년이나 계속할 수 있겠는가. 얼마 지나지 않아 제갈량은 병으로 죽었고, 촉나라는 멸망했다. ​ 5​. 제갈량은 천재였지만 위임을 못했기 때문에, 전투에서 이겼을지언정 전쟁에서는 졌다. 반대로 조조는 사마의 같은 천하의 좋은 인재를 찾아다녔고 충분히 위임했다. 사마의는 힘과 역량을 갈고닦아 결국 천하를 통일했다. ​ 6. 비바리퍼블리카가 오래도록 지속 가능 한 팀으로 성장하고 번영하려면, 동료를 더 믿고 더 많은 권한과 책임을 분산해야 한다고 이승건은 스스로를 재촉했다. #유난한도전 #토스 📚

< 천재가 오래가지 못한 이유, 위임의 실패 >

https://blog.naver.com/madaboutit/223808393189

1. 두려움 대신 믿음을 택하는 것, 사실 이는 많은 사람에게 도전이다. 우리는 내면의 비평가가 던지는 부정적인 말을 듣는 데 더 익숙하다.

2. 나는 그 내면의 비평가에게 '나이젤'이라는 이름을 붙였다. 그리고 무려 50년 넘는 세월을 나이절과 함께 보냈다.

3. 나이절은 불가능할 정도로 높은 기준을 요구하는, 마치 깐깐한 인테리어 디자이너 같은 존재다.

4. 내가 쓰는 글은 무엇 하나 그에게 만족스럽지 않았고 나는 늘 가차없는 비판을 받아야 했다.

5. 시간이 흐르면서 나는 나이절을 무시하는 법을 익혔다. 이제는 내 작업이 독창적이고 특별할 때도 목청 높여 비판하는 그 목소리를 아무렇지도 않게 넘길 수 있다.

6. 우리 모두에게는 각자의 나이절이 있다. 두려움에 얼어붙고 멈춰 서게 하는 존재 말이다.

7. 당신 안의 비평가에게 이름을 붙이고 캐릭터를 설정해보자. 그리고 그 비평가의 목소리를 약하게 만들어보자.

#아티스트웨이 📚

1. 두려움 대신 믿음을 택하는 것, 사실 이는 많은 사람에게 도전이다. 우리는 내면의 비평가가 던지는 부정적인 말을 듣는 데 더 익숙하다. ​ 2. 나는 그 내면의 비평가에게 '나이젤'이라는 이름을 붙였다. 그리고 무려 50년 넘는 세월을 나이절과 함께 보냈다. ​ 3. 나이절은 불가능할 정도로 높은 기준을 요구하는, 마치 깐깐한 인테리어 디자이너 같은 존재다. ​ 4. 내가 쓰는 글은 무엇 하나 그에게 만족스럽지 않았고 나는 늘 가차없는 비판을 받아야 했다. ​ 5. 시간이 흐르면서 나는 나이절을 무시하는 법을 익혔다. 이제는 내 작업이 독창적이고 특별할 때도 목청 높여 비판하는 그 목소리를 아무렇지도 않게 넘길 수 있다. ​ 6. 우리 모두에게는 각자의 나이절이 있다. 두려움에 얼어붙고 멈춰 서게 하는 존재 말이다. ​ 7. 당신 안의 비평가에게 이름을 붙이고 캐릭터를 설정해보자. 그리고 그 비평가의 목소리를 약하게 만들어보자. ​#아티스트웨이 📚

< 내 안의 비평가에 맞서는 법: 이름을 붙이고 무시하기 >

https://blog.naver.com/madaboutit/223791084337

﻿
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

﻿
입사 지원을 하고 서류 전형 결과를 기다립니다. 입사 지원한 회사에서 서류 전형 결과는 일주일 내에 알려 준다고 합니다. 약간 친절하지 않은 회사는 서류 합격한 사람에게만 연락을 준다고 합니다. 그렇게 서류 전형 결과를 기다리다가 안타깝게도 일주일 내에 결과 안내를 받지 못하거나 탈락의 메시지를 받습니다.

그런데 조금 더 속상한 일은 정성껏 준비한 이력서로 입사 지원했을 때, 서류 전형에서 탈락한 이유를 알 수 없다는 것입니다. 입사 지원한 회사에서는 탈락한 이유가 지원자가 절대 부족해서가 아니라고 하지만, 자격 요건에 부합하지 않으니 탈락이라는 결과가 나왔을 것이고, 그럼 자신이 부족한 부분이 있는 것이 아닌가 추측하게 됩니다.

문제는 입사 지원 숫자가 늘어남에 따라 비례하여 서류 전형에서 탈락하는 결과도 쌓인다는 것입니다. 서류 전형에서 탈락하는 결과를 자주 받으면 심리적으로 위축되게 됩니다. 이것은 아무리 멘탈 강도가 슈퍼맨 수준이라도 누구나 흔들리게 됩니다. 사람에게 거절감은 크고 작은 타격을 주어 마음을 아프게 만듭니다.

그렇다고 입사 지원을 멈출 수 없습니다. 서류 전형에서 계속 탈락한다고 도전을 멈추지 말아야 합니다. 도전을 멈추는 순간 앞으로 나갈 수 없습니다. 다만, 무작정 계속 도전하지 말고 탈락의 원인을 분석해 보면 좋겠습니다. 원인을 분석해 보고 부족한 부분을 보완하는 노력을 한다면, 반드시 이전보다 긍정적인 결과를 얻을 수 있다고 믿습니다.

서류 전형 탈락의 이유를 입사 지원한 회사에서 알려주지 않는데, 무슨 재주로 분석을 하라는 말이냐? 정답은 우리 이력서와 입사 지원한 회사의 채용 공고에 있습니다. 먼저 내가 작성한 이력서에 내가 가진 강점이 충분히 드러나고 있는지 점검해 보면 좋겠습니다. 여러분은 자신이 가진 강점에 대해서 정확하게 파악하고 계십니까? 강점은 기술적인 부분과 태도적인 내용을 모두 포함하고 있습니다. 강점을 어필한다고 했을 때, 반드시 기술적인 부분만 유효한 것은 아닙니다. 중요한 것은 본인이 자신 있게 증명할 수 있는 강점을 알고 있으며, 그 강점을 이력서에 객관적으로 증명하고 있는지 확인하는 것입니다.

이력서는 반드시 합격하는 공식이 있는 문서가 아닙니다. 사람마다 굉장히 주관적인 관점으로 바라보는 소설 또는 에세이와 같은 장르의 문서입니다. 따라서 이력서를 읽는 독자의 시선을 사로잡고, 마음을 흔드는 내용이 필요합니다. 그것이 저는 이력서를 쓴 사람의 강점을 어필하는 것이라고 생각합니다. 소설이나 에세이를 쓴 어느 작가의 소설이 어떤 독자에게는 호평을 받고, 어떤 독자에게는 혹평을 받습니다. 이력서도 똑같습니다. ‘나’의 강점을 드러낸 문서를 읽고 어떤 회사의 서류 전형을 검토하는 사람은 합격을 주고, 어떤 회사의 사람은 불합격을 줄 수도 있습니다.

우리가 해야 하는 일은 ‘나’의 강점을 알고 이력서에 객관적으로 증명하는 것뿐입니다. 피드백은 전적으로 독자에게 맡기고 결과를 기다리면 됩니다. 이렇게 하고도 불합격이 된다면, 거절감으로 아쉬워할 것도 연속된 탈락으로 좌절할 이유도 없습니다. ‘나’의 강점을 더 뾰족해 보이도록 다듬고, 내가 쓴 이력서에 담긴 스토리를 호평해 줄 회사와 사람을 만나기 위해 계속 도전하면 됩니다.

서류 전형 결과의 합격 가능성과 탈락 원인 분석은 채용 공고를 보면 이해할 수 있습니다. 채용 공고에 나온 주요 업무와 자격 요건, 우대 사항의 내용을 보고 단어와 문장 하나하나를 체크해 보세요. 내가 가진 경험과 역량에 부합하는 내용이 있다면, 빨간 팬으로 동그라미 칠을 해보세요. 반대로 여러분에게 부족한 부분은 빨간 팬으로 엑스 표시를 해보세요. 그리고 통계를 내어 보는 것입니다. 동그라미와 엑스 표시가 각각 몇 개가 되는지 세아려 보세요. 합격과 불합격의 가능성이 50 대 50이라면, 적어도 동그라미 숫자가 엑스 숫자보다 하나라도 더 있어야 합격 가능성이 있을 것입니다. 채용 담당자 입장에서 냉정하게 평가 항목 100 중에 동그라미 숫자가 80개는 되어야 합격을 줄 것입니다.

이렇게 해도 탈락한 이유를 속이 후련하게 알 수 없다고 느낀다면, 현직 구성원에게 물어보는 방법이 있습니다. 입사 지원한 회사에 메일을 보내어 묻는 것입니다. 조금 더 구체적인 서류 검토 내용을 공유해 줄 수 없는지 정중하게 요청하는 것입니다. 그럼 짧게라도 답변을 더 해주기도 합니다. 아니면 LinkedIn 채널과 같이 현직 구성원과 대화를 나눌 수 있는 서비스를 이용하는 것도 방법입니다. 현직 구성원을 찾아서 메시지를 보내는 것입니다. 당신이 근무하고 있는 회사에 관심이 있는데, 어떤 인재를 원하는지 알고 싶다고 물어보는 것입니다.

탈락의 아픔은 쓰라립니다. 오랜 시간 동안 많은 탈락을 경험해 보아서 그 고통을 이해하고 있습니다. 그럼에도 불구하고 현실을 직시해야 합니다. 부족한 점을 알고 보완해야 더 이상 마음 아픈 탈락을 덜 느낄 수 있습니다.

알고자 하면 길이 보입니다. 오늘도 당당하게 자신과 입사 지원할 회사를 똑바로 바라보고 나아가면 좋겠습니다. 그럼 머지않아 긍정적인 결과를 받아들게 될 것입니다. 그날을 소망하며 오늘도 진심으로 여러분을 응원합니다.

﻿입사 지원을 하고 서류 전형 결과를 기다립니다. 입사 지원한 회사에서 서류 전형 결과는 일주일 내에 알려 준다고 합니다. 약간 친절하지 않은 회사는 서류 합격한 사람에게만 연락을 준다고 합니다. 그렇게 서류 전형 결과를 기다리다가 안타깝게도 일주일 내에 결과 안내를 받지 못하거나 탈락의 메시지를 받습니다. 그런데 조금 더 속상한 일은 정성껏 준비한 이력서로 입사 지원했을 때, 서류 전형에서 탈락한 이유를 알 수 없다는 것입니다. 입사 지원한 회사에서는 탈락한 이유가 지원자가 절대 부족해서가 아니라고 하지만, 자격 요건에 부합하지 않으니 탈락이라는 결과가 나왔을 것이고, 그럼 자신이 부족한 부분이 있는 것이 아닌가 추측하게 됩니다. 문제는 입사 지원 숫자가 늘어남에 따라 비례하여 서류 전형에서 탈락하는 결과도 쌓인다는 것입니다. 서류 전형에서 탈락하는 결과를 자주 받으면 심리적으로 위축되게 됩니다. 이것은 아무리 멘탈 강도가 슈퍼맨 수준이라도 누구나 흔들리게 됩니다. 사람에게 거절감은 크고 작은 타격을 주어 마음을 아프게 만듭니다. 그렇다고 입사 지원을 멈출 수 없습니다. 서류 전형에서 계속 탈락한다고 도전을 멈추지 말아야 합니다. 도전을 멈추는 순간 앞으로 나갈 수 없습니다. 다만, 무작정 계속 도전하지 말고 탈락의 원인을 분석해 보면 좋겠습니다. 원인을 분석해 보고 부족한 부분을 보완하는 노력을 한다면, 반드시 이전보다 긍정적인 결과를 얻을 수 있다고 믿습니다. 서류 전형 탈락의 이유를 입사 지원한 회사에서 알려주지 않는데, 무슨 재주로 분석을 하라는 말이냐? 정답은 우리 이력서와 입사 지원한 회사의 채용 공고에 있습니다. 먼저 내가 작성한 이력서에 내가 가진 강점이 충분히 드러나고 있는지 점검해 보면 좋겠습니다. 여러분은 자신이 가진 강점에 대해서 정확하게 파악하고 계십니까? 강점은 기술적인 부분과 태도적인 내용을 모두 포함하고 있습니다. 강점을 어필한다고 했을 때, 반드시 기술적인 부분만 유효한 것은 아닙니다. 중요한 것은 본인이 자신 있게 증명할 수 있는 강점을 알고 있으며, 그 강점을 이력서에 객관적으로 증명하고 있는지 확인하는 것입니다. 이력서는 반드시 합격하는 공식이 있는 문서가 아닙니다. 사람마다 굉장히 주관적인 관점으로 바라보는 소설 또는 에세이와 같은 장르의 문서입니다. 따라서 이력서를 읽는 독자의 시선을 사로잡고, 마음을 흔드는 내용이 필요합니다. 그것이 저는 이력서를 쓴 사람의 강점을 어필하는 것이라고 생각합니다. 소설이나 에세이를 쓴 어느 작가의 소설이 어떤 독자에게는 호평을 받고, 어떤 독자에게는 혹평을 받습니다. 이력서도 똑같습니다. ‘나’의 강점을 드러낸 문서를 읽고 어떤 회사의 서류 전형을 검토하는 사람은 합격을 주고, 어떤 회사의 사람은 불합격을 줄 수도 있습니다. 우리가 해야 하는 일은 ‘나’의 강점을 알고 이력서에 객관적으로 증명하는 것뿐입니다. 피드백은 전적으로 독자에게 맡기고 결과를 기다리면 됩니다. 이렇게 하고도 불합격이 된다면, 거절감으로 아쉬워할 것도 연속된 탈락으로 좌절할 이유도 없습니다. ‘나’의 강점을 더 뾰족해 보이도록 다듬고, 내가 쓴 이력서에 담긴 스토리를 호평해 줄 회사와 사람을 만나기 위해 계속 도전하면 됩니다. 서류 전형 결과의 합격 가능성과 탈락 원인 분석은 채용 공고를 보면 이해할 수 있습니다. 채용 공고에 나온 주요 업무와 자격 요건, 우대 사항의 내용을 보고 단어와 문장 하나하나를 체크해 보세요. 내가 가진 경험과 역량에 부합하는 내용이 있다면, 빨간 팬으로 동그라미 칠을 해보세요. 반대로 여러분에게 부족한 부분은 빨간 팬으로 엑스 표시를 해보세요. 그리고 통계를 내어 보는 것입니다. 동그라미와 엑스 표시가 각각 몇 개가 되는지 세아려 보세요. 합격과 불합격의 가능성이 50 대 50이라면, 적어도 동그라미 숫자가 엑스 숫자보다 하나라도 더 있어야 합격 가능성이 있을 것입니다. 채용 담당자 입장에서 냉정하게 평가 항목 100 중에 동그라미 숫자가 80개는 되어야 합격을 줄 것입니다. 이렇게 해도 탈락한 이유를 속이 후련하게 알 수 없다고 느낀다면, 현직 구성원에게 물어보는 방법이 있습니다. 입사 지원한 회사에 메일을 보내어 묻는 것입니다. 조금 더 구체적인 서류 검토 내용을 공유해 줄 수 없는지 정중하게 요청하는 것입니다. 그럼 짧게라도 답변을 더 해주기도 합니다. 아니면 LinkedIn 채널과 같이 현직 구성원과 대화를 나눌 수 있는 서비스를 이용하는 것도 방법입니다. 현직 구성원을 찾아서 메시지를 보내는 것입니다. 당신이 근무하고 있는 회사에 관심이 있는데, 어떤 인재를 원하는지 알고 싶다고 물어보는 것입니다. 탈락의 아픔은 쓰라립니다. 오랜 시간 동안 많은 탈락을 경험해 보아서 그 고통을 이해하고 있습니다. 그럼에도 불구하고 현실을 직시해야 합니다. 부족한 점을 알고 보완해야 더 이상 마음 아픈 탈락을 덜 느낄 수 있습니다. 알고자 하면 길이 보입니다. 오늘도 당당하게 자신과 입사 지원할 회사를 똑바로 바라보고 나아가면 좋겠습니다. 그럼 머지않아 긍정적인 결과를 받아들게 될 것입니다. 그날을 소망하며 오늘도 진심으로 여러분을 응원합니다.﻿

탈락 분석

1. 이야기에 감정이 이입되려면 예측 가능성이라는 요소가 필요하다.

2. 사람들의 관심을 유발하는 이야기는 ’감정의 롤러코스터‘와 같다. 그러나 타다가 혹시 죽을지도 모른다는 극한의 불안감이 있다면 롤러코스터에서 즐거움을 느끼기 어렵다.

3. ”롤러코스터를 타다가 죽을지도 모른다는 생각이 들어.“와 ”아무 사고 없이 무사히 내려갈 수 있다는 것을 잘 알아.“

4. 이 두 가지 생각이 팽팽한 긴장감을 형성하지 않으면 롤러코스터를 타는 일이 별로 재미가 없다.

#히트메이커스 📚

1. 이야기에 감정이 이입되려면 예측 가능성이라는 요소가 필요하다. ​2. 사람들의 관심을 유발하는 이야기는 ’감정의 롤러코스터‘와 같다. 그러나 타다가 혹시 죽을지도 모른다는 극한의 불안감이 있다면 롤러코스터에서 즐거움을 느끼기 어렵다. ​3. ”롤러코스터를 타다가 죽을지도 모른다는 생각이 들어.“와 ”아무 사고 없이 무사히 내려갈 수 있다는 것을 잘 알아.“ ​4. 이 두 가지 생각이 팽팽한 긴장감을 형성하지 않으면 롤러코스터를 타는 일이 별로 재미가 없다.​ #히트메이커스 📚

< 짜릿한 스릴과 안전함이 최고의 이야기를 만든다 >

https://blog.naver.com/madaboutit/223792466178

 &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

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...? 🤔

얼마전에 sorting 이라는 함수를, 파라미터로 주는 배열의 요소의 값을 delay로 삼아 setTimeout으로 만든 코드 이미지를 본 기억이 나네요. 그것도 면접에서 나온 코드라고 하더군요. 굉장히 창의적인 발상이어서 인상적이었는데요.

면접의 목적이 지시사항을 이행하여 문제를 해결할 수 있는 수행 능력을 보는 것이라면 AI를 이용하는 것이 설령 그게 뭐 신의 지식 수준이 된다한들 채용에 유해할까요. 

평가 대상이 수행 능력이라면 with AI는 지원자의 레벨을 신으로 격상시킨다고 해도 무방하고, 평가가 창의성이라면 지원자가 AI를 그렇게까지 유용하게 쓸 수 없을 겁니다. 만약 그런 순간마저도 AI를 유용하게 쓴다면 더 채용해야 할 이유가 되지 않을까요. 개발 언어나 AI나 모두 개발자가 다루어야 할 도구라는 관점에서 보면요. 

무엇보다 "순수 능력"이라는 것 자체를 정량화, 정성화시키려는 시도, 혹은 그 개념 자체가 현 세대의 모던한 사고가 아닐지 그 부분을 고민하는 게 좋지 않을까 하네요. 인간의 인텔리전스를 평가하는 방법론이 이전 시대와 달라지는 걸 체감하고 있으니까요. 

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.

﻿
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

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]

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

1. 당연히 우리는 모든 것에 관해 항상 옳을 수 없다.

2. 누구나 실수를 범하고 잘못 기억하곤 한다.

3. 그래도 우리는 늘 자신이 옳다는 느낌을 원한다.

4. 그리고 이왕이면 다른 사람들을 통해 이런 느낌을 확인받고 싶어 한다.

5. 그래서 우리는 우리가 옳다는 것을 다른 사람에게 (또는 스스로에게) 증명하기 위해 과도한 에너지를 쏟아붓는다.

6. 이럴 때 우리의 관심은 결과 자체라기보다 우리의 자아를 지키는 것이다.

#클리어씽킹

1. 당연히 우리는 모든 것에 관해 항상 옳을 수 없다. 2. 누구나 실수를 범하고 잘못 기억하곤 한다. 3. 그래도 우리는 늘 자신이 옳다는 느낌을 원한다. 4. 그리고 이왕이면 다른 사람들을 통해 이런 느낌을 확인받고 싶어 한다. 5. 그래서 우리는 우리가 옳다는 것을 다른 사람에게 (또는 스스로에게) 증명하기 위해 과도한 에너지를 쏟아붓는다. 6. 이럴 때 우리의 관심은 결과 자체라기보다 우리의 자아를 지키는 것이다. #클리어씽킹

고려대학교에서 컴퓨터과학을 전공하고 이동통신사에서 사회생활을 시작했습니다. 조금은 생소했던 그 업무가 저의 첫 Product Management 업무였습니다. 이후 네이버에서 서비스 기획자, 쿠팡에서 Product Owner로 일했습니다. 지금은 여행중계 플랫폼 서비스를 제공하는 마이리얼트립에서 Product Manager 및 Growth Team을 맡고 있습니다.

< 우리는 늘 자신이 옳다는 느낌을 원한다 >

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필