”뭔가 잘한다 싶은 애들은 남들 눈에는 보이지 않는 흐름을 잘 찾더라고, 그 흐름에 올라타서는 슈욱하고 멀리 앞서가“

대학 시절 교수님께서 해주신 말씀이에요. 그때는 이해하지 못했어요. 그냥 교수님 말 잘 들어야 한단 의미로 받아들였죠.

이제는 조금 알 것 같아요. 세상에는 어떤 크고 작은 흐름이 몰려올 때가 있어요. 그 흐름 위에서 서핑하듯 균형을 잡으면 남들보다 조금은 더 앞서나갈 수 있어요.

흐름을 타서 균형을 잡는 것도 어렵죠. 하지만 흐름을 분별하는 게 더 어려운 거 같아요.

”뭔가 잘한다 싶은 애들은 남들 눈에는 보이지 않는 흐름을 잘 찾더라고, 그 흐름에 올라타서는 슈욱하고 멀리 앞서가“ 대학 시절 교수님께서 해주신 말씀이에요. 그때는 이해하지 못했어요. 그냥 교수님 말 잘 들어야 한단 의미로 받아들였죠. 이제는 조금 알 것 같아요. 세상에는 어떤 크고 작은 흐름이 몰려올 때가 있어요. 그 흐름 위에서 서핑하듯 균형을 잡으면 남들보다 조금은 더 앞서나갈 수 있어요. 흐름을 타서 균형을 잡는 것도 어렵죠. 하지만 흐름을 분별하는 게 더 어려운 거 같아요.

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

 - YouTube

AI 개발 도구를 적극 활용해서 개발하는 방법인 바이브 코딩을 직접 해봤어요.

처음에는 유튜브 요약 서비스를 만들었어요. 유튜브 링크를 입력하면 영상의 내용을 요약해서 마크다운으로 만들어주는 서비스였죠. Cursor와 ChatGPT를 활용해서 2시간 만에 만들 수 있었어요.

다음엔 벽돌깨기 게임이었어요. 요구사항을 설명하는 시간을 줄이고자 ChatGPT로 대략적인 구현 계획을 정리하고 Cursor에 알려주고 개발을 시작했죠. 2시간 정도 소요될 것으로 예상했는데 30분 만에 완성했어요.

이를 통해 개발에 AI를 적극 활용하는 건 개발자에게 자유를 주는 일이라는 걸 깨달았죠. 업무에 AI를 활용해서 생산성을 끌어 올리고 서비스에 AI를 녹여서 유저의 경험을 개선하는 방향을 고민하기 시작했어요.

새로운 변화를 즐기는 중이에요. AI를 활용하는 개발 방식, 그 이름을 무엇이라 부르건 이전과 같은 방식으로 돌아가긴 어려울 것 같아요.

 1. 유튜브 요약 서비스 만들기: https://youtu.be/0x76euaGbqY
 2. 벽돌깨기 게임 만들기: https://youtu.be/1g_za3kFl3Q

AI 개발 도구를 적극 활용해서 개발하는 방법인 바이브 코딩을 직접 해봤어요. 처음에는 유튜브 요약 서비스를 만들었어요. 유튜브 링크를 입력하면 영상의 내용을 요약해서 마크다운으로 만들어주는 서비스였죠. Cursor와 ChatGPT를 활용해서 2시간 만에 만들 수 있었어요. 다음엔 벽돌깨기 게임이었어요. 요구사항을 설명하는 시간을 줄이고자 ChatGPT로 대략적인 구현 계획을 정리하고 Cursor에 알려주고 개발을 시작했죠. 2시간 정도 소요될 것으로 예상했는데 30분 만에 완성했어요. 이를 통해 개발에 AI를 적극 활용하는 건 개발자에게 자유를 주는 일이라는 걸 깨달았죠. 업무에 AI를 활용해서 생산성을 끌어 올리고 서비스에 AI를 녹여서 유저의 경험을 개선하는 방향을 고민하기 시작했어요. 새로운 변화를 즐기는 중이에요. AI를 활용하는 개발 방식, 그 이름을 무엇이라 부르건 이전과 같은 방식으로 돌아가긴 어려울 것 같아요. <ol ><li>유튜브 요약 서비스 만들기: https://youtu.be/0x76euaGbqY</li><li>벽돌깨기 게임 만들기: https://youtu.be/1g_za3kFl3Q</li></ol>

youtu.be

바이브 코딩, 직접 해봤어요

<a href=”https://deepora.ai/?s=review”> Deepora AI </a> is an AI model integration platform that allows free access to cutting-edge AI large models such as DeepSeek, ChatGPT,Grok and so on.Deepora AI: https://deepora.ai/

브라우저 상에서 사용자가 발생시키는 이벤트에 웹 애플리케이션이 예상대로 반응하는지 어떻게 테스트할 수 있을까요? Testing Libary에 내장된
fireEvent()
함수를 사용할 수도 있지만,
@testing-libary/user-event
패키지를 통해서 좀 더 사용자 입장에서 테스트를 작성할 수 있습니다.

이번 영상에서는 유저와 애플리케이션의 상호 작용을 검증하기 위한 테스트 코드를 작성하는 방법에 대해서 알아보겠습니다.

📺 동영상: https://youtu.be/XqF1vPSp5nQ
📝 포스팅: https://www.daleseo.com/testing-library-user-agent/

브라우저 상에서 사용자가 발생시키는 이벤트에 웹 애플리케이션이 예상대로 반응하는지 어떻게 테스트할 수 있을까요? Testing Libary에 내장된 <code >fireEvent()</code> 함수를 사용할 수도 있지만, <code >@testing-libary/user-event</code> 패키지를 통해서 좀 더 사용자 입장에서 테스트를 작성할 수 있습니다. 이번 영상에서는 유저와 애플리케이션의 상호 작용을 검증하기 위한 테스트 코드를 작성하는 방법에 대해서 알아보겠습니다. 📺 동영상: https://youtu.be/XqF1vPSp5nQ📝 포스팅: https://www.daleseo.com/testing-library-user-agent/

Testing Library 유저 이벤트 처리

구글이 (예상대로) A2A, Agent2Agent 프로토콜을 공개했네요.

앤트로픽의 MCP가 에이전트와 도구와의 통신 방법이라면, A2A는 에이전트, AI간의 통신 방법입니다.

즉, AI 끼리 소통하며 협업할 수 있게 만들어주는 프로토콜입니다.

이에 대한 자세한 내용은 다른 분들이 많이 이야기 해 주실테니.. 저는 이 내용을 1년전에 담았던 제 책이나 홍보하고 가겠습니다. 🤭

최고의 프롬프트 엔지니어링 강의 👉 https://product.kyobobook.co.kr/detail/S000213362002

구글이 (예상대로) A2A, Agent2Agent 프로토콜을 공개했네요. 앤트로픽의 MCP가 에이전트와 도구와의 통신 방법이라면, A2A는 에이전트, AI간의 통신 방법입니다. 즉, AI 끼리 소통하며 협업할 수 있게 만들어주는 프로토콜입니다. 이에 대한 자세한 내용은 다른 분들이 많이 이야기 해 주실테니.. 저는 이 내용을 1년전에 담았던 제 책이나 홍보하고 가겠습니다. 🤭 최고의 프롬프트 엔지니어링 강의 👉 https://product.kyobobook.co.kr/detail/S000213362002

Introduction: Setting the Stage for AI Innovation Artificial intelligence is changing our world. Many people hear buzzwords like LLM and LRM.

Beyond the Buzzwords: Understanding the Contrast Between LRM and LLM

*요약(TLDR): LLM은 텍스트를 생성하고, LRM은 계획하고 추론하도록 설계되었습니다.

💻 대규모 언어 모델(LLM) 이해하기
 * 개념
   * 대규모 언어 모델(LLM)은 텍스트를 이해하고 생성하도록 설계된 인공지능의 한 유형
   * 이들은 방대한 양의 글을 학습하며, 문장에서 다음 단어가 무엇일지 예측하는 능력 확장
   * 트랜스포머: 단어 간의 관계를 파악하게 해주며, 맥락 이해
   * 큰 모델 사이즈: 책, 웹사이트, 기타 텍스트에서 수십억 개의 단어 학습
   * 단점
     * 편향과 윤리: 학습 데이터에 존재하는 편향을 반영하여 편향되거나 부적절한 정보 생성 가능성
     * LLM을 훈련시키고 운영하려면 상당한 컴퓨팅 자원이 필요하고, 배포 비용이 높음
 * 유즈케이스
   * 콘텐츠 생성: 기사, 이야기, 소셜 미디어 게시물 작성 지원
   * 고객 지원: 일반적인 고객 문의에 대한 자동 응답 제공 / 한 언어에서 다른 언어로 텍스트 번역 / 긴 문서 요약
   * 프로그래밍 지원: 코드 조각 생성 또는 디버깅 지원으로 개발자 돕기
 * 예시: 크기, 학습 데이터, 특정 기능 차이
   * ChatGPT (OpenAI): 질문에 답하고, 이야기를 쓰고, 아이디어를 생성할 수 있는 인기 모델
   * Bard (Google): 창의적인 작업과 자연어로 질문에 답하기 위해 설계됨
   * Bing Chat (Microsoft): 대화형 응답을 제공하기 위해 마이크로소프트 검색 엔진에 통합
   * Claude (Anthropic): 윤리적이고 안전한 출력에 초점을 맞춘 대화 모델
   * LLaMA (Meta): 연구 및 맞춤형 애플리케이션 개발에 사용되는 오픈소스 모델

💻 대규모 추론 모델(LRM) 탐구하기
 * 개념
   * 단순히 텍스트를 생성하는 것이 아니라 추론하고 계획하도록 설계
   * 목적: 단계별 사고하도록 설계. 문제를 이해하고 논리적으로 해결 시도
   * 작동 방식: 강화 학습 같은 기술을 사용해 복잡한 작업에서 더 나은 결정 시행
   * 약점
     * 자원 집약적: LLM보다 비용이 더 많이 들고, LRM은 정보를 처리하는 데 상당한 컴퓨팅 능력과 시간이 필요해 배포 비용이 더 많이 소요
     * 개발 단계: 새로운 기술로, LRM은 아직 진화 중이며 모든 유형의 추론 작업에서 신뢰성 상대적으로 낮은편 / 의사 결정 과정이 투명하지 않아 특정 결론에 어떻게 도달했는지 이해하기 어려움
 * 적용 분야
   * 과학 연구: 가설 형성과 실험 설계를 돕기
   * 재무 계획: 복잡한 재무 데이터를 분석하여 투자 결정 지원
   * 고급 게임 AI: 플레이어 전략에 계획하고 적응할 수 있는 게임 캐릭터 개발 / 퍼즐
 * 예시
   * OpenAI의 o1: 가장 잘 알려진 LRM 중 하나로, o1-preview와 o1-mini 같은 버전은 계획 작업을 해결하고 기존 LLM보다 더 나은 추론 성능
   * 연구 모델: 학술 연구에서 일부 실험 모델도 언어 모델에 추론 능력을 추가하며, 아직 개발 중이지만 다단계 문제를 해결하는 데 더 똑똑한 AI 시스템 목표
   
   
🏵️ 향후 트렌드: AI 추론의 진화
 1. 고급 추론 모델로의 전환
 * 예측에서 추론으로
 2. 검색과 추론의 통합
 * 데이터 검색과 사고 과정 결합
 * OpenAI의 DeepSearch, Perplexity, Anthropic, DeepSeek 등
 3. 오픈소스 AI 개발 강조
 * 협력적 AI 발전: AI 모델을 오픈소스로 공개
 4. 향상된 컴퓨팅 자원
 * AI 인프라 투자: 고급 AI 추론을 지원하기 위해 인프라에 막대한 투자
 5. 윤리 및 안전 고려사항 해결
 * 책임 있는 AI 사용 보장: AI의 능력이 커짐에 따라 윤리적 사용과 안전에 대한 관심 증가

 * source: https://www.linkedin.com/pulse/beyond-buzzwords-understanding-contrast-between-lrm-llm-srikanth-r-xrohc/

*요약(TLDR): LLM은 텍스트를 생성하고, LRM은 계획하고 추론하도록 설계되었습니다. 💻 대규모 언어 모델(LLM) 이해하기<ul><li>개념<ul><li>대규모 언어 모델(LLM)은 텍스트를 이해하고 생성하도록 설계된 인공지능의 한 유형</li><li>이들은 방대한 양의 글을 학습하며, 문장에서 다음 단어가 무엇일지 예측하는 능력 확장</li><li>트랜스포머: 단어 간의 관계를 파악하게 해주며, 맥락 이해</li><li>큰 모델 사이즈: 책, 웹사이트, 기타 텍스트에서 수십억 개의 단어 학습</li><li>단점<ul><li>편향과 윤리: 학습 데이터에 존재하는 편향을 반영하여 편향되거나 부적절한 정보 생성 가능성</li><li>LLM을 훈련시키고 운영하려면 상당한 컴퓨팅 자원이 필요하고, 배포 비용이 높음</li></ul></li></ul></li><li>유즈케이스<ul><li>콘텐츠 생성: 기사, 이야기, 소셜 미디어 게시물 작성 지원</li><li>고객 지원: 일반적인 고객 문의에 대한 자동 응답 제공 / 한 언어에서 다른 언어로 텍스트 번역 / 긴 문서 요약</li><li>프로그래밍 지원: 코드 조각 생성 또는 디버깅 지원으로 개발자 돕기</li></ul></li><li>예시: 크기, 학습 데이터, 특정 기능 차이<ul><li>ChatGPT (OpenAI): 질문에 답하고, 이야기를 쓰고, 아이디어를 생성할 수 있는 인기 모델</li><li>Bard (Google): 창의적인 작업과 자연어로 질문에 답하기 위해 설계됨</li><li>Bing Chat (Microsoft): 대화형 응답을 제공하기 위해 마이크로소프트 검색 엔진에 통합</li><li>Claude (Anthropic): 윤리적이고 안전한 출력에 초점을 맞춘 대화 모델</li><li>LLaMA (Meta): 연구 및 맞춤형 애플리케이션 개발에 사용되는 오픈소스 모델</li></ul></li></ul> 💻 대규모 추론 모델(LRM) 탐구하기<ul><li>개념<ul><li>단순히 텍스트를 생성하는 것이 아니라 추론하고 계획하도록 설계</li><li>목적: 단계별 사고하도록 설계. 문제를 이해하고 논리적으로 해결 시도</li><li>작동 방식: 강화 학습 같은 기술을 사용해 복잡한 작업에서 더 나은 결정 시행</li><li>약점<ul><li>자원 집약적: LLM보다 비용이 더 많이 들고, LRM은 정보를 처리하는 데 상당한 컴퓨팅 능력과 시간이 필요해 배포 비용이 더 많이 소요</li><li>개발 단계: 새로운 기술로, LRM은 아직 진화 중이며 모든 유형의 추론 작업에서 신뢰성 상대적으로 낮은편 / 의사 결정 과정이 투명하지 않아 특정 결론에 어떻게 도달했는지 이해하기 어려움</li></ul></li></ul></li><li>적용 분야<ul><li>과학 연구: 가설 형성과 실험 설계를 돕기</li><li>재무 계획: 복잡한 재무 데이터를 분석하여 투자 결정 지원</li><li>고급 게임 AI: 플레이어 전략에 계획하고 적응할 수 있는 게임 캐릭터 개발 / 퍼즐</li></ul></li><li>예시<ul><li>OpenAI의 o1: 가장 잘 알려진 LRM 중 하나로, o1-preview와 o1-mini 같은 버전은 계획 작업을 해결하고 기존 LLM보다 더 나은 추론 성능</li><li>연구 모델: 학술 연구에서 일부 실험 모델도 언어 모델에 추론 능력을 추가하며, 아직 개발 중이지만 다단계 문제를 해결하는 데 더 똑똑한 AI 시스템 목표</li></ul> </li></ul>🏵️ 향후 트렌드: AI 추론의 진화<ol><li>고급 추론 모델로의 전환</li></ol><ul><li>예측에서 추론으로</li></ul><ol start="2"><li>검색과 추론의 통합</li></ol><ul><li>데이터 검색과 사고 과정 결합</li><li>OpenAI의 DeepSearch, Perplexity, Anthropic, DeepSeek 등</li></ul><ol start="3"><li>오픈소스 AI 개발 강조</li></ol><ul><li>협력적 AI 발전: AI 모델을 오픈소스로 공개</li></ul><ol start="4"><li>향상된 컴퓨팅 자원</li></ol><ul><li>AI 인프라 투자: 고급 AI 추론을 지원하기 위해 인프라에 막대한 투자</li></ul><ol start="5"><li>윤리 및 안전 고려사항 해결</li></ol><ul><li>책임 있는 AI 사용 보장: AI의 능력이 커짐에 따라 윤리적 사용과 안전에 대한 관심 증가</li></ul> <ul><li>source: https://www.linkedin.com/pulse/beyond-buzzwords-understanding-contrast-between-lrm-llm-srikanth-r-xrohc/</li></ul>

www.linkedin.com

[GenAI] LRM과 LLM의 차이점 이해하기

www.55check.com#정치꽃, 식물, 정원을 이해하는 국가지도자가 있다면내일 오후부터 비가 내린다 하니 도시의 봄꽃 구경은 내일 오전이 피크일 듯 합니다.꽃과 나무와 정원을 진심으로 좋아하고, 그 기록을 남긴 대제국의 황제 이야기를 전합니다. (오호츠크 리포트)필자(로빈 레인 폭스)는 옥스퍼드대 역사학과 교수이며, 동시에 옥스퍼드대 뉴칼리지와 엑스터칼리지의 가드닝 책임자로 일하고 있습니다. 파이낸셜타임스에는 55년째 칼럼을 기고하고 있으시네요.멀리 봄 구경을 가고 싶지만 혼자라 번거로운 분들께는 알레 추천.#매주 금요일_ 동동의 테크 타운이제 코딩은 입으로. ‘바이브 코딩’ 시대“바이브 코딩(Vibe Coding)“이 소프트웨어 업계 새로운 트렌드로 자리잡음.명확한 계획 없이, 코드 작성을 AI에게 완전 위임하는 방식.OpenAI 창업자 안드레이 카파시: “바이브에 몸을 맡기고, 기하급수적 성장을 받아들이고, 코드가 존재한다는 사실조차 잊으세요”라며 극찬. ("You fully give in to the vibes, embrace exponentials, and forget that the code even exists.)과거의 AI 활용이 일부 코드(100줄 이하)를 수정하는 수준이었다면, 이제는 전체 프로그램(500줄 이상)을 AI가 통째로 작성.마이크로소프트 CEO 사티야 나델라는 코드 한 줄 안 쓰고 마이크로소프트 첫 제품인 알테어 BASIC를 만듦 (50년 전엔 6주 걸렸던 게 지금은 10분.)3만5000

2025년 4월 11일 (금) - 누워서 입으로 하는 '바이브 코딩'의 시대 : 오호츠크 리포트

이제 코딩은 입으로. ‘바이브 코딩’ 시대

 * “바이브 코딩(Vibe Coding)“이 소프트웨어 업계 새로운 트렌드로 자리잡음.
 * 명확한 계획 없이, 코드 작성을 AI에게 완전 위임하는 방식.
 * OpenAI 창업자 안드레이 카파시: “바이브에 몸을 맡기고, 기하급수적 성장을 받아들이고, 코드가 존재한다는 사실조차 잊으세요”라며 극찬. ("You fully give in to the vibes, embrace exponentials, and forget that the code even exists.)
 * 과거의 AI 활용이 일부 코드(100줄 이하)를 수정하는 수준이었다면, 이제는 전체 프로그램(500줄 이상)을 AI가 통째로 작성.
 * 마이크로소프트 CEO 사티야 나델라는 코드 한 줄 안 쓰고 마이크로소프트 첫 제품인 알테어 BASIC를 만듦 (50년 전엔 6주 걸렸던 게 지금은 10분.)
 * 3만5000줄짜리 요리앱을 말로만 코딩해서 만든 사람도 있음.
 * 코드 품질과 에러 처리도 크게 향상… 필자 동동도 상당 부분 AI로 코드 작성 중.
 * 단점은? 최근엔 코드가 너무 길고 복잡해져 오히려 불필요한 부분 많아짐 (몇 달 전엔 부족했는데 이젠 과잉!)
 * “바이브 코딩”은 곧 “바이브 워킹”으로 확장될지도. “일은 AI가, 사람은 말만..."

Z세대 내에서도 ‘AI 격차’ 벌어진다

 * 클로드, 100만 건의 익명 대화 분석. 대학생들의 AI 사용 패턴 연구 결과 공개.
 * STEM 계열 학생들이 압도적으로 많이 씀. 특히 컴퓨터사이언스 전공자들의 사용량이 전체의 39% 차지 (위 그래프). 반면 경영, 인문학과 학생들은 AI 사용 적어.
 * “디지털 네이티브” Z세대 내에서도 AI 활용 능력의 격차 심화. 미래 일자리 경쟁력 좌우할 새로운 계층화 현상.
 * 전공별 AI 활용 패턴:
   * 자연과학·수학: 단계별 문제 풀이 요청 형태. 과외 선생님처럼 활용.
   * 컴퓨터공학·공학: AI와 함께 고민하며 해결책 찾는 ‘협업형’ 상호작용 선호.
   * 인문학·비즈니스·보건: 직접 지시와 협업 방식을 균형 있게 활용.
   * 교육 전공: 학습 자료나 문제 만들기 위한 ‘콘텐츠 생성기’ 활용 두드러짐.
 * 보고서 전체 보기. 다 읽기 어려우면 평소 쓰시는 AI 툴에 요약을 요청해보세요.

메타의 오픈소스 AI, 1000만 토큰 LLM으로 1등 올라

 * 메타, 4월 5일 새로운 오픈소스 AI 모델 깜짝 발표.
 * 원래 4월 29일 ‘라마콘 2025’ 행사용 비장의 카드였으나 조기 공개.
 * 이번 주 나스닥 증시 폭락과 지브리 스타일 AI 인기에 영향을 받아 더는 뒤쳐지면 안된다 생각했을 듯.
 * 유료 모델까지 포함해도 2주 전 출시된 구글 ‘Gemini 2.5’에 이어 성능 2위에 해당.
 * 가장 충격적인 건 무료 오픈소스 모델임에도 1000만 토큰 처리 가능.
 * “이제 내 서버에 질문 한 번 할 때도 책 몇 권 통째로 올려놓고 답변받을 수 있는 시대”… 개인 서버에서 올려두고 전기세만 내면 무제한 사용 가능.
 * 그러나 아직까지 미국, 싱가포르 등 일부 국가에서만 서비스 중. 한국은 안 됨.

이제 코딩은 입으로. ‘바이브 코딩’ 시대 <ul ><li>“바이브 코딩(Vibe Coding)“이 소프트웨어 업계 새로운 트렌드로 자리잡음.</li><li>명확한 계획 없이, 코드 작성을 AI에게 완전 위임하는 방식.</li><li>OpenAI 창업자 안드레이 카파시: “바이브에 몸을 맡기고, 기하급수적 성장을 받아들이고, 코드가 존재한다는 사실조차 잊으세요”라며 극찬. ("You fully give in to the vibes, embrace exponentials, and forget that the code even exists.)</li><li>과거의 AI 활용이 일부 코드(100줄 이하)를 수정하는 수준이었다면, 이제는 전체 프로그램(500줄 이상)을 AI가 통째로 작성.</li></ul><ul ><li>마이크로소프트 CEO 사티야 나델라는 코드 한 줄 안 쓰고 마이크로소프트 첫 제품인 알테어 BASIC를 만듦 (50년 전엔 6주 걸렸던 게 지금은 10분.)</li><li>3만5000줄짜리 요리앱을 말로만 코딩해서 만든 사람도 있음.</li><li>코드 품질과 에러 처리도 크게 향상… 필자 동동도 상당 부분 AI로 코드 작성 중.</li></ul><ul ><li>단점은? 최근엔 코드가 너무 길고 복잡해져 오히려 불필요한 부분 많아짐 (몇 달 전엔 부족했는데 이젠 과잉!)</li><li>“바이브 코딩”은 곧 “바이브 워킹”으로 확장될지도. “일은 AI가, 사람은 말만..."</li></ul> Z세대 내에서도 ‘AI 격차’ 벌어진다 <ul ><li>클로드, 100만 건의 익명 대화 분석. 대학생들의 AI 사용 패턴 연구 결과 공개.</li><li>STEM 계열 학생들이 압도적으로 많이 씀. 특히 컴퓨터사이언스 전공자들의 사용량이 전체의 39% 차지 (위 그래프). 반면 경영, 인문학과 학생들은 AI 사용 적어.</li><li>“디지털 네이티브” Z세대 내에서도 AI 활용 능력의 격차 심화. 미래 일자리 경쟁력 좌우할 새로운 계층화 현상.</li></ul><ul ><li>전공별 AI 활용 패턴:<ul ><li>자연과학·수학: 단계별 문제 풀이 요청 형태. 과외 선생님처럼 활용.</li><li>컴퓨터공학·공학: AI와 함께 고민하며 해결책 찾는 ‘협업형’ 상호작용 선호.</li><li>인문학·비즈니스·보건: 직접 지시와 협업 방식을 균형 있게 활용.</li><li>교육 전공: 학습 자료나 문제 만들기 위한 ‘콘텐츠 생성기’ 활용 두드러짐.</li></ul></li></ul><ul ><li>보고서 전체 보기. 다 읽기 어려우면 평소 쓰시는 AI 툴에 요약을 요청해보세요.</li></ul> 메타의 오픈소스 AI, 1000만 토큰 LLM으로 1등 올라 <ul ><li>메타, 4월 5일 새로운 오픈소스 AI 모델 깜짝 발표.</li><li>원래 4월 29일 ‘라마콘 2025’ 행사용 비장의 카드였으나 조기 공개.</li><li>이번 주 나스닥 증시 폭락과 지브리 스타일 AI 인기에 영향을 받아 더는 뒤쳐지면 안된다 생각했을 듯.</li><li>유료 모델까지 포함해도 2주 전 출시된 구글 ‘Gemini 2.5’에 이어 성능 2위에 해당.</li><li>가장 충격적인 건 무료 오픈소스 모델임에도 1000만 토큰 처리 가능.</li><li>“이제 내 서버에 질문 한 번 할 때도 책 몇 권 통째로 올려놓고 답변받을 수 있는 시대”… 개인 서버에서 올려두고 전기세만 내면 무제한 사용 가능.</li><li>그러나 아직까지 미국, 싱가포르 등 일부 국가에서만 서비스 중. 한국은 안 됨.</li></ul>

55check.com

4월 둘째 주 - 누워서 입으로 하는 '바이브 코딩'의 시대

여러분이 좋아하시는 숫자 가져왔습니다 ㅎㅎ

아미고를 사용하는 사용자들의 영어로 대화하는 시간이 늘어나는 것을 보여주는 그래프입니다. (콜당 통화 분수. 시점 문제로 약간의 왜곡이 있긴 하지만, 왜곡이 크진 않습니다.)

영어 대화 능력 향상에 확실한 효과가 있다는 말이죠. 👍

참고로 다른 앱들과 달리 턴제의 읽고 말하기가 아니라, 완전한 형태의 자유 대화를 하는 것이라서 시간만 늘어나는 것은 아닙니다.

처음엔 조금 답답하실 수 있지만, 한두달만 하면 10분 정도의 스몰톡은 쌉가능. 영어로 대화하는 재미를 느끼고 싶은 여러분 츄라이~ 츄라이~

앱 다운로드: https://tosto.re/ameego

여러분이 좋아하시는 숫자 가져왔습니다 ㅎㅎ 아미고를 사용하는 사용자들의 영어로 대화하는 시간이 늘어나는 것을 보여주는 그래프입니다. (콜당 통화 분수. 시점 문제로 약간의 왜곡이 있긴 하지만, 왜곡이 크진 않습니다.) 영어 대화 능력 향상에 확실한 효과가 있다는 말이죠. 👍 참고로 다른 앱들과 달리 턴제의 읽고 말하기가 아니라, 완전한 형태의 자유 대화를 하는 것이라서 시간만 늘어나는 것은 아닙니다. 처음엔 조금 답답하실 수 있지만, 한두달만 하면 10분 정도의 스몰톡은 쌉가능. 영어로 대화하는 재미를 느끼고 싶은 여러분 츄라이~ 츄라이~ 앱 다운로드: https://tosto.re/ameego

📊 아미고(Ameego) 사용자의 영어 대화 능력 향상 통계

We’re introducing Ironwood, our seventh-generation Tensor Processing Unit (TPU) designed to power the age of generative AI inference.

Ironwood: The first Google TPU for the age of inference

Google Cloud Next '25가 라스베이거스에서 성황리에 개최되었습니다.
이번 행사의 핵심은 AI의 혁신적인 발전과 비즈니스 적용이었습니다. Google Cloud CEO 토마스 쿠리안(Thomas Kurian)과 Google 및 Alphabet CEO 순다르 피차이(Sundar Pichai)가 직접 무대에 올라 AI가 어떻게 우리의 업무 방식을 바꾸고 있는지, 그리고 Google Cloud가 어떤 새로운 기술과 비전을 선보이는지 공유했습니다.

작년 Next 행사 이후 1년간 Google Cloud는 무려 3,000개 이상의 제품 업데이트를 진행했고, 스웨덴, 멕시코, 남아프리카를 포함해 42개 리전으로 확장했습니다. 특히 AI 분야의 성장은 놀라웠습니다.

- Gemini 사용자 400만 명 돌파: Google의 최첨단 AI 모델 Gemini를 활용하는 개발자가 400만 명을 넘어섰습니다.
- Vertex AI 사용량 20배 증가: Gemini, Imagen(이미지 생성), Veo(비디오 생성) 모델의 인기에 힘입어 Vertex AI 사용량이 작년 대비 20배나 급증했습니다.
- Google Workspace 월 20억 건 AI 지원: 비즈니스 사용자들이 Workspace 내에서 매달 20억 건 이상의 AI 지원을 받으며 업무 효율성을 높이고 있습니다.
이번 Next '25에서는 AI를 더욱 강력하고, 사용하기 쉽고, 경제적으로 만들기 위한 흥미로운 발표들이 쏟아졌습니다. 주요 내용을 핵심 주제별로 정리해 보았습니다.

1️⃣ 더 강력해진 AI 인프라: 미래를 위한 투자 ⚡️
AI 모델의 학습과 추론을 위한 강력한 인프라는 필수입니다. Google은 이 분야에 대한 투자를 아끼지 않고 있습니다.

Ironwood TPU 공개
https://blog.google/products/google-cloud/ironwood-tpu-age-of-inference/
추론에 최적화된 7세대 TPU 'Ironwood'가 올해 말 출시됩니다. 이전 세대 대비 5배 높은 최고 컴퓨팅 성능과 6배 더 많은 고대역폭 메모리(HBM) 용량을 자랑합니다. 순다르 피차이는 Ironwood가 최초 공개된 TPU 대비 3,600배 향상된 성능을 가졌다고 강조했습니다.

Cloud WAN 출시
https://cloud.google.com/blog/products/networking/connect-globally-with-cloud-wan-for-the-ai-era
Gmail, 포토, 검색 등 수십억 명의 사용자를 연결하는 Google의 초고속, 저지연 글로벌 네트워크를 이제 기업 고객들도 'Cloud Wide Area Network (Cloud WAN)'를 통해 사용할 수 있게 됩니다. 이를 통해 40% 이상 빠른 성능과 최대 40%의 총소유비용(TCO) 절감 효과를 기대할 수 있습니다. Citadel Securities, Nestle 등이 이미 사용 중이며 이달 말 정식 출시됩니다.

AI Hypercomputer 강화
https://blog.google/products/google-cloud/cloud-next-ai-hypercomputer-updates/
Google Cloud의 AI 워크로드를 뒷받침하는 AI Hypercomputer 스택 전반의 향상이 발표되었습니다. Nvidia의 최신 Blackwell (GB200, B200) GPU 지원은 물론, 차세대 Vera Rubin GPU도 가장 먼저 제공할 예정입니다. 또한 GKE의 GenAI 인식 스케일링, Google DeepMind의 분산 ML 런타임 'Pathways' 클라우드 고객 최초 제공, VLLM on TPU 지원 등 소프트웨어 혁신도 함께 발표되었습니다.

Google Distributed Cloud (GDC) 확장
맥도날드 사례처럼 온프레미스 환경에서도 AI를 활용할 수 있도록 GDC에서 Gemini와 AgentSpace 검색을 지원합니다. 특히 기밀 데이터 처리를 위해 Nvidia의 기밀 컴퓨팅(Confidential Computing) 및 Blackwell 시스템을 Dell과의 파트너십을 통해 지원하며, 미 정부의 Secret 및 Top Secret 임무 수행 인증을 받은 GDC Air Gap 환경에서도 Gemini를 사용할 수 있게 됩니다.

2️⃣ 진화하는 AI 모델: 더 똑똑하고 다재다능하게 🧠🎨
Google AI 모델들은 계속해서 능력의 한계를 넘어서고 있습니다.

Gemini 2.5 Pro & Flash
https://cloud.google.com/blog/products/ai-machine-learning/gemini-2-5-pro-flash-on-vertex-ai
응답 전에 스스로 생각하고 추론하는 능력이 강화된 'Gemini 2.5 Pro'가 AI Studio, Vertex AI, Gemini 앱에서 정식 출시되었습니다. Chatbot Arena 리더보드 1위를 차지하며 성능을 입증했죠. 더불어 낮은 지연 시간과 비용 효율성을 갖춘 'Gemini 2.5 Flash' 모델도 곧 출시될 예정입니다. 이 모델은 사용자가 추론 수준을 조절하며 성능과 비용의 균형을 맞출 수 있습니다.

Vertex AI: 모든 생성형 미디어 모델 통합
https://cloud.google.com/blog/products/ai-machine-learning/expanding-generative-media-for-enterprise-on-vertex-ai
https://blog.google/products/google-cloud/cloud-next-gen-ai-vertex-ai-updates/
Vertex AI에 Google의 텍스트-음악 변환 모델 'Lyria'가 추가되었습니다! 이로써 Vertex AI는 비디오(Veo 2), 이미지(Imagen 3), 음성(Chirp 3), 음악(Lyria) 등 모든 주요 생성형 미디어 모델을 제공하는 유일한 플랫폼이 되었습니다.

- Veo 2: 업계 최고 수준의 비디오 생성 모델로, 4K 해상도 영상을 몇 분 길이로 생성 가능하며, SynthID 워터마크가 적용됩니다. 카메라 프리셋, 시작/종료 장면 제어, 동적 인페인팅/아웃페인팅 등 강력한 편집 기능이 추가되었습니다. (키노트 데모: 라스베이거스 콘서트 티저 영상 제작)
- Imagen 3: 더 디테일하고 풍부한 조명 표현, 줄어든 노이즈로 최고 품질의 텍스트-이미지 변환을 제공합니다.
- Chirp 3: 단 10초 분량의 음성으로 커스텀 보이스 생성 및 AI 내레이션 삽입이 가능합니다.
- Lyria: 텍스트 프롬프트로 30초 길이의 음악 클립을 생성합니다.

3️⃣ AI 에이전트 시대의 개막: Google AgentSpace와 개발 도구 🤖🛠️
이번 Next '25의 가장 뜨거운 주제 중 하나는 바로 'AI 에이전트'였습니다. 에이전트는 추론, 계획, 기억 능력을 갖추고 도구를 활용해 사용자를 대신해 작업을 수행하는 지능형 시스템입니다.

Google AgentSpace 출시
https://blog.google/feed/cloud-next-latest-features-google-agentspace/
모든 직원이 기업 내 정보를 찾고, AI 에이전트와 대화하며, 에이전트가 대신 작업을 수행하도록 지원하는 새로운 허브입니다. Google 검색 기술, 대화형 AI, Gemini, 타사 에이전트, 다양한 커넥터(문서, DB, SaaS 앱)를 통합하고 강력한 보안 및 규정 준수 기능을 제공합니다. (키노트 데모: 은행 RM의 고객 포트폴리오 분석 및 자동화)
- Chrome 브라우저 검색창에서 바로 AgentSpace 접근 가능
- Google 자체 에이전트(NotebookLM, 아이디어 생성, 기업 심층 리서치) 제공

Agent Development Kit (ADK)
https://google.github.io/adk-docs
정교한 멀티 에이전트 시스템 구축을 간소화하는 새로운 오픈소스 프레임워크입니다. Gemini 기반 에이전트 구축, 도구 사용, 복잡한 작업 수행(추론 포함), 에이전트 간 협업 등을 지원하며 정밀한 제어가 가능합니다.

Agent2Agent (A2A) Protocol
https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability
에이전트가 기반 모델이나 프레임워크에 관계없이 서로 소통하고 협업할 수 있도록 하는 새로운 개방형 표준 프로토콜입니다. LangGraph, CrewAI 등 다른 프레임워크 기반 에이전트와의 상호 운용성을 목표로 합니다.

AI Agent Marketplace
Google Cloud Marketplace 내에서 파트너들이 만든 AI 에이전트를 쉽게 찾아보고 구매할 수 있는 공간입니다.

4️⃣ 데이터 분석의 혁신: 데이터 에이전트와 BigQuery 📊
데이터는 기업의 핵심 자산이며, AI는 이 데이터를 활용하는 방식을 바꾸고 있습니다. '데이터 에이전트'는 어떤 데이터를 사용하고 어떤 질문을 던져야 할지 이해하며, 데이터팀과 비즈니스팀 모두에게 강력한 도구가 됩니다.

BigQuery 기반: Google의 데이터 플랫폼 BigQuery는 데이터 에이전트의 강력한 기반입니다. 구조화된 데이터와 비정형 데이터(텍스트, 이미지, 비디오 등)를 통합하고, Apache Iceberg 같은 개방형 형식을 지원하며, 모든 클라우드의 스토리지 시스템 및 SaaS 애플리케이션 데이터에 접근할 수 있습니다. Gemini와 BigQuery를 결합한 멀티모달 분석은 작년 대비 16배 이상 성장했으며, Oracle 데이터베이스와의 네이티브 통합도 발표되었습니다.

전문 데이터 에이전트 출시
https://cloud.google.com/blog/products/data-analytics/data-analytics-innovations-at-next25

- 데이터 엔지니어링 에이전트: 카탈로그 자동화, 메타데이터 생성, 데이터 품질 유지, 데이터 파이프라인 생성 등 데이터 엔지니어링 라이프사이클 전반을 지원합니다.

- 데이터 사이언스 에이전트: 데이터 로딩, 특성 공학, 예측 모델링 등 데이터 사이언스 워크플로우의 모든 단계에서 코딩 파트너 역할을 수행합니다.

- 데이터 분석가/비즈니스 사용자 에이전트: 자연어만으로 강력하고 신뢰할 수 있는 분석을 수행하며, 웹 또는 모바일 애플리케이션에 내장할 수도 있습니다.

고객 활용 사례
Mattel(소비자 피드백 분석), Spotify(개인화 경험 제공), Unilever(신흥 시장 소매업체 도달), Bayer(독감 트렌드 예측), Neuro(AlloyDB 활용 자율 주행 시나리오 식별), 네바다 주(신속한 복지 수급 자격 심사) 등 다양한 기업에서 활용 중입니다.

키노트 데모 (Yasmin Ahmad)
BigQuery 내에서 데이터 에이전트가 어떻게 SAP, Salesforce 등 다양한 소스의 데이터를 통합하고, PDF 송장에서 정보를 추출하며, 근본 원인 분석(예: 결제 조건), 시계열 예측, 코드 생성 등을 단 몇 분 만에 "쉽게(Easy!)" 수행하는지 시연했습니다. 복잡했던 데이터 과학 워크플로우가 Gemini와 Vertex AI를 통해 얼마나 간소화될 수 있는지 보여주었습니다.

5️⃣ Vertex AI 플랫폼 진화: 개발자를 위한 강력한 기반 📈
Vertex AI는 AI 모델과 에이전트를 구축, 배포, 관리하기 위한 핵심 플랫폼으로 더욱 강화되었습니다.

모델 접근성 향상
Model Garden을 통해 Google 자체 모델, 타사 인기 모델, 오픈소스 모델 등 200개 이상의 모델에 쉽게 접근할 수 있습니다. Meta의 Llama 4, AI21 Labs의 모델들도 정식 지원합니다.

모니터링 및 튜닝
새로운 대시보드를 통해 사용량, 처리량, 지연 시간 등을 모니터링하고 오류를 해결할 수 있으며, 새로운 튜닝 방식으로 모델 성능을 최적화할 수 있습니다.

강력한 데이터 연결 및 그라운딩
모든 데이터 소스, 벡터 DB(모든 클라우드), NetApp 스토리지(데이터 복제 불필요)와 직접 연결 가능합니다. Google 검색, 기업 데이터, Google 지도, 타사 소스를 활용한 업계 최고 수준의 그라운딩 기능을 제공하여 모델 응답의 정확성과 신뢰도를 높입니다.

6️⃣ Google Workspace + AI: 일하는 방식의 혁신 💼✨
Gemini는 Google Workspace에 더욱 깊숙이 통합되어 생산성을 극대화합니다.

Sheets "Help me analyze" : 데이터 분석 과정을 안내하여 전문가 수준의 분석을 지원합니다.

Docs 오디오 개요 : 문서 내용을 고품질 오디오 버전으로 생성하여 새로운 방식으로 콘텐츠와 상호작용할 수 있습니다.

Workspace Flows : 반복적이고 시간 소모적인 작업을 자동화하고 컨텍스트 기반 의사결정을 돕습니다.

7️⃣ 통합 보안 강화: Google Unified Security 🛡️
복잡해지는 위협 환경에 대응하기 위해 Google은 보안 역량을 통합합니다.

Google Unified Security (GUS) 출시
https://cloud.google.com/blog/products/identity-security/driving-secure-innovation-with-ai-google-unified-security-next25
Mandiant 위협 인텔리전스, AI 기반 보안 운영(SecOps), 클라우드 보안(지속적인 가상 레드팀 포함), 신뢰받는 브라우저(Chrome), Mandiant 전문 서비스를 하나의 통합된 보안 솔루션으로 제공합니다. (키노트 데모: 개발자 실수로 인한 데이터 유출 및 VM 공격 탐지/자동 대응)

새로운 보안 에이전트 : 악성코드 분석, 경고 분류 등을 자동화하여 조사 속도를 높입니다.

Wiz 인수 : 멀티 클라우드 보안 플랫폼 Wiz 인수를 통해 사이버 보안 역량을 더욱 강화할 예정입니다.

8️⃣ 강력한 파트너 생태계와 고객 성공 사례 🤝🌟
Google Cloud의 혁신은 강력한 파트너십과 실제 고객 성공 사례를 통해 더욱 빛을 발합니다.

주요 파트너십: Salesforce(AgentForce), Nvidia, Dell, Oracle, Adobe, ServiceNow, SAP, NetApp, Atlassian, Sentry, Snyk 등 다양한 기술 파트너와의 협력을 강화합니다.

서비스 파트너: Accenture, Deloitte, KPMG, WPP, BrandTech Group 등 수많은 서비스 파트너들이 Google AI 기반의 에이전트와 솔루션을 개발하여 제공합니다.

고객 사례: McDonald's(매장 운영 효율화), Sphere(Wizard of Oz 경험), Deutsche Bank(AI 리서치 에이전트), Reddit(Reddit Answers), Verizon(고객 서비스 개인화), Mattel(소비자 피드백 분석), Mercado Libre(상품 검색 경험 혁신), Wendy's(AI 드라이브 스루), Home Depot(Magic Apron) 등 500개 이상의 고객 스토리가 공유되었습니다.

Google Cloud Next '25는 AI가 단순한 기술 트렌드를 넘어 실제 비즈니스 혁신을 이끄는 핵심 동력임을 다시 한번 확인시켜 주었습니다. 더욱 강력해진 인프라, 진화하는 AI 모델, 그리고 새롭게 부상하는 AI 에이전트 생태계까지, Google Cloud는 기업들이 AI 시대를 성공적으로 맞이할 수 있도록 최적의 플랫폼과 도구를 제공하고 있습니다.

12분 요약 버전
https://www.youtube.com/watch?v=2OpHbyN4vEM

전체 영상 보기 (한글자막)
https://www.youtube.com/watch?v=OqtOmpa7s6k

더 보기
- Google Cloud Next 25 : https://blog.google/products/google-cloud/next-2025/
- 기업들이 실제적으로 활용하는 601개의 Gen AI 활용 사례
https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders

Google Cloud Next '25가 라스베이거스에서 성황리에 개최되었습니다. 이번 행사의 핵심은 AI의 혁신적인 발전과 비즈니스 적용이었습니다. Google Cloud CEO 토마스 쿠리안(Thomas Kurian)과 Google 및 Alphabet CEO 순다르 피차이(Sundar Pichai)가 직접 무대에 올라 AI가 어떻게 우리의 업무 방식을 바꾸고 있는지, 그리고 Google Cloud가 어떤 새로운 기술과 비전을 선보이는지 공유했습니다. 작년 Next 행사 이후 1년간 Google Cloud는 무려 3,000개 이상의 제품 업데이트를 진행했고, 스웨덴, 멕시코, 남아프리카를 포함해 42개 리전으로 확장했습니다. 특히 AI 분야의 성장은 놀라웠습니다. - Gemini 사용자 400만 명 돌파: Google의 최첨단 AI 모델 Gemini를 활용하는 개발자가 400만 명을 넘어섰습니다. - Vertex AI 사용량 20배 증가: Gemini, Imagen(이미지 생성), Veo(비디오 생성) 모델의 인기에 힘입어 Vertex AI 사용량이 작년 대비 20배나 급증했습니다. - Google Workspace 월 20억 건 AI 지원: 비즈니스 사용자들이 Workspace 내에서 매달 20억 건 이상의 AI 지원을 받으며 업무 효율성을 높이고 있습니다. 이번 Next '25에서는 AI를 더욱 강력하고, 사용하기 쉽고, 경제적으로 만들기 위한 흥미로운 발표들이 쏟아졌습니다. 주요 내용을 핵심 주제별로 정리해 보았습니다. 1️⃣ 더 강력해진 AI 인프라: 미래를 위한 투자 ⚡️ AI 모델의 학습과 추론을 위한 강력한 인프라는 필수입니다. Google은 이 분야에 대한 투자를 아끼지 않고 있습니다. Ironwood TPU 공개 https://blog.google/products/google-cloud/ironwood-tpu-age-of-inference/ 추론에 최적화된 7세대 TPU 'Ironwood'가 올해 말 출시됩니다. 이전 세대 대비 5배 높은 최고 컴퓨팅 성능과 6배 더 많은 고대역폭 메모리(HBM) 용량을 자랑합니다. 순다르 피차이는 Ironwood가 최초 공개된 TPU 대비 3,600배 향상된 성능을 가졌다고 강조했습니다. Cloud WAN 출시 https://cloud.google.com/blog/products/networking/connect-globally-with-cloud-wan-for-the-ai-era Gmail, 포토, 검색 등 수십억 명의 사용자를 연결하는 Google의 초고속, 저지연 글로벌 네트워크를 이제 기업 고객들도 'Cloud Wide Area Network (Cloud WAN)'를 통해 사용할 수 있게 됩니다. 이를 통해 40% 이상 빠른 성능과 최대 40%의 총소유비용(TCO) 절감 효과를 기대할 수 있습니다. Citadel Securities, Nestle 등이 이미 사용 중이며 이달 말 정식 출시됩니다. AI Hypercomputer 강화 https://blog.google/products/google-cloud/cloud-next-ai-hypercomputer-updates/ Google Cloud의 AI 워크로드를 뒷받침하는 AI Hypercomputer 스택 전반의 향상이 발표되었습니다. Nvidia의 최신 Blackwell (GB200, B200) GPU 지원은 물론, 차세대 Vera Rubin GPU도 가장 먼저 제공할 예정입니다. 또한 GKE의 GenAI 인식 스케일링, Google DeepMind의 분산 ML 런타임 'Pathways' 클라우드 고객 최초 제공, VLLM on TPU 지원 등 소프트웨어 혁신도 함께 발표되었습니다. Google Distributed Cloud (GDC) 확장 맥도날드 사례처럼 온프레미스 환경에서도 AI를 활용할 수 있도록 GDC에서 Gemini와 AgentSpace 검색을 지원합니다. 특히 기밀 데이터 처리를 위해 Nvidia의 기밀 컴퓨팅(Confidential Computing) 및 Blackwell 시스템을 Dell과의 파트너십을 통해 지원하며, 미 정부의 Secret 및 Top Secret 임무 수행 인증을 받은 GDC Air Gap 환경에서도 Gemini를 사용할 수 있게 됩니다. 2️⃣ 진화하는 AI 모델: 더 똑똑하고 다재다능하게 🧠🎨 Google AI 모델들은 계속해서 능력의 한계를 넘어서고 있습니다. Gemini 2.5 Pro &amp; Flash https://cloud.google.com/blog/products/ai-machine-learning/gemini-2-5-pro-flash-on-vertex-ai 응답 전에 스스로 생각하고 추론하는 능력이 강화된 'Gemini 2.5 Pro'가 AI Studio, Vertex AI, Gemini 앱에서 정식 출시되었습니다. Chatbot Arena 리더보드 1위를 차지하며 성능을 입증했죠. 더불어 낮은 지연 시간과 비용 효율성을 갖춘 'Gemini 2.5 Flash' 모델도 곧 출시될 예정입니다. 이 모델은 사용자가 추론 수준을 조절하며 성능과 비용의 균형을 맞출 수 있습니다. Vertex AI: 모든 생성형 미디어 모델 통합 https://cloud.google.com/blog/products/ai-machine-learning/expanding-generative-media-for-enterprise-on-vertex-ai https://blog.google/products/google-cloud/cloud-next-gen-ai-vertex-ai-updates/ Vertex AI에 Google의 텍스트-음악 변환 모델 'Lyria'가 추가되었습니다! 이로써 Vertex AI는 비디오(Veo 2), 이미지(Imagen 3), 음성(Chirp 3), 음악(Lyria) 등 모든 주요 생성형 미디어 모델을 제공하는 유일한 플랫폼이 되었습니다. - Veo 2: 업계 최고 수준의 비디오 생성 모델로, 4K 해상도 영상을 몇 분 길이로 생성 가능하며, SynthID 워터마크가 적용됩니다. 카메라 프리셋, 시작/종료 장면 제어, 동적 인페인팅/아웃페인팅 등 강력한 편집 기능이 추가되었습니다. (키노트 데모: 라스베이거스 콘서트 티저 영상 제작) - Imagen 3: 더 디테일하고 풍부한 조명 표현, 줄어든 노이즈로 최고 품질의 텍스트-이미지 변환을 제공합니다. - Chirp 3: 단 10초 분량의 음성으로 커스텀 보이스 생성 및 AI 내레이션 삽입이 가능합니다. - Lyria: 텍스트 프롬프트로 30초 길이의 음악 클립을 생성합니다. 3️⃣ AI 에이전트 시대의 개막: Google AgentSpace와 개발 도구 🤖🛠️ 이번 Next '25의 가장 뜨거운 주제 중 하나는 바로 'AI 에이전트'였습니다. 에이전트는 추론, 계획, 기억 능력을 갖추고 도구를 활용해 사용자를 대신해 작업을 수행하는 지능형 시스템입니다. Google AgentSpace 출시 https://blog.google/feed/cloud-next-latest-features-google-agentspace/ 모든 직원이 기업 내 정보를 찾고, AI 에이전트와 대화하며, 에이전트가 대신 작업을 수행하도록 지원하는 새로운 허브입니다. Google 검색 기술, 대화형 AI, Gemini, 타사 에이전트, 다양한 커넥터(문서, DB, SaaS 앱)를 통합하고 강력한 보안 및 규정 준수 기능을 제공합니다. (키노트 데모: 은행 RM의 고객 포트폴리오 분석 및 자동화) - Chrome 브라우저 검색창에서 바로 AgentSpace 접근 가능 - Google 자체 에이전트(NotebookLM, 아이디어 생성, 기업 심층 리서치) 제공 Agent Development Kit (ADK) https://google.github.io/adk-docs 정교한 멀티 에이전트 시스템 구축을 간소화하는 새로운 오픈소스 프레임워크입니다. Gemini 기반 에이전트 구축, 도구 사용, 복잡한 작업 수행(추론 포함), 에이전트 간 협업 등을 지원하며 정밀한 제어가 가능합니다. Agent2Agent (A2A) Protocol https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability 에이전트가 기반 모델이나 프레임워크에 관계없이 서로 소통하고 협업할 수 있도록 하는 새로운 개방형 표준 프로토콜입니다. LangGraph, CrewAI 등 다른 프레임워크 기반 에이전트와의 상호 운용성을 목표로 합니다. AI Agent Marketplace Google Cloud Marketplace 내에서 파트너들이 만든 AI 에이전트를 쉽게 찾아보고 구매할 수 있는 공간입니다. 4️⃣ 데이터 분석의 혁신: 데이터 에이전트와 BigQuery 📊 데이터는 기업의 핵심 자산이며, AI는 이 데이터를 활용하는 방식을 바꾸고 있습니다. '데이터 에이전트'는 어떤 데이터를 사용하고 어떤 질문을 던져야 할지 이해하며, 데이터팀과 비즈니스팀 모두에게 강력한 도구가 됩니다. BigQuery 기반: Google의 데이터 플랫폼 BigQuery는 데이터 에이전트의 강력한 기반입니다. 구조화된 데이터와 비정형 데이터(텍스트, 이미지, 비디오 등)를 통합하고, Apache Iceberg 같은 개방형 형식을 지원하며, 모든 클라우드의 스토리지 시스템 및 SaaS 애플리케이션 데이터에 접근할 수 있습니다. Gemini와 BigQuery를 결합한 멀티모달 분석은 작년 대비 16배 이상 성장했으며, Oracle 데이터베이스와의 네이티브 통합도 발표되었습니다. 전문 데이터 에이전트 출시 https://cloud.google.com/blog/products/data-analytics/data-analytics-innovations-at-next25 - 데이터 엔지니어링 에이전트: 카탈로그 자동화, 메타데이터 생성, 데이터 품질 유지, 데이터 파이프라인 생성 등 데이터 엔지니어링 라이프사이클 전반을 지원합니다. - 데이터 사이언스 에이전트: 데이터 로딩, 특성 공학, 예측 모델링 등 데이터 사이언스 워크플로우의 모든 단계에서 코딩 파트너 역할을 수행합니다. - 데이터 분석가/비즈니스 사용자 에이전트: 자연어만으로 강력하고 신뢰할 수 있는 분석을 수행하며, 웹 또는 모바일 애플리케이션에 내장할 수도 있습니다. 고객 활용 사례 Mattel(소비자 피드백 분석), Spotify(개인화 경험 제공), Unilever(신흥 시장 소매업체 도달), Bayer(독감 트렌드 예측), Neuro(AlloyDB 활용 자율 주행 시나리오 식별), 네바다 주(신속한 복지 수급 자격 심사) 등 다양한 기업에서 활용 중입니다. 키노트 데모 (Yasmin Ahmad) BigQuery 내에서 데이터 에이전트가 어떻게 SAP, Salesforce 등 다양한 소스의 데이터를 통합하고, PDF 송장에서 정보를 추출하며, 근본 원인 분석(예: 결제 조건), 시계열 예측, 코드 생성 등을 단 몇 분 만에 "쉽게(Easy!)" 수행하는지 시연했습니다. 복잡했던 데이터 과학 워크플로우가 Gemini와 Vertex AI를 통해 얼마나 간소화될 수 있는지 보여주었습니다. 5️⃣ Vertex AI 플랫폼 진화: 개발자를 위한 강력한 기반 📈 Vertex AI는 AI 모델과 에이전트를 구축, 배포, 관리하기 위한 핵심 플랫폼으로 더욱 강화되었습니다. 모델 접근성 향상 Model Garden을 통해 Google 자체 모델, 타사 인기 모델, 오픈소스 모델 등 200개 이상의 모델에 쉽게 접근할 수 있습니다. Meta의 Llama 4, AI21 Labs의 모델들도 정식 지원합니다. 모니터링 및 튜닝 새로운 대시보드를 통해 사용량, 처리량, 지연 시간 등을 모니터링하고 오류를 해결할 수 있으며, 새로운 튜닝 방식으로 모델 성능을 최적화할 수 있습니다. 강력한 데이터 연결 및 그라운딩 모든 데이터 소스, 벡터 DB(모든 클라우드), NetApp 스토리지(데이터 복제 불필요)와 직접 연결 가능합니다. Google 검색, 기업 데이터, Google 지도, 타사 소스를 활용한 업계 최고 수준의 그라운딩 기능을 제공하여 모델 응답의 정확성과 신뢰도를 높입니다. 6️⃣ Google Workspace + AI: 일하는 방식의 혁신 💼✨ Gemini는 Google Workspace에 더욱 깊숙이 통합되어 생산성을 극대화합니다. Sheets "Help me analyze" : 데이터 분석 과정을 안내하여 전문가 수준의 분석을 지원합니다. Docs 오디오 개요 : 문서 내용을 고품질 오디오 버전으로 생성하여 새로운 방식으로 콘텐츠와 상호작용할 수 있습니다. Workspace Flows : 반복적이고 시간 소모적인 작업을 자동화하고 컨텍스트 기반 의사결정을 돕습니다. 7️⃣ 통합 보안 강화: Google Unified Security 🛡️ 복잡해지는 위협 환경에 대응하기 위해 Google은 보안 역량을 통합합니다. Google Unified Security (GUS) 출시 https://cloud.google.com/blog/products/identity-security/driving-secure-innovation-with-ai-google-unified-security-next25 Mandiant 위협 인텔리전스, AI 기반 보안 운영(SecOps), 클라우드 보안(지속적인 가상 레드팀 포함), 신뢰받는 브라우저(Chrome), Mandiant 전문 서비스를 하나의 통합된 보안 솔루션으로 제공합니다. (키노트 데모: 개발자 실수로 인한 데이터 유출 및 VM 공격 탐지/자동 대응) 새로운 보안 에이전트 : 악성코드 분석, 경고 분류 등을 자동화하여 조사 속도를 높입니다. Wiz 인수 : 멀티 클라우드 보안 플랫폼 Wiz 인수를 통해 사이버 보안 역량을 더욱 강화할 예정입니다. 8️⃣ 강력한 파트너 생태계와 고객 성공 사례 🤝🌟 Google Cloud의 혁신은 강력한 파트너십과 실제 고객 성공 사례를 통해 더욱 빛을 발합니다. 주요 파트너십: Salesforce(AgentForce), Nvidia, Dell, Oracle, Adobe, ServiceNow, SAP, NetApp, Atlassian, Sentry, Snyk 등 다양한 기술 파트너와의 협력을 강화합니다. 서비스 파트너: Accenture, Deloitte, KPMG, WPP, BrandTech Group 등 수많은 서비스 파트너들이 Google AI 기반의 에이전트와 솔루션을 개발하여 제공합니다. 고객 사례: McDonald's(매장 운영 효율화), Sphere(Wizard of Oz 경험), Deutsche Bank(AI 리서치 에이전트), Reddit(Reddit Answers), Verizon(고객 서비스 개인화), Mattel(소비자 피드백 분석), Mercado Libre(상품 검색 경험 혁신), Wendy's(AI 드라이브 스루), Home Depot(Magic Apron) 등 500개 이상의 고객 스토리가 공유되었습니다. Google Cloud Next '25는 AI가 단순한 기술 트렌드를 넘어 실제 비즈니스 혁신을 이끄는 핵심 동력임을 다시 한번 확인시켜 주었습니다. 더욱 강력해진 인프라, 진화하는 AI 모델, 그리고 새롭게 부상하는 AI 에이전트 생태계까지, Google Cloud는 기업들이 AI 시대를 성공적으로 맞이할 수 있도록 최적의 플랫폼과 도구를 제공하고 있습니다. 12분 요약 버전 https://www.youtube.com/watch?v=2OpHbyN4vEM 전체 영상 보기 (한글자막) https://www.youtube.com/watch?v=OqtOmpa7s6k 더 보기 - Google Cloud Next 25 : https://blog.google/products/google-cloud/next-2025/ - 기업들이 실제적으로 활용하는 601개의 Gen AI 활용 사례 https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders

Google

Google Cloud Next '25 키노트 요약: AI 에이전트 시대

Google Cloud는 프로그래밍 분야에서 큰 성공을 거두었고, 저도 종종 해당 제품을 사용하지만, 다음 AI 제품도 매우 유용하고 시도해 볼 가치가 있다고 생각합니다.
음향 효과를 생성하는 무료 웹사이트입니다. <a href="https://soundeffectgenerator.org/ko">효과음</a>
<a href="https://lipsync.studio">립싱크 스튜디오</a> - 전문 비디오 립싱크 및 오디오 매칭 도구
AI 음성 복제를 사용하여 모든 사람의 <a href="https://aivoiceclone.online">목소리를 복제</a>하고 그 목소리로 무엇이든 말해보세요. AI 더빙, 음성 합성, 오디오 콘텐츠 제작에 적합합니다.

전문적인 <a href="https://aidubbing.online">AI 더빙</a> 기술로 영상을 변환해보세요. 비디오 현지화, 음성 해설 및 콘텐츠 제작에 적합합니다. 원활한 오디오 통합을 위해 AI 기반 더빙 도구를 사용해 보세요.

MCP 사용 조심하세요. 보안이 매우 취약해서 쉽게 해킹 당할 수 있습니다. MCP 재밌다고 이것저것 써보다가 본인 PC는 물론이고 서버나 개인 혹은 업무 계정 등 통째로 털릴 수 있습니다~*

MCP 사용 조심하세요. 보안이 매우 취약해서 쉽게 해킹 당할 수 있습니다. MCP 재밌다고 이것저것 써보다가 본인 PC는 물론이고 서버나 개인 혹은 업무 계정 등 통째로 털릴 수 있습니다~*

수고가 많으십니다. 혹시 출처가 있는 얘기인가요?

네이버는 만 1년을 다녔습니다. 짧은 기간이긴 합니다만 한 번도 지각을 하지 않았습니다. 휴가도 쓰지 않았습니다. 퇴사할 때 인사팀에서 놀라더라고요. “어떻게 휴가를 한 번도 안 쓰셨어요?”

루틴이 있었던 시절

네이버는 만 1년을 다녔습니다. 짧은 기간이긴 합니다만 한 번도 지각을 하지 않았습니다.
휴가도 쓰지 않았습니다. 퇴사할 때 인사팀에서 놀라더라고요.
“어떻게 휴가를 한 번도 안 쓰셨어요?”

신기한 일이긴 했습니다. 지각도 잦고, 오전 반차로 대부분의 휴가를 탕진해버리는 저의 대부분의 회사 시절과는 분명히 달랐으니까요.

어떻게 이럴 수 있었을까?
독산동이었던 저희 집과 분당은 너무 멀었기 때문입니다.
버스나 지하철로는 도저히 갈 수가 없는 곳. (신분당선이 개통 전이었을 때입니다)
다행히 네이버는 셔틀버스가 있었는데, 이 셔틀버스를 저는 반드시! 타야만 했습니다.
안 그러면 회사에 갈 수가 없으니까.

돌아보면 이때가 참 좋았습니다. 매일 같은 루틴으로 살 수 있었거든요.
강제적인 루틴이 설정되었습니다.

* 아침 8시 45분까지 신림역에 도착해서 셔틀버스를 탄다.
* 셔틀버스 안에서 프로그래밍 책을 읽는다.
* 9시 40분에 그린팩토리 앞에서 내린다.
* 아침 간식을 먹고 커피를 마시며 일을 시작한다.
* 12시에 구내식당에서 점심을 먹는다.
* 열심히 일을 한다.
* 19시 정각이 되면 구내식당에 내려가서 저녁을 후다닥 먹는다.
* 19시 40분에 출발하는 셔틀버스를 탄다.
* 21시쯤 집에 돌아와서 운동을 하고 샤워를 한다.
* 프로그래밍 책을 읽는다.
* 0시경 잠이 든다.

지금 다시 생각해 봐도 너무 깨끗한 루틴입니다.
술도 없고 모임도 없고 운동도 많이 해서 몸과 정신 모두 건강했습니다.
회사 일 말고 다른 일도 없는 데다 전혀 피곤하지 않아서 휴가를 쓸 생각도 못 하고 시간이 지나갔습니다.

이 좋았던 루틴은 서현역의 퍼스트타워로 강제 이주 당하며 곧 깨져버렸습니다. (그리고 저는 곧 그만두었습니다)
살면서 처음이자 마지막으로 가져본 루틴인데 ㅠㅠ

1인 개발자로의 삶은 매우 만족스럽지만… 이런 루틴을 만들기가 어렵습니다.
완전한 자유가 주어졌을 때 스스로를 제약할 수 있다는 것이 보통 어려운 일이 아니더라고요.

네이버에 다닐 때의 루틴은 지금 생각해도 그립습니다.
매일 같은 시간에 일어나서 같은 시간에 밥을 먹고 같은 시간에 일을 한다는 것.
좀 더 애를 쓰면 이런 루틴을 다시 갖게 될 수 있을까요?

https://jeho.page/essay/2025/04/08/design-routine.html

네이버는 만 1년을 다녔습니다. 짧은 기간이긴 합니다만 한 번도 지각을 하지 않았습니다. 휴가도 쓰지 않았습니다. 퇴사할 때 인사팀에서 놀라더라고요. “어떻게 휴가를 한 번도 안 쓰셨어요?” 신기한 일이긴 했습니다. 지각도 잦고, 오전 반차로 대부분의 휴가를 탕진해버리는 저의 대부분의 회사 시절과는 분명히 달랐으니까요. 어떻게 이럴 수 있었을까? 독산동이었던 저희 집과 분당은 너무 멀었기 때문입니다. 버스나 지하철로는 도저히 갈 수가 없는 곳. (신분당선이 개통 전이었을 때입니다) 다행히 네이버는 셔틀버스가 있었는데, 이 셔틀버스를 저는 반드시! 타야만 했습니다. 안 그러면 회사에 갈 수가 없으니까. 돌아보면 이때가 참 좋았습니다. 매일 같은 루틴으로 살 수 있었거든요. 강제적인 루틴이 설정되었습니다. * 아침 8시 45분까지 신림역에 도착해서 셔틀버스를 탄다. * 셔틀버스 안에서 프로그래밍 책을 읽는다. * 9시 40분에 그린팩토리 앞에서 내린다. * 아침 간식을 먹고 커피를 마시며 일을 시작한다. * 12시에 구내식당에서 점심을 먹는다. * 열심히 일을 한다. * 19시 정각이 되면 구내식당에 내려가서 저녁을 후다닥 먹는다. * 19시 40분에 출발하는 셔틀버스를 탄다. * 21시쯤 집에 돌아와서 운동을 하고 샤워를 한다. * 프로그래밍 책을 읽는다. * 0시경 잠이 든다. 지금 다시 생각해 봐도 너무 깨끗한 루틴입니다. 술도 없고 모임도 없고 운동도 많이 해서 몸과 정신 모두 건강했습니다. 회사 일 말고 다른 일도 없는 데다 전혀 피곤하지 않아서 휴가를 쓸 생각도 못 하고 시간이 지나갔습니다. 이 좋았던 루틴은 서현역의 퍼스트타워로 강제 이주 당하며 곧 깨져버렸습니다. (그리고 저는 곧 그만두었습니다) 살면서 처음이자 마지막으로 가져본 루틴인데 ㅠㅠ 1인 개발자로의 삶은 매우 만족스럽지만… 이런 루틴을 만들기가 어렵습니다. 완전한 자유가 주어졌을 때 스스로를 제약할 수 있다는 것이 보통 어려운 일이 아니더라고요. 네이버에 다닐 때의 루틴은 지금 생각해도 그립습니다. 매일 같은 시간에 일어나서 같은 시간에 밥을 먹고 같은 시간에 일을 한다는 것. 좀 더 애를 쓰면 이런 루틴을 다시 갖게 될 수 있을까요? https://jeho.page/essay/2025/04/08/design-routine.html

K리그 프로그래머

매일의 루틴을 갖는다는 것

저도 꽤 멀리 출근했었을 때
루틴을 지키면서 가장 열심히 살고 
시간도 효율적으로 관리 했었던거 같네요😅

MCP 는 언제 필요할까요?
또 MCP 는 코드레벨에서 어떻게 동작할까요?

사이드 프로젝트 개발할 때, supabase 를 자주 활용하는데요.
MCP 를 통해 cursor에서 supabase를 직접 조작할 수 있어요.

자연어로 명령하면 query 를 실행해주는 동작 과정에 대해
supabase-MCP-server 레포지토리 코드를 까보며
"MCP 가 이런거구나" 개괄적으로 살펴보았습니다.

https://youtu.be/7fvmjjfO59E

MCP 는 언제 필요할까요?또 MCP 는 코드레벨에서 어떻게 동작할까요? 사이드 프로젝트 개발할 때, supabase 를 자주 활용하는데요.MCP 를 통해 cursor에서 supabase를 직접 조작할 수 있어요. 자연어로 명령하면 query 를 실행해주는 동작 과정에 대해supabase-MCP-server 레포지토리 코드를 까보며"MCP 가 이런거구나" 개괄적으로 살펴보았습니다. https://youtu.be/7fvmjjfO59E

프론트엔드 개발자가 MCP 에 대해 알아야 할 것들은 무엇일까요?

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.

얼마전에 신입 개발자 채용시 과제를 10분 내에 빠르게 만들어서 

요즘 웹 서비스 환경에서 빠른 배포와 효율적인 인프라 관리는 더 이상 ‘있으면 좋은’ 요소가 아닌 ‘반드시 필요한’ 요소가 되었습니다. 특히 대규모 트래픽을 처리하거나 빠른 업데이트가 중요한 서비스라면, 경쟁력을 좌우하는 핵심이 됩니다. 하지만 실제 현장에서는 프론트엔드 개발자와 인프라 개발자 사이 지식 격차가 존재하는 경우가 많습니다. 프론트엔드 개발자는 Docker의 멀티스테이지 빌드나 CI/CD 캐싱 전략에 익숙하지 않고, 인프라 개발자는  ‘standalone’ 빌드와 같은 프론트엔드 배포 최적화 기법이 다소 생소할 수 있습니다. 이번 글에서는 이러한 두 영역 간의 간극을 좁히고, 배포 속도와 인프라 비용 모두를 최적화할 수 있는 방법을 소개하려고 합니다.

Next.js에서 Docker 빌드 최적화하기 | 요즘IT

빠른 배포와 효율적인 인프라 관리는 이제 '있으면 좋은' 요소가 아닌 '필수적인' 요소로 자리 잡았습니다.
그러나 현업에서는 프론트엔드 개발자와 인프라 개발자 간의 지식 격차가 흔히 존재합니다. 프론트엔드 개발자는 Docker의 멀티스테이지 빌드나 CI/CD 캐싱 전략에 익숙하지 않은 경우가 많으며, 인프라 개발자는 백엔드 환경에는 비교적 능숙하지만 Next.js의 'standalone' 빌드와 같은 프론트엔드 배포 최적화 기법에는 상대적으로 생소할 수 있습니다.

이런 두 영역 간의 간극을 좁히고, 배포 속도와 인프라 비용을 함께 최적화할 수 있는 방법을 요즘IT에 기고했습니다.

프론트엔드와 인프라 개발자가 서로의 영역을 이해하고 협업할 때, 더 견고하고 빠른 배포 시스템을 구축할 수 있습니다. 결과적으로 인프라 비용을 줄이고, 더욱 완성도 높은 배포 시스템을 만들 수 있습니다.

보다 자세한 내용은 링크의 글을 참조해보시길 추천드립니다. 실제 적용 사례부터 원리와 구현 방법, Dockerfile 량 비교까지 구체적으로 다루었습니다.

https://yozm.wishket.com/magazine/detail/3046

빠른 배포와 효율적인 인프라 관리는 이제 '있으면 좋은' 요소가 아닌 '필수적인' 요소로 자리 잡았습니다.그러나 현업에서는 프론트엔드 개발자와 인프라 개발자 간의 지식 격차가 흔히 존재합니다. 프론트엔드 개발자는 Docker의 멀티스테이지 빌드나 CI/CD 캐싱 전략에 익숙하지 않은 경우가 많으며, 인프라 개발자는 백엔드 환경에는 비교적 능숙하지만 Next.js의 'standalone' 빌드와 같은 프론트엔드 배포 최적화 기법에는 상대적으로 생소할 수 있습니다. 이런 두 영역 간의 간극을 좁히고, 배포 속도와 인프라 비용을 함께 최적화할 수 있는 방법을 요즘IT에 기고했습니다. 프론트엔드와 인프라 개발자가 서로의 영역을 이해하고 협업할 때, 더 견고하고 빠른 배포 시스템을 구축할 수 있습니다. 결과적으로 인프라 비용을 줄이고, 더욱 완성도 높은 배포 시스템을 만들 수 있습니다. 보다 자세한 내용은 링크의 글을 참조해보시길 추천드립니다. 실제 적용 사례부터 원리와 구현 방법, Dockerfile 량 비교까지 구체적으로 다루었습니다. https://yozm.wishket.com/magazine/detail/3046

요즘IT

Next.js에서 Docker 빌드 최적화하기

워커 쓰레드를 통한 자바스크립트 멀티 쓰레딩

자바스크립트는 태성적으로 하나의 쓰레드로 동작하는 여러 작업을 처리할 수 있는 비동기 프로그래밍 언어였는데요. 이러한 특징은 작은 하드웨어 리소스로 여러 개의 IO 작업을 동시에 처리하는데 유리했으며 특히 브라우저 환경에서 빛을 발휘했죠.

하지만 Node.js나 Bun과 같은 서버 런타임을 통해서 자바스크립트가 백엔드에서도 사용되면서 멀티 쓰레드를 지원하지 않는 부분은 항상 약점으로 지적되어 왔습니다. 쓰레드가 하나라는 것은 메인 쓰레드에 문제가 생기면 전체 애플리케이션이 먹통이 될 수 있다는 뜻이라서 성능과 안정성이 떨어지죠. 뿐만 아니라, 요즘에는 CPU가 대부분 멀티 코어인데 코어를 하나 밖에 쓰지 않는 부분도 리소스 활용 측면에서 불리하게 작용합니다.

worker_threads
는 싱글 쓰레드 언어로 알려진 자바스크립트로도 멀티 쓰레드 프로그래밍을 가능하게 해주는 Node.js의 내장 모듈입니다. 이번 포스팅에서는
worker_threads
모듈을 사용하여 어떻게 멀티 쓰레드 프로그래밍을 할 수 있는지 예제를 통해서 설명드리겠습니다.

📝 포스팅: https://www.daleseo.com/js-node-worker-threads/

자바스크립트는 태성적으로 하나의 쓰레드로 동작하는 여러 작업을 처리할 수 있는 비동기 프로그래밍 언어였는데요. 이러한 특징은 작은 하드웨어 리소스로 여러 개의 IO 작업을 동시에 처리하는데 유리했으며 특히 브라우저 환경에서 빛을 발휘했죠. 하지만 Node.js나 Bun과 같은 서버 런타임을 통해서 자바스크립트가 백엔드에서도 사용되면서 멀티 쓰레드를 지원하지 않는 부분은 항상 약점으로 지적되어 왔습니다. 쓰레드가 하나라는 것은 메인 쓰레드에 문제가 생기면 전체 애플리케이션이 먹통이 될 수 있다는 뜻이라서 성능과 안정성이 떨어지죠. 뿐만 아니라, 요즘에는 CPU가 대부분 멀티 코어인데 코어를 하나 밖에 쓰지 않는 부분도 리소스 활용 측면에서 불리하게 작용합니다. <code >worker_threads</code>는 싱글 쓰레드 언어로 알려진 자바스크립트로도 멀티 쓰레드 프로그래밍을 가능하게 해주는 Node.js의 내장 모듈입니다. 이번 포스팅에서는 <code >worker_threads</code> 모듈을 사용하여 어떻게 멀티 쓰레드 프로그래밍을 할 수 있는지 예제를 통해서 설명드리겠습니다. 📝 포스팅: https://www.daleseo.com/js-node-worker-threads/

www.daleseo.com

AI 도움받아 만든 SNS 스케줄러로 월 수익 $10,000 달성한 과정/노하우 💰

🗞️ 맥도날드 알바생 → 월 1500만원 버는 1인 개발자

안녕하세요 :)
오늘은 맥도날드 알바생에서 월 $10,000 이상 버는 1인 개발자가 된 Jack Friks 이야기를 준비했습니다.

📌 Jack의 최근 3년 짧게 요약 ⬇️
 1. 회사에 취업하느니 거지로 살겠다는 마인드
 2. 온라인 사업을 하고자, 3년간 맥도날드에서 알바해서 $15,000 모음
 3. 맥도날드 알바 그만두고, 대학교 마지막 학기에 자퇴
 4. 엄마 집에 얹혀 살며, 여러 종류의 사이드 허슬에 도전
    * 책 제작
    * 티셔츠 판매
    * 크립토 유튜브 채널 운영 (업로드 영상 약 1,500개)
 5. 모두 실패 후, 온라인 서비스를 만들어보려고 개발 공부 시작 (2023년 말)
 6. 5개월간 개발 공부와 Curiosity Quench 개발 병행
 7. Curiosity Quench 앱 출시 (2024년 4월) → 월 수익 $3,000
 8. post-bridge.com 출시 (2024년 10월) → 월 수익 $7,000

📌 전체 내용 보기 ⬇️
https://www.sidehustlerstory.com/p/jack-friks/?ref=careerly.co.kr

📌 전체 목차 ⬇️
 1.  맥도날드 알바생 🍔 → 1인 개발자 👨‍💻
 2.  첫 제품 출시 → Curiosity Quench 📱
 3.  마케팅 → 400개의 유튜브 롱폼 영상 🎥
 4.  마케팅 → 7개월만에 성공한 바이럴 📣
 5.  마케팅 → 바이럴 포맷 재활용 ♻️
 6.  주력 제품 출시 → Post Bridge 🚀
 7.  Jack의 7단계 SNS 마케팅 전략 🛜
 8.  간단한 변화로 구매 전환율 2배 높인 노하우 💰
 9.  Organic 트래픽과 SEO를 위한 멀티플 랜딩페이지 전략 🛬
 10. Vercel 사용하는 1인 개발자 필수 보안 설정 🛡️

안녕하세요 :)오늘은 맥도날드 알바생에서 월 $10,000 이상 버는 1인 개발자가 된 Jack Friks 이야기를 준비했습니다. 📌 Jack의 최근 3년 짧게 요약 ⬇️<ol ><li>회사에 취업하느니 거지로 살겠다는 마인드</li><li>온라인 사업을 하고자, 3년간 맥도날드에서 알바해서 $15,000 모음</li><li>맥도날드 알바 그만두고, 대학교 마지막 학기에 자퇴</li><li>엄마 집에 얹혀 살며, 여러 종류의 사이드 허슬에 도전<ul ><li>책 제작</li><li>티셔츠 판매</li><li>크립토 유튜브 채널 운영 (업로드 영상 약 1,500개)</li></ul></li><li>모두 실패 후, 온라인 서비스를 만들어보려고 개발 공부 시작 (2023년 말)</li><li>5개월간 개발 공부와 Curiosity Quench 개발 병행</li><li>Curiosity Quench 앱 출시 (2024년 4월) → 월 수익 $3,000</li><li>post-bridge.com 출시 (2024년 10월) → 월 수익 $7,000</li></ol> 📌 전체 내용 보기 ⬇️https://www.sidehustlerstory.com/p/jack-friks/?ref=careerly.co.kr 📌 전체 목차 ⬇️<ol ><li>맥도날드 알바생 🍔 → 1인 개발자 👨‍💻</li><li>첫 제품 출시 → Curiosity Quench 📱</li><li>마케팅 → 400개의 유튜브 롱폼 영상 🎥</li><li>마케팅 → 7개월만에 성공한 바이럴 📣</li><li>마케팅 → 바이럴 포맷 재활용 ♻️</li><li>주력 제품 출시 → Post Bridge 🚀</li><li>Jack의 7단계 SNS 마케팅 전략 🛜</li><li>간단한 변화로 구매 전환율 2배 높인 노하우 💰</li><li>Organic 트래픽과 SEO를 위한 멀티플 랜딩페이지 전략 🛬</li><li>Vercel 사용하는 1인 개발자 필수 보안 설정 🛡️</li></ol>

사이드허슬러스토리

🍔 맥도날드 알바생 → 월 1500만원 버는 1인 개발자 👨‍💻

AI 기술에 관심 있는 분들이라면 최근 Anthropic의 MCP(Model Context Protocol)에 대한 소식을 많이 접하셨을 텐데요. AI 모델과 외부 도구/데이터를 안전하게 연결하는 이 개방형 표준이 그야말로 '뜨거운 감자'입니다. 최근 주요 기술 기업들의 참여 선언과 중요한 기술 업데이트가 쏟아지면서 MCP는 AI 생태계의 핵심 기술로 급부상하고 있습니다.

최근 MCP를 둘러싼 주요 기술 변화, 빅테크 기업들의 발 빠른 움직임, 그리고 개발자 커뮤니티의 생생한 반응까지 알차게 정리해 드릴게요!

✨ 앤트로픽 MCP, 무엇이 달라졌나? (최근 기술 업데이트)
앤트로픽은 MCP를 더욱 강력하고 쓰기 편하게 만들기 위해 발 빠르게 움직이고 있습니다.
특히 2025년 3월 26일 업데이트는 기존의 MCP 단점들을 줄이기 위한 노력들이 엿보입니다.
1. 보안 강화: OAuth 2.1 인증 도입 🔒
- 기존에는 접근 제어에 대한 우려가 있었는데, 이번 업데이트로 업계 표준인 OAuth 2.1 기반 사용자 인증 기능이 추가되었습니다! 이를 통해 기업 환경에서도 MCP를 보다 안전하게 도입할 수 있는 발판이 마련되었어요.
- 물론 아직 세션 단위 권한 관리 등 풀어야 할 숙제는 남아있지만, 보안 강화를 위한 중요한 첫걸음으로 평가받고 있습니다.

2. 원격 연결성 향상: HTTP 스트리밍 지원 ☁️
- 이제 HTTP 스트리밍을 지원하여, 인터넷상의 원격 MCP 서버와 통신할 때 계속 연결을 유지하지 않아도 됩니다!
- 기존에는 로컬 환경 중심이거나 SSE 같은 별도 기술이 필요했는데, 이제 원격 서버 활용이 훨씬 쉬워졌습니다. 한 개발자는 "항상 접속해 있을 필요가 없게 된 것은 큰 진전" 이라고 평가하기도 했죠.

3. 개발 편의성 증대: SDK 및 도구 개선 🛠️
- Microsoft와 협력하여 공식 C# SDK를 출시했습니다 (3/24). 이제 .NET/C# 개발자들도 MCP를 쉽게 활용할 수 있게 되었어요.
ㄴ https://github.com/modelcontextprotocol/csharp-sdk

- Kotlin SDK (Claude Desktop 통합 샘플 포함!), Java SDK 등 다른 언어 SDK들도 꾸준히 업데이트되고 있습니다.
ㄴ https://github.com/modelcontextprotocol/kotlin-sdk
ㄴ https://github.com/modelcontextprotocol/java-sdk
ㄴ https://github.com/modelcontextprotocol/python-sdk

- Anthropic은 FastMCP API 도입, Docker 기반 배포 지원 등 성능 최적화와 개발 환경 개선에도 힘쓰고 있습니다.
이러한 업데이트를 통해 MCP는 더 안전하고, 더 유연하며, 더 많은 개발자가 쉽게 사용할 수 있는 프로토콜로 진화하고 있습니다.

🤝 빅테크들의 합류: MCP 생태계, 폭발적 확장!
최근 MCP가 더욱 주목받는 이유는 바로 주요 기술 기업들의 연이은 참여 선언 때문입니다.
1. OpenAI (3/26)
- 가장 큰 뉴스였죠! 경쟁사인 앤트로픽이 만든 MCP를 OpenAI가 공식적으로 채택하겠다고 발표했습니다. Sam Altman CEO는 모든 OpenAI 제품에 MCP 지원을 추가할 것이며, 우선 Agents SDK부터 시작한다고 밝혔습니다. "사용자들이 MCP를 좋아하고, 우리도 지원하게 되어 기쁘다"는 그의 말처럼, 이번 결정으로 MCP는 사실상 업계 표준의 지위를 굳혔다는 평가가 지배적입니다.
ㄴ https://openai.github.io/openai-agents-python/mcp/

2. Microsoft
- 일찍부터 MCP에 투자해 온 Microsoft는 Copilot Studio, Semantic Kernel, VS Code 등 자사 제품에 MCP를 적극 통합해왔습니다. 최근에는 Playwright(웹 테스트 도구)용 MCP 확장을 공개하고, C# SDK 공동 개발에 참여하는 등 MCP 생태계 확장에 핵심적인 역할을 하고 있습니다. "MCP를 통해 에이전트 구성이 단순해진다"며 MCP의 가치를 강조했습니다.
ㄴ https://github.com/microsoft/playwright-mcp

3. GitHub (4/4)
- 앤트로픽이 초기에 만들었던 GitHub MCP 서버를 Go 언어로 재구현하여 공식 오픈소스 프로젝트로 공개했습니다. 성능과 기능이 개선되었고, VS Code와도 바로 연동되어 개발자들이 편리하게 사용할 수 있습니다. GitHub가 직접 개발을 주도하며 MCP 생태계 발전에 기여하겠다는 의지를 보였습니다.
ㄴ https://github.com/github/github-mcp-server

4. Cloudflare (3/25)
- 개발자들의 오랜 고민이었던 'MCP 서버 호스팅' 문제를 해결하기 위해 나섰습니다. Cloudflare Workers 플랫폼에서 원격 MCP 서버를 쉽게 배포하고 관리할 수 있는 서비스를 출시한 것이죠. OAuth 인증까지 지원하여 사용 편의성을 크게 높였습니다.
ㄴ https://github.com/cloudflare/mcp-server-cloudflare

5. AWS (4/1)
- 클라우드 거인 AWS도 합류했습니다! AWS 서비스 제어를 돕는 전용 MCP 서버 모음을 오픈소스로 공개하며, 자사 AI 코드 도우미 등에서 활용할 수 있도록 했습니다.. 이를 통해 AWS 환경에서의 AI 기반 자동화 및 모범 사례 적용이 더욱 쉬워질 것으로 기대됩니다.
ㄴ https://github.com/awslabs/mcp

6. Zapier (3/25)
- 무려 8,000개 이상의 앱, 3만 개 이상의 액션을 AI가 제어할 수 있게 해주는 'Zapier MCP'를 출시했습니다. 복잡한 API 연동 없이 Slack, Google Workspace 등 다양한 SaaS 도구를 AI 비서가 직접 조작할 수 있게 된 것입니다. "챗봇에서 실제 작업으로 (Go from AI chat to AI action)"라는 슬로건이 인상적입니다.
ㄴ https://zapier.com/mcp

7. 그 외
- Solo.io 같은 스타트업도 Kubernetes 환경에서 MCP 도구를 통합 관리하는 'MCP Gateway'를 발표하는 등, MCP 생태계는 빠르게 확장되고 있습니다. (Apple은 공식 발표는 없지만, 커뮤니티에서는 iOS 단축어 등을 활용한 MCP 연동 시도가 논의되고 있습니다.) 한 개발자가 공개한 apple-mcp 는 매우 큰 인기입니다.
ㄴ https://github.com/kgateway-dev/kgateway
ㄴ https://github.com/Dhravya/apple-mcp
불과 몇 달 만에 MCP는 앤트로픽의 제안을 넘어, AI 업계 전반이 참여하는 강력한 개방형 표준으로 자리매김하고 있습니다.

💬 개발자 커뮤니티 반응: 기대와 우려 사이
MCP의 급부상에 대해 개발자 커뮤니티(Hacker News, Reddit 등)에서는 활발한 토론이 이어지고 있습니다.
👍 긍정적 반응 (기대)
- 표준화 환영 : OpenAI의 참여로 사실상 업계 표준이 되었다는 데 많은 이들이 공감합니다. "플랫폼 간 호환성 증대" , "플러그인 파편화 해소" 등에 대한 기대가 큽니다.
- 생산성 향상: "MCP 서버로 복잡한 작업을 빠르게 구현했다"는 실제 경험담도 공유되며, 학습 곡선이 비교적 완만하다는 의견도 있습니다.
- 오픈소스: GitHub 등의 공식 오픈소스 구현이 늘어나는 것도 신뢰도를 높이는 요인입니다.

🤔 비판적 반응 (우려)
- 과도한 복잡성: "목적에 비해 너무 복잡하다", "기존 웹 API로 충분한데 왜 새로운 방식을?" 이라는 비판이 상당합니다. 특히 OpenAI의 기존 플러그인 방식보다 학습 곡선이 가파르다는 지적이 있습니다.
- 기존 기술 활용 아쉬움: "결국 HTTP API 래핑 아니냐", "OpenAPI나 gRPC 같은 기존 표준을 활용했다면 더 좋았을 것" 이라는 의견도 나옵니다.
- 권한 및 보안 문제: OAuth가 추가되었지만, 여전히 세분화된 권한 관리 모델 부재에 대한 우려가 있습니다. "엔터프라이즈급 보안 요구사항 충족에는 미흡하다", *"민감한 작업(결제 등)에 쓰기엔 불안하다"*는 지적입니다.
전반적으로 커뮤니티는 MCP의 가능성에 기대를 걸면서도, 실제 적용 과정에서의 어려움과 개선 필요성에 대해 솔직한 의견을 나누며 프로토콜의 발전을 지켜보는 분위기입니다.

✨ 과연 MCP는 AI 에이전트의 미래를 열까요?
최근 MCP는 기술적 성숙과 생태계 확장의 중요한 이정표를 세웠습니다. Anthropic의 꾸준한 개선 노력과 더불어 OpenAI, Microsoft, AWS 등 거대 기술 기업들의 적극적인 참여는 MCP가 AI 모델과 외부 세계를 연결하는 핵심 표준으로 자리 잡을 가능성을 강력하게 시사합니다.

물론 아직 해결해야 할 과제들(세분화된 권한 관리, 복잡성 완화 등)이 남아있지만, MCP 로드맵에는 OAuth 기반 원격 지원 강화, 서비스 디스커버리, 상태 없는 서버리스 MCP 등 흥미로운 계획들이 담겨 있습니다.
- MCP Roadmap : https://modelcontextprotocol.io/development/roadmap

앞으로 MCP가 AI 에이전트의 능력을 어디까지 확장시키고, 우리 개발 환경과 일상에 어떤 변화를 가져올지 계속 주목해야 할 것 같습니다.

AI 기술에 관심 있는 분들이라면 최근 Anthropic의 MCP(Model Context Protocol)에 대한 소식을 많이 접하셨을 텐데요. AI 모델과 외부 도구/데이터를 안전하게 연결하는 이 개방형 표준이 그야말로 '뜨거운 감자'입니다. 최근 주요 기술 기업들의 참여 선언과 중요한 기술 업데이트가 쏟아지면서 MCP는 AI 생태계의 핵심 기술로 급부상하고 있습니다. 최근 MCP를 둘러싼 주요 기술 변화, 빅테크 기업들의 발 빠른 움직임, 그리고 개발자 커뮤니티의 생생한 반응까지 알차게 정리해 드릴게요! ✨ 앤트로픽 MCP, 무엇이 달라졌나? (최근 기술 업데이트)앤트로픽은 MCP를 더욱 강력하고 쓰기 편하게 만들기 위해 발 빠르게 움직이고 있습니다.특히 2025년 3월 26일 업데이트는 기존의 MCP 단점들을 줄이기 위한 노력들이 엿보입니다.1. 보안 강화: OAuth 2.1 인증 도입 🔒- 기존에는 접근 제어에 대한 우려가 있었는데, 이번 업데이트로 업계 표준인 OAuth 2.1 기반 사용자 인증 기능이 추가되었습니다! 이를 통해 기업 환경에서도 MCP를 보다 안전하게 도입할 수 있는 발판이 마련되었어요.- 물론 아직 세션 단위 권한 관리 등 풀어야 할 숙제는 남아있지만, 보안 강화를 위한 중요한 첫걸음으로 평가받고 있습니다. 2. 원격 연결성 향상: HTTP 스트리밍 지원 ☁️- 이제 HTTP 스트리밍을 지원하여, 인터넷상의 원격 MCP 서버와 통신할 때 계속 연결을 유지하지 않아도 됩니다!- 기존에는 로컬 환경 중심이거나 SSE 같은 별도 기술이 필요했는데, 이제 원격 서버 활용이 훨씬 쉬워졌습니다. 한 개발자는 "항상 접속해 있을 필요가 없게 된 것은 큰 진전" 이라고 평가하기도 했죠. 3. 개발 편의성 증대: SDK 및 도구 개선 🛠️- Microsoft와 협력하여 공식 C# SDK를 출시했습니다 (3/24). 이제 .NET/C# 개발자들도 MCP를 쉽게 활용할 수 있게 되었어요.ㄴ https://github.com/modelcontextprotocol/csharp-sdk - Kotlin SDK (Claude Desktop 통합 샘플 포함!), Java SDK 등 다른 언어 SDK들도 꾸준히 업데이트되고 있습니다.ㄴ https://github.com/modelcontextprotocol/kotlin-sdkㄴ https://github.com/modelcontextprotocol/java-sdkㄴ https://github.com/modelcontextprotocol/python-sdk - Anthropic은 FastMCP API 도입, Docker 기반 배포 지원 등 성능 최적화와 개발 환경 개선에도 힘쓰고 있습니다.이러한 업데이트를 통해 MCP는 더 안전하고, 더 유연하며, 더 많은 개발자가 쉽게 사용할 수 있는 프로토콜로 진화하고 있습니다. 🤝 빅테크들의 합류: MCP 생태계, 폭발적 확장!최근 MCP가 더욱 주목받는 이유는 바로 주요 기술 기업들의 연이은 참여 선언 때문입니다.1. OpenAI (3/26)- 가장 큰 뉴스였죠! 경쟁사인 앤트로픽이 만든 MCP를 OpenAI가 공식적으로 채택하겠다고 발표했습니다. Sam Altman CEO는 모든 OpenAI 제품에 MCP 지원을 추가할 것이며, 우선 Agents SDK부터 시작한다고 밝혔습니다. "사용자들이 MCP를 좋아하고, 우리도 지원하게 되어 기쁘다"는 그의 말처럼, 이번 결정으로 MCP는 사실상 업계 표준의 지위를 굳혔다는 평가가 지배적입니다.ㄴ https://openai.github.io/openai-agents-python/mcp/ 2. Microsoft- 일찍부터 MCP에 투자해 온 Microsoft는 Copilot Studio, Semantic Kernel, VS Code 등 자사 제품에 MCP를 적극 통합해왔습니다. 최근에는 Playwright(웹 테스트 도구)용 MCP 확장을 공개하고, C# SDK 공동 개발에 참여하는 등 MCP 생태계 확장에 핵심적인 역할을 하고 있습니다. "MCP를 통해 에이전트 구성이 단순해진다"며 MCP의 가치를 강조했습니다.ㄴ https://github.com/microsoft/playwright-mcp 3. GitHub (4/4)- 앤트로픽이 초기에 만들었던 GitHub MCP 서버를 Go 언어로 재구현하여 공식 오픈소스 프로젝트로 공개했습니다. 성능과 기능이 개선되었고, VS Code와도 바로 연동되어 개발자들이 편리하게 사용할 수 있습니다. GitHub가 직접 개발을 주도하며 MCP 생태계 발전에 기여하겠다는 의지를 보였습니다.ㄴ https://github.com/github/github-mcp-server 4. Cloudflare (3/25)- 개발자들의 오랜 고민이었던 'MCP 서버 호스팅' 문제를 해결하기 위해 나섰습니다. Cloudflare Workers 플랫폼에서 원격 MCP 서버를 쉽게 배포하고 관리할 수 있는 서비스를 출시한 것이죠. OAuth 인증까지 지원하여 사용 편의성을 크게 높였습니다.ㄴ https://github.com/cloudflare/mcp-server-cloudflare 5. AWS (4/1)- 클라우드 거인 AWS도 합류했습니다! AWS 서비스 제어를 돕는 전용 MCP 서버 모음을 오픈소스로 공개하며, 자사 AI 코드 도우미 등에서 활용할 수 있도록 했습니다.. 이를 통해 AWS 환경에서의 AI 기반 자동화 및 모범 사례 적용이 더욱 쉬워질 것으로 기대됩니다.ㄴ https://github.com/awslabs/mcp 6. Zapier (3/25)- 무려 8,000개 이상의 앱, 3만 개 이상의 액션을 AI가 제어할 수 있게 해주는 'Zapier MCP'를 출시했습니다. 복잡한 API 연동 없이 Slack, Google Workspace 등 다양한 SaaS 도구를 AI 비서가 직접 조작할 수 있게 된 것입니다. "챗봇에서 실제 작업으로 (Go from AI chat to AI action)"라는 슬로건이 인상적입니다.ㄴ https://zapier.com/mcp 7. 그 외- Solo.io 같은 스타트업도 Kubernetes 환경에서 MCP 도구를 통합 관리하는 'MCP Gateway'를 발표하는 등, MCP 생태계는 빠르게 확장되고 있습니다. (Apple은 공식 발표는 없지만, 커뮤니티에서는 iOS 단축어 등을 활용한 MCP 연동 시도가 논의되고 있습니다.) 한 개발자가 공개한 apple-mcp 는 매우 큰 인기입니다.ㄴ https://github.com/kgateway-dev/kgatewayㄴ https://github.com/Dhravya/apple-mcp불과 몇 달 만에 MCP는 앤트로픽의 제안을 넘어, AI 업계 전반이 참여하는 강력한 개방형 표준으로 자리매김하고 있습니다. 💬 개발자 커뮤니티 반응: 기대와 우려 사이MCP의 급부상에 대해 개발자 커뮤니티(Hacker News, Reddit 등)에서는 활발한 토론이 이어지고 있습니다.👍 긍정적 반응 (기대)- 표준화 환영 : OpenAI의 참여로 사실상 업계 표준이 되었다는 데 많은 이들이 공감합니다. "플랫폼 간 호환성 증대" , "플러그인 파편화 해소" 등에 대한 기대가 큽니다.- 생산성 향상: "MCP 서버로 복잡한 작업을 빠르게 구현했다"는 실제 경험담도 공유되며, 학습 곡선이 비교적 완만하다는 의견도 있습니다.- 오픈소스: GitHub 등의 공식 오픈소스 구현이 늘어나는 것도 신뢰도를 높이는 요인입니다. 🤔 비판적 반응 (우려)- 과도한 복잡성: "목적에 비해 너무 복잡하다", "기존 웹 API로 충분한데 왜 새로운 방식을?" 이라는 비판이 상당합니다. 특히 OpenAI의 기존 플러그인 방식보다 학습 곡선이 가파르다는 지적이 있습니다.- 기존 기술 활용 아쉬움: "결국 HTTP API 래핑 아니냐", "OpenAPI나 gRPC 같은 기존 표준을 활용했다면 더 좋았을 것" 이라는 의견도 나옵니다.- 권한 및 보안 문제: OAuth가 추가되었지만, 여전히 세분화된 권한 관리 모델 부재에 대한 우려가 있습니다. "엔터프라이즈급 보안 요구사항 충족에는 미흡하다", *"민감한 작업(결제 등)에 쓰기엔 불안하다"*는 지적입니다.전반적으로 커뮤니티는 MCP의 가능성에 기대를 걸면서도, 실제 적용 과정에서의 어려움과 개선 필요성에 대해 솔직한 의견을 나누며 프로토콜의 발전을 지켜보는 분위기입니다. ✨ 과연 MCP는 AI 에이전트의 미래를 열까요?최근 MCP는 기술적 성숙과 생태계 확장의 중요한 이정표를 세웠습니다. Anthropic의 꾸준한 개선 노력과 더불어 OpenAI, Microsoft, AWS 등 거대 기술 기업들의 적극적인 참여는 MCP가 AI 모델과 외부 세계를 연결하는 핵심 표준으로 자리 잡을 가능성을 강력하게 시사합니다. 물론 아직 해결해야 할 과제들(세분화된 권한 관리, 복잡성 완화 등)이 남아있지만, MCP 로드맵에는 OAuth 기반 원격 지원 강화, 서비스 디스커버리, 상태 없는 서버리스 MCP 등 흥미로운 계획들이 담겨 있습니다.- MCP Roadmap : https://modelcontextprotocol.io/development/roadmap 앞으로 MCP가 AI 에이전트의 능력을 어디까지 확장시키고, 우리 개발 환경과 일상에 어떤 변화를 가져올지 계속 주목해야 할 것 같습니다.

🚀 MCP 열풍! 앤트로픽의 AI 연결 표준, 빅테크는 왜 주목하

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 >

1. 그랜트 카돈, <10배의 법칙> : 창업과 사업이란 기본적으로 10배 이상의 성장을 꿈꾸는 일입니다.

2. 이나모리 가즈오, <사장의 그릇> : 사업은 사장의 그릇만큼 성장합니다.

3. 켄 코시엔다, <잡스의 기준> : 창업자의 기준이 곧 회사의 기준이 됩니다.

4. 노지 츠네요시, <도요타 이야기> : 시스템을 만드는 자가 결국 승리합니다.

5. 가이 가와사키, <당신의 기업을 시작하라> : 빅 테크 창업자들도 참고했다는 창업 바이블입니다.

6. 문영미, <디퍼런트> : 비즈니스란 곧 차별화의 연속입니다.

7. 조나 버거, <컨테이저스> : 돈 없는 사업자에게 바이럴은 축복입니다.

8. 벤 호로위츠, <하드씽> : 사업은 원래 개빡센 겁니다.

9. 바바 마사타카 외, <도쿄R부동산 이렇게 일합니다> : 회사가 오래 살아남으려면 자신만의 일하는 방식이 있어야 합니다.

10. 테라오 겐, <가자, 어디에도 없었던 방법으로> : 발뮤다 창업기입니다.

11. 레이 달리오, <원칙> : 10번, 100번 읽어야 할 책입니다. 적어도 저는 그럴 생각입니다.

12. 에이드리언 슬라이워츠키 외, <디맨드> : 고객의 욕망을 이해하지 않고서 사업을 성장시킬 수 없습니다.

13. 더글라스 홀트 외, <컬트가 되라> : 니치 마켓에서부터 어떻게 커뮤니티를 구축해야 하는지를 알려주는 책입니다.

14. 랜디 코미사, <승려와 수수께끼> : 투자자와 창업자 간의 대화를 통해 비즈니스에 대해 알려줍니다.

15. 임정민, <창업가의 일> : 창업가가 해야 할 일에 대해 구체적으로 알려줍니다.

16. 미노와 고스케, <미치지 않고서야> : 고객은 자신이 하는 일에 미쳐 있는 사람의 비즈니스를 좋아합니다.

17. 세스 고딘, <자수성가로 성공하는 법> : 가난한 사업가들의 위해 세스 고딘이 수십 년 전에 쓴 책입니다.

18. 이기문, <크래프톤 웨이> : 크래프톤 창업 및 생존기입니다.

19. 로버트 서튼, <또라이 제로 조직> : 자신이 하는 일에 미쳐야지, 회사에 미친 또라이가 있으면 안 됩니다.

20. 다니엘 핑크, <When 언제 할 것인가> : 타이밍에 관한 책입니다.

21. 짐 콜린스, <좋은 기업을 넘어 위대한 기업으로> : 10번, 20번 읽어야 할 책입니다.

22. 제프 베조스, <발명과 방황> : 제프 베조스가 그동안 쓴 글과 한 말들을 모아놓은 책입니다.

23. 콜린 브라이어 외, <순서 파괴> : 아마존 조직 문화에 관한 책으로, <발명과 방황>과 함께 읽으면 좋습니다.

24. 필 나이트, <슈독> : 나이키의 시작이 얼마나 허접했는지를 알려주는 책입니다.

25. 브레네 브라운, <마음가면> : 취약성을 인정하지 않고서 성장할 수 있는 사람, 사업은 없습니다.

26. 노암 와서먼, <창업자의 딜레마> : 회사가 성장하면 창업자가 어떤 딜레마에 처하게 되는지를 알려주는 책입니다.

27. 레이 크록, <사업을 한다는 것> : 시니어 창업을 해 맥도날드가 어떻게 시작했고, 성장했는지를 알려주는 책입니다.

28. 마스다 무네아키, <지적 자본론> : 창업을 한다는 건 자신만의 지적 자본을 만들어 기존의 패러다임을 변화시키는 일입니다.

29. 브렌트 슐렌더 외, <비커밍 스티브 잡스> : 스티브 잡스와 함께 오래 일한 동료들의 시선에서 스티브 잡스의 평생을 정리한 책입니다.

30. 제임스 다이슨, <제임스 다이슨> : 온갖 실패 끝에 성공한 다이슨 창업기입니다.

31. 야마구치 요헤이, <생각하는 힘은 유일한 무기가 된다> : 앞으로는 생각하는 힘이 곧 비즈니스가 됩니다.

32. 오바라 가즈히로, <프로세스 이코노미> : 프로세스부터 팔 수 있어야 물건도 잘 팔 수 있습니다.

33. 피터 드러커, <자기 경영 노트> : 자기 자신부터 경영해야 다른 것도 할 수 있습니다.

34. 마크 랜돌프, <절대 성공하지 못할 거야> : 좌충우돌, 파란만장한 넷플릭스 창업기입니다.

35. 야마모토 노리아키, <사원 제로, 혼자 시작하겠습니다> : 혼자서도 잘 해야, 다른 사람과도 함께 할 때 저 할 수 있습니다.

36. 에드 캣멀 외 <창의성을 지휘하라> : 스티브 잡스를 포함해 픽사의 초기 멤버들이 어떻게 픽사를 성공시켰는지를 알려줍니다.

37. 게리 바이너척, <구멍가게 마인드가 정답이다> : 구멍가게도 제대로 못 운영하는 게 어떻게 더 큰 사업을 운영할 수 있죠?

38. 다니엘 코일, <최고의 팀은 무엇이 다른가> : 전 세계 최고의 팀들은 어떻게 움직이는지를 분석한 책입니다.

39. 크리스 와이드너, <영향력> : 자기 자신을 던지지 않고서 제대로 된 영향력을 만들 수 없습니다.

40. 바라트 아난드, <콘텐츠의 미래> : 이 책을 읽지 않는 콘텐츠 사업자에게 미래는 없습니다.

41. 엔드류 첸, <콜드 스타트> : 네트워크 효과를 모르고, 디지털 시대에 창업을 한다는 건 첫출발부터 잘못한 겁니다.

42. 윌리엄 손다이크, <현금의 재발견> : 투자를 많이 받는 게 중요한 게 아니라, 작은 돈이라도 돈을 어떻게 쓰느냐가 성패를 좌우합니다.

43. 찰리 멍거, <가난한 찰리의 연감> : 찰리 멍거의 말과 글을 정리한 책입니다.

44. 조안 마그레타, <당신의 경쟁전략은 무엇인가?> : 자신만의 차별화 전략을 고도화하는 게 곧 비즈니스입니다.

45. 간다 마사노리, <큰 돈 버는 기회는 모두가 어렵다고 할 때 찾아온다> : 사람들이 다들 어렵다고 말할 때 비즈니스를 해야 오히려 더 큰 기회를 잡을 수 있습니다.

46. 니르 이얄, <훅> : 사람들의 관심을 사로잡아야 비즈니스도 제대로 워킹됩니다.

47. 무라마츠 다츠오, <고객의 80%는 비싸도 구매한다> : ‘비싸냐 아니냐’보다‘중요한 건 ‘가치 있느냐 없느냐’입니다.

48. 프레드 라이켈트, <목적으로 승리하는 기업> : NPS의 개념을 모르고 사업하는 자, 모두 유죄.

49. 스콧 벨스크, <어도비 CPO의 혁신 전략> : 제목이 구리지만, 혁신은 원래 어렵고 힘든 중간 과정(=메시 미들)을 거치면서 탄생합니다.

50. 로버트 맥키 외, <스토리노믹스> : 스토리를 지배하는 자가 마케팅을 지배합니다

++ 이 중에서 재미도 있고, 유용한 책을 뽑아서 읽고 토론하는 ‘[썸원 북클럽] 비즈니스 입문’에 참여할 분들을 모집하고 있으니, 많은 관심 부탁드립니다.

1. 그랜트 카돈, &lt;10배의 법칙&gt; : 창업과 사업이란 기본적으로 10배 이상의 성장을 꿈꾸는 일입니다. 2. 이나모리 가즈오, &lt;사장의 그릇&gt; : 사업은 사장의 그릇만큼 성장합니다. 3. 켄 코시엔다, &lt;잡스의 기준&gt; : 창업자의 기준이 곧 회사의 기준이 됩니다. 4. 노지 츠네요시, &lt;도요타 이야기&gt; : 시스템을 만드는 자가 결국 승리합니다. 5. 가이 가와사키, &lt;당신의 기업을 시작하라&gt; : 빅 테크 창업자들도 참고했다는 창업 바이블입니다. 6. 문영미, &lt;디퍼런트&gt; : 비즈니스란 곧 차별화의 연속입니다. 7. 조나 버거, &lt;컨테이저스&gt; : 돈 없는 사업자에게 바이럴은 축복입니다. 8. 벤 호로위츠, &lt;하드씽&gt; : 사업은 원래 개빡센 겁니다. 9. 바바 마사타카 외, &lt;도쿄R부동산 이렇게 일합니다&gt; : 회사가 오래 살아남으려면 자신만의 일하는 방식이 있어야 합니다. 10. 테라오 겐, &lt;가자, 어디에도 없었던 방법으로&gt; : 발뮤다 창업기입니다. 11. 레이 달리오, &lt;원칙&gt; : 10번, 100번 읽어야 할 책입니다. 적어도 저는 그럴 생각입니다. 12. 에이드리언 슬라이워츠키 외, &lt;디맨드&gt; : 고객의 욕망을 이해하지 않고서 사업을 성장시킬 수 없습니다. 13. 더글라스 홀트 외, &lt;컬트가 되라&gt; : 니치 마켓에서부터 어떻게 커뮤니티를 구축해야 하는지를 알려주는 책입니다. 14. 랜디 코미사, &lt;승려와 수수께끼&gt; : 투자자와 창업자 간의 대화를 통해 비즈니스에 대해 알려줍니다. 15. 임정민, &lt;창업가의 일&gt; : 창업가가 해야 할 일에 대해 구체적으로 알려줍니다. 16. 미노와 고스케, &lt;미치지 않고서야&gt; : 고객은 자신이 하는 일에 미쳐 있는 사람의 비즈니스를 좋아합니다. 17. 세스 고딘, &lt;자수성가로 성공하는 법&gt; : 가난한 사업가들의 위해 세스 고딘이 수십 년 전에 쓴 책입니다. 18. 이기문, &lt;크래프톤 웨이&gt; : 크래프톤 창업 및 생존기입니다. 19. 로버트 서튼, &lt;또라이 제로 조직&gt; : 자신이 하는 일에 미쳐야지, 회사에 미친 또라이가 있으면 안 됩니다. 20. 다니엘 핑크, &lt;When 언제 할 것인가&gt; : 타이밍에 관한 책입니다. 21. 짐 콜린스, &lt;좋은 기업을 넘어 위대한 기업으로&gt; : 10번, 20번 읽어야 할 책입니다. 22. 제프 베조스, &lt;발명과 방황&gt; : 제프 베조스가 그동안 쓴 글과 한 말들을 모아놓은 책입니다. 23. 콜린 브라이어 외, &lt;순서 파괴&gt; : 아마존 조직 문화에 관한 책으로, &lt;발명과 방황&gt;과 함께 읽으면 좋습니다. 24. 필 나이트, &lt;슈독&gt; : 나이키의 시작이 얼마나 허접했는지를 알려주는 책입니다. 25. 브레네 브라운, &lt;마음가면&gt; : 취약성을 인정하지 않고서 성장할 수 있는 사람, 사업은 없습니다. 26. 노암 와서먼, &lt;창업자의 딜레마&gt; : 회사가 성장하면 창업자가 어떤 딜레마에 처하게 되는지를 알려주는 책입니다. 27. 레이 크록, &lt;사업을 한다는 것&gt; : 시니어 창업을 해 맥도날드가 어떻게 시작했고, 성장했는지를 알려주는 책입니다. 28. 마스다 무네아키, &lt;지적 자본론&gt; : 창업을 한다는 건 자신만의 지적 자본을 만들어 기존의 패러다임을 변화시키는 일입니다. 29. 브렌트 슐렌더 외, &lt;비커밍 스티브 잡스&gt; : 스티브 잡스와 함께 오래 일한 동료들의 시선에서 스티브 잡스의 평생을 정리한 책입니다. 30. 제임스 다이슨, &lt;제임스 다이슨&gt; : 온갖 실패 끝에 성공한 다이슨 창업기입니다. 31. 야마구치 요헤이, &lt;생각하는 힘은 유일한 무기가 된다&gt; : 앞으로는 생각하는 힘이 곧 비즈니스가 됩니다. 32. 오바라 가즈히로, &lt;프로세스 이코노미&gt; : 프로세스부터 팔 수 있어야 물건도 잘 팔 수 있습니다. 33. 피터 드러커, &lt;자기 경영 노트&gt; : 자기 자신부터 경영해야 다른 것도 할 수 있습니다. 34. 마크 랜돌프, &lt;절대 성공하지 못할 거야&gt; : 좌충우돌, 파란만장한 넷플릭스 창업기입니다. 35. 야마모토 노리아키, &lt;사원 제로, 혼자 시작하겠습니다&gt; : 혼자서도 잘 해야, 다른 사람과도 함께 할 때 저 할 수 있습니다. 36. 에드 캣멀 외 &lt;창의성을 지휘하라&gt; : 스티브 잡스를 포함해 픽사의 초기 멤버들이 어떻게 픽사를 성공시켰는지를 알려줍니다. 37. 게리 바이너척, &lt;구멍가게 마인드가 정답이다&gt; : 구멍가게도 제대로 못 운영하는 게 어떻게 더 큰 사업을 운영할 수 있죠? 38. 다니엘 코일, &lt;최고의 팀은 무엇이 다른가&gt; : 전 세계 최고의 팀들은 어떻게 움직이는지를 분석한 책입니다. 39. 크리스 와이드너, &lt;영향력&gt; : 자기 자신을 던지지 않고서 제대로 된 영향력을 만들 수 없습니다. 40. 바라트 아난드, &lt;콘텐츠의 미래&gt; : 이 책을 읽지 않는 콘텐츠 사업자에게 미래는 없습니다. 41. 엔드류 첸, &lt;콜드 스타트&gt; : 네트워크 효과를 모르고, 디지털 시대에 창업을 한다는 건 첫출발부터 잘못한 겁니다. 42. 윌리엄 손다이크, &lt;현금의 재발견&gt; : 투자를 많이 받는 게 중요한 게 아니라, 작은 돈이라도 돈을 어떻게 쓰느냐가 성패를 좌우합니다. 43. 찰리 멍거, &lt;가난한 찰리의 연감&gt; : 찰리 멍거의 말과 글을 정리한 책입니다. 44. 조안 마그레타, &lt;당신의 경쟁전략은 무엇인가?&gt; : 자신만의 차별화 전략을 고도화하는 게 곧 비즈니스입니다. 45. 간다 마사노리, &lt;큰 돈 버는 기회는 모두가 어렵다고 할 때 찾아온다&gt; : 사람들이 다들 어렵다고 말할 때 비즈니스를 해야 오히려 더 큰 기회를 잡을 수 있습니다. 46. 니르 이얄, &lt;훅&gt; : 사람들의 관심을 사로잡아야 비즈니스도 제대로 워킹됩니다. 47. 무라마츠 다츠오, &lt;고객의 80%는 비싸도 구매한다&gt; : ‘비싸냐 아니냐’보다‘중요한 건 ‘가치 있느냐 없느냐’입니다. 48. 프레드 라이켈트, &lt;목적으로 승리하는 기업&gt; : NPS의 개념을 모르고 사업하는 자, 모두 유죄. 49. 스콧 벨스크, &lt;어도비 CPO의 혁신 전략&gt; : 제목이 구리지만, 혁신은 원래 어렵고 힘든 중간 과정(=메시 미들)을 거치면서 탄생합니다. 50. 로버트 맥키 외, &lt;스토리노믹스&gt; : 스토리를 지배하는 자가 마케팅을 지배합니다 ++ 이 중에서 재미도 있고, 유용한 책을 뽑아서 읽고 토론하는 ‘[썸원 북클럽] 비즈니스 입문’에 참여할 분들을 모집하고 있으니, 많은 관심 부탁드립니다.

사업 및 비즈니스 관련해 참고하면 좋은 책 추천 50권

2025년 1월 OTT 앱 사용시간 점유율 1위는 넷플릭스로, 주요 OTT 앱 전체 사용시간의 과반인 61.1%를 기록했습니다.
⠀
자세한 내용은 [와이즈앱 인사이트]에서 확인하세요!
https://www.wiseapp.co.kr/insight/detail/626

2025년 1월 OTT 앱 사용시간 점유율 1위는 넷플릭스로, 주요 OTT 앱 전체 사용시간의 과반인 61.1%를 기록했습니다. ⠀ 자세한 내용은 [와이즈앱 인사이트]에서 확인하세요! https://www.wiseapp.co.kr/insight/detail/626

🎥 넷플릭스, 2025년 1월 OTT 앱 사용시간 점유율 61.1%

와이즈앱·리테일

‘와이즈앱/리테일/굿즈’는 앱과 소매시장의 사용자 행태 분석 데이터를 제공하고 있습니다. 복잡한 비즈니스 환경에 필요한 다양한 데이터 인사이트를 공유합니다 : )

🎥 넷플릭스, 2025년 1월 OTT 앱 사용시간 점유율 61.1%

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필