1️⃣ 아이디어의 가치는 실행했을 때 비로소 생긴다.

2️⃣ 고객이 정말 필요한 서비스를 만들어야 한다. 내가 고객인 서비스라면 더 수월하다.

3️⃣ 빠르게 만들고 빠르게 출시한다. 개발 기간이 길다고 더 좋은 서비스가 나오는 건 아니다.

4️⃣ 한 가지 핵심 기능에 집중하는 것이 좋다. 너무 많은 기능을 넣기보다 문제 해결에 초점을 맞춘다.

5️⃣ 나는 생각보다 고객의 마음을 생각보다 잘 모른다. 출시 후 피드백을 받아야 비로소 알게 되는 경우가 많았다.

6️⃣ 개발은 가장 비싼 검증 방법이다.
본격적으로 개발하기 전에 아이디어 검증이 가능하다면 반드시 검증부터 한다.

7️⃣ “시장의 크기 = 문제를 겪는 사람의 수 × 고통의 크기” 이다.
문제를 겪는 사람의 수는 적더라도 고통의 크기가 큰 문제를 해결하는 것이 유리하다.

8️⃣ 보일러플레이트(템플릿)를 만들어두면 멘탈 관리에 좋다.
로그인, 모달, 레이아웃 등 자주 쓰이는 기능을 미리 모듈화하면 개발이 훨씬 수월하다.

9️⃣ 사이드 프로젝트는 최소 1년은 유지해보는 것이 좋다.
언제 터질지 모르므로 Free Tier로 운영할 수 있는 1년 정도는 지켜본다.

🔟 결국, 대부분의 성공은 운이다.
기본적인 것을 지킨다는 전제하에, 성공 여부는 운에 의해 결정될 때가 많다.
그래서 꾸준히 만들고, 실패하며, 경험치를 쌓아가는 과정이 중요하다.

실행이 전부다. 만들고 배운다.

1️⃣ 아이디어의 가치는 실행했을 때 비로소 생긴다. 2️⃣ 고객이 정말 필요한 서비스를 만들어야 한다. 내가 고객인 서비스라면 더 수월하다. 3️⃣ 빠르게 만들고 빠르게 출시한다. 개발 기간이 길다고 더 좋은 서비스가 나오는 건 아니다. 4️⃣ 한 가지 핵심 기능에 집중하는 것이 좋다. 너무 많은 기능을 넣기보다 문제 해결에 초점을 맞춘다. 5️⃣ 나는 생각보다 고객의 마음을 생각보다 잘 모른다. 출시 후 피드백을 받아야 비로소 알게 되는 경우가 많았다. 6️⃣ 개발은 가장 비싼 검증 방법이다.본격적으로 개발하기 전에 아이디어 검증이 가능하다면 반드시 검증부터 한다. 7️⃣ “시장의 크기 = 문제를 겪는 사람의 수 × 고통의 크기” 이다.문제를 겪는 사람의 수는 적더라도 고통의 크기가 큰 문제를 해결하는 것이 유리하다. 8️⃣ 보일러플레이트(템플릿)를 만들어두면 멘탈 관리에 좋다.로그인, 모달, 레이아웃 등 자주 쓰이는 기능을 미리 모듈화하면 개발이 훨씬 수월하다. 9️⃣ 사이드 프로젝트는 최소 1년은 유지해보는 것이 좋다.언제 터질지 모르므로 Free Tier로 운영할 수 있는 1년 정도는 지켜본다. 🔟 결국, 대부분의 성공은 운이다.기본적인 것을 지킨다는 전제하에, 성공 여부는 운에 의해 결정될 때가 많다.그래서 꾸준히 만들고, 실패하며, 경험치를 쌓아가는 과정이 중요하다. 실행이 전부다. 만들고 배운다.

사이드 프로젝트 34개를 만들고 느낀점 10가지

*이 글은 외부필자인 기묘한님의 기고입니다. 토스의 현금 마케팅, 바로 얼마 전에 아웃스탠딩 기사로 다루기도 했었죠. 흥미롭게도 저 역시 아웃스탠딩에 기고할 주제로 토스를 생각하고 있었습니다. 왜냐하면 저도 바로 그 구독자 단체 카카오 채팅방에 있었거든요. 다만 제가 궁금했던 포인트는 

토스의 현금 마케팅이 진짜 노린 것은 1000만 DAU가 아니다?

철저한 데이터 분석과 전략적 판단이 뒤에 숨어 있었는데요

[아티클 3문장 요약📑]

1️⃣ 토스는 지난 2월 큰 화제가 된 '꽃돼지 저금통' 이벤트처럼 현금을 미끼로 사용자를 모으는 마케팅 캠페인을 자주 하는데, 이 덕분에 일간 방문자 수(DAU) 천만 명이라는 역대 최고 기록을 달성하기도 했지만, 최근 6개월간 토스의 일간 방문자 수 자체가 850만 명 내외를 꾸준히 유지하고 있기에, 방문자 수 증대보단 다른 목적이 있었습니다.

2️⃣ 이는 바로 신규 앱 설치로, 토스는 이미 월간 방문자 수 천오백만 명을 훌쩍 넘은 뒤로도 계속 설치 건 수를 늘려오고 있으며, 이는 이러한 바이럴 이벤트의 힘이 컸던 걸로 보이는데, 토스의 성장을 만든 이론에 따르면 신규 유입 규모에 따라 장기 성장성이 결정되므로 이를 유지하기 위해 애쓴 결과로 추정됩니다.

3️⃣ 또한 토스는 기존 사용자에게도 현금 넛지를 적극적으로 활용하고 있는데, 여기서는 단순 유입보다는 특정 행동을 유도하는 방식으로 이루어지며, 예를 들어 쇼핑 탭을 4회 이상 방문하면 첫 구매 전환 확률이 엄청나게 높아진다는 점에서 착안하여 이를 유도하기 위해 만든 '고양이 키우고 간식 받기'가 대표적으로, 이처럼 철저한 분석 기반으로 현금 마케팅은 진행되어 온 겁니다.

💡기묘한 관점➕
본문에도 나오지만, 토스의 현금 마케팅과 쿠팡의 못생긴 디자인이 같은 결이라 생각하는데요. 너무 짜치기도 하고 때론 없어 보이기도 하지만 결국 많은 실험 끝에 최적의 안으로 내려진 의사결정이라는 점에서 그러합니다. 다만 기억할 것은 아무리 효율이 좋은 액션이라도 장기적으로 브랜드 가치를 훼손시킨다면 결국 독이 될 수 있다는 점으로, 최적의 균형점을 찾기 위해 끊임 없이 노력해야 한다는 점입니다.

🥤트렌드라이트 구독하기
https://bit.ly/3iSbx4e

철저한 데이터 분석과 전략적 판단이 뒤에 숨어 있었는데요 [아티클 3문장 요약📑] 1️⃣&nbsp;토스는 지난 2월 큰 화제가 된 '꽃돼지 저금통' 이벤트처럼 현금을 미끼로 사용자를 모으는 마케팅 캠페인을 자주 하는데, 이 덕분에 일간 방문자 수(DAU) 천만 명이라는 역대 최고 기록을 달성하기도 했지만, 최근 6개월간 토스의 일간 방문자 수 자체가 850만 명 내외를 꾸준히 유지하고 있기에, 방문자 수 증대보단 다른 목적이 있었습니다. 2️⃣&nbsp;이는 바로 신규 앱 설치로, 토스는 이미 월간 방문자 수 천오백만 명을 훌쩍 넘은 뒤로도 계속 설치 건 수를 늘려오고 있으며, 이는 이러한 바이럴 이벤트의 힘이 컸던 걸로 보이는데, 토스의 성장을 만든 이론에 따르면 신규 유입 규모에 따라 장기 성장성이 결정되므로 이를 유지하기 위해 애쓴 결과로 추정됩니다. 3️⃣&nbsp;또한 토스는 기존 사용자에게도 현금 넛지를 적극적으로 활용하고 있는데, 여기서는 단순 유입보다는 특정 행동을 유도하는 방식으로 이루어지며, 예를 들어 쇼핑 탭을 4회 이상 방문하면 첫 구매 전환 확률이 엄청나게 높아진다는 점에서 착안하여 이를 유도하기 위해 만든 '고양이 키우고 간식 받기'가 대표적으로, 이처럼 철저한 분석 기반으로 현금 마케팅은 진행되어 온 겁니다. 💡기묘한 관점➕본문에도 나오지만, 토스의 현금 마케팅과 쿠팡의 못생긴 디자인이 같은 결이라 생각하는데요. 너무 짜치기도 하고 때론 없어 보이기도 하지만 결국 많은 실험 끝에 최적의 안으로 내려진 의사결정이라는 점에서 그러합니다. 다만 기억할 것은 아무리 효율이 좋은 액션이라도 장기적으로 브랜드 가치를 훼손시킨다면 결국 독이 될 수 있다는 점으로, 최적의 균형점을 찾기 위해 끊임 없이 노력해야 한다는 점입니다. 🥤트렌드라이트 구독하기https://bit.ly/3iSbx4e

OUTSTANDING

💰토스의 현금 마케팅이 진짜 노린 건 DAU 확대가 아니었습니다

1
앞으로 ’돈‘이라고 해도 그 기저에는 세 종류가 존재한다는 것을 이해해야 한다.

2
‘캐피탈리즘’에서 돈은 통화며 노동 혹은 자본 투하를 통해 얻는 것이다.

3
반면 ‘버추얼리즘’의 돈은 신용, 평판, 영향력에 의해 결정된다.

4
‘셰어리즘’에서는 편안한 거리감을 담보할 수 있는 평판, 커뮤니케이션의 대가로써 답례가 있다. 셰어리즘에서는 시간과 공헌을 쌓아 올리는 것이 특히 중요하다.

5
각각의 세계에서 ’돈‘은 서로 관계되면서도 개개의 성질이 크게 다르다.

#3개의세계 📚

1 앞으로 ’돈‘이라고 해도 그 기저에는 세 종류가 존재한다는 것을 이해해야 한다. ​ 2 ‘캐피탈리즘’에서 돈은 통화며 노동 혹은 자본 투하를 통해 얻는 것이다. ​ 3 반면 ‘버추얼리즘’의 돈은 신용, 평판, 영향력에 의해 결정된다. ​ 4 ‘셰어리즘’에서는 편안한 거리감을 담보할 수 있는 평판, 커뮤니케이션의 대가로써 답례가 있다. 셰어리즘에서는 시간과 공헌을 쌓아 올리는 것이 특히 중요하다. ​ 5 각각의 세계에서 ’돈‘은 서로 관계되면서도 개개의 성질이 크게 다르다. #3개의세계 📚

< 미래에 돈은 세 종류로 나뉜다 >

https://blog.naver.com/madaboutit/223776694587

  미국 미시건대 데이비드 더닝 교수 연구진은 중간 성적의 사람들은 문제를 이렇게 풀었다가 저렇게도 풀어보는 다소 갈팡질팡한 모습을 보이고.스스로 자신의 실력을 평가할 때에도 가장 지식수준이 낮은 사람들에 비해 다소...

[박진영의 사회심리학]갈팡질팡은 성장하고 있다는 증거

“어? 이거 분명 할 줄 알았는데. 어떻게 했더라? 이렇게 어려웠었나?” 분명히 할 만하다고 생각해서 시작했던 일이 어느덧 시작했던 때보다 더 어렵게 느껴질 때가 있다.

주로 일을 시작한 초기를 넘어서 배움이 더 깊어지고 이렇게 하면 안 되고 저렇게 해야 한다는 등 만족스러운 수행을 위한 요구 수준이 높아지면서 생기는 일이다. 잘 써지던 글이 시간이 지날수록 안 써지고, 잘 풀리던 문제가 안 풀리는 등. 이를 슬럼프라고 하던가.

원래 아무 것도 모를 때에는 자신이 뭘 모르고 있다는 사실조차 모른다. 따라서 되려 초보일 때에는 자신감이 높다가, 배움이 깊어지면서 자신의 실력을 과대평가하는 경향이 줄어들고 상대적으로 좌절이 늘어나기도 한다.

하지만 배우는 과정이라는 것 자체가 어설프게 알고 있었거나 잘못 알고 있었던 기존 지식 또는 잘못 배긴 습관을 깨는 과정이다. 어쩌면 배움은 나의 일부를 부쉈다가 다시 맞추는 과정이다.

전문성을 쌓아가는 과정은 필연적으로 미끄러짐과 좌절, 갈팡질팡의 아픔이 따르는 과정인 것이다. 결국 마지막까지 남는 사람은 똑똑하기보다 이 과정을 묵묵히 버텨내는 질긴 사람이라고 하는 이유도 같은 맥락이다.

모든 영역들이 그렇겠지만, 수학은 대표적으로 논리력이나 사고력이 중요하다고 여겨지는 분야이다. 따라서 수학을 잘하지 못한다고 하면 보통 논리력이나 사고력이 부족한 탓이라는 이야기를 듣곤 한다.

하지만 ‘더닝-크루거 효과’로 유명한 미국 미시건대 데이비드 크루거 교수에 따르면, 수학 문제에서 정답을 틀린 아이들도 정답을 맞춘 아이들 못지 않게 나름 ‘논리적으로‘ 사고하는 현상이 나타난다고 한다.

’더닝-크루거 효과‘란 능력이 없는 사람이 잘못된 결정을 내려 잘못된 결론에 도달하지만, 능력이 없기 때문에 자신의 실수를 알아차리지 못하는 인지 편향 현상을 가리킨다.

인생의 고통이 시작되는 ‘빼기’를 학교에서 배우기 시작할 때, 예컨대 33에서 17을 뺀다는 의미가 무엇인지 묻는 문제가 나오면 가장 흔하게 나타나는 오답은 24라고 한다.

그 이유로 많은 아이들이 다음과 같은 사고과정을 거친다고 한다. 우선 빼기란 큰 것에서 작은 것을 빼는 것이다. 3이 1보다 크니까 우선 3에서 1을 빼자. 그럼 2가 나온다.

남은 숫자로는 3과 7이 있는데 7이 3보다 크다. 그러니까 7에서 3을 빼면 답은 4다. 그래서 24라고 하는 것이다. 틀린 답일지언정 나름의 논리가 있는 설명이다.

흥미롭게도 비슷한 문제들이 여러 개 출제되면 다 맞추고 100점을 받거나, 아니면 다 틀려서 0점을 받는 경우가 많다. 문제를 정확하게 이해하고 있는 아이들은 계속해서 올바른 방법으로 풀지만, 잘 모르는 아이들은 계속해서 잘못된 풀이 방법을 사용하기 때문이다.

그러다 보니 누가 가장 일관성있는 문제 풀이 방식을 보이는지를 살펴보면, 정답률이 가장 높은 학생과 가장 낮은 학생이 나란히 가장 높은 일관성을 보이는 현상이 나타난다.

또 이렇게 일관성이 높을수록, 즉 잘못된 지식이나 습관을 확고하게 가지고 있을수록, 자신이 이 문제를 제대로 이해하고 있다는 ‘자신감’은 높은 것으로 나타났다.

실제로 하위 10%에 속한 학생들의 경우, 이 문제는 이렇게 푸는 게 맞다는 잘못된 지식을 굳건히 가지고 있다. 그런 탓에 주관적으로는 자신의 점수가 상위 30% 정도일 거라고 자기 실력을 과대평가하는 경향이 나타난다.

반대로 상위 10%에 속하는 학생들은 자신의 점수가 상위 20% 정도 될 것이라고 비교적 현실적으로 평가하는데, 하위권 학생과 비교되는 반응이다.

그리고 중간 수준의 학생들은 이렇게도 풀었다가 저렇게도 풀어보는 다소 갈팡질팡하는 모습을 보였다. 스스로 자신의 실력을 평가할 때에도 지식수준이 가장 낮은 학생들에 비해 자기 실력을 다소 낮게 평가하는 경향을 보였다.

어떤 일을 진지하게 시작한다는 것은 어쩌면 환상에서 벗어나는 과정이다. 이 일이 쉽고 해볼만하다는 환상, 나는 이미 많은 것을 알고 있고 내 방식이 ‘제대로’ 된 것이라는 안일한 환상을 깨는 과정이다.

따라서 배움의 과정이 고통스러운 것은 어쩌면 자연스러운 일이다. 어떤 일을 열심히 할수록 이전보다 더 좌절이 늘어가고 뭐가 뭔지 더 모르겠는 혼란에 빠지고 있다면, 이제 드디어 진지한 배움과 발전의 과정이 시작된 것이라고 생각해보면 어떨까?

물론 시간이 지나도 조금도 나아지지 않는다면 재고해볼 필요가 있겠지만, 애초에 제대로 배우는 과정은 갈팡질팡과 혼란을 수반하므로, 갈팡질팡하고 있다는 것 자체가 곧 내가 길을 잘못 들었다거나 할 수 없는 일이라는 신호는 아닌 것이다. 새해에는 좀 더 편안한 마음으로 방황해보도록 하자.

“어? 이거 분명 할 줄 알았는데. 어떻게 했더라? 이렇게 어려웠었나?” 분명히 할 만하다고 생각해서 시작했던 일이 어느덧 시작했던 때보다 더 어렵게 느껴질 때가 있다. 주로 일을 시작한 초기를 넘어서 배움이 더 깊어지고 이렇게 하면 안 되고 저렇게 해야 한다는 등 만족스러운 수행을 위한 요구 수준이 높아지면서 생기는 일이다. 잘 써지던 글이 시간이 지날수록 안 써지고, 잘 풀리던 문제가 안 풀리는 등. 이를 슬럼프라고 하던가. 원래 아무 것도 모를 때에는 자신이 뭘 모르고 있다는 사실조차 모른다. 따라서 되려 초보일 때에는 자신감이 높다가, 배움이 깊어지면서 자신의 실력을 과대평가하는 경향이 줄어들고 상대적으로 좌절이 늘어나기도 한다. 하지만 배우는 과정이라는 것 자체가 어설프게 알고 있었거나 잘못 알고 있었던 기존 지식 또는 잘못 배긴 습관을 깨는 과정이다. 어쩌면 배움은 나의 일부를 부쉈다가 다시 맞추는 과정이다. 전문성을 쌓아가는 과정은 필연적으로 미끄러짐과 좌절, 갈팡질팡의 아픔이 따르는 과정인 것이다. 결국 마지막까지 남는 사람은 똑똑하기보다 이 과정을 묵묵히 버텨내는 질긴 사람이라고 하는 이유도 같은 맥락이다. 모든 영역들이 그렇겠지만, 수학은 대표적으로 논리력이나 사고력이 중요하다고 여겨지는 분야이다. 따라서 수학을 잘하지 못한다고 하면 보통 논리력이나 사고력이 부족한 탓이라는 이야기를 듣곤 한다. 하지만 ‘더닝-크루거 효과’로 유명한 미국 미시건대 데이비드 크루거 교수에 따르면, 수학 문제에서 정답을 틀린 아이들도 정답을 맞춘 아이들 못지 않게 나름 ‘논리적으로‘ 사고하는 현상이 나타난다고 한다. ’더닝-크루거 효과‘란 능력이 없는 사람이 잘못된 결정을 내려 잘못된 결론에 도달하지만, 능력이 없기 때문에 자신의 실수를 알아차리지 못하는 인지 편향 현상을 가리킨다. 인생의 고통이 시작되는 ‘빼기’를 학교에서 배우기 시작할 때, 예컨대 33에서 17을 뺀다는 의미가 무엇인지 묻는 문제가 나오면 가장 흔하게 나타나는 오답은 24라고 한다. 그 이유로 많은 아이들이 다음과 같은 사고과정을 거친다고 한다. 우선 빼기란 큰 것에서 작은 것을 빼는 것이다. 3이 1보다 크니까 우선 3에서 1을 빼자. 그럼 2가 나온다. 남은 숫자로는 3과 7이 있는데 7이 3보다 크다. 그러니까 7에서 3을 빼면 답은 4다. 그래서 24라고 하는 것이다. 틀린 답일지언정 나름의 논리가 있는 설명이다. 흥미롭게도 비슷한 문제들이 여러 개 출제되면 다 맞추고 100점을 받거나, 아니면 다 틀려서 0점을 받는 경우가 많다. 문제를 정확하게 이해하고 있는 아이들은 계속해서 올바른 방법으로 풀지만, 잘 모르는 아이들은 계속해서 잘못된 풀이 방법을 사용하기 때문이다. 그러다 보니 누가 가장 일관성있는 문제 풀이 방식을 보이는지를 살펴보면, 정답률이 가장 높은 학생과 가장 낮은 학생이 나란히 가장 높은 일관성을 보이는 현상이 나타난다. 또 이렇게 일관성이 높을수록, 즉 잘못된 지식이나 습관을 확고하게 가지고 있을수록, 자신이 이 문제를 제대로 이해하고 있다는 ‘자신감’은 높은 것으로 나타났다. 실제로 하위 10%에 속한 학생들의 경우, 이 문제는 이렇게 푸는 게 맞다는 잘못된 지식을 굳건히 가지고 있다. 그런 탓에 주관적으로는 자신의 점수가 상위 30% 정도일 거라고 자기 실력을 과대평가하는 경향이 나타난다. 반대로 상위 10%에 속하는 학생들은 자신의 점수가 상위 20% 정도 될 것이라고 비교적 현실적으로 평가하는데, 하위권 학생과 비교되는 반응이다. 그리고 중간 수준의 학생들은 이렇게도 풀었다가 저렇게도 풀어보는 다소 갈팡질팡하는 모습을 보였다. 스스로 자신의 실력을 평가할 때에도 지식수준이 가장 낮은 학생들에 비해 자기 실력을 다소 낮게 평가하는 경향을 보였다. 어떤 일을 진지하게 시작한다는 것은 어쩌면 환상에서 벗어나는 과정이다. 이 일이 쉽고 해볼만하다는 환상, 나는 이미 많은 것을 알고 있고 내 방식이 ‘제대로’ 된 것이라는 안일한 환상을 깨는 과정이다. 따라서 배움의 과정이 고통스러운 것은 어쩌면 자연스러운 일이다. 어떤 일을 열심히 할수록 이전보다 더 좌절이 늘어가고 뭐가 뭔지 더 모르겠는 혼란에 빠지고 있다면, 이제 드디어 진지한 배움과 발전의 과정이 시작된 것이라고 생각해보면 어떨까? 물론 시간이 지나도 조금도 나아지지 않는다면 재고해볼 필요가 있겠지만, 애초에 제대로 배우는 과정은 갈팡질팡과 혼란을 수반하므로, 갈팡질팡하고 있다는 것 자체가 곧 내가 길을 잘못 들었다거나 할 수 없는 일이라는 신호는 아닌 것이다. 새해에는 좀 더 편안한 마음으로 방황해보도록 하자.

m.dongascience.com

드라마 ‘나의 아저씨’에서 故 이선균이 아이유를 위로하는 많은 이야기를 했는데 아래 ‘인생을 힘들게 하는 외력과 그것을 버텨내는 내력’도 그중 하나다. 

“모든 건물은 외력과 내력의 싸움이야. 바람, 하중, 진동. 있을 수 있는 모든 외력을 계산하고 따져서 그거보다 세게 내력을 설계하는 거야. 인생도 어떻게 보면 내력과 외력의 싸움이고 무슨 일이 있어도 내력이 있으면 버티는 거야.”

프로젝트 역시 마찬가지다. 성공을 위협하는 외력에는 ‘요구사항 변경, 고객의 협조 부족, 무리한 일정과 예산 등이 있다. 이러한 외력에 맞서 프로젝트 목표를 지켜내는 가이드는 다음과 같다.
 
• 요구사항 변경을 관리하기 위해서는 요구사항 변경절차를 준수하고
• 고객의 협조를 이끌어내기 위해서는 고객의 책임과 역할을 정의하고 
• 달성가능한 일정과 예산을 확보하기 위해서는 견적의 신뢰도를 높인다. 

그러나 이러한 혁신적인 대책만으로는 부족하다. 예를 들어 회사나 책에서는 요구사항 변경절차를 준수하고 요구사항 베이스라인을 확정하라고 하지만 실제 프로젝트에서는 이를 실효성 있게 적용하기 힘들다. 금주, 금연, 스트레스받지 않고, 운동이 건강에 좋다는 것을 알면서도 실천하기 어려운 것과 같다.  

프로젝트 성공을 보장하는  ‘도깨비방망이’는 존재하지 않지만, 프로젝트의 성공가능성을 높이는 가이드라인은 다음과 같다.

- 착수시점에서는 보수적으로 계획한다.  
• 나는 남과 달리 잘할 수 있다는 생각을 하지 않는다. 
• 흙수저 프로젝트는 피하고, 금수저 프로젝트에 참여할 수 있도록 정치력을 발휘한다.   
• 조직 내 유사 프로젝트의  MM, 기간, 이슈목록을 반영한 계획을 수립한다. 

- 착수 후에는 PM이 할 수 있는 것에 집중한다. 
• 고객과 협의하다 감정이 격해질 때 내가 궁극적으로 무엇을 원하는지 잊지 않는다. 
• PM이 조정할 수 있는 변수와 조정할 수 없는 제약조건인 상수를 파악하여 의사결정한다. 특히 상수처럼 보이는 변수에 유의한다. 범위 제약의 예를 들면 완벽하게 구현하지 않아도 되는 업무를 파악하여 변수로 활용한다. 
• 고객을 설득하기 전에 먼저 프로젝트 팀이 할 수 있는 것을 먼저 찾는다. PM의 진심이 전달되어야 고객이 내 편으로 한걸음 움직인다.  

- PM 역량강화를 위해 지속적으로 노력한다. 
 PM은 외력을 약하게 만들고 내력을 강화하는 역할을 한다. 프로젝트가 흔들릴 때 내력을 키워 외력에 버텨내는 것이 우수한 PM의 역량이다. 프로젝트가 매우 쉽거나 매우 힘들면 PM의 역량이 프로젝트에 미치는 영향이 작다. 그러나 어느 정도 난이도의 프로젝트는 PM의 역량에 따라 성공과 실패의 크기가 달라진다. 

- 행운이 찾아오도록 노력한다. 
때로는 넉넉한 예산과 일정, 궁합이 잘 맞는 고객, 역량이 뛰어난 팀원을 만나는 행운이 찾아올 수 있다. 금수저 프로젝트는 흙수저 프로젝트를 잘 견뎌낸 PM에게 주어진다. 즉, 어려운 프로젝트를 잘 수행한 경험이 쌓일수록, 더 좋은 프로젝트를 맡을 기회가 생긴다.  

인생의 외력과 내력을 프로젝트에 비유하면 다음과 같이 정리할 수 있다. 

"프로젝트의 불확실성과 이해관계자의 이해관계를 분석하여 프로젝트 팀의 실력과 회사원 지원을 최대치로 끌어 올리고 최적화할때 프로젝트는 성공할 가능성이 높아진다.”

===============================
제가 삼성 SDS에서 30년동안 경험하고 체득한 교훈을 정리한 책 <슬기로운 PM 생활>을 출간한 소식을 공유합니다.
https://product.kyobobook.co.kr/detail/S000215148133

드라마 ‘나의 아저씨’에서 故 이선균이 아이유를 위로하는 많은 이야기를 했는데 아래 ‘인생을 힘들게 하는 외력과 그것을 버텨내는 내력’도 그중 하나다.&nbsp; “모든 건물은 외력과 내력의 싸움이야. 바람, 하중, 진동. 있을 수 있는 모든 외력을 계산하고 따져서 그거보다 세게 내력을 설계하는 거야. 인생도 어떻게 보면 내력과 외력의 싸움이고 무슨 일이 있어도 내력이 있으면 버티는 거야.” 프로젝트 역시 마찬가지다. 성공을 위협하는 외력에는 ‘요구사항 변경, 고객의 협조 부족, 무리한&nbsp;일정과 예산 등이 있다.&nbsp;이러한 외력에 맞서 프로젝트 목표를 지켜내는 가이드는 다음과 같다.&nbsp;• 요구사항 변경을 관리하기 위해서는 요구사항 변경절차를 준수하고• 고객의 협조를 이끌어내기 위해서는 고객의 책임과 역할을 정의하고&nbsp;• 달성가능한 일정과 예산을 확보하기 위해서는 견적의 신뢰도를 높인다.&nbsp; 그러나 이러한 혁신적인 대책만으로는 부족하다. 예를 들어 회사나 책에서는&nbsp;요구사항 변경절차를 준수하고 요구사항 베이스라인을 확정하라고 하지만 실제 프로젝트에서는 이를 실효성 있게 적용하기 힘들다.&nbsp;금주, 금연, 스트레스받지 않고, 운동이 건강에 좋다는 것을 알면서도 실천하기 어려운 것과 같다. &nbsp; 프로젝트 성공을 보장하는 &nbsp;‘도깨비방망이’는 존재하지 않지만, 프로젝트의 성공가능성을 높이는 가이드라인은 다음과 같다. -&nbsp;착수시점에서는 보수적으로 계획한다. &nbsp;• 나는 남과 달리 잘할 수 있다는 생각을 하지 않는다.&nbsp;• 흙수저 프로젝트는 피하고, 금수저 프로젝트에 참여할 수 있도록 정치력을 발휘한다. &nbsp;&nbsp;• 조직 내 유사&nbsp;프로젝트의 &nbsp;MM, 기간, 이슈목록을 반영한 계획을 수립한다.&nbsp; -&nbsp;착수 후에는 PM이 할 수 있는 것에 집중한다.&nbsp;• 고객과 협의하다 감정이 격해질 때 내가 궁극적으로 무엇을 원하는지 잊지 않는다.&nbsp;• PM이 조정할 수 있는 변수와 조정할 수 없는 제약조건인 상수를 파악하여 의사결정한다. 특히 상수처럼 보이는 변수에 유의한다. 범위 제약의 예를 들면 완벽하게 구현하지 않아도 되는 업무를 파악하여 변수로 활용한다.&nbsp;• 고객을 설득하기 전에 먼저 프로젝트 팀이&nbsp;할 수 있는 것을 먼저 찾는다. PM의 진심이 전달되어야 고객이 내 편으로 한걸음 움직인다. &nbsp; - PM 역량강화를 위해 지속적으로 노력한다.&nbsp;&nbsp;PM은 외력을 약하게 만들고 내력을 강화하는 역할을 한다. 프로젝트가 흔들릴 때 내력을 키워 외력에 버텨내는 것이 우수한 PM의 역량이다. 프로젝트가 매우 쉽거나 매우 힘들면 PM의 역량이 프로젝트에 미치는 영향이 작다. 그러나 어느 정도 난이도의 프로젝트는 PM의 역량에 따라 성공과 실패의 크기가 달라진다.&nbsp; -&nbsp;행운이 찾아오도록 노력한다.&nbsp;때로는 넉넉한 예산과 일정, 궁합이 잘 맞는 고객, 역량이 뛰어난 팀원을 만나는 행운이 찾아올&nbsp;수 있다.&nbsp;금수저 프로젝트는 흙수저 프로젝트를 잘 견뎌낸 PM에게 주어진다. 즉, 어려운 프로젝트를 잘 수행한 경험이 쌓일수록, 더 좋은 프로젝트를 맡을 기회가 생긴다.&nbsp;&nbsp; 인생의 외력과 내력을 프로젝트에 비유하면 다음과 같이 정리할 수 있다.&nbsp; "프로젝트의 불확실성과 이해관계자의 이해관계를 분석하여 프로젝트 팀의 실력과 회사원 지원을 최대치로 끌어 올리고 최적화할때 프로젝트는 성공할 가능성이 높아진다.” ===============================제가 삼성 SDS에서 30년동안 경험하고 체득한 교훈을 정리한 책 &lt;슬기로운 PM 생활&gt;을 출간한 소식을 공유합니다.https://product.kyobobook.co.kr/detail/S000215148133

SI 프로젝트의 외력을 감당하는 방법

사실상 엑셀이나 구글 시트가 아닌가 싶다. 이만큼 많은 사람들이 쓸 줄 알고 여러 형태로 분석이 가능하고 결과물을 공유 가능한 툴은 많지 않다. 실제 현업부서들과 일을 해보면 굉장히 많은 데이터들을 구글 시트의 형태로 매뉴얼하게 관리한다. 이 위에서 간단한 차트등을 만들어 지표 관리를 하곤 한다.

즉 데이터 엔지니어의 관점에서 보면 구글 시트는 아주 중요한 데이터 소스가 된다. 문제는 필요한 데이터를 여기로 로딩하는 방법인데 적어도 구글 시트는 Sheet API(파이썬 모듈 중에 gspread 사용)와 여러 형태의 연동 툴들을 제공한다. 유데미 때 구글 시트를 데이터 소스로 다양한 매뉴얼 정보들을 데이터 웨어하우스로 로딩하는 ETL 파이프라인을 구현해서 현업 팀원들 (마케팅, CS/CX, 영업 등등)이 아주 좋아했었다.

또 회사에 돈이 충분치 않다면 혹은 돈이 충분해도 BI 관련해서 아직 무엇을 해야할지 불분명하다면 굳이 비싼 BI 툴들(Looker, Tableau, 등등)을 사지 말고 데이터웨어하우스(혹은 프로덕션 데이터베이스)의 써머리 테이블들을 구글스프레드시트로 자동으로 덤프해서 거기서 시각화하고 분석하는 것도 아주 효율적이다. 이 역시 다양한 회사에서 데이터 컨설팅을 하면서 효율적으로 사용했었는데 이 경우 이런 형태의 데이터 파이프라인을 보통 Reverse ETL이라고 부른다. 즉 소스가 데이터 웨어하우스가 되고 타켓이 시트가 되는 형태로 일반적인 ETL의 반대 방향으로 데이터가 흐르는 거다.

이번에 인프런에 만든 강의 뒷 부분에 새로 아래 두 개의 챕터를 추가했는데 이게 바로 구글 시트를 데이터소스로 보고 시트 정보를 읽어다가 Snowflake의 테이블로 적재하는 과정을 설명하고 데모하는 내용으로 구성되어 있다. 곧 Reverse ETL 내용 (Snowflake -> 구글시트)에 관한 챕터도 추가할 예정이다.

 * 구글 시트 ➜ Snowflake
 * 구글 시트 ➜ Snowflake (코드 리뷰와 실습)

"실리콘밸리 데이터 리더가 알려주는 Airflow 기초": https://inf.run/qRing

사실상 엑셀이나 구글 시트가 아닌가 싶다. 이만큼 많은 사람들이 쓸 줄 알고 여러 형태로 분석이 가능하고 결과물을 공유 가능한 툴은 많지 않다. 실제 현업부서들과 일을 해보면 굉장히 많은 데이터들을 구글 시트의 형태로 매뉴얼하게 관리한다. 이 위에서 간단한 차트등을 만들어 지표 관리를 하곤 한다. 즉 데이터 엔지니어의 관점에서 보면 구글 시트는 아주 중요한 데이터 소스가 된다. 문제는 필요한 데이터를 여기로 로딩하는 방법인데 적어도 구글 시트는 Sheet API(파이썬 모듈 중에 gspread 사용)와 여러 형태의 연동 툴들을 제공한다. 유데미 때 구글 시트를 데이터 소스로 다양한 매뉴얼 정보들을 데이터 웨어하우스로 로딩하는 ETL 파이프라인을 구현해서 현업 팀원들 (마케팅, CS/CX, 영업 등등)이 아주 좋아했었다. 또 회사에 돈이 충분치 않다면 혹은 돈이 충분해도 BI 관련해서 아직 무엇을 해야할지 불분명하다면 굳이 비싼 BI 툴들(Looker, Tableau, 등등)을 사지 말고 데이터웨어하우스(혹은 프로덕션 데이터베이스)의 써머리 테이블들을 구글스프레드시트로 자동으로 덤프해서 거기서 시각화하고 분석하는 것도 아주 효율적이다. 이 역시 다양한 회사에서 데이터 컨설팅을 하면서 효율적으로 사용했었는데 이 경우 이런 형태의 데이터 파이프라인을 보통 Reverse ETL이라고 부른다. 즉 소스가 데이터 웨어하우스가 되고 타켓이 시트가 되는 형태로 일반적인 ETL의 반대 방향으로 데이터가 흐르는 거다. 이번에 인프런에 만든 강의 뒷 부분에 새로 아래 두 개의 챕터를 추가했는데 이게 바로 구글 시트를 데이터소스로 보고 시트 정보를 읽어다가 Snowflake의 테이블로 적재하는 과정을 설명하고 데모하는 내용으로 구성되어 있다. 곧 Reverse ETL 내용 (Snowflake -&gt; 구글시트)에 관한 챕터도 추가할 예정이다. <ul ><li>구글 시트 ➜ Snowflake</li><li>구글 시트 ➜ Snowflake (코드 리뷰와 실습)</li></ul> "실리콘밸리 데이터 리더가 알려주는 Airflow 기초": https://inf.run/qRing

가장 많이 쓰이는 데이터 분석/BI 툴은 무엇일까?

2023년 기술블로그 글을 엮어 펴낸 첫 책 "요즘 우아한 개발"이 좋은 반응을 얻은 데 힘입어, 이번에는 AI·데이터·로봇 이야기를 담은 시리즈 2탄, "요즘 우아한 AI 개발"을 출간했습니다. 🎉

“요즘 우아한 AI 개발” 출간!

잘 쓴 기술 블로그가 책으로 나오네요.

---

"요즘 우아한 AI 개발"에는 우아한형제들이 실제 프로젝트에 적용한 AI 기술과 데이터 활용법,
로봇 개발 과정에서 얻은 실무 경험을 두루 담았습니다.

AI 추천 시스템, 데이터 분석 자동화, 로봇 머신러닝 모델 경량화, MLOps 구축 사례까지,
AI와 데이터, 로봇 기술을 어떻게 개발하고 적용했는지 생생하게 전합니다.

https://meta-bifrost.vercel.app/AsZfEAXX09DNnNws8Yno

잘 쓴 기술 블로그가 책으로 나오네요. --- "요즘 우아한 AI 개발"에는 우아한형제들이 실제 프로젝트에 적용한 AI 기술과 데이터 활용법, 로봇 개발 과정에서 얻은 실무 경험을 두루 담았습니다. AI 추천 시스템, 데이터 분석 자동화, 로봇 머신러닝 모델 경량화, MLOps 구축 사례까지, AI와 데이터, 로봇 기술을 어떻게 개발하고 적용했는지 생생하게 전합니다. https://meta-bifrost.vercel.app/AsZfEAXX09DNnNws8Yno

meta-bifrost.vercel.app

요즘 우아한 AI 개발 출간~

오늘 행사 세션을 전부 영어로 해서 첨엔 통역기를 끼고 들었는데요. 귀가 아파서 잠깐 통역기를 뺐는데 영어가 전보다 수월하게 들려서 깜딱 놀랐네요. 😳 이후로는 통역기를 안쓰고 들었고요.

여러 아미고랑 대화를 매일 하니까 다양한 발음에 익숙해져서 그런지, 주어지는대로 하는 틀에 박힌 대화가 아닌 대화를 해서 그런지, 암튼 듣는게 수월해졌다는게 진짜 확실히 느껴져서 눈물흘렸네요.. 😭 이건 정말 도움이 된다라는 확신이 들었습니다.

진짜 하루에 10분씩 한두달만 해 보세요. 언어능력이 매우 떨어지는 제가 이정도면 진짜 효과 확실한겁니다. 츄라이츄라이~

아미고(Ameego) 다운로드: https://tosto.re/ameego

오늘 행사 세션을 전부 영어로 해서 첨엔 통역기를 끼고 들었는데요. 귀가 아파서 잠깐 통역기를 뺐는데 영어가 전보다 수월하게 들려서 깜딱 놀랐네요. 😳 이후로는 통역기를 안쓰고 들었고요. 여러 아미고랑 대화를 매일 하니까 다양한 발음에 익숙해져서 그런지, 주어지는대로 하는 틀에 박힌 대화가 아닌 대화를 해서 그런지, 암튼 듣는게 수월해졌다는게 진짜 확실히 느껴져서 눈물흘렸네요.. 😭 이건 정말 도움이 된다라는 확신이 들었습니다. 진짜 하루에 10분씩 한두달만 해 보세요. 언어능력이 매우 떨어지는 제가 이정도면 진짜 효과 확실한겁니다. 츄라이츄라이~ 아미고(Ameego) 다운로드: https://tosto.re/ameego

왜 항상 일정이 미뤄질 수밖에 없는가 | 진행 중인 강의 보러 가기 : https://litt.ly/lbyd   개발자 A : 어떨 때는 너무 간단한 일을 줘서 할 게 금방 없어지고.. 또 어떨 때는 엄청 큰 일을 타이트한 일정으로 해달라 하고.. 도저히 어느 장단에 맞춰야 하는지 어렵네요...디자이너 B : 하루하루 일에 치여서 이직을 해야 할 것 같아요..  회사를 다니다 보면 들쑥날쑥한 일정

우리 팀의 소화력을 알고 있나요?

PM/PO는 반드시 우리 팀이 한 스프린트 동안 얼마의 일을 할 수 있는지 아는 것이 중요해요! 이는 스크럼을 할 때 데일리 미팅과 리뷰가 있는 이유이기도 합니다. 프로젝트 매니징을 할 때 어려움을 겪고 있다면 도움될 거예요!

https://brunch.co.kr/@lbyd-hj/18

 * PM/PO/제품 개발에 대한 인사이트를 얻고 싶다면, 오픈채팅방에 참여해 주세요!
   https://open.kakao.com/o/g7XO1A5g 참여코드 : til2025
 * 진행 중인 강의 보러 가기 : https://litt.ly/lbyd
 * Threads : https://www.threads.net/@lbyd_learning.by.doing
 * 뉴스레터 구독하기 : https://maily.so/marcus.lee
 * 유튜브 구독하기 : www.youtube.com/@LbyD_HJ?sub_confirmation=1
 * 커피챗 및 멘토링 신청하기 : https://inf.run/GRTee
 * 팀 코칭 신청하기 : https://open.kakao.com/o/sh47Hq4g

PM/PO는 반드시 우리 팀이 한 스프린트 동안 얼마의 일을 할 수 있는지 아는 것이 중요해요! 이는 스크럼을 할 때 데일리 미팅과 리뷰가 있는 이유이기도 합니다. 프로젝트 매니징을 할 때 어려움을 겪고 있다면 도움될 거예요! https://brunch.co.kr/@lbyd-hj/18 <ul ><li>PM/PO/제품 개발에 대한 인사이트를 얻고 싶다면, 오픈채팅방에 참여해 주세요! https://open.kakao.com/o/g7XO1A5g&nbsp;참여코드 : til2025</li><li>진행 중인 강의 보러 가기 : https://litt.ly/lbyd</li><li>Threads :&nbsp;https://www.threads.net/@lbyd_learning.by.doing</li><li>뉴스레터 구독하기 :&nbsp;https://maily.so/marcus.lee</li><li>유튜브 구독하기 :&nbsp;www.youtube.com/@LbyD_HJ?sub_confirmation=1</li><li>커피챗 및 멘토링 신청하기 :&nbsp;https://inf.run/GRTee</li><li>팀 코칭 신청하기 :&nbsp;https://open.kakao.com/o/sh47Hq4g</li></ul>

Brunch Story

작년 12월에 시작한 스터디 3기가 벌써 마지막 주가 되어 다음 기수를 모집합니다.

개발자 해외 취업의 필수 관문인 코딩 인터뷰 준비를 위해서 LeetCode에서 가장 유명한 문제 모음인 Blind 75를 함께 해결하는 스터디 그룹입니다. 오픈 소스 프로젝트처럼 답안 코드는 깃허브 저장소에 Pull Request로 제출하고 상호 코드 리뷰를 합니다.

아직 4기 모집을 시작하지도 않았는데 벌써 50분이 대기자로 등록을 해주셨어요. 그래서 추가 모집을 하지 않으려다가 다음 차수를 기다리시는 분들이 분명 계실 것 같아서 이렇게 모집 공고를 올립니다.

스터디 규모가 커져서 3기 부터는 100% 온라인 비대면으로 진행했는데 우려했던 것과 달리 많은 분들께서 15주를 완주하고 자율적으로 정하신 문제 풀이 목표를 달성하셨습니다. 스터디에 참여해 주신 분들께서 직접 남겨 주신 생생한 후기를 참고 바랄께요.

스터디는 3월 30일부터 시작하고 신청은 3월 29일에 마감하도록 하겠습니다.

👉 달레 스터디 4기 신청: https://github.com/DaleStudy/leetcode-study/discussions/1109
👉 달레 스터디 웹사이트: https://www.dalestudy.com/

작년 12월에 시작한 스터디 3기가 벌써 마지막 주가 되어 다음 기수를 모집합니다. 개발자 해외 취업의 필수 관문인 코딩 인터뷰 준비를 위해서 LeetCode에서 가장 유명한 문제 모음인&nbsp;Blind 75를 함께 해결하는 스터디 그룹입니다. 오픈 소스 프로젝트처럼 답안 코드는 깃허브 저장소에 Pull Request로 제출하고 상호 코드 리뷰를 합니다. 아직 4기 모집을 시작하지도 않았는데 벌써 50분이 대기자로 등록을 해주셨어요. 그래서 추가 모집을 하지 않으려다가 다음 차수를 기다리시는 분들이 분명 계실 것 같아서 이렇게 모집 공고를 올립니다. 스터디 규모가 커져서 3기 부터는 100% 온라인 비대면으로 진행했는데 우려했던 것과 달리 많은 분들께서 15주를 완주하고 자율적으로 정하신 문제 풀이 목표를 달성하셨습니다. 스터디에 참여해 주신 분들께서 직접 남겨 주신 생생한 후기를 참고 바랄께요. 스터디는 3월 30일부터 시작하고 신청은 3월 29일에 마감하도록 하겠습니다. 👉 달레 스터디 4기 신청: https://github.com/DaleStudy/leetcode-study/discussions/1109 👉 달레 스터디 웹사이트: https://www.dalestudy.com/

📣 달레 스터디 4기 모집 🏃‍♀️🏃‍♂️🏃

면접관으로 들어가면 행동양식 질문으로 물어보는 두 가지 질문이 있다. 하나는 임팩트(Impact)에 관한 것이고 다른 하나는 협업(Collaboration)에 관한 것이다. 임팩트에는 관한 것으로 "커리어에서 가장 임팩트있는 프로젝트에 대해 이야기해달라"는 질문을 하고 협업에 관해서는 "같이 일해본 동료 중에 가장 힘들었던 사람이 누구였고 왜 힘들었지 이야기해달라"이다.

임팩트 질문은 전에 포스팅을 한 적이 있었는데 오늘은 협업 질문에 대해 더 이야기해보고자 한다. 어려운 동료에 관한 질문을 통해 알고자 하는 것은 이 사람이 완벽한 사람인지를 알고자 하는 것이 아니다. 얼마나 솔직한지 알고 싶고 어려운 동료를 통해 무엇을 배웠고 다음에 어떤 변화를 시도했는지 알고 싶은 거다. 즉 자신의 취약한 점을 솔직히 이야기할 줄 아는 사람인지 그리고 복기를 통해 발전을 꾀하는 사람인지 알고 싶은 건데 어떤 답변들은 너무나도 구체적이지 않고 피상적이다. 면접을 잘 하는 방법 중의 하나는 솔직하되 발전하는 모습에 대해 이야기하는 것이며 그렇게 커리어를 바라보는 것이 정말 좋지 않나 싶다.

이 이야기는 지난 주에 산호세 주립대 강의 도입부에 학생들에게 해준 면접 팁의 일부인데 매주 하나씩 공유할 계획이다.

면접관으로 들어가면 행동양식 질문으로 물어보는 두 가지 질문이 있다. 하나는 임팩트(Impact)에 관한 것이고 다른 하나는 협업(Collaboration)에 관한 것이다. 임팩트에는 관한 것으로 "커리어에서 가장 임팩트있는 프로젝트에 대해 이야기해달라"는 질문을 하고 협업에 관해서는 "같이 일해본 동료 중에 가장 힘들었던 사람이 누구였고 왜 힘들었지 이야기해달라"이다. 임팩트 질문은 전에 포스팅을 한 적이 있었는데 오늘은 협업 질문에 대해 더 이야기해보고자 한다. 어려운 동료에 관한 질문을 통해 알고자 하는 것은 이 사람이 완벽한 사람인지를 알고자 하는 것이 아니다. 얼마나 솔직한지 알고 싶고 어려운 동료를 통해 무엇을 배웠고 다음에 어떤 변화를 시도했는지 알고 싶은 거다. 즉 자신의 취약한 점을 솔직히 이야기할 줄 아는 사람인지 그리고 복기를 통해 발전을 꾀하는 사람인지 알고 싶은 건데 어떤 답변들은 너무나도 구체적이지 않고 피상적이다. 면접을 잘 하는 방법 중의 하나는 솔직하되 발전하는 모습에 대해 이야기하는 것이며 그렇게 커리어를 바라보는 것이 정말 좋지 않나 싶다. 이 이야기는 지난 주에 산호세 주립대 강의 도입부에 학생들에게 해준 면접 팁의 일부인데 매주 하나씩 공유할 계획이다.

면접 질문: 같이 일해본 동료 중에 가장 힘들었던 사람은 누구였나

저를 포함한 주변에서 자주 보이는, AI에 대해 공부하는 단계별 순서입니다.

1. ChatGPT 무료로 시작하기
2. GPTs 사용해보기
3. Claude, Google AI studio, Perplexity로 확장
4. 텍스트 기반 LLM에서 다른 모달(Modal)로 확장
(Ex. Midjourney, Genspark, PikaAI, Cursor)
5. LLM 무료 버전에서 유료 버전으로 전환하기
6. Prompt에 대해 공부하고 적용해보기
7. 새로 나오는 연구/논문 찾아보고 공부하기
8. Agent/Workflow에 대해 탐구하고 적용해보기
9. API로 연결해 직접 AI 도구 만들어보기

저를 포함한 주변에서 자주 보이는, AI에 대해 공부하는 단계별 순서입니다. 1. ChatGPT 무료로 시작하기2. GPTs 사용해보기3. Claude, Google AI studio, Perplexity로 확장4. 텍스트 기반 LLM에서 다른 모달(Modal)로 확장(Ex. Midjourney, Genspark, PikaAI, Cursor)5. LLM 무료 버전에서 유료 버전으로 전환하기6. Prompt에 대해 공부하고 적용해보기7. 새로 나오는 연구/논문 찾아보고 공부하기8. Agent/Workflow에 대해 탐구하고 적용해보기9. API로 연결해 직접 AI 도구 만들어보기&nbsp;

AI, 어디까지 써보셨나요?

‘매번 신경쓰지 않아도 API 요청 당 쿼리 호출 수가 임계치를 넘으면, 자동으로 알림이 오도록 만들 순 없을까?’ 라는 작은 고민을 시작으로 ‘모두가 쉽게 사용할 수 있게끔 라이브러리로 만들어보자!’ 까지 도달한 과정을 담은 이야기입니다. 실제로…

API 요청 당 쿼리 개수를 알고 싶어 라이브러리까지 만든 이야기 — 라이브러리 제작

‘매번 신경쓰지 않아도 API 요청 당 쿼리 호출 수가 임계치를 넘으면, 자동으로 알림이 오도록 만들 순 없을까?’ 라는 작은 고민을 시작으로 ‘모두가 쉽게 사용할 수 있게끔 라이브러리로 만들어보자!’ 까지 도달한 이야기
https://medium.com/@hyeon9mak/api-%EC%9A%94%EC%B2%AD-%EB%8B%B9-%EC%BF%BC%EB%A6%AC-%EA%B0%9C%EC%88%98%EB%A5%BC-%EC%95%8C%EA%B3%A0-%EC%8B%B6%EC%96%B4-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC%EA%B9%8C%EC%A7%80-%EB%A7%8C%EB%93%A0-%EC%9D%B4%EC%95%BC%EA%B8%B0-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC-%EC%A0%9C%EC%9E%91-de39f0d27351

‘매번 신경쓰지 않아도 API 요청 당 쿼리 호출 수가 임계치를 넘으면, 자동으로 알림이 오도록 만들 순 없을까?’ 라는 작은 고민을 시작으로 ‘모두가 쉽게 사용할 수 있게끔 라이브러리로 만들어보자!’ 까지 도달한 이야기https://medium.com/@hyeon9mak/api-%EC%9A%94%EC%B2%AD-%EB%8B%B9-%EC%BF%BC%EB%A6%AC-%EA%B0%9C%EC%88%98%EB%A5%BC-%EC%95%8C%EA%B3%A0-%EC%8B%B6%EC%96%B4-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC%EA%B9%8C%EC%A7%80-%EB%A7%8C%EB%93%A0-%EC%9D%B4%EC%95%BC%EA%B8%B0-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC-%EC%A0%9C%EC%9E%91-de39f0d27351

Medium

API 요청 당 쿼리 개수를 알고 싶어 라이브러리까지 만든 이야기

Embarking on a native port of the existing TypeScript compiler and toolset to achieve a 10x performance speed-up.

A 10x Faster TypeScript - TypeScript

타입스크립트가 컴파일러를 Go로 재작성하여 속도를 무려 10배 향상시킨다고 예고했습니다. 7.0 버전으로 출시 예정이고 올해 11월 즈음 베타 버전이 나올 것 같다고 하네요. 그동안 타입스크립트의 성능을 개선하기 위해서 오픈 소스로 여러 시도가 있었지만 모두 실패했는데 마이크로소프트에서 이렇게 직접 나서서 늦게라도 해결해주니 너무 좋은 것 같습니다. 덕분에 VSCode도 얼마나 빠릿빠릿해질지 벌써 기대가 되네요. 단지 Rust를 선택하지 않은 부분은 여러 커뮤니티에서 논쟁거리가 되고 있는 것 같습니다.

타입스크립트가 컴파일러를 Go로 재작성하여 속도를 무려 10배 향상시킨다고 예고했습니다. 7.0 버전으로 출시 예정이고 올해 11월 즈음 베타 버전이 나올 것 같다고 하네요. 그동안 타입스크립트의 성능을 개선하기 위해서 오픈 소스로 여러 시도가 있었지만 모두 실패했는데 마이크로소프트에서 이렇게 직접 나서서 늦게라도 해결해주니 너무 좋은 것 같습니다. 덕분에 VSCode도 얼마나 빠릿빠릿해질지 벌써 기대가 되네요. 단지 Rust를 선택하지 않은 부분은 여러 커뮤니티에서 논쟁거리가 되고 있는 것 같습니다.

TypeScript

🏎️ 타입스크립트가 10배나 빨라 진다구?! 😲

절대 죽지 않는 프로그램을 짜고 싶었습니다. 널 처리만 잘하면 된다고 생각했습니다. 프로그램이 죽는 이유의 대부분이 널 포인터를 건드리는 경우였으니까.

성급한 널 처리의 오류

절대 죽지 않는 프로그램을 짜고 싶었습니다. 널 처리만 잘하면 된다고 생각했습니다.
프로그램이 죽는 이유의 대부분이 널 포인터를 건드리는 경우였으니까.

회사에 처음 들어가서 윈도우 클라이언트 프로그램을 부여받았습니다.
맨티스라는 도구에 버그가 올라오면 내가 고칠 수 있는 게 있을까 신이 나서 찾아 고쳤습니다.
대부분 널 포인터만 감싸면 고쳐지는 에러였습니다.

26살의 신입사원답게 아주 재빨랐습니다.
재현 후 디버거를 붙여서 값이 널로 들어온다?
오케이, 찾았어. 바로 널 체크 코드를 추가했습니다.
if (pData == NULL)
  return;

그리고 다시 재현해 보고 재현이 안 되면 Fix로 변경.
아~ 코딩 참 쉽다.

저는 이걸 성급한 널 처리의 오류라고 부르고 싶습니다.

경험이 쌓이면서 이게 그리 쉬운 문제가 아니라는 걸 알았습니다.
이렇게 널과 널 체크를 남용하면 프로그램이 죽지는 않더라도 버그를 영영 감추는 꼴이 되어버리고 맙니다. 절대 죽지 않는 프로그램보다 문제가 생기면 곧장 죽는 프로그램이 오히려 낫다는 걸 시간이 지나고서야 깨달았습니다.
감춰진 버그는 나중에 결국 나에게 돌아온다는걸.
ASSERT(pData);

ASSERT 같은 코드를 왜 쓰는지도 그쯤에야 깨달았습니다. (학생 때는 도무지 이해가 되지 않았습니다)
알게 된 후로는 적극적으로 사용했습니다.

이후로는 변수가 널이어야 하는 경우와 절대 널이어선 안 되는 경우를 엄격하게 구분하기 시작했습니다. 애초에 널 상태를 만들지 않으려 애썼습니다.
변수를 처음 선언할 때부터.
DB 스키마를 만들 때부터.
서버에서 클라이언트에 데이터를 내려줄 때도 함부로 null 을 사용하지 않았습니다.
이렇게 하면 그걸 받아서 쓰는 애플리케이션 쪽에서 고민거리가 줄어들므로 코딩이 편해집니다.

C/C++처럼 낡은 언어와는 다르게 요즘 언어들은 nullable 혹은 optional 타입 기능을 제공하는 것 같습니다.
저는 C#에서 이걸 처음 봤는데, 최근 언어는 다 탑재하고 있더라고요.
가끔 귀찮다는 느낌이 들 때도 있긴 하지만… 귀찮다고 느껴질 때는 널을 다뤄야 할 때입니다.
애초에 널을 건네주는 곳이 없다면 귀찮을 일도 생기지 않습니다. 이 기능에 대해 호불호가 있지만 저는 선호하는 쪽입니다.

https://jeho.page/essay/2025/03/11/fallacy-of-hasty-null-handling.html

절대 죽지 않는 프로그램을 짜고 싶었습니다. 널 처리만 잘하면 된다고 생각했습니다. 프로그램이 죽는 이유의 대부분이 널 포인터를 건드리는 경우였으니까. 회사에 처음 들어가서 윈도우 클라이언트 프로그램을 부여받았습니다. 맨티스라는 도구에 버그가 올라오면 내가 고칠 수 있는 게 있을까 신이 나서 찾아 고쳤습니다.대부분 널 포인터만 감싸면 고쳐지는 에러였습니다. 26살의 신입사원답게 아주 재빨랐습니다. 재현 후 디버거를 붙여서 값이 널로 들어온다? 오케이, 찾았어. 바로 널 체크 코드를 추가했습니다.<pre ><code>if (pData == NULL)
 return;</code></pre>그리고 다시 재현해 보고 재현이 안 되면 Fix로 변경. 아~ 코딩 참 쉽다. 저는 이걸 성급한 널 처리의 오류라고 부르고 싶습니다. 경험이 쌓이면서 이게 그리 쉬운 문제가 아니라는 걸 알았습니다. 이렇게 널과 널 체크를 남용하면 프로그램이 죽지는 않더라도 버그를 영영 감추는 꼴이 되어버리고 맙니다. 절대 죽지 않는 프로그램보다 문제가 생기면 곧장 죽는 프로그램이 오히려 낫다는 걸 시간이 지나고서야 깨달았습니다. 감춰진 버그는 나중에 결국 나에게 돌아온다는걸.<pre ><code>ASSERT(pData);</code></pre>ASSERT 같은 코드를 왜 쓰는지도 그쯤에야 깨달았습니다. (학생 때는 도무지 이해가 되지 않았습니다) 알게 된 후로는 적극적으로 사용했습니다. 이후로는 변수가 널이어야 하는 경우와 절대 널이어선 안 되는 경우를 엄격하게 구분하기 시작했습니다. 애초에 널 상태를 만들지 않으려 애썼습니다. 변수를 처음 선언할 때부터. DB 스키마를 만들 때부터. 서버에서 클라이언트에 데이터를 내려줄 때도 함부로 null 을 사용하지 않았습니다. 이렇게 하면 그걸 받아서 쓰는 애플리케이션 쪽에서 고민거리가 줄어들므로 코딩이 편해집니다. C/C++처럼 낡은 언어와는 다르게 요즘 언어들은 nullable 혹은 optional 타입 기능을 제공하는 것 같습니다. 저는 C#에서 이걸 처음 봤는데, 최근 언어는 다 탑재하고 있더라고요. 가끔 귀찮다는 느낌이 들 때도 있긴 하지만… 귀찮다고 느껴질 때는 널을 다뤄야 할 때입니다. 애초에 널을 건네주는 곳이 없다면 귀찮을 일도 생기지 않습니다. 이 기능에 대해 호불호가 있지만 저는 선호하는 쪽입니다. https://jeho.page/essay/2025/03/11/fallacy-of-hasty-null-handling.html

K리그 프로그래머

학생 때는 회사 생활이 두려웠어요. 미디어에 비친 회사 생활은 수직적이고 권위적이었거든요.

회사에선 눈치 보는 야근을 해야 하고, 강요받는 회식 자리에 가야하며, 능력보다 관계가 중요한 곳이라고 느꼈어요.

그래서 도망쳤어요. 견뎌낼 자신 없는 문화를 가진 회사는 쳐다보지도 않았어요.

초봉이 중요하다며 조금 참고 돈 잘 주는 곳 가라는 말을 들었어요. 무시했어요. 적은 돈을 받더라도 괜찮았어요.

일이 좋아 출근이 기대되고, 동료들이 좋아 함께 여행도 떠날 수 있으면서, 능력으로 인정받을 수 있는 곳을 찾아다녔어요.

그렇게 9년이 흘렀어요. 저는 도망친 곳에서 낙원을 발견했고 지금의 제 삶을 즐기고 있어요.

학생 때는 회사 생활이 두려웠어요. 미디어에 비친 회사 생활은 수직적이고 권위적이었거든요. 회사에선 눈치 보는 야근을 해야 하고, 강요받는 회식 자리에 가야하며, 능력보다 관계가 중요한 곳이라고 느꼈어요. 그래서 도망쳤어요. 견뎌낼 자신 없는 문화를 가진 회사는 쳐다보지도 않았어요. 초봉이 중요하다며 조금 참고 돈 잘 주는 곳 가라는 말을 들었어요. 무시했어요. 적은 돈을 받더라도 괜찮았어요. 일이 좋아 출근이 기대되고, 동료들이 좋아 함께 여행도 떠날 수 있으면서, 능력으로 인정받을 수 있는 곳을 찾아다녔어요. 그렇게 9년이 흘렀어요. 저는 도망친 곳에서 낙원을 발견했고 지금의 제 삶을 즐기고 있어요.

도망친 곳에 낙원은… 있었다

Apache Kafka는 고성능의 분산 스트리밍 플랫폼으로, 프로듀서(Producer)와 컨슈머(Consumer) 간의 효율적인 데이터 전송을 지원합니다. 그러나 Kafka 자체는 데이터의 구조나 형식에 대한 검증을 수행하지 않으므로, 데이터 스키마의 관리와 호환성 유지에 어려움이 발생할 수 있습니다. 이러한 문제를 해결하기 위해 Schema Registry가 도입되었습니다.​ Schema Registry란 무엇인가?Schema Registry는 Kafka와 별도로 동작하는 독립적인 애플리케이션으로, Kafka에서 주고받는 메시지의 스키마를 중앙에서 관리하고 저장하는 역할을 합니다. 이를 통해 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 정의를 공유하며, 데이터의 일관성과 호환성을 보장합니다. 왜 ..

Kafka Schema Registry: 데이터 스키마의 중앙 집중 관리

 Apache Kafka는 고성능의 분산 스트리밍 플랫폼으로, 프로듀서(Producer)와 컨슈머(Consumer) 간의 효율적인 데이터 전송을 지원합니다. 그러나 Kafka 자체는 데이터의 구조나 형식에 대한 검증을 수행하지 않으므로, 데이터 스키마의 관리와 호환성 유지에 어려움이 발생할 수 있습니다. 이러한 문제를 해결하기 위해 Schema Registry가 도입되었습니다.
 
Schema Registry란 무엇인가?
Schema Registry는 Kafka와 별도로 동작하는 독립적인 애플리케이션으로, Kafka에서 주고받는 메시지의 스키마를 중앙에서 관리하고 저장하는 역할을 합니다. 이를 통해 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 정의를 공유하며, 데이터의 일관성과 호환성을 보장합니다.
 
왜 Schema Registry가 필요한가?
Kafka는 기본적으로 바이트 스트림으로 데이터를 처리하며, 데이터의 구조나 형식에 대한 제약이 없습니다. 이로 인해 다음과 같은 문제가 발생할 수 있습니다:
 * 스키마 변경으로 인한 장애 발생: 프로듀서가 데이터 형식을 변경하면, 이를 알지 못한 컨슈머는 역직렬화 과정에서 오류가 발생할 수 있습니다.
 * 데이터 명세 관리의 어려움: 여러 프로듀서와 컨슈머가 존재하는 환경에서 데이터 구조에 대한 명확한 정의가 없으면, 시스템 전체의 안정성이 저하될 수 있습니다. 
Schema Registry는 이러한 문제를 해결하기 위해 다음과 같은 기능을 제공합니다:
 * 스키마 중앙 관리: 모든 스키마를 중앙에서 관리하여 데이터 구조의 일관성을 유지합니다.
 * 호환성 검증: 새로운 스키마 등록 시 기존 스키마와의 호환성을 검증하여, 스키마 진화로 인한 오류를 방지합니다.
 * 스키마 버전 관리: 스키마의 버전을 체계적으로 관리하여, 필요 시 이전 버전으로의 롤백을 가능하게 합니다.

Schema Registry의 작동 원리
Schema Registry는 다음과 같은 흐름으로 작동합니다:
 1. 스키마 등록: 프로듀서는 메시지를 Kafka에 전송하기 전에 해당 메시지의 스키마를 Schema Registry에 등록합니다. 
 2. 스키마 ID 부여: Schema Registry는 등록된 스키마에 고유한 ID를 부여하고, 프로듀서는 이 스키마 ID를 메시지에 포함시켜 Kafka에 전송합니다.
 3. 메시지 소비: 컨슈머는 Kafka에서 메시지를 읽어들인 후, 메시지에 포함된 스키마 ID를 사용하여 Schema Registry에서 스키마를 조회하고, 이를 통해 메시지를 역직렬화합니다.
{
  "type": "record",
  "name": "User",
  "fields": [
    {"name": "name", "type": "string"},
    {"name": "age", "type": "int"}
  ]
}

 
이러한 과정은 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 계약을 가능하게 하며, 시스템의 안정성과 데이터의 신뢰성을 향상시킵니다.
 
Schema Registry의 장단점
✅ 장점
 * 시스템 안정성 향상: 스키마 변경 시 발생할 수 있는 오류를 사전에 방지하여 시스템의 안정성을 높입니다.
 * 데이터 명세 관리 용이: 중앙에서 스키마를 관리함으로써 데이터 구조에 대한 명확한 정의를 제공하고, 운영의 효율성을 향상시킵니다.
 * 업무 효율성 증대: 스키마 관리로 인한 불필요한 커뮤니케이션을 줄여 개발자들이 본연의 업무에 집중할 수 있게 합니다.
❌ 단점
 * 관리 포인트 증가: Schema Registry 서버를 추가로 관리해야 하므로 운영 복잡성이 증가할 수 있습니다.
 * 스키마 관리 부담: 엄격한 스키마 검증으로 인해 스키마 변경 시 추가적인 관리 작업이 필요할 수 있습니다.
 
결론
Kafka Schema Registry는 데이터의 스키마를 중앙에서 관리하여 프로듀서와 컨슈머 간의 일관성을 보장하는 필수적인 컴포넌트입니다. 이를 통해 데이터의 신뢰성을 유지하고, 스키마 변경으로 인한 장애를 방지할 수 있습니다.
 
📌 기억할 점
 * Kafka 자체는 데이터 형식을 검증하지 않음 → Schema Registry가 필요함
 * 프로듀서는 메시지를 전송하기 전에 Schema Registry에 스키마를 등록해야 함
 * 컨슈머는 메시지를 소비할 때 Schema Registry에서 스키마를 조회하여 역직렬화함
 * JSON, Avro, Protobuf 등의 다양한 포맷을 지원함

&nbsp;Apache Kafka는 고성능의 분산 스트리밍 플랫폼으로, 프로듀서(Producer)와 컨슈머(Consumer) 간의 효율적인 데이터 전송을 지원합니다. 그러나 Kafka 자체는 데이터의 구조나 형식에 대한 검증을 수행하지 않으므로, 데이터 스키마의 관리와 호환성 유지에 어려움이 발생할 수 있습니다. 이러한 문제를 해결하기 위해 Schema Registry가 도입되었습니다.​&nbsp;Schema Registry란 무엇인가?Schema Registry는 Kafka와 별도로 동작하는 독립적인 애플리케이션으로, Kafka에서 주고받는 메시지의 스키마를 중앙에서 관리하고 저장하는 역할을 합니다. 이를 통해 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 정의를 공유하며, 데이터의 일관성과 호환성을 보장합니다.&nbsp;왜 Schema Registry가 필요한가?Kafka는 기본적으로 바이트 스트림으로 데이터를 처리하며, 데이터의 구조나 형식에 대한 제약이 없습니다. 이로 인해 다음과 같은 문제가 발생할 수 있습니다:​<ul ><li>스키마 변경으로 인한 장애 발생: 프로듀서가 데이터 형식을 변경하면, 이를 알지 못한 컨슈머는 역직렬화 과정에서 오류가 발생할 수 있습니다. ​</li><li>데이터 명세 관리의 어려움: 여러 프로듀서와 컨슈머가 존재하는 환경에서 데이터 구조에 대한 명확한 정의가 없으면, 시스템 전체의 안정성이 저하될 수 있습니다.&nbsp;</li></ul>Schema Registry는 이러한 문제를 해결하기 위해 다음과 같은 기능을 제공합니다:​<ul ><li>스키마 중앙 관리: 모든 스키마를 중앙에서 관리하여 데이터 구조의 일관성을 유지합니다.​</li><li>호환성 검증: 새로운 스키마 등록 시 기존 스키마와의 호환성을 검증하여, 스키마 진화로 인한 오류를 방지합니다.​</li><li>스키마 버전 관리: 스키마의 버전을 체계적으로 관리하여, 필요 시 이전 버전으로의 롤백을 가능하게 합니다.</li></ul> Schema Registry의 작동 원리Schema Registry는 다음과 같은 흐름으로 작동합니다:​<ol ><li>스키마 등록: 프로듀서는 메시지를 Kafka에 전송하기 전에 해당 메시지의 스키마를 Schema Registry에 등록합니다.&nbsp;</li><li>스키마 ID 부여: Schema Registry는 등록된 스키마에 고유한 ID를 부여하고, 프로듀서는 이 스키마 ID를 메시지에 포함시켜 Kafka에 전송합니다.​</li><li>메시지 소비: 컨슈머는 Kafka에서 메시지를 읽어들인 후, 메시지에 포함된 스키마 ID를 사용하여 Schema Registry에서 스키마를 조회하고, 이를 통해 메시지를 역직렬화합니다.​</li></ol><pre ><code class="language-bash">{
 "type": "record",
 "name": "User",
 "fields": [
 {"name": "name", "type": "string"},
 {"name": "age", "type": "int"}
 ]
}</code></pre>&nbsp;이러한 과정은 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 계약을 가능하게 하며, 시스템의 안정성과 데이터의 신뢰성을 향상시킵니다.&nbsp;Schema Registry의 장단점✅ 장점<ul ><li>시스템 안정성 향상: 스키마 변경 시 발생할 수 있는 오류를 사전에 방지하여 시스템의 안정성을 높입니다.</li><li>데이터 명세 관리 용이: 중앙에서 스키마를 관리함으로써 데이터 구조에 대한 명확한 정의를 제공하고, 운영의 효율성을 향상시킵니다.​</li><li>업무 효율성 증대: 스키마 관리로 인한 불필요한 커뮤니케이션을 줄여 개발자들이 본연의 업무에 집중할 수 있게 합니다.</li></ul>❌ 단점<ul ><li>관리 포인트 증가: Schema Registry 서버를 추가로 관리해야 하므로 운영 복잡성이 증가할 수 있습니다.​</li><li>스키마 관리 부담: 엄격한 스키마 검증으로 인해 스키마 변경 시 추가적인 관리 작업이 필요할 수 있습니다.</li></ul>&nbsp;결론Kafka Schema Registry는 데이터의 스키마를 중앙에서 관리하여 프로듀서와 컨슈머 간의 일관성을 보장하는 필수적인 컴포넌트입니다. 이를 통해 데이터의 신뢰성을 유지하고, 스키마 변경으로 인한 장애를 방지할 수 있습니다.&nbsp;📌 기억할 점<ul ><li>Kafka 자체는 데이터 형식을 검증하지 않음 → Schema Registry가 필요함</li><li>프로듀서는 메시지를 전송하기 전에 Schema Registry에 스키마를 등록해야 함</li><li>컨슈머는 메시지를 소비할 때 Schema Registry에서 스키마를 조회하여 역직렬화함</li><li>JSON, Avro, Protobuf 등의 다양한 포맷을 지원함 </li></ul>

덕토피아

🕊️ Kafka Schema Registry: 데이터 스키마 관리

사용자가 공유한 콘텐츠

체력은 "하고 싶은 것과 할 수 있는 것 사이의 갭을 줄이는 거예요."라는 말에 밑줄을 그었습니다. 원문 제목은 "40대 이후엔 체력전이다"인데, 전체를 관통하는 내용은 '다정함은 체력에서 나오니까, 다정하려면 체력을 길러라'는 명제에 가까운 내용입니다. 전 구글 디렉터 정김경숙 님이 체력을 가꾸는 이유, 나노운동을 통해 "시간이 없다"라는 핑계를 멀리하는 이유에도 고개를 끄덕이게 됩니다.

사실 정김경숙 님이 유명해진 건 구글에서 17년 일하다 갑자기 해고당한 이후 주 80시간의 육체노동을 택하며 '트레이더조'에서 일하며 스몰토크를 하는 경험을 긍정적으로 이야기하면서부터였는데요. 점심시간 1시간을 활용해서는 리프트로 라이드헤일링을 하며 다리는 쉬면서 또 일을 했죠. 트레이더조 일이 끝나면 곧장 스타벅스 유니폼을 입었습니다. 즐겁게 일했다는 점을 생각하면 그녀는 스스로에게 다정했습니다.

낯선 사람에게 친절을 베풀면 그 의도를 의심하는 게 더 합리적인 것 같은 사회에 살고 있지만, 다정함은 누구나에게 필요합니다. 스스로에게 다정할 만큼 체력을 기르고 나면, 남는 체력으로는 이방인에게도 다정할 수 있지 않을까요? 오늘 이 아티클 덕분에 낯선 이에게 조금 더 친절할 수 있었고, 더 괜찮은 사람이 되겠다는 다짐을 했습니다.

https://www.folin.co/article/10337/gift/DghwhBThRk5eYf1Xrm2vYX7f6xiFZe6L

체력은 "하고 싶은 것과 할 수 있는 것 사이의 갭을 줄이는 거예요."라는 말에 밑줄을 그었습니다. 원문 제목은 "40대 이후엔 체력전이다"인데, 전체를 관통하는 내용은 '다정함은 체력에서 나오니까, 다정하려면 체력을 길러라'는 명제에 가까운 내용입니다. 전 구글 디렉터 정김경숙 님이 체력을 가꾸는 이유, 나노운동을 통해 "시간이 없다"라는 핑계를 멀리하는 이유에도 고개를 끄덕이게 됩니다. 사실 정김경숙 님이 유명해진 건 구글에서 17년 일하다 갑자기 해고당한 이후 주 80시간의 육체노동을 택하며 '트레이더조'에서 일하며 스몰토크를 하는 경험을 긍정적으로 이야기하면서부터였는데요. 점심시간 1시간을 활용해서는 리프트로 라이드헤일링을 하며 다리는 쉬면서 또 일을 했죠. 트레이더조 일이 끝나면 곧장 스타벅스 유니폼을 입었습니다. 즐겁게 일했다는 점을 생각하면 그녀는 스스로에게 다정했습니다. 낯선 사람에게 친절을 베풀면 그 의도를 의심하는 게 더 합리적인 것 같은 사회에 살고 있지만, 다정함은 누구나에게 필요합니다. 스스로에게 다정할 만큼 체력을 기르고 나면, 남는 체력으로는 이방인에게도 다정할 수 있지 않을까요? 오늘 이 아티클 덕분에 낯선 이에게 조금 더 친절할 수 있었고, 더 괜찮은 사람이 되겠다는 다짐을 했습니다. https://www.folin.co/article/10337/gift/DghwhBThRk5eYf1Xrm2vYX7f6xiFZe6L

www.folin.co

《다정함도 체력에서 나오니까》

최근 DeepSeek에 이어 중국발 AI에이전트 돌풍(?)을 일으키고 있는 마누스(Manus) AI 내용을 정리해봅니다.

🍏 Manus AI 개요
 * 개발사: 중국 스타트업 Monica
 * 출시: 2025년 3월 6일
 * 기반 모델: Anthropic의 Claude 3.5 Sonnet과 Alibaba의 Qwen 모델 기반
 * 특징
   * 세계 최초의 범용 자율 AI 에이전트
   * OpenAI Deep Research, Gemini Deep Research 등에서 볼 수 있는 딥 리서치 기능을 구현한 멀티 에이전트 협업 시스템
   * 기존의 챗봇이나 AI 모델과 달리, Manus는 단순한 답변 제공을 넘어 실제 결과물을 도출하는 데 초점
   * 계획, 실행, 검증을 담당하는 별도의 에이전트들로 구성된 멀티 에이전트 아키텍처
   * 대규모 작업을 수백개의 실행 가능한 하위 작업으로 나누는 동적 타겟 분해 기능
   * 여러 유형의 데이터를 동시에 처리하는 교차 모달 추론 기능
   * 강화학습을 통한 의사결정 효율성 지속적인 개선 및 오류율 최소화
   * 지시를 기다리지 않고 스스로 작업을 시작하고 새로운 정보를 평가하며 접근 방식으로 동적으로 조정하는 자기주도적 작업 수행

🍏 기술적 특징
 * 멀티 에이전트 아키텍처
   * 계획 에이전트(Planning Agent)
     * 작업 분석 및 단계별 계획 수립
     * 사용자 요청을 PDCA(Plan-Do-Check-Act) 사이클로 분해
     * Monte Carlo Tree Search(MCTS) 알고리즘 활용
     * Anthropic Qwen 모델 기반의 텍스트 분석 및 전략 세분화
   * 실행 에이전트(Execution Agent)
     * 웹 브라우저/데이터베이스 등 27개 외부 도구와 실시간 연동
     * Claude 3.5 Sonnet 모델을 주력으로 사용
     * 비동기적 클라우드 처리 아키텍처 지원
   * 검증 에이전트(Validation Agent)
     * 결과 검증 및 최적화
     * 3단계 검증 프로세스: 형식 검증 (표 구조/코드 문법), 내용 검증 (사실 관계 확인, 컨텍스트 검증 (사용자 의도 부합 여부)
 * 성능 향상 메커니즘
   * 동적 모델 로딩: 작업 요구사항에 따라 GPT-4, Gemini 등 제3자 모델 추가 호출
   * 실시간 피드백 루프: 오류 발생 시 자동 재계획 알고리즘 가동
   * 크로스 모달 퓨전: 텍스트-이미지 결합 분석을 위한 어텐션 메커니즘 적용
 * 혁신적인 기능
   * 비동기 처리: Celery 작업규 + Redis 캐시 - 오픈라인 작업 지속 가능
   * 메모리 시스템: 벡터 데이터베이스 기반 장기 기억 - 사용자 패턴 학습 최적화
   * 보안 프레임워크: 샌드박스 가상머신 격리 - 외부시스템 영향 제거
 * 외부 도구 통합: 웹 브라우저, 데이터베이스, 코드 편집기 등 다양한 소프트웨어와 통합
 * 클라우드 기반 운영: 비동기적 클라우드 처리를 지원하여 효율적인 작업 수행 가능

🍏 성능
 * Meta AI와 Hugging Face가 개발한 GAIA 테스트에서 OpenAI GPT-4o 대비 18% or 23% 높은 정확도

🍏 단점 및 한계
 * 초기 오류 빈도: 무한 루프 발생, 오류 메시지 출력 등 초기 사용자 경험에서 문제 보고
 * 사실 정확성 부족: 정보 누락 또는 부정확한 데이터 제공 사례 존재
 * API 의존성: API가 없는 애플리케이션과의 호환성이 제한적
 * 복제 가능성: 자체 모델 개발보다는 통합에 의존하기 때문에 경쟁사에 의해 복제될 위험

🍏 비즈니스 가능성
 * 기업용 솔루션: B2B 공급업체 발굴, 재무 보고서 분석 등
 * 개인 비서 역할: 여행 계획, 보험 비교, 교육 과정 개발 등
 * 자동화된 업무 처리: 온라인 스토어 운영 분석, 채용 인터뷰 준비 등

🍏 미래 전망
 * 오픈소스화 계획: Monica는 2025년 말까지 Manus AI를 오픈소스로 공개할 계획
 * 확장성: 개발자들이 맞춤형 플러그인을 구축하거나 틈새 응용 프로그램에 최적화할 수 있는 가능성 제공

최근 DeepSeek에 이어 중국발 AI에이전트 돌풍(?)을 일으키고 있는 마누스(Manus) AI 내용을 정리해봅니다. 🍏 Manus AI 개요<ul><li>개발사: 중국 스타트업 Monica</li><li>출시: 2025년 3월 6일</li><li>기반 모델: Anthropic의 Claude 3.5 Sonnet과 Alibaba의 Qwen 모델 기반</li><li>특징<ul><li>세계 최초의 범용 자율 AI 에이전트</li><li>OpenAI Deep Research, Gemini Deep Research 등에서 볼 수 있는 딥 리서치 기능을 구현한 멀티 에이전트 협업 시스템</li><li>기존의 챗봇이나 AI 모델과 달리, Manus는 단순한 답변 제공을 넘어 실제 결과물을 도출하는 데 초점</li><li>계획, 실행, 검증을 담당하는 별도의 에이전트들로 구성된 멀티 에이전트 아키텍처</li><li>대규모 작업을 수백개의 실행 가능한 하위 작업으로 나누는 동적 타겟 분해 기능</li><li>여러 유형의 데이터를 동시에 처리하는 교차 모달 추론 기능</li><li>강화학습을 통한 의사결정 효율성 지속적인 개선 및 오류율 최소화</li><li>지시를 기다리지 않고 스스로 작업을 시작하고 새로운 정보를 평가하며 접근 방식으로 동적으로 조정하는 자기주도적 작업 수행</li></ul></li></ul> 🍏 기술적 특징<ul><li>멀티 에이전트 아키텍처<ul><li>계획 에이전트(Planning Agent)<ul><li>작업 분석 및 단계별 계획 수립</li><li>사용자 요청을 PDCA(Plan-Do-Check-Act) 사이클로 분해</li><li>Monte Carlo Tree Search(MCTS) 알고리즘 활용</li><li>Anthropic Qwen 모델 기반의 텍스트 분석 및 전략 세분화</li></ul></li><li>실행 에이전트(Execution Agent)<ul><li>웹 브라우저/데이터베이스 등 27개 외부 도구와 실시간 연동</li><li>Claude 3.5 Sonnet 모델을 주력으로 사용</li><li>비동기적 클라우드 처리 아키텍처 지원</li></ul></li><li>검증 에이전트(Validation Agent)<ul><li>결과 검증 및 최적화</li><li>3단계 검증 프로세스: 형식 검증 (표 구조/코드 문법), 내용 검증 (사실 관계 확인, 컨텍스트 검증 (사용자 의도 부합 여부)</li></ul></li></ul></li><li>성능 향상 메커니즘<ul><li>동적 모델 로딩: 작업 요구사항에 따라 GPT-4, Gemini 등 제3자 모델 추가 호출</li><li>실시간 피드백 루프: 오류 발생 시 자동 재계획 알고리즘 가동</li><li>크로스 모달 퓨전: 텍스트-이미지 결합 분석을 위한 어텐션 메커니즘 적용</li></ul></li><li>혁신적인 기능<ul><li>비동기 처리: Celery 작업규 + Redis 캐시 - 오픈라인 작업 지속 가능</li><li>메모리 시스템: 벡터 데이터베이스 기반 장기 기억 - 사용자 패턴 학습 최적화</li><li>보안 프레임워크: 샌드박스 가상머신 격리 - 외부시스템 영향 제거</li></ul></li><li>외부 도구 통합: 웹 브라우저, 데이터베이스, 코드 편집기 등 다양한 소프트웨어와 통합</li><li>클라우드 기반 운영: 비동기적 클라우드 처리를 지원하여 효율적인 작업 수행 가능</li></ul> 🍏 성능<ul><li>Meta AI와 Hugging Face가 개발한 GAIA 테스트에서 OpenAI GPT-4o 대비 18% or 23% 높은 정확도</li></ul> 🍏 단점 및 한계<ul><li>초기 오류 빈도: 무한 루프 발생, 오류 메시지 출력 등 초기 사용자 경험에서 문제 보고</li><li>사실 정확성 부족: 정보 누락 또는 부정확한 데이터 제공 사례 존재</li><li>API 의존성: API가 없는 애플리케이션과의 호환성이 제한적</li><li>복제 가능성: 자체 모델 개발보다는 통합에 의존하기 때문에 경쟁사에 의해 복제될 위험</li></ul> 🍏 비즈니스 가능성<ul><li>기업용 솔루션: B2B 공급업체 발굴, 재무 보고서 분석 등</li><li>개인 비서 역할: 여행 계획, 보험 비교, 교육 과정 개발 등</li><li>자동화된 업무 처리: 온라인 스토어 운영 분석, 채용 인터뷰 준비 등</li></ul> 🍏 미래 전망<ul><li>오픈소스화 계획: Monica는 2025년 말까지 Manus AI를 오픈소스로 공개할 계획</li><li>확장성: 개발자들이 맞춤형 플러그인을 구축하거나 틈새 응용 프로그램에 최적화할 수 있는 가능성 제공</li></ul>

마누스(Manus) AI

우디의 컨설팅:  합격으로 가는 3가지 차별점 회사별 맞춤 포트폴리오,  합격을 부르는 비결입니다. 5회 코칭 진행 
 핀테크 프로덕트 디자이너로 최종 합격한 김** 님의 실제 리뷰입니다.  2회 코칭 진행 
 핀테크 프로덕트 디자이너로 최종 합격한 **호 님의 실제 리뷰입니다.  2회 코칭 진행 
 에이전시 → 스타트업 디자이너로 이직 성공한 **수 님의

[🚨3월·소수 정예!] 유니콘·빅테크 합격한 UX/UI 포트폴리오 컨설팅 - PO·디자인 리드 우디 - 우디디자인랩

Q) 🧑‍💻 평소 업무나 협업 시, 본인의 커뮤니케이션 스타일은 어떤 편인가요? (우디)

A) 🙋‍♀️ 저는 상대방이 궁금해하거나 필요로 할 수 있는 정보를 구체적으로 전달하려는 편이에요. 가령 프로젝트를 진행할 때도, “이건 왜 필요한가” “어떤 방식으로 진행될 것인가” 같은 구체적인 맥락을 먼저 짚어요. 특히 추가 설명이 필요할 것 같은 부분은 상세하게 적어서 미리 공유하고, 혹시 오해가 생기지 않도록 직접 확인하려고 노력합니다. 제가 조금 더 신경을 써야 의사소통 과정에서 불필요한 혼란을 줄일 수 있다고 생각해요. (5년차 UX/UI 디자이너분)

* 저맥락 커뮤니케이션을 통해 오해를 줄이는 커뮤니케이션 스타일이 느껴져 좋았습니다.

Q) 🧑‍💻 평소 업무나 협업 시, 본인의 커뮤니케이션 스타일은 어떤 편인가요? (우디) A) 🙋‍♀️ 저는 상대방이 궁금해하거나 필요로 할 수 있는 정보를 구체적으로 전달하려는 편이에요. 가령 프로젝트를 진행할 때도, “이건 왜 필요한가” “어떤 방식으로 진행될 것인가” 같은 구체적인 맥락을 먼저 짚어요. 특히 추가 설명이 필요할 것 같은 부분은 상세하게 적어서 미리 공유하고, 혹시 오해가 생기지 않도록 직접 확인하려고 노력합니다. 제가 조금 더 신경을 써야 의사소통 과정에서 불필요한 혼란을 줄일 수 있다고 생각해요. (5년차 UX/UI 디자이너분) * 저맥락 커뮤니케이션을 통해 오해를 줄이는 커뮤니케이션 스타일이 느껴져 좋았습니다.

Latpeed

기억에 남는 디자이너 면접 답변 [9]

정말 쉽네? 챗GPT 구글 업무 자동화 | ★ 구글 앱스 스크립트와 챗GPT로 자동화하는 54가지 실전 예제 수록! ★ 업무 시간은 반으로, 업무 효율은 두 배로~! 챗GPT로 구글 업무 자동화가 가능하다고? 챗GPT는 이제 단순한 AI 비서가……

정말 쉽네? 챗GPT 구글 업무 자동화 | 송요창 - 교보문고

지난 1년간 틈틈히 작업한 책이 드디어 예판을 시작했습니다.

우아한형제들에서 겪은 실제 사례를 바탕으로, 더 가치있는 일에 집중할 수 있는 자동화 실습을 담았습니다. 부디 다른 분들께도 도움이 되길 바랍니다.

👉 교보문고: https://bit.ly/4b9pSmb
👉 예스24: https://bit.ly/431rexw
👉 알라딘: https://bit.ly/431vLjf

지난 1년간 틈틈히 작업한 책이 드디어 예판을 시작했습니다. 우아한형제들에서 겪은 실제 사례를 바탕으로, 더 가치있는 일에 집중할 수 있는 자동화 실습을 담았습니다. 부디 다른 분들께도 도움이 되길 바랍니다. 👉 교보문고: https://bit.ly/4b9pSmb👉 예스24: https://bit.ly/431rexw👉 알라딘: https://bit.ly/431vLjf

(주) 랩큐 AI 서비스 개발자

김수빈

KT 연구원

임호정

프론트엔드 개발자

감자용

정말 쉽네? 챗GPT 구글 업무 자동화

송요창

👨‍👩‍👧‍👦
문제 해결할 때 즐거움을 느낍니다.
평범한 사람들이 모여 비범한 일을 할 수 있다고 믿습니다.
#프론트엔드 #커뮤니케이션

강의 및 멘토링
https://www.inflearn.com/users/1095/@totuworld

정말 쉽네? 챗GPT 구글 업무 자동화

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필