방산 인공지능(AI) 스타트업 퀀텀에어로 주식회사는 ST캐피탈, 오픈워터엔젤스 및 전략적 투자자(SI) 2곳으로부터 초기 투자 37억원을 유치했다고 18일 밝혔다. 퀀텀에어로는 AI 드론 등을 수입하고 있으며 미국 

방산 AI 스타트업 퀀텀에어로 "시드 투자 37억원 유치"

인공지능(AI) 스타트업 퀀텀에어로 주식회사는 ST캐피탈, 오픈워터엔젤스 및 전략적 투자자(SI) 2곳으로부터 초기 투자 37억원을 유치했다고 18일 밝혔다.

퀀텀에어로는 AI 드론 등을 수입하고 있으며 미국 전투 무인기 제작업체 '쉴드 AI' 국내 독점 파트너기도 하다.

https://n.news.naver.com/article/001/0015270572?sid=105

인공지능(AI) 스타트업 퀀텀에어로 주식회사는 ST캐피탈, 오픈워터엔젤스 및 전략적 투자자(SI) 2곳으로부터 초기 투자 37억원을 유치했다고 18일 밝혔다. 퀀텀에어로는 AI 드론 등을 수입하고 있으며 미국 전투 무인기 제작업체 '쉴드 AI' 국내 독점 파트너기도 하다. https://n.news.naver.com/article/001/0015270572?sid=105

n.news.naver.com

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?

[이 기사에 나온 스타트업에 대한 보다 다양한 기업정보는 유니콘팩토리 빅데이터 플랫폼 '데이터랩'에서 볼 수 있습니다.] 스타트업을 창업해 성공한 뒤 후배 스타트업 육성에 집중하던 벤처투자업계 수장들이 잇따라 재창업에 나서고 있다. 업계에선 이들의 과거 창업 경력에 투자자로서의 경험과 노하우가 더해지면서 어떤 성과를 낼 지 주목하는 모습이다. ━류중희, 로...

다시 창업전선 뛰어든 AC 대표들...류중희·호창성, 창업 도전 - 머니투데이

지난해 법인을 설립한 리얼월드 대표는 현재 안지윤 전 퓨처플레이 최고전략책임자(CSO)가 대표를 맡고 류 대표는 아직 이름을 올리지 않은 상태다. 업계에선 조만간 합류해 기업을 이끌어갈 것으로 보고 있다.

리얼월드 홈페이지에는 '현실 세계에서 작동하는 AI(인공지능)모델 개발'이라고만 소개돼 있다. 업계에선 로봇 관련 스타트업이 될 것으로 보고 있다.

호창성 더벤처스 공동창업자도 최근 스타트업 '일레븐플러스'를 창업했다. 전세계 축구 팬들을 대상으로 하는 커뮤니티 플랫폼이다. AI를 통해 사용언어 등에 관계없이 팬들 간 유대감을 형성할 수 있도록 한 것이 특징이다

https://m.mt.co.kr/renew/view.html?no=2025031714521639827

지난해 법인을 설립한 리얼월드 대표는 현재 안지윤 전 퓨처플레이 최고전략책임자(CSO)가 대표를 맡고 류 대표는 아직 이름을 올리지 않은 상태다. 업계에선 조만간 합류해 기업을 이끌어갈 것으로 보고 있다. 리얼월드 홈페이지에는 '현실 세계에서 작동하는 AI(인공지능)모델 개발'이라고만 소개돼 있다. 업계에선 로봇 관련 스타트업이 될 것으로 보고 있다. 호창성 더벤처스 공동창업자도 최근 스타트업 '일레븐플러스'를 창업했다. 전세계 축구 팬들을 대상으로 하는 커뮤니티 플랫폼이다. AI를 통해 사용언어 등에 관계없이 팬들 간 유대감을 형성할 수 있도록 한 것이 특징이다 https://m.mt.co.kr/renew/view.html?no=2025031714521639827

머니투데이

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

단독 F&F, 사전동의권 대신 테일러메이드 우선매수권 행사로 선회 우군 후보로 LVMH·메리츠 등 거론 

[단독] F&F, 사전동의권 대신 테일러메이드 ‘우선매수권’ 행사로 선회… 우군 후보로 LVMH·메리츠 등 거론 

센트로이드가 테일러메이드의 몸값으로 약 5조원을 기대하고 있는 만큼, F&F는 최소 3조원대에서 최대 5조원을 조달하는 방안까지 고려 중인 것으로 전해진다.

F&F는 만약 매각가가 3조원대로 정해진다면 인수금융만 조달해서 경영권을 인수하는 게 가능하다고 보는 것으로 알려졌다. 실제로 다수의 금융사와 접촉했으며, 메리츠증권 등이 관심을 보였다고 한다.

https://biz.chosun.com/stock/market_trend/2025/03/19/KP67JP73ZZGI3K56NQXXQQNORM/?utm_source=naver&utm_medium=original&utm_campaign=biz

센트로이드가 테일러메이드의 몸값으로 약 5조원을 기대하고 있는 만큼, F&amp;F는 최소 3조원대에서 최대 5조원을 조달하는 방안까지 고려 중인 것으로 전해진다. F&amp;F는 만약 매각가가 3조원대로 정해진다면 인수금융만 조달해서 경영권을 인수하는 게 가능하다고 보는 것으로 알려졌다. 실제로 다수의 금융사와 접촉했으며, 메리츠증권 등이 관심을 보였다고 한다. https://biz.chosun.com/stock/market_trend/2025/03/19/KP67JP73ZZGI3K56NQXXQQNORM/?utm_source=naver&amp;utm_medium=original&amp;utm_campaign=biz

조선비즈

﻿
회사 내부에 채용 업무를 전담하는 담당자와 팀이 없거나 채용해야 하는 포지션이 너무 많거나 채용해야 하는 포지션을 감당할 여력이 없을 때, 회사는 이와 같은 고민을 해결해 줄 전문가를 찾게 됩니다. 채용 업무 관련 전문가 집단을 찾을 때 가장 먼저 떠오르는 사람이 바로 헤드헌터입니다.

헤드헌터는 회사가 필요로 하는 사람을 대신 찾아 줍니다. 그리고 회사의 채용 전형에 인재를 태워 줍니다. 또 인재를 설득해야 하는 순간에 적극적으로 대화를 나눠 줍니다. 헤드헌터는 채용 업무에 있어서 회사가 해야 할 일을 대신해 주는 역할입니다.

회사가 해야 할 역할을 대신하고 역할에 대한 보수를 받습니다. 어떻게 보면 채용 전문가를 고용하는 것이 헤드헌터에게 인재 영입 과제를 의뢰하는 일이라고 생각합니다. 한 명의 인재를 영입하는 일이 하나의 프로젝트가 되고, 인재를 채용하는 것으로 프로젝트가 완수되면 해당 프로젝트에 대한 비용 정산을 하는 시스템입니다.

헤드헌터는 회사 입장에서 완벽한 아군은 아닙니다. 헤드헌터는 프로젝트 성사 여부가 수익과 직결되기 때문입니다. 훌륭한 인재를 소개하는 것만으로 보수를 받지 못하고, 인재가 채용 전형을 모두 통과하여 입사했을 때 프로젝트 수행에 대한 보수를 받을 수 있습니다. 따라서 프로젝트 성사를 위해 헤드헌터는 회사를 설득하기도 합니다.

헤드헌터는 자신이 회사에 추천한 인재에게 정보를 제공합니다. 채용 전형을 통과하는 데 도움이 되는 회사와 관련된 정보, 이와 같은 정보를 이력서와 면접에서 유리하게 풀어낼 노하우 등 헤드헌터는 자신이 회사에 추천한 인재를 적극적으로 돕습니다. 단지 프로젝트 성사로 수익을 얻기 위한 행동은 아닐 것입니다. 인재라고 판단한 사람과 인재를 영입하기 원하는 회사가 서로 궁합이 잘 맞을 것으로 생각하여 둘이 행복한 성장을 만들면 좋겠다는 마음이 있다고 믿습니다.

인재 영입이 어렵듯이, 위와 같은 진정성을 가진 헤드헌터를 만나는 일도 쉽지 않습니다. 채용 직무를 이해하고, 회사의 비즈니스 모델과 기존 구성원의 특성까지 파악하여 인재를 추천하는 헤드헌터를 만나는 확률이 높지 않습니다. 그래서 채용 채널에 대한 데이터를 분석해 보면 헤드헌터 추천으로 영입된 인재 비중이 매우 낮습니다. 물론 예산에 대한 한계와 절약 차원에서 적극적으로 헤드헌터를 고용하지 않거나 헤드헌터 추천 인재를 더 팍팍하게 검증하는 신중하게 의사결정하는 배경도 작용합니다.

돈이라는 제약 조건을 떼고 보더라도 헤드헌터가 진짜 회사를 위하여 적합한 인재를 추천한다는 느낌을 받는 것이 중요합니다. 진심은 마음을 갖고 있는 것만으로 표현되지 않습니다. 진심은 노력으로 나타나는 것입니다. 예를 들면, 회사가 노출한 채용 공고 내용을 보고 이해를 하기 위해 노력해야 합니다. 눈에 보이는 내용뿐만 아니라 채용 공고에 노출하지 않은 회사의 요구를 파악해야 합니다. 궁예의 관심법을 동원하는 것이 아니라 채용 공고를 작성하고 노출한 회사 내부 구성원과 대화를 통해 숨은 요구를 확인해야 합니다.

인재에 대해서도 검증이 필요합니다. 이력서만 보고 채용 공고에서 요구하는 자격 요건에 얼추 부합하니 회사에 추천하는 것이 아니라 인재와 대화를 통해 역량과 경험을 확인해 보아야 합니다. 이력서에 텍스트로 나열된 내용이 실제 어떤 경험이었는지, 경험을 통해 어떤 역량을 획득하게 되었는지 알고 회사에 필요한 인재인지 판단하여 추천해야 합니다.

인재와 기업을 연결하는 비즈니스는 위와 같이 양면을 모두 깊이 이해해야 하는 과제를 수행하는 일입니다. 인재의 이력서와 기업의 채용 공고를 기술적으로 연결하는 것으로 채용 성사가 잘 일어나지 않는 이유가 여기에 있습니다. 눈에 보이지 않는 양면의 숨은 요구가 있기 때문입니다. 텍스트로 설명이 되지 않는 경험과 역량이 있기 때문입니다. 만나서 대화를 통해 이야기 들었을 때, 비로소 이해가 되는 영역이 있습니다. 만나서 느낌을 전달받았을 때, 비로소 공감이 되는 영역이 있습니다.

눈에 보이지 않는 경험과 역량을 선명하게 만들고, 만나야 비로소 이해하고 공감하게 되는 것을 편리한 논리구조로 만들 수 있다면 인재와 기업을 연결하는 비즈니스가 양면에 획기적인 변혁을 제공할 수 있다고 믿습니다.

﻿회사 내부에 채용 업무를 전담하는 담당자와 팀이 없거나 채용해야 하는 포지션이 너무 많거나 채용해야 하는 포지션을 감당할 여력이 없을 때, 회사는 이와 같은 고민을 해결해 줄 전문가를 찾게 됩니다. 채용 업무 관련 전문가 집단을 찾을 때 가장 먼저 떠오르는 사람이 바로 헤드헌터입니다. 헤드헌터는 회사가 필요로 하는 사람을 대신 찾아 줍니다. 그리고 회사의 채용 전형에 인재를 태워 줍니다. 또 인재를 설득해야 하는 순간에 적극적으로 대화를 나눠 줍니다. 헤드헌터는 채용 업무에 있어서 회사가 해야 할 일을 대신해 주는 역할입니다. 회사가 해야 할 역할을 대신하고 역할에 대한 보수를 받습니다. 어떻게 보면 채용 전문가를 고용하는 것이 헤드헌터에게 인재 영입 과제를 의뢰하는 일이라고 생각합니다. 한 명의 인재를 영입하는 일이 하나의 프로젝트가 되고, 인재를 채용하는 것으로 프로젝트가 완수되면 해당 프로젝트에 대한 비용 정산을 하는 시스템입니다. 헤드헌터는 회사 입장에서 완벽한 아군은 아닙니다. 헤드헌터는 프로젝트 성사 여부가 수익과 직결되기 때문입니다. 훌륭한 인재를 소개하는 것만으로 보수를 받지 못하고, 인재가 채용 전형을 모두 통과하여 입사했을 때 프로젝트 수행에 대한 보수를 받을 수 있습니다. 따라서 프로젝트 성사를 위해 헤드헌터는 회사를 설득하기도 합니다. 헤드헌터는 자신이 회사에 추천한 인재에게 정보를 제공합니다. 채용 전형을 통과하는 데 도움이 되는 회사와 관련된 정보, 이와 같은 정보를 이력서와 면접에서 유리하게 풀어낼 노하우 등 헤드헌터는 자신이 회사에 추천한 인재를 적극적으로 돕습니다. 단지 프로젝트 성사로 수익을 얻기 위한 행동은 아닐 것입니다. 인재라고 판단한 사람과 인재를 영입하기 원하는 회사가 서로 궁합이 잘 맞을 것으로 생각하여 둘이 행복한 성장을 만들면 좋겠다는 마음이 있다고 믿습니다. 인재 영입이 어렵듯이, 위와 같은 진정성을 가진 헤드헌터를 만나는 일도 쉽지 않습니다. 채용 직무를 이해하고, 회사의 비즈니스 모델과 기존 구성원의 특성까지 파악하여 인재를 추천하는 헤드헌터를 만나는 확률이 높지 않습니다. 그래서 채용 채널에 대한 데이터를 분석해 보면 헤드헌터 추천으로 영입된 인재 비중이 매우 낮습니다. 물론 예산에 대한 한계와 절약 차원에서 적극적으로 헤드헌터를 고용하지 않거나 헤드헌터 추천 인재를 더 팍팍하게 검증하는 신중하게 의사결정하는 배경도 작용합니다. 돈이라는 제약 조건을 떼고 보더라도 헤드헌터가 진짜 회사를 위하여 적합한 인재를 추천한다는 느낌을 받는 것이 중요합니다. 진심은 마음을 갖고 있는 것만으로 표현되지 않습니다. 진심은 노력으로 나타나는 것입니다. 예를 들면, 회사가 노출한 채용 공고 내용을 보고 이해를 하기 위해 노력해야 합니다. 눈에 보이는 내용뿐만 아니라 채용 공고에 노출하지 않은 회사의 요구를 파악해야 합니다. 궁예의 관심법을 동원하는 것이 아니라 채용 공고를 작성하고 노출한 회사 내부 구성원과 대화를 통해 숨은 요구를 확인해야 합니다. 인재에 대해서도 검증이 필요합니다. 이력서만 보고 채용 공고에서 요구하는 자격 요건에 얼추 부합하니 회사에 추천하는 것이 아니라 인재와 대화를 통해 역량과 경험을 확인해 보아야 합니다. 이력서에 텍스트로 나열된 내용이 실제 어떤 경험이었는지, 경험을 통해 어떤 역량을 획득하게 되었는지 알고 회사에 필요한 인재인지 판단하여 추천해야 합니다. 인재와 기업을 연결하는 비즈니스는 위와 같이 양면을 모두 깊이 이해해야 하는 과제를 수행하는 일입니다. 인재의 이력서와 기업의 채용 공고를 기술적으로 연결하는 것으로 채용 성사가 잘 일어나지 않는 이유가 여기에 있습니다. 눈에 보이지 않는 양면의 숨은 요구가 있기 때문입니다. 텍스트로 설명이 되지 않는 경험과 역량이 있기 때문입니다. 만나서 대화를 통해 이야기 들었을 때, 비로소 이해가 되는 영역이 있습니다. 만나서 느낌을 전달받았을 때, 비로소 공감이 되는 영역이 있습니다. 눈에 보이지 않는 경험과 역량을 선명하게 만들고, 만나야 비로소 이해하고 공감하게 되는 것을 편리한 논리구조로 만들 수 있다면 인재와 기업을 연결하는 비즈니스가 양면에 획기적인 변혁을 제공할 수 있다고 믿습니다.﻿

헤드헌터

`대화지능` 저자·커뮤니케이션 대가 `글레이저`성과 얻고 싶다면 직원의 마음을먼저 돌봐줘야

[매경 MBA] 직원에 문제있다고?…리더의 대화지능 높여라 - 매일경제

불안과 두려움은 왜 신뢰와 협력을 방해하는 것일까? 세계적인 커뮤니케이션 전문가이며 <대화지능>의 저자인 주디스 E 글레이저 Creating We Institute 회장은 우리의 뇌가 그렇게 생겨먹었기 때문이라고 설명한다.

fMRI로 뇌를 스캔하면, 신뢰는 주로 전전두엽피질이, 불신은 주로 편도체가 관장한다. 편도체는 진화과정에서 아주 오래전에 형성된 원시 뇌에 속한다. 반면 전전두엽피질은 상대적으로 최근에 만들어졌다.

인간이 두려움, 불안, 위협을 느끼면 편도체가 활성화된다. 그러면 신뢰를 관장하는 전전두엽피질이 닫혀 버린다. 그래서 상대방을 믿지 못하게 된다.

많은 직원들이 리더와 대화할 때 불안과 두려움을 느낀다. 두뇌 속 편도체가 활성화되고 전전두엽피질은 닫힌다. 결국 리더가 바라는 대로 행동하지 않게 된다.

이런 직원들 앞에서 리더는 말하기(tell)-또 말하기(sell)-고함치기(yell) 신드롬에 빠지게 된다. 직원에게 자신의 생각을 말하고 또 말하지만, 효과가 없자 고함을 지르게 된다는 뜻이다.

1️⃣인간의 뇌는 타인을 만나면 그가 적인지 친구인지부터 판단하나?
🔸우리 뇌는 상대가 믿을 만한 사람인지, 아니면 믿지 못할 사람인지부터 판단한다. 먼저 원시 뇌가 판단의 근거가 되는 신호를 감지한다. 그리고 그 신호를 뇌의 다른 부분에 전달한다. 0.07초면 상대가 적인지, 친구인지 판단할 수 있다. 자동적, 무의식적으로 그렇게 된다.

2️⃣못 믿을 사람이라고 판단하면 편도체가 활성화되나?
🔸그렇다. 적이냐, 친구냐는 판단은 믿을 수 없을 만큼 강력하고 빠르다. 못 믿을 사람이라고 판단되면 편도체를 비롯한 뇌에서 두려움을 관장하는 네트워크가 활성화된다. 달아나거나 싸우거나 죽은 척하라고 몸에 지시한다. 자신을 지키는 데 집중하는 것이다.

3️⃣그 순간 전전두엽피질 등 뇌의 신뢰 네트워크가 활성화될 순 없나?
🔸편도체와 전전두엽피질은 노예와 주인의 관계다. 한쪽이 주인이 되면 다른 쪽은 노예가 된다. 우리가 두려움을 느끼면 편도체가 우리 뇌의 주인이 된다. 뇌의 다른 영역은 그에 복종하게 된다. 반대로 뇌의 신뢰 네트워크가 활성화되면 원시 뇌가 그에 복종한다. 인간의 뇌는 오랫동안 그렇게 진화해 왔다.

4️⃣대화에 레벨 1, 레벨 2, 레벨 3가 있나?
🔸레벨 1은 정보와 데이터를 교환하는 수준의 대화다(보스가 직원에게 ‘보고서 지시대로 만들었니?’ 묻는 질문은 레벨 1이다).

이런 대화는 자기중심적이다. 내가 아는 것, 옳다고 믿는 것을 확인하려는 욕구에서 출발하기 때문이다. 이런 욕구가 충족되면 편안함을 느낀다 (예; 보스가 자신이 믿는 바를 부하에게 말하고, 부하가 이를 이행하면 편안함을 느낀다).

그러나 우리는 종종 상대가 나와 생각이 다르다는 것을 발견하게 된다. 그러면 내가 왜 옳은지를 설명해 상대방을 설득하려 든다. 리더가 부하를 설득하는 대화는 레벨 2다.

레벨 3는 상대방과 함께 무엇인가를 공유하고 새로운 것을 발견하고자 하는 대화다. 상대를 신뢰하고 상대의 의견에 열려 있다. 상대를 설복해 이기는 게 목표가 아니다. 파트너로서 함께 미래를 만들어가는 게 중요하다.

5️⃣자세히 설명해달라.
🔸자크 나세르는 2000년 포드의 CEO가 됐다. 그는 톱다운 방식의 계층제 조직을 바꾸고 싶어했다. 처음에는 좋았다. 전국을 돌며 타운홀 미팅을 열고 직원과 대화했다. 모든 직원들에게 조직 변화에 동참할 것을 요청했다.

그러나 직원들은 나세르가 바라는 만큼 행동하지 않았다. 그는 실망했다. 이윽고 그는 이른바 말하기(tell)-또 말하기(sell)-고함치기(yell) 신드롬에 빠졌다. 결국 CEO에서 물러나야 했다.

이런 신드롬은 레벨1에서 흔히 나타난다. 내가 원하는 것을 상대방에게 말하는 건 레벨1 대화이다. 그런데 상대방이 자기 말대로 하지 않으면 어떤 리더들은 고함을 친다. 이러면 직원은 두려움을 느낀다. 두뇌 속 편도체가 활성화되고 신뢰 네트워크는 닫힌다.

6️⃣레벨2 대화에서 나타나는 현상은?
🔸자신의 옮음에 중독되는 신드롬이다. 우리 뇌는 옮음에 중독되기 쉽다. 자신이 옳다는 게 입증되면 몸에서 도파민이 나오고 쾌감을 느낀다. 문제는 도파민은 중독성이 강하다는 것.

그래서 우리 뇌는 마치 중독된 것처럼 자신의 옮음을 계속 갈망하게 된다. 이 신드롬에 빠지면 타인에게 귀를 기울이지 않는다. 그저 자신의 옮음을 관철시켜 승리하는 데 초점을 맞춘다. 상대를 적으로 인식하게 되고 두뇌 속 편도체가 활성화된다.

7️⃣뇌에서 두려움의 네트워크가 활성화되지 않도록 막는 최고의 항생제는?
🔸누군가 나를 믿고 공감하며 지원한다고 생각해보라. 이것은 그가 나를 돌보고 있다는 신호다. 이 신호를 받으면 우리 몸에 옥시토신(oxytocin) 호르몬이 분비된다. 호르몬 작용으로 우리는 연대감을 느끼게 된다. 이런 기분이 들면 두려움은 줄어든다. 안전함을 느낀다.

8️⃣레벨3 대화만이 직원들을 긍정적인 방향으로 변화시킬 수 있다고 믿나?
🔸그렇다. 대화 중에 에너지가 어떻게 창조되고 사라지는지를 40년간 연구했다. 레벨 1-2의 대화는 에너지를 소모한다. 내 의견을 입증하고 지키려면 에너지를 쓸 수밖에 없다. 그러나 레벨3 대화는 다르다. 대화 상대 양쪽 모두에게 힘을 부여한다. 에너지를 창조하고 서로를 긍정적인 방향으로 변화시킨다.

9️⃣성과가 낮은 직원에게도 신뢰, 공감, 지원을 보내야 하나?
🔸직원 성과가 리더 기대에 미치지 못하는 갭(gap)은 언제나 있다. 이때 리더에게는 용기(candor)와 돌봄(caring) 두 가지가 모두 필요하다. 그 같은 갭을 내버려두거나 없는 척하는 것은 용기 없는 행위다. 우리 모두를 기만하는 것이다. 보스와 직원 간의 관계를 악화시킬 뿐이다.

동시에 리더는 직원을 돌봐야 한다. 리더가 자신을 돌보고 있다는 것을 직원이 느끼게 해야 한다. 그래야만 직원의 발전을 위해 무엇이 필요한지 효과적으로 대화할 수 있다.

그리고 그에 앞서 리더는 성과가 낮은 직원에 대한 자신의 좌절감을 다스리는 방법부터 배워야 한다. 화를 내거나 소리를 질러서는 안 된다.

불안과 두려움은 왜 신뢰와 협력을 방해하는 것일까? 세계적인 커뮤니케이션 전문가이며 &lt;대화지능&gt;의 저자인 주디스 E 글레이저 Creating We Institute 회장은 우리의 뇌가 그렇게 생겨먹었기 때문이라고 설명한다. fMRI로 뇌를 스캔하면, 신뢰는 주로 전전두엽피질이, 불신은 주로 편도체가 관장한다. 편도체는 진화과정에서 아주 오래전에 형성된 원시 뇌에 속한다. 반면 전전두엽피질은 상대적으로 최근에 만들어졌다. 인간이 두려움, 불안, 위협을 느끼면 편도체가 활성화된다. 그러면 신뢰를 관장하는 전전두엽피질이 닫혀 버린다. 그래서 상대방을 믿지 못하게 된다. 많은 직원들이 리더와 대화할 때 불안과 두려움을 느낀다. 두뇌 속 편도체가 활성화되고 전전두엽피질은 닫힌다. 결국 리더가 바라는 대로 행동하지 않게 된다. 이런 직원들 앞에서 리더는 말하기(tell)-또 말하기(sell)-고함치기(yell) 신드롬에 빠지게 된다. 직원에게 자신의 생각을 말하고 또 말하지만, 효과가 없자 고함을 지르게 된다는 뜻이다. 1️⃣인간의 뇌는 타인을 만나면 그가 적인지 친구인지부터 판단하나?🔸우리 뇌는 상대가 믿을 만한 사람인지, 아니면 믿지 못할 사람인지부터 판단한다. 먼저 원시 뇌가 판단의 근거가 되는 신호를 감지한다. 그리고 그 신호를 뇌의 다른 부분에 전달한다. 0.07초면 상대가 적인지, 친구인지 판단할 수 있다. 자동적, 무의식적으로 그렇게 된다. 2️⃣못 믿을 사람이라고 판단하면 편도체가 활성화되나?🔸그렇다. 적이냐, 친구냐는 판단은 믿을 수 없을 만큼 강력하고 빠르다. 못 믿을 사람이라고 판단되면 편도체를 비롯한 뇌에서 두려움을 관장하는 네트워크가 활성화된다. 달아나거나 싸우거나 죽은 척하라고 몸에 지시한다. 자신을 지키는 데 집중하는 것이다. 3️⃣그 순간 전전두엽피질 등 뇌의 신뢰 네트워크가 활성화될 순 없나?🔸편도체와 전전두엽피질은 노예와 주인의 관계다. 한쪽이 주인이 되면 다른 쪽은 노예가 된다. 우리가 두려움을 느끼면 편도체가 우리 뇌의 주인이 된다. 뇌의 다른 영역은 그에 복종하게 된다. 반대로 뇌의 신뢰 네트워크가 활성화되면 원시 뇌가 그에 복종한다. 인간의 뇌는 오랫동안 그렇게 진화해 왔다. 4️⃣대화에 레벨 1, 레벨 2, 레벨 3가 있나?🔸레벨 1은 정보와 데이터를 교환하는 수준의 대화다(보스가 직원에게 ‘보고서 지시대로 만들었니?’ 묻는 질문은 레벨 1이다). 이런 대화는 자기중심적이다. 내가 아는 것, 옳다고 믿는 것을 확인하려는 욕구에서 출발하기 때문이다. 이런 욕구가 충족되면 편안함을 느낀다 (예; 보스가 자신이 믿는 바를 부하에게 말하고, 부하가 이를 이행하면 편안함을 느낀다). 그러나 우리는 종종 상대가 나와 생각이 다르다는 것을 발견하게 된다. 그러면 내가 왜 옳은지를 설명해 상대방을 설득하려 든다. 리더가 부하를 설득하는 대화는 레벨 2다. 레벨 3는 상대방과 함께 무엇인가를 공유하고 새로운 것을 발견하고자 하는 대화다. 상대를 신뢰하고 상대의 의견에 열려 있다. 상대를 설복해 이기는 게 목표가 아니다. 파트너로서 함께 미래를 만들어가는 게 중요하다. 5️⃣자세히 설명해달라.🔸자크 나세르는 2000년 포드의 CEO가 됐다. 그는 톱다운 방식의 계층제 조직을 바꾸고 싶어했다. 처음에는 좋았다. 전국을 돌며 타운홀 미팅을 열고 직원과 대화했다. 모든 직원들에게 조직 변화에 동참할 것을 요청했다. 그러나 직원들은 나세르가 바라는 만큼 행동하지 않았다. 그는 실망했다. 이윽고 그는 이른바 말하기(tell)-또 말하기(sell)-고함치기(yell) 신드롬에 빠졌다. 결국 CEO에서 물러나야 했다. 이런 신드롬은 레벨1에서 흔히 나타난다. 내가 원하는 것을 상대방에게 말하는 건 레벨1 대화이다. 그런데 상대방이 자기 말대로 하지 않으면 어떤 리더들은 고함을 친다. 이러면 직원은 두려움을 느낀다. 두뇌 속 편도체가 활성화되고 신뢰 네트워크는 닫힌다. 6️⃣레벨2 대화에서 나타나는 현상은?🔸자신의 옮음에 중독되는 신드롬이다. 우리 뇌는 옮음에 중독되기 쉽다. 자신이 옳다는 게 입증되면 몸에서 도파민이 나오고 쾌감을 느낀다. 문제는 도파민은 중독성이 강하다는 것. 그래서 우리 뇌는 마치 중독된 것처럼 자신의 옮음을 계속 갈망하게 된다. 이 신드롬에 빠지면 타인에게 귀를 기울이지 않는다. 그저 자신의 옮음을 관철시켜 승리하는 데 초점을 맞춘다. 상대를 적으로 인식하게 되고 두뇌 속 편도체가 활성화된다. 7️⃣뇌에서 두려움의 네트워크가 활성화되지 않도록 막는 최고의 항생제는?🔸누군가 나를 믿고 공감하며 지원한다고 생각해보라. 이것은 그가 나를 돌보고 있다는 신호다. 이 신호를 받으면 우리 몸에 옥시토신(oxytocin) 호르몬이 분비된다. 호르몬 작용으로 우리는 연대감을 느끼게 된다. 이런 기분이 들면 두려움은 줄어든다. 안전함을 느낀다. 8️⃣레벨3 대화만이 직원들을 긍정적인 방향으로 변화시킬 수 있다고 믿나?🔸그렇다. 대화 중에 에너지가 어떻게 창조되고 사라지는지를 40년간 연구했다. 레벨 1-2의 대화는 에너지를 소모한다. 내 의견을 입증하고 지키려면 에너지를 쓸 수밖에 없다. 그러나 레벨3 대화는 다르다. 대화 상대 양쪽 모두에게 힘을 부여한다. 에너지를 창조하고 서로를 긍정적인 방향으로 변화시킨다. 9️⃣성과가 낮은 직원에게도 신뢰, 공감, 지원을 보내야 하나?🔸직원 성과가 리더 기대에 미치지 못하는 갭(gap)은 언제나 있다. 이때 리더에게는 용기(candor)와 돌봄(caring) 두 가지가 모두 필요하다. 그 같은 갭을 내버려두거나 없는 척하는 것은 용기 없는 행위다. 우리 모두를 기만하는 것이다. 보스와 직원 간의 관계를 악화시킬 뿐이다. 동시에 리더는 직원을 돌봐야 한다. 리더가 자신을 돌보고 있다는 것을 직원이 느끼게 해야 한다. 그래야만 직원의 발전을 위해 무엇이 필요한지 효과적으로 대화할 수 있다. 그리고 그에 앞서 리더는 성과가 낮은 직원에 대한 자신의 좌절감을 다스리는 방법부터 배워야 한다. 화를 내거나 소리를 질러서는 안 된다.

매일경제

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

thebell Free

한국투자파트너스는 지난해 27개 글로벌 기업에 총 1045억원을 투자했다. 특히 앤트로픽을 비롯해 주로 AI 관련 기업에 투자했다. 회사는 지난해 5월 팩토리얼 그로스 III LTD를 통해 xAI에 108억원을 투자했다. xAI는 2023년 일론 머스크가 설립한 거대언어모델(LLM) 개발 스타트업이다. 지난해 12월 xAI는 60억달러(약 8조7000억원) 규모 시리즈C 투자를 유치했다. 기업가치는 500억달러(약 72조6800억원)로 6개월 새 2배가 뛰었다.

https://m.thebell.co.kr/m/newsview.asp?svccode=00&newskey=202503120756260340103271&page=3&sort=FREE_DTM&searchtxt=

한국투자파트너스는 지난해 27개 글로벌 기업에 총 1045억원을 투자했다. 특히 앤트로픽을 비롯해 주로 AI 관련 기업에 투자했다. 회사는 지난해 5월 팩토리얼 그로스 III LTD를 통해 xAI에 108억원을 투자했다. xAI는 2023년 일론 머스크가 설립한 거대언어모델(LLM) 개발 스타트업이다. 지난해 12월 xAI는 60억달러(약 8조7000억원) 규모 시리즈C 투자를 유치했다. 기업가치는 500억달러(약 72조6800억원)로 6개월 새 2배가 뛰었다. https://m.thebell.co.kr/m/newsview.asp?svccode=00&amp;newskey=202503120756260340103271&amp;page=3&amp;sort=FREE_DTM&amp;searchtxt=

m.thebell.co.kr

플랫폼 운영 방식 최적화·크리에이터 지원 다각화 올해 'AI 기반 맞춤형 강의 추천 서비스' 도입 예정

클래스101, 작년 영업이익 39억…창립이래 첫 연간흑자

클래스101은 지난해 영업이익 39억원, 순이익 18억원을 기록했다고 17일 밝혔다. 이는 전년도와 비교해 각각 270억원, 273억원이 개선된 결과다.

클래스101은 크리에이터들의 지속적인 성장과 수익 창출 견인을 위해 플랫폼 운영 방식을 최적화했다. 지난해 8월 크리에이터 홈 기능을 시범 운영해 강의 개설부터 클래스메이트(구독자)와의 소통, 굿즈 판매까지 원스톱으로 제공하는 환경을 구축하는 등 크리에이터의 운영 부담을 줄이고 수익 모델을 다각화하는 데 집중했다.

https://mobile.newsis.com/view/NISX20250317_0003100980

클래스101은 지난해 영업이익 39억원, 순이익 18억원을 기록했다고 17일 밝혔다. 이는 전년도와 비교해 각각 270억원, 273억원이 개선된 결과다. 클래스101은 크리에이터들의 지속적인 성장과 수익 창출 견인을 위해 플랫폼 운영 방식을 최적화했다. 지난해 8월 크리에이터 홈 기능을 시범 운영해 강의 개설부터 클래스메이트(구독자)와의 소통, 굿즈 판매까지 원스톱으로 제공하는 환경을 구축하는 등 크리에이터의 운영 부담을 줄이고 수익 모델을 다각화하는 데 집중했다. https://mobile.newsis.com/view/NISX20250317_0003100980

뉴시스

패션브랜드 ‘시티브리즈’ 운영 2026년 코넥스시장 상장 목표 BNK벤처·캡스톤 등 투자 확정 이 기사는 2025년 3월 9일 10시 29분 조선비즈 머니무브(MM) 사이트에 표출됐습니다. 일명 ‘링클프리’ 셔츠로 

K패션 메가 브랜드 잇는다… 이스트엔드, 130억원 규모 투자유치 추진

이스트엔드는 다양한 디자인의 옷을 소량 생산하는 방식을 채택, 시티브리즈 외에 ‘아티드’라는 자체 브랜드도 갖췄다. 지난해 시티브리즈만으로 230억원 매출을 냈다. 전체 매출은 301억원으로 전년(198억원) 대비 52% 증가했다.

이스트엔드는 프리IPO 투자금을 활용해 본격적인 해외 진출에 나선다는 방침이다. 일본 현지 법인 및 물류 인프라 구축도 예정했다. 연내 중국과 대만 진출도 정했다. 해외 진출로 외형을 확장, 내년 코넥스시장에 상장한다는 목표다.

https://n.news.naver.com/article/366/0001059632?sid=101

이스트엔드는 다양한 디자인의 옷을 소량 생산하는 방식을 채택, 시티브리즈 외에 ‘아티드’라는 자체 브랜드도 갖췄다. 지난해 시티브리즈만으로 230억원 매출을 냈다. 전체 매출은 301억원으로 전년(198억원) 대비 52% 증가했다. 이스트엔드는 프리IPO 투자금을 활용해 본격적인 해외 진출에 나선다는 방침이다. 일본 현지 법인 및 물류 인프라 구축도 예정했다. 연내 중국과 대만 진출도 정했다. 해외 진출로 외형을 확장, 내년 코넥스시장에 상장한다는 목표다. https://n.news.naver.com/article/366/0001059632?sid=101

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 모집!] 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]

신한투자증권 대상 제3자 배정 방식 신주 발행 라이더 등 인프라 확대·테크 역량 강화

부릉, 300억원 규모 투자 유치…배달 대행 시장 경쟁력 강화 - 매일경제

배달대행 플랫폼 부릉이 신한투자증권으로부터 300억 원 규모의 투자를 유치했다고 17일 밝혔다.

이번 투자 유치를 통해 부릉은 자금 안정성을 높이는 동시에 배달대행 시장에서의 경쟁력을 한층 강화할 계획이다. 특히 라이더, 크라우드소싱 플랫폼 ‘부릉프렌즈’, 제휴 네트워크 등 인프라를 확충해 증가하는 시장 내 배달 물량과 부릉에 의존하는 기업 고객의 수요에 대응할 예정이다.

https://m.mk.co.kr/news/it/11265420

배달대행 플랫폼 부릉이 신한투자증권으로부터 300억 원 규모의 투자를 유치했다고 17일 밝혔다. 이번 투자 유치를 통해 부릉은 자금 안정성을 높이는 동시에 배달대행 시장에서의 경쟁력을 한층 강화할 계획이다. 특히 라이더, 크라우드소싱 플랫폼 ‘부릉프렌즈’, 제휴 네트워크 등 인프라를 확충해 증가하는 시장 내 배달 물량과 부릉에 의존하는 기업 고객의 수요에 대응할 예정이다. https://m.mk.co.kr/news/it/11265420

개발

오봉석

software engineer 

chan

SNEW 스타트업 뉴스

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

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필