AI 도구를 활용한 코딩이 늘어나면서 팀원들에게서 흥미로운 변화를 목격하고 있습니다.

예전에는 테스트 작성이나 문서 업데이트를 부탁하면 온갖 핑계를 대며 피하던 동료들이, 이제는 누구보다 꼼꼼하게 이런 부분에 신경을 쓰는 거 있죠?

왜일까요?

코딩 에이전트에게 일을 맡기려면 명확한 스펙과 테스트가 필수라는 걸 체감했기 때문입니다. AI가 생성한 코드를 마음 놓고 배포하려면 철저한 검증이 필수이고, 모델에게 충분한 컨텍스트를 제공하려면 정확한 문서화가 중요하다는 것도 깨닫게 된 거죠.

솔직히 저는 이런 현상을 보면서 조금 서운한 마음이 들기도 합니다. 과거에 사람들끼리만 협업할 때도 이렇게 동료를 배려해줬다면 얼마나 좋았을까 싶거든요. 예전에 테스트도 없이 작성한 코드를 리뷰 요청하던 그 자신감은 도대체 다들 어디서 왔었을까 싶고요 ㅎㅎ

뭐, 어찌됐든 결과적으로는 긍정적입니다. 코드 커버리지가 개선되고, 리팩토링과 기능 추가도 훨씬 수월해졌습니다. 예전처럼 유닛 테스트나 문서화의 중요성을 강조하지 않아도 됩니다. 결국 AI가 개발 문화 개선의 촉매제 역할을 하고 있는 셈입니다.

여러분의 개발 팀은 어떠신가요? AI 도입 후 겪은 재미있는 변화가 있다면 공유해주세요!

AI 도구를 활용한 코딩이 늘어나면서 팀원들에게서 흥미로운 변화를 목격하고 있습니다. 예전에는 테스트 작성이나 문서 업데이트를 부탁하면 온갖 핑계를 대며 피하던 동료들이, 이제는 누구보다 꼼꼼하게 이런 부분에 신경을 쓰는 거 있죠? 왜일까요? 코딩 에이전트에게 일을 맡기려면 명확한 스펙과 테스트가 필수라는 걸 체감했기 때문입니다. AI가 생성한 코드를 마음 놓고 배포하려면 철저한 검증이 필수이고, 모델에게 충분한 컨텍스트를 제공하려면 정확한 문서화가 중요하다는 것도 깨닫게 된 거죠. 솔직히 저는 이런 현상을 보면서 조금 서운한 마음이 들기도 합니다. 과거에 사람들끼리만 협업할 때도 이렇게 동료를 배려해줬다면 얼마나 좋았을까 싶거든요. 예전에 테스트도 없이 작성한 코드를 리뷰 요청하던 그 자신감은 도대체 다들 어디서 왔었을까 싶고요 ㅎㅎ 뭐, 어찌됐든 결과적으로는 긍정적입니다. 코드 커버리지가 개선되고, 리팩토링과 기능 추가도 훨씬 수월해졌습니다. 예전처럼 유닛 테스트나 문서화의 중요성을 강조하지 않아도 됩니다. 결국 AI가 개발 문화 개선의 촉매제 역할을 하고 있는 셈입니다. 여러분의 개발 팀은 어떠신가요? AI 도입 후 겪은 재미있는 변화가 있다면 공유해주세요!

AI 덕분에 달라진 동료 개발자들

안녕하세요. 한국 스프링 사용자 모임 (KSUG)에서 큰일꾼으로 활동하고 있는 김석현입니다. 😊

Spring Camp가 끝난 지 3개월이 되어가는 지금, 저는 10월 26일(일)에 있을 Spring AI Meetup을 준비하고 있습니다.

(행사를 기획하고 준비하는 과정이 저에게 즐거운 일일 줄은 몰랐는데, 한국 스프링 사용자 모임의 일꾼단에 지원했던 것이 정말 좋은 선택이었다고 생각합니다.)

Spring AI는 2025년 5월 20일 1.0.0 버전이 정식 릴리스된 지 4개월이 채 안 된 시점에서 스프링 팀과 커뮤니티의 활발한 기여에 힘입어 Streamable HTTP, MCP 관련 통합 및 각 모델별 지원 기능(e.g. Claude Prompt Caching) 등 다양한 개선 사항이 포함된 1.1.0-M1 버전이 (지난 9일) 공개되었습니다.
- https://lnkd.in/gSPx5dVg

이를 보면 Spring AI가 (아직 가야할 길은 남았지만) 빠른 속도로 발전하고 있다는 인상을 받습니다. 이런 흐름에 발맞춰 한국 스프링 사용자 모임에서 Spring AI를 집중적으로 다루는 자리를 마련하면 좋겠다고 생각하였고, 적극적으로 기여하시고 실무에서 사용하고 계신 연사님들을 모시고 실질적인 인사이트를 얻을 수 있는 자리를 마련하기 위해 열심히 준비하고 있습니다.

이번 행사는 선릉에서 진행될 예정이며, 홈페이지가 준비되는 대로 바로 공식 계정을 통해 공유해드리도록 하겠습니다. 

Spring AI Meetup에 많

Spring AI 1.1.0-M1 Available Now | SeokHyeon Kim

Spring AI는 스프링 생태계의 철학을 AI 도메인으로 확장하고자 등장한 프레임워크다. 그동안 AI 개발 도구와 라이브러리는 주로 파이썬 생태계를 중심으로 발전해왔다. 이 때문에 기업 환경에서 널리 쓰이는 자바는, 생성형 AI를 통합하기 위해 각 서비스의 SDK를 직접 사용하거나 원시적인 API 호출에 의존해야 하는 불편함이 있었다. Spring AI는 바로 이 지점에서, 스프링 사용자들이 기존의 친숙한 방식을 그대로 유지하면서 최신 AI 기능을 손쉽게 활용할 수 있도록 다리를 놓아준다.

Spring AI는 생성형 AI 통합의 복잡성을 단순화하고, 자주 사용되는 패턴들을 정립한다. 그 설계 철학의 핵심은 추상화와 이식성으로 보인다. ChatClient 나 VectorStore 같은 표준 인터페이스를 통해 OpenAI, Anthropic 등 각기 다른 LLM 제공자를 동일한 방식으로 다룰 수 있게 하고, 개발자가 특정 벤더의 세부사항에 얽매이지 않고 비즈니스 로직에 집중하도록 돕는다. 나아가, RAG(Retrieval-augmented generation)나 대화 메모리 같은 공통 기능을 Advisor 라는 개념으로 모듈화하여 횡단 관심사를 깔끔하게 처리한다.

특히 인상적인 부분은 AI에 익숙하지 않은 개발자를 위한 배려다. Spring AI 공식 문서에는 AI 모델의 작동 원리부터 다양한 모델 유형에 대한 설명까지, AI 입문자를 위한 내용이 충실하게 담겨 있다. 효과적인 프롬프트 작성법, 텍스트의 의미를 벡터로 표현하는 임베딩, 비용과 직결되는 토큰의 개념 등 AI 애플리케이션 개발에 필수적인 기초 지식을 체계적으로 안내한다. 더불어, AI 모델에서 구조화된 출력을 얻는 방법이나 RAG 및 도구 호출(Tool Calling)을 통해 외부 데이터와 기능을 연동하는 고급 기법까지 상세히 다룬다. AI 분야가 낯선 분들이라면 꼭 한번 읽어보길 권하고 싶다.

마침 한국 스프링 사용자 모임에서 Spring AI 밋업을 준비하고 있다. 이번 기회를 통해 많은 분들이 이 새로운 기술에 관심을 갖고 함께 이야기를 나눠보는 자리가 되었으면 한다.


https://www.linkedin.com/posts/seokhyeon-kim-6674501b2_spring-ai-110-m1-available-now-activity-7372620269003345920-glaB?utm_source=social_share_send&utm_medium=member_desktop_web&rcm=ACoAABvezLwBBEWVnGUkIY_xxm2aE3-sGtVHt0g

Spring AI는 스프링 생태계의 철학을 AI 도메인으로 확장하고자 등장한 프레임워크다. 그동안 AI 개발 도구와 라이브러리는 주로 파이썬 생태계를 중심으로 발전해왔다. 이 때문에 기업 환경에서 널리 쓰이는 자바는, 생성형 AI를 통합하기 위해 각 서비스의 SDK를 직접 사용하거나 원시적인 API 호출에 의존해야 하는 불편함이 있었다. Spring AI는 바로 이 지점에서, 스프링 사용자들이 기존의 친숙한 방식을 그대로 유지하면서 최신 AI 기능을 손쉽게 활용할 수 있도록 다리를 놓아준다. Spring AI는 생성형 AI 통합의 복잡성을 단순화하고, 자주 사용되는 패턴들을 정립한다. 그 설계 철학의 핵심은 추상화와 이식성으로 보인다. ChatClient 나 VectorStore 같은 표준 인터페이스를 통해 OpenAI, Anthropic 등 각기 다른 LLM 제공자를 동일한 방식으로 다룰 수 있게 하고, 개발자가 특정 벤더의 세부사항에 얽매이지 않고 비즈니스 로직에 집중하도록 돕는다. 나아가, RAG(Retrieval-augmented generation)나 대화 메모리 같은 공통 기능을 Advisor 라는 개념으로 모듈화하여 횡단 관심사를 깔끔하게 처리한다. 특히 인상적인 부분은 AI에 익숙하지 않은 개발자를 위한 배려다. Spring AI 공식 문서에는 AI 모델의 작동 원리부터 다양한 모델 유형에 대한 설명까지, AI 입문자를 위한 내용이 충실하게 담겨 있다. 효과적인 프롬프트 작성법, 텍스트의 의미를 벡터로 표현하는 임베딩, 비용과 직결되는 토큰의 개념 등 AI 애플리케이션 개발에 필수적인 기초 지식을 체계적으로 안내한다. 더불어, AI 모델에서 구조화된 출력을 얻는 방법이나 RAG 및 도구 호출(Tool Calling)을 통해 외부 데이터와 기능을 연동하는 고급 기법까지 상세히 다룬다. AI 분야가 낯선 분들이라면 꼭 한번 읽어보길 권하고 싶다. 마침 한국 스프링 사용자 모임에서 Spring AI 밋업을 준비하고 있다. 이번 기회를 통해 많은 분들이 이 새로운 기술에 관심을 갖고 함께 이야기를 나눠보는 자리가 되었으면 한다. https://www.linkedin.com/posts/seokhyeon-kim-6674501b2_spring-ai-110-m1-available-now-activity-7372620269003345920-glaB?utm_source=social_share_send&amp;utm_medium=member_desktop_web&amp;rcm=ACoAABvezLwBBEWVnGUkIY_xxm2aE3-sGtVHt0g

kr.linkedin.com

Spring AI는 생성형 AI 통합을 단순화하고 패턴을 정립한다

The Kotlin 2.2.20 release is out! This version delivers important changes for web development and other improvements. Learn more!

Kotlin 2.2.20 Released | The Kotlin Blog

며칠 전, Kotlin 2.2.20이 출시되었다. 여러 개선 사항 중에서도 가장 눈에 띄는 것은, Kotlin/Wasm이 드디어 베타 단계에 접어들었다는 소식이다.

이번 릴리스는 새로운 기능을 추가하기보다, 개발자 경험을 현실적인 수준으로 크게 개선하는 데 중점을 두었다고 한다. 자바스크립트와의 예외 처리 개선, 브라우저에서의 디버깅 지원 강화, npm 의존성 관리 향상 등은 이제 Kotlin/Wasm이 실험 수준을 넘어, 운영에 조심스럽게 고려할 수 있는 시점이 다가온듯 하다.

반년 전쯤 kotlinx.rpc 기술을 소개하는 발표를 준비하며 컴포즈 멀티플랫폼으로 작은 예제를 만들 때, 웹(Web) 타겟을 함께 시도했었다. 하지만 당시 웹 타겟과 Kotlin/Wasm은 알파 단계였고, 알 수 없는 오류에 디버깅이 너무 어려웠다. 여러 제약에 부딪히며 결국 웹 타겟은 아쉬움을 뒤로한 채 포기하고 Desktop, Android, iOS에서 동일하게 동작하는 앱을 만드는 수준에서 마무리지어야 했다.

Kotlin/Wasm의 베타 출시는 결국 컴포즈 멀티플랫폼의 웹 지원이 다음 단계로 나아갈 수 있는 발판이 될 것으로 기대된다. 언젠가 Compose for Web 역시 베타에 들어서면, 접어두었던 예제를 다시 꺼내 완성시켜보고 싶다.

최근 젯브레인의 행보를 보면, 코틀린 언어 자체의 변화 속도는 과거에 비해 다소 느려진 듯한 느낌이다. 하지만 멀티플랫폼이라는 큰 전략 안에서는 매 릴리스마다 의미 있는 전진을 멈추지 않고 있다. Android와 Server-side, Native, JavaScript를 넘어 이제 Wasm까지. 하나의 언어로 다양한 플랫폼을 아우르려는 그들의 담대한 도전이 한 걸음 더 현실에 다가온 것으로 보인다.

앞으로 이 기술을 바탕으로 업계에서 어떤 창의적인 사례들이 등장하게 될지, 꽤나 흥미진진한 마음으로 지켜보려 한다.


https://blog.jetbrains.com/kotlin/2025/09/kotlin-2-2-20-released/

며칠 전, Kotlin 2.2.20이 출시되었다. 여러 개선 사항 중에서도 가장 눈에 띄는 것은, Kotlin/Wasm이 드디어 베타 단계에 접어들었다는 소식이다. 이번 릴리스는 새로운 기능을 추가하기보다, 개발자 경험을 현실적인 수준으로 크게 개선하는 데 중점을 두었다고 한다. 자바스크립트와의 예외 처리 개선, 브라우저에서의 디버깅 지원 강화, npm 의존성 관리 향상 등은 이제 Kotlin/Wasm이 실험 수준을 넘어, 운영에 조심스럽게 고려할 수 있는 시점이 다가온듯 하다. 반년 전쯤 kotlinx.rpc 기술을 소개하는 발표를 준비하며 컴포즈 멀티플랫폼으로 작은 예제를 만들 때, 웹(Web) 타겟을 함께 시도했었다. 하지만 당시 웹 타겟과 Kotlin/Wasm은 알파 단계였고, 알 수 없는 오류에 디버깅이 너무 어려웠다. 여러 제약에 부딪히며 결국 웹 타겟은 아쉬움을 뒤로한 채 포기하고 Desktop, Android, iOS에서 동일하게 동작하는 앱을 만드는 수준에서 마무리지어야 했다. Kotlin/Wasm의 베타 출시는 결국 컴포즈 멀티플랫폼의 웹 지원이 다음 단계로 나아갈 수 있는 발판이 될 것으로 기대된다. 언젠가 Compose for Web 역시 베타에 들어서면, 접어두었던 예제를 다시 꺼내 완성시켜보고 싶다. 최근 젯브레인의 행보를 보면, 코틀린 언어 자체의 변화 속도는 과거에 비해 다소 느려진 듯한 느낌이다. 하지만 멀티플랫폼이라는 큰 전략 안에서는 매 릴리스마다 의미 있는 전진을 멈추지 않고 있다. Android와 Server-side, Native, JavaScript를 넘어 이제 Wasm까지. 하나의 언어로 다양한 플랫폼을 아우르려는 그들의 담대한 도전이 한 걸음 더 현실에 다가온 것으로 보인다. 앞으로 이 기술을 바탕으로 업계에서 어떤 창의적인 사례들이 등장하게 될지, 꽤나 흥미진진한 마음으로 지켜보려 한다. https://blog.jetbrains.com/kotlin/2025/09/kotlin-2-2-20-released/

The JetBrains Blog

베타 단계에 접어든 Kotlin/Wasm

김대리. 내가 감히 조언 하고 싶은것이 있읍니다. 다른것이 아니고, 너무 git rebase? 사용 하지 마세요.

편리함이 있다면, 위험성은 증대하죠. 소를 잡는데는 그만한 칼날이 있고 닭잡는데는 칼이 필요 한가요? 쉬운것이 정답 일수 있읍니다.

변경사항 취합, 정리, 단순한 방법 있어요. 별, 시간도 필요 없고, diff로 patch 파일 만들어서 메일로 보내고 반영하면 tar.gz으로 배포하는 방법도 있죠.

김대리가 전쟁터에 장군이라 가정하죠. 전쟁에서 이겨야 하는것은 당연 한것 아닌가요? 그 상황에 맞는 전략? 지상군으로만 제압한다? 아니죠.

저의 의견은 터미널에서diff로 비교하는게 빠를수 있고, 물론 사람에 차이는 있지만, CVS가 좋을수 있죠. 기트허브는 소잡는 칼 아닌가 해서 의견 드립니다.

—

패러디로 써본건데..써놓고나니 요즘 코딩 AI는 레트로 CLI가 대유행인 시대라 힙하니 좋은데..?! 🤣🤪🤣

김대리. 내가 감히 조언 하고 싶은것이 있읍니다. 다른것이 아니고, 너무 git rebase? 사용 하지 마세요. 편리함이 있다면, 위험성은 증대하죠. 소를 잡는데는 그만한 칼날이 있고 닭잡는데는 칼이 필요 한가요? 쉬운것이 정답 일수 있읍니다. 변경사항 취합, 정리, 단순한 방법 있어요. 별, 시간도 필요 없고, diff로 patch 파일 만들어서 메일로 보내고 반영하면 tar.gz으로 배포하는 방법도 있죠. 김대리가 전쟁터에 장군이라 가정하죠. 전쟁에서 이겨야 하는것은 당연 한것 아닌가요? 그 상황에 맞는 전략? 지상군으로만 제압한다? 아니죠. 저의 의견은 터미널에서diff로 비교하는게 빠를수 있고, 물론 사람에 차이는 있지만, CVS가 좋을수 있죠. 기트허브는 소잡는 칼 아닌가 해서 의견 드립니다. — 패러디로 써본건데..써놓고나니 요즘 코딩 AI는 레트로 CLI가 대유행인 시대라 힙하니 좋은데..?! 🤣🤪🤣

혁신은 한 순간에 만들어지는 것이 아니라 만들면서 발전시키는 것이다.

혁신은 한 순간에 만들어지는 것이 아니라 만들면서 발전시키는 것이다.

Your ability to simplify complex ideas is impressive. I felt like I actually learned something without feeling overwhelmed https://escaperoad2.io


임시로 투표하는 웹 앱 하나를 간단히 만들일이 있는데, 공동창업자분이 바이브 코딩으로 만들어보시겠다고 해서 경험삼아 해보시라고 했다. 그러면서 한 대화.

“그정도는 아마 쉽게 가능할텐데, 이거 한가지는 고려하셔야 할거에요. 😎”

“뭔데요? 🧐”

“중복 투표 문제요. 🤓”

“아, 여러 아미고에 중복으로 투표할 수 있게 해야죠. 🙂”

“아니, 사용자들이 하나의 아미고에 여러번 투표하는 걸 방지하는거요. 😅”

“아.. 오! 생각도 못했네요. 😲”

“이런거 생각하라고 개발자가 있는거죠. 😁”

이런 생각을 하는 것은 지금까지도 중요한 일이었지만, AI가 대부분의 코딩을 해 줄 - 곧 다가올 시대에는 이런 사고를 하는 것이 개발자에게 더욱 중요해 질 역할일 것.

임시로 투표하는 웹 앱 하나를 간단히 만들일이 있는데, 공동창업자분이 바이브 코딩으로 만들어보시겠다고 해서 경험삼아 해보시라고 했다. 그러면서 한 대화. “그정도는 아마 쉽게 가능할텐데, 이거 한가지는 고려하셔야 할거에요. 😎” “뭔데요? 🧐” “중복 투표 문제요. 🤓” “아, 여러 아미고에 중복으로 투표할 수 있게 해야죠. 🙂” “아니, 사용자들이 하나의 아미고에 여러번 투표하는 걸 방지하는거요. 😅” “아.. 오! 생각도 못했네요. 😲” “이런거 생각하라고 개발자가 있는거죠. 😁” 이런 생각을 하는 것은 지금까지도 중요한 일이었지만, AI가 대부분의 코딩을 해 줄 - 곧 다가올 시대에는 이런 사고를 하는 것이 개발자에게 더욱 중요해 질 역할일 것.

조금(?) 과장해서 말하자면 “SNS에서 말만 많고 강의나 하는 사람인 줄 알았는데 진짜 제대로 된 서비스를 개발하고 있는 분이셨네요?”라는 말을 들었다. 🤣

얼마나 사기꾼이 많았으면.. 😇

조금(?) 과장해서 말하자면 “SNS에서 말만 많고 강의나 하는 사람인 줄 알았는데 진짜 제대로 된 서비스를 개발하고 있는 분이셨네요?”라는 말을 들었다. 🤣 얼마나 사기꾼이 많았으면.. 😇

사실 난 강의도 일년에 두어번 할까말까인데..(…)

냉장 기술로 돈을 가장 크게 버는 회사는, 냉장 기술을 보유한 회사도 아니고 냉장고 회사도 아니고 코카콜라라고한다. 같은 것으로, 금으로 가장 돈을 많이 버는 회사는 금광 회사도 아니고 청바지 회사도 아니고 Nvidia나 애플같은데라는 사실.

냉장 기술로 돈을 가장 크게 버는 회사는, 냉장 기술을 보유한 회사도 아니고 냉장고 회사도 아니고 코카콜라라고한다. 같은 것으로, 금으로 가장 돈을 많이 버는 회사는 금광 회사도 아니고 청바지 회사도 아니고 Nvidia나 애플같은데라는 사실.

오늘의 탐라는 git rebase로군요.

작은 팀에서는 rebase없이 그냥 날것의 커밋을 공유하는게 좋다고 생각하고, 큰 팀에서는 로컬 커밋에서만 자잘한 커밋을 약간 정리하는 차원에서 rebase를 하는게 좋다고 생각합니다.

오늘의 탐라는 git rebase로군요. 작은 팀에서는 rebase없이 그냥 날것의 커밋을 공유하는게 좋다고 생각하고, 큰 팀에서는 로컬 커밋에서만 자잘한 커밋을 약간 정리하는 차원에서 rebase를 하는게 좋다고 생각합니다.

특허가 오픈소스 프로젝트의 방패이자 무기가 된다는 것이 참으로 아이러니하다.

특허가 오픈소스 프로젝트의 방패이자 무기가 된다는 것이 참으로 아이러니하다.

이제 처음 개발에 뛰어드는 사람들이 AI를 통해 뭔가를 만들 때 버셀, 수파베이스 같은 걸로 서비스 하는 사람들이 대부분 아닐까요?

호구 개발자를 위한 비즈니스

이제 처음 개발에 뛰어드는 사람들이 AI를 통해 뭔가를 만들 때 버셀, 수파베이스 같은 걸로 서비스 하는 사람들이 대부분 아닐까요?

하지만 서비스가 커지기 시작했을 때 이들에게 지불해야 하는 가격은 잘 계산해보지 않는 것 같습니다.
그건 그때가서 생각해보자는 마음으로.

버셀이나 수파베이스 창업자는 “맞아 맞아, 그때가서 생각해보면 돼!” 하고 함박웃음을 지으며 맞장구를 쳐줄 것 같네요.

물론 그때가서 생각해봐도 됩니다. 빨리 빠져나올 수 있는 실력이 있다면요.
하지만 컴퓨터공학에 대한 지식 없이는 쉽지 않을 겁니다.
겨우 벌기 시작한 돈을 그들에게 다 갖다 바치는 꼴이 될 수 있습니다.

사실 이게 지금 일어나고 있는 일들입니다.
그러니깐… 컴퓨터공학을 하나도 모르고 뛰어드는 뉴비들의 돈을 받아 먹는 커다란 비즈니스가 열리고 있습니다.

계속 컴퓨터 공학을 깊이 파고 들어야 하는 이유가 여기있습니다.
어떤 사람은 겨우 수익이 나기 시작한 서비스에 월 100만 원을 쓰는데, 어떤 사람은 돈을 전혀 내지 않고 서비스를 운영합니다.
운영 비용을 절감하는 것도 실력입니다. 엄청난 경쟁 우위 아닌가요?
AI로 코딩을 하면서 뭔가를 만들어 보고 즐거움을 느끼는 것은 좋지만, 더 깊숙한 곳으로 들어가려고 노력하지 않는다면 결국에는 차이를 만들어 낼 수 없습니다.


https://jeho.page/essay/2025/09/08/sucker-developer.html

이제 처음 개발에 뛰어드는 사람들이 AI를 통해 뭔가를 만들 때 버셀, 수파베이스 같은 걸로 서비스 하는 사람들이 대부분 아닐까요? 하지만 서비스가 커지기 시작했을 때 이들에게 지불해야 하는 가격은 잘 계산해보지 않는 것 같습니다. 그건 그때가서 생각해보자는 마음으로. 버셀이나 수파베이스 창업자는 “맞아 맞아, 그때가서 생각해보면 돼!” 하고 함박웃음을 지으며 맞장구를 쳐줄 것 같네요. 물론 그때가서 생각해봐도 됩니다. 빨리 빠져나올 수 있는 실력이 있다면요. 하지만 컴퓨터공학에 대한 지식 없이는 쉽지 않을 겁니다. 겨우 벌기 시작한 돈을 그들에게 다 갖다 바치는 꼴이 될 수 있습니다. 사실 이게 지금 일어나고 있는 일들입니다. 그러니깐… 컴퓨터공학을 하나도 모르고 뛰어드는 뉴비들의 돈을 받아 먹는 커다란 비즈니스가 열리고 있습니다. 계속 컴퓨터 공학을 깊이 파고 들어야 하는 이유가 여기있습니다. 어떤 사람은 겨우 수익이 나기 시작한 서비스에 월 100만 원을 쓰는데, 어떤 사람은 돈을 전혀 내지 않고 서비스를 운영합니다. 운영 비용을 절감하는 것도 실력입니다. 엄청난 경쟁 우위 아닌가요? AI로 코딩을 하면서 뭔가를 만들어 보고 즐거움을 느끼는 것은 좋지만, 더 깊숙한 곳으로 들어가려고 노력하지 않는다면 결국에는 차이를 만들어 낼 수 없습니다. https://jeho.page/essay/2025/09/08/sucker-developer.html

K리그 프로그래머

AI시대에도 컴퓨터 공학을 공부해야 하는 이유

유지보수성과 확장성을 동시에 잡는 설계 원칙
많은 프로젝트가 초반에는 잘 돌아갑니다.
하지만 몇 달만 지나도 코드가 복잡해지고,
작은 수정 하나에도 전체가 흔들리기 시작합니다.

왜 그럴까요?
유지보수성과 확장성 사이에는
트레이드 오프가 숨어있기 때문입니다.

유지보수만 고려하면
때로는 과도한 설계가 필요 없어지고
간단하게 만드는게 좋습니다.
다만 이후 기능 추가시에는
점점더 복잡도가 올라가게 됩니다.

반대로 확장성만 고려하면
처음부터 과도한 설계를 할 확률이 커집니다.

Product Engineer는 이 균형을 잡아야 합니다.
제가 중요하게 생각하는 원칙은 세 가지입니다.

1. 경계를 먼저 설계하기
읽기와 쓰기, 서버와 클라이언트, 도메인과 인프라.
경계가 명확해야 유지보수성과 확장성 사이
균형을 잡을 수 있습니다.

2. 의도를 코드 구조에 드러내기
“이 컴포넌트는 절대 상태를 갖지 않는다”
“여기는 반드시 사용자 이벤트를 포함한다”
이런 설계 의도를 구조로 남겨야 수정이 쉽습니다.

3. 변경 가능성과 안정성을 분리하기
자주 바뀌는 영역과
절대 바뀌지 말아야 하는 영역을 구분하세요.
안정된 부분은 Entities로,
변경이 일어나는 부분을 mapper 로 감싸서
안정된 부분을 변경으로부터 격리합니다.

AI 시대에도 이 원칙은 그대로 유효합니다.
AI가 구현을 대신해줄수록,
우리는 설계의 균형을 잡는 일에 집중해야 합니다.

혹시 여러분은
지금 하고 있는 프로젝트가
유지보수성과 확장성 사이의 균형을
잘 잡고 있다고 느끼시나요?

유지보수성과 확장성을 동시에 잡는 설계 원칙 많은 프로젝트가 초반에는 잘 돌아갑니다. 하지만 몇 달만 지나도 코드가 복잡해지고, 작은 수정 하나에도 전체가 흔들리기 시작합니다. 왜 그럴까요? 유지보수성과 확장성 사이에는 트레이드 오프가 숨어있기 때문입니다. 유지보수만 고려하면 때로는 과도한 설계가 필요 없어지고 간단하게 만드는게 좋습니다. 다만 이후 기능 추가시에는 점점더 복잡도가 올라가게 됩니다. 반대로 확장성만 고려하면 처음부터 과도한 설계를 할 확률이 커집니다. Product Engineer는 이 균형을 잡아야 합니다. 제가 중요하게 생각하는 원칙은 세 가지입니다. 1. 경계를 먼저 설계하기 읽기와 쓰기, 서버와 클라이언트, 도메인과 인프라. 경계가 명확해야 유지보수성과 확장성 사이 균형을 잡을 수 있습니다. 2. 의도를 코드 구조에 드러내기 “이 컴포넌트는 절대 상태를 갖지 않는다” “여기는 반드시 사용자 이벤트를 포함한다” 이런 설계 의도를 구조로 남겨야 수정이 쉽습니다. 3. 변경 가능성과 안정성을 분리하기 자주 바뀌는 영역과 절대 바뀌지 말아야 하는 영역을 구분하세요. 안정된 부분은 Entities로, 변경이 일어나는 부분을 mapper 로 감싸서 안정된 부분을 변경으로부터 격리합니다. AI 시대에도 이 원칙은 그대로 유효합니다. AI가 구현을 대신해줄수록, 우리는 설계의 균형을 잡는 일에 집중해야 합니다. 혹시 여러분은 지금 하고 있는 프로젝트가 유지보수성과 확장성 사이의 균형을 잘 잡고 있다고 느끼시나요?

유지보수성과 확장성을 동시에 잡는 설계 원칙
많은 프로젝트가 초반

1. 찰리 멍거의 커리어에 관한 3가지 조언은 선물과 같습니다.

2. 네가 사지 않을 것을 팔지 마라. 존중하고 존경하지 않는 사람 밑에서 일하지 마라. 좋아하는 사람하고만 같이 일하라.

3. 왜 자기가 사지 않을 물건을 팔면 안 될까요? 무언가를 파는 것에 관해 쓴 어떤 책이든 제품을 좋아하지 않거나, 이해하기 힘들거나, 믿지 않는다면, 그 제품을 파는 건 재앙이 될 것이라 말하기 때문입니다.

4. 위대한 영업자는 자기 상품을 믿습니다. 그게 성공의 비결 중 하나입니다.

5. 왜 존경하지 않는 사람과 일을 하면 안 될까요? 그가 가르쳐 줄 것이 없고, 지성과 삶이 나아가도록 돕지 못하기 때문입니다.

6. 왜 좋아하지 않는 사람과 같이 일하면 안 될까요? 일은 삶이고, 부유한 삶의 척도 중 하나는 자기 일을 좋아하고 함께 시간을 보내는 사람을 좋아하는 것이기 때문입니다.

7. 일터에서 일하면서 비참함을 느낀다면, 아무리 많은 돈을 벌어도 그건 너무나 안타까운 삶입니다.


#찰리멍거의말들

1. 찰리 멍거의 커리어에 관한 3가지 조언은 선물과 같습니다. ​2. 네가 사지 않을 것을 팔지 마라. 존중하고 존경하지 않는 사람 밑에서 일하지 마라. 좋아하는 사람하고만 같이 일하라. ​3. 왜 자기가 사지 않을 물건을 팔면 안 될까요? 무언가를 파는 것에 관해 쓴 어떤 책이든 제품을 좋아하지 않거나, 이해하기 힘들거나, 믿지 않는다면, 그 제품을 파는 건 재앙이 될 것이라 말하기 때문입니다. ​4. 위대한 영업자는 자기 상품을 믿습니다. 그게 성공의 비결 중 하나입니다. ​5. 왜 존경하지 않는 사람과 일을 하면 안 될까요? 그가 가르쳐 줄 것이 없고, 지성과 삶이 나아가도록 돕지 못하기 때문입니다. ​6. 왜 좋아하지 않는 사람과 같이 일하면 안 될까요? 일은 삶이고, 부유한 삶의 척도 중 하나는 자기 일을 좋아하고 함께 시간을 보내는 사람을 좋아하는 것이기 때문입니다. ​7. 일터에서 일하면서 비참함을 느낀다면, 아무리 많은 돈을 벌어도 그건 너무나 안타까운 삶입니다. #찰리멍거의말들

< 찰리 멍거가 말하는 커리어의 3가지 규칙 >

다정함은 자존감에서 나온다.
다정한 사람이 되려면
나를 먼저 아껴야 한다.
나를 아끼는 마음에서
자존감이 피어나고,
그 자존감이 사람과의 관계를
따뜻하게 만든다.
⠀
이해인, 『다정한 사람이 이긴다』

다정함은 자존감에서 나온다.다정한 사람이 되려면나를 먼저 아껴야 한다.나를 아끼는 마음에서자존감이 피어나고,그 자존감이 사람과의 관계를따뜻하게 만든다.⠀이해인, 『다정한 사람이 이긴다』

《다정함은 나를 아끼는 마음에서 온다》  ⠀

늘 "더 열심히 해라"라는 말을 들으면서 한국에서 직장 생활을 했습니다. 주변에 워낙 치열하게 일하는 분들이 많다 보니, 웬만큼 노력해서는 명함도 못 내미는 경우가 많았죠.

해외에서도 "난 열심히 해"라고 말하는 사람들이 많습니다. 그런데 막상 함께 일해보면, 한국에서 제가 생각했던 "열심히"와는 거리가 있는 경우가 많아요. 여기서 열심히 한다는 건 그냥 평소보다 조금 더 신경 쓰는 수준일 때가 많습니다. 그런데도 본인은 엄청 열심히 했다며 호들갑을 떱니다. 😅 (물론 이곳의 기준에서는 맞을 겁니다.)

그래서 세계 각지에서 커리어를 쌓고 계신 한국인 분들과 얘기하다 보면, "한국에서 하던 거 반도 안 했는데, 일 잘 한다고 칭찬받아서 놀랬어요!"라며 공감대가 형성되곤 합니다.

어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 앞으로 더 많은 분들이 이 글로벌 경쟁력을 국내에서만 썩히지 마시고 해외에서 마음껏 펼치셨으면 좋겠어요!

늘 "더 열심히 해라"라는 말을 들으면서 한국에서 직장 생활을 했습니다. 주변에 워낙 치열하게 일하는 분들이 많다 보니, 웬만큼 노력해서는 명함도 못 내미는 경우가 많았죠. 해외에서도 "난 열심히 해"라고 말하는 사람들이 많습니다. 그런데 막상 함께 일해보면, 한국에서 제가 생각했던 "열심히"와는 거리가 있는 경우가 많아요. 여기서 열심히 한다는 건 그냥 평소보다 조금 더 신경 쓰는 수준일 때가 많습니다. 그런데도 본인은 엄청 열심히 했다며 호들갑을 떱니다. 😅 (물론 이곳의 기준에서는 맞을 겁니다.) 그래서 세계 각지에서 커리어를 쌓고 계신 한국인 분들과 얘기하다 보면, "한국에서 하던 거 반도 안 했는데, 일 잘 한다고&nbsp;칭찬받아서 놀랬어요!"라며 공감대가 형성되곤 합니다. 어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 어렸을 때 부터 몸에 밴 한국인의 근면함은 세계 어디서든 빛을 발합니다. 앞으로 더 많은 분들이 이 글로벌 경쟁력을 국내에서만 썩히지 마시고 해외에서 마음껏 펼치셨으면 좋겠어요!

해외에서는 덜 열심히 해도 인정받는 이유

최근에 누군가 내게 "기술을 어떻게 학습하시나요?"라는 질문을 한 적이 있다. 머릿속에는 정말 다양한 생각들이 스쳤지만, 나는 그중에서도 가장 중요하다고 생각하는 한 가지를 답했다. 기술을 배우는 데 필요한 것은 딱 하나, 충분한 관심이라고 생각한다. 여기서 말하는 관심은 그저 흥미로 끝나는 것이 아니라, 끊임없이 관찰하고 확인하고 왜를 고민해보는 적극적인 호기심을 의미한다.


내 경험상 어떤 기술을 깊이 있게 배우기 위해서는 그 대상에 대한 충분한 관심이 있어야 했다. 관심은 단순한 흥미를 넘어서 지속적인 탐구심과 동기부여로 이어진다. 내가 어떤 주제에 강한 관심을 갖게 되면, 문제를 끝까지 풀어보고자 하는 인내심이 생기고, 모르는 것을 즐겁게 파고들 수 있는 열의가 생겨났다. 결국 관심이 커야 기술 지식을 깊게 파고들 수 있는 힘이 생긴다. 진정으로 관심이 있을 때 비로소 새로운 개념을 찾아보고 배우는 과정 자체를 즐기게 되었다.


관찰은 내 학습의 첫걸음이었다. 주변의 좋은 코드나 뛰어난 동료의 작업 방식을 유심히 살펴보는 것만으로도 많은 것을 배울 수 있다. 나 역시 과거 스프링 프레임워크의 코드를 한 줄 한 줄 따라 읽으며, 책으로는 얻기 어려웠던 객체 지향 설계의 살아있는 지혜를 얻었던 경험이 있다. 코드 리뷰를 할 때도 마찬가지다. 단순히 코드를 훑어보는 것을 넘어, 이 코드가 왜 이렇게 작성되었을지 그 의도를 헤아려보며 관찰하고, 궁금한 점은 동료에게 직접 물어보며 내가 놓쳤던 배경과 맥락을 배운다.


확인은 배움의 깊이를 더하는 필수적인 과정이다. 나는 어설픈 짐작으로 아는 척 넘어가는 것을 경계한다. 새로운 API를 공부할 때면, 문서만 읽고 끝내는 대신 작은 테스트 코드를 작성해 내 예상이 맞는지 직접 확인해 본다. 이 간단한 검증 과정이 내가 무엇을 알고 무엇을 모르는지를 명확하게 해준다. 직접 확인하는 습관을 가진 개발자와 그렇지 않은 개발자 사이의 실력 차이는 시간이 지날수록 크게 벌어질 수밖에 없다.


마지막으로 '왜?'라는 질문을 던지는 습관은 얕은 지식을 깊은 지혜로 바꾸는 비결이다. 어떤 기술을 접할 때 그저 사용법만 익히는 것이 아니라, "왜 이런 구조를 선택했을까?", "다른 방식이 아닌 이 방법의 장점은 무엇일까?" 하고 근본적인 이유를 파고드는 것이다. 이런 질문은 기술의 철학을 이해하게 하고, 실무에서 마주하는 문제의 본질을 꿰뚫어 볼 수 있는 힘을 길러준다. 또한, 동료들과 '왜?'라는 질문을 주고받는 문화는 개인을 넘어 팀 전체의 기술적 깊이를 더하는 가장 좋은 방법이기도 하다.


돌아보면, 기술은 시대에 따라 계속 변했지만 그것을 배우는 나의 자세는 아직 그대로다. 오늘도 충분한 관심을 바탕으로 관찰하고, 확인하고, 끊임없이 '왜'를 묻는 내가 있다면, 내일 어떤 새로운 기술이 나타나더라도 단단해진 실력으로 그것을 온전히 내 것으로 만들 수 있으리라 믿는다.

최근에 누군가 내게 "기술을 어떻게 학습하시나요?"라는 질문을 한 적이 있다. 머릿속에는 정말 다양한 생각들이 스쳤지만, 나는 그중에서도 가장 중요하다고 생각하는 한 가지를 답했다. 기술을 배우는 데 필요한 것은 딱 하나, 충분한 관심이라고 생각한다. 여기서 말하는 관심은 그저 흥미로 끝나는 것이 아니라, 끊임없이 관찰하고 확인하고 왜를 고민해보는 적극적인 호기심을 의미한다. 내 경험상 어떤 기술을 깊이 있게 배우기 위해서는 그 대상에 대한 충분한 관심이 있어야 했다. 관심은 단순한 흥미를 넘어서 지속적인 탐구심과 동기부여로 이어진다. 내가 어떤 주제에 강한 관심을 갖게 되면, 문제를 끝까지 풀어보고자 하는 인내심이 생기고, 모르는 것을 즐겁게 파고들 수 있는 열의가 생겨났다. 결국 관심이 커야 기술 지식을 깊게 파고들 수 있는 힘이 생긴다. 진정으로 관심이 있을 때 비로소 새로운 개념을 찾아보고 배우는 과정 자체를 즐기게 되었다. 관찰은 내 학습의 첫걸음이었다. 주변의 좋은 코드나 뛰어난 동료의 작업 방식을 유심히 살펴보는 것만으로도 많은 것을 배울 수 있다. 나 역시 과거 스프링 프레임워크의 코드를 한 줄 한 줄 따라 읽으며, 책으로는 얻기 어려웠던 객체 지향 설계의 살아있는 지혜를 얻었던 경험이 있다. 코드 리뷰를 할 때도 마찬가지다. 단순히 코드를 훑어보는 것을 넘어, 이 코드가 왜 이렇게 작성되었을지 그 의도를 헤아려보며 관찰하고, 궁금한 점은 동료에게 직접 물어보며 내가 놓쳤던 배경과 맥락을 배운다. 확인은 배움의 깊이를 더하는 필수적인 과정이다. 나는 어설픈 짐작으로 아는 척 넘어가는 것을 경계한다. 새로운 API를 공부할 때면, 문서만 읽고 끝내는 대신 작은 테스트 코드를 작성해 내 예상이 맞는지 직접 확인해 본다. 이 간단한 검증 과정이 내가 무엇을 알고 무엇을 모르는지를 명확하게 해준다. 직접 확인하는 습관을 가진 개발자와 그렇지 않은 개발자 사이의 실력 차이는 시간이 지날수록 크게 벌어질 수밖에 없다. 마지막으로 '왜?'라는 질문을 던지는 습관은 얕은 지식을 깊은 지혜로 바꾸는 비결이다. 어떤 기술을 접할 때 그저 사용법만 익히는 것이 아니라, "왜 이런 구조를 선택했을까?", "다른 방식이 아닌 이 방법의 장점은 무엇일까?" 하고 근본적인 이유를 파고드는 것이다. 이런 질문은 기술의 철학을 이해하게 하고, 실무에서 마주하는 문제의 본질을 꿰뚫어 볼 수 있는 힘을 길러준다. 또한, 동료들과 '왜?'라는 질문을 주고받는 문화는 개인을 넘어 팀 전체의 기술적 깊이를 더하는 가장 좋은 방법이기도 하다. 돌아보면, 기술은 시대에 따라 계속 변했지만 그것을 배우는 나의 자세는 아직 그대로다. 오늘도 충분한 관심을 바탕으로 관찰하고, 확인하고, 끊임없이 '왜'를 묻는 내가 있다면, 내일 어떤 새로운 기술이 나타나더라도 단단해진 실력으로 그것을 온전히 내 것으로 만들 수 있으리라 믿는다.

기술을 어떻게 학습하시나요?

1 자기소개는 생략하세요
포트폴리오가 곧 자기소개입니다. 바로 프로젝트 얘기 들어가세요

2 면접관은 정답 몰라요
데이터와 맥락으로 설득하는 게 훨씬 먹힙니다

3 UI 스샷 덜어내세요
결과물보다 과정이 보여야 포트폴리오입니다

4 “왜”를 준비하세요
열 질문 중 일곱은 “왜 그렇게 했나요?”입니다

5 성과=수치+맥락
숫자만 말하지 말고 스토리까지 붙여야 기억에 남습니다

6 협업은 숨기지 마세요
혼자 다 했다, 실무에선 마이너스입니다

7 AI는 치트키가 아니라 부스터
“썼다”보다 “시간 50% 줄였다”가 훨씬 설득력 있어요

8 디자인 시스템=룰
툴 자랑 말고 실제 협업, 운영 경험을 강조하세요

9 지원시 저자세는 금물
“내가 기여할 문제”로 지원 동기를 말하세요

10 불합격=피드백
루프 돌리면 확률은 결국 올라갑니다

1 자기소개는 생략하세요포트폴리오가 곧 자기소개입니다. 바로 프로젝트 얘기 들어가세요 2 면접관은 정답 몰라요데이터와 맥락으로 설득하는 게 훨씬 먹힙니다 3 UI 스샷 덜어내세요결과물보다 과정이 보여야 포트폴리오입니다 4 “왜”를 준비하세요열 질문 중 일곱은 “왜 그렇게 했나요?”입니다 5 성과=수치+맥락숫자만 말하지 말고 스토리까지 붙여야 기억에 남습니다 6 협업은 숨기지 마세요혼자 다 했다, 실무에선 마이너스입니다 7 AI는 치트키가 아니라 부스터“썼다”보다 “시간 50% 줄였다”가 훨씬 설득력 있어요 8 디자인 시스템=룰툴 자랑 말고 실제 협업, 운영 경험을 강조하세요 9 지원시 저자세는 금물“내가 기여할 문제”로 지원 동기를 말하세요 10 불합격=피드백루프 돌리면 확률은 결국 올라갑니다

UX 취업 치트키 10

오늘은 뱅크샐러드의 테크 리드, 이영창님을 모시고 바이브 코딩 실무 사례를 배워봤어요.


LLM, AI를 활용해서 개발하다 보면 오히려 번거롭다는 생각이 들곤 하는데요. 영창님은 이 생각을 어떻게 바라보고 계신지도 배울 수 있었어요.


실무에서 AI를 어떻게 사용할지 고민하셨던 분들에게 도움되는 영상이 되었으면 좋겠어요!


📌 챕터
00:00 미리보기
00:17 뱅크샐러드 테크 리드 이영창님
01:19 국내외 전문가들에게서 배운 LLM 활용법
06:35 프롬프트 초안은 이렇게 작성하세요
09:42 커서 AI는 이렇게 활용하세요
12:37 그렇게까지 AI를 꼭 써야하는 이유가 뭔가요?
16:10 프롬프트는 이렇게 하면 쉽게 작성할 수 있어요
18:58 2부에서 계속됩니다


https://youtu.be/Dja8fqyaFqQ?si=c5XB1op_cBH0LSUW

오늘은 뱅크샐러드의 테크 리드, 이영창님을 모시고 바이브 코딩 실무 사례를 배워봤어요. LLM, AI를 활용해서 개발하다 보면 오히려 번거롭다는 생각이 들곤 하는데요. 영창님은 이 생각을 어떻게 바라보고 계신지도 배울 수 있었어요. 실무에서 AI를 어떻게 사용할지 고민하셨던 분들에게 도움되는 영상이 되었으면 좋겠어요! 📌 챕터00:00 미리보기00:17 뱅크샐러드 테크 리드 이영창님01:19 국내외 전문가들에게서 배운 LLM 활용법06:35 프롬프트 초안은 이렇게 작성하세요09:42 커서 AI는 이렇게 활용하세요12:37 그렇게까지 AI를 꼭 써야하는 이유가 뭔가요?16:10 프롬프트는 이렇게 하면 쉽게 작성할 수 있어요18:58 2부에서 계속됩니다 https://youtu.be/Dja8fqyaFqQ?si=c5XB1op_cBH0LSUW

바이브 코딩, 실무에서 하려면 테크 리드에게 배우세요 [1부]

최근 인재 프로필을 검토하여 기업과 연결하는 업무를 하면서, 이력서 작성 방식에 대한 관점이 크게 바뀌었습니다. '기업 입장에서는 이런 부분을 중요하게 보겠구나!'라고 새롭게 깨닫게 된 점들이 많았습니다. 마치 인하우스 채용 담당자 경험이 없는 사람처럼, 현재 채용 업무를 담당하는 분들의 관점을 이해하려고 노력하고 있습니다.


인재 프로필을 처음 검토할 때 가장 먼저 하는 작업은 기업이 요구하는 조건으로 필터링하는 것입니다. 경력 연차, 학력, 보유 기술 등 명확하게 확인 가능한 기준으로 필요한 프로필 리스트를 먼저 확보합니다.
그 다음 단계가 더 까다로운 작업입니다. 바로 경험 내용을 면밀히 확인하는 것입니다. 같은 직무 타이틀이라도 실제 경험한 업무 내용은 천차만별입니다. 예를 들어, '백엔드 개발자'라는 같은 타이틀이어도 각자가 경험한 회사에서 담당한 업무와 설명하는 수준이 모두 다릅니다. 결국 경험 설명 안에서 채용 기업이 원하는 업무 키워드를 찾아내는 작업이 핵심이 됩니다.
서류 전형에서 검증할 수 있는 범위는 여기까지입니다. 기업이 원하는 역량 키워드가 있는지, 관련 경험 키워드가 포함되어 있는지를 확인하는 것입니다. 물론 경험을 자세히 기술한 지원자의 경우 어느 정도 역량을 가늠할 수 있지만, 실제 얼마나 뛰어난 역량을 보유했는지 100% 파악하는 것은 거의 불가능합니다.


눈치채셨겠지만, 기업이 원하는 키워드가 지원 서류에 포함되어 있는지 여부가 당락을 좌우합니다. 특히 기업이 중요하게 생각하는 경험과 역량 키워드가 눈에 잘 띄도록 서류를 작성하는 것이 관건입니다.
따라서 취업과 이직을 준비하는 분들이 해야 할 일은 두 가지입니다.
1. 핵심 키워드를 전략적으로 배치하기
지원하는 기업이 원하는 경험과 역량을 키워드로 정리하여 이력서와 포트폴리오 곳곳에 눈에 띄도록 작성해야 합니다. 서류를 검토하는 담당자는 한 명의 지원자 서류에 많은 시간을 할애하기 어렵습니다. 지원자가 많고 처리해야 할 업무가 많아 서류 전형은 가급적 신속하게 처리해야 하는 업무이기 때문입니다.
따라서 이력서나 포트폴리오를 꼼꼼하게 읽지 않더라도 중요한 키워드가 한눈에 들어오도록 서류 곳곳에 전략적으로 배치하는 것이 중요합니다.
2. 기업 용어와 일치하는 표현 사용하기
같은 경험을 설명하더라도 기업이 사용하는 표현과 유사한 방식으로 작성하는 것이 좋습니다. 예를 들어, '방대한 데이터를 다뤄봤다'는 표현을 '대규모 트래픽 처리 경험', '대용량 데이터 핸들링' 등 기업이 선호하는 표현으로 바꿔 작성할 수 있습니다.
이는 사소해 보이지만, 서류 검토 시 키워드 중심으로 내용을 확인하는 것이 가장 효율적인 방법이므로 중요하게 작용합니다.


지금까지 말씀드린 내용은 서류 전형 통과를 위한 노하우일 뿐, 면접이라는 실전에서 실제 역량을 검증받는 것은 완전히 다른 차원의 문제입니다. 따라서 서류 합격만을 위해 미숙한 분야를 마치 전문 영역인 것처럼 과장하여 키워드로 넣는 것은 면접에서 실력이 드러나게 되어 있습니다.
가급적 이력서와 포트폴리오에는 진정으로 자신 있는 강점 위주로 내용을 구성하는 것이 좋습니다. 이것이 최종 합격에 이르는 유일한 지름길입니다.


이력서나 포트폴리오를 효과적으로 작성하고 최종 합격하기 위해 가장 중요한 자료는 바로 채용공고입니다. 채용공고를 제대로 이해하고 분석하는 것이 정말 중요하며, 아무리 강조해도 지나치지 않습니다.
채용공고는 단순히 읽고 표면적으로 이해하는 것으로는 충분하지 않습니다. 분석해야 합니다. 분석한다는 것은 단어와 문장의 이해를 넘어 맥락 속에 숨어 있는 기업의 진정한 니즈를 파악하는 것입니다.
'어떻게 채용 담당자의 마음을 읽을 수 있을까요?' 특별한 능력이 필요한 것은 아닙니다. 반복해서 읽고 또 읽으면 처음에는 보이지 않던 내용들이 비로소 보이기 시작합니다. 가장 중요한 것은 관심입니다.
관심이 있는 분야에 집중하기
관심을 가지면 감춰진 것들도 보이기 시작합니다. 따라서 본인이 관심 있는 직무, 기업, 산업, 비즈니스 모델 등의 조건에 부합하는 채용공고를 선택하는 것이 중요합니다.
잘 알지 못하는 분야는 아무리 좋은 조건이어도 채용공고를 읽어봐도 제대로 이해하기 어렵습니다. 이해하지 못한 상태에서 '일단 지원해보자'는 마음으로 접근하면 무응답이나 불합격 결과를 받을 가능성이 높습니다.
그러고 나서 계속 불합격한다고 자괴감에 빠지지 마세요. 철저히 이해가 되는 채용공고 위주로 지원하시길 추천합니다. 그리고 채용공고를 완전히 이해했다면, 본인의 이력서와 포트폴리오를 해당 기업이 원하는 맞춤형 내용으로 재구성해보세요.
이전보다 서류 합격률이 몇 배는 높아질 것입니다.

﻿최근 인재 프로필을 검토하여 기업과 연결하는 업무를 하면서, 이력서 작성 방식에 대한 관점이 크게 바뀌었습니다. '기업 입장에서는 이런 부분을 중요하게 보겠구나!'라고 새롭게 깨닫게 된 점들이 많았습니다. 마치 인하우스 채용 담당자 경험이 없는 사람처럼, 현재 채용 업무를 담당하는 분들의 관점을 이해하려고 노력하고 있습니다. 인재 프로필을 처음 검토할 때 가장 먼저 하는 작업은 기업이 요구하는 조건으로 필터링하는 것입니다. 경력 연차, 학력, 보유 기술 등 명확하게 확인 가능한 기준으로 필요한 프로필 리스트를 먼저 확보합니다.그 다음 단계가 더 까다로운 작업입니다. 바로 경험 내용을 면밀히 확인하는 것입니다. 같은 직무 타이틀이라도 실제 경험한 업무 내용은 천차만별입니다. 예를 들어, '백엔드 개발자'라는 같은 타이틀이어도 각자가 경험한 회사에서 담당한 업무와 설명하는 수준이 모두 다릅니다. 결국 경험 설명 안에서 채용 기업이 원하는 업무 키워드를 찾아내는 작업이 핵심이 됩니다.서류 전형에서 검증할 수 있는 범위는 여기까지입니다. 기업이 원하는 역량 키워드가 있는지, 관련 경험 키워드가 포함되어 있는지를 확인하는 것입니다. 물론 경험을 자세히 기술한 지원자의 경우 어느 정도 역량을 가늠할 수 있지만, 실제 얼마나 뛰어난 역량을 보유했는지 100% 파악하는 것은 거의 불가능합니다. 눈치채셨겠지만, 기업이 원하는 키워드가 지원 서류에 포함되어 있는지 여부가 당락을 좌우합니다. 특히 기업이 중요하게 생각하는 경험과 역량 키워드가 눈에 잘 띄도록 서류를 작성하는 것이 관건입니다.따라서 취업과 이직을 준비하는 분들이 해야 할 일은 두 가지입니다.1. 핵심 키워드를 전략적으로 배치하기지원하는 기업이 원하는 경험과 역량을 키워드로 정리하여 이력서와 포트폴리오 곳곳에 눈에 띄도록 작성해야 합니다. 서류를 검토하는 담당자는 한 명의 지원자 서류에 많은 시간을 할애하기 어렵습니다. 지원자가 많고 처리해야 할 업무가 많아 서류 전형은 가급적 신속하게 처리해야 하는 업무이기 때문입니다.따라서 이력서나 포트폴리오를 꼼꼼하게 읽지 않더라도 중요한 키워드가 한눈에 들어오도록 서류 곳곳에 전략적으로 배치하는 것이 중요합니다.2. 기업 용어와 일치하는 표현 사용하기같은 경험을 설명하더라도 기업이 사용하는 표현과 유사한 방식으로 작성하는 것이 좋습니다. 예를 들어, '방대한 데이터를 다뤄봤다'는 표현을 '대규모 트래픽 처리 경험', '대용량 데이터 핸들링' 등 기업이 선호하는 표현으로 바꿔 작성할 수 있습니다.이는 사소해 보이지만, 서류 검토 시 키워드 중심으로 내용을 확인하는 것이 가장 효율적인 방법이므로 중요하게 작용합니다. 지금까지 말씀드린 내용은 서류 전형 통과를 위한 노하우일 뿐, 면접이라는 실전에서 실제 역량을 검증받는 것은 완전히 다른 차원의 문제입니다. 따라서 서류 합격만을 위해 미숙한 분야를 마치 전문 영역인 것처럼 과장하여 키워드로 넣는 것은 면접에서 실력이 드러나게 되어 있습니다.가급적 이력서와 포트폴리오에는 진정으로 자신 있는 강점 위주로 내용을 구성하는 것이 좋습니다. 이것이 최종 합격에 이르는 유일한 지름길입니다. 이력서나 포트폴리오를 효과적으로 작성하고 최종 합격하기 위해 가장 중요한 자료는 바로 채용공고입니다. 채용공고를 제대로 이해하고 분석하는 것이 정말 중요하며, 아무리 강조해도 지나치지 않습니다.채용공고는 단순히 읽고 표면적으로 이해하는 것으로는 충분하지 않습니다. 분석해야 합니다. 분석한다는 것은 단어와 문장의 이해를 넘어 맥락 속에 숨어 있는 기업의 진정한 니즈를 파악하는 것입니다.'어떻게 채용 담당자의 마음을 읽을 수 있을까요?' 특별한 능력이 필요한 것은 아닙니다. 반복해서 읽고 또 읽으면 처음에는 보이지 않던 내용들이 비로소 보이기 시작합니다. 가장 중요한 것은 관심입니다.관심이 있는 분야에 집중하기관심을 가지면 감춰진 것들도 보이기 시작합니다. 따라서 본인이 관심 있는 직무, 기업, 산업, 비즈니스 모델 등의 조건에 부합하는 채용공고를 선택하는 것이 중요합니다.잘 알지 못하는 분야는 아무리 좋은 조건이어도 채용공고를 읽어봐도 제대로 이해하기 어렵습니다. 이해하지 못한 상태에서 '일단 지원해보자'는 마음으로 접근하면 무응답이나 불합격 결과를 받을 가능성이 높습니다.그러고 나서 계속 불합격한다고 자괴감에 빠지지 마세요. 철저히 이해가 되는 채용공고 위주로 지원하시길 추천합니다. 그리고 채용공고를 완전히 이해했다면, 본인의 이력서와 포트폴리오를 해당 기업이 원하는 맞춤형 내용으로 재구성해보세요.이전보다 서류 합격률이 몇 배는 높아질 것입니다.﻿

서류 합격 tag

📝 언어모델의 환각(hallucination)은 왜 일어나는가?

OpenAI가 언어모델(LLM)의 가장 어려운 문제 중 하나인 환각의 원인을 규명한 최신 논문을 발표했습니다.

환각은 언어 모델이 그럴듯하지만 거짓인 문장을 생성하는, 자신있게 잘못된 답변을 생성하는 현상인데요.

문제의 원인은 크게 두가지라고 합니다.

우선 사전 학습 과정에서는 다음에 올 단어를 예측하는 방식으로만 학습하는데요. 여기에는 정답/오답에 대한 레이블이 없기 때문에, 모델은 단지 문장 흐름에 기반해 학습할 뿐입니다.

따라서 문맥상 빈도가 낮게 나타나는 사실은 잘못 예측될 수 있고, 이것이 환각으로 이어진다고 합니다.

두번째는 사후 학습 과정에서 발생하는 문제인데요.

현재 사후 학습을 훈련시키는 대부분의 평가 방식은 정확도(accuracy) 중심입니다. 즉, 사전 학습과 달리 정답/오답 레이블을 가지고 가장 정확도가 높은쪽으로 생성하도록 훈련을 하는데요.

이 방식은 모델이 답을 몰라도 추측해서라도 맞추는 편이 유리하기 때문에, 모델은 모르겠다고 답하기보다, 틀릴 가능성이 있더라도 추측하는 쪽을 선택한다고 합니다.

마치 객관식 시험에서 모르는 답을 공백으로 남겨두는 것 보다, 아무렇게나라도 찍는 것이 점수를 얻기 쉬운 것과 마찬가지라는 것이죠.

환각을 없애려면 모른다거나 불확실하다는 답변을 할 수 있게 해야하는데, 현재 학습 방식은 모른다는 답변을 하는게 불리한 평가 방식이라는겁니다. (어쩜 이것도 인간이랑 똑같니 어휴..)

이것이 바로 RAG 등으로도 완전히 해결하지 못하는 이유인 것 같습니다.

따라서 이는 단순히 패널티나 보상의 방식을 조금 바꾸는 정도로는 한계가 있기때문에, 크게 개선하려면 현재의 평가 방식을 아예 완전히 바꿔야 할 수도 있다고 하네요.

OpenAI가 이 논문을 발표했다는 것은 이미 그 해결책도 어느정도 가지고 있다는 것이겠죠? GPT-5가 환각이 크게 줄어든 것도 이미 어느정도는 반영된 것일테고요.

아무튼 그렇다면 GPT-6에서는 더이상 환각을 걱정하지 않게 될 수도 있겠네요. 뭐.. 이미 대개의 인간보다 환각이 적긴하지만요. 😏

📝 언어모델의 환각(hallucination)은 왜 일어나는가? OpenAI가 언어모델(LLM)의 가장 어려운 문제 중 하나인 환각의 원인을 규명한 최신 논문을 발표했습니다. 환각은 언어 모델이 그럴듯하지만 거짓인 문장을 생성하는, 자신있게 잘못된 답변을 생성하는 현상인데요. 문제의 원인은 크게 두가지라고 합니다. 우선 사전 학습 과정에서는 다음에 올 단어를 예측하는 방식으로만 학습하는데요. 여기에는 정답/오답에 대한 레이블이 없기 때문에, 모델은 단지 문장 흐름에 기반해 학습할 뿐입니다. 따라서 문맥상 빈도가 낮게 나타나는 사실은 잘못 예측될 수 있고, 이것이 환각으로 이어진다고 합니다. 두번째는 사후 학습 과정에서 발생하는 문제인데요. 현재 사후 학습을 훈련시키는 대부분의 평가 방식은 정확도(accuracy) 중심입니다. 즉, 사전 학습과 달리 정답/오답 레이블을 가지고 가장 정확도가 높은쪽으로 생성하도록 훈련을 하는데요. 이 방식은 모델이 답을 몰라도 추측해서라도 맞추는 편이 유리하기 때문에, 모델은 모르겠다고 답하기보다, 틀릴 가능성이 있더라도 추측하는 쪽을 선택한다고 합니다. 마치 객관식 시험에서 모르는 답을 공백으로 남겨두는 것 보다, 아무렇게나라도 찍는 것이 점수를 얻기 쉬운 것과 마찬가지라는 것이죠. 환각을 없애려면 모른다거나 불확실하다는 답변을 할 수 있게 해야하는데, 현재 학습 방식은 모른다는 답변을 하는게 불리한 평가 방식이라는겁니다. (어쩜 이것도 인간이랑 똑같니 어휴..) 이것이 바로 RAG 등으로도 완전히 해결하지 못하는 이유인 것 같습니다. 따라서 이는 단순히 패널티나 보상의 방식을 조금 바꾸는 정도로는 한계가 있기때문에, 크게 개선하려면 현재의 평가 방식을 아예 완전히 바꿔야 할 수도 있다고 하네요. OpenAI가 이 논문을 발표했다는 것은 이미 그 해결책도 어느정도 가지고 있다는 것이겠죠? GPT-5가 환각이 크게 줄어든 것도 이미 어느정도는 반영된 것일테고요. 아무튼 그렇다면 GPT-6에서는 더이상 환각을 걱정하지 않게 될 수도 있겠네요. 뭐.. 이미 대개의 인간보다 환각이 적긴하지만요. 😏

📝 언어모델의 환각(hallucination)은 왜 일어나는가?


pyhunt는 AI가 생성한 파이썬 코드를 손쉽게 추적할 수 있는 로깅 툴입니다.

변경사항
 * 네이티브 컬러링: rich 종속성을 제거, 네이티브로 작성하여 퍼포먼스를 향상시켰습니다.
 * 로그 반복 제한:
   hunt --repeat 횟수
   명령어로 과도한 반복 출력을 제한합니다.
 * 루트 디렉토리 설정:
   hunt --root
   명령어로 현재 프로젝트 경로를 지정하여 로그 경로가 더 정확하게 출력되도록 합니다.
 * 새로운 예제: 다양한 상황을 체크하기 위한 예제가 추가되었습니다.
 * 안정성 향상: 내부 테스트 추가
   
   
https://github.com/EasyDevv/pyhunt

pyhunt는 AI가 생성한 파이썬 코드를 손쉽게 추적할 수 있는 로깅 툴입니다. 변경사항<ul ><li>네이티브 컬러링: rich 종속성을 제거, 네이티브로 작성하여 퍼포먼스를 향상시켰습니다.</li><li>로그 반복 제한: <code >hunt --repeat 횟수</code> 명령어로 과도한 반복 출력을 제한합니다.</li><li>루트 디렉토리 설정: <code >hunt --root</code> 명령어로 현재 프로젝트 경로를 지정하여 로그 경로가 더 정확하게 출력되도록 합니다.</li><li>새로운 예제: 다양한 상황을 체크하기 위한 예제가 추가되었습니다.</li><li>안정성 향상: 내부 테스트 추가 </li></ul>https://github.com/EasyDevv/pyhunt

터미널 트리 시각화 로거 - pyhunt 1.1.2 업데이트

댓글 0

함께 읽은 게시물

주간 인기 TOP 10

추천 프로필