사이드 프로젝트 개발자를 구합니다.
기획은 80% 이상 완료되어 있는 상태입니다.
현재 팀 구성원 : 기획자, 디자이너, 마케터.
플러터와 백엔드 개발을 다루는 풀스택 개발자를 찾습니다.
보상: 처음에는 드릴 수 없으나 수익이 나면 공평하게 분배해 드립니다.
원할 시 스톡옵션도 드릴 수 있습니다.

사이드 프로젝트 개발자가 아니라 호구 개발자를 구합니다로 바꿔야 하는 것 아닌가?

서비스 전체를 만드는 개발자에게는 스톡옵션을 준다고 하고 수익은 나눠 갖는다고 합니다.
어차피 자기들도 돈이 없으니까 월급을 주지는 못하고 스톡옵션으로 준다는 것.
아마 스톡옵션이 뭔지도 모를 것이 분명합니다.
법인을 만들어야 하고, 정관에 뭘 적어야 하고 언제부터 효력이 발생하고 얼만큼 발행할 수 있는지.
이런 걸 알고 적었을까? (아마 아닐 것 같습니다)

그냥 일단 적어 놓고 누구 하나 걸려라 기다리는 것.
이런 것에 혹하는 개발자들은 설마 없겠죠…?

만들고 싶은 게 있으면 그냥 혼자서 만들면 됩니다.
누구에게 의지하고 싶은 마음을 가라 앉히고.
그러면 실패해도 남는 거라도 있습니다.

요즘엔 AI 툴들 덕분에 개발자들은 날개가 생겼습니다.
물론 다른 직군들도 마찬가지긴 합니다만.
각자 훨훨 날아가면 됩니다.

<code >사이드 프로젝트 개발자를 구합니다.</code><code >기획은 80% 이상 완료되어 있는 상태입니다.</code><code >현재 팀 구성원 : 기획자, 디자이너, 마케터.</code><code >플러터와 백엔드 개발을 다루는 풀스택 개발자를 찾습니다.</code><code >보상: 처음에는 드릴 수 없으나 수익이 나면 공평하게 분배해 드립니다.</code><code >원할 시 스톡옵션도 드릴 수 있습니다.</code> 사이드 프로젝트 개발자가 아니라 호구 개발자를 구합니다로 바꿔야 하는 것 아닌가? 서비스 전체를 만드는 개발자에게는 스톡옵션을 준다고 하고 수익은 나눠 갖는다고 합니다.어차피 자기들도 돈이 없으니까 월급을 주지는 못하고 스톡옵션으로 준다는 것.아마 스톡옵션이 뭔지도 모를 것이 분명합니다.법인을 만들어야 하고, 정관에 뭘 적어야 하고 언제부터 효력이 발생하고 얼만큼 발행할 수 있는지.이런 걸 알고 적었을까? (아마 아닐 것 같습니다) 그냥 일단 적어 놓고 누구 하나 걸려라 기다리는 것.이런 것에 혹하는 개발자들은 설마 없겠죠…? 만들고 싶은 게 있으면 그냥 혼자서 만들면 됩니다.누구에게 의지하고 싶은 마음을 가라 앉히고.그러면 실패해도 남는 거라도 있습니다. 요즘엔 AI 툴들 덕분에 개발자들은 날개가 생겼습니다.물론 다른 직군들도 마찬가지긴 합니다만.각자 훨훨 날아가면 됩니다.

호구 개발자를 구합니다

제가 예전에 낚이고 나서는 다시는 호구 잡히지 않으려고 합니다 ㅠㅠ몸도 마음도 다 망가져버린 시기였어요 ㅠㅠ

원문: How we shrunk our Javascript monorepo git size by 94% 이건 낚시가 아닙니다. 진짜로 해냈습니다! 우리는 마이크로소프트에서 1JS라고 부르는 대규모 자바스크립트 모노레포에서 작업하고 있습니다. 이는 단순한 GB…

(번역) 자바스크립트 모노레포의 깃 용량을 94% 줄인 방법

오늘 소개해드릴 글은 당근의 임유진님이 번역해주신 글입니다.

다른 개발자들은 현업에서 어떤 문제를 겪고, 어떻게 해결하며, 그로부터 어떤 교훈을 얻는지는 항상 궁금한 것 같습니다. 이번에 소개해드리는 글은 모노레포를 운영할 때 클론이 어려울 정도로 매우 거대해진 문제를 파악하고 해결해나간 과정을 담은 글입니다. 무려 178GB에서 5GB로 줄어들었다고 하는데요. 혹시 저자처럼 대규모 모노레포에서 작업 중이고, 반복적으로 업데이트되는 파일이나 16자 이상의 긴 이름의 파일을 가지고 있다면 비슷한 문제를 겪으셨을지도 모르겠습니다. 출근길에 가볍게 읽기 좋은 글로 추천드립니다 :)

글 링크 : https://emewjin.github.io/git-repo-size/

오늘 소개해드릴 글은 당근의 임유진님이 번역해주신 글입니다. 다른 개발자들은 현업에서 어떤 문제를 겪고, 어떻게 해결하며, 그로부터 어떤 교훈을 얻는지는 항상 궁금한 것 같습니다. 이번에 소개해드리는 글은 모노레포를 운영할 때 클론이 어려울 정도로 매우 거대해진 문제를 파악하고 해결해나간 과정을 담은 글입니다. 무려 178GB에서 5GB로 줄어들었다고 하는데요. 혹시 저자처럼 대규모 모노레포에서 작업 중이고, 반복적으로 업데이트되는 파일이나 16자 이상의 긴 이름의 파일을 가지고 있다면 비슷한 문제를 겪으셨을지도 모르겠습니다. 출근길에 가볍게 읽기 좋은 글로 추천드립니다 :) 글 링크 : https://emewjin.github.io/git-repo-size/

emewjin.github.io

자바스크립트 모노레포의 깃 용량을 94% 줄인 방법

Bong99 là nhà cái cá cược thể thoa và casino hàng đầu châu Á. Bong99 có các trò chơi trứ danh như: cá cược thể thao CMD, BTi, esport, live casino trực tiếp mỗi ngày với dealer xinh đẹp. Bong99 luôn có dịch vụ hỗ trợ khách hàng 24/7, nạp rút an toàn, nhanh chóng chỉ trong 5 phút.
Công Ty: Địa Chỉ: 151 Phường 14, Quận 5, Hồ Chí Minh, Vietnam
Phone : 0965432996
Tags: #bong99 #bong99k #casinobong99 #thethaobong99
Website: https://bong99k.com/

What is Retrieval Augmented Generation (RAG)?   Retrieval Augmented Generation (RAG) is an...

7 AI Open Source Libraries To Build RAG, Agents & AI Search

🎃 검색 증강 생성(RAG)이란 무엇인가?
 * 관련 정보 검색과 응답 생성을 결합한 AI 기술
 * 먼저 외부 소스(문서나 데이터베이스 등)에서 데이터를 검색한 다음 이 정보를 사용하여 보다 정확하고 문맥에 맞는 답변을 생성하는 방식으로 작동
 * AI는 학습된 내용에만 의존하지 않고 사실에 기반한 더 나은 답변 제공 지원

🎃 검색 증강 생성(RAG)은 어떻게 작동하나?
 1. 사용자 질문 > RAG는 데이터베이스, 웹사이트, 문서 등 다양한 데이터 소스를 검색통해 관련 정보 서치
 2. 검색된 정보 + 원래 질문 = 더 많은 정보를 제공하는 프롬프트 생성
 3. 이렇게 향상된 프롬프트 > 언어 모델에 입력 > 질문과 관련성이 높고 검색된 정보가 보강된 답변 생성
 4. 이 프로세스를 통해 AI는 사전 학습된 기능과 함께 외부 지식 소스를 활용하여 보다 정확하고 최신의 문맥 인식 답변 제공
    
    
🎃 검색 증강 생성(RAG)은 AI 모델에 어떤 도움을 주나?
RAG는 실제 세계의 외부 데이터로 내부 지식을 보강하여 AI의 신뢰성과 최신성을 높입니다. 또한 RAG는 몇 가지 주요 방식으로 AI 모델을 개선합니다:
 1. 최신 정보에 대한 액세스: RAG는 문서, 데이터베이스 또는 웹과 같은 외부 소스에서 관련성 있는 실시간 정보 검색. 즉, AI는 학습 데이터가 오래된 경우에도 정확한 응답 제공 가능
 2. 정확도 향상: RAG는 AI의 학습된 지식에만 의존하지 않고 가장 관련성이 높은 데이터를 기반으로 모델이 답변을 생성. 따라서 답변이 더욱 정확하고 사실에 근거함
 3. 문맥 이해도 향상: 검색된 데이터를 사용자의 쿼리와 결합함으로써 RAG는 보다 맥락에 맞는 답변을 제공할 수 있으므로 AI의 답변이 상황에 더욱 맞춤화되고 구체적
 4. 환각 감소: 순수 AI 모델은 때때로 정보를 '환각'하거나 구성하는 경우가 있는데, RAG는 검색된 사실적인 데이터에 근거하여 응답함으로써 부정확하거나 조작된 정보의 가능성 줄임

🎃 검색 증강 생성을 위한 7가지 오픈 소스 라이브러리
RAG를 수행하는 데 도움이 되는 몇 가지 오픈 소스 라이브러리는 문서 색인부터 검색, 언어 모델과의 통합에 이르기까지 RAG 시스템을 효율적으로 구현하는 데 필요한 도구와 프레임워크를 제공합니다.
1. SWIRL
 * https://github.com/swirlai/swirl-search
 * 검색 증강 세대(RAG) 애플리케이션을 구동하는 오픈 소스 AI 인프라 소프트웨어
 * 특징
   * 데이터를 이동하거나 복사하지 않고도 데이터 소스 전반에서 빠르고 안전하게 검색할 수 있게 함으로써 AI 파이프라인 향상
   * SWIRL은 방화벽 내부에서 작동하여 데이터 보안을 보장하는 동시에 구현 간편하여 프라이빗 클라우드 내에서 빠르고 안전하게 AI 배포
   * 20개 이상의 대규모 언어 모델(LLM)과 원활하게 통합
   * 안전한 데이터 액세스 및 규정 준수를 위해 구축
   * 100개 이상의 애플리케이션에서 데이터 가져오기 지원
2. Cognita
 * https://github.com/truefoundry/cognita
 * 프로덕션에 바로 사용할 수 있는 모듈식 검색 증강 세대(RAG) 시스템을 구축하기 위한 오픈 소스 프레임워크
 * 특징
   * RAG 구성 요소를 구성하여 로컬에서 쉽게 테스트하고 대규모 배포
   * 다양한 문서 검색기, 임베딩을 지원하며 완전한 API 기반이므로 다른 시스템과 원활하게 통합
   * 확장 가능한 RAG 시스템을 위한 모듈식 설계
   * 비전문가도 문서 및 Q&A와 상호작용할 수 있는 UI
   * 증분 인덱싱으로 변경 사항을 추적하여 컴퓨팅 부하 낮춤
3. LLM-Ware
 * https://github.com/llmware-ai/llmware
 * 엔터프라이즈급 검색 증강 생성(RAG) 파이프라인을 구축하기 위한 오픈 소스 프레임워크
 * 특징
   * 비공개로 안전하게 배포할 수 있는 소규모의 전문화된 모델을 통합하도록 설계되어 복잡한 엔터프라이즈 워크플로우에 적합
   * 엔터프라이즈 작업에 최적화된 50개 이상의 미세 조정된 소규모 모델 제공
   * 확장 가능한 모듈식 RAG 아키텍처 지원
   * GPU 없이도 실행할 수 있어 경량 배포 가능
4. RAG Flow
 * https://github.com/infiniflow/ragflow
 * 심층적인 문서 이해를 이용한 검색 증강 생성(RAG)에 초점을 맞춘 오픈 소스 엔진
 * 특징
   * 이 엔진을 통해 사용자는 정형 및 비정형 데이터를 통합하여 인용에 기반한 효과적인 질의응답 가능
   * 이 시스템은 간편한 배포 옵션과 함께 확장 가능한 모듈식 아키텍처 제공
   * 복잡한 데이터 형식을 처리할 수 있는 심층적인 문서 이해 기능 내장
   * 환각 위험을 줄인 근거 기반 인용
   * PDF, 이미지, 구조화된 데이터 등 다양한 문서 유형 지원
5. 그래프 RAG
 * https://github.com/microsoft/graphrag
 * 구조화된 지식 그래프를 통합하여 LLM 결과를 향상시키도록 설계된 모듈식 그래프 기반 검색 증강 생성(RAG) 시스템
 * 특징
   * 개인 데이터로 고급 추론을 지원하므로 기업 및 연구 애플리케이션에 이상적
   * 지식 그래프를 사용해 데이터 검색을 구조화하고 향상
   * 비공개 데이터 처리가 필요한 복잡한 엔터프라이즈 사용 사례에 맞게 맞춤화
   * 대규모 배포를 위해 Microsoft Azure와의 통합지원
6. Haystack
 * https://github.com/deepset-ai/haystack
 * 프로덕션에 바로 사용할 수 있는 LLM 애플리케이션을 구축하기 위한 오픈 소스 AI 오케스트레이션 프레임워크
 * 특징
   * 사용자는 모델, 벡터 데이터베이스, 파일 변환기를 연결하여 RAG, 질문 답변, 시맨틱 검색과 같은 고급 시스템 구축 가능
   * 검색, 임베딩, 추론 작업을 위한 유연한 파이프라인
   * 다양한 벡터 데이터베이스 및 LLM과의 통합 지원
   * 기성 모델과 미세 조정된 모델을 모두 사용자 정의
7. Storm
 * https://github.com/stanford-oval/storm
 * 한 주제를 조사하고 인용이 포함된 전체 길이의 보고서를 생성하는 LLM 기반 지식 큐레이션 시스템
 * 특징
   * 고급 검색 방법을 통합하고 다각도의 질문을 지원하여 생성된 콘텐츠의 깊이와 정확성을 향상
   * 근거에 입각한 인용을 통해 위키백과와 유사한 문서 생성
   * 인간과 AI의 협업 지식 큐레이션 지원
   * 외부 검색 소스를 지원하는 모듈식 설계

🎃 검색 증강 생성의 과제
 * 데이터 연관성: 검색된 문서가 쿼리와 관련성이 높은지 확인하는 것은 특히 규모가 크거나 노이즈가 많은 데이터 세트의 경우 문제 가능성
 * 지연 시간: 외부 소스를 검색하면 오버헤드가 추가되어 특히 실시간 애플리케이션에서 응답 시간이 느려질 가능성
 * 데이터 품질: 품질이 낮거나 오래된 데이터는 부정확하거나 오해의 소지가 있는 AI 생성 응답으로 이어질 가능성
 * 확장성: 성능을 유지하면서 대규모 데이터 세트와 높은 사용자 트래픽을 처리하는 것은 복잡 가능성
 * 보안: 특히 기업 환경에서는 데이터 프라이버시를 보장하고 민감한 정보를 안전하게 처리하는 것이 매우 중요

보다 상세한 내용은 원문을 참고하셔도 좋습니다. ^^
 * source: https://dev.to/vectorpodcast/7-ai-open-source-libraries-to-build-rag-agents-ai-search-27bm?context=digest

🎃 검색 증강 생성(RAG)이란 무엇인가?<ul ><li>관련 정보 검색과 응답 생성을 결합한 AI 기술</li><li>먼저 외부 소스(문서나 데이터베이스 등)에서 데이터를 검색한 다음 이 정보를 사용하여 보다 정확하고 문맥에 맞는 답변을 생성하는 방식으로 작동</li><li>AI는 학습된 내용에만 의존하지 않고 사실에 기반한 더 나은 답변 제공 지원</li></ul> 🎃 검색 증강 생성(RAG)은 어떻게 작동하나?<ol ><li>사용자 질문 &gt; RAG는 데이터베이스, 웹사이트, 문서 등 다양한 데이터 소스를 검색통해 관련 정보 서치 </li><li>검색된 정보 + 원래 질문 = 더 많은 정보를 제공하는 프롬프트 생성</li><li>이렇게 향상된 프롬프트 &gt; 언어 모델에 입력 &gt; 질문과 관련성이 높고 검색된 정보가 보강된 답변 생성 </li><li>이 프로세스를 통해 AI는 사전 학습된 기능과 함께 외부 지식 소스를 활용하여 보다 정확하고 최신의 문맥 인식 답변 제공 </li></ol>🎃 검색 증강 생성(RAG)은 AI 모델에 어떤 도움을 주나?RAG는 실제 세계의 외부 데이터로 내부 지식을 보강하여 AI의 신뢰성과 최신성을 높입니다. 또한 RAG는 몇 가지 주요 방식으로 AI 모델을 개선합니다:<ol ><li>최신 정보에 대한 액세스: RAG는 문서, 데이터베이스 또는 웹과 같은 외부 소스에서 관련성 있는 실시간 정보 검색. 즉, AI는 학습 데이터가 오래된 경우에도 정확한 응답 제공 가능</li><li>정확도 향상: RAG는 AI의 학습된 지식에만 의존하지 않고 가장 관련성이 높은 데이터를 기반으로 모델이 답변을 생성. 따라서 답변이 더욱 정확하고 사실에 근거함</li><li>문맥 이해도 향상: 검색된 데이터를 사용자의 쿼리와 결합함으로써 RAG는 보다 맥락에 맞는 답변을 제공할 수 있으므로 AI의 답변이 상황에 더욱 맞춤화되고 구체적</li><li>환각 감소: 순수 AI 모델은 때때로 정보를 '환각'하거나 구성하는 경우가 있는데, RAG는 검색된 사실적인 데이터에 근거하여 응답함으로써 부정확하거나 조작된 정보의 가능성 줄임</li></ol> 🎃 검색 증강 생성을 위한 7가지 오픈 소스 라이브러리RAG를 수행하는 데 도움이 되는 몇 가지 오픈 소스 라이브러리는 문서 색인부터 검색, 언어 모델과의 통합에 이르기까지 RAG 시스템을 효율적으로 구현하는 데 필요한 도구와 프레임워크를 제공합니다.1. SWIRL<ul ><li>https://github.com/swirlai/swirl-search</li><li>검색 증강 세대(RAG) 애플리케이션을 구동하는 오픈 소스 AI 인프라 소프트웨어</li><li>특징<ul ><li>데이터를 이동하거나 복사하지 않고도 데이터 소스 전반에서 빠르고 안전하게 검색할 수 있게 함으로써 AI 파이프라인 향상</li><li>SWIRL은 방화벽 내부에서 작동하여 데이터 보안을 보장하는 동시에 구현 간편하여 프라이빗 클라우드 내에서 빠르고 안전하게 AI 배포</li><li>20개 이상의 대규모 언어 모델(LLM)과 원활하게 통합</li><li>안전한 데이터 액세스 및 규정 준수를 위해 구축</li><li>100개 이상의 애플리케이션에서 데이터 가져오기 지원</li></ul></li></ul>2. Cognita<ul ><li>https://github.com/truefoundry/cognita</li><li>프로덕션에 바로 사용할 수 있는 모듈식 검색 증강 세대(RAG) 시스템을 구축하기 위한 오픈 소스 프레임워크</li><li>특징<ul ><li>RAG 구성 요소를 구성하여 로컬에서 쉽게 테스트하고 대규모 배포</li><li>다양한 문서 검색기, 임베딩을 지원하며 완전한 API 기반이므로 다른 시스템과 원활하게 통합</li><li>확장 가능한 RAG 시스템을 위한 모듈식 설계</li><li>비전문가도 문서 및 Q&amp;A와 상호작용할 수 있는 UI</li><li>증분 인덱싱으로 변경 사항을 추적하여 컴퓨팅 부하 낮춤</li></ul></li></ul>3. LLM-Ware<ul ><li>https://github.com/llmware-ai/llmware</li><li>엔터프라이즈급 검색 증강 생성(RAG) 파이프라인을 구축하기 위한 오픈 소스 프레임워크</li><li>특징<ul ><li>비공개로 안전하게 배포할 수 있는 소규모의 전문화된 모델을 통합하도록 설계되어 복잡한 엔터프라이즈 워크플로우에 적합</li><li>엔터프라이즈 작업에 최적화된 50개 이상의 미세 조정된 소규모 모델 제공</li><li>확장 가능한 모듈식 RAG 아키텍처 지원</li><li>GPU 없이도 실행할 수 있어 경량 배포 가능</li></ul></li></ul>4. RAG Flow<ul ><li>https://github.com/infiniflow/ragflow</li><li>심층적인 문서 이해를 이용한 검색 증강 생성(RAG)에 초점을 맞춘 오픈 소스 엔진</li><li>특징<ul ><li>이 엔진을 통해 사용자는 정형 및 비정형 데이터를 통합하여 인용에 기반한 효과적인 질의응답 가능</li><li>이 시스템은 간편한 배포 옵션과 함께 확장 가능한 모듈식 아키텍처 제공</li><li>복잡한 데이터 형식을 처리할 수 있는 심층적인 문서 이해 기능 내장</li><li>환각 위험을 줄인 근거 기반 인용</li><li>PDF, 이미지, 구조화된 데이터 등 다양한 문서 유형 지원</li></ul></li></ul>5. 그래프 RAG<ul ><li>https://github.com/microsoft/graphrag</li><li>구조화된 지식 그래프를 통합하여 LLM 결과를 향상시키도록 설계된 모듈식 그래프 기반 검색 증강 생성(RAG) 시스템</li><li>특징<ul ><li>개인 데이터로 고급 추론을 지원하므로 기업 및 연구 애플리케이션에 이상적</li><li>지식 그래프를 사용해 데이터 검색을 구조화하고 향상</li><li>비공개 데이터 처리가 필요한 복잡한 엔터프라이즈 사용 사례에 맞게 맞춤화</li><li>대규모 배포를 위해 Microsoft Azure와의 통합지원</li></ul></li></ul>6. Haystack<ul ><li>https://github.com/deepset-ai/haystack</li><li>프로덕션에 바로 사용할 수 있는 LLM 애플리케이션을 구축하기 위한 오픈 소스 AI 오케스트레이션 프레임워크</li><li>특징<ul ><li>사용자는 모델, 벡터 데이터베이스, 파일 변환기를 연결하여 RAG, 질문 답변, 시맨틱 검색과 같은 고급 시스템 구축 가능</li><li>검색, 임베딩, 추론 작업을 위한 유연한 파이프라인</li><li>다양한 벡터 데이터베이스 및 LLM과의 통합 지원</li><li>기성 모델과 미세 조정된 모델을 모두 사용자 정의</li></ul></li></ul>7. Storm<ul ><li>https://github.com/stanford-oval/storm</li><li>한 주제를 조사하고 인용이 포함된 전체 길이의 보고서를 생성하는 LLM 기반 지식 큐레이션 시스템</li><li>특징<ul ><li>고급 검색 방법을 통합하고 다각도의 질문을 지원하여 생성된 콘텐츠의 깊이와 정확성을 향상</li><li>근거에 입각한 인용을 통해 위키백과와 유사한 문서 생성</li><li>인간과 AI의 협업 지식 큐레이션 지원</li><li>외부 검색 소스를 지원하는 모듈식 설계</li></ul></li></ul> 🎃 검색 증강 생성의 과제<ul ><li>데이터 연관성: 검색된 문서가 쿼리와 관련성이 높은지 확인하는 것은 특히 규모가 크거나 노이즈가 많은 데이터 세트의 경우 문제 가능성</li><li>지연 시간: 외부 소스를 검색하면 오버헤드가 추가되어 특히 실시간 애플리케이션에서 응답 시간이 느려질 가능성</li><li>데이터 품질: 품질이 낮거나 오래된 데이터는 부정확하거나 오해의 소지가 있는 AI 생성 응답으로 이어질 가능성</li><li>확장성: 성능을 유지하면서 대규모 데이터 세트와 높은 사용자 트래픽을 처리하는 것은 복잡 가능성</li><li>보안: 특히 기업 환경에서는 데이터 프라이버시를 보장하고 민감한 정보를 안전하게 처리하는 것이 매우 중요</li></ul> 보다 상세한 내용은 원문을 참고하셔도 좋습니다. ^^<ul ><li>source: https://dev.to/vectorpodcast/7-ai-open-source-libraries-to-build-rag-agents-ai-search-27bm?context=digest</li></ul>

DEV Community

[DEV]RAG를 수행하기 위한 7가지 AI 오픈소스 라이브러리

글 잘 읽었습니다! 혹시 랭체인의 에이전트 기능도 RAG의 종류라고 볼 수 있나요?

AI 에이전트가 프로그래밍과 사이버 보안에서 중요한 역할을 수행할 전망이다. 이에 더해 워크플로우와 비즈니스 인텔리전스에도 큰 변화를 가져올 것이라고 전문가들은 예측했다.

‘유망한 에이전틱 AI 활용처는…’ 전문가들이 지목한 6가지

최근들어 내년도 AI전망시 항상 포함되는 토픽중에 하나가 바로 AI에이전트입니다. Forrester가 6월에 2025년 최고 떠오르는 기술로 선정한 에이전트 AI는 콘텐츠 생성보다는 운영상의 의사 결정을 강조함으로써 제너레이티브 AI를 한 단계 더 발전시켰습니다. 아래와 같이 여러 기업들이 이미 AI에이전트를 사용하고 있습니다.
 * Aflac, Atlantic Health System, Legendary Entertainment, NASA의 제트 추진 연구소와 같은 조직에서 이미 이 기술 채택
 * CRM의 선두주자인 Salesforce는 에이전트포스 를 발표하면서 에이전트 AI를 중심으로 전략 수립
 * IT 서비스 관리 대기업인 ServiceNow도 Now 플랫폼에 AI 에이전트 추가
 * Microsoft와 다른 기업들도 이 경쟁에 동참
 * 오픈AI도 인공지능(AI) 에이전트인 오퍼레이터를 내년 1월 출시 예정

AI 에이전트
 * 인간의 개입 없이 다양한 작업을 스스로 수행하는 인공지능 시스템을 의미하는 것으로 매우 광범위하여, 간단한 작업 자동화에서부터 복잡한 의사결정과 실행까지 포함
 * AI 에이전트는 고객 서비스, 공급망 관리, IT 운영 등 과거에는 사람의 개입이 필요했던 반복적인 작업을 자동화할 수 있고, 변화하는 상황에 적응하고 수동 감독 없이 예기치 않은 입력 처리
 * 비결정적인 이성 기반의 다단계 작업을 자율적으로 수행하는 능력

다음은 여러 AI 전문가들이 꼽은 AI 에이전트의 주요 활용 분야 6가지입니다.

 1. 소프트웨어 개발
 * 에이전트 AI는 AI 코딩 어시스턴트 또는 코파일럿을 대량의 코드를 작성하는 더 스마트한 소프트웨어 개발 도구로 탈바꿈시킬 것으로 예상
 * 코딩 에이전트는 코드에서 사양을 자율적으로 리버스 엔지니어링하고, 사양에서 테스트 케이스와 코드를 포워드 엔지니어링하며, 특정 임계값 기준을 충족하는 아티팩트를 승인하여 전반적인 자동화 수준을 향상시킬 수 있음
 * Gartner는 3년 이내에 더 똑똑한 AI 에이전트가 대부분의 코드를 작성하게 될 것이며, 이로 인해 대부분의 소프트웨어 엔지니어가 재교육을 받아야 할 것으로 예측

 2. 더 강력한 RPA
 * 에이전트 AI도 작업을 자동화할 수 있지만, 더 높은 수준의 의사 결정 기능이 필요한 더 복잡한 문제를 처리 가능
 * AI를 통해 RPA는 규칙 기반 작업을 넘어 적응 가능한 자율 프로세스로 전환하여 비즈니스 운영 전반의 효율성을 크게 향상시킴
 * RPA가 수행하던 가장 단순한 작업뿐만 아니라 예외 로직이 작동하는 경우의 미묘한 차이를 이해할 수 있도록 교육

 3. 고객 지원 자동화
 * 사람의 안내 없이도 매우 복잡하고 적응적인 의사 결정 프로세스를 처리할 수 있는 능력
 * 고객 서비스 에이전트는 소매업, 금융 서비스, IT 서비스 데스크 지원 등 다양한 산업과 기능에 적용 가능
 * 고도로 큐레이션된 봇이 제한된 수의 질문에 답하는 대신 AI 상담원은 다양한 고객의 요구를 이해하고 상황에 맞는 답변을 제공 가능

 4. 엔터프라이즈 워크플로
 * ServiceNow, Salesforce 및 기타 공급업체가 에이전트 AI를 수용함에 따라 엔터프라이즈 워크플로우가 이 기술의 최적지가 될 것이며, 기업은 일상적인 작업을 자동화하여 프로세스를 간소화
 * 대규모 공급업체의 IT 도구를 비즈니스 전반에 배포하는 조직은 API로 연결해야 할 수 있는 다양한 솔루션을 사용하는 기업보다 유리할 것. 그래서, 기업들은 모든 데이터를 통합하고 정보 사일로를 피하는 것이 중요

 5. 사이버 보안 및 위협 탐지
 * 사이버 보안의 에이전트형 AI는 보안 및 사기 위협을 거의 실시간으로 자율적으로 탐지, 대응, 완화하여 잠재적 공격에 대한 대응 시간을 단축하고 전반적인 보안 강화
 * 특정 위협과 취약성에 맞게 개인화된 보안 프로토콜을 구현 가능하며, 이러한 에이전트 자동화는 더욱 강력한 방어 메커니즘을 보장
 * 보안AI 에이전트는 일상적인 작업과 보안 대응을 자동화하여 효율성과 비용 절감 도모

 6. 비즈니스 인텔리전스
 * 에이전트형 AI와 BI 솔루션을 결합하면 더 많은 직원이 유용한 분석에 액세스 가능
 * 음성 질문을 기반으로 비즈니스 데이터 인사이트 생성

“에이전트가 할 수 있는 일은 아직 표면적으로 드러나지 않았습니다."라고 그는 말합니다. “우리는 아직 조직이 어떤 모습인지, 어떻게 상호 작용해야 하는지, 어떻게 관리되어야 하는지 모릅니다. 하지만 앞으로 몇 년이 지나면 모든 것을 알아낼 수 있을 것이라고 믿어 의심치 않습니다.”

>> 보다 자세한 내용은 원문을 참고해주세요~

 * 출처: https://www.cio.com/article/3607002/%EC%9C%A0%EB%A7%9D%ED%95%9C-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8B%B1-ai-%ED%99%9C%EC%9A%A9%EC%B2%98%EB%8A%94-%EC%A0%84%EB%AC%B8%EA%B0%80%EB%93%A4%EC%9D%B4-%EC%A7%80%EB%AA%A9.html

최근들어 내년도 AI전망시 항상 포함되는 토픽중에 하나가 바로 AI에이전트입니다. Forrester가 6월에 2025년 최고 떠오르는 기술로 선정한 에이전트 AI는 콘텐츠 생성보다는 운영상의 의사 결정을 강조함으로써 제너레이티브 AI를 한 단계 더 발전시켰습니다. 아래와 같이 여러 기업들이 이미 AI에이전트를 사용하고 있습니다.<ul ><li>Aflac, Atlantic Health System, Legendary Entertainment, NASA의 제트 추진 연구소와 같은 조직에서 이미 이 기술 채택</li><li>CRM의 선두주자인 Salesforce는 에이전트포스 를 발표하면서 에이전트 AI를 중심으로 전략 수립</li><li>IT 서비스 관리 대기업인 ServiceNow도 Now 플랫폼에 AI 에이전트 추가</li><li>Microsoft와 다른 기업들도 이 경쟁에 동참</li><li>오픈AI도 인공지능(AI) 에이전트인 오퍼레이터를 내년 1월 출시 예정</li></ul> AI 에이전트<ul ><li>인간의 개입 없이 다양한 작업을 스스로 수행하는 인공지능 시스템을 의미하는 것으로 매우 광범위하여, 간단한 작업 자동화에서부터 복잡한 의사결정과 실행까지 포함</li><li>AI 에이전트는 고객 서비스, 공급망 관리, IT 운영 등 과거에는 사람의 개입이 필요했던 반복적인 작업을 자동화할 수 있고, 변화하는 상황에 적응하고 수동 감독 없이 예기치 않은 입력 처리</li><li> 비결정적인 이성 기반의 다단계 작업을 자율적으로 수행하는 능력</li></ul> 다음은 여러 AI 전문가들이 꼽은 AI 에이전트의 주요 활용 분야 6가지입니다. <ol ><li>소프트웨어 개발</li></ol><ul ><li>에이전트 AI는 AI 코딩 어시스턴트 또는 코파일럿을 대량의 코드를 작성하는 더 스마트한 소프트웨어 개발 도구로 탈바꿈시킬 것으로 예상</li><li>코딩 에이전트는 코드에서 사양을 자율적으로 리버스 엔지니어링하고, 사양에서 테스트 케이스와 코드를 포워드 엔지니어링하며, 특정 임계값 기준을 충족하는 아티팩트를 승인하여 전반적인 자동화 수준을 향상시킬 수 있음</li><li>Gartner는 3년 이내에 더 똑똑한 AI 에이전트가 대부분의 코드를 작성하게 될 것이며, 이로 인해 대부분의 소프트웨어 엔지니어가 재교육을 받아야 할 것으로 예측</li></ul> <ol start="2"><li>더 강력한 RPA</li></ol><ul ><li>에이전트 AI도 작업을 자동화할 수 있지만, 더 높은 수준의 의사 결정 기능이 필요한 더 복잡한 문제를 처리 가능</li><li>AI를 통해 RPA는 규칙 기반 작업을 넘어 적응 가능한 자율 프로세스로 전환하여 비즈니스 운영 전반의 효율성을 크게 향상시킴</li><li>RPA가 수행하던 가장 단순한 작업뿐만 아니라 예외 로직이 작동하는 경우의 미묘한 차이를 이해할 수 있도록 교육</li></ul> <ol start="3"><li>고객 지원 자동화</li></ol><ul ><li>사람의 안내 없이도 매우 복잡하고 적응적인 의사 결정 프로세스를 처리할 수 있는 능력</li><li>고객 서비스 에이전트는 소매업, 금융 서비스, IT 서비스 데스크 지원 등 다양한 산업과 기능에 적용 가능</li><li>고도로 큐레이션된 봇이 제한된 수의 질문에 답하는 대신 AI 상담원은 다양한 고객의 요구를 이해하고 상황에 맞는 답변을 제공 가능</li></ul> <ol start="4"><li>엔터프라이즈 워크플로</li></ol><ul ><li>ServiceNow, Salesforce 및 기타 공급업체가 에이전트 AI를 수용함에 따라 엔터프라이즈 워크플로우가 이 기술의 최적지가 될 것이며, 기업은 일상적인 작업을 자동화하여 프로세스를 간소화</li><li>대규모 공급업체의 IT 도구를 비즈니스 전반에 배포하는 조직은 API로 연결해야 할 수 있는 다양한 솔루션을 사용하는 기업보다 유리할 것. 그래서, 기업들은 모든 데이터를 통합하고 정보 사일로를 피하는 것이 중요</li></ul> <ol start="5"><li>사이버 보안 및 위협 탐지</li></ol><ul ><li>사이버 보안의 에이전트형 AI는 보안 및 사기 위협을 거의 실시간으로 자율적으로 탐지, 대응, 완화하여 잠재적 공격에 대한 대응 시간을 단축하고 전반적인 보안 강화</li><li>특정 위협과 취약성에 맞게 개인화된 보안 프로토콜을 구현 가능하며, 이러한 에이전트 자동화는 더욱 강력한 방어 메커니즘을 보장</li><li>보안AI 에이전트는 일상적인 작업과 보안 대응을 자동화하여 효율성과 비용 절감 도모</li></ul> <ol start="6"><li>비즈니스 인텔리전스</li></ol><ul ><li>에이전트형 AI와 BI 솔루션을 결합하면 더 많은 직원이 유용한 분석에 액세스 가능</li><li>음성 질문을 기반으로 비즈니스 데이터 인사이트 생성</li></ul> “에이전트가 할 수 있는 일은 아직 표면적으로 드러나지 않았습니다."라고 그는 말합니다. “우리는 아직 조직이 어떤 모습인지, 어떻게 상호 작용해야 하는지, 어떻게 관리되어야 하는지 모릅니다. 하지만 앞으로 몇 년이 지나면 모든 것을 알아낼 수 있을 것이라고 믿어 의심치 않습니다.” &gt;&gt; 보다 자세한 내용은 원문을 참고해주세요~ <ul ><li>출처: https://www.cio.com/article/3607002/%EC%9C%A0%EB%A7%9D%ED%95%9C-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8B%B1-ai-%ED%99%9C%EC%9A%A9%EC%B2%98%EB%8A%94-%EC%A0%84%EB%AC%B8%EA%B0%80%EB%93%A4%EC%9D%B4-%EC%A7%80%EB%AA%A9.html</li></ul>

[CIO.COM]에이전트 AI: 비즈니스를 위한 6가지 유망한 사용 사례

토스 채용

토스 프론트엔드 플랫폼 팀과 함께 겨울방학동안 샘플 앱을 만들어가실 분을 찾는다고 합니다.

내년, 토스 프론트엔드 개발환경이 모두에게 공개된다고 해요.
공개 전 샘플앱을 만들면서 검증할 분을 찾나봐요!

자세한 사항은 아래 링크로!

https://toss.im/career/job-detail?job_id=6272708003

토스 프론트엔드 플랫폼 팀과 함께 겨울방학동안 샘플 앱을 만들어가실 분을 찾는다고 합니다. 내년, 토스 프론트엔드 개발환경이 모두에게 공개된다고 해요. 공개 전 샘플앱을 만들면서 검증할 분을 찾나봐요! 자세한 사항은 아래 링크로! https://toss.im/career/job-detail?job_id=6272708003

toss.im

토스 개발팀에서 겨울방학동안 샘플 앱 만드실분~

원문 : The Ultimate Guide to Font Performance Optimization 폰트 성능 최적화는 웹사이트의 폰트 로딩 속도를 높이고 더 부드럽게 렌더링 되도록 하는 다양한 웹 개발 기법을 말합니다. 이러한 최적화에는 신중한 폰트 선택, 성능이 우수한 폰트 포맷 사용, 자체 호스팅, 최적화된  선언, 폰트 디스플레이 전략 등이 포함됩니다. 웹사이트에 표시되는 폰트를 최적화하면 페이지 로딩 속도가 빨라지고 사용자 경험이 향상되며, 코어 웹 바이탈(Core Web Vitals…

(번역) 폰트 성능 최적화를 위한 궁극적인 가이드

오늘 소개드릴 글은 42dot의 유경상님이 번역해주신 글입니다.

폰트는 웹사이트의 성능과 사용자 경험에 큰 영향을 미치는 중요한 요소 중 하나임에도 불구하고, 많은 개발자들이 종종 폰트 최적화의 중요성을 간과하곤 합니다. 이 글에서는 웹사이트 폰트 성능 최적화에 대한 포괄적인 가이드를 제공합니다. 글에서는 웹 세이프 폰트와 웹 폰트의 차이점부터 시작하여, 폰트 자체 호스팅의 이점, WOFF2 형식의 중요성,
@font-face
선언 최적화 방법 등을 상세히 다룹니다. 또한 이 밖에도 여러가지 최적화 기법들을 소개하고 있습니다. 폰트 최적화는 비교적 작은 노력으로 큰 성능 향상을 얻을 수 있는 영역이므로, 이 글을 참고하여 여러분의 웹사이트 성능을 한 단계 끌어올리시는 기회가 되시길 바랍니다 :)

글 링크 : https://ykss.netlify.app/translation/the_ultimate_guide_to_font_performance_optimization/

오늘 소개드릴 글은 42dot의 유경상님이 번역해주신 글입니다. 폰트는 웹사이트의 성능과 사용자 경험에 큰 영향을 미치는 중요한 요소 중 하나임에도 불구하고, 많은 개발자들이 종종 폰트 최적화의 중요성을 간과하곤 합니다. 이 글에서는 웹사이트 폰트 성능 최적화에 대한 포괄적인 가이드를 제공합니다. 글에서는 웹 세이프 폰트와 웹 폰트의 차이점부터 시작하여, 폰트 자체 호스팅의 이점, WOFF2 형식의 중요성, <code >@font-face</code> 선언 최적화 방법 등을 상세히 다룹니다. 또한 이 밖에도 여러가지 최적화 기법들을 소개하고 있습니다. 폰트 최적화는 비교적 작은 노력으로 큰 성능 향상을 얻을 수 있는 영역이므로, 이 글을 참고하여 여러분의 웹사이트 성능을 한 단계 끌어올리시는 기회가 되시길 바랍니다 :) 글 링크 : https://ykss.netlify.app/translation/the_ultimate_guide_to_font_performance_optimization/

ykss.netlify.app

폰트 성능 최적화를 위한 궁극적인 가이드

CQRS에서 이용할수 있는 이벤트 스토어의 유형은 다음과같습니다.
Journal
 * 이벤트 소싱(Event Sourcing) 방식을 사용합니다
 * 액터의 상태 변경을 나타내는 이벤트들을 순차적으로 저장합니다
 * 추가 전용(append-only) 로그 형태로 이벤트를 저장합니다
 * 액터의 전체 상태 변경 이력을 보존합니다.
 * 액터 복구 시 저장된 이벤트들을 재생하여 상태를 복원합니다
Snapshot
 * 액터의 전체 상태를 특정 시점에 저장합니다
 * 복구 시간을 최적화하기 위한 용도로 사용됩니다
 * 전체 이벤트 이력을 재생하지 않고도 빠르게 상태를 복원할 수 있게 해줍니다
 * Journal과 함께 사용되며, 가장 최근 스냅샷 이후의 이벤트만 재생하면 됩니다
Durable State
 * 액터의 최신 상태만을 저장합니다4. 이벤트 이력을 저장하지 않고 현재 상태만 유지합니다.
 * CRUD 기반 애플리케이션과 유사한 방식으로 동작합니다
 * 상태 변경 시마다 전체 상태를 덮어씁니다.

코틀린 코드로 작성되었으며~ CQRS는 언어또는 프레임워크에 의존적이지 않으며
Journal+DurableState를 활용하는 비교적 간단한 예제로 다음 3가지 방식을 각각 이용해 유사하게 작동하는것을 시도해보았습니다.

Akka프레임의 액터모델 / 코틀린에서 지원하는 순수액터모델 / 액터모델없이 카프카 스트림
 * https://wiki.webnori.com/display/AKKA/%5BKotlin%5D+PersistentDurableStateActor
 * https://wiki.webnori.com/pages/viewpage.action?pageId=93946646
 * https://wiki.webnori.com/display/AKKA/DuralbleState+By+KafkaStream

CQRS에서 이용할수 있는 이벤트 스토어의 유형은 다음과같습니다. Journal<ul><li>이벤트 소싱(Event Sourcing) 방식을 사용합니다</li><li>액터의 상태 변경을 나타내는 이벤트들을 순차적으로 저장합니다</li><li>추가 전용(append-only) 로그 형태로 이벤트를 저장합니다</li><li>액터의 전체 상태 변경 이력을 보존합니다.</li><li>액터 복구 시 저장된 이벤트들을 재생하여 상태를 복원합니다</li></ul>Snapshot<ul><li>액터의 전체 상태를 특정 시점에 저장합니다</li><li>복구 시간을 최적화하기 위한 용도로 사용됩니다</li><li>전체 이벤트 이력을 재생하지 않고도 빠르게 상태를 복원할 수 있게 해줍니다</li><li>Journal과 함께 사용되며, 가장 최근 스냅샷 이후의 이벤트만 재생하면 됩니다</li></ul>Durable State<ul><li>액터의 최신 상태만을 저장합니다4.&nbsp;이벤트 이력을 저장하지 않고 현재 상태만 유지합니다.</li><li>CRUD 기반 애플리케이션과 유사한 방식으로 동작합니다</li><li>상태 변경 시마다 전체 상태를 덮어씁니다.</li></ul> 코틀린 코드로 작성되었으며~ CQRS는 언어또는 프레임워크에 의존적이지 않으며Journal+DurableState를 활용하는 비교적 간단한 예제로 다음 3가지 방식을 각각 이용해 유사하게 작동하는것을 시도해보았습니다. Akka프레임의 액터모델 / 코틀린에서 지원하는 순수액터모델 / 액터모델없이 카프카 스트림<ul><li>https://wiki.webnori.com/display/AKKA/%5BKotlin%5D+PersistentDurableStateActor</li><li>https://wiki.webnori.com/pages/viewpage.action?pageId=93946646</li><li>https://wiki.webnori.com/display/AKKA/DuralbleState+By+KafkaStream </li></ul>

스프링부트에서 CQRS 이벤트 스토어 다루기

01 . 이번 달 '기획자의 독서' 모임의 읽을거리는 ⟪감정의 발견⟫이라는 책이었습니다. 우리 삶에 '기분'이라는 대상이 얼마나 중요한 존재인지, 무엇보다 우리가 하는 일에 있어 기분이 얼마나 크게 생산성을 좌우하는 요소인지를 분석한 내용인데 2년 전에 처음 이 책을 읽고 나서 적지 않은 영향을 받았던 기억이 납니다. 한때 '기분'과 '감정'을 주제로 한 에세이들이 서점의 주요 자리들을 차지하고 있었고, 그 책들의 대다수가 개인감정의 토로였거나 누군가와의 관계를 일방적으로 단절시키는 방식들을 권유했기에 사실 꽤나 아쉬움이 컸던 게 사실이거든요. 하지만 이런 반가운 책을 만나면 조금은 건강하게 생각을 전환할 수 있어서 다행이라는 안도감마저 생기곤 합니다.

02 . 감정을 주제로 한 책을 가지고 모임을 진행하며 그동안 제가 감정에 관해 가지고 있었던 짧은 생각 하나를 멤버분들께 공유했습니다. 그건 바로 이른바 '감정 수건 사용법'에 대한 것이었죠.
저는 감정을 우리가 일상에서 사용하는 '수건'에 자주 비유하곤 합니다. 사람들은 너무 쉽게 '그냥 잊어라', '신경 쓰지 말아라', '단호하게 끊어내라', '새로운 것들로 기분을 전환시켜라'라고 하지만 우리 각자의 일상에서 이런 일들이 말처럼 쉽게 가능한 게 아니라는 건 우리 스스로가 더 잘 알고 있습니다. 어떤 상황에든, 특정한 누군가에게든 우리의 감정을 쓴다는 게 휴지나 물티슈 한 장 뽑아서 스으윽 닦아버리고 휙 버리는 방식으로 이뤄지지 않는다는 얘기죠.

03 . 제가 수건에 대한 비유를 드는 것도 바로 이 때문입니다. 적어도 제가 느끼기에 감정이라는 것은 '빨아서야 하는 것'에 가깝거든요. 집에 수건을 수백 장, 수천 장 가지고 있는 사람이 없듯 우리는 수십 장 정도 되는 수건으로 일상의 여러 이벤트에 대처해야 하고, 사용한 수건은 더 지저분해지거나 오염되기 전에 빨리 세탁하고 뽀송뽀송하게 건조해서 다음을 대비해 잘 개어 놓는 것이 중요하단 의미입니다. 그러니 무한정 새로운 감정이 생겨나게 할 수도 없고, 한 번 소진한 감정을 일회용품처럼 휴지통에 집어넣을 수 없다는 걸 감안했을 때 우리는 우리 각자의 감정 수건을 어떻게 쓰고 살 것인가라는 새로운 과제를 부여받게 됩니다.

04 . 우선 저는 감정 수건을 잘못 사용하고 있는 사례들에 대해 이야기해 보고 싶습니다.
첫 번째는 '수건에 탈취제를 뿌리듯 감정을 사용하는 사람들'입니다. 만약 수건을 사용함에 있어 '그냥 악취만 안 나면 되지'라는 생각으로 탈취제만 쓱쓱 뿌린 다음 연거푸 사용하는 사람이 있다면 어떨까요? 아마도 듣자마자 인상을 찡그린 분도 있을 거라고 생각합니다.
하지만 의외로 내 감정이 힘든 일상이나 어려운 대상을 상대하느라 꽤 지저분해졌는데도 불구하고 그저 다른 감정으로 그 기분을 뒤덮은 채 넘어가려고 하는 사람들이 많습니다. 내 감정이 어디서부터 곪아가는지, 어떻게 해결해야 하는지를 고민하기보다 일단 그 기분에서 나는 악취만을 지우는 것에 급급한 거죠.

05 . 두 번째는 '한 장의 수건을 여러 용도에 사용하는 사람들'입니다. (이 역시.. 벌써 고개를 절레절레 젓게 되는 것은 매한가지죠..) 수건도 목적과 특성에 따라 어디에 사용할 건지 분류하는 것처럼 우리의 감정도 한 가지 감정으로 모든 상황을 상대할 수는 없습니다. ⟪감정의 발견⟫을 쓴 저자 마크 브래킷 역시 필요한 감정을 적재적소에 잘 사용하는 사람이 인생에 대한 만족도가 높다는 사실을 강조하고 있는데요, 엄연히 얘기해서 대부분의 사람들은 몇 가지 감정으로 모든 문제에 대처하려고 하거나 본인이 중요시하게 생각하는 한 가지 감정에 몰두하는 경향이 크다고 합니다. 아무리 긍정적인 사고가 중요하다고 해도 세상 모든 이벤트에 긍정의 힘을 끌고 들어갈 수는 없다는 이야기죠.

06 . 마지막 세 번째가 (저 개인적으로는) 가장 최악이라고 꼽는 유형입니다. 바로 '타인이 함부로 내 수건을 쓰도록 놔두는 사람들'이죠. 살다 보면 좋은 사람만큼이나 참 희한한 사람들도 많이 보게 되는데 그중에 가장 위험한 유형이 자신의 부정적 감정을 해소하기 위해 습관처럼 남의 감정을 빌리는 사람들입니다. 즉, 본인이 해결해야 하는 문제임에도 불구하고 일단 다른 사람으로 하여금 감정을 소비하게 만들어 정작 자기는 그 상황과 기분과 감정의 소용돌이에서 쏘옥 빠져나와버리는 거죠. '아니 힘들면 다른 사람에게 좀 털어놓을 수 있는 거 아닌가요?'라고 생각하시겠지만 어려운 고민을 나누고, 도움을 요청하는 것과 일단 자기 기분을 스스로 제어하기 싫은 나머지 그 감정을 누군가에게 일방적으로 전가하는 것은 차원이 다른 문제입니다.

07 . 그래서 저는 가장 불쌍한 삶 중 하나가 '다른 사람의 감정 수건을 대신 세탁해 주며 사는 삶'이라고 생각합니다. 앞에서도 말했듯이 우리에겐 호텔처럼 매일 새 수건을 문 앞으로 가져와주는 존재가 따로 있지 않습니다. 당연히 감정이란 것도 한정적이기에 우리가 관리하고 잘 준비해둬야 하는 거죠. 그치만 자기가 써야 할 수건을 남이 냉큼 가져가 쓰는 것을 그저 손놓고 바라보고만 있다든지, 다른 사람에게 쉽게 수건을 빌려주고 본인이 대신 세탁해 주는 걸 마치 이해심 많은 사람인 것처럼 여기며 산다는 건 이루 말할 수 없이 소모적인 삶을 사는 거라고 밖에 설명할 길이 없습니다.

08 . 참고로 저는 매년 1월 1일이 되면 그동안 사용하던 수건을 모두 버리고 새로운 수건을 구매해 세탁합니다. 어찌 보면 새해를 시작하는 기분 좋은 루틴 중 하나라고도 할 수 있겠네요.
이 역시도 감정 수건에 비유해 보자면, 이제 더 이상 누군가를 위해 쓸 감정의 여유분이 없거나 혹은 필요 이상으로 누군가가 자꾸 내 감정 수건을 사용하려고 한다면 그 때는 과감하게 결단을 내리는 것도 필요하다고 말씀드리고 싶어요. 세상엔 막무가내로 끌어안아줘야 할 대상도 없고 (그래서도 안되고요...) 내 마음을 해지게 하면서까지 누군가를 케어해야 할 의무도 주어지지 않습니다. 이마저도 나이가 한참 어릴 때나 수용이 되는 실수지 사회생활 경험이 어느 정도 쌓인 사람에게는 쉽게 용납되지 않는 애티튜드죠.

09 . 우리에게 ⟪죽음이란 무엇인가⟫란 책으로 알려진 예일대의 셜리 케이건 교수는 이런 말을 했습니다. "인생은 사건의 총합이 아니라 그 사건에서 느낀 감정의 총합이다. 지금 무엇인가를 참고 열심히 산다고 해서 나중에 좋은 감정을 보상받을 거라는 것은 아주 큰 착각이다."
저도 100% 동의합니다. 이건 철 지난 욜로 라이프를 살라는 의미와는 완전히 다릅니다. 우리 인생에 파노라마처럼 펼쳐진 사건들은 결국 우리의 기억과 감정 속에서 재구성되어 평생을 함께 하기 때문에 객관적 사실만큼이나 주관적으로 느끼게 될 감정을 소중히 다루라는 의미니까 말이죠.

10 . 그러니 가끔 본인 스스로에게 물어야 합니다. 괜히 착한 사람 컴플렉스를 떠안고 이해심 많은 사람으로 포지셔닝 되고 싶어 정작 본인의 감정 수건은 제대로 못 챙기고 있는 것은 아닌지, 그저 내가 만만해서 자꾸 나에게 찾아와 얌체처럼 수건을 빌려 가는 그들을 향해 '그래도 내가 네 편이 되어줄게'라는 세상 어리석은 응원을 하고 있는 것은 아닌지 말입니다.
누가 뭐래도 가장 행복한 삶은 내 곁에 뽀송뽀송한 감정 수건이 가득 개어져 있고, 나는 그 수건들을 잘 사용하고 잘 관리할 자신이 있는 삶일 테니까요. 여러분도 '감정 수건'이라는 측면에서 각자의 감정을 한 번 들여다보면 좋겠다는 말씀을 드려봅니다.

01 . 이번 달 '기획자의 독서' 모임의 읽을거리는 ⟪감정의 발견⟫이라는 책이었습니다. 우리 삶에 '기분'이라는 대상이 얼마나 중요한 존재인지, 무엇보다 우리가 하는 일에 있어 기분이 얼마나 크게 생산성을 좌우하는 요소인지를 분석한 내용인데 2년 전에 처음 이 책을 읽고 나서 적지 않은 영향을 받았던 기억이 납니다. 한때 '기분'과 '감정'을 주제로 한 에세이들이 서점의 주요 자리들을 차지하고 있었고, 그 책들의 대다수가 개인감정의 토로였거나 누군가와의 관계를 일방적으로 단절시키는 방식들을 권유했기에 사실 꽤나 아쉬움이 컸던 게 사실이거든요. 하지만 이런 반가운 책을 만나면 조금은 건강하게 생각을 전환할 수 있어서 다행이라는 안도감마저 생기곤 합니다. 02 . 감정을 주제로 한 책을 가지고 모임을 진행하며 그동안 제가 감정에 관해 가지고 있었던 짧은 생각 하나를 멤버분들께 공유했습니다. 그건 바로 이른바 '감정 수건 사용법'에 대한 것이었죠.저는 감정을 우리가 일상에서 사용하는 '수건'에 자주 비유하곤 합니다. 사람들은 너무 쉽게 '그냥 잊어라', '신경 쓰지 말아라', '단호하게 끊어내라', '새로운 것들로 기분을 전환시켜라'라고 하지만 우리 각자의 일상에서 이런 일들이 말처럼 쉽게 가능한 게 아니라는 건 우리 스스로가 더 잘 알고 있습니다. 어떤 상황에든, 특정한 누군가에게든 우리의 감정을 쓴다는 게 휴지나 물티슈 한 장 뽑아서 스으윽 닦아버리고 휙 버리는 방식으로 이뤄지지 않는다는 얘기죠. 03 . 제가 수건에 대한 비유를 드는 것도 바로 이 때문입니다. 적어도 제가 느끼기에 감정이라는 것은 '빨아서야 하는 것'에 가깝거든요. 집에 수건을 수백 장, 수천 장 가지고 있는 사람이 없듯 우리는 수십 장 정도 되는 수건으로 일상의 여러 이벤트에 대처해야 하고, 사용한 수건은 더 지저분해지거나 오염되기 전에 빨리 세탁하고 뽀송뽀송하게 건조해서 다음을 대비해 잘 개어 놓는 것이 중요하단 의미입니다. 그러니 무한정 새로운 감정이 생겨나게 할 수도 없고, 한 번 소진한 감정을 일회용품처럼 휴지통에 집어넣을 수 없다는 걸 감안했을 때 우리는 우리 각자의 감정 수건을 어떻게 쓰고 살 것인가라는 새로운 과제를 부여받게 됩니다. 04 . 우선 저는 감정 수건을 잘못 사용하고 있는 사례들에 대해 이야기해 보고 싶습니다.첫 번째는 '수건에 탈취제를 뿌리듯 감정을 사용하는 사람들'입니다. 만약 수건을 사용함에 있어 '그냥 악취만 안 나면 되지'라는 생각으로 탈취제만 쓱쓱 뿌린 다음 연거푸 사용하는 사람이 있다면 어떨까요? 아마도 듣자마자 인상을 찡그린 분도 있을 거라고 생각합니다.하지만 의외로 내 감정이 힘든 일상이나 어려운 대상을 상대하느라 꽤 지저분해졌는데도 불구하고 그저 다른 감정으로 그 기분을 뒤덮은 채 넘어가려고 하는 사람들이 많습니다. 내 감정이 어디서부터 곪아가는지, 어떻게 해결해야 하는지를 고민하기보다 일단 그 기분에서 나는 악취만을 지우는 것에 급급한 거죠. 05 . 두 번째는 '한 장의 수건을 여러 용도에 사용하는 사람들'입니다. (이 역시.. 벌써 고개를 절레절레 젓게 되는 것은 매한가지죠..) 수건도 목적과 특성에 따라 어디에 사용할 건지 분류하는 것처럼 우리의 감정도 한 가지 감정으로 모든 상황을 상대할 수는 없습니다. ⟪감정의 발견⟫을 쓴 저자 마크 브래킷 역시 필요한 감정을 적재적소에 잘 사용하는 사람이 인생에 대한 만족도가 높다는 사실을 강조하고 있는데요, 엄연히 얘기해서 대부분의 사람들은 몇 가지 감정으로 모든 문제에 대처하려고 하거나 본인이 중요시하게 생각하는 한 가지 감정에 몰두하는 경향이 크다고 합니다. 아무리 긍정적인 사고가 중요하다고 해도 세상 모든 이벤트에 긍정의 힘을 끌고 들어갈 수는 없다는 이야기죠. 06 . 마지막 세 번째가 (저 개인적으로는) 가장 최악이라고 꼽는 유형입니다. 바로 '타인이 함부로 내 수건을 쓰도록 놔두는 사람들'이죠. 살다 보면 좋은 사람만큼이나 참 희한한 사람들도 많이 보게 되는데 그중에 가장 위험한 유형이 자신의 부정적 감정을 해소하기 위해 습관처럼 남의 감정을 빌리는 사람들입니다. 즉, 본인이 해결해야 하는 문제임에도 불구하고 일단 다른 사람으로 하여금 감정을 소비하게 만들어 정작 자기는 그 상황과 기분과 감정의 소용돌이에서 쏘옥 빠져나와버리는 거죠. '아니 힘들면 다른 사람에게 좀 털어놓을 수 있는 거 아닌가요?'라고 생각하시겠지만 어려운 고민을 나누고, 도움을 요청하는 것과 일단 자기 기분을 스스로 제어하기 싫은 나머지 그 감정을 누군가에게 일방적으로 전가하는 것은 차원이 다른 문제입니다. 07 . 그래서 저는 가장 불쌍한 삶 중 하나가 '다른 사람의 감정 수건을 대신 세탁해 주며 사는 삶'이라고 생각합니다. 앞에서도 말했듯이 우리에겐 호텔처럼 매일 새 수건을 문 앞으로 가져와주는 존재가 따로 있지 않습니다. 당연히 감정이란 것도 한정적이기에 우리가 관리하고 잘 준비해둬야 하는 거죠. 그치만 자기가 써야 할 수건을 남이 냉큼 가져가 쓰는 것을 그저 손놓고 바라보고만 있다든지, 다른 사람에게 쉽게 수건을 빌려주고 본인이 대신 세탁해 주는 걸 마치 이해심 많은 사람인 것처럼 여기며 산다는 건 이루 말할 수 없이 소모적인 삶을 사는 거라고 밖에 설명할 길이 없습니다. 08 . 참고로 저는 매년 1월 1일이 되면 그동안 사용하던 수건을 모두 버리고 새로운 수건을 구매해 세탁합니다. 어찌 보면 새해를 시작하는 기분 좋은 루틴 중 하나라고도 할 수 있겠네요.이 역시도 감정 수건에 비유해 보자면, 이제 더 이상 누군가를 위해 쓸 감정의 여유분이 없거나 혹은 필요 이상으로 누군가가 자꾸 내 감정 수건을 사용하려고 한다면 그 때는 과감하게 결단을 내리는 것도 필요하다고 말씀드리고 싶어요. 세상엔 막무가내로 끌어안아줘야 할 대상도 없고 (그래서도 안되고요...) 내 마음을 해지게 하면서까지 누군가를 케어해야 할 의무도 주어지지 않습니다. 이마저도 나이가 한참 어릴 때나 수용이 되는 실수지 사회생활 경험이 어느 정도 쌓인 사람에게는 쉽게 용납되지 않는 애티튜드죠. 09 . 우리에게 ⟪죽음이란 무엇인가⟫란 책으로 알려진 예일대의 셜리 케이건 교수는 이런 말을 했습니다. "인생은 사건의 총합이 아니라 그 사건에서 느낀 감정의 총합이다. 지금 무엇인가를 참고 열심히 산다고 해서 나중에 좋은 감정을 보상받을 거라는 것은 아주 큰 착각이다."저도 100% 동의합니다. 이건 철 지난 욜로 라이프를 살라는 의미와는 완전히 다릅니다. 우리 인생에 파노라마처럼 펼쳐진 사건들은 결국 우리의 기억과 감정 속에서 재구성되어 평생을 함께 하기 때문에 객관적 사실만큼이나 주관적으로 느끼게 될 감정을 소중히 다루라는 의미니까 말이죠. 10 . 그러니 가끔 본인 스스로에게 물어야 합니다. 괜히 착한 사람 컴플렉스를 떠안고 이해심 많은 사람으로 포지셔닝 되고 싶어 정작 본인의 감정 수건은 제대로 못 챙기고 있는 것은 아닌지, 그저 내가 만만해서 자꾸 나에게 찾아와 얌체처럼 수건을 빌려 가는 그들을 향해 '그래도 내가 네 편이 되어줄게'라는 세상 어리석은 응원을 하고 있는 것은 아닌지 말입니다. 누가 뭐래도 가장 행복한 삶은 내 곁에 뽀송뽀송한 감정 수건이 가득 개어져 있고, 나는 그 수건들을 잘 사용하고 잘 관리할 자신이 있는 삶일 테니까요. 여러분도 '감정 수건'이라는 측면에서 각자의 감정을 한 번 들여다보면 좋겠다는 말씀을 드려봅니다.

내 '감정 수건'을 챙기며 사는 삶

Kafka Streams는 Apache Kafka에서 제공하는 분산 스트리밍 처리 애플리케이션 라이브러리입니다. 이 라이브러리는 대규모 데이터 스트림을 실시간으로 처리하며 데이터 분석, 변환, 집계 같은 작업을 손쉽게 구현할 수 있도록 설계되었습니다.
 
이번 글에서는 Kafka Streams의 핵심 개념과 작동 방식을 초보자도 이해할 수 있도록 간단히 설명하겠습니다.
 
Kafka Streams란 무엇인가?
Kafka Streams는 실시간 스트리밍 데이터 처리를 위한 Apache Kafka의 클라이언트 라이브러리입니다.
복잡한 분산 시스템의 세부사항을 개발자가 직접 관리하지 않아도, 간단한 코드를 통해 실시간 데이터를 처리하고 분석할 수 있게 돕습니다. Kafka Streams는 데이터의 필터링, 변환, 집계 같은 작업을 쉽게 수행하도록 설계되었습니다.
 
[주요 특징]
 * 사용 편의성
 Kafka Streams는 Java 및 Scala 애플리케이션에서 라이브러리로 사용되며, 별도의 클러스터 관리가 필요 없습니다.
 * 확장성
 Kafka Streams는 자동으로 작업을 분산 처리하여 대량의 데이터도 안정적으로 처리할 수 있습니다.
 * 실시간 처리
 데이터를 수집하자마자 필터링, 변환, 집계 같은 작업을 즉시 수행할 수 있습니다.
 * 내결함성
 Kafka의 내장된 내결함성 메커니즘을 활용해 장애 발생 시에도 안정적으로 데이터를 처리할 수 있습니다.
 
기본 구성 요소
Kafka Streams 애플리케이션의 주요 개념은 다음과 같습니다.
 
[Stream]
Stream은 Kafka 토픽의 데이터를 나타냅니다. Kafka Streams에서 Stream은 끝없이 변화하는 레코드의 흐름으로, 예를 들어 사용자 클릭 로그나 센서 데이터를 생각할 수 있습니다.
 
[Stream Processing Topology]
Topology는 데이터 처리를 정의하는 연산의 구조입니다. 이는 데이터를 읽고, 변환하고, 결과를 저장하는 처리 흐름으로 구성됩니다.
 * Source Processor: Kafka 토픽에서 데이터를 읽습니다.
 * Stream Processor: 데이터를 변환하거나 처리합니다.
 * Sink Processor: 처리된 데이터를 다른 Kafka 토픽에 저장합니다.

[KStream과 KTable]
Kafka Streams에서 데이터를 표현하는 주요 데이터 구조입니다.
 * KStream: 레코드의 연속적인 스트림을 나타냅니다.
 예: Order 이벤트 스트림
 * KTable: 스트림에서 집계된 상태 데이터를 나타냅니다.
 예: 현재 재고 상태, 사용자 프로필
 
작동 방식
Kafka Streams 애플리케이션은 다음과 같은 단계를 거쳐 작동합니다.
 
1. Kafka 토픽에서 데이터를 읽어들입니다.
StreamsBuilder builder = new StreamsBuilder();
KStream<String, String> inputStream = builder.stream("input-topic");

 * StreamsBuilder는 데이터 처리를 정의하는 시작점입니다.
 * 위 코드에서 input-topic은 데이터를 가져올 Kafka 토픽입니다.
 
2. 데이터를 변환하거나 필터링합니다.
KStream<String, String> filteredStream = inputStream.filter(
 (key, value) -> value.contains("important")
);

 * filter 연산은 특정 조건에 맞는 데이터만 남깁니다. 예를 들어, 값에 "important"가 포함된 데이터만 필터링합니다.

3. 집계를 수행합니다.
KTable<String, Long> wordCounts = inputStream
 .flatMapValues(value -> Arrays.asList(value.split(" ")))
 .groupBy((key, word) -> word)
 .count();

 * 위 코드에서는 각 단어의 발생 횟수를 계산합니다. 이는 데이터를 분해(flatMap)하고, 그룹화한 후, 집계하는 과정을 포함합니다.

4. 처리된 데이터를 새로운 Kafka 토픽에 저장합니다.
filteredStream.to("output-topic");

 * to 연산을 사용하여 처리된 데이터를 output-topic으로 저장합니다.

5. Kafka Streams 애플리케이션을 시작합니다.
KafkaStreams streams = new KafkaStreams(builder.build(), props);
streams.start();

 
실제 활용 사례
Kafka Streams는 다양한 실시간 데이터 처리 작업에 사용됩니다.
 1. 로그 분석
 실시간으로 로그 데이터를 분석하여 오류를 감지하거나 성능을 모니터링합니다.
 2. IoT 데이터 처리
 센서 데이터를 수집하고, 이를 분석하여 실시간으로 알림을 생성합니다. 예: 온도 센서 데이터를 기반으로 경고 메시지 전송.
 3. 실시간 추천 시스템
 사용자 행동 데이터를 기반으로 즉각적인 추천을 제공합니다. 예: 특정 상품을 클릭하면 관련 상품 추천.
 4. 금융 거래 모니터링
 금융 거래 데이터를 실시간으로 처리하여 사기 행위를 탐지합니다. 예: 비정상적으로 큰 거래가 발생하면 경고를 생성.
 
장단점
[장점]
 * 간단한 API: 복잡한 코드를 작성하지 않고도 실시간 스트리밍 처리가 가능
 * 확장성: 대규모 데이터 처리에도 적합
 * Kafka와의 통합: Kafka와 긴밀히 통합되어 높은 성능을 보장
[단점]
 * 초기 학습 곡선: 스트리밍 처리 개념과 Kafka의 작동 방식을 이해해야 함
 * Java 기반: 다른 언어로 개발을 원하는 경우 제약이 있을 수 있음
 
결론
Kafka Streams는 실시간 스트리밍 데이터 처리의 강력한 도구입니다. 간단한 코드로 대규모 데이터를 안정적이고 효율적으로 처리할 수 있어 로그 분석, IoT 데이터 처리, 실시간 추천 시스템 등 다양한 분야에서 활용됩니다.
 
다음 포스팅에서는 KStream과 KTable을 활용한 데이터 스트림 간의 조인(Join) 방식에 대해 다루겠습니다. Inner Join, Left Join, Outer Join 같은 다양한 방식이 어떤 문제를 해결할 수 있는지 구체적인 예제와 함께 살펴볼 예정입니다.

본문: [https://ducktopia.tistory.com/140]

Kafka Streams는 Apache Kafka에서 제공하는 분산 스트리밍 처리 애플리케이션 라이브러리입니다. 이 라이브러리는 대규모 데이터 스트림을 실시간으로 처리하며 데이터 분석, 변환, 집계 같은 작업을 손쉽게 구현할 수 있도록 설계되었습니다.&nbsp;이번 글에서는 Kafka Streams의 핵심 개념과 작동 방식을 초보자도 이해할 수 있도록 간단히 설명하겠습니다.&nbsp;Kafka Streams란 무엇인가?Kafka Streams는 실시간 스트리밍 데이터 처리를 위한 Apache Kafka의 클라이언트 라이브러리입니다. 복잡한 분산 시스템의 세부사항을 개발자가 직접 관리하지 않아도, 간단한 코드를 통해 실시간 데이터를 처리하고 분석할 수 있게 돕습니다. Kafka Streams는 데이터의 필터링, 변환, 집계 같은 작업을 쉽게 수행하도록 설계되었습니다.&nbsp;[주요 특징]<ul ><li>사용 편의성 Kafka Streams는 Java 및 Scala 애플리케이션에서 라이브러리로 사용되며, 별도의 클러스터 관리가 필요 없습니다.</li><li>확장성 Kafka Streams는 자동으로 작업을 분산 처리하여 대량의 데이터도 안정적으로 처리할 수 있습니다.</li><li>실시간 처리 데이터를 수집하자마자 필터링, 변환, 집계 같은 작업을 즉시 수행할 수 있습니다.</li><li>내결함성 Kafka의 내장된 내결함성 메커니즘을 활용해 장애 발생 시에도 안정적으로 데이터를 처리할 수 있습니다.</li></ul>&nbsp;기본 구성 요소Kafka Streams 애플리케이션의 주요 개념은 다음과 같습니다.&nbsp;[Stream]Stream은 Kafka 토픽의 데이터를 나타냅니다. Kafka Streams에서 Stream은 끝없이 변화하는 레코드의 흐름으로, 예를 들어 사용자 클릭 로그나 센서 데이터를 생각할 수 있습니다.&nbsp;[Stream Processing Topology]Topology는 데이터 처리를 정의하는 연산의 구조입니다. 이는 데이터를 읽고, 변환하고, 결과를 저장하는 처리 흐름으로 구성됩니다.<ul ><li>Source Processor: Kafka 토픽에서 데이터를 읽습니다.</li><li>Stream Processor: 데이터를 변환하거나 처리합니다.</li><li>Sink Processor: 처리된 데이터를 다른 Kafka 토픽에 저장합니다.</li></ul> [KStream과 KTable]Kafka Streams에서 데이터를 표현하는 주요 데이터 구조입니다.<ul ><li>KStream: 레코드의 연속적인 스트림을 나타냅니다. 예: Order 이벤트 스트림</li><li>KTable: 스트림에서 집계된 상태 데이터를 나타냅니다. 예: 현재 재고 상태, 사용자 프로필</li></ul>&nbsp;작동 방식Kafka Streams 애플리케이션은 다음과 같은 단계를 거쳐 작동합니다.&nbsp;1. Kafka 토픽에서 데이터를 읽어들입니다.<pre ><code class="language-java">StreamsBuilder builder = new StreamsBuilder();
KStream&lt;String, String&gt; inputStream = builder.stream("input-topic");</code></pre><ul ><li>StreamsBuilder는 데이터 처리를 정의하는 시작점입니다.</li><li>위 코드에서 input-topic은 데이터를 가져올 Kafka 토픽입니다.</li></ul>&nbsp;2. 데이터를 변환하거나 필터링합니다.<pre ><code class="language-java">KStream&lt;String, String&gt; filteredStream = inputStream.filter(
 (key, value) -&gt; value.contains("important")
);</code></pre><ul ><li>filter 연산은 특정 조건에 맞는 데이터만 남깁니다. 예를 들어, 값에 "important"가 포함된 데이터만 필터링합니다.</li></ul> 3. 집계를 수행합니다.<pre ><code class="language-java">KTable&lt;String, Long&gt; wordCounts = inputStream
 .flatMapValues(value -&gt; Arrays.asList(value.split(" ")))
 .groupBy((key, word) -&gt; word)
 .count();</code></pre><ul ><li>위 코드에서는 각 단어의 발생 횟수를 계산합니다. 이는 데이터를 분해(flatMap)하고, 그룹화한 후, 집계하는 과정을 포함합니다.</li></ul> 4. 처리된 데이터를 새로운 Kafka 토픽에 저장합니다.<pre ><code class="language-java">filteredStream.to("output-topic");</code></pre><ul ><li>to 연산을 사용하여 처리된 데이터를 output-topic으로 저장합니다.</li></ul> 5. Kafka Streams 애플리케이션을 시작합니다.<pre ><code class="language-java">KafkaStreams streams = new KafkaStreams(builder.build(), props);
streams.start();</code></pre>&nbsp;실제 활용 사례Kafka Streams는 다양한 실시간 데이터 처리 작업에 사용됩니다.<ol ><li>로그 분석 실시간으로 로그 데이터를 분석하여 오류를 감지하거나 성능을 모니터링합니다.</li><li>IoT 데이터 처리 센서 데이터를 수집하고, 이를 분석하여 실시간으로 알림을 생성합니다. 예: 온도 센서 데이터를 기반으로 경고 메시지 전송.</li><li>실시간 추천 시스템 사용자 행동 데이터를 기반으로 즉각적인 추천을 제공합니다. 예: 특정 상품을 클릭하면 관련 상품 추천.</li><li>금융 거래 모니터링 금융 거래 데이터를 실시간으로 처리하여 사기 행위를 탐지합니다. 예: 비정상적으로 큰 거래가 발생하면 경고를 생성.</li></ol>&nbsp;장단점[장점]<ul ><li>간단한 API: 복잡한 코드를 작성하지 않고도 실시간 스트리밍 처리가 가능</li><li>확장성: 대규모 데이터 처리에도 적합</li><li>Kafka와의 통합: Kafka와 긴밀히 통합되어 높은 성능을 보장</li></ul>[단점]<ul ><li>초기 학습 곡선: 스트리밍 처리 개념과 Kafka의 작동 방식을 이해해야 함</li><li>Java 기반: 다른 언어로 개발을 원하는 경우 제약이 있을 수 있음</li></ul>&nbsp;결론Kafka Streams는 실시간 스트리밍 데이터 처리의 강력한 도구입니다. 간단한 코드로 대규모 데이터를 안정적이고 효율적으로 처리할 수 있어 로그 분석, IoT 데이터 처리, 실시간 추천 시스템 등 다양한 분야에서 활용됩니다.&nbsp;다음 포스팅에서는 KStream과 KTable을 활용한 데이터 스트림 간의 조인(Join) 방식에 대해 다루겠습니다. Inner Join, Left Join, Outer Join 같은 다양한 방식이 어떤 문제를 해결할 수 있는지 구체적인 예제와 함께 살펴볼 예정입니다. 본문: [https://ducktopia.tistory.com/140]

🕊️ Kafka Streams: 실시간 데이터 처리를 위한 도구

안녕하세요. 카카오의 비주얼 생성 모델을 연구개발하고 있는 Visual Conte...

나만의 프로필 이미지 생성 모델 개발기 - tech.kakao.com

저는 그럴듯한 사진을 가지고 싶습니다.
사진 실력이 형편없고, 얼굴은 더 형편없죠.
그러니 과거의 초상화가처럼 적절한 창작으로 그럴듯한 사진이 필요합니다.

카카오에서도 이와 비슷한 일을 해주는 모델을 개발했군요.

https://tech.kakao.com/posts/663

저는 그럴듯한 사진을 가지고 싶습니다.사진 실력이 형편없고, 얼굴은 더 형편없죠.그러니 과거의 초상화가처럼 적절한 창작으로 그럴듯한 사진이 필요합니다. 카카오에서도 이와 비슷한 일을 해주는 모델을 개발했군요. https://tech.kakao.com/posts/663

tech.kakao.com

나만의 프로필 이미지 생성 모델 개발기

Redis는 Java 애플리케이션에서 캐싱, 세션 관리, 실시간 데이터 저장소로 자주 사용됩니다. Redis 클라이언트에서 데이터를 저장하거나 가져올 때, 데이터는 반드시 직렬화되어야 합니다. 직렬화 방식은 성능과 코드의 유지보수에 큰 영향을 미치기 때문에 잘 선택해야 합니다. 이번 포스팅에서는 Java에서 Redis 직렬화 시 자주 사용하는 방법들을 비교하고 각 방식의 특징과 예제를 설명합니다. JdkSerializationRedisSerializerJDK 기본 직렬화는 Java 표준 라이브러리에서 제공하는 java.io.Serializable 인터페이스를 사용하여 객체를 바이트 스트림으로 변환하는 방식입니다. 이 방식은 사용하기 편리하지만, 다소 무거운 오버헤드가 있을 수 있습니다.  장점:Java ..

Java Redis 직렬화 삼총사: Json, String, JDK

이번 포스팅에서는 Java에서 Redis 직렬화 시 자주 사용하는 방법들을 비교하고 각 방식의 특징과 예제를 설명합니다.
 
JdkSerializationRedisSerializer
JDK 기본 직렬화는 Java 표준 라이브러리에서 제공하는 java.io.Serializable 인터페이스를 사용하여 객체를 바이트 스트림으로 변환하는 방식입니다. 이 방식은 사용하기 편리하지만, 다소 무거운 오버헤드가 있을 수 있습니다. 
 
장점:
 * Java 내장 기능이라 별도의 라이브러리 필요 없음
 * 복잡한 객체 구조도 쉽게 직렬화 가능
단점:
 * 직렬화된 데이터가 상대적으로 큼
 * 직렬화/역직렬화 과정이 비교적 느림
public class RedisConfig {
 public RedisTemplate<String, Object> redisTemplate() {
 RedisTemplate<String, Object> template = new RedisTemplate<>();
 template.setValueSerializer(new JdkSerializationRedisSerializer());
 // 기타 설정
 return template;
 }
} 

저장되는 형태
127.0.0.1:6379> GET user:2
"\xac\xed\x00\x05sr\x00\x04User...\x78\x6f"

 
StringRedisSerializer
String 직렬화는 데이터를 문자열 형태로 저장하는 방식입니다. 이 방식은 간단하고 가볍기 때문에 기본적인 키-값 저장에 적합합니다. 직렬화 과정 없이 단순히 데이터를 문자열로 변환하여 Redis에 저장합니다.
 
장점:
 * 속도가 빠르고 갑벼움
 * 데이터가 사람이 읽을 수 있어 디버깅이 쉬움
단점:
 * 객체 직렬화에 비해 유연성이 떨어짐
 * 복잡한 데이터 구조에는 적합하지 않음 
import org.springframework.data.redis.serializer.StringRedisSerializer;
import org.springframework.data.redis.core.RedisTemplate;

public class RedisConfig {
 public RedisTemplate<String, String> redisTemplate() {
 RedisTemplate<String, String> template = new RedisTemplate<>();
 template.setKeySerializer(new StringRedisSerializer());
 template.setValueSerializer(new StringRedisSerializer());
 // 기타 설정
 return template;
 }
}

저장되는 형태
127.0.0.1:6379> GET message
"Hello, World!"

 
GenericJackson2JsonRedisSerializer
JSON 직렬화는 객체를 JSON 문자열로 변환하는 방식입니다. JSON은 가볍고 사람이 읽을 수 있으며 다양한 언어와 호환이 잘 됩니다. Jackson 라이브러리 등을 활용해 손쉽게 구현할 수 있습니다.
 
장점:
 * 데이터 포맷이 가볍고 사람이 읽기 쉬움
 * 다양한 언어 간 호환성 우수
 * 객체 타입을 손쉽게 복원 가능
단점:
 * 데이터 크기가 텍스트 기반이라 다소 클 수 있음
 * 이진 데이터보다는 느림
import org.springframework.data.redis.serializer.GenericJackson2JsonRedisSerializer;
import org.springframework.data.redis.core.RedisTemplate;

public class RedisConfig {
 public RedisTemplate<String, Object> redisTemplate() {
 RedisTemplate<String, Object> template = new RedisTemplate<>();
 template.setValueSerializer(new GenericJackson2JsonRedisSerializer());
 // 기타 설정
 return template;
 }
}

저장되는 형태
127.0.0.1:6379> GET user:1
"{\"@class\":\"com.example.User\",\"name\":\"Alice\",\"age\":25}"

 
케이스별 선택
 * 여러 언어와의 호환성: GenericJackson2JsonRedisSerializer 추천
 * 같은 언어(Java) 간 데이터 공유: GenericJackson2JsonRedisSerializer 또는 JdkSerializationRedisSerializer 추천
 * 단순 데이터: StringRedisSerializer 추천
 * 복잡한 객체 또는 Java 전용 데이터: JdkSerializationRedisSerializer (단, 모든 서비스가 Java인 경우에만)
 
저 같은 경우는 서로 다른 서비스에서 동일한 Redis 클러스터를 사용하고 있었습니다. 동일한 프로젝트가 아니었기에 JdkSerializationRedisSerializer은 사용할 수 없었고, 간단한 데이터도 아니었기에 String을 선택하기에도 어려웠습니다.
 
결국 GenericJackson2JsonRedisSerializer를 선택하였는데, 기본적으로 포함되는 @class 속성은 데이터의 타입 정보를 제공하지만, 다른 서비스에서 필요하지 않았습니다. 이를 비활성화하려면 ObjectMapper 설정을 통해 커스터마이징할 수 있습니다.

이번 포스팅에서는 Java에서 Redis 직렬화 시 자주 사용하는 방법들을 비교하고 각 방식의 특징과 예제를 설명합니다.&nbsp;JdkSerializationRedisSerializerJDK 기본 직렬화는 Java 표준 라이브러리에서 제공하는 java.io.Serializable 인터페이스를 사용하여 객체를 바이트 스트림으로 변환하는 방식입니다. 이 방식은 사용하기 편리하지만, 다소 무거운 오버헤드가 있을 수 있습니다.&nbsp;&nbsp;장점:<ul ><li>Java 내장 기능이라 별도의 라이브러리 필요 없음</li><li>복잡한 객체 구조도 쉽게 직렬화 가능</li></ul>단점:<ul ><li>직렬화된 데이터가 상대적으로 큼</li><li>직렬화/역직렬화 과정이 비교적 느림</li></ul><pre ><code class="language-java">public class RedisConfig {
 public RedisTemplate&lt;String, Object&gt; redisTemplate() {
 RedisTemplate&lt;String, Object&gt; template = new RedisTemplate&lt;&gt;();
 template.setValueSerializer(new JdkSerializationRedisSerializer());
 // 기타 설정
 return template;
 }
}&nbsp;</code></pre>저장되는 형태<pre ><code class="language-ruby">127.0.0.1:6379&gt; GET user:2
"\xac\xed\x00\x05sr\x00\x04User...\x78\x6f"</code></pre>&nbsp;StringRedisSerializerString 직렬화는 데이터를 문자열 형태로 저장하는 방식입니다. 이 방식은 간단하고 가볍기 때문에 기본적인 키-값 저장에 적합합니다. 직렬화 과정 없이 단순히 데이터를 문자열로 변환하여 Redis에 저장합니다.&nbsp;장점:<ul ><li>속도가 빠르고 갑벼움</li><li>데이터가 사람이 읽을 수 있어 디버깅이 쉬움</li></ul>단점:<ul ><li>객체 직렬화에 비해 유연성이 떨어짐</li><li>복잡한 데이터 구조에는 적합하지 않음&nbsp;</li></ul><pre ><code class="language-java">import org.springframework.data.redis.serializer.StringRedisSerializer;
import org.springframework.data.redis.core.RedisTemplate;

public class RedisConfig {
 public RedisTemplate&lt;String, String&gt; redisTemplate() {
 RedisTemplate&lt;String, String&gt; template = new RedisTemplate&lt;&gt;();
 template.setKeySerializer(new StringRedisSerializer());
 template.setValueSerializer(new StringRedisSerializer());
 // 기타 설정
 return template;
 }
}</code></pre>저장되는 형태<pre ><code class="language-ruby">127.0.0.1:6379&gt; GET message
"Hello, World!"</code></pre>&nbsp;GenericJackson2JsonRedisSerializerJSON 직렬화는 객체를 JSON 문자열로 변환하는 방식입니다. JSON은 가볍고 사람이 읽을 수 있으며 다양한 언어와 호환이 잘 됩니다. Jackson 라이브러리 등을 활용해 손쉽게 구현할 수 있습니다.&nbsp;장점:<ul ><li>데이터 포맷이 가볍고 사람이 읽기 쉬움</li><li>다양한 언어 간 호환성 우수</li><li>객체 타입을 손쉽게 복원 가능</li></ul>단점:<ul ><li>데이터 크기가 텍스트 기반이라 다소 클 수 있음</li><li>이진 데이터보다는 느림</li></ul><pre ><code class="language-java">import org.springframework.data.redis.serializer.GenericJackson2JsonRedisSerializer;
import org.springframework.data.redis.core.RedisTemplate;

public class RedisConfig {
 public RedisTemplate&lt;String, Object&gt; redisTemplate() {
 RedisTemplate&lt;String, Object&gt; template = new RedisTemplate&lt;&gt;();
 template.setValueSerializer(new GenericJackson2JsonRedisSerializer());
 // 기타 설정
 return template;
 }
}</code></pre>저장되는 형태<pre ><code class="language-ruby">127.0.0.1:6379&gt; GET user:1
"{\"@class\":\"com.example.User\",\"name\":\"Alice\",\"age\":25}"</code></pre>&nbsp;케이스별 선택<ul ><li>여러 언어와의 호환성: GenericJackson2JsonRedisSerializer 추천</li><li>같은 언어(Java) 간 데이터 공유: GenericJackson2JsonRedisSerializer 또는 JdkSerializationRedisSerializer 추천</li><li>단순 데이터: StringRedisSerializer 추천</li><li>복잡한 객체 또는 Java 전용 데이터: JdkSerializationRedisSerializer (단, 모든 서비스가 Java인 경우에만)</li></ul>&nbsp;저 같은 경우는 서로 다른 서비스에서 동일한 Redis 클러스터를 사용하고 있었습니다. 동일한 프로젝트가 아니었기에 JdkSerializationRedisSerializer은 사용할 수 없었고, 간단한 데이터도 아니었기에 String을 선택하기에도 어려웠습니다.&nbsp;결국 GenericJackson2JsonRedisSerializer를 선택하였는데, 기본적으로 포함되는 @class 속성은 데이터의 타입 정보를 제공하지만, 다른 서비스에서 필요하지 않았습니다. 이를 비활성화하려면 ObjectMapper 설정을 통해 커스터마이징할 수 있습니다.

덕토피아

🕊️ Java Redis직렬화 삼총사: Json, String, 

Hibernate 는 지연 로딩, 캐싱, 쿼리 순서 최적화 등 개발자가 애플리케이션 개발에만 집중할 수 있도록 여러가지 편의 기능을 제공합니다. 저는 오늘 이 ‘편의 기능’ 때문에 ‘불편해진’ 경험들에 대해 이야기 해보려 합니다.

Hibernate 의 ‘불편한’ 편의 기능들

JPA(Hibernate)를 사용하면서 생긴 불평불만들
Hibernate 는 정말 좋은 프레임워크일까?
https://medium.com/@hyeon9mak/hibernate-%EC%9D%98-%EB%B6%88%ED%8E%B8%ED%95%9C-%ED%8E%B8%EC%9D%98-%EA%B8%B0%EB%8A%A5%EB%93%A4-06a1fbc7492a

JPA(Hibernate)를 사용하면서 생긴 불평불만들Hibernate 는 정말 좋은 프레임워크일까?https://medium.com/@hyeon9mak/hibernate-%EC%9D%98-%EB%B6%88%ED%8E%B8%ED%95%9C-%ED%8E%B8%EC%9D%98-%EA%B8%B0%EB%8A%A5%EB%93%A4-06a1fbc7492a

Medium

JPA(Hibernate)를 사용하면서 생긴 불평불만들
Hiber

기술 면접 질문을 매일매일 메일로 보내드릴게요!

매일메일 - 기술 면접 질문 구독 서비스

기술 면접 질문을 매일매일 보내준다는 구독 서비스가 있습니다.
https://www.maeil-mail.kr/
서비스의 기능은 복잡하진 않지만 꽤 유용하게 활용해 볼 수 있을 것 같더라고요. 하루의 5분으로 기술 인사이트의 확장에 도움이 되길 바라는 마음에 공유드립니다.

기술 면접 질문을 매일매일 보내준다는 구독 서비스가 있습니다.https://www.maeil-mail.kr/서비스의 기능은 복잡하진 않지만 꽤 유용하게 활용해 볼 수 있을 것 같더라고요. 하루의 5분으로 기술 인사이트의 확장에 도움이 되길 바라는 마음에 공유드립니다.

maeil-mail

기술 면접 질문 구독 서비스 - 매일메일

유튜브 영상을 통해 본 분들도 있겠지만 일론 머스크는 다음과 같은 면접 질문을 통해 Exceptional Ability를 갖춘 사람을 찾으려 한다고 한다.

 * 인생 여정에 대해 말해달라는 걸로 시작해서
 * 그 과정에서 어떤 어려운 문제에 직면했으며
 * 그 문제를 어떻게 해결했고 어떤 결정을 내렸는가?

답변을 듣고 꼬리에 꼬리를 물고 계속해서 구체적이고 디테일한 질문을 통해 정말 본인이 한 것인지 아니면 남이 한 걸 본인이 한 것처럼 거짓말하는지도 알 수 있다고 한다. 인생 여정 이야기를 먼저 하는 이유는 그 사람에 대해 더 잘 알고 싶기도 하고 본인 이야기를 해야 좀더 다음 질문에 솔직하게 답변하게 되기 때문이 아닌가 싶다.

여러분들도 한번 위의 질문에 한번 본인이 자문자답해보면 어떨까 싶다. 특히 경력이 어느 정도 되는 분들이라면 어떤 문제를 해결보았고 그 과정에서 어떤 결정을 내렸는지 굉장히 의미있는 질문이다. 특히 "결정"이란 포인트가 중요하다. 커리어 초기에는 내가 결정을 내리기 보다는 남이 내린 결정에 맞춰 일을 하게 되지만 레벨이 올라가면서 결정을 내리는 역할을 하게 된다. 또 좋은 결과로 이루어진 결정만 의미가 있는 것이 아니다. 무엇을 배웠고 다음 번에는 이렇게 다르게 해보겠다는 것도 충분히 좋은 답변이다.

여담으로 X에서 일하는 지인에게 일론 머스크가 CEO가 된 뒤에 무엇이 변했는지 물어보았다.

 * 엔지니어의 수를 25% 밑으로 줄였고 레벨의 수를 확 줄여서 이제는 말단 개발자에서 세번 올라가면 일론 머스크라고 한다. 이제 트럼프가 미국 대통령이 되면서 일론 머스크가 정부 효율성을 높이는 일을 맡을 꺼라고 하던데 칼바람이 불 가능성이 높다. 25%로 줄였음에도 불구하고 전체적인 성과는 좋아졌으면 좋아졌지 나빠지지 않았다고 한다. 어쩌면 파킨슨의 법칙이 적용되고 있었는지도 모르겠다. 파킨슨의 법칙은 주어진 업무는 그 일을 처리할 수 있는 시간만큼 늘어나게 되며 사람이 있는만큼 더 바빠지는 현상을 말한다.
 * 구글 클라우드에서 X 서비스가 돌고 있었는데 그걸 클라우드 바깥(On-Premise)으로 이전하는 프로젝트를 진행 중이라 한다. 다들 클라우드에서 도는 세상에 비용을 이슈로 클라우드 이전 세상으로 돌아가는 셈인데 이 역시 일론 머스크가 아니라면 할 수 없는 결정이 아닌가 싶다.

유튜브 영상을 통해 본 분들도 있겠지만 일론 머스크는 다음과 같은 면접 질문을 통해 Exceptional Ability를 갖춘 사람을 찾으려 한다고 한다. <ul ><li>인생 여정에 대해 말해달라는 걸로 시작해서</li><li>그 과정에서 어떤 어려운 문제에 직면했으며</li><li>그 문제를 어떻게 해결했고 어떤 결정을 내렸는가?</li></ul> 답변을 듣고 꼬리에 꼬리를 물고 계속해서 구체적이고 디테일한 질문을 통해 정말 본인이 한 것인지 아니면 남이 한 걸 본인이 한 것처럼 거짓말하는지도 알 수 있다고 한다. 인생 여정 이야기를 먼저 하는 이유는 그 사람에 대해 더 잘 알고 싶기도 하고 본인 이야기를 해야 좀더 다음 질문에 솔직하게 답변하게 되기 때문이 아닌가 싶다. 여러분들도 한번 위의 질문에 한번 본인이 자문자답해보면 어떨까 싶다. 특히 경력이 어느 정도 되는 분들이라면 어떤 문제를 해결보았고 그 과정에서 어떤 결정을 내렸는지 굉장히 의미있는 질문이다. 특히 "결정"이란 포인트가 중요하다. 커리어 초기에는 내가 결정을 내리기 보다는 남이 내린 결정에 맞춰 일을 하게 되지만 레벨이 올라가면서 결정을 내리는 역할을 하게 된다. 또 좋은 결과로 이루어진 결정만 의미가 있는 것이 아니다. 무엇을 배웠고 다음 번에는 이렇게 다르게 해보겠다는 것도 충분히 좋은 답변이다. 여담으로 X에서 일하는 지인에게 일론 머스크가 CEO가 된 뒤에 무엇이 변했는지 물어보았다. <ul ><li>엔지니어의 수를 25% 밑으로 줄였고 레벨의 수를 확 줄여서 이제는 말단 개발자에서 세번 올라가면 일론 머스크라고 한다. 이제 트럼프가 미국 대통령이 되면서 일론 머스크가 정부 효율성을 높이는 일을 맡을 꺼라고 하던데 칼바람이 불 가능성이 높다. 25%로 줄였음에도 불구하고 전체적인 성과는 좋아졌으면 좋아졌지 나빠지지 않았다고 한다. 어쩌면 파킨슨의 법칙이 적용되고 있었는지도 모르겠다. 파킨슨의 법칙은 주어진 업무는 그 일을 처리할 수 있는 시간만큼 늘어나게 되며 사람이 있는만큼 더 바빠지는 현상을 말한다.</li><li>구글 클라우드에서 X 서비스가 돌고 있었는데 그걸 클라우드 바깥(On-Premise)으로 이전하는 프로젝트를 진행 중이라 한다. 다들 클라우드에서 도는 세상에 비용을 이슈로 클라우드 이전 세상으로 돌아가는 셈인데 이 역시 일론 머스크가 아니라면 할 수 없는 결정이 아닌가 싶다.</li></ul>

일론 머스크의 면접 질문

01 . 그 어느 때보다 개인의 퍼스널리티가 주목받고 있는 시대에 살고 있다는 사실은 쉽게 부정할 수 없을 겁니다. 대중이 아닌 개인의 차원에서 그들의 니즈를 파악하는 것이 회사는 물론 거대 경제에서도 중요한 목표가 되었고, 우리 개개인 역시도 '나는 어떤 사람인가'에 대한 관심도가 아주 높아졌기 때문이죠. 어쩌면 MBTI를 포함한 각종 성향 테스트, 유행하는 캐릭터들을 활용한 스타일과 케미스트리를 알아보는 게임들이 주목받는 것도 어쩌면 이 이유들에 근거하고 있다고 봐도 무방할 겁니다.

02 . 예전 ⟪기획자의 독서⟫란 책의 도입부에서 이런 취지의 표현을 쓴 적이 있습니다.
'세상에 기획자라고 불리는 직무가 아주 많지만, 그중에서도 각자의 무기를 들고 있는 기획자가 늘어나면 좋겠다. 그래서 여러 스타일의 기획자가 존재하고, 그들이 만든 기획물이 세상에 더더욱 많아지면 좋겠다'고 말입니다.
그런데 이 표현을 읽고서 몇몇 분들이 DM을 통해 비슷한 질문을 주셨습니다.
"저는 내향적인 성향인데 마케팅 직무가 잘 어울릴까요? 어떤 무기를 찾아야 하는지 모르겠어요.", "저는 지루한 것을 못 참는 성격인데 한 브랜드를 오래 담당하는 게 좋은 선택일까요?"

03 . 비교적 친분이 있고, 심지어 함께 일해 본 경험이 있는 사람들에게도 쉽게 해줄 수 있는 답이 아니니 당연히 구체적인 답변을 드릴 수 없었습니다. 그에 대한 고민과 결정은 오롯이 본인의 몫이라는 사실을 최대한 정중히 알려드렸던 사실이 기억나니까요.
하지만 동시에 놀랐던 사실 한 가지는 바로 꽤 많은 사람들이 성향과 성격과 역량을 구분 짓지 못하면서 일을 하고 있구나 하는 것이었습니다. 즉, 자기만의 장점을 갈고닦아 그걸 무기로 만드는 과정에서 이 세 가지를 아주 주관적으로 해석해 활용하고 있다는 걸 깨닫게 된 것이죠.

04 . 업무를 할 때도 자주 강조하는 사실이지만 우선 성격과 성향은 명확히 구분되는 개념입니다. 성격은 '현재의 나'로 대표되는 특성이라 할 수 있습니다. 만약 우리를 계량화(?) 할 수 있다면 병원에서 진단을 받는 것처럼 지금 곧장 나에게서 추출해낼 수 있는 특성이 바로 성격인 것이죠. 반대로 성향은 단어에서도 유추할 수 있듯이 '방향'의 목적이 추가된 개념입니다. 즉, 내가 갖고 있는 성격을 기반으로 '나는 어떤 사람이 되고 싶다'는 바람이 꽤 상당 부분 차지하고 있는 미래지향적 특성인 거죠. 그래서 한 줄로 정리하자면 성격은 지금의 나, 성향은 앞으로 나아가는 나라고 해도 큰 무리가 없습니다.

05 . 그런데 간혹 이 두 가지만을 거론하면서 '저는 ~ 이런이런 성격이라 그 업무는 하기가 어려울 것 같아요'라든가 '제 성향과는 맞지 않는 업무인 것 같아서 고민이 됩니다'라는 이야기를 하는 사람들을 자주 봅니다. 물론 본인이 가진 특성이 직무에 지대한 영향을 준다는 것은 결코 부정할 수 없는 사실이지만 냉정하게 따지고 보면 업무는 성격과 성향으로 주어지는 것이 아닙니다. 바로 우리에겐 마지막 남아있는 개념, 바로 '역량'이라는 것이 존재하기 때문이죠.

06 . 그동안 적지 않은 시간을 일해오면서 사람들의 선입견과 전혀 다른 모습을 보이는 유능한 인재들을 꽤 많이 목격했습니다. 분명 저 필드에서 일하려면 꽤나 터프하고 강직한 성격을 가지고 있어야 할 것 같은데, 침착하고 (어찌 보면 내성적인, 하지만) 꼼꼼한 성격의 사람이 훨씬 좋은 결과를 만들어내는 경우도 봤고, 아주 감성적이고 창의적이어야 하는 분야일 것 같음에도 지극히 이성적이고 데이터베이스의 사고를 하는 사람이 희대의 걸작을 만들어내는 사례도 있었으니 말이죠. 사람을 겉으로만, 아니 겉과 속을 나름 알고 있다고 해도 함부로 평가 내리면 안 된다는 사실을 다시 한번 깨닫는 순간이었죠.

07 . 그리고 이 사람들을 지켜보다 보면 한 가지 공통점이 발견되었습니다. 그들은 늘 '성향은 성향이고, 역량은 역량이다'라는 인식이 매우 분명한 사람들이었다는 겁니다. 다시 말해 '나는 A의 성향임이 분명하지만 이 일을 잘하기 위해서는 B라는 역량이 반드시 필요하다'는 사실을 잘 인지하는 인재들이었고, A로 인해 B가 잘 발휘되지 않을 거라는 무리한 가설을 세우지 않는 타입들이었습니다. 무엇보다 A가 필요한 자리에 B를, B가 필요한 자리에 A를 거론하지 않는 메타인지를 갖추고 있다는 게 가장 큰 장점이었고요.

08 . 이건 '성격과 성향은 서로 영향을 줄 수 있을지 몰라도, 이를 역량으로까지 연결 짓는 것은 무리가 있다'는 사실을 잘 보여줍니다. '해당 업무에 대한 경험이 적어서 이 일을 잘 해결할 수 있을지 고민이 됩니다'는 설득력이 있지만, '제 성격이 소심해서 이 일에 맞을지 모르겠어요'는 상당히 설득력이 떨어진다는 얘기인 거죠.
반대로 리더의 입장에서도 역량이 아닌 성격과 성향을 기준으로 업무를 배분하는 것은 적지 않은 리스크를 동반합니다. 개인의 특성이라는 게 참고 요소는 될 수 있을지 몰라도 역량에 앞선 우선 요소가 될 수는 없는 것이니 말이죠.

09 . 우스갯소리가 조금 섞이긴 했지만 가끔 누군가의 질문에 '일이니까요'라고 대답할 때가 있습니다. 예를 들면 '사람 앞에 나서는 걸 부담스러워하는 성격이라고 했는데 발표할 때는 왜 하나도 안 떠세요?'라든가 '외향적인 사람들을 만나면 종종 기가 빨린다고 하셨는데, 어떻게 먼저 제안하고 태핑하고 하는 것에 스트레스받지 않는 거죠?'라는 질문이죠. 그렇다고 제가 그 순간 스스로에게 엄청난 최면을 거는 것도 아닌 라는 걸 돌이켜보면 결국 답은 '그건 내가 할 수 있는 역량의 범위이니, 일이 되게 하기 위해서는 필요한 과정이다'가 맞는 것 같아요. 성격과 성향을 들먹이면서 할 수 있는 일조차 밀어내고, 발전해야 할 부분조차 외면시 하는 것은 성장 욕구가 없는 것과 마찬가지니까요.

10 . 개인의 특성이 주목받는 시대를 넘어 초개인화에 접근하는 세상이라고 하지만, 나라는 개인에 가장 집중해야 하는 사람은 다름 아닌 우리 자신입니다. 그리고 나 자신을 잘 이해하기 위해서는 지금의 나(성격)와 앞으로의 나(성향)를 규정하는 것도 중요하지만 지금 내 손에 들려있는 것과 비교적 쉽고 빠르게 체득할 수 있는 것, 남들보다 더 경쟁적으로 우위를 확보할 수 있는 것(역량)들과의 관계를 파악하는 것도 너무너무 중요합니다. 쌀로 밥을 짓는다는 사실만큼 당연한 것이 '일은 역량으로 한다'는 사실일 테니 말이죠.
그러니 누군가 일로서 여러분을 파악하려 하는 시도를 한다면 그때는 여러분 스스로 먼저 질문을 던져보는 게 좋을 것 같습니다. '나의 성격과 성향은 나의 역량과 어떤 관계를 맺고 있나'라고 말입니다.

01 . 그 어느 때보다 개인의 퍼스널리티가 주목받고 있는 시대에 살고 있다는 사실은 쉽게 부정할 수 없을 겁니다. 대중이 아닌 개인의 차원에서 그들의 니즈를 파악하는 것이 회사는 물론 거대 경제에서도 중요한 목표가 되었고, 우리 개개인 역시도 '나는 어떤 사람인가'에 대한 관심도가 아주 높아졌기 때문이죠. 어쩌면 MBTI를 포함한 각종 성향 테스트, 유행하는 캐릭터들을 활용한 스타일과 케미스트리를 알아보는 게임들이 주목받는 것도 어쩌면 이 이유들에 근거하고 있다고 봐도 무방할 겁니다. 02 . 예전 ⟪기획자의 독서⟫란 책의 도입부에서 이런 취지의 표현을 쓴 적이 있습니다.'세상에 기획자라고 불리는 직무가 아주 많지만, 그중에서도 각자의 무기를 들고 있는 기획자가 늘어나면 좋겠다. 그래서 여러 스타일의 기획자가 존재하고, 그들이 만든 기획물이 세상에 더더욱 많아지면 좋겠다'고 말입니다.그런데 이 표현을 읽고서 몇몇 분들이 DM을 통해 비슷한 질문을 주셨습니다."저는 내향적인 성향인데 마케팅 직무가 잘 어울릴까요? 어떤 무기를 찾아야 하는지 모르겠어요.", "저는 지루한 것을 못 참는 성격인데 한 브랜드를 오래 담당하는 게 좋은 선택일까요?" 03 . 비교적 친분이 있고, 심지어 함께 일해 본 경험이 있는 사람들에게도 쉽게 해줄 수 있는 답이 아니니 당연히 구체적인 답변을 드릴 수 없었습니다. 그에 대한 고민과 결정은 오롯이 본인의 몫이라는 사실을 최대한 정중히 알려드렸던 사실이 기억나니까요. 하지만 동시에 놀랐던 사실 한 가지는 바로 꽤 많은 사람들이 성향과 성격과 역량을 구분 짓지 못하면서 일을 하고 있구나 하는 것이었습니다. 즉, 자기만의 장점을 갈고닦아 그걸 무기로 만드는 과정에서 이 세 가지를 아주 주관적으로 해석해 활용하고 있다는 걸 깨닫게 된 것이죠. 04 . 업무를 할 때도 자주 강조하는 사실이지만 우선 성격과 성향은 명확히 구분되는 개념입니다. 성격은 '현재의 나'로 대표되는 특성이라 할 수 있습니다. 만약 우리를 계량화(?) 할 수 있다면 병원에서 진단을 받는 것처럼 지금 곧장 나에게서 추출해낼 수 있는 특성이 바로 성격인 것이죠. 반대로 성향은 단어에서도 유추할 수 있듯이 '방향'의 목적이 추가된 개념입니다. 즉, 내가 갖고 있는 성격을 기반으로 '나는 어떤 사람이 되고 싶다'는 바람이 꽤 상당 부분 차지하고 있는 미래지향적 특성인 거죠. 그래서 한 줄로 정리하자면 성격은 지금의 나, 성향은 앞으로 나아가는 나라고 해도 큰 무리가 없습니다. 05 . 그런데 간혹 이 두 가지만을 거론하면서 '저는 ~ 이런이런 성격이라 그 업무는 하기가 어려울 것 같아요'라든가 '제 성향과는 맞지 않는 업무인 것 같아서 고민이 됩니다'라는 이야기를 하는 사람들을 자주 봅니다. 물론 본인이 가진 특성이 직무에 지대한 영향을 준다는 것은 결코 부정할 수 없는 사실이지만 냉정하게 따지고 보면 업무는 성격과 성향으로 주어지는 것이 아닙니다. 바로 우리에겐 마지막 남아있는 개념, 바로 '역량'이라는 것이 존재하기 때문이죠. 06 . 그동안 적지 않은 시간을 일해오면서 사람들의 선입견과 전혀 다른 모습을 보이는 유능한 인재들을 꽤 많이 목격했습니다. 분명 저 필드에서 일하려면 꽤나 터프하고 강직한 성격을 가지고 있어야 할 것 같은데, 침착하고 (어찌 보면 내성적인, 하지만) 꼼꼼한 성격의 사람이 훨씬 좋은 결과를 만들어내는 경우도 봤고, 아주 감성적이고 창의적이어야 하는 분야일 것 같음에도 지극히 이성적이고 데이터베이스의 사고를 하는 사람이 희대의 걸작을 만들어내는 사례도 있었으니 말이죠. 사람을 겉으로만, 아니 겉과 속을 나름 알고 있다고 해도 함부로 평가 내리면 안 된다는 사실을 다시 한번 깨닫는 순간이었죠. 07 . 그리고 이 사람들을 지켜보다 보면 한 가지 공통점이 발견되었습니다. 그들은 늘 '성향은 성향이고, 역량은 역량이다'라는 인식이 매우 분명한 사람들이었다는 겁니다. 다시 말해 '나는 A의 성향임이 분명하지만 이 일을 잘하기 위해서는 B라는 역량이 반드시 필요하다'는 사실을 잘 인지하는 인재들이었고, A로 인해 B가 잘 발휘되지 않을 거라는 무리한 가설을 세우지 않는 타입들이었습니다. 무엇보다 A가 필요한 자리에 B를, B가 필요한 자리에 A를 거론하지 않는 메타인지를 갖추고 있다는 게 가장 큰 장점이었고요. 08 . 이건 '성격과 성향은 서로 영향을 줄 수 있을지 몰라도, 이를 역량으로까지 연결 짓는 것은 무리가 있다'는 사실을 잘 보여줍니다. '해당 업무에 대한 경험이 적어서 이 일을 잘 해결할 수 있을지 고민이 됩니다'는 설득력이 있지만, '제 성격이 소심해서 이 일에 맞을지 모르겠어요'는 상당히 설득력이 떨어진다는 얘기인 거죠. 반대로 리더의 입장에서도 역량이 아닌 성격과 성향을 기준으로 업무를 배분하는 것은 적지 않은 리스크를 동반합니다. 개인의 특성이라는 게 참고 요소는 될 수 있을지 몰라도 역량에 앞선 우선 요소가 될 수는 없는 것이니 말이죠. 09 . 우스갯소리가 조금 섞이긴 했지만 가끔 누군가의 질문에 '일이니까요'라고 대답할 때가 있습니다. 예를 들면 '사람 앞에 나서는 걸 부담스러워하는 성격이라고 했는데 발표할 때는 왜 하나도 안 떠세요?'라든가 '외향적인 사람들을 만나면 종종 기가 빨린다고 하셨는데, 어떻게 먼저 제안하고 태핑하고 하는 것에 스트레스받지 않는 거죠?'라는 질문이죠. 그렇다고 제가 그 순간 스스로에게 엄청난 최면을 거는 것도 아닌 라는 걸 돌이켜보면 결국 답은 '그건 내가 할 수 있는 역량의 범위이니, 일이 되게 하기 위해서는 필요한 과정이다'가 맞는 것 같아요. 성격과 성향을 들먹이면서 할 수 있는 일조차 밀어내고, 발전해야 할 부분조차 외면시 하는 것은 성장 욕구가 없는 것과 마찬가지니까요. 10 . 개인의 특성이 주목받는 시대를 넘어 초개인화에 접근하는 세상이라고 하지만, 나라는 개인에 가장 집중해야 하는 사람은 다름 아닌 우리 자신입니다. 그리고 나 자신을 잘 이해하기 위해서는 지금의 나(성격)와 앞으로의 나(성향)를 규정하는 것도 중요하지만 지금 내 손에 들려있는 것과 비교적 쉽고 빠르게 체득할 수 있는 것, 남들보다 더 경쟁적으로 우위를 확보할 수 있는 것(역량)들과의 관계를 파악하는 것도 너무너무 중요합니다. 쌀로 밥을 짓는다는 사실만큼 당연한 것이 '일은 역량으로 한다'는 사실일 테니 말이죠. 그러니 누군가 일로서 여러분을 파악하려 하는 시도를 한다면 그때는 여러분 스스로 먼저 질문을 던져보는 게 좋을 것 같습니다. '나의 성격과 성향은 나의 역량과 어떤 관계를 맺고 있나'라고 말입니다.

일은 성향이 아니라 역량으로 하는 거죠

Why Engineers Need To Write

여러분은 엔지니어로서 글쓰기를 얼마나 중요하게 생각하시나요? 코딩 역시도 잘 생각해보면 컴퓨터와 소통하기 위한 글쓰기 인데, 다른 개발자들과의 원활한 소통을 위해 내 생각을 글로 잘 쓰는것 역시 점점 더 중요해져가고 있는 것 같습니다.

 * 글쓰기는 곧 일의 일부
   * 중급 엔지니어로 성장하면서 글쓰기가 업무에서 큰 비중을 차지하게 됩니다.
   * 기술적인 질문을 던지고, 코드 리뷰를 하고, 디자인 문서를 작성하는 등 글쓰기는 협업의 핵심 요소로 자리 잡습니다.
   * 특히 코로나 이후 비대면 문화가 강화되면서, 비동기적 소통을 위한 문서화가 필수가 되었습니다.
     
     
 * 글쓰기는 자기 확장의 도구
   * 글쓰기를 통해 자신의 지식을 팀에 공유하면, 팀 전체의 생산성이 높아집니다.
   * 예를 들어, 동료의 작업 노트가 위키 형태로 팀원들에게 공유되면서 효율성을 높이는 사례가 있습니다.
   * 직접 코드를 작성하는 데 한계가 있지만, 글쓰기를 통해 팀을 더 빠르고 효과적으로 움직이게 하는 영향력을 발휘할 수 있습니다.

 * 글쓰기는 사고력을 강화한다
   * 글을 쓰면서 생각을 구조화하고 논리적으로 정리할 수 있습니다.
   * 디자인 문서를 작성하면서 새로운 최적화 방법이나 문제점을 발견하는 경우도 많습니다.
   * 이는 단순히 기존의 아이디어를 명확히 하는 것을 넘어, 새로운 아이디어를 창출하는 과정이 됩니다.

 * AI 시대에도 글쓰기의 가치는 여전하다
   * ChatGPT 같은 도구가 글쓰기를 대신할 수 있어도, 스스로 생각을 글로 표현하는 능력은 중요합니다.
   * 글쓰기는 단순한 작업이 아니라 사고를 논리적이고 깊이 있게 만들며, 이를 통해 더 나은 결정을 내리게 해줍니다.

여러분은 일상 업무에서 글쓰기를 얼마나 활용하고 계신가요? 팀과의 협업을 강화하기 위해 어떤 글쓰기 습관을 도입해볼 수 있을까요? :)

https://www.developing.dev/p/why-engineers-need-to-write

여러분은 엔지니어로서 글쓰기를 얼마나 중요하게 생각하시나요? 코딩 역시도 잘 생각해보면 컴퓨터와 소통하기 위한 글쓰기 인데, 다른 개발자들과의 원활한 소통을 위해 내 생각을 글로 잘 쓰는것 역시 점점 더 중요해져가고 있는 것 같습니다. <ul ><li>글쓰기는 곧 일의 일부<ul ><li>중급 엔지니어로 성장하면서 글쓰기가 업무에서 큰 비중을 차지하게 됩니다.</li><li>기술적인 질문을 던지고, 코드 리뷰를 하고, 디자인 문서를 작성하는 등 글쓰기는 협업의 핵심 요소로 자리 잡습니다.</li><li>특히 코로나 이후 비대면 문화가 강화되면서, 비동기적 소통을 위한 문서화가 필수가 되었습니다. </li></ul></li><li>글쓰기는 자기 확장의 도구<ul ><li>글쓰기를 통해 자신의 지식을 팀에 공유하면, 팀 전체의 생산성이 높아집니다.</li><li>예를 들어, 동료의 작업 노트가 위키 형태로 팀원들에게 공유되면서 효율성을 높이는 사례가 있습니다.</li><li>직접 코드를 작성하는 데 한계가 있지만, 글쓰기를 통해 팀을 더 빠르고 효과적으로 움직이게 하는 영향력을 발휘할 수 있습니다.</li></ul></li></ul> <ul ><li>글쓰기는 사고력을 강화한다<ul ><li>글을 쓰면서 생각을 구조화하고 논리적으로 정리할 수 있습니다.</li><li>디자인 문서를 작성하면서 새로운 최적화 방법이나 문제점을 발견하는 경우도 많습니다.</li><li>이는 단순히 기존의 아이디어를 명확히 하는 것을 넘어, 새로운 아이디어를 창출하는 과정이 됩니다.</li></ul></li></ul> <ul ><li>AI 시대에도 글쓰기의 가치는 여전하다<ul ><li>ChatGPT 같은 도구가 글쓰기를 대신할 수 있어도, 스스로 생각을 글로 표현하는 능력은 중요합니다.</li><li>글쓰기는 단순한 작업이 아니라 사고를 논리적이고 깊이 있게 만들며, 이를 통해 더 나은 결정을 내리게 해줍니다.</li></ul></li></ul> 여러분은 일상 업무에서 글쓰기를 얼마나 활용하고 계신가요? 팀과의 협업을 강화하기 위해 어떤 글쓰기 습관을 도입해볼 수 있을까요? :) https://www.developing.dev/p/why-engineers-need-to-write

www.developing.dev

개발자가 글을 써야 하는 이유

러시아도 놀라게 한 열정 ‘만학도 전설’ 공근식 박사 1992년 발행된 농업 잡지 ‘농진종묘’에는 직접 수확한 수박 한 통을 든 채 활짝 웃는 농부 공근식(충북 영동군 심천면 초강리)씨의 사진이 큼지막하게 실렸다. 

수박 농사 짓다 우주 공학… 농부처럼 공부하라, 결과는 정직하리니

1. “(늦은 나이에 공부를 시작해 수석 졸업 등을 해서 그런지 저에게 공부 비결을 물어보는 사람들이 많은데) 제가 농부였잖아요? (그래서) 일단 새벽 일찍 일어나요. 고요하고 머리도 팽팽 잘 돌아가요. 능률이 높죠”

2. “(게다가) 러시아는 겨울이 길거든요. 춥고, 졸리고, 수업 가기 싫죠. 그래도 이미 몸은 강의실로 움직이고 있어요. 농부가 밭 매러 가듯이요”

3. “(사람들은 요행을 바라지만) 뿌린 대로 거둔다, 이 말이 맞는 것 같아요. 저는 점심을 안 먹어요. 나이가 있다 보니 식곤증이 세게 와서요. 수학 올림피아드 대회에서 금메달 딴 10대들이랑 경쟁해야 하는데, 졸린 것보다 배고픈 게 낫죠. 지금은 습관이 됐어요”

4. “(늦은 나이에 러시아에서 공부하면서) 진짜 천재들 많이 봤어요. 머리 돌아가는 속도가 달라요. 뭐든 빨라요. 근데 포기도 빨라요. 저는 느리지만 계속하고 있을 뿐이고요”

5. “(물론) 공부에는 때가 있어요. 맞아요. 늦은 나이에 공부하려니 정말 힘들었어요. 그런데요, 반복을 이기는 건 없는 것 같아요. 중요한 건 지치지 않는 거예요”

6. “박사과정 때 들은 말인데요, 한국 학생들은 초반에 두각을 빨리 드러낸대요. 근데 갈수록 뒤처진대요. 중국이나 베트남 학생들은 정반대예요. 걔네는 자주 만나고 서로 묻고 토론하면서 공부해요. 한국 학생은 혼자서 하죠. 혼자 하면 빨리 지쳐요”

- 공근식 박사

1. “(늦은 나이에 공부를 시작해 수석 졸업 등을 해서 그런지 저에게 공부 비결을 물어보는 사람들이 많은데) 제가 농부였잖아요? (그래서) 일단 새벽 일찍 일어나요. 고요하고 머리도 팽팽 잘 돌아가요. 능률이 높죠” 2. “(게다가) 러시아는 겨울이 길거든요. 춥고, 졸리고, 수업 가기 싫죠. 그래도 이미 몸은 강의실로 움직이고 있어요. 농부가 밭 매러 가듯이요” 3. “(사람들은 요행을 바라지만) 뿌린 대로 거둔다, 이 말이 맞는 것 같아요. 저는 점심을 안 먹어요. 나이가 있다 보니 식곤증이 세게 와서요. 수학 올림피아드 대회에서 금메달 딴 10대들이랑 경쟁해야 하는데, 졸린 것보다 배고픈 게 낫죠. 지금은 습관이 됐어요” 4. “(늦은 나이에 러시아에서 공부하면서) 진짜 천재들 많이 봤어요. 머리 돌아가는 속도가 달라요. 뭐든 빨라요. 근데 포기도 빨라요. 저는 느리지만 계속하고 있을 뿐이고요” 5. “(물론) 공부에는 때가 있어요. 맞아요. 늦은 나이에 공부하려니 정말 힘들었어요. 그런데요, 반복을 이기는 건 없는 것 같아요. 중요한 건 지치지 않는 거예요” 6. “박사과정 때 들은 말인데요, 한국 학생들은 초반에 두각을 빨리 드러낸대요. 근데 갈수록 뒤처진대요. 중국이나 베트남 학생들은 정반대예요. 걔네는 자주 만나고 서로 묻고 토론하면서 공부해요. 한국 학생은 혼자서 하죠. 혼자 하면 빨리 지쳐요” - 공근식 박사

n.news.naver.com

만학도의 전설, 공근식 박사의 공부법

이 글을 읽으시기 전에 이전의 글 <10분 만에 RAG 이해하기>를 먼저 읽고 오시면 지금 이 글의 이해에 도움이 됩니다. 0. 등장 배경 이미 잘 알고 계시지만, 이미 시장에는 OpenAI의 ChatGPT, 앤쓰로픽의 끌로드, 구글의 제미나이, 네이버의 하이퍼클로바X 와 같은 대표 LLM을 제외하고도 수많은 언어모델이 거의 매일 새롭게 나타나고 있으며 각

10분 만에 랭체인(LangChain) 이해하기

요즘 회사에서 AI 활용이 점점 더 중요해지고 있어요. 그중 랭체인(LangChain)은 ChatGPT 같은 AI 언어 모델을 더 똑똑하게 사용할 수 있도록 도와주는 툴이에요. 랭체인을 공부하면 어떤 이점이 있을까요?

 1. 반복 업무 자동화 🛠️
    이메일 요약, 고객 리뷰 분석 등 귀찮은 반복 작업을 AI가 대신해줘서 시간 절약이 가능해요. 일 더 빠르게 끝내고 칼퇴할 수도!
 2. 데이터 분석과 통합 📊
    다양한 데이터에서 빠르게 인사이트를 찾고 보고서 작성까지! 데이터 분석 업무가 편해져서 성과를 확 높일 수 있어요.
 3. AI와 함께 일하는 역량 🚀
    앞으로 AI와 협업은 필수 스킬! 랭체인을 알면 AI를 내 일에 더 유용하게 활용할 수 있어서 회사 내에서 인정받는 인재로 성장할 수 있어요.

결론적으로, 랭체인 공부하면 일잘러로 거듭날 수 있는 기회를 잡는 거죠! 😊

https://brunch.co.kr/@ywkim36/147

요즘 회사에서 AI 활용이 점점 더 중요해지고 있어요. 그중 랭체인(LangChain)은 ChatGPT 같은 AI 언어 모델을 더 똑똑하게 사용할 수 있도록 도와주는 툴이에요. 랭체인을 공부하면 어떤 이점이 있을까요? <ol ><li>반복 업무 자동화 🛠️ 이메일 요약, 고객 리뷰 분석 등 귀찮은 반복 작업을 AI가 대신해줘서 시간 절약이 가능해요. 일 더 빠르게 끝내고 칼퇴할 수도!</li><li>데이터 분석과 통합 📊 다양한 데이터에서 빠르게 인사이트를 찾고 보고서 작성까지! 데이터 분석 업무가 편해져서 성과를 확 높일 수 있어요.</li><li>AI와 함께 일하는 역량 🚀 앞으로 AI와 협업은 필수 스킬! 랭체인을 알면 AI를 내 일에 더 유용하게 활용할 수 있어서 회사 내에서 인정받는 인재로 성장할 수 있어요.</li></ol> 결론적으로, 랭체인 공부하면 일잘러로 거듭날 수 있는 기회를 잡는 거죠! 😊 https://brunch.co.kr/@ywkim36/147

Brunch Story

10분만에 랭체인(LangChain) 이해하기

영향력 있는 유명인 vs. 실력 있는 전문가 - 링크드인에서 팔로워가 80,000명에 달하는 Julie Zhuo가 3일 전에 올린 글입니다. 원문은 링크드인에서 보실 수 있습니다. 연차가 쌓일 수록, 한 조직에서 계속 일을 오래 할수록 6단계 일 방식 중 스스로 어디까지 하고 있는지 항상 경계하고 의식하는게 필요합니다.

영향력 있는 유명인 vs. 실력 있는 전문가

링크드인에서 팔로워가 10만 명명에 달하는 Julie Zhuo가 올렸던 글입니다. 원문은 링크드인에서 보실 수 있습니다. 연차가 쌓일 수록, 한 조직에서 계속 일을 오래 할수록 6단계 일 방식 중 스스로 어디까지 하고 있는지 항상 경계하고 의식하는게 필요합니다. 원문 글의 4사분면을 살펴보시면서 글을 읽어보시면 좋겠습니다.

[ 큐레이터의 문장 🎒 ]

모든 사람들이 모두 전문가라고 생각하는 사람들은 사분면에서 가장 위쪽(제1사분면)에 있는 사람들입니다. 진짜 전문가(True expert)는 실력과 영향력을 모두 갖췄고 전문가라고 말할 수 있습니다. 모두 되고 싶어하는 롤모델입니다. 그런데 가장 위쪽(제2사분면)에 있는 사람은 실력이 없는데도 전문가라고 평가받기도 합니다. 이런 사람들을 실력이 없지만 유명한 사람, 인플루언서(Armchair influencer)라고 부릅니다. 두 부류에는 어떤 차이가 있을까요? 보통 우리가 일을 할 때에는 아래 6가지 일 하는 단계를 거치는데요.

1️⃣ 문제에 대해 탐구하고
2️⃣ 솔루션을 제안하고
3️⃣ 솔루션을 직접 실행하고
4️⃣ 솔루션이 어떤 영향을 가져오는지 지켜보고
5️⃣ 그 결과를 수용하고
6️⃣ 학습하고 반복하면서 계속 개선하고

진짜 전문가는 6가지를 모두 하지만, 가짜 전문가는 1 또는 2까지만 합니다. 오른쪽 아래(제4사분면)에는 숨은 실력자(Secret master)가 있습니다. 같이 일을 하다 "이런 사람이 있었다니!"라며 감탄을 안 할 수 없는 사람들이 있습니다. 배우고 싶고, 닮고 싶은 사람들이 실력 없는 유명인과 함께 있는 것이죠.

직접 솔루션을 실행하고 그 결과를 보면서 운영까지 들어가서 개선하는가? 진짜 전문가라면 실행, 운영, 개선이라는 사이클까지 해야 합니다. 모두 평론가가 되기 쉬운 시대에 정말 내가 문제를 해결하고 그 결과를 관찰하며 더 나은 솔루션으로 만들어가고 있는지 가만히 생각해 보면 좋겠습니다.

https://redbusbagman.com/armchairinfluencers/

링크드인에서 팔로워가 10만 명명에 달하는 Julie Zhuo가 올렸던 글입니다. 원문은 링크드인에서 보실 수 있습니다. 연차가 쌓일 수록, 한 조직에서 계속 일을 오래 할수록 6단계 일 방식 중 스스로 어디까지 하고 있는지 항상 경계하고 의식하는게 필요합니다. 원문 글의 4사분면을 살펴보시면서 글을 읽어보시면 좋겠습니다. [ 큐레이터의 문장 🎒 ] 모든 사람들이 모두 전문가라고 생각하는 사람들은 사분면에서 가장 위쪽(제1사분면)에 있는 사람들입니다. 진짜 전문가(True expert)는 실력과 영향력을 모두 갖췄고 전문가라고 말할 수 있습니다. 모두 되고 싶어하는 롤모델입니다. 그런데 가장 위쪽(제2사분면)에 있는 사람은 실력이 없는데도 전문가라고 평가받기도 합니다. 이런 사람들을 실력이 없지만 유명한 사람, 인플루언서(Armchair influencer)라고 부릅니다. 두 부류에는 어떤 차이가 있을까요? 보통 우리가 일을 할 때에는 아래 6가지 일 하는 단계를 거치는데요. 1️⃣ 문제에 대해 탐구하고2️⃣ 솔루션을 제안하고3️⃣ 솔루션을 직접 실행하고4️⃣ 솔루션이 어떤 영향을 가져오는지 지켜보고5️⃣ 그 결과를 수용하고6️⃣ 학습하고 반복하면서 계속 개선하고 진짜 전문가는 6가지를 모두 하지만, 가짜 전문가는 1 또는 2까지만 합니다. 오른쪽 아래(제4사분면)에는 숨은 실력자(Secret master)가 있습니다. 같이 일을 하다 "이런 사람이 있었다니!"라며 감탄을 안 할 수 없는 사람들이 있습니다. 배우고 싶고, 닮고 싶은 사람들이 실력 없는 유명인과 함께 있는 것이죠. 직접 솔루션을 실행하고 그 결과를 보면서 운영까지 들어가서 개선하는가? 진짜 전문가라면 실행, 운영, 개선이라는 사이클까지 해야 합니다. 모두 평론가가 되기 쉬운 시대에 정말 내가 문제를 해결하고 그 결과를 관찰하며 더 나은 솔루션으로 만들어가고 있는지 가만히 생각해 보면 좋겠습니다. https://redbusbagman.com/armchairinfluencers/

REDBUSBAGMAN | 빨간색 광역버스에 백팩을 메고 탑니다

《인플루언서와 유명세가 있는 사람의 차이》

1️⃣ 취업 루트 및 경험담

01. 미국 취업 루트: https://careerly.co.kr/comments/51260
02. 캐나다 취업 허가증 수령 경험담: https://careerly.co.kr/comments/56992
03. 미국 이민/해외 취업 준비 중이라면 꼭 알아야 하는 것: https://careerly.co.kr/comments/56991
04. 실리콘 밸리 개발자의 7가지 찰랜지: https://careerly.co.kr/comments/72236
05. 미국 생활하면서 가장 힘들었던 점: https://careerly.co.kr/comments/52097
06. 미국 취업 비자, 4월이 가장 절망적일 수 있는 이유: https://careerly.co.kr/comments/54680

2️⃣ 영어관련 자료

01. 개발자에게 필요한 영어 실력: https://careerly.co.kr/comments/56961
02. 영어 공부팁: https://careerly.co.kr/comments/60926
03. 영어 독해 공부법: https://careerly.co.kr/comments/67571

3️⃣ 면접관련 자료

01. 해외 개발자 면접 프로세스: https://careerly.co.kr/comments/56503
02. 해외 취업 준비 리소스: https://careerly.co.kr/comments/56991
03. 최종 면접 통과 준비를 위한 무료 노션 템플릿: https://careerly.co.kr/comments/72967
04. 취업 준비생 주목! 새로운 개발자 면접 유형: https://careerly.co.kr/comments/67219
05. 해외 취업 필수 코스 3탄 - 행동 인터뷰: https://careerly.co.kr/comments/54721

4️⃣ 이력서관련 자료

01. 좋은 영문 이력서 작성을 위해 절대 하면 안되는 실수: https://careerly.co.kr/comments/49380

5️⃣ 연봉 정보

01. 해외 개발자의 실제 연봉 데이터는? https://careerly.co.kr/comments/49341
02. 미국 지역별 연봉 정보: https://careerly.co.kr/comments/61147
03. 회사가 주는 대로 받는 게 아닌 요즘 개발자 연봉 구성: https://careerly.co.kr/comments/72735
04. 수석 엔지니어의 정확한 연봉, 세율 그리고 세후 실수령액 +세금 보고서: https://careerly.co.kr/comments/72449

6️⃣ 해외 및 외국계 회사관련 자료

01. 워라밸 보장하는 미국 회사 리스트: https://careerly.co.kr/comments/51258

가끔 해외 취업 관련 DM 보내주시는데, 한곳에 모아서 볼 수 있는 곳이 없어서 그동안 포스팅했던 글을 정리해서 올립니다. 해외 취업 준비할 때 가장 어려웠던 점은 공식 사이트 외에 경험담을 통해서만 알 수 있는 점들을 쉽게 접할 수 없었던 것 같아요. 개인 경험담도 있지만 여러 자료를 읽고 공감했던 것까지 모두 모아봤습니다. 추가로 궁금하신 점은 댓글에 남겨주세요 :)

해외 취업이 목표라면 지금부터 알아둬야 할 20가지 자료

돈 받고 넷플릭스 보는 사람들

거짓말 같지만 2018년까지 돈을 받고 넷플릭스를 보는 사람들이 있었습니다. 이들은 넷플릭스의 콘텐츠를 설명할 수 있는 '메타 정보'을 태깅하고 돈을 벌었습니다. 

하지만 태깅이 즐겁기만 한 일은 아닙니다. 태거(tagger)들의 실제 인터뷰를 기반으로 태깅 업무의 실체를 알아봤습니다. 

<넷플릭스 태거들이 해야 하는 일>
✔️36페이지의 태깅 정책 자료 숙지하기
✔️도입부 건너뛰기, 다음회차 바로보기 지점 지정
✔️적어도 242개의 메타 태깅
✔️주요 인물의 성별, 나이, 직업, 성격 태깅
✔️"주관적인 태그" 만들기 (주인공의 성격부터 해피 엔딩인지 여부까지)

요약하자면, 태깅은 매우 노동 집약적인 업무이므로 결코 즐겁지만은 않을 것입니다.

AI,추천,검색 모두 자동화되고  고도화된 알고리즘으로 전문가만이 만드는 결과다라고 생각하겠지만, 많은 인력의 집단 지성화된 데이터 작업으로 고도화된 결과를 낼 수 있다라는 것을 알려준 실 사례인 것 같습니다. 초기에 이런 다양한 메타데이타의 수집과 업데이트가 되어야지만 알고리즘도 유지될 수 있는 거라 생각됩니다.

프로덕트 매니저/서비스 기획

시간여행자

점차 이제 사람이 아닌 AI가 대체할 수 있겠네요 기존에 쌓인 데이터가 많으니까

마케터

박수아

매번 하고 싶은 일이 너무 많아요.
디자이너랑 일하다가 디자인에 관심이 생겨서 직접 툴을 배워서 디자인도 해보기도 하고, 개발자랑 일하다가 자격증을 따려고 공부도 하고, 취미로 공연을 보다가 콘텐츠도 만들어 보고 다양하게 도전 중이에요.

교사

아 전혀 몰랐던 내용이네요ㅎㅎ 정보 감사합니다.

스타트업 골프링스 창업

황준원

'골프의 모든것을 연결하다' 라는 '골프링스' 어플을 운영하고 있습니다. 당근마켓 형태의 골프커뮤니티를 기반으로 골퍼, 골프장, 골프친구를 서로 연결해 주는 플랫폼을 추구합니다. 향후 전세계 모든 골프 친구와 골프장을 연결하는 골프업계의 에어비앤비를 만들겠습니다.

Business Development Manager

김민지

사업개발매니저로 스타트업을 경험하고 있는, 김민지 입니다😊


마케팅

Hyeji Jang 

✔️Vision AI 기반 미디어 서비스를 기획하고 운영합니다.
✔️요즘은 AI 포스터와 콘텐츠 추천 기획을 하고 있어요.

프로덕트 매니저

영어영문, 생활디자인

HCI lab 석사

3년 차 서비스기획자입니다. 영상인식 AI 프로덕트를 담당하며, AI를 서비스에 자연스럽게 녹여내는 역할을 맡고 있습니다. 새로운 서비스에서 영감을 발견하고 기록하는 것을 좋아합니다.

이연주

기획일기

이연주의 AI서비스기획 브런치

4년 차 서비스기획자입니다. 영상인식 AI를 서비스에 자연스럽게 녹여내는 일을 해요. 저의 서비스 기획 경험과 다른 서비스에서 배운 것을 공유합니다.
#기획자 #데이터분석 #브런치작가 #프로덕트매니저 #Ai

댓글 4

비슷한 게시물

주간 인기 TOP 10

추천 프로필