1. 두려움 대신 믿음을 택하는 것, 사실 이는 많은 사람에게 도전이다. 우리는 내면의 비평가가 던지는 부정적인 말을 듣는 데 더 익숙하다.

2. 나는 그 내면의 비평가에게 '나이젤'이라는 이름을 붙였다. 그리고 무려 50년 넘는 세월을 나이절과 함께 보냈다.

3. 나이절은 불가능할 정도로 높은 기준을 요구하는, 마치 깐깐한 인테리어 디자이너 같은 존재다.

4. 내가 쓰는 글은 무엇 하나 그에게 만족스럽지 않았고 나는 늘 가차없는 비판을 받아야 했다.

5. 시간이 흐르면서 나는 나이절을 무시하는 법을 익혔다. 이제는 내 작업이 독창적이고 특별할 때도 목청 높여 비판하는 그 목소리를 아무렇지도 않게 넘길 수 있다.

6. 우리 모두에게는 각자의 나이절이 있다. 두려움에 얼어붙고 멈춰 서게 하는 존재 말이다.

7. 당신 안의 비평가에게 이름을 붙이고 캐릭터를 설정해보자. 그리고 그 비평가의 목소리를 약하게 만들어보자.

#아티스트웨이 📚

1. 두려움 대신 믿음을 택하는 것, 사실 이는 많은 사람에게 도전이다. 우리는 내면의 비평가가 던지는 부정적인 말을 듣는 데 더 익숙하다. ​ 2. 나는 그 내면의 비평가에게 '나이젤'이라는 이름을 붙였다. 그리고 무려 50년 넘는 세월을 나이절과 함께 보냈다. ​ 3. 나이절은 불가능할 정도로 높은 기준을 요구하는, 마치 깐깐한 인테리어 디자이너 같은 존재다. ​ 4. 내가 쓰는 글은 무엇 하나 그에게 만족스럽지 않았고 나는 늘 가차없는 비판을 받아야 했다. ​ 5. 시간이 흐르면서 나는 나이절을 무시하는 법을 익혔다. 이제는 내 작업이 독창적이고 특별할 때도 목청 높여 비판하는 그 목소리를 아무렇지도 않게 넘길 수 있다. ​ 6. 우리 모두에게는 각자의 나이절이 있다. 두려움에 얼어붙고 멈춰 서게 하는 존재 말이다. ​ 7. 당신 안의 비평가에게 이름을 붙이고 캐릭터를 설정해보자. 그리고 그 비평가의 목소리를 약하게 만들어보자. ​#아티스트웨이 📚

< 내 안의 비평가에 맞서는 법: 이름을 붙이고 무시하기 >

https://blog.naver.com/madaboutit/223791084337

경영컨설팅社 싱크 프로덕티브 설립자 그레이엄 올콧무례한 동료들과 함께 일할 때태업 늘고 업무 퀄리티 떨어져친절함 베풀거나 목격한 사람호르몬 나와 심리적 안정 느껴의견 자유롭게 낼 분위기 조성동기부여 생기고 효율 높아져

성격 나빠도 일만 잘하면 된다? 친절한 직원이 성과도 좋다 - 매일경제

2019년 저서 <생산성 마스터가 되는 비법(How to be a Productivity Ninja)>으로 인기를 얻은 그레이엄 올콧은 투자은행을 대상으로 연설을 했는데 “친절함이 모든 것의 원동력이 된다. 당신이 친절하면 이긴다. 그게 전부”라고 말했다. 대부분의 청중은 이에 동의했지만, 일부는 매우 강하게 반대했다.

올콧은 이때 “친절함을 갖추면 팀에 좋고, 나아가 더 나은 세상을 만들 수 있다는 점에 사람들이 왜 동의하지 않는지 고민하게 됐다”고 말했다. 올콧이 이렇게 친절함을 중점에 두는 이유 중 하나는 친절함이 있어야 직원들이 본인 의견을 자유롭게 표출할 수 있다는 느낌, 즉 심리적 안정감을 갖추기 때문이다.

1️⃣친절함을 어떻게 정의하는가?
▷친절함에는 여러 가지 정의가 있다. 하나는 사실과 품격(truth and grace)이다. 개인이 놓여져 있는 상황이 어떤지 알고 너그러운 마음으로 그를 돕는 행동을 하는 것이다.

동시에 친절함을 받는 사람이 기분 상하지 않고 좋을 수 있게 품격 있게 친절함을 선보여야 한다. 누군가에게 듣기 힘든 메시지를 전달하는 상황이라 가정해보자. 그 사람이 주어진 메시지를 받아들일 수 있도록 많은 신경을 쓰고 그의 상황과 마음을 공감해야 한다.

내가 좋아하는 친절함의 의미를 꼽는다면, ‘친절함은 누군가에게 갈 수 있는 피해를 막는 것’이다. 개인 행동이 타인에게 줄 수 있는 피해를 어떻게 막을 수 있는지 스스로 생각하는 것은 인생을 살아가는 데 중요한 이정표가 된다.

2️⃣친절한 사람과 다정한 사람에 차이가 있나?
▷다정한 사람들은 개인이 듣고 싶어 하는 말을 한다. 하지만 친절한 사람들은 개인이 들어야 하는 말을 한다.

친절하다는 말은 연약하다는 의미가 아니다. 친절한 사람 역시 누군가에게 거절을 하고, 본인의 친절함을 이용하는 타인 행동을 꼬집는 경계선이 있어야 한다.

친절함은 주어진 상황에서 일어나는 사실을 피하지 않는다. 반면에 단지 다정한 사람은 연약할 수 있고, 다른 사람이 그의 연약함을 이용해 이득을 취할 수도 있다.

3️⃣친절함이 직원 성과에 미치는 영향은?
▷친절함은 성과에 직접적인 영향을 미친다. 다수의 연구에서 친절함이 직원 생산성, 창의성, 웰빙을 개선한다는 것이 드러났다. 또 친절함은 팀이 고성과를 내는 데 필요한 심리적 안정감 구축에도 중요한 역할을 한다.

누구로부터 친절함이 시작됐는지 상관없이 친절함은 이를 베푸는 사람, 받는 사람, 3자의 입장에서 목격하는 사람 모두의 성과와 웰빙에 기여한다. 친절함이 이를 베푸는 사람에게 미치는 영향부터 설명하겠다.

데이비드 해밀턴은 책 <친절함의 다섯 가지 효과>에서 친절함을 베풀 때 옥시토신이 분비된다는 점이 다수의 연구에서 드러났다고 했다. 옥시토신은 개인 건강에 이롭다. 혈압을 낮추고 전반적으로 심혈관 건강을 증진시킨다.

친절함이 이를 받는 사람에게 미치는 영향 중 하나는 정신건강 개선이다. 영국 정신건강협회가 2020년 성인 4246명을 대상으로 설문조사한 결과, 응답자 63%가 타인의 친절함이 본인의 정신건강에 긍정적 영향을 미쳤다고 답했다.

마지막으로 제3자 입장에서 친절함을 목격하는 것 역시 긍정적인 영향을 미친다. 제니퍼 실버스 UCLA 교수의 연구에 따르면 친절한 행동을 보는 것만으로도 옥시토신 수치가 높아지고 스트레스 수치는 줄어든다.

4️⃣친절함이 성과에 미치는 영향을 보여준 연구가 있나?
▷크리스틴 포라스 조지타운대 교수와 크리스틴 피어슨 애리조나주립대 교수의 연구진은 17개 산업의 관리자 및 직원 800명을 설문조사했다.

타인에게 무례함을 겪은 사람들 중 48%는 고의로 업무에 들이는 노력을 줄였고, 47%는 의도적으로 업무에 들이는 시간을 줄였으며, 38%는 일부러 업무 퀄리티를 감소했다. 해당 연구에서 무례함에는 관리자의 언어폭력, 개인 실수를 남 탓으로 돌리기, 타인 비방 등이 포함됐다.

5️⃣직장은 경쟁이 치열한 곳이다. 이런 환경 속에서 사람들은 어떻게 친절함의 힘을 깨달을 수 있을까?
▷팀원들끼리 경쟁이 심하면 서로 경쟁하는 데만 에너지를 사용하므로, 결국엔 해당 팀 혹은 고객들에게 더 좋은 결과를 안기는 데 방해가 된다.

조직 내에서 누구나 친절함을 선보일 수 있지만, 시니어급 리더들이 먼저 친절함을 베풀면 조직 내에 더 빠르게 친절함이 퍼질 것이다.

6️⃣직장에서 ‘친절함 롤모델’을 찾으라고 조언도 했는데?
▷‘친절함 롤모델’은 회사 내 공식적인 역할은 아니다. 하지만 한번 회사생활을 되돌아보자. 누군가 당신을 대할 때 친절하게 행동하고, 이러한 타인 행동이 당신에게 긍정적 영향을 미친 적이 한 번은 있지 않은가?

이런 사람을 ‘친절함 롤모델’로 삼으면 사내 문화에 친절함이 스며드는 변화를 불러올 수 있다. 어떤 한 사람만이 ‘친절한 문화를 구축해야 한다’라고 주장하면, 그 사람은 튀는 사람으로 인식될 것이다. 하지만 친절함 롤모델을 따라서 많은 사람들이 친절한 사내문화로 변화를 만들어간다면 이야기는 달라진다.

그리고 그 사람은 본인처럼 ‘친절하게 일하자’는 마음을 가진 사람들이 있다는 사실을 아는 것만으로도 든든한 ‘백’이 있다는 느낌을 받고, 회의, 소셜미디어, 사내 행사 등 교류하는 모든 곳에서 ‘친절함 모드’를 구축하고 친절함을 전파하는 데 더 큰 자신감을 가질 것이다.

7️⃣기억에 남는 친절함이 있다면?
▷사회 초년생일 때 매우 친절한 상사들을 만났다. 그중 한 명이 맥스였다. 입사 첫날 그는 나를 본인 사무실로 불러 내 업무를 알려줬다. 그리고 마지막에 맥스는 본인을 무서워하지 말라며, 문제가 생기거나 궁금한 점이 있으면 언제든 사무실로 오라고 말했다.

단순했던 맥스의 말은 이후에 내가 해당 회사에서 매우 열심히 일하게 만들었다. 상사가 무서워서 일을 열심히 했던 것이 아니다. 내게 친절함을 베푼 그에 대한 의리와 존경심이 생겨서였다.

맥스는 대학교를 졸업하자마자 첫 풀타임 직장에 입사했던 내 입장에서 생각해 ‘그레이엄이 업무 첫날에 매우 긴장했을 거야’라고 간주하고 친절함을 베풀었다. 그 덕분에 나는 동기부여가 됐고 좋은 성과를 낼 수 있었다.

2019년 저서 &lt;생산성 마스터가 되는 비법(How to be a Productivity Ninja)&gt;으로 인기를 얻은 그레이엄 올콧은 투자은행을 대상으로 연설을 했는데 “친절함이 모든 것의 원동력이 된다. 당신이 친절하면 이긴다. 그게 전부”라고 말했다. 대부분의 청중은 이에 동의했지만, 일부는 매우 강하게 반대했다. 올콧은 이때 “친절함을 갖추면 팀에 좋고, 나아가 더 나은 세상을 만들 수 있다는 점에 사람들이 왜 동의하지 않는지 고민하게 됐다”고 말했다. 올콧이 이렇게 친절함을 중점에 두는 이유 중 하나는 친절함이 있어야 직원들이 본인 의견을 자유롭게 표출할 수 있다는 느낌, 즉 심리적 안정감을 갖추기 때문이다. 1️⃣친절함을 어떻게 정의하는가?▷친절함에는 여러 가지 정의가 있다. 하나는 사실과 품격(truth and grace)이다. 개인이 놓여져 있는 상황이 어떤지 알고 너그러운 마음으로 그를 돕는 행동을 하는 것이다. 동시에 친절함을 받는 사람이 기분 상하지 않고 좋을 수 있게 품격 있게 친절함을 선보여야 한다. 누군가에게 듣기 힘든 메시지를 전달하는 상황이라 가정해보자. 그 사람이 주어진 메시지를 받아들일 수 있도록 많은 신경을 쓰고 그의 상황과 마음을 공감해야 한다. 내가 좋아하는 친절함의 의미를 꼽는다면, ‘친절함은 누군가에게 갈 수 있는 피해를 막는 것’이다. 개인 행동이 타인에게 줄 수 있는 피해를 어떻게 막을 수 있는지 스스로 생각하는 것은 인생을 살아가는 데 중요한 이정표가 된다. 2️⃣친절한 사람과 다정한 사람에 차이가 있나?▷다정한 사람들은 개인이 듣고 싶어 하는 말을 한다. 하지만 친절한 사람들은 개인이 들어야 하는 말을 한다. 친절하다는 말은 연약하다는 의미가 아니다. 친절한 사람 역시 누군가에게 거절을 하고, 본인의 친절함을 이용하는 타인 행동을 꼬집는 경계선이 있어야 한다. 친절함은 주어진 상황에서 일어나는 사실을 피하지 않는다. 반면에 단지 다정한 사람은 연약할 수 있고, 다른 사람이 그의 연약함을 이용해 이득을 취할 수도 있다. 3️⃣친절함이 직원 성과에 미치는 영향은?▷친절함은 성과에 직접적인 영향을 미친다. 다수의 연구에서 친절함이 직원 생산성, 창의성, 웰빙을 개선한다는 것이 드러났다. 또 친절함은 팀이 고성과를 내는 데 필요한 심리적 안정감 구축에도 중요한 역할을 한다. 누구로부터 친절함이 시작됐는지 상관없이 친절함은 이를 베푸는 사람, 받는 사람, 3자의 입장에서 목격하는 사람 모두의 성과와 웰빙에 기여한다. 친절함이 이를 베푸는 사람에게 미치는 영향부터 설명하겠다. 데이비드 해밀턴은 책 &lt;친절함의 다섯 가지 효과&gt;에서 친절함을 베풀 때 옥시토신이 분비된다는 점이 다수의 연구에서 드러났다고 했다. 옥시토신은 개인 건강에 이롭다. 혈압을 낮추고 전반적으로 심혈관 건강을 증진시킨다. 친절함이 이를 받는 사람에게 미치는 영향 중 하나는 정신건강 개선이다. 영국 정신건강협회가 2020년 성인 4246명을 대상으로 설문조사한 결과, 응답자 63%가 타인의 친절함이 본인의 정신건강에 긍정적 영향을 미쳤다고 답했다. 마지막으로 제3자 입장에서 친절함을 목격하는 것 역시 긍정적인 영향을 미친다. 제니퍼 실버스 UCLA 교수의 연구에 따르면 친절한 행동을 보는 것만으로도 옥시토신 수치가 높아지고 스트레스 수치는 줄어든다. 4️⃣친절함이 성과에 미치는 영향을 보여준 연구가 있나?▷크리스틴 포라스 조지타운대 교수와 크리스틴 피어슨 애리조나주립대 교수의 연구진은 17개 산업의 관리자 및 직원 800명을 설문조사했다. 타인에게 무례함을 겪은 사람들 중 48%는 고의로 업무에 들이는 노력을 줄였고, 47%는 의도적으로 업무에 들이는 시간을 줄였으며, 38%는 일부러 업무 퀄리티를 감소했다. 해당 연구에서 무례함에는 관리자의 언어폭력, 개인 실수를 남 탓으로 돌리기, 타인 비방 등이 포함됐다. 5️⃣직장은 경쟁이 치열한 곳이다. 이런 환경 속에서 사람들은 어떻게 친절함의 힘을 깨달을 수 있을까?▷팀원들끼리 경쟁이 심하면 서로 경쟁하는 데만 에너지를 사용하므로, 결국엔 해당 팀 혹은 고객들에게 더 좋은 결과를 안기는 데 방해가 된다. 조직 내에서 누구나 친절함을 선보일 수 있지만, 시니어급 리더들이 먼저 친절함을 베풀면 조직 내에 더 빠르게 친절함이 퍼질 것이다. 6️⃣직장에서 ‘친절함 롤모델’을 찾으라고 조언도 했는데?▷‘친절함 롤모델’은 회사 내 공식적인 역할은 아니다. 하지만 한번 회사생활을 되돌아보자. 누군가 당신을 대할 때 친절하게 행동하고, 이러한 타인 행동이 당신에게 긍정적 영향을 미친 적이 한 번은 있지 않은가? 이런 사람을 ‘친절함 롤모델’로 삼으면 사내 문화에 친절함이 스며드는 변화를 불러올 수 있다. 어떤 한 사람만이 ‘친절한 문화를 구축해야 한다’라고 주장하면, 그 사람은 튀는 사람으로 인식될 것이다. 하지만 친절함 롤모델을 따라서 많은 사람들이 친절한 사내문화로 변화를 만들어간다면 이야기는 달라진다. 그리고 그 사람은 본인처럼 ‘친절하게 일하자’는 마음을 가진 사람들이 있다는 사실을 아는 것만으로도 든든한 ‘백’이 있다는 느낌을 받고, 회의, 소셜미디어, 사내 행사 등 교류하는 모든 곳에서 ‘친절함 모드’를 구축하고 친절함을 전파하는 데 더 큰 자신감을 가질 것이다. 7️⃣기억에 남는 친절함이 있다면?▷사회 초년생일 때 매우 친절한 상사들을 만났다. 그중 한 명이 맥스였다. 입사 첫날 그는 나를 본인 사무실로 불러 내 업무를 알려줬다. 그리고 마지막에 맥스는 본인을 무서워하지 말라며, 문제가 생기거나 궁금한 점이 있으면 언제든 사무실로 오라고 말했다. 단순했던 맥스의 말은 이후에 내가 해당 회사에서 매우 열심히 일하게 만들었다. 상사가 무서워서 일을 열심히 했던 것이 아니다. 내게 친절함을 베푼 그에 대한 의리와 존경심이 생겨서였다. 맥스는 대학교를 졸업하자마자 첫 풀타임 직장에 입사했던 내 입장에서 생각해 ‘그레이엄이 업무 첫날에 매우 긴장했을 거야’라고 간주하고 친절함을 베풀었다. 그 덕분에 나는 동기부여가 됐고 좋은 성과를 낼 수 있었다.

매일경제

아미고(Ameego)의 피드백 중에서 아미고가 불친절😅해서 좋다는 이야기를 꽤 들었는데요.

UX가 나쁘다는 것이 아니라, 앱이 대부분 영어로만 되어 있고, 대화 중 자막이 없고 턴제가 아닌 실시간 대화 중심인 것을 말합니다.

아미고 외에 거의 모든 앱이 효능감을 느끼게 하는데 치중하지 영어에 익숙해지도록 만드는데는 방해를 하는 수준이라는 피드백을 어제 받았네요. 심지어 이제 듀오링고나 스픽은 쳐다보지도 않는다는 말까지.. 🫣

영어 공부를 진심으로 하시는 분들은 영어에 몰입하는 경험을 하기를 원하는데요. 많은 앱들이 이제 입문하는 사람들 위주로 되어있다보니 그런 것 같습니다.

사실 한국 사람들은 말하는 걸 부끄러워해서 그렇지, 이미 중급자 이상인 경우가 대부분인데 말이죠.

암튼 저희가 몰입 경험을 주려고 의도했던 것들을 이해해주시는 분들이 있어 힘이 납니다. 효능감만 주는 것이 아닌, 영어를 제대로 익힐 수 있는 경험을 드릴 수 있도록 더욱 정진하겠습니다. 💪🦾

아미고(Ameego)의 피드백 중에서 아미고가 불친절😅해서 좋다는 이야기를 꽤 들었는데요. UX가 나쁘다는 것이 아니라, 앱이 대부분 영어로만 되어 있고, 대화 중 자막이 없고 턴제가 아닌 실시간 대화 중심인 것을 말합니다. 아미고 외에 거의 모든 앱이 효능감을 느끼게 하는데 치중하지 영어에 익숙해지도록 만드는데는 방해를 하는 수준이라는 피드백을 어제 받았네요. 심지어 이제 듀오링고나 스픽은 쳐다보지도 않는다는 말까지.. 🫣 영어 공부를 진심으로 하시는 분들은 영어에 몰입하는 경험을 하기를 원하는데요. 많은 앱들이 이제 입문하는 사람들 위주로 되어있다보니 그런 것 같습니다. 사실 한국 사람들은 말하는 걸 부끄러워해서 그렇지, 이미 중급자 이상인 경우가 대부분인데 말이죠. 암튼 저희가 몰입 경험을 주려고 의도했던 것들을 이해해주시는 분들이 있어 힘이 납니다. 효능감만 주는 것이 아닌, 영어를 제대로 익힐 수 있는 경험을 드릴 수 있도록 더욱 정진하겠습니다. 💪🦾

모회사 금양 거래정지 불똥 튄 에스엠랩 1000억 투자한 VC도 골머리 에스엠랩, IPO 문턱에서 두 차례 고배 금양에 1150억 신주 발행 및 400억 차입 3분기 누적 적자 177억 추가 조달 필요

모회사 금양 거래정지 불똥 튄 에스엠랩… 1000억 투자한 VC도 골머리

적자가 지속되고 있는 에스엠랩은 그동안 금양의 자금 지원을 받고 있었다. 지난해 4월 금양으로부터 3년 만기로 400억원을 빌린 상황이다. 에스엠랩이 지난해 3분기까지 177억원의 적자를 기록한 것을 감안하면 적지 않은 규모다. 대여금 지급 시점은 올해 하반기다. 2023년 금양의 에스엠랩 인수도 신주 발행 형식으로 진행돼 사실상 투자 유치였다.

에스엠랩의 누적 투자금은 금양의 신주 발행 대금을 빼도 1000억원에 달한다. 주요 투자자로는 위드윈인베스트먼트, 스틱벤처스, 한국투자파트너스, DSC인베스트먼트 등이 있다. 이밖에 한국산업은행과 KT&G, 한양증권, 뮤렉스파트너스, 우리벤처파트너스, SV인베스트먼트, 케이앤투자파트너스, 슈미트 등도 투자자다.

https://biz.chosun.com/stock/market_trend/2025/04/01/4KOQHEROYJD7TK5JZ3N5NUFUKQ/?utm_source=naver&utm_medium=original&utm_campaign=biz

적자가 지속되고 있는 에스엠랩은 그동안 금양의 자금 지원을 받고 있었다. 지난해 4월 금양으로부터 3년 만기로 400억원을 빌린 상황이다. 에스엠랩이 지난해 3분기까지 177억원의 적자를 기록한 것을 감안하면 적지 않은 규모다. 대여금 지급 시점은 올해 하반기다. 2023년 금양의 에스엠랩 인수도 신주 발행 형식으로 진행돼 사실상 투자 유치였다. 에스엠랩의 누적 투자금은 금양의 신주 발행 대금을 빼도 1000억원에 달한다. 주요 투자자로는 위드윈인베스트먼트, 스틱벤처스, 한국투자파트너스, DSC인베스트먼트 등이 있다. 이밖에 한국산업은행과 KT&amp;G, 한양증권, 뮤렉스파트너스, 우리벤처파트너스, SV인베스트먼트, 케이앤투자파트너스, 슈미트 등도 투자자다. https://biz.chosun.com/stock/market_trend/2025/04/01/4KOQHEROYJD7TK5JZ3N5NUFUKQ/?utm_source=naver&amp;utm_medium=original&amp;utm_campaign=biz

조선비즈

GS리테일은 오픈 이노베이션(개방형 혁신) 프로그램 ‘더 지에스 챌린지 퓨처 리테일(The GS Challenge, Future Retail) 2기 성과공유회’를 진행했다고 30일 밝혔다.‘더 지에스 챌린지 퓨처 리테일’은 GS리테일이 서울창조경제혁신센터와 손잡고 진행한 스타트업 발굴

GS리테일, 스타트업과 동반성장… 성과공유회 열어

지난주 금요일, 정식 시간 4개월 준비기간부터 하면 반년 가까이 함께 했던 GS리테일 오픈 이노베이션 프로그램, 더 지에스 챌린지 퓨처 리테일 2기가 최종 성과공유회를 마지막으로 종료되었다. 여기서 우리 패스파인더넷은 참여한 스타트업의 협업 커뮤니케이션과 사업계획 및 프리젠테이션 스킬업, 스타트업 케어 및 프로그램 자문을 맡아서 GS리테일의 CVC팀과 각 계열사 사업부 담당부서와 담당자, 스타트업 사이에서 협업이 잘 이루어지고 성과를 도출할 수 있도록 뒤에서 지원하는 역할을 맡았다.

아직 개념도 잘 안잡혀있던 8년전부터 우리 회사가 국내 스타트업 오픈 이노베이션과 Corporate Venturing을 활성화하는데 작게 나마 기여해왔다고 자부하는데, 그 기간동안 수십개의 회사와 수십개의 프로젝트 및 프로그램에 크고 작게 참여해왔지만, 이 정도로 성과가 좋은 경우는 없었다고 감히 자부한다. 오픈 이노베이션의 PoC 성공율, 즉 오픈 이노베이션 기간 종료후 계속 기업과 스타트업이 프로젝트를 이어가는 확율이 10개 중 1~2건에 불과한데, GS리테일 오픈 이노베이션 성과는 가히 압도적이기 때문이다. 나는 오픈 이노베이션의 성공 요인 중 가장 중요한 것은 CV담당부서-기업내 관련 업무 사업부-스타트업의 유기적인 소통을 기반으로 한 협업과 협동이라고 지난 수년동안 이야기해왔는데, 이를 가장 모범적으로 해내서 가능한 일이었다고 생각한다. 역시 GS리테일이 CV의 최강자라는 말은 많이 들었지만, 이를 실제로 보고 경험하게 되니 납득이 되었다.

일로 참여했지만 나도 우리회사도 많은 걸 얻을 수 있었던 의미 있는 자리였다. 프로그램에 참여한 모든 분들 진심으로 리스펙트합니다!

https://it.chosun.com/news/articleView.html?idxno=2023092137365

지난주 금요일, 정식 시간 4개월 준비기간부터 하면 반년 가까이 함께 했던 GS리테일 오픈 이노베이션 프로그램, 더 지에스 챌린지 퓨처 리테일 2기가 최종 성과공유회를 마지막으로 종료되었다. 여기서 우리 패스파인더넷은 참여한 스타트업의 협업 커뮤니케이션과 사업계획 및 프리젠테이션 스킬업, 스타트업 케어 및 프로그램 자문을 맡아서 GS리테일의 CVC팀과 각 계열사 사업부 담당부서와 담당자, 스타트업 사이에서 협업이 잘 이루어지고 성과를 도출할 수 있도록 뒤에서 지원하는 역할을 맡았다. 아직 개념도 잘 안잡혀있던 8년전부터 우리 회사가 국내 스타트업 오픈 이노베이션과 Corporate Venturing을 활성화하는데 작게 나마 기여해왔다고 자부하는데, 그 기간동안 수십개의 회사와 수십개의 프로젝트 및 프로그램에 크고 작게 참여해왔지만, 이 정도로 성과가 좋은 경우는 없었다고 감히 자부한다. 오픈 이노베이션의 PoC 성공율, 즉 오픈 이노베이션 기간 종료후 계속 기업과 스타트업이 프로젝트를 이어가는 확율이 10개 중 1~2건에 불과한데, GS리테일 오픈 이노베이션 성과는 가히 압도적이기 때문이다. 나는 오픈 이노베이션의 성공 요인 중 가장 중요한 것은 CV담당부서-기업내 관련 업무 사업부-스타트업의 유기적인 소통을 기반으로 한 협업과 협동이라고 지난 수년동안 이야기해왔는데, 이를 가장 모범적으로 해내서 가능한 일이었다고 생각한다. 역시 GS리테일이 CV의 최강자라는 말은 많이 들었지만, 이를 실제로 보고 경험하게 되니 납득이 되었다. 일로 참여했지만 나도 우리회사도 많은 걸 얻을 수 있었던 의미 있는 자리였다. 프로그램에 참여한 모든 분들 진심으로 리스펙트합니다! https://it.chosun.com/news/articleView.html?idxno=2023092137365

IT조선

KTX로 전국이 일일생활권이 된지 십수년, 반드시 그게 좋은 건지 생각이 들 때가 종종 있다. 멀리 당일 출장을 갔다올 때면 그런 생각이 드는 듯하다. 예전 같았으면 당연히 숙박을 잡아야할 출장들이 당일로 바뀌었다. 체력과 건강 면에서 당일 출장은 정말 최악이다.

오늘 같은 경우 집에서 서울역까지 1.5시간, 서울역에서 울산역까지 3시간, 울산역에서 강연장까지 1.5시간 총 6시간이 걸렸다. 강연하고 다시 집으로 출발해서 울산역까지 1.5시간, 울산역에서 서울역까지 2.5시간, 지금 서울역에서 집으로 이동 중인데 1.5시간 예상되고 총 5.5시간 걸릴 듯하다. 교통수단을 타기 위해 기다린 시간 제외하고 총 11.5시간을 이동하는데 썼다. 식사시간 확보가 안될 정도로 빡빡해서 아침은 서울역 도착전에 전철 안에서 스벅 싸이렌오더로 미리 주문해놓은 커피와 머핀을 받아 KTX 안에서 먹고 지금까지 공복이다. 머리가 핑핑 도는군. 특강이 1.5시간이었으니 이 정도 되면 내가 강연을 판건지, 몸을 판건지 헷갈리기 시작한다.

일을 주시고 충분한 보상도 해주시고 이렇게 기회를 주시는 고객사분들께는 진심으로 항상 감사하다. 너무 힘들어서 이런 말 주저리주저리 하면서 칭얼거리고 있지만 고객사를 탓하는게 아니라 내 상황을 탓하는거다. 앞으로 똑같은 상황은 계속 발생할거고 시간이랑 돈을 바꾸는 일을 하고 있는 한 계속 나는 오늘처럼 돈을 아끼고 시간도 아껴서 수익이 극대화하는 방안을 선택하겠지만 몸이 축나는 건 어쩔 수가 없을 듯하다. 그래도 예전과 달리 이동시간에 심신을 완전히 오프모드로 전환하는 노하우도 쌓고 컨디션 조절하는 스킬도 쌓아와서 그나마 다행이다.

어여 집에 가서 기름끼 잔뜩 끼어있는 배달음식 실컷 먹으면서 에너지 급속충전하고 힐링도 해야겠다. 내일 일정도 아침 일정이라 급속충전이 필수다. 내일 하루 버틸려면. 자고나면 바로 회복되던 2030 체력이 진심으로 부럽다.

KTX로 전국이 일일생활권이 된지 십수년, 반드시 그게 좋은 건지 생각이 들 때가 종종 있다. 멀리 당일 출장을 갔다올 때면 그런 생각이 드는 듯하다. 예전 같았으면 당연히 숙박을 잡아야할 출장들이 당일로 바뀌었다. 체력과 건강 면에서 당일 출장은 정말 최악이다. 오늘 같은 경우 집에서 서울역까지 1.5시간, 서울역에서 울산역까지 3시간, 울산역에서 강연장까지 1.5시간 총 6시간이 걸렸다. 강연하고 다시 집으로 출발해서 울산역까지 1.5시간, 울산역에서 서울역까지 2.5시간, 지금 서울역에서 집으로 이동 중인데 1.5시간 예상되고 총 5.5시간 걸릴 듯하다. 교통수단을 타기 위해 기다린 시간 제외하고 총 11.5시간을 이동하는데 썼다. 식사시간 확보가 안될 정도로 빡빡해서 아침은 서울역 도착전에 전철 안에서 스벅 싸이렌오더로 미리 주문해놓은 커피와 머핀을 받아 KTX 안에서 먹고 지금까지 공복이다. 머리가 핑핑 도는군. 특강이 1.5시간이었으니 이 정도 되면 내가 강연을 판건지, 몸을 판건지 헷갈리기 시작한다. 일을 주시고 충분한 보상도 해주시고 이렇게 기회를 주시는 고객사분들께는 진심으로 항상 감사하다. 너무 힘들어서 이런 말 주저리주저리 하면서 칭얼거리고 있지만 고객사를 탓하는게 아니라 내 상황을 탓하는거다. 앞으로 똑같은 상황은 계속 발생할거고 시간이랑 돈을 바꾸는 일을 하고 있는 한 계속 나는 오늘처럼 돈을 아끼고 시간도 아껴서 수익이 극대화하는 방안을 선택하겠지만 몸이 축나는 건 어쩔 수가 없을 듯하다. 그래도 예전과 달리 이동시간에 심신을 완전히 오프모드로 전환하는 노하우도 쌓고 컨디션 조절하는 스킬도 쌓아와서 그나마 다행이다. 어여 집에 가서 기름끼 잔뜩 끼어있는 배달음식 실컷 먹으면서 에너지 급속충전하고 힐링도 해야겠다. 내일 일정도 아침 일정이라 급속충전이 필수다. 내일 하루 버틸려면. 자고나면 바로 회복되던 2030 체력이 진심으로 부럽다.

일일생활권의 폐해?

사용자가 공유한 콘텐츠

폴인에서 시리즈로 공개한 '토스팀에게 듣다: 토스 10주년 '10 to 100''에서 프로덕트 디자인 부문의 글을 소개합니다. 프로덕트 디자인 헤드를 맡고 있는 강수영 님이 2015년부터 2025년까지 토스에서의 프로덕트 디자인을 어떻게 바라보고, 어떤 고민과 도전으로 현재에 이르렀는지 담담하게 전달하는 내용입니다. 요약을 먼저 보시더라도 전문을 꼭 살펴보시면 좋겠습니다.

2개의 문장으로 결론을 요약하자면 사용자 경험을 고민하는 사람이라면, 디자인하는 사람이라면 '수단과 목적을 헷갈리지 말자'라는 것이었습니다. '만약 헷갈리지만 않는다면 안 되는 건 거의 없다.'입니다.

[ 큐레이터의 문장 🎒 ]

1. 태동기(2015~18): 디자인도, 일하는 방식도 단순하게 

 * ① 필요 없는 정보는 과감히 쳐내기
   ② 한 화면에서 어딜 봐야 할지 명확히 알려주기

2. 성장기(2018~22): 체계를 통한 일관성 쌓기

토스만의 디자인 시스템을 만들고 토스만의 서체도 만들면서 어디서든 '토스 디자인이다'라고 알 수 있게 만든 시기였습니다. 동시에 4가지를 새롭게 시도했습니다.

 * ① 3D 그래픽 - 시네마4D라는 툴을 직접 배워가며 내부에서 디벨롭
 * ② UX 라이팅 - A/B테스트를 통해 제품속 문구를 결정하면서 클릭율 최대 300% 증가
 * ③ 유저 테스트 - 토스의 UT 문화가 생긴 시기로 전문 업체와 계약해서 테스트, 정성 테스트를 반복해 가입 퍼널을 만들고 수치로 성과까지 증명
 * ④ 로고 리브랜딩 - '공 던지듯 쉬운 금융', '우리는 금융이 아니다', '토스에 갇히면 안 된다'

3. 진화기(2022~2024): 금융 너머를 바라보는 시대의 디자인

마이데이터 시기에 조회, 송금, 혜택을 중심으로 한 홈화면을 만든 시기. 대출, 카드, 보험, 신용대출 등 여러 기능을 동일한 인터랙션으로 하나의 경험을 하듯이 만드는 것에 주안점을 두고 매출까지 개선하는 것으로 디자인의 역할을 확대했습니다. 이 시기엔 3D로 만든 새로운 로고를 선보였습니다.

4. 토스의 지금(2025~): 어디서나 편리한 디자인을 고민할 때

토스가 금융상품을 넘어 커머스, 모바일을 넘어 오프라인 단말기까지 새로운 접점이 생기면서 덩치가 커졌습니다. B2B 고객도 많아졌고 고객이 토스 앱 안에서 자기만의 사업을 하려는 니즈가 있었기에 '툴 프로덕트 디자이너'라는 직군까지 생겼습니다. 내부 구성원을 위한 툴도 만들어진 시기였죠.

 1. 토스 내비게이션 스코어 - 유저에게 직접 묻고 '이 기능 어디에 있을 것 같나요?'에 대한 답변을 히트맵 형태로 표현해서 (만드는 사람이) 예상한 것과 (쓰는 사람이) 이해하고 기대하는 것 사이의 격차가 얼마나 큰지 확인할 수 있는 방법입니다.
 2. 휴리봇 - 휴리봇은 토스 유저처럼 답변하는 생성형 AI예요. 디자인한 화면을 보여주며 질문하면 실제 유저처럼 답변하는 거예요. 기존 유저 테스트를 완전히 대체할 수는 없지만, 시간을 아끼는 데 큰 도움이 됩니다.
 3. 토스트 - 토스 스타일로 그림을 알아서 그려주는 '토스트'도 개발했어요. 정보를 입력하면 몇 분 만에 그래픽이 만들어지죠. 토스 그래픽 디자이너가 만든 것과 같은 퀄리티, 톤으로요. 디자이너들이 더 중요한 문제에 집중할 수 있도록 일손을 덜어주는 역할을 잘 해내고 있습니다. 
 4. 랠리(Rally) - 인터랙션을 잘 만들려면 디자이너의 역량, 구현 기술, 개발 인력이 모두 필요한데요. 인터랙션팀 주도로 구현 비용을 획기적으로 낮추기 위해 랠리라는 프로그래밍 언어를 자체 개발했어요.

https://www.folin.co/article/10450/gift/Fspn7szhf5iFFggpgu0Ryq7GKd3D6XF5

폴인에서 시리즈로 공개한 '토스팀에게 듣다: 토스 10주년 '10 to 100''에서 프로덕트 디자인 부문의 글을 소개합니다. 프로덕트 디자인 헤드를 맡고 있는 강수영 님이 2015년부터 2025년까지 토스에서의 프로덕트 디자인을 어떻게 바라보고, 어떤 고민과 도전으로 현재에 이르렀는지 담담하게 전달하는 내용입니다. 요약을 먼저 보시더라도 전문을 꼭 살펴보시면 좋겠습니다. 2개의 문장으로 결론을 요약하자면 사용자 경험을 고민하는 사람이라면, 디자인하는 사람이라면 '수단과 목적을 헷갈리지 말자'라는 것이었습니다. '만약 헷갈리지만 않는다면 안 되는 건 거의 없다.'입니다. [ 큐레이터의 문장 🎒 ] 1. 태동기(2015~18): 디자인도, 일하는 방식도 단순하게&nbsp; <ul ><li>① 필요 없는 정보는 과감히 쳐내기 ② 한 화면에서 어딜 봐야 할지 명확히 알려주기</li></ul> 2. 성장기(2018~22): 체계를 통한 일관성 쌓기 토스만의 디자인 시스템을 만들고 토스만의 서체도 만들면서 어디서든 '토스 디자인이다'라고 알 수 있게 만든 시기였습니다. 동시에 4가지를 새롭게 시도했습니다. <ul ><li>① 3D 그래픽 - 시네마4D라는 툴을 직접 배워가며 내부에서 디벨롭</li><li>② UX 라이팅 - A/B테스트를 통해 제품속 문구를 결정하면서 클릭율 최대 300% 증가</li><li>③ 유저 테스트 - 토스의 UT 문화가 생긴 시기로 전문 업체와 계약해서 테스트, 정성 테스트를 반복해 가입 퍼널을 만들고 수치로 성과까지 증명</li><li>④ 로고 리브랜딩 - '공 던지듯 쉬운 금융', '우리는 금융이 아니다', '토스에 갇히면 안 된다'</li></ul> 3. 진화기(2022~2024): 금융 너머를 바라보는 시대의 디자인 마이데이터 시기에 조회, 송금, 혜택을 중심으로 한 홈화면을 만든 시기. 대출, 카드, 보험, 신용대출 등 여러 기능을 동일한 인터랙션으로 하나의 경험을 하듯이 만드는 것에 주안점을 두고 매출까지 개선하는 것으로 디자인의 역할을 확대했습니다. 이 시기엔 3D로 만든 새로운 로고를 선보였습니다. 4. 토스의 지금(2025~): 어디서나 편리한 디자인을 고민할 때 토스가 금융상품을 넘어 커머스, 모바일을 넘어 오프라인 단말기까지 새로운 접점이 생기면서 덩치가 커졌습니다. B2B 고객도 많아졌고 고객이 토스 앱 안에서 자기만의 사업을 하려는 니즈가 있었기에 '툴 프로덕트 디자이너'라는 직군까지 생겼습니다. 내부 구성원을 위한 툴도 만들어진 시기였죠. <ol ><li>토스 내비게이션 스코어 - 유저에게 직접 묻고 '이 기능 어디에 있을 것 같나요?'에 대한 답변을 히트맵 형태로 표현해서 (만드는 사람이) 예상한 것과 (쓰는 사람이) 이해하고 기대하는 것 사이의 격차가 얼마나 큰지 확인할 수 있는 방법입니다.</li><li>휴리봇 - 휴리봇은 토스 유저처럼 답변하는 생성형 AI예요. 디자인한 화면을 보여주며 질문하면 실제 유저처럼 답변하는 거예요. 기존 유저 테스트를 완전히 대체할 수는 없지만, 시간을 아끼는 데 큰 도움이 됩니다.</li><li>토스트 - 토스 스타일로 그림을 알아서 그려주는 '토스트'도 개발했어요. 정보를 입력하면 몇 분 만에 그래픽이 만들어지죠. 토스 그래픽 디자이너가 만든 것과 같은 퀄리티, 톤으로요. 디자이너들이 더 중요한 문제에 집중할 수 있도록 일손을 덜어주는 역할을 잘 해내고 있습니다.&nbsp;</li><li>랠리(Rally) - 인터랙션을 잘 만들려면 디자이너의 역량, 구현 기술, 개발 인력이 모두 필요한데요. 인터랙션팀 주도로 구현 비용을 획기적으로 낮추기 위해 랠리라는 프로그래밍 언어를 자체 개발했어요.</li></ol> https://www.folin.co/article/10450/gift/Fspn7szhf5iFFggpgu0Ryq7GKd3D6XF5

www.folin.co

《디자인하는 사람이라면 '수단과 목적을 헷갈리지 말자'》

일 하다 눈이 가는 소식을 큐레이션해서 공유합니다

TREND REPORT "2025년 3월에 본 것"

봄은 다른 계절에 비해 달아요. 회색과 갈색 사이에서 초록이 보이고, 초록은 곧 노란색과 분홍색, 하얀색으로 퍼지면서 얼어붙었던 세상을 녹이고 채도를 높입니다. 많은 사람들이 다치고 피해가 큰 산불 앞에 다시 한번 무기력함을 느끼는 한 달이었습니다. 바람이 매섭고, 3월의 눈을 보며 지구가 아픈 이 계절에 무얼 해야 하나 가만히 생각하게 만드는 날이지만 그래도 내가 할 수 있는 게 무엇일까, 생각만 하는 대신 어김없이 메일함 편지로 인사드립니다. 잘못된 것들이 바로 잡히길, 화마가 덮친 산과 들에서 생명을 잃은 사람과 동물, 식물의 아픔에 닿기 어려운 위로를 전하며 봄이 상처를 서서히 낫게 하길 바랍니다.

 * Intro
 * 일을 하면서 의식해야 하는 10가지
 * 트레바리에서 밑줄 친 문장들의 모음집
 * AI 시대의 UX 리서치
 * 일을 하면서 지속하고 있는 3가지 '일'
 * 다정함도 체력에서 나오니까
 * Outro

https://maily.so/redbusbagman/posts/92zew9n8zep

봄은 다른 계절에 비해 달아요. 회색과 갈색 사이에서 초록이 보이고, 초록은 곧 노란색과 분홍색, 하얀색으로 퍼지면서 얼어붙었던 세상을 녹이고 채도를 높입니다. 많은 사람들이 다치고 피해가 큰 산불 앞에 다시 한번 무기력함을 느끼는 한 달이었습니다. 바람이 매섭고, 3월의 눈을 보며 지구가 아픈 이 계절에 무얼 해야 하나 가만히 생각하게 만드는 날이지만 그래도 내가 할 수 있는 게 무엇일까, 생각만 하는 대신 어김없이 메일함 편지로 인사드립니다. 잘못된 것들이 바로 잡히길, 화마가 덮친 산과 들에서 생명을 잃은 사람과 동물, 식물의 아픔에 닿기 어려운 위로를 전하며 봄이 상처를 서서히 낫게 하길 바랍니다. <ul ><li>Intro</li><li>일을 하면서 의식해야 하는 10가지</li><li>트레바리에서 밑줄 친 문장들의 모음집</li><li>AI 시대의 UX 리서치</li><li>일을 하면서 지속하고 있는 3가지 '일'</li><li>다정함도 체력에서 나오니까</li><li>Outro</li></ul> https://maily.so/redbusbagman/posts/92zew9n8zep

Learning by Doing

《50번째 뉴스레터》

Q) 🧑‍💻 사용자 리서치를 했지만, 인터뷰나 설문 결과가 애매하게 나왔어요. 포트폴리오에 어떻게 녹이면 좋을까요? (예비 디자이너님)

A) 결과 자체가 ‘애매하다’는 것도 하나의 인사이트가 될 수 있습니다. 가정했던 문제와 사용자 인식이 달랐다면, 가설 검증 관점에서는 성과입니다. 데이터가 예상과 다를 경우, 왜 이런 결과가 나왔는지 추가 인터뷰를 해보는거죠. 이후 원인 파악과 가설 수정 과정을 포트폴리오에 녹여보세요. 오히려 유연하고 깊이 있는 문제 해결 역량을 보여줄 수 있는 기회입니다. (우디)

*실패나 예상치 못한 결과도 충분히 가치 있는 포폴의 스토리텔링 요소가 됩니다.

🔗 우디의 문제 해결형 포폴챗 운영중입니다(댓글 확인)

Q) 🧑‍💻 사용자 리서치를 했지만, 인터뷰나 설문 결과가 애매하게 나왔어요. 포트폴리오에 어떻게 녹이면 좋을까요? (예비 디자이너님) A) 결과 자체가 ‘애매하다’는 것도 하나의 인사이트가 될 수 있습니다. 가정했던 문제와 사용자 인식이 달랐다면, 가설 검증 관점에서는 성과입니다. 데이터가 예상과 다를 경우, 왜 이런 결과가 나왔는지 추가 인터뷰를 해보는거죠. 이후 원인 파악과 가설 수정 과정을 포트폴리오에 녹여보세요. 오히려 유연하고 깊이 있는 문제 해결 역량을 보여줄 수 있는 기회입니다. (우디) *실패나 예상치 못한 결과도 충분히 가치 있는 포폴의 스토리텔링 요소가 됩니다. 🔗 우디의 문제 해결형 포폴챗 운영중입니다(댓글 확인)

포폴 코칭 중 기억에 남는 대화 [4]

[🦄 평점 4.96점] 우디의 초밀착 포폴 컨설팅 3월 마감/4월 예약 오픈! (빠르게 마감중입니다!)

https://www.latpeed.com/products/QkCkT

In this paper, we revisit one of the simplest problems in data structures: the task of inserting elements into an open-addressed hash table so that elements can later be retrieved with as few probes as possible. We show that, even without reordering elements over time, it is possible to construct a hash table that achieves far better expected search complexities (both amortized and worst-case) than were previously thought possible. Along the way, we disprove the central conjecture left by Yao in his seminal paper ``Uniform Hashing is Optimal''. All of our results come with matching lower bounds.

Optimal Bounds for Open Addressing Without Reordering

📰 대학생이 40년만에 해시테이블의 성능 향상을 이뤄냈다고

해시테이블 알고리즘은 워낙 오래된 연구라서 아무도 그 이상 최적화하기 어렵다고 생각했는데, Andrew Krapivin이라는 학부생이 그 틀을 깨고 알고리즘을 발명했다는 것이 재미난 포인트입니다.

역시 아직 미해결 문제는 많고, 상식이라는 고정관념에 쩌들지 않은 ㅎㅎ 새로운 세대만이 해결할 수 있는 문제도 많지 않나 싶네요.

논문: https://arxiv.org/abs/2501.02305

기사: https://www.wired.com/story/undergraduate-upends-a-40-year-old-data-science-conjecture/

📰 대학생이 40년만에 해시테이블의 성능 향상을 이뤄냈다고 해시테이블 알고리즘은 워낙 오래된 연구라서 아무도 그 이상 최적화하기 어렵다고 생각했는데, Andrew Krapivin이라는 학부생이 그 틀을 깨고 알고리즘을 발명했다는 것이 재미난 포인트입니다. 역시 아직 미해결 문제는 많고, 상식이라는 고정관념에 쩌들지 않은 ㅎㅎ 새로운 세대만이 해결할 수 있는 문제도 많지 않나 싶네요. 논문: https://arxiv.org/abs/2501.02305 기사: https://www.wired.com/story/undergraduate-upends-a-40-year-old-data-science-conjecture/

arXiv.org

📰 대학생이 40년만에 해시테이블의 성능 향상을 이뤄냈다고

해시

Self-hosted news, content, updates, launches, events, and more

selfh.st - Self-hosted content and software

중앙화된 서비스에 지친 분들을 위한 셀프 호스팅 솔루션 총정리입니다!
1년 이상 안정적으로 운영해본 경험을 바탕으로 정리했다고 해요!

🐳 컨테이너 런타임:
 * 초보자는 Docker로 시작하세요 (풍부한 문서+커뮤니티)
 * 보안 중시하면 Podman (루트리스 구조)
 * 도전정신 있다면 Kubernetes (복잡하지만 학습 가치↑)

🖥️ 웹 관리툴:
 * Portainer: 안정적이고 직관적인 관리 도구
 * Dockge: 간단하고 가벼운 신규 솔루션

🔒 리버스프록시/VPN:
 * Pangolin: "셀프 호스팅용 Cloudflare" (강추!)
 * NPM: 쉬운 웹UI, 불안정한 면도 있음
 * NetBird: WireGuard 기반 자동 VPN 구성

더 많은 셀프호스팅 솔루션은
awesome-selfhosted
레포나 Selfh.st 참고 하세요!

https://news.hada.io/topic?id=20108

중앙화된 서비스에 지친 분들을 위한 셀프 호스팅 솔루션 총정리입니다! 1년 이상 안정적으로 운영해본 경험을 바탕으로 정리했다고 해요! 🐳 컨테이너 런타임:<ul ><li>초보자는 Docker로 시작하세요 (풍부한 문서+커뮤니티)</li><li>보안 중시하면 Podman (루트리스 구조)</li><li>도전정신 있다면 Kubernetes (복잡하지만 학습 가치↑)</li></ul> 🖥️ 웹 관리툴:<ul ><li>Portainer: 안정적이고 직관적인 관리 도구</li><li>Dockge: 간단하고 가벼운 신규 솔루션</li></ul> 🔒 리버스프록시/VPN:<ul ><li>Pangolin: "셀프 호스팅용 Cloudflare" (강추!)</li><li>NPM: 쉬운 웹UI, 불안정한 면도 있음</li><li>NetBird: WireGuard 기반 자동 VPN 구성</li></ul> 더 많은 셀프호스팅 솔루션은 <code >awesome-selfhosted</code> 레포나 Selfh.st 참고 하세요! https://news.hada.io/topic?id=20108

selfh.st

🚀 [2025 셀프 호스팅 가이드]

코딩 인터뷰를 하던 중 지원자로부터 AI를 써도 되겠냐는 질문을 받았습니다. 인터넷 검색을 해도 되냐고 물어보는 지원자는 종종 만나는데, AI를 써도 되느냐는 질문은 처음 받아봐서 좀 당황스럽더군요. 어떤 용도로 AI를 사용하시려는지 물어보았고, 익숙치 않은 프로그래밍 언어의 사용법을 찾기 위해서라는 답변을 들었습니다. 지원자가 대학생이어서 특정 언어를 능숙하게 다룰 거라는 기대는 없었습니다. 그래서 화면을 공유하는 전제 하에 AI를 사용하도록 허락하였죠.

지원자는 ChatGPT를 열고 해당 언어에서 어떻게 힙(heap) 자료구조를 사용하는지 물어보았습니다. 언제나 그렇듯 ChatGPT는 어떻게 힙을 생성하고, 원소를 추가/삭제하는지에 대해서 아주 상세하게 적어주기 시작했습니다. 그러나 너무나 친절한 나머지 ChatGPT는 힙을 활용할 수 있는 대표적인 사례까지 나열해줬는데, 그 중에 인터뷰에서 출제한 문제가 포함되어 있었습니다. (Co-op 채용이라서 아주 기초 수준의 문제였거든요 😅)

당황한 기색이 역력한 지원자는 급하게 화면을 전환하였습니다. 하지만 그 이후부터는 계속해서 신경이 쓰이는지 인터뷰에 집중을 하지 못하는 모습이었습니다. 결국은 시간 내에 답안을 완성하지 못했고, 본인이 작성한 코드에 대해서도 명확히 설명하지 못했습니다. 아무래도 스스로 망했다고 생각하고 이미 인터뷰를 포기한 느낌을 받았습니다. 첫 번째 문제는 잘 푸셨기 때문에, 오히려 두 번째 문제에서 AI를 쓰지 않으셨다면 합격하실 수도 있으셨을 것 같아서 참 안타까웠습니다.

인터뷰가 끝나고 많은 생각이 들었습니다. 이미 AI가 대학생들의 삶에 깊숙히 스며든 것 같고, 현직 개발자들도 AI의 도움을 받아 업무를 수행하고 있는 상황이죠. 코딩 인터뷰라고 해서 AI를 쓰지 못하게 할 이유가 있을까요? 과연 저처럼 불완전한 인간이 면접관으로서 AI로 인해 거의 신급의 지능을 갖게 된 지원자들을 평가할 수 있을까요? 어디까지가 AI의 버프이고 어디까지가 지원자의 순수한 능력인지 어떻게 판단할 수 있을까요?

코딩 인터뷰를 하던 중 지원자로부터 AI를 써도 되겠냐는 질문을 받았습니다. 인터넷 검색을 해도 되냐고 물어보는 지원자는 종종 만나는데, AI를 써도 되느냐는 질문은 처음 받아봐서 좀 당황스럽더군요. 어떤 용도로 AI를 사용하시려는지 물어보았고, 익숙치 않은 프로그래밍 언어의 사용법을 찾기 위해서라는 답변을 들었습니다. 지원자가 대학생이어서 특정 언어를 능숙하게 다룰 거라는 기대는 없었습니다. 그래서 화면을 공유하는 전제 하에 AI를 사용하도록 허락하였죠. 지원자는 ChatGPT를 열고 해당 언어에서 어떻게 힙(heap) 자료구조를 사용하는지 물어보았습니다. 언제나 그렇듯 ChatGPT는 어떻게 힙을 생성하고, 원소를 추가/삭제하는지에 대해서 아주 상세하게 적어주기 시작했습니다. 그러나 너무나 친절한 나머지 ChatGPT는 힙을 활용할 수 있는 대표적인 사례까지 나열해줬는데, 그 중에 인터뷰에서 출제한 문제가 포함되어 있었습니다. (Co-op 채용이라서 아주 기초 수준의 문제였거든요 😅) 당황한 기색이 역력한 지원자는 급하게 화면을 전환하였습니다. 하지만 그 이후부터는 계속해서 신경이 쓰이는지 인터뷰에 집중을 하지 못하는 모습이었습니다. 결국은 시간 내에 답안을 완성하지 못했고, 본인이 작성한 코드에 대해서도 명확히 설명하지 못했습니다. 아무래도 스스로 망했다고 생각하고 이미 인터뷰를 포기한 느낌을 받았습니다. 첫 번째 문제는 잘 푸셨기 때문에, 오히려 두 번째 문제에서 AI를 쓰지 않으셨다면 합격하실 수도 있으셨을 것 같아서 참 안타까웠습니다. 인터뷰가 끝나고 많은 생각이 들었습니다. 이미 AI가 대학생들의 삶에 깊숙히 스며든 것 같고, 현직 개발자들도 AI의 도움을 받아 업무를 수행하고 있는 상황이죠. 코딩 인터뷰라고 해서 AI를 쓰지 못하게 할 이유가 있을까요? 과연 저처럼 불완전한 인간이 면접관으로서 AI로 인해 거의 신급의 지능을 갖게 된 지원자들을 평가할 수 있을까요? 어디까지가 AI의 버프이고 어디까지가 지원자의 순수한 능력인지 어떻게 판단할 수 있을까요?

코딩 인터뷰 중 AI를 사용해도 될까요...? 🤔

Java에서 병렬 처리나 비동기 작업을 구현할 때 Thread를 직접 생성해 사용하는 방식은 더 이상 일반적이지 않습니다. 요즘 Java에서는 ExecutorService를 사용하여 스레드 풀(Thread Pool)을 효율적으로 관리하는 것이 표준입니다. 특히 Executors 클래스에서 제공하는 팩토리 메서드들을 활용하면 다양한 유형의 스레드 풀을 간편하게 생성할 수 있습니다.이번 글에서는 Executors가 제공하는 대표적인 스레드 풀 4종류를 살펴보고, 각각의 사용 시나리오와 주의할 점을 예제 중심으로 정리해보겠습니다. newFixedThreadPool(int nThreads)이 메서드는 정해진 개수만큼의 스레드를 미리 생성하고, 그 스레드들이 재사용되며 작업을 처리합니다. 더 많은 작업이 들어오면..

Java의 ExecutorService 스레드 풀 정복하기

이번 글에서는 Executors가 제공하는 대표적인 스레드 풀 4종류를 살펴보고, 각각의 사용 시나리오와 주의할 점을 예제 중심으로 정리해보겠습니다.
 
newFixedThreadPool(int nThreads)
이 메서드는 정해진 개수만큼의 스레드를 미리 생성하고, 그 스레드들이 재사용되며 작업을 처리합니다. 더 많은 작업이 들어오면 내부 큐에 쌓이고, 기존 스레드들이 작업을 처리하면 순차적으로 소비됩니다.
ExecutorService executor = Executors.newFixedThreadPool(4); 

✅ 사용 시점
 * 처리할 작업량은 많지만, 동시에 처리해야 하는 작업 수를 제한하고 싶은 경우
 * CPU 자원을 고르게 사용하며, 안정적인 처리량을 원하는 경우
🧪 예시
for (int i = 0; i < 10; i++) {
 final int taskId = i;
 executor.submit(() -> {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 Thread.sleep(1000); // 모의 작업
 });
}

⚠️ 주의
 * 과도하게 큰 작업 큐가 쌓일 수 있음 → 메모리 사용량 증가
 * 스레드 수는 CPU 코어 수나 애플리케이션 특성에 맞게 설정해야 함
 
newCachedThreadPool()
이 스레드 풀은 요청이 많으면 새로운 스레드를 계속 생성하고, 특정 기간 동안 사용되지 않으면 제거합니다. 캐시된 스레드를 재사용하므로 빠르고 유연합니다.
ExecutorService executor = Executors.newCachedThreadPool();

✅ 사용 시점
 * 작업이 짧고 빠르게 끝나는 I/O 중심의 작업일 때
 * 짧은 burst가 자주 발생하는 상황에서 유용
🧪 예시
for (int i = 0; i < 100; i++) {
 final int taskId = i;
 executor.submit(() -> {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 });
} 

⚠️ 주의
 * 요청이 많을 경우 스레드가 무제한으로 늘어나 과부하가 될 수 있음
 → 실제 운영에서는 ThreadPoolExecutor로 커스텀 제어 필요
 
newSingleThreadExecutor()
항상 단 하나의 스레드만 사용하여 작업을 처리합니다. 작업은 FIFO 순서로 실행되며, 순서가 중요한 로직에 적합합니다.
ExecutorService executor = Executors.newSingleThreadExecutor();

✅ 사용 시점
 * 작업 순서가 중요할 때
 * 하나의 리소스(DB, 파일 등)에 대해 직렬화된 접근이 필요할 때
🧪 예시
for (int i = 0; i < 5; i++) {
 final int taskId = i;
 executor.submit(() -> {
 System.out.println("Processing task " + taskId);
 Thread.sleep(500);
 });
} 

⚠️ 주의
 * 하나의 스레드에 의존하기 때문에 처리량은 낮음
 * 스레드가 죽으면 새로운 스레드로 대체되므로 중단되지는 않음
 
newScheduledThreadPoool(int corePoolSize)
지연 실행(delay)이나 주기적인 작업(interval) 실행에 특화된 스레드 풀입니다. ScheduledExecutorService를 반환하며, Java의 타이머 역할도 수행할 수 있습니다.
ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(2);

✅ 사용 시점
 * 주기적인 백업 작업, 모니터링, 알림 전송 등
 * 특정 시간 후 작업을 실행하고 싶을 때
🧪 예시
scheduler.scheduleAtFixedRate(() -> {
 System.out.println("Heartbeat sent by " + Thread.currentThread().getName());
}, 1, 5, TimeUnit.SECONDS); // 1초 후 시작, 5초마다 반복

⚠️ 주의
 * 작업이 너무 오래 걸리면 다음 주기 작업이 지연될 수 있음
 → 처리 시간이 일정하지 않다면 scheduleWithFixedDelay()를 고려
 
 
🧠 마무리
Java에서 Executors 팩토리 메서드는 다양한 형태의 스레드 풀을 간단히 생성할 수 있게 도와줍니다. 하지만, 운영 환경에서는 ThreadPoolExecutor를 직접 생성하여 작업 큐, 최대 스레드 수, 거부 정책 등을 세밀하게 조절하는 것이 더욱 안전하고 확장성 있는 선택입니다.

이번 글에서는 Executors가 제공하는 대표적인 스레드 풀 4종류를 살펴보고, 각각의 사용 시나리오와 주의할 점을 예제 중심으로 정리해보겠습니다.&nbsp;newFixedThreadPool(int nThreads)이 메서드는 정해진 개수만큼의 스레드를 미리 생성하고, 그 스레드들이 재사용되며 작업을 처리합니다. 더 많은 작업이 들어오면 내부 큐에 쌓이고, 기존 스레드들이 작업을 처리하면 순차적으로 소비됩니다.<pre ><code class="language-java">ExecutorService executor = Executors.newFixedThreadPool(4);&nbsp;</code></pre>✅ 사용 시점<ul ><li>처리할 작업량은 많지만, 동시에 처리해야 하는 작업 수를 제한하고 싶은 경우</li><li>CPU 자원을 고르게 사용하며, 안정적인 처리량을 원하는 경우</li></ul>🧪 예시<pre ><code class="language-java">for (int i = 0; i &lt; 10; i++) {
 final int taskId = i;
 executor.submit(() -&gt; {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 Thread.sleep(1000); // 모의 작업
 });
}</code></pre>⚠️ 주의<ul ><li>과도하게 큰 작업 큐가 쌓일 수 있음 → 메모리 사용량 증가</li><li>스레드 수는 CPU 코어 수나 애플리케이션 특성에 맞게 설정해야 함</li></ul>&nbsp;newCachedThreadPool()이 스레드 풀은 요청이 많으면 새로운 스레드를 계속 생성하고, 특정 기간&nbsp;동안 사용되지 않으면 제거합니다. 캐시된 스레드를 재사용하므로 빠르고 유연합니다.<pre ><code class="language-java">ExecutorService executor = Executors.newCachedThreadPool();</code></pre>✅ 사용 시점<ul ><li>작업이 짧고 빠르게 끝나는 I/O 중심의 작업일 때</li><li>짧은 burst가 자주 발생하는 상황에서 유용</li></ul>🧪 예시<pre ><code class="language-java">for (int i = 0; i &lt; 100; i++) {
 final int taskId = i;
 executor.submit(() -&gt; {
 System.out.println("Task " + taskId + " executed by " + Thread.currentThread().getName());
 });
}&nbsp;</code></pre>⚠️ 주의<ul ><li>요청이 많을 경우 스레드가 무제한으로 늘어나 과부하가 될 수 있음 → 실제 운영에서는 ThreadPoolExecutor로 커스텀 제어 필요</li></ul>&nbsp;newSingleThreadExecutor()항상 단 하나의 스레드만 사용하여 작업을 처리합니다. 작업은 FIFO 순서로 실행되며, 순서가 중요한 로직에 적합합니다.<pre ><code class="language-java">ExecutorService executor = Executors.newSingleThreadExecutor();</code></pre>✅ 사용 시점<ul ><li>작업 순서가 중요할 때</li><li>하나의 리소스(DB, 파일 등)에 대해 직렬화된 접근이 필요할 때</li></ul>🧪 예시<pre ><code class="language-java">for (int i = 0; i &lt; 5; i++) {
 final int taskId = i;
 executor.submit(() -&gt; {
 System.out.println("Processing task " + taskId);
 Thread.sleep(500);
 });
}&nbsp;</code></pre>⚠️ 주의<ul ><li>하나의 스레드에 의존하기 때문에 처리량은 낮음</li><li>스레드가 죽으면 새로운 스레드로 대체되므로 중단되지는 않음</li></ul>&nbsp;newScheduledThreadPoool(int corePoolSize)지연 실행(delay)이나 주기적인 작업(interval) 실행에 특화된 스레드 풀입니다. ScheduledExecutorService를 반환하며, Java의 타이머 역할도 수행할 수 있습니다.<pre ><code class="language-java">ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(2);</code></pre>✅ 사용 시점<ul ><li>주기적인 백업 작업, 모니터링, 알림 전송 등</li><li>특정 시간 후 작업을 실행하고 싶을 때</li></ul>🧪 예시<pre ><code class="language-java">scheduler.scheduleAtFixedRate(() -&gt; {
 System.out.println("Heartbeat sent by " + Thread.currentThread().getName());
}, 1, 5, TimeUnit.SECONDS); // 1초 후 시작, 5초마다 반복</code></pre>⚠️ 주의<ul ><li>작업이 너무 오래 걸리면 다음 주기 작업이 지연될 수 있음 → 처리 시간이 일정하지 않다면 scheduleWithFixedDelay()를 고려</li></ul>&nbsp;&nbsp;🧠 마무리Java에서 Executors 팩토리 메서드는 다양한 형태의 스레드 풀을 간단히 생성할 수 있게 도와줍니다. 하지만, 운영 환경에서는 ThreadPoolExecutor를 직접 생성하여 작업 큐, 최대 스레드 수, 거부 정책 등을 세밀하게 조절하는 것이 더욱 안전하고 확장성 있는 선택입니다.

덕토피아

🕊️ Java의 ExecutorService 스레드 풀 정복하기

누구나 쉽게 이해할 수 있는 MCP 가이드 : AI 에이전트와 도구 연동의 새로운 표준

이 자료는 AI 에이전트가 Google Calendar, Salesforce와 같은 다양한 외부 도구(API)를 사용하는 데 어려움을 겪는 현재의 문제를 지적합니다. 이를 해결하기 위한 새로운 표준 프로토콜인 MCP(Model Context Protocol)를 소개하며, MCP가 어떻게 AI 에이전트와 도구 간의 '공통 언어' 역할을 하여 상호작용을 원활하게 하는지 설명합니다. 또한, 개발자와 SaaS 기업이 MCP 생태계에 참여하여 더 강력하고 확장 가능한 AI 에이전트를 구축하는 방법을 안내합니다.

(참고) 가이드 전체 내용은 Gemini 2.5 Pro로 작성되었으며, 이미지 정리본은 GPT-4o 를 이용하여 생성하였습니다.

======================================
📘 1. 왜 에이전트에게 새로운 표준이 필요한가 – MCP 소개
======================================

🚀 미래는 에이전트 중심입니다 (The Future Is Agentic)
ChatGPT 시대를 맞아, 우리 모두는 AI가 얼마나 강력할 수 있는지 엿볼 수 있었습니다. 하지만 진정한 생산성은 단순히 AI와 대화하는 것에서 오는 것이 아니라, AI가 우리를 위해 실제로 일을 처리할 수 있을 때 발휘됩니다.
바로 이 지점에서 에이전트가 필요합니다.

에이전트는 단순한 챗봇이 아닙니다. 회의 예약, 보고서 작성, 데이터 분석과 같이 실제 도구(Google Calendar, Salesforce, Notion 등)를 사용하여 행동을 취하는 AI입니다.
하지만 여기에 문제가 있습니다.

❗️ 오늘날의 에이전트는 여전히 제한적입니다.
AI에게 이렇게 요청한다고 상상해 보세요.

“이번 주 나의 모든 1:1 미팅을 찾아서, 논의 내용을 요약하고, 후속 이메일 초안을 작성해 줄 수 있니?”
오늘날 대부분의 AI 에이전트는 아마 멈춰버릴 것입니다.
왜일까요? 그들이 사용하는 도구, 즉 여러 서비스의 API들이 마치 수백 개의 다른 방언처럼 제각각이기 때문입니다.

모든 도구 (Tools) 는 다음을 가지고 있습니다.

- 자체 인증 규칙
- 고유한 데이터 형식
- 다른 기능 및 엔드포인트
개발자들은 모든 도구에 대해 맞춤 코드를 작성해야 하는 문제를 당면하게 됩니다. 이는 느리고, 불안정하며, 확장 가능하지 않습니다.

🧩 빠진 조각: 도구를 위한 공통 언어
만약 이 모든 도구들이 AI 에이전트와 소통할 수 있는 표준적인 방법이 있다면 어떨까요?
마치 HTML이 웹을 표준화하고, REST가 API를 표준화했듯이 이제 AI 에이전트를 위한 표준이 필요합니다.

이것이 바로 MCP (Model Context Protocol)입니다.

AI 에이전트가 실제 도구를 쉽게 이해하고 상호작용할 수 있도록 설계된 새로운 프로토콜입니다.
시작해 봅시다.

============================
📘 2. MCP란 무엇이며 어떻게 작동하는가?
============================
🧠 큰 그림부터 시작해 봅시다.
MCP (Model Context Protocol)는 AI 에이전트(LLM 기반)와 그들이 사용해야 하는 도구(Google Calendar, Salesforce, Notion 등) 사이에서 번역가 역할을 하는 새로운 표준입니다.

MCP를 에이전트가 다음을 이해하는 데 도움이 되는 "만능 리모컨"이라고 생각하세요.

- 어떤 도구를 사용할 수 있는지
- 그 도구들이 무엇을 할 수 있는지
- 어떻게 안전하고 효율적으로 사용할 수 있는지

🔍 주요 개념

- MCP 클라이언트: LLM을 사용하는 AI 에이전트 또는 앱입니다. 다음과 같은 요청을 보냅니다:
ㄴ “이 도구는 무엇을 할 수 있나요?”
ㄴ “이 함수를 실행해 주세요.”

- MCP 서버: SaaS 도구와의 다리 역할을 합니다. 다음을 설명합니다:
ㄴ 사용 가능한 기능 (예: "회의 생성", "노트 가져오기")
ㄴ 관련 데이터를 일관된 형식으로
ㄴ LLM이 이해할 수 있는 방식으로 지침 제공

- 컨텍스트 스키마: 도구의 기능을 LLM이 읽을 수 있도록 구조화되고 통합된 형식입니다. 마치 모든 도구를 쉽게 탐색할 수 있는 API 플레이그라운드로 바꾸는 것과 같습니다.

🔁 이것이 왜 중요한가
- MCP가 없다면: AI 에이전트는 모든 도구를 사용하기 위해 수작업으로 코딩해야 합니다 = 느리고 비용이 많이 듭니다.
- MCP가 있다면: 도구는 에이전트에게 플러그 앤 플레이 방식이 됩니다 = 빠르고 확장 가능합니다.

✅ 실제 예시
에이전트가 다음 작업을 수행하기를 원하십니까?

“Asana에서 모든 높은 우선순위 작업을 찾고, 프로젝트 상태를 요약하고, 팀에 알림 보내기”

MCP를 사용하면,
1. Asana MCP 서버가 그 기능을 설명합니다 (list_projects, get_tasks 등).
2. 에이전트는 이러한 작업을 탐색, 호출 및 결합할 수 있습니다.
3. 그 결과 맞춤 코드 없이 완전히 자동화된 워크플로우가 가능해집니다.

=================================
📘 3. 도구가 어떻게 에이전트의 능력을 결정하는가
=================================

🛠 모든 도구가 동일하지는 않습니다
인간 조수가 일을 처리하기 위해 적절한 기술 세트가 필요한 것처럼,
AI 에이전트의 성능은 사용할 수 있는 도구에 따라 달라집니다.

도구에는 두 가지 주요 유형이 있습니다.

1️⃣ 다기능 도구 (Multi-Function Tools) : 하나의 도구, 여러 작업 – 스위스 아미 나이프처럼
이 도구들은 여러 관련 작업을 하나의 강력한 인터페이스로 묶습니다.
단일 단계가 아닌 전체 워크플로우를 수행하도록 설계되었습니다.

🧠 예시
다기능 도구를 사용하는 Calendar Agent는 다음을 처리할 수 있습니다.
- 모든 미팅 찾기 (유형별 필터링 = 1:1)
- 메타데이터 추출 (제목, 참석자, 시간)
- 미팅 노트 읽기
- 주간 요약 생성
이 모든 것을 한 번에 처리합니다 – 5개의 다른 도구를 호출할 필요가 없습니다.

📌 중요한 이유
도구 수가 적을수록 = 오케스트레이션이 단순해짐 = 더 빠르고 스마트한 에이전트.

2️⃣ 다중 도구 에이전트 (Multi-Tool Agents) - 함께 작동하는 에이전트 – 전문가 팀처럼
때로는 단일 도구만으로는 모든 것을 할 수 없습니다.
대신, 마치 팀 내의 사람들처럼 각기 다른 도구를 사용하는 에이전트들이 협업합니다.

🧠 예시
목표: 주요 고객에게 맞춤형 이메일 캠페인 보내기.
🧑‍💼 에이전트 1: Salesforce에서 고객 데이터 가져오기
📊 에이전트 2: Google Sheets에서 데이터 분석하기
📬 에이전트 3: Mailchimp를 통해 이메일 보내기
이를 에이전트 시스템(System of Agents) 또는 MAS (Multi-Agent System)라고 합니다.

📌 중요한 이유
에이전트는 강점을 결합하고 더 넓은 범위를 커버할 수 있습니다 – 마치 회사의 마이크로서비스처럼.

🤖 왜 ChatGPT만으로는 충분하지 않은가
오늘날 대부분의 맞춤형 GPT는 너무 단순합니다

- 제한된 작업
- 메모리 없음
- 다른 에이전트와 협업 불가
- "단일 도구" 사일로에 갇혀 있음

이것이 바로 AutoGen, CrewAI, LangGraph와 같은 강력한 프레임워크가 등장한 이유입니다 – 다기능 및 다중 에이전트 기능을 잠금 해제하기 위해.

🧭 도구 = 에이전트 뒤의 진정한 엔진
단순히 어떤 LLM을 사용하는지에 대한 문제가 아닙니다.
어떤 도구를 제공하고, 그것들이 어떻게 연결되어 있는지에 대한 문제입니다.

=========================
📘 4. MCP의 현실적인 과제와 한계점
=========================

MCP는 AI 에이전트와 도구 연동의 방식을 혁신할 잠재력을 지니고 있지만, 새로운 표준으로서 현실적인 과제와 잠재적 한계점 또한 고려해야 합니다.

😫 넘어야 할 현실적인 장벽들
MCP가 이상적인 솔루션처럼 보일 수 있지만, 성공적인 정착과 확산을 위해서는 다음과 같은 현실적인 문제들을 해결해야 합니다.

느린 채택 속도 (Slow Adoption Rate)
- 가장 큰 허들: 새로운 표준의 성공은 얼마나 많은 플레이어가 참여하느냐에 달려있습니다. SaaS 기업들이 MCP 서버 구축에 투자하고, 에이전트 개발자들이 이를 적극적으로 사용해야만 생태계가 활성화됩니다. 초기에는 '닭과 달걀' 문제에 직면할 수 있습니다.
- 모든 도구 제공자가 표준화된 단일 인터페이스를 선호하지 않을 수 있으며, 자체 API 생태계를 강화하는 것을 우선시할 수 있습니다.

구현 및 유지보수의 복잡성 (Complexity of Implementation & Maintenance)
- 서버 측 부담: MCP가 에이전트 클라이언트 개발을 단순화할 수 있지만, SaaS 도구 제공자 입장에서는 자사의 복잡한 API 기능과 데이터 모델을 MCP 표준 스키마에 정확하게 매핑하고, 안전하며 효율적인 MCP 서버를 구축 및 유지보수하는 것이 상당한 기술적, 비용적 부담이 될 수 있습니다.
- 지속적 업데이트: 기반이 되는 도구의 API가 변경되거나 MCP 표준 자체가 발전함에 따라 지속적인 업데이트와 버전 관리가 필요합니다.

표준화의 명암 (Pros and Cons of Standardization)
- 기능 제약 가능성: 모든 도구의 고유하고 세분화된 기능을 단일 표준으로 완벽하게 포괄하기는 어렵습니다. 초기 표준은 '최소 공통분모'에 집중하게 되어, 특정 도구의 고급 기능이나 특수 기능을 MCP를 통해 활용하는 데 제약이 따를 수 있습니다. 때로는 여전히 직접적인 API 호출이 필요할 수 있습니다.
- 표준의 경직성: 표준이 한번 자리 잡으면 변경하기 어려울 수 있으며, 빠르게 변화하는 AI 및 API 기술 발전을 민첩하게 따라가지 못할 수 있습니다.

성능 및 보안 문제 (Performance & Security Concerns)
- 잠재적 성능 저하: MCP라는 중개 계층(layer)이 추가되면서, 이론적으로는 직접 API를 호출하는 것보다 약간의 지연 시간(latency)이 발생할 수 있습니다. 대부분의 경우 무시할 만한 수준일 수 있으나, 실시간성이 중요한 애플리케이션에서는 고려 사항이 될 수 있습니다.
- 보안 책임: 표준화된 인터페이스는 잠재적인 공격 표면(attack surface)도 표준화할 수 있습니다. MCP 서버와 클라이언트 간의 인증, 권한 부여, 데이터 암호화 등 보안 메커니즘을 철저히 구현하는 것이 매우 중요하며, 이에 대한 책임은 각 서버 구현 주체에게 있습니다.

기술 성숙도 및 생태계 지원 (Maturity & Ecosystem Support)
- 초기 단계: MCP는 비교적 새로운 개념이므로, 관련 개발 도구, 디버깅 툴, 테스트 프레임워크, 풍부한 문서, 커뮤니티 지원 등이 아직 부족할 수 있습니다. 이는 초기 도입 및 문제 해결을 어렵게 만들 수 있습니다.

💡 결론: 균형 잡힌 시각 필요
MCP는 에이전트 기반 자동화의 중요한 발전을 약속하지만, 위와 같은 현실적인 과제들을 간과해서는 안 됩니다. 이러한 문제들은 대부분의 신기술 표준화 과정에서 나타나는 현상이며, MCP 생태계 참여자들의 지속적인 노력, 피드백, 협력을 통해 점진적으로 해결될 수 있을 것입니다. MCP의 성공 여부는 이러한 과제들을 얼마나 효과적으로 극복하느냐에 달려있습니다.

=======================
📘 5. MCP 생태계에 참여하는 방법
=======================

🎯 왜 관심을 가져야 하는가
만약 당신의 제품이 SaaS 도구이고, AI 에이전트가 사용하기를 원한다면, 지금이 MCP 생태계에 진입하기에 완벽한 시기입니다.
- LLM 기반 에이전트에게 발견될 수 있습니다.
- 맞춤 통합 없이 에이전트가 당신의 도구를 사용하게 할 수 있습니다.
- 기업 IT부터 소비자 AI까지 성장하는 에이전트 앱 시장에 진입할 수 있습니다.

🚪 참여 방법: 3가지 방법

1️⃣ MCP 서버 구축하기
당신의 도구 기능을 MCP 호환 인터페이스로 전환하세요.

🔧 필요한 것
- 도구의 기능(call_tool, list_tools) 설명하기
- call_resource, list_resources를 통해 데이터 노출하기
- 표준 컨텍스트 스키마 따르기
마치 공개 API를 구축하는 것과 같지만, LLM을 위한 것입니다.

💡 팁: 기존 에이전트 프레임워크(예: LangGraph, AutoGen)를 사용하여 개발 속도를 높이세요.

2️⃣ 마켓플레이스에 호스팅 또는 등록하기
MCP 서버가 활성화되면 MCP 레지스트리나 마켓플레이스에 게시하세요.
- 당신의 도구를 모든 MCP 호환 클라이언트가 발견할 수 있도록 만드세요.
- AI 에이전트가 당신의 제품을 찾고, 이해하고, 사용하도록 하세요.
- 일부 플랫폼(예: Claude, MySnap)은 이미 이 플러그 앤 플레이 모델을 지원합니다.

3️⃣ MCP를 클라이언트로 사용하기
MCP를 통해 도구에 연결하는 자체 AI 에이전트나 LLM 앱을 구축할 수도 있습니다.
- 더 이상 각 API에 대한 맞춤 래퍼를 작성할 필요가 없습니다.
- 기존 MCP 서버에 연결하고 워크플로우를 더 빠르게 구축하세요.
- 내부 자동화 도구나 고객 대면 AI 앱에 적합합니다.

🌱 선도자 = 큰 이점 (Early Movers = Huge Advantage)
MCP는 아직 초기 단계이지만, 기반은 현실적이고 작동하고 있습니다.
지금 참여함으로써 다음을 할 수 있습니다

✅ 떠오르는 표준에 영향을 미치기
✅ 다른 이들보다 먼저 당신의 도구의 LLM 인터페이스 형성하기
✅ 생태계가 확장됨에 따라 함께 성장하기

📌 결론
만약 REST가 웹 시대의 API 표준이었다면, MCP는 에이전트 시대의 프로토콜 표준이 될 수 있습니다. 지금이 준비할 황금 같은 기회입니다.

🧭 구축할 준비가 되셨나요?
핵심 도구 기능을 식별하고 MCP 형식으로 구조화하는 것부터 시작하세요.
모든 것을 지원할 필요는 없습니다 – 에이전트가 시작할 수 있을 만큼만 지원하면 됩니다.

에이전트의 시대(Agentic era)가 오고 있습니다. 늦지 마세요.

도움이 되셨다면 좋아요 부탁드립니다.

누구나 쉽게 이해할 수 있는 MCP 가이드 : AI 에이전트와 도구 연동의 새로운 표준 이 자료는 AI 에이전트가 Google Calendar, Salesforce와 같은 다양한 외부 도구(API)를 사용하는 데 어려움을 겪는 현재의 문제를 지적합니다. 이를 해결하기 위한 새로운 표준 프로토콜인 MCP(Model Context Protocol)를 소개하며, MCP가 어떻게 AI 에이전트와 도구 간의 '공통 언어' 역할을 하여 상호작용을 원활하게 하는지 설명합니다. 또한, 개발자와 SaaS 기업이 MCP 생태계에 참여하여 더 강력하고 확장 가능한 AI 에이전트를 구축하는 방법을 안내합니다. (참고) 가이드 전체 내용은 Gemini 2.5 Pro로 작성되었으며, 이미지 정리본은 GPT-4o 를 이용하여 생성하였습니다. ====================================== 📘 1. 왜 에이전트에게 새로운 표준이 필요한가 – MCP 소개 ====================================== 🚀 미래는 에이전트 중심입니다 (The Future Is Agentic) ChatGPT 시대를 맞아, 우리 모두는 AI가 얼마나 강력할 수 있는지 엿볼 수 있었습니다. 하지만 진정한 생산성은 단순히 AI와 대화하는 것에서 오는 것이 아니라, AI가 우리를 위해 실제로 일을 처리할 수 있을 때 발휘됩니다. 바로 이 지점에서 에이전트가 필요합니다. 에이전트는 단순한 챗봇이 아닙니다. 회의 예약, 보고서 작성, 데이터 분석과 같이 실제 도구(Google Calendar, Salesforce, Notion 등)를 사용하여 행동을 취하는 AI입니다. 하지만 여기에 문제가 있습니다. ❗️ 오늘날의 에이전트는 여전히 제한적입니다. AI에게 이렇게 요청한다고 상상해 보세요. “이번 주 나의 모든 1:1 미팅을 찾아서, 논의 내용을 요약하고, 후속 이메일 초안을 작성해 줄 수 있니?” 오늘날 대부분의 AI 에이전트는 아마 멈춰버릴 것입니다. 왜일까요? 그들이 사용하는 도구, 즉 여러 서비스의 API들이 마치 수백 개의 다른 방언처럼 제각각이기 때문입니다. 모든 도구 (Tools) 는 다음을 가지고 있습니다. - 자체 인증 규칙 - 고유한 데이터 형식 - 다른 기능 및 엔드포인트 개발자들은 모든 도구에 대해 맞춤 코드를 작성해야 하는 문제를 당면하게 됩니다. 이는 느리고, 불안정하며, 확장 가능하지 않습니다. 🧩 빠진 조각: 도구를 위한 공통 언어 만약 이 모든 도구들이 AI 에이전트와 소통할 수 있는 표준적인 방법이 있다면 어떨까요? 마치 HTML이 웹을 표준화하고, REST가 API를 표준화했듯이 이제 AI 에이전트를 위한 표준이 필요합니다. 이것이 바로 MCP (Model Context Protocol)입니다. AI 에이전트가 실제 도구를 쉽게 이해하고 상호작용할 수 있도록 설계된 새로운 프로토콜입니다. 시작해 봅시다. ============================ 📘 2. MCP란 무엇이며 어떻게 작동하는가? ============================ 🧠 큰 그림부터 시작해 봅시다. MCP (Model Context Protocol)는 AI 에이전트(LLM 기반)와 그들이 사용해야 하는 도구(Google Calendar, Salesforce, Notion 등) 사이에서 번역가 역할을 하는 새로운 표준입니다. MCP를 에이전트가 다음을 이해하는 데 도움이 되는 "만능 리모컨"이라고 생각하세요. - 어떤 도구를 사용할 수 있는지 - 그 도구들이 무엇을 할 수 있는지 - 어떻게 안전하고 효율적으로 사용할 수 있는지 🔍 주요 개념 - MCP 클라이언트: LLM을 사용하는 AI 에이전트 또는 앱입니다. 다음과 같은 요청을 보냅니다: ㄴ “이 도구는 무엇을 할 수 있나요?” ㄴ “이 함수를 실행해 주세요.” - MCP 서버: SaaS 도구와의 다리 역할을 합니다. 다음을 설명합니다: ㄴ 사용 가능한 기능 (예: "회의 생성", "노트 가져오기") ㄴ 관련 데이터를 일관된 형식으로 ㄴ LLM이 이해할 수 있는 방식으로 지침 제공 - 컨텍스트 스키마: 도구의 기능을 LLM이 읽을 수 있도록 구조화되고 통합된 형식입니다. 마치 모든 도구를 쉽게 탐색할 수 있는 API 플레이그라운드로 바꾸는 것과 같습니다. 🔁 이것이 왜 중요한가 - MCP가 없다면: AI 에이전트는 모든 도구를 사용하기 위해 수작업으로 코딩해야 합니다 = 느리고 비용이 많이 듭니다. - MCP가 있다면: 도구는 에이전트에게 플러그 앤 플레이 방식이 됩니다 = 빠르고 확장 가능합니다. ✅ 실제 예시 에이전트가 다음 작업을 수행하기를 원하십니까? “Asana에서 모든 높은 우선순위 작업을 찾고, 프로젝트 상태를 요약하고, 팀에 알림 보내기” MCP를 사용하면, 1. Asana MCP 서버가 그 기능을 설명합니다 (list_projects, get_tasks 등). 2. 에이전트는 이러한 작업을 탐색, 호출 및 결합할 수 있습니다. 3. 그 결과 맞춤 코드 없이 완전히 자동화된 워크플로우가 가능해집니다. ================================= 📘 3. 도구가 어떻게 에이전트의 능력을 결정하는가 ================================= 🛠 모든 도구가 동일하지는 않습니다 인간 조수가 일을 처리하기 위해 적절한 기술 세트가 필요한 것처럼, AI 에이전트의 성능은 사용할 수 있는 도구에 따라 달라집니다. 도구에는 두 가지 주요 유형이 있습니다. 1️⃣ 다기능 도구 (Multi-Function Tools) : 하나의 도구, 여러 작업 – 스위스 아미 나이프처럼 이 도구들은 여러 관련 작업을 하나의 강력한 인터페이스로 묶습니다. 단일 단계가 아닌 전체 워크플로우를 수행하도록 설계되었습니다. 🧠 예시 다기능 도구를 사용하는 Calendar Agent는 다음을 처리할 수 있습니다. - 모든 미팅 찾기 (유형별 필터링 = 1:1) - 메타데이터 추출 (제목, 참석자, 시간) - 미팅 노트 읽기 - 주간 요약 생성 이 모든 것을 한 번에 처리합니다 – 5개의 다른 도구를 호출할 필요가 없습니다. 📌 중요한 이유 도구 수가 적을수록 = 오케스트레이션이 단순해짐 = 더 빠르고 스마트한 에이전트. 2️⃣ 다중 도구 에이전트 (Multi-Tool Agents) - 함께 작동하는 에이전트 – 전문가 팀처럼 때로는 단일 도구만으로는 모든 것을 할 수 없습니다. 대신, 마치 팀 내의 사람들처럼 각기 다른 도구를 사용하는 에이전트들이 협업합니다. 🧠 예시 목표: 주요 고객에게 맞춤형 이메일 캠페인 보내기. 🧑‍💼 에이전트 1: Salesforce에서 고객 데이터 가져오기 📊 에이전트 2: Google Sheets에서 데이터 분석하기 📬 에이전트 3: Mailchimp를 통해 이메일 보내기 이를 에이전트 시스템(System of Agents) 또는 MAS (Multi-Agent System)라고 합니다. 📌 중요한 이유 에이전트는 강점을 결합하고 더 넓은 범위를 커버할 수 있습니다 – 마치 회사의 마이크로서비스처럼. 🤖 왜 ChatGPT만으로는 충분하지 않은가 오늘날 대부분의 맞춤형 GPT는 너무 단순합니다 - 제한된 작업 - 메모리 없음 - 다른 에이전트와 협업 불가 - "단일 도구" 사일로에 갇혀 있음 이것이 바로 AutoGen, CrewAI, LangGraph와 같은 강력한 프레임워크가 등장한 이유입니다 – 다기능 및 다중 에이전트 기능을 잠금 해제하기 위해. 🧭 도구 = 에이전트 뒤의 진정한 엔진 단순히 어떤 LLM을 사용하는지에 대한 문제가 아닙니다. 어떤 도구를 제공하고, 그것들이 어떻게 연결되어 있는지에 대한 문제입니다. ========================= 📘 4. MCP의 현실적인 과제와 한계점 ========================= MCP는 AI 에이전트와 도구 연동의 방식을 혁신할 잠재력을 지니고 있지만, 새로운 표준으로서 현실적인 과제와 잠재적 한계점 또한 고려해야 합니다. 😫 넘어야 할 현실적인 장벽들 MCP가 이상적인 솔루션처럼 보일 수 있지만, 성공적인 정착과 확산을 위해서는 다음과 같은 현실적인 문제들을 해결해야 합니다. 느린 채택 속도 (Slow Adoption Rate) - 가장 큰 허들: 새로운 표준의 성공은 얼마나 많은 플레이어가 참여하느냐에 달려있습니다. SaaS 기업들이 MCP 서버 구축에 투자하고, 에이전트 개발자들이 이를 적극적으로 사용해야만 생태계가 활성화됩니다. 초기에는 '닭과 달걀' 문제에 직면할 수 있습니다. - 모든 도구 제공자가 표준화된 단일 인터페이스를 선호하지 않을 수 있으며, 자체 API 생태계를 강화하는 것을 우선시할 수 있습니다. 구현 및 유지보수의 복잡성 (Complexity of Implementation &amp; Maintenance) - 서버 측 부담: MCP가 에이전트 클라이언트 개발을 단순화할 수 있지만, SaaS 도구 제공자 입장에서는 자사의 복잡한 API 기능과 데이터 모델을 MCP 표준 스키마에 정확하게 매핑하고, 안전하며 효율적인 MCP 서버를 구축 및 유지보수하는 것이 상당한 기술적, 비용적 부담이 될 수 있습니다. - 지속적 업데이트: 기반이 되는 도구의 API가 변경되거나 MCP 표준 자체가 발전함에 따라 지속적인 업데이트와 버전 관리가 필요합니다. 표준화의 명암 (Pros and Cons of Standardization) - 기능 제약 가능성: 모든 도구의 고유하고 세분화된 기능을 단일 표준으로 완벽하게 포괄하기는 어렵습니다. 초기 표준은 '최소 공통분모'에 집중하게 되어, 특정 도구의 고급 기능이나 특수 기능을 MCP를 통해 활용하는 데 제약이 따를 수 있습니다. 때로는 여전히 직접적인 API 호출이 필요할 수 있습니다. - 표준의 경직성: 표준이 한번 자리 잡으면 변경하기 어려울 수 있으며, 빠르게 변화하는 AI 및 API 기술 발전을 민첩하게 따라가지 못할 수 있습니다. 성능 및 보안 문제 (Performance &amp; Security Concerns) - 잠재적 성능 저하: MCP라는 중개 계층(layer)이 추가되면서, 이론적으로는 직접 API를 호출하는 것보다 약간의 지연 시간(latency)이 발생할 수 있습니다. 대부분의 경우 무시할 만한 수준일 수 있으나, 실시간성이 중요한 애플리케이션에서는 고려 사항이 될 수 있습니다. - 보안 책임: 표준화된 인터페이스는 잠재적인 공격 표면(attack surface)도 표준화할 수 있습니다. MCP 서버와 클라이언트 간의 인증, 권한 부여, 데이터 암호화 등 보안 메커니즘을 철저히 구현하는 것이 매우 중요하며, 이에 대한 책임은 각 서버 구현 주체에게 있습니다. 기술 성숙도 및 생태계 지원 (Maturity &amp; Ecosystem Support) - 초기 단계: MCP는 비교적 새로운 개념이므로, 관련 개발 도구, 디버깅 툴, 테스트 프레임워크, 풍부한 문서, 커뮤니티 지원 등이 아직 부족할 수 있습니다. 이는 초기 도입 및 문제 해결을 어렵게 만들 수 있습니다. 💡 결론: 균형 잡힌 시각 필요 MCP는 에이전트 기반 자동화의 중요한 발전을 약속하지만, 위와 같은 현실적인 과제들을 간과해서는 안 됩니다. 이러한 문제들은 대부분의 신기술 표준화 과정에서 나타나는 현상이며, MCP 생태계 참여자들의 지속적인 노력, 피드백, 협력을 통해 점진적으로 해결될 수 있을 것입니다. MCP의 성공 여부는 이러한 과제들을 얼마나 효과적으로 극복하느냐에 달려있습니다. ======================= 📘 5. MCP 생태계에 참여하는 방법 ======================= 🎯 왜 관심을 가져야 하는가 만약 당신의 제품이 SaaS 도구이고, AI 에이전트가 사용하기를 원한다면, 지금이 MCP 생태계에 진입하기에 완벽한 시기입니다. - LLM 기반 에이전트에게 발견될 수 있습니다. - 맞춤 통합 없이 에이전트가 당신의 도구를 사용하게 할 수 있습니다. - 기업 IT부터 소비자 AI까지 성장하는 에이전트 앱 시장에 진입할 수 있습니다. 🚪 참여 방법: 3가지 방법 1️⃣ MCP 서버 구축하기 당신의 도구 기능을 MCP 호환 인터페이스로 전환하세요. 🔧 필요한 것 - 도구의 기능(call_tool, list_tools) 설명하기 - call_resource, list_resources를 통해 데이터 노출하기 - 표준 컨텍스트 스키마 따르기 마치 공개 API를 구축하는 것과 같지만, LLM을 위한 것입니다. 💡 팁: 기존 에이전트 프레임워크(예: LangGraph, AutoGen)를 사용하여 개발 속도를 높이세요. 2️⃣ 마켓플레이스에 호스팅 또는 등록하기 MCP 서버가 활성화되면 MCP 레지스트리나 마켓플레이스에 게시하세요. - 당신의 도구를 모든 MCP 호환 클라이언트가 발견할 수 있도록 만드세요. - AI 에이전트가 당신의 제품을 찾고, 이해하고, 사용하도록 하세요. - 일부 플랫폼(예: Claude, MySnap)은 이미 이 플러그 앤 플레이 모델을 지원합니다. 3️⃣ MCP를 클라이언트로 사용하기 MCP를 통해 도구에 연결하는 자체 AI 에이전트나 LLM 앱을 구축할 수도 있습니다. - 더 이상 각 API에 대한 맞춤 래퍼를 작성할 필요가 없습니다. - 기존 MCP 서버에 연결하고 워크플로우를 더 빠르게 구축하세요. - 내부 자동화 도구나 고객 대면 AI 앱에 적합합니다. 🌱 선도자 = 큰 이점 (Early Movers = Huge Advantage) MCP는 아직 초기 단계이지만, 기반은 현실적이고 작동하고 있습니다. 지금 참여함으로써 다음을 할 수 있습니다 ✅ 떠오르는 표준에 영향을 미치기 ✅ 다른 이들보다 먼저 당신의 도구의 LLM 인터페이스 형성하기 ✅ 생태계가 확장됨에 따라 함께 성장하기 📌 결론 만약 REST가 웹 시대의 API 표준이었다면, MCP는 에이전트 시대의 프로토콜 표준이 될 수 있습니다. 지금이 준비할 황금 같은 기회입니다. 🧭 구축할 준비가 되셨나요? 핵심 도구 기능을 식별하고 MCP 형식으로 구조화하는 것부터 시작하세요. 모든 것을 지원할 필요는 없습니다 – 에이전트가 시작할 수 있을 만큼만 지원하면 됩니다. 에이전트의 시대(Agentic era)가 오고 있습니다. 늦지 마세요. 도움이 되셨다면 좋아요 부탁드립니다.

누구나 쉽게 이해할 수 있는 MCP 가이드

똑닥닷컴 SEO(a.k.a. 네이버 월 노출 수 1000만 달성기) | 비브로스 기술 블로그

어떤 접근으로 노출수를 높였는지 단계별로 잘 나와있네요.
https://boostbrothers.github.io/2025-03-04-ddocdoc-com-seo/

어떤 접근으로 노출수를 높였는지 단계별로 잘 나와있네요.https://boostbrothers.github.io/2025-03-04-ddocdoc-com-seo/

boostbrothers.github.io

똑닥: SEO 최적화 사례

첫 회사에서 5년 정도 보낸 후 대기업이 가보고 싶다는 생각이 들었습니다.
다른 곳에 이력서도 넣어보지 않은 채 일단 그만뒀습니다.

그리고 이력서를 쓰기 시작했는데...
아는 사람도 하나 없어 지인 추천 없이 홈페이지를 통해서 지원서를 썼습니다.
네이버, 다음, SK컴즈, NC소프트, 넥슨 같은 곳들.

근데 기다려도 답장이 오질 않더군요.
5년 가까이 열심히 했고 자신감도 많이 생겼는데 밖에서 보는 내 수준은 이런거였구나.

한 달 정도 지났을 뿐인데 초조함이 엄청 커졌습니다.
나 혹시 새되는 거 아냐? 그럼 내 인생 어떻게 되는거지?
다른 회사를 먼저 알아보고 그만둘 걸.
큰일났단 생각에 소름이 바짝 돋았습니다.

엔씨, 넥슨, 다음에서는 연락도 안 왔고, 네이버에서 연락이 왔습니다.
이력서를 내고 한 달 지나 연락이 왔는데...
지금 생각해보면 제 이력서를 보고 픽해준 네이버 누군가가 인생의 은인입니다.
만약 흘려 넘겨 버렸으면 나는 지금 뭘하고 있을까? 시간이 지날수록 초조한 맘이 커져서 그 어떤 이상한 회사라도 얼씨구나 들어갔을 것 같습니다.

이후에도 다른 회사를 알아보기 전에 회사를 그만두었습니다만 처음 만큼 긴장되거나 초조하진 않았습니다. 스스로에 대한 자신감이 없었기 때문이었던 것 같습니다.

(인생에서 불안했던 시기를 생각해보다가 쓴 글일 뿐 절대 이렇게 하라고 추천하는 것은 아닙니다)

첫 회사에서 5년 정도 보낸 후 대기업이 가보고 싶다는 생각이 들었습니다.다른 곳에 이력서도 넣어보지 않은 채 일단 그만뒀습니다. 그리고 이력서를 쓰기 시작했는데...아는 사람도 하나 없어 지인 추천 없이 홈페이지를 통해서 지원서를 썼습니다.네이버, 다음, SK컴즈, NC소프트, 넥슨 같은 곳들. 근데 기다려도 답장이 오질 않더군요.5년 가까이 열심히 했고 자신감도 많이 생겼는데 밖에서 보는 내 수준은 이런거였구나. 한 달 정도 지났을 뿐인데 초조함이 엄청 커졌습니다.나 혹시 새되는 거 아냐? 그럼 내 인생 어떻게 되는거지?다른 회사를 먼저 알아보고 그만둘 걸.큰일났단 생각에 소름이 바짝 돋았습니다. 엔씨, 넥슨, 다음에서는 연락도 안 왔고, 네이버에서 연락이 왔습니다.이력서를 내고 한 달 지나 연락이 왔는데...지금 생각해보면 제 이력서를 보고 픽해준 네이버 누군가가 인생의 은인입니다.만약 흘려 넘겨 버렸으면 나는 지금 뭘하고 있을까? 시간이 지날수록 초조한 맘이 커져서 그 어떤 이상한 회사라도 얼씨구나 들어갔을 것 같습니다. 이후에도 다른 회사를 알아보기 전에 회사를 그만두었습니다만 처음 만큼 긴장되거나 초조하진 않았습니다. 스스로에 대한 자신감이 없었기 때문이었던 것 같습니다. (인생에서 불안했던 시기를 생각해보다가 쓴 글일 뿐 절대 이렇게 하라고 추천하는 것은 아닙니다)

다른 회사를 먼저 알아보지 않고 퇴사하면

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

 - YouTube

먼저, 성능 최적화와 보안 이슈 등을 얘기할 수 있을것 같아요.

물론 초개인화된 데이터를 처리하는 역할을
모두 서버에서 담당한다면 서버 부하가 커질 수도 있지만,

그럼에도 위와 같은 이유들로
서버에서 Data fetching 을 하는게 유리한 때가 있어서요.

이러한 이유에 대해 좀 더 자세히 설명해보았습니다.

https://youtu.be/vJGk4iLo-Ak

먼저, 성능 최적화와 보안 이슈 등을 얘기할 수 있을것 같아요. 물론 초개인화된 데이터를 처리하는 역할을모두 서버에서 담당한다면 서버 부하가 커질 수도 있지만, 그럼에도 위와 같은 이유들로서버에서 Data fetching 을 하는게 유리한 때가 있어서요. 이러한 이유에 대해 좀 더 자세히 설명해보았습니다. https://youtu.be/vJGk4iLo-Ak

youtu.be

왜 Data fetching 을 서버에서 해야할까요?

1. “다른 사람을 존중하라”고 설교하지만, 정작 자신은 직원들을 신뢰하지도 존중하지도 않습니다.

2. ‘팀워크’라는 말을 입에 달고 다니지만, 팀플레이를 맹목적인 복종으로만 해석합니다.

3. 끔찍할 정도로 우유부단합니다. 중요한 결정을 내려야 할 때마다 미루고, 수도 없이 분석만 하고 의사결정은 내리지 않습니다. 그 결과, 회사는 결국 중요한 기회를 놓치고, 작은 문제들마저 심각한 위기로까지 커집니다.

4. 우선순위를 정하지 않고, 직원들에게 10~20개 실천 항목을 한꺼번에 제시하며 모두 다 우리에게 최우선사항이라고 말합니다.

5. 자기 집무실에 틀어박혀서 직원들이 어떻게 일하는지를 살피지 않습니다.

6. 사람들을 끊임없이 비판할 뿐, 긍정적인 피드백은 거의 하지 않습니다. 직원이 딱 한 번 실수를 한 것을 두고 영원히 괴롭힙니다. 그 결과, 실수를 통해 교훈을 얻을 수 있는 기회 자체를 박탈합니다.

7. 회사의 비전을 놓고 직원들과 효과적으로 소통하지 않습니다. 그로 인해 직원들은 회사에 비전이 없다고 느끼고, 어디로 가야 할지 몰라서 회사는 우왕좌왕합니다.

8. 말을 할 때나 글을 쓸 때 복잡하고 따분하기만 하고, 온갖 전문 용어를 남발합니다. 그래서 직원들에게 건설적인 영감을 주기는커녕 지루하고 혼란스럽게 만듭니다.

9. 정체된 상태임에도 새롭거나 대담한 도전을 하는 것을 꺼립니다. 그래서 결국 야망을 가진 직원들은 회사를 떠납니다.

- 짐 콜린스 외, <좋은 리더를 넘어 위대한 리더로> 중

1. “다른 사람을 존중하라”고 설교하지만, 정작 자신은 직원들을 신뢰하지도 존중하지도 않습니다. 2. ‘팀워크’라는 말을 입에 달고 다니지만, 팀플레이를 맹목적인 복종으로만 해석합니다. 3. 끔찍할 정도로 우유부단합니다. 중요한 결정을 내려야 할 때마다 미루고, 수도 없이 분석만 하고 의사결정은 내리지 않습니다. 그 결과, 회사는 결국 중요한 기회를 놓치고, 작은 문제들마저 심각한 위기로까지 커집니다. 4. 우선순위를 정하지 않고, 직원들에게 10~20개 실천 항목을 한꺼번에 제시하며 모두 다 우리에게 최우선사항이라고 말합니다. 5. 자기 집무실에 틀어박혀서 직원들이 어떻게 일하는지를 살피지 않습니다. 6. 사람들을 끊임없이 비판할 뿐, 긍정적인 피드백은 거의 하지 않습니다. 직원이 딱 한 번 실수를 한 것을 두고 영원히 괴롭힙니다. 그 결과, 실수를 통해 교훈을 얻을 수 있는 기회 자체를 박탈합니다. 7. 회사의 비전을 놓고 직원들과 효과적으로 소통하지 않습니다. 그로 인해 직원들은 회사에 비전이 없다고 느끼고, 어디로 가야 할지 몰라서 회사는 우왕좌왕합니다. 8. 말을 할 때나 글을 쓸 때 복잡하고 따분하기만 하고, 온갖 전문 용어를 남발합니다. 그래서 직원들에게 건설적인 영감을 주기는커녕 지루하고 혼란스럽게 만듭니다. 9. 정체된 상태임에도 새롭거나 대담한 도전을 하는 것을 꺼립니다. 그래서 결국 야망을 가진 직원들은 회사를 떠납니다. - 짐 콜린스 외, &lt;좋은 리더를 넘어 위대한 리더로&gt; 중

최악의 리더들이 가진 특징 9가지

💥 커리어리 X 인싸담당자 💥

커리어리가 유튜브에서 가장 사랑받는 취업 준비 채널, 
인싸담당자와 콜라보레이션하게 되었습니다! 👏👏

커리어리를 운영하는 퍼블리의 대표 박소령 님과 퍼블리의 채용 담당자 박소리 님이
여러분의 질문에 답해드립니다 🙋‍♀️

✅ 평소에 커리어리에 대해 궁금했던 것
✅ 채용에 대해 궁금한 점
✅ 취업 준비와 관련한 궁금증
등등 

⬇⬇ 댓글로 질문을 마구마구 보내주세요! ⬇⬇

나이제한이 있나요? 있다면 몇살까지인지 궁금합니다

영업/판매

마루

기업의 입장에서 가장 중요한 것은 채용경험이라고 생각합니다.
어느 기업에서 채용부터 자리 잡을 때까지의 단계라고 생각하는데, 퍼블리의 채용경험의 강점은 무엇인가요!

Jr. Generalist

장현승 Benny

디지털 덴티스트리의 개혁을 펼치고 있는 이노바이드에서 
전새계 치과와 기공소를 연결하는 덴트링크 서비스를 함께 발전시키고 있습니다☺️

🍀제일 좋아하는 말
'우린 인생의 많은 힌트를 놓치며 사는게 아닐까' 
#네트워킹 #데이터분석 #끊임없이배우기 #도전적인 #스타트업

채용시 가장 중점을 두는 부분이요!

서민정

HR관련 커리어를 쌓고 있는 학생입니다:)

Product Manager

김은서

UX Researcher

Kai Lee

Design thinker / psychologist / researcher
자유롭게 사고하고 본질을 추구합니다.
#리서처 #기획자 #디자이너 #브랜드마케팅 #브런치작가 

노인애_elena

생산성, 매니지먼트, 비즈니스에서부터 영감과 자극까지. '일하는 사람들'을 위한 읽을거리를 커리어리가 큐레이션 해요. 가끔은 커리어리 팀의 일상이나 일하는 마음에 대한 가벼운 이야기도 할게요. :)

커리어리

생산성, 매니지먼트, 비즈니스에서부터 영감과 자극까지. '일하는 사람들'을 위한 읽을거리를 커리어리가 큐레이션 해요.
가끔은 커리어리 팀의 일상이나 일하는 마음에 대한 가벼운 이야기도 할게요. 🥰

댓글 3

비슷한 게시물

주간 인기 TOP 10

추천 프로필