좋은 콘텐츠를 수시로 업데이트 받는 삶에 대하여

[25년 6월] 썸원 프라임 멤버십 모집 안내

1. 엔비디아의 창업자, 젠슨 황은 어렵고 힘든 상황에서도 유명한 경제-경영서를 거의 모두 탐독하면서 그 안에서 힌트를 찾으려고 노력했다고 한다. 그리고 그것들이 쌓여 마침내 젠슨 황은 엔비디아를 AI 시대의 주인공으로 만들었다.

2. 이는 워런 버핏과 찰리 멍거도 마찬가지다. 이들은 금융과 자본의 중심인 월스트리트가 아니라, 온갖 책과 지식을 탐독하며 지혜와 지식의 중심에서 의사 결정을 내렸으며, 찰리 멍거는 이렇게 선언하기도 했다. 요양 병원에서 침을 흘릴 때까지 공부하겠다고.

3. 실제로 그는 삶의 마지막 순간까지 언론 인터뷰에서 학습하는 일을 게을리하지 말라고 청년들에게 당부했다.

4. 스티브 잡스가 책을 열심히 읽었다는 이야기는 별로 없지만, 그의 주변에는 책을 탐독하는 이들이 많았다. 스티브 잡스가 애플에서 쫓겨나고 절망의 시절을 보낼 때, 그를 구원한 것이 다름없는 픽사의 창업자 ‘에드 캣멀’은 돌파구를 찾기 위해 수많은 경영서를 탐독하다가 도요타의 생산 시스템에서 영감을 얻어, 픽사의 콘텐츠 창작 시스템을 설계했고, 이를 바탕으로 초기 픽사는 콘텐츠 업계 역사상 유례를 찾아볼 수 없을 정도로 매타석 홈런을 쳤다.

5. 뿐만 아니라, 픽사의 상장을 이끈 ‘로렌스 레비’는 픽사 상장이라는 막막한 과제 앞에서 헤롤드 보겔이 쓴 <엔터테인먼트 산업의 경제학>에서 힌트를 발견했다. 에드 캣멀이 콘텐츠 생산 구조를 찾았다면, 로렌스 레비는 그 구조를 바탕으로 돈을 버는 시스템을 더했다.

6. 스티브 잡스의 애플 복귀 이후, 영입된 팀 쿡 역시 <슈독> 등 여러 경영서들을 탐독한 것이 잘 알려져 있다.

7. 넷플릭스의 창업자, 리드 헤이스팅스도 마찬가지다. 넷플릭스 창업 이전, 독불장군처럼 혼자의 힘으로 회사를 성장시키며 나름의 성공을 거뒀지만, 조직 문화와 회사 시스템이 개판이어서 본인이 설립한 회사를 경쟁자에게 팔 수 없었던 리드 헤이스팅스는 이후 넷플릭스를 창업했지만, 여러 우여곡절을 겪었다.

8. 특히 닷컴버블이 붕괴되며 상장 프로젝트가 좌초되었고, 이에 블록버스터에 회사를 매각하려 갔지만 모욕만 당하고 돌아왔다. 이후, 살아남기 위해서 구조 조정을 할 수밖에 없었고, 그때 초기 개국 공신들까지 거의 다 내보내야 했다.

9. 그 위기 속에서 리드 헤이스팅스는 로버트 서튼의 <또라이 제로 조직(The No Asshole Rule)>에서 영감을 받았고, 이는 훗날 자유와 책임으로 대표되는 넷플릭스의 조직 문화 <규칙 없음(No Rules Rules)>이 되었다.

10. 이런 사례들뿐 아니라, 삶의 어려운 순간에 좋은 콘텐츠로부터 힌트를 찾아 위기를 돌파한 사례들은 수없이 많다. 대부분의 위기는 내가 무엇을 모르는지조차 모르거나 잘 모르면서 잘 알고 있다는 착각에서부터 비롯되는 경우가 많으니까.

11. 따라서 좀 과장을 보태면, 삶을 좀 더 탁월하게 살고 싶다면, 좋은 콘텐츠를 수시로 접할 수 있도록 자신의 삶을 정렬해야 한달까? 하던 대로만 해서는, 기존의 알고 있는 것만을 반복해서는 절대로 삶이 달라질 수 없으니까.

12. 그런 의미에서 썸원 프라임 멤버십은, 콘텐츠가 넘쳐나는 시대에 수시로 좋은 콘텐츠를 접할 수 있도록 돕는 서비스. 물론 혼자서 하다 보니 부족함이 넘칠 수밖에 없고, 삐걱거리는 부분도 너무나 많지만, 그럼에도 멤버십 회원들께서 가급적 꾸준히 좋은 콘텐츠를 접하실 수 있도록 온갖 방법들을 동원하고 있고,

13. 5월부터는 ‘데일리 브리프’에 AI 코멘터리까지 추가하는 시도를 하고 있다고 한다. 물론 멤버십 회원분들 중에는 AI 목소리보다 여전히 텍스트를 읽는 것을 더 선호하는 분들이 많지만, 저녁 퇴근길에는 글로 읽고, 다음날 아침 출근길에는 AI 코멘터리를 듣는 분들도 생기고 있다리.

14. 그리고 원래 좋은 콘텐츠는 여러 방식으로 반복해서 곱씹는 것이 중요해서, AI 코멘터리뿐 아니라, AI 기술이 발전할수록 좀 더 다양한 시도들도 해볼 예정. 관련해 흔히 AI 기술이 너무 빠르게 발전한다고 말하는 이들이 많으나, 냉정하지만 콘텐츠를 만드는 입장에서는 지금 수준은 사실 아쉬운 부분들이 많아서 개인적으로는 AI가 더더 빨리 발전하기를 바라는 심정이랄까? (호호)

15. 무튼 6월에도 더더 좋은 콘텐츠를 멤버십 회원분들께 전해드리기 위해 노력할 예정이오니 6월 썸원 프라임 멤버십에 관심 있으신 분들께서는 자세한 내용 참고 부탁드리옵고, ‘3개월 멤버십’과 ‘연간 멤버십’도 모집 중입니당. 늘 감사합니다 ;)

1. 엔비디아의 창업자, 젠슨 황은 어렵고 힘든 상황에서도 유명한 경제-경영서를 거의 모두 탐독하면서 그 안에서 힌트를 찾으려고 노력했다고 한다. 그리고 그것들이 쌓여 마침내 젠슨 황은 엔비디아를 AI 시대의 주인공으로 만들었다. 2. 이는 워런 버핏과 찰리 멍거도 마찬가지다. 이들은 금융과 자본의 중심인 월스트리트가 아니라, 온갖 책과 지식을 탐독하며 지혜와 지식의 중심에서 의사 결정을 내렸으며, 찰리 멍거는 이렇게 선언하기도 했다. 요양 병원에서 침을 흘릴 때까지 공부하겠다고. 3. 실제로 그는 삶의 마지막 순간까지 언론 인터뷰에서 학습하는 일을 게을리하지 말라고 청년들에게 당부했다. 4. 스티브 잡스가 책을 열심히 읽었다는 이야기는 별로 없지만, 그의 주변에는 책을 탐독하는 이들이 많았다. 스티브 잡스가 애플에서 쫓겨나고 절망의 시절을 보낼 때, 그를 구원한 것이 다름없는 픽사의 창업자 ‘에드 캣멀’은 돌파구를 찾기 위해 수많은 경영서를 탐독하다가 도요타의 생산 시스템에서 영감을 얻어, 픽사의 콘텐츠 창작 시스템을 설계했고, 이를 바탕으로 초기 픽사는 콘텐츠 업계 역사상 유례를 찾아볼 수 없을 정도로 매타석 홈런을 쳤다. 5. 뿐만 아니라, 픽사의 상장을 이끈 ‘로렌스 레비’는 픽사 상장이라는 막막한 과제 앞에서 헤롤드 보겔이 쓴 &lt;엔터테인먼트 산업의 경제학&gt;에서 힌트를 발견했다. 에드 캣멀이 콘텐츠 생산 구조를 찾았다면, 로렌스 레비는 그 구조를 바탕으로 돈을 버는 시스템을 더했다. 6. 스티브 잡스의 애플 복귀 이후, 영입된 팀 쿡 역시 &lt;슈독&gt; 등 여러 경영서들을 탐독한 것이 잘 알려져 있다. 7. 넷플릭스의 창업자, 리드 헤이스팅스도 마찬가지다. 넷플릭스 창업 이전, 독불장군처럼 혼자의 힘으로 회사를 성장시키며 나름의 성공을 거뒀지만, 조직 문화와 회사 시스템이 개판이어서 본인이 설립한 회사를 경쟁자에게 팔 수 없었던 리드 헤이스팅스는 이후 넷플릭스를 창업했지만, 여러 우여곡절을 겪었다. 8. 특히 닷컴버블이 붕괴되며 상장 프로젝트가 좌초되었고, 이에 블록버스터에 회사를 매각하려 갔지만 모욕만 당하고 돌아왔다. 이후, 살아남기 위해서 구조 조정을 할 수밖에 없었고, 그때 초기 개국 공신들까지 거의 다 내보내야 했다. 9. 그 위기 속에서 리드 헤이스팅스는 로버트 서튼의 &lt;또라이 제로 조직(The No Asshole Rule)&gt;에서 영감을 받았고, 이는 훗날 자유와 책임으로 대표되는 넷플릭스의 조직 문화 &lt;규칙 없음(No Rules Rules)&gt;이 되었다. 10. 이런 사례들뿐 아니라, 삶의 어려운 순간에 좋은 콘텐츠로부터 힌트를 찾아 위기를 돌파한 사례들은 수없이 많다. 대부분의 위기는 내가 무엇을 모르는지조차 모르거나 잘 모르면서 잘 알고 있다는 착각에서부터 비롯되는 경우가 많으니까. 11. 따라서 좀 과장을 보태면, 삶을 좀 더 탁월하게 살고 싶다면, 좋은 콘텐츠를 수시로 접할 수 있도록 자신의 삶을 정렬해야 한달까? 하던 대로만 해서는, 기존의 알고 있는 것만을 반복해서는 절대로 삶이 달라질 수 없으니까. 12. 그런 의미에서 썸원 프라임 멤버십은, 콘텐츠가 넘쳐나는 시대에 수시로 좋은 콘텐츠를 접할 수 있도록 돕는 서비스. 물론 혼자서 하다 보니 부족함이 넘칠 수밖에 없고, 삐걱거리는 부분도 너무나 많지만, 그럼에도 멤버십 회원들께서 가급적 꾸준히 좋은 콘텐츠를 접하실 수 있도록 온갖 방법들을 동원하고 있고, 13. 5월부터는 ‘데일리 브리프’에 AI 코멘터리까지 추가하는 시도를 하고 있다고 한다. 물론 멤버십 회원분들 중에는 AI 목소리보다 여전히 텍스트를 읽는 것을 더 선호하는 분들이 많지만, 저녁 퇴근길에는 글로 읽고, 다음날 아침 출근길에는 AI 코멘터리를 듣는 분들도 생기고 있다리. 14. 그리고 원래 좋은 콘텐츠는 여러 방식으로 반복해서 곱씹는 것이 중요해서, AI 코멘터리뿐 아니라, AI 기술이 발전할수록 좀 더 다양한 시도들도 해볼 예정. 관련해 흔히 AI 기술이 너무 빠르게 발전한다고 말하는 이들이 많으나, 냉정하지만 콘텐츠를 만드는 입장에서는 지금 수준은 사실 아쉬운 부분들이 많아서 개인적으로는 AI가 더더 빨리 발전하기를 바라는 심정이랄까? (호호) 15. 무튼 6월에도 더더 좋은 콘텐츠를 멤버십 회원분들께 전해드리기 위해 노력할 예정이오니 6월 썸원 프라임 멤버십에 관심 있으신 분들께서는 자세한 내용 참고 부탁드리옵고, ‘3개월 멤버십’과 ‘연간 멤버십’도 모집 중입니당. 늘 감사합니다 ;)

somewon on Notion

왜 좋은 콘텐츠를 수시로 업데이트 받아야 하는가?

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

 - YouTube

이제 AI로 실현 가능한 스타트업 아이디어들
 * YC의 파트너들과 CEO Garry Tan이 요즘 LLM들 때문에 가능해진 새로운 아이디어들과 이에 맞는 스타트업의 제품 전략에 대해 얘기하는 영상
 * AI 도입으로 인해 불가능했던 아이디어들이 실현 가능해졌으며, 특히 리크루팅, 교육, 에이전트 인프라 분야에서 급격한 변화가 진행 중임
 * 기술 중심의 창업 아이디어 탐색이 더 효과적이며, 복잡한 시장 조사보다 흥미 기반으로 시작하는 것이 유리한 시대로 전환되고 있음
 * AI의 발전은 기존 낮은 마진의 풀스택 비즈니스 모델을 고마진 구조로 전환시킬 수 있는 잠재력을 가짐
 * 여전히 AI 인프라, MLOps, 멀티모달 인터페이스 분야에서 창업 기회가 많으며, 초기에는 무시받았던 분야가 재조명 받고 있음
 * 스타트업의 성공 요인으로는 모델 품질 뿐 아니라 유통, 브랜딩, 운영 단순성 등의 요소가 결합되어야 함

이제 AI로 실현 가능한 스타트업 아이디어들 <ul ><li>YC의 파트너들과 CEO Garry Tan이 요즘 LLM들 때문에 가능해진 새로운 아이디어들과 이에 맞는 스타트업의 제품 전략에 대해 얘기하는 영상</li><li>AI 도입으로 인해 불가능했던 아이디어들이 실현 가능해졌으며, 특히 리크루팅, 교육, 에이전트 인프라 분야에서 급격한 변화가 진행 중임</li><li>기술 중심의 창업 아이디어 탐색이 더 효과적이며, 복잡한 시장 조사보다 흥미 기반으로 시작하는 것이 유리한 시대로 전환되고 있음</li><li>AI의 발전은 기존 낮은 마진의 풀스택 비즈니스 모델을 고마진 구조로 전환시킬 수 있는 잠재력을 가짐</li><li>여전히 AI 인프라, MLOps, 멀티모달 인터페이스 분야에서 창업 기회가 많으며, 초기에는 무시받았던 분야가 재조명 받고 있음</li><li>스타트업의 성공 요인으로는 모델 품질 뿐 아니라 유통, 브랜딩, 운영 단순성 등의 요소가 결합되어야 함</li></ul>

youtu.be

이제 AI로 실현 가능한 스타트업 아이디어들

증권 > 국내증시 뉴스: 국내 1위 안경 프랜차이즈 기업인 다비치안경체인이 새 주인을 찾고 있다. 4년 전 투자 유치를 시도했다가 무산된 후 두번째 시...

[단독]국내 1위 다비치안경체인, 매각 재시도[시그널]

대표는 4년 전에도 한 국내 PEF와 매각을 논의한 바 있다. 당시 김 대표 측은 회사의 100% 지분 가치로 약 1200억 원을 희망했으나 잠재 인수자와 가격에 대한 이견을 좁히지 못했다. 이후 코로나19로 다비치안경의 실적이 악화되면서 협상이 무위로 돌아갔다.

당시 희망가격 1200억 원은 직전 해인 매출이 934억 원, 영업이익이 65억 원에 그쳤던 점을 감안하면 다소 과하다는 평가가 지배적이었다. 코로나19로 오프라인 매장 실적이 급감한 영향이었다. 이후 실적이 회복되면서 지난해 다비치안경은 매출 1460억 원, 영업이익 158억 원을 기록했다.

https://m.sedaily.com/NewsView/2GSXO8RLJV

대표는 4년 전에도 한 국내 PEF와 매각을 논의한 바 있다. 당시 김 대표 측은 회사의 100% 지분 가치로 약 1200억 원을 희망했으나 잠재 인수자와 가격에 대한 이견을 좁히지 못했다. 이후 코로나19로 다비치안경의 실적이 악화되면서 협상이 무위로 돌아갔다. 당시 희망가격 1200억 원은 직전 해인 매출이 934억 원, 영업이익이 65억 원에 그쳤던 점을 감안하면 다소 과하다는 평가가 지배적이었다. 코로나19로 오프라인 매장 실적이 급감한 영향이었다. 이후 실적이 회복되면서 지난해 다비치안경은 매출 1460억 원, 영업이익 158억 원을 기록했다. https://m.sedaily.com/NewsView/2GSXO8RLJV

서울경제

0. 들어가며
벌써 항해 플러스 AI 과정 8주차. 진짜 시간 순삭이다.
이번 주는 “모델을 더 빠르게, 더 가볍게, 더 싸게” 만드는 네 가지 키워드를 집중적으로 파봤다.
 1. FlashAttention – 긴 입력도 쌩으로 돌려서 속도 3배 뽑기
 2. Data Parallelism & DeepSpeed – GPU 여러 대를 네트워크로 엮어 학습 속도 뻥튀기
 3. Quantization – 파라미터를 16bit → 8bit로 눌러서 메모리 절약
 4. PEFT(LoRA) – 모델 전체 대신 저차 ΔW만 학습해서 비용↓ 성능↑
덕분에 “GPT‑급 모델을 노트북 한 대로 fine‑tuning 할 수 있을까?” 같은 로망이 좀 더 현실로 다가온 느낌이다.

1. FlashAttention 
Transformer Self‑Attention은 Q·K·V 행렬 계산 때문에 O(n²) 메모리/연산량이 터짐. FlashAttention은
 * Q/K/V를 block(예: 64×64) 단위로 잘라서
 * GPU SRAM에 올린 뒤, 블록별 softmax를 스트리밍 방식으로 계산
 * 결과를 다시 HBM으로 쓰는 방식으로
HBM 왕복을 최소화해. 실제로 4K 토큰 → 16K 토큰으로 늘려도 VRAM 사용량이 거의 평평했고, wandb 로그 보니까 throughput 3.2× 찍혔다.
model = AutoModelForCausalLM.from_pretrained(
    "NousResearch/Llama-2-7b-hf",
    torch_dtype=torch.bfloat16,
    use_flash_attention_2=True,
)

한 줄이면 끝. 덕분에 긴 문장 요약 태스크에서 latency가 1/3로 줄어서 진짜 체감됨.

2. Data Parallelism & DeepSpeed 
 * DDP(Distributed Data Parallel) : 파라미터 복사 → 데이터 나눠서 각 GPU가 gradient 계산
 * DeepSpeed Stage 3 : 파라미터·gradient·optimizer state까지 3‑way 샤딩으로 VRAM 반 토막
deepspeed --num_gpus 2 train.py \
   --deepspeed ds_config_stage3.json

Stage 3 offload 옵션 켜면 optimizer state가 CPU RAM으로 넘어가는데, NVMe offload까지 물리면 장시간 학습도 무난. 단점은 통신 병목인데,
fp16/bp16
모드와 gradient accumulation으로 어느 정도 해결.

3. Quantization
FP16 → INT8 양자화는 두 가지 맛으로 실험:
 1. Post‑Training Quantization(PTQ) : 학습 끝난 모델을 직접 양자화.
    bitsandbytes
    bnb.nn.Linear8bitLt
    사용.
 2. Quant‑Aware Training(QAT) : 학습 중에 fake quant op 삽입해서 분포 적응.
from transformers import BitsAndBytesConfig

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    quantization_config=BitsAndBytesConfig(load_in_8bit=True)
)

실습 과제는 “채팅봇 엔진을 모바일에 올려라”였는데, 양자화 덕분에 APK 크기 90 → 54 MB로 줄여서 통과했다.

4. PEFT – LoRA
모델 전체를 미세조정하려면 파라미터·VRAM·시간이 다 터진다. LoRA는 weight ΔW를 두 저차 행렬 A( n×r )·B( r×m )로 분해해서 r(n+m)개만 학습한다는 아이디어.
 * r=8
   ,
   α=32
   , dropout 0.1 설정
 * target modules: 모든
   nn.Linear
   (단,
   lm_head
   제외)
from peft import LoraConfig, get_peft_model

peft_cfg = LoraConfig(task_type="CAUSAL_LM", r=8, lora_alpha=32,
                      lora_dropout=0.1, target_modules=target_modules)
model = get_peft_model(base_model, peft_cfg)

결과:
 * 학습 VRAM 15.3 GB → 4.2 GB
 * 학습 속도 1.8× 상승
 * BLEU 점수는 full fine‑tune 대비 −0.4 만 손해. 충분히 trade‑off 수준.

5. 실습 & 프로젝트 기록 
실습 태스크핵심 지표BeforeAfter긴 문서 요약(FlashAttn)latency (tok/s)329913B 모델 학습(DS Stage3)max batch14모바일 챗봇 추론(PTQ)모델 크기6.2 GB3.7 GB삼행시 챗봇 PEFT배포 파일13 GB ckpt20 MB adapter

6. 느낀 점
이번 주는 “스케일링”에 대한 감각을 제대로 익힌 주차였다. “모델은 클수록 좋다”라는 말이 실제론 리소스·시간·돈과의 싸움이라는 걸 몸소 체험했고, 그 싸움을 이기는 무기가 바로 FlashAttention, DeepSpeed, Quantization, PEFT 같은 최적화 스킬이라는 걸 깨달음.
특히 FlashAttention 한 줄 옵션이 이렇게 성능을 바꿔놓을 줄 몰랐다. 앞으로 실서비스나 해커톤에서도 “먼저 켜보고 시작” 해야 할 기본 옵션으로 자리 잡을 듯.
또, LoRA adapter만 따로 배포해도 충분한 성능이 나온다는 걸 체험해서, 추후 회사 프로젝트에서도 대형‑언어모델 SaaS → LoRA fork → 자체 서비스 패턴을 적극적으로 고려할 계획이다.

7. 마무리
프로젝트 발표도 했는데, 발표자료를 전날 급하게 만드느라 3시간 밖에 못잤는데 생각보다 발표를 잘해서 뿌듯했다.
많이 성장하는 8주간의 여졍이였다. 앞으로 이러한 이해를 바탕으로 더 크게 성장할 거라 믿는다.

#항해99 #항해플러스AI후기 #개발자커뮤니티 #LLM

0. 들어가며벌써 항해 플러스 AI 과정 8주차. 진짜 시간 순삭이다.이번 주는 “모델을 더 빠르게, 더 가볍게, 더 싸게” 만드는 네 가지 키워드를 집중적으로 파봤다.<ol ><li>FlashAttention – 긴 입력도 쌩으로 돌려서 속도 3배 뽑기</li><li>Data Parallelism &amp; DeepSpeed – GPU 여러 대를 네트워크로 엮어 학습 속도 뻥튀기</li><li>Quantization – 파라미터를 16bit → 8bit로 눌러서 메모리 절약</li><li>PEFT(LoRA) – 모델 전체 대신 저차 ΔW만 학습해서 비용↓ 성능↑</li></ol>덕분에 “GPT‑급 모델을 노트북 한 대로 fine‑tuning 할 수 있을까?” 같은 로망이 좀 더 현실로 다가온 느낌이다. 1. FlashAttention&nbsp;Transformer Self‑Attention은 Q·K·V 행렬 계산 때문에 O(n²) 메모리/연산량이 터짐. FlashAttention은<ul ><li>Q/K/V를 block(예: 64×64) 단위로 잘라서</li><li>GPU SRAM에 올린 뒤, 블록별 softmax를 스트리밍 방식으로 계산</li><li>결과를 다시 HBM으로 쓰는 방식으로</li></ul>HBM 왕복을 최소화해. 실제로 4K 토큰 → 16K 토큰으로 늘려도 VRAM 사용량이 거의 평평했고, wandb 로그 보니까 throughput 3.2× 찍혔다.<pre ><code>model = AutoModelForCausalLM.from_pretrained(
 "NousResearch/Llama-2-7b-hf",
 torch_dtype=torch.bfloat16,
 use_flash_attention_2=True,
)</code></pre>한 줄이면 끝. 덕분에 긴 문장 요약 태스크에서 latency가 1/3로 줄어서 진짜 체감됨. 2. Data Parallelism &amp; DeepSpeed&nbsp;<ul ><li>DDP(Distributed Data Parallel) : 파라미터 복사 → 데이터 나눠서 각 GPU가 gradient 계산</li><li>DeepSpeed Stage 3 : 파라미터·gradient·optimizer state까지 3‑way 샤딩으로 VRAM 반 토막</li></ul><pre ><code>deepspeed --num_gpus 2 train.py \
 --deepspeed ds_config_stage3.json</code></pre>Stage 3 offload 옵션 켜면 optimizer state가 CPU RAM으로 넘어가는데, NVMe offload까지 물리면 장시간 학습도 무난. 단점은 통신 병목인데, <code >fp16/bp16</code> 모드와 gradient accumulation으로 어느 정도 해결. 3. QuantizationFP16 → INT8 양자화는 두 가지 맛으로 실험:<ol ><li>Post‑Training Quantization(PTQ) : 학습 끝난 모델을 직접 양자화. <code >bitsandbytes</code> <code >bnb.nn.Linear8bitLt</code> 사용.</li><li>Quant‑Aware Training(QAT) : 학습 중에 fake quant op 삽입해서 분포 적응.</li></ol><pre ><code>from transformers import BitsAndBytesConfig

model = AutoModelForCausalLM.from_pretrained(
 model_id,
 quantization_config=BitsAndBytesConfig(load_in_8bit=True)
)</code></pre>실습 과제는 “채팅봇 엔진을 모바일에 올려라”였는데, 양자화 덕분에 APK 크기 90 → 54 MB로 줄여서 통과했다. 4. PEFT – LoRA모델 전체를 미세조정하려면 파라미터·VRAM·시간이 다 터진다. LoRA는 weight ΔW를 두 저차 행렬 A( n×r )·B( r×m )로 분해해서 r(n+m)개만 학습한다는 아이디어.<ul ><li><code >r=8</code>, <code >α=32</code>, dropout 0.1 설정</li><li>target modules: 모든 <code >nn.Linear</code> (단, <code >lm_head</code> 제외)</li></ul><pre ><code>from peft import LoraConfig, get_peft_model

peft_cfg = LoraConfig(task_type="CAUSAL_LM", r=8, lora_alpha=32,
 lora_dropout=0.1, target_modules=target_modules)
model = get_peft_model(base_model, peft_cfg)</code></pre>결과:<ul ><li>학습 VRAM 15.3 GB → 4.2 GB</li><li>학습 속도 1.8× 상승</li><li>BLEU 점수는 full fine‑tune 대비 −0.4 만 손해. 충분히 trade‑off 수준.</li></ul> 5. 실습 &amp; 프로젝트 기록&nbsp;실습 태스크핵심 지표BeforeAfter긴 문서 요약(FlashAttn)latency (tok/s)329913B 모델 학습(DS Stage3)max batch14모바일 챗봇 추론(PTQ)모델 크기6.2 GB3.7 GB삼행시 챗봇 PEFT배포 파일13 GB ckpt20 MB adapter 6. 느낀 점이번 주는 “스케일링”에 대한 감각을 제대로 익힌 주차였다. “모델은 클수록 좋다”라는 말이 실제론 리소스·시간·돈과의 싸움이라는 걸 몸소 체험했고, 그 싸움을 이기는 무기가 바로 FlashAttention, DeepSpeed, Quantization, PEFT 같은 최적화 스킬이라는 걸 깨달음.특히 FlashAttention 한 줄 옵션이 이렇게 성능을 바꿔놓을 줄 몰랐다. 앞으로 실서비스나 해커톤에서도 “먼저 켜보고 시작” 해야 할 기본 옵션으로 자리 잡을 듯.또, LoRA adapter만 따로 배포해도 충분한 성능이 나온다는 걸 체험해서, 추후 회사 프로젝트에서도 대형‑언어모델 SaaS → LoRA fork → 자체 서비스 패턴을 적극적으로 고려할 계획이다. 7. 마무리프로젝트 발표도 했는데, 발표자료를 전날 급하게 만드느라 3시간 밖에 못잤는데 생각보다 발표를 잘해서 뿌듯했다.많이 성장하는 8주간의 여졍이였다. 앞으로 이러한 이해를 바탕으로 더 크게 성장할 거라 믿는다. #항해99 #항해플러스AI후기 #개발자커뮤니티 #LLM

[항해 플러스 AI] 8주차 – FlashAttn+LoRA로 성능 뻥튀기

일상을 돌아볼까요? 이미 우리 삶에서 점점 더 많은 순간 AI가 제안하는 정보와 경로 안에서 선택하고 있습니다.  검색창의 자동완성, 알고리즘 기반의 영상과 음악 추천, 필요한 상품에 대한 큐레이션까지. 겉으로는 “내가 고른다”고 느끼지만 실은 AI가 이미 구성한 선택지 안에서만 고르고 있는 것일지도 모릅니다.  우리는 어느 순간부터 선택의 주체가 아니라 

판을 짜는 AI와 질문하는 조직(상)

① AI는 도구를 넘어 ‘판을 짜는 존재’가 되었다
과거의 AI는 인간이 선택하고 사용하는 보조 도구였지만, 이제는 정보의 구조와 흐름까지 설계하는 행위자(Agent)로 기능한다.
예: AI가 회의록의 핵심을 스스로 결정하거나, 채용 기준까지 설정하는 사례.

② AI가 만든 선택지를 ‘그냥’ 따르고 있다
사용자 입장에서는 “내가 선택했다”는 착각을 하지만, 실제로는 AI가 제한한 옵션 내에서만 행동한다. 우리는 선택이 아니라 선택지의 사용자가 되고 있음.

③ 질문이 없는 곳에 AI는 권위가 된다
문화적으로 질문이 억제되어온 한국 사회에서는, AI에도 의심이나 비판 없이 순응하는 경향이 강하다. 그 결과 AI가 주는 판단을 그대로 받아들이게 되고, 이는 기술의 권위화로 이어진다.

④ 중요한 건 ‘정답’이 아니라 ‘정답이 나온 구조’다
우리는 “이 답이 맞는가?”보다 “이 답은 어떤 구조에서 나왔는가?”를 질문해야 한다. 판을 설계한 구조와 기준, 배제된 요소, 권력의 주체에 대한 감각이 필요하다.

⑤ 질문하는 조직만이 기술에 종속되지 않는다
AI가 만든 선택지를 재해석하고, 거부할 수 있는 조직문화가 사고의 주도권을 회복한다. 구성원 스스로 판을 바꾸는 질문을 던질 수 있어야 진정한 혁신이 가능하다.

“질문하는 조직을 위한 2단 구성”
① 메타인지
지금 내가 보고 있는 구조 자체를 자각하는 능력
② 구조적 질문력
겉으로 보이는 결과 대신, 그 결과가 나온 시스템 원리를 묻는 힘
③ 권력 감지 감각
이 선택지를 누가 만들었고, 누구에게 유리한가를 읽는 눈
④ 패러다임 전환
‘이 방식이 당연하다’는 전제를 깨고, 전혀 다른 선택을 상상하는 능력

AI의 대답보다 중요한 건, 그 대답이 어떻게 만들어졌는지 질문할 수 있는 힘

① AI는 도구를 넘어 ‘판을 짜는 존재’가 되었다과거의 AI는 인간이 선택하고 사용하는 보조 도구였지만, 이제는 정보의 구조와 흐름까지 설계하는 행위자(Agent)로 기능한다.예: AI가 회의록의 핵심을 스스로 결정하거나, 채용 기준까지 설정하는 사례. ② AI가 만든 선택지를 ‘그냥’ 따르고 있다사용자 입장에서는 “내가 선택했다”는 착각을 하지만, 실제로는 AI가 제한한 옵션 내에서만 행동한다. 우리는 선택이 아니라 선택지의 사용자가 되고 있음. ③ 질문이 없는 곳에 AI는 권위가 된다문화적으로 질문이 억제되어온 한국 사회에서는, AI에도 의심이나 비판 없이 순응하는 경향이 강하다. 그 결과 AI가 주는 판단을 그대로 받아들이게 되고, 이는 기술의 권위화로 이어진다. ④ 중요한 건 ‘정답’이 아니라 ‘정답이 나온 구조’다우리는 “이 답이 맞는가?”보다 “이 답은 어떤 구조에서 나왔는가?”를 질문해야 한다. 판을 설계한 구조와 기준, 배제된 요소, 권력의 주체에 대한 감각이 필요하다. ⑤ 질문하는 조직만이 기술에 종속되지 않는다AI가 만든 선택지를 재해석하고, 거부할 수 있는 조직문화가 사고의 주도권을 회복한다. 구성원 스스로 판을 바꾸는 질문을 던질 수 있어야 진정한 혁신이 가능하다. “질문하는 조직을 위한 2단 구성”① 메타인지 지금 내가 보고 있는 구조 자체를 자각하는 능력 ② 구조적 질문력	겉으로 보이는 결과 대신, 그 결과가 나온 시스템 원리를 묻는 힘 ③ 권력 감지 감각	이 선택지를 누가 만들었고, 누구에게 유리한가를 읽는 눈④ 패러다임 전환	‘이 방식이 당연하다’는 전제를 깨고, 전혀 다른 선택을 상상하는 능력 <code >AI의 대답보다 중요한 건, 그 대답이 어떻게 만들어졌는지 질문할 수 있는 힘</code>

Brunch Story

👋 판을 짜는 AI와 질문하는 조직(상)

<포트폴리오, 리얼하게 시작하는 법>

UX 포트폴리오는 진짜 문제에서 출발할 때
훨씬 설득력이 생깁니다.

기획 제안형이라도 무작정 빅데이터나 사회적 문제에서 시작하기보다 커뮤니티·앱스토어·SNS 리뷰등에서 실제 사용자의 불편을 살펴보는 것을 추천합니다.

예를 들어
- 카카오 인증이 어려워 기프티콘을 못 쓰는 고령층 리뷰
- 맘카페에 올라온 사용이 불편하다는 특정 앱 후기
- 앱스토어 리뷰 속 이탈 원인 등에서
문제의 해상도를 높게 정의해볼 수 있습니다.

&lt;포트폴리오, 리얼하게 시작하는 법&gt; UX 포트폴리오는 진짜 문제에서 출발할 때훨씬 설득력이 생깁니다. 기획 제안형이라도 무작정 빅데이터나 사회적 문제에서 시작하기보다 커뮤니티·앱스토어·SNS 리뷰등에서 실제 사용자의 불편을 살펴보는 것을 추천합니다. 예를 들어- 카카오 인증이 어려워 기프티콘을 못 쓰는 고령층 리뷰- 맘카페에 올라온 사용이 불편하다는 특정 앱 후기- 앱스토어 리뷰 속 이탈 원인 등에서문제의 해상도를 높게 정의해볼 수 있습니다.

포트폴리오, 리얼하게 시작하는 법

Looking at a bigger picture together with the team, while solving problems, adds a strong motive to the process.

From ‘How might we?’ to ‘Why should we?’

1.‘How might we?’(HMW)는 해결 중심의 질문
디자인 씽킹에서 널리 사용되는 HMW는 문제 해결을 위한 아이디어 발산에 적합한 질문 형식입니다.

2.그러나 HMW 이전에 ‘Why should we?’(WSW)를 먼저 묻는 것이 중요함
‘왜 이 문제를 해결해야 하는가?’라는 질문이 문제의 맥락과 가치에 대한 이해를 깊게 해줍니다.

3.잘못된 문제를 너무 빠르게 해결하려는 경향을 경계해야 함
WSW는 문제의 ‘타당성’을 검토하여 쓸데없는 리소스 낭비를 방지합니다.

4.WSW는 팀의 전략적 정렬을 돕는 질문
팀원 간 목적 공유, 우선순위 결정, 리소스 배분 등을 보다 명확하게 합니다.

5.질문 전환은 사고의 깊이를 확장하는 도구
HMW는 실행을 촉진하지만, WSW는 방향성과 존재 이유를 검토하게 만듭니다.

어떻게 해결할까?”보다 먼저, “왜 이걸 해결해야 하지?”를 묻는 팀은 쓸데없는 일을 줄이고, 더 빠르게 본질적인 가치에 도달합니다.

1.‘How might we?’(HMW)는 해결 중심의 질문디자인 씽킹에서 널리 사용되는 HMW는 문제 해결을 위한 아이디어 발산에 적합한 질문 형식입니다. 2.그러나 HMW 이전에 ‘Why should we?’(WSW)를 먼저 묻는 것이 중요함‘왜 이 문제를 해결해야 하는가?’라는 질문이 문제의 맥락과 가치에 대한 이해를 깊게 해줍니다. 3.잘못된 문제를 너무 빠르게 해결하려는 경향을 경계해야 함WSW는 문제의 ‘타당성’을 검토하여 쓸데없는 리소스 낭비를 방지합니다. 4.WSW는 팀의 전략적 정렬을 돕는 질문팀원 간 목적 공유, 우선순위 결정, 리소스 배분 등을 보다 명확하게 합니다. 5.질문 전환은 사고의 깊이를 확장하는 도구HMW는 실행을 촉진하지만, WSW는 방향성과 존재 이유를 검토하게 만듭니다. 어떻게 해결할까?”보다 먼저, “왜 이걸 해결해야 하지?”를 묻는 팀은 쓸데없는 일을 줄이고, 더 빠르게 본질적인 가치에 도달합니다.

Medium

Why should we?

Last year, HBR published a piece on how people are using gen AI. Much has happened over the past 12 months. We now have Custom GPTs—AI tailored for narrower sets of requirements. New kids are on the block, such as DeepSeek and Grok, providing more competition and choice. Millions of ears pricked up as Google debuted their podcast generator, NotebookLM. OpenAI launched many new models (now along with the promise to consolidate them all into one unified interface). Chain-of-thought reasoning, whereby AI sacrifices speed for depth and better answers, came into play. Voice commands now enable more and different interactions, for example, to allow us to use gen AI while driving. And costs have substantially reduced with access broadened over the

How People Are Really Using Gen AI in 2025

1. 심리 치료 및 우정 : 친구처럼 대화하거나 상담 용도로 AI를 쓰는 사람들이 급증하고 있어요.

2. 삶 구조화 : AI에게 자기 삶을 공유하고, 이를 구조화해달라는 요청이 늘어나고 있어요.

3. 목적 찾기 : 심지어는 삶이나 프로젝트의 목적까지 찾아달라고 요청도 늘고 있어요.

4. 학습 개선 : 더 학습을 잘 하기 위해 AI를 활용하는 빈도도 늘어나고 있어요.

5. 코딩 생성 : 전문가들 사이에서 코드 생성 요청도 늘어나고 있어요.

6. 아이디어 생성 : 전문가들 사이에서 아이디어 생성 요청도 늘고 있습니다.

7. 유머와 재미 : 유머와 재미를 위해서 AI를 쓰는 경우가 늘어나고 있어요.

8. 코딩 개선 : 전문가들 중에서 자신의 코드를 개선해달라는 요청이 늘고 있어요.

9. 창의성 : 자신의 창의성을 더할 수 있는 방법도 AI에게 요청하는 경우가 늘고 있어요.

10. 건강 : 더 건강한 삶을 살 수 있는 방법에 대한 요청도 늘어나고 있어요.

++ 정리하면, 생성형 AI 등장 후 아이디어 생성이나 글 편집, 정보 검색 등 초보적 단계에서 AI를 활용하는 수준을 넘어, 이제는 일상과 실질적인 삶에 AI를 활용하는 케이스가 늘어나고 있다고 볼 수 있는데요. 특히 대부분의 상위 활용 케이스는 2024년에는 순위권에 없었던 패턴이라고 합니다.

1. 심리 치료 및 우정 : 친구처럼 대화하거나 상담 용도로 AI를 쓰는 사람들이 급증하고 있어요. 2. 삶 구조화 : AI에게 자기 삶을 공유하고, 이를 구조화해달라는 요청이 늘어나고 있어요. 3. 목적 찾기 : 심지어는 삶이나 프로젝트의 목적까지 찾아달라고 요청도 늘고 있어요. 4. 학습 개선 : 더 학습을 잘 하기 위해 AI를 활용하는 빈도도 늘어나고 있어요. 5. 코딩 생성 : 전문가들 사이에서 코드 생성 요청도 늘어나고 있어요. 6. 아이디어 생성 : 전문가들 사이에서 아이디어 생성 요청도 늘고 있습니다. 7. 유머와 재미 : 유머와 재미를 위해서 AI를 쓰는 경우가 늘어나고 있어요. 8. 코딩 개선 : 전문가들 중에서 자신의 코드를 개선해달라는 요청이 늘고 있어요. 9. 창의성 : 자신의 창의성을 더할 수 있는 방법도 AI에게 요청하는 경우가 늘고 있어요. 10. 건강 : 더 건강한 삶을 살 수 있는 방법에 대한 요청도 늘어나고 있어요. ++ 정리하면, 생성형 AI 등장 후 아이디어 생성이나 글 편집, 정보 검색 등 초보적 단계에서 AI를 활용하는 수준을 넘어, 이제는 일상과 실질적인 삶에 AI를 활용하는 케이스가 늘어나고 있다고 볼 수 있는데요. 특히 대부분의 상위 활용 케이스는 2024년에는 순위권에 없었던 패턴이라고 합니다.

Harvard Business Review

요즘 사람들이 가장 많이 AI를 활용하는 분야 Top 10

How LLMs are making traditional apps feel broken.

Post-Chat UI

👋 Allen Pike의 에세이 「Post-Chat UI」
대형 언어 모델(LLM)의 발전이 기존의 채팅 기반 인터페이스를 넘어, 보다 직관적이고 인간 중심적인 사용자 경험을 어떻게 재정의할 수 있는지를 확인할 수 있어요.

A. 공동 작성(Co-authorship)
문서 작성 시, 채팅 인터페이스를 보조 도구로 활용하여 사용자와 AI가 협업하는 형태를 제안합니다.

B. 생성형 우클릭(Generative Right-Click)
우클릭 메뉴에 AI 기반의 컨텍스트 메뉴를 추가하여 사용자가 직접 명령어를 입력하지 않고도 AI 기능을 활용할 수 있도록 합니다.

C. 직관적인 검색(Intuitive Search)
자연어로 검색 쿼리를 입력하여 원하는 정보를 찾을 수 있는 기능을 강조합니다. 예를 들어, "출장 일정 알려줘"와 같은 문장으로 검색이 가능합니다.

D. 선택 대신 입력(Type Instead of Pick)
드롭다운 메뉴나 선택 박스 대신, 사용자가 자연어로 원하는 옵션을 입력하여 선택할 수 있는 인터페이스를 제안합니다.

E. 인라인 피드백(Inline Feedback)
문서 작성 중 AI가 실시간으로 피드백을 제공하여, 사용자가 즉시 수정하거나 개선할 수 있도록 지원합니다.

F. 자동 정리(Clean Up)
AI가 사용자의 작업물을 자동으로 정리하거나 개선하여, 사용자의 부담을 줄이고 효율성을 높입니다.

G. 요약 및 통합(Summary and Synthesis)
AI가 대화나 문서의 핵심 내용을 요약하여, 사용자가 빠르게 정보를 파악할 수 있도록 합니다.

H. 음성 및 멀티모달 인터페이스(Voice and Multimodal Interfaces)
음성 명령과 시각적 피드백을 결합하여, 사용자와 AI 간의 상호작용을 더욱 자연스럽게 만듭니다.

I. 자동 제안(Do the Obvious Thing)
AI가 사용자의 행동 패턴을 분석하여, 다음에 수행할 가능성이 높은 작업을 자동으로 제안합니다.

J. 완전히 생성된 UI(Completely Generated UI)
LLM이 사용자 인터페이스를 실시간으로 생성하여, 사용자에게 맞춤형 UI를 제공하는 미래 지향적인 접근 방식을 소개합니다.

-
채팅 인터페이스의 한계 인식: 채팅은 강력한 도구지만, 모든 사용자에게 직관적이지 않을 수 있으므로, 보조 수단으로 활용하는 것이 바람직합니다.

기존 UI 패턴의 재해석: 우클릭 메뉴, 검색 창, 입력 필드 등 기존의 UI 요소에 AI 기능을 통합하여 사용자 경험을 향상시킬 수 있습니다.

사용자 중심의 설계: AI 기능을 설계할 때는 사용자의 편의성과 직관성을 최우선으로 고려해야 합니다.

지속적인 평가와 개선: AI 기능의 효과를 지속적으로 평가하고, 사용자 피드백을 반영하여 개선해 나가야 합니다

👋 Allen Pike의 에세이 「Post-Chat UI」대형 언어 모델(LLM)의 발전이 기존의 채팅 기반 인터페이스를 넘어, 보다 직관적이고 인간 중심적인 사용자 경험을 어떻게 재정의할 수 있는지를 확인할 수 있어요. A. 공동 작성(Co-authorship) 문서 작성 시, 채팅 인터페이스를 보조 도구로 활용하여 사용자와 AI가 협업하는 형태를 제안합니다. B. 생성형 우클릭(Generative Right-Click) 우클릭 메뉴에 AI 기반의 컨텍스트 메뉴를 추가하여 사용자가 직접 명령어를 입력하지 않고도 AI 기능을 활용할 수 있도록 합니다. C. 직관적인 검색(Intuitive Search) 자연어로 검색 쿼리를 입력하여 원하는 정보를 찾을 수 있는 기능을 강조합니다. 예를 들어, "출장 일정 알려줘"와 같은 문장으로 검색이 가능합니다. D. 선택 대신 입력(Type Instead of Pick) 드롭다운 메뉴나 선택 박스 대신, 사용자가 자연어로 원하는 옵션을 입력하여 선택할 수 있는 인터페이스를 제안합니다. E. 인라인 피드백(Inline Feedback) 문서 작성 중 AI가 실시간으로 피드백을 제공하여, 사용자가 즉시 수정하거나 개선할 수 있도록 지원합니다. F. 자동 정리(Clean Up) AI가 사용자의 작업물을 자동으로 정리하거나 개선하여, 사용자의 부담을 줄이고 효율성을 높입니다. G. 요약 및 통합(Summary and Synthesis) AI가 대화나 문서의 핵심 내용을 요약하여, 사용자가 빠르게 정보를 파악할 수 있도록 합니다. H. 음성 및 멀티모달 인터페이스(Voice and Multimodal Interfaces) 음성 명령과 시각적 피드백을 결합하여, 사용자와 AI 간의 상호작용을 더욱 자연스럽게 만듭니다. I. 자동 제안(Do the Obvious Thing) AI가 사용자의 행동 패턴을 분석하여, 다음에 수행할 가능성이 높은 작업을 자동으로 제안합니다. J. 완전히 생성된 UI(Completely Generated UI) LLM이 사용자 인터페이스를 실시간으로 생성하여, 사용자에게 맞춤형 UI를 제공하는 미래 지향적인 접근 방식을 소개합니다. -채팅 인터페이스의 한계 인식: 채팅은 강력한 도구지만, 모든 사용자에게 직관적이지 않을 수 있으므로, 보조 수단으로 활용하는 것이 바람직합니다. 기존 UI 패턴의 재해석: 우클릭 메뉴, 검색 창, 입력 필드 등 기존의 UI 요소에 AI 기능을 통합하여 사용자 경험을 향상시킬 수 있습니다. 사용자 중심의 설계: AI 기능을 설계할 때는 사용자의 편의성과 직관성을 최우선으로 고려해야 합니다. 지속적인 평가와 개선: AI 기능의 효과를 지속적으로 평가하고, 사용자 피드백을 반영하여 개선해 나가야 합니다

Allen Pike

Allen Pike의 에세이 「Post-Chat UI」

서버 개발자, PM, 백엔드 개발자가 말하는 검색 기능 이야기

🔎 ‘검색’을 설계하는 사람들의 리얼 인사이트

검색기능은, 사용자가 가장 먼저 기대고 싶은 안내자에 가까워요.

이번 뉴스레터에서는 검색 기능을 설계하고 개선해온 세 명의 메이커와 이야기를 나눴는데요. 사용자와 정보를 제대로 연결하기 위해, 그들은 어떤 고민과 선택을 해왔을지 지금 바로 확인해보세요!

🧑‍🍳 오늘의 메이커
 * 14년차 서버 개발자, 콜린
 * 12년차 프로덕트 매니저, 릴리
 * 6년차 백엔드 엔지니어, 약풍

검색기능은, 사용자가 가장 먼저 기대고 싶은 안내자에 가까워요. 이번 뉴스레터에서는 검색 기능을 설계하고 개선해온 세 명의 메이커와 이야기를 나눴는데요. 사용자와 정보를 제대로 연결하기 위해, 그들은 어떤 고민과 선택을 해왔을지 지금 바로 확인해보세요! 🧑‍🍳 오늘의 메이커<ul><li>14년차 서버 개발자, 콜린</li><li>12년차 프로덕트 매니저, 릴리</li><li>6년차 백엔드 엔지니어, 약풍</li></ul>

우디 디자인 취업고민

달레와 함께 코딩 테스트를 준비해볼까요?

달레의 코딩 테스트

지난 2년간, 매주 한 문제씩 코딩 테스트 문제를 풀고 그 과정을 유튜브에 기록했습니다. 그렇게 쌓인 영상이 어느덧 100개가 된 거 있죠? 그동안의 노력이 고스란히 담긴 플레이리스트를 쭉 스크롤해보니 괜히 뿌듯해지네요. 🥹

🎞️ 플레이리스트: https://www.youtube.com/playlist?list=PLapoeRAdKitdzTMQ7hq2h5zw39BaAVgbM

많은 분들이 제가 코딩 테스트 문제를 좋아한다고 오해하시는데요. 사실 전 세상에서 코딩 테스트가 제일 두렵고 싫어요. 😭 이직할 때마다 진저리가 나도록 준비해야 했던 코딩 테스트는 늘 스트레스였습니다. 손을 놓고 있자니 감이 떨어질 것 같고, 그렇다고 혼자서 풀자니 재미가 드럽게 없고... 게다가 코딩 테스트에 면접관으로 들어가니 지원자보다 문제에 대해서 더 잘 알아야 하더라고요. 소프트웨어 개발자인 저에게 코딩 테스트는 꼭 해야 하지만 늘 부담스러운, 그런 "필요악" 같은 존재였습니다.

특히 저는 코딩 테스트에서 문제를 푸는 것보다, 그 과정을 효과적으로 표현하고 전달하는 게 쉽지 않아서 늘 고민이었어요. 게다가 제가 면접 때 극도로 긴장을 하는 편이라서 저만의 특별한 훈련이 필요하다고 느꼈지요. 그래서 떠올린 방법이 바로 유튜브에 문제 풀이 영상을 올리는 것이었습니다. 유튜브 초보에게 카메라 앞에서 문제를 푸는 건 실전 면접만큼이나 떨리는 경험이죠 ㅎㅎ 😂

이렇게 한 문제 한 문제 강렬하게 연습하다보니 자연스럽게 유튜브에 올린 문제는 왠만하면 잊어버리지 않게 되었습니다. 댓글로 남겨주신 피드백을 통해 문제를 다양한 시각으로 바라볼 수 있는 능력도 키울 수 있었고요. 혹시 저처럼 코딩 테스트를 어려워하시는 분이 계시다면, 꼭 유튜브가 아니더라도 일부로 불편한 상황을 설정해놓고 자신만의 방식으로 꾸준히 연습해보시길 추천드리고 싶습니다

요즘엔 리트코드 뿐만 아니라 프로그래머스 문제도 풀어달라는 요청이 많네요. 풀 문제가 많습니다 ㅋㅋ 이제 200문제를 향해 달려볼께용~ 🏃‍♂️

지난 2년간, 매주 한 문제씩 코딩 테스트 문제를 풀고 그 과정을 유튜브에 기록했습니다. 그렇게 쌓인 영상이 어느덧 100개가 된 거 있죠? 그동안의 노력이 고스란히 담긴 플레이리스트를 쭉 스크롤해보니 괜히 뿌듯해지네요. 🥹 🎞️ 플레이리스트: https://www.youtube.com/playlist?list=PLapoeRAdKitdzTMQ7hq2h5zw39BaAVgbM 많은 분들이 제가 코딩 테스트 문제를 좋아한다고 오해하시는데요. 사실 전 세상에서 코딩 테스트가 제일 두렵고 싫어요. 😭 이직할 때마다 진저리가 나도록 준비해야 했던 코딩 테스트는 늘 스트레스였습니다. 손을 놓고 있자니 감이 떨어질 것 같고, 그렇다고 혼자서 풀자니 재미가 드럽게 없고... 게다가 코딩 테스트에 면접관으로 들어가니 지원자보다 문제에 대해서 더 잘 알아야 하더라고요. 소프트웨어 개발자인 저에게 코딩 테스트는 꼭 해야 하지만 늘 부담스러운, 그런 "필요악" 같은 존재였습니다. 특히 저는 코딩 테스트에서 문제를 푸는 것보다, 그 과정을 효과적으로 표현하고 전달하는 게 쉽지 않아서 늘 고민이었어요. 게다가 제가 면접 때 극도로 긴장을 하는 편이라서 저만의 특별한 훈련이 필요하다고 느꼈지요. 그래서 떠올린 방법이 바로 유튜브에 문제 풀이 영상을 올리는 것이었습니다. 유튜브 초보에게 카메라 앞에서 문제를 푸는 건 실전 면접만큼이나 떨리는 경험이죠 ㅎㅎ 😂 이렇게 한 문제 한 문제 강렬하게 연습하다보니 자연스럽게 유튜브에 올린 문제는 왠만하면 잊어버리지 않게 되었습니다. 댓글로 남겨주신 피드백을 통해 문제를 다양한 시각으로 바라볼 수 있는 능력도 키울 수 있었고요. 혹시 저처럼 코딩 테스트를 어려워하시는 분이 계시다면, 꼭 유튜브가 아니더라도 일부로 불편한 상황을 설정해놓고 자신만의 방식으로 꾸준히 연습해보시길 추천드리고 싶습니다 요즘엔 리트코드 뿐만 아니라 프로그래머스 문제도 풀어달라는 요청이 많네요. 풀 문제가 많습니다 ㅋㅋ 이제 200문제를 향해 달려볼께용~ 🏃‍♂️

www.youtube.com

🎯 유튜브에 100번째 코딩 테스트 문제 풀이 영상을 올렸습니다!

이번에 우아한형제들 기술 블로그에 "타입 안전한 API 모킹으로 프론트엔드 생산성 높이기"라는 새 글을 발행하게 되었습니다.

주문웹프론트개발팀(배달의민족 장바구니부터 결제까지 담당)은 다양한 시나리오를 테스트하기 위해 10개가 넘는 시나리오 별 JSON 파일을 관리하고 있었습니다.

하지만 API 모킹을 위한 JSON 파일이 점점 늘어나면서, 변경된 API 스펙을 목 데이터에 실수로 반영하지 않아 개발 환경에서 '흰 화면' 이슈를 겪는 등의 문제가 발생했습니다.

이 글은 타입 안전한 API 모킹을 통해 흰 화면 이슈를 방지하고, 유지보수 비용을 줄이기 위한 여정을 담고 있습니다.

API 모킹 방식에 고민이 있거나 반복적인 모킹 작업에 피로를 느끼는 프론트엔드 개발자분들께 도움이 되었으면 합니다.

https://techblog.woowahan.com/22127/

이번에 우아한형제들 기술 블로그에 "타입 안전한 API 모킹으로 프론트엔드 생산성 높이기"라는 새 글을 발행하게 되었습니다. 주문웹프론트개발팀(배달의민족 장바구니부터 결제까지 담당)은 다양한 시나리오를 테스트하기 위해 10개가 넘는 시나리오 별 JSON 파일을 관리하고 있었습니다. 하지만 API 모킹을 위한 JSON 파일이 점점 늘어나면서, 변경된 API 스펙을 목 데이터에 실수로 반영하지 않아 개발 환경에서 '흰 화면' 이슈를 겪는 등의 문제가 발생했습니다. 이 글은 타입 안전한 API 모킹을 통해 흰 화면 이슈를 방지하고, 유지보수 비용을 줄이기 위한 여정을 담고 있습니다. API 모킹 방식에 고민이 있거나 반복적인 모킹 작업에 피로를 느끼는 프론트엔드 개발자분들께 도움이 되었으면 합니다. https://techblog.woowahan.com/22127/

타입 안전한 API 모킹으로 프론트엔드 생산성 높이기

구성원들과 일대일(1on1)이나 손님과 커피챗 등을 하다 보면, 종종 커리어에 대한 이야기를 나눈다. 때로는 구체적인 계획을 가지고 대화에 임하는 분들도 있지만, 많은 경우 막연함을 느끼거나 혹시나 뒤처지는 것은 아닐까 하는 조급함(FOMO) 속에서 섣부른 결정을 꺼내는 분들도 있다. 그럴 때 나는 조용히 여쭙곤 한다. "몇 년 뒤, 어떤 모습의 개발자가 되어 있기를 바라시나요?" 이 질문을 시작으로, 함께 커리어 방향을 구체화하는 데 필요한 요소들을 찾아보고, 무엇을 좋아하고 잘하는지 스스로를 깊이 들여다보는 시간을 가지며 실마리를 풀어가곤 한다.

나 역시 비슷한 과정을 거쳐왔다. 제조 기업의 전산실에서 처음 사회생활을 시작해, 시스템 통합(SI) 프로젝트의 역동성을 경험하고, 이후 플랫폼 기업에서 대규모 시스템의 복잡성을 배웠으며, 지금은 디지털 제품을 만드는 스타트업에서 도전을 이어가고 있다. 지난 십여 년간 다양한 산업 도메인에서 엔터프라이즈급 애플리케이션을 구축하고 운영하는 일을 해왔다. 돌아보면 운이 좋게도 그 과정 속에서 내가 진정으로 좋아하는 것과 잘 해낼 수 있는 영역을 발견했고, 이를 바탕으로 커리어를 원하는 방향으로 조금씩 만들어올 수 있었다.

나는 특히 소프트웨어의 아키텍처, 즉 애플리케이션의 전체적인 구조를 설계하고 만들어가는 과정에 깊은 흥미를 느끼며, 이 부분을 비교적 잘 다룬다. 여기서 '잘 다룬다'는 것은, 초기 단계에서 비즈니스의 요구사항과 기술적 제약을 고려하여 필요한 수준의 추상화를 통해 유연한 구조를 제안하는 것뿐만 아니라, 시간이 흐름에 따라 변화하는 상황에 맞춰 애플리케이션의 개선 지점을 찾아내고, 구조를 점진적으로 발전시켜나가는 활동까지 포함한다. 새로운 애플리케이션을 처음부터 설계하고 구축하는 경험도 소중했지만, 오랜 시간 동안 운영되어 온 레거시 시스템을 이해하고, 그 안에서 새로운 가치를 찾아내며 현대적인 기술로 진화시키는 과정 역시 나에게 큰 성장의 밑거름이 되었다. 이러한 경험들이 차곡차곡 쌓이면서, 개별 애플리케이션을 넘어 다수의 애플리케이션과 인프라스트럭처가 복잡하게 얽힌 시스템 전체의 청사진을 그리고, 이를 실제로 구현해내는 역량으로 발전할 수 있었다고 생각한다. 이를 통해 비즈니스의 장기적인 목표와 변화에 발맞춰 시스템 구조를 짧게는 수개월, 길게는 수년에 걸쳐 어떻게 가꾸어 나갈지에 대한 로드맵을 수립하고 실행하는 역할을 수행하고 있다.

그래서 나는 스스로를
시스템 빌더(System Builder)
라고 소개한다. 이는 공식적으로 통용되는 호칭은 아니지만, 내가 하는 일의 본질을 가장 잘 담아내는 표현이라고 생각하기 때문이다. 나에게 시스템 빌더란 단순히 코드를 작성하는 것을 넘어, 비즈니스의 목표를 깊이 이해하고, 이를 기술적인 해결책으로 구체화하여 안정적이고 확장 가능한 시스템이라는 결과물로 만들어내는 사람을 의미한다. 또한, 시스템이 살아있는 유기체처럼 지속적으로 변화하고 성장할 수 있도록 장기적인 관점에서 고민하고, 필요한 기술과 자원을 조율하며, 때로는 복잡한 문제들 사이에서 최적의 경로를 찾아내는 길잡이 역할까지 포함한다. 물론 나를 구성하는 다른 많은 역량과 경험들이 있겠지만, 내가 어떤 개발자인지를 설명하는 데 있어 이
시스템 빌더
라는 정체성이 가장 명확하고 핵심적인 설명이라고 생각하고 있다.

결국, 자신을 어떤 개발자로 정의하고 싶은지에 대한 고민은, 앞서 구성원들과 나눴던 "몇 년 뒤 어떤 개발자가 되고 싶으세요?"라는 질문에 대한 스스로의 답을 찾아가는 여정이다. 나에게 시스템 빌더라는 호칭은 오랜 시간 동안 내가 걸어온 길과 내가 추구하는 가치를 담아낸 나만의 답변인 셈이다. 이처럼 스스로의 강점과 열정을 발견하고 자신만의 정체성을 찾아가는 과정은, 때로는 어렵고 시간이 걸릴지라도 커리어를 주체적으로 만들어가는 데 있어 무엇보다 중요하다고 믿고 있다.

이 글을 읽는 여러분께서도 각자의 자리에서 빛나는 자신만의 '무엇'을 찾아내어 커리어를 만들어가기를 진심으로 응원하겠다.

구성원들과 일대일(1on1)이나 손님과 커피챗 등을 하다 보면, 종종 커리어에 대한 이야기를 나눈다. 때로는 구체적인 계획을 가지고 대화에 임하는 분들도 있지만, 많은 경우 막연함을 느끼거나 혹시나 뒤처지는 것은 아닐까 하는 조급함(FOMO) 속에서 섣부른 결정을 꺼내는 분들도 있다. 그럴 때 나는 조용히 여쭙곤 한다. "몇 년 뒤, 어떤 모습의 개발자가 되어 있기를 바라시나요?" 이 질문을 시작으로, 함께 커리어 방향을 구체화하는 데 필요한 요소들을 찾아보고, 무엇을 좋아하고 잘하는지 스스로를 깊이 들여다보는 시간을 가지며 실마리를 풀어가곤 한다. 나 역시 비슷한 과정을 거쳐왔다. 제조 기업의 전산실에서 처음 사회생활을 시작해, 시스템 통합(SI) 프로젝트의 역동성을 경험하고, 이후 플랫폼 기업에서 대규모 시스템의 복잡성을 배웠으며, 지금은 디지털 제품을 만드는 스타트업에서 도전을 이어가고 있다. 지난 십여 년간 다양한 산업 도메인에서 엔터프라이즈급 애플리케이션을 구축하고 운영하는 일을 해왔다. 돌아보면 운이 좋게도 그 과정 속에서 내가 진정으로 좋아하는 것과 잘 해낼 수 있는 영역을 발견했고, 이를 바탕으로 커리어를 원하는 방향으로 조금씩 만들어올 수 있었다. 나는 특히 소프트웨어의 아키텍처, 즉 애플리케이션의 전체적인 구조를 설계하고 만들어가는 과정에 깊은 흥미를 느끼며, 이 부분을 비교적 잘 다룬다. 여기서 '잘 다룬다'는 것은, 초기 단계에서 비즈니스의 요구사항과 기술적 제약을 고려하여 필요한 수준의 추상화를 통해 유연한 구조를 제안하는 것뿐만 아니라, 시간이 흐름에 따라 변화하는 상황에 맞춰 애플리케이션의 개선 지점을 찾아내고, 구조를 점진적으로 발전시켜나가는 활동까지 포함한다. 새로운 애플리케이션을 처음부터 설계하고 구축하는 경험도 소중했지만, 오랜 시간 동안 운영되어 온 레거시 시스템을 이해하고, 그 안에서 새로운 가치를 찾아내며 현대적인 기술로 진화시키는 과정 역시 나에게 큰 성장의 밑거름이 되었다. 이러한 경험들이 차곡차곡 쌓이면서, 개별 애플리케이션을 넘어 다수의 애플리케이션과 인프라스트럭처가 복잡하게 얽힌 시스템 전체의 청사진을 그리고, 이를 실제로 구현해내는 역량으로 발전할 수 있었다고 생각한다. 이를 통해 비즈니스의 장기적인 목표와 변화에 발맞춰 시스템 구조를 짧게는 수개월, 길게는 수년에 걸쳐 어떻게 가꾸어 나갈지에 대한 로드맵을 수립하고 실행하는 역할을 수행하고 있다. 그래서 나는 스스로를 <code >시스템 빌더(System Builder)</code>라고 소개한다. 이는 공식적으로 통용되는 호칭은 아니지만, 내가 하는 일의 본질을 가장 잘 담아내는 표현이라고 생각하기 때문이다. 나에게 시스템 빌더란 단순히 코드를 작성하는 것을 넘어, 비즈니스의 목표를 깊이 이해하고, 이를 기술적인 해결책으로 구체화하여 안정적이고 확장 가능한 시스템이라는 결과물로 만들어내는 사람을 의미한다. 또한, 시스템이 살아있는 유기체처럼 지속적으로 변화하고 성장할 수 있도록 장기적인 관점에서 고민하고, 필요한 기술과 자원을 조율하며, 때로는 복잡한 문제들 사이에서 최적의 경로를 찾아내는 길잡이 역할까지 포함한다. 물론 나를 구성하는 다른 많은 역량과 경험들이 있겠지만, 내가 어떤 개발자인지를 설명하는 데 있어 이 <code >시스템 빌더</code>라는 정체성이 가장 명확하고 핵심적인 설명이라고 생각하고 있다. 결국, 자신을 어떤 개발자로 정의하고 싶은지에 대한 고민은, 앞서 구성원들과 나눴던 "몇 년 뒤 어떤 개발자가 되고 싶으세요?"라는 질문에 대한 스스로의 답을 찾아가는 여정이다. 나에게 시스템 빌더라는 호칭은 오랜 시간 동안 내가 걸어온 길과 내가 추구하는 가치를 담아낸 나만의 답변인 셈이다. 이처럼 스스로의 강점과 열정을 발견하고 자신만의 정체성을 찾아가는 과정은, 때로는 어렵고 시간이 걸릴지라도 커리어를 주체적으로 만들어가는 데 있어 무엇보다 중요하다고 믿고 있다. 이 글을 읽는 여러분께서도 각자의 자리에서 빛나는 자신만의 '무엇'을 찾아내어 커리어를 만들어가기를 진심으로 응원하겠다.

나는 시스템 빌더이다

﻿
우리 부모님 세대는 첫 직장이 중요하다고 이야기하십니다. 맞는 말입니다. 커리어를 어디서 시작하는지 결정하는 일은 중요합니다. 그러나 첫 직장이 커리어 여정 전부를 확정 짓는 요소가 되지 않습니다. 부모님 세대는 한곳에서 쭉 근무하는 것이 당연한 일이었습니다. 이직이라는 개념이 문제가 있을 때 피치 못하게 발생하는 것으로 부정적인 인식이 강하였기 때문입니다. 그래서 한 직장에서 30년 이상 근무하고 명예롭게 정년퇴직하는 분들이 많았습니다.

시대가 변하여 평생직장의 개념이 사라졌습니다. 한곳에 오래 머물기보다 필요에 따라 이동하는 것이 일반화되었습니다. 더 이상 이직을 하는 것이 경력에 흉이 되지 않고, 오히려 다양한 장점이 있는 흥나는 일이 되었습니다. 다양한 산업 군을 경험하는 것이 비즈니스 견문을 넓히는 기회가 됩니다. 다양한 사람들을 만나 네트워크를 확장하는 것도 큰 자산이 됩니다. 다양한 업무를 진행하는 것도 기술적 역량을 성장시키는 데 도움이 됩니다.

낀 세대인 저는 여전히 이직을 보수적으로 보지만, 정작 본인은 이직을 적지 않게 실행에 옮겼습니다. 물론 자의도 있고, 타의로 직장을 옮겨야 하는 때도 있었습니다. 반면, 아내는 한 직장에 10년 이상 오래 근무하고 한 번 이직 후 또 오래 근무할 생각을 갖고 있습니다. 아내와 같이 한 직장에 오래 머무는 것이 좋다는 생각이 듭니다. 이리저리 옮겨봐야 거기서 거기라는 경험이 있기 때문입니다. 매년 연봉이 조금씩 오르더라도 한곳에 머물며 익숙한 사람들과 인프라 속에서 안정적으로 일을 하는 것이 좋다는 생각이 들었습니다.

한 직장에 오래 근무하는 것이 객관적으로 진짜 좋으냐 묻는다면, 그건 조금 더 따져봐야 합니다. 위와 같이 이야기한 내용은 전적으로 이직을 적지 않게 실행한 사람의 소해일 뿐입니다. 주변 사람들을 보면 주니어 시절엔 비교적 작은 회사에서 짧은 근속 기간을 갖고, 이후 커리어 점프업을 통해 큰 회사에 들어가서 오래 근무하는 특징이 있습니다. 이렇게 전략적으로 이직하는 것이 또 좋으냐 묻는다면, 개인 커리어는 기호 식품을 먹는 것과 같아서 각자 알아서 판단하면 되는 영역이라고 생각합니다.

회사를 옮기는 이직만큼 직무를 바꾸는 것도 어렵지 않습니다. 다양한 직무에서 요구하는 공통 역량이 존재하기 때문입니다. 문제 정의, 문제 해결 기획, 문서화, 추진력, 일정관리 등 하드 스킬과 소프트 스킬 측면에서 공통 역량을 어필하면 직무 전환을 해볼 수 있습니다. 물론 쉽진 않습니다. 회사를 옮기는 것보다 더 직무를 바꾸는 일을 보수적으로 바라보기 때문입니다. 이것도 한 직장에서 오래 근무하는 것을 미덕으로 바라보는 시선과 맥랑이 닿아 있습니다. 한 직무를 오래 경험하는 것이 스페셜리스트로 직무 전문성을 갖고 있다고 믿기 때문입니다. 그러나 저는 한 직무를 오래 해야 전문성이 생긴다고 믿지 않습니다. 정확히 이야기하면 전문성은 시간에 비례하여 저절로 생기는 것이 아니라 상대적으로 더 많이 고민하고 실행해 본 사람에게 축적되는 것이 전문성이라고 생각합니다.

한때 ‘압축 성장’이라는 말이 유행했습니다. 짧은 시간 동안 집약적으로 지식과 경험을 쌓아서 전문가가 된다는 의미입니다. 위에 이야기한 내용처럼 전문성은 시간에 비례하여 저절로 생기는 것이 아니라는 메시지를 다르게 표현한 개념입니다. 전문성을 측정할 수 있다면, 전문성을 갖기 위해 무조건 많은 시간이 필요한 것이 아니라 짧은 시간 동안에도 지식과 경험을 밀도 있게 채우면 전문성을 가질 수 있다는 것입니다. 학원 홍보처럼 3개월 또는 6개월 만에 어떤 기술을 완성할 수 있다는 건 조금 믿기 어렵지만, 반드시 10년 이상 한 우물을 파야 지하수를 발견할 수 있는 건 아니라고 생각합니다. 한 직무를 2-3년만 파도 그 기간 동안 고민하여 실행한 내용이 밀도 있다면 전문성을 갖게 된 것이라고 판단할 수 있습니다. 그래서 개인적으로 경력 연차가 직무 전문성을 파악하는 지표가 되기 어렵다고 생각합니다. 완전히 무시할 순 없지만, 경험과 역량을 객관적으로 파악하여 요구하는 수준에 도달해 있는지 판단할 수 있으면 충분하지 않을까요?

오늘 하려던 이야기가 이게 아니었는데, 주제에 대한 배경 설명을 빌드 업하려다 보니 딴소리가 길어졌습니다. 내일 오늘 생각했던 주니어 시절 직무 선택에 대해서 이야기를 해보겠습니다. 오늘도 직무 선택으로 고민하고 방황하는 모든 분들을 진심으로 응원합니다. 무엇이든 다 여러분에게 도움이 될 일들입니다. 자신 있게 선택하세요. 파이팅!

﻿우리 부모님 세대는 첫 직장이 중요하다고 이야기하십니다. 맞는 말입니다. 커리어를 어디서 시작하는지 결정하는 일은 중요합니다. 그러나 첫 직장이 커리어 여정 전부를 확정 짓는 요소가 되지 않습니다. 부모님 세대는 한곳에서 쭉 근무하는 것이 당연한 일이었습니다. 이직이라는 개념이 문제가 있을 때 피치 못하게 발생하는 것으로 부정적인 인식이 강하였기 때문입니다. 그래서 한 직장에서 30년 이상 근무하고 명예롭게 정년퇴직하는 분들이 많았습니다. 시대가 변하여 평생직장의 개념이 사라졌습니다. 한곳에 오래 머물기보다 필요에 따라 이동하는 것이 일반화되었습니다. 더 이상 이직을 하는 것이 경력에 흉이 되지 않고, 오히려 다양한 장점이 있는 흥나는 일이 되었습니다. 다양한 산업 군을 경험하는 것이 비즈니스 견문을 넓히는 기회가 됩니다. 다양한 사람들을 만나 네트워크를 확장하는 것도 큰 자산이 됩니다. 다양한 업무를 진행하는 것도 기술적 역량을 성장시키는 데 도움이 됩니다. 낀 세대인 저는 여전히 이직을 보수적으로 보지만, 정작 본인은 이직을 적지 않게 실행에 옮겼습니다. 물론 자의도 있고, 타의로 직장을 옮겨야 하는 때도 있었습니다. 반면, 아내는 한 직장에 10년 이상 오래 근무하고 한 번 이직 후 또 오래 근무할 생각을 갖고 있습니다. 아내와 같이 한 직장에 오래 머무는 것이 좋다는 생각이 듭니다. 이리저리 옮겨봐야 거기서 거기라는 경험이 있기 때문입니다. 매년 연봉이 조금씩 오르더라도 한곳에 머물며 익숙한 사람들과 인프라 속에서 안정적으로 일을 하는 것이 좋다는 생각이 들었습니다. 한 직장에 오래 근무하는 것이 객관적으로 진짜 좋으냐 묻는다면, 그건 조금 더 따져봐야 합니다. 위와 같이 이야기한 내용은 전적으로 이직을 적지 않게 실행한 사람의 소해일 뿐입니다. 주변 사람들을 보면 주니어 시절엔 비교적 작은 회사에서 짧은 근속 기간을 갖고, 이후 커리어 점프업을 통해 큰 회사에 들어가서 오래 근무하는 특징이 있습니다. 이렇게 전략적으로 이직하는 것이 또 좋으냐 묻는다면, 개인 커리어는 기호 식품을 먹는 것과 같아서 각자 알아서 판단하면 되는 영역이라고 생각합니다. 회사를 옮기는 이직만큼 직무를 바꾸는 것도 어렵지 않습니다. 다양한 직무에서 요구하는 공통 역량이 존재하기 때문입니다. 문제 정의, 문제 해결 기획, 문서화, 추진력, 일정관리 등 하드 스킬과 소프트 스킬 측면에서 공통 역량을 어필하면 직무 전환을 해볼 수 있습니다. 물론 쉽진 않습니다. 회사를 옮기는 것보다 더 직무를 바꾸는 일을 보수적으로 바라보기 때문입니다. 이것도 한 직장에서 오래 근무하는 것을 미덕으로 바라보는 시선과 맥랑이 닿아 있습니다. 한 직무를 오래 경험하는 것이 스페셜리스트로 직무 전문성을 갖고 있다고 믿기 때문입니다. 그러나 저는 한 직무를 오래 해야 전문성이 생긴다고 믿지 않습니다. 정확히 이야기하면 전문성은 시간에 비례하여 저절로 생기는 것이 아니라 상대적으로 더 많이 고민하고 실행해 본 사람에게 축적되는 것이 전문성이라고 생각합니다. 한때 ‘압축 성장’이라는 말이 유행했습니다. 짧은 시간 동안 집약적으로 지식과 경험을 쌓아서 전문가가 된다는 의미입니다. 위에 이야기한 내용처럼 전문성은 시간에 비례하여 저절로 생기는 것이 아니라는 메시지를 다르게 표현한 개념입니다. 전문성을 측정할 수 있다면, 전문성을 갖기 위해 무조건 많은 시간이 필요한 것이 아니라 짧은 시간 동안에도 지식과 경험을 밀도 있게 채우면 전문성을 가질 수 있다는 것입니다. 학원 홍보처럼 3개월 또는 6개월 만에 어떤 기술을 완성할 수 있다는 건 조금 믿기 어렵지만, 반드시 10년 이상 한 우물을 파야 지하수를 발견할 수 있는 건 아니라고 생각합니다. 한 직무를 2-3년만 파도 그 기간 동안 고민하여 실행한 내용이 밀도 있다면 전문성을 갖게 된 것이라고 판단할 수 있습니다. 그래서 개인적으로 경력 연차가 직무 전문성을 파악하는 지표가 되기 어렵다고 생각합니다. 완전히 무시할 순 없지만, 경험과 역량을 객관적으로 파악하여 요구하는 수준에 도달해 있는지 판단할 수 있으면 충분하지 않을까요? 오늘 하려던 이야기가 이게 아니었는데, 주제에 대한 배경 설명을 빌드 업하려다 보니 딴소리가 길어졌습니다. 내일 오늘 생각했던 주니어 시절 직무 선택에 대해서 이야기를 해보겠습니다. 오늘도 직무 선택으로 고민하고 방황하는 모든 분들을 진심으로 응원합니다. 무엇이든 다 여러분에게 도움이 될 일들입니다. 자신 있게 선택하세요. 파이팅!﻿

이직의 조건

어제 출시된 따끈따끈한 ChatGPT Codex를 실제 프로젝트 레포에 써 보았습니다.

테스트가 있으면 스스로 테스트도 실행하고, 만든거 스스로 실행해보면서 버그도 수정하고 하는게 기특하긴 합니다.

물론 아직은 바닥부터 레포를 따서 만들게는 못하고, 네트워크가 제한되어 있고, 아주 복합적인 프로젝트는 잘 처리하지 못하는등의 한계가 매우 많습니다.

그래서 아직은 아주 작은, 환경이 격리된 상태에서도 문제 없는 프로젝트 정도에만 유용할 것 같습니다. 그러니까 리서치 프리뷰겠죠.

하지만 이것들은 어렵지 않게(?) 해결이 가능한 것이고, 무엇보다 “야 너 이것 좀 함 해와봐”의 컨셉이 제대로라서 상당히 기대가 됩니다.

기존의 Agent는 기다리면 되는거긴 해도 페어 프로그래밍 정도였다면, 이건 진짜로 누구에게 시키는 느낌이 듭니다. 딥 리서치의 상위 호환같은 느낌이에요.

컨셉의 기본 자체는 상당히 완성도가 높아서 매우 빠르게 발전할 것 같습니다. 향후 1년 안에 진짜로 주니어 개발자 수준은 될 것 같네요.

어제 출시된 따끈따끈한 ChatGPT Codex를 실제 프로젝트 레포에 써 보았습니다. 테스트가 있으면 스스로 테스트도 실행하고, 만든거 스스로 실행해보면서 버그도 수정하고 하는게 기특하긴 합니다. 물론 아직은 바닥부터 레포를 따서 만들게는 못하고, 네트워크가 제한되어 있고, 아주 복합적인 프로젝트는 잘 처리하지 못하는등의 한계가 매우 많습니다. 그래서 아직은 아주 작은, 환경이 격리된 상태에서도 문제 없는 프로젝트 정도에만 유용할 것 같습니다. 그러니까 리서치 프리뷰겠죠. 하지만 이것들은 어렵지 않게(?) 해결이 가능한 것이고, 무엇보다 “야 너 이것 좀 함 해와봐”의 컨셉이 제대로라서 상당히 기대가 됩니다. 기존의 Agent는 기다리면 되는거긴 해도 페어 프로그래밍 정도였다면, 이건 진짜로 누구에게 시키는 느낌이 듭니다. 딥 리서치의 상위 호환같은 느낌이에요. 컨셉의 기본 자체는 상당히 완성도가 높아서 매우 빠르게 발전할 것 같습니다. 향후 1년 안에 진짜로 주니어 개발자 수준은 될 것 같네요.

어제 출시된 따끈따끈한 ChatGPT Codex를 실제 프로젝트 

부대끼는 실리콘밸리 사람들 사이에서 샘 알트만의 탈출구는 농장이다. 샘의 넓은 농장은 나파 밸리의 포도나무가 우거진 언덕을 관통하는 도로 끝에 있다. 나는 널찍한 베이 윈도우(사다리꼴 모양으로 튀어나온 창)가 있는 집의 오픈 키친에서 약간 헝클어진 머리를 한 40세의 샘 알트만을 봤고, 바로 들어간다. 그의 당혹스러운 표정을 보니 나는 예상치 못한 손님이다. 알고 보니 내가 거의 한 시간 일찍 도착했다. ChatGPT의 배후자인 이 남자는 회의를 마무리하고 정원에서 나와 합류할 것이다. 나는 집과 이어진 포도나무 그늘 퍼골라 아래에서 기다린다.‘런치 윗 FT’를 위해, 알트만은 사람들로 둘러싸일 가능성이 높은 식당에서의 만남 대신 자기 농장에서 간단한 채식 식사를 만들어주겠다고 제안했다. 그가 운영하는 오픈AI 가 2022년 생성형 AI를 출시한 뒤, 알트만은 순식간에 세계적인 ‘셀럽’이 되었다. 작년 그는 소프트웨어 엔지니어인 남자친구와 결혼했고 최근 대리모를 통해 아들을 낳았다(그는 어떤 아기 침대를 구매할지 ChatGPT에 문의했다). 그래서 그는 요즘 나파 밸리의 농장에서 더 많은 시간을 보낸다.단 몇 분 후에 알트만이 정원에 나왔다. 그는 오픈 AI를 인류 역사상 가장 빠르게 성장하는 회사 중 하나로 발전시켰다. 기업가치는 놀랍게도 2500억 달러 이상으로 평가된다. 또 AI 패권을 향한 경쟁도 계속 치열하게 펼쳐나가고 있다. 이 경쟁은 인공 일반 지능(artificial general intelligence)의

샘 알트만: "지금 당신이 o3보다 더 똑똑하다고 생각하세요?" : 오호츠크 리포트

샘 알트먼의 농장에 가서 약간 맛없고 건강한 걸 해주는 알트먼과 이야기하는 파이낸셜 타임즈 기자와의 이야기입니다. o3 과 향후 인공지능에 관한 이야기인데 너무 재미있네요.

그들이 먹은 음식은.

메뉴
샘 알트먼의 농장
나파 밸리, 캘리포니아

고추, 마늘, 호두, 파슬리, 페코리노 치즈가 들어간 파스타
구운 당근
당근과 무우 샐러드
에스프레소
차

샘 알트먼의 농장에 가서 약간 맛없고 건강한 걸 해주는 알트먼과 이야기하는 파이낸셜 타임즈 기자와의 이야기입니다. o3 과 향후 인공지능에 관한 이야기인데 너무 재미있네요. 그들이 먹은 음식은. 메뉴샘 알트먼의 농장나파 밸리, 캘리포니아 고추, 마늘, 호두, 파슬리, 페코리노 치즈가 들어간 파스타구운 당근당근과 무우 샐러드에스프레소차

55check.com

샘 알트만: "지금 당신이 o3보다 더 똑똑하다고 생각하세요?"

1. 네이버를 두 번 다녔다. 퇴사 후 다른 회사들을 거쳐 다시 입사했다. 지금은 모르겠으나 당시에는 비개발 직군 재입사는 처음 있는 일이었다. 대표와 창업자의 컨펌까지 필요했다. 다른 이유는 아니다. 사례가 없던 예외 케이스였기 때문이다.

2. 네이버 다녀요. 낯선 누군가를 만나서 나를 소개한다. 그 이상의 질문은 없었다. 회사의 브랜드와 이미지 때문이었을까. 네이버에서 무슨 일을 하는지 궁금해하는 사람은 없었다. 나는 직장인이었다. 누구나 알고 선망의 대상이 되는 회사를 다니는.

3. 쿠팡과 마이리얼트립. 전자는 전 국민이 아는 회사고, 후자도 여행씬에서는 선 굵은 회사가 됐다. 하지만 내가 합류했을 때는 전혀 아니었다. 그저 이제 막 시작하는 작은 스타트업이었을 뿐이다.

4. 쿠팡에 있을 때 로켓배송을 런칭했다. 오늘 주문하면 내일 받아요. 지금은 너무 당연하고 자연스럽다. 그 당시에는? 그 누구도 그게 가능하다고 믿지 않았다. 심지어 만드는 사람들조차도.

5. 쿠팡 다녀요. 그게 무슨 회사인데? 당시 네이버 동료를 만났다. 하는 일을 설명했다. 아, 배송하는구나? 구구절절 설명해도 이해시키지 못했다. 그게 맞아요. 대화의 매듭을 짓기 일쑤였다.

6. 마이리얼트립도 똑같았다. 당시 마이 리틀 텔레비전이란 프로그램이 인기였다. 줄여서 마리텔이라 불렀다. 마이리얼트립의 약자는 마리트. 둘의 단어를 모두 다 헷갈려 했다.

7. 그때의 여행 시장은 패키지 상품뿐이었다. 여행을 원하는 고객의 선택지는 많지 않았다. 자유여행의 수요를 받아내는 가이드 투어 시장의 크기는 가늠되기 전이었다. 역시나 하는 일의 설명은 쉽지 않았다. 그냥 여행사구나. 정확한 설명 보다 쉬운 마무리로 끝낼 때가 많았다.

8. 지금, 스페이스오디티도 낯설다. 우리는 팬 중심의 케이팝 생태계를 꿈꾼다. 소비자인 팬에게 쉽고 재밌는 덕질을, 아티스트에게는 새로운 팬이 생기게 돕는다. 이 일은 엔터 사람에게도 생소하다. 씬을 바꿔보려는 시도니까. 평범한 소비자는 이해하기 더 어렵다. 아직은.

9. 회사는 내가 아니다. 멋진 회사명, 그 테두리 안에 있을 때는 회사가 나인 거 같다. 파트너를 대하거나 주변 사람을 만날 때도 역시 동일시된다. 그게 바로 직장인이다. 회사의 미래가 나의 미래인가? 나의 미래는 회사인가? 당연히 둘 다 아니다. 착각하면 안 된다.

10. 직업인은 다르다. 어디에 적을 두고 있건, 가치는 내가 만든다. 나의 역량이 곧 나의 가치다. 주어진 문제를 풀고, 새로운 가치를 만든다. 대부분의 스타트업이 그렇다. 회사명도 내가 하는 일도 아무도 모른다. 그래서 더더욱 내가 중요하다. 오히려 내가 회사를 만들어가야 한다.

11. 평생직장의 시대는 갔다. 이제는 기술로 일자리도 사라진다. 직업인으로써의 내 정체성은 무엇일까. 그것을 어떻게 정의하고, 성장할지의 고민이 더 중요하다. 그래서 '직업'인으로 성장하는데 스타트업은 좋은 '직장'이다.

1. 네이버를 두 번 다녔다. 퇴사 후 다른 회사들을 거쳐 다시 입사했다. 지금은 모르겠으나 당시에는 비개발 직군 재입사는 처음 있는 일이었다. 대표와 창업자의 컨펌까지 필요했다. 다른 이유는 아니다. 사례가 없던 예외 케이스였기 때문이다. ​2. 네이버 다녀요. 낯선 누군가를 만나서 나를 소개한다. 그 이상의 질문은 없었다. 회사의 브랜드와 이미지 때문이었을까. 네이버에서 무슨 일을 하는지 궁금해하는 사람은 없었다. 나는 직장인이었다. 누구나 알고 선망의 대상이 되는 회사를 다니는. ​3. 쿠팡과 마이리얼트립. 전자는 전 국민이 아는 회사고, 후자도 여행씬에서는 선 굵은 회사가 됐다. 하지만 내가 합류했을 때는 전혀 아니었다. 그저 이제 막 시작하는 작은 스타트업이었을 뿐이다. ​4. 쿠팡에 있을 때 로켓배송을 런칭했다. 오늘 주문하면 내일 받아요. 지금은 너무 당연하고 자연스럽다. 그 당시에는? 그 누구도 그게 가능하다고 믿지 않았다. 심지어 만드는 사람들조차도. ​5. 쿠팡 다녀요. 그게 무슨 회사인데? 당시 네이버 동료를 만났다. 하는 일을 설명했다. 아, 배송하는구나? 구구절절 설명해도 이해시키지 못했다. 그게 맞아요. 대화의 매듭을 짓기 일쑤였다. ​6. 마이리얼트립도 똑같았다. 당시 마이 리틀 텔레비전이란 프로그램이 인기였다. 줄여서 마리텔이라 불렀다. 마이리얼트립의 약자는 마리트. 둘의 단어를 모두 다 헷갈려 했다. ​7. 그때의 여행 시장은 패키지 상품뿐이었다. 여행을 원하는 고객의 선택지는 많지 않았다. 자유여행의 수요를 받아내는 가이드 투어 시장의 크기는 가늠되기 전이었다. 역시나 하는 일의 설명은 쉽지 않았다. 그냥 여행사구나. 정확한 설명 보다 쉬운 마무리로 끝낼 때가 많았다. ​8. 지금, 스페이스오디티도 낯설다. 우리는 팬 중심의 케이팝 생태계를 꿈꾼다. 소비자인 팬에게 쉽고 재밌는 덕질을, 아티스트에게는 새로운 팬이 생기게 돕는다. 이 일은 엔터 사람에게도 생소하다. 씬을 바꿔보려는 시도니까. 평범한 소비자는 이해하기 더 어렵다. 아직은. ​9. 회사는 내가 아니다. 멋진 회사명, 그 테두리 안에 있을 때는 회사가 나인 거 같다. 파트너를 대하거나 주변 사람을 만날 때도 역시 동일시된다. 그게 바로 직장인이다. 회사의 미래가 나의 미래인가? 나의 미래는 회사인가? 당연히 둘 다 아니다. 착각하면 안 된다. ​10. 직업인은 다르다. 어디에 적을 두고 있건, 가치는 내가 만든다. 나의 역량이 곧 나의 가치다. 주어진 문제를 풀고, 새로운 가치를 만든다. 대부분의 스타트업이 그렇다. 회사명도 내가 하는 일도 아무도 모른다. 그래서 더더욱 내가 중요하다. 오히려 내가 회사를 만들어가야 한다. ​11. 평생직장의 시대는 갔다. 이제는 기술로 일자리도 사라진다. 직업인으로써의 내 정체성은 무엇일까. 그것을 어떻게 정의하고, 성장할지의 고민이 더 중요하다. 그래서 '직업'인으로 성장하는데 스타트업은 좋은 '직장'이다. ​

< '네이버 다녀요'라는 말에 아무도 무슨 일을 하는지는 묻지 않

1. 기술이 세상을 다 먹은 지 오래다. AI가 세상을 다 바꿔버리는 요즘에 테크란 단어는 참 새삼스럽다. 하지만 케이팝을 중심으로 하는 엔터 시장은 이제 시작이다.

2. 블록체인, 메타버스, AR/VR, NFT, web3만 테크가 아니다. 가치보다 기술을 앞세운 시도는 모두 망했다. 적어도 대중적인 성공은 아직 없으니까. 다른 산업에서도 자리를 못 잡은 기술로 엔터에서 성공할 수 있을까. 새로움은 아이디어 싸움이 아니다. 아이디어만으로는 세상을 절대 바꿀 수 없다.

3. 기본이 중요하다. 시작은 고객을 이해하는 일이다. 아티스트를 만드는 기획사는 고객인 팬을 잘 모른다. 고객을 만들고, 이해하는데 엔터에 테크가 결합해서 만들 수 있는 가치가 많다. 크게 세 가지 키워드다.

4. 첫 번째 디지털. 디지털은 복제 비용이 제로다. 비용이 줄면, 마진이 커져야 한다. 또한, 모든 유저는 흔적을 남긴다. 데이터다. 데이터로 고객이 누군지 알고, 써먹을 수 있어야 한다.

5. 엔터는 그러한가? 아니다. 디지털 음원으로 사용자는 편리하다. 유통사는 돈을 번다. 그럼 기획사는? 음원은 음반을 대체한다. 게다가 유저의 데이터를 갖고 있지도 못하다.

6. 아티스트가 자산이다. 사람을 파는 게 가장 확실한 수익모델이다. 오랜시간 달라지지 않았다. 음반을 사면 포카를 준다. 포카는 가챠다. 음반을 많이 사야 팬사인회를 간다. 공연과 광고도 마찬가지다. 모두 오프라인, 사람 중심이다. 복제할 수 없다. 물리적 한계가 명확하다. 이게 최선이 아니란 건 모두 다 알고 있다. 하지만 당장 대안은 없다.

7. 둘째 공급자 마인드. 만든다고 팔리지 않는다. 취향은 쪼개지고, 상품은 무한하다. 팬의 돈과 시간은 한정되어 있다. 하이브 의장은 라이트 팬이 적은게 케이팝의 위기라 말했다. 팔 사람이 더 필요하다는 얘기다. 공급자 중심의 시대는 이미 끝났다. 그때는 맞고 지금은 틀리다. 이제는 하던 대로 해도, 안 팔린다. 똑같은 짓을 하면서, 다른 결과를 기대할 순 없다.

8. 다른 시장과 산업은? 모두 과거 얘기다. 기술이 모두 바꿨다. 이제 돈 내는 소비자가 왕이다. 그 누구도 불편함을 감수하며 지갑을 열지 않는다. 마지막 남은 시장이 엔터다. OTT로 눈이 높아진 고객은 수준 낮은 영화가 걸린 극장에 안 간다.

9. 데이터는 없다. 고객도 모른다. 막막하다. 심지어 치킨 집과 카페도 쿠폰을 주는 시대다. 모두 고객을 특정하려한다. 다시 찾게 이끄려고 한다. 엔터는 이런 최소한의 CRM 조차 없다.

10. 초동 100만 장. 누가 사는지 모른다. 100만이 아니라, 몇 명이, 또 누가 샀는지가 중요하다. 공연 티켓이 팔린다. 역시 누가 샀는지 모른다. 예매 사이트만 알뿐. 음원도 마찬가지. 스트리밍 숫자는 있어도, 누가 들었는지 모른다. 데이터가 없다. 팬이 누군지 모르는거다. 이제 먼저 수요부터 들여다봐야 한다.

11. 세 번째 창작의 과정. 역사적으로 창작의 과정은 진화해왔다. 건축과 제조는 대량생산에 적합했다. 생산 비용이 크다. 투자 비용도 크다. 건물을 만들다가 설계를 바꿀 순 없다. 반도체 같은 제도업도 마찬가지다. 초기 투자 비용이 크다. 기획과 설계가 중요하다.

12. 디지털은 다르다. 린하게 만들 수 있다. 기획보다 실행이 중요하다. 고객에게 물어보기다. 일단 작게 던져보고 고객의 피드백을 얻는다. 데이터를 본다. 이를 통해 배우고 다시 시도한다. 반복한다. 리스크가 줄었고 성공 확률은 높아졌다. 시행착오와 기회비용이 작다. 오늘날 IT 기반 스타트업이 일하는 방식이다. 이미 다 만들고 팔 궁리를 하면? 늦다. 무조건 실패다. 만들면서 팔 방법을 같이 고민해야 한다.

13. 물론 이런 시도가 없는 건 아니다. 사람이 기술과 만나자 IP가 중요해졌다. 아티스트의 메시지를 유료로 구독하고, 데뷔 전 아티스트를 노출하고 반응을 보기도 한다. 사람 리스크가 없는 버추얼 아티스트도 흥한다.

14. 고객에게 기술을 어필해서 성공한 제품은 없다. 사용자가 배워야 하는 서비스가 성공한 적도 없다. 이미 존재하는 기술을 써먹으려는 시도도 모두 실패했다. 하지만 기술은 반드시 필요하다. 보이지 않는 곳에서 가장 큰 가치를 만든다. 엔터가 고객을 만들고 이해하는데도 필수다.

15. 고객이 누구인가, 단골은 어떤 사람들인가. 새로운 걸 쫓는 게 아니라, 기본을 먼저 다시 돌아봐야 한다. 사업의 기본은 고객이니까. 내 물건과 가치를 알아보고 사 주는 사람. 엔터에서는 그게 곧 팬이다. 모든 아티스트는 팬이 있기에 존재할 수 있으니까. 엔터에 테크가 결합해서 만들 수 있는 무궁무진한 가치다.

1. 기술이 세상을 다 먹은 지 오래다. AI가 세상을 다 바꿔버리는 요즘에 테크란 단어는 참 새삼스럽다. 하지만 케이팝을 중심으로 하는 엔터 시장은 이제 시작이다. ​2. 블록체인, 메타버스, AR/VR, NFT, web3만 테크가 아니다. 가치보다 기술을 앞세운 시도는 모두 망했다. 적어도 대중적인 성공은 아직 없으니까. 다른 산업에서도 자리를 못 잡은 기술로 엔터에서 성공할 수 있을까. 새로움은 아이디어 싸움이 아니다. 아이디어만으로는 세상을 절대 바꿀 수 없다. ​3. 기본이 중요하다. 시작은 고객을 이해하는 일이다. 아티스트를 만드는 기획사는 고객인 팬을 잘 모른다. 고객을 만들고, 이해하는데 엔터에 테크가 결합해서 만들 수 있는 가치가 많다. 크게 세 가지 키워드다. ​4. 첫 번째 디지털. 디지털은 복제 비용이 제로다. 비용이 줄면, 마진이 커져야 한다. 또한, 모든 유저는 흔적을 남긴다. 데이터다. 데이터로 고객이 누군지 알고, 써먹을 수 있어야 한다. ​5. 엔터는 그러한가? 아니다. 디지털 음원으로 사용자는 편리하다. 유통사는 돈을 번다. 그럼 기획사는? 음원은 음반을 대체한다. 게다가 유저의 데이터를 갖고 있지도 못하다. ​6. 아티스트가 자산이다. 사람을 파는 게 가장 확실한 수익모델이다. 오랜시간 달라지지 않았다. 음반을 사면 포카를 준다. 포카는 가챠다. 음반을 많이 사야 팬사인회를 간다. 공연과 광고도 마찬가지다. 모두 오프라인, 사람 중심이다. 복제할 수 없다. 물리적 한계가 명확하다. 이게 최선이 아니란 건 모두 다 알고 있다. 하지만 당장 대안은 없다. ​7. 둘째 공급자 마인드. 만든다고 팔리지 않는다. 취향은 쪼개지고, 상품은 무한하다. 팬의 돈과 시간은 한정되어 있다. 하이브 의장은 라이트 팬이 적은게 케이팝의 위기라 말했다. 팔 사람이 더 필요하다는 얘기다. 공급자 중심의 시대는 이미 끝났다. 그때는 맞고 지금은 틀리다. 이제는 하던 대로 해도, 안 팔린다. 똑같은 짓을 하면서, 다른 결과를 기대할 순 없다. ​8. 다른 시장과 산업은? 모두 과거 얘기다. 기술이 모두 바꿨다. 이제 돈 내는 소비자가 왕이다. 그 누구도 불편함을 감수하며 지갑을 열지 않는다. 마지막 남은 시장이 엔터다. OTT로 눈이 높아진 고객은 수준 낮은 영화가 걸린 극장에 안 간다. ​9. 데이터는 없다. 고객도 모른다. 막막하다. 심지어 치킨 집과 카페도 쿠폰을 주는 시대다. 모두 고객을 특정하려한다. 다시 찾게 이끄려고 한다. 엔터는 이런 최소한의 CRM 조차 없다. ​10. 초동 100만 장. 누가 사는지 모른다. 100만이 아니라, 몇 명이, 또 누가 샀는지가 중요하다. 공연 티켓이 팔린다. 역시 누가 샀는지 모른다. 예매 사이트만 알뿐. 음원도 마찬가지. 스트리밍 숫자는 있어도, 누가 들었는지 모른다. 데이터가 없다. 팬이 누군지 모르는거다. 이제 먼저 수요부터 들여다봐야 한다. ​11. 세 번째 창작의 과정. 역사적으로 창작의 과정은 진화해왔다. 건축과 제조는 대량생산에 적합했다. 생산 비용이 크다. 투자 비용도 크다. 건물을 만들다가 설계를 바꿀 순 없다. 반도체 같은 제도업도 마찬가지다. 초기 투자 비용이 크다. 기획과 설계가 중요하다. ​12. 디지털은 다르다. 린하게 만들 수 있다. 기획보다 실행이 중요하다. 고객에게 물어보기다. 일단 작게 던져보고 고객의 피드백을 얻는다. 데이터를 본다. 이를 통해 배우고 다시 시도한다. 반복한다. 리스크가 줄었고 성공 확률은 높아졌다. 시행착오와 기회비용이 작다. 오늘날 IT 기반 스타트업이 일하는 방식이다. 이미 다 만들고 팔 궁리를 하면? 늦다. 무조건 실패다. 만들면서 팔 방법을 같이 고민해야 한다. ​13. 물론 이런 시도가 없는 건 아니다. 사람이 기술과 만나자 IP가 중요해졌다. 아티스트의 메시지를 유료로 구독하고, 데뷔 전 아티스트를 노출하고 반응을 보기도 한다. 사람 리스크가 없는 버추얼 아티스트도 흥한다. ​14. 고객에게 기술을 어필해서 성공한 제품은 없다. 사용자가 배워야 하는 서비스가 성공한 적도 없다. 이미 존재하는 기술을 써먹으려는 시도도 모두 실패했다. 하지만 기술은 반드시 필요하다. 보이지 않는 곳에서 가장 큰 가치를 만든다. 엔터가 고객을 만들고 이해하는데도 필수다. ​15. 고객이 누구인가, 단골은 어떤 사람들인가. 새로운 걸 쫓는 게 아니라, 기본을 먼저 다시 돌아봐야 한다. 사업의 기본은 고객이니까. 내 물건과 가치를 알아보고 사 주는 사람. 엔터에서는 그게 곧 팬이다. 모든 아티스트는 팬이 있기에 존재할 수 있으니까. 엔터에 테크가 결합해서 만들 수 있는 무궁무진한 가치다.

< 초동 100만 장, 그런데 팬은 어디 있죠? - 엔터 테크와

ChatGPT 사용할 때 어떤 모델을 선택해야할지 망설여집니다. 모델명만 봐서는 어떤게 좋은지 모르겠더라고요.

그래서 ChatGPT에게 설명을 부탁해봤습니다.

🧠 GPT-3.5 (2022)
→ 중학생처럼 똑똑한 AI. 질문 잘하지만 가끔 헷갈림.

🎓 GPT-4 (2023)
→ 고등학생 수준의 AI. 더 정확하고 추론도 잘함.

⚡ GPT-4-turbo (2023 말~)
→ GPT-4보다 빠르고 저렴한 버전. 급식 줄 안 서는 느낌!

🧑‍🎓 GPT-4.5 (비공식 명칭)
→ GPT-4랑 5 사이. 중3.5학년 느낌의 중간단계 모델.

🧞 GPT-4o = o4 (2024)
→ ‘omni’ = 만능! 글, 이미지, 음성까지 다 되는 AI 친구.

🧪 o3
→ GPT-4o의 시험판. 모의고사 버전 느낌.

🎯 o4-mini
→ GPT-4o보다 작고 빠른 축소형. 시험 족보 외우는 친구 느낌.

ChatGPT 사용할 때 어떤 모델을 선택해야할지 망설여집니다. 모델명만 봐서는 어떤게 좋은지 모르겠더라고요. 그래서 ChatGPT에게 설명을 부탁해봤습니다. 🧠 GPT-3.5 (2022)→ 중학생처럼 똑똑한 AI. 질문 잘하지만 가끔 헷갈림. 🎓 GPT-4 (2023)→ 고등학생 수준의 AI. 더 정확하고 추론도 잘함. ⚡ GPT-4-turbo (2023 말~)→ GPT-4보다 빠르고 저렴한 버전. 급식 줄 안 서는 느낌! 🧑‍🎓 GPT-4.5 (비공식 명칭)→ GPT-4랑 5 사이. 중3.5학년 느낌의 중간단계 모델. 🧞 GPT-4o = o4 (2024)→ ‘omni’ = 만능! 글, 이미지, 음성까지 다 되는 AI 친구. 🧪 o3→ GPT-4o의 시험판. 모의고사 버전 느낌. 🎯 o4-mini→ GPT-4o보다 작고 빠른 축소형. 시험 족보 외우는 친구 느낌.

ChatGPT 버전명 설명

공공디자인, 중앙정부를 넘어 Public Design Beyond Central Government Report 2025 핵심 인사이트 및 권고안 2025년 5월 7일 영국 디자인카운슬 '공공부문에서 디자인이 ...

공공디자인, 중앙정부를 넘어 - 영국 디자인카운슬, 2025

영국 디자인카운슬이 2025년 5월 발표한 'Public Design Beyond Central Gorvernment Report 2025'를 번역한 내용입니다. 현재 UX 업계에서 UX 리서치, UX 라이팅이 처한 상황과 유사한 상황에서 - 예산이 삭감되는 상황에서 그 역할을 지속할 것인가? 예전처럼 프로덕트 디자이너에게 통합할 것인가? 등의 논의 - 더 나은 사용자 경험을 고민하는 분들에게 일독을 추천합니다. 아래 링크를 통해서 원문 보고서*를 다운로드하실 수도 있습니다.

*보고서는 디자인카운슬의 ‘디자인 이코노미(Design Economy)’ 연구의 일환으로 2022년에 공공부문 종사자 1,018명을 대상으로 실시한 설문조사와, 2023~2024년에 공공디자인 리더 32명이 참여한 두 차례의 참여형 워크숍을 기반으로 했습니다.

"지금 영국 공공부문은 국가 전반의 구조적 위기를 반영하며 큰 압박에 놓여 있다. 향후 예산은 실질적으로 삭감될 가능성이 크고, 이미 NHS나 아동 특수교육과 같은 주요 영역에서는 대중의 신뢰가 흔들리고 있다. 이럴 때일수록 디자인 역량을 사치로 취급하며 우선순위에서 밀려나게 해서는 안 된다. 디자인은 어려운 시기에 더욱 절실한 자산이다. 디자인 역량을 활용하면 재정 제약 속에서도 시민과 함께 더 나은 서비스와 결과를 만들 수 있다."

[ 큐레이터의 문장 🎒 ]

1️⃣ 현재 공공부문 조직의 88%는 디자인이 자사에 중요한 역할을 한다고 답했다.

2️⃣ 영국 지방정부 50%가 내부에 서비스 디자이너를 고용하고 있다.

3️⃣ 공공부문에서 디자인이 가장 많이 활용되는 영역은 서비스와 프로세스 개선(71%)이다.

4️⃣ 현재 공공부문에서 58%는 디자인 업무를 하고 있다고 답했지만, 그중 스스로를 전문가라고 평가한 비율은 13%에 불과하다.

5️⃣ 응답자의 58%는 자신이 하는 일에 디자인이 포함된다고 답했으며, 약 1/3은 조직 전략 수준에서 디자인을 활용하고 있다고 응답했다.

https://www.designdb.com/?menuno=790&bbsno=31543&siteno=15&act=view&ztag=rO0ABXQAOTxjYWxsIHR5cGU9ImJvYXJkIiBubz0iNTkxIiBza2luPSJwaG90b19iYnNfMjAxOSI+PC9jYWxsPg%3D%3D#gsc.tab=0

영국 디자인카운슬이 2025년 5월 발표한 'Public Design Beyond Central Gorvernment Report 2025'를 번역한 내용입니다. 현재 UX 업계에서 UX 리서치, UX 라이팅이 처한 상황과 유사한 상황에서 - 예산이 삭감되는 상황에서 그 역할을 지속할 것인가? 예전처럼 프로덕트 디자이너에게 통합할 것인가? 등의 논의 - 더 나은 사용자 경험을 고민하는 분들에게 일독을 추천합니다. 아래 링크를 통해서 원문 보고서*를 다운로드하실 수도 있습니다. *보고서는 디자인카운슬의 ‘디자인 이코노미(Design Economy)’ 연구의 일환으로 2022년에 공공부문 종사자 1,018명을 대상으로 실시한 설문조사와, 2023~2024년에 공공디자인 리더 32명이 참여한 두 차례의 참여형 워크숍을 기반으로 했습니다. "지금 영국 공공부문은 국가 전반의 구조적 위기를 반영하며 큰 압박에 놓여 있다. 향후 예산은 실질적으로 삭감될 가능성이 크고, 이미 NHS나 아동 특수교육과 같은 주요 영역에서는 대중의 신뢰가 흔들리고 있다. 이럴 때일수록 디자인 역량을 사치로 취급하며 우선순위에서 밀려나게 해서는 안 된다. 디자인은 어려운 시기에 더욱 절실한 자산이다. 디자인 역량을 활용하면 재정 제약 속에서도 시민과 함께 더 나은 서비스와 결과를 만들 수 있다." [ 큐레이터의 문장 🎒 ] 1️⃣ 현재 공공부문 조직의 88%는 디자인이 자사에 중요한 역할을 한다고 답했다. 2️⃣ 영국 지방정부 50%가 내부에 서비스 디자이너를 고용하고 있다. 3️⃣ 공공부문에서 디자인이 가장 많이 활용되는 영역은 서비스와 프로세스 개선(71%)이다. 4️⃣ 현재 공공부문에서 58%는 디자인 업무를 하고 있다고 답했지만, 그중 스스로를 전문가라고 평가한 비율은 13%에 불과하다. 5️⃣ 응답자의 58%는 자신이 하는 일에 디자인이 포함된다고 답했으며, 약 1/3은 조직 전략 수준에서 디자인을 활용하고 있다고 응답했다. https://www.designdb.com/?menuno=790&amp;bbsno=31543&amp;siteno=15&amp;act=view&amp;ztag=rO0ABXQAOTxjYWxsIHR5cGU9ImJvYXJkIiBubz0iNTkxIiBza2luPSJwaG90b19iYnNfMjAxOSI+PC9jYWxsPg%3D%3D#gsc.tab=0

www.designdb.com

⟪디자인의 역할은 프로세스에서 낭비를 줄이고 생산성을 개선하는 것

"야 너두 할 수 있어" 조정석이 아니라니...새 모델의 정체

"영어학습 서비스가 주력이던 야나두는 조정석이 모델을 맡아 대중적 인지도를 끌어올렸다. 특히 코믹하게 “야 너두 할 수 있어”라고 말하는 광고 영상이 인기를 끌며 온라인상에서 게시물을 올리거나 대화를 나눌 때 이모티콘 대신 넣는 인터넷 밈(패러디 짤)으로도 많이 활용됐다."

야나두가 광고모델을 '인간 야나두' 조정석에서 송중기로 교체. 꼭 그래야만 했을까...

n.news.naver.com

한국 최초 메타버스 결혼식 진행자

글쓰는개미핥기

사용자가 좀 더 쉽게 서비스를 이용하도록 돕는 UX Writer 🤗

🎁 나는 내가 만난 사람들의 총체다.
🙄 '非주류의 Be주류'를 외쳤던 인간

💬 커피챗 언제든지 환영이에요!
✔ UX Writer 성장 클럽장💪
#UXWriter #UXWriting #UX라이팅

프로덕트 매니저/서비스 기획

한주현

최윤선

TBWA KOREA에서 광고를 시작해서 현재 광고대행사 이노션의 기획자(AE)로 일하고 있다. '임팩트가 없으면 죽음을' 이라는 모토를 가지고 광고를 만든다. 무신사 '다 여기서 사',  구글 어시스턴트 'Google에게 시키세요', 우르오스 '남자공학적' 같은 히트 캠페인을 기획했다.  현재 페이스북과 브런치에서 브랜드에 대한 재미있는 인사이트를 전하고 있다. 올 9월, 팔리는 브랜드의 비결을 담은 '드디어 팔리기 시작했다'를 출간했다.

브랜드보이

브랜드 컨설팅 회사 <브랜드보이> 대표이자 유튜버, 작가, 강연자. 브랜드보이는 브랜드에 미친 남자다. 브랜드와 놀고, 브랜드로 돈까지 번다. 광고회사 TBWA, 이노션의 기획자를 거쳐 토스의 브랜드 마케터로 일했다. <믹스> <드디어 팔리기 시작했다>를 출간했다.

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필