AI IG

일 잘하는 AI에게 일을 맡기는 법 - AI 에이전트와 함께 일을 끝내는 방식

2026-10-10T13:46:49Z

요즘은 AI 에이전트에게 아틀란시안 위키에 내용을 올리거나 지라 티켓을 등록하라고 시킵니다. 필요한 대시보드도 만들어 달라고 합니다. 답변을 받아 제가 옮기던 일들이 조금씩 AI에게 넘어가고 있습니다. AI에게 맡길 수 있는 일의 단위가 커지고 있습니다. 자료를 찾아 설명하는 데서 나아가 도구를 열고, 결과물을 만들고, 다음 작업으로 연결합니다. 막상

내 구독을 끊어주는 AI - Meta Muse가 국내 금융에 던진 질문

2026-10-09T07:36:27Z

미국으로 접속해서 만난 비서 Meta Muse(뮤즈)를 설치할 때 VPN의 접속 지역을 미국으로 설정했습니다. 국내에서는 바로 이용하기 어려웠기 때문입니다. 메타가 안내하는 지원 지역은 미국과 캐나다입니다. 지원 지역 안내 여러 서비스를 연결하고 대화를 이어가면서 좋았던 것은 앞서 나눈 이야기가 다음 일로 이어진다는 점이었습니다. 연결된 정보와 기억을 바탕

금융 AI 규제, 같은 질문인데 누구에게 묻느냐에 따라 - 특례 심사와 소비자 보호 사이의 질문

2026-10-05T05:45:47Z

같은 질문을 두 곳에 한다면 “매달 남는 돈을 어떻게 나눠두면 좋을까요.” 금융회사 AI와 여러 분야의 질문에 답하는 범용 AI에 각각 이 질문을 한다고 가정해 볼게요. 이용자는 자기 소득과 자산을 대화창에 적고 조언을 요청할 수 있어요. 그런데 비슷한 답변을 금융회사 서비스로 제공하려면, 출시 전에 확인해야 할 일이 생겨요. 금융 AI 규제에서 제가 묻고

AI 표시 안 하면 과태료? 그 줄이 없다 - AI 생성물 표시 의무, 법 하나만 보면 틀린다

2026-09-20T14:29:30Z

AI로 영상을 만들어 올리는 사람들 사이에 도는 말이 있다. 이제 AI로 만들었다고 표시하지 않으면 과태료를 문다는 것인데, 올해 1월 AI기본법이 시행되면서 부쩍 늘었다. 그래서 AI 생성물 표시 의무가 실제로 어떻게 적혀 있는지 법전을 열어봤는데, 표시하라는 조항은 있었고 과태료 조항에는 그 줄이 없었다. AI 생성물 표시 의무, 조문을 읽으면 주어가

두 직함의 요구사항이 한 글자도 안 달랐다 - 프로덕트 엔지니어는 새 직업인가, 옮겨 붙은 이름인가

2026-09-04T15:09:09Z

어떤 제품개발 도구 회사가 같은 부서에 공고를 두 개 올려뒀다. 하나는 풀스택 엔지니어, 하나는 프로덕트 엔지니어다. "우리가 찾는 사람" 항목을 글자 단위로 맞춰봤더니 여덟 줄이 한 글자도 다르지 않았다. 프로덕트 엔지니어가 기존 개발자와 뭐가 다른지 딱 잘라 말해주는 데가 없어서 공고를 직접 열어본 참이었다. 같은 회사, 같은 부서, 두 직함 쓰는 기술

스크래핑 차단, 마감이 둘입니다 - 전면 금지가 아닙니다. 다만 8월 31일까지 신청할 게 둘입니다

2026-08-31T11:26:33Z

금융당국은 8월 12일 회의에서 합리적인 대응 방안을 신속히 마련하겠다고 밝혔고, 8월 25일에는 안전한 스크래핑에 관한 관계기관 합동 가이드라인을 올해 하반기에 마련하겠다고 적었다. 다만 지금 마감을 앞둔 신청에 대해서는 달라진 게 없다. 그날 회의에서는스크래핑 차단 얘기가 돌면서, 전면 금지라는 말과 그러면 비대면 금융이 마비된다는 말이 같이 따라붙었다

AI 잘 쓰는 직원을 평가하지 마세요 - AI 역량 평가를 인사평가 항목으로 만들면 무엇이 희생되나

2026-08-25T14:45:43Z

올해 인사평가에 'AI 역량'을 넣겠다는 이야기가 여기저기서 들린다. 그런데 그 칸을 몇 점으로 매기는지는 공개된 문서 어디에도 안 적혀 있어서, 밖에서는 확인할 방법이 없다. 채점 방법보다 인사평가 항목이 먼저 생긴 셈이다. 내가 걸고 넘어지려는 건 AI가 아니다. 채점표도 없이 생긴 칸 하나다. 인사평가 항목이 하나 늘면, 안 재는 일이 밀려난다 사람은

팀장이 되고 알았다, AI는 동료가 될 수 없다는 걸 - AI 책임 소재, 규정을 열어보고 알게 된 것

2026-08-22T00:43:29Z

AI로 서비스를 만들 때는 성능부터 봤다. 얼마나 정확한지, 얼마나 빠른지, 어디서 자주 틀리는지. 팀을 맡고 나서는 하나를 더 보게 됐다. 이게 잘못되면 누구 이름이 올라가나. AI 책임 소재라는 말이 남 얘기로 안 들리기 시작한 게 그때부터다. 숫자는 맞는데 해석이 틀렸다 AI한테 데이터 분석을 자주 맡긴다. 숫자를 뽑는 건 잘한다. 문제는 그다음이다

우리 아이는 커서 뭐가 되어야 할까 - AI 시대 아이 진로, 학교 공부는 지금처럼 시켜도 될까

2026-08-20T15:10:47Z

아이한테 "나 커서 뭐 될까" 하는 질문을 받아본 부모라면 알 것이다. 예전에는 의사나 과학자처럼 유망하다는 직업이 먼저 떠올랐는데, 요즘은 그 이름들이 입에서 잘 안 나온다. 말해주고 나서 그게 20년 뒤에도 남아 있을까부터 걸리기 때문이다. AI 시대에 아이 진로를 어떻게 봐줘야 할지 모르겠다는 말이 나오는 건 그래서다. 그 걱정이 막연한 건 아니다.

AI 에이전트 유저 분석, 무엇을 대신 세나 - 출시 후 관측 이야기. 평가셋 만들기는 다루지 않습니다

2026-08-17T04:19:29Z

AI 에이전트 유저 분석이 화면 서비스와 다른 지점 AI 에이전트 유저 분석은 화면 기반 서비스가 이벤트 태깅으로 하던 일을, 태깅이 걸리지 않는 대화형에서 무엇으로 대신하느냐의 문제다. 다루는 대상은 출시 전에 미리 만들어 둔 시험지가 아니라 출시 이후 실제로 들어온 대화이고, 그래서 질문의 형태도 "이 모델이 합격인가"가 아니라 "운영 구간에 무슨 일이

매끄럽게 고칠수록 AI가 썼다고 나온다 - AI 글 판별기 정확도는 무엇을 재느냐에 따라 갈린다

2026-08-16T07:15:18Z

영어가 모국어가 아닌 사람들이 쓴 영어 에세이 91편을 검사 도구 일곱 개에 넣었더니 89편이 최소 한 곳에서 기계가 쓴 글로 지목됐다. 그 91편은 수집 조건이 2020년 이전이라, 생성 모델이 공개되기도 전에 쓰인 글이다. AI 글 판별기 정확도를 따질 때 그 도구가 대체 무엇을 재고 있는지부터 물어야 하는 이유다. 검사 도구는 저자를 재지 않는다 널

같은 AI를 썼는데 결과가 정반대였다 - 같은 도구였는데 AI로 공부하는 법이 결과를 갈랐습니다

2026-08-15T02:50:14Z

물어볼 때는 분명히 이해가 되는데, 며칠 지나면 손에 남는 게 없다. AI로 공부하는 법을 몇 번이나 바꿔봐도 결국 같다면, 문제는 도구가 아닐지 모른다. 똑같은 모델을 받은 두 집단이 정반대로 갈린 실험이 있다. 정부 실태조사에서 국내 사무직의 생성형 AI 경험률은 71.9%로 직업군 가운데 가장 높았으니, 소수의 하소연도 아니다. AI 활용 학습법을 가

LLM 평가셋 만드는 법: 합격선을 정하는 순서 - 문항 수집·합격선·회귀까지. 모델 선정은 다루지 않습니다

2026-08-11T13:42:06Z

LLM 평가셋 만드는 법 — 한 줄 정의와 이 글의 범위 LLM 평가셋 만드는 법을 한 줄로 줄이면, 문항을 모으고 합격선을 쓰고 같은 시험지를 주기적으로 다시 돌리는 체계를 세우는 일이다. 평가셋은 AI 기능이 쓸 만한지 채점하는 시험지 묶음인데, 만든다는 말은 문항 파일 하나를 만든다는 뜻이 아니다. 이 글이 답하는 질문은 하나다. 이 정도면 내보내도

AI가 카피를 쓰면 마케터는 한가해질까? - AI가 마케터를 대체하는 대신, 일이 늘었다

2026-08-07T13:35:05Z

AI가 마케터를 대체한다는 말은 몇 년째 도는데, 정작 마케터에게 직접 물어보면 일이 빨라졌다는 사람은 열에 아홉, 잘되고 있다는 사람은 열에 넷이다. 일자리보다 먼저 흔들린 건 성적표였다. AI 콘텐츠 마케팅 성과와 생산성은 다른 지표다 AI를 쓰느냐 마느냐는 이제 질문이 아니다. 기업을 상대로 파는 회사의 마케터 1,015명에게 물은 연례 조사에서 조

AI로 자른 자리, 6개월 만에 다시 부른다 - 자른 곳의 3분의 2가 다시 뽑고 있다. 그런데 왕복 요금이 붙는다

2026-08-03T13:45:28Z

한 조직설계 컨설팅사가 지난해 초 고위 의사결정자들에게 물었다. AI를 도입하면서 실제로 인력을 줄인 곳은 조사 대상의 39%였다. 그리고 그 39% 안에서 과반인 55%가, 그 감원은 잘못된 결정이었다고 답했다. 자른 게 잘못이었다고 말하는 쪽이 자른 당사자다. 자른 자리를 다시 부르는 데 6개월 감원을 실행한 인사 담당자들에게 물은 조사가 지난 2

디자이너는 정말 병목이 됐을까? - 덜 쓰는데 더 중요해졌다는 이 어긋남에 대하여 — 정직하게.

2026-08-02T00:43:55Z

같은 회사가 만든 같은 AI 도구를 두고, 디자이너와 개발자의 반응이 다르다. 한쪽은 반기고 한쪽은 머뭇거린다. 이게 개인의 성향 차이라면 이 글은 쓸 필요가 없었다. 같은 물결, 다른 체감 2025년에 나온 한 대규모 설문이 있다. 7개국 2,500명의 제품 만드는 사람에게 물었다. AI 도구에 만족한다는 답은 디자이너가 69%, 개발자가 82%였

AI 수익 자동화, 진짜 비용과 3가지 준법 - 무료·원클릭'이라는 말부터 틀렸다. 정직한 단가와 발행 전 준법 3가지.

2026-07-31T02:01:17Z

프롬프트 몇 개를 넣으면 채널이 알아서 돈을 찍어낸다. 요즘 이런 화면을 자주 본다. 그런데 그 화면에는 빠진 숫자가 있다. '무료'라는 말부터 틀렸다 먼저 용어부터. 무인 채널, 다른 말로 페이스리스 채널은 사람이 얼굴이나 목소리로 직접 출연하지 않는 채널이다. '무료'라는 말은 사실이 아니다. 영상을 뽑는 도구는 대부분 월 구독이다. 대표적인

사내 AI 도입 방법: 규제 산업의 첫 90일 로드맵 - Phase 1·2·3와 복사용 체크리스트

2026-07-28T23:00:25Z

사내 AI 도입은 '도구 고르기'가 아니라 '경계선 세우기'다 규제·금융 환경에서 AI를 처음 들일 때, 첫 90일에 무엇을 어떤 순서로 세우는가. 이 글은 그 질문에 답한다. 도입의 핵심은 좋은 도구를 고르는 일이 아니다. 네 가지 경계선을 세우는 일이다. (1) 누가 책임지고 결정하는지의 체계, (2) 회사 데이터가 외부로 나가는 선, (3) 작게

코딩은 AI가 짜는데 왜 신입부터 사라질까 - 진짜 쟁점은 코딩을 배우느냐가 아니라, 시니어를 누가 기르느냐다.

2026-07-27T16:33:33Z

"이제 코딩은 배울 필요 없다"는 말이 자주 들린다. AI가 다 짜주니까. 그런데 실제로 먼저 비는 건 조직도의 꼭대기가 아니라 맨 아랫칸, 신입 자리다. 왜 꼭대기가 아니라 밑바닥부터 비는가 AI가 잘하는 건 '경험 많은 판단'이 아니다. 정해진 절차대로 하는 초급 업무다. 갓 입사한 사람이 맡던 정형화된 일, 흔히 엔트리 직무라 부르는 자리부터 먼저

모델이 좋아질수록 당신 세팅은 짐이 된다 - 모델이 한 세대 좋아지면, 어제 공들인 설정이 오늘은 짐이 된다.

2026-07-21T00:40:34Z

지난주, 한 단계 더 똑똑한 새 AI 모델이 공개됐다. 써보려는 사람이 몰려서 며칠 만에 신규 가입이 잠시 막힐 만큼 화제였다. 그래서 묻고 싶다. 당신이 지난달 공들여 맞춰둔 프롬프트와 설정은, 오늘도 여전히 쓸모가 있을까. 세팅은 자산일까, 걷어내야 할 비계일까 2026년 7월 16일, 문샷AI(Moonshot AI)가 Kimi K3라는 모델을