카논

[AI 기초 9편] RAG - AI는 내 문서를 어떻게 찾아 읽

2026-10-13T13:53:44Z

RAG(Retrieval-Augmented Generation)가 무엇인지 알아보자. 판례를 찾아 읽고 답한다는 법률 AI가 있다. 변호사들이 돈을 내고 쓰는 도구다. 이 도구를 파는 회사들은 '환각 없는 인용', '환각을 피한다'고 광고했다. AI가 있지도 않은 판례를 지어내 인용하는 일은 없다는 뜻이다. 2024년 5월, 스탠퍼드대 연구진이 그 광

[AI 기초 8편] 토큰 - AI가 글자 대신 토큰으로 세는 이유

2026-10-12T03:16:52Z

토큰이 무엇인지 알아보자. AI 요금표를 열어 보면 글자 수도 단어 수도 아닌 '100만 토큰당 얼마'라고 적혀 있다. 길이 한도도 마찬가지다. '100만 토큰까지 읽는다'고 적혀 있다. 그럼 내 보고서 한 장은 몇 토큰일까? 같은 업무 메모 다섯 문장을 영어와 한국어로 써서, 오픈AI가 공개한 토큰 세는 도구로 세어 보면 이렇다. 영어는 70토큰

[AI 기초 7편] 프롬프트 - AI에 시킨 일이 엉뚱하게 나오는 이

2026-10-10T22:33:19Z

프롬프트가 무엇인지 알아보자. AI한테 "회의록 요약해 줘"라고 쳤는데, 받은 요약이 쓸 데가 없었던 적이 있을 거다. AI가 모자라서일 수도 있다. 근데 그보다 먼저 볼 게 있다. 내가 준 요청이 몇 단어였나. 구글이 업무용 AI를 미리 써 보는 사람들의 요청을 살펴봤더니, 결과가 좋았던 요청은 평균 21단어쯤이었다. 영어 단어 기준이다. 사람들이

[AI 기초 6편] 예약 실행 - AI는 왜 혼자 안 움직이나

2026-10-10T11:24:34Z

예약 실행이 뭔지 알아보자. AI한테 "매주 월요일 아침에 지난주 일을 정리해 줘"라고 적어 두면, 월요일 아침에 정리해 줄까? 안 한다. 정확히 말하면 무엇인가를 하는데 너의 생각과는 다르게 해 놓아서 하나마나 한 게 나와 있을 확률이 높다. 지난 봄 내 AI 시스템에 점검 장치를 들이면서, 지침에 '매일 점검하고 매주 정리한다'는 식으로 정해진 때

[AI 기초 5편] MCP - AI가 내 파일과 앱에 손 대는 방

2026-10-09T01:03:02Z

MCP가 뭔지 알아보자. 2024년 11월, 클로드를 만든 앤트로픽이 MCP라는 연결 규격을 무료로 공개했다. 그때 미리 만들어 둔 연결로 구글 드라이브, 슬랙, 깃허브 등 6개를 예로 들었다. 1년 뒤인 2025년 12월, 앤트로픽은 재단 기부 발표에서 지금 쓰이고 있는 공개 MCP 서버가 1만 개를 넘었다고 밝혔다. MCP 서버는 AI가 어떤 서비

[AI 기초 4편] AI 환각 - AI가 그럴듯하게 틀리는 이유

2026-10-08T09:02:43Z

AI의 환각이 뭔지 알아보자. 2023년, 미국 대학의 사서와 사회학자가 챗GPT에게 짧은 문헌 조사 글을 쓰게 했다. 주제 42개로 글 84편이 나왔고, 거기 달린 참고문헌은 636개였다. 연구자들은 참고문헌을 하나씩 찾아봤다. GPT-3.5와 GPT-4는 챗GPT에 들어간 AI 모델의 버전 이름이다. GPT-3.5가 단 참고문헌은 55%가 세상에

[AI 기초 3편] 컨텍스트 - AI는 무엇을 보고 답하나?

2026-10-07T11:00:18Z

컨텍스트가 뭔지 알아보자. 2023년, 미국 스탠퍼드대 등의 연구진이 AI에게 문서 스무 개를 한꺼번에 주고 질문을 던졌다. 답은 그중 한 문서에만 들어 있었다. 답이 든 문서를 맨 앞에 두자, 실험한 모델 중 하나(GPT-3.5-Turbo)는 76%를 맞혔다. 한가운데인 열 번째에 두자 54%로 떨어졌다. 문서를 하나도 주지 않고 물었을 때가 56

[AI 기초 2편] LLM은 무엇인가? - AI가 문장을 만드는 원리

2026-10-07T00:24:45Z

LLM이 뭔지 알아보자. 1951년, 정보 이론을 세운 미국 수학자 클로드 섀넌은 실험 하나를 했다. 사람에게 처음 보는 영어 글을 주고, 앞 글자만 보고 다음 글자를 맞히게 했다. 맞히면 맞았다고 알려 주고, 틀리면 정답을 알려 준 뒤 다음 글자로 넘어간다. 129글자 중 89글자, 69%를 맞혔다. 틀린 곳은 주로 단어와 음절의 첫 글자였다. 생

[AI 기초 1편] 에이전트 - AI 기본

2026-10-07T00:28:03Z

AI 에이전트가 뭔지 알아보자. ▣ 그림 1 — 검색만 붙인 AI 2%, 찾고 따지는 에이전트 52% · 파일 2026-10-04_CASE-565_1_검색시험.jpg · 캡션: 찾고, 따지고, 다시 찾는 쪽이 앞섰다. 챗GPT를 만든 오픈AI는 2025년 4월 브라우즈컴프(BrowseComp)라는 시험을 공개했다. 인터넷 어딘가에 답이 있지만 찾기는 아주

[AI 운영 2편]AI agent 권한을 어디까지 줄까 - 사람이 관리할 것과 AI가 관리할 것 구분

2026-10-07T01:19:40Z

AI한테 일을 어디까지 맡겨도 되는지 알아보자. 〔그림 1: 경보까지 12분, 멈추기까지 2시간 반 — 오픈AI 사고 타임라인〕 오전 10시쯤, 오픈AI의 학습용 격리 환경에서 AI 에이전트가 외부 인터넷의 챗봇에게서 답을 받아 냈다. 에이전트가 받은 일은 검색 과제였다. 블로그 글 하나를 단서로 글쓴이에 대한 정보를 찾는 일이다. 외부로 나가는

[AI 운영 1편]AI 엔지니어링의 이해 - 하네스 엔지니어링

2026-10-07T01:19:14Z

AI 엔지니어링에 대한 이해를 해보자. 모델은 가운데 하나다. 둘레 네 칸은 비개발자도 바로 손댈 수 있는 하네스다. 같은 AI 모델도 둘러싼 판을 바꾸면 성적이 달라진다. AI 개발 도구를 만드는 랭체인은 올해 2월, 모델은 그대로 두고 판만 손봤다. 그것만으로 AI 코딩 시험 점수가 52.8%에서 66.5%로 올랐다. 순위로는 30위권 밖에서 5위권으로

[AI 자동화 시리즈 1] 자동화 주제 선정 - 자동화 시리즈

2026-05-21T23:51:13Z

자동화의 시작은 좋은 프롬프트가 아니라 자기가 반복하고 있는 일의 발견이다 프롬프트를 잘 사용하는 방법에 대한 고민을 하다가 프롬프트부터 자동화까지 시리즈 글로 작성하면 좋을 것 같아 이 글로 시작해본다. AI 자동화의 시작은 좋은 프롬프트가 아니다. 자기가 반복하고 있는 프롬프트를 발견하는 것이 시작이다. 자동화를 시작하려는 사람은 보통 좋은 프롬프트부

위젯 만드는 법 - AI, 노션으로 매일 읽는 글 만들기

2026-05-10T01:29:33Z

매일 같은 자리에서 한 줄을 띄우는 위젯을 Claude와 Notion으로 만들자고 하면, 흔한 첫 반응은 "Claude한테 시키면 되겠다"이다. 하지만 그 접근으로 만든 위젯은 1주일 안에 멈춘다. Claude는 매번 호출될 때마다 상태를 잃고, 노션은 스스로 시간을 세지 않는다. 두 도구만으로는 매일 갱신이 안 된다는 의미다. 작동하는 위젯의 비결은 도

AI 시스템 분리의 의미 - 쪼갤수록 일은 쉬워짐

2026-05-06T22:17:52Z

AI한테 일을 맡겼는데, 결과가 그럴듯한데 자꾸 어긋난 경험이 있을 것이다. 매크로 데이터를 정리해달라고 했더니 한 줄이 슬쩍 추정값으로 채워져 있다거나, 보고서를 만들어달라고 했더니 같은 데이터가 다음 주 보고서의 기저 사실처럼 굳어 있다거나. 결과가 틀린 게 아니라 틀린 줄을 모르는 채로 다음 판단의 근거가 된다. 자동화 시스템에서 이게 가장 위험한 상

목표 짜는 방법 - AI와 면담하기

2026-05-04T00:49:07Z

리스트를 다시 짜기 전에 먼저 짚어야 할 것들 개인 목표 리스트가 5년·10년 동안 같은 자리에서 맴도는 이유는 의지의 문제가 아니다. 목표 작업을 분류 한 단계로만 다루기 때문이다. 작동하는 목표 시스템은 세 단계로 분리된다. 첫 번째는 발굴(elicitation) — 본인이 진짜 원하는 게 뭔지를 면담 형식으로 끌어낸다. 두 번째는 분해(deco

AI로 시간이 남으면 무슨 일을 할까? - 양은 함정이 아니라 통과 단계다

2026-05-01T00:17:02Z

같은 AI 생산성 시간을 양에 쓰면 평균 인플레이션, 깊이에 쓰면 누적 자산 AI로 일이 빨라졌다는 사람이 늘었다. 보고서 한 장 쓰는 데 하루 걸리던 게 두 시간 만에 끝난다. 분석 자료 만드는 데 사흘 걸리던 게 반나절이면 된다. 여기까지는 다 동의한다. 문제는 그 다음이다. 대부분 그 시간을 같은 일을 더 많이 하는 데 쓴다. 보고서 1개에서 3개

AI자동화의 끝이 자동 생성이 아니라 자동 소비인 이유 - 자동화 시스템을 잘 활용하는 방법

2026-04-28T23:03:44Z

만들어진 것을 다시 꺼내 쓰지 않으면, 자동화는 자산을 만든 게 아니라 무덤을 만든 것 자동화 시스템을 만들 때 가장 흔한 함정은, 자동 생성을 자동화의 끝으로 착각하는 것이다. 진짜 끝은 자동 소비다. 만들어진 것을 다시 꺼내 쓰는 루프를 같이 설계하지 않으면, 시스템 자체가 잠든 자산이 된다. 이 명제는 AI 학습 자동화에서 가장 선명하게 드러난

AI instruction 정리법 - 자동화를 위한 여러 인스트럭션을 정리하고 오류를 줄이는 방법

2026-04-27T00:14:26Z

AI 자동화 확장하다 보면 다들 겪는 일 AI를 업무에 본격적으로 쓰기 시작하면 초반에는 한두 줄짜리 요청으로 충분하다. 기본적인 프롬프트 개념을 가지고 "이 데이터 분석해줘", "보고서 초안 써줘" 정도로 해도 사용하는데 불편이 없다. 그런데 자동화 범위가 넓어지면 상황이 달라진다. 도메인마다 따라야 할 규칙이 생기고, 데이터 처리에 표준이 필요해지고,

AI 도구 스택 레이어 쪼개기 - AI 도구는 그 쓰임새가 각각 다르다.

2026-04-24T22:14:54Z

AI 도구를 고를 때 흔한 접근은 "어느 모델이 가장 똑똑한가"다. 근데 이 질문은 실제 워크플로 설계에서는 대체로 유효하지 않다. 워크플로를 구성하는 레이어가 서로 이질적이기 때문이다. 콘텐츠 구조를 잡는 능력과 시각 레이아웃을 잡는 능력은 다른 근육이다. 데이터에 접근하는 능력과 최종 산출물을 export하는 능력도 다른 제약에서 설계된다. 한 도구가

엑셀 데이터를 노션에 옮긴다고 자동화가 되는 건 아님 - 자기 관리 시트의 자동화 방법

2026-04-22T23:48:28Z

수동으로 채우던 엑셀이랑 AI를 보고 이상한 생각이 들면, 뭔가 정리할 때가 된 거다 인벤토리를 못 하면 자동화는 시작되지 않는다 직장인들이 엑셀로 뭔가를 관리하다 보면, 탭이 5개 넘어가는 순간부터 본인도 잊어버리기 시작한다. 본인이 만든 수식인데 3개월 지나면 어느 셀을 참조하는지 기억이 안 난다. 셀을 클릭해서 수식 바를 열어봐야 하고, 참조가