최윤호

<C 레벨을 위한 AI 입문> 시즌 1 마무리

2026-10-11T02:00:09Z

처음 이 시리즈를 시작할 때는 AI를 쉽게 설명해 드리고 싶었습니다. 특히 경영자에게 필요한 개념과 정보를 사례를 통해 쉽게 설명하면 좋겠다고 생각했습니다. 시즌 1에서는 생성형 AI와 대규모 언어 모델 같은 기본적인 개념부터, 프롬프트, AI 에이전트, RAG, MCP까지 AI를 이해하고 활용하는데 필요한 다양한 주제를 살펴보았습니다. AI가 실제 업무

AI 직원 시대 - Agent 3부

2026-08-20T05:00:01Z

"AI가 내 일을 대신하게 될까요?" 생성형 AI를 이야기할 때 가장 많이 받는 질문 중 하나입니다. 여러 AI 전문가는 AI가 일자리를 대체할 것이라고 전망합니다. 반대로 AI는 어디까지나 도구일 뿐이라는 의견도 있습니다. 그렇다면 실제로는 어떨까요? 결론부터 말하면, AI는 이미 인간의 업무를 일부 수행하고 있습니다. 다만 아직은 사람을 완전히 대신

AI Agent 일하는 방법 - Agent 2부

2026-07-31T09:00:15Z

지난 글에서는 AI Agent가 무엇인지 살펴보았습니다. 챗봇이 질문에 답하는 존재라면, Agent는 실제로 일을 수행하는 존재라는 이야기를 했습니다. 그렇다면 AI는 도대체 어떻게 일을 할까요? 사람처럼 생각하는 걸까요? 아니면 단순히 미리 정해진 규칙대로 움직이는 걸까요? 많은 사람들이 AI Agent를 마치 영화 속 비서 AI처럼 상상합니다. 실제 A

AI Agent - Agent 1부

2026-06-25T07:00:01Z

2022년 겨울 ChatGPT의 출시 이후 AI의 기본 UI는 채팅이었습니다. "이 내용을 정리해 줘", "메일 초안을 작성해", "이번 시장 동향을 분석해" AI는 그 질문, 그리고 프롬프트에 대한 대답을 합니다. 이제는 AI의 역할이 바뀌고 있습니다. "회의 내용을 정리하고, 참석자들 일정을 확인해서 다음 회의를 잡아줘" "이번 분기 매출 데이터 분석

RAG 이후의 미래 - RAG 3부

2026-06-18T06:00:06Z

생성형 AI와 RAG의 등장, 그리고 RAG가 기업에서 활용되는 방법에 대해서 알아보았습니다. 생성형 AI와 RAG의 등장 :: https://brunch.co.kr/@hugeailab/30 RAG가 기업 문서를 이해하는 방법 :: https://brunch.co.kr/@hugeailab/31 생성형 AI가 왜 기업의 정보를 모르는지, RAG가 어떻게

RAG가 기업 문서를 이해하는 방법 - RAG 2부

2026-06-11T06:00:06Z

생성형 AI의 등장과 RAG에 대해서 알아보았습니다. 생성형 AI와 RAG의 등장 https://brunch.co.kr/@hugeailab/30 AI는 충분히 똑똑하지만, 모든 것을 기억하지는 않고, 학습 자료는 최신 정보를 갖고 있지 않으면, 사내 정보는 인터넷에서 검색할 수 없기 때문에, 이를 해결해서 원하는 정보를 정확하게 찾고자 RAG 기술이 발전

생성형 AI와 RAG의 등장 - RAG 1부

2026-06-04T07:05:33Z

2022년 ChatGPT의 등장으로 세상은 완전히 변했죠. 채팅 UI에 질문을 하면 사람처럼 대답을 하고, 조사를 요청을 하면 보고서를 작성하고, 개발을 요청하면 코드를 만듭니다. 어떤 사람들은 "이제 검색 엔진은 끝났다"라고 이야기했고, 어떤 기업들은 "AI가 직원을 대체할 것"이라고 전망했습니다. 실제로 생성형 AI는 지금도 놀라운 속도로 발전하고 있습

AI 시스템 아키텍처 패턴

2026-05-28T09:00:20Z

많은 사람들에게 AI 모델은 많이 친숙해졌습니다. AI 서비스, AI 시스템보다 AI 모델에 대한 관심이 많고, GPT, Claude, Gemini 같은 거대한 모델들이 세상을 바꾸고 있다고 생각합니다. 당연히 AI 세상의 제일은 AI 모델이지만, AI 모델이 실제 사용자에게 잘 전달되어, 효용을 갖는 것도 매우 중요한 문제입니다. 같은 모델을 사용해도 어

음성 AI 활용

2026-05-21T08:00:12Z

생성형 AI의 발전은 이제 단순히 “글을 잘 쓰는 AI”를 넘어섰습니다. AI는 사람의 말을 듣고, 이해하고, 자연스럽게 대화하며, 감정을 담아 말하기 시작했습니다. 그리고 이러한 변화는 단순한 기술 데모 수준이 아니라 실제 서비스와 산업 현장으로 빠르게 확산되고 있습니다. 전에는 번역은 번역기가, 음성 인식은 음성 인식기가, 음성 생성은 음성 생성기가 따

음성 AI 기술

2026-05-12T07:00:02Z

사람들은 오랫동안 컴퓨터와 키보드와 마우스를 이용한 “입력”, 모니터를 이용한 "출력"으로 소통해 왔습니다. 키보드를 누르고, 마우스를 움직이고, 스마트폰도 화면을 터치합니다. 그리고 지금, 그 오래된 방식에 새로운 방식이 생겼습니다. 기계가 인간의 언어를 배우고, 소통 방법으로 "음성"을 이용하는 것입니다. 우리가 미디어 속의 미래라고 생각했던 장면들은

데이터 거버넌스

2026-04-28T06:00:05Z

우리는 “데이터를 어떻게 쌓을 것인가(Data Stack)”와 “데이터를 어떻게 사용할 것인가(Train / Validation / Test)”를 이야기했습니다. 이제 한 단계 더 나아가서, “그 데이터를 어떻게 통제할 것인가”, 데이터 거버넌스(Data Governance)를 다루고자 합니다. 1. 데이터는 많다고 좋은 게 아닙니다 AI, ML 그리고

Data Stack

2026-04-17T10:00:17Z

AI 모델은 알고리즘, 데이터, 그리고 GPU의 결합체입니다. 산업계에서 잘하고, 집중하는 부분은 데이터 영역입니다. 데이터를 어떻게 수집하고, 정제하고, 연결해서 사용하는가에 따라서 AI의 수준이 결정됩니다. 데이터를 잘 쌓는 것이 곧 경쟁력입니다. 1. Data Warehouse 초기의 데이터 활용은 비교적 단순했습니다. 기업은 데이터를 모으고, 정

DataSet : Train, Val, Test

2026-04-10T06:00:04Z

AI 모델은 데이터를 통해서 개발합니다. 개발자가 개발 언어로 프로그램을 만들 듯이, 데이터 사이언티스트가 데이터로 AI 모델을 제작합니다. 데이터 사이언티스트는 AI 모델 개발에 필요한 데이터를 모으고, 정제하고, 생성하고, 확대합니다. 그리고 모델 개발할 때가 되면 데이터를 Train, Validation, Test 세트로 나눕니다. 1. Train

Data, ML, AI Engineer

2026-04-02T06:00:02Z

기업에서 AI를 도입할 때, 적절할 역할을 정의하고, 권한과 책임을 부여해야 합니다. AI 프로젝트의 경우에도 데이터를 모으는 작업, 데이터를 정제하는 작업, 모델에 데이터를 학습시키는 작업과 실제 서비스에 적용하는 작업에 역할이 필요합니다. 이런 역할을 수행하는 세 가지 직무가 Data Engineer, ML Engineer, AI Engineer입니다.

프롬프트, 콘텍스트, 에이전트

2026-03-26T08:00:10Z

AI 사용하는 것이 일상이 되면서 어떻게 하면 AI를 “잘 쓸 수 있을까”하는 방법을 많이 고민합니다. 그리고 이제는 “어떻게 잘 일하게 만들 것인가”를 고민합니다. 이런 고민의 결과물이 프롬프트 엔지니어링, 콘텍스트 엔지니어링, 그리고 에이전트 엔지니어링입니다. 이 세 가지는 하나의 방향으로 이어진 진화의 단계입니다. 1. 프롬프트 엔지니어링 이 단계

온프레미스, 클라우드, 하이브리드

2026-03-20T00:26:22Z

IT 서비스는 세상 어디선가 컴퓨터 자원이 실행되고 있습니다. 이메일을 쓰면 메일 서버가, 웹 사이트를 운영하면 웹 서버가 돌고 있습니다. 데이터를 저장하면 데이터베이스 서버가 동작하죠. 당연하게도, 세상 어딘가에 있는 서버에서 수행합니다. 1. 온프레미스(On-Premise) 온프레미스는 서버를 구매하고, 사내에서 서버를 운영하는 것입니다. 물론 ID

Demo, PoC, MVP, Beta, GA

2026-03-19T06:03:29Z

IT 프로젝트나 AI 프로젝트를 진행하다 보면 대문자로 줄인 영어 단어를 종종 접하게 됩니다. “데모를 보여드리겠습니다.” “먼저 PoC 해보시죠.” “이건 아직 MVP 단계입니다.” 처음 듣는 사람에게는 이 말들이 꽤 헷갈립니다. 어떤 것은 가능성을 보여주기 위한 것이고, 어떤 것은 기술이 되는지 확인하는 것이며, 어떤 것은 실제 사용자에게 쓰게 하는

AX. AI Transformation

2026-03-03T01:00:15Z

기업 현장에서 자주 듣는 말이 있습니다. “우리는 지금 AX를 추진하고 있습니다.” 그런데 조금 더 깊이 들여다보면, 실제로는 새로운 시스템을 구축하는 SI 프로젝트인 경우가 적지 않습니다. SI, DT, DX, AX. 비슷해 보이는 이 네 단어는 정보통신의 진화 단계를 보여주는 지표입니다. 1. SI — 시스템을 ‘돌아가게’ 만드는 단계 SI(Syst

독자 AI 파운데이션 모델

2026-02-24T14:00:24Z

1. 독자 AI 파운데이션 모델 OpenAI의 등장 이후, 거대 언어모델(LLM)은 더 이상 연구실의 프로젝트가 아닙니다. 개인의 업무, 기업의 업무 방식, 국가의 디지털 전략, 그리고 전 세계적인 산업의 구조까지 바꾸는 기반 기술이 되었습니다. 현재 글로벌 AI 생태계는 소수의 빅테크 기업이 파운데이션 모델을 개발하고, 전 세계 기업은 그 위에 서비스를

바이브코딩 서비스

2026-02-18T02:00:12Z

바이브코딩은 AI에게 자연어로 개발 목표를 설명하면, 코드 전체를 생성하거나 보완해 주는 방식입니다. 이는 사람이 직접 코딩하는 기본적인 프로그래밍과 달리, AI가 코드의 상당 부분을 생성하고, 또 수정하는 실험적인 개발 흐름입니다. 최근 많은 도구들이 이 흐름을 도와줍니다. 1. OpenAI – 대화형 AI에서 출발한 코드 생성의 표준 OpenAI는