진토끼

재미없는 사람에게 이렇게까지 화나도 될까요 - 문제는 노잼만이 아니었습니다

진토끼 — Tue, 29 Sep 2026 11:24:03 GMT

정말 심각하게 말이 많은데, 정말 재미없는 사람이 있다. 죄송한 말씀이지만 입담이 정말 없다. 그냥 조금 재미없는 정도가 아니다. 사실 사람이 재미없는 게 잘못은 아니다. (당연;;) 나라고 맨날 재밌는 얘기만 하는 것도 아니고, 재미없다는 이유만으로 사람을 싫어하는 편도 절대 아니다. 나도 노잼인간에 가깝다. 그런데 이상하게 이 사람 얘기를 듣는데 어느

스타트업 PM이 대기업 기획자가 되면 생기는 일 - 왜 이렇게 일이 재미가 없죠…?

진토끼 — Tue, 09 Jun 2026 22:00:27 GMT

같은 기획자인데, 왜 이렇게 다른 일을 하고 있을까 이직을 한 뒤 꽤나 흥미로운(n..) 경험을 하고 있다. 이전 회사에서도 지금도 직무 이름은 서비스 기획자(혹은 PM으로 혼용) 인데, 하는 일을 비교해보면 거의 다른 직업처럼 느껴질 때가 있다. 나는 이전에 스타트업에서 프로덕트 매니저로 일했다. 초기 멤버로 합류해서 사업 기획부터 서비스 기획, 신규

이직을 결심하게 되는 이유 - 일만 잘한다고 되는게 아니더라

진토끼 — Tue, 30 Sep 2025 22:00:31 GMT

이직을 결심한 이유 회사에서의 스트레스는 사실 익숙하다. 업무량이 많다거나, 팀 분위기가 안 좋다거나... 그런 건 다들 한 번쯤은 겪는 일이다. 회사에 불만은 언제나 생기기 마련이고, 친한 동료들과 모여 회사 욕을 하다 보면 2박 3일도 부족하겠다는 생각이 들 때도 있다. 그럼에도 불구하고 퇴사하지 않고 계속 다니는 이유는 돈? 안정감? 혹은 아직 배

#10. 기획자에게 필요한 AI 감각은 어디까지일까?

진토끼 — Sun, 13 Apr 2025 23:00:11 GMT

AI에 대해 공부를 시작할 때 한 가지 질문에 부딪히게 된다. 기획자가 이걸 얼마나 깊이 알아야 하지? 딥러닝 아키텍처? 파라미터 튜닝? 프레임워크..? 이런 건 데이터 분석가나 엔지니어의 영역 아닌가..? 맞다. 실제로 대부분의 기획자는 모델을 직접 구현하지 않는다.하지만 그건 <몰라도 된다>가 아니라, <어디까지 알면 되는지를 알아야 한다>는 의미다

#9. 모델은 왜 정답을 100% 확신하지 않는가?

진토끼 — Fri, 11 Apr 2025 10:00:08 GMT

1. 모델은 왜 "정답" 대신 "확률"을 말할까? 모델이 출력하는 값이 꼭 Yes/No 가 아니고,0.83 / 0.47 / 0.68처럼 확률로 나오는 이유는? 그건 당연하게도 현실의 데이터가 애매한 경우가 많기 때문이다. 예) 이 유저, 내일도 앱스토어에서 결제할까? → 하지만... 갑자기 내일 갤럭시로 바꿀 수도..? → 확률로 표현 이 문장, 긍정일

#8. 벡터: AI가 이해하는 방식으로 데이터를 바꾸기

진토끼 — Thu, 10 Apr 2025 10:00:02 GMT

1. 기획자가 말하는 “입력”과, 모델이 받는 “입력”은 다르다 이런 말을 듣는다고 생각해보자. 입력값으로는 시청 시간, 구매 이력, 선호 장르 같은 걸 넣으면 좋겠어요. 하지만 모델 입장에선 이건 아직 "그대로는 못 먹는 데이터"다. 모델이 이해할 수 있는 입력값은 오직 숫자이며, 그중에서도 ‘벡터(vector)’ 형태로 구조화되어야 한다. 즉,

#7. 모델은 무엇을 보고, 무엇을 판단해야 할까?

진토끼 — Wed, 09 Apr 2025 09:00:04 GMT

1. 모델의 ‘입력’과 ‘출력’이란 무엇인가? AI 모델은 크게 보면 아래와 같은 구조로 작동한다. 입력값(Input) → 모델 구조(연산) → 출력값(Output) 입력값은 모델에게 제공되는 데이터 / 출력값은 모델이 예측하거나 분류한 결과이다. 이 구조는 기획자 관점에서 말하자면, “무엇을 보고 판단하게 만들고, 무엇을 판단하게 할 것인가?”에 해당한

#6. 데이터 전처리: 쓰레기 데이터를 줄이는 방법

진토끼 — Tue, 08 Apr 2025 09:00:02 GMT

1. 왜 ‘전처리’가 필요한 걸까? 왜냐? 아무리 좋은 요리법을 따라도 썩은 재료로 만든다면 엉망인 요리가 된다! 데이터 전처리는 AI 모델이 학습을 제대로 할 수 있도록, 데이터를 정리하고 손질하는 사전 작업이다. AI는 사람이 보기엔 무시할 만한 잡음이나 오류도 그대로 받아들인다. 따라서 입력값이 엉망이면 아무리 좋은 모델도 성능이 엉망이 된다. 이를

#5. 모델이 학습한다는 건 정확히 무슨 뜻인가요?

진토끼 — Mon, 07 Apr 2025 10:00:03 GMT

AI가 학습한다는 말, 사실 많이 들어봤지만 정확히 뭐가 어떻게 된다는 걸까? 1. AI 모델은 어떻게 '배우는'가? 정답이 있는 데이터를 반복해서 보여주면서, 맞추는 방법을 점점 더 잘 익히게 만드는 것이다. 예시) 우린 ‘고양이’를 어떻게 배웠을까? 우리가 처음 고양이를 봤을 때는 그게 고양이인지 몰랐다. - “이게 고양이야”라고 누군가 알려줬고

#4. 활성화 함수란? 그리고 기획자가 알아야 할 이유

진토끼 — Fri, 04 Apr 2025 10:00:03 GMT

딥러닝 모델에서 퍼셉트론은 입력값을 받아 계산한 뒤, 하나의 출력값을 낸다. 하지만 이 계산 결과는 매우 크거나 작을 수 있고, 경우에 따라선 음수로 나올 수도 있다. 이 상태로 다음 단계에 전달하면 모델이 불안정하게 학습되거나, 아예 학습 자체가 안 될 수도 있다. 활성화 함수란? 그래서 계산된 결과값을 모델이 해석하고 활용하기 좋은 형태로 변환해

#3. 다층 퍼셉트론: 더 똑똑해지려면 층을 쌓자 - AI는 처음이라 - 기획자의 정리 노트 (3)

진토끼 — Thu, 03 Apr 2025 10:00:01 GMT

단층 퍼셉트론은 선형 문제만 해결할 수 있다. 선형 문제란 쉽게 말해 직선 하나로 분류가 가능한 문제다. 예를 들어 키와 몸무게를 기준으로 운동선수와 일반인을 구분한다면, 어느 정도 직선 형태로 나눌 수 있다. 하지만 현실의 많은 문제는 그렇게 간단하지 않다. 이미지 인식, 음성 인식, 감정 분석처럼 수많은 특성과 맥락이 얽힌 데이터는 선형 경계로 구분할

#2. 퍼셉트론: 딥러닝의 근본(?)

진토끼 — Wed, 02 Apr 2025 10:00:02 GMT

우리가 AI 모델이라고 부르는 것의 가장 작은 단위는 뭘까?수천 개의 데이터를 처리하고, 아주 복잡한 판단을 내리는 그 안쪽을 들여다보면, 맨 바닥에는 마치 ‘뇌세포처럼’ 작동하는 작은 구조가 있다. 그게 바로 퍼셉트론(perceptron)이다. 퍼셉트론이란? 딥러닝의 핵심은 퍼셉트론이라는 구조다. 퍼셉트론은 한마디로, 여러 개의 입력값을 받아서 하나

#1. 인공지능, 머신러닝, 딥러닝의 구조와 차이

진토끼 — Tue, 01 Apr 2025 10:08:00 GMT

먼저 인공지능(AI), 머신러닝(ML), 딥러닝(DL)은 서로 다른 기술이 아니라 계층 구조처럼 포함 관계를 가지고 있다. 인공지능(AI)- AI는 사람처럼 사고하거나 행동하는 모든 기술을 통칭하는 가장 큰 개념이다. 그 안에 ML이 포함되고, ML 안에 DL이 들어있는 구조다. - AI는 단순한 if-then 규칙 기반 시스템도 포함할 수 있다. 예를

조직에서 만나는 다양한 사람들 - Giver, Matcher, Taker. 당신은 어떤 유형인가요?

진토끼 — Mon, 31 Mar 2025 07:18:15 GMT

조직생활을 하다 보면, 일이 어려운 게 아니라 사람이 어려운 순간을 더 자주 겪게 된다. 같은 일을 해도 누구와 하느냐에 따라 완전히 다른 결과가 나오고, 일을 잘하고 싶어도 팀 안의 에너지 흐름이나 협업 방식이 방해가 될 때가 많다. "이제는 그냥 일만 하게 해주세요"라는 말이 나오는 것도 그런 맥락일 것이다. 얼마 전, 아담 그랜트(Adam Grant

규모있는 회사가 신사업에 실패하는 이유 - 스타트업이 아닌데 어떻게 스타트업처럼 일하란거예요

진토끼 — Fri, 14 Mar 2025 09:24:30 GMT

"이 팀은 스타트업처럼 일해주셨으면 좋겠어요." 규모가 있는 회사에서 새로운 사업을 시작할 때는 새로운 팀을 꾸린다. 그리고 그 팀의 구성원들은 이런 말을 흔히 듣곤 한다. 하지만 현실에서는 정반대의 일이 벌어진다. "이건 우리 브랜드에 맞지 않아." "이렇게 허술한 서비스를 내놓으면 안 되지." "언제쯤 매출이 날 거야? 1년 안에 수익 안 나면 접자

프로젝트가 산으로 가지 않게 하는 Scope 설정법 - "하는 김에 이것도 추가해주세요"에 흔들리지 않도록

진토끼 — Thu, 14 Nov 2024 05:08:07 GMT

서비스 기획 또는 PM을 하다 보면 한 번쯤은 들어본 말이 있다. “이왕 하는 김에 이 기능도 넣어주세요!” 가벼운 요청 같지만, 기획자나 PM 입장에서는 적지 않은 부담이 되는 말이다. 듣는 순간 속으로 깊은 한숨을 내쉬며(...) 추가 작업의 파급효과를 설명해야 한다. 자칫하면 프로젝트가 산으로 갈 수도 있는 요청이기 때문이다. 사실 이런 요청이 반

실무엔 없던 ‘문제-가설-검증’, 경력기술서엔? - 모든 회사가 ‘문제-가설-검증’ 방식으로 일하진 않으니까요

진토끼 — Wed, 06 Nov 2024 03:54:32 GMT

경력기술서나 포트폴리오를 문제 정의-가설 수립-액션 및 검증-결과 순서로 작성해 주세요 요즘 채용공고에서 많이 보이는 문장이다. 이 문장은 토스에서 시작된 후 여러 IT 기업들이 채용 공고에 많이 포함하게 된 문구이다. 구직자 입장에서는 반갑기도 하지만, 의문도 생길 수 있다. 반가운 이유는 경력기술서의 작성 방향성이 명확히 정해진다는 점이고, 의문이 드는

기획자는 방향없는 프로젝트에서 어떻게 해야 할까 - 기획자 권태기, 기태기(?)가 와버린 걸까요?

진토끼 — Mon, 04 Nov 2024 06:07:12 GMT

요즘 따라 업무가 권태롭게 느껴진다. 프로젝트의 방향성이 명확하지 않은 상황이 계속되고, 기획자를 비롯한 메이커들의 주도권 역시 점점 사라지는 듯하다. 사실 이런 상황이 한두 번이 아니다. 몇 번이나 사업적 방향성을 설정하려고 설득해봤지만, 일관성 없는 마이크로매니징과 그때그때 달라지는 의사결정이 동기부여에 자꾸 제동을 건다. 기획자는 기능만 설계

CI와 DI, 비슷해보이지만 다른 두 인증 정보 - CI, DI의 차이점과 활용 사례

진토끼 — Thu, 26 Sep 2024 07:39:32 GMT

인증 시스템을 설계하다 보면 CI(Connecting Information)와 DI(Duplicate Information)라는 용어를 자주 접하게 된다. 특히 본인인증 과정에서 이 두 가지 값이 많이 나오는데, 처음 접하면 조금 헷갈릴 수 있다. 그래서 오늘은 실무자들이 알아두면 유용한 CI와 DI의 차이를 쉽게 설명해보려고 한다. 두 정보 모두 본인인

본인인증과 점유인증, 두 가지 방식의 특징과 차이 - 흔히 보이는 인증 절차. 언제 어떻게 쓰는 걸까?

진토끼 — Tue, 24 Sep 2024 09:09:43 GMT

온라인 서비스를 이용하다보면 회원 가입, 또는 무언가를 구매하기 전에 인증 절차를 접할 수 있다. 대표적인 인증 방식으로는 본인인증과 점유인증이 있으며, 이 두 가지는 유사해 보이지만 각기 다른 목적과 역할을 가지고 있다. 이 포스팅에서는 본인인증과 점유인증이 무엇인지, 각 인증 방식이 어떤 상황에서 사용되는지 알아보고, 실무에서 인증 방식을 선택할 때 고