300x250 반응형 전체 글1839 제브(Jev) AI 모델이 디자이너에게 중요한 이유, 확신 대신 확률을 말하는 인공지능 AI는 왜 늘 자신 있게 말할까요챗봇에게 질문을 던지면 대부분 막힘없이 답이 돌아와요.문제는 틀린 답도 똑같이 당당하다는 점이에요. 존재하지 않는 논문을 인용하거나 틀린 통계를 내놓고도 말투는 전혀 흔들리지 않죠.문서를 주고 요약만 시켜도 상위 모델의 환각(사실이 아닌 내용을 지어내는 현상) 발생률이 3~10% 수준이라는 보고가 있어요. 숫자가 작아 보여도 업무에서는 10번 중 1번이 틀릴 수 있다는 뜻이에요.더 큰 문제는 어느 1번이 틀렸는지 AI가 알려주지 않는다는 점이에요. AI의 진짜 약점은 틀리는 것 자체보다 틀리고도 확신에 차 있다는 것입니다.제브(Jev)는 어떤 AI일까요2026년 9월 15일, 타입세이프(TypeSafe)라는 회사가 제브라는 모델을 공개했어요.제브는 글을 쓰지 않아요. 정보.. 2026. 10. 24. AI 디자인 시스템 3일 만에 바꾼 비결, 바이브 코딩에 규칙 문서가 필수인 이유 3일 만에 웹사이트부터 발표 자료까지 전부 바꾼 팀이 있어요독일의 소프트웨어 회사 큐리오시티가 최근 자사 블로그에 흥미로운 글을 올렸어요.AI 디자인 시스템을 활용해 웹사이트, 블로그, 문서 화면, 발표 슬라이드까지 3일 만에 새 브랜드로 바꿨다는 내용이에요.바이브 코딩, 그러니까 AI에게 말로 지시해서 코드를 만드는 방식으로 이런 속도를 냈다는 게 놀랍지 않나요?저도 처음 읽었을 때는 AI가 대단하구나 싶었는데요, 글을 끝까지 읽어 보니 진짜 비결은 속도가 아니었어요.속도를 받쳐 준 건 디자인 언어를 숫자와 규칙으로 적어 둔 문서 한 장이었어요.3일의 비결은 빠른 AI가 아니라 AI가 읽을 수 있는 규칙 문서였습니다.디자인 시스템이 뭔지 먼저 짚고 갈게요디자인 시스템은 쉽게 말해 화면을 만드는 규칙 모.. 2026. 10. 24. 어텐션 메커니즘이란, 챗GPT 클로드를 만든 트랜스포머가 지능의 본질일까? 번역 숙제에서 시작된 AI 혁명챗GPT가 나온 2022년 이후로 AI 비서, AI 데이터센터, AI 경제 같은 말이 일상이 됐어요.그런데 이 모든 변화의 출발점이 스물세 살 인턴의 작은 아이디어였다면 믿어지시나요.2014년 캐나다 몬트리올대 연구실에서 벨라루스 출신 인턴 드미트리 바다나우가 영어를 프랑스어로 옮기는 신경망을 연구하고 있었어요. 그가 만든 작은 계산 방식 하나가 지금 우리가 쓰는 대형 언어모델, 흔히 LLM이라고 부르는 AI의 뿌리가 됐습니다.미국 과학 매체 콴타 매거진이 2026년 10월 칼럼으로 다룬 이야기인데요. 오늘은 어텐션 메커니즘이 무엇인지, 왜 지능의 핵심으로 거론되는지 최대한 쉽게 풀어볼게요.한 줄로 말하면, 오늘날 AI 열풍의 씨앗은 번역 문제를 풀려던 작은 아이디어였습니다.. 2026. 10. 24. 클로드 글쓰기 AI 티, 줄표는 사라졌는데 왜 아직도 티가 날까? SNS에서 자꾸 눈에 걸리는 그 문장들SNS를 보다 보면 "이건 단순한 도구가 아니라 사고방식입니다" 같은 문장을 자주 만나게 돼요."이 디테일이 하는 일이 꽤 많습니다"라는 표현도 요즘 부쩍 많이 보이죠.사람이 쓴 글 같은데 어딘가 낯익은 결이 느껴지는 경험, 한 번쯤 있으실 거예요.저도 처음엔 그냥 요즘 유행하는 말투인가 싶었어요. 그런데 이 낯익음의 정체가 생성형 AI, 그중에서도 클로드의 말버릇이라는 이야기가 꾸준히 나왔습니다.그러던 중 앤트로픽이 새 모델 Opus 5.5를 내놓으면서 글쓰기와 소통 방식을 크게 손봤다고 밝혔어요. 개발자들 사이에서는 "이제 고쳤다"는 반응까지 돌았고요.과연 사실일까요?AI 성능을 관찰하고 평가하는 회사 아라이즈(Arize)의 짐 베넷이 이 말을 직접 실험으로 검증.. 2026. 10. 23. 하네스 엔지니어링이란, AI 에이전트 시대에 데이터 엔지니어링이 바뀌는 이유 AI가 SQL을 대신 짜주는 시대, 진짜 문제는 그다음이에요요즘 AI가 SQL이나 데이터 파이프라인을 몇 초 만에 만들어주는 모습, 한 번쯤 보셨을 거예요. 저도 처음 봤을 때는 솔직히 놀랐어요.그런데 막상 회사 운영 환경에 올리려고 하면 손이 딱 멈추더라구요. 이 쿼리가 맞는지 누가 확인하는지, 틀리면 누가 책임지는지가 정리되어 있지 않기 때문이에요.이 고민을 풀어낸 개념이 바로 하네스 엔지니어링(AI가 만든 결과물을 안전하게 운영에 올리기 위한 통제 장치 설계)이에요. 오늘은 AI 에이전트(스스로 계획하고 실행하는 AI) 시대에 데이터 엔지니어링이 어떻게 달라지는지 쉽게 정리해볼게요.한 줄 정리하면 이래요. AI가 코드를 쓰는 속도보다, 그 결과를 믿고 운영에 올리는 체계가 더 중요해졌어요.하네스란 .. 2026. 10. 23. AI 에이전트 온톨로지, 연매출 40억 티로가 같은 기준부터 정한 이유 한국 기업의 MRR은 얼마일까요? 같은 질문에 답이 달랐습니다티로 팀 안에서 "한국 기업의 MRR(월 반복 매출)은 얼마인가요?"라는 질문에 사람마다 다른 답이 나왔다고 해요. 이유는 단순했어요. 일본에서 결제한 고객을 어느 나라 매출에 넣을지 기준이 없었던 거예요.예를 들어 한국에서 일본인 고객이 도입한 뒤 일본 팀원 열한 명을 데려왔다고 해볼게요. 이건 일본 매출일까요, 한국 매출일까요? 같은 지표를 이야기하면서 서로 다른 숫자를 보고 있었던 셈이에요.이 문제는 티로만의 이야기가 아니에요. 고객, 장애, 계약 완료 같은 말을 우리 팀은 정말 같은 뜻으로 쓰고 있을까요? 사람끼리는 눈치로 넘어가지만, AI 에이전트에게 일을 맡기는 순간 이 모호함이 그대로 오류가 돼요.한 줄 정리: AI에게 일을 맡기기.. 2026. 10. 23. 이전 1 2 3 4 ··· 307 다음 300x250 반응형
