Intelligence Library
Intelligence Library is a GitHub-native multimodal intelligence center for evidence-backed personal learning, retrieval, synthesis, editorial work,…
AI
Subtopics:AI infrastructure
View·OCT 12
AI를 잘 아는 개발자보다, 고객의 현장에서 끝까지 배포하는 개발자를 찾는 이유
OpenAI가 서울에서 채용하는 Forward Deployed Engineer(FDE)의 업무 설명을 읽으면, 채용하려는 사람이 어떤 모델을 가장 많이 알고 있는지보다 그 모델로 고객의 실제 업무를 작동하게 할 수 있는지를 묻고 있다는 점이 먼저 눈에 들어온다. 기술 탐색에서…
View·OCT 8
은행 앱 밖에서 고객 정보가 샜다: 업무용 조회 경로의 보안 공백
10월 초 국내 여러 은행에서 고객 정보가 유출됐다. 유출이 발견된 곳은 일반 고객이 쓰는 송금·예금 앱이 아니었다. 대출 모집인 조회 서비스와 직원용 업무지원 화면, 영업지원 시스템이었다. 신한은행은 대출 모집인용 조회 서비스에서 인증을 우회한 접근으로 약 2만5천 명의 정보가…
View·OCT 8
개발도상국의 AI 첫 투자는 거대 모델보다 현지 공공서비스에 가까울 수 있다
AI 투자를 이야기할 때 거대한 데이터센터와 자국 모델부터 떠올리기 쉽다. 첨단 반도체를 확보하고 고성능 모델을 학습해 다른 나라 기술에 의존하지 않는 체계를 만들자는 구상이다. 재정과 전력이 넉넉한 국가라면 검토할 만한 전략이다. 그러나 교사와 의사, 행정 인력이 부족한 나라에도…
Note·OCT 8
카드뉴스: 개발도상국의 AI 첫 투자는 공공서비스에 가까울 수 있다
개발도상국의 AI 첫 투자는 거대 모델보다 현지 공공서비스에 가까울 수 있다를 여섯 장의 카드로 정리했다. 세계은행은 이미 있는 AI를 먼저 도입하고(Adopt), 현지 언어와 업무에 맞게 조정한 뒤(Adapt), 필요할 때 더 높은 기술 단계로 나아가라(Advance)고 제안한다.…
View·OCT 5
AI 에이전트의 사람 개입은 ‘승인 버튼’이 아니라 비동기 예외 큐가 되어야 한다
AI 에이전트가 실제 업무를 많이 처리하기 시작하면 사람의 역할은 줄어드는 것처럼 보인다. 고객지원 에이전트가 문의 대부분을 해결하고, 코딩 에이전트가 PR을 쏟아내며, 업무 에이전트가 예약·환불·계약 같은 프로세스에 들어가면 사람이 직접 손대야 하는 건수는 분명 줄어들 수 있다.…
View·OCT 3
AI가 MVP를 죽인 게 아니다: ‘완성품=학습’이라는 신호가 깨졌다
9월 말 Steve Blank는 자신이 만든 Lean LaunchPad 수업에서 더 이상 MVP라는 말을 쓰지 않겠다고 밝혔다. 이유는 제품을 만들기 어려워졌기 때문이 아니다. 정반대다. AI로 첫날부터 그럴듯하게 작동하는 제품을 만들 수 있게 되면서, 완성품이 팀이 고객을 이해했고…
View·OCT 1
Chief AI Officer가 필요한 이유는 AI를 더 잘 알기 위해서가 아니다
IBM의 2026년 조사에서 응답 기업의 76%는 Chief AI Officer(CAIO)를 두고 있다고 답했다. 1년 전 26%에서 크게 늘어난 수치다. 같은 조사 계열에서 정작 AI를 업무에 정기적으로 쓰는 직원은 25%에 그쳤다.[^1][^2] 직함은 빠르게 늘었는데 실제 업무…
View·SEP 30
AI 에이전트가 앱을 없앨까: 소프트웨어의 가치는 화면에서 ‘상태·권한·기능’으로 이동한다
Microsoft는 2026년 10월 16일 Windows·iOS·Android용 독립형 Whiteboard 앱을 종료한다. 다만 Whiteboard라는 서비스 자체가 사라지는 것은 아니다. 업무·학교 계정 사용자는 Teams와 웹에서 계속 Whiteboard를 쓰고,…
View·SEP 29
AI는 항상 더 오래 생각해야 할까: 에이전트의 다음 경쟁 영역은 '얼마나 생각할지 분별하는 능력'이다
요즘 강한 AI 모델을 쓰는 방법은 대체로 한 방향으로 진화해왔다. 어려운 문제라면 바로 답하지 말고 더 오래 생각하게 한다. 여러 후보를 만들고, 스스로 다시 검토하게 하고, 필요하면 검색이나 도구를 추가로 사용하게 한다. 실제로 이런 test-time compute, 즉 모델이…
View·SEP 28
AI가 쇼핑을 대신하는 시대, 고객 수요를 가치로 창출해 내는 AI 운영체계가 필요하다
기업의 성장은 흔히 새로운 수요를 만드는 이야기로 설명된다. 새로운 시장을 찾고, 새로운 제품을 만들고, 아직 존재하지 않았던 고객의 필요를 발견하는 기업이 성장한다는 서사다. 그런데 최근 서로 전혀 달라 보이는 두 장면을 같이 놓고 보면 다른 종류의 성장 메커니즘이 보인다.…
View·SEP 28
AI가 연구 벤치마크를 이겨도 ‘지식을 발견했다’고 말하기 어려운 이유
AI 연구 에이전트의 성능이 빠르게 좋아지고 있다. 이제 모델은 논문을 읽고 코드를 수정하는 수준을 넘어, 며칠 동안 수천 번의 실험을 돌리고 최적화 방법을 바꾸며 기존 기록에 접근한다. Prime Intellect가 2026년 8월 공개한 autonomous research 실험은…
View·SEP 26
AI 추천의 다음 경쟁은 더 많은 선택지가 아니라 ‘편집 가능한 취향 모델’이다
여행을 계획하는 도구는 8년 전보다 훨씬 좋아졌다. 검색은 빨라졌고, 리뷰는 많아졌고, AI에게 조건을 말하면 몇 초 안에 일정표와 후보 목록을 받을 수 있다. 그런데 McKinsey가 2026년 미국 여행자의 의사결정 과정을 다시 추적한 결과, 평균 접점은 2018년 약 45개에서…
View·SEP 25
로봇은 백만 시간의 영상을 본 뒤에도 현장에서 다시 배워야 한다
로봇 학습의 데이터 규모가 빠르게 커지고 있다. Dyna Robotics는 2026년 8월 공개한 Dyna-2를 100만 시간 이상의 사람 시점 영상으로 사전학습했다고 밝혔다. Meta의 V-JEPA 2도 100만 시간이 넘는 인터넷 영상으로 세계의 움직임을 학습한 뒤, 62시간…
View·SEP 23
AI가 답을 더 잘 만들어줄수록, 학교는 읽고 생각하는 역량을 키워줘야 한다
2026년 9월 공개된 PISA 2025 결과에는 서로 반대 방향처럼 보이는 두 숫자가 함께 들어 있다. OECD 국가 학생의 46%가 학교 공부를 위해 AI 챗봇을 적어도 주 1회 사용한다고 답했다. 동시에 OECD 평균 읽기 점수는 2015년보다 28점 낮아졌다. 학생들은…
View·SEP 22
Jev가 중요한 이유는 ‘더 싼 LLM’이 아니라 판단/생성이 분리된 LLM이기 때문이다
9월 15일 TypeSafe AI가 Jev를 공개한 뒤, 시장의 관심은 곧바로 속도와 가격 숫자에 쏠렸다. 회사는 자체 workflow 평가에서 최대 193.6배 빠르고 444.6배 저렴했다고 발표했고, Vercel은 Jev가 AI Gateway에 올라온 뒤 24시간 안에 유료 팀의…
Research·SEP 21
AI는 새로운 관찰자가 될 수 있는가
한 사람이 세계에 대해 알 수 있는 범위는 매우 좁다. 감각도 제한되어 있고, 기억과 주의력에도 한계가 있다. 한 분야를 평생 연구하더라도 그 분야에서 생산되는 지식 전체를 따라가기 어렵다. 그런데 인류의 지식은 이 개인적 한계보다 훨씬 넓다. 이 차이는 오래전부터 사회적으로…
View·SEP 19
AI가 시간을 아껴줘도 일이 줄지 않는 이유
유럽중앙은행(ECB)이 2026년 직장인들을 조사했더니 AI 사용자는 주당 중간값 3시간, 근무시간의 약 7.7%를 절약한다고 답했다. 하지만 전체 노동시장으로 넓혀 계산하면 AI를 쓰면서 실제로 시간을 절약한 사람은 48.8%였고, 총 효율 개선은 근무시간의 약 3.8%로…
View·SEP 18
AI는 하드테크를 소프트웨어처럼 만들지 않는다
최근 Y Combinator가 공개한 대화에서 눈에 띄는 변화가 하나 있었다. 최근 12~18개월 사이 합격 회사 가운데 이른바 하드테크 비중이 약 8%에서 20%로 높아졌고, 로보틱스·제조·방위·실리콘·전력 인프라가 함께 늘었다는 설명이다.[^1] 현재 YC 디렉터리에도 hard…
View·SEP 17
GEO 다음 단계는 ‘에이전트가 호출할 수 있는 웹’이다
기업이 AI 검색을 준비할 때 지금까지의 질문은 대체로 하나였다. “ChatGPT나 Google AI가 우리 회사를 제대로 찾고 인용하는가?” 그래서 SEO와 GEO는 공개 웹에 정확한 제품·브랜드 원문을 쌓고, 크롤러와 검색 시스템이 이를 안정적으로 읽게 만드는 문제로 발전해…
View·SEP 16
음성 에이전트의 다음 병목은 음성 정확도가 아니라 행동 유도를 위한 임계값 도달이다
음성 AI가 사람의 말을 알아듣고 자연스럽게 대답하는 문제는 빠르게 해결되고 있다. OpenAI가 9월 공개한 GPT-Live-1은 사람이 말을 끝낼 때까지 기다렸다가 답하는 방식에서 더 나아가, 듣고 말하는 일을 동시에 처리한다. 사람이 중간에 끼어들거나 잠시 망설여도 대화를…
Research·SEP 14
AI가 발견하기 시작한 시대, 연구자는 무엇을 하는가
연구라는 일을 오랫동안 하나의 과정으로 생각해왔다. 이미 알려진 지식의 끝을 찾아가고, 그곳에서 아직 설명되지 않은 문제를 발견한다. 질문을 만들고, 가설을 세우고, 실험하거나 계산한다. 결과가 충분히 견고하다면 새로운 지식으로 받아들이고, 그 지점에서 다시 다음 질문을 찾는다.…
View·SEP 13
AI를 통제하는 권력은 누가 통제하는가 — AI 시대의 안전, 경쟁, 주권의 재설계
AI의 위험을 이야기할 때 가장 직관적인 해법은 ‘킬스위치’다. 충분히 위험해지면 인간이 기계를 끄면 된다는 발상이다. 그러나 이 질문은 중요한 것을 생략한다. 누가 위험하다고 판단하는가. 어느 정도의 위험에서 개입하는가. 누가 중단 명령을 내리고, 누가 그 명령을 집행하는가.…
View·SEP 12
AI 이미지가 좋아질수록, 창작의 병목은 생성보다 선택으로 이동한다
생성형 이미지의 초기 경쟁은 단순했다. 프롬프트를 넣었을 때 얼마나 그럴듯한 그림을 만드는지가 중요했다. 지금은 문제가 달라지고 있다. OpenAI는 9월 8일 공개한 ChatGPT Images 2.5에서 참고사진의 피사체를 더 잘 보존하고 여러 번의 편집 지시를 더 안정적으로…
View·SEP 9
AI의 생각을 못 볼수록, 통제는 더 바깥으로 이동한다
AI를 통제하는 가장 직관적인 방법은 모델이 왜 그런 판단을 했는지 들여다보는 것이다. 실제로 reasoning model의 Chain-of-Thought(CoT)는 에이전트가 테스트를 속이거나 엉뚱한 목표를 추구하는 징후를 찾는 데 유용한 감시 수단으로 연구돼 왔다. 그런데…
View·SEP 8
AI가 코드를 빨리 쓸수록, 품질의 병목은 리뷰에서 검증으로 이동한다
AI 코딩 도구가 한 번에 수백 줄을 만들고 여러 작업을 병렬로 처리하기 시작하면, 가장 먼저 부족해지는 것은 코드를 쓰는 시간이 아니다. 그 코드가 맞는지 확인하는 시간이다. DORA가 2026년 3월 공개한 분석에서도 AI가 초안 작성 속도를 높인 만큼 절약된 시간이 감사와…
View·SEP 7
로보택시는 자동차가 아니라 도시 운영체계다
로보택시 경쟁이 빠르게 현실의 서비스 경쟁으로 옮겨가고 있다. Waymo는 9월 1일 덴버·샌디에이고·탬파에서 일반 승객을 받기 시작하며 완전 자율주행 서비스를 제공하는 도시를 14곳으로 늘렸다고 밝혔다.[^1] 같은 시기 Zoox도 미국 내 테스트·상용 지역을 확대했고,…
View·SEP 3
기업은 자신이 사용하는 도구를 닮아간다
엑셀은 이상한 소프트웨어다. 개발자들이 특정 프로그래밍 언어나 운영체제의 아름다움에 대해 이야기하는 모습은 쉽게 볼 수 있지만, Excel의 철학을 이야기하는 사람은 드물다. 너무 오래, 너무 널리 사용된 탓에 이제는 기술이라기보다 사무실의 일부처럼 보인다. 하지만 지난 반세기 동안…