ITSSUE ITSSUE

기업에서 생성되는 문서는 단순한 기록물이 아니라 업무 과정에서 지속적으로 활용되는 핵심 데이터 자산이다. 그러나 현재 대부분의 기업 문서는 PDF, Word, Excel과 같은 비정형 형태로 보관되며, AI를 적용할 경우 매번 문서 본문을 다시 분석하고 의미를 추출해야 한다. 이러한 방식은 AI 도입 초기에는 유효하지만, 기업 전체 문서를 장기간 운영하는 구조에서는 비용과 정확도 측면에서 한계가 있다. 문서를 생성하는 시스템과 담당자는 이미 문서의 종류, 업무 목적, 대상, 상태와 같은 주요 정보를 알고 있음에도, AI가 이후 동일한 정보를 다시 추론해야 하기 때문이다. 따라서 기업의 문서 시스템은 문서 생성 시점부터 AI 활용을 고려한 메타정보를 함께 기록하는 방향으로 확장할 필요가 있다. PDF의 X..

수많은 고객사를 접하면서 최근 가장 많이 고민하는 것 중 하나가 AI의 비용이다. 생성형 AI, 특히 정해진 템플릿에 값을 채우는 수준이 아니라 여러 데이터를 검색하고 조합하여 하나의 결과물을 생성하는 시스템은 생각보다 많은 비용이 발생한다. 최근 경험을 기준으로 보면 하나의 보고서를 생성하는 데 약 2,000원 정도가 발생할 수 있다.물론 이 비용 자체가 반드시 적정하다는 의미는 아니다. 시스템이 충분히 최적화되지 않았기 때문에 발생한 비용일 수도 있고, 개발 구조 자체가 비효율적이어서 높아진 비용일 수도 있다. 하지만 중요한 것은 같은 2,000원을 두고도 바라보는 관점이 완전히 다를 수 있다는 점이다.누군가는 "보고서 하나에 2,000원이면 별것 아니지 않나?"라고 생각할 수 있고, 다른 누군가는 ..

요즘 AI 개발자에게 점점 더 많이 요구되는 역할 중 하나가 전방 배치 엔지니어(Forward Deployed Engineer, FDE)라고 생각한다.아주 옛날식으로 쉽게 표현하면 SI 개발자와 유사하다. 다만 기존의 SI가 특정 도메인이나 특정 시스템을 대상으로 요구사항을 분석하고 시스템을 구축하는 역할이었다면, FDE는 그보다 훨씬 넓고 전방위적인 역할을 수행한다. 오늘은 빌링팀의 업무를 분석하고,내일은 점검팀의 업무를 분석하고,그다음에는 심사팀의 업무를 분석한다. 매번 서로 다른 요구사항과 도메인을 이해하고, 이를 데이터와 시스템의 관점에서 정형화하여 실제 결과물로 만들어내야 한다.이 과정에서 가장 큰 어려움은 역시 도메인이다. 여기서 말하는 도메인은 단순히 산업군이나 업무 분야를 의미하지 않는다...

누구도 처음부터 훌륭한 엔지니어나 프로그래머, 과학자로 태어나지 않음. 수많은 밤샘과 반복 훈련, 실패와 어리석은 실수를 거친 경험의 축적으로 성장했음 이제 그런 기회와 예산이 사라진다면 다음 세대의 뛰어난 엔지니어가 어떤 경로로 성장할 수 있을지 의문임 해커 뉴스의 일부를 발췌했다.출처 : https://news.hada.io/topic?id=32441 AI가 소프트웨어 엔지니어링의 중산층을 없애고 있음 | GeekNewsAI는 구현 속도의 제한을 없애 취약한 엔지니어링 문화를 가진 프로젝트가 복구 불가능한 복잡성에 도달하는 시간까지 크게 단축함 하루 만에 수만 줄을 생성할 수 있지만 사람이 이해하고 검토news.hada.io 의견 중 아래 내용이 인상깊다.성능 개선 해커톤을 요청했지만 이미 헛수고일..

최근 많은 유튜버와 AI 에반젤리스트들은 IT 산업의 규칙이 완전히 바뀌었다고 말한다. 이제는 누구나 개발할 수 있으며, 앞으로는 전문 개발자가 더 이상 필요하지 않을 것이라는 주장도 어렵지 않게 접할 수 있다.일부는 맞는 말이다.현재의 개발 환경에서 AI를 배제하고 생산성을 논하기는 어렵다. AI가 제공하는 편의성과 속도를 경험하고 나면, 과거의 개발 방식으로 완전히 돌아가는 것은 사실상 불가능하다. 그러나 이러한 주장은 절반만 맞고, 나머지 절반은 틀렸다. 우리는 AI를 결국 도구라고 부른다.그 도구를 사용하는 사람이 10년 이상의 경험을 가진 뛰어난 엔지니어라면, AI를 통해 기존의 여러 개발자가 수행하던 일을 압축적으로 처리할 수 있다. 분석, 설계, 구현, 검증을 빠르게 반복하며 조직 전체에 버..

AI 페어 개발을 활용하면 기존과 비교하기 어려울 정도로 높은 개발 속도와 생산성을 얻을 수 있다. 그러나 그 성과는 AI 자체의 능력보다, AI를 사용하는 사람이 어떤 분석과 설계를 기반으로 개발하느냐에 따라 크게 달라진다.이미지 분류 기능을 개발한다고 가정해 보자.가장 단순하게 생각하면 마스터 이미지를 구축한 뒤, 사용자가 업로드한 이미지와 비교하여 해당 이미지가 무엇인지 판별하는 기능이다.예를 들어 고양이와 강아지 이미지를 학습 데이터로 구축하고, 사용자가 제출한 사진이 고양이인지, 강아지인지, 또는 둘 다 아닌지를 판단하는 문제는 비교적 단순하다. 그러나 실제 업무에서 이처럼 단순한 분류 문제는 거의 존재하지 않는다. 현실에서는 훨씬 복잡한 사물을 식별해야 하며, 하나의 이미지를 여러 계층과 카테..

스스로를 AI 엔지니어 또는 AI 개발자라고 부르는 많은 사람이 하는 주장 중 가장 터무니없는 것 중 하나는, AI가 인간보다 코드를 더 잘 작성하며 오류도 더 적게 발생시킨다는 주장입니다.AI에 대한 실질적인 통찰력을 가진 사람이라면 이러한 주장이 기본적인 전제를 완전히 무시하고 있다는 사실을 이해해야 합니다. AI는 특정 도메인에서 인간이 작성한 코드를 학습하고, 확률적 추론을 통해 결과물을 생성합니다. 다시 말해 AI는 진정으로 독창적인 코드를 작성하는 것이 아닙니다. 인간이 작성한 기존 코드의 패턴을 학습한 뒤, 일정한 논리 구조에 따라 이를 재구성하고 재현하는 것입니다.최근 제가 겪은 가장 답답한 경험 중 하나는 소위 AI 개발자라고 불리는 사람들을 상대하는 일이었습니다. 전체 코드의 70~80..

AI 개발을 하며 느낀 점을 서술한다.사용하는 LLM은 OPENAI CODEX GPT5.5. agents.md를 작성하고 각종 필요한 룰과 규칙을 정의한다.코드는 skills를 전역 폴더에 설정하고 코드 컨벤션 및 각종 주의사항을 기입한다. . net의 경우.editorconfigDirectory.Packages.propsglobal.json등을 통해 기본적인 컨벤션과 스펙을 폴더 기준으로 LLM에 노출할 수 있다. 프로젝트 구성은 직접 진행했지만 vertical slice architecture를 기술할 경우 해당 프로젝트를 생성해 주며폴더나 파일 구성이 이미 있을 경우 참조해서 해준다. 페어 코딩의 경우 기본적으로 plan 작성과 report 보고를 기준으로 한다. 코딩 계획을 세우고 일반논리를 작성..