데이터의 쓸모는 쓸 때가 아니라 모을 때 정해집니다
AI가 오랫동안 미뤄둔 숙제를 하나 풀어줬습니다. '일단 다 모아둬라, 언젠가 쓴다' — 그 언젠가를 진짜로 데려온 거죠. 이제 쌓아둔 데이터 더미를 통째로 AI에게 넘길 수 있게 됐습니다. 그래서 넘겨봤더니, 못 씁니다. 문제는 데이터의 양이 아니었습니다. 모을 때 아무도 한 줄을 안 적어둔 거였죠. 그 한 줄은 나중에 복원되지 않습니다.
- 데이터
- AI활용
- 일하는방식
- 데이터수집
- 실무
메인으로
Data & AI · 기업교육
Insights
인사이트
현장에서 검증한 데이터·AI 활용 인사이트를 나눕니다.
'확인만 하겠습니다'라는 코드가 가장 위험합니다
AI에게 일을 시켰더니, 준비 단계에서 제가 열어놓고 작업하던 소프트웨어를 그냥 종료시켰습니다. 저장 안 한 작업이 통째로 날아갔죠. 파일을 지우라고 시킨 적은 없습니다. 파일도 안 지워졌고요. 위험한 건 제가 시킨 일이 아니라, 그 일에 딸려온 부수효과였습니다. 그래서 위임의 상한선은 하나가 더 있습니다 — 되돌릴 수 있는 만큼만 맡길 수 있습니다.
- AI에이전트
- 위임
- 일하는방식
- 자동화
- 복구
'이제 한 줄이면 된다'는 말을 믿지 마세요
요즘 '프롬프트 엔지니어링은 끝났다, 이제 한 줄이면 된다'는 말이 넘칩니다. 반은 맞고 반은 함정이에요. 그 한 줄이 데모처럼 작동하는 건, 수면 아래에 누군가 시스템 프롬프트·맥락·스키마·도구·루프를 다 깔아놨기 때문입니다. 프롬프트가 짧아진 게 아니라, 복잡함이 안 보이는 곳으로 옮겨간 겁니다. 부러워할 건 한 줄이 아니라, 그 밑의 구조예요.
- 프롬프트
- 일하는방식
- AI활용
- 하네스
더블클릭은 '여는' 게 아니라 '해석하는' 겁니다
구글 시트에서 받은 CSV를 엑셀로 더블클릭해서 열고, 고치고, 저장했습니다. 그 사이 한글 398자가 사라지고, 반복 횟수가 날짜로 바뀌고, 쉼표가 먹혀 표의 뼈대가 무너졌습니다. 더블클릭은 파일을 '여는' 게 아니라 추측해서 해석하고 자동으로 바꾸는 일이었고, 저장은 그 추측을 원본에 확정하는 일이었습니다. 깨진 건 연 순간이지만, 죽은 건 저장한 순간이었어요.
- 데이터
- CSV
- 일하는방식
- AI활용
AI가 무엇을 보고 답했는지, 아무도 알려주지 않습니다
AI 코치는 6주치 기록을 분석했다고 자신 있게 말했습니다. 실제로 넘어간 건 세션 한 번 반이었습니다. 에러도 경고도 없었어요. 잘린 건 답이 아니라 근거였고, 근거는 화면에 나오지 않습니다. 붙여넣던 시절엔 최소한 내가 무엇을 줬는지 알았습니다. 연결해두는 순간, 아무도 모릅니다.
- AI활용
- 검증
- 컨텍스트
- 일하는방식
주간 AI 동향 — 7월 둘째 주
에이전트가 '답' 대신 '완성물'을 내놓기 시작한 주. 그리고 코파일럿 화면에서 모델 이름이 흐려지기 시작했습니다. 고를 것이 없어질수록, 남는 변수는 셋뿐입니다 — 무엇을 시키고, 어디까지 허용하고, 나온 결과를 어떻게 검증하느냐.
- AI동향
- 주간다이제스트
- 에이전트
- 에이전트권한
- 오픈모델
- AI교육
틀린 정보는 티가 납니다. 낡은 정보는 티가 안 납니다
AI가 찾아온 근거는 한 점 흠이 없었습니다. 날짜도 장소도 인용 문구도 맞았고, 매체 여러 곳이 교차 확인해줬습니다. 다만 그 사실이 이미 뒤집혀 있었을 뿐입니다. 검색은 '그 일이 있었다'를 찾아주고, '그 뒤에 취소됐다'는 따로 물어야만 찾아줍니다.
- AI활용
- 검증
- 리서치
- 일하는방식
모델이 하네스를 삼킨다 — 그래서 '딸깍'이면 끝일까
차세대 모델이 하네스를 먹어치운다는 전망이 업계에 퍼지고 있습니다. 방향은 맞지만, '무용론'은 과장이고 '딸깍이면 끝'은 함정입니다. 껍데기가 벗겨질수록 남는 일은 오히려 더 어려워집니다.
- AI동향
- 하네스
- 에이전트
- 일하는방식
'다음엔 조심하겠습니다'는 대책이 아닙니다
자동검사 네 겹을 전부 통과하고도 결과물은 깨져 있었습니다. 통과는 맞다는 뜻이 아니라, 내가 물어본 것만 맞다는 뜻입니다. 한 번 데인 결함은 주의력이 아니라 장치로 막고, 그 장치가 진짜 작동하는지까지 시험해야 합니다.
- AI교육
- AI검증
- 일하는방식
- 위임
- 현장사례
형식을 외우는 건, 더 이상 당신 일이 아닙니다
낯선 양식이나 처음 보는 문법 앞에서 우리는 반사적으로 '규칙부터 배워야지' 합니다. 그런데 그 규칙은 기계가 이미 완벽히 아는 것이라, 사람이 머리에 넣을 이유가 없습니다. 형식을 외우는 대신 AI에게 정답 예시를 받아 모양만 복제하면 됩니다. 배울 것과 안 배울 것이 바뀌었을 뿐입니다.
- 일하는방식
- AI활용
- 프롬프트
- 비개발자
모델을 바꾸기 전에, 쓰는 법을 바꾸세요
AI 결과가 아쉬우면 우리는 모델을 의심합니다. 더 좋은 걸로 바꾸면 나아지겠지 하고요. 그런데 가장 앞선 모델조차 지식은 이미 몇 달 전에 멈춰 있고, 같은 모델이라도 프롬프트 형식만 바꾸면 성능이 최대 76점까지 갈린다는 연구가 있습니다. 결과를 가르는 건 어떤 모델이 아니라, 어떻게 쓰느냐입니다.
- 일하는방식
- 모델선택
- 프롬프트
- AI활용
코딩을 못 해도, 크롤링은 할 수 있습니다
코딩을 못 하는데 크롤링을 어떻게 하냐는 말은 전제부터 틀렸습니다. 필요한 건 코드를 아는 게 아니라, AI에게 정확히 무엇을 시킬지 아는 것이니까요. 개발자도구로 어디를 짚고, 원하는 동작을 말로 시키고, 막히면 에러를 붙여넣어 고칩니다. 외운 코드 한 벌은 사이트가 바뀌면 죽지만, 받아내는 능력은 어느 화면에서도 다시 통합니다.
- 일하는방식
- 바이브코딩
- 크롤링
- 비개발자
주간 AI 동향 — 6월 다섯째 주
막혔던 최강 모델이 풀려나고, 자율 실행이 무료로 내려왔습니다. 그럴수록 비용도 성패도 유저 쪽으로 넘어옵니다 — 세계 최대 기업조차 에이전트 앞에서 멈춘 주. 값이 남는 자리는 늘 같은 곳입니다. 도구가 아니라, 그걸 어떻게 쓰고 판단하느냐.
- AI동향
- 주간다이제스트
- 에이전트
- 수출통제
- AI비용
AI를 잘 쓰는 팀과 못 쓰는 팀의 차이는 도구가 아니었습니다
같은 회사, 같은 도구, 같은 교육. 그런데 어떤 팀은 AI로 확 달라지고 어떤 팀은 제자리입니다. 흔히 '잘하는 사람이 있어서'라고 하지만, 못 쓰는 팀에도 잘하는 사람은 있습니다. 진짜 차이는 그 한 사람의 방식이 팀 전체로 퍼지느냐 — 개인기로 흩어지느냐, 팀의 자산이 되느냐입니다.
- AI활용
- 팀
- 조직
- 지식공유
- 일하는방식
AI에게 긴 문서를 통째로 주면, 오히려 답이 흐려집니다
두꺼운 보고서나 긴 회의록을 통째로 붙여넣고 정리해 달라고 했더니, AI가 앞부분을 빼먹거나 엉뚱한 데를 요약합니다. AI가 게을러서가 아니에요. AI에게는 한 번에 볼 수 있는 창이 정해져 있어서, 통째로 밀어넣으면 뒤가 잘리고 가운데가 흐려집니다. 잘 쓰는 사람은 통째로 던지지 않고 필요한 조각을 골라 줍니다. 갈리는 건 AI 성능이 아니라, 무엇을 창에 넣을지 고르는 손입니다.
- AI교육
- AI활용
- 컨텍스트
- 문서요약
- 일하는방식
혁신기법의 성공은 도입이 아니라 정착에서 갈립니다
애자일, 디자인씽킹, 그리고 지금은 AI. 조직은 도입이 끝나면 '성공했다'고 체크하지만, 진짜 성공은 그 다음에 결정됩니다. 아무리 좋은 기법도 기업문화에 뿌리내려야 살아남고, 그 문화를 만들 수 있는 건 결국 리더의 의지 하나입니다.
- AI도입
- 혁신
- 기업문화
- 리더십
- 변화관리
교육이 끝나고 한 달 뒤, 그들은 제자리였습니다
한 달 전 교육했던 회사를 다시 찾아 물어보면, 배운 걸 실제로 쓰고 있는 분은 드뭅니다. 교육장에서 눈을 반짝이던 그 사람들이요. 담당자는 '왜 다음 단계로 못 넘어갈까' 묻지만, 진짜 문제는 다음 단계가 아닙니다. 첫 단계가 조직에 뿌리내리지 않은 거예요. 정착은 교육이라는 하루가 아니라, 교육이 끝난 뒤에 남는 구조에서 옵니다.
- 일하는방식
- 기업교육
- AI정착
- 변화관리
AI를 잘 쓰는 사람은 같은 명령을 매번 새로 치지 않습니다
어제 한참을 다듬어 마음에 들게 뽑아낸 그 프롬프트, 오늘 또 0에서 치고 있지 않으신가요. AI는 어제의 당신을 기억하지 못하니, 기억하는 일은 사람의 몫으로 남습니다. 잘 된 명령을 흘려보내지 않고 재사용할 수 있게 쌓아 두는 것 — 요즘 쏟아지는 에이전트 도구들이 자동화하려는 게 바로 그 습관입니다.
- 일하는방식
- 프롬프트
- 지식관리
- 에이전트
오픈 모델, 어디까지 왔을까요? — 이제 문제는 모델이 아닙니다
받아서 직접 돌리는 오픈 모델이 폐쇄 프런티어를 1년 안쪽으로 따라붙었습니다. 오픈AI마저 가중치를 풀었고, 딥시크·큐원은 코딩·에이전트 작업에서 어깨를 나란히 합니다. 성능이 평준화된 지금, 차이를 만드는 건 어떤 모델을 쥐느냐가 아니라 그걸 어떻게 쓰느냐입니다.
- AI동향
- 오픈모델
- 도구선택
- 일하는방식
- 검증
주간 AI 동향 — 6월 넷째 주
이번 주는 '정산(reckoning)'의 주였습니다. 시장은 AI 버블을 의심하며 흔들렸고, 현장은 도입은 했는데 성과가 안 난다고 토로했고, 비용은 '무한 투입'에서 '효율'로 방향을 틀었습니다. 세 신호가 한 곳을 가리킵니다 — 이제 모두가 '그래서 가치는 어디 있나'를 묻기 시작했다는 것.
- AI동향
- 주간다이제스트
- AI버블
- ROI
- AI비용
AI를 도입했는데, 왜 더 빨라지지 않을까요?
팀에 AI를 깔았는데도 일이 기대만큼 빨라지지 않습니다. 고장이 아닙니다. AI가 빠르게 만든 건 '실행'(손으로 만드는 일)이고, 정작 일의 시간을 쥔 건 무엇을 할지 정하고(정의) 맞는지 확인하는(검증) 과정이기 때문입니다. 실행은 원래 병목이 아니었습니다.
- AI교육
- 생산성
- 일하는방식
- 업무정의
- 검증
AI 비용은 어떤 도구를 쓰느냐가 아니라, 어떻게 시키느냐에서 갈립니다
AI 요금이 '머릿수 × 월정액'에서 '무엇을 얼마나 시켰나'로 옮겨가고 있습니다. 종량 과금이 개발자 도구를 넘어 기본 오피스 환경으로 내려오면서, 비용을 가르는 건 어떤 도구를 샀느냐가 아니라 일을 어떻게 정의했느냐가 됐습니다. 그래서 비용 절감의 손잡이도 구매에서 일하는 방식으로 옮겨갑니다.
- AI동향
- 비용
- 종량과금
- 일하는방식
- AI교육
업종으로 물으면 일반론, 기업명으로 물어야 사례입니다
AI에게 '우리 업종 AI 도입 사례 좀 찾아줘' 하면 자꾸 뻔한 일반론만 돌아옵니다. AI가 무능해서가 아니라 질문의 해상도가 낮아서예요. 알맹이는 한 칸 더 좁혀 — 업종이 아니라 기업명까지 — 물어야 나옵니다. 검색을 AI에 맡길 때 진짜 갈리는 건 검색 실력이 아니라 무엇을 찾는지 내가 먼저 쥐고 있느냐입니다.
- AI교육
- AI검색
- 리서치
- 프롬프트
- 일하는방식
엑셀을 잘 써도, AI에겐 CSV로 줘야 합니다
엑셀은 능숙하게 다루는데 그 표를 AI에 던지면 자꾸 헛돕니다. 이유는 하나예요 — AI는 서식이 아니라 데이터를 보기 때문입니다. 화려한 표를 만드는 능력과, AI가 읽을 수 있는 데이터를 건네는 능력은 다른 일입니다. 후자가 AI 시대의 데이터 리터러시입니다.
- AI교육
- 데이터
- CSV
- 데이터리터러시
- 일하는방식
SQL을 못 짜도 괜찮습니다, 못 읽으면 안 됩니다
AI가 SQL을 대신 짜주는 시대, SQL이 필요 없어진 게 아니라 필요한 능력이 바뀌었습니다 — 짜는 능력에서, AI가 짠 쿼리를 읽고 검증하는 능력으로. SQL은 몰라도 되는 엔진룸 언어가 아니라, 그 결과가 곧 내 보고서의 숫자가 되는 운전석 언어입니다.
- AI교육
- 데이터
- SQL
- AI검증
- 일하는방식
AI 답변, 끝까지 읽어보시나요?
AI가 길게 답할수록 사람은 덜 읽고, 안 읽은 구간으로 오류가 빠져나갑니다. 카르파시의 처방은 간단합니다 — 답을 텍스트로 노려보지 말고, 눈으로 검증되는 형태로 바꿔서 보라는 것. 검증력이 곧 위임의 한계선입니다.
- AI교육
- AI검증
- 조율
- 일하는방식
- 카르파시
주간 AI 동향 — 6월 셋째 주
이번 주는 '에이전트형 도입'이 한꺼번에 표준이 된 주였습니다. 경쟁의 축은 모델 성능에서 일의 설계로 옮겨갔고, AI 과금은 사용량에 묶였으며, 시장이 값을 매기는 능력은 판단력으로 드러났습니다. 세 신호가 같은 곳을 가리킵니다.
- AI동향
- 주간다이제스트
- AI에이전트
- 오케스트레이션
- AI비용
AI가 ‘됐다’고 해도, 일이 끝난 게 아닙니다
AI는 에러 없이 ‘완료’를 보고하고도 결과물은 깨뜨려 놓습니다. 코드를 못 읽는 비개발자가 자동화 결과를 검증하는 법은 딱 하나 — 글자가 아니라 그림으로, 끝까지 눈으로 보는 것입니다.
- AI교육
- AI검증
- 조율
- 일하는방식
- 현장사례
무료 AI툴의 진짜 벽은 ‘기능’이 아니라 ‘어디서 막히느냐’입니다
직원들에게 무료 AI를 쓰라고 했는데 왜 다들 어딘가에서 막힐까요. 무료 도구만으로 실습 과정을 설계하다 알게 된 건, 무료의 벽은 ‘기능 잠금’이 아니라 더 교묘한 자리에 박혀 있다는 사실이었습니다.
- AI교육
- 무료AI툴
- 도구선택
- 일하는방식
- 현장사례
RAG, MCP, Function Calling을 몰라도 AI는 잘 씁니다
교육장에서 가장 자주 받는 불안한 질문 하나 — 저는 RAG가 뭔지도 모르는데, AI를 잘 쓴다고 할 수 있나요. 결론부터 말씀드리면, 그 세 단어는 당신이 외울 말이 아닙니다. 그건 엔진룸의 언어고, 당신은 운전석에 앉아 있습니다.
- AI교육
- RAG
- MCP
- FunctionCalling
- 일하는방식
도구를 다 알려주는 책일수록, 일은 안 바뀝니다
한 교육생이 그러더군요. 두꺼운 AI 책을 끝까지 읽었는데, 덮고 나니 손에 남는 게 없었다고. 그 책이 부실해서가 아닙니다. 도구를 친절하게 다 알려준 책일수록, 정작 일하는 법은 비어 있습니다.
- AI교육
- 기업교육
- 일하는방식
- 도구
- 변화
바뀌는 사람은 잘 듣는 사람이 아닙니다
같은 강의실, 같은 강사, 같은 세 시간. 그런데 끝나고 나면 누구는 그대로고 누구는 바뀝니다. 차이는 똑똑함이 아닙니다. 강의실에 무엇을 들고 들어왔느냐입니다.
- AI교육
- 기업교육
- 일하는방식
- 참여
- 변화
ChatGPT를 쓴다고, AI로 일하는 건 아닙니다
“AI 좀 쓰세요?”라는 질문에 돌아오는 두 대답 — “전 아직 초보예요”와 “그거 그냥 쓰면 되는 거 아녜요?” — 은 정반대처럼 보이지만 같은 실수를 합니다. 둘 다 잘못된 자로 자기 실력을 잽니다. 활용능력을 재는 진짜 자는 따로 있습니다.
- AI활용
- 역량
- 자기진단
- 위임
- 일하는방식
주간 AI 동향 — 6월 둘째 주
이번 주에도 도구 레이어는 요동쳤습니다 — 더 강해지고, 더 통제되고, 더 깔렸습니다. 그런데 일하는 방식 레이어는 그 속도를 따라가지 못합니다. 가장 강한 모델이 하룻밤에 차단된 한 주를 관통하는 하나의 결론.
- AI동향
- 주간다이제스트
- 수출통제
- 기업도입
- 에이전트
당신 회사 노트북은 그 GUI를 버틸 수 있습니까?
비개발자 AI 도입의 결론은 늘 '검은 터미널 말고 쉬운 GUI로 가자'입니다. 절반은 맞는 말입니다. 그런데 그 GUI를 매끄럽게 돌릴 하드웨어가 직원 손에 있다는 전제는, 현장에서 자주 무너집니다. 인터페이스의 모양 아래 숨은 두 개의 진짜 질문.
- AI도입
- 기업교육
- 도구선택
- 터미널
- UX
단가는 내려가는데, 청구서는 늘어납니다 — AI 비용이 드러나기 시작했습니다
AI가 더 싸졌다는 소식과 AI 청구서가 폭증했다는 소식이 같은 주에 놓였습니다. 모순처럼 보이지만 둘은 같은 이야기를 합니다 — '일단 AI한테 던져보던' 공짜 실험의 시대가 끝나간다는 것.
- AI동향
- 비용
- 토큰
- 에이전트
- 루프
루프 엔지니어링? 그거 원래 하네스입니다 — 그런데 진짜 봐야 할 건 따로 있습니다
'프롬프트의 시대는 끝났다, 이제 루프다'라는 프레이밍이 퍼지고 있습니다. 절반은 맞고 절반은 틀렸습니다. 무엇이 리브랜딩이고, 무엇이 진짜 새로운지 갈라봅니다.
- AI동향
- 에이전트
- 하네스
- 루프엔지니어링
공식 문서가 끝내 말하지 않는 것 — Claude Fable 5 프롬프트 가이드의 진짜 메시지
Anthropic은 Fable 5용 프롬프트 팁 열세 개를 줬습니다. 그런데 그 열세 개를 관통하는 한 문장은 끝까지 주지 않았습니다. 그게 본질입니다.
- AI동향
- Anthropic
- 클로드
- 위임
AI의 첫 답은 결론이 아니라 초안입니다
AI를 한 번 써보고 '별로네요'라고 판단하는 분이 많습니다. 하지만 첫 답은 제출물이 아니라 초안입니다. 그리고 그 초안을 끌어올리는 건 '다시' 버튼이 아니라, 무엇이 어긋났는지 짚어내는 조율입니다.
- AI활용
- 일하는방식
- 위임
- 조율
마크다운만 쌓으면, 그냥 폴더입니다
옵시디언에 노트를 쌓기만 하면 그냥 폴더입니다. 지식은 양으로 쌓이지 않고, 연결로 자랍니다.
- AI활용
- 옵시디언
- 지식관리
누구를 위한 데이터 분석인가
데이터 분석은 의사결정을 위한 것이라고 배웁니다. 맞는 말입니다. 그런데 현장에서 한 겹이 빠져 있습니다. 결정은 사람이 내리고, 사람을 움직이는 마지막 일은 설득이니까요.
- 데이터분석
- 일하는방식
- 의사결정
- 데이터리터러시
AI를 프로그래밍처럼 배우려고 하지 마세요
AI 잘 쓰는 법을 묻는 분들은 흔히 명령어나 프롬프트 문법부터 찾습니다. 새 프로그래밍 언어를 배우듯이요. 그런데 AI는 정복하는 기계가 아니라, 일을 맡기는 동료에 가깝습니다.
- AI활용
- 일하는방식
- 위임
- 학습법
마이크로소프트 자체 모델(MAI), 코파일럿의 그 실망을 풀어줄까
마이크로소프트가 Build 2026에서 자체 AI 모델 MAI를 공개했습니다. 코파일럿에 실망했던 구조적 원인이 드디어 짚혔지만, 실제 해소까지는 지켜봐야 합니다.
- AI동향
- 마이크로소프트
- 코파일럿
- 기업교육
AI는 기억하지 않습니다
AI에게 '아까 말했잖아'는 통하지 않습니다. AI는 기억하는 게 아니라 매번 처음부터 다시 읽습니다. 그 '다시 읽는 창'에는 크기가 있고, 이걸 모르면 AI와의 대화가 계속 어긋납니다.
- AI활용
- 컨텍스트윈도우
- 일하는방식
좋은 프롬프트는 좋은 질문에서 나온다
프롬프트 기법을 외우기 전에, 자기가 풀려는 문제를 정의할 수 있는지부터 봐야 합니다. 현상을 던지면 범용 답이 오고, 문제를 정의하면 날카로운 답이 옵니다.
- AI활용
- 문제정의
- 프롬프트
- 일하는방식
프롬프트는 죽지 않았습니다
업계는 '프롬프트 엔지니어링은 끝났다'고 말합니다. 저는 정반대로 봅니다. 도구가 똑똑해지고 일을 알아서 할수록, 무엇을 시킬지 명확히 말하는 능력은 오히려 더 귀해집니다.
- AI활용
- 프롬프트
- 일하는방식
AI에게 건넬 수 있는 지식, 건넬 수 없는 지식
AI에게 일을 시키려면 지식을 건네야 합니다. 그런데 당신의 지식은 AI가 읽을 수 있는 곳에 있습니까.
- AI활용
- 옵시디언
- 지식관리
AI에게 일을 시키려면, 먼저 '일'이 뭔지 알아야 한다
AI가 새로운 문제를 만든 게 아닙니다. 우리가 자기 업무를 구조화해 설명하지 못했다는, 원래 있던 문제를 드러냈을 뿐입니다.
- AI활용
- 일하는방식
- 업무정의
n8n보다 바이브 코딩이 무조건 좋을까?
에이전틱 AI가 노코드 자동화 도구를 끝냈다는 말 앞에서. 개인이라면 대체로 맞지만, 기업 현장이라면 너무 이른 결론입니다.
- AI활용
- 업무자동화
- 기업교육
어떤 AI를 써야 하나요 — 그 질문이 틀린 이유
ChatGPT냐 Gemini냐 Claude냐. 기업 교육 현장에서 도구를 고를 때 가장 먼저 보는 것은 도구의 성능이 아니라, 그 회사가 이미 무엇을 쓸 수 있는가입니다.
- AI활용
- 기업교육
- 도구선택
AI로 만들다 막혔을 때, 무너지지 않는 법
AI로 뭔가 만들다 막히면 대부분 거기서 멈춥니다. 막힘을 뚫는 힘은 더 똑똑한 도구가 아니라, 막히기 전에 만들어 둔 작업 구조에서 나옵니다.
- AI활용
- 컨텍스트엔지니어링
- 하네스
왜 우리는 AI 도구에 실망하는가
AI는 대단하다는데 막상 해보면 별것 없다고 느낀다면. 실망의 원인은 도구가 아니라, 우리가 AI에 거는 기대의 방향에 있습니다.
- AI활용
- 컨텍스트엔지니어링
- 일하는방식