회사 과정데이터를 HRD-API에서 MCP로 연결하자, 직원들이 요구사항 대신 질문을 던지고 자기 대시보드를 직접 만들기 시작했다. 바이브코딩 시대 개발자의 일은 구현이 아니라 보안·개인정보까지 설계된 데이터 환경을 만드는 것이다. 실제 구축기와 함께 AX 인재의 역할을 정리했다.
![[AI] AI 여러개를 동시에 돌리는 Orca](https://data.develog.develrocket.com/upload/develog/user_1777093328305/1787402072812-3sglwy/_____2026-08-22_213348.png)
![[AI] AI 여러 개를 쓸 때의 깃 워크플로우](https://data.develog.develrocket.com/upload/develog/user_1777093328305/1787227537851-94buqs/ChatGPT_Image_2026__8__20_____08_53_52.png)
- 5분 동안 검증 스킬 네 개를 에 넣는다. - 가 요구사항·코드·테스트 검증을 묶어서 실행한다. - 작업 분할, 계약, 파일 소유권까지 매번 적기 귀찮다면 1분 더 써서 을 추가한다. - 자동 테스트를 먼저 실행하고, 코드로 판정하지 못한 화면만 브라우
- 하네스·루프·그래프는 서로를 대체하는 게 아니라 겹쳐 있는 층이다. - 나누기만 하고 공유할 기준을 못 박지 않으면 합칠 때 어긋난다 (직접 겪은 사례). - Bun의 Rust 재작성은 가능성을 보여줬지만 사람의 검토를 대신하지 못했다. - 한계는 사라진 게 아니라 토큰 비용과 검토 책임으로 옮겨갔다.
AI·바이브 코딩은 "만드는 장벽"을 낮췄지만, "사람을 움직이는 문제"는 여전히 사람의 몫이라고 본다. 게임은 오래전부터 사람을 움직이는 참여 구조를 다뤄온 형식이다. AI가 결과물을 흔하게 만들수록, 사람을 참여시키는 설계의 값은 오히려 올라간다.
1. 정밀 타겟팅을 위한 ‘마이크로 세그먼트(Micro-Segment)’ 생성 기존의 인구통계학적 분류나 단순 제품 조회 이력만으로는 고객의 마음을 움직이기 어렵습니다. AI는 자체 채널과 외부 웹사이트의 방대한 데이터를 통합 분석하여, 사람이 감당할 수 없는 속도로 구체적인 관심사를 식별해냅니다. 관심사의 구체화: '스포츠'라는 광범위한 분류를 넘어 '축
환각이라고 부르는 그 현상은 진짜 ‘거짓말’일까 AI를 쓰다 보면 가장 당황스러운 순간이 있습니다. 모르는 척도 아니고, 애매하게 말하는 것도 아니고, 너무나 자신 있게 틀린 말을 할 때입니다. AI에게 뭔가를 물어봤는데 답변이 아주 그럴듯합니다. 문장도 자연스럽고,구조도 깔끔하고,심지어 예시까지 들어줍니다. 그런데 나중에 확인해보면 틀렸습니다. 없는 자료
이미지 생성 모델은 더 이상 “그림을 그리는 모델”로만 설명하기 어렵습니다. Google DeepMind가 공개한 Vision Banana는 이미지 생성 모델이 시각 이해 작업까지 수행할 수 있음을 보여준 연구 사례입니다. 다만 이 연구의 핵심은 단순히 “생성형 AI가 이미지 분석도 잘한다”가 아닙니다. 더 정확히 말하면, 이미지 생성 사전학습이 시각 세계
최근 AI 관련 기사와 커뮤니티에서 꽤 이상한 단어들이 동시에 보이기 시작했습니다. 나노바나나, 덕테이프, ChatGPT 이미지 2.0 처음 보면 장난처럼 보입니다. 이름만 보면 무슨 밈 같기도 합니다. 그런데 실제 내용을 들여다보면 가볍게 넘길 이슈가 아닙니다. 이건 단순히 “새로운 이미지 생성 AI가 나왔다” 정도의 이야기가 아니라, AI 이미지 생성
CLAUDE.md 하나로 AI의 역할·기억·안전장치를 설계하고, 기획부터 배포까지 조직처럼 운영하는 실전 설정기
