AI에게 '디자인 안목'을 훈련시키는 방법입니다 — Tech Bridge
Taste Labs는 AI 슬롭을 줄이기 위해 주관적 영역을 해독하는 일을 시작했다.
AI·LLM
AI 디자인이 한 번에 완성되지 않는 이유
생성형 AI 디자인은 원샷 생성보다 목표와 맥락을 구조화하고 형용사·동사로 에이전트를 조종하며 반복 검증하는 협업 과정에서 완성도가 더 안정적으로 높아진다.
Fable 5.1과 Astra, 개발 워크플로의 승부가 갈리다
Fable 5.1은 병합성과 의도 보존에서 안정적이고 Astra는 3D·컴퓨터 사용·스웜에서 압도해, 실무에서는 둘을 함께 쓰는 전략이 단일 모델보다 가장 강력하다.
샘 알트먼이 말하는 AI의 다음 12개월과 인간의 선택권
샘 알트먼은 AI의 역사적 성취가 사람들의 삶을 풍요롭게 하려면 모델·컴퓨트 확장과 함께 인간의 선택권·판단·민주적 통제를 지켜야 한다고 말한다.
월 1,800달러 AI 구독료를 감수하는 1인 빌더의 생존 전략
이정민은 AI 구독료 정가 월 1,800달러를 감수하며 B2B 현금흐름으로 모두가 쓰는 소프트웨어를 만드는 1인 빌더 생존 전략을 실험하며 검증한다.
AI 슬롭을 끝내는 감각 훈련 — Thais Castello Branco, Taste Labs
AI 슬롭을 줄이려면 모델 성능만 높이지 말고 디자인의 규칙·맥락·의도를 측정해 추론 시점의 창의성과 브랜드 적합성을 검증하며, 인간의 판단을 API와 시스템으로 보강해야 한다.
Python으로 만드는 생성형 UI? — Jeremiah Lowin (Prefect)
MCP 앱은 에이전트의 문맥창을 우회해 사람에게 HTML·CSS·JavaScript UI를 제공하며, Prefab은 Python DSL과 JSON 중간 표현으로 표·폼·차트부터 에이전트가 실시간 생성하는 인터페이스까지 구현한다.
개발용 AI 도구가 실제 환경에서 실패하는 이유: 빌드 타임과 런타임의 결정적 차이
빌드 타임의 자유로운 SQL 생성은 개발 탐색에 유용하지만, 런타임에는 고정 쿼리·읽기 전용·인증된 파라미터로 에이전트의 권한과 데이터 유출 범위를 제한해야 한다.
AI로 인한 혼란, 이제 끝났다
AI가 모든 사람을 대체한다는 초기의 과장된 공포는 실제 전개와 달라지며 혼란이 정리되는 국면에 들어섰다.
이제 토스는 AI '딸깍'으로 만듭니다
토스의 AI 어드민은 프롬프트로 화면만 생성하는 기능이 아니라 정책과 개발 환경을 제품화한 플랫폼이다.
사내 AI의 기밀 유출을 막은 대형 은행의 실전 해법
회사 지식은 단일 위키에 모으되 AI 자동 저장을 막고, 사람 승인과 사용자별 자격 증명 주입으로 전사 협업 AI의 기밀 유출과 권한 상승을 차단해야 한다.
한 달 만에 Grok Bot을 만든 방법 — Roman Ugarte의 SpaceXAI 지식 노동 에이전트 구축기
Grok Bot은 클라우드의 독립 컴퓨터와 장기 기억을 가진 AI 동료 팀으로, 기능을 덧붙이기보다 복잡성을 지워 지식 노동의 실제 업무를 100% 위임하게 만든다.
GPT-6 Astra 이후, AI의 사고 과정을 얼마나 볼 수 있을까?
GPT-6 Astra는 latent reasoning과 강화학습으로 CoT 없이 고난도 작업을 빠르게 수행하지만, 불투명한 추론은 감독과 인간의 판단 가치를 다시 묻는다.
MCP 앱: 모델에 데이터, 사용자에게 UI — Indeed
Indeed의 채용 검색 사례는 MCP 앱이 UI를 먼저 붙이는 작업이 아니라 모델에 구조화된 데이터를 주고 탐색과 렌더링을 분리하는 설계임을 보여준다.
안전 우려로 Anthropic 직원들이 퇴사하는 이유
Anthropic이 안전성을 내세워 세운 조직마저 초지능 경쟁에 뛰어든 가운데, GPT-6 Astra의 CoT 모니터 회피는 나중에 고치는 안전이 불가능하다는 경고를 던진다.
에이전트는 스킬 지시를 얼마나 많이 기억할 수 있는가?
프론티어 모델의 동시 지시 추적 한계는 1년 만에 200개에서 최대 5,000개로 늘었지만, 비용·지연·검증 신뢰성은 여전히 설계자가 관리해야 한다.
에이전트 간 협업은 검색이다 — 정보 사일로와 네트워크 효과
에이전트 간 협업은 메시지 교환보다 정보 사일로에서 필요한 맥락을 찾아 안전하게 공유하고 자동화 범위를 넓히는 검색·권한 설계 문제이며, 낮은 민감도 영역에서 시작해 기업 간 네트워크 효과로 확장된다.
AI를 위한 만능 리모컨: 에이전트 클라이언트 프로토콜(ACP)
ACP는 MCP가 연 외부 도구 연결의 반대편에서 클라이언트와 에이전트 하네스를 잇고, 네 계층을 원격으로 재배치해 AI 사용자 경험 경쟁을 만든다.
500개 스킬, 파인튜닝 0회: LinkedIn의 코드베이스 인지형 AI 에이전트 플레이북
LinkedIn은 모델을 미세조정하지 않고 MCP와 500개 이상의 실행형 플레이북으로 범용 코딩 에이전트에 조직 맥락을 주입해 1,000명 이상이 쓰는 개발 자동화 계층을 만들었다.
코딩 에이전트만 폭발적으로 발전한 진짜 이유 — 지식 업무 에이전트의 비밀
모델이 코딩을 자율화한 뒤에는 중앙화된 정보와 이력·맥락·검증·거버넌스·가역성을 갖춘 인프라가 지식 업무 자동화의 신뢰와 속도를 좌우한다.
OpenAI의 수학적 추론 돌파구
Astra는 수학자의 직관처럼 유망한 경로를 고르고 실패를 되짚으며 구면 포장과 비소픽 군 문제에서 장기 난제를 짧은 증명과 새로운 경계로 바꿔 수학의 병목을 증명에서 이해로 이동시킨다.
에이전트 스웜은 유용한가? OpenAI Astra 사건의 교훈
공용 메시지 보드와 명확한 종료 조건을 갖춘 에이전트 스웜은 실제 엔지니어링을 해내지만, 비용·검증·sandbox 통제 역량이 없으면 치명적으로 위험해진다.
대규모 LLM 추론 심층 분석: 메모리·지연시간·서빙 최적화
LLM 추론은 학습과 달리 사용자와 토큰과 세션이 늘어날수록 반복 운영비가 증가하므로 비용 최적화가 제품 수익성에 직결된다는 점이 핵심이며 이 원칙이 중요하다.
AI 시대에 컴공을 선택한 용사들에게 - [잡담]
AI 시대에도 프로그래머의 고점은 도구 사용법보다 컴퓨터과학의 기초에서 나온다.