Insights

집계 기준 2026. 11. 3. PM 4:10 UTC

AI 시대 사라지는 직업이 아닌 직업 내 업무의 변화에 주목하라: Microsoft Suleyman의 18개월 예측 분석

Microsoft AI CEO Suleyman은 향후 12~18개월 내에 AI가 대부분의 전문직 업무에서 인간 수준의 성능을 달성할 것이라고 예측했습니다. 따라서 직업 자체가 사라지기보다는, 각 직종 내에서 '정보를 수집-정리-요약-분류'하는 정보 처리 태스크(Information Processing Task)가 AI로 대체될 것입니다. 앞으로 가치가 높아지는 영역은 최종 판단, 책임 인수, 협상, 그리고 현장 이해와 구현 능력을 연결하여 조직을 움직이는 '연결 능력'을 가진 인재입니다.

AMD Ryzen AI Max+ 395를 탑재한 GMKtec EVO-X2와 Ubuntu 24.04 환경에서 오픈 소스 로컬 AI 서버인 Lemonade를 구축하는 과정을 소개합니다. 이 시스템은 대용량 공유 메모리를 활용하여 고가 GPU가 필요했던 대규모 언어 모델(LLM) 및 이미지 생성, 음성 모델을 로컬 환경에서 구동할 수 있게 합니다. Lemonade는 AMD 환경에 특화되어 있으며, CLI와 WebUI를 통해 간편하게 사용 가능하고 OpenAI/Anthropic/Ollama 호환 API를 제공하는 것이 장점입니다.

【초보자용】 로컬 LLM 환경 「OpenMythos」 × Ollama로 초고속 코드 생성 도구 만들기

본 글은 로컬 LLM 환경인 'OpenMythos'와 Ollama를 활용하여, 기밀 코드 유출 없이 안전하고 초고속으로 코드를 생성하는 방법을 안내합니다. 기존 방식의 느린 구동 시간과 복잡한 의존성 문제를 해결하기 위해 Ollama를 백엔드 서버로 도입함으로써, 모델 로딩 과정 없이 즉시 추론이 가능한 완전 로컬 환경을 구축했습니다. 나아가 단순히 콘솔에 출력하던 코드를 파일 시스템 경로 지정 및 자동 디렉토리 생성 기능을 추가하여 사용 편의성을 극대화했습니다.

AI를 『사용하는 것』에서 『AI에게 비서를 붙여주는 것』으로 — 가정용 PC에서 동작하는 참견쟁이 AI 프레임워크 llive 개발 일기

본 글은 기존 AI 서비스가 클라우드 의존성, 개인 정보 유출 위험, 비용 문제 등 근본적인 한계를 가지고 있음을 지적하며, 이를 해결하기 위한 연구 개발 프레임워크 'llive'를 소개합니다. llive는 단순히 AI 모델 자체를 개선하는 것이 아니라, AI 주변에 작동하여 인간의 업무 프로세스(지시서 전달, 작업 기록 관리)와 사고 습관을 보완하고 위험 요소를 통제하는 '비서 메커니즘' 역할을 수행합니다. 특히 계산 오류 방지를 위해 결정론적 수식 엔진과 단위 차원 체크 기능을 도입하여 AI의 취약점을 극복했습니다.

이 글은 wgpu를 중심으로 GPU 컴퓨팅의 원리와 AI/CG 파이프라인 간의 유사성을 설명합니다. CG와 LLM 모두 데이터 처리 과정(파이프라인)을 거치며, 특히 GPU의 핵심 기능인 통합 셰이더 유닛(compute shader)이 이 과정을 담당함을 강조합니다. 과거 전용 회로였던 것들이 통합되면서 범용적인 컴퓨팅 능력이 향상되었으며, 이를 통해 AI 모델 구동에 GPU가 활용되는 방식과 그 기술적 구조를 깊이 있게 다룹니다.

Rokid Glasses에서 Claude Code를 조작할 수 있도록 만들었다

AI 에이전트의 발전으로 인해 작업 흐름의 병목 현상이 'AI의 능력'에서 '사용자가 PC 앞에 상주하는 여부'로 이동하고 있으며, 이에 따라 사용자는 언제 어디서든 AI와 연결되어 지시 및 승인(Approval)을 내릴 수 있는 환경을 필요로 한다. 본 글은 Rokid Glasses를 활용하여 Claude Code 세션에 대한 원격 제어 및 알림 기능을 구현한 사례를 제시하며, 스마트폰과 연동된 플러그인형 SDK (CXR-L)를 통해 AI 에이전트의 상태와 응답을 안경(HUD)으로 받아보는 방법을 설명한다.

FastMCP로 배우기: AI 에이전트에 자작 도구를 구현하는 최단 경로

본 기사는 AI 에이전트에 외부 전문 지식이나 기능을 안전하고 효율적으로 통합하는 방법을 다루며, 이를 위한 표준 프로토콜인 Model Context Protocol (MCP)과 그 구현체 FastMCP를 소개합니다. FastMCP는 Python의 타입 힌트와 데코레이터를 활용하여 개발자가 복잡한 프로토콜 정의 없이도 자작 도구를 쉽게 만들 수 있게 합니다. 핵심은 함수의 docstring이나 명명 규칙 등 코드의 가독성이 LLM의 추론 정밀도로 직결된다는 'AI 퍼스트' 설계 원칙을 따르는 것입니다.

AI 컴패니언 개발에서 고려하고 있는 안전성 및 기억 설계

AI 컴패니언의 구현은 단순 LLM 활용을 넘어, 인격 설계, 단기/장기 기억 관리, 안전성 규칙 등이 통합된 시스템적 접근이 필수적입니다. 캐릭터 일관성을 유지하면서도 대화가 템플릿화되는 것을 방지하기 위해 프로필과 이력을 분리하여 다루는 것이 중요합니다. 또한, 안전성은 모델의 답변 필터링에만 의존할 것이 아니라 온보딩 과정, UI 설계, 로그 관리 등 제품 전반에 걸쳐 고려되어야 합니다.

Sakana AI KAME 입문 — 저지연과 LLM 지식을 양립하는 탠덤 음성 AI 아키텍처

Sakana AI가 발표한 KAME(Knowledge-Access Model Extension)는 기존 음성 AI의 근본적인 문제인 '지식 부족'과 '높은 지연 시간(Latency)'을 동시에 해결하는 탠덤 아키텍처입니다. 이 시스템은 프런트엔드 S2S 모델이 즉시 응답을 시작하여 near-zero 레이턴시를 유지하는 동안, 백엔드의 강력한 LLM(예: GPT-4.1, Claude Opus)이 비동기적으로 깊은 지식을 주입하는 '오라클 스트림' 방식을 사용합니다. KAME는 Moshi 계열 S2S 모델을 프런트엔드로, 최신 LLM을 백엔드로 결합하여, 기존 단독 사용 대비 MT-Bench 점수를 크게 향상시키면서도 실시간 대화에 필수적인 near-zero 레이턴시를 유지하는 것이 핵심 강점입니다.

NVIDIA가 Groq을 인수하고, OpenAI는 Cerebras를 선택했다 — 2026년 상반기에 '추론은 GPU 한 길뿐'이라는 공식이

2025년 말부터 2026년 초에 걸쳐 NVIDIA가 Groq을 인수하고, OpenAI가 Cerebras와 대규모 계약을 체결하는 두 건의 거대 거래가 발생했습니다. 이 사건들은 AI 추론 시장에서 'GPU만이 유일한 해답'이라는 기존의 패러다임을 근본적으로 흔들고 있습니다. 특히 Groq의 LPU는 H100 대비 추론 속도에서 압도적인 효율성을 보여주며, OpenAI는 Cerebras를 통해 대규모 전용 캐파시티를 확보하며 시장 주도권 다툼이 심화되고 있음을 시사합니다.

생성형 AI 경험, 스킬 시트(Skill Sheet)에 어떻게 적을까? 「사용했습니다」로 끝내지 않는 3가지 유형

생성형 AI 경험을 스킬 시트에 단순히 '사용했다'고 나열하는 것은 효과적이지 않으며, 채용 담당자가 원하는 정보(무엇을 했는지)를 전달하지 못합니다. 이 글은 AI 활용 실적을 '전달되는 성과'로 바꾸는 세 가지 작성 유형(활용 목적 중심형, 수치 기반 성과형, 판단 및 검증형)을 제시하며, 단순 사용 경험보다 구체적인 용도, 정량적 성과, 그리고 본인의 판단/검토 과정을 명시하는 것이 중요하다고 강조합니다.

차세대 AI 에이전트 기반: 로컬 LLM과 MCP를 융합한 고보안 환경 구축

본 기사는 클라우드 LLM 사용 시 발생하는 데이터 유출 및 프라이버시 문제를 해결하기 위해 로컬 환경에서 작동하는 차세대 AI 에이전트 아키텍처를 제시합니다. 핵심은 Model Context Protocol (MCP)을 활용하여, Ollama 같은 로컬 추론 엔진과 결합함으로써 외부 의존성이 없는 고보안의 '클로즈드 루프' AI 에코시스템을 구축하는 것입니다. 이 구조는 데이터가 호스트 머신을 벗어나지 않게 하면서도 표준화된 프로토콜을 통해 다양한 모델 및 데이터 소스를 연결할 수 있게 합니다.

무료로 바이브 코딩(Vibe Coding)을 하는 방법 (매우 간략하게)

본 문서는 AI의 도움을 받아 앱 개발(Vibe Coding)을 무료로 시작하는 방법을 안내합니다. Windows 환경에서 WSL을 설치하고 Ubuntu를 설정한 후, Node Version Manager (nvm)와 OpenCode-AI 도구를 설치하여 실제 코딩 환경을 구축하는 과정을 상세히 설명합니다.

【GitHub 일보】 Hermes Agent 데스크톱 버전 최초 등장, DeepSeek 계열 툴도 호조 — 2026-05-12

본 기사는 GitHub 트렌드에서 주목받는 AI 개발 도구들을 소개합니다. 특히, 자기 개선형 AI 에이전트인 'Hermes Agent'의 데스크톱 버전(fathah/hermes-desktop)이 처음 등장하여 큰 관심을 받고 있습니다. 이 앱은 CLI 기반의 복잡한 설정을 GUI 환경으로 통합하여 사용 편의성을 크게 높였습니다. 또한, DeepSeek 계열 툴과 로컬 LLM 활용 프로젝트들이 꾸준히 트렌드를 형성하며 AI 에이전트 생태계 전반의 성장을 보여주고 있습니다.

【2026년 최신】 AI 관련 Mac 앱의 brew 명령어 정리

본 기사는 2026년 기준 Homebrew를 사용하여 설치할 수 있는 주요 AI 관련 Mac 앱 및 CLI 명령어들을 총정리합니다. 대화형 AI(Claude, ChatGPT, Gemini)부터 AI 코딩 에이전트, 로컬 LLM 환경 구축 도구, 고속 코드 에디터, 음성 인식 툴까지 폭넓은 카테고리의 필수 AI 도구들을 제공합니다. 새로운 Mac 세팅이나 개발 워크플로우를 최신 AI 기술로 업그레이드하려는 사용자에게 실질적인 가이드가 될 것입니다.

「ステップで考えて」と書いたら Local LLM の精度が下がった — 8GB 環境で観察した CoT が逆効果になる 3 場面

LLM에 '단계별로 생각하라(Step by step)'는 지시(CoT, Chain-of-Thought)를 추가하는 것이 항상 정답은 아닙니다. 특히 8GB VRAM과 같은 제한적인 환경에서 구동되는 소형 로컬 LLM의 경우, CoT가 오히려 계산 오류나 논리적 비약을 유발하여 성능 저하 및 속도 감소를 초래할 수 있습니다. 본 글은 이러한 현상을 바탕으로, CoT 사용에 대한 재고가 필요하며, 복잡한 계산이나 외부 정보 검색이 필요한 작업에서는 LLM의 추론 능력에 의존하기보다 코드 생성 또는 전용 도구(Tool Use) 호출 방식을 사용하는 것이 더 정확하고 효율적임을 제시합니다.

【AI ロマン】LLM から特定の知識だけを物理的に抜き取る！Hotswappable LLM の「シナプス削除」と「パージ」

본 기사는 LLM에서 특정 지식을 '잊게 하거나' 제거하는(Unlearning) 기술적 난제와 이를 해결하기 위한 모듈형 AI 구조인 SRA(Synaptic Routing Architecture)의 구현 과정을 다룹니다. 기존 LLM은 모든 지식이 얽혀 있어 일부만 삭제하려 하면 다른 기능까지 손상되는 '파국적 망각' 문제가 발생합니다. 필자는 이 문제를 해결하기 위해, 필요 없는 시냅스를 물리적으로 제거하거나, 특정 도메인의 시냅스 임베딩을 '제로 클리어(Zero Clear)'하여 지식을 비활성화하는 방법을 제시했습니다.