2025-09-09
1일 1아티클
카카오
AI를 바라보는 자세
모델 경쟁
- 전력 : 메타와 테슬라가 건설 중인 데이터센터의 전력 소모량은
GW수준 (=원자력 발전소) - 컴퓨팅 : AI 시대의
GPU= 채굴 도구, GPU 자원의 중요성 급증 - 인재 : 경쟁력 있는 LLM을 만드는 과정 = 경험적 튜닝에 크게 의존
AI를 OS로 바라보기
- AI, 특히 LLM을 OS 레이어로 인식하자.
- Window, iOS, AOS가 이미 존재하는 안정적인 OS 위에서 애플리케이션/서비스를 만들며 가치 창출하는 것처럼
- LLM 자체를 처음부터 개발하는 경쟁에 매몰되는 것보다, 이미 존재하는 LLM을 OS처럼 활용하여 그 위에 우리만의 비즈니스를
튜닝,커스텀하는 데 집중하자. - 현재의 AI 시장 = 2000년대 초반 인터넷 시장
‘OS를 어떻게 만들까?’ → ‘이 OS 위에서 무엇을 만들 것인가?’
AI 네이티브의 내재화
- AI의 지적 능력 증폭 →
생산성 - AI를 고객에게 보여지는 서비스의 표면이 아닌, 개발자들의 일하는 방식과 과정 자체의 변경으로 사용하자.
- 개발자들의 생산성 중심으로 AI 활용
바이브 코딩: AI와 대화하며 아이디어 구체화, 설계 방향성 탐색, 개발 전체 흐름(Vibe)을 함께 만드는 작업 방식- 1차 실험(무에서 유 창조) : 최소 몇 달 분량의 프로젝트 → 1주일만에 프로토타입 완성
- 2차 실험(레거시 코드 기반) : 기존 2주 예상의 작업 → 1주일만에 완료
- AI 마일리지 프로그램 시범 운영
- 툴의 진화, 패러다임의 전환 : GUI 기반의 Cursor (AI의 도움받기) → 강력한 성능의 Claude Code (AI에게 일 위임)
- 살아있는 데이터 축적 (AI 툴 활용 방식에 대한 지식 자산)
- 신입 개발자 : 신기술 학습 및 코드 초안 작성용
- 시니어 개발자 : 복잡한 레거시 코드 분석 및 리팩토링 방향 설정용
결론
- 코딩 속도만 빨라진다고 능사가 아님, 전체 워크플로우의 효율성 향상이 중요
- 개발자는 빨라진 속도만큼 코드 생산량, 리뷰 요청, 동료와의 소통 시간 증가 →
워크플로우 병목 현상 - 두 가지 접근 제안
AI 마일리지와 같은 bottom-up 접근 → 개발/기획/디자인/QA 등 개별 직무 생산성 먼저 극대화- 별도의 전문 조직을 통한 검증 → 성공 경험을 전체 프로세스에 녹이기
- 미래 기업 경쟁력은 새로운 워크플로우 체화 속도에 달려 있을 것.
AI 네이티브한 개발자 : 기술 도메인 전문성, AI 협업 마인드를 가진 균형감 있는 개발자
내연기관 자동차 탄생 후 직업의 변화 :
마부→자동차 설계,자동차 제작,자동차 정비등 더 많고 전문화된 직업 생태계 탄생
(마찬가지로) AI 시대 직업의 변화 :코더→아키텍트,프로덕트 빌더,오케스트레이터등 더 많고 전문화된 개발자로 확장될 것
AI 시대의 변화에 대한 두려움 → 즐기고 탐험하면서 진정한
AI 네이티브가 되자.
오늘 배운 것
- 알고리즘
- swea 14510 나무 높이
- 그리디
내일 할 일
- 포트폴리오 내용 복기