Matt의 AI와 기술 경영

Gemma와 Qwen, 혈통이 다르면 쓰임새도 다르다 - Gemma 4와 Qwen3.6-Plus, 숫자 너머의 전략

2026-04-07T01:00:15Z

같은 주에 두 개의 오픈 AI 모델이 공개됐다. 구글 딥마인드의 Gemma 4와 알리바바의 Qwen3.6-Plus다. 대부분의 보도는 벤치마크 수치를 나열하는 데 그쳤다. 두 모델을 제대로 읽으려면 숫자보다 먼저 볼 것이 있다. 왜 만들었는가, 그리고 누구를 위해 만들었는 지다. Gemma 4: Gemini의 그림자가 아닌 동생 Gemma를 두고 "구글

AI가 내 일을 대신하면, 내 가치는 뭘까? - AI로 인한 일자리 감소가 현실화된 시기에 필요한 강점은?

2026-04-06T01:00:12Z

DeNA가 보여준 AI 도입의 진짜 결말 AI가 내 일을 도와주면 나는 조금 덜 힘들어질까. 많은 직장인이 그렇게 기대한다. 하지만 회사는 다르게 계산한다. AI가 한 사람의 업무 시간을 줄여주면, 기업은 그 시간을 휴식으로 돌리지 않는다. 다른 일을 더 맡기거나, 다른 부서로 옮기거나, 새로운 사업에 투입하는 방식으로 다시 배분한다. AI는 업무를 도와주

AI가 먼저 간 곳은 직장이 아니었다 - 사람들이 AI를 상담 상대로 생각한다.

2026-04-03T01:00:07Z

2025년 말, 한국 SNS에서 신년운세 프롬프트가 유행처럼 번졌다. AI로 사주와 운세를 묻는 방식이었는데, 단순한 호기심이라고 보기엔 참여한 사람이 너무 많았다. AI 전문가들은 고개를 저었다. 언어모델은 역술이 아니다. 그런데 사람들은 왜 그걸 물었을까. 하버드 비즈니스 스쿨에서 발간하는 매거진 HBR에 최근 실린 기사가 그 답에 가깝다. 연구자 마크

2.9 계획하고 적용하여 결과를 확인한다.

2026-04-02T01:00:05Z

현대 경영 환경의 핵심은 정확한 판단과 신속한 실행, 그리고 그 결과에 대한 객관적인 평가를 통해 지속적으로 개선하는 선순환 구조를 구축하는 것이다. 경영적 판단 이후 업무 프로세스를 변경하고 그 변화를 정밀하게 측정하는 피드백 과정은 조직의 성패를 좌우하는 중요한 요소이다. 이러한 과정에서 팔란티어의 데이터 플랫폼과 바이브 코딩으로 현장 주도형 업무 개선

로컬 LLM 8B 모델과 20B 모델의 차이 - 수행하려는 작업의 성격에 걸맞은 모델 선택

2026-04-01T03:00:08Z

로컬 LLM 이야기를 꺼내면 빠지지 않는 질문이 있다. “요즘 8B(파라미터 80억 개, 약 6GB 메모리 필요)도 꽤 잘 나온다는데, 굳이 20B급까지 가야 하느냐”는 것이다. 이 질문은 그럴듯하다. 실제로 8B급 모델은 예전의 소형 모델과 다르다. 짧은 요약, 문장 다듬기, 간단한 분류, 정해진 양식의 초안 작성쯤은 생각보다 그럴듯하게 처리한다. 한두

2.8 바이브코딩의 주인공은 현업자이다 - 팔란티어가 증명하고, 바이브 코딩이 완성한 것

2026-04-01T01:00:06Z

1만 3000명이 지원한 해커톤에서 1위를 차지한 사람은 변호사였다. 3위는 심장전문의였고, 특별상은 우간다의 도로 기술자에게 돌아갔다. 이것은 우연이 아니다. 그들이 이긴 이유는 단 하나다. 문제를 가장 정확하게 알고 있었기 때문이다. 그런데 이 장면은 사실 낯설지 않다. 이미 이 원리를 기업과 군에 적용해 수십조 달러의 시장을 만든 회사가 있다. 팔란티

AI 시장 메모리 수요의 역설 - 제본스의 역설: 싸지면 더 쓴다

2026-03-31T11:21:11Z

19세기 영국의 경제학자 윌리엄 스탠리 제본스는 증기기관의 효율이 높아지면 석탄 소비가 줄어들 것이라는 당대의 통념에 반론을 제기했다. 효율이 좋아지면 석탄 단위당 비용이 내려가고, 비용이 내려가면 석탄을 쓸 수 있는 곳이 늘어나며, 결국 전체 소비는 오히려 폭발한다는 것이었다. 실제로 그랬다. 이것이 제본스의 역설이다. 지금 AI 메모리 시장에서 벌어지는

구글(TurboQuant)·엔비디아(KVTC)의 이해 - KVTC와 TurboQuant 가 말하는 것과 시장이 들은 것의 격차

2026-03-31T11:20:40Z

구글이 TurboQuant를 공개하자 메모리 반도체 주가가 흔들렸다. 시장의 해석은 단순했다. AI가 메모리를 덜 쓰게 되면, 메모리 반도체 수요도 줄어든다는 것이었다. 2026년 3월 말 주요 반도체 기업 주가가 동반 약세를 보였고, "AI 효율 개선이 메모리 시장의 상단을 꺾는다"는 우려가 이어졌다. 하지만 이 반응은 기술을 너무 단순하게 읽은 결과다.

로컬 LLM의 성패는 정확도·속도·예산이 결정한다 - 좋은 장비보다 먼저 따져야 할 세 가지 기준

2026-04-06T05:49:05Z

로컬 LLM 구축이 실패하는 이유는 생각보다 단순하다. 유명한 하드웨어를 샀는데도 정확도가 기대에 못 미치고, 속도가 느려서 현업이 외면하면 그 시스템은 곧 애물단지가 된다. 문제는 장비가 아니라 선택 기준이다. 로컬 LLM의 성패를 가르는 변수는 세 가지, 정확도·속도·예산이다. 정확도는 업무 요건에서 정한다 정확도는 벤치마크 점수가 아니라, 해당

2.7 해커톤에서 비개발자가 1위를 한 이유 - AI 시대에는 코딩 능력보다 문제를 발견하는 능력이 중요하다.

2026-03-26T03:00:08Z

1등: 법을 아는 사람이 앱을 만들었다 AI 시대에는 코드를 잘 쓰는 사람보다 문제를 정확히 아는 사람이 더 강해질 수 있다. 2026년 초 Anthropic이 주최한 'Built with Opus 4.6' 해커톤에서 1만 3000명의 지원자를 뚫고 선발된 500명을 제치고 1위를 차지한 사람은 캘리포니아의 변호사 마이크 브라운 으로 그는 코드를 한 줄도

2.6 바이브 코딩의 진짜 강점 - 바이브 코딩은 문제 해결을 위한 도구

2026-03-26T01:00:08Z

AI가 잘하는 일과 인간이 맡아야 할 일은 다르다 AI가 발전할수록 오히려 더 분명해지는 사실이 있다. 단순하고 반복적인 업무는 AI가 빠르게 대체하지만, 문제를 발견하고 맥락을 해석하며 타인과 협업해 실행 가능한 해법으로 만드는 일은 여전히 인간의 몫이라는 점이다. 결국 경쟁력의 차이는 기술을 소유하고 있느냐보다, 기술을 어떤 문제에 연결할 수 있느냐에서

2.5 팔란티어 FDSE가 중요한 이유 - 바이브 코딩 시대에 필요한 것은 코드가 아니라 연결이다

2026-03-25T01:00:09Z

AI는 코딩을 쉽게 만들었지만, 문제 해결을 쉽게 만들지는 못했다 AI의 확산으로 코딩의 진입장벽은 확실히 낮아졌다. 예전에는 개발자만 할 수 있던 일들이 이제는 기획자, 현업 담당자, 심지어 비개발자에게도 열리고 있다. 간단한 자동화, 프로토타입 제작, 데이터 정리 정도는 더 이상 특별한 역량으로 보이지 않는다. 그러나 여기서 착각이 생긴다. 코드를 빨리

원하는 결과물을 말하면 AI가 만들어주는 시대가 왔다 - 구현을 하던 시대에서 결과를 요구하는 시대로

2026-03-23T01:00:11Z

텔레그램으로 지시하는 시대 최근 공개된 Claude Code Channel은 단순히 텔레그램 메신저로 AI 도구인 Claude Code를 동작시키는 기능이 아니다. 업무 방법이 크게 바뀔 수 있다는 신호에 가깝다. 이제는 원하는 결과만 정확하게 파악하고 있다면, 언제 어디서건 AI에게 일을 시키고 결과를 받을 수 있다. 많은 사람이 AI 코딩 도구를 이야기

로컬 LLM, 하드웨어부터 사면 실패한다 - 목적에 걸맞은 모델부터 결정하자.

2026-04-06T05:48:03Z

Open Claw 등이 엄청난 인기를 끌면서 로컬 환경에서 LLM을 실행하려는 시도가 늘었고, 하드웨어로는 맥 미니가 자주 언급된다. 가격 대비 성능이 좋고 전력 효율이 높기 때문에 개인용 AI 환경을 구축하려는 사람들에게 매력적인 선택지이기 때문이다. 하지만 로컬 LLM을 실제로 구성해 보면 곧 한 가지 질문이 등장한다. “맥 미니 16GB 하드웨어로 로

2.4 AI 시대의 팔란티어의 데이터 운영체제 - 팔란티어 파운드리, 무엇이 다른가

2026-03-19T01:00:04Z

팔란티어 주가가 왜 이렇게 올랐는지 한 번쯤 검색해 본 적이 있을 것이다. 기사마다 'AI 플랫폼', '데이터 통합', '온톨로지' 같은 단어가 나오는데, 읽고 나면 오히려 더 모르겠다. 2025년 매출 45억 달러, 미국 상업 부문 성장률 109%. 숫자는 분명한데 이 회사가 도대체 뭘 만드는 건지 감이 오지 않는다. 팔라티어의 핵심 제품 중 하나인 파운

2.3 팔란티어 고담이 가지고 온 변화 - 팔란티어의 군사 AI가 증명한 것

2026-03-18T01:00:05Z

2026년 2월 28일, 미국과 이스라엘이 이란을 공습했다. 작전명 '장대한 분노(Epic Fury)'. 테헤란의 혁명수비대 건물이 무너지고, 핵 시설과 미사일 기지가 동시에 타격을 받았다. 이 작전의 배후에 있던 소프트웨어가 있다. 팔란티어의 메이븐 스마트 시스템(Maven Smart System)이다. 3월 13일 팔란티어의 AIPCon 9에서 미 국방

벤치마크 1위 AI가 한국어를 잘하는 것은 아니다 - 순위표가 말해주지 않는 한국어 성능의 현실

2026-03-17T01:00:06Z

벤치마크가 높았던 모델이 준 실망 2025년 1월 DeepSeek-R1이 공개된 직후, 기술 커뮤니티의 반응은 뜨거웠다. 벤치마크 점수가 GPT-4급이라는 분석이 돌았고, 오픈소스 모델이 드디어 상용 서비스와 겨룰 수 있게 되었다는 기대가 퍼졌다. 로컬 LLM에 관심이 있던 사람이라면 한 번쯤 설레는 마음으로 모델을 내려받아 봤을 것이다. 나도 그랬다. 제

읽히는 알림의 조건

2026-03-13T01:00:06Z

생산 현장에 품질 모니터링 알림 시스템을 붙인 지 7년이 됐다. cron으로 품질 데이터를 주기적으로 읽고, 문제 가능성이 보이면 텔레그램으로 알려주는 구조다. 처음 도입했을 때 반응은 나쁘지 않았다. 그런데 시간이 지날수록 현장 담당자들은 텔레그램 방 알림을 꺼버렸다. 알림이 온 지도 모르는 상태가 되어갔다. 문제는 알림이 너무 많다는 게 아니었다 알림

2.2 팔란티어의 방식

2026-03-11T20:00:01Z

고담, 파운드리, AIP — 철학은 같지만 목표는 다르다. 이후 팔란티어는 세 개의 핵심 플랫폼을 구축했다. 정부기관용 '고담(Gotham)'은 테러, 범죄, 금융 사기 분석에 쓰인다. 수사관이 용의자 네트워크를 시각화하고, 여러 기관에 흩어진 데이터를 하나의 인터페이스에서 탐색할 수 있도록 설계됐다. 민간 기업용 '파운드리(Foundry)'는 공급망, 생

2.1 9/11이 만든 회사 팔란티어 테스놀로지스 - 피터 틸은 왜 페이팔 사기 탐지 기술로 테러를 막으려 했나

2026-03-11T01:00:04Z

2001년 9월 11일, 비행기 두 대가 뉴욕 하늘에서 건물로 향하는 동안 미국 정보기관은 이미 관련 정보를 손에 쥐고 있었다. FBI와 CIA는 테러리스트들의 이동 기록, 자금 흐름, 통신 내역을 각자의 데이터베이스에 따로 보관하고 있었다. 문제는 정보의 부재가 아니었다. 정보는 있었지만, 이 정보를 연결하여 통합된 데이터에서 통찰을 끌어낼 수 없었다.