최윤호

데이터 거버넌스

2026-04-28T06:00:05Z

우리는 “데이터를 어떻게 쌓을 것인가(Data Stack)”와 “데이터를 어떻게 사용할 것인가(Train / Validation / Test)”를 이야기했습니다. 이제 한 단계 더 나아가서, “그 데이터를 어떻게 통제할 것인가”, 데이터 거버넌스(Data Governance)를 다루고자 합니다. 1. 데이터는 많다고 좋은 게 아닙니다 AI, ML 그리고

Data Stack

2026-04-17T10:00:17Z

AI 모델은 알고리즘, 데이터, 그리고 GPU의 결합체입니다. 산업계에서 잘하고, 집중하는 부분은 데이터 영역입니다. 데이터를 어떻게 수집하고, 정제하고, 연결해서 사용하는가에 따라서 AI의 수준이 결정됩니다. 데이터를 잘 쌓는 것이 곧 경쟁력입니다. 1. Data Warehouse 초기의 데이터 활용은 비교적 단순했습니다. 기업은 데이터를 모으고, 정

DataSet : Train, Val, Test

2026-04-10T06:00:04Z

AI 모델은 데이터를 통해서 개발합니다. 개발자가 개발 언어로 프로그램을 만들 듯이, 데이터 사이언티스트가 데이터로 AI 모델을 제작합니다. 데이터 사이언티스트는 AI 모델 개발에 필요한 데이터를 모으고, 정제하고, 생성하고, 확대합니다. 그리고 모델 개발할 때가 되면 데이터를 Train, Validation, Test 세트로 나눕니다. 1. Train

Data, ML, AI Engineer

2026-04-02T06:00:02Z

기업에서 AI를 도입할 때, 적절할 역할을 정의하고, 권한과 책임을 부여해야 합니다. AI 프로젝트의 경우에도 데이터를 모으는 작업, 데이터를 정제하는 작업, 모델에 데이터를 학습시키는 작업과 실제 서비스에 적용하는 작업에 역할이 필요합니다. 이런 역할을 수행하는 세 가지 직무가 Data Engineer, ML Engineer, AI Engineer입니다.

프롬프트, 콘텍스트, 에이전트

2026-03-26T08:00:10Z

AI 사용하는 것이 일상이 되면서 어떻게 하면 AI를 “잘 쓸 수 있을까”하는 방법을 많이 고민합니다. 그리고 이제는 “어떻게 잘 일하게 만들 것인가”를 고민합니다. 이런 고민의 결과물이 프롬프트 엔지니어링, 콘텍스트 엔지니어링, 그리고 에이전트 엔지니어링입니다. 이 세 가지는 하나의 방향으로 이어진 진화의 단계입니다. 1. 프롬프트 엔지니어링 이 단계

온프레미스, 클라우드, 하이브리드

2026-03-20T00:26:22Z

IT 서비스는 세상 어디선가 컴퓨터 자원이 실행되고 있습니다. 이메일을 쓰면 메일 서버가, 웹 사이트를 운영하면 웹 서버가 돌고 있습니다. 데이터를 저장하면 데이터베이스 서버가 동작하죠. 당연하게도, 세상 어딘가에 있는 서버에서 수행합니다. 1. 온프레미스(On-Premise) 온프레미스는 서버를 구매하고, 사내에서 서버를 운영하는 것입니다. 물론 ID

Demo, PoC, MVP, Beta, GA

2026-03-19T06:03:29Z

IT 프로젝트나 AI 프로젝트를 진행하다 보면 대문자로 줄인 영어 단어를 종종 접하게 됩니다. “데모를 보여드리겠습니다.” “먼저 PoC 해보시죠.” “이건 아직 MVP 단계입니다.” 처음 듣는 사람에게는 이 말들이 꽤 헷갈립니다. 어떤 것은 가능성을 보여주기 위한 것이고, 어떤 것은 기술이 되는지 확인하는 것이며, 어떤 것은 실제 사용자에게 쓰게 하는

AX. AI Transformation

2026-03-03T01:00:15Z

기업 현장에서 자주 듣는 말이 있습니다. “우리는 지금 AX를 추진하고 있습니다.” 그런데 조금 더 깊이 들여다보면, 실제로는 새로운 시스템을 구축하는 SI 프로젝트인 경우가 적지 않습니다. SI, DT, DX, AX. 비슷해 보이는 이 네 단어는 정보통신의 진화 단계를 보여주는 지표입니다. 1. SI — 시스템을 ‘돌아가게’ 만드는 단계 SI(Syst

독자 AI 파운데이션 모델

2026-02-24T14:00:24Z

1. 독자 AI 파운데이션 모델 OpenAI의 등장 이후, 거대 언어모델(LLM)은 더 이상 연구실의 프로젝트가 아닙니다. 개인의 업무, 기업의 업무 방식, 국가의 디지털 전략, 그리고 전 세계적인 산업의 구조까지 바꾸는 기반 기술이 되었습니다. 현재 글로벌 AI 생태계는 소수의 빅테크 기업이 파운데이션 모델을 개발하고, 전 세계 기업은 그 위에 서비스를

바이브코딩 서비스

2026-02-18T02:00:12Z

바이브코딩은 AI에게 자연어로 개발 목표를 설명하면, 코드 전체를 생성하거나 보완해 주는 방식입니다. 이는 사람이 직접 코딩하는 기본적인 프로그래밍과 달리, AI가 코드의 상당 부분을 생성하고, 또 수정하는 실험적인 개발 흐름입니다. 최근 많은 도구들이 이 흐름을 도와줍니다. 1. OpenAI – 대화형 AI에서 출발한 코드 생성의 표준 OpenAI는

바이브코딩

2026-02-19T14:30:10Z

요즘 IT 개발자들은 자주 사용하는 용어가 있습니다. 바로 ‘바이브코딩(Vibe Coding)’입니다. 느낌을 살려서 개발을 한다는 의미 같기도 하지만, 소프트웨어 개발을 기본의 일반적인 방식으로 하지 않는다는 것이다. 코딩은 원래 어떤 일이었을까요? 기본적으로 코딩은 아주 깔끔하고, 꼼꼼한 작업입니다. 아주 큰 그림의 설계, 아키텍처, 인프라부터 아주

이미지 동영상 생성 서비스 소개

2026-02-04T02:10:26Z

AI가 만들어내는 결과물 중에서, 가장 직관적으로 사람을 놀라게 하는 것은 단연 이미지와 동영상입니다. 불과 몇 년 전만 해도 전문 디자이너와 동영상 편집자의 영역이었던 작업들이, 이제는 프롬프트 한 줄만으로 가능해졌습니다. 이러한 변화의 중심에는 이미지와 동영상 생성 AI 서비스들이 있습니다. 이번 글에서는 현재 가장 많이 언급되고, 실제 업무 현장에서

AI와 문서 자동화

2026-01-27T13:00:07Z

대부분의 회사에서 일은 문서로 시작해 문서로 끝납니다. 보고서, 기획서, 회의록, 이메일, 제안서, 공지문. 직무와 직급을 막론하고, 우리는 하루 대부분을 문서를 읽고 쓰는 데 사용합니다. 문제는 이 문서 작업이 생각보다 훨씬 많은 시간을 잡아먹는다는 점입니다. 문서를 다룬다는 것은 단순히 글자를 입력하는 행위가 아닙니다. 정보를 정리하고, 논리를 구성하고

Microsoft × AI

2026-01-20T08:00:12Z

AI 이야기에서 Microsoft는 주인공으로 등장하는 일이 별로 없습니다. 사람들이 OpenAI, Google, DeepMind, Meta, DeepSeek를 떠올리면서, Microsoft를 “AI 회사”로 바로 인식하는 경우는 많지 않습니다. 그러나 아이러니하게도, 오늘날 가장 많은 사람들이 사용하는 있는 AI 서비스는 Microsoft 제품입니다. 이

오픈소스 LLM - GPT와 LLaMA는 무엇이 다를까요?

2026-01-15T12:04:42Z

LLM(Large Language Model)은 이제 흔한 용어가 되었습니다. 근데 LLM은 상용 LLM과 오픈소스 LLM이라는 뚜렷한 구분이 있습니다. 이는 실제 현업이나 경영의 의사결정에 큰 영향을 줍니다. 비즈니스 전략, 비용과 통제력 측면에서 매우 중요한 요소입니다. 1. 상용 LLM 현재 시장에서 가장 널리 사용되는 LLM은 대부분 상용 서비스

LLM 비교 - 최고의 AI는 없다, 최적의 AI만 있을 뿐

2026-01-12T09:39:22Z

생성형 AI는 우리의 삶과 업무에 완전히 합쳐졌습니다. 많은 기업에서 보고서를 작성하고, 코드를 만들고, 고객 문의에 응답하며 실제 업무에 활용되고 있습니다. 그 중심에는 LLM, 대규모 언어 모델이 있습니다. 종류도 매우 많습니다. ChatGPT, Gemini, Claude에 더해 LLaMA, Mistral, DeepSeek까지. “어떤 AI를 선택해야

프롬프트 설계의 기본

2026-01-12T09:38:40Z

같은 AI를 사용하면서도, 사용자에 따라 결과가 다른 경우가 있습니다. 어떤 사람은 AI를 훌륭한 비서처럼 쓰고, 어떤 사람은 “생각보다 별로”라며 흥미를 잃습니다. 이 차이는 모델의 성능 때문이기도 하지만, 질문 방식, 즉 프롬프트 때문에 이런 경우도 있습니다. 프롬프트 엔지니어링(prompt engineering)은 어려운 기술처럼 들리지만, 본질은

Google, DeepMind

2025-12-30T11:11:13Z

최근 구글이 Gemini 3을 출시하며 사람들에게 놀라움을 선사하고 있습니다. 이 Gemini 모델 뒤에는 구글, 그리고 DeepMind가 있습니다. DeepMind는 뛰어난 모델을 만드는 연구 조직일 뿐만 아니라, Google이 AI를 어떻게 장기적인 자산으로 축적해 왔는지를 보여주는 명확한 사례입니다. 1. DeepMind의 설립과 구글의 인수 De

생성형 AI, ‘만드는 인공지능’ - Generative Artificial Intelligence

2025-12-16T08:43:45Z

인공지능은 오랫동안 “식별하고 예측하는 기술”로 생각되었습니다. 데이터를 분류하고, 특정 상황의 결과를 예측하고, 조건에 맞게 의사결정을 돕는 용도로 말이죠. 하지만 최근 몇 년 사이, 전 세계를 완전히 바꿔놓은 새로운 흐름이 등장했습니다. 바로 '생성형 AI(Generative AI)'입니다. 식별하고, 계산하고, 판단하는 것을 넘어, 텍스트, 이미지,

인공지능의 분야

2025-12-11T02:00:15Z

인공 지능이 사용하는 데이터의 형태와 이에 따른 인공지능의 분야를 확인해 보겠습니다. 먼저 인공지능에 입력되는 데이터는 형태에 따라서 텍스트, 음성, 이미지, 숫자로 구분해 볼 수 있습니다. 1. 언어 AI - 인간의 글을 이해하고, 잘 쓰는 기술 우리가 일상적으로 사용하는 ChatGPT가 속한 분야입니다. AI가 텍스트를 읽고, 이해하고, 새로 만들어