https://brunch.co.kr/@@ifQf 하이퍼커넥트에서 AI를 총괄하고 있습니다. ko Sat, 02 May 2026 13:03:18 GMT Kakao Brunch //img1.kakaocdn.net/thumb/C100x100/?fname=http%3A%2F%2Ft1.daumcdn.net%2Fbrunch%2Fservice%2Fuser%2FifQf%2Fimage%2FVHO3NIRaNUWOKH7lzYPopyCzngw.png https://brunch.co.kr/@@ifQf 100 100 https://brunch.co.kr/@@ifQf/15 벡터 저는 사람의 능력을 일종의 벡터로 봅니다. 누구나 잘하는 게 있으면 못하는 것도 있습니다. 그건 저도 마찬가지입니다. 능력은 벡터이기 때문에 누가 역량이 더 좋다 나쁘다 이야기 하는 것은 어렵습니다. 벡터는 대소 비교가 불가능하기 때문입니다. 하지만 성과는 스칼라입니다. 개인과 팀의 성과는 비즈니스 임팩트로 치환해서 스칼라 값으로 만들어낼 수 있고 Sat, 01 Nov 2025 06:42:09 GMT 이준영 https://brunch.co.kr/@@ifQf/15 https://brunch.co.kr/@@ifQf/14 논문을 읽지 않으면 AI 문제를 제대로 정의할 수 없다 문제를 풀 때 가장 중요한 건 ‘문제 정의’입니다. 우리가 문제를 잘 정의했다면 이미 절반은 푼 것이나 다름없습니다. 그래서 빠르게 해결책을 찾는 것보다, 충분한 시간을 들여 문제를 제대로 정의하는 것이 오히려 전체 속도를 높이는 일입니다. AI 연구에서도 마찬가지입니다. 문제 정의가 명확하지 않으면 Tue, 14 Oct 2025 02:40:52 GMT 이준영 https://brunch.co.kr/@@ifQf/14 https://brunch.co.kr/@@ifQf/13 AI 문제에서 최적화하고자 하는 지표는 하나여야 합니다 현실에서 AI로 비즈니스 문제를 풀다보면, X와 Y 두 지표를 동시에 올려야 하는 상황을 흔하게 마주합니다. 실험군은 X 지표에서 100, Y 지표에서 90을 나타냈고, 대조군은 X에서 90, Y에서 100이 관측되었다고 해봅시다. 우리는 실험군을 배포해야 할까요? 말아야 할까요? 지표가 2개인 상황 Sun, 12 Oct 2025 00:01:12 GMT 이준영 https://brunch.co.kr/@@ifQf/13 https://brunch.co.kr/@@ifQf/8 새로운 시장을 키워 나가기 위해서는 마케팅, 제품, AI 로직 등 여러 요소가 하나의 팀처럼 유기적으로 움직여야 합니다. 그중에서도 AI 기반 추천 시스템은 새로운 시장을 침투(penetration)하는 데 있어 인프라와 같은 핵심 역할을 담당합니다. 랜덤 추천은 제품을 성장시킬 수 없습니다. 작은 사고 실험을 해보겠습니다. 예를 들어 A 국가 사용자가 Wed, 08 Oct 2025 10:44:03 GMT 이준영 https://brunch.co.kr/@@ifQf/8 https://brunch.co.kr/@@ifQf/9 혹시 알고 계셨나요? 인스타그램 앱의 첫 번째 탭(홈)과 두 번째 탭(탐색)은 스크롤 방식이 다릅니다. 홈 탭은 손가락을 움직이는 만큼 화면이 따라 내려가지만, 탐색 탭(상세 게시글 누른 후)은 스크롤 후 손을 떼면 자동으로 특정 게시물이 화면 상단에 맞춰지도록 동작합니다. 직접 해보시면 두 탭의 차이를 확실히 느낄 수 있습니다. 왜 이런 차이가 있을까 Wed, 08 Oct 2025 10:43:57 GMT 이준영 https://brunch.co.kr/@@ifQf/9 https://brunch.co.kr/@@ifQf/4 제품에 기여하는 AI 조직은 연구 안하지 않나요? 이런 질문, 정말 자주 듣습니다. 왜 이런 말씀하시는 지 이해도 됩니다. 하지만, 저희 조직에서는 반드시 연구가 필요합니다. 솔직히 연구 없이 비즈니스에 기여할 수 있다면 그렇게 하고 싶습니다. 효율적이니까요. 하지만, 연구 없이는 제품에서 임팩트 내기가 어렵습니다. 처음 한 두번은 운이 좋아서 임팩트가 Wed, 08 Oct 2025 10:43:12 GMT 이준영 https://brunch.co.kr/@@ifQf/4 https://brunch.co.kr/@@ifQf/5 A/B 테스트가 없이는 ‘개선’을 측정할 수 없다 AI 조직에서는 매일, 그리고 매주 새로운 모델이 만들어집니다. 하지만 새로운 모델이 정말 더 좋은 모델일까요? 많은 AI 연구자들은 오프라인 메트릭의 향상으로 모델의 성능을 판단합니다. 하지만 이는 충분하지 않습니다. 오프라인에서 성능이 향상된 모델이 실제 서비스에 올라갔을 때 오히려 지표가 떨어지는 Wed, 08 Oct 2025 10:42:19 GMT 이준영 https://brunch.co.kr/@@ifQf/5 https://brunch.co.kr/@@ifQf/1 저는 조직의 AI 업무를 크게 두 가지로 봅니다. 바로 정렬과 스케일링입니다. 이런 관점은 LLM에만 국한되는 이야기가 아닙니다. 저는 추천 업무에서도, Trust & Safety 업무에서도 똑같이 정렬과 스케일링의 관점으로 접근합니다. 정렬이란, 우리가 만드는 모델이 실제 비즈니스 지표와 연결되게 만드는 과정을 의미합니다. 추천 시스템을 이야기할 때, Wed, 08 Oct 2025 10:40:57 GMT 이준영 https://brunch.co.kr/@@ifQf/1 https://brunch.co.kr/@@ifQf/2 Q. 저는 NLP밖에 안 해봤는데(혹은 vision밖에 안 해봤는데), Hyperconnect AI에서 좋은 성과를 낼 수 있을까요? 커피챗이나 면접 자리에서 종종 받는 질문입니다. 제가 늘 드리는 대답은 이렇습니다. "충분히 가능합니다" Hyperconnect AI에서는 지금까지 어떤 분야를 해왔는지는 크게 중요하게 보지 않습니다. 그것보다는 지금까 Wed, 08 Oct 2025 10:40:36 GMT 이준영 https://brunch.co.kr/@@ifQf/2 https://brunch.co.kr/@@ifQf/12 Pessimism vs Optimism 여러 액션들 중 현재 어떤 액션을 먼저 실행해야 할지 고민일 때, 이론적으로는 UCB(Upper Confidence Bound) 전략으로 선택하는 것이 최적에 가깝다는 이야기를 많이 합니다. 액션마다 얻을 수 있는 gain의 불확실성을 평가하고 upside가 높은 액션일수록 먼저 수행하는 전략입니다. Optimist Wed, 08 Oct 2025 10:39:06 GMT 이준영 https://brunch.co.kr/@@ifQf/12