Data Vision

리누스 창시자가 말하는 오픈소스, AI, 그리고 프로그래밍의 미래복잡한 소프트웨어는 혼자 관리할 수 없다. 그래서 오픈소스가 필요하다.리누스는 오픈소스를 단순히 “무료로 공개된 코드”로 보지 않는다. 소프트웨어가 점점 더 복잡해지는 상황에서, 그 복잡성을 관리할 수 있는 가장 현실적인 방식이 오픈소스라고 말한다.“software is very complicated and the only really good way to manage the complexity of a complex infrastructure is open source”복잡한 인프라를 한 회사, 한 조직, 한 사람만으로 완벽하게 관리하는 것은 어렵다. 오픈소스는 많은 사람이 보고, 검증하고, 고치고, 개선할 수 있는 구조를 만든다.중요한 ..

요즘은 Cursor, Claude Code, Windsurf 같은 AI 개발 도구 덕분에“아이디어 → 서비스 구현” 속도가 엄청 빨라졌습니다.그런데 실제 현업에서는 많은 사람들이 AI에게 이렇게 요청합니다.“커뮤니티 서비스 만들어줘”“배달앱 만들어줘”“AI SaaS 만들어줘”그리고 결과를 보고 실망합니다.왜냐하면 AI는 “개발자”이기 전에입력된 요구사항(PRD)을 기반으로 움직이는 시스템이기 때문입니다.즉,PRD(Product Requirement Document)가 부실하면AI도 엉뚱한 결과를 만들어냅니다.실제로 현업에서는 AI에게 일을 맡기기 전에아래 6개 항목을 반드시 정리합니다.1. 서비스 목적 (Why)가장 먼저 필요한 건:“왜 이 서비스를 만드는가?”입니다.AI는 목적이 명확할수록기능 우선순위..

요즘 AI 개발을 공부하다 보면 RAG, AI Agent, Agentic AI라는 말을 자주 봅니다.그런데 많은 분들이 이 셋을 비슷하게 이해합니다.결론부터 말하면, RAG는 정보를 찾아 답변하는 구조이고, Agentic AI는 목표를 달성하기 위해 스스로 판단하고 도구를 사용하는 구조입니다.쉽게 말하면 RAG는 “검색해서 답하는 AI”에 가깝고, Agentic AI는 “일을 처리하는 AI”에 가깝습니다.1. RAG란 무엇인가RAG는 Retrieval-Augmented Generation의 약자입니다.사용자가 질문하면 시스템은 먼저 외부 문서나 데이터베이스에서 관련 정보를 찾습니다.그리고 찾은 정보를 LLM에게 넣어 답변을 생성합니다.흐름은 보통 이렇게 됩니다.사용자 질문→ 관련 문서 검색→ 검색 결과를..

ChatGPT는 “대화 도구”다ChatGPT는 정말 훌륭한 AI입니다.특히 이런 작업에서 강합니다.글 작성아이디어 정리코드 설명간단한 분석하지만 본질적으로 ChatGPT는 대화 기반 도구입니다.즉 대부분의 결과가 이렇게 끝납니다.“이렇게 하면 됩니다.”실제로 뭔가를 만들거나 실행하지는 않습니다.Claude Code는 “실행 도구”다Claude Code를 사용하면서 가장 크게 느낀 차이는 이것입니다.ChatGPT는 대화하는 AIClaude Code는 일하는 AI예를 들어 이런 요청을 해봅니다.“이 설명을 정리해서 웹페이지 하나 만들어줘.”ChatGPT의 결과HTML 코드 생성Claude Code의 결과실제 웹페이지 생성코드 수정파일 생성배포즉 Claude Code는 결과를 설명하는 것이 아니라 실제로 실행..

따라하기 쉬운 실전 가이드인스타그램 계정을 메타 공식 API에 연결하고, AI 에이전트로 이미지 생성 + 포스팅 자동화를 시작하는 과정을 쉽게 따라할 수 있도록 정리한 가이드입니다.1. 이 가이드로 할 수 있는 것이 시스템을 만들면 다음과 같은 흐름을 자동화할 수 있습니다.메타 공식 API로 인스타그램 계정 연결AI 에이전트에 인스타그램 업로드 권한 부여이미지 자동 생성포스팅 문구 및 해시태그 자동 작성인스타그램에 자동 업로드일정 기반 반복 포스팅 자동화즉,“이미지 만들기 → 글 쓰기 → 업로드하기 → 반복 실행하기”이 흐름을 사람이 일일이 하지 않고 자동으로 돌릴 수 있게 만드는 것이 목표입니다.2. 준비물시작 전에 아래 항목을 준비하세요.필수 준비물메타(페이스북) 계정인스타그램 계정Meta for D..

저는 테크니컬 리드이자 데이터 분석가로 일해왔습니다.그동안은 데이터를 분석하고 가공해서, 서비스에 필요한 AI 기능을 만들고 개발하는 일을 주로 했습니다.SQL도 다루고, 파이썬으로 분석도 하고, 모델링도 할 줄 아는 편이었습니다.그래서 “데이터 분석” 자체는 자신 있는 영역이라고 생각했습니다.그런데 이번에 프로덕트 오너 역할까지 맡게 되면서, 전혀 다른 종류의 부담이 생겼습니다.프로덕트/그로스 데이터 분석은 결이 달랐습니다제가 기존에 해오던 분석은 대체로 이런 목적이었습니다.데이터를 깔끔하게 만들고모델이 학습할 수 있게 가공하고예측이나 분류 성능을 개선하는 것그런데 프로덕트 오너가 되자 질문이 달라졌습니다.이번 기능 출시, 성공한 건가?전환율이 떨어졌다면, 어디서 떨어졌나?문제는 마케팅 때문인가, 프로..