2026년, 실리콘밸리에서 가장 뜨거운 단어는 ‘토큰맥싱(Tokenmaxxing)’입니다. AI 토큰을 최대한 많이 소비하면서 자신의 생산성을 증명하려는 새로운 직장 문화가 빠르게 퍼지고 있습니다. 쇼피파이 CEO는 토큰 사용량을 성과 평가에 반영하겠다고 선언했고, 젠슨 황은 “연봉의 절반을 토큰 예산으로 줘야 한다”고 주장합니다. 과연 이 흐름은 진짜 혁신일까요, 아니면 화려한 ‘생산성 연극’에 불과할까요? 토큰 이코노미, AI 시대의 새로운 화폐 과거 디지털 … 더 읽기
AI 에이전트를 업무에 도입한 기업들이 공통으로 맞닥뜨리는 문제가 있습니다. 사내 문서를 벡터 DB에 쏟아붓고 RAG(검색 증강 생성) 환경을 구축해도, 에이전트가 ‘경력직이라면 당연히 알 법한’ 판단을 내리지 못한다는 것입니다. “결제 모듈을 긴급 배포할 때는 테스트를 통과했더라도 반드시 보안팀의 담당 파트장에게 슬랙 사전 알림을 보내야 한다”거나 “외부 프리랜서가 참여하는 프로젝트의 클라우드 테스트 환경은 별도의 리소스 할당 기준이 … 더 읽기
“AI한테 이것만은 하지 말라고 분명히 말했는데, 또 해버렸네.” 프롬프트 엔지니어링에 시간을 쏟아본 사람이라면 한 번쯤 겪었을 좌절이다. “DB를 직접 수정하지 마”, “axios 대신 fetch를 써”라고 아무리 정교하게 지시해도, 컨텍스트가 길어지거나 모델이 바뀌면 AI는 약속을 어긴다. 프롬프트는 결국 부탁일 뿐이지, 강제가 아니기 때문이다. 여기서 등장하는 개념이 바로 하네스 엔지니어링(Harness Engineering)이다. 하네스란 무엇인가 — 부탁에서 구조로 하네스(Harness)는 … 더 읽기
AI와 대화하는 시대는 지났습니다. 이제는 AI를 ‘루프(Loop)’라는 시스템 속에 넣고, 원하는 결과가 나올 때까지 스스로 개선하게 만드는 ‘지능의 설계자’들이 세상을 바꾸고 있습니다. 단순한 업무 자동화를 넘어, 자신의 전공이 아닌 미지의 영역에서도 문제를 해결해내는 ‘지능의 대이동’이 시작되었습니다. 그 핵심 방법론인 LLM 루프와 이를 통한 새로운 생존 전략을 정리합니다. 왜 AI와의 ‘채팅’은 한계에 부딪히는가 많은 이들이 AI의 … 더 읽기
조직에서 가장 값비싼 지식은 어디에 있을까? 사내 위키도, 공유 드라이브도 아니다. 10년 차 시니어의 머릿속이다. “이 상황에서는 이렇게 판단하면 된다”는 감각, 고객 클레임이 들어왔을 때 즉각적으로 떠오르는 대응 시나리오, 코드를 보는 순간 “여기가 문제겠네”라고 직감하는 능력. 이 모든 것이 암묵지(Tacit Knowledge)다. 문제는 명확하다. 암묵지는 사람에게 종속된다. 시니어가 퇴사하면 그 지식도 함께 걸어 나간다. 주니어에게 전수하려면 … 더 읽기
인증된 사용자 도메인 서비스 는 마이크로서비스 아키텍처에서 인증은 일반적으로 API Gateway에서 처리되고, 각 도메인 서비스는 인증된 요청만을 받아 실제 비즈니스 로직을 수행한다.이 글에서는 Spring Cloud Gateway에서 JWT 인증을 처리하고, 도메인 서비스(user-service)는 인증된 사용자 정보만을 활용하는 방식으로 사용자 정보를 제공하는 구조를 다룬다. 1. 아키텍처 개요 2. Gateway 보안 설정 3. 사용자 ID 전달을 위한 Gateway 필터 … 더 읽기
Continue Vscode 설치를 하기 위해 이번 글에서는 VSCode에 AI 코드 어시스턴트를 통합해주는 오픈소스 확장 프로그램, Continue를 소개한다. 설치 방법부터 기본 사용법, 주요 설정까지 정리하면서, 개인 개발 환경에 어떻게 통합할 수 있을지 살펴본다. 1. Continue란 무엇인가? Continue는 VSCode에서 작동하는 AI 기반 코드 어시스턴트 확장이다. Copilot과 유사하게 코드 자동완성, 설명, 리팩토링 제안 등을 제공하며, 오픈소스 기반이므로 커스터마이징이 … 더 읽기
RAG 챗봇 만들기 에 앞서 이전 포스트에서는 Dify에서 챗봇을 만들고 API 테스트까지 진행해봤다.이번에는 그 챗봇에 사내 문서를 본격적으로 연동하고, RAG(Retrieval-Augmented Generation) 전략을 활용해 실제로 지식기반 응답을 생성하는 방법을 다룬다. 1. 왜 RAG인가? RAG는 단순한 LLM 응답이 아닌, 외부 문서에서 관련 정보를 검색해 LLM에게 제공함으로써 더 정확하고 신뢰할 수 있는 답변을 만든다. 특히 사내 정책, 기술 … 더 읽기
Dify 챗봇 만들기 를 통해 Dify 의 전반적인 사용법을 알아보자.이전 글에서 Dify를 온프레미스 환경에 성공적으로 설치했다면, 이제 실제로 챗봇을 만들어볼 차례다. 이 글에서는 Dify에서 챗봇 앱을 생성하고, 문서 업로드 및 API 테스트를 통해 RAG 기반 챗봇이 어떻게 작동하는지를 확인해본다. 1. 워크스페이스와 App 생성 Dify에 로그인하면 기본 워크스페이스가 생성되어 있다. 여기서 새로운 App을 만들어야 한다. 생성 … 더 읽기
Dify 온프레미스 환경에서 설치하고 운영하려면 몇 가지 기술적인 요소를 미리 이해하고 있어야 한다.Dify는 강력한 RAG 기반 AI 챗봇 플랫폼이지만, 온프레미스 환경에서 설치하고 운영하려면 몇 가지 기술적인 요소를 미리 알고 있어야 한다. 이 글에서는 Docker 기반으로 Dify를 설치하고, 사내 환경에 맞게 설정하는 전체 과정을 정리해본다. 1. 설치 전 요구사항 확인 항목 설명 운영체제 Ubuntu 20.04+ 또는 … 더 읽기