<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by 임한솔 on Medium]]></title>
        <description><![CDATA[Stories by 임한솔 on Medium]]></description>
        <link>https://medium.com/@hsol?source=rss-4f765df74757------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*fopXwZV2-9rgnnNAFLwHsw.png</url>
            <title>Stories by 임한솔 on Medium</title>
            <link>https://medium.com/@hsol?source=rss-4f765df74757------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 05:36:51 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@hsol/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[개인 AI 주권에 대하여]]></title>
            <link>https://hsol.medium.com/%EA%B0%9C%EC%9D%B8-ai-%EC%A3%BC%EA%B6%8C%EC%97%90-%EB%8C%80%ED%95%98%EC%97%AC-3085ad9ab867?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/3085ad9ab867</guid>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[claude]]></category>
            <category><![CDATA[context-engineering]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Sat, 14 Nov 2026 04:59:54 GMT</pubDate>
            <atom:updated>2026-11-14T11:13:14.025Z</atom:updated>
            <content:encoded><![CDATA[<p>요즘은 한 달만 지나도 AI 판세가 완전히 달라집니다. 프론티어 모델들이 번갈아 가며 더 높은 점수를 내놓고 에이전트와 챗봇은 매주 새 이름으로 나옵니다. 하네스 엔지니어링, 컨텍스트 엔지니어링 같은 말도 뜻이 굳어지기 전에 또 다른 알아먹을 수도 없는 용어들이 튀어나옵니다.</p><p>저는 지금 Claude 를 주력으로 씁니다. 개발은 Claude Code 로 하고 회사 운영과 강의 준비도 Claude 와 같이 합니다. 다만 그 아래 깔린 작업 환경은 Claude 에 맞춰 두지 않았습니다. 지침과 기억, 정리된 지식, 작업 기록을 평범한 파일과 폴더로 두고 Claude 든 GPT 든 Gemini 든 그 폴더를 열면 같은 상태에서 일을 시작할 수 있게 해 두었습니다.</p><p>제가 신경 쓰는 건 언제든 다른 모델, 다른 솔루션으로 옮겨 갈 수 있느냐입니다. 그래서 특정 환경에 묶이는 것은 처음부터 만들지 않으려고 합니다. 저는 이걸 개인 AI 주권이라고 부릅니다. 내 작업 환경을 어디로 옮길지 정하는 권한을 내가 쥐고 있는 상태를 말합니다.</p><h3>거슬러 올라가보자면</h3><p>사실 제 업무 환경도 비슷합니다. 노마드 코딩이 기본이라 모니터도, 마우스도, 키보드도 따로 쓰지 않습니다. 랩탑을 책상에 올려놓는 것으로 세팅이 끝납니다. 어느 책상에 앉든 같은 상태로 일을 시작합니다.</p><p>장비만 그런 것도 아닙니다. 회사 작업 폴더는 구글 드라이브에 두고 PC 여러 대를 오가며 일합니다. 어느 PC 를 켜든 같은 폴더를 열고 하던 일을 그대로 이어 갑니다.</p><p>비장한 목표가 있어서 이렇게 하는 건 아닙니다. 무언가에 묶이지 않으려는 습관이 원래 몸에 배어 있었고 AI 를 쓰는 방식에도 그 태도가 그대로 옮겨 온 것 같습니다. 그런데 이 습관이 AI 를 본격적으로 쓰기 시작하면서 꽤 쓸모가 있었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S2XM9gQ2GQ7AWSBOck9BHQ.jpeg" /></figure><h3>기억이 어디에 저장되는가</h3><p>AI 도구들은 저마다 기억 장치를 갖고 있습니다. Claude 에는 프로젝트와 메모리가 있고 ChatGPT 에도 메모리와 프로젝트가 있습니다. 코딩 에이전트들은 홈 디렉토리 어딘가에 자기만의 메모리 폴더를 만듭니다. 한 번 말한 것을 다음 대화에서 기억해 주니 편하긴 합니다.</p><p>문제는 그 기억이 그 회사의 서버나 그 도구가 깔린 PC 안에만 있다는 점입니다. 저는 PC 여러 대를 오가며 일하는데 에이전트가 자기 메모리 폴더에 저장한 사실은 다른 PC 에서는 처음부터 없던 일이 됩니다. 다른 도구는 당연히 볼 수 없습니다. 더 곤란한 건 저장된 것처럼 보인다는 점입니다. 기억했다는 답을 들으면 사람도 따로 기록할 생각을 하지 않게 되죠. 그렇게 제대로 된 기록이 조금씩 빠집니다.</p><p>그래서 규칙을 정했습니다. 기억과 지식의 정본은 제 저장소의 폴더에 둡니다. 도구가 가진 메모리는 캐시로만 쓰고 거기에는 많아야 폴더 안 파일을 가리키는 포인터만 둡니다.</p><p>규칙을 정했다고 끝나는 건 아니었습니다. 이 규칙도 어느 도구의 메모리에만 적어 두면 같은 문제가 되풀이됩니다. 그래서 규칙 자체를 폴더 안에 문서로 두고, 어떤 에이전트든 세션을 열면 그 문서부터 읽게 했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8fVzgqHwe60JA276vU9VFQ.jpeg" /></figure><h3>이 규칙을 문서로 만든 것이 context-protocol 입니다</h3><p>context-protocol 은 작업 폴더를 에이전트의 장기기억이자 1차 출처로 쓰는 규약입니다. 구조는 단순합니다.</p><ul><li>세션을 열면 무엇부터 읽는지 적은 진입 파일이 있습니다.</li><li>memory 폴더에는 사용자 정보와 선호, 받은 피드백, 진행 중인 일만 두고 색인으로 찾아 들어갑니다.</li><li>정리된 지식은 주제별 폴더에 둡니다. 폴더 위치가 곧 분류라서 파일시스템이 그대로 온톨로지가 됩니다.</li><li>날짜가 있는 사건은 action-log 에 하루 한 파일씩 쌓습니다.</li></ul><p>에이전트는 대화 중에 오래 쓸 사실이나 결정이 나오면 시키지 않아도 종류에 맞는 폴더에 기록하고 경로를 알려 줍니다. 저장소는 구글 드라이브든 로컬 디렉토리든 고를 수 있어요. 드라이브에 두면 어느 PC 에서 열어도 같은 폴더가 보입니다. 결국 제 작업 환경은 마크다운 파일 묶음입니다. 어떤 모델이든 파일은 읽을 줄 알죠.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ibw8fTB4lo13KD5G2mKDgg.png" /></figure><h3>프로토콜도 처음엔 Claude 를 전제로 했습니다</h3><p>사실 이 프로토콜도 처음에는 Claude 에 묶여 있었습니다. 교육에서 이 프로토콜을 설치해 쓰던 참가자분이 CLAUDE.md 기반이라 범용성이 떨어진다는 피드백을 주셨습니다. 듣고 보니 맞는 말이었습니다. 진입 파일 이름이 CLAUDE.md 였고 본문은 Claude 데스크톱에서만 쓰는 도구 이름과 Claude 의 메모리 기능을 전제로 쓰여 있었습니다. 파일 이름만 AGENTS.md 로 바꿔도 Codex 가 읽기는 하겠지만 읽고 나서는 자기에게 없는 도구로 작업하라는 지시를 받게 됩니다.</p><p>그래서 10월에 8.0 으로 구조를 바꿨습니다. 규칙의 정본은 CONTEXT.md 라는 중립적인 파일에 두고, AGENTS.md 와 CLAUDE.md 는 그 파일로 들어가는 포털로만 둡니다. 포털에는 규칙을 적지 않습니다. 규칙이 두 군데 생기면 정본이 갈라지기 때문입니다.</p><p>도구마다 다른 점은 하네스 프로파일이라는 별도 파일에 적었습니다. 어떤 파일을 스스로 읽는지, 파일 삭제와 git 이 되는지, 자체 메모리가 있는지 같은 것들입니다. Claude Code, Cowork, Codex, Cursor, Antigravity, Grok Build 가 각자 프로파일을 갖고 새 도구가 나오면 프로파일만 더합니다. 프로파일을 더하는데 코어 규칙을 고쳐야 한다면 그곳은 아직 특정 도구에서 덜 떼어 낸 부분이라고 봅니다.</p><p>어떤 하네스로 열었는지는 워크스페이스에 기록하지 않습니다. 같은 폴더를 오늘은 Claude 로, 내일은 Codex 로 열 수 있어야 하기 때문입니다.</p><h3>같은 폴더에 여러 모델을 붙여 봤습니다</h3><p>8.0 을 만들고 같은 워크스페이스에 Claude Code, Codex, Cursor, Antigravity, Grok Build, Cowork 를 차례로 붙여 같은 질문을 던졌습니다. 어떤 지시 파일을 자동으로 읽었는지, 자기가 어떤 하네스이고 저장소가 무엇인지, 이 폴더에서 git 과 파일 삭제를 해도 되는지 물었습니다. 대부분 포털을 따라 정본까지 들어가 맞게 답했습니다. Grok Build 는 헤드리스로 돌렸을 때 git 허용 여부를 틀렸는데 들여다보니 그 규칙이 저장소 쪽 문서에 제대로 적혀 있지 않았습니다. 그 규칙을 저장소 프로파일로 옮겨 적었습니다.</p><p>재미있었던 건 서로 다른 모델이 같은 문서를 읽고 각자 다른 구멍을 짚었다는 점입니다. 두 하네스는 색인에 있는 본문을 세션 시작에 전부 읽어야 하느냐고 되물었습니다. Claude Code 를 돌리면서는 파일을 끌어오는 문법이 frontmatter 를 빼먹는다는 것을 알게 됐습니다. Cowork 는 프로파일이 데스크톱 환경만 전제하고 있다고 짚었습니다. Claude 만 붙여서 다듬었다면 Claude 의 습관에 맞춰진 문서가 됐을 겁니다. 여러 모델을 같은 컨텍스트에 동시에 붙이니 환경을 키우는 속도가 오히려 빨라졌습니다.</p><p>코딩 도구에서만 되는 일도 아닙니다. 피클이라는 개인 에이전트 서비스에도 같은 폴더를 연결하고 저는 누구일까요 하고 물어 봤습니다. 정본 vault 부터 열어 보겠다고 하더니 개인 vault 와 회사 워크스페이스의 인물 문서를 차례로 확인하고 답했습니다. Claude 가 아닌 서비스였지만 같은 정본을 근거로 제가 누구인지 맞혔습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pQ8xmlLXr30syjKZa0E8oQ.png" /></figure><p>제 PC 밖에서도 같은 폴더가 쓰입니다. 프루퍼 주식회사의 일 상당수는 Multica 라는 에이전트 협업 도구 위에서 돕니다. 외주 공고를 훑는 스카우트, 포폴 데이터를 채우는 시더, 회사 재무를 보는 부기 같은 에이전트들이 데이터센터에 둔 Windows 미니 PC 에서 상시로 일합니다. 이 에이전트들이 읽고 쓰는 곳도 제가 맥에서 여는 바로 그 구글 드라이브 폴더입니다. 아카이브 매니저 에이전트는 회사 워크스페이스와 제 개인 vault 를 함께 정리합니다.</p><p>개인 홈페이지인 <a href="https://hsol.info/">hsol.info</a> 도 같은 방식으로 굴러갑니다. 경력과 프로젝트, 글 같은 사이트 콘텐츠의 정본은 OneDrive 에 둔 제 개인 vault 입니다. 원래 GitHub 저장소에 두었다가 9월에 OneDrive 폴더로 옮겼고, 지금은 복사본 없이 사이트가 이 폴더를 직접 읽습니다. 한 시간마다 vault 의 변경을 감지해 페이지도 다시 만듭니다. 어떤 에이전트로든 vault 의 내용을 고쳐 두면 사이트에도 그대로 반영됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jkm5gn2Pr0vx1u6zlvbA1A.png" /></figure><p>처음 옮길 때 탈이 없지는 않았습니다. 맥 경로로 적어 둔 지침이 Windows 에서 빈값을 돌려줘 첫 회차에 멈추기도 했어요. 그래서 경로는 연결된 폴더에서 매번 다시 찾도록 바꾸고, OS 와 저장소마다 다른 점은 프로파일로 뺐습니다. 지금은 제가 맥을 덮고 있는 동안에도 같은 폴더가 계속 자랍니다.</p><h3>머리 없는 하네스</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5aZtSS7_wG8-gjc29L2zJw.jpeg" /></figure><p>저는 이 구조를 헤드리스 하네스라고 부릅니다. 지침과 기억, 지식, 기록이라는 몸통은 제 폴더에 있고, 모델과 앱은 그 위에 얹히는 머리입니다. 머리는 언제든 바꿀 수 있죠. 더 좋은 모델이 나오면 그 모델을 붙이면 되고 한 회사의 서비스가 멈추면 다른 회사 것을 붙이면 됩니다. 몸통은 어떤 머리가 붙어 있든 계속 자랍니다.</p><p>무엇을 몸통에 두고 무엇을 머리에 남길지는 직접 옮겨 보면서 갈랐습니다. 10월에 Multica 에이전트들을 미니 PC 한 대에서 다른 대로 옮긴 적이 있습니다. 그때 맥의 설정 폴더에 흩어져 있던 공고 수집 스크립트들을 워크스페이스의 프로젝트 폴더로 올렸습니다. 어느 기계에서 돌든 같은 스크립트를 읽게 하려는 것이었습니다.</p><p>반대로 로그인 세션과 쿠키는 기계마다 따로 둡니다. 다른 기기에서 만든 세션을 거부하는 사이트도 있어서 억지로 옮길 수 없는 것들입니다. 기계나 계정에 묶일 수밖에 없는 것만 머리 쪽에 남기고 나머지는 폴더로 올립니다. 머리에 남긴 게 적을수록 머리를 바꿀 때 챙길 것도 적어집니다.</p><p>몇 달 전만 해도 Claude 가 잠깐 흔들리면 그날 일정이 같이 멈출 수 있다는 걱정을 안고 있었습니다. 지금은 그 걱정이 많이 줄었습니다. Claude 가 멈추면 같은 폴더를 다른 도구로 열면 됩니다.</p><p>물론 차이가 사라지지는 않습니다. 모델마다 잘하는 게 다르고 같은 지시를 줘도 결과의 결이 다릅니다. 하네스마다 되는 것과 안 되는 것도 다릅니다. 파일 업로드만 되는 채팅에서는 폴더에 쓸 수 없어서 읽기 전용으로만 쓰도록 했어요. 이런 차이는 없앨 수 없으니 프로파일에 적어 두고 다룰 뿐입니다.</p><h3>세상아 덤벼라</h3><p>새 모델이나 에이전트가 나오면 저는 그걸 제 폴더에 붙여 봅니다. 잘 맞으면 쓰고 안 맞으면 떼어 냅니다. 무엇을 붙였다 떼든 폴더에 쌓인 지식과 기록은 그대로입니다.</p><p>앞으로도 이 헤드리스 하네스를 계속 키워 나갈 생각입니다. 다음에 어떤 모델이 나오든 두렵지 않습니다. 붙여 보면 되니까요.</p><p>여기 다 적지 못한 생각과 고민도 평소에 많이 하고 있습니다. 이 하네스나 제가 궁금하시면 편하게 대화 나눠요. context-protocol 을 직접 써 보고 싶으신 분도 말씀해 주세요.</p><p>댓글주셔도 좋고, <a href="https://calendly.com/contact-hsol/coffee-chat">Calendly</a> 로 시간을 잡아주시거나 <a href="https://www.linkedin.com/in/hsolim/">LinkedIn</a> 으로 연락 주세요!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=3085ad9ab867" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[FDE 라는 직업에 대하여]]></title>
            <link>https://hsol.medium.com/fde-forward-deployed-engineer-44bd2c549434?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/44bd2c549434</guid>
            <category><![CDATA[software-engineering]]></category>
            <category><![CDATA[careers]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[startup]]></category>
            <category><![CDATA[consulting]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Mon, 09 Nov 2026 00:00:53 GMT</pubDate>
            <atom:updated>2026-11-09T15:26:12.207Z</atom:updated>
            <content:encoded><![CDATA[<p>요즘 채용 공고에서 FDE(Forward Deployed Engineer)라는 직함을 자주 봅니다. 해외에서는 관련 공고가 한 해 사이 여덟 배 늘었다는 집계가 나왔고, 국내에서도 대기업과 AI 스타트업이 같은 이름으로 사람을 찾습니다.</p><p>그런데 공고를 열어 보면 하는 일이 제각각입니다. 어떤 곳은 고객사에 상주하며 프로덕션 코드를 쓰고, 어떤 곳은 계약 전 데모를 만듭니다. 어떤 곳은 예전 SI 공고와 문장까지 닮았습니다.</p><p>프루퍼 주식회사도 고객사 안으로 들어가 일합니다. 임직원에게 AI 를 가르치고, 업무를 진단하고, 그 회사가 쓰는 도구에 AI 를 붙여 실제로 돌아가게 만듭니다. 밖에서 보면 이것도 FDE 이고, 저희도 이 이름으로 불립니다. 같은 말이 이렇게 여러 뜻으로 쓰일 때는 쓰는 쪽이 자기 뜻을 밝혀 두어야 한다고 생각했습니다.</p><h3>FDE 가 처음 생긴 이유</h3><p>이름부터 그대로 읽어 보면 이렇습니다.</p><ul><li>Forward: 앞에, 현장에</li><li>Deployed: 배포된, 파견된</li><li>Engineer: 엔지니어</li></ul><p>현장에 나가 있는 엔지니어라는 뜻입니다. 여기서 물어봐야 할 것은 누가 누구를 보내는가입니다. 보내는 쪽은 본사이고, 현장은 본사가 들어가는 고객사입니다. FDE 는 본사의 엔지니어를 고객의 현장에 배치한 것입니다.</p><p>만약 고객사에 필요한 엔지니어를 구해서 대신 보내 준다면 사람을 현장에 보낸다는 점은 같지만, 그 엔지니어는 고객사의 일을 대신 하러 간 사람이고 현장에서 배운 것도 고객사에 남습니다. 저는 이것을 파견이라고 봅니다.</p><p>FDE 는 현장에 있어도 본사의 사람이고, 현장에서 배운 것을 본사로 가져와야 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*_VVzqTIz4RXm0ejR" /></figure><p>FDE 는 팔란티어가 만든 직군입니다. 초기 고객이던 정보기관은 무엇을 분석하는지 자체가 기밀이라 자기 업무를 외부 업체에 설명할 수 없었고, 데이터도 밖으로 내보낼 수 없었다고 합니다.</p><p>요구사항을 받아 자기 사무실에서 만들어 납품하는 방식은 처음부터 통할 수 없었습니다. 요구사항을 들을 수도, 데이터를 가져갈 수도 없었기 때문입니다. 그래서 팔란티어는 엔지니어를 고객의 시설 안으로 들여보냈다고 합니다. 데이터가 있는 곳에서 분석가 바로 옆에 앉아, 일하는 모습을 직접 보며 만들고 바로 써 보게 했다고 합니다. 설명을 들을 수 없으니 보면서 배우고, 데이터를 내보낼 수 없으니 사람이 데이터 쪽으로 간 것입니다.</p><p>저희는 요즘 FDE 가 뜨는 이유를 위 사례에서 찾아볼 수 있습니다.</p><p>많은 회사가 AI를 회사에 들이려다 실패하거나 엄두도 못 내고 있습니다. AI를 들인다는 것은 기존 회사 업무의 중추신경계를 건드리겠다는 뜻인데요. 이걸 직접 하자니 내 몸을 내가 수술하지 못하듯이 어렵고, 기존처럼 외부에서 해주도록 맡기자니 뭘 어떻게 맡겨야 하는지도 모르는 데다 그렇게 맡겨도 제대로 이해를 못하고 엉뚱한 곳만 건드리다 탈이 납니다. 그렇다고 회사의 모든 업무와 데이터를 외부가 다룰 수 있게 내주는 건 아무리 오픈된 회사라도 불가능하죠. 제약이 같으니 답도 같습니다. 바로 사람을 현장에 넣는 오래된 방식이 다시 나온 것입니다.</p><p>저희는 팔란티어 이야기에서 두 가지를 보았습니다.</p><p>첫째, 문제를 정의하는 사람과 만드는 사람과 결과를 책임지는 사람이 한 사람, 또는 작은 팀으로 합쳐졌습니다. 보통의 IT 프로젝트에서는 이 셋이 각각 다른 사람입니다. 일이 다음 사람에게 넘어갈 때마다 처음 들은 사정이 조금씩 빠집니다. 요구사항대로 만들었는데 아무도 쓰지 않는 시스템은 대개 이렇게 빠진 사정 때문에 생깁니다.</p><p>둘째, 현장에서 배운 것이 제품으로 돌아갔습니다. 팔란티어 엔지니어들은 고객사에서 만든 해법 가운데 다른 고객에게도 반복될 패턴을 본사로 가져왔고, 그것이 플랫폼의 기본 요소가 됐다고 합니다. 고객 한 곳의 문제를 푼 결과가 다음 고객의 도구가 되는 구조입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*IaFE2vmuvItzfeMs" /></figure><p>저는 두 번째가 없으면 FDE 로 보지 않습니다. 문제를 정의하고 끝나면 컨설턴트이고, 끝까지 만들어 주고 끝나면 파견 엔지니어입니다. 현장에서 배운 것이 본사의 제품에 쌓이고, 그 제품을 들고 간 다음 고객이 더 나은 결과를 받아야 FDE 입니다. FDE 는 본래 본사 소속이고, 고객의 문제를 푸는 일이 결국 본사를 강하게 만들어야 합니다. AX 를 해 주고 바이브 코딩한 결과물을 두고 나오는 데서 끝난다면 그것은 파견입니다.</p><h3>같은 직함 아래에서 벌어지는 일</h3><p>올해 3월부터 6월 사이에 OpenAI, Anthropic, AWS, 마이크로소프트, SAP, 세일즈포스, 액센추어가 차례로 FDE 조직을 만들었다고 하죠. 모델 회사와 소프트웨어 회사와 컨설팅 회사가 같은 이름을 고른 셈입니다.</p><p>이 흐름 자체는 진짜라고 보고 있긴 합니다. 모델은 충분히 좋아졌는데 회사 안에 충분히 효과적으로 붙일 수가 없다는 문제를 각기 다른 회사에서 같은 식으로 겪었고, 결국 같은 답에 닿았습니다.</p><p>반대쪽에는 FDE 가 한 시기의 유행이라는 목소리도 있습니다. 모델이 더 좋아지면 밖에서 사람이 들어올 필요 없이 회사가 알아서 쓸 수 있다는 것입니다.</p><p>이 말도 절반은 맞다고 봅니다. 직함에 붙은 열기는 식긴 할 겁니다. 그러나 회사 안에 들어가 AI 를 실제 업무에 붙이는 일의 수요는 당분간 줄지 않을 것 같습니다. 아직 프론티어 모델들은 더 좋아질 기미가 보이며, 모델이 좋아질수록 해 볼 수 있는 일이 늘어나고, 그만큼 일하는 방식을 다시 짜야 할 것이기 때문입니다.</p><p>이런 상황을 보다 보면 같은 이름 아래에서 하는 일은 크게 갈립니다.</p><p>저는 첫 개발 일을 SI 회사에서 시작했습니다. 그래서 국내 FDE 공고 일부를 읽으면 익숙한 구조가 보입니다. 고객사에 상주하고, 사람 수 곱하기 개월 수로 돈을 받고, 만든 것은 발주처가 갖고, 프로젝트가 끝나면 현장에서 배운 것도 같이 끝납니다. 이런 공고는 FDE 라고 적혀 있어도 제게는 SI 로 읽힐 뿐입니다.</p><p>진짜 FDE 인지는 일하는 구조를 봐야 안다고 생각합니다. FDE 를 말하는 회사라면 적어도 다음에 답할 수 있어야 합니다.</p><ul><li>고객사에 들고 가는 자사 서비스가 있고, 현장에서 만든 것이 그 서비스로 돌아가 다음 고객에게 이득이 되는가</li><li>돈을 투입한 시간을 기준으로 정산하는가, 만든 결과를 기준으로 정산하는가</li><li>(자칭)FDE 가 나간 뒤 고객에게 무엇을 남겨 놓는가</li></ul><p>들고 가는 자사 서비스가 없고, 투입한 시간으로 정산하고, 나간 뒤 남기는 것이 없다면 FDE 라고 적혀 있어도 이름만 바뀐 파견 엔지니어라고 생각합니다.</p><h3>프루퍼 주식회사가 말하는 FDE</h3><p>그래서 프루퍼 주식회사에는 아직 FDE 가 없습니다.</p><p>저희에게는 아직 정해진 서비스가 없습니다. 고객사에 들어가 그 회사의 문제를 푸는 데에만 집중하고 있습니다. 임직원에게 AI 를 가르치기도 하고, 업무를 진단하기도 하고, 그 회사가 쓰는 도구에 AI 를 붙이기도 합니다. 문제가 다르면 하는 일도 달라집니다.</p><p>이 일은 앞에서 말한 첫 번째 조건에 맞습니다. 문제를 찾는 사람과 만드는 사람과 결과를 책임지는 사람이 같습니다. 배운 것도 쌓이고 있습니다. 같은 종류의 문제를 다시 만나면, 다음 고객에게는 처음보다 빠르고 나은 결과를 드리고 있습니다. 두 번째 조건의 절반은 이미 하고 있는 셈입니다.</p><p>빠진 절반은 플랫폼입니다. 지금은 그 배움이 사람과 기록에 쌓여 있고, 그것을 담아 다음 현장에 들고 갈 본사의 제품은 아직 없습니다. 저희가 스스로를 FDE 라고 부르지 않는 이유가 이것입니다.</p><p>다만 FDE 가 없다는 것이 FDE 라고 부르는 사람들이 하는 일을 안 한다는 뜻은 아닙니다. 저희도 고객사에 들어가 같은 일을 하고 있습니다.</p><h4>문제를 함께 찾고 직접 만듭니다</h4><p>고객은 정리된 문제를 들고 오지 않습니다. “AI 로 뭔가 해 보고 싶다” 에서 시작하는 경우가 대부분입니다. 그래서 저희는 교육으로 들어갑니다. 임직원이 자기 업무를 가지고 와서 그날 첫 결과물을 만들어 보면, 어디서 일이 막히는지가 그 과정에서 드러납니다. 문제는 회의실 요구사항 문서보다 실무자의 손끝에서 더 정확하게 보입니다.</p><p>그렇게 찾은 문제는 저희가 직접 해결합니다. 설계도를 넘기고 빠지지 않고, 그 회사가 쓰는 도구에 AI 를 연결해 실제 업무 안에서 돌아가는 것까지 확인합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*FGS1NEjtT1CPIXBx" /></figure><h4>회사의 맥락을 남깁니다</h4><p>AI 가 회사 일을 잘하려면 그 회사를 알아야 합니다. 회사가 쓰는 말, 규정, 데이터가 어디에 있는지, 누가 무엇을 승인하는지 같은 것들입니다. 저희는 일하는 동안 이것을 AI 가 읽을 수 있는 회사의 지식으로 쌓습니다.</p><p>이 지식은 저희가 떠난 뒤에도 그 회사에 남습니다. 직원이 다음에 무언가를 부탁할 때 AI 가 더 정확하게 답하게 되는 근거가 이것입니다.</p><h4>사람을 남깁니다</h4><p>시스템을 고치는 일은 그 업무를 아는 사람이 하는 것이 맞습니다. 바깥 업체가 유지보수를 맡으면 업무와 시스템 사이가 조금씩 벌어집니다. 몇 년 지나면 아무도 건드리지 못하는 시스템이 됩니다.</p><p>AI 덕분에 이제는 현업 담당자가 자기 도구를 직접 고칠 수 있습니다. 그래서 저희는 임직원이 회사의 지식 위에서 일하는 방식까지 만들고 나옵니다. 교육으로 들어간 것이 여기서 의미를 갖습니다. 처음부터 같이 만든 사람이 있어야 남겨진 것이 계속 쓰입니다.</p><p>사람을 남기는 일에는 조직과 채용도 들어갑니다. AI 로 일하는 방식이 바뀌면 팀의 역할과 보고 구조도 따라 바뀌어야 하고, 새로 생긴 일을 맡을 사람이 필요해지기도 합니다. 저희는 필요하면 조직을 다시 짜는 일과 그 일에 맞는 사람을 찾아 들이는 일까지 함께 합니다.</p><h4>투입 시간이 줄어야 잘한 것입니다</h4><p>같은 고객사에 저희가 쓰는 시간이 줄어들수록 잘한 것입니다. 투입한 시간으로 값을 매기는 방법에서는 이 기준이 매출과 부딪힙니다. 시간이 줄면 매출도 줄겠죠.</p><p>저희는 그럼에도 시간이 줄어드는 쪽을 잘한 것으로 평가합니다. 한 회사에서 줄어든 시간은 그 회사가 자립했다는 뜻이고, 저희에게는 다음 회사로 갈 여유가 생겼다는 뜻이 됩니다. 그리고 저희가 시간 대신 결과로 값을 매기려면, 같은 결과를 더 짧은 시간에 낼 수 있게 해 줄 플랫폼이 먼저 있어야 합니다.</p><h4>저희가 FDE 라고 부를 수 있는 때</h4><p>그래서 지금은 현장에서 만난 문제와 해법을 담을 플랫폼을 열심히 만들고 있습니다. 회사의 맥락과 사람은 고객사에 남기고, 그 일을 하며 얻은 패턴은 저희 플랫폼에 쌓습니다. 사람이 기억하고 기록하던 것을 플랫폼이 받아 다음 현장에서 바로 꺼내 쓸 수 있게 되면, 그때 저희 엔지니어를 FDE 라고 부를 수 있겠네요.</p><p>그 전까지는 이름보다 고객의 문제를 푸는 일 자체에 집중하려 합니다. 고객의 문제를 풀어야 배울 것이 생기고, 배운 것이 있어야 쌓을 것도 생기기 때문입니다.</p><h3>FDE 는 어디로 가는가</h3><p>저는 FDE 라는 직함이 지금처럼 넓게 쓰이지는 않을 것이라고 봅니다. 손으로 하던 일은 AI 가 가져가고, 이름에 맞지 않던 일은 원래 이름을 찾아가고, 매일의 개선은 고객사 사람의 몫이 될 것입니다. 그렇게 걸러지고 나면 그제야 정말 본사의 제품을 들고 현장에 들어가는 사람만 FDE 라는 이름으로 남을 것입니다.</p><h4>손으로 하던 일은 AI 가 가져갑니다</h4><p>팔란티어는 FDE 가 하던 일 일부를 대신하는 에이전트를 내놓았고, 이름도 AI FDE 라고 붙였다고 합니다. 데이터를 잇고, 반복되는 연동을 짜고, 제대로 돌아가는지 지켜보는 일은 빠르게 사람 손을 떠날 것입니다.</p><p>남는 것은 AI 가 대신하기 어려운 일입니다. 흐릿한 요구를 풀 수 있는 문제로 쪼개는 일, 서로 다른 걸 원하는 부서들을 한 방향으로 모으는 일, 결과에 이름을 걸고 책임지는 일입니다. 앞으로 FDE 의 실력은 코드를 얼마나 빨리 쓰는가보다 무엇을 만들지 얼마나 정확히 정하는가에서 갈릴 것입니다.</p><h4>직함은 원래 이름으로 돌아갑니다</h4><p>지금 FDE 라는 이름을 단 일 가운데 상당수는 원래 이름으로 돌아갈 것입니다. 계약 전 데모를 만드는 일은 영업 조직으로, 사람과 개월로 파는 일은 SI 로 돌아갑니다. 아쉽게 들릴 수 있지만 저는 이것이 건강한 정리라고 봅니다. 이름이 일에 맞아야 고객도 무엇을 사는지 알 수 있습니다.</p><h4>매일의 개선은 고객사 안으로 들어갑니다</h4><p>회사 안의 일을 매일 고치는 사람은 결국 고객사의 사람이 될 것입니다. 자기 업무를 가장 잘 아는 현업 담당자가 AI 로 자기 도구를 만들고 고치는 모습입니다. 오래 일해서 도메인을 깊이 아는 사람일수록 이 변화에서 가장 강해집니다.</p><p>그렇다고 본사의 FDE 가 사라지지는 않습니다. 회사의 일은 계속 바뀌고, 새 모델과 도구가 나올 때마다 그것을 처음 붙여 본 사람이 필요합니다. 다만 그 역할은 오래 상주하는 사람보다 필요할 때 짧게 들어가 속도를 붙이고 나오는 사람에 가까워질 것입니다. 짧게 들어가도 되는 것은 앞선 현장에서 쌓인 것을 본사의 제품에 담아 들고 가기 때문입니다. 그래서 저는 사람을 많이 거느린 큰 FDE 회사보다, 제품을 들고 다니는 작은 팀이 많아지는 쪽이 더 자연스럽다고 봅니다.</p><h3>맺으며</h3><p>대개의 외주 회사는 함께 일했던 고객이 다시 연락해 오길 바랍니다. 저희도 그렇습니다. 다만 저희가 다녀간 회사가 다시 부를 때, 그때가 고장 난 것을 고쳐 달라고 할 때보다 저희와 새로 해 보고 싶은 일이 생겼을 때였으면 합니다.</p><p>새로운 상담도 언제든 환영합니다. 회사 안에서 함께 풀어 보고 싶은 문제가 있다면 <a href="/service/mailto:contact@proofer.tech">contact@proofer.tech</a> 로 연락 주세요.</p><p><em>Originally published at </em><a href="https://blog.proofer.tech/forward-deployed-engineer"><em>https://blog.proofer.tech</em></a><em> on November 9, 2026.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=44bd2c549434" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Paperclip vs Buzz vs Multica, 그래도 dira 를 만든 이유]]></title>
            <link>https://hsol.medium.com/paperclip-vs-buzz-vs-multica-%EA%B7%B8%EB%9E%98%EB%8F%84-dira-%EB%A5%BC-%EB%A7%8C%EB%93%A0-%EC%9D%B4%EC%9C%A0-8a7a2057d242?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/8a7a2057d242</guid>
            <category><![CDATA[claude]]></category>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[productivity]]></category>
            <category><![CDATA[developer-tools]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Sun, 25 Oct 2026 07:33:46 GMT</pubDate>
            <atom:updated>2026-10-25T07:41:00.191Z</atom:updated>
            <content:encoded><![CDATA[<h3>개발자로 사회생활을 시작했습니다</h3><p>저(임한솔)는 2014년에 프랜차이즈 주문 시스템을 만들며 개발을 시작했습니다. 전자책 서비스의 CMS 를 만들었고, 토스에서는 사내 시스템과 업무 자동화를 도맡았습니다. 지금은 프루퍼를 운영하면서 한 커머스 플랫폼팀의 팀장을 겸합니다. 경력으로 치면 12년째입니다.</p><p>직함은 바뀌었지만 일하는 방식은 개발자의 태도가 남아있는 것 같습니다. 도구를 적극적으로 활용하고, 마음에 안 들면 바꾸고, 바꿔도 안 되면 직접 만들어서라도 문제를 해결합니다.</p><p>에이전트 오케스트레이션 도구인 Paperclip, Buzz, Multica 를 써 본 것도 이 습관에서 나왔습니다. 시작은 IDE 였습니다.</p><h3>그동안 사용해온 개발 도구들</h3><h3>UX 는 역시 IntelliJ</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NVRI1GGK_smgz5D2aRRA0Q.png" /><figcaption>IntelliJ IDEA (출처: JetBrains)</figcaption></figure><p>IntelliJ IDEA 는 JetBrains 가 2001년에 내놓은 Java IDE 입니다. 처음부터 코드 탐색과 리팩터링을 IDE 안에 깊이 넣은 것으로 이름을 얻었고, 지금은 Kotlin 까지 아우르는 JetBrains 제품군의 중심입니다.</p><p>개발자로 일한 시간 대부분을 IntelliJ 에서 보냈습니다. 리팩터링, 검색, 디버거 단축키가 손에 붙어 있었고, 편집기 사용감만 놓고 보면 IntelliJ 가 가장 좋았습니다.</p><p>그러나 AI 코딩 도구가 나오면서 그 기준이 바뀌었습니다. 편집기가 얼마나 손에 맞는지보다 AI 가 제 코드를 얼마나 알고 제안하는지, 그리고 그 AI에게 지시하는 도구의 사용성이 더 크게 다가왔고, 그 점에서는 Cursor 가 훨씬 앞서 있었습니다.</p><h3>코드 컨텍스트는 Cursor</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4IbFpI5yuzsXCOEtRIMPPQ.png" /><figcaption>Cursor (출처: cursor.com)</figcaption></figure><p>Cursor 는 Anysphere 가 2023년 3월에 내놓은 AI 코드 에디터입니다. VS Code 를 포크해 만들어서 확장과 단축키를 그대로 쓸 수 있습니다. 코드베이스를 조각내 임베딩으로 색인해 두고, 질문할 때마다 관련 있는 코드를 찾아 모델에 함께 넘깁니다. 모델은 여러 회사 것 가운데 골라 쓸 수 있습니다.</p><p>Cursor 로 옮긴 건 코드베이스 컨텍스트를 잘 쓰고 붙어 있는 모델 성능이 좋아서였습니다. 편집기 사용감은 내려놓았지만, 제 레포를 읽고 내놓는 제안이 그만큼 쓸모 있었습니다.</p><p>Cursor 를 내려놓게된건 비용 때문이었습니다. 그 무렵 팀과 회사 전체에 Claude Team 을 들이는 중이었고, Cursor 와 Claude 에 비용을 겹쳐 내는 것이 팀 입장에서 큰 부담이었습니다.</p><h3>Claude 로 통일한 VS Code 와 Claude Code</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bfcONIZLb22IWQo5mMrq1w.jpeg" /><figcaption>VS Code 의 Claude Code 확장 (출처: Claude Code 문서)</figcaption></figure><p>Claude Code 는 Anthropic 이 만든 에이전트형 코딩 도구입니다. 터미널에서 시작했고, VS Code 확장은 같은 에이전트를 편집기 옆 패널로 가져옵니다. 계획을 미리 읽고 고친 뒤 승인하거나, 수정 사항을 인라인 diff 로 보거나, 선택한 코드 범위를 @ 멘션으로 넘길 수 있습니다. Claude 유료 구독이 있으면 API 키 없이 씁니다.</p><p>이미 Claude 를 쓰고 있어서 편집기는 VS Code, 에이전트는 Claude Code 확장으로 모았습니다. 구독과 모델이 한곳에 있으니 어느 도구에서 무엇을 썼는지 따질 일이 줄었습니다.</p><p>쓰다 보니 코드를 직접 통제하면서 여러 컨텍스트를 동시에 오가려니 머리가 따라가지 못했습니다. 그래서 코드를 일일이 들여다보지 않는 바이브 코딩을 시도해 봤고, 그러면서 코드를 보는 도구인 IDE 의 중요성이 흐려졌습니다.</p><h3>멀티 세션을 위한 herdr 와 Orca</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*krSuPfee3cYDKhxlPAQQXA.png" /><figcaption>herdr (출처: herdr.dev)</figcaption></figure><p>에이전트를 활용하다보니 에이전트가 일하는 동안 손 놓고 기다리기가 아까워 세션을 여러 개 띄웠습니다. 세션이 늘어나자 어느 창에서 무엇이 도는지 한번에 볼 수 없었고, 바로 그 일을 덜어 주는 도구가 tmux를 탑재한 herdr 와 Orca 였습니다.</p><p>herdr 는 Can Celik 이 만든 Rust 터미널 멀티플렉서입니다. Claude Code 나 Codex 를 감싸지 않고 그 터미널을 그대로 품습니다. 창마다 에이전트가 일하는 중인지, 막혔는지, 쉬는지 보여 주고, 창을 분리하거나 노트북을 덮어도 세션이 이어집니다. SSH 로 여러 기계의 세션을 한 화면에서 볼 수도 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*l_IeJflNtZqZPjTW67KmcQ.jpeg" /><figcaption>Orca (출처: stablyai/orca)</figcaption></figure><p>Orca 는 에이전트마다 git worktree 를 따로 잡아 나란히 돌리는 데스크톱 앱입니다. 같은 프롬프트를 여러 에이전트에 보내 결과를 비교하고, 나은 쪽을 골라 병합할 수 있습니다. herdr 가 터미널 안에서 세션을 다룬다면, Orca 는 화면에서 worktree 단위로 다룹니다.</p><p>둘 다 써 봤지만 저는 TUI 를 선호하지 않아서, 채팅 UI 기능이 있는 Orca 를 조금 더 쓰다가 다음 도구로 옮겨 갔습니다. 터미널과 worktree 만으로는 담기 어려운 일들의 우선순위가 더 높아졌기 때문입니다.</p><h3>개발 밖의 일을 맡기려고 붙인 Hermes 와 Slack</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*WhW8OK6jYSa7wxlSWtb5PA.png" /><figcaption>Hermes Agent (출처: NousResearch/hermes-agent)</figcaption></figure><p>Hermes Agent 는 Nous Research 가 만든 오픈소스 에이전트입니다. 쓰면서 스킬을 만들고 고치는 학습 루프와 에이전트가 직접 관리하는 메모리가 있고, 게이트웨이 프로세스 하나로 Slack, Telegram, Discord 같은 메신저에 붙습니다. 크론 스케줄러도 내장돼 있습니다.</p><p>개발이 아닌 일도 에이전트에게 넘기기 시작했습니다. 사업 아이템을 두고 하는 고민, 서비스 기획의 발산, 법무 검토와 거버넌스 검토 같은 일입니다. 이런 일은 터미널보다 대화 창이 편해서 Hermes 를 Slack 에 붙였습니다. 팀이 이미 쓰는 채널에서 에이전트를 부르면 되니 따로 도구를 익힐 일도 없었습니다.</p><p>Hermes 와 Slack 조합은 쓸 만했지만 제가 짜 맞출 것이 많았습니다. 에이전트마다 맡을 일, 깨어날 때, 결과를 둘 곳을 제가 일일이 정해야 했습니다.</p><h3>알아서 해 주길 바란 Paperclip</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DRoHn1C2w-231FPvgfANgg.png" /><figcaption>The Four Pillars of Paperclip (출처: paperclipai/paperclip)</figcaption></figure><p>그래서 처음 찍먹해본 Paperclip 은 에이전트 팀에게 회사를 맡기는 오픈소스 오케스트레이터입니다. 조직도에 CEO, CTO, 엔지니어 에이전트를 두고 목표를 주면, 에이전트가 배정이나 메시지, 스케줄에 맞춰 깨어나 일을 쪼개 처리합니다. 예산 한도와 승인 게이트도 있습니다.</p><p>Claude Code, Codex, Cursor, Gemini CLI 같은 코딩 에이전트는 물론 Hermes 도 에이전트로 붙일 수 있습니다. 회사 단위로 작업과 권한, 이력이 나뉘고, 회사 구성을 템플릿으로 내보내 다른 곳에서 가져올 수도 있습니다.</p><p>알아서 해 주는 도구를 찾다가 Paperclip 을 썼습니다. 목표만 주면 조직도와 하트비트가 나머지를 굴려 주니, Hermes 때 제가 일일이 정하던 부분을 도구가 맡아 주리라 기대했습니다.</p><h3>너무 제멋대로였던 Paperclip</h3><p>커버리지는 넓었습니다. 목표 하나를 주면 하위 이슈를 스스로 쪼개 끝까지 밀고 갔습니다. 다만 그 과정이 잘 보이지 않았습니다.</p><p>가장 크게 데인 건 2026년 9월입니다. 회사용 Paperclip 인스턴스에 “첫 엔지니어 채용”이라는 목표를 줬더니 에이전트가 하위 이슈 여러 개로 쪼갰습니다. 그 끝에서 에이전트는 회사 GitHub 조직에 새 레포를 만들어 커밋을 올렸고, Vercel 에 프로덕션 배포까지 마쳤습니다. 만든 것은 회사 사업과 상관없는 소비자용 AI 사주 앱이었고, 제품명으로 회사 이름을 달았습니다. 사업 후보 선정도, 레포 이름도, 배포도 사람이 승인한 적이 없습니다.</p><p>제 설정이 잘못이었습니다. 회사 레포 생성 권한과 배포 권한을 열어 둔 채 목표만 던졌고, 에이전트는 “채용”을 “코드베이스를 만들고 배포하기”로 해석했습니다. 막을 게이트는 없었습니다. 이틀 뒤 배포를 멈추고 레포를 아카이브했습니다. 그때 정한 규칙은 지금도 지킵니다. 새 레포나 새 배포 프로젝트를 만들 때, 회사 이름을 단 제품을 낼 때는 사람이 승인합니다. 사업 후보는 에이전트에게 고르게 하지 않습니다.</p><p>권한을 막은 뒤에도 일이 어디까지 갔는지는 여전히 따라가기 어려웠습니다.</p><h3>결국 정착한 곳은 Multica</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*lM4OD9US2q5xsJWre78WYA.png" /><figcaption>Multica 이슈 보드 (출처: multica.ai)</figcaption></figure><p>Multica 는 코딩 에이전트에게 동료처럼 이슈를 배정하는 워크스페이스입니다. 에이전트는 보드에 팀원으로 올라가 이슈를 집어 가고, 진행 상황을 코멘트로 적고, 막히면 블로커를 올리고, 끝나면 리뷰로 돌려줍니다. 실행은 제 기계에서 도는 런타임 데몬이 맡습니다.</p><p>Paperclip 과는 일을 나누는 단위가 다릅니다. 에이전트가 하는 일이 이슈와 코멘트로 기록되니 저는 언제든 들여다보고 끼어들 수 있었습니다.</p><p>Paperclip 과 Multica 는 한동안 같이 썼습니다. Multica 는 2026년 8월부터 팀 업무 보드로 쓰고 있었고, 둘을 함께 굴리다가 Paperclip 을 내려놓았습니다.</p><h3>써 보니 크게 다르지 않던 Buzz</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xvjLXT-ZVTjA0NVPvaBm2g.png" /><figcaption>Buzz 채널 화면 (출처: block/buzz)</figcaption></figure><p>2026년 7월 Block 이 Buzz 를 공개했습니다. 사람과 에이전트가 같은 채널에서 일하는 Slack 형 오픈소스 워크스페이스입니다. 에이전트는 자기 암호키와 채널 멤버십, 감사 기록을 받아 멤버로 들어오고, 메시지부터 git 이벤트까지 서명된 기록으로 한 로그에 쌓입니다.</p><p>Buzz 의 바탕은 Nostr 릴레이입니다. YAML 워크플로로 메시지, 리액션, 스케줄, 웹훅에 반응하게 만들 수 있고, 셀프호스트하거나 Block 이 운영하는 buzz.xyz 를 쓸 수 있습니다. 공개 당시 README 에는 모바일 앱과 워크플로 승인 게이트가 아직 연결 중이라고 적혀 있었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*U0EHcy-5OmtvvD4Vg0YnBw.png" /><figcaption>Claude Tag (출처: Anthropic)</figcaption></figure><p>써 보니 Hermes 를 Slack 에 붙였을 때와 크게 다르지 않았습니다. Anthropic 이 2026년 6월 Slack 에 낸 Claude Tag 와도 비슷했습니다. Claude Tag 는 채널마다 Claude 를 하나 두고 팀이 함께 일을 맡기는 기능입니다. 셋 다 채팅 창에 에이전트를 들이는 방식이었고, 오히려 팀이 이미 쓰는 Slack 을 떠나 Buzz 로 옮겨 가는 일이 비용이었습니다.</p><h3>Paperclip, Buzz, Multica 비교</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*xi0UEb5opTShSzd3l5FV0w.png" /></figure><h3>Multica, 개발 외에도 쓸 만했습니다</h3><p>지금 프루퍼의 정기 업무 상당수를 Multica 에이전트가 처리합니다. 코드 티켓을 맡기려고 들였는데, 이슈 하나를 일 하나로 다루는 방식이 사업 업무에도 맞았습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RzRm6S_dSv9N_RYL5MCvUg.png" /></figure><p>사람 손이 필요한 일은 판단으로 좁혔습니다. 에이전트가 에스컬레이션 티켓을 만들면서 그 티켓에 코멘트로 웨이크업 트리거를 걸어 두기 때문에, 제가 멘션을 찾아 붙이지 않고 제 생각과 판단만 적어놔도 에이전트가 붙어줍니다.</p><p>팀에서도 같은 방식으로 일합니다. 2026년 8월에 업무 트래킹을 Jira -&gt; Slack 리스트 -&gt; 셀프호스트 Multica 로 옮겼고, 그때 옮긴 이슈가 1,423건입니다. 그 뒤로 에이전트에게 맡기는 일이 개발 티켓이 아닌 일로도 넓어졌습니다.</p><ul><li>사업계획 숫자는 에이전트가 운영 DB 를 읽기 전용으로 조회해 채웠습니다. 하루에 1차부터 23차까지 고쳐 썼고, 그 지표는 지금 Metabase 대시보드로 봅니다.</li><li>성능 점검은 에이전트가 APM 을 이틀마다 훑으며 합니다. 이슈 수집, 원인 분석, 개선안을 단계별 이슈로 나눠 올립니다. 개선안을 맡은 에이전트가 레포 코드를 직접 읽고 수집 단계의 원인 전제를 고친 적도 있고, 제안에서 그치지 않고 PR 까지 낸 회차도 있습니다.</li></ul><p>다른 팀 팀장들에게도 이렇게 일하는 방식을 전파하는 1:1 밀착 세션을 해보고 있습니다.</p><h3>에이전트, 스쿼드, 오토파일럿</h3><p>Multica 에서 일을 굴리는 단위는 에이전트, 스쿼드, 오토파일럿입니다. 에이전트가 작업자라면 스쿼드는 팀이고, 오토파일럿은 정기 일정입니다.</p><h3>에이전트</h3><p>에이전트 하나에는 지시문, 스킬, 런타임이 붙습니다. 지시문에는 역할과 판단 기준, 하지 않을 일을 적고, 스킬에는 필요할 때 꺼내 읽을 절차를 넣습니다. 런타임은 그 에이전트가 어느 기계에서 돌지를 정합니다.</p><p>에이전트는 이슈를 배정받거나, 코멘트에서 멘션되거나, 오토파일럿이 부르면 깨어납니다. 한 번 깨어나 일한 결과는 코멘트, 상태 변경, PR, 첨부로 이슈에 기록됩니다.</p><p>지시문에서 제가 가장 공들이는 부분은 하지 않을 일 목록입니다. PM 은 코드를 짜지 않고, 모호한 부분을 추측으로 메우지도 않습니다. QA 는 버그를 직접 고치지 않으며 취향은 지적하지 않습니다. 개발자는 스스로 검증한 것만으로 완료를 선언하지 않습니다. 이 경계가 흐려지면 에이전트끼리 서로의 일을 덮어씁니다.</p><h3>스쿼드</h3><p>제가 운영하는 개발 스쿼드에는 PM, 디자이너, 개발자, QA, 아카이브 매니저 에이전트와 사람인 제가 있습니다. 이슈를 스쿼드에 배정하면 리더인 PM 만 받습니다. PM 이 한 세션(5분에서 25분) 크기로 하위 이슈를 쪼개 스테이지를 정하고, 구성원을 멘션해 깨웁니다. 앞 스테이지가 모두 끝나야 다음 스테이지가 열립니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kcPd7XdXzMNc4E-1dDT8-g.png" /><figcaption>개발 스쿼드의 일이 넘어가는 길</figcaption></figure><p>디자이너와 QA 는 직접 오가지 않습니다. 화면이 어떻게 보이는지는 디자이너가, 어떻게 동작하는지는 QA 가 보고, 둘 사이 빈틈은 PM 이 메웁니다.</p><p>수용 조건은 “명령 X 를 돌리면 Y 가 나온다” 형태로 씁니다. 범위 항목마다 확정, 미확정, 제외를 붙이고 확정된 항목만 진행합니다. 디자인이 안 나온 항목까지 쪼개 PR 을 올렸다가 되돌린 뒤에 생긴 규칙입니다.</p><p>이 방식으로 처음 실배포까지 간 티켓은 파트너용 화면의 배너 문구 변경이었습니다. 디자인, 구현, 검증 스테이지로 나뉘어 테스트 케이스 5건이 모두 통과했습니다. 사람이 한 일은 부모 이슈 작성과 배정, 사람 디자이너의 시안 수정, PR 리뷰와 머지, 만료된 클라우드 세션 재인증 한 번이었습니다.</p><h3>오토파일럿</h3><p>보통 스케줄이라고 부르는 오토파일럿은 크론으로 에이전트를 부릅니다. 앞 절의 정기 업무가 모두 이 방식이고, QA 기계의 클라우드 세션이 살아 있는지도 매일 아침 이렇게 확인합니다. 로컬 크론에서 옮겨 오면 실행 이력과 실패 알림을 워크스페이스에서 볼 수 있습니다.</p><h3>그런데 개발 용도로는 또 다른 도구를 씁니다.</h3><p>사업과 서비스기획은 Multica 에 정착했지만 개발 역할만큼은 직접 만든 dira 로 돌립니다. 앞에서 소개한 개발 스쿼드의 이름도 dira 입니다. PM, 디자이너, 개발자, QA, 아카이브 매니저라는 역할과 이름을 dira 의 페르소나에서 가져왔습니다.</p><h3>에이전트끼리 무엇을 주고받는지 보고 싶었습니다</h3><p>누가 누구에게 일을 넘겼고 어디서 막혔는지가 보고자 했습니다. 그렇다고 에이전트마다 인격을 입히고 싶지는 않았습니다. 에이전트의 장점은 살리되, 서비스 개발을 위한 여러 세션이 제 요구사항을 이루는 데만 집중하는 도구를 원했습니다. 하지만 입맛에 맞는 서비스를 찾지 못했고요. 그래서 만들기 시작했습니다.</p><h3>작업 기록이 알아서 모이길 바랐습니다</h3><p>작업 내용이 유실되면 다음 세션은 히스토리 없이 시작했고, 거기서 할루시네이션이 다시 생겼습니다. 이런 일이 너무 잦았습니다. dira 는 끝난 티켓에서 기능, 화면, 페르소나 같은 객체를 뽑아 프로젝트별 온톨로지에 쌓고, 객체마다 근거 티켓을 붙입니다. 사람이 따로 정리하지 않아도 작업이 끝날 때마다 채워집니다.</p><p>요즘은 쌓인 온톨로지를 개발이 아닌 일에도 참조해서 쓰고있습니다. 각 기능을 개발한 기록과 모든 정책이 여기 있으니깐 서비스 매뉴얼도 한 번에 뽑을 수 있고, 마케팅, 세일즈, CRM, 운영 작업의 컨텍스트로도 가져다 쓸 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*X8X1ZfN7i-imPDBCtGz94A.png" /></figure><p>(dira 는 <a href="https://dira.proofer.tech/">dira.proofer.tech</a> 에서 써 볼 수 있습니다)</p><h3>마무리</h3><p>IDE 를 쓸 때 도구를 바꾼 계기는 취향차이 정도였던 것 같습니다. 하지만 에이전트 오케스트레이터까지 오는 과정에서는 사용성 다음에는 코드 컨텍스트가, 그다음에는 구독 정리가, 그다음에는 세션 수가 문제였습니다. 일이 코드 밖으로 번지자 대화 창이 필요했고, 짜 맞출 것이 많아지자 알아서 굴러가는 도구를 찾았습니다.</p><p>에이전트를 업무에 적극적으로 쓰기 시작한 후에는 도구를 고르는 기준이 바뀌었습니다. 이제는 에이전트가 무엇을 하는지 볼 수 있는지, 필요할 때 끼어들 수 있는지를 먼저 확인합니다. Paperclip 은 이 점에서 맞지 않았고, Buzz 는 이미 쓰던 Slack 조합과 차이가 작았습니다. Multica 가 적절했고, 개발과 그 기록은 dira 를 만들어 쓰고 있죠.</p><p>에이전트에게 맡기는 일이 늘어날수록 제 일은 구현이 아니라 판단과 승인으로 좁혀졌습니다. 그 판단을 해야 하는 순간을 놓치지 않게 제시해주고, 판단을 위한 컨텍스트와 인사이트를 제게 주입해줄 수 있는 도구가 지금으로써는 제게 제일 좋은 것 같습니다.</p><p>여러분들은 무슨 기준으로 도구를 선택하시나요?</p><h3>출처</h3><ul><li><a href="https://paperclip.ing/">Paperclip</a>, <a href="https://github.com/paperclipai/paperclip">paperclipai/paperclip</a></li><li><a href="https://multica.ai/">Multica</a>, <a href="https://github.com/multica-ai/multica">multica-ai/multica</a></li><li><a href="https://block.xyz/inside/introducing-buzz-where-humans-and-agents-work-together">Buzz 발표문 (Block)</a>, <a href="https://github.com/block/buzz">block/buzz</a></li><li><a href="https://www.anthropic.com/news/introducing-claude-tag">Introducing Claude Tag (Anthropic)</a></li><li><a href="https://hermes-agent.nousresearch.com/">Hermes Agent</a>, <a href="https://github.com/NousResearch/hermes-agent">NousResearch/hermes-agent</a></li><li><a href="https://herdr.dev/">herdr</a>, <a href="https://www.onorca.dev/">Orca</a></li><li><a href="https://www.jetbrains.com/idea/">IntelliJ IDEA</a>, <a href="https://cursor.com/">Cursor</a>, <a href="https://code.claude.com/docs/en/vs-code">Claude Code for VS Code</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8a7a2057d242" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[버전관리, 패키지 매니저, 그리고 에이전트 패키지 매니저]]></title>
            <link>https://hsol.medium.com/%EB%B2%84%EC%A0%84%EA%B4%80%EB%A6%AC-%ED%8C%A8%ED%82%A4%EC%A7%80-%EB%A7%A4%EB%8B%88%EC%A0%80-%EA%B7%B8%EB%A6%AC%EA%B3%A0-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-%ED%8C%A8%ED%82%A4%EC%A7%80-%EB%A7%A4%EB%8B%88%EC%A0%80-764b6a115357?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/764b6a115357</guid>
            <category><![CDATA[developer-tools]]></category>
            <category><![CDATA[software-development]]></category>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[package-management]]></category>
            <category><![CDATA[claude-code]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Sun, 25 Oct 2026 07:20:46 GMT</pubDate>
            <atom:updated>2026-10-25T17:59:31.502Z</atom:updated>
            <content:encoded><![CDATA[<h4>코드와 라이브러리를 누구에게나 같은 상태로 맞추려던 도구의 역사를 따라가, AI 에이전트의 작업 환경을 APM 으로 고정한 dira 의 기록</h4><p><strong>같은 저장소에서 같은 요청을 해도 사람마다 AI 가 내놓는 결과가 다릅니다.</strong> 어떤 사람의 PC 에는 스킬이 여럿 깔려 있고 어떤 사람의 PC 에는 하나도 없습니다. 누구는 MCP 커넥터를 붙여 두었고 누구는 붙이지 않았습니다. CLAUDE.md 는 저마다 고쳐 쓰다 보니 저장소마다 내용이 갈라집니다.</p><p>코드 개발은 이 문제를 오래전에 풀었습니다. 소스는 버전관리 시스템이, 라이브러리는 패키지 매니저가 누구의 PC 에서든 같은 상태로 맞춰 줍니다. AI 작업 환경에는 그런 장치가 없었습니다. 하네스 엔지니어링이라는 이름으로 CLAUDE.md, AGENTS.md, DESIGN.md 같은 파일을 쓰는 관행에는 공감대가 생겼습니다. 그러나 프로젝트가 어떤 스킬과 플러그인과 커넥터를 쓰는지 선언하고 명령 하나로 설치하는 방법은 표준이 없었습니다.</p><p>저는 dira 라는 에이전트 오케스트레이터를 만들면서 이 공백을 매일 겪었고, 10월에 Microsoft 의 APM(Agent Package Manager)을 dira 의 표준으로 들였습니다. 그 결정까지 오는 길은 코드와 라이브러리가 먼저 걸어간 길과 많이 닮았습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0v2-zE8z3hAG4wg_PSTnmg.png" /></figure><h3>소스를 복사해 두던 시절과 버전관리</h3><p><strong>버전관리 시스템이 없을 때 사람들은 파일을 다른 폴더에 복사해 두었습니다.</strong> <a href="https://git-scm.com/book/en/v2/Getting-Started-About-Version-Control">Git 공식 도서</a>는 이 방법을 가장 흔한 버전관리로 소개하면서, 날짜를 붙인 폴더를 만드는 사람은 그나마 똑똑한 축이고 실수하기 아주 쉽다고 적습니다. 바뀐 부분만 주고받는 방법도 있었습니다. Usenet 에 올라온 <a href="https://www.tuhs.org/Usenet/mod.sources/1985-May/000424.html">patch</a>는 diff 가 만든 차이 목록을 원본 파일에 적용해 주는 도구였습니다.</p><p>버전관리 도구는 그보다 먼저 나왔습니다. 70년대 초 Bell Labs 에서 만든 <a href="https://en.wikipedia.org/wiki/Source_Code_Control_System">SCCS</a>가 시작입니다. 당시 불편은 이랬습니다. 버전마다 소스를 통째로 보관하면 공간이 모자랐고, 언제 어디가 바뀌었는지 알기 어려웠고, 고객이 문제를 겪는 바로 그 버전을 찾기 힘들었다고 합니다. 뒤이은 <a href="https://www.gnu.org/software/rcs/tichy-paper.pdf">RCS</a>는 최신본만 통째로 두고 이전 버전은 거꾸로 간 차이로 저장했습니다. 두 사람이 같은 파일을 동시에 고치는 일은 잠금으로 막았습니다.</p><p>잠금은 협업을 느리게 만들었습니다. 일정이 제각각인 학생들과 컴파일러를 함께 만들던 한 연구자가 RCS 위에 셸 스크립트를 얹어 <a href="https://dickgrune.com/Programs/CVS.orig/index.html">각자 따로 커밋할 수 있게</a> 했고, 이것이 C 로 다시 쓰여 CVS 가 됐습니다. CVS 의 뒤는 <a href="https://en.wikipedia.org/wiki/Apache_Subversion">Subversion</a>이 이었습니다.</p><p>리눅스 커널은 다른 길을 갔습니다. <a href="https://git-scm.com/book/en/v2/Getting-Started-A-Short-History-of-Git">10년 넘게</a> 커널의 변경은 메일로 오가는 패치와 묶음 파일로 오갔습니다. Linus Torvalds 는 훗날 그 방식이 CVS 보다 훨씬 나은 소스 관리였다고 말했습니다. 커널은 한동안 상용 분산 버전관리인 BitKeeper 를 썼고, 무료 사용이 끊기자 Linus 는 Git 을 만들기 시작했습니다. <a href="https://lkml.iu.edu/hypermail/linux/kernel/0504.0/1540.html">대안을 찾겠다고 알린</a> 다음 날 Git 은 자기 자신의 소스를 관리하기 시작했습니다.</p><p>이 도구들이 없앤 불편은 매번 같았습니다. 누가 어느 상태의 소스를 들고 있는지 모르는 것입니다. 버전관리는 소스의 이력을 모두에게 같은 모양으로 나눠 주면서 그 불편을 없앴습니다.</p><p>Linus 가 Git 을 만들던 무렵 저는 초등학생이었습니다. 아버지의 데스크톱으로 스타크래프트 유즈맵과 네이버 카페 채팅 프로그램을 뽀짝뽀짝 만들던 시절이고, 제 버전관리는 폴더를 통째로 복사해 두는 것이었습니다. 배포할 때 붙이는 버전 번호가 이력의 전부였습니다. SCCS 부터 세면 30년 넘게 쌓인 도구를, 저는 이름도 모른 채 폴더 복사로 다시 겪고 있었습니다. 고등학생이 되어 GitHub 을 썼지만 git 이 무엇인지는 제대로 몰랐습니다. 폴더로 관리하던 습관 그대로, GitHub 은 코드를 올려 두는 곳 정도였습니다. 고등학교 3학년 현장실습으로 들어간 첫 직장 씨엔티테크에서는 SVN 을 썼습니다. 커밋하면 제 변경이 팀의 이력에 남았고, 동료가 바꾼 것도 같은 저장소에서 받아 볼 수 있었습니다. 폴더를 복사해 두던 제 버전관리가 처음으로 저 혼자의 것이 아니게 됐습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*w36vs5H5fByK79Bdz1V4Ag.png" /></figure><h3>라이브러리를 손으로 받던 시절과 패키지 매니저</h3><p><strong>남이 만든 코드를 가져다 쓰는 일에도 같은 불편이 있었습니다.</strong> CPAN 이 생기기 전 Perl 코드는 <a href="https://blogs.perl.org/users/neilb/2015/08/cpan-is-20.html">인터넷 곳곳의 FTP 사이트에 흩어져</a> 있었고 사이트마다 관리자가 따로 있었다고 합니다. 라이브러리가 다른 라이브러리를 필요로 하고, 그것이 또 다른 것을 필요로 하는 사슬을 사람이 직접 따라가야 했습니다. 같은 패키지의 다른 버전이 동시에 필요해지는 충돌까지 겹치면 사람들은 이를 <a href="https://en.wikipedia.org/wiki/Dependency_hell">dependency hell</a>이라고 불렀습니다.</p><p>맨 먼저 모인 것은 보관소입니다. TeX 자료를 모은 <a href="https://en.wikipedia.org/wiki/CTAN">CTAN</a>을 본떠 Perl 의 CPAN 이 문을 열었고, CPAN 설치 도구는 필요한 라이브러리를 거슬러 올라가며 함께 설치했습니다. 운영체제 쪽에서도 dpkg 와 RPM 이 나왔고, 곧이어 <a href="https://en.wikipedia.org/wiki/APT_(software)">APT</a>가 의존하는 패키지를 알아서 받아 설치하기 시작했습니다. 언어마다 같은 흐름이 이어져 RubyGems, Maven, pip, <a href="https://en.wikipedia.org/wiki/Npm">npm</a>이 차례로 나왔습니다.</p><p>필요한 것을 적어 두는 것만으로는 모자랐습니다. 같은 선언 파일로 설치해도 그날 레지스트리에 어떤 버전이 있느냐에 따라 결과가 달랐습니다. Facebook 이 <a href="https://engineering.fb.com/2016/10/11/web/yarn-a-new-package-manager-for-javascript/">Yarn 을 발표하며</a> 쓴 글이 이 문제를 정확히 가리킵니다. npm 이 의존성을 비결정적으로 설치해서 PC 마다 node_modules 가 달라지고, 그 차이가 찾기 오래 걸리는 “works on my machine” 버그를 만든다는 것입니다. Facebook 은 그걸 피하려고 node_modules 를 통째로 저장소에 넣었는데, babel 의 마이너 버전만 올려도 80만 줄짜리 커밋이 생겼고 병합에 하루가 걸리기도 했다고 합니다.</p><p>답은 lockfile 이었습니다. Ruby 의 Bundler 는 일찍부터 Gemfile.lock 을 두었고, RubyGems 가이드는 이 파일이 <a href="https://guides.rubygems.org/dependency_management/">마지막으로 모든 게 확실히 돌아갔던 때의 남의 코드까지</a> 앱과 함께 묶어 둔다고 설명합니다. Yarn 은 yarn.lock 을 들고 나왔고, npm 도 package-lock.json 을 기본으로 만든 뒤 lock 대로만 설치하는 <a href="https://blog.npmjs.org/post/171556855892/introducing-npm-ci-for-faster-more-reliable">npm ci</a>를 내놓았습니다. 선언 파일은 무엇이 필요한지를, lockfile 은 실제로 무엇을 설치했는지를 적습니다.</p><p>의존성이 공급망이라는 것도 드러났습니다. 한 개발자가 상표 분쟁 끝에 자기 패키지를 npm 에서 내렸고, 그중 11줄짜리 <a href="https://blog.npmjs.org/post/141577284765/kik-left-pad-and-npm">left-pad</a>에 기대던 수많은 프로젝트의 빌드가 몇 시간 동안 깨졌다고 합니다. npm 은 곧 <a href="https://blog.npmjs.org/post/141905368000/changes-to-npms-unpublish-policy">패키지 내리기 정책</a>을 바꿨습니다. 패키지 매니저는 그때부터 설치 도구이면서 신뢰를 다루는 도구가 됐습니다.</p><p>left-pad 가 터지던 2016년 봄에 저는 씨엔티테크에서 프랜차이즈 홈페이지와 주문 시스템을 만들고 있었습니다. 소스는 SVN 에 올렸지만 배포는 FTP 로 서버에 파일을 올리는 일이었고, 결과물은 공유 폴더로 주고받았습니다. 그해 가을 Yarn 이 lockfile 을 들고 나왔고, 3주 뒤 저는 리디로 옮겼습니다. 리디에서 Git 과 코드리뷰, CI 와 자동 배포, 클린 코드를 배웠고, npm 이 lockfile 을 기본으로 만들고 npm ci 를 내놓는 동안 그곳에 있었습니다. 파일을 손으로 옮기던 일이 선언과 고정으로 바뀌는 과정을, 저는 회사를 옮기면서 한꺼번에 겪었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dG8yNCj8CHJUpWVGLpbZ7Q.png" /></figure><h3>에이전트 작업 환경에서 다시 생긴 문제</h3><p>토스에서 5년 가까이 사내 제품을 만들다 2023년에 나와 창업할 때만 해도, LLM 을 두고 하던 고민은 단순했습니다. GPT 가 제대로 된 답을 내게 하려면 어떻게 물어야 하는지, 할루시네이션은 어떻게 막는지, 프롬프트 엔지니어링이 대체 무엇인지를 따졌습니다. 그 뒤 몇 해 사이에 모델은 질문에 답하는 도구에서 저장소를 열고 코드를 고치고 테스트를 돌리는 동료가 됐습니다. 지금 저는 프루퍼에서 자체 제품을 만들고, 그 개발을 에이전트들에게 나눠 맡깁니다. 동료의 작업 환경을 맞추는 문제가 에이전트의 작업 환경을 맞추는 문제로 바뀌어 다시 찾아왔습니다.</p><p><strong>지금 AI 에이전트의 작업 환경은 패키지 매니저 이전의 라이브러리 세계와 닮았습니다.</strong> 에이전트가 일하는 환경은 모델만으로 정해지지 않습니다. Claude Code 나 Codex 같은 하네스, 그 위에 얹는 지침 파일, 스킬, 플러그인, MCP 커넥터, 훅이 함께 결과를 만듭니다. 이것들은 대개 사람마다 홈 디렉터리에 손으로 깔립니다. 어느 버전을 깔았는지, 동료도 같은 것을 쓰는지 아무도 적어 두지 않습니다. FTP 사이트를 돌며 라이브러리를 모으던 모습과 같습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*oqzDfSr5lvusN2XuDB0pzg.png" /></figure><p>형식은 빠르게 표준이 생겼습니다. Anthropic 은 MCP 를, OpenAI 는 AGENTS.md 를 Linux Foundation 산하 <a href="https://opensourceforu.com/2025/12/anthropic-openai-block-move-agentic-ai-infrastructure-to-open-source-governance-under-linux-foundation/">Agentic AI Foundation</a>에 넘겼습니다. Anthropic 이 공개한 스킬 형식 SKILL.md 는 몇 달 만에 <a href="https://noqta.tn/en/news/skill-md-open-standard-30-ai-coding-tools-adoption-2026">30개가 넘는 코딩 도구</a>가 받아들였고, 올여름에는 주요 벤더들이 플러그인 포장 형식인 <a href="https://aaif.io/blog/from-skills-and-tools-to-portable-agent-plugins">Agent Plugins 1.0</a>을 함께 내놓았습니다. 그런데 이 규격들은 모두 물건의 생김새만 정합니다. 프로젝트가 무엇을 쓰는지 선언하고, 그대로 설치하고, 설치한 것을 고정하는 일은 Agent Plugins 문서조차 범위 밖이라고 적습니다.</p><p>left-pad 의 교훈도 더 빠르게 되풀이됩니다. 스킬은 에이전트가 그대로 따르는 지시문이고, 스크립트를 함께 담기도 합니다. 한 보안 업체가 공개 스킬 저장소를 살펴보니 <a href="https://thehackernews.com/2026/02/researchers-find-341-malicious-clawhub.html">열에 하나 꼴로 악성</a>이었다고 합니다. 누가 어떤 스킬을 어느 버전으로 깔았는지 모르면, 문제가 생겨도 어디까지 퍼졌는지 알 수 없습니다.</p><p>패키지 매니저가 풀 수 있는 범위도 정해져 있습니다. 코드 세계에서는 입력을 고정하면 컴파일러가 같은 결과를 냅니다. 모델은 그렇지 않습니다. temperature 를 0 으로 두어도 서버가 요청을 묶는 크기에 따라 <a href="https://simonwillison.net/2025/Sep/11/defeating-nondeterminism">출력이 달라진다</a>는 연구도 나왔습니다. 그래서 에이전트 패키지 매니저에게 기대할 수 있는 것은 같은 입력과 추적 가능한 변경입니다. 결과의 품질은 평가(eval)로 따로 재야 합니다.</p><h3>에이전트 패키지 매니저 가운데 APM 을 고른 이유</h3><p><strong>이 빈칸을 노리는 도구는 이미 많습니다.</strong> 스킬 관리 도구를 모은 <a href="https://github.com/zhuyansen/awesome-agent-skills-managers">한 목록</a>에만 170개가 넘는 저장소가 올라 있습니다. 크게 나누면 이렇습니다.</p><ul><li>생성기: rulesync, Ruler 처럼 소스 폴더에서 하네스별 설정 파일을 만들어 줍니다. 원격 패키지도 lockfile 도 없습니다.</li><li>한 가지만 설치하는 도구: Vercel 의 <a href="https://vercel.com/blog/introducing-skills">skills CLI</a>는 스킬만, Neon 의 add-mcp 는 MCP 설정만 여러 하네스에 퍼뜨립니다.</li><li>패키지 매니저: Microsoft 의 APM, Sentry 의 dotagents, 상용 레지스트리인 Tessl 이 여기에 듭니다.</li></ul><p>고르는 기준은 pnpm 이 코드에 해 주는 일을 에이전트 환경에 해 주느냐였습니다. 무엇을 쓰는지 적는 선언 파일, 원격 의존성 해석, 내용 해시까지 담은 lockfile, CI 에서 lock 대로만 설치하는 명령입니다. dotagents 는 lockfile 을 두지만 지금 버전에서는 <a href="https://dotagents.sentry.dev/cli/">— frozen 옵션이 경고만 찍고 일반 설치</a>를 하며, 지침 파일은 관리하지 않습니다. Tessl 은 평가와 보안 점수가 강하지만 CLI 가 비공개 소스이고 문서에서 lockfile 을 찾지 못했습니다.</p><p><a href="https://github.com/microsoft/apm">APM</a>은 이 조건을 모두 갖췄습니다. apm.yml 에 지침, 스킬, 프롬프트, 에이전트, 훅, 플러그인, MCP 서버를 선언하고, apm.lock.yaml 에 의존성마다 해석된 커밋과 내용 해시를 남깁니다. apm install — frozen 은 npm ci 와 같은 일을 하고, apm audit — ci 는 lock 과 다른 파일을 잡습니다. 한 번 선언하면 Claude Code, Codex, Copilot, Cursor, Gemini CLI 등 하네스 아홉 곳에 각자의 형식으로 풀어 줍니다.</p><p>APM 이 만드는 결과물은 각 하네스가 원래 읽는 파일이라, 나중에 APM 을 빼더라도 설치된 환경은 그대로 돕니다. 의존성 업데이트 봇인 Renovate 가 <a href="https://github.com/renovatebot/renovate/discussions/42507">apm 을 정식으로 지원하기 시작했고</a>, JFrog Artifactory 도 APM 패키지 저장소를 지원합니다.</p><p>APM 은 아직 <a href="https://pypi.org/project/apm-cli/">1.0 전</a>이라 거의 매주 호환이 깨지는 변경이 나오고, Python 런타임이 필요합니다. 하네스마다 형식을 옮기는 과정에서 빠지는 것이 있어서, 예를 들어 Codex 는 프롬프트를 받지 못합니다. 같은 이름의 스킬이 두 패키지에서 들어오면 <a href="https://github.com/microsoft/apm/issues/1120">나중 것이 조용히 덮어씁니다</a>. 공식 보안 문서는 <a href="https://microsoft.github.io/apm/enterprise/security/">서명과 런타임 격리를 하지 않는다</a>고 스스로 적습니다. 저는 CLI 버전을 고정하고 이름 충돌은 dira 가 직접 막는 조건으로 APM 을 받아들였습니다.</p><h3>dira 에 적용하고 달라진 것</h3><p>dira 는 제가 프루퍼에서 만드는 자체 제품입니다. 로컬에서 여러 에이전트를 관리하는 도구로, 여러 Claude 세션에 페르소나를 입혀 티켓 단위로 일을 나눠 맡깁니다. 저는 dira 를 포함한 여러 프로젝트를 dira 로 개발합니다.</p><p>dira 의 중심 개념은 페르소나입니다. pm, developer, qa, designer, writer 처럼 역할을 나누고, 역할마다 지침과 쓰는 스킬을 줍니다. 페르소나 여럿을 묶으면 스쿼드가 됩니다. 같은 페르소나를 어느 프로젝트에서나 똑같이 쓰는 것은 APM 을 들이기 전에도 dira 안에서 할 수 있었습니다. 다만 그 페르소나는 dira 가 직접 정한 형식으로 만들어져 dira 안에서만 통했습니다. 다른 도구와 주고받으려면 그 형식부터 알아야 했습니다.</p><p>APM 을 들이면서 페르소나를 담는 그릇을 dira 만의 형식에서 Microsoft 가 만든 APM 의 인터페이스로 바꾸었습니다. 페르소나는 이제 지침과 스킬을 묶은 APM 패키지이고, 스쿼드는 페르소나 패키지를 의존성으로 거는 패키지입니다. 같은 형식으로 만들어진 다른 사람의 패키지를 그대로 가져와 섞을 수 있고, dira 의 페르소나도 APM 이 지원하는 하네스 어디로든 설치됩니다. APM 을 지원하는 도구들도 따로 맞추지 않고 붙일 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*PYLofPUEQPV3Y759qH-CsQ.png" /></figure><p>제가 느낀 가장 큰 변화는 확장 가능성과 범용성을 얻었다는 것입니다. 우리만의 인터페이스를 키워 가는 대신, 생태계가 이미 붙기 시작한 인터페이스에 페르소나를 올렸습니다. 버전관리가 소스를, 패키지 매니저가 라이브러리를 누구에게나 같은 모양으로 나눠 준 것처럼, dira 의 페르소나도 이제 dira 밖에서 통하는 모양을 갖게 됐습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*X8X1ZfN7i-imPDBCtGz94A.png" /></figure><p>dira 는 로컬 엔진과 앱을 무료로 쓸 수 있고 MIT 라이선스로 공개돼 있습니다. 페르소나와 스쿼드로 에이전트에게 일을 나눠 맡기는 방식이 궁금하다면 <a href="https://dira.proofer.tech/">dira.proofer.tech</a> 에서 앱을 받아 첫 프로젝트를 만들어 보세요.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=764b6a115357" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 이후, UI 라이브러리를 걷어낸 이유]]></title>
            <link>https://medium.com/proofer-blog/ai-%EC%9D%B4%ED%9B%84-ui-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC%EB%A5%BC-%EA%B1%B7%EC%96%B4%EB%82%B8-%EC%9D%B4%EC%9C%A0-052033265fe8?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/052033265fe8</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[frontend-development]]></category>
            <category><![CDATA[ui-design]]></category>
            <category><![CDATA[shadcn]]></category>
            <category><![CDATA[design-systems]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Sat, 10 Oct 2026 16:43:57 GMT</pubDate>
            <atom:updated>2026-10-10T16:58:16.537Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NqR6EZ67uheOPmv3nEsdaQ.jpeg" /><figcaption>사진: <a href="https://unsplash.com/photos/computer-monitor-displaying-design-system-_x335IZXxfc">Balázs Kétyi</a>, Unsplash</figcaption></figure><h3>AI 이전에는 남이 만든 컴포넌트를 쓰는 편이 더 저렴했습니다</h3><p>LLM 이 나오기 전, 웹 팀에게 UI 컴포넌트 라이브러리는 합리적인 선택이었습니다. 컴포넌트 코드는 사람이 직접 쓰고 읽고 고쳐야 했습니다. 그러니 직접 만들어 유지하는 쪽이 남의 것을 가져다 쓰는 쪽보다 훨씬 비쌌습니다.</p><p><strong>일관성 문제의 해법으로 출발했습니다.</strong></p><p>Bootstrap 은 2010년 Twitter 사내에서 만들어졌습니다. 2011년 공개 글에 따르면 당시 엔지니어들은 익숙한 라이브러리를 제각각 가져다 썼고, 앱마다 생긴 불일치가 확장과 유지보수를 어렵게 했습니다(<a href="https://blog.x.com/developer/en_us/a/2011/bootstrap-twitter">Bootstrap from Twitter</a>, 2011–08–19). Bootstrap 은 공개 전 1년 넘게 사내 도구 개발의 스타일 가이드 역할을 했습니다(<a href="https://getbootstrap.com/docs/5.3/about/overview/">Bootstrap 공식 문서</a>). 공통 패턴을 한 곳에 모아 공유하는 것이 출발점이었습니다.</p><p><strong>직접 만드는 쪽은 사람과 시간이 많이 듭니다.</strong></p><p>zeroheight 의 2025년 리포트에서 직원 500명 이상 기업의 디자인 시스템 팀은 평균 9명이었고, 가장 큰 어려움으로 인력과 리소스 부족(63%)이 꼽혔습니다(<a href="https://othr.zeroheight.com/hubfs/zeroheight%20-%20Design%20System%20Report%202025%20-%20release%20version.pdf">zeroheight Design Systems Report 2025</a>). Sparkbox 2021년 조사에서는 사내 디자인 시스템을 둔 응답자 중 전담 팀이 있는 곳이 46%였고, 스스로 성공적이라고 평가한 시스템은 40% 정도였습니다(<a href="https://designsystemssurvey.seesparkbox.com/2021">Sparkbox Design Systems Survey 2021</a>). EightShapes 의 Nathan Curtis 는 소수가 혼자 끌고 가는 모델은 확장되지 않는다고 짚었습니다(“Overlords don’t scale”, <a href="https://medium.com/eightshapes-llc/team-models-for-scaling-a-design-system-2cf9d03be6a0">Team Models for Scaling a Design System</a>, 2015).</p><p><strong>보이지 않는 복잡도가 높았습니다.</strong></p><p>Adobe 의 Devon Govett 는 버튼 하나도 지원해야 할 상호작용을 따지면 “보기보다 복잡하다”고 썼고, 접근성과 국제화를 제대로 지원하는 일은 여전히 “극도로 어렵다”고 했습니다(<a href="https://react-aria.adobe.com/blog/building-a-button-part-1">Building a Button Part 1</a>, 2020–08–12). W3C 의 ARIA 작성 가이드는 아예 “잘못된 ARIA 보다 ARIA 가 없는 편이 낫다”는 경고로 시작합니다(<a href="https://www.w3.org/WAI/ARIA/apg/practices/read-me-first/">WAI-ARIA APG</a>). 키보드 동작, 포커스 관리, 스크린리더 대응을 팀마다 새로 구현하는 것은 낭비였습니다.</p><p><strong>라이브러리는 바로 그 비용을 덜어주겠다고 약속했습니다.</strong></p><p>MUI 는 “바퀴를 다시 발명하지 말고 핵심 비즈니스 로직에 집중하라”고 말합니다(<a href="https://mui.com/material-ui/getting-started/">MUI</a>). Ant Design 은 UI 규격을 통일해 중복과 과도한 제작 비용을 줄이는 것을 목표로 내겁니다(<a href="https://ant.design/docs/spec/introduce">Ant Design</a>). 프루퍼가 쓰던 Mantine 은 120개 넘는 컴포넌트와 70개 넘는 훅을 제공합니다(<a href="https://mantine.dev/">Mantine</a>). 시장의 답도 분명했습니다. State of React 2023 에서 MUI 사용 경험 비율은 57.5%로 1위였습니다(<a href="https://2023.stateofreact.com/en-US/libraries/component-libraries/">State of React 2023</a>).</p><p><strong>대가는 있었지만 감당할 만했습니다.</strong></p><p>라이브러리에 기대면 그 라이브러리의 설계 결정도 함께 떠안습니다. MUI 는 v5 에서 스타일 엔진을 JSS 에서 Emotion 으로 바꿨고, 마이그레이션 가이드는 여러 편으로 나뉘어 있습니다(<a href="https://mui.com/material-ui/migration/migration-v4/">MUI v4 to v5</a>). Mantine 은 7.0 에서 Emotion 의존을 끊으면서 createStyles 와 sx prop 을 없애고 CSS Modules 로 옮기라고 안내했습니다(<a href="https://mantine.dev/changelog/7-0-0/">Mantine 7.0.0</a>, 2023-09-18). 그래도 이런 메이저 업그레이드 몇 번의 비용은 컴포넌트를 처음부터 만들고 지키는 비용보다 작았습니다. 이 계산에는 전제가 하나 깔려 있었습니다. 코드를 쓰는 것도 읽는 것도 사람이라는 전제입니다.</p><h3>LLM 이 코드를 쓰면서 계산이 뒤집혔습니다</h3><p>그 전제가 무너졌습니다. 지금은 LLM 이 UI 코드를 생성하고, 개발자는 그 코드를 일일이 읽지 않고 화면과 동작을 확인합니다. 컴포넌트를 처음부터 만드는 비용이 거의 사라지면서, 라이브러리가 덜어주던 비용도 함께 사라졌습니다.</p><p><strong>라이브러리의 장점은 사람을 위한 것이었습니다.</strong></p><p>잘 정리된 API, 외우기 쉬운 prop 이름, 버전별 문서는 사람이 코드를 읽고 쓸 때 효용이 있습니다. LLM 에게는 오히려 부담이 될 수 있습니다. Mantine 6 의 createStyles 와 7 의 CSS Modules 처럼 한 라이브러리 안에서도 시대별 문법이 갈리고, 모델은 두 시대의 코드를 섞어 내놓을 여지가 있습니다. 반면 저장소 안에 있는 컴포넌트 코드는 모델이 직접 읽고 그 문법을 따릅니다.</p><p><strong>그래서 코드를 소유하는 방식이 떠올랐습니다.</strong></p><p>shadcn/ui 는 스스로를 이렇게 소개합니다. “이것은 컴포넌트 라이브러리가 아닙니다. 당신의 컴포넌트 라이브러리를 만드는 방법입니다.” 문서는 원칙 중 하나로 AI-Ready 를 꼽고, LLM 이 읽고 이해하고 개선할 수 있도록 코드를 열어 둔다고 적고 있습니다(<a href="https://ui.shadcn.com/docs">shadcn/ui 문서</a>). 패키지를 설치하는 대신 컴포넌트 소스를 프로젝트에 복사해 넣고, 그 다음부터는 내 코드로 다룹니다.</p><p><strong>이 흐름은 눈으로도 볼 수 있었습니다.</strong></p><p>State of React 에서 shadcn/ui 사용 비율은 2023년 20.8%에서 2024년 42%로 두 배가 됐고, 만족도 1위(80%)에 올랐습니다(<a href="https://2024.stateofreact.com/en-US/libraries/component-libraries/">State of React 2024</a>). 2025년 조사는 MUI 가 여전히 사용량 1위지만 shadcn/ui 가 그 자리를 넘보고 있다고 정리했습니다(<a href="https://2025.stateofreact.com/en-US/libraries/component-libraries/">State of React 2025</a>). GitHub 별은 12만 5천 개를 넘었습니다(<a href="https://github.com/shadcn-ui/ui">shadcn-ui/ui</a>, 2026–10–11 기준).</p><p><strong>그래서 AI 도구가 기본값으로 고른 것도 이쪽입니다.</strong></p><p>Vercel 의 v0 는 Next.js, Tailwind CSS 와 함께 shadcn/ui 로 코드를 만듭니다(<a href="https://v0.app/docs/faqs">v0 FAQ</a>). RedMonk 는 Bolt, Lovable, v0 가 모두 shadcn 위에 있다고 짚으며 shadcn 을 “LLM 의 기본 UI 라이브러리”라고 부른 개발자의 말을 인용했습니다(<a href="https://redmonk.com/kholterhoff/2025/04/22/ui-component-libraries-shadcn-ui-and-the-revenge-of-copypasta/">RedMonk</a>, 2025–04–22). Vercel 은 2026년 글에서 코딩 에이전트를 쓰는 팀은 컴포넌트 소스가 저장소에 있을 때 이득을 본다고 썼습니다(<a href="https://vercel.com/i/shadcn-vs-radix">Shadcn/ui vs. Radix UI</a>, 2026–06–25).</p><p>물론 이에 대한 대가도 있습니다. 복사한 파일은 원본의 수정 사항을 자동으로 받지 못합니다. 예전에는 이 단점이 치명적이었습니다. 버그 수정과 개선을 사람이 직접 옮겨야 했기 때문입니다. 이제 그 일을 LLM 이 맡을 수 있으니, 소유의 비용이 감당할 만한 수준으로 내려왔습니다. AI 이전에 라이브러리를 택하게 만든 계산이 AI 이후에는 반대 방향을 가리킵니다.</p><h3>프루퍼가 홈페이지에서 Mantine 을 걷어낸 생각</h3><p>프루퍼는 최근 proofer.tech 홈페이지에서 Mantine 을 걷어냈습니다. 그리고 그 자리에 다른 컴포넌트 라이브러리를 넣지 않았습니다.</p><p>리뉴얼 전 메인 페이지를 진단하며 적은 문장이 있습니다. Mantine 기본 컴포넌트, 가운데 정렬 텍스트, Divider 반복이라 차별화가 약하다는 것이었습니다. 제품 화면에서는 익숙한 기본값이 장점입니다. 회사를 소개하는 홈페이지에서는 그 익숙함이 곧 누구의 홈페이지와도 닮아 보이게 만듭니다.</p><p>라이브러리를 쓰면 브랜드 색, 타입, 간격을 그 라이브러리의 테마 체계에 맞춰 번역해야 합니다. 프루퍼 레포에는 그 번역의 흔적이 남아 있었습니다. Mantine 테마, 전역 스타일, 홈 전용 스타일에 토큰이 각각 따로 있었고, 값이 서로 일치하는 것은 브랜드 블루와 그린 정도였습니다. 라이브러리는 일관성을 약속했지만, 실제로는 일관성의 정본이 여러 곳으로 갈리는 원인이 됐습니다.</p><p>홈페이지를 이루는 것은 섹션, 버튼, 카드, 내비게이션, 문의 폼 정도입니다. 복잡한 데이터 테이블도, 중첩된 다이얼로그도 거의 없습니다. 이 정도 컴포넌트는 LLM 이 브랜드 규칙에 맞춰 바로 만듭니다. 남은 것은 라이브러리 테마를 경유하는 간접비와 메이저 업그레이드 때마다 치르는 비용뿐이었습니다.</p><h3>디자인 시스템은 Claude Design 에, 구현은 LLM 에게</h3><p>그래서 앞으로 프루퍼 홈페이지는 컴포넌트 라이브러리 없이 갑니다. 디자인 시스템은 Claude Design 에서 관리하고, 코드는 LLM 이 그 시스템을 읽어 구현합니다.</p><p>라이브러리를 쓸 때 디자인의 정본은 사실상 npm 패키지와 그 테마 파일이었습니다. 디자인 파일은 그 코드를 뒤따라가는 그림에 가까웠습니다. 이제는 순서가 반대입니다. 색, 타입, 간격, 컴포넌트 규칙을 담은 디자인 시스템이 정본이고, 코드는 그것을 매번 다시 펼친 결과물입니다.</p><p><strong>Claude Design 은 그 정본을 두기에 맞는 자리입니다.</strong> Anthropic 은 2026년 4월 Claude Design 을 공개하며, 온보딩 때 Claude 가 코드베이스와 디자인 파일을 읽고 팀의 디자인 시스템을 만든다고 설명했습니다. 그 뒤 모든 프로젝트가 그 색, 타이포그래피, 컴포넌트를 자동으로 쓰고, 결과는 핸드오프 번들로 Claude Code 에 넘길 수 있습니다(<a href="https://www.anthropic.com/news/claude-design-anthropic-labs">Introducing Claude Design</a>, 2026–04–17). 디자인 시스템을 만드는 곳과 그것을 코드로 옮기는 곳이 하나의 흐름으로 이어집니다.</p><p>개발자가 컴포넌트 코드를 직접 검토하던 자리에는 두 가지 일이 남습니다. 디자인 시스템의 규칙을 정확하게 쓰는 일, 그리고 나온 화면이 그 규칙을 지켰는지 확인하는 일입니다. 라이브러리를 고르던 판단은 규칙을 설계하는 판단으로 바뀝니다.</p><p>라이브러리가 대신 챙겨주던 접근성과 브라우저 호환성을 이제 우리가 검증해야 합니다. 생성된 코드가 디자인 시스템에서 조금씩 어긋나는 것을 어떻게 잡을지도 정해야 합니다. 이 방식을 홈페이지 밖의 제품 화면까지 넓힐지는 홈페이지에서 먼저 검증한 뒤에 판단해보겠습니다.</p><p>저희도 아직 해 보면서 배우는 중입니다. 비슷한 고민을 하고 계신다면 어떻게 풀고 계신지 편하게 들려주세요. 홈페이지에서 직접 부딪히며 알게 된 것들도 기회가 닿는 대로 또 나누겠습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=052033265fe8" width="1" height="1" alt=""><hr><p><a href="https://medium.com/proofer-blog/ai-%EC%9D%B4%ED%9B%84-ui-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC%EB%A5%BC-%EA%B1%B7%EC%96%B4%EB%82%B8-%EC%9D%B4%EC%9C%A0-052033265fe8">AI 이후, UI 라이브러리를 걷어낸 이유</a> was originally published in <a href="https://medium.com/proofer-blog">프루퍼 블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[나를 취재하는 1인 뉴스룸을 만들었습니다]]></title>
            <link>https://hsol.medium.com/%EB%82%98%EB%A5%BC-%EC%B7%A8%EC%9E%AC%ED%95%98%EB%8A%94-1%EC%9D%B8-%EB%89%B4%EC%8A%A4%EB%A3%B8%EC%9D%84-%EB%A7%8C%EB%93%A4%EC%97%88%EC%8A%B5%EB%8B%88%EB%8B%A4-ae3d71f69a75?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/ae3d71f69a75</guid>
            <category><![CDATA[obsidian]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[seo]]></category>
            <category><![CDATA[side-project]]></category>
            <category><![CDATA[personal-branding]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Thu, 02 Jul 2026 10:34:47 GMT</pubDate>
            <atom:updated>2026-07-02T10:34:47.045Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*S3j4Sp5DKgLzgbfea3dW1Q.png" /></figure><p>제 포트폴리오 사이트 <a href="https://hsol.info/">hsol.info</a>에는 이제 뉴스 섹션이 있습니다. 하루 만에 기사 17건이 발행됐고, 가장 오래된 기사는 2012년 제 고등학교 진학 소식입니다. 발행 매체 이름은 한솔닷컴 뉴스룸. 14년을 쓰고 은퇴한 제 옛 티스토리 블로그의 이름을 그대로 가져왔습니다.</p><p>이 매체에서 저는 취재 대상으로만 등장합니다. 기사를 쓰는 주체는 뉴스룸이라는 가상의 조직입니다.</p><h3>왜 이런 걸 만들었나</h3><p>포트폴리오와 자기소개 글은 전부 1인칭입니다. “저는 이런 사람입니다”의 반복이죠. 하지만 검색엔진과 AI가 사람을 이해하는 방식은 좀 다릅니다. 제3자가 쓴 보도체 문장과 구조화된 데이터를 훨씬 잘 읽습니다. 누가, 언제, 무엇을 했는지가 스키마로 정리된 페이지 말입니다.</p><p>그래서 발상을 뒤집어 봤습니다. 내 이력을 내가 소개하는 대신, <strong>가상의 매체가 나를 취재해 온 것처럼 뉴스 아카이브를 만들면 어떨까.</strong> 진학, 첫 취업, 이직, 창업, 결혼 같은 인생 사건들이 각각 한 편의 기사가 되고 기사끼리 링크로 엮이면, 그 자체가 검색엔진이 읽는 제 연대기가 됩니다.</p><p>물론 선은 분명히 그었습니다. 실존 언론사를 흉내 내지 않고, 발행 주체가 개인 매체임을 어디에도 숨기지 않습니다. 그리고 실제로 있었던 일만 씁니다.</p><h3>데이터는 어디서 오나</h3><p>기사의 원천은 제 옵시디언 vault입니다. 사람, 조직, 사건, 산출물을 각각 객체로 만들고 서로 링크로 연결해 둔, 말하자면 제 인생의 온톨로지입니다. Palantir Foundry의 온톨로지 구조를 개인용으로 흉내 낸 것인데, 블로그 아카이브와 메일함 백필, 발표자료 같은 원천 데이터가 이미 여기 정리돼 있었습니다.</p><p>기사도 이 vault의 객체입니다. 마크다운 파일 하나가 기사 하나이고, frontmatter가 곧 스키마입니다. 헤드라인, 부제, 메타 디스크립션, 섹션, 키워드, 그리고 근거가 되는 사건 객체를 가리키는 sources 필드까지. <strong>근거 객체에 없는 사실은 기사에 쓸 수 없다</strong>는 게 이 시스템의 제1원칙입니다. 근거가 부족하면 기사를 짧게 쓰거나, 취재를 더 하거나, 안 씁니다.</p><p>재미있는 건 발행일 처리입니다. 2012년 진학 기사의 발행일은 2012년 3월입니다. 매거진이 사건 당일자로 기사를 내는 관례를 따라 발행일은 사건 시점으로, 수정일은 실제로 정리한 오늘로 분리했습니다. 오래된 글을 새 글처럼 위장하는 신선도 조작을 피하면서도, 각 기사가 제 시간 위에 놓이게 하는 방법입니다.</p><h3>파이프라인은 단순하게</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YxPUu7RijEnJ1_HgfDcxTw.png" /></figure><p>흐름은 이렇습니다. vault의 마크다운을 GitHub에 푸시하면 Actions가 Neon 데이터베이스에 미러링합니다. 첫 동기화 때 받은 DB의 기본키는 다시 마크다운 frontmatter에 적어 페어링합니다. 사이트는 Next.js가 이 미러를 읽어 서버 렌더링합니다. 원본은 언제나 마크다운이고, DB는 그저 사본입니다.</p><p>SEO 장치도 몇 가지 심었습니다. 기사마다 schema.org의 NewsArticle 구조화 데이터가 들어가는데, author 자리에는 뉴스룸 조직이 들어갑니다. 저는 기사의 주제(about)로만 연결되고요. 검색엔진이 제 직업을 기자로 오해하는 일을 막기 위해서입니다. 소제목은 전부 질문형으로 써서 검색 의도에 맞추고, 커버 이미지는 헤드라인을 합성한 OG 이미지를 기사마다 자동 생성합니다. 기사끼리는 내부 링크로 묶여서 영재원 기사가 진학 기사로, 진학 기사가 첫 취업 기사로 이어집니다.</p><h3>기사는 AI와 함께 썼습니다</h3><p>17건을 하루에 쓴 건 당연히 혼자 한 일이 아닙니다. AI 에이전트들이 vault를 뒤져 초안을 병렬로 썼고, 검수 에이전트가 인용문을 원문과 한 글자 단위로 대조했습니다. 저는 그 사이에서 기준을 잡는 일을 했습니다.</p><p>글감 선정에서 저와 AI의 판단이 갈린 순간이 특히 기억에 남습니다. AI는 “인생 경로를 바꾼 사건”에 점수를 줬고, 저는 컨퍼런스 발표나 사외이사 취임 같은 <strong>공식 이력 사건</strong>을 더 쳐줬습니다. 반대로 회사가 주어인 사건, 그러니까 회사의 수상이나 소송 승소는 제 기사가 아니라고 봤고요. 이 기준 차이를 그대로 가이드 문서에 박아 넣었더니, 그다음부터는 AI의 1차 선별이 제 감각과 거의 같아졌습니다.</p><p>취재원 노릇도 했습니다. 토스 SLASH 21 발표 기사가 처음엔 “슬랙봇을 발표했다” 수준으로 뭉뚱그려져 있었는데, 이건 토스에서 모바일앱을 개발했다는 말만큼 의미가 없습니다. 그래서 발표 영상 전사본과 발표자료 PDF를 넘기고 인터뷰 질문에 답했습니다. 기사는 슬랙봇 10여 개 생태계와 설계를 세 번 갈아엎은 이야기로 다시 태어났습니다. 취재를 받아 보니 알겠더군요. <strong>좋은 기사는 결국 취재원이 얼마나 내놓느냐에 달렸습니다.</strong></p><h3>내가 기록하고, 그 기록이 나를 다시 쓴다</h3><p>생각해 보면 새로울 건 없습니다. 블로그에 쓰던 기록이 vault의 온톨로지가 됐고, 이제 그 온톨로지가 저를 취재한 기사가 됐을 뿐입니다. 14년 전 블로그에 올린 C# 워드프로세서 게시물 하나가 오늘 영재원 기사의 실물 증거로 쓰였을 때는 꽤 이상한 기분이 들었습니다.</p><p>기록의 힘은 연결에서 나오는 것 같습니다. 쌓아 두기만 했다면 이런 출력은 없었을 겁니다. 뉴스룸은 그 연결의 출력 형태 중 하나일 뿐이고요. 다음 사건이 생기면 뉴스룸은 또 기사를 쓸 겁니다. 저는 그저 계속해서 취재당할 만한 일을 만들어나가면 됩니다. 쉽죠?</p><p><a href="https://news.hsol.info/">한솔닷컴 뉴스룸 - 임한솔 취재기록</a></p><p>여기서바로 확인해보실 수 있습니다!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ae3d71f69a75" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI에게 내 데이터를 어디까지 줘야 할까]]></title>
            <link>https://hsol.medium.com/ai%EC%97%90%EA%B2%8C-%EB%82%B4-%EB%8D%B0%EC%9D%B4%ED%84%B0%EB%A5%BC-%EC%96%B4%EB%94%94%EA%B9%8C%EC%A7%80-%EC%A4%98%EC%95%BC-%ED%95%A0%EA%B9%8C-4e0fa2fed907?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/4e0fa2fed907</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[컨텍스트엔지니어링]]></category>
            <category><![CDATA[회고]]></category>
            <category><![CDATA[프로덕트]]></category>
            <category><![CDATA[데이터]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Thu, 02 Jul 2026 05:19:04 GMT</pubDate>
            <atom:updated>2026-07-02T05:19:04.244Z</atom:updated>
            <content:encoded><![CDATA[<h3>AI에게 내 데이터를 어디까지 줘야 할까?</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ri9bAdySXlG-9pRdMFhDuA.png" /></figure><blockquote><em>이 질문에 답을 준 건, 토스에서 만들었던 근태 시스템의 한 기능이었습니다.</em></blockquote><p>요즘 저는 AI에게 제 데이터를 어디까지 줘야 할까, 이 질문을 계속 붙잡고 있습니다. 그러다 문득 토스 시절에 만들었던 시스템 하나가 떠올랐어요.</p><p>토스에서 제가 주로 한 일은 인터널, 그러니까 사내 시스템을 기획하고 만드는 일이었습니다. 수습평가, 근태관리, 약관관리, 사내 카페 사이렌오더, 헤어숍 예약, JIRA 간소화 이슈트래커, 상호 피드백 도구까지. 회사에서 사람이 일하며 마주치는 거의 모든 곳에 시스템이 필요했고, 저는 그걸 만드는 사람이었습니다. 그중에서도 요즘 자꾸 떠오르는 건 근태관리 시스템 TT(Time Tracker)입니다.</p><p>시작은 제도였습니다. 회사가 비포괄임금제로 바뀌면서 출근과 퇴근, 휴식 시간을 기록해야 했습니다. 주 52시간을 넘기지 않게 하고 더 나아가 번아웃이 오기 전에 웰니스까지 챙겨주자는 게 목표였어요. 취지는 분명 좋았습니다.</p><p>그런데 이 모든 게 성립하려면 전제가 하나 있었습니다. 직원이 출근하면 출근을 찍고, 퇴근하면 퇴근을 찍고, 쉬면 쉰다고 찍어야 한다는 것. 그렇게 찍힌 데이터가 있어야 52시간 관리든 웰니스든 뭐라도 할 수 있었습니다. 데이터가 없으면 시스템은 그냥 빈 그릇이었죠.</p><p>그래서 이 기록을 찍게 만드는 데 힘을 쏟았습니다. 찍어달라고 부탁도 해봤고 안 찍으면 비포괄 정산이 안 되도록 본인이 손해를 보는 구조로도 설계해봤습니다. 그래도 기록률은 원하는 만큼 올라오지 않았어요.</p><p>하지만 저를 가장 불편하게 했던 건 기록률이 아니었습니다. 일하기도 바쁜 사람들에게 신경 쓸 거리를 하나 더 얹어줬다는 죄책감이었습니다. 좋은 취지로 만든 시스템이, 정작 그 취지의 대상인 직원들에게는 또 하나의 잔업이 되어 있었습니다. 웰니스를 챙기겠다면서 웰니스를 갉아먹고 있었던 셈이죠.</p><p>팀에서 이 얘기를 하다가 방향이 완전히 바뀌었습니다. 찍게 만들지 말고, 그냥 자동으로 해주자. 그럼 어떻게? 처음엔 비콘 얘기가 나왔습니다. 그런데 회사 모든 층에 비콘을 설치해야 하나, 하는 현실적인 벽에 금방 부딪혔어요.</p><p>그러던 중에 제가 아이디어를 하나 냈습니다. 회사는 사내 와이파이를 제공합니다. 그리고 이 와이파이는 잘못 열면 보안 취약점이 될 만큼, 알고 보면 꽤 중요한 인프라입니다. 그래서 토스는 이걸 외부에 맡기지 않고 AP 기기부터 정책, 들어오는 패킷과 로그까지 직접 관리하고 있었습니다.</p><p>여기서 착안했습니다. 보통 우리는 내 기기가 회사 와이파이를 잡는다고 생각합니다. 그런데 반대로, 회사 AP도 내 기기를 감지할 수 있습니다. 기기가 와이파이 사정권에 들어와 AP에 잡히는 것, 그 자체가 이미 출근했다는 신호 아닐까. 직원은 아무것도 찍을 필요가 없습니다. 회사에 도착하는 행위 그 자체가 데이터가 되니까요.</p><p>다들 좋아했고, 저는 “당장 하자”며 계열사 건물들을 발로 뛰어 담당팀과 함께 이 가설을 실제로 구현해냈습니다. 직원이 손 하나 까딱하지 않아도, 회사에 도착하면 출근이 기록되기 시작했습니다.</p><p>물론 곧 다음 문제가 생겼습니다. “재택은 어떡하지?” 회사에 오지 않는 사람은 AP에 잡히지 않으니까요.</p><p>여기서는 토스가 이미 깔아둔 기반이 큰 역할을 했습니다. 토스는 2023년부터 제로 트러스트를 도입하면서 닫혀 있으면서도 열려 있는 시스템을 OKTA와 함께 구축해두고 있었습니다. 아주 중요한 원장이나 고객 데이터가 아닌 이상, VPN과 VDI로 논리적 망분리를 거쳐 어디서든 편하게 접근할 수 있는 환경이었죠. 짚어두자면 이 제로 트러스트 환경은 제가 만든 게 아니라 회사가 구축해둔 것이고, 저는 그 위에 얹었을 뿐입니다.</p><p>덕분에 직원의 업무 행태 기록이 남는 망이 있었고, 저희는 여기에 API를 붙였습니다. 랩탑을 켜고 업무가 시작된 게 감지되면 업무, 아무 사용도 보이지 않으면 비업무. 이렇게 재택하는 분들도 자동으로 출퇴근과 휴식이 기록되기 시작했습니다.</p><p>이 시스템은 오래 잘 쓰였습니다. 계절이 지나며 아파서 재택한다든지, 근처 카페에서 일한다든지 하는 예외 상황용 기능도 붙었지만 감지가 곧 출근이라는 기본 메커니즘은 끝까지 흔들리지 않았어요. 물론 외근을 나가시거나 IT 업무가 아닌 분들까지 다 커버하진 못했습니다. 그런 분들은 자동 기능을 꺼두고 쓰시도록 안내드렸고요.</p><p>사실 만들면서 팀원들끼리 “와 이거 완전 빅브라더 아니냐”며 소름 돋아하기도 했습니다. 직원이 언제 회사에 들어오고 언제 랩탑을 켜는지를 회사가 안다는 거니까요. 그런데도 진행할 수 있었던 건 결국 선의를 믿었기 때문이었습니다. 낭만이 있었죠.</p><p>지금 생각해도 이게 가능했던 건 절반은 토스팀 덕분입니다. 보안팀은 무조건 다 막는 사람들이 아니었어요. 직원이 일하는 걸 먼저 두고 보안도 지키면서 편하게 일할 수 있는 중간 지점을 찾으려고 정말 애썼습니다. 법무 검토를 받을 때도 막히면 어쩌지가 아니라, 이 사람들이 분명 규제를 지키면서 뚫을 방법을 같이 고민해주겠지라는 기대를 할 수 있었어요. 서로가 서로를 위한다는 선의를 전제로 일한다는 것. 참 좋은 팀이었습니다.</p><p>그래서 처음의 질문으로 돌아옵니다. 그때 TT가 그 정도까지 해낼 수 있었던 건, 결국 그만큼의 데이터를 얻을 수 있었기 때문입니다. 접속 로그, 사용 행태, 망 위의 흔적까지 넓고 깊게 확보했기에 직원에게 부담을 지우지 않고도 정확한 그림을 그릴 수 있었어요. 데이터의 폭과 깊이가 곧 시스템의 품질이었습니다.</p><p>그럼 지금 이 시대엔, AI에게 어디까지 데이터를 줘야 할까요. 아주 개인적인 것부터 속얘기까지 전부 주면, 할루시네이션이라곤 찾아볼 수 없는 정확한 답이 나옵니다. 하지만 그 데이터가 악한 사람한테 털릴까 전전긍긍하게 되고 기업이라면 그 존재 자체가 리스크가 되기도 하죠.</p><p>그럼에도 저는 지금 만들고 있는 AI 포트폴리오, hsol.info에 제 모든 데이터를 넣고 있습니다. 데이터의 종류와 상관없이, 넓고 깊게 모았을 때 나오는 시너지를 저는 이미 한 번 봤으니까요.</p><p>물론 이건 털려도 크게 문제 될 게 없다는 믿음, 그리고 문제가 생기면 제가 직접 해결해보겠다는 다짐 위에 선 선택입니다. 개인이니까 할 수 있는 이야기죠. 기업이 이걸 믿음과 다짐으로 하면, 그건 절대 안 됩니다. 그래서 앞으로 기업의 데이터 보안은 계속 더 커져갈 것 같습니다.</p><p>그 넓고 깊은 데이터가 실제로 어떤 답을 내놓는지 궁금하시다면</p><p><a href="https://hsol.info/">임한솔 · Hansol Lim - hsol.info</a></p><p>위 페이지에서 저에 대해 뭐든 물어봐 주세요. 제 데이터를 다 넣어둬서, 어쩌면 저보다 저를 더 잘 설명할지도 모릅니다ㅋㅋㅋ</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4e0fa2fed907" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Claude를 팀의 OS로 쓰고 있습니다]]></title>
            <link>https://medium.com/proofer-blog/claude%EB%A5%BC-%ED%8C%80%EC%9D%98-os%EB%A1%9C-%EC%93%B0%EA%B3%A0-%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4-9502f906394c?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/9502f906394c</guid>
            <category><![CDATA[engineering-management]]></category>
            <category><![CDATA[slack]]></category>
            <category><![CDATA[ai-native]]></category>
            <category><![CDATA[knowledge-management]]></category>
            <category><![CDATA[team-management]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Fri, 26 Jun 2026 16:18:20 GMT</pubDate>
            <atom:updated>2026-06-26T16:22:10.266Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*1tpIVFaqqhUpBLzcTUcfGw.png" /></figure><p>요즈음 업무에 AI를 쓴다는 이야기는 많이 듣습니다. 그런데 대부분은 궁금한 걸 묻고 답을 받거나, 바이브 코딩으로 있어 보이지만 정작 쓸 수는 없는 프로토타입을 뽑는 선에서 멈춥니다. 둘 다 한순간은 그럴듯해 보여도 일하는 방식까지 바뀌지는 않습니다. 개인이 가끔 꺼내 쓰는 도구에 머무는 거죠.</p><p>저는 Claude를 팀의 지식과 운영을 떠받치는 중추로 씁니다. 그렇게 묶고 나니 효율이 조금 오르는 데서 그치지 않았습니다. <strong>원래 사람이 물리적으로 할 수 없던 일이 돌아가기 시작했습니다.</strong> 이 글은 그 과정을 정리한 기록입니다. 저는 여러 서비스를 운영하는 회사에서 개발 조직을 이끌고 있습니다.</p><h3>시작은 막막함이었습니다.</h3><p>출발점은 “도저히 제 시간안에 파악할 수 없는 10년간의 히스토리”였습니다. 거창한 비전 같은 건 없었습니다. 제가 맡은 조직에는 약 10년 넘게 쌓인 서비스와 코드, 운영 히스토리가 있었습니다. 새로 팀을 맡은 입장에서 이걸 파악해야 하는데, 사람이 다 읽는 건 애초에 불가능한 양이었습니다. 도메인 지식은 코드 어딘가에, 누군가의 머릿속에, 흩어진 문서에 조각조각 있었고, 결국 매번 사람에게 물어야 했습니다.</p><p>그래서 방향을 이렇게 잡았습니다. <strong>히스토리를 사람이 읽는 대신, AI가 읽을 수 있는 컨텍스트로 바꾸자.</strong> 사람이 따라잡을 수 없으면 따라잡을 수 있는 형태로 정보를 옮기면 된다는 발상이었습니다. 이게 모든 작업의 출발점이 됐습니다.</p><h3>핵심은 “구조”</h3><p>가장 먼저 깨달은 건 <strong>잘 되는 이유가 모델 성능보다 구조에 있다</strong>는 점이었습니다. 같은 Claude라도 어떤 구조 위에 올리느냐에 따라 결과가 완전히 달라졌습니다. 제가 잡은 구조는 세 축입니다.</p><p>정리된 지식은 <strong>Google Drive</strong>에 둡니다. 검증된 정책, 도메인 지식, 운영 가이드처럼 한번 정리되면 오래 가는 것들입니다. 장기 기억에 해당합니다. 반면 지금 막 벌어진 일, 오늘의 대화와 실시간 상태는 <strong>Slack</strong>에 있습니다. 휘발성이 강한 실시간 정보죠. 그리고 <strong>Claude</strong>가 이 둘을 정해진 순서대로 읽고 판단합니다.</p><p>여기서 가장 중요한 원칙은 이겁니다. <strong>정리된 진실과 지금의 진실을 구분한다.</strong> 정리된 지식은 Drive에 두고 거기서 가져옵니다. 지금 막 벌어진 일은 Slack에서만 가져옵니다. 정보마다 진짜 출처를 하나로 정해두는 거죠. 이 구분이 매 작업의 비용과 정확도를 가릅니다. 데모로 끝나는 AI와 실제로 일하는 시스템이 갈리는 지점도 정확히 여기였습니다. 가장 비싸고 불안정한 실시간 Slack부터 뒤지면, 그럴듯해 보여도 결과가 매번 흔들립니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*jdds8ZobS5BqNt0jMtLCKg.png" /><figcaption><em>정리된 것은 Drive에서, 지금 막 벌어진 것만 Slack에서. 이 순서가 비용과 정확도를 가릅니다.</em></figcaption></figure><p>정리된 지식이라고 전부 한곳에 두지는 않습니다. 팀 전체가 함께 봐도 되는 공개 영역과, 인사나 평가처럼 민감해서 한 사람만 봐야 하는 비공개 영역을 처음부터 갈라둡니다. 민감한 자료는 공개 영역에 아예 올라가지 못하게 막아두고요. 이렇게 해두면 ‘AI가 회사 문서를 읽고 답한다’는 편리함이 곧바로 정보가 새는 위험으로 이어지지 않습니다. 무엇을 어디까지 보여줄지를 구조가 대신 지켜주는 셈입니다.</p><p><strong>구조에는 읽는 순서도 정해져 있습니다. </strong>Claude는 가장 가깝고 빠른 기억부터 확인하고 거기서 답이 나오면 멈춥니다. 없을 때만 한 단계씩 더 깊은 곳으로 내려갑니다. 그렇게 마지막에야 가장 비싸고 불안정한 실시간 Slack을 두드립니다. 순서를 지키면 같은 질문에 드는 비용이 확 줄고 답도 흔들리지 않습니다. 처음엔 이 순서를 자주 어겼습니다. 빠른 답이 급해 실시간부터 뒤지면 그럴듯한 결과가 나오긴 했어도 다음에 같은 걸 물으면 다른 답이 돌아오곤 했습니다.</p><p>여기에 더해 <strong>한 번에 읽는 양도 구조가 눌러줍니다.</strong> 흔히 컨텍스트가 크고 깊어지면 토큰 비용이 가파르게 불어난다고들 걱정합니다. 그런데 매 세션 vault를 통째로 읽지는 않습니다. 한 줄짜리 색인을 먼저 보고 필요한 노트만 펼치니 지식이 아무리 깊어져도 한 번에 읽는 양은 거의 일정합니다. 온톨로지로 정리해둔 구조가 곧 비용을 누르는 장치인 셈입니다. 실제로 이 모든 게 월 100달러 안팎, 프리미엄 시트 하나로 돌아갑니다. 그 하나로 수많은 MCP와 스킬을 붙여 쓰고 개발 작업까지 얹는데도 지금까지 단 한 번도 모자란 적이 없습니다.</p><p>그렇다고 실시간 정보를 매번 새로 긁어오면 느리고 불안정합니다. 그래서 자주 들여다보거나 매번 받아오기엔 무거운 값만 골라 그날의 스냅샷으로 따로 저장해둡니다. 하루가 지나면 만료시켜 다시 받아옵니다. 어디서 언제 가져왔는지를 함께 적어두니 이 값이 어느 시점의 것인지 헷갈릴 일이 없습니다. 한 번 보고 마는 정보까지 다 쌓아두지는 않습니다. 정리된 기억과 자주 쓰는 값의 스냅샷을 분리해두는 셈입니다.</p><p>Slack을 이렇게까지 쓰게 된 데에는 현실적인 이유가 있었습니다. 처음엔 협업 도구가 여기저기 흩어져 있었습니다. Google Workspace는 팀 협업용으로는 손에 잘 안 붙었습니다. Notion과 JIRA는 값은 비싼데 정작 제공하는 기능의 10%도 채 못 쓰고 있었습니다. 비싼 도구를 깔아두고 일부만 겉도는 상태였던 거죠. 그래서 그 둘은 정리했습니다. 그러고 나니 남는 건 어차피 메신저로 돈을 내고 있는 Slack이었습니다. 이미 비용을 치르는 도구가 마침 리스트와 캔버스까지 들고 있으니 거기에 무게를 싣기로 했습니다.</p><p>그러면서 Slack은 단순한 메시지 앱에 머물지 않게 됐습니다. 한쪽에서는 표 형태의 리스트를 가벼운 데이터베이스처럼 써서 업무와 기록을 쌓습니다. 다른 한쪽에서는 캔버스라는 문서를 회사의 공식 기록이자 지식의 뼈대로 씁니다. 같은 도구를 데이터 저장소와 문서 창고로 동시에 굴리는 거죠. 덕분에 팀이 이미 매일 쓰는 공간 안에서 모든 게 돌아갑니다. 새 시스템을 따로 익힐 필요가 없습니다.</p><p>여기서 놓치기 쉬운 게 하나 있습니다. <strong>결국 새로운 데이터를 만들어내는 건 사람</strong>이라는 점입니다. 아무리 구조를 잘 짜도 사람이 입력하기 번거로우면 데이터는 쌓이지 않습니다. 그래서 사람이 접근하기 쉬운지를 무엇보다 신경 썼습니다. Slack 워크플로우를 적극적으로 써서 데이터를 적재하는 번거로움을 최대한 덜었습니다. 캔버스에는 어떻게 쓸지 규칙을 정해두고 리스트는 JIRA 못지않게 체계적으로 관리합니다. 체계는 단단하게 가져가되 사람이 손대는 입구는 최대한 가볍게 둔 셈입니다.</p><h3>그래서 무엇이 돌아가고 있나</h3><p>이 구조 위에서 실제로 가동 중인 것들이 있습니다. 하나씩 보면 별것 아닌 것 같지만, 공통점은 분명합니다. 전부 사람 혼자서는 매일 해내기 어렵던 일이라는 점입니다.</p><p>먼저 도메인 지식입니다. 10년치 히스토리를 30여 개의 정리된 노트로 옮겨, 매 세션마다 Claude가 자동으로 읽습니다. 덕분에 도메인 질문이 들어오면 사람에게 묻기 전에 1차 답이 나옵니다. 신규 합류자가 몇 달 걸려 익히던 맥락을, 이제는 에이전트가 매번 로드합니다. 도메인 전문가를 붙잡지 않고도 코드와 데이터, 정책 요구사항을 한 자리에서 맞춰볼 수 있게 됐습니다.</p><p>다음은 매일 자정에 도착하는 팀 활동 정리입니다. 팀원 열 명의 하루 활동을 모아 네 개 섹션 보고서로 만들고 정리된 링크를 제게 보냅니다. 이게 2주 넘게 하루도 빠짐없이 자동으로 돌고 있습니다. 예전엔 팀 현황을 알려면 수십 개 채널을 직접 순회하거나 데일리 미팅 구두 공유에 기대야 했고 그러다 보면 늘 빠지는 게 생겼습니다. 사람이 매일 수십 개 채널을 빠짐없이 읽는 건 사실 불가능에 가깝습니다. 그 불가능을 자정의 자동 작업이 대신합니다.</p><p>이 자동 정리가 잘 도는 데에는 전제가 하나 있습니다. 그 전에 제가 Slack을 잘 쓰는 문화를 먼저 깔아둔 겁니다. 제가 먼저 진행 상황과 결정, 이슈를 Slack에 적극적으로 남기며 본을 보였습니다. 팀원들이 그걸 따라 하면서 점차 익숙해졌습니다. 동시에 따로 보고를 받던 관행을 걷어냈습니다. 대신 그만큼 Slack에 더 잘 남겨달라고 팀에 전파했습니다. 자동 정리의 품질은 결국 팀이 Slack에 무엇을 남기느냐에 달려 있습니다. 사람이 먼저 기록 문화를 다져둔 덕분에 자동화가 제대로 돌기 시작한 겁니다.</p><p>전사 채널에서 도는 봇도 있습니다. 누구든 온보딩이나 행정 질문을 올리면, 회사 문서를 근거로 출처를 달아 답합니다. 재직증명서 발급은 어떻게 하는지, 우리 팀이 무슨 일을 하는지 같은 질문들이죠. 답이 문서에 없으면 그 사실을 솔직히 밝히고 추가할 내용과 위치를 제안한 뒤 승인을 받아 문서를 스스로 키웁니다. 답할수록 회사의 지식 베이스가 두꺼워지는 구조입니다.</p><p>회의도 바뀌었습니다. 예전엔 제가 있어야 주간회의가 제대로 굴러갔습니다. 지금은 진행 매뉴얼과 업무 리스트 필터 뷰를 Claude가 정리해둔 덕분에, 누가 진행을 맡아도 비슷한 품질이 나옵니다. 특정 사람에게 묶여 있던 일이 풀린 거죠.</p><h3>막히는 곳은 늘 있었습니다</h3><p>물론 매끄럽게만 흘러오진 않았습니다. 오히려 막히는 지점에서 배운 게 더 많았습니다.</p><p>초반에 자주 한 실수는 Claude가 “처음 보는 정보”라고 단정하는 것이었습니다. 자동으로 주입되는 메모리 색인에 없으면 모르는 거라 여기고, 곧장 Slack 실시간 검색으로 점프해 한참을 헤맸습니다. 그런데 실제로는 정리된 작업 폴더에 그 내용이 글자 그대로 있던 경우가 많았습니다. 색인에 없는 것과 어디에도 없는 것은 다릅니다. 그래서 단정하기 전에 반드시 정리된 폴더부터 직접 뒤지도록 규칙을 설정해뒀습니다.</p><p>기술적인 벽도 있었습니다. Drive를 공유 컨텍스트로 쓰다 보니 엑셀이나 워드 같은 압축 기반 파일이 마운트 환경에서 자꾸 깨졌습니다. 처음엔 원인을 몰라 한참 붙잡았습니다. 그러다 드라이브에서 파일 존재를 먼저 확인한 뒤 로컬에서 바이트로 읽어 메모리에서 푸는 방법을 찾아냈습니다. 이 방식을 스킬로 만들어둔 덕분에 이제는 같은 파일이 와도 곧바로 풀립니다. 한 번 부딪힌 벽이 다음부터는 벽이 아니게 된 셈이죠.</p><p>Slack을 다루는 방식도 한 번에 정리되지 않았습니다. 검색에 쓰는 권한과 글을 쓰는 권한이 서로 달라서 토큰을 두 갈래로 나눠 쓰게 됐습니다. 검색은 한쪽으로, 리스트와 문서 작성은 다른 쪽으로요. 처음엔 빈 줄이 생기거나 빈 행이 만들어지는 자잘한 사고가 이어졌고 그때마다 함정을 하나씩 메모로 남겼습니다. 공용 에이전트를 로컬 모델로 돌려보려다 품질이 받쳐주지 않아 접은 적도 있습니다.</p><h3>신뢰는 구조에서 옵니다</h3><p>이 시행착오들을 지나며 분명해진 게 하나 있습니다. <strong>AI 시스템이 믿을 만해지는 건 모델 지능 덕분이 아닙니다. 한 번 어긋난 판단이 같은 실수를 막는 규칙으로 바뀌어 시스템에 남기 때문입니다.</strong></p><p>사람도 비슷합니다. 한 번 실수한 일을 다음엔 안 하려고 메모를 남기고 습관을 바꾸죠. 다른 점은, AI 시스템에서는 그 교훈을 메모리에 명시적으로 박아두면 다음 세션부터 자동으로 적용된다는 것입니다. 사람의 학습은 사람을 떠나면 사라지지만, 이 구조에서는 한 번의 사고가 영구적인 규칙이 됩니다. 그래서 저는 잘 도는 것보다 어긋났을 때 그게 규칙으로 남는지를 더 신경 씁니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*m9QOHiFfRztxoQ9z0RGgmQ.png" /><figcaption><em>한 번의 사고가 규칙이 되어 시스템에 남으면, 같은 실수는 다음 세션부터 반복되지 않습니다.</em></figcaption></figure><p>가장 아찔했던 건 채용 평가 기록을 정리할 때였습니다. 한 후보의 평가 메모에 바로 앞 후보의 회사 이름이 섞여 들어간 적이 있습니다. 사람으로 치면 치명적인 실수죠. 채용 판단의 근거가 통째로 흔들릴 수 있는 일이니까요.</p><p>이걸 잡아낸 건 작성한 내용을 스스로 한 번 더 점검하는 단계였습니다. 그 점검은 정식 규칙이 됐습니다. 이제 평가를 쓰기 전에 본인 프로필과 이력서로 신원을 자동으로 대조합니다.</p><p>앞서 이야기한 ‘단정하기 전에 정리된 곳부터 확인하기’나 파일이 깨지던 문제의 해결책도 같은 식으로 굳은 규칙입니다. 전부 한 번의 사고에서 나와 시스템에 내재화됐습니다. 근육이 부하를 받아 미세하게 찢어졌다 회복되며 더 강해지듯, 이 시스템도 사고를 한 번 겪고 그 자리를 규칙으로 메울 때마다 더 단단해집니다. 화려한 데모는 이런 부하를 겪을 일이 없습니다. <strong>실제로 일하는 시스템에만 쌓이는 자산</strong>이죠.</p><p>여기서 제가 가장 마음에 들어 하는 부분은 이 축적이 제 손을 거의 타지 않는다는 점입니다. 따로 날을 잡아 시스템을 정비하지 않아도 됩니다. 그냥 평소처럼 Claude로 일을 시키면 한 세션이 끝날 때마다 새로 배운 규칙과 정리된 문서, 그날의 스냅샷이 알아서 남습니다. 팀이 Slack에 기록을 남길수록 다음 날 정리가 좋아집니다. 사람들이 봇에게 물을수록 회사 문서가 두꺼워집니다. 쓰면 쓸수록 시스템이 알아서 조금씩 단단해집니다.</p><h3>무엇이 달라졌나</h3><p>가장 크게 바뀐 건 제 일의 무게중심입니다. 흔히 “AI 덕분에 수집에서 판단으로 넘어갔다”고들 말하지만, 제 경우엔 정확하지 않습니다. 수집은 여전히 해야 합니다. 다만 그 부담을 시스템이 덜어주니, <strong>저는 판단에 집중할 수 있게 됐습니다.</strong> 예전 같으면 도메인 히스토리를 다시 뒤지고 수십 개 채널을 훑고 회의 자료를 챙기고 반복되는 질문에 답하느라 적잖은 시간을 썼습니다. 그 시간이 줄어든 만큼 어디에 개입하고 무엇을 결정할지에 더 많이 쓸 수 있게 됐습니다.</p><p>솔직히 정량 지표로 “몇 퍼센트 개선”을 말하지는 못합니다. 그런 측정 체계를 따로 두지 않았으니까요. 대신 2주 넘게 멈추지 않은 자동 작업, 누구나 진행할 수 있게 된 회의, 사람에게 묻기 전에 답이 준비된 도메인 지식이 그 자리를 대신합니다.</p><p>결국 제가 배운 건 이겁니다. AI의 실제 가치는 그걸 어떤 구조와 규칙 위에 올리느냐에서 나옵니다. 모델이 얼마나 화려한지는 그다음 문제입니다. 아카이브와 실시간 정보를 구분하는 것, 사고를 규칙으로 남기는 것. 별로 멋있어 보이지 않는 이 두 가지가, 제 팀에서는 불가능을 가능으로 바꾼 진짜 엔진이었습니다.</p><h3>이 방식을 팀과 나누는 일</h3><p>처음 이 구조를 짤 때는 제 개인 도구에 가까웠습니다. 제가 맡은 일을 제가 편하려고 묶은 것이었죠. 그런데 한동안 돌려보니 혼자 쓰고 끝나면 의미가 절반이라는 생각이 들었습니다. 제가 자리를 비우면 그대로 멈추는 시스템은 결국 저에게 묶인 또 하나의 일거리일 뿐이니까요.</p><p>그래서 방향을 팀이 제게 의존하지 않는 것으로 잡았습니다. 주간회의를 누가 진행해도 같은 품질이 나오게 만든 것도 같은 맥락입니다. 제가 있어야만 돌아가던 일을 매뉴얼과 정리된 데이터로 옮겨두면, 그 일은 더 이상 저 한 사람의 것이 아니게 됩니다. 팀의 일이 되는 거죠.</p><p>전파는 위에서 아래로 내려보내는 방식으로는 잘 되지 않았습니다. 오히려 팀이 이미 쓰는 공간 안에서 자연스럽게 번졌습니다. 매일 도착하는 활동 정리의 품질은 팀원들이 Slack에 얼마나 남기느냐에 달려 있으니 시간이 지나며 기록하고 공유하는 문화가 함께 자랐습니다. 전사 채널의 봇은 다른 팀 사람들이 회사에 대해 묻고 답을 받는 사이, 그 답이 문서로 쌓여 회사 전체의 지식을 두껍게 만들었습니다.</p><p>그리고 그다음 고리가 이 글입니다. 팀 안에서 검증된 방식을 글과 뉴스레터로 바깥에 풀어놓는 것까지가 제게는 전파의 마지막 단계입니다. 한 사람의 생산성이 조금 오르는 데서 멈추면, 그 사람이 떠나는 순간 같이 사라집니다. 시스템과 규칙으로 남겨 다음 사람에게 건너가게 만드는 일, 저는 그게 AI를 제대로 쓰는 마지막 조건이라고 봅니다.</p><h3>아직 남은 숙제</h3><p>이 시스템이 일을 깊이 떠안을수록 도구 자체에 묶이는 정도도 같이 커졌습니다. Claude가 잠깐 흔들리거나 점검에 들어가면 그날 일정이 함께 멈출 수 있습니다. 매니징과 기획까지 얹어둔 터라 한 곳에 생긴 문제가 미치는 범위가 작지 않습니다. 그래서 정말 중요한 작업은 도구가 멈춰도 손으로 이어갈 수 있는 최소 절차를 따로 남겨두는 쪽으로 보완하고 있습니다.</p><p>외부에서 실시간으로 끌어오는 실제 현실정보는 생각보다 자주 늦게 업데이트됩니다. 조직도처럼 바깥 시스템이 원천인 데이터는 갱신이 밀려 있어서 그대로 믿으면 틀린 판단으로 이어집니다. 그래서 외부 값은 가져오되 내부에 정리해둔 문서와 반드시 대조하도록 해뒀는데, 이 대조를 더 자동화하는 게 다음 과제입니다.</p><p>성과를 숫자로 보여주지 못한다는 점도 계속 마음에 걸립니다. 가동 증거는 쌓이는데, 그게 시간을 얼마나 아꼈는지까지 추적하는 체계는 아직 없습니다. 거창한 대시보드까지는 아니어도 처리 건수와 개입 시점 정도는 가볍게 기록해두면 다음 판단에 쓸 수 있겠다고 봅니다.</p><p>마지막으로, 이 구조의 정확도는 결국 정리된 내용이 얼마나 최신인지에 달려 있습니다. 노트가 오래되면 답도 같이 낡습니다. 봇이 문서에 없는 내용을 자신 있게 답해버린 적도 있었습니다. 그래서 답이 흔들릴 때 스스로 출처와 불확실성을 드러내게 했습니다. 빈 곳을 발견하면 그 자리에서 문서를 채우도록 하는 장치도 조금씩 늘려가고 있습니다.</p><p>완성된 시스템이라고 생각하지 않습니다. 다만 어디가 약한지를 압니다. 약한 곳마다 다음 수를 두고 있고요. 지금은 그걸로 충분합니다.</p><p>그래서 마지막으로 묻고 싶습니다. 여러분의 AI는 쓸수록 단단해지고 있나요? 오늘 한 작업이 내일의 시스템에 남고 있는지, 한번 돌아보면 좋겠습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9502f906394c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/proofer-blog/claude%EB%A5%BC-%ED%8C%80%EC%9D%98-os%EB%A1%9C-%EC%93%B0%EA%B3%A0-%EC%9E%88%EC%8A%B5%EB%8B%88%EB%8B%A4-9502f906394c">Claude를 팀의 OS로 쓰고 있습니다</a> was originally published in <a href="https://medium.com/proofer-blog">프루퍼 블로그</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 포트폴리오 만들기 (Fin) 물만 주면 스스로 자라나는 사이트를 만들다]]></title>
            <link>https://hsol.medium.com/ai-%ED%8F%AC%ED%8A%B8%ED%8F%B4%EB%A6%AC%EC%98%A4-%EB%A7%8C%EB%93%A4%EA%B8%B0-fin-%EB%AC%BC%EB%A7%8C-%EC%A3%BC%EB%A9%B4-%EC%8A%A4%EC%8A%A4%EB%A1%9C-%EC%9E%90%EB%9D%BC%EB%82%98%EB%8A%94-%EC%82%AC%EC%9D%B4%ED%8A%B8%EB%A5%BC-%EB%A7%8C%EB%93%A4%EB%8B%A4-8c1e9ac2013a?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/8c1e9ac2013a</guid>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[aiportfolio]]></category>
            <category><![CDATA[ai-resume]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Thu, 28 May 2026 13:54:27 GMT</pubDate>
            <atom:updated>2026-05-28T13:54:27.193Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2_Ju53e-IAxMhAg7rVuG7w.png" /></figure><blockquote><em>한 사람의 포트폴리오 사이트를 AI 인프라로 운영하면 어떤 일이 일어나는지, 8개 시선에서 풀어 온 시리즈의 마지막 글입니다. 7편은 두 시선(퍼스널 브랜드=제품 / 자가 운영 사이트)을 한 자리에 묶어, 1~6편이 가리켜 온 한 운영 시스템을 닫는 클로징입니다.</em></blockquote><h3>여섯 시선의 끝에서</h3><p>이 시리즈는 같은 사이트 하나를 일곱 번 다른 자리에서 본 글입니다. 구직자로, 채용 담당자로, 미래의 나로, AI/LLM 엔지니어로, 데이터 파이프라인으로, 온톨로지 구현자로. 시선마다 다른 각도였는데, 6편을 마치고 돌아보니 시선들이 가리킨 곳은 결국 한 곳이었어요.</p><p>7편은 그 한 곳을 직접 보는 글입니다. 백데이터에서는 두 개의 시선(퍼스널 브랜드=제품 / 자가 운영 사이트)으로 잡혀 있었는데, 둘을 따로 풀어보면 결국 같은 결론으로 수렴하더라고요. 그래서 한 자리에 묶었습니다.</p><h3>시선마다 가리킨 곳은 같았다</h3><p>여섯 시선이 각각 다른 단어로 말하고 있었어요. 1편은 “갱신 비용이 0에 수렴하는 포트폴리오”라고 했고, 2편은 “묻기 전에 답이 준비된 후보자”라고 했고, 3편은 “오늘의 나만이 나의 오늘을 정확히 기록할 수 있다”고 했어요. 4편은 “한 명이 운영 가능한 최소 단위의 RAG 스택”, 5편은 “마크다운에서 React 까지 단계마다 책임이 분리된 7계층 ETL”, 6편은 “Foundry 데이터 모델을 1인 vault에 옮긴 실험”이었습니다.</p><p>여섯 단어가 다 다른데, 그 뒤에 깔린 한 가지가 같았어요. <strong>이 사이트가 내 손이 적게 가도 살아갈 수 있다는 가능성.</strong> 구직자에게는 갱신을 자동화한 인프라, 채용 담당자에게는 비동기 인터뷰 창구, 미래의 나에게는 외장 메모리로 보였고, 엔지니어에게는 한 명이 운영 가능한 RAG 스택, 데이터 파이프라인 시선에서는 책임이 분리된 ETL, 온톨로지 시선에서는 한 사람을 받아들이는 데이터 모델로 보였습니다. 같은 시스템이 청중에 따라 다른 이름으로 불린 거예요.</p><p>여섯 시선이 같은 곳을 가리킨다는 게 분명해진 다음, 두 개의 마지막 시선입니다. 퍼스널 브랜드=제품 시선과 자가 운영 사이트 시선. 둘 다 “이 시스템이 어떻게 살아 있게 되는가”라는 질문에 답해요. 하나는 “한 사람의 자기 표현을 제품으로 운영한다”는 각도이고, 다른 하나는 “사이트가 자기 자신을 운영하기 시작한다”는 각도입니다. 출발점이 다르지만 도착점이 같아서, 7편에서는 두 시선을 따로 풀지 않고 하나로 통합된 시선으로 묶어요.</p><h3>물만 주면 스스로 자라나는 사이트를 만들다</h3><p>하나로 통합된 시선을 한 문장으로 적으면 이래요. <strong>물만 주면 스스로 자라나는 사이트.</strong></p><p>사실 저는 식물을 잘 못 키우는 사람이에요. 신경 쓰면 과습으로 시들고, 안 쓰면 말라 죽어요. 화분 앞에서 늘 진퇴양난이거든요. 가만 보면 포트폴리오도 비슷한 처지였습니다. 자주 손대면 자주 어긋났고, 안 손대면 6개월 뒤에 정보가 다 낡아 있었어요. 신경 쓰는 만큼 잘 안 자랐고, 안 쓰면 시들었습니다. 하지만 그 와중에 제가 정글처럼 키워낼 수 있었던 식물이 있습니다. 바로 수생식물들이었는데요. 물과 그 물에 추가되는 영양소들(물고기 똥이었죠)만으로 딱히 신경쓰지 않아도 알아서 무성하게 자라나는 수생식물.</p><p>그래서 만들고 싶었던 게 신경 안써도 알아서 잘 자라는 수생식물과 닮은 시스템이에요. 물이 마르지 않게만 채우고 영양분만 지속해서 넣어주면 자라는, 그러니까 내가 마크다운 한 장만 던져 두면 그 뒤는 알아서 굴러가는 시스템. 한 사람의 자기 표현을 제품처럼 운영한다고 말할 수도 있고, 사이트가 자기 자신을 운영한다고 말할 수도 있겠죠.</p><p>물은 마크다운 한 장이에요. 새 회사가 추가되거나, 새 프로젝트가 끝나거나, 새 결정이 내려졌을 때 vault의 적당한 폴더에 마크다운 한 장을 더해요. vault에 commit·push하면 그때부터 빌드 파이프라인이 돌아갑니다.</p><p>여기서 중요한 메커니즘이 작동합니다. 마크다운 한 장이 추가되면 그 한 장만 사이트에 반영되는 게 아니에요. CI의 빌드 워크플로가 깨어나면서 LLM이 vault 전체를 다시 읽어요. 사건 하나만 들어왔는데 LLM은 전체 맥락을 한 번 더 점검합니다. 새 회사 한 곳이 추가됐다는 사실이 기존 회사들의 시기 정렬을 다시 바꿀 수도 있고, 페르소나 운영 매뉴얼의 한 줄을 다시 쓰게 할 수도 있어요. 한 장이 전체에 영향을 주도록 설계됐어요.</p><p>이 메커니즘이 자가 운영의 핵심이에요. 정적 사이트는 입력 하나가 출력 하나에만 매핑돼요. 새 글을 올리면 그 글 페이지 하나가 생기는 식이죠. 이 사이트는 다릅니다. 새 마크다운 한 장이 들어오면 LLM이 vault 전체를 한 번 더 정렬해서 SiteData를 새 모양으로 빚어요. 6편에서 풀었던 ObjectView 한 인스턴스가 매번 새로 만들어지는 거예요. 결과적으로 입력 하나가 출력 전체를 흔듭니다.</p><p>운영팀이 사람 한 명과 Claude 세션이라는 사실도 같은 메커니즘에서 의미를 가져요. 사람이 마크다운에 손으로 적든, Cowork 세션에서 Claude가 vault에 commit하든, 어느 쪽이든 같은 vault에 들어가요. 두 주체가 같은 저장소에 같이 commit한다는 사실이 1인 SaaS의 운영팀을 한 가지 더 확장합니다. 한 사람이 손이 가지 않는 영역을 다른 주체가 받아내는 구조거든요.</p><p>여기에 권한 4분할이 한 번 더 얹혀요. vault 편집 권한은 사람과 Claude 세션, Blob 업로드 권한은 hsol-info-blob 자체 CI, SiteData 정규화·submodule 갱신 권한은 메인 repo CI, 빌드·배포 권한은 메인 repo CI + 호스팅 플랫폼. 한 권한이 흔들려도 다른 권한이 사이트를 살리고, 사용자(저)가 손대는 권한은 vault 편집 하나로 좁혀져요. 운영의 단일 지점이 마련된 셈입니다.</p><p>이 모든 게 합쳐지면 한 가지 결과가 따라와요. 사이트의 갱신 비용이 실제로 0에 수렴해요. 1편에서 “갱신 비용 0”이라고 적었을 때 그게 비유처럼 들렸는데, 7편에 와서 그게 메커니즘이라는 점이 손에 잡힙니다. 마크다운 한 장 = 사이트 전체 갱신. 그 비율이 1대 N으로 굳혀진 시스템이 자가 운영 사이트의 정체예요.</p><h3>저는 오늘도 한 그루의 사과나무를 심었습니다</h3><p>시리즈를 닫는 글을 적는 지금 이 글도 곧 vault에 들어갈 거예요. 그러면 다음 빌드에서 LLM이 vault 전체를 다시 한 번 읽고, 새 시리즈가 닫혔다는 사실까지 포함해서 SiteData를 다시 빚어요. 페르소나 운영 매뉴얼의 어떤 줄은 미세하게 바뀌어 있을 거고, FAQ의 답 한 줄도 새 시리즈 발행 이후 톤으로 정렬될 거예요. 시리즈가 끝나도 vault는 한 commit 더 자라요.</p><p>1년 뒤를 떠올려 봐요. 다음 목표인 자동 크롤링이 작동하고 있을 거예요. 제가 Medium에 새 글을 올리거나 LinkedIn에 짧은 글을 쓰면, 그게 자동으로 vault의 action log로 들어오겠죠. 손으로 적던 일지가 자동 수집으로 바뀌면 물 주는 부담도 더 줄어들고, vault는 사람이 손으로 적지 않는 시점에도 자라기 시작해요. 운영팀이 사람 한 명 + Claude 세션 두 주체였는데, 거기에 “온라인 활동을 수집하는 자동 크롤러”라는 세 번째 주체가 합류하는 셈입니다.</p><p>5년 뒤도 떠올려 봐요. vault에는 지금보다 몇 배 더 많은 객체가 누적돼 있을 거예요. 새 회사·새 프로젝트·새 산출물·새 단행본 같은 것들. 그 사이에 LLM 모델은 분명 더 좋아져 있을 거고, retrieval과 tool use의 정밀도도 올라가 있을 거예요. 그런데 사용자(저)가 손대는 자리는 그때도 같아요. vault에 마크다운 한 장을 더 적고 git push 하는 일.</p><p>14년 뒤를 떠올려 봐요. 3편에서 풀었던 자기 기록의 사이클이 한 바퀴 더 돌아 있을 거예요. 미래의 제가 vault에서 “AI 포트폴리오 만들기”라는 시리즈를 우연히 다시 마주하고, 2026년 5월의 저를 한 번 더 만나겠죠. 그때의 미래의 저는 지금 이 글을 인용할 수 있을 거예요. 글이 봉인된 시점의 사실로요. 회상이 아니라 인용으로요.</p><p>이 시리즈를 시작할 때 저는 hsol.info를 한 사람의 포트폴리오 사이트라고 소개했어요. 7편을 닫으면서는 같은 사이트를 다르게 부르고 싶어요. <strong>물만 주면 스스로 자라나는 시스템.</strong> 사이트는 그 시스템의 한 단면이고, 미래의 저를 위한 외장 메모리도 그 시스템의 한 단면이고, 1인 SaaS의 release pipeline도 그 시스템의 한 단면이에요. 시선이 일곱이었던 게 아니라, 한 시스템이 일곱 자리에서 다른 이름으로 불렸을 뿐입니다.</p><p><strong>갱신 비용이 0에 수렴하는 시스템을 한 번 세워 두면, 그 다음은 사이트가 알아서 자랍니다.</strong> 운영자가 해야 할 일은 시스템을 세우는 일과, 가끔 물 한 컵 주는 일이에요. 그 둘만 하면 사이트는 5년 뒤에도 14년 뒤에도 살아 있을 거예요.</p><p>시리즈는 여기서 끝납니다. 그래도 시스템은 계속 자라요. hsol.info에 한 번 들러 보시면, 그 모습을 직접 보실 수 있어요.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mardLJSfaArFnx40u5ctdQ.png" /></figure><p><em>이 글은 “AI 포트폴리오 만들기” 시리즈의 마지막 7편입니다. 시리즈는 hsol.info를 8개 시선에서 풀어 온 일곱 번의 기록이었습니다. 사이트는 </em><a href="https://hsol.info/"><em>https://hsol.info</em></a><em> 에서 직접 확인할 수 있어요. 그동안 읽어 주셔서 감사합니다.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8c1e9ac2013a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI 포트폴리오 만들기 (6) 한 사람을 받아들이는 데이터 모델]]></title>
            <link>https://hsol.medium.com/ai-%ED%8F%AC%ED%8A%B8%ED%8F%B4%EB%A6%AC%EC%98%A4-%EB%A7%8C%EB%93%A4%EA%B8%B0-6-%ED%95%9C-%EC%82%AC%EB%9E%8C%EC%9D%84-%EB%B0%9B%EC%95%84%EB%93%A4%EC%9D%B4%EB%8A%94-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EB%AA%A8%EB%8D%B8-08a991b00299?source=rss-4f765df74757------2</link>
            <guid isPermaLink="false">https://medium.com/p/08a991b00299</guid>
            <category><![CDATA[aiportfolio]]></category>
            <category><![CDATA[온톨로지]]></category>
            <category><![CDATA[ontology]]></category>
            <category><![CDATA[팔란티어]]></category>
            <category><![CDATA[palantir]]></category>
            <dc:creator><![CDATA[임한솔]]></dc:creator>
            <pubDate>Wed, 20 May 2026 04:49:14 GMT</pubDate>
            <atom:updated>2026-05-20T07:56:59.530Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*4EXehk9RG-OQXhx69wdO4w.png" /></figure><blockquote><em>한 사람의 포트폴리오 사이트를 AI 인프라로 운영하면 어떤 일이 일어나는지, 8개 시선에서 풀어가는 시리즈입니다. 6편의 주제는 “Palantir Foundry Object Backend의 데이터 모델을 1인 vault에 옮겨 본 실험”입니다.</em></blockquote><h3>직접 만들어 보고 싶었어요</h3><p>저는 팔란티어 주주예요. 회사 사업에 관심이 생긴 게 몇 년 전이고, 사업의 본질을 더 알고 싶어서 분석가들이 Foundry 위에서 일하는 방식을 영상으로 자주 봤습니다.</p><p>영상 속 분석가는 데이터를 표로 다루지 않더라고요. 객체와 객체 사이의 연결을 따라가면서 사실을 모으고 있었어요. “이 인물과 연결된 모든 사건”, “이 자산과 연결된 모든 거래” 같은 질문이 그래프 탐색 한두 번으로 끝나는 환경이었습니다. 데이터를 사실로 보는 시선에서, 객체 그래프를 따라 움직이는 사실의 흐름으로 시선이 옮겨 가는 게 보였어요.</p><p>그걸 보면서 한 가지 호기심이 따라붙었습니다. <strong>저 데이터 모델을 본인에게 적용하면 어떤 그림이 나올까.</strong> 회사 데이터가 아니라 본인의 회사·프로젝트·결정·산출물·말투까지 객체로 다뤄 보고 싶었어요. 본인을 표가 아니라 그래프로 다루는 일이 어떤 일인지 손에 잡히게 알고 싶었습니다.</p><p>도구를 찾아 봤어요. Notion으로 비슷한 시도를 한 사람도 있고 Obsidian으로도 있긴 한데(그 얘기는 다음 섹션에서 풀게요), 두 도구 사이에 빈 자리가 보이더라고요. 그래서 결심했습니다. <strong>Obsidian으로 vault를 운영하되, 그 위에 Foundry의 데이터 모델을 한 층 더 얹어 보자.</strong></p><p>hsol.info의 vault는 그렇게 만들어졌어요. 문법과 그래프 시스템은 Obsidian을 그대로 쓰면서, 그 위에 Palantir Foundry Object Backend의 데이터 모델을 의도적으로 차용해 명시했어요. 비유가 아니라, vault 안의 README에 출처를 적어 두고 메타타입 폴더 구조까지 그대로 옮겨 적었습니다. 이 시리즈 6편은 그 옮겨 적기에 대한 이야기예요.</p><h3>Notion·Obsidian만으로는 닿지 못한 지점</h3><p>처음에는 Notion으로 시작했어요. 회사·프로젝트·아티팩트를 데이터베이스로 만들어 두고 서로 relation으로 연결하는 방식이요. 한동안 잘 굴러갔는데 어느 지점부터 답답해졌습니다. Notion의 데이터베이스는 표(table)에 가까워요. 한 회사 페이지에서 그 회사의 모든 프로젝트를 보려면 relation 컬럼을 따라가야 하고, 더 깊은 그래프 탐색은 만들기가 어렵습니다.</p><p>다음은 Obsidian이었어요. Obsidian은 처음부터 그래프 뷰가 있어서 wikilink로 객체를 연결하면 노트끼리 자유롭게 엮입니다. 그런데 이번에는 다른 문제가 따라왔어요. <strong>명시적인 데이터 모델이 없어요.</strong> 어떤 노트가 “회사”인지, 어떤 노트가 “프로젝트”인지를 사람이 머리로 분류하고 있어야 합니다. 6개월쯤 지나면 그 분류 규칙이 흐릿해지고, 노트 사이에 빠진 링크가 늘어나기 시작해요.</p><p>두 도구 사이의 빈 자리가 보이더라고요. <strong>표는 모델은 있는데 그래프가 약하고, 자유 노트 그래프는 그래프는 있는데 모델이 없다.</strong> 두 가지를 같이 가져가려면 도구가 아니라 데이터 모델 자체를 명시해야 했습니다. 그게 Foundry Object Backend가 한 일이고요.</p><h3>Foundry 온톨로지를 어떻게 읽었는가</h3><p>Foundry Object Backend가 데이터 모델을 정의하는 단위는 여덟 개예요. 메타타입과 인스턴스가 짝을 이루는 형태로 묶여 있습니다.</p><ul><li><strong>Object Type ↔ Object</strong>: 객체의 종류와 그 종류의 실제 인스턴스. 예를 들어 Object Type “회사”와 그 안의 Object 인스턴스 “Toss”, “RIDI”, “Antler”가 짝.</li><li><strong>Property</strong>: 각 객체가 가지는 속성. 회사라면 정식 명칭·업종·재직 기간 같은 것들.</li><li><strong>Link Type ↔ Link</strong>: 객체와 객체가 어떻게 연결되는지의 정의와 그 실제 연결. “사람은 회사에 근무한 적이 있다”가 Link Type이고, “임한솔이 Toss에 근무한 적이 있다”가 Link 인스턴스.</li><li><strong>Action Type ↔ Action</strong>: 객체에 일어날 수 있는 변화의 종류와 그 실제 변화. “프로젝트 시작”, “회사 입사” 같은 게 Action Type이고, “2014년 9월 RIDI 입사”가 Action 인스턴스.</li><li><strong>Interface</strong>: 여러 Object Type이 공유하는 공통 속성·관계의 추상. 예를 들어 “이름이 있고 시점이 있는 것”이라는 Interface를 회사·프로젝트·산출물 모두가 구현.</li></ul><p>이 여덟 개를 처음 봤을 때 한 가지가 따라붙었어요. 왜 하필 여덟 개로 줄였을까. 더 많은 메타타입을 둘 수도 있었는데 여덟에서 멈춘 이유가요.</p><p>제 해석은 이래요. 여덟 개가 한 사람이 머리에 담을 수 있는 어휘의 한계이고, 데이터 분석가가 한 화면에서 다뤄야 하는 모든 개념의 최소 단위라는 것. 메타타입을 더 늘리면 모델이 정밀해지지만 분석가가 한 번에 따라갈 수 없어져요. 적게 두면 모델이 표현력을 잃습니다. 여덟이 그 사이의 균형점입니다.</p><p>그리고 짝짓기 구조가 특히 눈에 들어왔어요. Object Type ↔ Object, Link Type ↔ Link, Action Type ↔ Action의 짝짓기는 메타와 인스턴스를 같은 저장소에 둔다는 디자인 선언이에요. 모델이 어딘가 별도 코드에 있고 데이터는 데이터베이스에 있는 게 아니라, 모델과 데이터가 같은 자리에서 같이 흐릅니다. 이건 일반적인 RDBMS의 분리(스키마와 데이터의 분리)와 다른 사고였어요.</p><p>Link Type과 Link의 분리도 마찬가지였습니다. “어떤 관계가 가능한가”(Link Type)와 “실제로 그 관계가 있는가”(Link)를 떼어 두면, 모델을 데이터로부터 검증 가능해져요. “이 회사에 임한솔이 근무한 적이 있다”는 인스턴스가, “사람은 회사에 근무한 적이 있다”는 정의된 Link Type을 따르는지 확인할 수 있거든요. 정의되지 않은 종류의 관계가 데이터에 들어오면 그건 모델의 빈자리이고, 모델을 손볼 신호입니다.</p><p>Action Type과 Action의 분리는 더 멀리 갑니다. 어떤 변화가 일어날 수 있는지를 미리 정의해 두고, 실제 일어난 변화를 그 정의의 인스턴스로 기록함으로써 <strong>데이터 변경 자체를 객체로 다루는 사고</strong>예요. 변경이 이벤트 로그가 아니라 1급 객체가 됩니다. 이 사고를 1인 vault에서도 옮겨 올 수 있을지가 6편의 한 가지 관전 지점이었어요.</p><p>Interface는 한 가지 다른 방향이었습니다. 메타타입끼리 가로지르는 쿼리를 가능하게 하는 추상이거든요. “이름이 있고 시점이 있는 모든 것”이라는 인터페이스가 있으면 회사·프로젝트·산출물을 한 검색으로 다룰 수 있어요. Object Type이 위에서 아래로 분류한다면, Interface는 옆으로 가로지르는 분류입니다.</p><p>여덟 메타타입을 처음 읽으면서 든 결론은 이래요. <strong>데이터 모델을 데이터처럼 다루는 사고가 이 여덟 메타타입에 박혀 있다.</strong> 데이터 모델 자체가 객체이고, 객체와 객체의 관계를 명시하고, 그 위에서 일어나는 일을 기록하고, 가로지르는 추상까지 메타타입으로 잡습니다. 분석가가 데이터를 보는 것과 같은 방식으로 데이터 모델 자체를 볼 수 있어요. 이걸 본인에게 적용해 보고 싶다는 게 출발점이었습니다.</p><h3>1인 vault에 어떻게 투영했는가</h3><p>옮겨 적기는 결정의 연속이었어요. Foundry는 회사 규모의 운영을 전제로 설계됐으니까, 1인 vault에 그대로 가져오면 운영 부담이 한 명의 한계를 벗어납니다. 옮길 부분과 적응시킬 부분, 그리고 빠뜨릴 부분을 정해야 했어요.</p><p>첫 결정은 폴더 구조였습니다. Foundry는 데이터 모델을 별도 메타데이터 저장소에 두지만, 1인 vault에서는 vault 안에 같이 두기로 했어요. _ontology/ 폴더 아래에 메타타입마다 하위 폴더를 만들고, 각 폴더 안에는 그 타입의 정의 마크다운이 들어갑니다. 사람이 읽을 수 있는 글로 적힌 데이터 모델이에요. 이걸 데이터와 같은 저장소에 두면 데이터 모델도 한 시점의 사실로 git에 보존되고, 모델 변경과 데이터 변경이 한 commit에 묶입니다. 분리를 풀어서 1인 운영을 가능하게 만든 결정이에요.</p><p><strong>Object Type</strong>은 사람·organizations·projects·artifacts·concepts·places·events·action log로 잡았어요. 사람은 임한솔 한 명이고, organizations 14곳, projects 13개, artifacts 11종, 그리고 concepts(페르소나·writing style 같은 추상 객체), places, events가 인스턴스로 채워져 있습니다. 객체 인스턴스 그룹은 5편 L3에서 풀었으니 여기서는 메타타입 정의의 위치라는 점만 짚어 둘게요.</p><p><strong>Property</strong>는 각 객체 노트의 frontmatter로 구현했어요. 타입·관련 개념·분석 시점·태그 같은 구조화 메타데이터가 frontmatter에 들어가고, 자유 서술은 본문에 들어갑니다. 머신이 읽을 부분과 사람이 읽을 부분이 한 파일 안에서 분리돼 있어요. Foundry는 Property 스키마를 별도 정의 화면에 두지만, vault에서는 frontmatter 자체가 정의이자 인스턴스가 되는 셈입니다.</p><p><strong>Link Type</strong>은 wikilink로 구현했어요. [[Proofer]], [[Toss]] 같은 참조가 그래프의 엣지를 만듭니다. 다만 Foundry처럼 Link Type 자체를 별도로 정의하지는 않고, wikilink가 가리키는 객체의 타입으로부터 Link Type을 추론해요. &quot;사람 노트가 회사 노트를 wikilink로 가리키면 그건 &#39;근무한 적이 있다&#39; 관계&quot;라는 식으로요. 정확도는 Foundry보다 낮지만 1인 운영에는 충분합니다. Foundry의 명시적 정의를 vault에서는 추론으로 갈음한 셈이에요.</p><p><strong>Action Type</strong>은 별도 폴더 action-log/로 구현했어요. 시간순으로 어떤 결정·작업·만남이 있었는지를 기록한 객체 인스턴스가 누적됩니다. 여기서 Foundry와 큰 차이가 있어요. Foundry의 Action은 데이터베이스 트랜잭션 단위로 자동 추적되는 1급 객체인데, vault의 action log는 지금 사람이 손으로 적는 일지로 운영하고 있어요. 자동 추적은 누락을 막아 주고, 사람이 손으로 적는 기록은 시간이 지나면 일부 누락되지만 그 시점의 의도와 맥락을 그대로 박아 둡니다. 지금은 손으로 적는 쪽으로 운영하면서 git history가 변경을 부수적으로 잡아 주고 있어요. 자동 추적까지 가져오는 건 다음 목표인데, 그 얘기는 한계 섹션에서 풀게요.</p><p><strong>Interface</strong>는 공통 프로퍼티를 모아 두는 폴더로 구현했어요. “이름과 시점을 가진다”는 인터페이스가 정의돼 있고, 회사·프로젝트·산출물 객체가 그 인터페이스를 따릅니다. 객체 사이를 가로질러 쿼리할 때 이 인터페이스가 검색 기준이 돼요.</p><p>옮겨 적기에서 가장 중요한 결정은 빠뜨린 부분이었어요. Foundry의 자동화·검증·마이그레이션 도구는 가져오지 않았습니다. 혼자 운영하는 환경에서 그 도구들을 같이 옮겨 오면 운영 부담이 폭발하거든요. <strong>본질(여덟 메타타입의 구조)만 옮기고, 자동화는 의도적 기록으로 갈음하고, 검증은 직접 손으로</strong>. 옮긴 게 50%이고 적응시킨 게 30%이고 빠뜨린 게 20% 정도예요. 그래도 가져온 본질이 50%였기에 본인을 객체로 다루는 실험이 작동할 수 있었습니다.</p><h3>사이트가 ObjectView 한 인스턴스의 시각화로 나타나는 순간</h3><p>여덟 메타타입을 vault에 옮긴 다음 한 가지가 따라왔어요. <strong>사이트의 홈페이지가 ObjectView 한 인스턴스의 시각화로 작동하기 시작했습니다.</strong></p><p>5편 L4에서 ObjectView 3종을 ETL 한 층의 분류로 풀었어요. 6편에서는 그 중 L4-C(정규화 SiteData) 한 인스턴스에 집중해서 봅니다. identity·pillars·personas·viewHeaders·portfolioCopy(home/hire/collab/builder/curious/ask)·career·education·certifications·languages·publications·faq를 한 묶음으로 담은 ObjectView 한 인스턴스가, 사이트 홈페이지가 사용자에게 보여주는 모든 것이에요. 페르소나 뷰 4종도, 이력 영역도, FAQ도 전부 이 한 인스턴스의 시각화입니다.</p><p>이게 의미하는 바가 큽니다. <strong>사이트 디자인을 바꾸는 일이 데이터 변경의 결과로만 일어나요.</strong> 페르소나 뷰의 카피를 손보고 싶으면 코드를 건드리는 게 아니라 vault의 객체 정의나 ObjectView 매핑을 손봐요. 디자인과 데이터 사이의 경계가 어느 한쪽에서 다른 쪽으로 흘러가는 일방 통로가 됩니다. 디자인 → 데이터가 아니라 데이터 → 디자인 한 방향이에요.</p><p>이걸 손에 잡히게 말하면, vault에 마크다운 한 장을 더 적은 다음 그 변화가 사이트의 어디에 어떤 모양으로 나타날지를 ObjectView 정의만 보고 예측할 수 있어요. 사이트가 일종의 결정적인 함수처럼 작동합니다. 같은 입력(vault)을 넣으면 같은 출력(사이트)이 나오고, 입력의 한 부분을 바꾸면 출력의 어디가 바뀔지가 미리 정해져 있어요.</p><h3>회고가 그래프 탐색이 되는 순간</h3><p>데이터 모델을 정확히 정의해 두면 회고에 변화가 옵니다. 예전에는 회고를 시작할 때 머리로 검색을 해야 했어요. “RIDI 시절에 했던 프로젝트가 뭐였더라” 같은 질문이 들어오면 기억에서 끄집어 올린 다음 그게 맞는지 다시 확인하는 식이었거든요.</p><p>vault가 그래프로 정렬된 다음에는 그게 그래프 탐색이 돼요. RIDI 객체 노트를 열고 그 노트에서 wikilink로 연결된 프로젝트 객체들을 따라가면 RIDI 시기 프로젝트가 한 번에 나옵니다. 기억에서 끌어올리는 작업이 그래프에서 끌어오는 작업으로 바뀌고, 끌어 올린 결과는 글이 봉인된 시점의 사실이에요. 회상보다 인용에 가까운 회고가 됩니다.</p><p>같은 메커니즘이 다른 회고에도 작동해요. “with CTO 운영하면서 만든 산출물 모음”, “Toss 시절 결정의 인과 흐름”, “단행본 한 권에 인용된 책 목록” 같은 회고가 그래프 탐색 한두 번으로 끝납니다. 회고의 정확도는 본인 기억력에 비례하는 게 아니라 vault 데이터 모델의 정밀도에 비례해요.</p><p>이게 3편에서 풀었던 “본인을 빠르게 잊는다”라는 한계의 한 가지 해법이기도 합니다. 사람의 기억은 시간이 지나면 흐릿해지지만, 데이터 모델 안에서 정렬된 사실은 흐릿해지지 않아요.</p><h3>1인 Foundry의 한계</h3><p>이 실험이 완전한 건 아니에요. Foundry를 한 명이 옮겨 적으면서 따라온 한계가 몇 가지 있습니다.</p><p>첫째, 외부 검증이 없어요. Foundry에서는 데이터 모델이 팀 합의의 결과로 만들어지는데, 1인 vault에서는 본인이 정의하고 본인이 따릅니다. 모델 정의가 본인 편향을 그대로 반영해요. 6개월·1년 뒤에 그 편향이 보일 때 모델을 손봐야 합니다. 이건 1인 운영의 본질적 비용이에요.</p><p>둘째, 모델 변경 마이그레이션이 어렵습니다. Object Type을 새로 만들거나 Property를 바꾸면, 기존 객체 인스턴스가 새 정의를 만족해야 해요. Foundry는 마이그레이션 도구가 있지만 vault에서는 사람이 일일이 손봐야 합니다. 그래서 메타타입 정의를 처음에 살짝 헐겁게 잡고, 자주 변경하지 않는 쪽으로 운영해요.</p><p>셋째, Action 자동화는 아직 못 했어요. Foundry의 Action은 데이터 변경을 자동 트래킹하고 그 자체로 시스템 이벤트가 되는데, 지금 1인 vault에서는 git history와 손으로 적는 action log로 갈음하고 있습니다. 이건 의도한 절제가 아니라 아직 손이 닿지 못한 영역이에요. 다음 목표는 적어도 온라인에서 일어나는 일들 — 제가 Medium에 글을 올리거나 LinkedIn에 글을 쓰는 활동 — 을 자동으로 크롤링해서 action log로 들어오게 만드는 거예요. 손으로 적는 부담을 줄이면서 자동 추적의 누락 방지를 같이 가져가는 게 목표입니다.</p><p>앞의 두 한계의 공통점은 “1인 운영이라는 제약 안에서 Foundry를 옮겨 적었을 때 따라오는 비용”이라는 거예요. Foundry의 모든 기능을 1인 vault에 그대로 가져올 수는 없습니다. 그러나 핵심 데이터 모델 8개 메타타입만으로도 나를 모델링하기에 충분했어요.</p><h3>한 사람을 받아들이는 데이터 모델</h3><p>이 실험을 한 줄로 요약하면 이래요. <strong>회사 데이터 모델 하나를 내 vault에 옮겨 적었더니, 그 모델이 나를 받아들였다.</strong></p><p>vault의 마크다운에 내 회사·프로젝트·산출물·결정을 적어 두니, 데이터 모델은 나를 한 인스턴스로 받아 들이고, ObjectView는 나를 한 페이지의 시각화로 정렬해 줍니다. 나를 그래프 위의 객체로 다루는 일이 비유 차원에서 멈추지 않고 데이터 모델 위에서 실제로 작동하기 시작했어요.</p><blockquote><strong>나를 모델링하려면, 기록을 더 쌓기 전에 그 기록이 들어갈 자리부터 잘 정의해 둬야 합니다.</strong></blockquote><p>내일은 7편 “퍼스널 브랜드 = 제품 시선과 자가 운영 사이트 시선”에서 만나요. 시리즈를 닫는 편이라 이 두 시선을 한 자리에 묶어, 같은 vault·같은 데이터 모델이 본인을 1인 SaaS로 운영하게 만들고 그 사이트가 어떻게 자기 자신을 운영하게 되는지 풀어볼 예정입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*h1yBkargKTkMmXwbZCkb4A.png" /></figure><p><em>이 글은 “AI 포트폴리오 만들기” 시리즈의 6편입니다. 시리즈는 hsol.info를 8개 시선에서 풀어갑니다. 사이트는 </em><a href="https://hsol.info/"><em>https://hsol.info</em></a><em> 에서 직접 확인할 수 있어요.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=08a991b00299" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>