정원

반복만으로는 루프가 아닙니다 — '아니오'라고 말해 줄 신호가 있어야 나아지고, 그 신호는 만든 쪽이 아니라 다른 쪽이 줘야 합니다.

에이전트가 내 두뇌와 메모리를 기억하고 있으면 프롬프트를 쓸 일이 줄어듭니다. 내가 무엇을 요구했고 어떤 프로젝트를 하며 어떤 스타일인지 이미 알기 때문에 "이어서 만들어보자" 한마디로 충분합니다.

본업이 따로 있는 채널은 수익 구조가 있어야 지속됩니다 — 수익 없는 채널은 투자 우선순위에서 밀립니다.

스토리보드 한 장은 콘텍스트 엔지니어링입니다 — 컷마다 말로 풀어 따로 만드는 대신, 한 장을 레퍼런스로 건네면 일관된 멀티컷 영상이 한 번에 나옵니다.

수백만 원짜리 바이브 코딩 부트캠프는 하지 마십시오. Claude Code 최상위 요금제가 한 달 20만 원이고 그 한 달이면 혼자서도 다 배우기 때문에, 바이브 코딩 교육의 가치는 20만 원이 상한입니다.

허락을 기다리지 말고 먼저 저지르고 용서를 구합니다.

좋은 광고는 빛 · 금속 · 신경망 · 앵글 · 맥박 다섯 가지 신호로 만들어집니다.

프로덕션 에이전트는 online eval과 offline eval 둘 다 필요하고, UXR 같은 qualitative eval과 사용자 피드백 루프, in-app survey도 함께 돌립니다. 멀티에이전트로 나눌지, 툴을 어떻게 관리할지 같은 설계 질문보다 evaluation을 어떻게 정의하는가가 먼저입니다.

2026년 실리콘밸리도 흔들리는 가운데 에이전트 오케스트레이션이 1순위 스킬입니다.

AI 에이전트의 발전은 사람에게 묻지 않고 얼마나 오래 스스로 테스트하고 고치며 만들어 나가는가로 측정합니다. 에이전트가 혼자 일하는 시간이 길어질수록 사람은 더 많은 일에서 손을 놓을 수 있습니다.

에이전트의 진짜 힘은 한 번 시키는 데 있지 않습니다. 시간마다, 매일 같은 임무를 반복해서 끝내게 만드는 데 있습니다.

AI 에이전트를 외부 도구에 붙일 때 Nate Herk가 권하는 우선순위입니다. 먼저 CLI를 찾고, 없으면 API를 쓰고(있으면 거의 100% CLI 래퍼로 감쌀 수 있습니다), CLI도 API도 없을 때만 MCP를 씁니다.

에이전트 코딩 도구는 서로 갈아끼웁니다 — Codex든 Claude Code든 개념은 같고, claude.md가 agents.md로 바뀔 뿐입니다.

에이전트를 제대로 쓰는 일은 맥락을 쌓는 Context 엔지니어링과 규칙을 세우는 Harness 엔지니어링, 이 둘을 익히는 것입니다.

에이전트 시대에 가장 중요한 것은 지능이나 토큰이 아니라 신뢰입니다. 토큰은 살 수 있지만 신뢰는 하루아침에 만들 수 없고, 에이전트는 결코 대신 책임을 질 수 없으므로 사람이 줄 수 있는 가장 큰 가치는 책임입니다.

AI 에이전트는 사람이 자는 시간까지 일하는 시간으로 바꿉니다. 한 번 짜 두면 기계가 알아서 돌린다는 코드의 장점이 이제 에이전트를 통해 개발자와 비개발자의 모든 업무로 넓어졌기 때문에, 에이전트는 도구가 아니라 팀 매니지먼트의 대상입니다.

다섯 명의 연구자가 2025년에 발표한 AI 2027 시나리오의 예측 대부분이 이미 현실이 됐습니다.

AI 에이전트는 똑똑하지만 잊어버립니다. 영구적인 개인 브레인은 원본 대화와 세션 간에 누적되는 유용한 지식 사이의 빠진 층입니다.

AI는 조직 전체의 생산성을 고르게 올리지 않습니다. 판단력이 뛰어난 상위 인재를 더 크게 증폭시키고, 나머지 워크플로우와 리뷰 레이어를 병목으로 만듭니다.

이제는 혼자서도 케이팝 뮤직비디오 한 편의 세계관을 짓는 일이 가능합니다.

AI 시대의 능력은 머리가 아니라 감각입니다.

지금 빅테크의 레이오프는 직원 몇 명을 줄이고 끝나는 구조조정이 아닙니다. 회사를 아예 AI 네이티브 회사로 탈바꿈시키겠다는 신호입니다.

영상 편집자는 더 이상 병목이 아닙니다. 컷을 말로 묘사하는 일이 새로운 공예이고, Claude Code를 든 한 명이 예전 포스트프로덕션 팀 전체가 메우던 역할을 혼자 덮습니다.

컴퓨터는 정해진 답이 있는 문제를 자동화합니다. 인공지능은 정해진 답이 없는 문제를 풉니다.

AI는 선택이 아니라 생존입니다.

AI가 팀입니다.

AI 시대의 레이오프는 다릅니다. 사람이 잘려나가는 것이 아니라, 직군 자체가 사라지고 있습니다.

AI를 끝까지 레버리지하면 불가능했던 다섯 가지를 동시에 합니다.

AI 전문가는 박사 학위가 아니라 AI를 잘 쓰고 알리는 사람입니다.

AI 맥시멀리스트는 도구 12개로 모달리티 7개를 전부 덮어 21세기 디지털 업무 전체를 혼자 처리합니다.

AI 네이티브는 AI가 거의 모든 일을 해낼 수 있다고 진심으로 믿고, 자신 역시 모든 도구를 끝까지 끌어다 능력과 한계를 최대치로 끌어올리는 사람입니다.

AI 네이티브 조직은 기존 워크플로우에 AI를 덧붙이는 방식으로는 경쟁할 수 없습니다. 역할을 다시 설계하고, 낡은 시스템을 폐기하며, agent manager 같은 새 운영자 역할을 만들어야 합니다.

AI 네이티브는 AI를 운영체제처럼 매일 켜고 손에서 놓지 않는 사람입니다.

AI 운영체제는 순서가 있는 네 단계 — 4C로 만들어집니다. Context(나와 내 사업이 누구인지), Connections(닿을 수 있는 실시간 데이터), Capabilities(만들어 둔 스킬·에이전트·자동화), Cadence(그 능력이 스스로 돌아가는 것). 앞의 둘은 세컨드 브레인이고, 뒤의 둘이 운영체제입니다.

AI 프로덕트 개발에는 쉬운 길이 없습니다.

AI 인재전쟁에서 살아남는 인재의 조건은 세 가지입니다. 일의 틀을 잡는 스캐폴딩을 깎아낼 수 있는가, 그 스캐폴딩이 서로 다른 문제를 같은 방식으로 병렬 처리하게 만드는가, 결과물의 임팩트를 검증할 리뷰어의 감이 있는가입니다.

AI 영상은 완전히 새로운 콘텐츠 시장입니다.

알렉스의 전체 약력과 경력은 링크드인(linkedin.com/in/alexsanghyeonahn)에 정리되어 있습니다. 메타 이전 경력까지 포함한 이력은 링크드인에서, 글과 강의·영상은 careerhackeralex.com과 유튜브 @careerhackeralex에서 볼 수 있습니다.

알렉스가 세컨드 브레인을 만든 이유는 자신을 최대한 대체할 수 있는 서비스를 원했기 때문입니다. 구독자 질문에 일일이 답할 수 없으니, 답을 안 하는 대신 자신의 생각을 담은 지식 시스템에 직접 묻게 했습니다.

알렉스는 회사 180곳에 서류를 냈고 페이스북 최종 면접에서 떨어졌습니다. 몰로코에서 일하던 중 다시 연락을 받아 미련 없이 일주일만 준비하고 본 면접은 오히려 잘 풀려 합격했습니다.

알렉스는 소프트웨어 엔지니어입니다 — 메타 9년차 시니어 스태프 소프트웨어 엔지니어(E7)로, 2026년 8월부터 AX(Agent Transformation) 조직에서 Agent Memory 팀 테크리드를 맡고 있습니다. 스태프 레벨에서 코딩 시간이 줄어드는 것은 역할이 위로 이동한 것이지, 엔지니어가 아니게 된 것이 아닙니다.

알렉스가 2026년 8월 메타에서 새로 합류한 조직의 이름은 에이전트 트랜스포메이션(Agent Transformation)입니다. 알렉스는 이 조직의 일을 에이전트 중심의 워크플로와 시스템 재설계로 설명합니다.

24시간 도는 AI 에이전트를 위해 맥 미니를 살 필요는 없습니다. 맥 미니의 장점은 무료 로컬 모델을 돌리는 것뿐이고, 대부분은 월 20달러 정도의 Claude Code나 Codex 구독으로 더 좋은 성능을 내므로 가장 저렴한 맥북을 켜 두는 것으로 충분합니다.

AI 운영체제는 아키텍처에서 시작하지 않습니다 — 디폴트에서 시작합니다. 탭과 구독을 여기저기 흩뜨리는 대신 모든 일을 하나의 하네스로 기본값처럼 처리하는 것, 그것이 결국 시스템을 가치 있게 만드는 컨텍스트·메모리·선호를 쌓습니다.

Anthropic의 연 매출이 12개월 만에 3배로 뛰며 처음으로 OpenAI를 추월했습니다.

공개 API가 없는 사이트(Skool, Craigslist, Domino's, ESPN)라도 AI 에이전트가 다룰 수 있습니다. Printing Press 같은 CLI 팩토리로 엔드포인트를 역공학하고 Go CLI를 만든 뒤 스킬로 감싸면 — 보통 10분이면 됩니다.

이 세컨드 브레인은 누구나 직접 만들 수 있습니다. 코드를 짜는 것이 아니라 — 카르파시가 정리한 'LLM 위키' 패턴처럼, 클로드 코드 같은 에이전트가 마크다운 지식 베이스를 대신 만들고 유지하게 하면 됩니다.

다음 기술은 아키텍처 엔지니어링입니다. 나도 에이전트도 직관으로 길을 찾도록 파일과 폴더를 놓는 일 — 컨텍스트·프롬프트·하네스 다음에 옵니다.

컨텍스트 엔지니어링, 프롬프트 엔지니어링, 하네스 엔지니어링 다음은 아키텍처 엔지니어링입니다. 나와 내 에이전트 둘 다 직관적으로 탐색할 수 있도록 파일과 폴더를 배치하는 일입니다. 점검 기준은, 내가 어떤 파일이든 손으로 찾아 들어갈 수 있는가, 그리고 에이전트가 그것을 빠르게 찾는가입니다.

새 기술을 설치하고 온보딩하는 일은 두려워할 필요가 없습니다. Claude에게 "이거 설치해 줘", "디스코드 연결은 어떻게 해?"라고 처음부터 끝까지 물으면 Claude가 채팅 한 번으로 설치와 연결까지 대부분 해 줍니다.

1:1 미팅은 잘된 일이 아니라 가장 힘든 일부터 묻습니다.

도구 자체가 세상을 바꾼 적은 없습니다. 진짜 변화는 그 도구 때문에 기존 방식을 버릴 때 시작됩니다. 망가진 프로세스에 더 좋은 기술을 넣으면 더 빠르게 망가집니다. 새 기술 앞에서 물을 것은 "이걸 어디에 쓸까"가 아니라 "이게 처음부터 존재했다면 우리는 지금도 이렇게 일하고 있을까"입니다. 도구를 보지 말고 일을 다시 봐야 합니다.

정답이 흔해진 시대에는 사람의 질문과 목소리가 귀해집니다.

메타에서 엔지니어의 진짜 일은 코딩이 아니라, 50~100명의 이해관계자를 설득하며 논문처럼 긴 요구 사항 문서를 쓰는 것입니다. 그 문서를 들고 실제 노동은 에이전트에게 시킵니다.

AutoKliq은 — 알렉스가 한 줄도 직접 짜지 않은 상용 제품입니다. 전 코드를 Claude Code가 저작했고, autokliq.com으로 출시되었습니다.

AX는 사람이 하던 일을 에이전트가 대신하도록 시스템을 설계하고 human-agent interface를 만드는 일입니다. 툴을 사주는 일도, 교육을 시키는 일도 아닙니다. 일이 흘러가는 구조 자체를 다시 설계하는 일입니다.

AX의 끝은 AI를 잘 쓰는 회사가 아닙니다. 대부분의 운영과 결정을 에이전트가 하고 사람은 꼭 필요한 순간에만 개입하는 human-on-the-loop 회사입니다. 그 회사는 아직 없고, 지금 만드는 중입니다. "딸깍 하면 다 되는 AI"가 와도 그 딸깍 버튼을 더 잘 만드는 일이 남습니다.

AX가 실패하는 가장 큰 이유는 AI를 도입하면서도 조직은 변하지 않기 때문입니다. 조직은 인간의 능력과 한계에 맞춰 설계됐지만 에이전트는 밤새 일하고 100개를 동시에 돌릴 수 있습니다. 질문은 "어떤 AI를 쓸까"가 아니라 "우리는 왜 아직도 이렇게 일하고 있지"이고, 우리 스스로가 병목임을 깨닫고 에이전트에게 진짜 일을 맡기도록 설계하는 것이 AX의 진짜 시작입니다.

AX에는 "이후"가 없습니다. 한 번 하고 끝나는 일이 아닙니다. 중요한 것은 유지보수가 아니라 피드백 루프이며, failure case의 처리까지 AX 시스템 안에 설계되어 있어야 합니다. 누군가 "리포트 숫자가 이상한데?"라고 말하는 순간 에이전트가 그것을 픽업해 시스템을 고치고 사람에게 결재를 받는 구조까지가 설계 범위입니다.

AX라는 단어는 한국에서만 쓰입니다. IT·DX·AI·AX의 용어 구분보다 중요한 것은 "우리 조직의 어떤 병목을 에이전트로 풀 것인가"에 답할 수 있느냐입니다.

AX는 코어 비즈니스와 거리가 먼 소모적인 커리어가 아니라 비즈니스 운영 그 자체입니다. 코어 비즈니스를 생각하지 않은 AX는 처음부터 방향이 잘못된 것이고, AX의 역량은 기술보다 비즈니스와 사람에 대한 이해에서 옵니다. 팀에 필요한 능력은 리더십, 도메인 지식, 문제 해결 능력 순입니다.

AX는 AI 도입 프로젝트가 아닙니다. 컬쳐와 오퍼레이션 프로세스의 재정의입니다.

AX의 본질은 회사 자원을 사람(headcount)에서 컴퓨터(compute)로 재배치하는 resource re-allocation입니다. 사람은 잠을 자야 하지만 회사까지 잠을 잘 필요는 없습니다.

AX에서는 기술보다 커뮤니케이션 능력이 더 중요합니다. AX는 프로세스와 운영, 비즈니스를 중심으로 다시 짜는 일이라서 문제를 파악하고 솔루션을 만든 뒤 그것을 팔고 설득해야 하며, 그래서 영어가 중요할 수밖에 없습니다.

AX는 목표 정의에서 시작합니다. 문제를 푸는 프로세스의 병목이 무엇인지 파악하고 그것을 어떻게 개선할지를 정합니다. 공략할 곳은 모두가 pain point로 느끼면서도 "필요성은 느끼지만 하기 귀찮은 일"입니다. 그것을 해결했을 때 내부 반응이 가장 좋습니다.

AX의 성공지표는 채택률이 아니라 business impact입니다. 툴 채택률은 높은데 아웃풋이 안 바뀌는 가짜 도입은 실재합니다. 엔드투엔드 딜리버리 시간, 사람 간 미팅 수, 프로덕트 퀄리티, 같은 인력으로 낸 매출로 측정하고, 그 측정을 설계하는 것까지가 AX의 일입니다.

AX인재전쟁 해커톤은 AI를 좀 써 본 사람이면 두 시간이면 충분합니다. 핵심은 셋입니다. 문제 정의와 로드맵을 짤 수 있는가, 그 로드맵을 AI로 scaffold할 수 있는가, 검증 단계(human-on-the-loop)를 설계할 수 있는가. 사회초년생에게 어려운 이유는 AI를 못 써서가 아니라 문제를 어떻게 풀어야 하는지 배워 보지 못해서입니다.

알렉스는 하버드 교수의 행복지수 테스트에서 지금의 자신이 10점에 가깝다고 느꼈지만, 나만 행복한 것이 행복인지 되묻습니다. AI보다 중요한 목표는 누군가의 행복지수를 높여 줄 수 있는 사람이 되는 것입니다.

회사에서 무서운 건 채찍이 아니라 당근입니다.

실리콘밸리는 두려움과 꿈 두 축으로 직원을 갈아 넣습니다.

실리콘밸리 성과 평가는 임팩트·전문성·방향성·소프트스킬 네 축으로 갈립니다.

연봉 20억 동료의 차이점은 객관성·번아웃 면역·전원 존경 세 가지입니다.

경력이 없을 때는 무보수를 제안해서라도 첫 자리를 만듭니다.

병목은 사라지지 않았습니다. 편집 기술에서 감각으로 옮겨갔습니다.

잠자는 동안 에이전트가 브레인을 운영합니다. '드림 사이클'이 모든 대화를 스캔하고, 누락된 엔터티를 보강하고, 깨진 인용을 고치고, 기억을 통합하므로 깰 때 브레인은 잠들 때보다 더 똑똑해져 있습니다.

AI 네이티브 분업은 셋입니다. 두뇌는 기억합니다. 에이전트는 일합니다. 사람은 — 무엇을 시킬지 결정합니다.

확장 가능한 개인 브레인은 스스로 연결됩니다. 모든 페이지 쓰기가 엔터티 참조를 추출하고 타입화된 그래프 링크(attended, works_at, invested_in, founded, advises)를 LLM 호출 없이 생성하므로, 쓰기마다 추론 비용을 내지 않고 그래프가 확장됩니다.

Superpowers는 코드를 짜기 전에 로컬호스트 대시보드에 2-3개 시각 시안 — 레이아웃, 컬러, 마인드맵 — 을 띄워 사람이 방향을 고르게 합니다. 잘못된 방향에 토큰을 태우기 전에 정렬을 잡습니다.

앞으로 모든 직군은 빌더 아니면 리뷰어로 갈립니다.

지금 시대에 성공할 인재는 빌더 마인드 · 감각 · 속도 세 가지를 갖춥니다.

잘 만드는 빌더가 아니라 엣지가 있는 빌더가 살아남습니다.

에이전트를 만드는 건 쉽습니다 — 귀한 건 그걸 잘 부리는 사람이고, 그 자리는 아직 비어 있습니다.

이제 문제는 만들 수 있느냐가 아닙니다 — 무엇을, 왜 만드느냐로 옮겨갔고, 어떻게는 맥락과 위임이 대신합니다.

제품을 만드는 건 절반일 뿐입니다 — 아무도 모르는 앱은 없는 것과 같고, 나머지 절반은 알리고 파는 일입니다.

'커리어해커'라는 이름은 두 갈래에서 나왔습니다. 알렉스가 원래 커리어 코칭을 했기에 '커리어'이고, '해커'는 시스템을 파고드는 사람이자 동시에 개발자라는 중의적 의미를 노려 채택한 것입니다.

디자인을 몰라도 10분이면 자기 캐릭터 하나를 뽑을 수 있습니다.

이제 실무는 덜 중요합니다. 그 사람의 매력이 더 중요합니다.

새 기법을 끝없이 따라잡다 지치는 것은 고삐를 놓쳤다는 신호입니다. 고삐를 쥔다는 건 모든 기법을 익히는 게 아니라, 익히지 않아도 되는 것을 가려내는 판단 기준을 갖는 것입니다.

2024년의 챗봇 시대는 끝났습니다. 지금은 도구를 묶어 임무를 끝내는 에이전트의 시대입니다.

챗봇은 설명까지, 코워크는 실행까지입니다 — 코워크는 실제로 컴퓨터를 작동해 폴더를 읽고 파일을 분석하고 새 보고서를 만듭니다.

앞에서 묻는 토큰은 쌉니다. 뒤에서 다시 짜는 토큰이 비쌉니다.

회사도 연봉도 직무명도 아니라, 함께 일할 매니저를 보고 고릅니다.

잘 훈련된 AI 코딩 플러그인이 비용을 줄이는 진짜 이유는 단계가 적어서가 아니라 비싼 재시도와 되돌리기를 막기 때문입니다. 앞에서 질문에 토큰을 쓰는 편이 네 번 다시 돌리는 것보다 쌉니다.

23개의 슬래시 명령어 전문가 — CEO, 디자이너, 엔지니어링 매니저, 리뷰어, QA, 보안 책임자, 릴리스 엔지니어 — 가 단일 Claude Code 세션을 가상의 엔지니어링 팀으로 바꿉니다.

클로드 코드를 쓰기 시작한 뒤로 누가 누구 일을 시키는지도 모르겠습니다.

Claude Code는 여섯 개의 빌딩블록으로 작동합니다 — CLAUDE.md · Skills · MCP · Sub-agents · Hooks · Plugins.

Claude Code는 코딩 도구가 아니라 에이전트가 사는 운영체제입니다.

Claude Code 영상 파이프라인은 모션 그래픽은 HyperFrames, 트리밍은 video-use에 맡기고 Claude Desktop이 각 단계를 라우팅하는 지휘자가 됩니다.

Claude Code가 앱을 만들게 한 뒤, headed Playwright 브라우저로 직접 테스트하게 하고, 단계마다 스크린샷을 찍고, 발견한 버그를 보고하고, 코드를 고치고, 통과할 때까지 다시 돌리는 — 완전 무인 QA 루프입니다.

클로드 코드는 속도와 커뮤니티, 비개발자까지의 침투로 시장을 잡습니다.

Claude Code의 블록은 전부 텍스트 파일입니다 — 코딩이 아니라 글쓰기로 소프트웨어를 만듭니다.

Claude Code의 진짜 힘은 CLAUDE.md가 아니라 스킬 시스템에서 나옵니다. 필요한 순간에만 스킬 파일을 불러오는 점진적 노출 방식이, 모든 컨텍스트를 항상 로드되는 단일 파일에 몰아넣는 방식을 이깁니다.

Claude Design은 URL을 직접 열고 GitHub 레포를 뒤집니다. 그 결과 21st.dev·Motion Sites 같은 컴포넌트 갤러리가 복붙 가능한 디자인 소스가 됩니다.

Claude Design 사이트가 마음에 들면 hand-off 명령이나 zip 익스포트로 Claude Code에 넘기고, Claude Code가 GitHub 푸시와 Vercel 배포를 처리합니다. 무거운 코드 작업이 디자인 한도를 갉아먹지 않습니다.

Claude Design은 Claude 챗·Claude Code와 별개의 Anthropic 앱입니다. 웹사이트·슬라이드·프로토타입 전용이며 세션 한도도 주 단위로 따로 리셋됩니다.

Claude Design의 Tweaks 패널(슬라이더·드롭다운·프리셋)로 시각 변형을 돌립니다. 토글 한 번이 프롬프트 한 번 아낀 셈입니다.

Claude Design은 Opus 4.7의 눈으로 자기가 렌더링한 화면을 직접 봅니다. Verify 에이전트가 슬라이드·페이지를 한 장씩 점검해 틀어진 곳을 스스로 고친 뒤 넘깁니다.

Claude는 모델 하나가 아니라 채팅 · CoWork · Claude Code 세 표면이 하나로 묶인 제품입니다.

CLAUDE.md를 처음부터 완벽하게 쓰려고 하지 마십시오. 클로드가 실수하는 그 순간에 바로 CLAUDE.md에 반영하라고 시키는 것이 가장 ROI 높은 운영 방식입니다.

CLAUDE.md는 규칙과 참조 링크만 담고, 상세 내용은 별도 파일로 분리하십시오. API 스펙·DB 스키마·아키텍처 문서를 매 세션 로드하는 것은 토큰 낭비이며, 참조로 필요할 때만 불러오는 것이 효율적입니다.

CLAUDE.md는 README가 아닙니다. 사람에게 프로젝트를 소개하는 문서가 아니라, 클로드 코드가 같은 실수를 반복하지 않게 만드는 가드레일입니다.

코드를 읽으면 알 수 있는 사실은 절대 CLAUDE.md에 쓰지 마십시오. 클로드는 코드를 읽을 수 있으므로, 코드로 드러나지 않는 함정과 규칙만 CLAUDE.md에 남깁니다.

Skills는 정해진 양식을 깨고 명령 한 줄로 결과물을 생성합니다.

Claude가 AI 시장을 점령합니다. 이기는 변수는 속도입니다.

잘하는 개발자의 코드는 이름·작은 PR·테스트·무코멘트·깔끔한 제목으로 드러납니다.

잘 읽히는 글은 TL;DR로 시작해서 절반으로 줄인 글입니다.

에이전트에게는 CLI가 MCP와 API보다 낫습니다. CLI는 짧게 정제된 출력만 돌려주고 인증을 한 번만 잡으며 도구 카탈로그를 컨텍스트 창에 띄우지 않습니다 — Nate Herk 벤치마크에서 MCP는 같은 작업에 약 35배 많은 토큰을 쓰고 작업 난이도가 오르자 신뢰도가 100%에서 72%로 떨어졌습니다.

CLI를 쓰면 에이전트가 큰 데이터를 가져와도 컨텍스트가 더러워지지 않습니다. 13만 2천 토큰짜리 원본 응답은 CLI의 로컬 미러(예: SQLite)가 흡수하고 모델에는 약 2천 토큰 요약만 돌려보내, 벌크 데이터가 세션에 닿지 않습니다.

팀 단위로 만든 에이전트용 CLI는 코드처럼 배포합니다. CLI와 스킬 래퍼를 비공개 깃허브 레포에 올리면 팀원이 클론한 뒤 각자 자기 API 키만 끼워 쓰는 식 — 한 사람의 역공학이 팀 전체의 도구가 됩니다.

코드를 짜는 개발자는 줄어들고 코드를 관리하는 개발자가 강해집니다.

Text-to-lottie는 Claude Code·Codex 등 스킬을 지원하는 코딩 에이전트로 프로덕션급 Lottie 모션 그래픽을 만들어 주는 오픈소스 하니스입니다. 출력된 JSON은 웹·iOS·안드로이드·Flutter에서 바로 쓰거나, After Effects로 가져와 다듬을 수 있습니다.

코딩은 더 이상 직접 짜는 일이 아닙니다. AI를 조율하는 일이 됩니다.

코딩은 이제 RPG 게임입니다. 캐릭터 다섯 명을 동시에 굴립니다.

사람끼리 소통하며 일하는 것은 이제 너무 비싼 비용입니다.

고연봉은 천재성이 아니라 회사·매니저·끈기의 합입니다.

실리콘밸리의 리더들은 돈이 아니라 자기 증명을 위해 일합니다.

이제 경쟁은 모델 퀄리티가 아니라 모델을 감싸는 harness에서 갈립니다 — 모델이 두뇌라면 harness는 손과 발과 몸입니다.

프롬프트 엔지니어링은 끝났습니다. 이제는 컨텍스트 엔지니어링입니다.

결과물 하나는 Context와 Harness가 합쳐져 나옵니다 — 리서치로 쌓은 맥락이 내용을 채우고, 디자인 시스템이라는 규칙이 형태를 잡습니다.

컨텍스트가 결과의 80%입니다 — 좋은 컨텍스트가 좋은 답을 만들고, 컨텍스트의 유무가 답의 질을 가릅니다.

대화형 AI가 가장 먼저 자리잡는 분야는 교육과 콘텐츠입니다.

유튜브로는 끝까지 배우기 어렵습니다 — 강의는 동기를 붙잡아 완강과 체계적 학습을 만듭니다.

Claude CoWork는 비개발자도 터미널 없이 에이전트를 부려 컴퓨터를 직접 작동시키게 만든 데스크톱 앱입니다.

리서치는 한 에이전트에 맡기지 않습니다. 다섯 개를 동시에 돌리고, 결과를 서로 교차 검증시켜 한 장으로 합칩니다.

메타 CTO와 1:1을 잡을 정도로 AI 네이티브 전환이 산업 전체를 흔듭니다.

Deep Research는 사회초년생의 일자리를 지웁니다.

Deep Research는 한 달에 100만 원을 내도 아깝지 않은 AI입니다. 출처가 달린 보고서 작성, 시장 조사, 어려운 문제 풀이를 해내기 때문에 보고서를 쓰는 사람이 쓰지 않으면 매달 그만큼 손해를 봅니다.

알렉스의 홈페이지 "딥 테이크"는 Opus 5.5가 하룻밤 사이에 만든 웹사이트 시안 다섯 개 중 두 개의 장점을 합쳐 나왔습니다. 빨간 선이 이어지는 "원테이크"와 사진 속 사진으로 들어가는 "무한줌"을 합쳐 달라고 하자 여섯 번째 시안이 나왔고, 그것이 지금의 홈페이지입니다.

분신(Sub-agent)에게 위임하면 컨텍스트가 보존됩니다 — 각 분신은 고유한 컨텍스트를 새로 받고, 메인 에이전트는 결과만 취합해 거의 늘지 않습니다.

실무는 더 이상 중요하지 않습니다. 중요한 건 위임과 검증입니다.

AI로 디자인하는 일은 매번 새로 시키는 것이 아니라 규칙을 만드는 것입니다 — 디자인 시스템이라는 규칙 한 벌이 모든 결과물을 하나의 브랜드로 통일합니다.

Claude Design에서 디자인 시스템(색·로고·타이포·버튼)을 한 번만 만들고, 결과물 design.md를 모든 다음 프로젝트와 Claude Code 레포에서 재사용합니다.

일기는 손으로 쓰지 않고 음성 AI에게 말로 풀어 맡깁니다. ChatGPT 보이스와 5분쯤 하루를 이야기하면 친한 친구와 수다를 떠는 느낌인데, 그 친구가 일기를 대신 정리해 줍니다.

한 사람이 회사가 되려면 디스코드가 새로운 조작판이 됩니다.

잘 만든 프롬프트는 직접 쓰지 않습니다. AI에게 '프롬프트부터 만들어줘'라고 부탁하면 더 좋은 프롬프트가 돌아옵니다.

사람이 코드를 리뷰하는 일은 사라집니다. 사람은 AI가 코드를 쓰는 속도를 절대 따라갈 수 없으니, 내 리뷰 스타일을 꾹꾹 눌러 담은 코드 리뷰 스킬을 만들어 에이전트에게 맡겨야 합니다.

엔지니어 레벨은 다른 크기의 성을 짓는 사람들입니다.

모든 회사는 자체 하네스가 필요합니다. 서드파티 하네스는 회사 내부 툴과의 연동성과 behavioral control에서 떨어질 수밖에 없습니다. 비개발자에게 "클로드 코드 쓰세요"라고 말하는 것에는 한계가 있고, 사내 에이전트는 자체 하네스에서 출발합니다.

AI 시대의 진짜 차이는 누가 먼저 실행하느냐입니다.

실력은 최소 조건일 뿐이고 정치·목소리·책임이 그 위를 만듭니다.

한 프로젝트 스레드가 길어지면 토큰이 캐시에서 풀리고 맥락이 썩기 시작합니다. 익스포트한 결과물을 새 세션에서 이어받으면, 처음이 아니라 만들어진 상태에서 다시 시작합니다.

알렉스는 2026-05-16 패스트캠퍼스 무료 세미나 「AI 네이티브로 일하기」를 진행했습니다. 비개발자 대상 90분, 네 가지 라이브 데모로 구성되었습니다.

남을 도와주지 말고 피드백을 주십시오.

커리어 초반에는 100점 한 번보다 80점 다섯 번이 더 크게 남습니다.

AI 비서를 제대로 부리는 규칙은 다섯 가지입니다. 질문 대신 목표를 주고, 여러 요청을 묶어 결과만 보고받고, 돈 쓰는 일에는 한도와 결제 전 확인을 걸고, 여러 앱을 이어서 시키고, 전화번호와 링크는 확인된 것만 받습니다.

Garry Tan의 2026년 논리적 코드 변경 속도는 2013년 페이스의 약 810배입니다 (하루 11,417 vs 14 논리적 라인, AI로 부풀려진 원시 LOC 보정). 40개 개인 저장소에서 측정 — AI로 생산성이 올랐다는 사실이 부풀림을 보정한 뒤에도 그대로 남는다는 구체적 증거입니다.

에이전트에게는 프롬프트가 아니라 키를 줍니다. 할 수 있으면 언젠가 합니다 — 그래서 고삐는 지시가 아니라, 그것이 실제로 닿을 수 있는 범위입니다.

에이전트 /goal의 진짜 가치는 24시간 자율 마라톤이 아닙니다 — 명확하고 객관적인 완료 조건과 검증을 함께 주는 것입니다. 그래야 자리를 비워도 돌아왔을 때 일이 실제로 끝나 있다고 믿을 수 있습니다.

목표는 계속 바뀝니다. 지금 추구하는 이상이 곧 목표입니다.

좋은 콘텐츠를 만드는 일과 더 많은 사람에게 닿게 하는 일은 둘 다 전문 팀을 필요로 합니다.

이제 좋은 미팅은 좋은 프롬프트를 남깁니다.

GPTs는 스킬로 진화했습니다. 누군가의 워크플로우를 통째로 받아 내 작업에 끼워 쓸 수 있는 단위가 됐습니다.

뛰어난 엔지니어의 중심 역할은 코드를 직접 쓰는 것에서 에이전트를 오케스트레이션하고 리뷰하는 것으로 이동합니다.

엄청난 개발자는 혼자 잘하는 사람이 아닙니다. 옆 사람을 성장시키는 사람입니다.

리더는 차가워지는 법을 배워야 효율적입니다.

일 잘하는 사람은 타고나는 게 아니라 만들어집니다.

꾸준함은 매일 코딩하는 것이 아니라, 100명을 끝까지 설득해내는 것입니다.

출처가 달린 자료 위에서만 답하면 환각이 사라집니다 — 그럴듯한 거짓말 대신, 검증된 소스를 인용한 답이 나옵니다.

디자인 시스템을 만들 때는 레퍼런스 이미지와 무드보드를 함께 첨부하십시오 — 말로 설명하는 것보다 이미지가 원하는 분위기를 훨씬 정확히 전달합니다.

AI가 18시간 내내 같은 속도로 일하는 시대에는 며칠 걸릴 것 같은 일도 일단 에이전트에게 시켜 보는 것이 맞습니다. 오래 시킬수록 이득입니다.

개인 AI 에이전트를 잘 쓰는 사람은 하나씩 묻지 않고 일을 통째로 맡깁니다. 메타 Muse 실사용 후기 상위 다섯 개는 이사 견적, 여행 일정 변경, 같은 그릇 찾기, 환불과 보험료 협상처럼 모두 사용자가 일 전체를 위임한 사례였습니다.

행복은 쟁취하는 것이 아닙니다. 삶에 대한 태도입니다.

Harness 엔지니어링은 규칙입니다 — 결과물의 양식 · 스타일 · 정체성을 프로젝트 단위로 미리 정해두는 일입니다.

Higgsfield로 인트로 영상 두 가지를 각각 다른 연출로 만듭니다.

Higgsfield는 모든 주요 AI 이미지·비디오 모델을 하나의 MCP/CLI 표면에 모읍니다. Claude나 Claude Code가 단일 채팅에서 크리에이티브 자산을 생성·편집·애니메이션할 수 있습니다.

일 잘하는데 싸가지 없는 사람과 일은 못하는데 착한 사람 중에서 고른다면 착한 사람을 택합니다. 일은 가르칠 수 있지만 인성은 가르칠 수 없기 때문입니다.

PPT · 엑셀 · Docs는 사라지고 HTML이 캔버스가 됩니다.

AI 시대에 인간의 순수 창작은 희소가치가 됩니다.

에이전트가 일을 다 끝내 놓아도 리더십이 이해하고 결정해야 일이 끝나므로, 이제 병목은 사람의 이해입니다. 그래서 알렉스의 요즘 일은 이해하는 데 걸리는 시간을 줄이는 것입니다.

AI가 나오면서 완벽한 것의 매력은 오히려 떨어졌습니다. 지능은 희소하지 않게 됐고, 앞으로 비싸지는 것은 완벽함이 아니라 인간미입니다.

HyperFrames(github.com/heygen-com/hyperframes)는 HTML 기반 모션 그래픽 프레임워크이며, Claude로 영상을 만들 때 Remotion 대신 쓰는 프롬프트 친화적 대안입니다.

제가 gstack을 추천하는 건 더 똑똑한 모델이라서가 아니라, 제 프로덕션 사이트가 실제로 그 위에서 돌아가기 때문입니다 — /review·/qa·/browse가 전부 gstack 명령어입니다.

어떤 이미지 모델이 가장 잘 만드는지 비교할 수 있는 사이트를 만들었습니다.

실사 사진을 지브리 스타일로 바꾸는 일은 한 줄 프롬프트로 끝납니다.

평가의 기준은 노력이 아니라 임팩트입니다.

AI 해커톤에서 AI에게 그냥 "만들어"라고 하면 엉뚱한 앱과 솔루션을 통째로 만들어 버립니다. 스코프를 정해 주고, 출제 문제에 맞는 가장 창의적이고 결정적인 핵심 기능 하나를 만드는 것이 중요합니다.

개인의 생산성은 조직의 생산성을 뛰어넘을 수 없습니다. PR 리뷰를 정해진 TL이 모두 해야 하는 조직에서는 누군가 에이전트로 하루에 PR 100개를 만들어도 조직에 큰 변화를 주기 어렵고, 프로덕트를 하루 만에 만들어도 승인 체계가 병목이 됩니다.

AI 인프라가 살아남는 것과 내 커리어가 살아남는 것은 다른 문제입니다. 공장이 남아도, 그 공장을 빌려 쓸 줄 모르면 문 앞에서 배제됩니다.

캔버스에서 텍스트를 바로 고치거나 요소에 원을 그리고 메모를 답니다. Claude Design은 정확히 그 요소를 인식하므로, 스크린샷으로 설명하는 루프가 사라집니다.

나노바나나 · Adobe · 4K 업스케일링으로 포토샵 없이 인테리어를 바꿉니다.

첫 답변은 초안입니다. 결과물은 돌려깎기로 만듭니다.

코딩과 사이드 프로젝트를 시작하기에 늦은 때는 없습니다. 기회와 보상은 어느 때보다 크고 자료는 무료로 넘쳐나며 AI가 개발까지 대신해 주는 지금이 오히려 르네상스입니다.

취업 준비는 무조건 질보다 양입니다. 엄청난 양의 지원과 연습이 어떤 면접 상황에도 대처하는 능력을 만듭니다.

주니어 엔지니어가 미들 레벨로 올라가는 기준은 혼자 끝까지 딜리버리하는 능동성과 독립성입니다. 문제가 주어졌을 때 끝까지 책임지고 혼자 완수하는 캐릭터와 스킬이 그 단계에서 가장 크게 평가됩니다.

카카오톡 업데이트는 메신저인지 소셜인지 비즈인지의 정체성 긴장을 드러냅니다.

프롬프트는 결코 권한 계층이 아닙니다. 에이전트가 할 수 있는 일이면 언젠가 한다고 가정해야 합니다 — 그래서 진짜 통제는 그것이 물리적으로 건드릴 수 있는 범위, 즉 지시가 아니라 스코프된 키입니다. 프롬프트가 아니라 키입니다.

AI를 모든 업무에 쓰려면 복사·붙여넣기부터 없애야 합니다. 에이전트를 열 개씩 띄우면 각자에게 맥락을 손으로 설명할 수 없으므로, 컨텍스트 관리를 시스템으로 옮겨야 관리가 됩니다.

실리콘밸리에서 한국인이 가장 어려워하는 세 가지가 있습니다.

언어모델은 생각의 자동화입니다. 생각으로 하는 모든 일이 적용 영역입니다.

리더는 자신이 없어도 돌아가도록 만들어야 합니다.

팀원의 실수도 결국 리더의 책임입니다.

높은 자리는 답을 아는 사람이 아니라 모르는 채로 앞으로 가는 사람의 자리입니다.

AX는 기술의 도입보다 프로세스와 컬쳐의 변화이므로 AX 챔피언보다 리더십의 디렉션이 중요합니다. "보고서를 hwp 대신 markdown으로 받자"는 리더십의 결정 하나가 챔피언 열 명보다 효과적입니다.

메타에서 리더가 되는 핵심은 가장 센 피드백까지 수용하고 어떤 시간과 감정과 노력이 들든 끝내 딜리버하는 묵직한 끈기입니다. 대부분은 피드백에 빈정이 상하거나, 너무 많은 피드백에 진이 빠지거나, 사람들과 싸우다 와해되어 리더가 되지 못합니다.

배움에는 순서가 있습니다. 믿음 → 목격 → 활용 → 행동.

이미지 도구를 MCP로 에이전트에 붙이면 — UI도 프롬프트도 없이, 이미 브랜드 맥락을 쥔 에이전트가 온브랜드 이미지를 만들어 냅니다.

개인 지식 베이스는 읽기 부담이 아니라 유지보수 부담 때문에 죽습니다. LLM은 지치지 않고, 상호 참조를 잊지 않으며, 한 번에 15개 파일을 만질 수 있어서 위키가 비로소 지속 가능해집니다.

소규모(~100 문서 · ~40만 단어)에서는 LLM이 자동 유지하는 인덱스 파일과 짧은 요약이 정교한 RAG를 이깁니다. 명시적 인덱스 읽기가 벡터 검색을 능가하는 구간이 — 코퍼스가 훨씬 커지기 전까지 — 존재합니다.

LLM 토큰 처리량이 코드 조작에서 지식 조작으로 옮겨가고 있습니다. 마크다운과 이미지로 구성된 지식 베이스가, 코드 편집보다 더 큰 비중의 LLM 사이클을 가져갑니다.

LLM이 유지하는 개인 지식 베이스는 무상태 RAG와 다릅니다. LLM이 영구적인 위키 — 추가되는 모든 소스와 함께 누적되는 구조화·상호 연결된 마크다운 모음 — 를 점진적으로 만들고 유지하므로, 매 질의마다 원본 청크에서 지식을 재도출하지 않습니다.

LLM이 유지하는 위키에서, 스키마 파일(CLAUDE.md / AGENTS.md)이 가장 레버리지가 큰 산출물입니다. LLM을 범용 챗봇에서 세션 간 일관된 동작을 유지하는 규율 있는 위키 관리자로 바꾸는 단 하나의 구성 파일입니다.

AI 내레이션 영상은 영상보다 대본과 목소리를 먼저 만들어야 합니다. 내레이션 길이가 정해져야 컷마다 몇 초짜리 영상을 만들지 정할 수 있고, 나중에 내레이션이 바뀌면 영상을 다시 만들어야 하기 때문입니다.

묵묵히 일하면 실행자에 머무릅니다. 논리로 부딪혀야 영향력이 생깁니다.

롱폼이 성공하는 비밀은 주제 · 썸네일 · 인트로 · 자연스러움 · 쉬움 · 나눔 여섯 가지입니다.

AI를 다루는 기술은 세 층으로 쌓입니다 — 프롬프트(어떻게 묻는가), 컨텍스트(무엇을 아는 상태로 시키는가), 그리고 루프(누가 다음 턴을 여는가). 2026년에 더해지는 층은 루프 엔지니어링입니다 — 에이전트에게 프롬프트를 치는 게 아니라, 에이전트를 프롬프트하는 루프를 설계하는 일입니다.

루프 엔지니어링의 핵심은 에이전트가 사람과 같은 평가 기준으로 스스로 평가하게 만드는 것입니다. 결과물과 함께 평가 지식까지 고치게 하면 에이전트가 그 기준으로 반복하며 스스로 개선합니다.

컨텍스트는 예산처럼 씁니다 — 60~70%를 넘기면 성능이 떨어지므로, 압축하거나 비우고 새로 시작합니다.

말 안 통하는 상사를 바꾸는 길은 호감·팩트·역질문 세 단계입니다.

Deep Research로 작성한 "마스터클래스" 마크다운(예: advertising_masterclass.md)을 Claude Code 프로젝트에 두십시오. 모든 에이전트가 모델의 디폴트 대신 실제 도메인 지식을 참조하게 되어, LLM이 아니라 그 문서가 주제 전문가가 됩니다.

도구는 만들 것의 복잡도에 맞춰 고릅니다 — 정적 사이트는 Claude Code · Vercel로 가볍게, 로그인 · DB · AI가 필요한 풀스택은 Replit으로 한 번에.

Opus 4.7은 초기 계획·큰 변경에만 쓰고, 작은 반복은 Sonnet·Haiku로 내립니다. 스펙이 충분히 구체적이면 빌드 대부분은 Sonnet 4.6이 끝까지 끌고 갑니다.

MCP가 보이면 일단 붙입니다 — 그게 함정입니다. MCP가 매 세션마다 도구 카탈로그를 컨텍스트로 끌어오는 동안, CLI는 호출 순간에만 토큰을 씁니다.

메타의 AX 조직은 하네스, 메모리·컨텍스트, 툴링, 인프라, 애플리케이션, 그리고 각 팀에 들어가는 FDE까지 전부 합니다. 공용 인프라에 투자하는 팀과 각 부서를 돕는 팀이 하나의 로드맵을 같이 만듭니다. 사내 FDE의 일을 한 줄로 줄이면 각 팀의 성공지표를 돕는 일입니다.

메타 내부에서는 매일 최소 10명이 10배 생산성 방법을 공유합니다.

메타의 2026년 9월 하드웨어 발표 네 가지(100g VR 글래스, 열쇠고리만 한 뮤즈 기기, 뮤즈 실시간 음성, 카메라 없는 오디오 글래스)의 공통점은 하나입니다. 전부 AI 비서를 몸에 달고 다니게 하는 기계이며, 메타는 VR을 버린 것이 아니라 AI를 담을 그릇으로 바꿨습니다.

메타 내부에서도 좋아요와 댓글로 존재감이 만들어집니다.

메타 엔지니어 연봉은 레벨별로 공개되어 있고 실제 수치입니다.

메타의 개인 AI 에이전트 Muse는 직접 써 보니 기대보다 훨씬 좋아서, OpenClaw와 Hermes 같은 셀프 호스팅 에이전트가 이제 낡아 보입니다. 알렉스는 메타 직원이라서가 아니라 사용자로서 이렇게 평가합니다.

메타의 진짜 혁신은 인재를 갈아 넣는 인사 시스템입니다.

메타 8년차 시니어가 직접 말합니다 — 개발자 자체는 사라지지 않습니다. 형태가 바뀝니다.

100만 토큰 컨텍스트는 책 800페이지를 한 번에 읽고 이해하는 양입니다.

수익을 내는 능력은 크리에이터이자 1인 기업가가 증명해야 할 역량입니다.

화려한 모션 그래픽 효과에도 이름이 있고, 이름만 알면 AI에게 그 효과를 시킬 수 있습니다. 픽셀 디졸브·텍스트 샌드위치·글자 관통 같은 이름을 넣은 프롬프트 한 번이면 코딩 AI가 장면을 만듭니다.

커리어해커 나노바나나 프롬프트 GPT를 공개합니다.

자연어가 가장 강력한 프로그래밍 언어가 되었습니다 — 코드를 쓰는 게 아니라 코드에게 말하는 일입니다.

신입 개발자는 레거시 도구와 손코딩을 익히는 대신 처음부터 AI 네이티브로 진입해야 합니다. 백엔드와 프런트엔드 구분은 이미 의미가 없고, 필요한 것은 기본 개발 지식과 아키텍처, 그리고 의사결정 방식뿐입니다.

새 팀에서 빠르게 임팩트를 내려면 사람을 따라 1on1을 이어 갑니다.

전기가 발명됐을 때도, 인터넷이 발명됐을 때도, ChatGPT가 나왔을 때도 우리의 일은 늘었으면 늘었지 결코 줄지 않았습니다. AI로 회사 자원이 컴퓨트로 옮겨가도 사람이 할 일은 반드시 따로 생깁니다.

다음 레벨로 가려면 회사가 아니라 업계 전체에 임팩트를 내야 합니다.

시니어 다음 단계로 가려면 다른 시니어 엔지니어가 줄 수 없는 가치를 증명해야 합니다. 그 기준은 "이 사람이 없었다면 이 프로젝트는 런치하지 못했다"는 말을 듣는 것입니다.

이제 개발자라는 직군은 따로 없습니다 — 소프트웨어를 만드는 일이 모두의 일이 되면서, 빌더만 남았습니다.

알렉스는 메타에서 출근부터 퇴근까지 AI를 거치지 않는 일이 하나도 없습니다. 출근하자마자 에이전트가 오늘의 할 일을 보내 주고, 이제는 AI가 안 하는 일을 보면 왜 AI가 못 하는지부터 묻게 됐습니다.

비개발자도 AI 하나만 잘 쓰면 혼자서 회사 하나를 굴릴 수 있습니다. 회사도 개인도 사람 대신 AI를 고용하기 시작했기 때문입니다.

채널 하나가 동료 한 명입니다 — 에이전트를 채널별로 분리하면 컨텍스트가 섞이지 않습니다.

단 하루 만에 만든 앱이 수십억짜리 사업 아이디어가 됩니다.

메타가 100명에 1조를 쓴 이유는 한 사람의 임팩트가 그 정도이기 때문입니다.

초보자도 영상 한 개와 인물 사진 한 장이면 고퀄리티 AI 영상을 만듭니다. 기본 동영상을 직접 찍고, Higgsfield 이미지 탭에서 원하는 인물을 만든 뒤, 비디오 기능에 둘을 넣어 인물과 배경을 바꾸면 복잡한 프롬프트 없이 끝납니다.

흑백요리사 패러디 뮤직비디오를 1시간 만에 만들었습니다.

상품 이미지 하나에 광고 프롬프트만 붙이면 1억짜리 광고 소재가 나옵니다.

이제는 인공지능의 10년 뒤가 아니라 1년 뒤가 두렵습니다.

OpenClaw는 내 기기에서 도는 개인 에이전트입니다 — 늘 쓰는 메신저(Discord · Telegram)에서 그대로 부립니다.

3년 전 유튜브를 시작할 때 공수가 많이 든 채널 이름, 프로필 사진, 배너, 썸네일, 영상 편집 가운데 Opus 5.5로 안 되는 일은 하나도 없습니다. 지금은 크몽에서 아무 작업이나 골라 시작해도 당장 돈을 벌 수 있는 세상입니다.

전문가가 아니어도 전문가를 모아 문제를 풀 수 있습니다.

빅테크 AX 테크리드로서 보는 AX의 핵심은 셋입니다. Ontology는 조직 안의 모든 지식과 정보를 인프라로 만드는 일, Rewire는 조직을 사람 중심에서 에이전트 중심으로 바꾸는 일, Govern은 에이전트가 사람의 의도에서 벗어나지 않도록 틀을 잡는 일입니다. 이 셋을 ORG framework라고 부릅니다.

질의로 만든 결과물을 다시 브레인에 'filing'해 넣으십시오. 비교 분석, 종합, 발견한 연결 — 챗 히스토리로 흘려보내지 말고 브레인의 새 페이지로 편입시키면, 탐색이 곧 브레인의 성장이 됩니다.

외주는 끝났습니다 — 디자이너·영상 편집자·성우에게 맡기던 광고 한 편을, 이제 한 사람이 에이전트에게 외주를 주어 완성합니다.

코드는 GitHub에서 소유합니다 — 버전 관리 · 백업 · 협업이 한곳에서 되고, 어느 컴퓨터에서든 그대로 가져옵니다.

수강료를 받는 콘텐츠는 무료 영상과 책임의 무게가 다릅니다 — 그 무게가 더 빠르고 좋은 결과를 끌어냅니다.

Superpowers는 작업마다 새 서브 에이전트를 띄우고 리뷰까지 묶는 서브 에이전트 개발과, 독립적인 문제를 자동 병렬화하는 패럴렐 에이전트 디스패치를 포함합니다. Claude Code를 단일 스레드 코더에서 에이전트 함대로 바꿉니다.

메타 연말 피드백은 50명 가까운 동료를 평가해야 끝납니다.

로그인이 필요한 서비스를 자동화하려면 영구적인 Chrome 유저 데이터 디렉터리로 Playwright를 띄우십시오. 처음 한 번 수동 로그인하면 저장된 세션이 이후 모든 에이전트 실행에서 인증을 건너뛰게 해 줍니다 — Skool처럼 자동화에 적대적인 플랫폼에서도 동작합니다.

프롬프트는 여섯 가지 연출 요소로 품질을 한 단계 높입니다.

AI 시대의 가장 큰 자산은 자신만의 브랜드입니다.

퍼스널 브랜딩의 본질은 효율성입니다.

가장 똑똑한 사람이 리더가 되는 게 아니라, 사람을 움직이는 사람이 리더가 됩니다.

이제는 휴가지에서 핸드폰만으로 앱 하나를 더 만듭니다.

AI로 무엇이든 만들 수 있어도 모든 문제를 풀면 좋은 솔루션이 되지 않습니다. 내 역량과 리소스 안에서 가장 잘 풀 수 있는 문제를 고르고 그 풀이를 루프로 돌리는 우선순위 결정이 가장 중요합니다.

브레인스토밍·리서치·아웃라인은 일반 Claude 챗(저렴한 한도)에서 끝내고, Claude Design(비싼 별도 한도)에는 다듬어진 스펙을 들고 들어가 생산만 합니다.

Claude Code에 Playwright CLI 권한을 주면 브라우저 안에서 거의 모든 일을 자동화할 수 있습니다 — QA 테스트, 스크래핑, 로그인 세션, 스케줄 에이전트 루프까지.

회의를 줄이려면 주기적으로 글을 쓰고 모두를 태그합니다.

AI 영상은 최종본을 바로 만들지 않고 480p 저해상도 샘플로 먼저 간을 봅니다. 480p는 싸고 빨리 나오므로 이미지·대본·목소리가 어떻게 어우러지는지 확인한 뒤 수정할지 그대로 갈지 정할 수 있습니다.

누구나 ChatGPT로 대충 만들 수 있는 일이라도, 그 일을 잘하기가 엄청나게 어렵다면 그 지점에 비즈니스 밸류가 있습니다.

프로젝트는 맥락을 분리하는 장치입니다 — 한 채팅에 모든 일을 섞으면 컨텍스트가 꼬여 엉뚱한 결과가 나옵니다.

꾸준히 성과를 내도 승진에는 한 방이 필요합니다. 알렉스의 E7 승진을 만든 한 방은 사이드로 만든 세컨드 브레인 메모리 솔루션이 메타의 중요한 사업으로 확정된 일이었습니다.

프롬프트 기술은 가르칠 대상이 아닙니다. AI 시대에 남는 역량은 좋은 문제를 고르고, 결과를 의심하고, 검증을 설계하는 일이며 — AI 네이티브 교육은 그것을 가르쳐야 합니다.

프롬프트 엔지니어링은 더 이상 chain of thought 같은 테크닉이 아닙니다. 대충 말해도 알아듣는 모델 앞에서 중요한 것은 요구 사항을 잘 말하는 능력입니다.

프롬프트 엔지니어링은 추론을 강제하는 기술입니다.

대화형 AI 서비스의 초석은 프롬프트 엔지니어링입니다.

프롬프트 엔지니어링은 ChatGPT 사용자가 가질 수 있는 유일한 실력입니다.

팀원이 잘못된 자리에 있으면 주저없이 빼야 합니다.

ChatGPT를 제대로 쓰려면 프롬프트 전에 목적부터 명확히 합니다.

AX의 중심 과제는 기준과 퀄리티입니다. 퀄리티를 objective하고 scalable하게 평가할 기준이 확실하면 포지션과 상관없이 만들고 발의할 수 있고, 리뷰 비용을 줄이는 프로세스 재설계가 뒤따릅니다. 팀마다 다른 툴과 스킬을 쓰면 리뷰 병목이 커지므로 회사 단위의 공용 plugin(하네스·hooks·skills·memory)과 표준화된 프로세스가 필수입니다.

질문이 사라진 사람은 성장도 사라집니다.

AI 도구는 그 기능이 가장 많이 쓰이는지, 얼마나 멋져 보이는지가 아니라 — 내 실제 하루 작업을 얼마나 바꾸는지로 순위를 매겨야 합니다. 좋은 순위는 개인적입니다. 지식 노동자가 가치 있다고 보는 Claude Code 기능은 소프트웨어를 만드는 사람의 것과 다릅니다.

남이 따라 할 수 있는 콘텐츠는 내 콘텐츠가 아닙니다.

디자인 시스템을 코드가 아니라 컴포넌트 화면으로 렌더링해 보여주는 것이 핵심입니다 — 사람이 결과를 눈으로 보고 컴포넌트마다 즉시 피드백을 줄 수 있기 때문입니다.

리서치는 비용이 아니라 자산입니다 — 한 번 쌓은 맥락은 다음 작업마다 다시 쓰이며 복리로 돌아옵니다.

7년 만에 이력서를 고치는 대신 Replit으로 새로 만들었습니다.

에이전트가 마음에 드는 결과를 뽑으면 그 프롬프트를 그대로 Claude Code에 붙여넣고 ".claude/skills/에 스킬로 만들어 달라"고 시키십시오. 다음 호출부터는 그 레시피를 재사용해 다시 프롬프트를 짜지 않아도 결과가 브랜드를 유지합니다.

AI 시대에는 리스크를 지는 사람과 지지 못하는 사람의 격차가 크게 벌어집니다. 사람은 DNA부터 안전한 길을 고르도록 설계돼 있어 리스크를 지는 사람이 적고, AI가 준 기회와 리소스를 레버리지하지 않으면 차별성과 큰 성과를 내기 어렵습니다.

AI 네이티브 시대에는 디자이너가 개발을 하고, 개발자가 디자인을 합니다.

혼자 하루를 굴리는 시대는 끝났습니다. 에이전트가 일주일을 굴립니다.

Claude가 강력해질수록 PPT · 포토샵 · 영상편집 같은 유료 소프트웨어를 따로 돈 주고 쓸 이유가 사라집니다.

디자인 시스템이 있으면 똑같은 프롬프트를 넣어도 브랜드마다 전혀 다른 결과물이 나옵니다 — 표현을 결정하는 것은 프롬프트가 아니라 규칙이기 때문입니다.

스캐폴딩은 문제마다 맥락은 다르게 두고 풀이 단계는 똑같이 고정하는 틀이며, 그래서 서로 다른 문제를 동시에 돌릴 수 있습니다. 문제 정의와 리서치, 문제 진술과 기회 크기 산정, 솔루션 순서를 정해 두면 플러그인 세 개도 한꺼번에 만듭니다.

Playwright 스크립트가 잘 돌면 Claude Code 스킬로 굳히고 데스크톱 앱에서 스케줄을 거십시오. 정해진 시간에 도는 그 실행 자체가 에이전트라서, 재시도하고, 코스를 수정하고, 모르는 UI를 만나면 새 서브 스크립트까지 직접 만듭니다.

이 세컨드 브레인의 지식은 두 갈래에서 들어옵니다. 하나는 알렉스가 공개한 모든 글(링크드인·스레드·유튜브·강의)을 원자 단위 생각으로 정제한 것이고, 다른 하나는 알렉스가 직접 골라 스크랩한 외부 양질의 자료를 출처와 함께 보관한 것입니다.

에이전트를 쓰려면 사람이 옆에서 계속 지시하고 프롬프트를 써야 해서, 사람이 에이전트의 병목이 되었습니다. 세컨드 브레인은 내가 없어도 에이전트가 내 목표와 맥락을 이해해 스스로 돌아가게 만드는 영구 기억 장치입니다.

우리가 쓰는 AI 모델은 모두 같아서 "AI를 쓴다"는 것은 더 이상 차별점이 아닙니다. 진짜 차이는 AI에게 무엇을 먹여 시키느냐에서 납니다. 지난 10년의 생각·실패·관점을 먼저 먹이면 나만의 답이 나옵니다. 세컨드 브레인은 그 맥락을 쌓아 두는 곳이고, 지식은 이제 공짜이며 진짜 무기는 나만의 맥락과 취향입니다.

AX의 가장 어려운 문제 중 하나는 security와 privacy입니다. 정보는 많을수록 도움이 되지만 무작정 모두 가져다 쓸 수는 없습니다. 여러 리뷰와 검증을 거쳐 사용자가 납득 가능한 프로덕트와 프로세스를 만들어야 하고, 여기서도 결정을 내리는 리더십의 스탠스가 가장 중요합니다.

이제는 시니어도 주니어보다 더 많이, 더 빠르게 만들어야 합니다.

1인 크리에이티브 운영 루프는 Claude Code 위에서 끝까지 돌아갑니다. GWS CLI로 모든 생성을 구글 시트(프롬프트·잡 ID·상태)에 기록하고, 잘 나온 결과는 스킬로 굳히고, 루틴("일요일 50개 기획, 월요일 30개 생성")으로 스케줄링하면 운영자는 자고 일어나 테스트 가능한 광고 묶음을 받습니다.

남들이 외면할 때는 설득하지 말고 일단 만들어 보여줍니다.

실리콘밸리에 부는 격한 바람은 언젠가 한국에도 반드시 도달합니다.

흩어진 도구를 갈아타지 마십시오 — 모든 자동화 흐름은 Claude Code Skill 하나로 묶입니다. 복잡한 스킬일수록 필요한 MCP를 그 안에서 호출하면 그만입니다.

프롬프트는 한 번의 지시이고, 스킬은 재사용 가능한 업무 시스템입니다. 반복 작업을 스킬로 묶어야 하는 세 가지 이유: 자동화, 결과물 품질의 일관성, 팀 간 공유 가능성.

손으로 5초면 끝날 일에 디자인 한도를 태우지 않습니다. 마지막 손질은 Canva·Figma·PowerPoint·Claude Code로 익스포트해 직접 끝냅니다.

올바른 AI 도구를 갖춘 한 사람이 이제 전통적인 엔지니어링 팀보다 더 빠르게 출시합니다. Peter Steinberger는 OpenClaw(GitHub 별 247K개)를 AI 에이전트만으로 사실상 혼자 만들었습니다.

1인 유니콘 시대가 시작됐습니다. Pieter Levels는 직원 0명으로 연 매출 약 42억(3M 달러)을 만들고, Maor Shlomo는 Base44를 6개월 만에 Wix에 8천만 달러로 매각했고, Alex Finn은 Creator Buddy로 2주 만에 ARR 약 4.2억(300K 달러)을 찍었습니다.

스태프 엔지니어 하루의 1% 미만이 코딩입니다.

빈 프롬프트에서 시작하지 않습니다 — 이미 쌓아둔 맥락으로 다음 맥락과 프롬프트를 만들어, 복리처럼 불립니다.

Claude Code의 상태 표시줄 — 모델, 노력 수준, 그리고 실시간 컨텍스트 창 사용량 — 은 가장 과소평가된 필수 기능입니다. 창을 얼마나 썼는지 눈으로 보는 것이, 언제 compact·clear·세션 핸드오프를 해야 하는지 알려줍니다.

Peter Steinberger의 2026년 주장입니다. 코딩 에이전트에게 더 이상 프롬프트를 쳐서는 안 되고, 에이전트를 프롬프트하는 루프를 설계해야 합니다.

Nate Herk가 12회 실행(Claude Code Opus 4.6 · Superpowers 사용 6회 / 미사용 6회 · 사람 개입 없음)으로 비교한 결과는 비용 약 -9%, 총 토큰 약 -14%, 변동성 2-3배 축소였습니다. 단순 작업은 8% 오버헤드를 냈고, 중·복잡 작업에서 더 저렴해졌습니다.

Jesse Vincent(obra)의 Superpowers 플러그인은 Claude Code의 모든 요청을 다섯 단계 — 명확화 · 설계 · 계획 · 구현 · 검증 — 로 강제해 잘 훈련된 개발자처럼 일하게 만듭니다.

에이전트 시대에 살아남는 SaaS는 기능이 아니라, 모델이 다른 데서 구할 수 없는 고유한 맥락과 판단 루프를 쥔 제품입니다. 데이터베이스 위에 업무 규칙을 얹은 앱은 껍데기만 남습니다.

구조조정에서 살아남는 팀은 세 가지를 가지고 있습니다.

부모님께 알려 드릴 AI 기능 중 가장 중요한 것은 이상한 문자를 누르기 전에 캡처해서 AI에게 먼저 물어보는 습관입니다. 그래도 애매하면 누르지 않으면 됩니다.

모션 그래픽을 프롬프트하기 전에 — 색 · 타이포 · 템포 — 자신의 비주얼 스타일을 한 번 가르치면, 이후 모든 클립이 그 스타일을 상속받아 매번 다시 설명할 필요가 없어집니다.

강의를 준비하는 책임감은 언제나 배움을 강제합니다 — 그 강제된 배움이 더 좋은 콘텐츠를 만듭니다.

강의는 목적이 아니라 지식 나눔과 선한 영향력을 더 효율적으로 키우는 수단입니다.

연봉 10억 엔지니어는 방향을 잘 잡고 끝까지 밀어붙이는 사람입니다.

한 팀에 오래 머무는 것이 복리로 쌓이는 레버리지입니다.

덱 제작 도구는 기획하는 곳이 아니라, 이미 끝난 결정을 렌더링하는 곳입니다.

AX를 주제로 이렇게 잘 썼다고 느낀 책은 「The Enterprise Brain: Rewiring Your Business for the AI-Native Era」가 처음입니다. 아직 유명하지 않고 우연히 산 책이지만 미국에 있는 분들께 추천합니다.

영상의 품질을 정하는 것은 텍스트 프롬프트가 아니라 첫 프레임입니다 — 레퍼런스 이미지 자체가 영상을 만드는 프롬프트이기 때문입니다.

에이전트가 팀이라면 — 회사를 굴리는 건 루프입니다.

전문가는 LLM이 아닙니다. 옆에 둔 마크다운입니다.

30분 1on1은 네 단계로 끝납니다 — 지난 일·아젠다·피드백·도움 요청.

퇴사하고 싶을 때는 세 가지를 먼저 점검합니다. 커리어 목표가 확실한지, 회사에 커리어에 도움이 될 사람이 많은지, 특정 사람 때문에 나가는 것이라면 한 번이라도 부딪혀 봤는지입니다.

15살에 혼자 미국에서 배운 세 가지가 실리콘밸리에서 저를 살렸습니다.

AI 시대 경쟁력은 MVP · 개인 에이전트 · 반응형 웹 세 가지로 키웁니다.

한 줄 입력으로 최고의 썸네일을 뽑는 에이전트가 올해의 가장 큰 시간 절감입니다.

토큰 불평등은 누가 GPU를 쥐었느냐의 문제가 아닙니다. 같은 값싼 지능을 쥐고도 복리로 쌓는 사람과 사흘 만에 태우는 사람으로 갈리는, 운용 역량의 문제입니다.

일 잘하는 사람은 옵션 정리·결과 증명·거절의 세 가지가 빠릅니다.

이제는 한 사람이 100인분 이상의 아웃풋을 냅니다.

최고의 팀도 사람을 잃습니다.

일에서 신뢰보다 중요한 것은 없습니다.

사람에게 일을 믿고 맡기는 기준과 에이전트에게 맡기는 기준은 같습니다. 잘하는지가 아니라 틀렸을 때 문제를 인지하고, 회피하지 않고, 플랜 A·B·C를 들고 오는지가 중요합니다.

생각은 AI에게 위임할 수 있어도 이해는 에이전트가 대신해 줄 수 없습니다. AI로 다 만들었지만 이해하지 못한 사람과 직접 써 보고 이해한 사람의 차이는 라이브에서 드러납니다.

기술의 배경을 알아야 제대로 쓸 수 있습니다.

AI 네이티브가 되려면 그동안 쌓아온 지식부터 한 번 내려놓아야 합니다.

새 모델이 나왔다고 무조건 갈아타면 안 됩니다. 기존 스킬과 하네스에 대해 evaluation으로 충분히 검증한 뒤에 업그레이드해야 다음 모델이 주는 실제 가치를 측정할 수 있습니다.

AI 전문가가 될 필요 없습니다. 사용 빈도가 차별화를 만듭니다.

2024년 기준으로 한국어로 AI를 쓴다면 ChatGPT보다 Claude가 낫습니다. Claude는 한국어 답변이 훨씬 빠르고, 정형화되고 딱딱한 ChatGPT 답변보다 유연합니다.

바이브 코딩은 이미 실리콘밸리 신입 개발자 수준을 넘어섭니다.

"바이브 코딩"이라는 새로운 코딩 방식이 있습니다. 바이브에 완전히 몸을 맡기고, 지수 곡선을 받아들이며, 코드가 존재한다는 사실조차 잊습니다.

바이브 코딩은 사라진 것이 아닙니다.\n1년 만에 에이전트 코딩으로 자랐습니다.

바이브 코딩을 매일 안 쓰는 사람은 반드시 뒤처집니다.

바이브 코딩으로 1년 안에 1조 가치의 한국 유니콘을 만들 수 있다고 봅니다.

바이브 코딩이 가능한 이유는 LLM(예: Cursor Composer + Sonnet)이 지나치게 좋아지고 있기 때문입니다.

바이브 코딩에서는 diff를 읽지 않고 모두 수락하며, 에러 메시지는 그대로 LLM에 붙여넣고, 고쳐지지 않는 버그는 임의의 요청으로 우회하여 결국 사라지게 만듭니다.

영상 편집은 자연어로 무너집니다. 원본을 넣고 원하는 컷을 말로 설명하면 Claude Code가 트리밍 · 모션 그래픽 · 렌더까지 끝에서 끝으로 지휘합니다.

잘하는 것보다 잘 보여 주는 것이 더 중요한 순간이 있습니다.

프롬프트는 타자가 아니라 입으로 칩니다. 타이핑은 병목이고, 말로 입력하면 네 배 빠릅니다.

자존심을 내려놓지 않으면 AI 네이티브가 될 수 없습니다.

데모와 서비스를 가르는 건 유지보수입니다 — 임시 링크를 넘어, 소유하고 버전을 관리하고 제대로 된 주소로 띄울 수 있느냐가 진짜 서비스를 만듭니다.

루프 엔지니어링에서 에이전트의 결과물이 마음에 들지 않으면 결과물이 아니라 에이전트의 평가 기준을 고칩니다. "네 평가는 부족하다"며 검증 루프의 반영 기준을 조정하고 루프를 다시 걸면, 다음 결과는 그 기준으로 스스로 끌어올려집니다.

AI가 풍요를 약속할 때마다 "누구의 풍요인가"를 붙여 묻지 않으면, 가르치는 사람은 하이프 장사꾼과 같아집니다.

Claude Design에 "웹사이트 하나 만들어줘"라고 하지 않습니다. 페이지를 섹션으로 쪼개 한 섹션씩 레이아웃·카피·미디어를 따로 굴립니다.

완벽한 설계보다 지금 돌아가는 무언가가 훨씬 강합니다.

보이지 않는 컨텍스트는 관리할 수 없습니다. 상태 표시줄이 남은 창을 숫자로 보여줄 때, 비로소 컨텍스트는 예산이 됩니다.

코드를 소유하면 어떤 도구에도 갇히지 않습니다 — Replit에서 시작했더라도 GitHub로 가져와 내 하네스에서 키우고, 도구는 그때그때 갈아끼웁니다.

지금까지 루프를 돈 건 에이전트가 아니라 나였습니다 — 시키고, 확인하고, 다시 시키고. 루프 엔지니어링은 그 고리를 에이전트에게 넘기는 일입니다.

만드는 것은 Claude Code용 AIOS가 아닙니다 — 폴더·마크다운 파일·스킬·라우팅 로직으로 된 나만의 개인 운영체제입니다. 어떤 코딩 에이전트든 그 파일을 읽을 수 있으니, 모델이나 하네스를 바꿔도 상관없습니다. 시스템이 자산이고, 엔진은 갈아끼우면 됩니다.

핸드폰이 또 하나의 워크스테이션입니다 — Dispatch로 출근길에 일을 던지고, 도착해서 결과를 수령합니다.

당신이 쌓는 자산은 모델이 아니라 시스템입니다. 폴더와 마크다운, 스킬과 라우팅 — 모델은 그때그때 갈아끼우는 엔진일 뿐입니다.

꿈도, 회사도, 경력도 나를 지켜주지 않습니다. 나를 지키는 것은 내가 만드는 가치, 그리고 그 가치를 파는 능력뿐입니다.

유튜브 인트로 30초는 강력한 훅 · 이유 · 빌드업 · 예제 · 스며들기 · 하이라이트 여섯 단계로 만듭니다.

유튜브는 유명해지려고 하는 것이 아니라 표현을 훈련하려고 하는 것입니다.

1만에서 14만 유튜브를 만든 공식은 대충 찍고 · 대중을 위해 · 30초에 몰빵하는 것입니다.

유튜브 썸네일은 나노바나나로 그냥 뽑아냅니다.