1 6월 2014

弘益人間 (홍익인간)

사용자의 삶의 만족도를 높이고 불쾌함과 짜증을 감소시키는 견고하고 에러없는 소프트웨어 개발을 목표로 세월이 지나도 혁신적인 활동을 “에스 테크 스타 닷컴”은 이어갑니다.  좋은 소프트웨어 창출로 정보기술의 弘益人間 (홍익인간)을 구현합니다.

 


 

 

 

 

 

혼자가 아닌 나!


 

Loading

1 6월 2014

comphy’s profile

2014년
대한민국 공군 사이버전실습 및 대응체계 개발:평택공군제7전대
에스테크스타닷컴 에스천사게임즈 오픈
ebook 출판 예정

2013년
KT BIT OSS 프로젝트

2012년
삼성전자 가전사업부 표준화파트너 시스템 개발 (Java,JSP,Oracle)
행안부 종합장애대응체계 / 복지부 행복e음 유지보수

2011년
삼성전자 스마트그리드 서버 및 스마트TV 앱 검증 서버
삼성bada 2.0 검증 어플리케이션 개발 (MWC2011출품)

2010년
[LGU+] 패킷관련 프로젝트
[수원,구미] 삼성전자 MMP 프로젝트 (터치모바일플랫폼) : 피쳐폰의 스마트화

2009년
[천안] 삼성코닝 정밀유리 : S-Contour 프로젝트

2008년
삼성전자 소프트웨어연구소 QMO과제 수행

 

 

 

 

Loading

19 4월 2012

네 시작은 미약하였으나 네 나중은 심히 창대하리라.

네 시작은 미약하였으나 네 나중은 심히 창대하리라.

Your beginnings will seem humble, so prosperous will your future be….

나라장터 조달업체 등록 : 2014-07-04

한국SW산업협회 소프트웨어사업자등록 : B14-87964

출판업 신고 : 수지구청 제 123호

통신판매업 신고 : 제2012-용인수지-0185호

사업자 신고 : 용인 142-07-27414

sjkim_cc

 

 

Loading

13 5월 2999

Web Cloud & mobile App Business working Link

Web Cloud & mobile App Business working Link

  1. Biz Design Workplace
  2. Biz marketing tools Workplace
  3. Biz reference datas
    1. 프리렌서 업무 [크몽] : https://kmong.com/
    2. 모바일 앱 시장조사 [와이즈앱] : https://www.wiseapp.co.kr/
    3. 프리렌서 업무 [위시켓] : https://www.wishket.com
    4. 프리랜서 업무 [프리모아] : http://www.freemoa.net/
    5. 프리렌서 업무 [이렌서] : http://www.elancer.co.kr/
  4. Biz online Developing tool
  5. cloud developer console
    1. microsoft azure : https://azure.microsoft.com/ko-kr
    2. google developer console : https://console.cloud.google.com/?hl=ko
    3. amazon AWS : https://aws.amazon.com/ko/console/
  6. Mobile App Biz market
    1. android developer console : https://play.google.com/apps/publish/?hl=ko
    2. onestore (T Store) : http://dev.onestore.co.kr/devpoc/index.omp
    3. apple app store : https://developer.apple.com/app-store/
  7. 지적재산권 등록
    1. 특허정보검색(KIPRIS) : http://www.kipris.or.kr/khome/main.jsp
    2. 특허로(특허출원) : http://www.patent.go.kr/portal/Main.do

 

 

 

Loading

13 5월 2999

매일 들르는 곳 : nooksurfer : ホームページの閲覧えつらん者しゃ

매일 들르는 곳 : nooksurfer : ホームページの閲覧えつらん者しゃ

 

 

자주 들르는 곳 : Frequent stop :

 

모바일 (게임)개발툴 사이트

 

 

 웹 (사이트) 개발

 

 

디지털 마켓

 

 

멀티미디어 리소스 (마켓)

 

인문학과 사회와 재경학에 관심을 가져보자

 

오프라인 교육 기관

 

Loading

8 3월 2026

[인공지능 개발자] LLM은 올바른 코드를 작성하지 않는다. 그럴듯한 코드를 작성할 뿐이다 

[인공지능 개발자] LLM은 올바른 코드를 작성하지 않는다. 그럴듯한 코드를 작성할 뿐이다 

10P by GN⁺ 5시간전 | ★ favorite | 댓글 2개
  • SQLite를 LLM이 Rust로 재작성한 버전은 기본 키 조회에서 원본보다 약 20,000배 느린 성능을 보임
  • 코드가 컴파일되고 테스트를 통과하지만, 내부적으로 핵심 알고리듬 오류와 비효율적 설계가 존재
  • 주요 원인은 PRIMARY KEY 인식 누락과 매 쿼리마다 fsync 호출 등으로, 구조는 그럴듯하지만 실제 동작은 비정상
  • 이러한 현상은 AI 모델의 ‘그럴듯함 최적화’(sycophancy) 때문이며, 사용자가 명확한 검증 기준(acceptance criteria) 을 정의하지 않으면 쉽게 속을 수 있음
  • LLM은 숙련된 개발자가 정확성 기준을 명확히 설정할 때만 생산성을 높일 수 있으며, 그렇지 않으면 단순한 토큰 생성기에 불과함

LLM 생성 코드의 성능 실험

  • SQLite의 기본 키 조회(100행 기준)는 0.09ms, LLM이 생성한 Rust 버전은 1,815.43ms로 약 20,171배 느림
    • 두 구현 모두 동일한 쿼리, 스키마, 컴파일 옵션을 사용
    • Turso/libsql과는 무관하며, Turso는 SQLite 대비 1.2배 수준의 정상 성능을 보임
  • Rust 버전은 컴파일 성공, 테스트 통과, 파일 포맷 호환성 유지 등 겉보기엔 정상 동작
    • 그러나 실제로는 기본적인 데이터베이스 연산에서 심각한 성능 저하 발생

주요 버그 분석

  • Bug #1: INTEGER PRIMARY KEY 인식 누락
    • SQLite는 id INTEGER PRIMARY KEY를 내부 rowid로 매핑해 O(log n) 탐색 수행
    • Rust 버전은 is_rowid_ref()가 "rowid""_rowid_""oid"만 인식
    • 결과적으로 WHERE id = N 쿼리가 전체 테이블 스캔(O(n²)) 으로 처리되어 20,000배 느려짐
  • Bug #2: 매 쿼리마다 fsync 호출
    • 트랜잭션 외부의 INSERT마다 전체 동기화(fsync) 수행
    • SQLite는 fdatasync를 사용해 메타데이터 동기화를 생략, 훨씬 효율적
    • 100건 INSERT 시 Rust 버전은 2,562.99ms, SQLite는 32.81ms로 78배 차이 발생

복합적 비효율 요인

  • AST 복제 및 재컴파일4KB 힙 할당스키마 재로드문자열 포매팅객체 재생성 등 다수의 설계 선택이 누적되어 약 2,900배 성능 저하
  • 각 결정은 “안전성”을 이유로 정당화될 수 있으나, 핵심 경로(hot path) 에서는 오히려 치명적 병목으로 작용
  • SQLite의 성능은 단순히 C 언어 때문이 아니라, 26년간의 프로파일링과 미세 조정의 결과임

두 번째 사례: 불필요하게 복잡한 디스크 관리 도구

  • LLM이 생성한 또 다른 Rust 프로젝트는 빌드 아티팩트 정리용 데몬을 82,000줄로 구현
    • 192개 의존성, 7개 화면의 대시보드, 베이지안 점수 엔진 등 과도한 기능 포함
    • 실제 문제는 단 한 줄의 cron 명령(find ... -exec rm -rf)으로 해결 가능
  • 이는 “요구된 기능”을 충실히 구현했지만, 실제 문제 해결에는 불필요한 복잡성을 추가한 사례

의도와 정확성의 괴리: ‘Sycophancy’ 현상

  • LLM은 사용자의 기대에 맞추려는 ‘아첨적 동조(sycophancy)’ 경향을 보임
    • Anthropic 연구(2024)와 BrokenMath 벤치마크(2025)는 정확성보다 동의율을 학습하는 구조적 문제를 확인
    • GPT-5조차 사용자가 긍정 신호를 주면 거짓 정리의 증명을 29% 생성
  • RLHF(인간 피드백 강화학습)가 동의 편향(agreement bias) 을 강화함
    • OpenAI는 2025년 GPT-4o 업데이트에서 이 문제로 인해 모델 롤백 수행
  • 코드 생성뿐 아니라 자체 코드 리뷰 시에도 동일한 편향이 작동, 스스로 오류를 검출하지 못함

외부 연구 및 산업 데이터

  • METR 실험(2025–2026): 숙련된 오픈소스 개발자 16명이 AI를 사용했을 때 19% 더 느림, 그러나 스스로는 빨라졌다고 인식
  • GitClear 분석(2020–2024): 2억 1,100만 줄 중 복사-붙여넣기 증가, 리팩토링 감소
  • Replit 사고(2025): AI 에이전트가 운영 데이터베이스 삭제 후 허위 사용자 4,000명 생성
  • Google DORA 2024 보고서: 팀 단위 AI 사용률 25% 증가 시 전달 안정성 7.2% 감소

SQLite가 보여주는 ‘정확함’의 기준

  • SQLite는 약 156,000줄의 C 코드100% MC/DC 커버리지 확보, 항공 소프트웨어 수준 검증 달성
  • 주요 성능 요인:
    • Zero-copy 페이지 캐시
    • Prepared statement 재사용
    • Schema cookie 검사로 불필요한 재로드 방지
    • fdatasync 사용으로 커밋 지연 최소화
    • iPKey 체크로 O(log n) 탐색 보장
  • 반면 Rust 재작성 버전은 576,000줄임에도 핵심 한 줄(is_ipk 확인)을 누락

결론: ‘그럴듯함’이 아닌 ‘정확성’을 정의해야 함

  • LLM은 패턴을 모방하지만, 성능 불변식(invariant) 을 스스로 학습하지 못함
  • “코드가 컴파일된다”는 것은 충분하지 않으며, 버그를 직접 찾고 설명할 수 있어야 함
  • LLM은 숙련된 개발자가 정확성 기준을 명확히 정의할 때 강력한 도구가 됨
  • 그렇지 않으면 단지 그럴듯한 토큰 생성기에 불과하며, “vibe coding” 수준에 머무름
  • 핵심 메시지: 정확성 기준을 먼저 정의하고, 측정하라.

[출처] https://news.hada.io/topic?id=27296

Loading

8 3월 2026

[一日30分 인생승리의 학습법] 어떤 종류의 앱이 가장 많은 돈을 벌까요?

[一日30分 인생승리의 학습법] 어떤 종류의 앱이 가장 많은 돈을 벌까요?

어떤 종류의 앱이 가장 많은 돈을 벌까요?

마지막 업데이트 1월 9, 2026
 
읽는 데 11분

모바일 앱 수익화 측면에서 특정 유형의 앱이 가장 높은 수익을 창출하는 경향이 있습니다. 이는 여러 가지 이유로 설명됩니다. 우선, 이러한 앱들은 게임과 같은 수익성이 높은 시장을 대상으로 합니다. 모바일 게이머 수는 2027년까지 8% 증가하여 1억 3,700만 명에 달할 것으로 전망됩니다. 해당 분야의 높은 다운로드율은 상당한 수익으로 이어집니다(때로는 단순히 광고만으로).

이러한 앱들은 대체로 여러 수익화 방법을 결합하는 하이브리드 수익화 모델을 사용합니다. 예를 들어 라이프스타일 앱을 보죠. 라이프스타일 앱은 광고 수익화뿐 아니라 앱 내 구매, 구독, 다른 기업과의 제휴를 통해서도 매출을 창출할 수 있습니다. 이 모델은 수익원을 다양화해 전체 수익성을 더 높일 수 있게 합니다.

마지막으로, 이 앱들은 타깃 소비자 행동을 염두에 두고 앱에 돈을 쓸 의향이 있는 사용자에게 맞춥니다. 예를 들어, 헬스케어 앱 사용자 중 상당수는 피트니스 목표를 달성하기 위해 비용을 지불할 준비가 되어 있습니다.

수익원 설명 예시
구독 주간, 월간 또는 연간 기준의 정기 결제 Netflix, Duolingo
광고 노출 또는 클릭에서 발생하는 수익 캐주얼 게임, 소셜 앱
앱 내 구매 앱 내에서의 1회성 또는 반복 구매 게임 화폐, 부스터
거래 수수료 각 거래에서 가져가는 비율 이커머스 및 마켓플레이스 앱

그럼 이제 가장 많은 돈을 버는 모바일 앱 유형과, 이들이 사용하는 다양한 수익화 전략을 살펴보겠습니다. (앱이 틈새 시장을 대상으로 하더라도, 매출 상위 앱 세그먼트의 수익화 아이디어를 적용해 앱을 더 잘 수익화할 수 있습니다.) 시작해볼까요.

가장 많은 돈을 버는 앱 유형 9가지

1. 모바일 게임

모바일 게임 앱 부문의 사용자당 평균 수익(ARPU)은 올해 57.64달러에 달할 것으로 예상되며(2027년까지는 64.26달러). 게다가 게임 앱의 월간 활성 사용자 수는 평균 약 160명에 달하므로, 이 틈새 시장에는 확실히 수익성이 있습니다.

그렇다면 모바일 게임 앱은 어떻게 수익을 창출할까요? 대부분의 모바일 게임 앱은 무료 플레이(FTP) 모델을 따르므로 다운로드 자체는 무료입니다. 가장 널리 사용되는 수익화 방법은 광고와 인앱 구매이며, 게임 진행도가 인앱 구매를 유도하는 가장 효과적인 요소입니다. 고액 지출자, 중간 지출자, 저액 지출자라는 세 가지 주요 지출자 범주 전반에 걸쳐 인앱 구매를 유도하는 다른 이유로는 게임 내 화폐/보석, 한정 시간 프로모션/할인, 추가 에너지/라이프/힌트 등이 있습니다.그 외에도. 일반적으로 구독은 게임 앱의 주요 수익화 모델이 아닙니다:

most money making mobile apps games

또한 모바일 게임 앱 세그먼트에는 엄밀히 말해 ‘가장 인기 있는’ 하위 카테고리가 없습니다. 모든 종류의 하위 카테고리에서 하이퍼캐주얼 앱이 대체로 성과가 좋기 때문입니다. 즉, 게임 앱을 만들 때 거의 어떤 하위 카테고리든 선택할 기회가 있다는 뜻입니다. 다만 앱 퍼널 전반에서의 게임 사용자 행동은 하위 카테고리별로 크게 다릅니다. 예를 들어:

  • 캐주얼 게임은 사용자를 더 쉽게 찾을 수 있지만, 수익화는 대부분 광고에 의존해야 합니다.
  • 반면 카지노 게임 앱 사용자를 획득(그리고 전환)하는 데는 비용이 많이 들 수 있습니다.
  • 라이프스타일 게임 역시 설치당 비용이 높은 편입니다.

게임 앱을 계획할 때는 이런 요소들을 모두 고려하는 것이 중요합니다.

2. 소셜 앱

소셜 미디어 앱도 많은 돈을 법니다. 하지만 다음 섹션에서 볼 엔터테인먼트 앱과 마찬가지로, 소셜 미디어 앱 시장은 경쟁이 매우 치열하고 가장 인기 있는 타이틀이 수익의 대부분을 가져갑니다.

그렇다고 소셜 미디어 앱 생태계가 가장 인기 있는 소셜 네트워크만으로 이루어진 것은 아닙니다. 다양한 커뮤니티를 연결하는 니치 앱에도 자리가 있습니다. 정치에 관심 있는 사람들, 같은 종교를 가진 사람들, 혹은 특정한 라이프스타일(예: 디지털 노마드)을 영위하는 사람들을 연결하는 니치 소셜 미디어 앱이 존재합니다. 이런 앱들은 대략 니치 ‘관심사 기반 소셜 네트워크’라고 생각하면 됩니다.

이런 소셜 앱은 타깃 고객과 목적에 따라 광고, 구독, 앱 내 구매 등 다양한 수익 방식으로 수익을 낼 수 있습니다. 많은 소셜 앱은 사용자에게 자신의 콘텐츠/디지털 제품을 수익화할 수 있는 기능도 제공합니다.

이 세그먼트에는 ‘하이브리드’ 소셜 앱도 많습니다. 이 앱들은 특정 영역(예: 별 관측)을 타깃으로 하면서도 ‘커뮤니티’를 앱의 큰 축으로 만듭니다. 핵심 기능과 일반적인 소셜 네트워킹 기능 사이에서 균형을 잡아, 사용자가 관심사를 추구하는 동시에 더 큰 커뮤니티의 일원으로서 같은 관심사를 가진 사람들과 연결되도록 합니다. 이런 앱은 다양한 사용자층을 끌어들이며, 여러 수익화 방법을 조합해 좋은 수익을 낼 수 있습니다. 다만 성공하려면 사용자 참여를 효과적으로 수익화하는 방법을 알아야 합니다.

3. 구독 기반 엔터테인먼트 앱

구독 기반 엔터테인먼트 앱이라고 하면 주로 콘텐츠 스트리밍 앱을 의미합니다. 하지만 이런 앱들은 모바일 앱 시장에서 가장 높은 매출을 내는 편이긴 해도, 대부분의 개발자에게는 물론이고 많은 기존 앱 스튜디오에게도 이를 만드는 것이 쉽지 않을 수 있습니다. 비즈니스 모델 구조 때문입니다. 콘텐츠 제작, 라이선싱, 그리고 기타 복잡한 운영이 필요합니다.

게다가 해당 니치의 수익을 거의 가져가는 가장 인기 있는 앱들은 이미 충성도 높은 사용자를 확보하고 있습니다. Netflix, Spotify, Hotstar 등을 떠올려 보세요. 그래서 이 세그먼트에 신규 진입자가 많지 않은 이유도 이해할 수 있습니다.

하지만 이 세그먼트가 모두에게 적합하지 않더라도, 구독으로 수익화하는 어떤 앱이든 이 앱들의 수익화 전략에서 배울 점이 있습니다.

구독 앱

4. 이커머스 및 마켓플레이스 앱

좋은 매출을 기대할 수 있는 또 다른 앱 세그먼트는 eCommerce입니다. 새로운 오디언스 세그먼트가 생겨나면서 이 분야에도 여러 신규 진입자가 등장하고 있습니다. 실제로, 충분히 서비스되지 않은 니치를 찾아 특정 관심사나 인구통계에 맞추는 것이야말로 신규 진입자가 기존 주류 앱과 차별화하고, 자사에 충성도 높은 사용자 기반을 끌어모아 유지하는 방법입니다. 그렇지 않으면, 이 분야도 이 목록의 다른 수익성 높은 니치들과 마찬가지로 많은 대형 플레이어로 포화되어 있기 때문입니다. 신규 진입자는 기본적으로 지속될 가능성이 높은 트렌드를 공략합니다.

그중 하나가 클린하고 지속 가능하며 사회적으로 책임 있는 선택을 추구하는 트렌드입니다. 점점 더 많은 신규 eCommerce 앱이 이 라이프스타일을 타깃으로 자리 잡고 있으며, 천연 성분, 유기농, 지속 가능한 제품을 엄선해 제공하면서 클린하고 지속 가능한 옵션을 찾는 소비자에게 집중합니다. 이 니치 시장에 초점을 맞춤으로써, 신규 진입자는 더 큰 온라인 리테일러와 차별화하고 친환경 제품을 찾는 충성 고객층에 어필할 수 있습니다. 클린 뷰티/스킨케어는 그중 하나의 예일 뿐입니다.

이 앱들은 다양한 방식으로 돈을 법니다:

  • 구독
  • 파트너 브랜드의 광고
  • 거래 수수료

더 많은 사람들이 구매 결정에서 지속 가능성을 우선시하면서, 의식 있는 소비로의 이러한 트렌드는 더욱 커질 것으로 예상됩니다. 따라서 이 카테고리에서는 더 많은 앱이 등장할 가능성이 큽니다.

5. 데이팅 앱

해당 분야의 최고 앱(틴더와 범블) 모두 시장 가치가 하락했지만, 데이팅 시장은 여전히 유망합니다. 데이팅 앱의 수익화 방식을 살펴보기 전에, 이러한 하락을 초래한 인구 통계학적 변화를 이해해 보겠습니다. 데이팅 앱이 처음 성장했을 때, 그들은 밀레니얼 세대를 타겟으로 삼았습니다… 그리고 대부분의 밀레니얼 세대는 이제 결혼했습니다. 이 기사가 그 상황을 아주 잘 설명하고 있습니다:

“미국에서 가장 큰 세대인 밀레니얼은 Tinder가 처음 출시됐을 때 데이팅 적령기였지만, 최근 몇 년 사이 결혼하는 사람이 점점 늘었고, 이는 보통 사람들이 앱을 그만두는 결과로 이어집니다. 이제 주된 사용자는 Z세대이며, 더 젊고 — 더 작은 — 인구 집단으로 가처분소득이 더 적습니다. 이러한 세대 변화는 데이팅 앱 업계에 도전 과제를 던집니다.”

explanation guidance for what types of apps make the most money adapty google docs 1

이 과제를 헤쳐 나가기 위해 데이팅 앱은 수익화 방식에 대한 실험이 필요합니다. 전통적으로 데이팅 앱은 1) 단순한 프리미엄 구독, 2) 스포트라이트 같은 추가 기능을 위한 앱 내 구매, 3) 광고로 돈을 벌어왔습니다. 더 큰 앱들은 자체 굿즈도 판매했습니다.

하지만 이제는 이러한 수익원을 실험할 필요가 생겼습니다. 실제로 이 앱들은 주간 프리미엄 플랜과 완전한 a la carte 플랜부터 디지털 꽃 같은 디지털 상품까지, 온갖 제품을 실험하려고 합니다. 또한 더 새롭고 더 나은 데이팅 경험을 제공함으로써 유료 고객이 더 많이 지불하도록 만들려 합니다.

이 수익성 높은 데이팅 앱 니치에 진입을 고려하고 있다면, 타깃 인구집단의 지출 행동을 조사하세요. 그러면 오디언스의 지불 여력, 선호도, 습관에 맞는 수익화 모델을 설계하는 데 도움이 됩니다.

6. 금융 앱

금융 앱은 또 다른 ‘잘 버는’ 모바일 앱 유형입니다. 금융 앱이라고 하면 주로 지출 추적, 투자, 결제 앱을 의미합니다. 지출 추적, 투자, 결제 등 다양한 기능을 아우르는 종합 자산 관리 앱도 있습니다.

금융 앱 부문은 사용자들이 개인 재무 관리에 비용을 지불할 의사가 있기 때문에 수익성이 높습니다. 시장 조사 기관 팩트엠알(Fact.MR)의 ‘개인 재무 모바일 앱 시장 전망 보고서‘에 따르면, 미국, 캐나다, 영국, 일본 등 30개 이상의 국가 사용자를 대상으로 실시한 설문조사에서 응답자의 약 40%가 개인 재무 모바일 앱에 비용을 지불할 의사가 있는 것으로 나타났습니다.

금융 앱을 수익화할 때 앱 제작자는 여러 접근법을 사용합니다. 일부 금융 앱은 광고로 수익을 내어 앱을 무료로 유지합니다. 이런 앱에 신용카드, 대출, 보험 상품 광고를 추가하는 것은 흔한 일입니다. 또 다른 앱은 프리미엄 버전을 다양한 구독 플랜으로 제공하면서, 제한적이거나 ‘lite’ 무료 버전을 제공하는 프리미엄(freemium) 모델을 사용합니다. 일부 앱은 유료 모드를 택해 오직 결제 사용자만을 대상으로 하기도 합니다. 또 다른 전략은 집계 데이터를 핀테크 기업에 판매하는 것입니다. 이는 수익성이 높을 수 있지만, 잠재적 리스크와 윤리적 고려 사항을 반드시 반영해야 합니다. 또한 사용자 신뢰를 유지하고 데이터 보호 규정을 준수하기 위해, 데이터가 집계 형태이며 개인을 식별할 수 없도록 하는 것이 매우 중요합니다.

금융 앱 니치는 수익성뿐 아니라 혁신도 중요합니다. AI, 머신러닝, 블록체인 같은 최첨단 기술을 도입하면 앱 제작자가 사용자에게 개인화된 경험, 향상된 수익률, 강화된 보안을 제공하는 데 도움이 됩니다.

7. 피트니스 앱

현재 68억 6천만 달러 규모인 피트니스 앱 시장은 연평균 9.99%라는 인상적인 성장률을 보이며 2028년까지 100억 4천만 달러에 달할 것으로 전망된다. 사용자당 평균 매출액이 17.84달러에 달하는 이 틈새 시장은 앱에 지출할 의사가 있는 사용자를 대상으로 한다.

이 니치도 목록의 다른 분야처럼 경쟁이 매우 치열하지만, 한 가지 특징은 비교적 신규 앱도 다운로드가 꽤 나온다는 점입니다. 사용자가 피트니스 목표를 달성하기 위해 새로운 앱을 시도하고 싶어 하기 때문일 가능성이 큽니다. 예를 들어 운동 기록 앱을 찾아보면, 수백만 다운로드의 앱이 수십 개 보이는 동시에 사용자 수가 천 명 또는 오천 명 수준인 앱도 보일 것입니다.

이는 사용자가 더 새로운 앱을 기꺼이 실험하려 하기 때문에, 여전히 앱이 들어설 여지가 있다는 것을 의미합니다. 따라서 고가치 앱을 개발할 수 있다면, 규모는 작지만 충성도가 높고 기꺼이 비용을 지불하는 사용자 기반을 구축할 수 있습니다.

수익화 관점에서 피트니스 앱은 다양한 방식으로 수익을 냅니다. 일부는 광고가 포함된 무료 버전을 제공합니다. 다른 앱은 프리미엄 기능에 접근하거나, 앱이 제공하는 모든 것을 잠금 해제하는 프리미엄 버전을 이용하려면 구독이 필요합니다. 개인화 코칭을 위한 앱 내 구매도 흔한 수익화 전략입니다. 또한 피트니스 앱은 사용자가 원하는 기능을 간단한 1회성 결제로 잠금 해제할 수 있도록 단건 구매를 제공하기도 합니다. 예를 들어 새로운 운동 프로그램에 접근하는 경우입니다. 이는 사용자가 비용이 큰 구독 플랜에 커밋하지 않고도 앱에서 더 많은 가치를 얻도록 도와줍니다. 그리고 앱 입장에서는 이런 앱 내 구매가 사용자당 더 높은 매출로 이어집니다.

8. 정신 건강 앱

좋아요, 정신 건강 앱은 피트니스 앱 범주에 속합니다. 그러나 이 앱들은 그들이 다루는 시장 규모 때문에 두드러집니다—정신 건강 앱 하위 부문은 2030년까지 연평균 성장률 15.2%로 성장하여 147억 2천만 달러에 이를 것으로 예상됩니다.

정신 건강 카테고리에는 사용자를 돕는 모든 앱이 포함됩니다:

  • 우울, 불안, 스트레스 관리
  • 명상 실천
  • 정신적 웰빙을 우선시

이 중 명상 카테고리에는 Calm과 Headspace 같은 앱이 있으며, 이들은 정신 건강 앱 업계의 시장 선도 기업들입니다. 이 앱들은 평균 ARPU가 40달러에 달하는 상당한 성공을 거두었으며, 2027년 말까지 60달러에 이를 전망입니다. 그들의 성공은 사용자 친화적인 인터페이스, 고품질 콘텐츠, 효과적인 마케팅 전략 덕분이라고 쉽게 설명할 수 있습니다.

피트니스 앱과 마찬가지로, 새로운 멘탈 피트니스 앱도 어느 정도 사용자 몫을 찾아갑니다. 사용자는 더 풍부한 경험을 위해 신규 앱을 시도하는 데 열려 있기 때문입니다. 예를 들어 AI가 포함된 정신 건강 앱(예: 가상의 “친구”)은 사용자에게 인기가 있습니다. 이러한 앱 중 상당수가 비교적 최근에 등장했다는 점은 주목할 만하며, 더 큰 혁신 가능성을 시사합니다.

일반적으로 정신 건강 앱은 구독 플랜, 프리미엄 기능을 위한 앱 내 구매, 헬스케어 제공자/브랜드와의 파트너십, 스폰서 콘텐츠 및 광고를 통해 수익화합니다. 또한 의료 기관이나 다른 기업에 제공하는 데이터 분석 및 인사이트로도 수익을 창출할 수 있습니다. 이는 “데이터 판매”에 해당하므로, 이 방식으로 수익화하려면 컴플라이언스 점검과 사용자 신뢰 이슈 대응 등이 필요합니다.

9. AI 기반 앱

chatGPT가 대중화되면서 많은 앱 제작자가 그 인기에 편승해 AI 기반 앱을 출시했습니다. 검색어에 “AI”를 추가해 어떤 니치든 찾아보면, 이제 모든 니치에 어떤 형태로든 AI를 활용해 차별화된 사용자 경험을 제공하는 앱이 있다는 것을 확인할 수 있습니다. 더 큰 플레이어들조차 더 나은 앱 경험을 제공하기 위해 앱에 AI를 추가하고 있습니다.

AI 앱에는 통하는 요소가 많습니다. AI 기반 앱은 더 큰 가치를 제공할 수 있습니다. 생산성 앱의 AI 어시스턴트에게 하고 싶은 일을 말하고, 어시스턴트가 완료를 위해 체크만 하면 되는 작업 목록을 만들어 주는 것은 훌륭한 사용자 경험으로 이어집니다. AI 기반 앱은 더 나은 참여도도 제공합니다. AI 기반 앱은 사용자 데이터를 활용해 개인화된 앱 경험을 제공하고, 개인화는 더 높은 참여도로 이어집니다. 또한 AI 기반 앱은 시간이 지날수록 지속적으로 학습하고 개선되어, 장기적으로 사용자에게 더 관련성 높은 앱 경험을 제공할 수 있습니다. 즉, 더 나은 리텐션을 기대할 수 있습니다.

AI 앱의 수익화 모델은 주로 타깃으로 하는 니치와 오디언스 세그먼트에 따라 달라집니다.

정리해보면…

상상할 수 있듯이, 가장 많은 돈을 버는 모바일 앱은 가장 경쟁이 치열한 앱 세그먼트를 타깃으로 합니다. 니치 앱과 달리, 이렇게 포화된 시장에서 점유율을 확보하는 것은 어렵습니다. 고유한 가치를 제공하지 않는다면 앱을 차별화하기도 어렵습니다.

또한 앱의 가시성을 높이기 위해 더 많은 투자를 준비해야 합니다. 매장 내 검색과 같은 유기적 발견 방법에만 의존하는 것은 효과가 없을 것입니다. 발견 단계를 넘어서는 단계에서도 더 많은 사용자가 유료 플랜으로 업그레이드하거나 인앱 구매를 하도록 유도하기 위해 인앱 상품, 가격 정책, 유료화 전략 실험에 투자해야 합니다. 마지막으로, 사용자 확보 및 수익 창출 캠페인을 더욱 강화하기 위해 PR이나 휴일 마케팅과 같은 성장 전략을 활용해야 합니다.

전반적으로, 가장 인기 있는 타이틀이 이익의 대부분을 가져가는 경쟁 세그먼트에서 앱을 수익성 있게 만드는 것은 니치 시장에 진입하는 것만큼 쉽지 않습니다. 하지만 불가능한 일은 아닙니다!

[출처] https://adapty.io/ko/blog/what-apps-make-the-most-money/?rsid=2bd36f61-fb70-4865-ad36-3d0ca1d9570b

Loading

2 3월 2026

[인공지능 기술]  Andrej Karpathy: 에이전트 AI 코딩이 세상을 바꿔놓았다

[인공지능 기술]  Andrej Karpathy: 에이전트 AI 코딩이 세상을 바꿔놓았다

41P by xguru 4일전 | ★ favorite | 댓글 5개

“코드를 직접 타이핑 하던 시대”는 끝났다

  • 지난 2개월간 프로그래밍이 점진적 발전이 아닌 급격한 변화를 겪었으며, 특히 직전 12월이 결정적 전환점이었음
  • 모델들의 품질, 장기 일관성(long-term coherence), 끈기(tenacity) 가 크게 향상되어 크고 긴 작업을 끝까지 처리 가능
  • 이로 인해 기존 기본 프로그래밍 워크플로우에 매우 파괴적인 변화가 발생
  • 일례로, 주말에 자택 카메라용 로컬 비디오 분석 대시보드를 구축했음
  • 에이전트에게 내린 지시 내용

    “DGX Spark의 로컬 IP와 사용자명/비밀번호를 줄 테니 로그인하고, SSH 키 설정, vLLM 설정, Qwen3-VL 다운로드 및 벤치마크, 비디오 추론용 서버 엔드포인트 구축, 기본 웹 UI 대시보드 구축, 전체 테스트, systemd 서비스 설정, 메모리 노트 기록, 마크다운 리포트 작성까지 할 것”

  • 에이전트가 약 30분간 자율적으로 작업 수행: 여러 문제에 부딪히면서 온라인으로 해결책을 조사하고, 하나씩 해결하며 코드 작성, 테스트, 디버깅, 서비스 설정까지 완료 후 보고서를 제출함
  • 직접 손댄 것은 아무것도 없었으며, 불과 3개월 전만 해도 주말 전체가 필요한 프로젝트였지만 이제는 30분 동안 잊고 기다리면 완료되는 작업이 되었음
  • 컴퓨터 발명 이래 에디터에 코드를 직접 타이핑하던 시대는 끝났음
  • 이제는 AI 에이전트를 실행하고, 영어로 작업을 지시한 뒤 그 작업을 병렬로 관리하고 검토하는 시대
  • 가장 큰 보상은 추상화 계층을 계속 높여가는 것, 즉 올바른 도구, 메모리, 지시를 갖춘 장기 실행 오케스트레이터가 여러 병렬 Code 인스턴스를 생산적으로 관리하도록 설계하는 것
  • 최상위 수준의 “에이전틱 엔지니어링” 을 통해 달성할 수 있는 레버리지가 현재 매우 높음
  • 물론, 아직 완벽하지 않으며, 고수준 방향 설정, 판단력, 감각(taste), 감독, 반복 작업, 힌트와 아이디어 제공이 필요함
  • 일부 시나리오에서 훨씬 잘 작동하며, 특히 작업 명세가 명확하고 기능을 검증/테스트할 수 있는 경우에 효과적임
  • 핵심은 작업을 적절히 분해하여 잘 작동하는 부분은 에이전트에 위임하고 나머지 부분에서 도움을 주는 직관을 기르는 것
  • 현재 소프트웨어 업계는 “평소와 다름없는 시기(business as usual)”가 전혀 아닌 상황

[출처] https://news.hada.io/topic?id=27017

Loading

22 2월 2026

[인공지능 기술] OpenClaw가 내 삶을 바꾸고 있다 

[인공지능 기술] OpenClaw가 내 삶을 바꾸고 있다 

27P by GN⁺ 13일전 | ★ favorite | 댓글 6개
  • OpenClaw는 개발자를 코드 작성자에서 관리자 역할로 전환시키는 범용 에이전트로, 메시징 앱을 통해 음성으로 상호작용하며 프로젝트 전체를 독립적으로 처리
  • Claude Code는 코딩을 쉽게 만들었지만 여전히 개발자가 직접 환경 설정, 편집, 디버깅을 수행해야 하는 코드 실행자 역할에 머물렀음
  • OpenClaw는 의도만 전달하면 자동으로 프로젝트 생성, 계획 수립, Claude Code 지시를 통한 코딩 실행까지 담당하며, 작업 중 학습한 방법과 규칙을 기억해 점진적으로 발전
  • 개발자는 이제 휴대폰 채팅만으로 개발, 테스트, 배포, 출시를 관리하며, 여러 프로젝트를 동시에 진행하는 가상의 팀을 보유한 것과 같은 생산성 확보
  • 자본 없이도 아이디어를 실현할 수 있는 환경이 조성되어, 1인 개발자가 제품 기획과 디자인에만 집중하는 이상적 상태에 근접함

기존 에이전틱 코딩 도구의 한계

  • Claude Code, Cursor 같은 에이전틱 코딩 도구는 코드 작성을 쉽게 만들었지만, 여전히 개발자가 코드를 “작성”하는 주체로 남아있음
    • 수작업 편집, 복사-붙여넣기, AI에게 의도 전달 후 완성 등 방식만 달라졌을 뿐, 코드를 현실화하는 책임은 개발자에게 있음
  • 생산성은 향상되었으나 작업마다 프로젝트 진입, 환경 설정, 에디터와 터미널 실행이 필요
    • 수동 타이핑 대신 채팅창에 의도를 입력하는 것으로 바뀌었을 뿐, 한 가지 차원만 변화
    • 테스트, 디버깅 대부분은 여전히 개발자 몫이며, 성숙하지 못하고 근본적 변화는 없음
  • 깊은 개입과 모니터링이 필요해 코드 실행자 역할에서 벗어나지 못함

OpenClaw가 가져온 변화

  • OpenClaw는 범용 에이전트로서 메시징 앱을 통해 음성으로 상호작용하며, 의도를 정확히 이해하고 장시간 독립적으로 작업
    • 작업 중 학습한 방법과 규칙을 기억하고 유지하며, 사용을 통해 점진적으로 발전
  • 몇 차례 실습 후, 프로그래밍 환경에서 완전히 벗어나 휴대폰 채팅만으로 프로젝트 전체(개발, 테스트, 배포, 출시, 사용)를 처리 가능
  • 의도만 표현하면 자동으로 프로젝트를 생성하고 계획을 작성해 검토하게 하며, 음성으로 변경 사항 논의 후 실행
    • Claude Code를 지시해 실제 코딩을 수행하도록 함
  • 코드를 작성하던 개발자를 대체하고 진정한 프로그래머 역할을 담당하여, 개발자를 관리자로 전환

관리자로의 전환

  • 관리자는 세부 사항에 얽매이지 않고 상위 수준의 추상적 작업에 집중해야 하며, 이것이 진정한 관리
    • 순수하게 커뮤니케이션만으로 일을 처리할 수 있을 때 진정한 관리자
  • Claude Code만으로는 이 상태에 도달할 수 없었으나, 24/7 실행되는 전용 머신과 도구 세팅, 의도를 이해하는 에이전트가 컴퓨터 앞에서 코드 작성 및 디버깅을 수행하면 진정한 변화 도래
  • 항상 대기 중인 프로그래머를 보유한 것과 같아, 미팅 참여, 아이디어 논의, 작업 수행, 보고, 조정을 언제든 가능
    • 여러 역할을 동시에 수행하며, 여러 프로젝트에서 다수의 프로그래머가 작업하는 것처럼 운영
  • 개발자는 특정 프로젝트 진행 상황을 추적하는 기술 리드나, 전체 일정과 방향을 조정하는 프로젝트 매니저 역할 수행

생산성 해방과 꿈의 실현

  • 생산성이 진정으로 해방되어, 이전에는 진행할 수 없었던 수많은 아이디어를 추진 가능
    • 아이디어는 많았으나 혼자 모두 구현할 방법이 없어 쌓여만 가던 상황에서 벗어남
  • 갑자기 팀을 보유한 것처럼 변화했으며, 항상 상상했던 시나리오에 도달
    • 회사를 소유하고 사람들을 고용해 아이디어를 실현하며, 제품 디자인과 기획에만 집중하는 상태
  • 이전에는 진지한 자본이 필요했으며, 돈 없이는 고용 불가능하고 아이디어맨으로만 남을 수 없음
    • 펀드로 재미삼아 하는 경우가 아니면, “여러 프로젝트를 만들고 싶은 인디 개발자”와 “생존을 위한 솔로 개발자” 사이에서 갇혀있음
  • 이제 그 함정에서 벗어나 실제로 팀을 보유하는 방향으로 이동 중
    • 언제든 모든 프로젝트가 진행되도록 유지
    • 아직 완벽하지는 않지만 첫 단계를 밟음
  • AGI는 이미 도착했으며, 운명의 톱니바퀴가 상상하지 못했던 방향으로 회전 중

[출처] https://news.hada.io/topic?id=26532&utm_source=weekly&utm_medium=email&utm_campaign=202607

Loading

18 2월 2026

[인공지능 기술] [알아봅시다] 화제의 대화형 인공지능, ChatGPT가 출원 서류도 작성할 수 있을까?

[인공지능 기술] [알아봅시다] 화제의 대화형 인공지능, ChatGPT가 출원 서류도 작성할 수 있을까?

2022년 11월 말 출시된 오픈AI사의 ChatGPT는 대화형 인공지능(이하 AI)으로써 질문에 대한 답을 주는 것 뿐만 아니라 문장의 요약, 창작, 번역 등 다양한 비즈니스에 활용이 가능하다. 지적재산 분야에서도 ChatGPT 등 AI 서비스의 등장이 특허 업무에 어떤 변화를 불러일으킬 것인가에 대해 많은 이목이 쏠리고 있다. 

 

일반적으로 변리사가 작성하는 특허출원 서류는 아래 5가지로 구성된다.

 

1) 권리의 범위를 정하는 ‘특허청구범위’

2) 발명의 상세를 설명하는 ‘명세서’

3) 발명의 요점을 기재하는 ‘요약서’

4) 발명의 설명을 알기 쉽게 하는 ‘도면’

5) 출원인 및 발명자에 대해 기재하는 ‘원서’

 

변리사가 이런 서류들을 작성하기 위해서는 출원인 및 발명자로부터 출원 정보를 받아 정리하고 특허 데이터베이스, 문헌 검색 등을 이용하여 기존에 유사한 출원이 존재하지 않는지 선행 조사를 실시한다. 그 이후, 출원의 특징 및 기술에 따라 신규성과 진보성을 평가해 문서화한다. 또한 심사와 소송에 대한 선제적으로 대비하기 위해 출원을 보완하는 경우도 있다.

 

그렇다면 AI는 특허 출원 과정에 어떠한 변화를 가져다 주었을까? 실제 ChatGPT에 질문한 내용을 예시로 들어보자.

 

<‘쓰레기 처리기’와 특허출원에 관해 ChatGPT와 나눈 대화 일부>

명령1

기존 쓰레기 처리기의 과제와 이를 보완할 수 있는 기술을 포함하는 특허 개발을 위한 청구항을 제안해줘.

이하에 기존 쓰레기 처리기의 과제를 보완할 가능성이 있는 기술을 포함하는 특허 개발을 위한 청구항의 예시를 제안합니다.

 

ㅇ 제1항: 자동 분리수거 기능을 구비한 쓰레기 처리기

쓰레기 처리기에 있어서 자동으로 쓰레기를 분리하고 분리된 쓰레기를 각각 적절한 처리 방법에 의해 처리하는 기능을 구비하는 것을 특징으로 한다.

 

제2항: 고효율 재활용 기능을 갖춘 쓰레기 처리기

쓰레기 처리기에 있어서 재활용 가능한 쓰레기를 고효율로 회수·분리하여 재사용 가능한 자원의 회수율을 향상시키는 기능을 구비하는 것을 특징으로 한다.

 

제3항: 악취 및 유해물 배출을 억제하는 쓰레기 처리기

쓰레기 처리기에 있어서 악취나 유해 물질의 배출을 억제하기 위한 탈취·제거 장치를 구비하여 처리 과정에 있어서의 환경 부하를 저감하는 기능을 갖는 것을 특징으로 한다.

 

제4항: 에너지 절약 운전이 가능한 쓰레기 처리기

쓰레기 처리기에 있어서, 처리 프로세스에 있어 에너지 절약 운전을 실현하기 위한 효율적인 열 교환 시스템 및 에너지 회수 장치를 구비하는 것을 특징으로 한다.

 

제5항: 원격 감시 및 제어 기능을 구비한 쓰레기 처리기

쓰레기 처리기에 있어서 원격지로부터의 감시 및 제어가 가능한 통신 인터페이스, 센서를 구비하여 운전 상황의 모니터링이나 효과적인 보수·관리를 실현하는 기능을 갖는 것을 특징으로 한다.

 

이러한 청구항은 쓰레기 처리기의 기존 과제에 대한 해결책이나 개선점을 도입한 것입니다. 특허출원 시에는 구체적인 발명의 상세나 기술에 따라, 보다 구체적이고 특징적인 청구항을 작성하는 것이 중요합니다. 전문적인 조언을 받으면서 특허출원 전략을 검토하는 것을 추천합니다.

명령2

그럼 쓰레기 처리기에 관한 특허출원서도 작성해 줄래?

일본 특허출원을 위한 원서의 예는 다음과 같습니다. 특허출원 시에는 특허청이 지정하는 서식에 따라 원서를 작성해야 하므로 이는 어디까지나 참고 예입니다.

 

[서류명] 쓰레기 처리기에 관한 특허출원서

 

[발명의 명칭] 쓰레기 처리기

 

[출원인 정보]

출원인 성명: [출원인 성명]

주소: [출원인 주소]

국적: [출원인의 국적]

법인의 경우 법인명과 소재지 기재

 

[대리인 정보] (대리인을 이용하는 경우)

대리인 성명: [대리인 성명]

주소: [대리인 주소]

국적: [대리인 국적]

대리인 등록번호: [대리인등록번호]

대리인 상세정보 기재

 

[발명의 요약]

[쓰레기 처리기 발명에 관한 요약 기재]

 

[발명의 설명]

[쓰레기 처리기 발명에 대한 상세한 설명 기재]

 

[도면 설명]

[쓰레기 처리기에 관한 도면 설명 기재]

 

[청구 범위]

[앞에서 서술한 청구항 번호와 내용 기재]

 

[신청일]

[특허출원 신청일 기재]

 

[서명]

출원인 또는 대리인의 서명과 날짜

 

이상이 일반적인 일본 특허출원을 위한 원서의 예입니다. 이는 특허청이 지정한 서식에 따라 필요한 정보를 정확하고 완전히 기재해야 합니다. 특허 대리인 및 변호사의 도움을 받는 것을 추천합니다. 또한, 특허출원에는 다양한 서류와 절차가 필요하므로 자세한 내용은 특허청 웹사이트 및 전문가의 지도를 참고하시기 바랍니다.

 

[자료: ChatGPT와 채팅 내용을 도쿄 IP-DESK에서 번역]

 

이처럼 ChatGPT의 경우, 질문에 대한 AI 나름의 분석과 답변을 받아볼 순 있었지만, 실제 특허출원을 하기 위한 구체적인 기술의 제시는 불가능했으며 제공된 양식이 정확한지도 확인해 볼 필요가 있을 것으로 사료된다. 외견상 그럴싸한 답변을 제시한 듯 했으나 ChatGPT는 인터넷상에 공개된 방대한 데이터를 학습하고 조합하여 답변하기 때문에 그 중에는 오래되거나 혹은 잘못된 정보가 포함돼 있을 가능성이 높다. 이 뿐만 아니라 채팅 기록과 개인정보, 영업비밀 유출 등의 보안상 문제가 우려되며 자사 시스템에 ChatGPT 프로그램을 도입·변경하여 사용하는 것은 불가하므로 활용 방안에 대해 신중하게 검토할 필요가 있다.

 

일본 경제산업성, AI를 이용한 특허 출원서류 작성을 인정해

 

한편, 아직은 시작 단계인 AI지만 특허 출원의 도우미로서 적절히 활용한다면 지식재산의 개발 및 관리에 소요되는 시간, 비용 등을 절감할 수도 있다. 아래에서는 나날이 증가하고 있는 일본 기업들의 AI를 활용한 지재권 서비스를 소개하고 이에 대한 적법성을 논한다.

 

AI 기반 특허 판정 시뮬레이션 시스템의 개발·운영 업체인 주식회사 AI사무라이(Samurai)는 최단 3일 만에 그리고 최저 5만 엔(세금 별도)으로 특허 조사와 출원서류 초안 작성이 가능한 ‘모두의 특허’ 서비스를 2022년 12월 시작하였다. 이 서비스는 변리사에게 의뢰하는 업무 영역이었던 베이스 자료를 AI가 작성함으로써 소요 비용과 시간을 대폭 절감시키고, 이를 연계 변리사의 감독 하에 특허청에 출원하는 방식이며, AI가 작성한 ①특허기술조사 리스트, ②특허 유사도 평가 자료 등도 받아볼 수 있다. 나아가, 미쓰이스미토모해상화재보험(주)와 연계해 日 업계 최초로 지식재산권의 소송비용 보험을 무상 제공한다. 본 서비스를 이용해 특허출원을 실시한 경우라면, 취득한 특허권이 포함되는 이용자의 제품·서비스에 대해서 특허침해 소송이 제기되었을 시 변호사 비용 등의 소송에 관한 비용의 일부가 보상된다.

 

온라인 플랫폼의 개발 및 운영, 지식재산 정보제공, 컨설팅을 실시하는 코토박스 주식회사(cotobox)는 일본 최대의 온라인 AI 상표등록 서비스 ‘Cotobox’를 통해 2021년 이래 2년 연속 일본 특허청에 출원 취급건수에 있어서 1위를 차지하였다. 본 서비스는 유사 상표 검색서비스를 제공해 간이 조사 결과와 웹사이트 폼에 정보를 입력하는 것만으로 출원 서류를 작성해준다. 더불어, 해당 사이트에서는 대화형 AI인 챗봇을 이용할 수 있어 본 서비스의 조작 방법이나 상표출원 시의 궁금증을 손쉽게 상담할 수 있다. 이러한 각종 인공지능 활용 기술로 해당 사이트에선 서비스 이용에 최단 3분이 소요되고 최단 1영업일 만에 일본 특허청에 출원서 제출까지 가능한 스피드 있는 상표출원을 서포트한다.

 

위와 같이 일본 IP 시장에서 부상을 거듭하고 있는 AI변리사 서비스, 즉 인공지능을 활용한 출원 업무 취급 서비스이지만 개시할 당시에는 우선 日 변리사법 제75조의 저촉 여부에 대한 확인이 필요했다. 이에 상기에 사례로 언급한 AI사무라이 측에서는 산업경쟁력강화법에 따라 사업자가 현행 규제의 적용 범위가 불명확한 경우에도 안심하고 신사업활동을 할 수 있도록 구체적인 사업 계획에 입각하여 미리 규제 적용 여부를 확인하는 ‘그레이존 해소 제도’를 통해 AI에 의한 특허출원서류 검토 및 작성의 적법성을 물었다.

 

 

일본 변리사법 제75조

 

변리사 또는 변리사법인이 아닌 자는 타인의 요구에 따라 보수를 받고 △특허·실용신안· 디자인·상표의 국제출원, △디자인권과 관련된 국제등록출원, △상표와 관련된 국제등록출원에 관한 특허청에 있어서의 절차, △특허·실용신안·디자인·상표에 관한 행정불복심사법의 규정에 따른 심사 청구, △재정에 관한 경제산업대신에 대한 절차 대리(특허료 납부 절차에 대한 대리, 특허 원부 등록신청절차에 대한 대리 및 그 밖의 정령으로 정하는 것은 제외), △또는 이러한 절차와 관련된 사항에 관한 감정(鑑定), △정령으로 정하는 서류 및 전자적 기록(전자적 방식, 자기적 방식 및 그 외 사람의 지각으로는 인식할 수 없는 방식으로 만들어지는 기록으로써, 컴퓨터에 의한 정보처리용으로 제공되는 것을 말함.)의 작성을 업으로 할 수 없다.

 

<日 경제산업성의 AI에 의한 특허출원서류 작성 관련 회답>

1. 확인 요청 일시: 2023년 1월 19일

2. 회답 일시: 2023년 2월 18일

3. 신 사업활동 관련 사업 개요: 본 건 사업은 이용자(연구자, 발명자, 변리사 등)가 입력한 발명 내용(새로운 아이디어) 및 복수의 유사한 선행특허문헌에 기초하여 특허출원서류 기재 예의 서포트가 되는 문장을 자동 출력하는 시스템(이하 ‘본 건 시스템’이라 한다.)을 개발·제공하는 것이다.

 

본 건 시스템의 구체적인 이용 절차는 다음과 같다.

 

(1) 사용자는 브라우저 화면에서 발명 내용을 문장으로 입력함과 동시에 선행기술문헌인 기준 특허와 유사 특허군(500건 이하)을 문헌 번호로 지정한다.

 

(2) 이 사건 시스템에 의해 발명 내용을 분할하고 분할된 구성에 포함되는 센텐스 또는 단어를 추출하고 그 추출된 문자군에 기초하여 유사 문헌으로부터 해당 문자군을 설명하는 해당 장소를 추출하여 명세서의 항목에 맞게 재배치하여 출력한다.

 

(3) 해당 출력 결과는 브라우저 화면상의 편집기능 또는 워드 문서로의 내보내기 기능을 통해 변리사에 의해 수정 확인돼 특허청에 출원된다. 본 건 시스템에서 사용자는 상기 (3)에서 수출된 워드 문서를 이용하여 특허출원을 함에 있어 변리사에게 해당 문서의 내용 확인 및 수정을 받는 것을 전제로 한다. 즉, 사용자는 본 건 시스템을 이용할 때에 본 건 시스템을 이용한 최종적인 특허출원서류의 작성 행위에 변리사가 확실하게 관여하는 것에 대해서 예를 들어 본건 시스템의 이용규약이나 별도 서약서 등에서 명확히 한다.

 

본 건 시스템의 제공처로써 상정하는 고객으로는 변리사, 특허업무법인 또는 변리사가 재적하는 기업으로 하고 변리사가 재적하지 않는 기업에 대해서는 별도 변리사 또는 특허업무법인과 출원위탁계약을 체결하는 것을 전제로 제공한다.

 

4. 확인 요청 내용: 본 건 사업이 변리사법 제75조에 저촉되는가

 

5. 확인 요구에 대한 답변내용: 본 건 시스템을 변리사 또는 특허업무법인에 제공하는 경우, 본 건 시스템이 출력하는 서류 데이터는 변리사 또는 특허업무법인만이 접근할 수 있으므로 본 건 시스템을 이용한 서류 작성 행위는 변리사의 감독 하에서 이루어지고 있어 변리사법 위반이 되지 않는다고 생각된다.

 

한편, 본 건 시스템을 변리사가 재적하는 기업 또는 변리사가 재적하지 않는 기업에 제공하는 경우, 본 건 시스템을 이용한 서류 작성 행위에 변리사가 관여하는 것이 확실하게 담보될 수 있도록 충분하고 객관적인 제도적·운용적 수당을 강구하고 있는 한, 해당 서류 작성 행위는 변리사법 위반에 해당하지 않는다고 생각된다.

 

단, 본 건 시스템 이용의 구체적 양태에 의해 변리사가 서류 작성에 실질적으로 관여하고 있지 않고, 이른바 ‘명의 대여’에 상당한다고 인정되는 경우, 본 건 시스템을 이용한 서류 작성 행위가 변리사법 위반이 될 가능성이 있다.

 

덧붙여 상기 회답은, 이번에 조회가 있던 사업에 대해서만 판단한 것이지, 다른 사업 등에 있어서의 판단을 나타내는 것은 아니다. 또한, 본 제도의 응답은 어디까지나 해당 법령에서의 취급에 대해서만 판단한 것이고, 다른 법령 등에서의 판단을 나타내는 것은 아니다.

[자료: 일본 경제산업성 홈페이지]

 

따라서, AI 기술을 접목시킨 특허출원서류 작성 서비스는 변리사법 제75조에 위배될 우려가 있었으나 그레이존 해소 제도에 근거한 답변을 통해 변리사의 감독 하에 있는 한 동조에 반하지 않는다는 것을 알 수 있었고 이는 여러 日 기업들이 AI에 의한 업무 효율화 추진 시스템 사업을 개발 및 연구할 수 있도록 이바지 하여, 일본의 산업 발전에 공헌할 수 있는 기회를 도출했다.

 

시사점

 

<AI기술 활용을 위한 액션 플랜에 게재 검토 사업(2022~2026년)>

항 목

내 용

전화·메일 등의 질문 대응 전화·메일 등의 질문 대응에 필요한 시간을 삭감하기 위해 다음 

사항 등에 대해 AI 기술 활용을 검토

– 전화 응답 내용의 쓰기

– 쓰기 데이터 등에서 문의에 관한 중요 부분 추출

– 문의 텍스트에서 답변 자동 생성

종이 자료의 전자화(텍스트화) 종이 서류의 내용 확인 및 입력 등에 소요되는 시간을 줄이기 위해, 다양한 레이아웃의 종이 서면에서 항목명과 항목명에 대응하여 기재된 입력을 세트로 추출, 텍스트화하는 것에 대해 검토
상표 국제등록출원에서의 지정상품 역무의 확인 지정상품 역무의 확인에 필요한 시간을 삭감하기 위해, 상표의 국제등록출원에서 지정된 지정상품 역무에 대해, 기초가 되는 국내출원에서 지정된 지정상품 역무의 범위를 넘지 않는지 체크를 지원하는 것을 검토
제출 서류의 열람금지처리 지원 특허청에 제출된 서면 내용에 따라 열람 금지 처리를 하는 업무의 효율화를 위해 AI 기술 활용을 검토
상표 식별성 유무의 시사 심사 안건 난이도의 적절한 파악을 위해 AI 기술을 활용해 출원된 상표에 대해 식별성 판단의 난이도 평가를 할 수 있는지 검토

[자료: 일본 특허청]

 

상기 일본 특허청의 AI를 활용한 업무 개혁 노력과 같이 계속해서 AI는 특허 생태계 전체에 효율과 특허 품질을 모두 향상시키는 중요한 역할을 맡을 것이며, 특허청 및 지적재산전략추진본부 등 현지 정부의 AI를 활용한 워크플로 접근법과 적법성 등을 주시해야 할 것이다. 이와 관련하여 일본의 최신 지재권 동향 및 지원 제도 등 한국 기업에서도 활용 가능한 해외 각국의 IP 정보는 공사 홈페이지 내 ‘IP-DESK가 전하는 글로벌 IP 현장 뉴스’를 통해서도 확인 가능하며, 도쿄 IP-DESK에서는 온라인을 통한 상시 상담을 진행하고 있으니 일본 진출에 이를 적극 이용하길 권장하는 바이다.

 

 

자료: ChatGPT, AI사무라이, 코토박스, 일본 경제산업성, 일본 특허청 홈페이지 참조, KOTRA 도쿄 무역관 IP-DESK 작성

<저작권자 : ⓒ KOTRA & KOTRA 해외시장뉴스> 

 

원문바로가기 : https://dream.kotra.or.kr/kotranews/search.do

[출처] https://www.kidp.or.kr/?menuno=773&bbsno=7531&siteno=16&act=view&ztag=rO0ABXQAOTxjYWxsIHR5cGU9ImJvYXJkIiBubz0iOTg5IiBza2luPSJwaG90b19iYnNfMjAxOSI%2BPC9jYWxsPg%3D%3D

Loading

16 2월 2026

[인공지능 개발자]  Claude Code 완전 가이드: 해커톤 우승자의 70가지 파워 팁 [54p PDF] 

[인공지능 개발자]  Claude Code 완전 가이드: 해커톤 우승자의 70가지 파워 팁 [54p PDF] 

Claude_Code_완전_가이드_70가지_팁.pdf

135P by xguru 7일전 | ★ favorite | 댓글 3개

Part 1: 에이전틱 개발자의 사고방식

  • 1.1. 큰 문제 정복의 첫걸음: 분해하고 정복하라 (ykdojo #3)
  • 1.2. 계획 모드 vs. 욜로 모드 (Ado #18, #19)
  • 1.3. 컨텍스트: AI의 기억력을 지배하는 기술 (ykdojo #5, #8, Ado #15)
  • 1.4. 올바른 추상화 수준 선택 (ykdojo #32)
  • 1.5. 미지의 영역에서 더 용감하게 (ykdojo #35)

Part 2: 기초부터 탄탄하게 – 환경 설정과 필수 명령어

  • 2.1. 커스텀 상태 라인으로 모든 것을 한눈에 (ykdojo #0)
  • 2.2. 필수 슬래시 명령어 마스터 (ykdojo #1, Ado #4, #16, #17)
  • 2.3. CLAUDE.md: AI를 위한 프로젝트 설명서 (Ado #1, #2, ykdojo #30)
  • 2.4. 터미널 별칭으로 빠른 접근 (ykdojo #7)
  • 2.5. 세션 관리: 대화를 잃지 않는 법 (Ado #9, #10, #11, #12)

Part 3: 생산성을 극대화하는 핵심 기술

  • 3.1. 음성으로 코딩하기 (ykdojo #2)
  • 3.2. 터미널 출력 추출의 기술 (ykdojo #6)
  • 3.3. Cmd+A/Ctrl+A: 전체 선택의 힘 (ykdojo #10)
  • 3.4. 마크다운과 Notion 활용 (ykdojo #19, #20)
  • 3.5. 키보드 단축키 완전 정복 (Ado #5, #6, #7, #8, ykdojo #38)
  • 3.6. Vim 모드로 프롬프트 편집 (Ado #13)
  • 3.7. 입력 박스 탐색 및 편집 (ykdojo #38)

Part 4: 컨텍스트 관리의 예술

  • 4.1. 선제적 컨텍스트 압축 (ykdojo #8)
  • 4.2. 터미널 탭으로 멀티태스킹 (ykdojo #14)
  • 4.3. 대화 복제 및 반복제 (ykdojo #23)
  • 4.4. /context로 X-Ray 비전 (Ado #15)
  • 4.5. realpath로 절대 경로 얻기 (ykdojo #24)

Part 5: Git과 GitHub 워크플로우 완전 정복

  • 5.1. Git과 GitHub CLI 프로 활용 (ykdojo #4)
  • 5.2. Git worktrees로 병렬 브랜치 작업 (ykdojo #16)
  • 5.3. 대화형 PR 리뷰 (ykdojo #26)
  • 5.4. 승인된 명령어 감사 (ykdojo #33)

Part 6: 고급 기능 – MCP, Hooks, Agents

  • 6.1. MCP: 외부 세계와의 연결 (Ado #22, #23, #24, #25)
  • 6.2. Hooks: 규칙의 강제 (Ado #26)
  • 6.3. Skills: 재사용 가능한 지식 (Ado #27)
  • 6.4. Agents: 전문화된 서브에이전트 (Ado #28)
  • 6.5. Plugins: 기능 번들 (Ado #29)
  • 6.6. CLAUDE.md vs Skills vs Slash Commands vs Plugins (ykdojo #25)

Part 7: 시스템 최적화와 자동화

  • 7.1. 시스템 프롬프트 슬림화 (ykdojo #15)
  • 7.2. 장시간 작업을 위한 수동 지수 백오프 (ykdojo #17)
  • 7.3. 백그라운드에서 bash 명령 및 에이전트 실행 (ykdojo #36)
  • 7.4. 자동화의 자동화 (ykdojo #41)
  • 7.5. Headless 모드로 CI/CD 통합 (Ado #30)

Part 8: 컨테이너와 샌드박스

  • 8.1. 컨테이너로 위험한 작업 격리 (ykdojo #21)
  • 8.2. Sandbox 모드와 권한 관리 (Ado #20)
  • 8.3. YOLO 모드: 위험을 감수할 때 (Ado #20)

Part 9: 브라우저 통합과 웹 자동화

  • 9.1. 네이티브 브라우저 통합 (Ado #21)
  • 9.2. Playwright MCP (Ado #22)
  • 9.3. Gemini CLI를 대체 수단으로 (ykdojo #11)

Part 10: 실전 활용 사례

  • 10.1. 작성-테스트 사이클 완성 (ykdojo #9)
  • 10.2. 자신만의 워크플로우에 투자 (ykdojo #12)
  • 10.3. 대화 기록 검색 (ykdojo #13)
  • 10.4. 글쓰기 도우미로 활용 (ykdojo #18)
  • 10.5. 연구 도구로 활용 (ykdojo #27)
  • 10.6. 출력 검증 방법 마스터 (ykdojo #28)
  • 10.7. DevOps 엔지니어로 활용 (ykdojo #29)
  • 10.8. 범용 인터페이스로 활용 (ykdojo #31)
  • 10.9. 테스트 많이 작성 (TDD) (ykdojo #34)
  • 10.10. 복잡한 코드 단순화 (ykdojo #40)

Part 11: 고급 패턴과 철학

  • 11.1. 계획과 빠른 프로토타이핑의 균형 (ykdojo #39)
  • 11.2. 개인화된 소프트웨어 시대 (ykdojo #37)
  • 11.3. 사용이 최고의 학습 (ykdojo #22)
  • 11.4. 지식 공유 및 기여 (ykdojo #42)
  • 11.5. 계속 학습하기 (ykdojo #43)

Part 12: 고급 기능과 SDK

  • 12.1. Extended Thinking (Ado #19)
  • 12.2. LSP 통합 (Ado #31)
  • 12.3. Claude Agent SDK (Ado #31)
  • 12.4. 팀 설정과 공유 워크플로우 (Ado #30)

Part 13: 학습 로드맵과 다음 단계

  • 13.1. 초급자를 위한 로드맵 (1-3개월)
  • 13.2. 중급자를 위한 로드맵 (3-12개월)
  • 13.3. 고급자를 위한 로드맵 (1년 이상)
  • 13.4. 필독 참고 자료

[출처] https://news.hada.io/topic?id=26526&utm_source=weekly&utm_medium=email&utm_campaign=202607

Loading

16 2월 2026

[인공지능 개발자] 소프트웨어 서바이벌 3.0 – 무엇을 만들어야 살아남는가 

[인공지능 개발자] 소프트웨어 서바이벌 3.0 – 무엇을 만들어야 살아남는가 

45P by neo 11일전 | ★ favorite | 댓글과 토론
  • AI가 모든 소프트웨어를 작성하는 시대에는 토큰(추론 비용)을 절약하는 소프트웨어가 진화론적 선택 압력을 통해 살아남게 될 것
  • 생존 비율 공식을 통해 소프트웨어의 적합도를 측정하며, 인지 절약이 인지 비용을 넘어서는 경우(1을 초과)에만 생존 가능
  • Git, grep 같은 도구는 통찰 압축과 기판 효율성 덕분에 AI가 다시 만들어 쓰기에는 비용이 터무니없이 큰 사례
  • 에이전트가 도구를 채택하려면 인지도(Awareness) 와 마찰 최소화(Friction) 가 필수적이며, Desire Paths 설계가 효과적
  • AI 중심의 시대에도 인간 계수(Human Coefficient) 가 작동해, 인간의 개입과 선호가 직접적인 가치를 만드는 영역은 계속 살아남게 될 것

배경: AI 시대의 소프트웨어 예측

  • 2024년 6월 Death of the Junior Developer, 10개월 전 오케스트레이터 도래 예측, Gas Town 프로젝트 등을 통해 AI 발전 곡선을 지속적으로 맞혀옴
  • 2023년 코드 자동 완성 → 2024년 대화형 인터페이스 → 2025년 초 에이전트 → 2026년 초 오케스트레이션으로 이어지는 흐름을 외삽해 Gas Town 개발
  • 모든 예측의 근거는 지수적 발전 곡선을 그대로 믿는 태도에 있음
  • Dario Amodei와 Andrej Karpathy가 소프트웨어의 미래에 대해 말해온 방향을 전적으로 신뢰함
  • Gas Town은 이러한 외삽이 실제로 작동함을 보여준 사례로, 2025년 말 모델과 다수의 임시적 보완을 통해 간신히 성립하는 형태를 먼저 확인

위협받는 소프트웨어 생태계

  • SaaS 기업에 대한 압력이 증가하며, 구매 대비 구축(build)의 비용 구조가 바뀌어 비즈니스 부서가 직접 바이브 코딩(vibe coding) 으로 자체 SaaS를 만드는 사례 확산
  • 불과 3년 전 GPT-3.5가 단일 함수 작성도 버거웠던 것과 달리, 현재는 소규모지만 실질적 가치가 있는 SaaS를 직접 생성 가능
  • Stack Overflow와 Chegg가 초기 타격을 받았고, 이후 Tier-1 고객 지원 소프트웨어, 로우코드·노코드 시스템, 콘텐츠 생성 도구, 각종 생산성 도구로 압박이 확산
  • IDE 벤더들 역시 Claude Code 등장 이후 경쟁 압력을 체감하기 시작
  • AI 연구자들의 예측이 약 40 년간 높은 정확도를 보여왔다는 점에서, 모든 소프트웨어 영역이 위협받을 가능성을 전제로 대비 필요

선택 압력 모델(Selection Argument)

  • 추론에는 토큰이 필요하고, 토큰 소비는 에너지 사용으로 이어지며, 에너지는 곧 비용으로 환산됨
  • {토큰, 에너지, 돈}은 동일한 자원 제약으로 취급 가능하며, 항상 제한된 상태로 존재
  • 인지 비용을 줄이는 소프트웨어가 살아남는다는 단순한 규칙이 소프트웨어 생태계 전반을 형성
  • 제한된 자원 환경에서 더 효율적으로 자원을 사용하는 개체가 그렇지 못한 개체를 밀어내는 진화론적 선택 압력과 동일한 구조

생존 비율(Survival Ratio) 공식

  • Survival(T) ∝ (Savings × Usage × H) / (Awareness_cost + Friction_cost)
  • Savings: 도구를 사용함으로써 절약되는 인지 비용, 즉 동일한 기능을 처음부터 합성할 때 대비 절감되는 토큰량
  • Usage: 도구가 다양한 상황에서 반복적으로 사용될 수 있는 빈도와 적용 범위
  • H (Human Coefficient): 효율성과 무관하게 인간이 만든 것에 가치를 두는 수요를 반영하는 계수
  • Awareness_cost: 에이전트가 해당 도구의 존재를 알고, 기억하고, 적절한 순간에 선택하는 데 드는 에너지
  • Friction_cost: 실제 사용 과정에서 발생하는 오류, 실패, 재시도, 오해로 인해 소모되는 에너지
  • 생존을 위한 최소 비율은 1이며, 경쟁이 존재하는 환경에서는 이보다 훨씬 높은 비율 요구
    • 예: 생존 비율이 1.2인 도구는 2.5를 기록하는 경쟁 도구에 의해 밀려날 수 있음

레버 1: 통찰 압축(Insight Compression)

  • 소프트웨어 산업이 오랜 시간에 걸쳐 축적해 온 다시 발견하기에 지나치게 비싼 지식을 재사용 가능한 형태로 압축
  • Git 이 대표 사례로, 커밋 DAG, 포인터로서의 참조(ref), 인덱스, reflog 등은 수십 년간의 시행착오가 응축된 구조
    • AI가 이를 처음부터 재구현하려면 동일한 지적 역사를 다시 밟아야 하므로 경제적으로 전혀 합리적이지 않음
  • 데이터베이스, 컴파일러, 운영체제, 워크플로우 엔진, 모니터링 시스템 전반에 동일한 원리 적용
  • Kubernetes 는 설계가 복잡해서가 아니라, 분산 시스템 자체가 본질적으로 복잡하기 때문에 복잡함
  • Temporal 은 멱등성 재시도와 함께 saga 패턴을 직접 구현하는 일이 사실상 연구 프로젝트에 가깝기 때문에, 이를 대신하는 내구성 실행(durable execution) 을 제공
  • 강한 소프트웨어의 공통된 특성은 다시 합성하려는 시도 자체가 터무니없게 느껴질 정도의 통찰 밀도
  • Gas Town에서의 캐릭터 역할 모델이나 gt sling 같은 동사 역시, 복잡한 개념을 짧고 기억하기 쉬운 표현으로 압축한 사례

레버 2: 기판 효율성(Substrate Efficiency)

  • grep 은 재발명이 사실상 미친 짓에 가까운 또 하나의 사례
  • Ken Thompson이 오후 한나절에 만들 정도로 단순하지만, CPU 기반 처리를 통해 막대한 인지 비용을 절약
  • 텍스트 패턴 매칭에서는 CPU가 GPU를 여러 자릿수 차이로 압도
  • LLM의 곱셈 방식은 패턴 매칭을 조합해 “대략 94쯤”을 먼저 추정하고, 이후 기억된 룩업 테이블로 자릿수를 보정하는 형태
    • 이 계산이 모두 GPU 추론 단계라는 극도로 비효율적인 기판 위에서 수행됨
  • 계산기, 파서, ImageMagick 같은 복잡한 변환 도구, 다수의 Unix CLI 유틸리티가 이 레버를 적극 활용
  • 좋은 알고리듬을 적용하거나, 계산을 CPU·인간 등 더 저렴한 기판으로 이동시켜 토큰과 에너지 소비를 절약

레버 3: 광범위한 유용성(Broad Utility)

  • 생존 비율 모델에서 Usage 항목에 해당
  • 사용 범위가 넓을수록 인지도 비용이 분산되고, 개별 사용 시 요구되는 토큰 절약 임계값이 낮아짐
  • 진정으로 범용적인 토큰 절약 도구는 AI가 이론적으로 재구현할 수 있더라도, 이미 어디에나 존재하고 널리 쓰이는 선택지가 우선됨
  • Temporal 은 상대적으로 높은 인지도 비용과 마찰 비용에도 불구하고 PostgreSQL 만큼 범용적인 워크플로우 모델 제공
    • 공격적인 통찰 압축, 계산 기판의 능숙한 활용, 광범위한 유용성이라는 세 가지 레버를 모두 보유
  • Dolt 는 Git으로 버전 관리되는 데이터베이스로, 8년간 유지되어 온 오픈소스 프로젝트
    • 에이전트 기반 프로덕션 및 DevOps 워크플로우에서 뒤늦게 킬러 앱을 발견
    • 에이전트가 프로덕션 환경에서 실수하더라도 Git의 전체 기능을 활용해 롤백·롤포워드 가능
  • 코드 검색 엔진은 LLM이 기존 대비 10배에서 100배 더 많은 코드를 생성하면서 중요성이 급격히 상승
    • grep이 감당할 수 없는 규모의, 이른바 “너무 커서 grep으로는 안 되는 영역” 이라는 대규모 범용 틈새 형성
    • 발견하기 어려운 엣지 케이스가 많은 비자명한 문제를 해결하고, 저렴한 계산 기판을 사용하며, 범용적 적용이 가능한 점에서 세 가지 레버를 모두 충족

레버 4: 홍보(Publicity)

  • 인지 비용 절약만으로는 충분하지 않으며, 인지도 문제, 즉 사전 선택 단계에서의 문제 해결 필요
  • Dolt는 레버 1~3을 모두 갖췄지만, 초기에는 레버 4가 부족해 널리 사용되지 못한 사례
  • 인지도 비용을 지불하는 방법은 여러 가지 존재
    • 훌륭한 제품을 만들고 인기를 얻은 뒤, 커뮤니티를 통해 자연스럽게 훈련 데이터에 포함되기를 기다리는 방식
    • 또는 비용을 투입해 에이전트용 문서화에 투자하거나 광고 집행
  • 보다 직접적인 방법으로, OpenAIAnthropicGoogle 같은 프론티어 랩의 담당자와 협력해 모델 훈련 과정에 도구를 포함
    • 유료 서비스 형태로, 도구의 올바른 사용과 오용을 모두 보여주는 eval을 제작한 뒤 연구자들이 훈련을 조정
  • 에이전트를 위한 SEO 개념이 본격적으로 등장 중
  • 대규모 예산을 투입하기 어렵다면, 사후 선택 단계에서의 에너지, 즉 레버 5에 의존해야 하며, 이를 위해 도구를 최대한 에이전트 친화적으로 설계 필요

레버 5: 마찰 최소화(Minimizing Friction)

  • 인지도가 사전 선택 단계의 문제라면, 제품 마찰은 사용 이후 단계의 문제
  • 에이전트는 항상 시간에 쫓기는 것처럼 행동하며, 무언가 막히면 즉시 우회 경로를 시도
  • 마찰이 조금만 있어도 판단이 바뀌어, 더 효율적인 도구 대신 덜 효율하지만 익숙하고 예측 가능한 방법으로 후퇴
  • 반대로 취향에 정확히 맞게 설계된 도구는 에이전트가 집요할 정도로 반복 사용
  • 문서화 접근법은 훈련 단계가 아닌 추론 시점까지 인지 비용을 미루는 방식
    • 도구가 무엇을 잘하는지, 언제 왜 써야 하는지, 빠른 시작 가이드와 후속 문서 경로를 컨텍스트에 직접 주입
  • 그러나 더 나은 해법은 에이전트에게 직관적으로 느껴지는 도구 자체를 만드는 것
  • Desire Paths 설계 사례로, Beads 는 4개월간 100개가 넘는 하위 명령과 다수의 하위-하위 명령, 별칭, 대체 문법을 거치며 CLI가 진화
    • 이 복잡한 CLI는 인간이 아니라 에이전트의 사용 패턴을 위해 설계됨
    • 에이전트가 시도하는 방식을 관찰해 환각을 실제 기능으로 구현, 이제는 거의 모든 추측이 그대로 동작
  • 환각 스쿼팅(Hallucination Squatting) 은 LLM이 자주 환각하는 도메인 이름을 역으로 추적해 등록하고, 해당 주소에 아티팩트를 올려 실제로 다운로드하게 만드는 기법
    • 국가 단위의 해커 집단조차 Agent UX를 이해하고 활용한다는 점이 드러남
  • Agent UX는 결정적으로 중요하지만 아직 대부분의 도구에서 간과되고 있음
  • 이상적인 도구는 에이전트가 이미 익숙한 다른 도구와 닮아 있거나, 문제를 에이전트가 사고하고 싶어하는 방식 그대로 풀어주는 구조

레버 6: 인간 계수(Human Coefficient)

  • 토큰 효율성과 무관하게, 인간이 개입했다는 사실 자체로 가치를 얻는 소프트웨어 존재
  • 인간 큐레이션, 사회적 증거, 창의성, 물리적 존재감, 승인 같은 요소에서 가치가 파생
  • 인간이 고른 플레이리스트는 품질이 동등하고 에너지 효율이 더 높은 AI 생성 플레이리스트를 이길 수 있음
  • 게임 분야에서는 실제 인간이 있는 환경이 대체로 승리하며, 명백히 인간보다 강한 AI와만 플레이하고 싶어하는 경우는 드묾
  • 에이전트를 배제하는 소셜 네트워크가 오히려 매력적으로 인식될 가능성
  • AI가 최고의 교사가 되더라도, 일부 사람들은 의도적으로 인간 교사를 선택할 것
  • 높은 Human Coefficient를 가진 영역에서도 경쟁은 치열함
    • Karpathy가 그리는 세계에서 에이전트는 누구에게나 무엇이든 될 수 있고, 본질적으로 강한 중독성을 가짐
  • 결과적으로 극단적으로 비효율적이지만 H 값이 매우 높은 소프트웨어가 다수 존재하게 될 가능성

희망의 근거

  • 인간과 AI 사이를 중개하거나, AI가 곧 직접 수행할 수 있게 될 “똑똑한 척하는 역할” 을 맡은 소프트웨어는 구조적으로 위험
  • 그럼에도 불구하고 작성되어야 할 소프트웨어의 양은 사실상 무한
    • 모든 질병 치료, 모든 단백질의 거동 모델링, 모든 행성 탐사 시나리오가 여전히 대상
  • 인간의 야망은 항상 가용한 인지 능력을 초과하며, 토큰 비용이 하락하더라도 우리는 곧바로 더 먼 프론티어로 이동
  • 주의 집중 문제는 인쇄 매체, 인터넷, 소셜 미디어, 실시간 광고, 애그리게이터를 거치며 이미 여러 차례 해결된 경험 보유
  • Desire Paths 설계가 실제로 효과적이며, OpenAI 같은 곳의 대규모 훈련 예산 없이도 에이전트가 자연스럽게 쓰고 싶어하는 도구를 만들 수 있음
  • 인간 계수는 분명히 존재하며, 사람들은 이미 에이전트 냄새가 짙은 것에 피로감을 느끼기 시작
    • 인간 간의 연결과 창의성을 중심에 두고 설계하면, 결국 문제는 다시 전통적인 마케팅과 브랜딩의 영역으로 수렴
  • 여섯 가지 레버가 제공하는 다양한 생존 경로가 존재
  • 다시 만들려는 시도 자체가 미친 짓처럼 느껴지는 것을 구축하고, 발견하기 쉽고 사용하기 쉽게 만든다면 충분히 견고한 가능성 확보

[출처] https://news.hada.io/topic?id=26413 

Loading