jho

jho

[Cognac(꼬냑) @supernovajunn]

어제 마소CEO 사티아 나델라가 아티클을 하나 올렸다.

이 아티클에서 그는 앞으로 기업의 승부는 “어떤 AI 모델을 쓰느냐”가 아니라, 그 모델을 통해 회사가 얼마나 빨리 배우고, 그 배움을 자기 자산으로 축적하느냐에서 갈린다고 이야기 한다.

이건 꽤 큰 전환점이라고 보여진다.

지금까지 기업은 소프트웨어를 생산성 향상을 위한 도구로 썼다. 엑셀은 사람의 계산 능력을 늘렸고, ERP는 회사의 운영을 정리하는 등 인간 노동을 보조했다.

하지만 AI는 차원이 다른 모습으로 우리에게 다가온다.

AI는 단순히 업무 속도를 높이는 도구가 아니라, 사람의 판단, 경험, 패턴 인식, 업무 방식, 고객 대응, 의사결정 과정을 계속 흡수할 수 있다고 한다. 즉 회사 안에서 사람이 일하는 방식 자체가 데이터가 되고, 그 데이터가 다시 AI 시스템을 개선하는 루프가 된다고 이 아티클에서는 말하고 있다.

나델라가 말한 “인적 자본과 토큰 자본”은 이 맥락에서 중요한 생각거리를 던져준다.

인적 자본은 사람이 가진 지식, 판단력과 맥락 이해력이라면 토큰 자본은 회사가 AI를 통해 축적하는 실행 능력이다. 쉽게 말하면 회사 안에 쌓이는 “AI화된 조직 기억”이라고 보면 될 것이다.

중요한 건 토큰 자본이 커진다고 사람이 덜 중요해지는 게 아니라는 점이다.

오히려 반대로 사람이 중요해진다고 나델리는 이야기 한다.

AI가 강해질수록 인간은 더 중요한 방향 설계자가 된다. AI는 계산하고, 정리하고, 실행하고, 반복할 수 있다. 하지만 무엇이 중요한 문제인지, 어떤 목표를 향해 가야 하는지, 어떤 판단을 회사의 원칙으로 남겨야 하는지는 사람이 분명히 정해야 한다.

방향 없는 AI는 그냥 비싼 토큰 소모 기계일 뿐이다.

이제 기업의 미래가 여기서 갈린다.

AI를 단순히 인건비 절감 도구로 쓰는 회사는 사람을 줄이고 업무를 자동화하는 데 집중할 것이다. 당장은 효율이 좋아 보이지만. 하지만 그 회사는 오래가지 못한다. 왜냐하면 자동화는 있는데 AI의 학습이 없기 때문이다.

반대로 AI를 학습 루프로 쓰는 회사는 차원이 달라진다. 예를 들어

1.직원이 고객 문제를 해결한다.
https://t.co/Czx4doQ3wM가 그 과정을 기록한다.
3.성공한 대응과 실패한 대응을 분류한다.
4.다음 고객 대응 방식이 개선된다.
5.그 개선된 방식이 다시 회사의 운영 지식이 된다.

이게 반복되면 회사는 일할수록 똑똑해지는 조직이 된다 물론 AI와 함께 말이다.

이 차이가 앞으로 엄청나게 커질것이다.

모델은 모두가 살 수 있다. GPT, Claude, Gemini, 오픈소스 모델. 시간이 지나면 대중들의 접근성은 더 좋아질 것이다. 하지만 각 회사가 쌓은 고객 맥락, 실패 기록, 내부 판단 기준, 프라이빗 평가, 업무 트레이스는 남이 절대로 복사할 수 없다.

앞으로 기업의 해자는 모델이 아니라 루프다.

이 말은 우리에게도 똑같이 적용된다.

AI를 잘 쓰는 사람과 못 쓰는 사람의 차이는 “프롬프트를 잘 쓰냐”에서 끝나지 않는다. 진짜 차이는 자기 작업이 매번 다음 작업을 개선하게 만드느냐다.

글을 쓰면 반응을 기록해야 한다.
코드를 짜면 실패 로그를 남겨야 한다.
리서치를 하면 틀린 가설을 분류해야 한다.
고객을 만나면 반복 질문을 지식베이스로 바꿔야 한다.
투자를 하면 왜 틀렸는지 다음 판단 기준으로 바꿔야 한다.

이걸 하는 사람은 AI와 함께 복리로 성장한다.

이걸 안 하는 사람은 매번 새 채팅창에서 처음부터 다시 시작한다.

겉으로는 둘 다 AI를 쓰는 사람처럼 보인다. 하지만 한쪽은 도구를 쓰고 있고, 다른 한쪽은 자기만의 학습 시스템을 만들고 있다. 시간이 지나면 격차는 말도 안 되게 벌어진다.

이 글을 우리가 받아들이는 방식은 이렇게 해야한다.

AI를 단순히 외주 직원처럼 쓰면 안 된다.
AI를 자기 학습 루프 안에 넣어야 한다.

오늘 한 일을 기록하고, 실패를 분류하고, 다음 기준으로 바꾸고, 반복되는 판단을 시스템화해야 한다. 그렇게 해야 AI가 내 일을 대신하는 게 아니라, 내 판단력을 확장하는 쪽으로 작동한다.

기업도 마찬가지다.

AI로 사람을 대체하는 회사는 비용을 줄일 수 있지만
AI로 사람의 판단을 복리화하는 회사는 새로운 자본을 만든다.

사티아 나델라가 말한 미래는 “AI가 회사를 대체한다”가 아니다.

회사가 스스로 학습하는 조직이 되느냐, 아니면 모델 회사의 하청 지능이 되느냐의 갈림길이라고 보여진다.

앞으로 개인괴 회사의 진짜 경쟁력은 더 많은 AI를 쓰는 데 있지 않다.

사람과 AI가 함께 배운 흔적을, 다시 회사의 자산으로 바꾸는 능력에 있지 않을까?

[jho @jaysys]

https://t.co/DxwAZXzPC4

[jho @jaysys]

!

[lucas @lucas_flatwhite]

우오! 국가법령정보 MCP
https://t.co/24w8khxKrN
= 한국 법령 175,064건!

헌법부터 판례까지, AI가 한 줄이면 다 찾게 생겼네요.

민원 답변에 정확한 조문 번호를 넣어야 하는데, 법제처 사이트에서 클릭을 열 번은 해야 원하는 조항을 찾을 수 있었죠.

감사 지적을 받고 근거 법령을 급하게 뒤져야 할 때, 조례를 제개정하면서 상위법 위임 근거를 확인해야 할 때..

이런 순간마다 느끼는 비효율을 해결하기 위해 7년차 지방공무원이 퇴근 후 직접 만든 도구!!!

korean-law-mcp는 법제처 Open API를 감싸서 64개의 법률 도구를 하나의 MCP 서버로 제공해요!

다루는 범위가 상당히 넓네요?

헌법 (1), 법률 (1,706), 위임법령 (3,480), 행정규칙 (9,827), 자치법규 (158,863), 판례 (1,187)

그래서 총 175,064 ㄷㄷ

헌법부터 판례까지, 대한민국 법령 체계 전체를 검색하고 비교하고 분석할 수 있어요!

약칭도 잘 알아듣는다고 해요. 법률 실무에서는 약칭을 훨씬 많이 쓰니까요.

지방계약법, 개보법, 행기법, 전자정부법, 화관법 같은 약칭을 입력하면 자동으로 정식 명칭으로 변환해서 검색해줘요. 법제처에서 일일이 정식 명칭을 입력할 필요가 없음 ㄷㄷ

검색 뿐만 아니라 비교하고, 마크다운 변환하고, 워크플로우도 제공하니 아주 좋네요!

[jho @jaysys]

https://t.co/2arA2hbwlr

[jho @jaysys]

[제조]• 과거: 가내수공업 (다품종 소량) • 현재: 제조업혁명 (소품종 대량) • 미래: 피지컬 AI (대품종 대량)
[서비스]• 과거: 인하우스 (다품종 소량) • 현재: 플랫폼/SaaS (구독/표준화) • 미래: Agentic/AGI (대품종 대량)
이제 '양'과 '다양성'을 동시에 잡는 초생산성 시대가 옵니다.

[dalgom.bami @dalgom_bami]

1인개발자 필수 사이트 모음
나는 개발보다 여기서 보내는 시간이 훨씬 더 많았었음

1. https://t.co/B5YsF5robC: 국가별 앱 순위, 매출 순위, 스크린샷, 구독모델 상품 목록 웹에서 확인 가능. 여기 구경하다보면 아이디어 샘솟음
2. https://t.co/AbXP4DWMJA: 수많은 앱 온보딩, 주요기능 스샷 깔끔히 정리되어있음. 벤치마킹 & 화면기획에 큰 도움
3. https://t.co/Vblq3KLTXk: 구독플랜 관리 saas. 편의성 압도적임 돈값함
4. https://t.co/MxPq3eSEzp: 유료구독 관련 ui관리, 결제 ab테스팅, paywall관련 끝판왕 노코드. 템플릿엄청많음
5. https://t.co/NBaYOvbNqp: GOAT
6. https://t.co/Kvrh3lDhaM: 마케팅 어트리뷰션 트래킹 툴. LTV, roas계산등에 필수
7. https://t.co/OD0qnfwaos: GA 슈퍼 상위호환. Amplitude가 더 유명하긴함 취향차
8. https://t.co/J1aXsgojRT: 대형 커뮤니티. 디시같은거라고 보면됨. 여기 눈팅하는것만으로도 인사이트 폭발
9. https://t.co/0eLu6Zo5Gq 사업자 없이 웹 saas 결제 받아봐야할때 좋음. 레몬스퀴지는 stripe인수이후 조금 상태이상해졌고 paddle은 제일안정적이지만 첫 심사가 끝이안남 많이 바쁜듯 몇주씩걸림
10. https://t.co/KMDCZRUElv 개발자지원 미친수준인 메일 발송 SaaS. 관대한 무료플랜

mobbin 제외 9개 다 무료 플랜 존재하고 트래픽 늘어서 사업커지기전에 돈 낼 일 거의 없음

[lucas @lucas_flatwhite]

🔌 공공 데이터 포털 MCP
https://t.co/IxFgdkM0VF

이건 너무 유용하겠네요! 바로 설치하러 갑니다아~

한국 공공 데이터 포털에서는 다양한 공공 기관의 데이터를 API로 제공하죠. 이것들을 MCP 서버로 래핑하여, AI 도구들이 한국 공공 데이터에 쉽게 접근하고 활용할 수 있도록!

사용 가능한 MCP 서버를 현재 이렇게 지원합니다.

- 🏢 비즈니스 정보: 국민연금공단 사업장 가입 정보 조회

- 🏢 비즈니스 정보: 국세청 사업자등록정보 진위확인 및 상태조회

- 📋 조달/계약: 나라장터 입찰공고, 낙찰정보, 계약정보

- 💰 금융 정보: 금융위원회 기업 재무정보 (재무제표, 손익계산서)

- 📜 공공 기록: 대통령기록관 연설문 조회

- ⚗️ 안전 정보: 물질안전보건자료(MSDS) 화학물질 정보

너무 좋네요. 이걸 통해서 다양한 공공 API를 통일된 MCP 인터페이스로 사용할 수 있고, 여러 AI 도구에서 직접 공공 데이터를 활용할 수도 있구요.

설치도 간편하고, Pydantic을 사용해서 강력한 타입 검증도 녹여놨네요.

앞으로도 여러 API들 계속 보완될 것 같네요. 멋집니다!!

[lucas @lucas_flatwhite]

📚 하버드 대학 머신러닝 시스템 커리큘럼 전체 공개 (오픈소스)

"세상은 AI 시스템을 만들기 위해 달려가고 있어요. 하지만 제대로 엔지니어링하지 않고 있습니다."

정말 방대한 양이네요. Harvard Edge Computing Lab에서 주도하는 머신러닝 시스템 엔지니어링 오픈소스 교과서 프로젝트 입니다.

PDF "Machine Learning Systems"
https://t.co/LesE5VXFnC

GitHub
https://t.co/TwCD3EN7Ql

NotebookLM
https://t.co/cEre0PxvHb

이 프로젝트는 AI 엔지니어링을 소프트웨어 엔지니어링, 컴퓨터 엔지니어링과 함께 기초 학문으로 확립하는 것을 목표로 합니다.

AI 트렌드는 빠르게 변하지만, 기본 시스템 원칙은 안정적입니다. 한 번 배우면 무엇이든 만들 수 있죠.

단순히 AI 모델을 만드는 것이 아니라, 실제 세계에서 작동하는 효율적이고, 신뢰할 수 있으며, 안전하고, 견고한 지능형 시스템을 구축하는 방법을 담고 있습니다.

학습 스택으로는 Textbook, TinyTorch, Arduino 및 Raspberry Pi용 하드웨어 키트, 노트북.. 풍부하다옹!

[펭귄 @babybluecream]

인공지능을 배우려고 시간을 낭비하지 마세요. 📘📚

제가 이미 다 해 드렸어요.

단 하나의 목록으로. 혼란은 전혀 없고. 군더더기도 없다.

📹 동영상:

1. LLM 소개: https://t.co/QPRyuZ4Wms

2. LLM 학위 취득 과정 (초기 단계): https://t.co/XnZxbYrPHD

3. 에이전트형 AI 개요(스탠포드): https://t.co/Y8dVv9vDRK

4. 에이전트 구축 및 평가: https://t.co/4Hn6djqiLd

5. 효과적인 에이전트 구축: https://t.co/YM3034eAEk

6. MCP를 사용하는 건축 에이전트: https://t.co/v9gb7GqydI

7. 에이전트를 처음부터 구축하기: https://t.co/GjnGn0ataG

8. Philo 에이전트: https://t.co/TtouEKq49w

🗂️ 저장소

1. GenAI 에이전트: https://t.co/zwt5ecr7h3

2. 마이크로소프트의 초보자를 위한 AI 에이전트: https://t.co/qUqmYaxWOU

3. 신속 엔지니어링 가이드: https://t.co/WuunDFZFjz

4. 대규모 언어 모델 실습: https://t.co/YN7Bi5UkdY

5. 초보자를 위한 AI 에이전트: https://t.co/qUqmYaxWOU

6. GenAI 에이전트 https://t.co/l3QGBcuonR

7. ML로 제작됨: https://t.co/QLNnek2j90

8. 실습 중심의 AI 엔지니어링: https://t.co/AEzgY0skvP

9. 멋진 생성형 AI 가이드: https://t.co/Y7sCSH1F5S

10. 머신러닝 시스템 설계: https://t.co/3IQKAGmJ1t

11. 마이크로소프트의 초보자를 위한 머신 러닝: https://t.co/wMCgnwGMuy

12. LLM 과정: https://t.co/3rXmFsGfUe

🗺️ 가이드

1. Google 에이전트 백서: https://t.co/c9mJeJDfIt

2. Google 에이전트 컴패니언: https://t.co/bhRms9VoUv

3. 인류학에 의한 효과적인 에이전트 구축: https://t.co/eFky6HVNfh .

4. 클로드 코드의 에이전트 코딩 모범 사례: https://t.co/SwByDWuqTk

5. OpenAI의 에이전트 구축을 위한 실용 가이드: https://t.co/ErbPJ01OC1

📚 도서:

1. 딥러닝 이해하기: https://t.co/qAp7mtrIBo

2. LLM을 처음부터 구축하기: https://t.co/1vnSTKwyMJ

3. LLM 엔지니어링 핸드북: https://t.co/4G82bsmPCp

4. AI 에이전트: 완벽 가이드 - 니콜 코닉스타인: https://t.co/5uHNPjuh4k

5. AI 에이전트를 활용한 애플리케이션 구축 - 마이클 알바다: https://t.co/B6AWrY13fq

6. MCP를 사용하는 AI 에이전트 - 카일 스트라티스: https://t.co/c7I2xng9vg

7. AI 공학: https://t.co/Sy43JisEJe

📜 논문

1. 반응: https://t.co/BR5mF1C62l

2. 생성 에이전트: https://t.co/6z2CeHVKot .

3. 툴포머: https://t.co/5OE8YKbnpp

4. 사고의 연쇄 촉진: https://t.co/jyeMLDKOB8 .

🧑🏫 강좌:

1. HuggingFace의 에이전트 과정: https://t.co/m4H0OhvcfV

2. 인류를 포함한 MCP: https://t.co/KxQM1ro2ZF

3. Pinecone을 이용한 벡터 데이터베이스 구축: https://t.co/rUfq2YZY68

4. 임베딩에서 앱까지 벡터 데이터베이스: https://t.co/DCNFQ9beiz

5. 에이전트 메모리: https://t.co/yXy3uFVySM

재공유 ㄱㄱ

[링바킹(lingbaking) @lingbaking]

대한민국 상위 0.1%, 0.5%, 1%, 5%, 10% 순자산

[jho @jaysys]

1.5+3.3 오늘
4+4 올해

[jho @jaysys]

https://t.co/U5i57J8W6p

[jho @jaysys]

시간이 좀 걸린다고 해서 일이 진행되고 있지 않다는 것은 아니다.

[jho @jaysys]

2+2 오늘!
4+4 올해!

[jho @jaysys]

https://t.co/ohTXhG7aJu

[NATO CCDCOE @ccdcoe]

APEX 2024 (Allied Power Exercise) has successfully concluded in Seoul, Republic of Korea! 🇰🇷 @ccdcoe proudly supported the international cyber defense exercise with its expertise, including scenario development, StartEx, and exercise systems. #CyberDefense #APEX2024

[Soybeans @Soybeans99]

퍼온 글 "20년전 일년간 혼자 세계여행을 했는데요. 그때 여행에서 만난 장기여행자들 모두 멋진 사람들이었지만 그 인연 10여명중에 20년이 지난 지금 안정적으로
살고 있는 사람 겨우 둘셋 뿐입니다. 나머지는 어디에도 정착하지 못하고 평생 떠돌이같이 살아요. 제가 일년간 세계여행을 하고서 얻은 해답은 아이러니하게도 내가족 내친구가 제일 소중하다는거. 삶의 의미는 거창한게 아니라 내자리에서 내역할을 하고 일상에서
행복을 찾는거라는거였어요. 남들은 이미 다하고 있던거였더라고요. 젊은나이 시간이 정말 많은거 같았는데 지나고보니 그 20대가 인생의 기둥을 세우는 제일 황금같은 시간이었어요."

[jho @jaysys]

열심히 사는 것은 힘들다.
열심히 사는 것은 힘든 것이다.

[James Kim @King_James_Kim]

돈 버는 본질적인 방법

[ₕₐₘₚₜₒₙ @hamptonism]

Neural Networks Visualized.