AI생산성
AI-first가 아니라 AI-second, 사람들이 진짜 원하는 것
기업들의 기대와 달리 사람들이 AI 기능에 시큰둥한 이유, 그리고 AI-first가 아닌 AI-second라는 대안적 관점을 짚어봅니다.
Written by
챗봇에서 에이전트로, 위임하고 검수하는 방식이 온다
챗봇에게 묻던 시대에서 에이전트에게 맡기고 관리자처럼 검수하는 시대로. 성패를 가르는 건 직군이 아니라 전문성이라는 발견을 소개합니다.
Written by
에이전트 ‘루프’가 갑자기 통하는 이유, 뒤집힌 토큰의 계산법
AI 에이전트를 오래 돌릴수록 결과가 좋아지는 ‘복리 정확성’ 국면 전환과, 이 변화가 ‘루프’ 방식을 통하게 만든 이유를 짚습니다. 토큰을 더 쓰는 게 손해라는 직관은 더 이상 자동으로 맞지 않습니다.
Written by
AI에게 “아키텍처 좀 지켜줘”를 백 번 말해도 안 되는 이유
AI 코딩 도구가 만드는 ‘drift’ 문제와, 프롬프트 강화 대신 코드베이스에 가드레일을 세우는 한 개발자의 실전 시스템을 소개합니다. 350세션의 실측 데이터 포함.
Written by
코딩 못해도 AI 에이전트는 잘 쓴다, 40만 세션이 말한 진짜 변수
약 40만 건의 Claude Code 세션 분석 결과, AI 코딩 에이전트의 성과를 가르는 변수는 코딩 실력이 아니라 도메인 전문성이었다는 Anthropic 연구를 소개합니다.
Written by
AI 토큰 사용량 741% 늘었는데 출시는 20% 증가, 토큰맥싱의 교훈
AI 토큰 사용을 경쟁처럼 여겼던 토큰맥싱 현상의 부상과 몰락. 코드 생성 741% 증가에도 출시는 20%에 그친 데이터가 드러낸 사용량과 가치의 간극.
Written by
AI가 AI를 만드는 시대, Anthropic 내부 데이터로 본 재귀적 자기 개선의 현재
Anthropic이 내부 데이터로 처음 공개한 AI 자기 가속 현황. 코드 80% 이상을 Claude가 작성하고 실험 속도는 52배에 달하는 재귀적 자기 개선의 현재를 분석합니다.
Written by
AI 생산성이 GDP에 잡히지 않는 이유, Dark Output 개념 해설
AI가 만들어내는 경제적 가치가 GDP 통계에 잡히지 않는 이유를 ‘Dark Output’ 개념으로 설명합니다. SemiAnalysis 분석 해설.
Written by
AI 빠르게 많이 쓸수록 잘한다? 두 개발자가 찾은 같은 결론
AI를 빠르게 많이 쓰는 것이 능사가 아니라는 두 개발자의 실전 경험. 서로 다른 문제를 겪었지만 같은 결론, 느리고 의식적인 AI 활용에 도달한 이야기입니다.
Written by
CEO들의 AI 사이코시스, 데이터가 말하는 진짜 생산성
CEO들이 AI 능력을 과대평가해 대량 해고를 단행하는 현상을 진단. UC Berkeley, MIT, HBR 연구들이 말하는 AI 생산성의 현실을 소개합니다.
Written by
