AI 인사이트
AI 코딩 에이전트의 숨겨진 약점, 파일 탐색과 줄 찾기 사이의 간극
AI 코딩 에이전트는 버그가 있는 파일은 잘 찾지만, 파일 안에서 핵심 코드 줄을 찾는 정확도는 14~19%에 불과합니다. SWE-Explore 연구가 처음 측정한 탐색 능력의 맹점을 소개합니다.
Written by
llms.txt, 97%는 아무도 안 읽는다, Ahrefs 137K 도메인 분석
Ahrefs가 137K 도메인을 분석한 결과 llms.txt 파일의 97%는 아무도 읽지 않는다는 사실이 밝혀졌습니다. AI 검색 노출보다 코딩 에이전트용 파일이라는 실체를 데이터로 확인합니다.
Written by
Private Cloud Compute로 충분할까, Siri AI 에이전트의 구조적 한계
Apple Siri AI의 프라이버시 보호 기술 PCC가 에이전트 환경에서 왜 충분하지 않은지, 암호학 교수의 시각으로 분석합니다.
Written by
모두가 AI를 쓴다는 착각, 실제 미국인 AI 사용률은 3분의 1
미국인의 실제 AI 사용률은 미디어 서사와 다릅니다. 복수의 실사용 데이터를 종합한 분석으로, 적극 사용·가끔 사용·비사용이 각 1/3씩이라는 현실을 짚습니다.
Written by
AI 코딩 시대, 소프트웨어 엔지니어 고용은 왜 줄지 않는가
AI가 코드의 80%를 써도 소프트웨어 엔지니어 고용이 줄지 않는 이유. Block·Snap 구조조정의 실체와 decide-execute-deliver 샌드위치 모델로 분석합니다.
Written by
AI 메모리 기능, 모델 정확도를 최대 25배 낮추는 이유
AI 메모리 시스템이 모델의 아첨 행동을 최대 25배 증폭시킨다는 Writer 연구. 메모리 압축 과정의 구조적 편향이 원인이며, 고위험 도메인에서의 AI 신뢰성 문제를 다룹니다.
Written by
구글 코드 75%가 AI 생성인 시대, 개발자의 가치는 어디서 오는가
구글 코드 75%가 AI 생성인 시대, 개발자의 진짜 가치는 어디서 오는가. Stack Overflow가 분석한 ‘장인 개발자’의 의미를 소개합니다.
Written by
모두가 같은 AI 쓰면 생기는 일, AI 수렴 현상 실증 데이터
AI를 쓸수록 콘텐츠가 비슷해지는 AI 수렴 현상. 영국 의회 속기록, Basic B*** Effect 연구 등 실증 데이터로 살펴봅니다.
Written by
AI 에이전트 검색, 벡터보다 grep이 더 정확한 이유
AI 에이전트 환경에서 grep이 벡터 검색보다 높은 정확도를 보인 PwC 연구. 검색 전략보다 에이전트 하네스 구조가 성능에 더 큰 영향을 미친다는 발견을 소개합니다.
Written by
AI 비용 청구서가 도착했다, 기업들이 토큰 지갑을 닫기 시작한 이유
2026년 토큰 기반 과금 전환 이후 Uber·Brex 등 기업들이 AI 지출 상한을 도입하기 시작한 이유와 의미를 분석합니다.
Written by
