
AI 시대, 디자이너의 '다음'
AI가 UI를 빠르게 만드는 시대에 디자이너의 역할 변화를 고민한 글입니다. 운영자 관점에서 데이터를 해석하고 올바른 판단을 돕는 정보 설계의 중요성을 짚었습니다.

AI가 UI를 빠르게 만드는 시대에 디자이너의 역할 변화를 고민한 글입니다. 운영자 관점에서 데이터를 해석하고 올바른 판단을 돕는 정보 설계의 중요성을 짚었습니다.

AI 코딩 시대에는 빠른 생성보다 빠른 검증이 더 중요하다고 설명했습니다. 스펙 주도 개발과 로컬 검증 환경으로 에이전트의 실수를 줄인 사례를 공유했습니다.

AI 코딩의 병목을 코드 생성이 아닌 조율과 검증 과정으로 보고, 제안자·도전자·조율자로 나눈 멀티 에이전트 개발 파이프라인을 소개했습니다. 복잡도와 리스크에 따라 토론 강도를 조절하며, 사람은 최종 판단에 집중하는 방식을 설명했습니다.
네이버 클라우드 플랫폼 MCP를 클로드 코드에서 사용할 수 있게 베타 출시했습니다. 복잡한 서버 초기 설정을 채팅만으로 처리하려는 사용성 개선 사례입니다.
![[인프라를 소프트웨어처럼 1/5] Infrastructure as Code, 그리고 그다음](https://flex.team/blog/og/main.jpg)

Terraform plan은 변경점만 보여 주고 실제 동작은 보장하지 못한다고 설명했습니다. IaC를 넘어 테스트 가능성과 재현 가능성을 갖춘 IaS 관점이 필요하다고 강조했습니다.

쿠버네티스 네이티브 자율 코딩 에이전트 프레임워크 Kelos를 소개하는 발표 세션입니다. 코딩 에이전트와 환경을 API화해 관리하는 오픈소스 프레임워크를 다룹니다.
![[교육환경 AX와 데스크톱 가상화①] 데스크톱 가상화로 만드는 공정한 온라인 시험](https://static.gabia.com/www/common/gnb/gabia_logo_1200.jpg)

데스크톱 가상화로 학생 기기와 무관한 동일한 시험 환경을 제공했습니다. 잠금 브라우저와 AI 감독으로 부정행위를 줄이고 시험 안정성도 높였습니다.

AI 시대에는 도입보다 안정적인 운영과 인프라 역량이 더 중요해졌습니다. 이번 호는 시장 흐름과 플랫폼 엔지니어링, 클라우드 아키텍처, 보안·NPU 사례를 함께 다뤘습니다.

React Query 쿼리 키를 도메인별 factory로 관리해 캐시 구조와 무효화 범위를 명확히 정리하는 방법을 소개했습니다. queryOptions와 useQueries까지 함께 묶어 재사용성과 유지보수성을 높이는 흐름을 설명했습니다.

LLM 코딩 에이전트를 프롬프트만으로 쓰면 문맥 누적과 임의 판단 문제가 생겼습니다. Task/Plan 하네스로 작업을 분할하고 기록해 안정성과 리뷰 가능성을 높였습니다.
Toss는 lodash의 한계를 보완한 현대적 유틸리티 라이브러리 es-toolkit을 만들고 OSS로 확산시켰습니다. 호환 레이어와 성능 개선으로 대형 프로젝트 채택과 주간 2천만 다운로드를 달성했습니다.
![[Databricks Data + AI Summit 2026] AI-ready Finance Data로 전환하기 위한 데이터 플랫폼 전략](https://tech.cloud.nongshim.co.kr/wp-content/uploads/2606_databricks.png)

금융 조직의 AI 적용은 모델보다 신뢰 가능하고 검증 가능한 데이터 기반이 먼저 필요하다고 설명했습니다. Trust, Validity, Context를 갖춘 Finance Data Product와 운영 확장 방향을 소개했습니다.