AI Agent 시대의 Human Agency
AI로 SSE 구현은 빠르게 완성했지만, Qra의 운영 조건과 요구사항을 다시 보며 polling으로 회귀했습니다. 실행 속도보다 선택을 재검토하고 책임지는 Human Agency의 중요성을 강조했습니다.


AI로 SSE 구현은 빠르게 완성했지만, Qra의 운영 조건과 요구사항을 다시 보며 polling으로 회귀했습니다. 실행 속도보다 선택을 재검토하고 책임지는 Human Agency의 중요성을 강조했습니다.

좋은 프롬프트는 단순한 지시가 아니라 요구사항 명세로 다뤄야 한다고 설명했습니다. 결과물의 경계, 위임 기준, 검증 방법을 미리 적어 재작업을 줄이는 방법을 제안했습니다.

LLM으로 대규모 기술 문서를 만들 때는 내용을 생성하는 것과 구조·서식을 통제하는 것을 분리해야 했습니다. BC 단위 분할, JSON 스키마, 정합성 검증으로 187쪽 초안을 43쪽 최종본으로 줄였습니다.

동적 CMS와 JSON 기반 관광 콘텐츠 관리 시스템에 LLM을 적용한 사례를 소개했습니다. 또한 할루시네이션과 보안, 비용을 고려한 AI-Native 개발의 주의점을 정리했습니다.

LLM 자동번역 대상을 엔티티 직접 필드에서 중첩 객체와 목록 구조까지 확장했습니다.사용자 API는 단순하게 유지하고, index 기반 번역은 안정성 문제로 제외했습니다.

에이전트형 도구에서는 프롬프트보다 도구 출력과 대화 기록이 토큰을 더 많이 소모했습니다. 필요한 정보만 사전 필터링하고 작업 범위를 좁히는 방식으로 컨텍스트를 관리해야 했습니다.
AI가 UI를 빠르게 만드는 시대에 디자이너의 역할 변화를 고민한 글입니다. 운영자 관점에서 데이터를 해석하고 올바른 판단을 돕는 정보 설계의 중요성을 짚었습니다.
LLM 코딩 에이전트를 프롬프트만으로 쓰면 문맥 누적과 임의 판단 문제가 생겼습니다. Task/Plan 하네스로 작업을 분할하고 기록해 안정성과 리뷰 가능성을 높였습니다.
생성형 AI로 소프트웨어 규모가 폭발하는 메가 소프트웨어 시대의 변화와 개발자 역할 전환을 다루었습니다. 또한 암묵지 관리 시스템과 자동화된 거버넌스로 복잡성과 품질을 통제할 필요를 강조했습니다.