·AI
저는 이제 Claude Code를 coding 말고 거의 모든 일에 쓰고 있어요
Claude Max를 해지한 지 19일. 제 패턴은 이제 꽤 분명해졌어요. xHigh의 GPT-5.4를 올린 Codex가 coding 자리를 가져갔고, xHigh의 Opus 4.7을 올린 Claude Code가 제 책상에 남은 나머지 자리를 전부 가져갔습니다.
AI
이 카테고리에 게시물 81개
·AI
Andrew Ng의 7개 강의를 들은 지 2년, 2026년의 저라면 실제로 택할 학습 경로
2023년에 추천했던 Andrew Ng의 7개 강의가 지금도 맞는 길인지 묻는 분들이 여전히 계십니다. 짧게 답하면, 대부분은 맞지만 그 주변에 깔 로드맵은 바뀌어야 합니다. 이번 글은 2026년 업데이트입니다. 강의별 판정과, builder와 operator로 갈리는 경로까지 정리했어요.
·AI
Prova를 내놓는 데서 code는 오히려 쉬운 쪽이었다
Prova가 progression, billing, auth, state에 대해 real promises를 만들기 시작했을 때 비로소 진짜 product처럼 느껴졌다. 어려운 건 code를 generate하는 일이 아니었다. 그 약속을 지탱하는 contracts를 세우는 일이 더 어려웠다.
·AI
에이전시가 AI에게 진짜 필요한 것은 더 많은 콘텐츠가 아니다
나는 AI 도구들이 에이전시에게 콘텐츠 볼륨을 팔려는 모습을 계속 본다. 하지만 실제 클라이언트 관계를 다뤄 본 적이 있다면, 더 어려운 문제는 신뢰라는 걸 안다. 격리, 권한, 맥락, 그리고 한 클라이언트의 사고가 다른 클라이언트 쪽으로 새지 않게 하는 것 말이다.
·AI
코스를 잘라서 YouTube 영상으로 만들려고 했어요. 결국 처음부터 다시 만든 이유를 알려드릴게요.
코스 모듈 하나를 잘라 붙이고 전환 몇 개만 다듬으면 YouTube 영상이 될 줄 알았어요. 틀렸습니다. The Parade Problem을 만들면서 깨달은 건, 좋은 리퍼포징은 클리핑이 아니라는 것이에요. 다른 약속, 다른 청중, 그리고 완전히 다른 첫 30초를 위해 아이디어 자체를 재설계하는 것이었습니다.
·AI
13개월 만에 Claude Max를 해지한 이유, 그리고 앞으로 30일 동안 Codex로 시험해 볼 것들
저는 13개월 동안 총 US$1,892.38을 내고 쓰던 Claude Max를 해지했습니다. 이건 승리 선언이 아닙니다. STRATUM, DIALOGUE, 강의 플랫폼, 그리고 이 사이트를 Codex를 주력 도구로 써도 같은 속도로 계속 밀어갈 수 있는지 확인해 보는 30일짜리 실험입니다.
·AI
Codex 2주 사용 후 $200 Claude Code 플랜을 해지하려고 해요
첫 비교 글을 쓴 지 2주 만에 두 도구 모두 대규모 업데이트를 했어요. Codex는 Claude Code가 하지 못한 방식으로 제 제품 전략에 도전했고, Claude Code는 Agent Teams와 AutoMemory를 출시했어요. 결과적으로 저는 월 $200 Max 플랜을 줄이면서도 더 나은 결과물을 얻고 있어요.
·AI
2026년, AI 네이티브 마케팅 팀에 실제로 필요한 역할은 무엇인가
AI와 팀 설계에 관한 대화는 대부분 인원수에서 시작됩니다. 저는 그게 잘못된 출발점이라고 생각해요. 더 나은 질문은 팀에 어떤 '기능'이 필요한가이고, 그 답은 4명이든 40명이든 같습니다.
·AI
DIALØGUE를 shipping하며 배운 다국어 AI 제품의 진짜 난점
DIALØGUE는 7개 언어를 지원하지만, 진짜 다국어 작업은 strings를 번역하는 일이 아니었습니다. 오디언스 현지 날짜, TTS 일관성, UI 언어 드리프트, 그리고 어디에서 품질을 위해 일부러 속도를 늦춰야 하는지를 결정하는 일이었습니다.
·AI
왜 대부분의 AI 마케팅 도구는 빨라 보이면서 팀의 판단력을 떨어뜨리는가
저는 광고업계에서 수년간 팀들이 움직임을 진전으로 착각하는 모습을 봐 왔습니다. 그러다 AI 마케팅 도구를 직접 만들기 시작했고, 문제가 오히려 더 심해지고 있다는 걸 깨달았습니다. 실행은 더 빨라졌는데, 판단력은 더 약해졌습니다.
·AI
시니어의 판단 없이, AI가 미디어 운영에서 여전히 틀리는 것들
AI는 이제 미디어 플랜, 성과 요약, 측정 프레임워크, 캠페인 셋업을 인상적인 속도로 만들어냅니다. 문제는 결과물이 명백히 나쁘다는 게 아닙니다. 문제는 가볍게 검토하면 통과할 만큼 충분히 괜찮으면서도, 정작 중요한 비즈니스 맥락을 놓치고 있다는 것입니다.
·AI
마케팅 팀에게 AI '기억'이 모델 선택보다 중요한 이유
대부분의 팀은 여전히 어떤 모델을 써야 하는지를 묻습니다. 제 경험상, 그건 더 이상 핵심 질문이 아닙니다. AI 시스템이 클라이언트나 브랜드, 카테고리, 그리고 '좋은 것'이 무엇인지를 잊어버린다면, 세상에서 가장 똑똑한 모델도 매번 제로에서 시작합니다.