이번 주 AI 소식

NanoBanana2 – 새로운 AI 모델 업데이트

  • 최근 AI 업계의 특화 모델 빠른 출시 흐름 속에서 등장한 신규 모델 업데이트
  • 기존 모델 대비 성능 개선 및 특정 작업 처리 능력 강화, 다른 AI 시스템과 협력 가능한 구조를 특징으로 함
  • 최신 AI 생태계는 하나의 모델이 모든 것을 처리하기보다 텍스트 분석·이미지 생성·코드 생성 등 여러 모델이 역할을 분담하는 구조로 발전 중
  • 주요 AI 플랫폼들은 단일 요청을 처리하기 위해 여러 AI 모델을 조합·조율하는 방식을 채택하고 있음

관련 링크:

Quiver AI Arrow – SVG 생성 AI 모델

  • Quiver AI가 발표한 Arrow 1.0은 텍스트 프롬프트로 SVG 그래픽을 생성하는 AI 모델
  • 아이콘·UI 그래픽·로고·벡터 일러스트 등 웹 개발에서 빈번히 사용되는 SVG 에셋을 자동 생성
  • modern minimal arrow icon, gradient style 같은 프롬프트 입력만으로 즉시 사용 가능한 SVG 코드를 출력
  • UI 아이콘 제작 자동화와 디자인 작업 속도 향상, 개발자가 별도 디자인 툴 없이 그래픽을 직접 생성할 수 있다는 점이 핵심 강점

관련 링크:

Claude Code Remote Control – AI가 컴퓨터를 직접 조작

  • Anthropic의 Claude Computer Use 기능을 확장한 개념으로, Claude AI가 사용자의 컴퓨터를 직접 조작하는 기능
  • 브라우저 제어, 프로그램 실행, 파일 생성, 코드 작성 등 마우스 이동·클릭·키 입력을 시뮬레이션해 다양한 앱을 넘나들며 작업 수행
  • 자동 QA 테스트, 데이터 입력 자동화, 반복 업무 처리, 개발 작업 자동화 등 실제 업무 수행 AI로의 전환을 보여주는 사례
  • AI가 단순히 질문에 답하는 것을 넘어 실제 컴퓨터 작업을 자율적으로 수행하는 방향으로 진화하고 있음

관련 링크:

Claude Code 자동 메모리 기능 & AGENTS.md

  • Claude Code는 CLAUDE.md·AGENTS.md 같은 프로젝트 메모리 파일을 통해 코드 스타일·폴더 구조·개발 규칙 등을 AI가 참고하도록 지원
  • 매 세션마다 프로젝트 컨텍스트를 반복 설명해야 하는 문제를 해결하는 AI 기반 개발 환경의 핵심 요소
  • AGENTS.md는 AI 에이전트의 역할·작업 방식·자동화 흐름을 정의하는 문서이나, 지나치게 복잡하게 작성하면 오히려 효율이 떨어질 수 있음
  • 중요한 것은 규칙을 많이 만드는 것이 아니라 AI가 실제로 이해할 수 있는 구조를 만드는 것

Perplexity Computer – AI Agent 기반 업무 자동화 플랫폼

  • Perplexity Computer는 목표 입력 → 작업 단계 분해 → 적합한 AI 모델 배치 → 전체 워크플로 자동 실행의 흐름으로 동작하는 AI Agent 시스템
  • "마케팅 캠페인을 기획하고 실행해줘" 같은 요청을 받으면 시장 조사·콘텐츠 생성·광고 전략·실행 계획을 자동 수행
  • Claude·Gemini·ChatGPT·Grok 등 여러 AI 모델을 작업 상황에 따라 조합해 사용하는 멀티 모델 구조가 핵심
  • AI 발전 단계는 Chat AI → AI Tool → AI Agent 순으로 이동 중이며, Perplexity Computer와 Claude Computer Use는 3단계 Agent 시대를 대표하는 사례
  • 앞으로 AI는 브라우저 조작·리서치·문서 작성·코드 배포까지 전체 워크플로를 자율 수행하는 디지털 작업자로 발전할 가능성이 높음

관련 링크:

AI가 주니어 개발자를 쓸모없게 만들고 있다

  • AI 도구가 주니어 개발자에게 얕은 역량만 만들어주고 있으며, 코드를 빠르게 출력하지만 왜 그런 접근을 택했는지 설명하지 못하는 상황이 빈번해짐
  • 시니어 개발자의 진정한 가치는 코드 작성 속도가 아니라, 수년간 실패를 통해 축적한 실패 패턴 인식에 있음
  • AI를 사용하더라도 에러를 직접 분석하고, 코드를 추적하고, 가설을 세우는 의도적 고군분투 과정이 필수적임
  • 커밋하는 모든 코드에 대해 라이브러리 선택 이유, 패턴, 트레이드오프를 직접 설명할 수 있어야 하며, 그렇지 않으면 출시 준비가 안 된 것임
  • AI를 단순 답 생성기가 아닌 튜터로 활용해, 여러 접근법의 장단점을 학습하는 방식으로 전환해야 함
  • LLM 활용으로 빠른 기능 구현과 배포가 가능해졌지만, 코드 선택 이유를 설명하지 못하는 상황 발생 코드 리뷰에서 접근 방식을 묻는 질문에 답하지 못하는 얕은 역량(shallow competence) 현상이 확산

AI가 코드를 작성한다면 세션도 커밋의 일부가 되어야 할까?

  • git-memento는 AI가 생성한 코드 세션을 Git 커밋에 자동으로 기록하는 확장 도구로, 각 커밋에 대응하는 AI 대화 내역을 git notes로 저장함
  • 커밋 시 AI 세션 ID를 지정하면, 요약본은 refs/notes/commits, 전체 대화는 refs/notes/memento-full-audit 에 분리 저장되어 추적성과 프라이버시를 동시에 확보함
  • Codex와 Claude 등 다양한 AI 제공자를 지원하며, 요약 생성 시 사용자 정의 스킬을 적용해 커밋 노트의 품질을 제어할 수 있음
  • GitHub Actions와 통합되어, 커밋 노트 자동 코멘트, CI 게이트 검증, 병합 시 노트 자동 이관(merge-carry) 기능을 제공함
  • 윈도우/맥/리눅스 지원. AI 코드 생성의 투명성을 높이고, 협업 환경에서 AI 기여 내역의 감사(audit) 가능성을 확보하는 도구
  • git-memento는 AI 코딩 세션을 커밋 단위로 기록하는 Git 확장 도구 커밋 시 AI 세션의 대화 내용을 정리해 마크다운 노트로 저장

관련 링크:

llmfit - 내 하드웨어에 맞는 LLM 모델을 찾아 자동 최적화하는 터미널 도구

  • 수백 개의 LLM 모델과 제공자를 대상으로, 내 시스템 RAM·CPU·GPU에서 실제로 실행 가능한 모델을 한 번의 명령으로 찾아주는 도구
  • 각 모델을 품질·속도·적합도·컨텍스트 기준으로 점수화해 실행 가능 여부를 표시하여, TUI(터미널 UI) 와 CLI 모드를 모두 지원
  • 다중 GPU·MoE 구조·동적 양자화·속도 추정·로컬 런타임(Ollama, llama.cpp, MLX)과 통합
  • 모델별로 실행 모드(GPU, CPU+GPU, CPU) 와 적합 수준(Perfect, Good, Marginal, Too Tight) 을 분석해 최적 조합을 제시
  • 로컬 환경에서 LLM을 효율적으로 활용하려는 개발자에게 하드웨어 기반 모델 선택 자동화를 제공
  • llmfit은 터미널 기반 도구로, 시스템의 하드웨어 사양을 감지해 LLM 모델이 실제로 실행 가능한지 평가 RAM, CPU, GPU 정보를 읽어 모델별로 품질·속도·적합도·컨텍스트 점수를 계산

관련 링크:

Claude, 미국 App Store 무료 앱 1위 등극

  • 미국 App Store의 무료 앱 차트에서 Anthropic의 AI 비서 앱 ‘Claude’가 1위를 기록, ChatGPT와 Google Gemini를 앞섬
  • 2위는 OpenAI의 ChatGPT, 3위는 Google의 Gemini, 이어 Threads, Temu, Freecash 등이 상위권에 위치
  • 상위 10위권 내에 AI 관련 앱이 3개 포함, 주요 기술 기업들의 AI 경쟁이 앱 시장에서도 두드러짐
  • 이번 순위는 최근 미 국방부 이슈로 인한 관심 및 AI 비서 앱의 대중적 확산과 모바일 시장 내 경쟁 심화를 보여주는 지표
  • 처음엔 펜타곤 뉴스가 일반 사용자에게까지 알려졌을까 의아했음 그런데 앱스토어 순위는 하루 정도의 활동량에 기반하므로, ‘플러그드인’ 사용자들이 한꺼번에 Claude로 이동하면 단기간에 1위를 차지할 수도 있음 다만 이런 현상은 며칠짜리 일시적 스파이크일 가능성이 높음 앱스토어 차트 링크 그 이야기가 생각보다 대중적이었음. 기술에 전혀 관심 없는 내 할아버지도 그 뉴스를 언급했음
  • 정치적 이유를 제쳐두더라도, Opus 4.5가 출시된 이후 GPT-5 대비 품질 격차가 명확히 벌어졌음 GPT-5.2도 개선이 없었고, Opus 4.6은 그 차이를 더 키웠음 현재 GPT-5.2 Pro는 속도도 느리고 결과물도 조잡함, 그래서 지금 시점에서는 Claude가 진짜로 더 낫다고 생각함 나도 어제 OpenAI의 200달러 구독을 취소했지만, 내 작업에서는 Codex 5.3 Xhigh가 여전히 Opus 4.6보다 나았음 다음 버전인 Opus 4.7이 이 문제를 해결해주길 바람

다이소 MCP - 어떤 AI든 내 주변 다이소 재고파악을 가능하도록

다이소 MCP를 챗지피티, 클로드에서 사용가능하도록 구성해보았습니다. 챗지피티에서 별도 설정 없이 쓸 수 있게 GPTs 앱도 준비해서 즉시 사용가능합니다.

관련 링크:

MCP는 죽었다. CLI 만세

  • MCP가 업계에서 빠르게 관심을 잃고 있으며, 이제 CLI 기반 접근이 더 실용적임
  • LLM은 이미 명령줄 도구 사용에 능숙하며, 별도의 프로토콜 없이도 문서와 CLI만으로 충분히 작업 수행 가능
  • CLI는 인간과 LLM 모두가 동일한 환경에서 실행·디버깅 가능해 문제 원인 파악이 단순함
  • 조합성(composability)과 인증 체계, 안정성 측면에서도 CLI가 MCP보다 효율적이고 유지보수가 쉬움
  • MCP는 초기화 불안정, 반복적 재인증, 권한 제어의 부재 등 실무에서 지속적인 마찰을 유발
  • 대부분의 경우 CLI가 더 단순하고 신뢰성 높은 선택지이며, 기업은 MCP 서버보다 우선적으로 API와 CLI 제공에 집중해야 함

AI가 코딩을 쉽게 만들었다. 그러나 엔지니어링은 더 어려워졌다

  • AI 도구의 확산으로 코드 작성은 쉬워졌지만, 소프트웨어 엔지니어의 업무 강도와 복잡성은 오히려 증가함
  • AI가 생산성을 높이자 조직의 기대치와 업무량 기준선이 상승, 엔지니어들은 더 많은 일을 더 빠르게 수행해야 하는 압박을 받음
  • 코드 작성 중심의 정체성이 약화되며, 엔지니어들은 리뷰·설계·제품 사고 등 비개발 업무까지 떠맡는 상황에 직면
  • AI가 생성한 코드를 검토·디버깅하는 데 더 많은 시간이 소요되어, 품질 관리 부담과 인지 부하가 증가함
  • 지속 가능한 엔지니어링 문화를 위해서는 리더십의 공감, 역할 경계 설정, 주니어 양성, 새로운 평가 지표가 필수임
  • AI 도입 이후 엔지니어의 기대 산출량이 급격히 증가, 명시적 지시 없이도 더 많은 업무가 요구됨 Harvard Business Review 연구에 따르면, AI를 활용한 직원들은 일찍 퇴근하지 않고 더 많은 업무를 수행함