AI 전환

AWS도 FDE를 뽑기 시작했다. 그런데 FDE는 채용한다고 만들어질까?

Hyperscaler와 Palantir를 통해 보는 고객-제품 순환과 축적되는 학습

AWS·Google 같은 hyperscaler가 FDE를 확장할 때 필요한 두 개의 피드백 순환을 살펴보고, Palantir를 반례로 삼아 조직 구조와 축적된 학습의 중요성을 분석한다.

FDE는 SI의 새 이름일까? Wonderful과 Reflection의 밸류에이션이 묻는 것

현장 엔지니어링이 다음 고객의 제품으로 남을 때, 서비스는 소프트웨어 경제성으로 바뀔 수 있다

Wonderful의 노동 레버리지와 Reflection의 자본·유통 레버리지를 비교해 비상장 AI 기업가치가 요구하는 미래 경제성을 분석한다.

AI팀과 현업, 누가 먼저 사라질까?

AI팀과 현업 중 누가 먼저 대체될까? 조직 전체보다 직무 안의 과업이 먼저 재배치된다는 관점에서 기업 AX의 다음 단계를 생각한다.

AX는 좁고 날카로워야 한다

범용 AI가 스위스 아미 나이프라면 기업의 AX는 특정 업무를 위해 칼을 새로 벼리는 일에 가깝다. 시장 정보 분석 사례로 자동화와 업무 재설계의 차이를 살펴본다.

우리의 에이전트 플랫폼은 왜 처음엔 삐걱댔을까

그럴듯한 데모에서 예측 가능한 시스템까지, 3개월의 실제 운영 학습

범용 에이전트 플랫폼을 실제 기업 환경에서 운영하며 배운 예측 가능성, 신뢰 부채, 운영 우선 추상화의 원칙을 정리한다.

에이전트는 꼭 그래프여야 할까 — 내가 LangGraph를 걷어내기 시작한 이유

경로를 미리 그리는 일에서, 에이전트가 일할 환경과 경계를 설계하는 일로

멀티에이전트를 LangGraph로 구축한 경험을 바탕으로, 모델이 실행 경로를 만드는 시대에 그래프와 에이전트 런타임의 역할을 다시 나눈다.