고양이 두 잔

들어가며이 글은 AX를 0에서 설계하는 연재의 세 번째 편이다. 2부에서 데이터가 나가지 않는 자체 인프라를 세웠다면, 이제 그 위에 사내 데이터를 실어야 한다. 문제는 데이터가 한 곳에 있지 않고 여러 도구에 흩어져 있다는 점이다. 이 편은 흩어진 데이터를 모아 검색 가능한 형태로 정규화하는 파이프라인(자동으로 이어지는 처리 단계)을 다룬다. 여기서 다루는 기법과 수치는 특정 벤더의 주장이 아니라 2026년 7월 기준으로 여러 자료를 교차검증한 것이다.단일 저장소라는 환상을 버린다데이터는 편한 자리에서 흩어져 생긴다사내 정보는 한 곳이 아니라 각자 편한 도구에서 생긴다. 논의는 메신저에, 문서는 위키에, 코드 참조는 저장소에, 상태 값은 이슈 추적기에 남는다. 한 조사는 기업이 콘텐츠를 저장하고 관리하..

들어가며이 글은 AX를 0에서 설계하는 연재의 두 번째 편이다. 1부에서 만들 문제를 골랐다면, 이제 그 문제를 돌릴 바닥을 정해야 한다. 이 편의 전제는 사내 데이터가 회사 밖으로 나가지 않아야 한다는 제약이다. 그 제약 아래에서 오픈웨이트 모델을 고르고, 양자화로 크기를 줄이고, 서버를 계산하고, 나머지 스택을 조립하는 순서로 간다. 여기서 다루는 수치와 판단은 특정 벤더의 주장이 아니라 2026년 7월 기준으로 여러 자료를 교차검증한 것이다.데이터가 밖으로 나가지 않는 것이 첫 번째 제약이다외부 API로 사내 데이터를 보낼 때 생기는 위험외부 API를 쓰면 사내 데이터가 그 회사 서버를 거친다. 이 경로에서는 대화 내용과 코드와 문서가 자사 통제 밖으로 나가는 일이 발생한다. 계약으로 보관 금지를 ..

들어가며이 글은 조직의 업무 방식을 인공지능 중심으로 바꾸는 일, 곧 AX(AI Transformation, AI를 업무의 기본 도구로 삼는 조직 전환)를 0에서 설계하는 연재의 첫 편이다. 많은 조직이 인공지능을 도입하지만, 실제로 사람들이 일하는 방식이 바뀌는 경우는 드물다. 그 실패는 대개 모델의 성능이 아니라 무엇을 만들지 정하는 단계와 만든 것을 정착시키는 단계에서 발생한다. 그래서 이 편은 도구를 만들기 전에 던져야 할 질문과, 그 답이 긍정일 때 첫 작동 제품까지 가는 과정을 다룬다. 여기서 다루는 내용은 특정 회사의 사례가 아니라 여러 조사와 현장 보고에서 반복적으로 확인된 패턴에 기반한다.대부분의 AI 도입은 업무를 바꾸지 못한다파일럿의 95%가 성과로 이어지지 못한 이유, 학습 격차파일..