기본 콘텐츠로 건너뛰기

murianwind의 트위터 - 2009년 11월 02일

  • 모유수유에 대해 제대로 알지 못하면서 이러쿵 저러쿵 조언을 하는 친구들과 시부모님, 친정 식구들 덕분에 스트레스가 만만치 않습니다. - 17:26 #
  • 모유수유가 힘든 가장 큰 원인 중 하나는 야메로 운영되는 대다수의 산후조리원 덕분입니다. 산후조리원 덕분에 산모들은 아이를 키울 때 편한것만 찾습니다. 머 요즘은 여자들이 자기 편한게 그저 최고의 덕목이더군요.. - 17:28 #
  • @aliceherstory 산후 조리원도 2종류인데.. 모유수유를 교육 받은 간호사들이 상주하는 산후조리원과 애기는 신생아실에 모아놓고 산모들 편한것만 강조하는 산후조리원 2군데져.. - 17:30 #
  • @hytgbn 특별한 일도 없는데 엄마가 자기 힘들다고 젖을 짜서 먹이겠다는 통에.. 엄마가 실제로 그렇게 얘기하고 있지는 않지만요.. 제가 느끼기에는 그렇습니다. 커뮤니케이션의 오류라고 할까요? - 17:31 #
  • @aliceherstory 기분이 좋지 않나요? ㅡㅡ - 17:31 #
  • 시스믹과 믹세로를 쓰다 오랜만에 pbtweet를 적용한 웹으로 트위터를 하려니 적응 힘들군요.. 퇴근 28분 전입니다. 큼.. - 17:32 #
  • 아이가 밤중에 젖 안먹고 푹 자기만 해도 소원이 없을 것 같습니다. 큼.. 언제쯤 밤중에 쭈욱 푹 자려나? ㅠㅠ - 17:33 #
  • @aliceherstory 그런 감정이시면 남친을 무지 사랑하시나보네용.. 웅? 그럼 난 울 마누라 미워하는 건가? 내가 이상한건가? - 17:34 #
  • @informalife 대여 기간도 한정되어 있고 말은 안하지만 횟수도 한정된 것 같더라구요.. 빌렸으면 하는 마음인데.. 아내가 위생상 도무지 믿을 수 없다고 해서 하나 지르긴 했습니다. ㅠㅠ 비싸요.. - 17:36 #
  • 제 아기는 응까를 싸도 쉬야를 해도 울지를 않네요.. 배고플때 빼고는 도무지 울지를 않습니다. 덕분에 아가 똥꼬가 쪼꼼 헐었습니다. 기저귀 갈아줄 타이밍을 못잡겠어요.. - 17:38 #
  • 아내 말에 따르면 제가 회사에 출근하는 즉시 칭얼거리기 시작해서 제가 퇴근하면 거짓말처럼 방긋 거린다고 합니다. 주말에 집에 하루 종일 있어도 칭얼거리지 않던데.. 아빠를 알아보는 걸까요? 왜 엄마를 힘들게 하는건지..ㅠㅠ - 17:38 #
  • RT @sum1984: 미래가 없는 한국 게임의 현실... http://bit.ly/3SWHbf - 17:39 #
  • 아가가 엄마를 힘들게 하면 엄마는 저에게 화풀이하고.. 저는 우울하고.. 아내는 아내대로 우울해 하고.. 아기 키우기 정말 힘듭니다. - 17:40 #
  • @parkhyungjoo 저도 그러고 싶은데.. 한달 벌어 한달 먹고 살기도 힘든 마당에 그런건 꿈에 불과합니다. - 17:40 #
  • 오랜만에 트위터로 수다를 떨며 스트레스 해소중.. 이따 집에 갈때 물티슈와 함께 먼가 맛난걸 상납해야겠네용.. 피자나 시켜먹어볼까요? - 17:42 #
  • 재무 설계를 몇번을 받았지만 더 이상의 여유돈은 나오지 않고.. 차사고 싶어 미칠 지경입니다.. ㅠㅠ 우리 나라 국민 1인당 소득이 2만불이라는건 다 거짓말인듯..ㅠㅠ - 17:43 #
  • 애자일 이야기 : 하향식 변화 도입에 대한 환상 http://bit.ly/3Et7tS 하향식을 지지하는 저는 비전문가인걸까요? 하지만 분명히 어떤 방식이든 약점은 있는 것이고 약점을 알아야 대안을 찾을수 있는 거겠죠. - 17:58 #
  • Communities of Practice: Optimizing Internal Knowledge Sharing http://bit.ly/4azlBv - 21:51 #
  • 박피디의 게임 아키텍트 블로그 : 능력없는 개발자, 블로그로 유명해져서 연봉 올라 http://bit.ly/4CiXHb - 21:56 #
  • 프로젝트는 왜 지연되는가? http://ff.im/-aRW3A - 22:12 #

댓글

이 블로그의 인기 게시물

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...