기본 콘텐츠로 건너뛰기

뜨거운 열정, 차가운 열정 그리고 무관심..

벌써 9월이 코앞입니다.

세월이 정말 시속 30km로 내달리고 있습니다.

올 한해 무엇을 했나? 돌아보니 해놓은게 없군요.. OTZ

최근의 몇군데 고객사를 떠돌며 이런저런 일을 했습니다.

이런저런 고객사를 살펴보며 올해처럼 다양한 고객사를 만나보기는 처음이라는 생각이 들었습니다.

이런저런 고객사들을 유형별로 정리해보니 대충 아래처럼 세가지 유형으로 정리할 수 있겠다라는 생각이 들었습니다.

첫번째는 뜨거운 열정을 가진 고객사입니다.

이런 유형의 고객사는 가슴도 뜨겁고 머리도 뜨겁습니다.

무슨 얘기인고 하니 변하고자 하는 열정, 무엇인가를 하고자 하는 열정이 있지만, 자만으로 가득찬 그런 조직이 있습니다.

이런 조직은 참 대하기 껄그럽습니다. 컨설턴트가 무슨 실수는 안하는지 감시(?)하고, 자신들이 이미 알고 있는 내용이나 해본 내용은 거들떠보려고 하지 않습니다.

설득하기도 힘들고, 여러면에서 참 대하기 어렵다는 것이 제 생각입니다.

대체로 이런 조직들은 진심으로 다가가 머리를 차갑게 식히기 위한 여러가지를 시도해야하는 경우라서 참 힘듭니다.

열정이 독이 되는 그런 경우입니다. 이런 조직은 만약에 어떤 시도가 실패하는 경우 아주 빠르게 무관심한 상태로 들어가버리는 경우가 많다는게 제 경험입니다.

두번째는 무관심한 고객사입니다.

이런 고객사는 답이 없습니다. 갑갑합니다..

세번재는 차가운 열정을 가진 고객사입니다.

이런 유형의 고객사는 가슴은 뜨겁지만 머리는 차갑습니다.

자신들의 문제를 직시하려고 하고, 모든 문제에 대해 컨설턴트의 조언에 귀를 기울이고 냉철하게 판단하려고 합니다.

뜨거운 가슴의 열정이 있기 때문에 무엇을 하든 열심으로 하고 건설적인 제안도 자주 하는 편입니다.

하지만 이런 조직은 자칫 머리가 뜨거워지지 않도록 조심해서 컨설팅을 해야하는 어려움이 있습니다.

무엇인가에 변화와 혁신을 가져오기 위해서는 동기부여, 열정이 중요하기는 합니다.

하지만 머리가 뜨거워지면 참 답이 없는 것 같습니다.

머리는 차갑게 가슴은 뜨겁게..

이게 제가 컨설팅을 하는 원칙 중 하나입니다.

그런데, 사실 저 자신도 선입견, 경험 같은 요소때문에 머리를 차갑게 하기가 매번 쉽지만은 않습니다.

여러분은 가슴은 뜨겁게, 머리는 차갑게 열정으로 살고 계시나요?

댓글

  1. 안녕하세요. 초보 앱 디자이너 입니다. ios 디자인에 있어서 애플에서 제공하는 ios휴먼인터페이스를 숙지해야 한다고 들었습니다. 그런데 제가 영어를 못해서 아직 못읽고 있는데 이 책이 저에게 도움이 될까요?

    답글삭제
  2. 반반일것 같습니다.

    제 생각에는 같이 보시는것이 좋을 것 같습니다.

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

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 ...

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...

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 ...