[작성자:] kevin

  • Anthropic Managed Agents 발표 직후 SaaS 주가 폭락 — “소프트웨어는 이제 투자 불가인가” 논쟁 완전 정리

    Anthropic Managed Agents 발표 직후 SaaS 주가 폭락 — “소프트웨어는 이제 투자 불가인가” 논쟁 완전 정리

    4월 11일 미국 증시에서 이상한 장면이 연출됐다. Akamai가 16.6%, Cloudflare가 13.5%, DigitalOcean이 13.4% 빠졌다. 실적 악재가 나온 것도, 규제 이슈가 터진 것도 아니었다. 방아쇠는 사흘 전 Anthropic이 공개한 Claude Managed Agents였다.

    왜 이 회사들이 맞았나

    Managed Agents가 판매하는 건 에이전트 “실행 환경”이다. 샌드박스 코드 실행, 호스팅, 네트워크, 크리덴셜 관리까지. 공교롭게도 이 목록은 Cloudflare Workers, Akamai 엣지, DigitalOcean 드로플릿이 각자 팔던 품목을 합쳐 놓은 것과 겹친다.

    투자자 입장에서 계산은 단순했다. “AI 에이전트가 앱의 실행자로 자리 잡으면, 개발자가 별도로 CDN·엣지·서버리스를 계약할 이유가 줄어든다.” 24/7 Wall St.는 이를 두고 “소프트웨어 산업을 투자 불가 영역으로 보내는 방아쇠”라고 표현했다. 과장된 헤드라인이지만, 숫자만 보면 엄살은 아니다.

    이번이 처음이 아니다 — “SaaS-pocalypse”의 재현

    2월에도 같은 일이 있었다. Claude Cowork 플러그인 발표 당일, 소프트웨어 섹터 시가총액이 하루 만에 약 3,000억 달러 증발했다. 트레이더들이 이걸 “SaaS-pocalypse”라고 부르기 시작했고, 4월 8일 Managed Agents 발표는 그 두 번째 파고였다.

    다만 동일한 리포트에서 Cloudflare는 여전히 2026년 매출 가이던스를 28~29% 성장으로 유지했고, DigitalOcean은 오히려 21%로 상향했다. 실제 사업이 무너진 것이 아니라, 미래 할인율 가정이 한번에 깎이는 중이라고 보는 편이 정확하다.

    무엇이 진짜로 바뀌고 있는가

    핵심은 “좌석당 SaaS”라는 수익 모델 자체다. 사람이 로그인해서 쓰는 구독이 지난 15년 소프트웨어 성장의 엔진이었다면, 에이전트가 대신 쓰는 시대엔 “세션 시간당” 과금이 위로 올라온다. 이 축이 돌아가기 시작하면 CDN·엣지뿐 아니라 세일즈포스급 앱 벤더들도 재평가 대상이 된다.

    CNBC는 이번 사태를 “AI 위협이 소프트웨어 주식을 끝도 없이 채찍질하는 현재진행형”이라고 썼다. 키워드는 현재진행형이다.

    So What?! — 한국 시장 관점

    세 가지 짚을 지점.

    • 국내 SaaS 사업자 — “좌석당 월 요금” 외에 “에이전트 실행 시간 기반 요금”을 병행할 시뮬레이션이 필요하다. Notion·Asana가 먼저 바꾸면 벤치마크가 그쪽으로 기운다.
    • 국내 클라우드·CDN(네이버클라우드, NHN Cloud, 토스페이먼츠 등) — Managed Agents 같은 “번들 에이전트 런타임”을 한국어·리전·컴플라이언스로 방어할 포지션을 지금 잡는 게 맞다. 발표 후 따라가면 늦는다.
    • 기술리더·CTO — 내부 도구 스택을 보면서 “이걸 Managed Agents 한 통으로 대체 가능한가”를 분기마다 체크하는 습관이 필요하다. 매 분기 답이 달라진다.

    지금 바로 할 수 있는 것

    1. 포트폴리오 점검 — 보유한 SaaS 계정(모니터링, 협업, CI/CD 등)을 리스트업하고, 각 계정이 “사용자 수” 기준으로 과금되는지 “실행량” 기준인지 구분해 본다. 전자 비중이 높을수록 향후 단가 압박이 크다.
    2. Managed Agents 베타 체험 — 팀에서 반복 작업 하나를 골라 직접 돌려 보고, 지금 쓰는 SaaS 대비 기능·비용을 비교 노트로 남긴다. 숫자가 있어야 회의에서 밀린다.
    3. 시세는 천천히 — SaaS 섹터 전체 매도로 접근하기보다, “실행 레이어로 전환 가능한가” 여부로 종목을 나눠 보는 편이 실익이 크다. 단순 패닉 매도는 2월 반등에서 이미 학습된 결과가 나왔다.

    관련 글

    출처

    대표이미지 출처: 24/7 Wall St.

  • AI 툴 4개부터 생산성이 떨어진다 — 집중 효율 60%, 3년 최저치의 진짜 원인

    AI 툴 4개부터 생산성이 떨어진다 — 집중 효율 60%, 3년 최저치의 진짜 원인

    “AI 툴을 많이 쓸수록 생산성이 오른다”는 가설이 흔들리는 리포트가 이번 주 나왔다. ActivTrak의 2026 State of the Workplace를 Asanify가 정리한 결과인데, 한 줄 요약하자면 이렇다. AI 툴 3개까지는 효율이 오르고, 4개부터 떨어진다.

    숫자가 말하는 것

    조사에서 가장 눈에 띄는 수치는 집중 효율(focus efficiency) 60%다. 일하는 시간 중 방해 없이 몰입한 시간 비중인데, 3년 만의 최저다. 2023년만 해도 이 지표는 70%대 후반이었다.

    • AI 툴을 3개 이하 쓰는 직원: 효율이 향상됐다고 자체 보고
    • 4개 이상 쓰는 직원: 효율이 오히려 하락
    • 동시 기간 이메일 처리 시간은 2배 증가, 몰입 작업 세션은 9% 감소 (Fortune 보도)

    HBR이 같은 주 “AI는 일을 줄이지 않는다, 더 빡세게 만든다”는 제목의 글을 실은 것도 우연이 아니다. 툴이 늘면 컨텍스트 전환 비용이 동시에 늘고, 회의는 2024년 대비 2배가 됐다.

    왜 3개를 넘으면 떨어지는가

    직관적으로는 “더 많은 툴 = 더 많은 자동화 = 더 많은 산출”이어야 맞다. 현실은 정반대다. 원인을 정리하면 이렇다.

    첫째, 툴마다 입력 방식이 다르다. Slack 스레드에서 Notion AI로, 다시 Claude로, 다시 Copilot으로 옮겨 다니면서 같은 맥락을 세 번 네 번 다시 설명하게 된다. 실제 작업보다 AI에 일 시키는 일이 더 오래 걸리는 순간이 온다.

    둘째, “혹시 더 좋은 답이 있을까?”라는 비교 강박이 붙는다. ChatGPT에 물어보고, 또 Gemini에 물어보고, Claude에도 돌려본다. 답을 고르는 과정 자체가 집중을 깎는다.

    셋째, 알림이다. AI 툴들은 대부분 자기 결과를 “당신에게 보여주고 싶어 한다.” 푸시·배지·대시보드가 포커스 타임을 조각낸다.

    그럼 몇 개가 적정인가

    리포트의 경험칙은 “가급적 3개 이하”다. 역할별로 나눠보면 대략 이렇게 읽힌다.

    • 지식 노동자 일반: 대화형 1개(ChatGPT 또는 Claude) + 문서 1개(Notion AI 또는 Google Gemini in Workspace) + 선택적 전문 툴 1개
    • 개발자: 코딩 에이전트 1개(Cursor 또는 Claude Code) + 대화형 1개 + 문서·검색 1개
    • PM·기획: 대화형 1개 + 회의 기록 1개(Granola 등) + 조사/리서치 1개(Perplexity 등)

    핵심은 “한 툴이 한 업무를 끝까지 책임지게” 구도를 잡는 것이다. 같은 업무를 여러 툴로 돌려 보는 습관이 가장 비싼 비용을 만든다.

    So What?!

    한국 직장인에게 이 리포트가 주는 메시지는 명확하다. “도입한 AI 툴 개수”가 KPI가 되면 안 된다. 회사가 MS Copilot·ChatGPT Enterprise·Notion AI·Claude까지 네 개 구독을 다 사주는 곳이라면, 오히려 개인 차원에서 셋으로 줄이는 규율이 성과로 돌아온다. “이 작업에는 이 툴 하나만”이라는 결정 규칙이 당신의 집중 효율을 지킨다.

    반대로 회사가 아직 1~2개만 허용하는 상황이라면, 서둘러 네 번째를 신청할 이유가 줄어든다. 조직 레벨에서도 “툴 숫자 경쟁” 대신 “집중 시간 확보” 쪽으로 프레임을 바꾸는 편이 낫다.

    지금 바로 할 수 있는 것

    1. 내 AI 툴 리스트 감사 — 지난 한 달 실제 한 번이라도 연 툴을 적어본다. 4개 이상이면 가장 적게 쓰고 역할이 중복되는 것부터 삭제한다.
    2. 업무별 단일 툴 매핑 — “코드 = X, 문서 = Y, 대화 = Z” 식으로 책임자를 하나씩 지정하고, 작업 중에는 그 외 툴을 의식적으로 닫는다.
    3. 알림 정리 — 모든 AI 툴의 푸시·이메일·Slack 봇 알림을 한 번씩 끈다. 필요한 결과는 내가 직접 열어보는 방식으로 돌려놓는다. 이것만 해도 집중 시간이 눈에 띄게 복구된다.

    관련 글

    출처

    대표이미지 출처: Asanify

  • 구글 AI Edge Eloquent 완전 정리 — 오프라인에서 도는 Gemma 받아쓰기 앱, iOS 기본 받아쓰기를 노린다

    구글 AI Edge Eloquent 완전 정리 — 오프라인에서 도는 Gemma 받아쓰기 앱, iOS 기본 받아쓰기를 노린다

    구글이 4월 6일 iOS 앱스토어에 조용히 앱 하나를 올렸다. 블로그 글도, 보도자료도, 트위터 공지도 없었다. 이름은 Google AI Edge Eloquent. 발견은 미국 테크 미디어들이 먼저 했고, 사흘 뒤 Neowin·TechCrunch·9to5Google이 일제히 기사를 냈다.

    핵심은 “오프라인에서 동작하는 받아쓰기”

    Eloquent는 구글의 온디바이스 모델 라인업인 Gemma를 탑재한 음성 인식 앱이다. 경쟁 구도를 보면 이렇게 정리된다.

    • iOS 기본 받아쓰기: 빠르지만 정확도·후처리 약함
    • OpenAI Whisper 기반 앱들: 정확도 높음, 대부분 클라우드 전송
    • Microsoft MAI-Transcribe-1: API 기반, 서버 의존
    • Google AI Edge Eloquent: 완전 오프라인 가능, 음성이 기기를 떠나지 않음

    오프라인 모드에서는 Gemma ASR 모델을 다운받아 기기 안에서 처리한다. 클라우드 모드를 켜면 음성 인식은 여전히 기기에서 시작되고, 텍스트 정리만 Gemini에 위임한다. “내 음성 데이터가 어디로 가는가”에 예민한 사용자에겐 설계 자체가 메시지다.

    실제로 써보면 눈에 띄는 것

    기사들이 공통으로 언급하는 포인트는 세 가지다.

    첫째, 필러 제거. “음…”, “어…”, 말하다 멈춘 자기 교정이 자동으로 빠진다. 회의 받아쓰기용으로 특히 강한 기능이다.

    둘째, 한 번의 녹음으로 여러 형식 전환. 받아쓴 초안 아래 Key points, Formal, Short, Long 버튼이 뜬다. 길게 말한 걸 요점 세 줄로, 혹은 반말을 존댓말 공문으로 바꾸는 게 한 번의 탭이다.

    셋째, 무료. 구글 계정만 있으면 된다. Whisper API를 쓰던 유료 앱들의 가격 포지션이 어색해진다.

    Android 먼저가 아닌 이유

    구글이 Android 앱을 먼저 내지 않은 건 이례적이다. 앱스토어 설명에는 Android 버전 언급이 있어서 결국 나오긴 할 테지만, 순서가 뒤집힌 건 사실상 iOS 사용자 사이 “AI 받아쓰기” 포지셔닝을 선점하려는 움직임으로 읽힌다. iOS 기본 받아쓰기의 점유율을 Gemma 모델이 갉아먹는 그림을 노린 것.

    작지만 중요한 디테일: 제품 이름이 “Google AI Edge”로 시작한다는 점. “Edge”는 구글이 밀고 있는 온디바이스 AI 플랫폼 브랜드다. 이 앱은 단독 제품이 아니라 구글의 온디바이스 전략 쇼케이스 성격이 강하다.

    So What?! — 한국 사용자·직장인 기준

    한국어 인식 수준은 직접 써봐야 할 영역이지만, 기존 Gemma 모델이 한국어 대응을 포함하고 있어 기본기는 나쁘지 않다. 실전에서 체감될 포인트는 두 가지다.

    • 보안 민감 업무 — 법무·의료·금융 현장 메모는 클라우드 전송이 부담스럽다. 오프라인 모드가 이 공백을 정확히 메운다. “기기 비행기 모드에서 받아쓰기”가 실사용 시나리오가 된다.
    • 회의록 워크플로우 — Granola·Otter 같은 회의록 앱을 쓰는 사람에게 Eloquent는 대체재가 아닌 프런트엔드로 쓰일 수 있다. 현장에서 Eloquent로 정제된 초안을 뽑고, 이후 긴 요약은 Claude/ChatGPT에 맡기는 조합.

    지금 바로 할 수 있는 것

    1. 앱 설치: iOS 앱스토어에서 “Google AI Edge Eloquent” 검색. 한국 계정에서도 다운로드 가능. 오프라인 모델은 처음 실행 시 내려받는다.
    2. 한국어 테스트: 3분 정도 일상 대화를 녹음해 한국어 필러(“어”, “그”) 제거가 얼마나 정확한지 직접 확인해본다. 팀에 공유할 판단 근거가 된다.
    3. 민감 데이터 워크플로우 점검: 지금 쓰는 받아쓰기/회의록 앱이 클라우드 기반이라면, Eloquent 오프라인 모드로 전환 가능한 케이스(상담 녹취, 법률 메모 등)가 있는지 따져본다.

    관련 글

    출처

    대표이미지 출처: 9to5Google

  • Claude Managed Agents 공개 베타 완전 정리 — Anthropic이 에이전트 인프라를 판다

    Anthropic이 4월 8일(현지시간) Claude Managed Agents 공개 베타를 공개했다. 한 줄로 요약하면 “에이전트의 뇌는 당신이 짜고, 손발(infra)은 Anthropic이 맡는다”는 제품이다. 샌드박스, 장기 세션, 권한, 툴 실행, 트레이싱까지 한 통으로 묶어서 판다. 직접 harness 만들어 본 팀이면 “아, 결국 이렇게 가는구나” 싶은 발표다.

    뭘 대신 해주는가

    기존에는 에이전트 하나 돌리려면 Docker로 sandbox 격리하고, Redis로 상태 저장하고, credential vault 붙이고, 끊겼을 때 재시작까지 직접 구현해야 했다. Managed Agents는 이걸 그대로 대체한다.

    • 보안 샌드박스에서 코드 실행·파일 읽기·웹 브라우징
    • 몇 시간 이어지는 long-running 세션, 연결이 끊겨도 진행 상태 복원
    • 자격증명·시크릿 저장, 툴마다 권한 스코프 지정
    • end-to-end tracing으로 “어느 단계에서 엉켰는지” 확인 가능

    에이전트 정의는 자연어 프롬프트 혹은 YAML 파일 두 가지 방식이다. 콘솔, Claude Code, 신규 CLI에서 모두 띄울 수 있다.

    가격 — 싸 보이지만 계산이 필요하다

    공식 가격은 세션 러닝 시간당 $0.08. 여기에 Claude 모델 토큰 비용이 별도로 붙는다. 중요한 건 과금 기준이 “wall-clock”이 아니라 실제 실행 시간이라는 점이다. 사용자 응답 기다리거나 tool confirmation 대기 중인 시간은 빠진다.

    24시간 내내 돌리는 에이전트면 런타임만 월 약 $58. 문제는 토큰이다. Opus 4.6을 장시간 세션에 쓰면 토큰 비용이 런타임의 10~20배를 가볍게 넘긴다. “$0.08이라니 싸네”에 속으면 안 되고, 실제로는 Sonnet을 언제 쓰고 Opus를 언제 꺼낼지가 비용을 좌우한다.

    초기 고객, 그리고 Anthropic이 노리는 시장

    Notion, 라쿠텐, Asana가 이미 제품에 통합했다고 밝혔다. 셋 다 “우리 앱 안에서 백그라운드로 일하는 AI”를 필요로 하는 SaaS다. Anthropic의 그림은 분명하다 — 에이전트 런타임을 AWS Lambda 같은 공용 인프라로 만들어, OpenAI Codex가 IDE 안쪽을 잡는 사이 뒤쪽 서버 레이어를 선점하는 것.

    발표 직후인 4월 10~11일, SaaS 종목이 흔들렸다. 24/7 Wall St.는 “Anthropic이 소프트웨어 산업 전체를 다시 투자 불가로 만들 수 있다”고 썼다. 과장이지만, 투자자들이 왜 긴장했는지는 이해된다. 기존 SaaS의 UI-구독 모델 대신 “내 워크플로우 대신 돌아가는 에이전트 + 러닝 타임 과금”이 표준이 되면 그림이 완전히 달라진다.

    So What?! — 한국 개발자·기술리더에게

    세 가지로 정리된다.

    • 직접 harness 만들던 팀 — 프로덕션 가기 전 “세션 유지·권한·샌드박스” 부분은 이제 만들지 말고 사보는 게 맞다. 만들어도 대부분 Anthropic 스펙을 재현하게 된다.
    • SaaS 기획·운영 쪽 — 구독 모델에 “AI 에이전트가 대신 실행하는 시간”을 과금 단위로 붙이는 실험이 곧 퍼진다. Notion이 이미 안 한다고 못 박지도 않았다.
    • 비용 판단 — 베타 가격 $0.08/hour는 미끼다. 실비용은 토큰이 결정하고, 토큰 선택은 모델 라우팅 설계 문제다. “언제 Sonnet, 언제 Opus”에 대한 회사 기준이 없다면 지금 만들 타이밍.

    지금 바로 할 수 있는 것

    1. 베타 요청: platform.claude.com/docs/en/managed-agents/quickstart — 대기 목록 없이 기존 API 키로 바로 시작. 베타 헤더 managed-agents-2026-04-01 필요.
    2. YAML 정의 한 번 써보기: 회사에서 반복되는 작업(예: 매일 아침 로그 이상 탐지, PR 리뷰 요약) 하나를 YAML로 기술해 돌려본다. 자체 harness 대비 얼마나 줄어드는지 체감한다.
    3. 비용 상한 설정: 콘솔에서 세션 타임아웃과 모델 라우팅을 먼저 지정한다. “돌려놓고 까먹어서 월말 청구서 터지는” 사고가 베타 기간에 이미 몇 건 보고됐다.

    관련 글

    출처

    대표이미지 출처: Anthropic

  • OpenAI가 실리콘밸리판 SportsCenter TBPN을 산 진짜 이유 — AI 회사가 미디어를 사는 시대

    OpenAI가 실리콘밸리판 SportsCenter TBPN을 산 진짜 이유 — AI 회사가 미디어를 사는 시대

    4월 2일, OpenAI가 미디어 회사를 샀다. 11명짜리 토크쇼 하나에 “수억 달러대(low hundreds of millions)”를 썼다. 월스트리트저널 보도 기준 추정치다. 모델도, GPU도, 칩 제조사도 아닌 — 텔레비전 방송이다.

    CNBC는 사설에서 한 단어로 정리했다. “Chasing vibes.” 분위기를 사고 있다는 뜻이다. 이 거래가 한국 비즈니스 의사결정자에게 의미하는 바를 셋으로 정리한다.

    거래의 전말 — 무엇을 샀나

    항목 내용
    인수 발표일 2026년 4월 2일
    대상 TBPN (Technology Business Programming Network)
    형태 일일 라이브 토크쇼, 평일 11–14시 PT 방송
    창업자·진행자 Jordi Hays, John Coogan
    출범 2025년 3월 라이브 토크쇼 데뷔
    규모 직원 11명, 회당 평균 약 7만 시청
    가격 “low hundreds of millions” 달러 (WSJ 보도)
    주체 Fidji Simo (CEO of AGI Deployment) 주도, 보고는 Chris Lehane(글로벌 어페어스 책임자)
    편집권 독립 유지(공식 발표)

    주목할 부분은 가격이 아니라 보고 라인이다. 이 자산은 제품 조직이 아닌 정책·커뮤니케이션 라인으로 들어갔다. 즉 OpenAI는 TBPN을 수익 사업이 아니라 영향력 사업으로 본다는 신호다.

    OpenAI의 첫 미디어 인수가 의미하는 것 3가지

    ① “AI 내러티브”가 인프라가 됐다. GPU·데이터센터·칩과 같은 등급의 자산이라는 뜻이다. 시청자 7만 명짜리 일일 토크쇼가 수억 달러 가치인 이유는, 그 시청자가 정확히 “창업자·VC·기업 의사결정자”이기 때문이다. 광고 도달이 아니라 정책·여론 도달이다.

    ② 챗봇 회사가 “유통 채널”을 사기 시작했다. Salesforce·Adobe·SAP가 옛날에 컨퍼런스·미디어·교육 사업을 묶어 만든 그림과 닮았다. AI 회사가 같은 길을 9개월 만에 간다는 뜻이고, OpenAI는 그 한 발을 4월 2일에 뗐다.

    ③ “편집 독립” 약속의 유효 기간은 보통 짧다. 미디어 인수 사례에서 약속과 실제의 거리는 대체로 18~24개월에 좁혀진다. TBPN이 OpenAI 비판 보도를 얼마나 자유롭게 할지 — 그 첫 시험 케이스가 6~12개월 안에 온다.

    한국 비즈니스에 직접 닿는 신호

    여기서 한국으로 가져올 함의 셋.

    먼저, B2B AI 영업의 진입점이 바뀐다. 미국 의사결정자 다수가 평일 점심에 TBPN을 본다. 한국 AI 스타트업·SaaS가 미국 진출을 준비한다면, 이제 “OpenAI 생태계의 미디어 채널”이 잠재 고객 도달 경로의 하나가 된다. 좋든 싫든 경쟁 환경이 그쪽으로 기운다.

    둘째, 한국 AI 회사도 “오리지널 콘텐츠”를 자산으로 보기 시작할 시점이다. 카카오·네이버·SKT가 이미 자체 미디어를 갖고 있지만, “AI 내러티브 전용 채널”은 아직 비어 있다. 이 자리는 누군가 잡는다. 늦으면 외부에서 정의된 내러티브를 받아쓰는 입장이 된다.

    셋째, “AI 회사의 PR이 곧 정책”이라는 인식을 가져야 한다. Lehane 산하라는 사실이 그 점을 못 박는다. 한국에서도 AI 규제·정책 라운드테이블이 늘고 있는데, 그 자리에 누가 어떤 미디어와 함께 앉느냐가 1~2년 안의 정책 결과를 결정한다.

    그래서 — 의사결정자에게 달라지는 것

    AI 시대의 경쟁은 더 이상 “더 좋은 모델 vs 더 싼 모델”이 아니다. 1년 전엔 그게 핵심이었지만 2026년 2분기의 진짜 게임은 “누가 의사결정자의 일상 시간을 점유하는가”이다. 제품·유통·미디어가 한 줄에서 묶인다.

    지금 바로 할 수 있는 것

    1. 본인 회사가 미국·유럽 향 매출이 있다면, 의사결정자 페르소나의 “일상 정보 식단”을 한 페이지로 정리한다. TBPN·Stratechery·The Information이 거기 들어가는지부터 본다. 들어간다면 거기 광고·콘텐츠 협업 예산 한 줄이 필요하다.
    2. 한국 본사·자회사 차원에서 “AI 내러티브 자산”을 만들 의사가 있는지 1시간짜리 회의로 정한다. 1년 안에 누군가는 이 자리를 잡는다.
    3. 임원진과 함께 TBPN 에피소드 하나를 본다. OpenAI가 왜 이 채널에 수억 달러를 썼는지, 30분 보면 본능적으로 이해된다. 보고서 10페이지보다 빠르다.

    관련 글

    출처

  • Cursor 3 + Claude Code + OpenAI Codex가 한 스택으로 합쳐졌다 — 일주일 사용기와 솔직한 한계

    Cursor 3 + Claude Code + OpenAI Codex가 한 스택으로 합쳐졌다 — 일주일 사용기와 솔직한 한계

    이번 달 들어 내 노트북에서 일어난 일이 좀 이상하다. Cursor 3 창을 띄우고, 그 안에서 Claude Code 터미널을 열고, Claude Code 안에서 OpenAI Codex 플러그인이 코드 리뷰를 돌린다. 한 화면에 세 회사의 에이전트가 동시에 일하고 있다.

    2026년 4월, 누가 의도한 적도 없는 새 AI 코딩 스택이 그냥 모양을 잡아 가고 있다. The New Stack이 4월 초 기사로 정리한 바로 그 흐름이다. 일주일 정도 본격적으로 써 보고, 무엇이 새롭고 무엇이 과대평가인지 정리한다.

    한 줄 그림: 오케스트레이션 / 실행 / 리뷰

    각 툴이 같은 일을 두고 싸우던 시대가 끝났다. 지금은 역할이 갈린다.

    레이어 대표 도구 역할
    오케스트레이션 Cursor 3 (agent-first UI) 여러 에이전트·여러 작업의 병렬 진행 관리
    실행 (의사결정·구현) Claude Code 주력 코드 작성·리팩토링·테스트
    리뷰·대조 OpenAI Codex (Claude Code 플러그인으로) 독립 코드 리뷰, 적대적 검증(Adversarial), 백그라운드 태스크 위임

    이 그림에서 핵심 사건은 OpenAI가 자기 Codex CLI를 Anthropic Claude Code의 플러그인 형태로 출시한 것이다. 시장 1위가 Claude Code라는 걸 OpenAI가 인정한 셈이다. 사용자가 Codex로 옮겨오길 기다리는 대신, Codex를 사용자가 있는 곳으로 보냈다.

    실제로 써 보면 — 워크플로우 한 사이클

    내 평일 작업 패턴이 이렇게 바뀌었다.

    1. Cursor 3에서 작업 분할. “API 리팩토링”, “테스트 보강”, “마이그레이션 스크립트” 세 가지를 병렬 에이전트로 띄운다. 옛날엔 한 번에 하나만 돌렸는데, 이제 세 개가 동시에 돈다.
    2. 각 에이전트는 Claude Code로 실행. 코드 변경의 80%는 여기서 일어난다. Claude의 컨텍스트 처리가 가장 안정적이다.
    3. 변경이 끝나면 Codex 플러그인을 호출해서 리뷰. “이 PR을 적대적으로 검토해라”라고 시키면, 자기가 작성하지 않은 코드라 더 인색하게 본다. 사람 시니어 한 명을 옆에 앉힌 효과가 난다.
    4. 리뷰 결과를 다시 Claude Code가 반영. 한 사이클 끝.

    가장 효과가 컸던 건 “같은 모델이 작성도 하고 리뷰도 하면 똑같은 사각지대를 본다”라는 오래된 문제를 해소한 점이다. Codex가 Claude의 코드를 보면, 둘이 학습 데이터·정렬 방식이 달라서 잡아내는 결함이 다르다. 일주일 사용 기준, Codex 리뷰가 Claude 자기 리뷰가 놓친 결함을 의미 있는 빈도로 잡아냈다.

    과대평가된 부분 — 솔직히

    마케팅 글에서 빠지는 얘기 셋.

    ① 비용이 합산된다. Cursor 구독 + Anthropic Max + OpenAI API. 한 명 개인 개발자 기준 월 $80~$200 사이에서 시작한다. 회사 카드면 모르겠지만, 사이드 프로젝트만 하는 사람에겐 빡빡하다.

    ② “병렬 에이전트”는 자유의 대가가 있다. 세 개를 동시에 돌리면 충돌이 난다. 같은 파일을 두 에이전트가 건드리는 일이 1주일에 두세 번 있었다. Cursor 3가 잠금·머지 UX를 더 다듬어야 한다.

    ③ 플러그인 호출은 아직 거칠다. Codex 플러그인이 가끔 응답을 길게 잡아먹는다. 빠른 리뷰를 원하면 별도 터미널에서 Codex CLI 직접 호출이 더 빠를 때가 있다.

    그래서 — 한국 개발자에게 달라지는 것

    “어느 툴 하나로 정착할까”라는 질문은 이제 틀렸다. 1년 전엔 그게 맞는 질문이었지만 2026년 4월의 답은 “세 툴을 역할로 나눠 쓰는 워크플로우를 본인이 정의해야 한다”이다. 회사·팀·개인 단위로 그 조합이 다르다.

    지금 바로 할 수 있는 것

    1. Claude Code 사용자라면 OpenAI Codex 플러그인을 일주일 깔아 본다. “이 PR을 adversarial하게 리뷰해 줘” 한 줄만 시켜 봐도 효용이 보인다.
    2. Cursor 1.x 쓰던 사람이라면 Cursor 3의 병렬 에이전트 모드를 작은 작업 2개로 시범 운영해 본다. 처음부터 3개는 충돌만 늘어난다.
    3. 팀이라면 “어느 레이어를 표준화할지”부터 합의한다. 모두 자유롭게 골라 쓰면 PR 리뷰 품질이 들쑥날쑥해진다.

    관련 글

    출처

  • Perplexity Billion Dollar Build M 챌린지 완전 정리 — 8주 안에 유니콘 만드는 게임의 룰과 캐치

    Perplexity Billion Dollar Build M 챌린지 완전 정리 — 8주 안에 유니콘 만드는 게임의 룰과 캐치

    Perplexity가 4월 9일 던진 한 줄. “8주 안에 유니콘으로 갈 수 있는 회사를 만들어 봐라. 우리가 최대 200만 달러를 줄게.”

    이름은 Billion Dollar Build. 자기네 에이전트 제품인 Perplexity Computer를 써서 회사를 만드는 8주짜리 컴페티션이다. 한국 1인 빌더 입장에서 정확히 어떤 의미인지, 그리고 못 본 척 넘어가면 안 되는 이유를 정리한다.

    대회 한 줄 정리

    항목 내용
    기간 8주
    상금 최대 $1M 시드(최대 3팀에 분배) + $1M Computer 크레딧
    자격 미국 거주자 18세+ / 개인 또는 2인 팀
    전제 조건 2026년 4월 13일 PT 자정까지 Perplexity Max 또는 Pro 구독
    등록 시작 4월 14일
    제출 마감 6월 2일 (데모 영상 + 트랙션 지표 포함)
    피칭 → 발표 6월 9일 라이브 피칭 → 6월 10일 우승팀 발표

    표면만 보면 깔끔한 액셀러레이터다. 그런데 약관을 읽으면 두 줄이 눈에 박힌다.

    읽어야 하는 두 가지 캐치

    캐치 1. 투자는 “약속”이 아니다. Perplexity Fund는 어떤 참가자에게도 투자할 의무가 없다고 약관에 명시돼 있다. 즉 우승해도 시드 $1M이 자동으로 들어오는 게 아니다. 별도 듀딜리전스 통과가 조건이다.

    캐치 2. 라이선스 범위가 매우 넓다. 참가만 해도 Perplexity는 회사명·제품·코드·컨셉·워크플로우·창업자 본인 모습·데모 영상 일체를 마케팅·IR·기타 상업적 목적으로 무료·전세계 영구 사용할 권리를 가져간다. “참가비 0원”의 진짜 가격이다.

    왜 200만 달러를 거는가

    Perplexity는 지금 검색 트래픽으론 구글을 못 잡는다. 그 대신 “AI 에이전트가 대신 일해 주는 다음 시대의 OS는 우리”라는 내러티브를 사고 싶다. 그래서 Computer라는 제품을 사람들이 실제로 쓰면서 회사를 만드는 그림이 필요하다.

    유니콘 후보 3개를 8주 안에 양산해 낸다면, 그건 Perplexity의 다음 시리즈 라운드 피치덱 첫 페이지다. 200만 달러는 마케팅 예산 치고 싸다.

    한국에서 못 들어가는데, 왜 봐야 하나

    한국 거주 빌더는 직접 참가 못 한다. 그래도 챙겨야 할 이유 셋.

    ① Perplexity Computer의 진짜 한계가 8주 안에 공개된다. 200만 달러를 걸고 외부인이 두들기는 만큼, 6월 라이브 피칭 회차는 이 제품의 실전 능력을 가장 정직하게 볼 수 있는 무대다. 한국에서 같은 영역(Manus·Genspark·OpenClaw 등)을 검토 중이라면 6월 10일 발표 직후가 비교의 적기다.

    ② “8주 유니콘”이라는 작업 단위가 새 표준이 된다. 6개월 MVP가 아니다. 8주에 데모 영상 + 트랙션 지표까지 만들어 와야 한다. AI 시대의 빌더 사이클이 분기 단위에서 8주 단위로 짧아지고 있다는 신호다.

    ③ “광범위 라이선스 약관”이 곧 한국 대회·해커톤에도 온다. 한국에서도 카카오·네이버·통신사 주최 AI 해커톤이 줄줄이 예정돼 있다. 약관 읽는 습관, 지금부터 들이는 게 좋다.

    지금 바로 할 수 있는 것

    1. 본인 사이드 프로젝트를 “8주 유니콘” 프레임으로 다시 적어 본다. 무슨 시장, 무슨 트랙션 지표, 8주 안에 어디까지. 못 적어 내려가면 그건 좋은 신호다 — 대상이 너무 넓다는 뜻이다.
    2. Perplexity Pro/Max를 안 써 봤다면 이번 주 한 달 무료 또는 학생 플랜으로 Computer 기능을 직접 만져 본다. 6월 라이브 피칭 영상을 그냥 보는 사람과, 만져 본 채로 보는 사람은 흡수율이 다르다.
    3. 참가하는 미국 친구가 있다면, 한국 시장 진출 자문 역할로 묻어 들어가는 것도 옵션이다. 2인 팀 허용이라 가능성 있다. 나도 좀… 🙂 !!!

    관련 글

    출처

  • Stop hiring humans — HumanX 2026이 보여준 AI 일자리 패닉, 한국 직장인 생존 매뉴얼

    Stop hiring humans — HumanX 2026이 보여준 AI 일자리 패닉, 한국 직장인 생존 매뉴얼

    샌프란시스코 출장에서 돌아온 친구 메시지가 한 줄이었다. “건물 입구에 ‘Stop hiring humans’라고 쓰여 있더라.”

    찾아보니 진짜였다. 4월 9~12일에 열린 HumanX 2026 컨퍼런스. 4일간 약 6,500명의 투자자·창업자·임원이 모인 자리에서, 한 AI 채용 자동화 회사가 컨퍼런스장 정문에 저 문구를 광고로 걸었다. AFP·디지털저널이 12일자로 받아 적었고, 같은 날 한국어 커뮤니티에서도 빠르게 퍼졌다.

    처음엔 그냥 마케팅 자극이라고 생각했다. 그런데 같은 무대에서 나온 발언들을 모아 보면, 이게 단순한 도발이 아니다.

    이베이 코리아에 재직했었을때도 가끔 본사에서 비슷한 얘기들을 들은적이 있다.

    “아침에 출입증이 먹통이 되었는데, …”

    무대 위에서 실제로 나온 말들

    AI 글쓰기 플랫폼 Writer의 CEO 메이 하빕(May Habib)은 메인 스테이지에서 이렇게 말했다. “포춘 500대 기업의 보스들이 지금 ‘AI가 고용에 미치는 영향’에 대해 집단적 패닉 어택을 겪고 있다.”

    같은 주에 발표된 두 건의 인사 뉴스가 그 말을 뒷받침했다.

    • Salesforce: 고객지원 인력 4,000명 감원. “AI가 업무의 50%를 처리한다”고 공식 발표.
    • Block(잭 도시): 전사 인력을 거의 절반으로 줄이겠다고 발표. 사유는 “지능 도구(intelligence tools)가 회사 운영 방식을 근본적으로 바꿨기 때문”.

    이게 4일간의 컨퍼런스 무대에서 동시에 흘러나왔다. 사람들이 패닉 어택을 겪고 있다는 말이 농담이 아닌 셈이다.

    그런데 — 한 발 떨어져서 보면

    전부 액면 그대로 받을 필요는 없다. 같은 기사에서 일부 경제학자들은 이렇게 짚었다. 지금의 감원은 “AI 때문”이 아니라 “지난 3년간의 과잉 채용 정리 + 향후 인프라 투자(데이터센터·GPU)에 쓸 현금 확보”가 본질이고, “AI”는 IR과 언론에 쓰기 좋은 명분이라는 것이다.

    나도 이 해석에 좀 더 무게를 둔다. 25년 일하면서 본 패턴이다. 기업이 어려운 결정을 할 때 가장 먼저 찾는 건 “사회적으로 이해받기 좋은 라벨”이다. 2001년엔 닷컴 거품, 2008년엔 금융위기, 2020년엔 팬데믹, 2026년엔 AI다.

    다만 라벨이 명분이라는 사실이 “내 일자리는 안전하다”를 의미하진 않는다. 명분이 있다는 건, 회사가 그 명분을 한 번 써먹기로 결정했다는 뜻이고, 그 결정의 칼날 위에 누가 서 있는지가 다음 질문이다.

    그래서 나는 조직을 리드할때는, Value Chain의 기본에 대해서 자주 언급한다. 이것은 어떻게든 목표를 우상향으로 바라보고, 벌고 남는 이익을 투자하려는 성질탓에 기업이 건강해질수 있는 유일한 길이라고 믿기 때문이다.

    한국 직장인이 봐야 할 3가지 신호

    1. “직군 단위 자동화”가 무대에서 처음 공식화됐다. 지금까지는 “AI가 보조한다”였는데, Salesforce 발표는 “고객지원 직군의 50%를 AI가 한다”는 직군 단위 선언이다. 한국에서도 콜센터·1차 CS·기초 영업 지원이 가장 먼저 신호를 받는다.

    2. “중간 관리자”가 두 번째 표적이 된다. Block의 잭 도시가 정리하겠다고 한 인력 중 상당수가 미들 매니저·조정자 역할이다. AI가 1차 업무를 하면, 그걸 모아 보고하던 층이 가장 빨리 얇아진다.

    3. 한국 대기업은 6~12개월 시차로 따라온다. 미국 발표가 한국 컨설팅 보고서가 되고, 그 보고서가 한국 임원회의로 들어가는 데 보통 6~12개월이 걸린다. 즉 지금이 그 시차 안쪽이다.

    그래서 — 오늘 뭘 해야 하나

    “AI를 배우자”는 말은 너무 막연하다. 좀 더 좁혀 보면 이렇다. 본인의 업무를 “AI가 70% 한다고 가정”하고, 남는 30%가 무엇인지 한 문장으로 설명할 수 있어야 한다. 그 30%가 본인의 다음 1~2년 커리어 자산이다.

    지금 바로 할 수 있는 것

    1. 본인 업무를 한 페이지로 적고, 각 항목 옆에 “AI가 가능 / 부분 가능 / 불가능”을 표시해 본다. 30분이면 끝난다. 결과를 보면 이 글의 어떤 통계보다 무섭다.
    2. “부분 가능” 항목을 1개 골라 이번 주 안에 ChatGPT·Claude로 직접 자동화해 본다. 안 해 본 사람과 해 본 사람의 격차가 6개월 뒤엔 직군 차이가 된다.
    3. 이력서·링크드인의 직무 설명을 “관리·조율” 중심에서 “판단·결정·맥락”으로 다시 쓴다. 자동화되는 단어와 안 되는 단어가 다르다.

    관련 글

    출처

  • OpenAI·Anthropic·Google 프론티어 동맹 — 중국 AI 카피 1,600만 회 적발의 진짜 의미

    OpenAI·Anthropic·Google 프론티어 동맹 — 중국 AI 카피 1,600만 회 적발의 진짜 의미

    2026년 4월 8일, 블룸버그가 한 줄짜리 기사로 분위기를 바꿨다. OpenAI·Anthropic·Google이 Frontier Model Forum이라는 비영리 기구를 통해 “중국 모델이 우리 모델을 어떻게 베껴 가는지” 공격 데이터를 서로 공유하기 시작했다는 소식이다. 2023년에 출범하고 거의 잊혀졌던 이 포럼이, 3년 만에 처음으로 의미 있는 결과물을 낸 셈이다.

    경쟁사 셋이 한 테이블에 앉을 정도면 사안이 가볍지 않다. 한국 기업·개발자에게 어떤 영향이 오는지 차분히 정리해 본다.

    1. 사건 요약 — 1,600만 회의 “위장 질의”

    발단은 두 달 전이다. 2026년 2월 23일 Anthropic이 자체 보고서에서 약 24,000개의 위장 계정으로 1,600만 회의 Claude 대화가 이뤄졌고, 그 배후로 중국 3개사를 직접 지목했다.

    기업 대화 수(추정) 주요 표적
    MiniMax 약 1,300만 건 광범위한 능력 추출
    Moonshot (Kimi) 약 340만 건 에이전트 추론·툴 사용·코딩·컴퓨터 사용
    DeepSeek 약 15만 건 정합성·안전·정책 응답

    이 방식이 적대적 디스틸레이션(Adversarial Distillation)이다. 비싼 모델에 똑똑한 질문을 반복적으로 던져 답을 모은 뒤, 그 답을 학습 데이터 삼아 싸구려 모델을 길러 낸다. 업계에선 비용 차이를 이렇게 본다.

    • 프론티어 모델 1개 학습: 약 10억 달러
    • 잘 짜인 디스틸레이션 1회: 약 10~20만 달러

    약 5,000~1만 배 차이다. 합법·불법을 떠나, 경제적 인센티브가 너무 크다는 게 동맹 결성의 진짜 이유다.

    2. Frontier Model Forum이 실제로 하는 일

    이번에 공유되는 데이터는 단순한 “차단 IP 명단”이 아니다. 세 회사가 관측한 위장 계정의 행동 패턴, 우회 결제 수단, 프록시 인프라, 그리고 모델별로 어떤 능력을 표적으로 삼았는지의 메타데이터다. 한쪽에서 막힌 패턴이 다음날 다른 회사에서 그대로 등장하는 일을 줄이려는 것이다.

    달리 말하면, AI 회사들이 처음으로 “플랫폼 보안 공조”를 시작했다. 클라우드 회사들이 DDoS 공격 정보를 공유하던 것과 비슷한 그림이다.

    3. 한국 기업·개발자에 직접 닿는 변화 3가지

    ① API 어뷰즈 탐지가 강해진다. 위장 계정 패턴이 학습되면, VPN·중계 서버·다중 계정으로 우회해 쓰던 일부 한국 스타트업·연구실의 사용 패턴도 같이 잡힐 수 있다. 정상 트래픽이면 문제없지만, “대량 합성 데이터 만들려고 우회하던” 케이스는 위험하다.

    ② 중국 오픈소스 모델의 “혈통” 논쟁이 본격화된다. DeepSeek·Kimi 계열 모델을 사내에서 쓰는 곳이 늘었는데, 공급망(Supply Chain) 관점에서 “이 모델 가중치가 어디서 왔는가”가 컴플라이언스 이슈가 될 수 있다. 특히 미국 향 SaaS를 제공한다면, 고객사가 모델 출처를 묻는 일이 곧 일상화된다.

    ③ 미국 수출 통제와 모델 라이선스 조건이 같이 조여 온다. 디스틸레이션을 막는 가장 빠른 길은 약관·라이선스·결제 수단 검증이다. 한국 법인도 미국 모델 API를 쓸 때 KYC가 늘어나고, 일부 고급 모델은 국가·도메인 단위로 게이팅될 가능성이 높다.

    4. 그래서 — 한국 독자에게 달라지는 것

    기술 뉴스로 보면 “미·중 모델 전쟁의 새 챕터” 정도지만, 일하는 입장에서 핵심은 “내가 쓰는 모델의 출처와 약관을 처음으로 진지하게 봐야 하는 시점”이라는 데 있다. 한 줄로 정리하면 이렇다. 2026년부터 AI는 “성능”만큼 “공급망”이 평가 항목이 된다.

    지금 바로 할 수 있는 것

    1. 사내에서 쓰는 LLM 목록을 한 장으로 정리한다. 모델명, 호스팅 위치, 약관(상업적 이용·재학습 금지 조항), 데이터 송수신 방향까지. 이게 곧 컴플라이언스 자료가 된다.
    2. OpenAI·Anthropic·Google API를 쓴다면 결제 수단·법인 KYC를 정리해 둔다. 우회·중계 결제는 향후 계정 정지 사유가 될 수 있다.
    3. 오픈소스 모델(DeepSeek·Kimi·MiniMax 등)을 프로덕션에 쓰고 있다면, 미국·EU 향 고객이 출처 증빙을 요구할 가능성을 시나리오로 정리해 둔다.

    관련 글

    출처

  • (3/3) AI Did Not Replace the Senior Developer — 10 New Experiments After Launching a Game (Dev Log Part 3)

    This is the final Part 3 of the series. In Part 1, I built a game in five hours with AI and got rejected by the App Store. In Part 2, I passed review and reached the first penny. Part 3 is the story after launch — marketing, a new tool I started building, and two more experiments already underway.

    Day 3 After Launch, I Opened Facebook

    I had no illusion that people would just show up after launch, but the first three days were still a bit lonely. Almost no downloads. Instinctively, I posted on Facebook and LinkedIn. Then I opened a Claude chat and asked a simple question — how do I get more downloads for a small game like this? Several answers came back. One of them was that some indie game community contact pages accept app review requests.

    Now I send one or two emails a day. At first, it was honestly embarrassing and awkward. I learned that sending a cold email like this was the smallest form of putting down the VP title. But after a few days, a different thought hit me — why didn’t I think of this sooner?

    Another Scene from a Decade Ago

    When LINE Bubble was hitting tens of millions of downloads in Japan, I personally visited Japanese gaming communities every single day. I watched what was being posted, what people were saying, which games might blow up next. I thought that was a PD’s job. Over a decade later, I realized I was doing the exact same thing for my own side project — right there on an indie community contact page. Tools change, eras change, but the fact that the maker has to walk to where the users are — that stays the same.

    YouTube Shorts, and Then I Started Building a Tool

    Another method Claude suggested was YouTube Shorts. Unlike other channels, you see real-time reactions the moment you upload. For someone like me who can’t wait, it was a strangely good fit.

    Then something else started. I began building a tool to make Shorts videos more easily and efficiently. I’m currently working on about 10 apps and services simultaneously, and I’m designing this tool as a shared module across all of them. The functionality is simple — record a short video of an app running on a real device, edit it, add sound, create subtitles, all driven by LLM prompts. To be clear, this is not a “content auto-generation” tool. It captures and processes real screens from real apps I built. The concept isn’t generating video — it’s prompting an LLM to capture the most compelling scenes of the game on video. This is why I’m building all game scenes in a hybrid architecture.

    The fact that I was now building a tool that uses AI, while using AI — that was the most interesting change from a senior’s perspective.

    HOL4B.com — In the Meantime, I’ll Focus on This

    I should be honest about one thing. I’m currently looking for a job. Ideally, I want to continue in a C-level role at an enterprise company. I don’t know how long that will take. So in the meantime, I decided to give this a real shot. HOL4B.com is the result of that decision. It’s still a mostly empty single-page site, but the plan is to add one line at a time for each product I build going forward. A small workshop for my personal brand.

    Version 1.3 and Two More Experiments

    Trains Out is gearing up for 1.3.0. The biggest change is on the business side — registering as a business entity and adding a paid ad-removal item. The first in-app purchase button will sit next to the one-penny ad revenue. Two smaller additions: a leaderboard and daily challenges for motivation. I’ll also try to improve the core game feel and rules as much as possible.

    And there are two more experiments that have already started.

    Gyeol (결 Seoul) — A camera app. I’ve always liked photography, and this time I’m bundling my 10 favorite filters into a camera app. But the core of this app is the 11th filter — an experimental filter that extracts the dominant color of a photo and layers it back over the image. I don’t know if the results will be worth using, but that’s the whole point of a side project. The app is already built, and I’ve been walking around Seoul taking photos to test it in the real world.

    Spell Stack — A word-merging game. My kid wanted an app for learning words, so I took that request and layered it onto a 2048-style number-merging mechanic. Instead of numbers, letters combine to form words. Just like Trains Out where my family was the first user, the first user for this one is already decided. It includes grade-level vocabulary curated from public word lists.

    So — What Did AI Become for a Senior Developer?

    The question I asked at the start of this series was simple. Can AI really code? Can it go all the way to commercialization? After about ten days, one game, and one penny, here’s my answer.

    Yes, it’s possible. But AI can’t finish the job alone. Policy reviews (ATT, AdMob child ad ratings), game feel, self-critique, ad appropriateness, marketing that requires walking to where users are — in every one of these areas, a human had to step in repeatedly. But when that human is a 25-year veteran, AI works at a terrifying speed. I could even delegate tool selection, and it still produced results. Working on 10 apps simultaneously, I genuinely feel the power of AI.

    There’s a phrase I keep hearing lately. “One-click builders” or “I didn’t touch a single line of code.” That era will come eventually. But having spent ten days living it firsthand, my conclusion is different. Right now, AI is the event of a really good partner appearing for senior developers. Not a tool that replaces someone — a partner that multiplies the judgment seniors have built over a lifetime. I’ve shipped LINE Bubble to #1 in eight countries, and worked across commerce, advertising, mobility, and manufacturing. All those memories are coming alive again through this five hours, this first penny, and these next two experiments. I’ve come to believe again — starting with myself — that seasoned experience isn’t something to be leveled away, but the thing that holds down the far end of the AI era.

    This three-part series closes here. Trains Out is still just the beginning. Gyeol and Spell Stack are coming soon. Download links and short gameplay videos are collected on the English launch page.

    What You Can Do Right Now

    • In the AI era, walk to where your users are. Indie communities, small Facebook groups, company Slack channels — AI won’t take that one step for you.
    • Run one side project seriously. You’ll see what AI multiplies for you and what still needs your own hands.

    Related Posts

    Sources