MCP가 오픈 표준이 되었다 — Linux Foundation 합류와 엔지니어링 팀을 위한 도입 로드맵
Anthropic이 MCP를 Linux Foundation에 기부하고 OpenAI, Google, Microsoft가 합류했습니다. 76%의 기업이 도입을 검토 중인 지금, EM/VPoE가 알아야 할 실전 도입 전략을 정리합니다.
archive
칼럼 · 페이지 18
356 · 페이지 18
MIT EnCompass: AI 에이전트에 검색 알고리즘을 접목해 정확도 40% 향상시키기
MIT CSAIL이 개발한 EnCompass 프레임워크로 AI 에이전트의 실행 경로에 검색 전략을 적용해 신뢰성과 정확도를 획기적으로 높이는 방법을 실무 관점에서 분석합니다.
Jira AI 에이전트와 MCP — Engineering Manager가 준비해야 할 것들
Atlassian이 Jira에 AI 에이전트를 도입하고 MCP를 전면 채택했습니다. EM 관점에서 팀 운영 변화와 실무 대응 전략을 정리합니다.
LLM 코딩 하니스 최적화 — 모델이 아닌 하니스를 바꿔 15개 모델 성능 향상
LLM 코딩 도구에서 모델 선택보다 하니스(편집 포맷, 도구 인터페이스) 최적화가 5〜14% 더 높은 성능을 가져온다. Grok Code Fast를 6.7%에서 68.3%로 10배 향상시킨 실사례로, 하니스 엔지니어링의 실체와 EM·CTO를 위한 실무 전략을 정리한다.
AI 모델 증류 공격의 실태 — CTO가 알아야 할 IP 보호 전략
DeepSeek·MiniMax의 1,600만 건 Claude 증류 공격 실태를 분석하고 기업 CTO·EM을 위한 실무 대응 전략을 제시합니다. AI API 지적재산 보호, 벤더 보안 평가 기준, 오픈소스 모델 출처 검증, 조직 AI 거버넌스 체계 구축 방법까지 다룹니다.
Anthropic vs 펜타곤 — AI 거버넌스 시대에 CTO가 준비해야 할 벤더 전략
Anthropic의 펜타곤 군사 AI 요구 거부 사태를 분석하고, CTO/VPoE가 AI 벤더 의존 리스크와 거버넌스 전략을 어떻게 수립해야 하는지 실전 가이드를 제시합니다.
GitHub Agentic Workflows — CI/CD에 AI 에이전트가 합류하다
GitHub의 Agentic Workflows 기술 프리뷰를 분석합니다. Markdown으로 자동화를 정의하고, AI 에이전트가 이슈 분류·코드 리뷰·테스트 생성을 수행하는 Continuous AI 패러다임을 소개합니다.
MIT TLT: 추론 LLM 훈련 속도를 2배로 끌어올리는 적응형 드래프터
MIT가 발표한 TLT 기법은 유휴 GPU를 활용해 추론 LLM의 RL 훈련을 70〜210% 가속합니다. 적응형 드래프터와 롤아웃 엔진의 작동 원리를 분석합니다.
Claude Code Remote Control 완전 가이드 — 설정부터 모바일 원격 제어까지
Claude Code Remote Control 기능의 설정 방법과 활용법을 정리합니다. 데스크톱에서 시작한 작업을 모바일로 모니터링하고 제어하는 워크플로우를 실전 예제와 함께 소개합니다.
OpenClaw 모델을 OpenAI Codex로 전환하기 — ToS 혼란 이후 실전 가이드
Claude·Gemini 이용약관 변경 이후 OpenClaw 사용자를 위한 OpenAI Codex 전환 실전 가이드입니다. 백업, OAuth 인증, 에이전트별 모델 설정, 레이어 전략, Claude API 키 방식과의 비용 비교까지 커뮤니티 검증 15분 절차로 완전히 정리했습니다.
소금을 믿지 마라 — 다국어 LLM 안전성과 가드레일의 사각지대
다국어 환경에서 LLM 가드레일이 무력화되는 실태를 분석합니다. 영어 외 언어에서 안전성 검증이 실패하는 구조적 문제와 실무 대응책을 제시합니다.
GGML/llama.cpp가 Hugging Face에 합류 — 로컬 AI 인프라의 구조적 전환점
ggml.ai 팀이 Hugging Face에 합류하여 llama.cpp의 장기적 지속가능성을 확보합니다. 로컬 AI 추론 생태계의 구조적 변화와 기술적 의미를 분석합니다.