Writing

AI의 그럴듯함을 어디까지 믿을 것인가

LLM이 잘하는 패턴 생성과 인과 판단의 차이를 살펴보고, 전제가 바뀌는 실제 작업에서 AI의 답을 안전하게 검증할 기준을 정리한다.

AI Agent, Subagent, Harness, Loop, Goal, Planning과 Graph를 하나의 실행 구조 안에서 구분하고, 각 요소가 언제 필요한지 정리한다.

소스 코드, AST, Code Graph, 실행 결과와 Agent Memory가 각각 무엇을 증명하는지 구분하고, 코드 변경 뒤 기억을 선택적으로 갱신하는 방법을 설계한다.

긴 작업에서 에이전트가 놓치는 것은 기억보다 복귀 위치일 수 있다. Call Stack의 은유에서 출발해 Goal, Plan, CallFrame, Event Log를 갖춘 Agent Runtime을 설계한다.

Thinking to Recall 논문에서 추론 모델의 작동 방식을 읽고, 사실 조사·코딩·의사결정에 바로 적용할 수 있는 검증 워크플로로 바꿔본다.

예선과 본선, 무신사 트랙 1등까지의 과정을 돌아보며 문제를 고르는 기준, AI와 사람의 책임 경계, 다음 작업에서 바꿀 방식을 정리한다.

무신사 트랙의 열린 문제를 MD의 검증 슬롯 배정이라는 한 가지 결정으로 좁히고, 공개 데이터와 고정 규칙으로 작동하는 App을 만든 과정을 기록한다.

무신사의 공개 자료만으로 상품 등록 검수 문제를 정의하고, 파트너 보완과 내부 검토를 갈라 넘기는 Codex 플러그인을 만든 과정을 정리한다.

인스타그램 광고로 알게 된 AX 인재전쟁에서 무신사 트랙 하나만 고른 이유와, AI 시대의 문제 정의와 Taste에 대한 생각을 정리한다.