전체 뉴스

2026.08.25

AI 구독 3개를 쓰는데 왜 주중이면 일이 멈추나

전체 요약

구독 세 개를 쓰면서도 주중이면 일이 멈추던 이유는 토큰 부족이 아니라 라우팅 부재였다. 선제 배분으로 바뀐 한 주의 기록.

2026.08.24

숙제 검사는 다 통과했는데 시험은 안 봤다

전체 요약

AI에게 'Claude가 멈춰도 일이 이어지게 해줘'라고 시켰다. 2주간 모든 작업이 완료 표시되고 테스트도 전부 통과했다. 그런데 진짜 위기가 온 날, 시스템은 아무것도 하지 않았다.

2026.04.12

자료 수집부터 AI 브리핑까지 이어지는 과정

전체 요약

문서 검색형 AI는 자료를 모은 뒤 저장, 정리, 분할, 검색, 재정렬, 요약하는 단계를 거친다. 어느 한 단계에서 정보가 빠지거나 잘못 처리되면 이후 검색과 답변에도 문제가 이어진다. AI를 제대로 활용하려면 모델 하나가 아니라 자료가 답변으로 바뀌는 전체 흐름을 살펴봐야 한다.

2026.04.11

검색 결과에는 이름표와 미리보기가 있어야 한다

전체 요약

메타데이터는 날짜, 출처, 작성자처럼 문서를 설명하는 정보다. 스니펫은 검색 결과를 열기 전에 내용을 판단하도록 돕는 짧은 미리보기다. 검색 모델의 성능이 좋아도 이 두 요소가 부실하면 사용자는 원하는 자료를 빠르게 고르기 어렵다.

2026.04.10

긴 문서를 AI 검색에 넣을 때 어디서 나눠야 할까

전체 요약

문서 검색형 AI는 긴 자료를 청크라는 작은 단위로 나눠 필요한 부분을 찾는다. 청크가 너무 짧으면 문맥과 근거가 끊기고, 너무 길면 관련 없는 정보가 함께 검색될 수 있다. 제목과 문단, 표의 구조를 보존하면서 실제 질문에 답할 수 있는 단위로 나누는 것이 중요하다.

2026.04.09

벡터DB는 기억창고가 아니다: AI가 관련 자료를 빨리 찾는 진짜 방법

전체 요약

벡터DB는 단순히 자료를 저장하는 창고가 아니다. 문장과 문서를 벡터로 저장한 뒤, 새 질문과 의미상 가까운 자료를 매우 빠르게 찾아주는 검색 엔진에 가깝다. AI 검색과 RAG 시스템의 핵심 인프라가 왜 벡터DB인지 쉽게 설명한다.

2026.04.08

AI 검색은 문장의 연관성을 어떻게 계산할까

전체 요약

임베딩 기반 의미검색은 질문과 문서를 각각 벡터로 표현한 뒤 코사인 유사도나 내적 같은 계산으로 비교한다. 이 방법을 쓰면 표현이 달라도 비슷한 주제의 자료를 검색 후보로 찾을 수 있다. 다만 벡터가 가깝다는 사실만으로 두 문장의 뜻이나 내용이 정확하고 동일하다고 결론 내릴 수는 없다.

2026.04.07

AI는 글을 어떤 숫자로 바꿀까

전체 요약

언어모델은 글을 작은 토큰으로 나누고 각 토큰을 숫자 ID와 벡터로 표현한다. 계산이 진행되면서 같은 단어도 주변 문맥에 따라 서로 다른 내부 표현을 갖게 된다. 검색에 쓰는 문장 임베딩은 이 과정과 관련이 있지만, 문장 전체를 처음부터 하나의 벡터로 바꾸는 절차와는 구분해야 한다.

2026.04.06

AI가 글을 읽기 전에 컴퓨터가 하는 일

전체 요약

AI의 답변 뒤에는 데이터를 저장하고 계산하는 컴퓨터의 작동이 있다. 컴퓨터는 문서의 의미를 사람처럼 느끼는 대신 파일을 정해진 형식의 데이터로 처리한다. AI가 글을 다루는 과정을 이해하려면 먼저 저장, 변환, 계산이 어떻게 이어지는지 살펴봐야 한다.