주현 - AX | Backend/Frontend Developer

백엔드 개발자를 위한 RAG 설계: 청킹, 임베딩, 벡터 검색 쉽게 이해하기RAG가 문서를 찾는 순서부터 청킹 크기, 임베딩 모델, HNSW 설정, 검색 품질 평가까지 실무에 필요한 내용만 쉽게 정리했습니다.RAG는 LLM이 답변하기 전에 관련 문서를 찾아 주는 구조입니다. 사용자가 질문하면 사내 문서나 기술 문서에서 근거를 찾고, 그 내용을 LLM에 전달합니다. LLM은 전달받은 근거를 바탕으로 답변합니다.처음에는 문서를 잘라 벡터 DB에 넣고 가까운 내용을 검색하면 됩니다. 하지만 실제 서비스에서는 다른 문제가 생깁니다. 표현만 조금 바꿔도 검색 결과가 달라지고, 제품 코드나 오류 번호를 놓치기도 합니다. 수정 전 문서가 계속 검색되거나 권한이 없는 문서가 결과에 포함될 수도 있습니다. 벡터 DB부터..

GPT-5.6이 나왔다. 벤치마크 성능표보다 중요한 건 따로 있다새 모델이 얼마나 똑똑한지보다, 실제 작업에서 몇 번이나 다시 설명해야 하는지가 더 궁금하다.GPT-5.6가 정식으로 공개됐다. 플래그십 모델인 Sol, 성능과 비용을 절충한 Terra, 저렴하게 쓸 수 있는 Luna까지 세 종류다. 코딩과 과학, 보안 분야의 점수도 올랐고, 여러 에이전트를 동시에 움직이는 ultra 모드도 추가됐다.발표 자료만 보면 확인할 것이 많다. 그런데 AI 코딩 도구를 실제 업무에 붙여 쓰는 입장에서 궁금한 건 조금 다르다. 요구사항을 한 번에 얼마나 잘 알아듣는지, 수정하다가 멀쩡한 코드를 건드리지는 않는지, 끝났다고 했을 때 테스트까지 제대로 통과했는지. 이런 부분이 좋아졌다면 점수 몇 점이 오른 것보다 훨씬 ..

Codex GPT-5.6 Sol collaboration.spawn_agent 오류 해결: 멀티 에이전트를 끄기 전에 확인할 것GPT-5.6 Sol에서 일반 질문까지 실패하는 원인과 LazyCodex 업데이트, config.toml 우회 설정, CLI 검증 순서를 정리했습니다.Codex에서 GPT-5.6 Sol을 선택한 뒤 평범한 인사나 질문을 입력했는데 아래 오류만 나오고 대화가 시작되지 않는 경우가 있습니다.Invalid Value: 'tools'. Function 'collaboration.spawn_agent' is reserved for use by this model and must match the configured schema.오류 문구에 spawn_agent가 들어가 있으니 멀티 에이전..

요즘 AI 활용법을 보면 대부분 “프롬프트를 어떻게 잘 쓰느냐”에 집중합니다.물론 중요합니다.같은 질문을 해도 어떻게 묻느냐에 따라 답의 질이 달라지니까요.그런데 실제 업무에서 더 큰 차이를 만드는 건 프롬프트 실력이 아니라, 일을 맡길 수 있는 구조입니다.AI를 검색창처럼 쓰는 사람은 매번 직접 물어봐야 합니다.반대로 AI를 업무 흐름 안에 넣는 사람은 자리를 비워도 일이 조금씩 진행되게 만듭니다. AI 활용의 기준을 바꿔야 합니다AI를 “잘 쓰는 도구”로만 보면 계속 내가 중심이 됩니다.내가 질문하고, 내가 복사하고, 내가 정리하고, 내가 다시 옮깁니다.이 방식은 빠르긴 하지만 결국 손이 계속 갑니다.이제는 질문을 잘하는 단계에서 한 걸음 더 가야 합니다.반복되는 업무를 정리하고, AI가 처리할 수 ..

AX 시대, AI를 슬랙에 팀원처럼 초대하는 법AI를 업무에 쓰는 방식이 바뀌고 있습니다.예전에는 한 사람이 챗봇 하나를 열고 질문하는 방식이 대부분이었습니다. 자료를 요약하고, 글을 고치고, 코드를 작성하는 식이었죠. 이때 AI는 개인 생산성 도구에 가까웠습니다.그런데 AX, 즉 AI Transformation 관점에서 보면 다음 단계는 조금 다릅니다. 이제는 AI를 개인 대화창 안에 두는 것이 아니라, 슬랙 같은 협업 공간에 초대해 팀의 일부처럼 함께 일하게 만드는 방향으로 가고 있습니다.여기서 중요한 질문이 생깁니다.AI를 팀 채널에 초대한다는 건, 단순히 편한 도구를 하나 더 붙이는 일이 아닙니다. 같이 일할 팀원을 한 명 더 들이는 일에 가깝습니다. 그래서 어떤 일을 맡길지, 어떤 자료를 보게 ..

AI 도입해야 한다는 건 아는데, 사내에서 어디부터 시작해야 할지 모르시는 분 있으세요?현장에서 AX가 막히는 지점은 딱 두 가지라고 해요.첫째, 복잡한 실무는 멀티에이전트 자동화가 필요한데 내부에서 구축하기가 어렵다는 것.둘째, AI가 잘 일하려면 비즈니스 데이터가 공급되어야 하는데, 어떻게 넣을지 모르거나 쌓아둔 데이터 자체가 없는 경우가 많다는 것.그래서 현장에서 효과적인 접근은 "가장 귀찮은 반복 업무 1개부터 AI에 연결하는 것"이에요.작은 효용을 한 번 경험하면, 사람들은 스스로 데이터를 더 넣으려 한다고 해요.AX는 거창한 선언이 아니에요. rich.legend.airichlegendai

AX 채용 시장을 직접 들여다보니 — 경력직 중심, 재설계 역량, 그리고 진짜 AX 인재의 조건최근 AX(AI Transformation) 채용 공고를 꽤 오래 살펴볼 기회가 있었습니다.포지션별 요건, 선호 경력, 도메인 분포까지 훑어보고 나니 하나의 흐름이 선명하게 보였습니다.AX는 지금, 신입 시장이 아닙니다.AX는 경력직 시장입니다 — 평균 4.3년, 중앙값 3년공고에서 확인한 요구 경력의 평균은 약 4.3년이었고, 중앙값은 3년 정도였습니다.신입 포지션이 아예 없는 건 아니었지만, 대부분은 인턴 또는 주니어에 가까운 수준이었습니다.이 숫자가 의미하는 건 단순하지 않습니다.기업들이 AI를 다룰 줄 아는 사람이 아니라, 현업의 일을 이해하고 그 구조를 바꿀 수 있는 사람을 찾고 있다는 뜻입니다.가장 ..

SaaS 새로 만들 때마다 똑같은 데서 시간 다 까먹는 거, 저만 그런 거 아니죠.로그인 붙이는 데 하루, 결제 붙이는 데 또 하루, DB 스키마 짜다 보면 정작 본 기능은 손도 못 댄 채 주말이 끝나더라고요. 매번 그러니까 어느 순간부터 새 SaaS 시작하는 게 좀 무서워졌어요.그래서 제가 매번 쓰던 조합을 한 번에 합쳐서 github에 오픈소스 SaaS 스타터킷으로 풀었어요. 이름은 RichLegend AI SaaS Starter Kit이고, 한국어가 기본인 SaaS 보일러플레이트 / 템플릿이라고 보시면 돼요.들어 있는 스택은 이렇게 돼요.Next.js 16 (App Router 기반)Clerk 인증Polar.sh 결제 + webhookSupabase Postgres + Drizzle ORMnext-..

AI 전환 진단 프로그램 AX Doctor v1 by axq.kr흩어져 있던 접점들을 단일 도메인으로 정리했고, AI 전환 진단 프로그램 AX Doctor by axq.kr 으로 리뉴얼했습니다. AX Doctor는 조직의 AI 전환 준비 수준을 30문항·5분으로 진단하는 프로그램입니다.Gartner·Cisco·Microsoft 프레임워크를 기반으로, 전략 정합성부터 문화·변화 관리까지 6개 차원을 측정합니다.익명이고, 로그인도 필요 없습니다. 결과는 즉시 나옵니다. "우리 조직이 AI를 도입할 준비가 됐는가"라는 질문에 데이터 기반의 답을 드립니다. www.axq.kr AXQ — AI Transformation 진단01 산업 & 기본 정보 입력 회사명과 산업군을 선택하면 동종업계 평균과 비교가 가능합니..

AI를 쓰고 있다고 말하기 어려운 이유"우리 조직은 AI를 제대로 쓰고 있는가?"에이전트, 자동화, AX 키워드가 쏟아지지만 이 질문에 자신 있게 답하는 리더는 많지 않다.데이터는 솔루션 안에 갇혀 있고, 꺼내려면 데이터 팀에 요청해야 하며, 보고서는 며칠 후에야 돌아온다.최근 한 B2B SaaS 기업의 사업개발 리드가 이 문제를 '극단적 경영 가시성' — 조직의 모든 부서와 계층에서 즉시·충분히 알 수 있는 상태 — 이라는 개념으로 풀어냈다.결론은 단순하다. 데이터가 흐르는 IT 인프라가 없으면 AI는 접근할 데이터 자체가 없다.데이터 주권 3조건과 일의 정의AI 활용의 출발점은 데이터 주권이다.자사가 데이터를 직접 보유할 것, 그 데이터로 어떤 의사결정을 내려야 하는지 알 것, 데이터 간 연결이 가능..