솔직히 말하면, 저도 처음엔 "터미널이 다 거기서 거기지"라고 생각했습니다. 그런데 AI 코딩 에이전트 전용으로 설계된 CMUX를 접하고 나서 생각이 바뀌었습니다. 출시된 지 얼마 되지 않았는데도 GitHub 스타가 6,800개를 넘어섰다는 건, 단순한 유행이 아니라 실제로 개발자들이 느끼는 불편함을 건드린 도구라는 의미로 읽혔습니다. AI 시대에는 어떤 모델을 쓰느냐만큼, AI가 일하기 좋은 환경을 어떻게 만드느냐가 생산성을 가르는 기준이 될 수 있습니다.워크스페이스 단위 관리, 왜 이게 필요한가개발할 때 창을 몇 개나 띄워두는지 세어본 적 있으신가요. 제 경우엔 보통 다섯 개를 넘겼습니다. 프론트엔드 개발 서버 하나, 빌드 터미널 하나, Git 작업 터미널 하나, 그리고 Claude Code 세션까지..

AI에게 "예쁘게 만들어줘" 한마디면 웹사이트가 뚝딱 나온다는 말, 반은 맞고 반은 틀렸습니다. 제가 직접 써봤는데, 결과물은 나왔지만 어디서 많이 본 보라색 그라데이션에 "혁신적인 솔루션"이라는 문구가 박혀 있었습니다. AI가 만든 티가 너무 선명하게 났습니다. 카피와 디자인, 구현을 분리하는 워크플로우가 이 문제의 실질적인 해법으로 주목받고 있습니다.AI 디자인이 다 비슷해 보이는 이유AI로 웹사이트를 만들면 처음에는 꽤 그럴듯해 보입니다. 그런데 조금만 들여다보면 레이아웃도, 폰트 조합도, 심지어 헤드라인 문구까지 어디서 본 것 같은 느낌이 납니다. 저도 처음엔 "AI가 이 정도면 충분하지 않나?"라고 생각했는데, 실제로 결과물을 클라이언트에게 보여줬을 때 "뭔가 AI가 만든 것 같아요"라는 피드백..

솔직히 저는 꽤 오래 "이 기능 만들어줘" 한 줄로 AI 코딩을 시작했습니다. 결과물이 빠르게 나오니까 좋았는데, 작업 범위가 커질수록 AI가 기존 구조를 무시하고 제멋대로 코드를 쌓는 상황이 반복됐습니다. 리서치부터 계획, 주석, 구현까지 단계를 나눠 진행하는 방식이 이 문제를 어떻게 해결하는지 직접 확인해봤습니다.리서치 없이 시작하면 왜 무너질까제가 AI 코딩을 처음 쓰기 시작했을 때 가장 많이 겪었던 문제가 뭔지 아십니까? 이미 프로젝트 안에 공통 컴포넌트가 있는데도, AI가 그걸 모르고 비슷한 기능을 처음부터 새로 만들어버리는 상황이었습니다. 결국 제가 다시 코드를 뒤져서 중복 로직을 정리해야 했고, 오히려 시간이 더 걸렸습니다.이 문제의 근본 원인은 단순합니다. AI에게 코드베이스를 제대로 파악..

새로운 AI 도구를 도입했는데 오히려 팀 분위기가 이상해진 경험, 저도 있습니다. 메타(Meta)가 지금 딱 그 상황입니다. 직원들이 내부를 '굴라그'라고 부를 만큼 조직 문화가 무너졌고, AI 토큰 사용량을 성과 지표로 삼는 바람에 실제 업무 효율과는 전혀 다른 숫자 경쟁이 벌어지고 있습니다. 기술보다 조직이 먼저 망가지면 어떤 일이 생기는지, 메타 사례를 통해 짚어봤습니다.자유로운 조직이 '개발자 굴라그'가 된 이유페이스북 초창기 시절은 지금과는 전혀 달랐습니다. 엔지니어가 원하는 팀에 자유롭게 합류할 수 있었고, 실패를 감수한 빠른 배포를 오히려 권장하는 문화였습니다. 불필요한 문서 작업은 최소화하고 창의성과 속도를 최우선으로 두던 조직이었죠.그런데 현재의 메타는 직원들이 스스로 '굴라그(Gulag..

솔직히 저는 클로드 코드를 처음 쓸 때 플러그인이 많을수록, 설정이 빵빵할수록 결과가 좋아질 거라고 믿었습니다. 그런데 실제로 써보니 정반대였습니다. 이 글에서는 클로드 코드 성능을 떨어뜨리는 나쁜 습관부터 컨텍스트 관리 원칙, 그리고 세션을 깔끔하게 유지하는 실전 꿀팁까지, 직접 부딪히며 정리한 내용을 공유합니다.클로드 코드, 이 나쁜 습관부터 버려야 합니다처음 클로드 코드를 접했을 때 제가 제일 먼저 한 일은 추천 플러그인과 스킬(Skills)을 전부 설치하는 것이었습니다. 스킬이란 특정 작업 처리 방식을 담은 레시피 파일로, 클로드에게 "이런 상황에서는 이렇게 해"라고 미리 지시해두는 개념입니다. 좋은 도구인 건 맞지만, 처음부터 전부 깔아두는 건 전혀 다른 이야기였습니다.결과는 예상 밖이었습니다...

솔직히 저는 꽤 오랫동안 AI가 중간에 딴길로 빠지는 게 순전히 AI 성능 문제라고 생각했습니다. 긴 작업을 맡기면 어느 순간 처음 방향과 전혀 다른 결과물이 나오는 경험을 반복하면서도, "AI가 아직 부족하니까"로 넘겼던 거죠. 그런데 한 개발자가 Claude Code를 활용해 6개월 만에 책 300권 분량의 사내 프로그램을 혼자 재개발하는 데 성공한 사례를 접하고 나서 생각이 완전히 바뀌었습니다. 문제는 AI 자체가 아니라, AI에게 일을 맡기는 방식이었습니다.자동 매뉴얼 시스템: AI가 지침을 스스로 읽게 만들기Claude Code에는 '스킬(Skill)' 기능이 있습니다. 여기서 스킬이란 프론트엔드, 백엔드, 데이터베이스처럼 특정 작업 유형에 맞는 업무 매뉴얼을 미리 작성해두면, AI가 관련 작업..

두 시간짜리 코딩 작업에 200만 원이 청구됐다는 이야기를 처음 들었을 때, 솔직히 과장이라고 생각했습니다. 그런데 토큰(Token) 단가를 직접 계산해보니 고성능 모델을 아무 생각 없이 쓰면 충분히 가능한 수치였습니다. AI를 자주 쓰면 쓸수록 '얼마나 잘 쓰느냐'보다 '얼마나 효율적으로 쓰느냐'가 더 중요한 문제가 된다는 걸, 사용량이 늘어나면서 점점 더 실감하게 됩니다.토큰 비용이 실제로 얼마나 무서운가AI 서비스를 사용하면 입력과 출력 모두에서 토큰(Token)이 소비됩니다. 여기서 토큰이란 AI가 텍스트를 처리하는 최소 단위로, 영어 기준 단어 하나가 대략 1~2토큰, 한국어는 같은 내용이라도 더 많은 토큰을 소비하는 구조입니다. 문제는 고성능 모델일수록 토큰당 단가가 기하급수적으로 올라간다는 ..

매일 아침 같은 사이트 다섯 곳을 돌며 뉴스를 긁어 모으고, 내용을 정리해서 문서로 옮기고, 중요한 부분만 따로 추려 메시지로 보내는 작업을 반복하다 보면 어느 순간 이 일이 제 시간을 얼마나 갉아먹고 있는지 실감하게 됩니다. 직접 겪어보니 각각의 작업은 어렵지 않은데, 매일 반복되는 구조가 문제였습니다. 그 루틴을 AI가 대신 처리할 수 있다는 걸 Claude Cowork를 통해 처음으로 구체적으로 확인했습니다.에이전트 설계: '답변하는 AI'와 '일하는 AI'의 차이Claude Cowork를 처음 접했을 때 가장 먼저 든 생각은 "이건 기존 Claude랑 뭐가 다른 거지?"였습니다. 채팅창에 질문을 던지면 답이 돌아오는 구조에 이미 익숙해져 있었기 때문입니다. 그런데 직접 써봤더니 결이 완전히 다른 ..

솔직히 저는 AI를 쓰기 시작한 초반에 '토큰'이라는 단어를 그냥 흘려들었습니다. 어차피 질문하면 답이 나오는데, 뒤에서 어떤 단위로 처리되는지까지 신경 쓸 필요가 있나 싶었거든요. 그 생각이 완전히 바뀐 건 업무용으로 긴 문서를 매일 AI에 넘기기 시작하면서부터였습니다. 토큰은 단순한 기술 용어가 아니라, AI 서비스의 비용·성능·경쟁력을 결정하는 핵심 단위였습니다.토큰 비용, 직접 부딪혀보고 나서야 알았습니다처음 AI 서비스를 유료로 전환했을 때, 요금 고지서를 보고 잠깐 멈칫했습니다. 생각보다 많이 나온 금액이었는데, 원인을 찾아보니 전부 토큰 사용량이었습니다. 여기서 토큰이란 대형 언어 모델(LLM)이 텍스트를 처리할 때 의미를 구분하는 최소 단위를 말합니다. 영어 기준으로 평균 네 글자가 하나의..

테스트한 결과, 클로드로 PPT를 만들 때 '클로드 디자인'보다 일반 클로드가 더 낫다는 결론이 나왔습니다. 저도 처음엔 반신반의했는데, 이유를 알고 나니 납득이 갔습니다. 차트가 이미지로 고정되느냐, 아니면 엑셀에서 수정 가능한 형태로 살아있느냐의 차이였습니다.디자인 시스템과 프롬프트 설계: PPT 품질이 결정되는 단계클로드에게 단순히 "PPT 만들어줘"라고 요청하면 슬라이드마다 폰트 크기가 제각각이고, 제목 위치도 들쭉날쭉한 결과물이 나옵니다. 제가 직접 써봤는데, 아무런 기준 없이 요청했을 때는 그냥 내용만 나열된 수준이었습니다. 원인은 디자인 시스템(Design System)이 없기 때문입니다. 디자인 시스템이란 폰트, 컬러, 레이아웃, 여백 등 시각적 요소 전반을 일관되게 정의해 놓은 기준 체계..