AI 프로덕트에 빠진 결정적 연결고리(Loop)
뛰어난 AI 제품은 사용자에게 묻지 않고, 행동을 관찰하며 학습한다 모든 AI 스타트업의 피치 마지막에는 항상 마지막에 이런 약속이 빠지지 않는다. “고객 데이터를 활용해 우리 모델을 미세 조정(fine-tune)하겠습니다.” 하지만 실제로 창업자들에게 그 데이터를 어떻게 확보할 거냐고… 더 보기 »AI 프로덕트에 빠진 결정적 연결고리(Loop)
뛰어난 AI 제품은 사용자에게 묻지 않고, 행동을 관찰하며 학습한다 모든 AI 스타트업의 피치 마지막에는 항상 마지막에 이런 약속이 빠지지 않는다. “고객 데이터를 활용해 우리 모델을 미세 조정(fine-tune)하겠습니다.” 하지만 실제로 창업자들에게 그 데이터를 어떻게 확보할 거냐고… 더 보기 »AI 프로덕트에 빠진 결정적 연결고리(Loop)
AI 스택의 세 가지 계층, AI 엔지니어링이 ML 엔지니어링이나 풀스택 엔지니어링과 어떻게 다른지, 그리고 그 외 다양한 내용을 다룹니다. 이 글은 Chip Huyen의 저서 『AI Engineering』에서 발췌한 내용입니다. 1. AI 엔지니어링 스택의 세 가지 계층… 더 보기 »AI 엔지니어링 스택
지난 10여 년 동안 테크 업계에서 정말 다양한 프로젝트를 실제로 세상에 출시해 왔어요. 중요한 프로젝트를 꼭 성공적으로 완수해야 할 때마다 저에게 리더십을 맡기는 경우가 많은데, 그건 제가 이런 일을 잘 해내기 때문이죠. 대형 테크 기업에서… 더 보기 »대형 테크 기업에서 프로젝트를 실제로 ‘출시’하는 법
Marty의 말 가장 큰 틀에서 보면, 제품 모델로 전환한다는 건 곧 산출물 중심에서 성과 중심으로 일하는 방식으로 바뀐다는 뜻입니다. 개념적으로는 매우 단순하고, 그 가치 역시 대부분의 사람들이 직관적으로 이해할 수 있습니다. 하지만 실제로 이를 실천하는… 더 보기 »성과를 만드는 건 어려운 일입니다
제 연구 이야기를 하면, 뭔가를 더 나아지게 만들 때 우리가 ‘빼기(subtract)’라는 방법을 거의 쓰지 않는다는 데에 반박하는 사람은 없습니다. 실제로는 ‘그만둘 일(to-stops)’이 필요한데도 ‘해야 할 일(to-dos)’만 계속 쌓아간다거나, 좋은 행동을 장려하는 인센티브는 만들면서도 그 행동을… 더 보기 »‘더 적게’라는 말에 숨겨진 잠재력
리드 호프먼은 링크드인의 공동 창업자입니다. 이 글은 그의 저서 『블리츠스케일링(Blitzscaling)』에서 발췌한 내용입니다. 실리콘밸리의 많은 사람들은 고(故) 스티브 잡스가 말한 것처럼 ‘미친 듯이 훌륭한(insanely great)’ 제품을 만드는 데 집중하는 것을 좋아합니다. 훌륭한 제품은 분명 큰 장점이지만,… 더 보기 »리드 호프먼의 제품 확산 확산 전략 (Distribution Techniques)
이 에세이는 Gmail을 만든 Paul Buchheit가 쓴 글로, 2010년에 블로그에 처음 공개되었습니다. 제품이 정말 위대하다면, 굳이 ‘좋을’ 필요가 없다 이제는 모두가 iPad 얘기에 지겨울 만큼 들었겠지만, iPad에 대한 부정적인 반응들이 전혀 본질을 짚지 못하고 있어서… 더 보기 »제품이 정말 위대하다면, 굳이 ‘좋을’ 필요가 없다