쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 10월 30일 (금)까지 3636건
5건 · "인간-AI 협업"조건 지우기 ×
001 12:11 ▲ 11 · 댓글 2 전문가와 AI 에이전트의 협업, 새로운 벤치마크로 측정한다 인간-AI 협업의 현실을 측정하기 위해 Kolab 벤치마크를 제안합니다. 50명의 전문가(40개 직종)가 장시간 작업을 할 때 AI 에이전트와 어떻게 협업하는지를 115시간 이상의 스크린 녹화로 기록했습니다. AI · 머신러닝 · Kolab: Benchmarking Human-Agent Collaboration in Long-Horizon Workflows
Key Point AI 에이전트의 자동화 능력은 계속 늘어나지만, 현실의 업무는 인간과의 지속적인 협업을 필요로 하며, 기존 벤치마크로는 이를 측정할 수 없다는 근본적인 문제를 다룹니다.
핵심 요약
인간-AI 협업의 현실을 측정하기 위해 Kolab 벤치마크를 제안합니다. 50명의 전문가(40개 직종)가 장시간 작업을 할 때 AI 에이전트와 어떻게 협업하는지를 115시간 이상의 스크린 녹화로 기록했습니다. 기존 자동화 벤치마크는 에이전트가 한 번에 작업을 완료하는 능력에 집중하지만, 실제 워크플로우에서 전문가는 계획 수정 등 지속적인 상호작용을 더 중요하게 봅니다. 전문 업무 워크플로우는 여러 상호의존 단계로 이루어져 있어, 협업 에이전트에게 실제로 필요한 두 가지 능력을 도출했습니다: 전문가가 자신의 제안을 채택·수정·거절할지 예측하기, 그리고 지속적인 피드백 없이 협업 품질을 평가하기입니다. 전체 요약 7문장 읽기 → 002 06:11 ▲ 292 · 댓글 268 AI 벤치마크, 실제 일자리의 90%는 측정 못 한다 AI 벤치마크들이 미국 직업 923개(O*NET 분류)의 작업 중 대부분을 제대로 측정하지 못하고 있다는 분석이 나왔다. AI · 머신러닝 · 90% of US working hours are spent on tasks not covered well by AI benchmarks
Key Point AI 기업과 정책입안자들이 모델의 실제 경제적 영향을 평가할 때 사용하는 벤치마크들이 큰 맹점을 가지고 있으며, 특히 중간 소득 일자리와 물리적 작업에 대한 측정이 심각하게 부족하다는 점이 드러났다.
핵심 요약
AI 벤치마크들이 미국 직업 923개(O*NET 분류)의 작업 중 대부분을 제대로 측정하지 못하고 있다는 분석이 나왔다. 미국 근로시간의 90%가 기존 벤치마크에서 5개 이상의 프롬프트로 커버되지 않는 작업에 사용되고 있다. 923개 직업 중 단 208개만 충분히 벤치마크된 작업(5개 이상 프롬프트)을 보유하고 있으며, 22개 직업군 중 6개는 해당하는 직업이 없다. 전체 요약 10문장 읽기 → 003 21:10 당일 +162 Claude를 트레이딩뷰 차트에 연결하는 MCP 서버 공개 TradingView Desktop을 Chrome DevTools Protocol로 Claude Code와 연결하는 오픈소스 MCP 서버가 공개됐다. AI · 머신러닝 · tradesdontlie/tradingview-mcp · JavaScript
Key Point 금융 전문가들이 LLM 기반 에이전트와 데스크톱 앱의 상호작용을 연구하는 새로운 패러다임을 구현한 사례로, 자신의 로컬 환경에서 AI를 활용한 차트 분석 자동화를 바로 실험해볼 수 있다.
핵심 요약
TradingView Desktop을 Chrome DevTools Protocol로 Claude Code와 연결하는 오픈소스 MCP 서버가 공개됐다. 파인스크립트 개발, 차트 네비게이션, 지표값 읽기, 추세선 그리기, 가격 경보 관리 등의 작업을 AI가 수행할 수 있다. Chrome DevTools Protocol을 통해 로컬에서만 통신하며 TradingView 서버에 연결하지 않아 사용자 데이터가 외부로 전송되지 않는다. 전체 요약 6문장 읽기 → 004 03:10 ▲ 130 · 댓글 80 LLM에 '뇌를 끄고' 의존하면 결국 직업을 잃는다 LLM이 나은 코드나 결과물을 자동으로 검증 없이 신뢰하는 '뇌를 끈' 업무 방식이 2025년 이후 급증하고 있다. AI · 머신러닝 · There's no point at which turning your brain off will work
Key Point LLM 능력이 개선될수록 역설적으로 오토메이션 없이 무분별하게 의존하는 개발자의 직업안정성이 위협받는 상황을 지적하며, 언제까지 유효한 업무 전략인지 생각해볼 필요가 있다.
핵심 요약
LLM이 나은 코드나 결과물을 자동으로 검증 없이 신뢰하는 '뇌를 끈' 업무 방식이 2025년 이후 급증하고 있다. LLM이 충분히 개선되어 품질 높은 소프트웨어를 생산하게 되면, 기업은 인간의 '고기 프록시'(meat proxy)가 아닌 LLM만 반복 실행하고 직원을 해고할 수 있다. 고부가가치 작업은 LLM이 단번에 성공할 확률이 낮으므로 여전히 아키텍처 검토·QA·의사결정 등 인간의 감독이 필수다. 전체 요약 5문장 읽기 → 005 00:10 ▲ 401 · 댓글 221 AI 시대, 코드 이해가 새로운 병목 AI 에이전트가 코드를 많이 작성할수록 인간이 그 코드를 이해하는 것이 중요해진다. AI · 머신러닝 · Understanding is the new bottleneck
Key Point AI 에이전트 시대에 인간의 역할 재정의에 관한 근본적인 질문을 던지며, 코드 이해라는 현실적 과제에 대한 실질적 방법론을 제시했기 때문이다.
핵심 요약
AI 에이전트가 코드를 많이 작성할수록 인간이 그 코드를 이해하는 것이 중요해진다. 코드 설명 문서, 퀴즈, 대화형 예제 같은 교육적 기법을 활용하면 AI 생성 코드를 효율적으로 이해할 수 있다. 스스로 검증하는 AI와 달리, 인간은 창의적 참여와 다음 단계 아이디어 도출을 위해 시스템에 대한 깊이 있는 이해가 필요하다. 
