program again

AWS·Azure·구글 AI 입문 자격증 비교 — 회사가 쓰는 클라우드로 고르세요

AI 자격증을 하나 따려는데 AWS, 마이크로소프트, 구글 중 어디로 갈지 막막합니다. 결론부터 말하면 가장 실용적인 기준은 "우리 회사가 어느 클라우드를 쓰는가"입니다. 나머지는 그다음입니다.3초 요약· AWS AIF-C01 — 100달러 / 90분 / 65문항 / 3년 유효· 마이크로소프트 AI-901 — 가격은 국가별 상이. 한국어 응시 가능· 구글 Generative AI Leader — 99달러+세금 / 90분 / 50~60문항 / 3년 / 선수조건 없음· 기술직 지망 → AWS·Azure / 비즈니스직 → 구글· 입문 자격증은 학습 로드맵이지 취업 보장이 아닙니다세 자격증 한눈에 비교항목AWS CertifiedAI PractitionerMicrosoft Certified:Azure AI Fun..

로컬 AI vs 클라우드 AI — 데이터가 내 기기를 떠나도 됩니까?

"로컬 AI가 안전하고 클라우드 AI는 위험하다"는 말을 자주 듣습니다. 너무 거친 이분법입니다. 실제 판단은 네 가지 기준으로 하고, 결론은 대개 둘 다 쓰는 것입니다.3초 요약· 차이는 단 하나 — 데이터가 내 기기를 떠나는가· 로컬이 잘하는 것: 요약·분류·초안·번역 같은 반복 업무· 클라우드가 잘하는 것: 복잡한 분석·최신 지식·까다로운 코드· 로컬의 진짜 비용은 모델이 아니라 메모리 넉넉한 컴퓨터· 회사 데이터가 걸리면 "내 노트북 안에 있으니 괜찮다"는 면제 사유가 아닙니다핵심 차이 — 계산이 어디서 일어나는가클라우드 AI: 입력이 인터넷으로 전송돼 원격 하드웨어에서 처리된 뒤 돌아옵니다로컬 AI: 모델 자체를 내려받고, 모든 처리가 내 기기 안에서 끝납니다이 한 가지 사실이 아래 모든 장단점..

AI로 긴 문서 요약하는 법 — 조건과 미해결 항목이 먼저 날아갑니다

긴 보고서를 AI에 넣고 "요약해줘"라고 하면 매끄러운 요약이 나옵니다. 문제는 그다음입니다. 정작 중요한 조건 하나, 아직 안 정해진 항목 하나가 빠져 있습니다. 그리고 그게 나중에 문제를 일으킵니다.3초 요약· 요약이 가장 먼저 버리는 것 = 조건(단서)과 미해결 항목· "무슨 결정을 하려는지" 먼저 밝히면 버릴 것과 남길 것이 정해집니다· 10~20쪽씩 쪼개서 요약하고 합치기가 한 번에 하는 것보다 안정적· 항목마다 페이지·섹션 위치를 요구하세요 — 가장 싼 품질 검사입니다· "빠진 게 뭐냐"는 반드시 새 대화에서 따로 물으세요왜 긴 문서 요약은 정보를 흘리나실패 방식이 세 가지 있습니다.중간이 약합니다. 입력이 길면 AI가 중간 부분을 안정적으로 끌어올리지 못합니다.기준이 없습니다. "요약해줘"라..

엑셀·구글시트 AI 활용법 — 1만 행에 적용하기 전 10행 먼저

엑셀에서 AI를 쓰다가 낭패를 보는 지점은 정해져 있습니다. 그럴듯해 보이는 수식이 조건 하나를 조용히 빠뜨린 채 1만 행에 적용되는 것입니다. 그리고 저장까지 눌러 버립니다. 이걸 막는 데는 30초면 충분합니다.3초 요약· AI가 잘하는 것: 수식 작성 · 데이터 정리 · 오류 디버깅 · 매크로 초안· 성패는 프롬프트 기교가 아니라 과제를 정확히 설명하는 능력· 반드시 10행 먼저 돌려보고 전체로 확장하세요· AI 수식은 다른 경로로 교차 검증해야 합니다· 기밀 데이터는 외부 챗에 붙여넣지 말고 방법만 물으세요AI가 가장 도움 되는 작업 4가지작업내용수식 작성평문으로 설명하면 작동하는 SUMIFS·XLOOKUP이 나옵니다. 아무도 외우지 않는 중첩 로직과 정규식 처리데이터 정리 규칙들쭉날쭉한 회사명, ..

NotebookLM 사용법 — 내가 올린 자료만 읽는 AI

챗봇에게 자료를 물으면 어디서 가져온 말인지 알 수 없습니다. 그래서 확인하는 데 시간이 더 듭니다. NotebookLM은 반대로 설계됐습니다 — 내가 올린 자료만 읽고, 답마다 출처를 붙여 줍니다.3초 요약· 내가 올린 소스만 읽는 AI 노트북. 인터넷 지식으로 답하지 않습니다· 답변마다 번호가 붙은 인용 — 클릭하면 원문으로 바로 이동· PDF·구글 문서·슬라이드·웹 URL·음성 파일까지 소스로 넣을 수 있습니다· 요약·스터디 가이드·FAQ·오디오 개요를 클릭 한 번으로 생성· 구글 계정만 있으면 핵심 기능은 무료입니다일반 챗봇과 결정적으로 다른 점그라운딩(grounding)입니다. 일반 챗봇은 학습한 지식과 웹 검색으로 답합니다. NotebookLM은 당신이 업로드한 소스 안에서만 답하고, 각 문장..

AI 추론 모델이란? — 연습장이 필요한 문제인지로 판단하세요

요즘 AI 서비스에 "추론 모드", "생각하기" 같은 옵션이 생겼습니다. 켜면 답이 느려지고 비싸집니다. 언제 켜야 할까요. 판단 기준은 질문 하나로 끝납니다.3초 요약· 추론 모델 = 답하기 전에 연습장에 풀어보는 AI· 판단 기준: "내가 직접 푼다면 연습장이 필요할까?"· 필요하다 → 추론 모드 / 아니다 → 일반 모드· 추론했다고 맞는 게 아닙니다. 오히려 오류 찾기가 어려워집니다· 쉬운 걸 물으면 과잉사고로 느려지기만 합니다추론 모델이 뭔가요어려운 수학 문제를 푸는 두 사람을 떠올려 보세요.A: 머리에 처음 떠오른 숫자를 바로 말한다B: 연습장을 꺼내 단계별로 풀어보고 답한다일반 모델이 A, 추론 모델이 B입니다. 추론 모델은 답을 내놓기 전에 내부적으로 단계를 밟습니다. 이걸 사고의 사슬(ch..

파인튜닝이란? — "우리 자료 학습시키자"가 대부분 틀린 이유

"우리 회사 자료를 AI에 학습시키고 싶다"는 요청이 늘고 있습니다. 그런데 이 문장에서 대부분의 사람이 원하는 것은 파인튜닝이 아닙니다. 돈과 시간을 쓰기 전에 이 차이를 아는 게 중요합니다.3초 요약· 파인튜닝 = 기성 AI를 우리 회사 연수 프로그램에 보내는 것· 잘하는 것: 톤·형식·행동 바꾸기· 못하는 것: 지식 추가. 이게 가장 흔한 오해입니다· 최신 정보가 필요하면 RAG가 먼저입니다· 진짜 비용은 컴퓨팅이 아니라 데이터 준비입니다신입사원 비유로 이해하기사전학습이 끝난 대형 언어모델은 좋은 일반 교육을 받고 갓 입사한 신입사원과 같습니다. 똑똑하고 기본기가 있지만, 우리 회사 방식은 모릅니다.파인튜닝은 이 직원을 사내 연수 프로그램에 보내는 일입니다. 연수를 잘 마친 직원은 매번 상기시키지 ..

임베딩이란? — AI가 의미를 숫자로 바꾸는 법

"AI가 의미를 이해한다"는 말을 자주 듣습니다. 그런데 컴퓨터는 숫자만 다룹니다. 이 둘을 잇는 게 임베딩입니다. RAG, 추천 시스템, 의미 검색 — 요즘 AI 기능의 상당수가 이 개념 위에 서 있습니다.3초 요약· 임베딩 = 단어·문장·문서를 수백~수천 개의 숫자 목록(벡터)으로 바꾼 것· 규칙은 하나 — 뜻이 비슷하면 숫자도 비슷하게· 덕분에 같은 단어가 하나도 없어도 같은 주제인 걸 알아냅니다· RAG·추천·문의 분류·중복 탐지가 전부 이 원리입니다· 주의: 임베딩은 유사도를 재지 진실을 재지 않습니다임베딩이 뭔가요임베딩은 텍스트를 좌표로 바꾸는 작업입니다. "강아지"라는 단어를 넣으면 숫자 수백~수천 개가 나옵니다. 그 숫자들이 의미 공간에서의 위치를 나타냅니다.핵심 규칙은 단순합니다. 뜻이 ..

컨텍스트 윈도우란? — AI가 앞 대화를 잊는 진짜 이유

AI와 한참 대화하다 보면 어느 순간 이상해집니다. 처음에 "존댓말로 써줘"라고 했는데 반말로 나오고, 정해둔 형식을 무시합니다. AI가 갑자기 멍청해진 걸까요. 아닙니다. 책상이 꽉 찬 것입니다.3초 요약· 컨텍스트 윈도우 = AI의 책상. 여기 올라간 것만 읽을 수 있습니다· 꽉 차면 가장 오래된 것부터 밀려 떨어집니다 — 그래서 첫 지시가 제일 먼저 사라집니다· 크기는 토큰으로 잽니다. 수만에서 100만 토큰 이상까지 서비스마다 다릅니다· 책상이 크다고 잘 읽는 건 아닙니다 — 중간에 묻힌 정보는 놓칩니다· 무료 등급은 유료보다 책상이 작은 경우가 많습니다책상 비유 하나면 끝납니다AI에게는 작업용 책상이 하나 있습니다. 당신이 나눈 대화, 붙여넣은 문서, 처음에 준 지시사항 — 전부 물리적으로 그 ..

AI 토큰이란? — 요금과 한도의 단위, 한국어가 손해 보는 이유

AI 요금제를 보면 "100만 토큰당 얼마" 라고 적혀 있습니다. 대화가 길어지면 AI가 앞에 한 말을 잊어버립니다. 이 두 가지는 같은 개념 하나로 설명됩니다. 그리고 한국어 사용자에게는 이 개념이 특히 중요합니다 — 한국어는 영어보다 토큰을 훨씬 많이 먹기 때문입니다.3초 요약· 토큰 = AI가 글을 쪼개서 세는 조각 단위. 글자도 단어도 아닙니다· 영어는 1토큰 ≈ 단어의 약 4분의 3. 고정 환산은 없습니다· 한국어·일본어·태국어는 영어보다 토큰을 더 씁니다 — 같은 말을 해도 비쌉니다· 요금은 입력과 출력 양쪽에 붙고, 보통 출력이 더 비쌉니다· "AI가 까먹는" 현상도 토큰 문제입니다토큰은 AI가 글을 써는 방식입니다바게트를 떠올려 보세요. AI는 문장을 통째로 삼키지 않고 슬라이스로 썰어서 ..