R&D를 하면서 사용하는 AI툴의 리뷰 및 활용기
헤르메스 AI 에이전트를 집 밖에서 부려보겠다는 거창한 말로 시작하지만, 동기는 단순했습니다. 거실 구석에 데스크톱 한 대가 놓여 있는데, 저는 늘 집 밖에 있다는 것. 평소엔 필요할 때만 켜던 녀석인데, 이걸 아예 24시간 켜두고 나 대신 일하는 비서로 만들면 어떨까 싶더군요. 그 생각이 이번 삽질의 출발점이었습니다. 처음부터 늘 돌아가던 컴퓨터가 있었던 게 아니라, 그렇게 쓰려고 작정하고 … 더 읽기
AI 업무 자동화라는 말이 남의 이야기처럼 들리던 시절, 저는 점검 시즌마다 똑같은 양식의 문서를 수십, 많게는 수백 건씩 손으로 채웠습니다. 평가표 한 장을 열어 항목만 바꾸고, 복사하고, 다시 항목을 바꾸는 일. 분석하고 판단할 시간이 정작 제일 부족했습니다. 서식을 채우는 데 하루가 다 갔으니까요. 그게 엔지니어가 할 일인가 싶으면서도, 마감은 마감이라 손은 계속 움직였죠. 제 분야인 … 더 읽기
핵심 요약 · 옵시디언 MCP를 사용하면 Claude가 내 Vault의 노트를 직접 읽고 쓸 수 있습니다. AI에게 기억력이 생기는 셈이죠 · 설치는 명령어 한 줄이면 끝납니다. Node.js만 있으면 되고, 옵시디언이 꺼져 있어도 동작합니다 · “메모해놔” 한마디면 클로드가 알아서 정리합니다. 메모를 직접 쓰는 것보다 빠르고, 다음 작업에 바로 활용됩니다 · PARA 구조(Projects/Areas/Resources/Archives)로 Vault를 잡아두면 메모가 쌓여도 흐트러지지 … 더 읽기
AI 에이전트 만들기, 노코드와 바이브코딩 중 어느 쪽이 나을까요? 저는 둘 다 직접 해봤습니다. n8n으로 실험실 안전점검 자동화를 만들었고, 같은 작업을 Claude Code에도 맡겨봤죠. 결론부터 말하면, 두 방법은 목적이 다릅니다. n8n에서는 노드 연결, JSON 데이터 구조, OAuth 인증까지 직접 만져야 했습니다. 시행착오가 많았지만 AI 자동화의 기본 개념을 몸으로 배웠죠. Claude Code에 같은 걸 맡기면 5분이면 … 더 읽기
이 글의 핵심 3가지 1. LLM은 텍스트 패턴을 조합할 뿐, 물리 현실을 내부적으로 시뮬레이션하지 않는다 2. 얀 르쿤이 제안하는 월드 모델은 LLM을 대체하는 것이 아니라 보완하는 구조다 3. 발전소 성능해석·열역학 계산·설비 진단에서 LLM을 그대로 신뢰하면 안 되는 구체적 이유가 있다 발전소 성능해석 프로그램에서 GPT의 도움을 받다가 LLM 한계를 직접 맞닥뜨린 적이 있습니다. 결과가 이상했고, “왜 … 더 읽기
이 글에서 사용 중인 플랜 (작성 시점 기준) ✔ Claude Max 5x — 월 $100. Pro 대비 5배 사용량, Opus 4.6 포함 전 모델 접근, Claude Code 포함 ✔ Claude Pro — 월 $20. 비교 대상. Sonnet 위주 사용 시 3일 만에 주간 한도 도달 경험 ✔ Google Gemini Plus — 이전 구독. Claude 전환 … 더 읽기
요금·플랜 정보 박스 (보라색) 이 글에서 다루는 기능과 플랜 (2026년 기준) ✔ 클로드 스킬 — Pro 플랜 이상. 설정 → 기능 → 스킬에서 활성화. 사용자 지정 스킬 등록 가능 ✔ Claude 코워크 — Pro 플랜 이상. Claude Desktop 앱 설치 필요. 현재 리서치 프리뷰(베타) 단계. 플랜별 사용 한도 차이 있음 ✔ Claude Code — Pro … 더 읽기
AI 발표자료를 만들기 위해 Google Deep Research, Genspark AI Slides, Claude in PowerPoint를 순서대로 연결해서 써봤습니다. 같은 작업을 혼자 했다면 8~12시간이 걸렸을 것을 3~5시간으로 줄였습니다. 그런데 세 툴의 쓸모는 생각보다 차이가 컸습니다. 어느 툴에서 기대를 충족했고 어느 툴에서 실망했는지 그대로 정리합니다. 툴 역할 요금 (2026년 3월 기준) 실제 평가 Google Deep Research 문헌 탐색·내용 구체화 … 더 읽기