성장을 위한 IT 콘텐츠,
동료들과 함께 읽고 싶다면?
요즘IT 슬랙봇으로 간편하게 받아보세요!
함께 성장하는 요즘IT인의
실무 라이브러리
기술사 자격 취득을 목표로 신변 정리를 시작한 뒤, 학원에 처음 입성했던 날이 생각납니다. 다양한 연령대의 사람들이 큰 강의실에 빽빽이 들어앉아 있었죠. 모두 마스크를 쓰고 있음에도 긴장한 기색이 역력했습니다. 강의 시작에 앞서 가벼운 아이스 브레이킹을 하던 멘토님께서는 “자, 이제 여러분도 수험 생활을 시작했으니 열심히 해보자, 모두 해낼 수 있다”고 기운을 북돋아 주셨습니다. 그리고 바로 하셨던 말씀은 바로, “제가 본 멘티 중에는 4개월 만에 합격한 친구도 있어요. 여러분도 할 수 있습니다.” 저 또한 처음 기술사 자격시험을 준비할 때 목표한 기간은 1년이었습니다. 그런데 멘토님의 말씀을 듣고 나니 한가지 생각이 머리를 스쳤습니다. ‘4개월? 그럼 나도 한번 해봐?’
디자인은 ‘있으면 좋은 것’ 정도가 아닙니다. 특히 결제 시스템에서의 현명한 디자인 결정이 얼마나 큰 재정적 영향을 줄 수 있는지 보여주는 사례 연구가 있습니다. 중요한 시스템에서 디자인이 부족하면 실수와 지연이 발생하고, 결국 사용자들이 불만을 가지게 됩니다. 아직도 많은 사람들은 디자인을 단순히 장식으로만 생각합니다. 디자인은 “있으면 좋은 것” 정도로 치부되며, 더 중요한 일이 끝난 후에나 고려해야 할 요소로 여겨집니다. 특히 기능성과 안정성이 우선시되는 ‘핀테크’에서는 더욱 그렇죠. 모든 결제 시스템이 거의 동일해 보이는 이유도 여기에 있습니다.
이번에는 메모리에 관한 모든 것을 소개합니다. 정확히 말하면 ‘랭체인’에서의 메모리에 관한 것이죠. 상호참조해결(Coreference Resolution), 랭체인에서 메모리를 다루는 전략, 메시지를 영구적으로 저장하기 위한 LangGraph, 효율적인 메시지 활용을 위한 처리와 요약 방법을 다룹니다. 우선 메모리에 무엇을 저장하는지, 이를 알아보려고 합니다. 우리는 랭체인으로 모든 미가공 메시지를 저장하거나, 다듬어진 일부 메시지를 저장하거나, 메시지의 요약본을 저장할 수 있습니다. 물론 저장하고 싶은 메모리에 대한 처리 과정을 추가할 수도 있습니다. 또, 이 기능을 애플리케이션에 더 적합한 로직으로 확장할 수도 있죠.
우리가 서비스를 운영할 때는 백엔드에서도 유닛 테스트를 하고 프론트엔드에서도 유닛 테스트를 합니다. 반면 유닛 테스트가 잘 이뤄지지 않는 경우도 많습니다. 그렇기 때문에 E2E 테스트를 통해서 사용자 관점에서의 테스트를 정립하고 검증해야 문제가 없다고 판단할 수 있습니다. 그러나 E2E 테스트는 통합 테스트이고, UI 테스트가 합쳐져 있기 때문에 테스트 코드를 작성하는 것부터 시간이 오래 걸리고, 테스트 속도도 상대적으로 느립니다. 이번 글에서는 E2E 테스트의 어려움을 줄여주는 셀레늄, 퍼펫티어, Playwright와 같은 다양한 테스트 툴, 나아가 인증 관련 서비스 및 유지 보수 비용을 줄여 효율적인 테스트 코드를 작성하는 방법을 소개하겠습니다.
성장을 위한 IT 콘텐츠,
동료들과 함께 읽고 싶다면?
요즘IT 슬랙봇으로 간편하게 받아보세요!
잘 성장하던 아크(Arc) 브라우저가 돌연 업데이트 중단을 선언했다. 지난 10월 25일, 아크의 개발사인 더브라우저컴퍼니의 대표가 유튜브에 영상을 올렸는데, 더 이상 아크에 기능을 추가하지 않겠다고 발표한 것이다. 앞으로는 보안 업데이트만 진행할 것이며, 나머지 시간은 새 제품을 개발하는 데 집중할 예정이라고 한다. 더브라우저컴퍼니는 지난 3월에 5천만 달러(약 690억 원)의 추가 투자를 받은 터라, 회사 사정이 어려워서는 아닐 것이다. 아크의 사용자 수도 계속 증가세라 지표가 나쁜 것도 아니었다. 그렇다면 아크 브라우저는 왜 돌연 업데이트를 중단한 걸까?
정보처리기사, SQLD, ADsP, CKA, AWS 자격증 등 IT분야에는 수많은 자격증이 있습니다. 시작은 어렵지만 대체로 3개월 이내에 자격을 취득할 수 있습니다. 반면에, 자격 취득에만 2년 이상 걸릴 것을 생각하고 도전하는 자격도 있습니다. 바로 대한민국 최고의 국가 기술 자격증 “기술사”입니다. 어쩌면 기술사 자격증에는 이런 이미지가 있을지도 모르겠습니다. 누군가에게는 다소 생소할 수도 있는 자격증, 누군가에게는 ROI가 현저히 떨어지는 자격증. 응시 자격조차 채우지 못했던 주니어 개발자인 제가 어쩌다 이러한 기술사 자격을 얻게 되었을까요? 준비하게 된 계기부터 실제 자격을 취득하기까지, 경험을 기반으로 정보관리 기술사에 대해 정리해 보았습니다.
중소 IT 채용 시장에는 적합한 사람을 구하기 어렵다는 한탄이 많다. 그런데 간혹 그 어려움의 이유가 보이는 채용 공고를 만나기도 한다. 심지어 최근 본 어떤 공고는 담당 업무 항목을 채우지 않아, “상세내용을 입력하세요” 문구가 그대로 노출되고 있었다. 담당 업무 항목은 구직자의 지원 여부를 결정할 매우 중요한 정보다. 이런 성의 없는 채용 공고는 적합한 인재를 만날 가능성을 떨어뜨릴뿐더러 회사에 대한 인상까지 나쁘게 만든다. 이번 기회에 중소 IT 기업 채용 공고의 나쁜 사례들을 살펴보고 그에 대한 처리 방식을 제안하려고 한다. 중소 IT 기업에서 인사를 담당하거나 관련 있는 분들이 주목하면 좋겠다. 아울러 IT 직군 구직자들도 원하는 일자리를 얻는 데 도움을 얻길 바란다.
시장에는 오픈AI의 챗GPT, 앤트로픽의 클로드, 구글의 제미나이 같은 대표 LLM을 제외하고도 수많은 언어 모델이 거의 매일 새롭게 나타나고 있으며, 각 모델마다 고유한 기능과 전문성을 갖추고 있습니다. 그러다 보니 비즈니스 애플리케이션을 고집하지 않아도 어떤 서비스를 만들고자 할 때, 그 기능 요구 사항에 따라 사용자 쿼리를 해석할 때는 어떤 특정 LLM을 사용하고, 해당 쿼리에 대한 응답을 작성하는 데는 완전히 다른 LLM을 사용하고자 하는 필요성이 생길 수 있습니다. 이럴 땐 어떻게 프로세스 파이프라인을 구축해야 할까요? 이런 워크 프로세스를 요청하는 시나리오가 바로 ‘랭체인(LangChain)’ 탄생에 아이디어를 제공합니다.
“ChatGPT 美 변호사 시험 상위 10%로 통과”, “Claude 3, AI 첫 IQ 100 돌파” 위와 같이 AI의 능력을 홍보하는 문구들을 자주 접하셨을 것 같습니다. 이러한 성과들이 대단해 보이기는 하지만, 한편으로는 그 수준이 어느 정도인지 체감이 안 될 때가 있는데요. 마침 지난주 목요일 치러진 2025 대학 수능 시험을 통해 AI 능력을 시험해 보기로 했습니다. 평가 과목으로는 국어, 영어, 수학을 선택했는데요. 그 이유는 AI의 언어 처리 능력과 수리적 사고력을 종합적으로 평가하기 위함이고, 특히 한국어 능력 수준이 어느 정도 되는지 가늠해 보기 위함입니다.
불과 2년 전까지만 해도 저는 서류 탈락과 면접 불합격 통보를 일상처럼 받아들이고 있었습니다. 그렇게 수십 통의 거절 메일을 받으며, 개발자로서 부족하다고 느끼던 시기가 있었죠. 그러나 이제는 구직 활동조차 하지 않았는데도 여러 곳에서 이직 제안을 받는 상황이 되었습니다. 아마 비슷한 고민을 하는 분들이 있을 겁니다. 회사 업무만으로는 뭔가 부족하다는 느낌, 더 성장하고 싶은데 방법을 모르겠다는 생각… 저도 그랬습니다. 회사 프로젝트는 론칭이 미뤄지기도 하고, 정확히 어떤 기여를 했는지 드러내기도 어려웠죠. 이 글에서는 제가 오픈소스 프로젝트 ‘NotionPresso’를 진행하며 배운 것들을 공유하고자 합니다. 오픈소스 주제를 선정하는 방법부터 구조 설계, 커뮤니티와의 소통, 그리고 결과물을 발전시키는 과정을 담았고, 이 여정을 통해 오픈소스라는 새로운 도전에 대한 작은 동기를 얻을 수 있다면 좋겠습니다.
피그마는 이제 UX/UI 디자인의 필수 도구가 되었다. 현재 피그마의 독주 체제는 생각보다 더 강력하다. 나름 대항마로 등장했던 스케치와 어도비 XD는 처참할 정도로 시장 점유율을 빼앗긴 상태고, 개발자와 디자이너를 연결해 주던 다른 서비스도 피그마에 밀려 쇠락하거나 문을 닫았다. 물론 피그마가 UI 디자인 환경에 대격변을 가져온 것은 부정할 수 없다. 그만큼 피그마는 실용적이고, 디자이너의 업무 효율성을 높여주고 있다. 하지만 피그마를 실제로 사용하다 보면 아쉬운 점이 생각보다 많다. 이런저런 기능이 더 있으면 좋겠다는 수준을 넘어서, 도구 자체가 가진 한계에 더 가까운 것들이다. 이번 글에서는 필자가 직접 사용하면서 느낀 피그마의 개선점, 한계점을 공유해 보고자 한다.
지난 6월, 네덜란드의 스마트홈 플랫폼 홈 어시스턴트(Home Assistant, 이하 HA)에서 챗GPT 플러그인을 공개했습니다. 여기서 스마트홈 플랫폼이란, 가전제품이나 조명 등 집 안의 스마트 기기를 연결해 원격으로 제어하거나 자동화 할 수 있는 서비스 플랫폼을 말합니다. 비교적 작은 플랫폼인 HA는 빅테크 기업인 구글과 애플, 제조 기업인 삼성과 LG가 아직 하지 못한 생성형 AI의 도입과 상용화를 누구보다 빨리 해냈습니다. 플랫폼에 통합 모듈(integration)을 연결하는 것만으로 가전 시장에서도 자연어의 맥락과 멀티 턴을 인식하는 ‘진짜 사람’ 같은 어시스턴트를 사용하게 만든 것이죠. 과연 HA는 어떻게 이러한 성과를 만들어 낼 수 있었을까요? HA의 AI는 무엇까지 할 수 있을까요?