JetBrains Mono 폰트를 본문에 그대로 사용한 AI 생성 페이지 예시

Various LLM smells

수학 블로그에 LLM 문장 다듬기를 쓰던 저자가 3개월 뒤 인터넷 전반에서 같은 문장 구조와 디자인 클리셰가 반복되는 것을 발견하고, 글쓰기·웹사이트 두 도메인의 ‘AI 냄새(AI smell)’ 사례를 짧게 모은 관찰 노트.

May 31, 2026 · 3 분 · 서소영

Is AI causing a repeat of Frontend's Lost Decade?

Mauro Bieg는 지금 AI가 프로그래밍에 일으키는 변화가 지난 10년 프론트엔드의 ‘잃어버린 10년’과 닮았다고 본다. 탈숙련화·누수 많은 추상화·Stack Overflow 복붙의 연장이라는 세 렌즈로 현 국면을 진단하고, 바우하우스 운동에서 응답의 단서를 찾는다.

May 31, 2026 · 7 분 · 서소영

토큰 맥싱은 왜 한 분기 만에 끝났는가

5월 마지막 주, 다섯 통의 토큰 청구서가 같은 분기에 도착했다. 에이전트 FOMO와 토큰 맥싱이 흔들리는 자리에서, 그 다음으로 가는 네 단의 사다리를 그린다.

May 30, 2026 · 9 분 · 서소영
Dan Shipper

The AI paradox: More automation, more humans, more work | Dan Shipper

Every CEO 댄 시퍼가 Lenny’s Podcast에서 내놓은 12가지 예측 — Codex·Claude Code가 새 업무 OS가 되고, CLI는 끝났으며, SaaS는 죽지 않고, AI가 자동화될수록 인간 노동은 오히려 늘어난다.

May 30, 2026 · 7 분 · 서소영
AI 도입의 3단계 — 전구, 그룹 드라이브, 유닛 드라이브로 매핑

Why AI isn't showing up on your bottom line

AI는 개인 생산성을 올렸지만 회사 손익에는 아직 안 나타난다. Azeem Azhar는 전기화의 3단계(전구·그룹 드라이브·유닛 드라이브)를 빌려와, 지금 대부분 기업이 2단계에 갇혀 의사결정 정체(congestion)에 시달리고 있다고 진단한다.

May 30, 2026 · 7 분 · 서소영

The Orchestration Tax

AI 에이전트를 N개 띄우는 것은 쉽지만, 그 결과를 검토·병합하는 직렬 자원은 단 하나뿐이다. Addy Osmani가 Google I/O 패널 뒤 정리한 ‘오케스트레이션 세금’ — 바쁨과 생산성을 분리해서 보는 아키텍처 관점.

May 29, 2026 · 6 분 · 서소영
알리스볼라프로프(@alisvolatprop12)가 한국어로 옮긴 X Article 「설계자와 22인의 군대」. 원문은 Andrei Yeliseyeu 작성

설계자와 22인의 군대 — Jeffrey Emanuel의 작업 기록

한 사람이 자기 자신을 위해 22개의 AI 코딩 에이전트 구독을 운영하며 14개의 도구와 6종의 Rust 클린룸 재구현을 짓고 있다. 그는 2025년 1월 NVIDIA 시총 6,000억 달러를 떨어뜨린 12,000단어 글의 저자이기도 하다.

May 29, 2026 · 7 분 · 서소영
중간 표기 패턴(MNP) 표지

【Skill 배포 있음】 중간 표기 패턴(MNP)에 관하여 — 어떤 도구든 간단·초고속·안정적으로 AI화하는 내부 구현 방법

일본 디자이너 なつ(@Dia_Nexus)가 정리한 ‘중간 표기 패턴(MNP)’ — AI에게 GUI를 조작시키는 대신, GUI 상태를 표현하는 텍스트 DSL을 두고 그 DSL을 양방향으로 다루게 하는 도구 설계 패턴.

May 28, 2026 · 9 분 · 서소영

아웃소싱 + LocalAI가 프론티어 랩의 가격에 천장을 씌운다

프론티어 랩의 토큰 가격이 빠르게 오르는 동안 DeepSeek 같은 OSS 모델은 30분의 1 수준에 머문다. SignalBloom AI는 저렴한 국가의 엔지니어 한 명 + LocalAI 조합이 곧 프론티어 추론 단독보다 경제적이 되는 임계가 다가오고 있으며, 이 동학이 프론티어 가격에 천장을 씌운다고 진단한다.

May 28, 2026 · 6 분 · 서소영
DiffusionBlocks 개요 — (좌) 표준망은 전 계층 역전파가 필요하다, (중) DiffusionBlocks는 네트워크를 블록으로 나눠 각자 맡은 노이즈 구간을 독립 학습한다, (우) 확산 모델은 스텝당 블록 하나만, recurrent-depth 모델은 반복 학습을 단일 패스로 대체한다

DiffusionBlocks: Block-wise Neural Network Training via Diffusion Interpretation

엔드투엔드 역전파의 메모리 병목을, 트랜스포머의 잔차 연결이 확산 모델 ODE의 이산화와 같다는 통찰로 푼 논문. 네트워크를 노이즈 구간별 독립 블록으로 쪼개 한 번에 한 블록만 학습하니 메모리가 블록 수만큼 줄고, 5개 아키텍처에서 엔드투엔드에 필적했다.

May 28, 2026 · 5 분 · 서소영