소개

소개

안녕하세요. Apple-IO 는 현업 개발자의 경험 및 개인적인 생각을 기록하는 개인 블로그입니다.

운영자

  • 활동명: GOLDTAGWORKS
  • 1998년부터 개발자로 활동 (현재 28년차)
  • 2011-2017: RealNetworks 개발자
  • 2018-2021: 카카오 개발자
  • 2022-현재: 카카오 엔터테인먼트 개발자
  • 최근 관심사: AI 협업 개발(Claude, ChatGPT)과 사이드 프로젝트
  • 현재 진행 중인 사이드 프로젝트:
  • 타로 카드 리딩 웹앱
  • 사주명리 분석 앱
  • 비주얼 노벨 게임 (Ren'Py)

위 프로젝트들의 개발기는 현재 정리 중이며, 앞으로 이 블로그에서 차근차근 공개할 예정입니다.

외부 채널

어떤 블로그인가요

이 블로그는 빠르게 바뀌는 개발 환경에서 AI를 어떻게 하면 더 잘, 더 편하게 쓸 수 있을지 실제 개발 이야기와 엮어 풀어갑니다. 많은 인플루언서들이 다루는 거창한 이론보다는, 현업 개발자가 매일 코드를 짜면서 마주치는 구체적인 문제들 — Claude나 ChatGPT, GitHub Copilot 같은 AI 도구를 어떻게 쓰면 더 잘 쓰는지, 어디서 막히고 어떻게 풀었는지를 개인적인 경험을 바탕으로 기록합니다.

다루는 주제는 대략 이런 것들입니다.

  • AI 도구를 활용한 코딩, 디버깅, 아키텍처 설계
  • 실제 사이드 프로젝트를 AI와 함께 만든 과정과 시행착오
  • 프롬프트 엔지니어링, AI 에이전트 개발, MCP 같은 신기술 실전 사용기
  • AI 시대의 개발자 워크플로우와 생산성 변화
  • AI 시대를 살아가는 현업 개발자의 고민과 방황

왜 글을 쓰나요

AI가 등장하기 이전에도 20년 전, 10년 전, 한 달 전, 오늘 짠 코드는 다 달랐습니다. 20년 전에는 내가 왜 그렇게 만들었을까? 10년 전에는 왜 그랬지? 한 달 전에는? 그래서 AI가 생성한 코드도 어느 순간 맥락을 잃어가는 걸 볼 때, 과거의 비슷한 패턴이 투영되는 듯한 느낌이 듭니다.

AI가 코딩을 바꾸고 있다는 말은 너무 많이 들었지만, 정작 "오늘 내가 짠 코드 중 몇 줄이 AI 덕분에 달라졌는지" 구체적으로 기록한 글은 드물다고 느꼈습니다. 그래서 직접 써보기로 했습니다. 누군가에게 도움이 된다면 좋고, 안 되더라도 미래의 저에게는 유용한 일지가 될 거라고 생각합니다.

글의 원칙

  • 과장 없이 — AI가 잘하는 것과 못하는 것을 둘 다 씁니다
  • 구체적으로 — 코드 예시와 Before/After 비교를 곁들입니다
  • 실패도 기록 — 안 풀린 문제, 잘못된 선택도 가능한 한 솔직하게 적습니다

블로그 정보

  • 도메인: apple-io.com
  • 운영자: GOLDTAGWORKS
  • 시작: 2026년
  • 언어: 한국어 (메인), English (번역)

댓글

댓글 쓰기

이 블로그의 인기 게시물

Google I/O 닷새 전, AI 전선이 세 갈래로 갈라졌다

이미지
어떻게 하면 토큰 사용량을 줄일 수 있을까 고민을 하다 Qwen3.5 122B를 내 M4에 깔아봤다. 그리고 토큰이 한 자릿수로 떨어졌다… 의도한 대로 API 호출은 정말 0이 됐다. 그런데 챗 답변이 깜빡이며 한 글자씩 떨어지는 걸 보다가, 초당 토큰 수가 다른 자릿수도 한 자릿수로 떨어졌다는 걸 깨달았다. 같은 단어가 두 의미로 동시에 들렸다. 비용은 한 자릿수, 속도도 한 자릿수. 한쪽은 내가 원한 결과이고 다른 한쪽은 원치 않은 결과다. 그 사이에 줄임표 같은 침묵이 한 박자 끼었다. 이 모순이 글의 출발점이다. 내 노트북에서 일어난 한 자릿수 두 개의 어긋남은 회사 차원으로 가면 훨씬 커진다. 그리고 이 어긋남이 바로 AI 업계의 다음 전쟁터다. 1년 전만 해도 우리는 "누가 더 똑똑한 모델을 만드나"를 보고 있었다. 텍스트 이해와 추론 능력이 다음을 결정한다고 생각했다. 그런데 2026년 5월 현재, 그 경쟁은 사실상 끝났다. 새 전쟁터는 한 갈래가 아니다. 정확히 세 갈래로 갈라지고 있다. 클라우드, 디바이스, 폼팩터. 그리고 그 세 갈래가 동시에 갈라지는 진짜 동력이 있다. OpenAI는 매출 1달러당 2달러를 인퍼런스 비용으로 쓰고 있다. 2026년 한 해 손실 추정치만 14조 원에 가깝고, 현금 소진 기준으로 보면 23조 원 가까이 된다. 이 숫자가 글의 결론에서 다시 나온다. 일단 그 자리를 비워두자. 그중 디바이스 전선에서 가장 큰 모순이 자라고 있다. 내가 M4에서 본 한 자릿수 두 개의 어긋남이 바로 그 모순의 축소판이다. 닷새 뒤 Google I/O가 열린다. Google이 디바이스 전선에 어디까지 패를 깔지를 보면, 이 세 갈래 경쟁의 향방이 어느 정도 정해진다. 이 글은 그 다섯 일 앞에서 쓰는 정리다. 텍스트 추론 경쟁이 끝났다는 신호 먼저 한 가지 사실부터 짚고 가자. 2026년 5월 기준, Anthropic Claude Opus 4.7, OpenAI GPT-5.5, Google Gemin...
자세한 내용 보기

AI랑 4개월 일하면서 네 번 같은 자리에서 막혔다

이미지
AI랑 4개월 일하면서 네 번 같은 자리에서 막혔다 새벽 한 시쯤이었다. 아들 방의 책상 위에는 반쯤 조립된 아크릴 로봇 샤시가 올라가 있었다. 모터 두 개를 PWM으로 제어하는 코드를 Claude Code에게 받아서 올렸는데, 한쪽 바퀴가 한 방향으로만 돌고 있었다. 다른 쪽은 멈춰 있다가 가끔 떨기만 했다. 아들은 옆에서 "이거 왜 이래?" 하고 모니터를 들여다보고 있었고, 나는 시리얼 모니터에 찍히는 값을 멍하니 보고 있었다. 코드는 깔끔했다. 그건 의심하지 않았다. L298N 모터 드라이버를 쓰는 표준적인 패턴이고, 라이브러리 호출도 정상이고, PWM 값도 범위 안에 들어가 있었다. 그런데 작동을 안 했다. 핀맵을 다시 봤다. IN1은 8번, IN2는 9번, ENA는 10번. IN3는 11번, IN4는 12번, ENB는 13번. 내가 Claude에게 부르는 대로 적어준 핀이었다. 두 시간을 봤다. 두 시간 동안 코드를 뜯고, 배선을 뜯고, 멀티미터를 대보고, 다시 코드를 짜고. 그러다 어느 순간 깨달았다. ENA에 지정한 10번 핀이 Timer1을 건드리고 있었고, 내 프로젝트는 같은 보드에서 서보 라이브러리도 쓰고 있었다. 둘은 같은 타이머를 두고 다투고 있었던 거다. Claude가 짠 코드는 코드만 보면 멀쩡했다. 다만 내 프로젝트에 서보가 있다는 걸 모르고 짠 것뿐이었다. 그 순간이 묘했다. 화는 안 났는데, 머리가 조금 차가워졌다. 이게 AI가 못한 건가? 아니었다. ENA가 Timer1에 묶인다는 건 데이터시트에 있는 얘기고, Claude는 그걸 안다. AFMotor 라이브러리가 Timer1과 Timer2를 점유해서 충돌 위험이 있다는 것도 안다. 그런데 그날 새벽의 그 코드는 내 보드의 사정을 모른 채 쓰였다. 서보가 있다는 걸, ENA를 옮길 수 있다는 걸, 13번이 PWM이 안 되는 핀이라는 걸. 다 알 수 있었지만, 그 세션에는 그 정보가 없었다. 그 뒤로 같은 자리에 세 번 더 멈췄다는 걸, 한참 지나...
자세한 내용 보기

로컬 LLM, 회사에 들여놓으면 정말 ROI가 나오나

1편을 쓰고 며칠이 지났을 때, 회사 GPU 워크스테이션 한 대에 같은 Qwen3.5 122B를 깔아봤다. 1편에서 내 M4 노트북이 한 자릿수로 떨어진 자리를 본 뒤, 자연스럽게 다음 질문이 따라왔다. 그러면 회사 차원은 어떨까. 노트북이 외롭다고 끝낸 그 자리가, GPU가 박힌 워크스테이션에서는 어떻게 보일까. 마침 사내에 시범으로 띄울 수 있는 NVIDIA RTX Pro 6000 Blackwell 96GB 한 대가 있었다. 같은 모델을 거기에 올려봤다. 속도는 5배에서 7배 빨라졌다. M4에서 6~8 토큰/초로 떨어졌던 게 워크스테이션에서는 35~50 토큰/초가 나왔다. 챗 답변이 한 글자씩 깜빡이며 떨어지는 그림이 사라지고, 문장이 통째로 흘러나오는 그림이 됐다. 1편에서 본 한 자릿수 두 개의 어긋남에서 한쪽(속도)이 풀린 것이다. 그리고 팀 5명을 거기 붙였다. 잠시 후 평균 응답이 다시 한 자릿수로 돌아왔다. 같은 단어가 다른 차원에서 또 등장했다. 1편에서는 내 노트북 한 대의 속도가 한 자릿수였고, 이번에는 회사 GPU 한 대를 다섯이 동시에 쓰는 큐가 한 자릿수를 만들었다. 큐가 쌓이는 자리에서 토큰/초가 다시 떨어졌다. 거기서 멈췄으면 "GPU 더 깔자"가 답이었을 텐데, 그 주에 회계팀에 보고서를 들고 갔다가 다른 한 자릿수를 마주쳤다. 시트당 단가를 분해해봤더니, 우리가 쓰던 클라우드 ZDR보다 비싸게 나왔다. 그리고 보안팀에서 "누가 어떤 코드를 어떤 모델에 넣었는지 로그가 있느냐"고 물어왔는데, Ollama에는 그런 로그가 기본으로 안 붙어 있었다. 회사 도입은 한 가지 답이 아니었다. 1편이 "외로움"이라 부른 자리가 회사로 가면 1편을 한 줄로 요약하면 이렇다. 로컬 LLM이 벤치는 따라잡았는데 노트북 위에서는 외롭다. 토큰/초가 한 자릿수다. 그리고 OS 통합도, NPU 활용도, 에이전트 통합도, 배터리도, 발열도 어느 것 하나 제대로 풀리지 않는다. 그 다섯...
자세한 내용 보기