출처 링크가 있어도 통계는 달랐다: 인용 1,285건을 거슬러 찾은 원연구
출처 링크가 달린 통계 1,285건을 추적하자 원연구와 같은 내용을 확인한 비율은 약 40%였습니다. 숫자는 그대로인데 조사 대상이 바뀌는 재인용 사례와 보고서에 통계를 옮기기 전 확인할 항목을 살펴봅니다.
주제
AI 리터러시
AI 리터러시 관련 글을 모았습니다. 유토모 테크로그에서 새 기술과 제품이 일과 제품에 만드는 변화를 살펴봅니다.
AI에게 글을 맡길 때, 문장 대신 결함을 받아야 하는 이유
AI에게 대체 문장보다 결함 진단을 요청하는 편집 방법을 살펴봅니다. 사람이 고친 두 문안을 새 대화에서 비교할 때, 빼야 할 수정 이력과 남겨야 할 독자·목적을 구분합니다.
AI로 만든 서비스, 오류가 났을 때도 내 제품일까
AI로 시스템을 만들었지만 오류 앞에서 막힌 실제 독자의 편지를 살펴봅니다. 출시 전 설명할 수 있어야 할 범위와, AI의 수정 제안을 검증하는 질문을 정리합니다.
미용실에서 "짧게 잘라주세요"라고 말하면 생기는 일이 AI에게도 똑같이 생긴다
AI 요청에 성공기준을 넣어 결과를 스스로 판정할 수 있게 만드는 방법을 설명합니다.
AI 코딩을 늘릴수록 초보 개발자의 성장 경로가 막힐 수 있는 이유
AI 코딩은 초보 개발자의 작업 완료를 앞당기지만, 오류를 추적하고 결과를 검증하는 성장 경로를 건너뛸 수 있습니다. 생성 도구를 학습에 쓰는 순서와 팀의 리뷰 기준을 정리합니다.
AI 문서가 읽히지 않기 시작할 때, 팀이 바꿔야 할 작성 기준
AI 흔적이 강한 문서는 정보보다 의심을 먼저 부릅니다. 라팔 치메리스의 경험을 바탕으로 팀 문서에 결정·근거·다음 행동을 앞에 두는 작성 기준을 정리했습니다.
AI가 무섭다는 미국인이 늘고 있다, 열광보다 불안이 앞선 이유
퓨 리서치 센터 설문에서 미국 성인의 52%가 AI 사용 확대에 기대보다 걱정이 크다고 답했습니다. 2021년 37%보다 늘었고, 18~29세는 처음으로 55%를 기록했습니다.
AI가 개발자 조직의 허리를 없애고 있다는 경고
소프트웨어 엔지니어 플로리안 헤렌트는 AI가 구현 속도의 상한선을 없애면서 판단력 있는 엔지니어와 없는 엔지니어의 몸값 격차를 더 벌린다고 주장했습니다. 되돌리기 어려운 결정이 하루 만에 쌓이는 구조를 짚었습니다.
1년 넘게 AI로 코딩하던 개발자가 도구를 내려놓은 이유
20년 경력 개발자 브렛은 18개월간 쓰던 AI 코딩 도구를 정신 건강과 소프트웨어 품질, 환경·사회적 비용을 이유로 전부 그만두기로 했습니다.
AI 요약이 원문을 대체하면서 인터넷의 기억이 사라지고 있다
구글 AI 요약이 원문 클릭을 대신하면서 언론사·위키백과·인터넷 아카이브 같은 원문 보존 기반이 함께 흔들리고 있는 상황을 정리했습니다.
LLM으로 복잡한 주제를 배울 때, 답변보다 학습 순서가 중요한 이유
LLM으로 복잡한 주제를 배울 때는 답을 한 번 받는 일보다 기초 지식·정확도 검토·시뮬레이션의 순서를 설계하는 편이 학습 대상을 더 선명하게 만듭니다. 반도체 제조 과정을 애니메이션으로 만든 저자의 흐름을 풀어봅니다.
AI가 코드를 써도 개발의 어려움이 사라지지 않는 이유
AI가 코드 초안을 빠르게 만들수록 요구 해석과 통합·검증의 중요성은 더 커집니다. 코드 생성과 개발 책임의 차이를 정리했습니다.
