아프니까 개발자다 아프니까 개발자다

개인 AI 어시스턴트 OpenClaw를 다룰 때, 그 봇이 나를 세션 너머로 기억하는 방식은 마크다운 파일에 사실을 쌓아 두고, 대화 도중 필요해지면 그때그때 꺼내 오는 것이었다. 기본적인 LLM(Large Language Model, 대량 텍스트로 학습한 언어 모델 — ChatGPT·Claude 같은 것의 엔진) 대화는 한 세션이 끝나면 그 안의 기억이 통째로 증발한다 — 어제 "코드 설명은 짧게 해줘"라고 말해도 오늘 새 창을 열면 또 장황하게 답하는 식이다. 이 글이 다루는 "기억"은 바로 이 세션의 경계를 넘어 지속되는 장기 기억(long-term memory, 영속 기억)이다. 대화 도중에만 컨텍스트에 떠 있다가 세션과 함께 사라지는 단기 기억이나, 특정 사건 하나하나를 시점과 함께 기록하는 에..

개인 AI 어시스턴트 OpenClaw를 다룰 때, 그 봇은 파일을 통째로 다시 쓰지 않고 바뀔 부분만 골라 고치는 도구(apply_patch)를 AI에게 쥐여 줬다. 방식은 unified diff(통합 diff — 없앨 줄 앞에 -, 추가할 줄 앞에 +를 붙여 변경분만 적는 표기)다. 그런데 이 도구에는 완고한 규칙이 하나 있다 — -로 적은 원본 줄이 실제 파일에 그대로 있지 않으면, 곧장 충돌로 보고 수정을 거부한다. "네가 없앤다고 적은 그 줄이 지금 파일엔 없는데?"라며 멈춰 서는 것이다.또 다른 오픈소스 AI 에이전트 Hermes Agent를 같은 집 서버에 올려 파일 도구를 뜯어보니, 정확히 같은 문제를 반대편에서 풀고 있었다. 두 봇 다 파일 능력을 4개 도구(읽기·전체 덮어쓰기·부분 수정·..

개인 AI 어시스턴트 OpenClaw를 다룰 때, "이 봇은 어떤 LLM 모델(거대 언어 모델 — 텍스트를 이해하고 생성하는 AI)로 생각하는가"는 따로 떼어 고르는 항목이 아니었다. 모델은 봇 하나하나에 딸린 정책 묶음의 한 조각이었다 — 모델, 사고 깊이, 쓸 수 있는 도구, 스킬, 기억이 한 덩어리로 묶여 그 봇의 "성격"을 이룬다. 그래서 가족용 봇은 가벼운 모델을 달고, 프로젝트용 봇은 고급 모델을 달고, 메시지는 채널 라우팅으로 제 성격에 맞는 봇에게 흘러간다. 모델을 봇에 붙박아 둔 덕에 봇 성격의 일관성이 지켜지는 구조다.또 다른 오픈소스 AI 에이전트 Hermes Agent를 같은 집 서버에 올려 대시보드를 뜯어보니, 정확히 반대편에서 같은 문제를 풀고 있었다. Hermes는 모델을 봇 ..

개인 AI 어시스턴트 OpenClaw를 다룰 때, 세션(대화 기록)은 에이전트별로 격리돼 있었다. 봇마다 자기 대화 저장소가 따로 있고, 세션 도구가 들여다볼 수 있는 범위는 tools.sessions.visibility(self / tree / agent / all) 설정으로 잠긴다. 한 서버에서 여러 봇을 굴려도 서로의 기억이 새지 않게 정책으로 벽을 세우는 방식이다.또 다른 오픈소스 AI 에이전트 Hermes Agent는 같은 "대화를 어떻게 기억하느냐" 문제를 정반대로 푼다. 벽을 세우는 대신 벽을 허문다 — 터미널·텔레그램·디스코드·예약작업(cron)에서 들어온 모든 대화를 단일 데이터베이스 한 곳에 모으고, 그 위에 전문 검색 색인을 얹어 에이전트가 스스로 자기 과거 전체를 뒤지게 한다. 이 ..

개인 AI 어시스턴트 OpenClaw를 다룰 때, 그 봇은 게이트웨이 프로세스 하나가 채널·브라우저·미디어를 전부 끌어안고 도는 구조였다. "봇이 24시간 안 죽고 떠 있게 하는" 문제도 그 한 프로세스를 잘 살려 두는 문제로 좁혀졌다 — 설정이 바뀌면 재시작 없이 핫 리로드로 흡수하고, 외부 요청 실패는 타임아웃·폴백으로 삼키는 식이다.또 다른 오픈소스 AI 에이전트 Hermes Agent를 같은 집 서버에 올려 내부를 뜯어보니, 정확히 반대편에서 같은 문제를 풀고 있었다. Hermes는 프로세스를 하나로 모으지 않는다. 오히려 게이트웨이·대시보드·예약작업(cron)을 여러 개의 오래 사는 프로세스로 쪼개 한 컨테이너에 욱여넣고, 그 위에 전담 감독관을 한 명 앉힌다. 이 글은 딱 그 한 가지 갈림길 ..

AI 전환이 깊어질수록 조직에서 관리 계층은 얇아진다. 그런데 이상하게도, 정작 시니어 개발자는 한가해지는 게 아니라 다시 키보드 앞으로 돌아온다. 단 한 가지가 달라졌다 — 이제 그의 팀원이 사람이 아니다. 이 글은 개인 AX(AI Transformation, 개인이 일하는 방식 자체를 AI 중심으로 바꾸는 전환) 관점에서, '관리만 하던 시니어'라는 자리가 왜 사라지는지, 그리고 시니어가 어떻게 "에이전트들의 매니저"로 다시 태어나는지를 풀어 본다. 여기서 에이전트(agent)란 목표만 주면 스스로 계획을 세우고 도구를 써서 일을 끝까지 처리하는 AI 일꾼을 말한다.관리 계층이 먼저 얇아진다가장 먼저 무너지는 자리는 직접 만들지 않고 조율과 검토만 하던 중간 관리 계층이다. 공개된 통계가 이 흐름을 ..

오른손잡이 가위의 손잡이는 사람 손가락 모양을 따라 깎여 있다. 엄지와 검지가 들어갈 구멍, 손바닥에 닿는 곡선까지 전부 "사람이 쥔다"는 전제로 만들어진 것이다. 그런데 같은 가위를 로봇 팔이 쥔다면 이야기가 달라진다. 손가락 구멍은 쓸모가 없어지고, 오히려 평평한 면에 표준 그립 규격이 박혀 있는 편이 훨씬 낫다. 도구를 쥐는 손이 바뀌면, 손잡이부터 다시 깎아야 한다.우리가 매일 쓰는 업무 시스템과 문서 도구, 관리 화면도 사정이 똑같다. 거의 전부 "사람이 본다, 사람이 클릭한다"는 전제 위에 설계됐다. 그런데 이제 그 도구를 쥐는 손이 바뀌고 있다. 24시간 쉬지 않고 일하는 AI가 사용자로 들어온다. 손잡이를 그대로 둔 채 AI에게 쥐여 주는 게 과연 맞을까.사람용 화면을 AI에게 클릭시키면 ..

집 서버에 AI 에이전트를 잔뜩 붙여 쓰다 보면, 어느 순간 같은 질문에 부딪힌다. "도구는 다 깔았는데, 왜 우리 조직은 아직 AI로 굴러가는 느낌이 안 들까?" 계정을 나눠주고 챗봇을 붙이는 것만으로는 무언가 부족하다. 이 글은 그 부족함의 정체, 그러니까 AI 도입의 도착지가 어떤 상태인지에 대한 이야기다. 결론부터 말하면, AI-native(AI를 핵심 운영 계층으로 삼아 설계된) 회사는 세 가지 조건을 차례로 만족한다 — 검색 가능(Queryable), 닫힌 루프(Closed-loop), 자기개선(Self-improving). 그리고 이 셋은 따로 노는 항목이 아니라 한 줄로 이어지는 사다리다.출발점 — 회사는 원래 '사람만 읽도록' 만들어져 있다지금 거의 모든 조직의 정보와 프로세스는 사람을 ..