트렌드 10.06

Cohere North 2, 팀이 함께 쓰는 AI 앱에는 어떤 운영 기준이 필요할까요?

North 2의 재사용 작업·공유 지식·기억·사용 한도에서, 업무용 AI 앱을 팀에 배포하기 전에 정할 데이터와 비용의 경계를 살펴봅니다.

트렌드 10.05

AI가 만든 결과물은 어디에 남겨야 할까요? Television이 제안한 별도 작업 화면

오픈소스로 공개 소개된 Television은 기존 AI와 대화하면서 결과물을 별도 화면에 남깁니다. 첫 MVP에서 대화 기록과 검토할 결과물을 구분하는 기준을 정리합니다.

트렌드 09.08

코딩 모르는데 앱 만들기, Cucumbero가 보여 준 작은 불편의 힘

타이머와 웹사이트 차단만 남긴 Cucumbero 사례에서 첫 앱의 불편을 구체화하고, 기능의 대가와 검증 범위를 정하는 방법을 살펴봅니다.

트렌드 09.06

코드를 읽지 않고 3DS 게임 포트를 완성했다면, 사람은 무엇을 한 걸까요

Claude Code로 진행된 F-Zero X 3DS 포트 사례를 통해 장기 에이전트 작업에서 사람의 계획 승인과 실기 검증이 맡는 역할을 살펴봅니다.

트렌드 09.05

GPT-6 Astra가 게임을 만들었다면, 우리는 무엇을 검증해야 할까요

Playco의 최신 게임 프로토타이핑 사례를 통해 생성보다 플레이·테스트·수정 검증이 중요한 이유를 살펴봅니다.

트렌드 09.01

AI 코딩 에이전트를 여러 개 켜기 전, 작업 공간부터 바꿔야 할까요

최근 공개된 49 IDE 사례를 바탕으로, 여러 AI 코딩 세션을 쌓기 전에 상태·권한·작업 단위를 읽을 수 있는 작업 공간을 만드는 기준을 살펴봅니다.

트렌드 08.30

여럿이 바이브코딩할 때, 코드보다 먼저 같이 봐야 할 것은 무엇일까요

Google Labs의 Play with Putty 실험을 계기로, 실시간 협업과 자연어 수정이 만날 때 팀이 남겨야 할 결정·검토·되돌리기 기준을 살펴봅니다.

트렌드 08.21

AI 코딩 에이전트를 매일 쓴다는 68%: 숫자보다 먼저 읽어야 할 한 가지

JetBrains의 2026 개발자 설문이 보여준 AI 코딩 에이전트 사용 흐름을 바탕으로, 비개발자가 MVP 도구를 고를 때 지표를 현실적으로 해석하는 법을 정리합니다.

트렌드 08.17

AI가 만든 모바일 MVP는 누가 눌러볼까: Deltix가 보여 준 ‘자연어 테스트’의 한계와 가능성

오픈 베타 Deltix는 자연어 과업을 iOS Simulator에서 에이전트가 수행하고, 성공한 흐름을 다시 실행하는 방식을 제시합니다. MVP 검증에 가져올 원칙을 정리합니다.

트렌드 08.16

새 AI 코딩 모델은 어떻게 써봐야 할까: GLM-5.3 뉴스가 남긴 안전한 평가 순서

GLM-5.3 공개와 함께 ‘emergent cyber capabilities’가 화제가 됐습니다. 새 코딩 모델을 성능표가 아니라 권한·검증·롤백 기준으로 시험하는 순서를 정리합니다.

트렌드 08.11

14MB 에이전트가 던진 질문: AI는 왜 모든 일을 잘할 필요가 없을까요?

Needle 2의 45M 파라미터·14MB 공개를 계기로, 작은 AI가 툴 호출과 구조화된 작업에서 실용적으로 작동하는 이유를 바이브코딩 관점에서 풀어봅니다.

트렌드 08.10

AI 코딩 에이전트는 채팅이 아니었습니다: 320만 사용자 관찰이 말해주는 것

Microsoft Research의 GitHub Copilot 생산 환경 연구를 바탕으로, AI 코딩 에이전트를 더 안정적으로 쓰기 위한 작업 단위와 검증 습관을 해설합니다.