Latest update

AI Native 시대의 일하는 방식: Shadow AI와 우리

DX를 이룬 조직에서도 AX가 native하게 흐르지 못할 때, 숨은 AI 활용과 번아웃이 어떻게 생기는지 살펴봅니다

외부 AI 도구의 속도, 회사 내부 silo, 승인·검증 경로의 지연이 만날 때 Shadow AI는 개인의 일탈이 아니라 조직이 아직 흡수하지 못한 전환 비용으로 나타납니다.

- 조회 평균 읽은 시간 -

Shadow AIAI GovernanceAXAI Burnout
최신 리뷰 읽기
AI Native 시대의 일하는 방식: Shadow AI와 우리 대표 이미지

Browse by topic

주제별 리뷰

AI Native 시대의 일하는 방식: Shadow AI와 우리 대표 이미지

AI Governance · 2026-05-31

AI Native 시대의 일하는 방식: Shadow AI와 우리

DX를 이룬 조직에서도 AX가 native하게 흐르지 못할 때, 숨은 AI 활용과 번아웃이 어떻게 생기는지 살펴봅니다

- 조회 평균 -

외부 AI 도구의 속도, 회사 내부 silo, 승인·검증 경로의 지연이 만날 때 Shadow AI는 개인의 일탈이 아니라 조직이 아직 흡수하지 못한 전환 비용으로 나타납니다.

Shadow AIAI GovernanceAXAI Burnout
혼돈계 예측에 양자 prior를 더하면 무엇이 달라질까 대표 이미지

Quantum AI · 2026-05-30

혼돈계 예측에 양자 prior를 더하면 무엇이 달라질까

난류와 같은 chaotic process에서 장기 통계를 유지하는 예측을 위해 QIML이 제안한 양자 prior 접근을 살펴봅니다

- 조회 평균 -

Lev Selector의 AI Updates Weekly에서 포착한 QIML 연구를 출발점으로, 양자 생성 모델이 혼돈계의 불변 통계를 prior로 압축하고 고전 예측기의 긴 rollout을 안정화할 수 있는지 검토합니다.

Quantum AIScientific MLChaotic SystemsQIML
AI 과학자, 시작의 끝에서 대표 이미지

AI for Science · 2026-05-25

AI 과학자, 시작의 끝에서

에르되시 문제 #1196에서 연구 실행 하네스까지, 우리가 이미 기대기 시작한 AI 과학자를 어떻게 준비할 것인가

- 조회 평균 -

에르되시 문제 #1196에서 출발해 AI 과학자가 연구의 속도를 높이는 장면과, 그 속도를 검증 가능한 작업으로 바꾸기 위해 필요한 연구 실행 하네스를 함께 살펴봅니다.

AI for ScienceAI ScientistAI Co-ScientistResearch Harness
TabPFN: Foundation model for Tabular inference 대표 이미지

Materials AI · 2026-05-21

TabPFN: Foundation model for Tabular inference

OLED 분자 계산, 공정, SCM, 검사 데이터에서 표 기반 Foundation 모델을 어떻게 읽을 것인가

- 조회 평균 -

작은 표 데이터에서 빠른 기준 모델을 세우는 TabPFN의 장점과, OLED 연구·제조 데이터에 적용할 때 함께 보아야 할 계산 조건과 실험 provenance를 살펴봅니다.

TabPFNOLEDMaterials InformaticsData Provenance
GPT-5.5 기술동향 리포트 대표 이미지

Frontier Models · 2026-05-10

GPT-5.5 기술동향 리포트

긴 작업 수행 능력, Hallucination 평가, Claude Opus 4.7 비교, 안전한 활용 조건

- 조회 평균 -

GPT-5.5 계열 모델의 장시간 작업 수행 능력과 외부 평가를 함께 보며, 실제 업무에 맡길 수 있는 일의 조건을 점검합니다.

GPT-5.5Claude OpusAgentic AITrust and Safety
AI 에이전트를 일하게 하는 기술: 하네스 엔지니어링 대표 이미지

Agent Systems · 2026-05-13

AI 에이전트를 일하게 하는 기술: 하네스 엔지니어링

도구 호출, 권한, 기억, 검증, 병합이 에이전트 운영의 기본 조건이 되는 이유

- 조회 평균 -

모델 성능만으로는 설명하기 어려운 에이전트 운영 문제를 권한, 메모리, 검증, 승인, 병합의 관점에서 따라갑니다.

AI AgentsHarness EngineeringDeveloper ToolsGovernance

AI Transparency and Source Notice

투명성 및 출처 고지

작성정보

작성자
김현중 Profile GitHub LinkedIn Google Scholar
작성 보조 및 퇴고
Codex 기반 GPT-5 계열 에이전트 하네스
  • 이 허브의 게시물은 AI 보조 생성 및 퇴고 과정을 거친 콘텐츠입니다.
  • 외부 출처의 저작권/라이선스는 원 저작권자에게 있으며, 재배포 전 원문 정책 확인이 필요합니다.
  • 고위험 의사결정(법률·의료·재무·규제)에는 원문 대조와 추가 검증 절차를 수행하세요.
  • EU AI Act 투명성 취지에 따라 AI 생성/보조 작성 콘텐츠임을 명시합니다.
  • 공개 조회수와 평균 읽은 시간은 개인 식별 정보 없이 페이지 경로 단위의 집계값으로만 기록합니다.