2026-11-14 AI 에이전트가 모바일 테스트를 짜는 시대: Context Engineering과 Self-Healing이 바꾸는 QA

모바일 앱은 겉보기엔 같아도 속은 다 다르다 로그인 버튼 하나도 React Native, Flutter, 네이티브 Jetpack Compose 앱에서는 전혀 다른 방식으로 식별된다. React Native는 testID prop이 플랫폼별로 resource-id나 accessibilityIdentifier로 매핑되고, Flutter는 자체 렌더링 엔진으로 화면을 그리기 때문에 semanticLabel을 통해 접근성 트리에 노출시켜야 하며, Compose는 애초에 id 개념이 없어 .testTag()와 testTagsAsResourceId 설정으로 우회해야 한다는 점이 커뮤니티 자료에서도 반복적으로 확인된다 (locator 비교 글, Compose testTag 논의). AI에게 테스트를 맡기기 전에, 이 기술적 이질성을 어떻게 ‘설명’해줄 것인가가 핵심 과제로 떠오른 이유다. ...

November 14, 2026 · 3 min · 573 words · jeonck

2026-11-06 AI는 월스트리트의 전유물이 아니다: Vibe Coding과 에이전트가 여는 Main Street AI 시대

AI 투자는 여전히 대기업에 몰려 있다 최근 Austin에서 열린 Bluehost의 “Main Street AI” 밋업은 흥미로운 전제에서 출발한다. AI 투자는 압도적으로 대기업과 중견기업에 집중돼 있고, 미국 GDP의 약 45%를 차지하는 소상공인·중소기업(SMB)은 그 흐름에서 소외되고 있다는 것이다. 실제로 Bluehost가 350명의 미국 소상공인을 대상으로 진행한 State of Small Business AI Confidence 조사에 따르면, 87%가 이미 최소 하나의 AI 도구를 쓰고 있지만 “AI를 잘 쓰고 있다고 확신"하는 사업주만 revenue 개선 효과를 체감하는 “confidence gap"이 뚜렷하게 나타났다. 미국 소상공인단체 AEO가 하원 소기업위원회에 제출한 성명에서도 1인 사업자의 AI 도입률(8.4%)이 직원을 둔 사업체(20%)의 절반에도 못 미친다는 점을 지적하며, AI 확산이 기업 규모에 따라 극명하게 갈리고 있음을 보여준다. 이 격차의 핵심 원인은 단순하다. 대기업은 AI 전담 인력과 예산을 투입할 수 있지만, 사장이 곧 마케터·회계사·고객지원 담당자인 소상공인에게는 “나를 위해 만들어지지 않은” 범용 솔루션을 익힐 시간이 없다. ...

November 6, 2026 · 4 min · 655 words · jeonck

2026-10-29 데이터 엔지니어링에 투입한 AI 에이전트: 수집·품질·운영 자동화

📋 밋업 한눈에 보기 발표자는 데이터 엔지니어링 전 과정에 AI 에이전트를 적용한 사례를 공유했다. configuration table만 입력하면 파이프라인을 자동으로 구성하는 수집 에이전트, primary key 위반 등 품질 문제를 자동으로 잡아 소비 계층에서 제외하는 거버넌스 에이전트, 수천 개 파이프라인의 네트워크·타임아웃 이슈를 스스로 감지하고 복구하는 운영 에이전트를 차례로 설명했다. 다음 단계로는 특정 레코드가 왜 대시보드에 반영되지 않았는지 레이어별로 추적해 원인을 짚어주는 lineage 기반 에이전트를 개발 중이라고 밝혔다. Q&A에서는 AI 에이전트 도입의 ROI를 어떻게 판단하는지에 대한 질문이 나왔고, 발표자는 모든 아이디어를 무분별하게 에이전트화하지 말고 비즈니스 케이스를 철저히 검증해야 한다고 답했다. ...

October 29, 2026 · 4 min · 830 words · jeonck

2026-09-23 로우코드로 만드는 AI 에이전트: Microsoft Copilot Studio와 Power Platform ALM이 그리는 실무 지형도

왜 지금 ‘로우코드 에이전트’인가 최근 사내 실습 세션에서 참가자들은 Power Platform 환경(environment)을 만들고, 솔루션(solution)을 임포트하고, Copilot Studio에서 프롬프트 한 줄로 에이전트를 생성하는 과정을 체험했다. 이는 우연한 흐름이 아니다. Gartner는 2026년까지 신규 엔터프라이즈 애플리케이션의 70~75%가 로우코드 플랫폼으로 개발될 것으로 전망했고, Gartner CIO 서베이에 따르면 2026년 AI 에이전트 배포를 계획한 기업 비율이 2025년 17%에서 42%로 급증했다. 다만 같은 조사에서 거버넌스 공백으로 프로젝트의 40%가 취소될 위험이 있다고 경고한다. 즉 업계는 ‘빠르게 만들되, 관리 체계 없이는 실패한다’는 메시지로 수렴하고 있다. ...

September 23, 2026 · 3 min · 565 words · jeonck

2026-09-23 Microsoft Copilot Studio 핸즈온: 환경, ALM, 그리고 에이전트 만들기

📋 밋업 한눈에 보기 이 밋업은 Microsoft Copilot Studio를 활용해 AI 에이전트를 처음부터 만들어보는 실습(핸즈온) 워크숍이다. 참가자들은 Power Platform 환경(environment)을 만들고, 솔루션(solution)을 임포트한 다음, Power Apps 캔버스 앱으로 더미 데이터를 생성하고, 마지막으로 대화형 프롬프트로 Copilot Studio 에이전트를 만드는 전체 흐름을 따라갔다. 진행자는 환경, 솔루션, ALM(Application Lifecycle Management) 같은 개념을 비유를 들어가며 설명했고, Copilot Studio 에이전트와 Microsoft 365 Copilot 내 에이전트의 차이(LLM 선택권, 지식 소스, 도구, 트리거 등)를 강조했다. 세션 상당 부분은 계정 로그인, 트라이얼 연장, 파일 임포트 등 실습 중 발생한 기술적 트러블슈팅에 할애되었다. ...

September 23, 2026 · 5 min · 914 words · jeonck

2026-09-23 Microsoft Copilot Studio로 커스텀 AI 에이전트 만들기

📋 밋업 한눈에 보기 이 세션은 Microsoft 365 Copilot과 Copilot Studio를 활용해 업무용 프롬프트를 작성하고, 사전 빌드된 에이전트를 탐색한 뒤 직접 커스텀 에이전트를 만들어보는 실습 워크숍이다. 발표자는 집을 지을 때 전기공, 배관공, 목수처럼 전문 분야별 인력이 필요한 것에 빗대어 ‘왜 에이전트가 필요한가’를 설명했다. 참가자들은 Contoso Coffee Support라는 가상의 고객지원 에이전트를 이름, 설명, 지침(instructions), 지식 소스, 대화 시작 문구까지 직접 구성하며 실습했다. 다만 데모 계정의 라이선스 제한과 회사 네트워크 방화벽 때문에 실습 중 다수의 접속 문제가 발생했다. ...

September 23, 2026 · 5 min · 883 words · jeonck

2026-08-28 AI 에이전트의 State와 Memory: MongoDB로 구현하기

📋 밋업 한눈에 보기 이번 밋업은 CNCF 및 스폰서 소개, 참석자 자기소개 등 네트워킹 시간으로 시작한 뒤, MongoDB 발표자가 AI 에이전트를 만들 때 필요한 state와 memory 개념을 설명하는 발표로 이어졌다. 발표자는 LLM 자체는 상태가 없다는 점을 지적하며, 안정적인 에이전트를 만들려면 작업 상태(state)와 사용자 관련 정보(memory)를 구분해서 저장해야 한다고 강조했다. 이어서 동시성 문제 해결을 위한 findOneAndUpdate, hybrid search를 위한 rank fusion, 그리고 mongod/mongot 프로세스 아키텍처 등 MongoDB의 구체적인 기능들을 예시와 함께 소개했다. ...

August 28, 2026 · 4 min · 722 words · jeonck

2026-08-27 AIOps: AI 에이전트로 운영을 자동화하기

오늘의 기술 토픽 AI Agents for Operations (AIOps) AIOps는 AI 에이전트를 시스템 운영(Operations)에 도입해 장애 탐지, 원인 분석, 대응까지 자동화하려는 접근입니다. 기존 모니터링/알림 체계에 LLM 기반 에이전트를 결합해 사람이 하던 반복적인 운영 판단을 에이전트가 대신 수행하도록 만드는 것이 핵심 아이디어입니다. Kubernetes 생태계에서는 kagent 같은 프로젝트가 이런 흐름을 구체화하고 있으며, Prometheus·GitOps 도구와 연계해 관측(observability)부터 조치(remediation)까지 자동화 파이프라인을 구성하려는 시도가 늘고 있습니다. 🔑 핵심 요점 AIOps는 AI 에이전트가 장애 탐지, 원인 분석, 대응 조치까지 수행하도록 운영 워크플로우를 자동화하는 개념입니다. 기존 모니터링 스택(Prometheus, 로그 시스템)이 에이전트의 ‘눈’ 역할을 하고, LLM이 상황을 해석해 다음 행동을 결정합니다. kagent처럼 Kubernetes 네이티브 환경에서 동작하는 AI 에이전트 프레임워크가 실제 운영 자동화 도구로 주목받고 있습니다. GitOps 도구와 연계하면 에이전트가 제안한 변경 사항을 사람이 검토 후 승인하는 안전한 자동화 루프를 만들 수 있습니다. AIOps는 완전 자율 운영보다는, 사람의 판단을 보조하는 ‘반자율(semi-autonomous)’ 단계부터 도입하는 것이 현실적인 시작점입니다. 🛠 핵심 기술 쉽게 이해하기 AIOps (AI Agents for Operations) AIOps는 인공지능, 특히 LLM 기반 에이전트를 활용해 IT 시스템 운영 업무(모니터링, 장애 진단, 대응)를 자동화하려는 접근 방식입니다. 사람이 로그와 지표를 보고 판단하던 과정을 에이전트가 대신 수행하도록 만드는 것이 목표입니다. ...

August 27, 2026 · 3 min · 582 words · jeonck