AI 요약관련 정보

• 앤드류 응은 '에이전트' 여부보다는 '에이전트적 특성(agenticness)'을 자율성의 스펙트럼으로 이해하여 커뮤니티의 발전을 촉진해야 한다고 강조합니다. 🌈
• 그는 복잡한 워크플로우와 더불어, 선형적이거나 간단한 에이전트적 비즈니스 기회가 많다고 언급합니다. 📈
• 비즈니스 프로세스를 마이크로 태스크로 분해하고 에이전트 시스템의 성능을 효과적으로 평가 및 개선하는 능력에 중요한 기술 격차가 존재합니다. 🛠️
• 앤드류는 AI 도구(LangGraph, RAG, 평가, 메모리 등)를 '레고 블록'에 비유하며, 다양한 도구를 조립하는 숙련도의 중요성을 역설합니다. 🧱
• LLM의 빠른 발전(예: 더 긴 컨텍스트 창)으로 인해 AI 에이전트의 모범 사례가 끊임없이 변화하고 있음을 지적합니다. 🔄
• 과소평가된 '레고 블록'으로는 다음이 있습니다:
  • 점진적 평가(Evals): 완벽한 평가를 기다리기보다 간단하고 불완전한 평가부터 시작하여 점진적으로 개선하는 것이 중요합니다. 🧪
  • 음성 스택 애플리케이션: 개발자들의 관심에 비해 기업에서 엄청난 잠재력과 흥미로운 발전이 기대됩니다. 🗣️
  • AI 기반 코딩 지원: 개발자 생산성을 극적으로 향상시키므로, 기업들이 도입 장벽을 극복해야 한다고 강조합니다. 💻
  • 모두를 위한 코딩: 소프트웨어 엔지니어뿐만 아니라 모든 직무에서 기본적인 코딩 능력이 컴퓨터와의 상호작용 및 생산성 향상에 기여합니다. 🧑‍💻
• 앤드류 응은 개인적으로 Cursor, Warp 등의 AI 코딩 도구를 사용하며, 아직 발표되지 않은 프로젝트들도 진행 중입니다. 🚀
• 음성 에이전트 구축은 LLM 에이전트와 많은 아이디어를 공유하지만, 특정 음성 스택 지식이 필요합니다. 🎤