글

ATM 마을에 열두 번째 건물이 생겼습니다, 결제는 없는 굿즈샵

이미지
11월 15일 밤, AI트렌드마스터(ATM)가 운영하는 3D 마을 ATM 마을에 조봉이 굿즈샵이 열두 번째 건물로 생겼습니다. 마을 동쪽 끝, 우체국과 섬 가장자리 사이에 자리를 잡았습니다. 안에 있는 상품은 22종이고, 결제 기능은 따로 만들지 않았습니다. 카드를 누르면 실제로 상품을 파는 마플샵 페이지가 새 탭으로 열립니다. 조봉이 굿즈샵을 캠퍼스 다음 건물로 고른 이유는 무엇일까요 지난주 11월 9일에 닷새 동안 AI와 지은 학교, ATM 캠퍼스를 엽니다 라는 글로 ATM 마을의 열한 번째 건물을 소개했습니다. 캠퍼스를 올리고 나서 마을을 알리는 배너부터 다시 손봐야 했던 일도 있었는데, 그 소동이 끝난 지 엿새 지난 밤에 건물을 하나 더 올렸습니다. 이번엔 배우는 곳이 아니라 물건을 파는 곳입니다. ATM은 이미 마플샵이라는 주문제작 플랫폼에 ATM스토어를 열어 두고 조봉이 캐릭터가 들어간 키캡, 톡 그립, 티셔츠 같은 상품을 팔고 있었습니다. 문제는 그 가게가 마을 지도 위에는 없었다는 점입니다. 마을을 둘러보던 손님이 가게 앞을 그냥 지나칠 수밖에 없는 구조였습니다. 그래서 가게 자체를 마을 안으로 옮기는 작업을 했습니다. 상품은 22종, 탭은 여섯 개 조봉이 굿즈샵에 올라간 상품은 모두 22종입니다. 분류는 여섯 개 탭으로 나눠 두었습니다. 전체, 키캡과 키링, 톡 그립, 티셔츠, 후드티와 맨투맨, 에코백과 시계입니다. 카테고리별 구성은 아래와 같습니다. 카테고리 상품 수 가격대 의류(티셔츠, 후드티, 맨투맨) 14종 28,900원~45,900원 스마트폰 톡 그립 4종 9,900원 팬굿즈(키캡, 키링) 2종 21,900원~23,000원 패션잡화 1종 가격 별도 표기 리빙(에코백, 시계) 1종 가격 별도 표기 가게를 지키는 캐릭터는 새끼 고양이입니다. 마을에 있는 동물 스프라이트 가운데 새, 고양이 두 종류만 아직 다른 건물에서 쓰지 않고 있었고, 그중 고양이를 굿즈샵 지기로 세웠습니다. 걸어 다니는 손님 캐릭터 중에...

AI에게 '크게' 대신 숫자로, 비개발자가 뭔가 만들 때 지킬 지시 원칙 3가지

AI에게 뭔가 만들어 달라고 할 때 결과물이 자꾸 엇나간다면, 지시 방식을 세 가지로 좁혀 보면 됩니다. '크게' 대신 숫자로 말하고, 작업을 바로 시키지 않고 계획서를 먼저 받아 고르고, 설명하기 힘든 느낌은 글이 아니라 사진으로 보여주는 것입니다. 코딩을 한 줄도 모르는 사람이 AI에게 앱이나 화면 하나를 통째로 맡길 때, 결과가 갈리는 지점은 대부분 이 세 가지 중 하나였습니다. 왜 "AI야, 더 크게 만들어줘"는 통하지 않을까 사람마다 "크게"를 다르게 읽습니다. 저도 최근 AI에게 3D 공간 하나를 맡겨 만든 적이 있는데, 건물 안이 좁게 느껴져서 "실내 규모를 20배 이상 넓게 확장해줘"라고 했습니다. 그런데 20배를 키운 다음에도 여전히 좁았고, 다음 날 다시 "50배 이상 규모로 더 크고 넓게"라고 한 번 더 숫자를 키워야 했습니다. 이 경험 이후로는 좌석 수든 칸막이 비율이든 전부 배수나 개수로 못 박아 말하는 버릇이 생겼습니다. 이 원칙은 공간뿐 아니라 어떤 작업에도 그대로 적용됩니다. 랜딩페이지를 만들 때 "버튼을 크게"라고 하는 대신 "지금보다 1.5배 크게"라고 하면, AI도 저와 같은 크기로 읽습니다. 글을 "짧게 줄여줘"라고 하는 대신 "300자 이내로 줄여줘"라고 하면 다시 고치는 횟수가 줄어듭니다. 일을 시키지 않고 계획만 승인하면 뭐가 달라질까 바로 만들어 달라고 하지 않고, AI가 먼저 계획서를 써 오면 그 계획서를 읽고 고르는 순서를 써 보면 차이가 보입니다. 목적과 꼭 들어가야 할 것을 한 문단에 담아 보낸 다음 "일단 계획을 세워줘"라고 덧붙이면, AI는 혼자 판단해 채워야 할 빈틈을 줄이고 계획으로 먼저 확인을 구합니다. 계획서가 나온 뒤에는 긴 설명을 덧붙이지 않고 "제안대로 진행"처럼 짧게 답하는 것만으로도 ...

AI 캠퍼스를 11월 8일에 열었는데, 배너 주소는 55분 만에 다시 바꿔야 했습니다

AI 캠퍼스는 11월 8일 오후에 열렸습니다. 그런데 그날 만든 배너 2개의 주소는 55분 만에 다시 바뀌었습니다. 처음 넣은 주소가 정식 도메인이 아니라 무료 서브도메인이었기 때문입니다. 캠퍼스를 '만드는' 5일은 이미 여러 곳에서 다뤄졌지만, 만든 다음 날 그 자산을 찾아오게 만드는 작업이 실제로 어떻게 일어났는지는 저도 직접 커밋 로그를 다시 열어 봐야 알 수 있었습니다. AI 캠퍼스는 어떻게 5일 만에 만들어졌나요? 11월 3일부터 11월 8일까지 매일 몇 시간씩 구조물을 다시 쌓고 건물을 다시 배치하고 오류를 고치는 작업을 반복했습니다. 그 사이 쌓인 커밋은 300개가 넘습니다. 완성된 캠퍼스에는 건물 10개가 들어갔습니다. 카페와 라운지가 있는 웹 센터, 녹음 스튜디오와 편집실이 있는 미디어 센터, 자동화 라인 홀과 서버실이 있는 오토메이션 랩, 세미나실과 명예의 전당이 있는 비즈니스 스쿨 같은 건물들입니다. 운동장에는 미니게임 3종(대쉬, 슈팅, 타이밍)이 있고, 화면 한쪽에는 지금 몇 명이 들어와 있는지 보여 주는 방문자 수가 뜹니다. 방문자는 아바타로 서로를 보고 손을 흔들거나 엄지척을 할 수 있고, 채팅도 됩니다. PC에서는 조감 모드와 1인칭 모드를 오갈 수 있고, 모바일에서는 탭으로 이동하다가 1인칭 모드에서 이동 패드를 씁니다. 오픈 당일 배너 커밋 4개는 무엇을 보여주나요? 캠퍼스가 열린 11월 8일, 같은 날 안에 배너와 관련된 커밋 4개가 연이어 올라갔습니다. 시각(11/8) 커밋 내용 17:19 1923c0f atm.ai.kr 마을 메인에 캠퍼스 KV 배너 추가 17:23 e641519 aitrend.kr 사이드바에 캠퍼스 배너 위젯 추가 18:14 87d2048 atm.ai.kr 배너의 링크 주소를 campus.atm.ai.kr로 교정 18:15 5b15616 사이드바 위젯 스크립트의 주소도 같은 곳으로 교정 배너 2개를 추가한 지 55분 만에 두 커밋 모두 같은 줄을 다시 고쳤습니다. 코드를...

GPT-5.5가 1등인데, 가장 어려운 문제에서는 둘 다 0점이었습니다(에이전트 하네스가 가른 결과)

이미지
UC버클리와 Snorkel AI가 만든 에이전트 벤치마크 ALE(Agents' Last Exam)에서 GPT-5.5가 1위와 2위를, 클로드 Fable 5가 3위를 차지했습니다. 그런데 가장 어려운 문제 구간에서는 1위도 3위도 거의 다 0점이었습니다. 더 흥미로운 건 벤치마크 팀이 직접 내놓은 후속 분석입니다. 같은 모델이라도 어떤 도구연결 구조, 즉 에이전트 하네스로 감싸느냐에 따라 점수가 모델을 바꾼 것보다 더 크게 흔들렸다는 내용입니다. 이 글은 그 벤치마크 결과를 원문 중심으로 정리하고, ATM이 운영 중인 에이전트 17개의 실제 툴 권한을 열어 같은 패턴이 있는지 직접 대조해 본 기록입니다. UC버클리가 만든 '진짜 업무' 시험은 어떻게 생겼나요? ALE는 UC버클리 RDI와 Snorkel AI가 250명이 넘는 산업 전문가와 함께 설계한 벤치마크입니다. O*NET과 SOC 직업 분류를 기반으로 55개 세부 산업을 13개 클러스터로 묶고, 그 안에서 실제 업무 형태를 흉내 낸 과제를 1,500개 넘게(목표는 5,000개) 모았습니다. 과제는 난이도에 따라 근접(Near-Term), 풀스펙트럼(Full-Spectrum), 라스트-엑스잼(Last-Exam) 세 단계로 나뉘는데, 이름 그대로 마지막 단계일수록 실제 업무에 가깝고 어렵습니다. 챗봇에 질문 하나를 던지는 식의 평가가 아니라, 여러 단계를 거쳐야 끝나는 작업을 에이전트에게 그대로 맡기고 채점하는 방식입니다. 리더보드 1위는 GPT-5.5인데, 왜 숫자가 매체마다 다른가요? Codex 하네스로 실행한 GPT-5.5가 리더보드 1위와 2위를 차지했고, 클로드 Fable 5는 3위로 집계됐습니다. 다만 정확한 통과율은 이를 다룬 매체마다 조금씩 다릅니다. 집계 사이트 Klu는 26.6%로, 2차 보도는 GPT-5.5 24%, Fable 5 22%로, 논문 표 자체는 23.3~25.2% 구간으로 적고 있습니다. 숫자가 엇갈리는 이유까지 논문이 밝히지는 않지만...

AI로 만든 온라인 공간 20곳, 도메인 없이 운영 중인 7곳을 찾았습니다

AI로 만든 온라인 공간 20곳의 주소를 하나씩 열어봤습니다. 7곳은 자기 이름의 도메인이 없고, 만든 플랫폼이 기본으로 주는 주소(workers.dev, pages.dev, chatgpt.site) 그대로였습니다. 4곳은 이미 운영 중이던 다른 도메인에 하위 주소로 얹었고, 나머지 8곳과 앱 1개만 이 공간을 위한 새 도메인을 달았습니다. 출발점은 10월 31일 aitrend.kr에 올라온 AI로 만든 온라인 공간 20곳 글입니다. 새벽 예배당, 사우나, 오리 연못처럼 가입과 결제 없이 들어가서 앉거나 걷는 것만 할 수 있는 공간 20곳을 소개했습니다. 저는 그 글에 적힌 주소 20개를 오늘(11월 6일) 전부 열어 상태 코드를 확인하고, 각 주소가 어떤 방식으로 공개됐는지 나눠봤습니다. 20곳을 세 갈래로 나눠봤습니다 분류 개수 공간 플랫폼 기본 주소 그대로 7곳 추억의 수련회, 찰랑섬, 블로그 작업실, 오운완 헬스장, 강가 캠핑장, 새벽 예배당, 찜질방 있던 도메인에 얹음 4곳 명상 라운지, 물멍 수영장, 고양이 골목, 할로윈 파티 이 공간만의 새 도메인 8곳 온라인 성당 인피스, 산사, 사우나 고요, 오리 연못, 마이펭스, KBO 야구장, 심야 포장마차, 블로크라운 앱(도메인 해당 없음) 1개 카페 집중 앱 BrewFocus 이 분류는 주소 끝을 읽어 나눈 것입니다. 실제로 서버가 어디에 있는지까지 확인한 건 아니라서, 참고용으로 봐주시면 됩니다. 도메인 연결이 왜 마지막 관문일까요? 지난 10월 2일 코딩 1도 몰라도 클로드로 나만의 홈페이지 만들고 무료 배포까지 글에서, 클로드로 만든 홈페이지를 Netlify로 배포하는 데 12.5초가 걸렸다고 공개했습니다. 용량은 138메가바이트에서 44메가바이트로 줄었고, 돈이 드는 자리는 딱 하나, 도메인이었습니다. AI로 만든 온라인 공간 20곳도 같은 구조를 지나고 있다고 봅니다. 화면을 만들고 띄우는 일 자체는 무료입니다. 추억의 수련회 처럼 workers.dev 주소만 받아도...

기능 없는 온라인 공간에 사람이 모이는 이유, 브랜드가 베낄 수 있는 건 존재감입니다

앉기, 촛불 켜기, 건배. 이 세 가지가 할 수 있는 일의 거의 전부인 온라인 공간인데도 사람이 모입니다. 이유는 기능이 아니라 존재감입니다. 혼자 들어갔는데 혼자가 아니라는 느낌, 그 하나가 사람을 붙잡습니다. 이 공간들은 왜 할 게 없는데도 사람이 모일까요? 지난 글에서 AI로 만든 온라인 공간 20곳에 2026년 10월 31일 직접 들어가 화면을 찍어 공개한 적이 있습니다. 새벽 예배당, 온라인 성당, 사우나, 찜질방, 오리 연못처럼 장르는 다양했지만 공통점은 하나였습니다. 점수도 대화도 없는데 사람 수가 계속 늘어난다는 것입니다. 예를 들어 온라인 성당 인피스에 들어가면 촛불을 켜는 동작 하나만 있는데도 동시에 100명이 넘는 사람이 같은 화면에 앉아 있었습니다. 이걸 가능하게 하는 건 복잡한 기능이 아니라 '혼자인데 혼자가 아니다'라는 신호 하나였습니다. 실시간 인원 수, 같은 동작을 하는 다른 사람의 캐릭터, 그 정도면 충분했습니다. 기능이 아니라 존재감을 판다는 건 무슨 뜻일까요? 이 현상에는 오래된 설명이 있습니다. 1898년 노먼 트리플렛은 자전거 선수들이 혼자 탈 때보다 다른 사람과 같이 탈 때 더 빨리 달린다는 걸 관찰했고, 이후 심리학에서는 이를 사회적 촉진이라고 부릅니다. 꼭 대화를 나누거나 같은 목표를 공유하지 않아도, 다른 사람이 같은 공간에 있다는 사실 자체가 행동에 영향을 준다는 뜻입니다. AI로 만든 온라인 공간들이 파는 건 바로 이 효과입니다. 같이 있다는 느낌만 설계하면, 기능은 최소한으로 줄여도 사람이 머뭅니다. 그리고 이 정도 공간은 이제 큰 회사가 아니라 개인이 AI와 며칠 만에 만듭니다. 브랜드 입장에서 이건 가벼운 발견이 아닙니다. 콘텐츠를 많이 만드는 것보다, 독자나 고객이 '나만 보고 있는 게 아니다'라고 느끼게 하는 장치 하나가 더 큰 힘을 낼 수 있다는 뜻이기 때문입니다. 저는 이전에 브랜드 보이스를 하나로 고정하면서 속도까지 같이 맞췄던 경험을 글로 남긴...

클로드 코드 깃허브 레포 8개, 그중 하나는 제가 이미 다른 방법으로 하고 있었습니다

클로드 코드에 얹어 쓰는 깃허브 레포는 8개를 확인했고, 그중 설치한 건 0개입니다. 대신 하나(Hyperframes)는 제가 이미 다른 방법으로 하고 있던 일이라는 사실을 확인했습니다. 나머지 일곱은 왜 안 썼는지까지 정리합니다. 원문은 스타 수 기준으로 레포 8개를 표로 묶었습니다. ECC(약 26.9만 스타), ponytail(약 14.8만), graphify(약 12.2만), taste-skill(약 9.1만), Headroom(약 7.4만), OmniRoute(약 7.1만), Hyperframes(약 5.4만), claude-video(약 1.8만) 순입니다. 원문 작성자도 README를 읽고 정리했을 뿐, 8개를 직접 설치해 돌려 본 것은 아니라고 밝혔습니다. 저도 같은 조건에서 시작합니다. 직접 설치한 레포는 없고, 각 저장소의 README와 커밋 기록만 확인했습니다. Hyperframes가 하는 일, 저는 이미 하고 있었던 걸까요? Hyperframes는 HTML과 CSS, 미디어 파일을 입력하면 MP4로 렌더합니다. README에는 스킬이 21개 들어 있다고 적혀 있습니다. 이 설명을 읽자마자 떠오른 건 제 블로그가 영상을 만드는 방식이었습니다. 저는 atm-video-agent라는 자체 코드로 유튜브 영상을 만듭니다. 순서는 7단계입니다. 대본을 쪼개고(1-parse), 슬라이드를 짜고(2-slides), 음성을 입히고(3-tts), 타이밍을 맞추고(4-timing), 참고 영상을 붙이고(5-broll), 전체를 합치고(6-assemble), 자막을 굽습니다(7-subtitle). 화면을 만드는 부분은 Playwright로 크롬을 띄워 HTML을 1280×720 해상도로 캡처하고, 소리와 자막은 ffmpeg로 입힙니다. Hyperframes가 README에서 밝힌 것과 뼈대가 같습니다. HTML을 쓰면 영상이 나오는 구조입니다. 이 작업이 얼마나 걸리는지는 이미 다른 글에 적어 두었습니다. 데모 3편을 만드는 데 준비 4분 ...