AI를 이용한 1인 스타트업 리서치#

혼자서도 가능한 AI 비즈니스 전략을 찾아서#

목차#

1. 서론: 들어가는 글

   • AI 기술의 발전과 1인 스타트업의 가능성

2. AI 주요 개념

   • AI 주요 개념 (1): AI(Artificial Intelligence, 인공지능), 머신러닝(Machine Learning)/딥러닝(Deep Learning), 머신러닝의 학습 방법, LLM(Large Language Models, 대규모 언어 모델)
   • AI 주요 개념 (2): 미세 조정(Fine-tuning), RAG(Retrieval-Augmented Generation, 검색-증강 생성), Function Calling, MCP(Model Context Protocol)
   • AI 주요 개념 (3): 프롬프트 엔지니어링(Prompt Engineering), 컨텍스트 엔지니어링(Context Engineering)

3. AI 주요 서비스와 도구

AI 주요 서비스와 도구 (2)#

이 장에서는 OpenAI에서 제공하는 API들에 대해 각각의 간단한 설명과 예시 코드를 소개합니다. 개발자가 아니더라도 API의 개념만 알고 있다면, OpenAI에서 제공하는 API들을 이용해 내 서비스를 만들고자 할 때 “내가 무엇을 할 수 있는지”를 이해하고 방향을 잡는 데 도움이 되지 않을까 싶습니다.

OpenAI에서 제공하는 API에 대하여#

OpenAI를 비롯한 AI 서비스 제공자들은 직접 ChatGPT와 같은 사용자향 서비스를 제공하기도 하지만, 외부 개발사에게 API를 제공하여 AI 서비스 생태계를 확장합니다. 직접 AI 모델을 구축하는 대신 API를 이용하여 빠르게 뛰어난 품질의 AI 서비스를 제공할 수 있기 때문에, 스타트업에게는 매우 합리적인 선택이죠.

하네스 엔지니어링 — AI 에이전트를 안전하게 운용하기 위한 실전 가이드#

2026-04-04

이 글을 쓰게 된 이유#

필자는 여러 프로젝트에서 AI 에이전트(Cursor, Claude Code 등)를 적극적으로 활용하고 있습니다. 처음에는 에이전트가 코드를 작성해 주는 것만으로도 충분히 놀라웠지만, 실제로 프로젝트에 깊이 적용하다 보니 반복적으로 부딪히는 문제들이 있었습니다.

• 새 세션을 열 때마다 에이전트가 프로젝트 컨벤션을 잊어버립니다
• 어제 해결한 문제와 같은 실수를 오늘 또 반복합니다
• 에이전트가 생성한 코드의 품질이 세션마다 들쭉날쭉합니다
• 프로젝트가 여러 개가 되면 각각에 같은 설정을 반복해야 합니다

이 문제들의 본질은 에이전트의 지능이 부족한 것이 아니라, 에이전트를 둘러싼 환경이 제대로 갖춰지지 않은 것이었습니다. 2026년에 들어서면서 이 문제의식이 업계 전체로 확산되었고, “하네스 엔지니어링"이라는 이름으로 체계화되기 시작했습니다.

하네스 스킬이라 부르기로 했다 — 잘하고 있다는 착각을 깨고 내 하네스를 열기까지#

2026-06-08

이름 없는 것들 앞에서#

LLM Wiki라는 것을 처음 봤을 때, 그리고 GStack을 봤을 때, 필자가 가장 먼저 한 생각은 의외로 “이걸 뭐라고 불러야 하지?” 였습니다.

둘 다 AI 에이전트를 더 잘 다루기 위한 수단이라는 점은 분명했습니다. 필자가 이전 글에서 정리한 하네스 엔지니어링, 즉 AI 에이전트를 안전하고 안정적으로 운용하기 위한 인프라 설계 분야의 관점에서 보면, 이런 것들은 명백히 “하네스를 만들 때 가져다 쓰는 도구"였습니다.