챗봇이랑 뭐가 다르다는 건지 ChatGPT 같은 AI 챗봇, 다들 써보셨을 겁니다. 질문하면 답해주고, 또 질문하면 또 답해주고. 근데 이게 좀 답답할 때가 있습니다. “이 코드 고쳐줘” → 고쳐진 코드를 보여줌 → 복사해서 붙여넣기 → 에러남 → 다시 물어봄 → 또 복사 붙여넣기… 이 과정이 반복되면서 “그냥 니가 직접 고쳐주면 안 되냐"는 생각이 들기 시작하죠. AI 에이전트가 바로 그겁니다. 목표를 던져주면 직접 파일을 열고, 코드를 수정하고, 테스트까지 돌려보는 AI. 답만 알려주는 게 아니라 직접 행동하는 AI입니다. 에이전트 이전 단계인 기본적인 AI 챗봇 비교도 참고해보세요. ...

노트북 GPU가 아쉬울 때 노트북 들고 다니면서 작업하다 보면, 어느 순간 GPU 성능이 아쉬워질 때가 옵니다. AI 모델 돌려보고 싶은데 내장 그래픽으로는 어림도 없고, 영상 편집하면 렌더링에 한 세월이고, 게임은 설정 다 낮춰도 버벅이고. 그렇다고 게이밍 노트북을 사자니 무겁고, 데스크탑을 따로 맞추자니 자리도 돈도 부담스럽고. 이럴 때 알아보게 되는 게 **eGPU(외장 그래픽카드 독)**입니다. eGPU가 뭐냐면 간단합니다. 데스크탑용 그래픽카드를 외부 케이스에 넣고, 케이블 하나로 노트북에 연결하는 겁니다. 필요한 건 두 가지입니다. ...

NAS란? **NAS(Network Attached Storage)**는 네트워크에 연결된 저장장치입니다. 쉽게 말하면 집에 설치하는 개인 클라우드입니다. 구글 드라이브나 원드라이브 같은 클라우드 서비스를 써보셨을 겁니다. 클라우드 스토리지 서비스별 특징과 가격 비교를 먼저 보고 오면 NAS가 어떤 상황에서 대안이 되는지 더 잘 이해됩니다. NAS는 이런 클라우드를 남의 서버가 아니라 내 집에 직접 만드는 것입니다. 왜 쓰나? 1. 용량 제한 없음 구글 드라이브 무료 15GB, 유료로 올려도 2TB. 근데 NAS는 하드디스크를 넣는 만큼 용량이 늘어납니다. 4TB, 8TB, 20TB도 가능합니다. ...

멀티모달이 뭔데? 예전 AI는 텍스트만 이해했습니다. 글을 읽고 글로 답하는 게 전부였죠. 멀티모달(Multimodal) AI는 텍스트뿐 아니라 이미지, 음성, 영상 등 여러 형태의 데이터를 동시에 이해하고 처리하는 AI입니다. 쉽게 말하면, AI가 **눈(이미지)과 귀(음성)**를 얻은 겁니다. 뭘 할 수 있나 이미지를 이해한다 사진을 보여주면서 “이게 뭐야?“라고 물어볼 수 있습니다. 에러 화면 스크린샷 → “이 에러 어떻게 해결해?” 음식 사진 → “이 요리의 칼로리가 어느 정도야?” 수학 문제 사진 → “이 문제 풀어줘” 그래프/차트 → “이 데이터를 분석해줘” 직접 써보면 진짜 편합니다. 특히 에러 화면 캡처해서 그대로 보여주면 텍스트로 설명하는 것보다 훨씬 빠르게 답을 얻을 수 있습니다. ...

시작하며 솔직히 말하면, AI가 대단하다는 건 알겠는데 “내 생활이랑 무슨 상관이지?” 하는 생각이 있었습니다. 그런데 올해 들어서 직접 이것저것 써보니까, 진짜 생활이 달라지더라고요. 오늘은 제가 직접 경험한 것들 위주로 정리해보려고 합니다. 1. 글쓰기가 편해졌다 블로그 글을 쓸 때 초안 잡는 게 제일 귀찮았는데, AI한테 “이런 주제로 뼈대 좀 잡아줘"라고 하면 5분 만에 나옵니다. 물론 그대로 쓰면 안 되고 제 경험이랑 생각을 넣어서 다시 써야 하지만, 백지에서 시작하는 것보다 훨씬 낫습니다. ...

왜 RTX 5070을 골랐나 AI 관련 작업을 하다 보면 GPU가 필수인데, RTX 4090은 너무 비싸고 RTX 4070은 VRAM이 아쉬웠습니다. 그러다 RTX 5070이 나왔길래 바로 구매해서 한 달 정도 써봤습니다. 오늘은 AI 작업 기준으로 솔직한 후기를 남겨봅니다. 기본 스펙 정리 항목 RTX 5070 VRAM 12GB GDDR7 CUDA 코어 6144개 TDP 250W 출시가 약 80만원대 AI 작업 성능 Stable Diffusion 이미지 생성 속도가 RTX 4070 대비 확실히 빨라졌습니다. 512x512 기준으로 약 30% 정도 빠른 체감입니다. 다만 VRAM 12GB라서 고해상도 이미지를 대량으로 뽑을 때는 가끔 메모리 부족이 뜹니다. ...

들어가며 “AI 공부하려면 노트북 스펙이 어느 정도 되어야 해요?” 라는 질문을 주변에서 많이 받습니다. 저도 처음에 뭘 기준으로 봐야 할지 몰라서 한참 찾아봤는데, 그때 정리해둔 내용을 공유합니다. 가장 중요한 건 GPU AI 작업에서 CPU보다 GPU가 훨씬 중요합니다. 특히 NVIDIA GPU가 거의 필수입니다. AMD나 Intel GPU도 발전하고 있지만, 대부분의 AI 프레임워크가 NVIDIA CUDA에 최적화되어 있어서 호환성 면에서 NVIDIA가 압도적입니다. VRAM이 핵심 GPU에서도 가장 중요한 건 VRAM 용량입니다. 8GB — AI 입문, 간단한 모델 학습 가능 12GB — 중급 작업까지 무난 16GB 이상 — 큰 모델도 돌릴 수 있음 VRAM이 부족하면 아예 실행이 안 되는 경우가 많아서, 나중에 후회하지 않으려면 넉넉한 게 좋습니다. VRAM 개념이 생소하다면 VRAM이 뭔지, 왜 중요한지 쉽게 정리를 먼저 읽어보세요. ...

왜 클라우드 GPU인가 AI 모델을 학습시키려면 좋은 GPU가 필요한데, 좋은 GPU를 사려면 부담이 큽니다. 자주 쓰지 않는다면 클라우드에서 빌려 쓰는 게 더 합리적일 수 있습니다. 직접 GPU를 구입할 계획이라면 GPU VRAM이 왜 중요한지부터 알아두세요. 주요 서비스들을 직접 써보고 느낀 점을 정리해봤습니다. Google Colab 가장 접근하기 쉬운 서비스입니다. 구글 계정만 있으면 바로 쓸 수 있고, Jupyter Notebook 환경이라 AI 공부할 때 편합니다. 좋은 점 무료 플랜으로도 기본적인 AI 작업 가능 설정할 게 거의 없어서 초보자 친화적 구글 드라이브랑 연동이 편함 아쉬운 점 ...

로컬 LLM이 뭔데? ChatGPT나 Claude 같은 AI는 인터넷으로 서버에 접속해서 쓰는 방식입니다. 반면 로컬 LLM은 내 컴퓨터에 AI 모델을 직접 설치해서 실행하는 겁니다. 인터넷 없이도 되고, 내 데이터가 외부로 나가지 않아서 보안이 좋습니다. 왜 해봤나 회사에서 쓸 때 보안 이슈로 ChatGPT에 코드를 못 넣는 경우가 있었습니다. 그래서 로컬에서 돌릴 수 있는 방법을 찾다가 시작했습니다. Ollama로 시작하기 여러 방법이 있는데, 제일 쉬운 건 Ollama입니다. 설치도 간단하고 명령어 몇 줄이면 바로 AI랑 대화할 수 있습니다. ...

VRAM이 뭐야? VRAM은 Video RAM의 줄임말로, GPU(그래픽카드)에 달린 전용 메모리입니다. 컴퓨터의 일반 RAM이 CPU가 쓰는 메모리라면, VRAM은 GPU가 쓰는 메모리입니다. GPU가 작업할 때 필요한 데이터를 여기에 올려놓고 씁니다. 쉽게 비유하면 GPU = 요리사 VRAM = 조리대 일반 RAM = 냉장고 요리사(GPU)가 요리(연산)를 하려면 재료를 조리대(VRAM)에 올려놓아야 합니다. 조리대가 좁으면 재료를 다 올려놓지 못해서 냉장고(RAM)에서 왔다갔다 해야 하고, 그만큼 느려집니다. 조리대가 넓으면? 재료를 한 번에 펼쳐놓고 빠르게 요리할 수 있습니다. 게임할 때 VRAM 게임에서 VRAM은 주로 **텍스처(그래픽 데이터)**를 저장합니다. ...