AI가 커밋 코드의 절반 가까이를 쓰는 지금, 리뷰 요청은 폭증하는데 리뷰하는 방식은 5년 전 그대로다. 문법과 결함 검출은 기계에 넘기고, 사람은 의도·경계·시스템 영향이라는 기계가 못 보는 층을 봐야 한다. 코드 리뷰의 본질은 처음부터 검사가 아니라 이해의 전달이었다.

검색 결과 상위에 오르는 것보다, AI가 답변에서 내 브랜드를 인용하게 만드는 일이 더 중요해지고 있습니다. 생성형 엔진 최적화(GEO)가 무엇인지, 프린스턴 연구가 밝힌 인용을 끌어내는 조건과 마케터가 지금 시작할 실천법을 정리했습니다.

ChatGPT 같은 AI 에이전트가 사람을 대신해 결제하기 시작하면서, 매출은 늘어나는데 대시보드는 0을 가리키는 역설이 벌어지고 있습니다. 추적 코드가 작동하지 않는 구조적 이유와, 측정되지 않는 채널을 외면할 때 마케터가 빠지는 함정을 분석합니다.

제품을 쓰는 주체가 사람에서 사람을 대리하는 AI 에이전트로 옮겨가고 있습니다. 페르소나도, 사용자 리서치도, 화면 설계도 모두 인간을 전제로 만들어진 지금, PM은 기계가 읽고 판단하는 제품을 어떻게 설계해야 할까요. 어포던스 이론과 할 일 이론으로 이 전환을 다시 봅니다.

연한 회색 글씨처럼 세련돼 보이는 화면이 누군가에게는 읽을 수 없는 벽이 됩니다. 접근성을 약자를 위한 선의가 아니라 모두를 위한 디자인 품질로 바라봐야 하는 이유를, 커브컷 효과와 포용적 디자인의 관점에서 짚어봅니다.

NVIDIA 연구진은 에이전트가 처리하는 작업 대부분에 소형 모델이면 충분하다고 말한다. 모든 호출을 가장 똑똑한 모델로 보내는 설계는 안전해 보이지만, 실제로는 측정을 회피한 과잉 설비 투자에 가깝다. 비용은 단가표가 아니라 호출 경로의 설계에서 결정된다.

연 1회 등급제 평가는 동기를 끌어올리기는커녕 조직의 신뢰를 깎아내립니다. 데밍의 경고와 자기결정이론, 그리고 등수 매기기가 협력을 무너뜨리는 메커니즘을 통해 평가가 아니라 신뢰를 설계하는 법을 이야기합니다.

AI가 사용자 맥락에 맞춰 인터페이스를 실시간으로 조립하는 GenUI 시대, 디자이너의 일은 화면을 그리는 것에서 규칙을 설계하는 것으로 옮겨가고 있습니다. 디자이너가 잃는 것과 새로 쥐는 것을 짚어봅니다.