머가필요해

Local LLM을 직접 띄워서 공부하려는데,

GPU를 갖고 있지 않다고 시작도 하기 전에 포기하는 분들이 의외로 많은 것 같다.

사실 인내심만 충분히 있다면 CPU로도 맛보기는 가능한데도 이를 모르는 경우도 많은 것 같고,

또 하나! 우리의 구글님께서는 아름다운 Colab을 무료로 제공해주고 있기에

이를 이용하면 어지간한 그래픽카드에서도 어려운 모델들을 이용할 수 있게 된다.

[ Gemma ]

이번에 사용해볼 모델은 구글님이 우리에게 은혜를 내려주신 Gemma 이다.

- https://deepmind.google/models/gemma/

구글님이 상업적으로도 사용할 수 있도록 `open-weights`로 공개해준 모델로써,

그다지 많은 인기가 높지는 않지만 구글님이 꾸준히 신경써주셔서 성능도 어지간히 나오는 괜찮은 모델이다.

다양한 유형의 다양한 크기 모델을 제공해주기 때문에, 상황에 맞게 골라서 사용하면 된다.

- https://ai.google.dev/gemma/docs/get_started?hl=ko

다만, 상업용으로도 사용할 수 있는 괜찮은 라이선스 조건이지만

일반적인 라이선스 유형은 아니고 'Gemma License'라는 특화된 라이선스이기에 주의를 하기는 해야 한다.

[ Ollama ]

LLM 모델을 serving하기 위해서는 사실 공부해야할 것도 많고,

 vLLM이나 SGLang같은 솔루션들을 살펴보고 이를 실행해야하는 등 어려움이 많다.

하지만, Local LLM을 사용하는 사람들을 위해 은혜로운 솔루션이 등장했으니,

그것이 바로 Ollama이다 !!! 그것도 MIT 라이선스로 !!!

- https://ollama.com/

사용법은 더 이상 쉬운 방법이 없을 정도이다.

홈페이지에서의 가이드도 너무나 깔끔하다.

- https://ollama.com/library/gemma3:12b 

[ Ollama on Colab ]

Colab에서 GPU 리소스를 사용하도록 하자.

- https://colab.research.google.com/

Ollama 설치를 위해서 기본적인 패키지들을 미리 설치해주자.

Ollama 설치 자체는 너무나 쉽다.

서비스 실행은 직접 해줘야 한다.

실제 실행에는 소요시간이 조금 필요하다. 2~3초 정도!?

여기까지만 하면 기본적인 준비는 끝이다 !!! 너무 쉽지 않은가!?

이제 다양한 활용 방법을 알아보자.

[ Ollama CLI ]

Gemma3 12B 모델을 이용해서 질문을 해보자.

잘 대답을 하기는 하는데, 첫 실행에는 3분 정도 소요가 된다.

Gemma3 12B 모델을 다운로드 받는 것에 시간이 걸리는 것이다.

다시 같은 질문을 해보자.

이번에는 13초 정도만에 답변을 해준다.

간단한 Local LLM 사용 ... 정말 쉽지 않은가?!

[ with Python ]

Python으로 LLM을 이용하도록 해보자.

그렇게 하기 위해서는 우선 필요한 Local LLM 다운로드를 먼저 해야한다.

`ollama list`를 이용해서 필요한 모델이 있는지 먼저 확인을 해보고

없으면 pull을 이용해 다운로드를 받으면 된다.

다운로드를 받았다면 이렇게 확인이 된다.

Python을 이용해서 ollama 활용을 하기 위해서는 패키지 설치가 필요하다.

이제 준비는 모두 끝났다.

코딩을 해보자.

순차적으로 문장을 생성하는 LLM 특성을 반영해서

stream 방식으로 처리하도록 해보자.

[ REST API ]

Ollama는 실제로 REST API 방식으로 서빙이 된다.

그렇기에 `curl`을 통해서도 접근을 할 수가 있다.

generate 방식 말고 chat 방식도 지원을 해준다.

어!? 그렇다면,

Colab으로 서비스를 띄워놓고 내 PC에서 원격으로 사용할 수는 없을까!?

있다!!!! 가능하다!!!

[ ngrok ]

Colab에서 띄워놓은 서비스를 외부에서 접근할 수 있도록 하기 위해서

명시적인 주소를 하나 할당해주는 것이 필요하다.

- https://ngrok.com/

가입만 하면 무료로 사용할 수 있는 아주 아름다운 서비스이다.

하지만, 당연하게도 token 발급을 해야한다 ^^

- https://dashboard.ngrok.com/get-started/your-authtoken

Colab에 어떻게 설치를 하면 좋을까!?

ngrok은 아주 친절하게 다양한 설치 방법을 제공해준다.

우리는 Download 방식으로 해보겠다.

- https://ngrok.com/download/linux?tab=download

파일을 다운로드 받을 수 있는 주소를 먼저 확보해보자.

이제 Colab에서 설치를 진행하면 된다.

ngrok을 실행하면 URL 주소를 하나 알려준다. 메모하자.

[ Remote Connect with Python ]

집에 있는 내 PC에서 접근해보기 위해서 일단 Python 실행 환경을 확보하자.

최근 유행에 맞춰 `uv`를 이용해 보도록 하겠다.

소스 코드는 단순하다.

너무나 잘 된다 !!!

이제는 Colab에 나만의 LLM Server를 두고, 마음껏 LLM API를 사용할 수 있게 되었다 !!!

가난한 개발자의 몸부림은 계속 됩니다 !!! ^^

Google Colab을 사용하려면

Chrome 같은 브라우저를 실행하고 https://colab.research.google.com/ 사이트에 방문해야만 한다.

그런데, Colab을 그냥 내 PC에 설치된 VS Code에서 바로 사용할 수 있다면 얼마나 편하고 좋을까 ?!

그 방법을 알아보자 !!!

[ Google Colab is Coming to VS Code ]

25년 11월 13일에 구글에서는 새로운 VS Code Extexsion을 공개했다.

- https://developers.googleblog.com/en/google-colab-is-coming-to-vs-code/

귀염뽀짝한 하트가 눈길을 붙잡네!? 😅

구글에서 공식 배포하고 있으면서 별이 4.5개나 되는 괜찮은 평가를 받고 있는 extension 이다.

- https://marketplace.visualstudio.com/items?itemName=Google.colab

공개 발표만 하고 버려둔 프로젝트가 아니라

아직 상당히 활발하게 계속 기능 추가 등 개발이 이루어지고 있다.

[ Install ]

VS Code가 설치되어 있다면, 편하게 extension을 설치할 수 있다.

Marketplace에서 `colab` 검색해서 설치하면 끝이다.

Jupyter Notebook 파일 하나 만들어서 불러오면 바로 살펴볼 수 있다.

그런데, 바로 사용할 수 있는 것은 아니고

어떤 kernel을 사용할 것인지 선택을 먼저 해야 한다.

kernel이 뭐냐면 작성한 코드를 실행해주는 환경을 의미한다.

[ Kernel - Local ]

먼저, 내 PC에 설치된 kernel로 선택하는 것에 대해서 알아보자.

`Select Kernel`을 선택하면 나오는 메뉴에서 `Python Environments…` 항목을 선택하자.

`Create Python Environment` 항목을 선택하면 새로운 Python 가상환경을 구성하도록 해주지만,

지금은 일단 전역 환경(Global Environment)으로 되어 있는 Python을 선택하자.

Colab 환경에서는 ipykernel 패키지가 필요하다.

이렇게 하면 로컬 환경에서 Colab 인터페이스를 사용할 수 있게 되지만,

사실 우리가 원하는 것은 로컬 환경이 아니라 구글의 Colab 환경을 사용하려는 것이니... 😍

[ Kernel - Colab(CPU) ]

kernel 부분을 클릭하면 다시 Kernel을 선택하는 메뉴가 나온다.

`Select Another Kernel...` 항목을 선택하자.

`Colab`을 선택해보자.

`Auto Connect`를 선택해보자.

Colab 인증이 필요하기에 많은 팝업창들이 뜰 것이다. 진행하면 된다.

인증 및 권한 허용을 모두 마쳤으면, `Python 3(ipykernel)`을 선택하자.

지금 내가 선택한 것이 Colab 것인지 의심이 간다면,

kernel 부분을 선택하면 확인 된다.

어?! 그런데 사실 Colab을 사용하는 중요한 이유 중의 하나는 GPU를 사용해보기 위해서인데 ...

지금 환경은 CPU 환경인 것이다 !!!

[ Kernel - Colab(GPU) ]

GPU를 사용할 수 있는 Kernel로 바꿔보자.

Kernel 부분을 클릭 후 `Select Another Kernel...` 항목을 선택하자.

`Colab`을 선택

이번에는 `New Colab Server` 항목을 선택해야 한다.

`GPU - T4`를 차례대로 선택하면 된다.

이렇게 만들고 있는 server의 별칭을 지어주면 된다. 귀찮으면 그냥 바로 엔터 !

이렇게 만들어진 GPU server의 kernel을 선택해주면 된다.

`!nvidia-smi` 실행해보면 GPU가 붙어 있는 리소스임을 알 수 있다.

이제, 마음껏 GPU 가지고 놀면 된다 !!!

[ File in Colab ]

그런데, 가지고 놀던 중 이상한(?) 상황을 만나게 되었다.

Notebook이 있는 디렉토리에 같이 있는 파일을 인식을 못하는 것이다.

Notebook 파일이나 텍스트 파일은 현재 로컬에 위치하고 있지만

코드를 실행하고 있는 kernel은 원격에 있는 Colab의 것을 사용하고 있기에 맞지 않는 것이다.

[ Settings of Colab extension ]

Colab extension의 Settings 항목을 살펴보자.

아직 한창 개발 중이라서 그런 것인지 대부분의 옵션이 Experimental 항목이다.

Terminal, Uploading 항목을 활성화 하자.

[ Uploading ]

직관적이다 !

로컬에 있는 파일에 오른쪽 버튼 메뉴를 살펴보면, `Upload to Colab` 항목이 있다. 선택 !

이제는 정상 동작 한다.

정말 파일이 있는지 확인해보자.

기본 파일 위치는 `/content` 디렉토리 밑이다.

업로드 잘 되어 있는 것이 보인다.

[ Terminal ]

Colab에 있는 server의 terminal에 접근해보자.

상단에 있는 메뉴 버튼 중 가운데에 있는 `Colab`을 선택해보자.

팝업으로 나오는 메뉴 중 `Open Terminal` 항목을 선택해보자.

서버가 한 대 생겨버렸다 !!!

정말 괜찮은 extension을 하나 찾은 것 같다.

회사에서도 사용할 수 있으면 좋겠는데 ... 집에서라도 잘 갖고 놀아야겠다.

최근 AI 에이전트를 이용하여 코딩 작업을 하면서

병렬로 동시에 여러 작업을 하는 경우에 유용한 기능으로 git worktree가 각광을 받고 있다.

git worktree가 어떤 기능을 제공해주는지

어떤 상황에서 필요로 하는지에 대해서 알아보고자 한다.

[ 준비 ]

실습을 해보기 위해서 저장소 하나를 clone 받아서 준비해보자.

[ 문제 상황 ]

feature-1 작업을 수행하기 위해 브랜치(branch)를 하나 생성해서 새로운 파일을 하나 만들었다고 해보자.

그런데, 갑자기 급하게 보안 이슈가 발생하여 hotfix 작업을 해야한다고 해보자.

feature-1 작업은 아직 진행 중이기에 commit까지 할 상황은 아니지만

지금까지 작업한 내용은 계속 보관을 하고 싶다고 하면 어떻게 해야할까?

[ 솔루션 #1 - new branch ]

그냥 다른 브랜치(branch)로 이동하면 되는 것 아닐까?

잠시 main 브랜치로 이동을 해보면 알겠지만,

feature-1 브랜치에서 작업하던 내용이 그대로 딸려온다.

여기에서 hot-fix-1 브랜치를 새로만들어도 마찬가지이다.

즉, 전에 작업하던 것을 잠시 치워놓고 다른 일을 할 수 있는 상황은 아니라는 것이다.

[ 솔루션 #2 - stash ]

이럴 때 가장 먼저 생각나는 방법은 `git stash` 명령어일 것이다(git 공부를 했다면 '이어야 한다'! ^^).

임시 보관이라는 말이 딱 어울리는 명령어이다.

변경 사항들을 모두 stash 명령어를 통해 따로 저장해놓으면,

현재 working directory는 깨끗해지게 된다.

`-u` 옵션은 추적하지 않는(untracked) 파일도 모두 stash 저장하라는 것이고,

`-m` 옵션은 stash 저장할 때 메모를 하도록 하기 위해 사용하는 것이다(여러 stash 저장 목록 구분을 위해).

이제 급한 hot-fix 업무를 처리한 후에

다시 돌아와서 전에 작업하던 내역을 불러와 계속 이어서 작업을 하면 되는 것이다.

그런데,

이렇게 좋은 stash 기능도 원하는 상황에 따라서는 충분하지 않을 수도 있다.

[ `새로운` 문제 상황 ]

`git stash` 기능이 정말 유용하긴 하지만,

만약 한 번에 하나의 작업이 아니라 동시에 여러 작업을 해야 한다고 하면 어떻게 해야할까?

앞서 말한 AI 에이전트가 동시에 여러 기능을 개발하도록 하고 싶은 경우,

여러 디렉토리에 각각 git clone 받아서 개발하도록 하면 될까?

그런데, 서로 개발 중인 내용을 주고 받는 것도 해야한다고 하면?

`stash`가 아니라 새로운 기능이 필요하다 !!!

[ 솔루션 #3 - worktree ]

현재 상태를 먼저 점검해보고, worktree를 사용해보자.

feature-1 브랜치에서 기존 파일 수정도 하고, 새로운 파일을 생성도 하던 중

긴급히 hot-fix를 진행해야 하는 상황에서 worktree를 사용하면 된다.

'git worktree add {디렉토리 경로} -b {새 브랜치 이름}` 형태로 사용하면 된다.

지정한 디렉토리 경로에 새로운 작업 공간을 마련하게 되기에

현재 디렉터리 하위 보다는 상위 경로로 지정해주는 것을 권장한다.

기존 branch를 사용할 때에는 `-b` 옵션을 사용하지 않아도 되지만

새로운 branch를 생성하도록 할 때에 `-b` 옵션을 사용하면 된다.

그런데, 여러 디렉토리에 각각 clone 받은 것과 어떤 차이가 있을까?

아래 예시를 자세히 살펴보자.

worktree로 생성된 hot-fix-1 작업 공간에서 새로운 작업을 하고 commit까지 했다.

`git log`를 통해서 당연히 새로운 commit까지 이력이 확인 된다.

그런데, 기존 디렉토리로 돌아가서 `git log`를 했는데 새로운 이력이 여기에서도 그대로 나온다.

그렇다!

worktree로 연결되어 있는 작업 공간끼리는 서로 공유 된다.

`git stash`로 잠시 저장해 놓은 이력들도 서로 공유하면서 이용할 수 있다.

삭제는 `git worktree remove {경로}` 명령어를 사용하면 된다.

AI 에이전트에서 이를 어떻게 활용하면 좋을지에 대해서는

각 AI 에이전트에 대해서 실습하면서 공부해보도록 하겠다.

저장소를 만든 후에 이름을 바꾸고 싶은 경우에 대해서 알아보자.

이번에도 저장소의 Settings 메뉴를 선택하면 된다.

제일 앞에 이름을 변경할 수 있는 부분이 보인다.

변경 후에 "Rename" 버튼만 누르면 된다.

끝났다 !!!

너무나 간단하다 !!!

GitHub에서 저장소 이름을 변경한다는 것은

저장소의 URL도 같이 변경된다는 것을 의미한다.

그러면, 저장소 이름을 변경하기 전에 이미 clone을 받은 사람은 어떻게 할까?

URL이 바뀌었기에 push, pull, fetch 등의 작업을 할 때 주소를 못찾게 된다 !

그렇기에 변경된 URL을 알려줘야만 한다.

바뀐 주소만 넣어주면 끝 !!! 😅

저장소를 생성했으면 삭제하는 방법도 알아보자.

삭제하고자 하는 저장소의 메뉴 중에서 Settings를 선택해보자.

제일 밑에 위치하고 있는 Delete this repository 부분을 찾으면 된다.

저장소를 삭제하면 복구가 안되기 때문에 뭔가 단계(절차)가 많다.

정말 삭제할 것이냐고 묻는다.

삭제하게 되면 어떤 일이 벌어지는 것인지 정말 이해하고 있냐고 묻는다.

그래도, 한 번 더 확인을 위해 번거롭지만 직접 저장소 이름을 타이핑하도록 하고 있다.

개인마다 상황이 다르겠지만, Passkey를 등록해놓은 경우 Passkey를 또 확인하고 있다.

이렇게 힘든 과정을 거쳐야지만 비로소 repository가 삭제 된다.

힘들다 !!! 😅

GitHub에서 저장소(repository)를 생성해보자.

Organization에서 repository를 생성하는 것과

개인 계정에서 repository를 생성하는 경우가 있지만,

repository를 생성하는 것은

생성되는 위치만 달라지는 것이지 모두 똑같은 repository를 생성하는 것이다.

하지만, 이렇게 생성되는 repository의 상태는 텅텅비어 있는 경우와 initial commit이 있는 경우로 구분될 수 있다.

아래와 같이 README 파일이나 .gitignore 파일을 모두 선택하지 않는 경우에는

initial commit 조차 없는 텅텅 비어 있는 repository로 만들어진다.

이후 어떻게 진행하면 된다고 친절하게 가이드 해주고 있다.

그대로 따라해보자.

브랜치(branch)와 관련된 부분은 가이드의 내용과 다르게 진행했는데,

기본 브랜치로 "main"으로 하라고 환경 설정을 하고 진행하는 방식으로 해봤다.

README 파일을 생성하도록 하거나 .gitignore 파일을 포함하도록 하는 경우를 살펴보자.

아래의 예시와 같이 둘 모두를 선택해도 동일하다.

이렇게 생성하면 README 파일, .gitignore 파일을 등록하는 initial commit이 실행되어

아래와 같이 생성되지 마자 저장소의 내용을 확인할 수 있다.

저장소 URL을 확인하고

저 주소로 git clone 받으면 된다.

정말 간단하지 않은가!? 😅

온라인 교육을 받다보면 누구나 그렇게 하는 것처럼 웹 서핑을 정말 열심히 하게 된다.

그러다가 우연히 참으로 교육적인 컨텐츠 사이트를 발견하게 되었다.

- First Contributions:  https://github.com/firstcontributions

첫번째 기여를 해보도록 알려주기 위한 정말 친절한 저장소가 있다니 !!!

- https://github.com/firstcontributions/first-contributions 

내가 본 것 중에서 가장 많은 언어로 제공해주는 가이드이지 싶다.

물론 한국어도 제공해준다 !!! 태극기를 클릭하자 !!!

- https://github.com/firstcontributions/first-contributions/blob/main/docs/translations/README.ko.md 

너무나 친절한 가이드이기에 그대로 따라해도 좋지만,

그래도 직접 따라해보면서 조금 더 자세히 안내하는 포스팅을 해보도록 하겠다.

① git

이후 작업을 하려면 무엇보다 먼저 git 도구가 설치되어 있어야 한다.

- https://git-scm.com/ 

git 설치 여부 확인 해보고, 필요하면 공식 홈페이지 가이드에 따라 설치 진행하면 된다.

최신 버전 사용하는 것을 권장하지만, 배포판의 경우 살짝 낮은 버전일 수도 있다.

② Fork

기여하기 위해서는 소스 코드 변경사항을 잠시 담아놓을 나만의 공간(저장소)가 필요하다.

오픈소스 프로젝트를 나만의 저장소로 복사해 놓는 작업을 포크(fork)라고 한다.

아래 이미지 참고하여 fork 버튼을 클릭하자.

- https://github.com/firstcontributions/first-contributions 

굳이 뭐 다르게 할 필요가 없으면 그냥 기본값 그대로 forked repository를 생성하면 된다.

개인계정 밑으로 forked repository가 생긴 것을 볼 수 있다.

내 마음대로 손대도 되는 나만의 공간이다.

③ clone

forked repository를 이제 내 작업환경(local)에 내려받아보자.

나는 Ubuntu 환경에서 작업을 진행했지만, 명령어 자체는 Windows, Linux, macOS 모두 동일하다.

④ branch

현재 branch 상황을 확인하고, 파일 수정을 하기 위한 작업용 branch를 생성하자.

branch 정보를 보려고 하면 화면 전환이 되는 것이 불편해서 환경 설정 값을 셋팅했다.

> git config --global pager.branch false

최근 git에서는 branch 전환하는 경우, switch 명령어 사용을 권장한다.

"-c" 옵션을 통해 신규 branch를 생성하고 이동까지 했다.

⑤ config

변경사항 저장을 위한 commit을 하려면 사용자 정보가 셋팅되어 있어야 한다.

branch 정보뿐만 아니라 config 정보라던지 다른 대부분의 출력 방식을 변경해보자.

1페이지가 넘어가는 경우에만 화면 전환을 하고, 그게 아니면 그냥 같은 화면으로 출력하도록 하는 옵션이다.

> git config --global core.pager "less -F -X"

user.name 정보와 user.email 정보가 셋팅되어 있지 않으면 아래와 같이 입력해주도록 하자.

> git config --global user.name=this-is-your-name
> git config --global user.email=this-is-your-email

⑥ edit

파일 목록을 먼저 확인 해보고, 파일 하나를 수정 작업 해보자.

contributor 명단에 내 정보를 입력하면 된다.

 ⑦ commit

변경한 내역을 staging 하고 commit 하면 되는데 ...

위와 같이 가이드대로 진행을 하면, 나중에 merge가 자동으로 안되는 이슈가 있었다.

가이드 내용과 달리 "> git add -p"를 통해 staging을 권장하는 내용이 나온다.

필수 요소는 아닌 것 같고, 사실 둘의 차이가 왜 발생하는지 이해가 되지는 않지만

이렇게 진행했더니 바로 merge가 된 것으로 보면 이렇게 진행하는 것을 권장한다.

⑧ push

이제 저장소에 밀어 넣으면 된다.

⑨ pull-request

이제 github 사이트를 통해서 진행하면 된다.

나의 forked repository를 보면 push 내역을 자동으로 인지해서 pull-request 버튼이 나타난다.

Description 내용을 보면 간단한 설문 내용도 있으니

찬찬히 읽어보고 제안할 내용 등이 있거나 하면 그에 맞춰서 체크하고 진행해보자.

⑩ merge

제대로 진행했으면 자동으로 체크 후 merge까지 진행이 된다.

"Pull requests" 내역의 Closed 항목에서 확인해볼 수 있다.

Actions 항목에서 내 PR을 위해 수행한 내역을 확인해볼 수 있다.

⑪ Retry

혹시 merge가 안되고 open 상태로 있다면,

잠시 기다려 보고 그래도 open 상태라고 하면 close 처리 후 다시 진행해보는 것을 추천한다.

Actions 내역을 보면 Fail이 아님에도 불구하고,

밑의 그림에서 볼 수 있듯이 Merge PR 부분이 실행되지 않았음을 알 수 있다.

그러면 Close 하고 다시 PR을 올려보는 것을 추천한다.

이제 여러분은 오픈소스 기여자가 되었습니다 !!!

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

책 제목에 챗GPT라고 쓰여져 있다고, 챗GPT만을 위한 책이 아니다.

여러 AI 도구들을 사용해서 업무 생산성을 높이는 방법을 알려주는 책이다.

처음에는 25년 12월 12일에 챗GPT 사용법을 알려주는 책을 ?! 이라는 의문점이 있었다.

한 때 (최근?) 온라인 서점에서 IT 부분을 거의 점령했던 책들이 바로 이런 비슷한 제목들이었기 때문이다.

하지만, 책을 살펴보면서, "아! 이렇게 잘 정리된 책이 필요할 때가 되었구나!"라는 생각이 들었다.

이 책의 저자인 '장병준'님은 SK텔레콤과 같은 대기업에서도 일 한 경험이 있으시고

블라인드(Blind)와 같은 스타트업에서도 일 한 경험이 있으신 다양한 업무 경험을 갖고 계신 분이다.

거기에다가 우리나라 최고의 대학교 출신이시기도 하시고 ^^

"일잘러 장피엠" 유튜브 채널을 보시면 제일 간판에 적혀 있는 것이 "슈퍼 기획자"이다.

그렇다! '장병준'님은 개발자 출신이 아니다!

그동안의 교육이나 강연 사례를 살펴봐도 의료인력이나 행정인력 같은 주로 비개발자 대상으로 진행을 하셨다.

"일잘러 장피엠" 이름처럼, 정말 일을 잘하는 방법을 설명해주시는 것이다 !!!

이 책 제목도 바로 "일 잘하는 사람은 이렇게 챗GPT를 씁니다"이다.

일 잘하는 법이다!!!!

그리고,

이 책에서는 또 하나의 편견을 깨야 한다.

그렇다 !!!

이 책은 챗GPT만 설명해주는 책이 아니다.

노코드 도구들을 중심으로 업무를 도와주는 다른 AI 도구들도 소개하고 설명해주고 있다.

일을 잘하기 위해서는 "반복적인 업무들을 최대한 자동화"하고

실제 고민을 하고 정성을 쏟아야 하는 일에 더 많은 시간을 투자하는 것이 필요하다.

그 과정에서 AI 도구들과 노코드 자동화 도구들을 이용하면 업무 생산성이 올라가게 되는 것이다.

업무 생산성을 높이고 싶은 분들에게

많은 교육 및 강연으로 다듬어진 깔끔하게 잘 정리된 내용으로 추천해줄 수 있는 책이다.