아티클
다양한 읽을거리를 확인해 보세요.[선생님 바이브 코딩 01] 학부모 상담 예약 웹앱, Gemini와 Apps Script로 직접 만드는 방법
📅 2026년 11월 20일
[선생님 바이브 코딩 01] 학부모 상담 예약 웹앱, Gemini와 Apps Script로 직접 만드는 방법 Google 스프레드시트에 상담 가능 시간을 적어 두고 Gemini에게 프롬프트를 주면, 달력에서 날짜와 시간을 골라 예약하면 시트에 자동 저장되는 상담 예약 웹앱을 만들 수 있습니다. Gemini가 만든 Code.gs와 Index.html을 Apps Script 편집기에 붙여넣고 웹앱으로 배포하면 되고, 같은 채팅창에서 이어서 요청하면 비밀번호로 들어가는 교사용 관리자 화면까지 붙일 수 있습니다. 상담 예약 화면을 만들기 전에 스프레드시트에 무엇을 입력하나요? 이제 Gemini에게 예약 화면을 만들어 달라고 요청할 차례입니다. 학부모님이 달력에서 날짜를 선택하면 그날 상담 시간이 나타나고, 시간을 선택해 이름과 연락처를 입력하면 Google 스프레드시트에 자동으로 저장되는 화면입니다. 프롬프트를 넣기 전에, Google 스프레드시트 ‘상담시간표’ 시트에 상담 가능 시간 예시 데이터를 먼저 입력합니다. 이 데이터가 없으면 달력에 선택 가능한 날짜가 표시되지 않습니다. MINI TIP 사용여부 열에는 TRUE를 입력합니다. 해당 시간을 비활성화하고 싶을 때는 FALSE로 바꿉니다. 날짜는 2026-05-10처럼 연-월-일 형식으로, 시간은 16:00처럼 24시간 형식으로 입력합니다. 프롬프트 1: 달력 + 시간 슬롯 + 예약자 정보 저장 01 Gemini 채팅창에 아래 프롬프트를 통째로 복사해서 붙여넣으세요. 프롬프트 현재 열려 있는 스프레드시트와 연동되는 학부모 상담 예약 웹앱을 Code.gs와 Index.html로 나눠서 만들어 줘. 파스텔 블루 톤의 깔끔한 모바일 반응형 달력 UI로 구현해 줘. [시트 열 순서] 1. 상담시간표: 날짜, 시간, 사용여부, 메모 -> 사용여부가 ‘TRUE’인 날짜와 시간만 달력에서 선택할 수 있게 해 줘. 2. 예약현황: 날짜, 시간, 학부모이름, 학생이름, 연락처, 상담유형, 상태, 신청일시 -> 신청 시 예약현황에 저장되고, 상태는 ‘대기’, 신청일시는 현재 시간이 입력되게 해 줘. 02 Gemini가 Code.gs와 Index.html 코드를 생성합니다. 먼저 Code.gs 내용 복사 버튼을 눌러 복사해주세요. 03 그 다음 Google Apps Script 편집기 화면에 들어가주세요. ➊ 마우스 커서를 원래 있었던 코드에 두고, Ctrl + A 를 누르거나 또는 드래그해서 모두 선택한 뒤 깨끗하게 지워 주세요. ➋ 바로 Ctrl + V 를 누르면 붙여넣기 됩니다. ➌ 디스켓 모양 버튼을 클릭하거나 Ctrl + S 를 눌러 저장합니다. 04 편집기 화면에서 Index.html을 누릅니다. Gemini와의 대화창에서 Index.html 코드를 찾아주세요. 02~03에서 했던 것처럼, 복사 버튼을 누른 뒤 편집기에서 기존 내용을 지우고 붙여넣기 합니다. 05 오른쪽 위 [배포] → [새 배포]를 클릭합니다. 06 유형은 [웹앱]으로 설정, 액세스 권한이 있는 사용자는 [모든 사용자]로 바꾼 뒤 [배포]를 누릅니다. MINI TIP 액세스 권한은 실습 단계에서는 ‘모든 사용자’로 설정합니다. 실제 학급에서 운영할 때는 학교의 개인정보 처리 지침을 먼저 확인하고 적절한 권한을 설정해 주세요. 07 처음 배포하면 권한 허용 창이 뜹니다. [액세스 승인] → 계정 선택 → [고급] → [‘파일명 바로가기 (unsafe)’로 이동] → [계속하다]를 차례로 클릭합니다. MINI TIP 본인이 직접 만든 스크립트가 스프레드시트에 접근하도록 허용하는 과정입니다. Google이 공식 검증하지 않은 코드라 경고가 뜨는 것뿐이고, 내가 만든 코드이니 안심하고 진행하셔도 됩니다. 08 배포가 완료되면 웹앱 URL이 생성됩니다. 이 주소를 복사해 브라우저에서 열어보세요. 테스트가 끝나면 이 URL을 학급 단톡방에 공유하거나 QR 코드로 만들어 가정통신문에 넣을 수 있습니다. MINI TIP 이 단계에서는 기본 예약 저장 기능만 확인합니다. 이미 예약된 시간을 막는 중복 방지 기능은 이후 단계에서 따로 추가합니다. 09 여기까지 됐나요? 달력이 보이고, 날짜를 누르면 시간 버튼이 뜨면 잘 따라오신 겁니다. 테스트로 예약을 하나 넣어보세요. Google 스프레드시트 ‘예약현황’ 시트에 한 줄이 생기면 핵심 기능 1 완성입니다. 교사만 들어가는 관리자 화면은 어떻게 붙이나요? 예약 화면이 완성되었습니다. 이번에는 교사만 접근할 수 있는 관리자 화면을 붙일 차례입니다. 학부모님과 학생들의 화면에는 예약 폼만 보이고, 교사는 화면 하단의 [관리자 로그인] 버튼을 눌러 비밀번호를 입력하면 같은 페이지 안에서 관리자 패널로 전환되는 구조입니다. MINI TIP 프롬프트 2는 프롬프트 1을 실행했던 같은 Gemini 채팅창에서 이어서 입력하세요. 새 채팅창에 넣으면 Gemini가 앞에서 만든 코드를 모르기 때문에 엉뚱한 결과가 나올 수 있습니다. 프롬프트 2: 관리자 로그인 + 예약 현황 조회·상태 변경 + 상담 시간 관리 01 Gemini 채팅창에 아래 프롬프트를 붙여넣고 실행합니다. 프롬프트 기존 학부모 상담 예약 웹앱(Code.gs, Index.html)에 교사 전용 관리자 기능을 추가해 줘. [보안 및 로그인 규칙] - PropertiesService의 스크립트 속성(‘ADMIN_PASSWORD’)을 활용해 서버(Code.gs)에서만 비밀번호를 검증할 것 (클라이언트로 비번 전달 금지). - 비밀번호 미설정 시 “스크립트 속성에서 ADMIN_PASSWORD를 등록해 주세요”라는 안내문 표시. - 예약 목록 조회, 상태 변경, 슬롯 관리 등 모든 관리자용 서버 함수는 실행 전 항상 비밀번호를 재검증할 것. [Index.html 추가 기능] - 하단에 [관리자 로그인] 버튼 배치 -> 인증 성공 시 동일 페이지 내에서 관리자 화면으로 전환. - 관리자 화면 구성: 1. 예약 현황 관리: 전체 예약 목록을 표(Table)로 출력. 각 행에 [확정/대기/취소] 버튼을 두고, 클릭 시 ‘날짜+시간+학부모이름’ 조합으로 행을 찾아 상태 변경 후 화면 갱신. (모바일 가로 스크롤 지원) 2. 상담 시간 관리: 새 상담 시간(날짜, 시간) 추가 기능 및 기존 슬롯 조회/비활성화/삭제 기능. 단, 이미 예약된 시간은 삭제 불가 처리. 3. 상단에 [예약 화면으로 돌아가기] 버튼 배치. [시트 데이터 구조 참조] - 상담시간표: 날짜,시간,사용여부,메모 - 예약현황: 날짜,시간,학부모이름,학생이름,연락처,상담유형,상태,신청일시 02 Gemini가 기존 파일을 수정합니다. 완료되면 파일 복사 아이콘을 눌러 복사해주세요. 업데이트된 Code.gs와 Index.html을 붙여넣기 위해 프롬프트 1 02~04 단계를 참조하여, Google Apps Script 편집기 화면에 기존 코드 내용을 모두 지운 뒤 Ctrl + V 하여 덮어씁니다. [배포] → [배포 관리] → [수정] → 새 버전으로 저장 후 배포합니다. 03 여기까지 됐나요? 기존 웹앱 화면이 아직 켜져 있다면 새로고침 F5 를 눌러주세요. 새롭게 업데이트된 웹앱 화면에서 [관리자 로그인] 버튼을 누릅니다. 비밀번호 입력 창이 나타나면 스크립트 속성에 저장한 비밀번호를 입력하세요. MINI TIP 코드를 수정했는데 화면이 바뀌지 않나요? Code.gs나 Index.html을 수정한 뒤에는 반드시 [배포] → [배포 관리] → 새 버전으로 선택 → [배포]를 다시 해야 반영됩니다. 저장만 하고 재배포를 하지 않으면 수정 전 화면이 그대로 유지됩니다. 이후 모든 단계에서 동일하게 적용됩니다. 04 관리자 화면이 열리고, [확정] 버튼을 눌렀을 때 스프레드시트 상태 열이 바뀌면 성공입니다. 자주 묻는 질문 Q. 상담 예약 달력에 날짜가 하나도 표시되지 않으면 어떻게 하나요? A. Google 스프레드시트 ‘상담시간표’ 시트에 상담 가능 시간 예시 데이터를 먼저 입력해야 합니다. 사용여부 열에 TRUE가 입력된 날짜와 시간만 달력에서 선택할 수 있습니다. Q. 코드를 고쳤는데 웹앱 화면이 그대로인 이유는 무엇인가요? A. Code.gs나 Index.html을 수정한 뒤에는 [배포] → [배포 관리] → 새 버전으로 선택 → [배포]를 다시 해야 반영됩니다. 저장만 하고 재배포하지 않으면 수정 전 화면이 유지됩니다. Q. 관리자 비밀번호는 어디에 등록하나요? A. Apps Script의 스크립트 속성에 ADMIN_PASSWORD로 등록합니다. 등록하지 않으면 “스크립트 속성에서 ADMIN_PASSWORD를 등록해 주세요”라는 안내가 표시됩니다. 이 글은 《NEXT 에듀테크 수업에 바로 쓰는 선생님 바이브 코딩》의 「Chapter 02 STEP 03 핵심 기능 1·2 - 달력 기반 예약 화면과 관리자 화면 만들기」 내용을 바탕으로 정리했습니다.
[AI 시대, 인간은 무엇을 배워야 하는가? 03] 자전거 타는 법은 책으로 배울 수 없다
📅 2026년 11월 18일 · 👁 28
자전거 타는 법은 책으로 배울 수 없다아는 것에는 외워서 아는 것, 이해해서 아는 것, 그리고 해봐서 아는 것이 있다. 앞의 둘은 책과 AI가 넉넉히 주지만, 마지막 것은 직접 넘어져 본 사람만 안다. 단순 제출이나 완성이 목적이라면 AI는 훌륭한 지름길이지만, 배움이 목적일 때 그 지름길은 가장 먼 길이 된다. 결과물은 길을 제대로 걸을 때 따라오는 부산물일 뿐이다. 어디로 갈지보다 거기서 무엇을 할지가 더 중요하다. 앞 장에서 저는 도메인 지식 이야기를 했습니다. AI는 ‘보통’의 상황에서는 놀랍도록 잘합니다. 하지만 보통이 아닌 상황, 예외적인 상황에서는 쉽게 무너집니다. 그래서 어떤 분야에서 ‘보통은 이런데, 이럴 때는 아니다’라는 예외 목록을 쥐고 있는 사람이 앞으로 더 중요해진다고 했습니다.그렇다면 그 예외 목록은 어떻게 만들어질까요? 책을 많이 읽으면 될까요? 강의를 많이 들으면 될까요? AI에게 물어보면 될까요? 그렇지 않습니다. 정확히 말하면, 그것만으로는 안 됩니다. 자전거를 떠올려 보십시오. 자전거 타는 법을 설명한 글을 아무리 많이 읽어도, 한 번도 직접 타보지 않은 사람은 자전거를 타지 못합니다. 균형 감각은 글로 옮길 수 없습니다. 안장에 올라 페달을 밟고, 몇 번 넘어져 본 사람의 몸에만 생깁니다.이 장에서는 직접 해봐야만 알 수 있는 것이 무엇인지, AI가 결과물을 대신 만들어주는 시대에 왜 지름길이 오히려 먼 길이 되는지 이야기하려 합니다. 그리고 그 경험을 어디를 향해, 무엇을 하려고 쌓아야 하는지도 함께 생각해보겠습니다.‘안다’에는 세 가지가 있다‘안다’는 한마디 안에는 서로 아주 다른 것들이 섞여있습니다.우선은 듣거나 외워서 아는 것입니다. ‘물은 100도에서 끓는다.’ ‘카메라의 ISO 값을 올리면 사진이 밝아진다.’ ‘자전거는 타이어 공기압이 적당해야 잘 굴러간다.’ 이런 사실은 책과 검색으로 알 수 있고, 요즘은 AI도 훌륭하게 알려줍니다. 마음만 먹으면 누구나 쉽게 얻을 수 있는 지식입니다.다음은 이해해서 아는 것입니다. 왜 그런지, 조건이 바뀌면 어떻게 달라지는지를 아는 단계입니다. ‘높은 산에서 끓인 라면은 설익는데, 기압이 낮아서 물이 더 낮은 온도에 끓기 때문이다.’ ‘ISO를 올리면 사진이 밝아지는 대신 거칠어지기 때문에 어두운 곳에서 사진을 찍으려면 밝기와 거칠기 사이에서 무언가를 포기해야 한다.’ 여기까지도 좋은 책과 좋은 강의로, 요즘은 AI의 설명으로 꽤 얻을 수 있습니다.또 하나는 해봐서 아는 것입니다. 여기부터 완전히 다릅니다. ‘해 질 무렵 역광에서 친구 얼굴을 찍을 때는 각도를 살짝 비틀어야 친구 얼굴도 살고 빛도 예쁘게 담긴다’, ‘비 온 다음 날 내리막에서는 브레이크를 어느 정도 세기로 잡아야 하는지 손이 안다’ 같은 것들입니다. 저도 비슷한 것이 하나 있습니다. 학생이 만든 프로그램을 돌려보면 어느 부분에서 문제가 생길지 대체로 짐작이 갑니다. 그 짐작이 자주 맞는 이유를 논리적으로 설명하기는 어렵습니다. 많이 봤기 때문입니다.해봐서 아는 것도 책이나 강의로 간접적으로 얻을 수는 있습니다. 하지만 그렇게 얻은 것은 이해해서 아는 수준에 머물러서, 실전에서는 턱없이 모자랍니다. 몸으로 겪어야 생기는 지식이라, 아무리 자세히 설명을 들어도 직접 해보지 않으면 내 것이 되지 않습니다. 시도해보고, 틀리고, 다시 해보는 것 외에 다른 길이 없습니다. 한 번도 자전거를 타보지 않은 사람에게 균형 잡는 법을 말로 설명해보십시오. “핸들을 꽉 쥐지 마세요. 페달은 일정한 속도로 밟고, 시선은 앞을 보세요. 몸이 기울면 기울어지는 쪽으로 핸들을 살짝 돌리세요.” 틀린 데가 하나도 없는 설명입니다. 하지만 이 문장을 외운 사람이 자전거를 탈 수 있게 되지는 않습니다. 넘어져 보면서 몸으로 타는 법을 배웁니다. ‘이만큼 기울면 넘어지는구나.’ ‘이 속도 밑으로 떨어지면 불안해지네.’ ‘모래가 깔린 곳에서는 바퀴가 빠져나갈 수가 없군.’ 아무도 가르쳐주지 않았는데 몸이 알아서 기억합니다. 앞에서 말한 예외 목록도 이런 종류입니다. 일이 틀어지는 지점을 기억해둔 것이니까요.제가 30년 넘게 소프트웨어를 가르치면서 확인한 것이 하나 있습니다. 아무리 잘 설명해도, 직접 해봐야 아는 것은 학생에게 줄 수가 없습니다. 소프트웨어 학부에는 과목이 많습니다. 이해해서 아는 것까지는 잘 가르칠 수 있고, 제대로 전달됐는지도 시험으로 확인할 수 있습니다. 그러나 해봐야 하는 것은 학생이 자기 발로 걸어 들어가 배워야 합니다. 프로젝트를 직접 해보고 나서 다시 책을 볼 때 ‘아, 이게 그 말이구나’ 하고 느끼는 것들입니다. 제가 할 수 있는 일은 그 경험으로 걸어 들어갈 만한 상황을 만들어주고, 넘어졌을 때 크게 다치지 않도록 옆에서 지켜보는 정도입니다. 가르치는 사람의 능력 문제가 아니라, 해봐야 알게 되는 지식은 원래 그렇게 해야 생깁니다.기술 분야만 그런 것도 아닙니다. 사람을 설득하는 글을 쓰는 일, 사람들과 빠르게 신뢰를 쌓는 일, 복잡한 상황에서 무엇을 먼저 할지 정하는 일, 실패한 다음에 방향을 바꾸는 일. 모두 그런 지식이 필요합니다. 책으로 배울 수 없고, AI에게 물어서 얻을 수 없습니다.외워두기만 하면 되는 지식, 설명을 듣고 고개를 끄덕이는 데서 그치는 지식이라면, 사람은 이미 AI의 상대가 되지 않습니다. 단순 암기와 문제 풀이 위주의 공부가 효용을 잃은 것도 그래서입니다. 해봐서 알던 일 가운데 쉬운 것은 이제 AI에게 맡길 수 있게 됐지만, 그 일을 직접 해보며 생기는 앎까지 AI가 대신 쌓아주지는 않습니다. 직접 시간을 들여 겪어보지 않으면 결코 얻을 수 없는 지식은 여전히 많습니다.지름길이 가장 먼 길이 될 때오해가 없도록 먼저 말씀드리면, 지름길 자체가 나쁘다는 이야기가 아닙니다. 진짜 따져봐야 할 것은 ‘지름길이 좋으냐 나쁘냐’가 아니라 ‘내 목적지가 어디인가’입니다.오늘 밤까지 과제를 제출하는 것만이 목적이라면, AI만 한 지름길이 없습니다. 질문을 던지고 나온 답을 가다듬어 내면 끝납니다. 과제 제출 규칙에 어긋나지 않는다면 합리적인 선택이겠죠.문제는 ‘제출’ 자체가 우리가 가려던 진짜 목적지가 아닐 때입니다. 학교에서 진도를 나가고 프로젝트를 하는 이유는 과제를 제출하기 위해서가 아닙니다. 그러면서 배운 것을 ‘진짜 내 것으로 만드는 것’이 목적입니다. 그 기준에서 보면 AI가 만든 결과물을 그대로 제출하는 건 한 걸음도 나아가지 않은 것과 같습니다. 과제는 냈지만, 정작 나는 제자리에 그대로 서있으니까요.지름길인 줄 알고 들어선 길 때문에 오히려 시간이 더 걸린다면, 그 길은 지름길이 아닙니다. 가장 먼 길입니다. 이 사실을 먼저 인정해야 합니다. 몸으로 익히는 배움에는 시행착오를 겪을 시간이 반드시 필요합니다. 지름길이 가장 먼 길이 되는 건 누가 벌을 주거나 길을 막아서가 아닙니다. 내가 가려던 곳이 원래 멀고 깊은 곳이라, 애초에 지름길이 없기 때문입니다. 누군가 대신 자전거를 타고 이야기해준다고 내게 균형 감각이 생기지 않듯 말입니다. 우리는 결과에 조급해질 때마다 이 당연한 이치를 잊곤 합니다.수업 시간에 있었던 이야기를 하나 해보겠습니다. 저는 과제를 낼 때 AI 사용을 금지하지 않습니다. 요즘 세상에 금지한다고 안 쓸 것 같지도 않고, 금지가 능사라고 생각하지도 않습니다. 대신 한 가지 조건을 겁니다. AI와 나눈 대화 기록, 그리고 AI가 만든 답을 스스로 검증한 흔적을 과제와 함께 내라는 것입니다.그 기록을 읽어보면 학생들은 크게 두 부류로 나뉩니다. 한 부류의 기록은 짧고 단조롭습니다. 과제 문장을 그대로 복사해 넣고, 나온 답을 그대로 붙여넣으면 끝납니다. 반면 다른 부류의 기록은 깁니다. 엉성하지만 자기가 직접 짠 초안이 있고, AI의 지적에 “이건 이해가 안 되는데 다시 설명해줘”, “이 방법 말고 다른 방법은 없어?” 하며 끈질기게 실랑이를 벌인 흔적이 가득합니다.재미있게도 제출한 결과물만 보면 두 부류는 구분하기 어려울 만큼 엇비슷합니다. 하지만 기말고사 때 그 과제를 살짝 비튼 문제를 내보면 두 부류는 완전히 갈립니다. 그 결과는 굳이 말씀드리지 않아도 아실 겁니다. 문제는 AI를 쓰느냐 안 쓰느냐가 아닙니다. 과정을 통째로 AI에게 넘겨버리고 결과만 덥석 받아 오는 태도가 문제입니다. AI와 끊임없이 실랑이를 벌이는 그 시간이 그대로 배움입니다. 두 번째 부류 학생들은 AI를 안 쓴 게 아닙니다. 오히려 더 깊고 끈질기게 썼습니다. 그리고 두 부류를 가른 건 성실함의 차이라기보다 목적지의 차이였습니다. 한쪽의 목적지는 ‘제출’이었고, 다른 쪽의 목적지는 ‘이 문제를 스스로 다룰 수 있게 되는 것’이었습니다. 목적지가 다르니 같은 도구를 쥐고도 완전히 다른 길을 걸었고, 배운 것도 달랐습니다.안타깝게도 1장에서 본 것처럼, 요즘은 신입 사원에게 돌아가던 연습 기회를 AI가 가져가고 있습니다. 개인이 당장 바꿀 수 없는 구조적인 문제입니다. 하지만 학교에서, 사회에서, 커뮤니티에서는 우리에게 아직 선택권이 있습니다. 아무도 내게서 넘어질 기회를 빼앗지 않았는데, 눈앞의 편안함 때문에 그 기회를 스스로 건너뛰어서는 안 됩니다.개발자 부트캠프에서도 비슷한 장면을 본 적이 있습니다. 남들보다 훨씬 빠르게 근사한 결과물을 내놓은 수강생이 있었습니다. 제가 화면에 뜬 데이터가 어떤 원리로 나오는지 묻자, 그는 머뭇거리다 털어놓았습니다. “AI가 만든 코드를 가져다 쓴 거라 내부가 어떻게 도는지는 잘 모르겠습니다.” 며칠 뒤, 그 수강생은 그 코드를 직접 짜기 시작했습니다. 다시 만든 결과물은 이전보다 초라해 보였습니다. 하지만 진짜 차이는 나중에 드러났습니다. 팀 프로젝트가 시작되고 예상치 못한 기술 문제에 부딪혔을 때, 원인을 짚어내고 앞장서서 해결한 사람이 그 수강생이었습니다. 남이 만든 결과물을 그대로 쓰는 대신 원리를 파고든 그 시간이, 누구보다 빨리 목적지에 닿는 실력이 됐습니다.지금 배우는 중이라면, 눈앞에 놓인 완성된 결과물에 속지 말아야 합니다. 결과물은 목적지를 향한 길을 제대로 걸어가고 있을 때 자연스럽게 따라오는 부산물일 뿐입니다. 목적지를 ‘직접 해보며 몸으로 익히는 것’에 두면, 지금 내가 바른 길로 가고 있는지 스스로 가늠할 수 있습니다.다행히 돌아갈 길은 언제든 열려있습니다. 지난주에 AI에게 받아 그대로 낸 결과물을 다시 꺼내, 왜 이렇게 작동하는지 한 줄씩 되짚어보는 것. 돌아가는 길은 거기서 시작됩니다. 늦은 때란 없습니다. AI 덕분에 졸업 프로젝트를 순식간에 끝냈지만, 정작 신입 개발자 면접에서 코드가 왜 그렇게 동작하느냐는 질문에 답하지 못한 4학년 학생이 있었습니다. 그 학생은 졸업을 앞둔 마지막 학기에 전공 주요 과목을 차근차근 다시 공부하기로 마음먹었습니다. 바이브 코딩(코드를 직접 짜는 대신 AI에게 말로 요구 사항을 전달하고 결과를 확인하며 프로그램을 완성해가는 개발 방식)만 하다가 프로그래밍 언어를 처음부터 다시 배우는 분도 보았습니다.늦게나마 돌아온 사람들이 하나같이 하는 말이 있습니다. “진작 이렇게 할걸”이라는 후회가 아닙니다. “이제야 내가 뭘 하고 있는지 알겠다”는 확신입니다.명사꿈, 동사꿈앞에서 목적지와 거기에 이르는 방법을 이야기했으니, 이제 그 목적지를 좀 더 들여다보겠습니다. 제가 강조하고 싶은 건 목적지 자체보다 ‘그 목적지에서 무엇을 할 것인가’입니다.산꼭대기 전망대로 향하는 두 사람이 있다고 해봅시다. 한 사람은 그저 ‘전망대 도착’을 목표로 삼고 부지런히 발걸음을 옮깁니다. 다른 한 사람은 ‘그곳에서 주변 풍경을 스케치하겠다’는 목표를 품고 올라갑니다. 둘 다 같은 길을 걷고, 같은 땀을 흘립니다. 하지만 두 사람의 산행은 완전히 다릅니다. 첫 번째 사람은 산꼭대기만을 바라보며 열심히 오르지만, 두 번째 사람은 오르는 내내 주변의 빛과 나무의 모양을 살피며 이미 마음속으로 스케치를 시작합니다.목적지는 내가 나아갈 방향을 잡아줍니다. 하지만 나를 끝까지 걷게 하는 건 ‘거기서 무엇을 할 것인가’라는 질문입니다. 이 질문이 분명하면, 목적지에 닿기 전부터 원하는 일을 조금씩 해나갈 수 있습니다.공부와 일도 마찬가지입니다. ‘프로그래밍을 배우는 것’과 ‘프로그래밍으로 무엇인가를 만들려는 것’은 다릅니다. ‘마케팅을 배우는 것’과 ‘어떤 물건을 사람들에게 사고 싶은 생각이 들도록 알리는 것’은 다릅니다. 앞쪽은 기술을 배우는 일이고, 뒤쪽은 어딘가에서 할 일을 향해 가는 것입니다. 기술만 배우는 건 실무 경험 없이 시험만 봐서 딴 자격증과 비슷합니다. 자격증이 문을 여는 입장권 노릇을 하듯, 기술을 배우는 것도 필요합니다. 하지만 목적이 빠져있으면, 문을 지나 들어가서도 정작 무엇을 해야 할지 모릅니다. 더구나 요즘은 기술의 유통기한이 짧습니다. 기술 자체를 목표로 삼으면 새 기술이 나올 때마다 처음부터 다시 쫓아가야 합니다. 하지만 가서 할 일이 있는 사람은 기술이 바뀌어도 방향과 동기가 남습니다. ‘저기 가려면 지금 무엇을 하는 게 제일 나은가’를 스스로 판단할 수 있으니까요.진로 상담을 하다 보면 저는 학생들에게 꼭 한 번씩 되묻습니다. 학생이 “저는 OO가 되고 싶습니다”라고 하면, “그러면 되고 나서는 뭘 하고 싶어요?”라고 묻는 겁니다. 놀랄 만큼 많은 학생이 여기서 머뭇거립니다. 개발자가, 의사가, 공무원이 되는 것, 또는 구체적으로 어느 회사에 입사하는 것까지는 아주 열심히 생각해봤는데, 그다음 장면을 그려본 적이 없는 것입니다.도착이 끝이 아닙니다. 4장의 비행기로 말하면, 태평양을 건너는 일은 목적이 아니라 과정입니다. 진짜 질문은 ‘태평양 건너에 도착한 뒤 무엇을 할 것인가’입니다.말장난이 아닙니다. ‘프로그래머가 되겠다’는 목적지입니다. ‘프로그래머가 되어서 어떤 문제를 풀겠다’가 그 목적지에서, 또 목적지에 가면서 할 일입니다. 앞의 것을 명사형의 꿈, 뒤의 것을 동사형의 꿈이라고 합니다. ‘무엇이 되겠다’와 ‘무엇을 하겠다’의 차이인 거죠.동사형의 꿈에는 두 가지 힘이 있습니다.하나는, 목적지가 바뀌어도 꿈을 이룰 수 있다는 것입니다. ‘사람들이 건강한 삶을 살 수 있도록 돕겠다’는 꿈은 의사가 아니어도 실현할 수 있습니다. 간호사로도, 물리치료사로도, 건강 관리 서비스를 만드는 사람으로도, 보건 정책을 다루는 사람으로도 가능합니다. 하지만 ‘의사가 되겠다’가 꿈인 사람은 그 문이 닫히는 순간 갈 곳이 없어집니다. ‘프로그래머가 되겠다’는 꿈은 프로그래머가 하는 일의 모습이 크게 바뀌는 순간 흔들리지만, ‘복잡한 문제를 풀어서 사람들의 삶을 편하게 만들겠다’는 꿈은 도구가 바뀌어도, 직업이 바뀌어도 그대로 남습니다. ‘유명 파스타 집의 셰프’가 되는 것이 목표라면, 그 식당에 들어가지 못하는 순간 삶이 멈춰버립니다. 반면 ‘내가 가진 재료를 조합해 사람들에게 따뜻한 한 끼의 위로를 건네는 것’을 꿈으로 두면 이야기가 달라집니다. 제 제자 한 명은 원래 꿈이 디자이너였습니다. 워낙 길을 헤매는 사람에게 보기 쉽게 지도를 그려주는 일, 학교의 공지 사항을 카드뉴스로 만드는 일 등을 많이 했습니다. 그러다가 개발자의 길로 들어섰습니다. 처음에는 힘들었지만, 지금은 유명한 소프트웨어 업체의 화면을 설계하고 코드로 구현하는 일을 하고 있습니다. 겉으로 내세운 꿈은 ‘디자이너’였지만, 진짜 꿈은 ‘복잡하고 어려운 정보를 누구나 쉽게 이해하도록 다듬는’ 동사형의 꿈이었습니다.동사형 꿈의 또 다른 장점은, 목적지에 도착하기 전에도 그 꿈을 이룰 수 있다는 것입니다. 이 부분이 중요합니다. 명사형의 꿈은 문이 열려야 시작됩니다. 합격해야, 입사해야 시작됩니다. 그때까지는 계속 공부만 합니다. 동사형의 꿈은 가는 길에서 이미 이루어지고 있습니다. 목적지에 도착하기 전까지는 모양이 약간 다르거나 크기가 작을 뿐입니다. 동사형 셰프의 꿈은 내 손에 들린 게 파스타 면이 아닌 국수 소면이라도, 내가 서있는 곳이 근사한 레스토랑이 아닌 자취방 주방이라도 상관없습니다. 무대가 어디든, 누군가의 허기를 채우고 마음을 다독이는 일은 지금 서있는 그 자리에서 할 수 있습니다.개발자가 되고 싶다는 고등학생에게 저는 이렇게 말한 적이 있습니다. “지금 네 주변에서 사람들이 귀찮아하는 일 하나를 골라서 고쳐봐.” 그 학생은 동아리 출석 확인을 종이로 받던 것을 간단한 웹 앱으로 바꿨습니다. 쓰는 사람은 열두 명이었습니다. 대단한 일은 아닙니다. 하지만 그 학생은 ‘사람들이 반복하는 귀찮은 일을 없앤다’는 자기 동사형 꿈을 한 번 직접 이뤄봤습니다. 입시 결과가 어떻게 나오든 그 경험은 그 학생에게 남습니다. 그 과정에서 학생은 처음으로 자기가 만든 것을 남이 쓰는 경험을 했습니다. 앞에서 말한, 해봐서 아는 지식이 쌓이기 시작한 것입니다. 이 동아리 출석 앱의 다음 이야기는 8장에서 더 이어집니다.목적지가 처음부터 뚜렷할 필요는 없습니다. 오히려 이것저것 해보는 동안 뚜렷해지는 경우가 훨씬 많습니다. 희미하게라도 ‘이쪽으로 가면서 해보자’ 하고 움직이면 됩니다. 가보다가 아니면 바꿀 수도 있습니다. 그래도 그 길에서 겪은 것은 남습니다. 무엇을 경험할지, 넓게 보면서도 어떻게 방향을 잡을지는 3부에서 본격적으로 다루겠습니다. 여기서는 이만큼만 짚어두겠습니다. 자전거를 잘 타는 것도 중요합니다. 하지만 어디로 갈지, 거기서 무엇을 할지 생각하는 사람이 자기 목적을 가장 값지게 이뤄냅니다.그렇다면 이제 한 가지가 남았습니다. 직접 해보면서 자기 안에 무언가를 쌓아온 사람과 그렇지 않은 사람이, 똑같이 강력한 AI를 손에 쥐고 만나면 무슨 일이 벌어질까요? 모두가 같은 비행기를 가지게 되었을 때, 경쟁의 기준은 어떻게 바뀔까요?
[요즘 우아한 백엔드 개발 03] Elasticsearch 카테고리 필터가 느릴 때: integer 대신 keyword 타입으로 term 쿼리하기
📅 2026년 11월 18일 · 👁 28
[요즘 우아한 백엔드 개발 03] Elasticsearch 카테고리 필터가 느릴 때: integer 대신 keyword 타입으로 term 쿼리하기 정확히 일치하는 값만 찾는 카테고리ID를 integer로 색인하면 term 쿼리가 KD-Tree 기반 PointRangeQuery로 수행돼 느려질 수 있습니다. keyword 타입 필드를 추가해 categoryId.keyword로 term 쿼리하자 역인덱스로 바로 찾는 TermQuery가 수행되어 API 응답 시간이 980ms에서 104ms로 줄었습니다. 검색 성능 개선을 돕는 도구: API 응답값 비교 스크립트와 슬로우 쿼리 수집기 개선 과정을 공유하기 전에, 성능 개선을 돕는 도구들을 먼저 소개하겠습니다. API 응답값 비교 스크립트 API 서버는 Nginx가 리버스 프록시* 역할을 하여 Spring Boot WebServer로 요청을 전달하고 있습니다. API 응답값 비교 스크립트는 Nginx의 access log를 기반으로 운영 버전 API와 변경 버전 API를 호출하여 응답값의 차이를 검증하는 데 사용됩니다. 이 스크립트는 성능을 개선하고, 대규모 리팩터링과 마이그레이션 작업 등에서 기존 API와 변경된 API의 응답값이 같은지 확인하기 위해 개발되었습니다. 참고 리버스 프록시 : 클라이언트와 서버 사이에서 중개자 역할을 하는 서버 여러 차례의 검색 API의 성능 개선 과정에서 이 스크립트를 이용하여 변경 코드가 응답값에 영향을 주는지 검증하도록 하여 서비스 장애가 발생하지 않고 안전하게 성능을 개선했습니다. 다음 자료를 참고하였습니다. • netflixtechblog.com/migrating-critical-traffic-at-scale-with-no-downtime-part-1-ba1c7a1c7835?gi=e21868ba4f39 • netflixtechblog.com/migrating-netflix-to-graphql-safely-8e1e4d4f1e72 슬로우 쿼리 수집기 Nginx의 access.log에는 요청의 응답 시간 Request time이 기록됩니다. 검색 API에서는 응답 시간이 0.7초 이상 소요되는 요청을 슬로우 쿼리*로 간주합니다. 이를 모니터링하여 개선점을 도출했습니다. $request_time request processing time in seconds with a milliseconds resolution; time elapsed between the first bytes were read from the client and the log write after the last bytes were sent to the client 참고 슬로우 쿼리 : 처리 시간이 설정된 임계값을 초과하는 쿼리 Elasticsearch 카테고리 필터를 걸면 왜 느려질까? 대부분의 커머스 검색에서 제공하는 카테고리 필터링 기능, 검색 결과를 특정 카테고리로 좁혀 볼 수 있게 하는 요청에 레이턴시 지연 현상이 발생했습니다. 특정 카테고리를 필터링하는 경우 검색 API의 요청 파라미터로는 categoryId 값이 들어갑니다(예: categoryId=1000). 검색 API에서는 ES 상품 인덱스에 다음 쿼리를 포함하여 이 카테고리에 대한 상품만을 필터링합니다. { "query": { "bool": { "filter": [ ... { "term": { "categoryId": 1000 } } ... ] } } } 겉으로 보기에는 문제가 없어 보이는 쿼리입니다. 그러나 카테고리 필터가 있을 때와 없을 때 검색 API의 응답 속도 차이는 매우 큰 편입니다. • 카테고리 필터가 없는 경우 : 115ms • 카테고리 필터가 있는 경우 : 980ms 문제 원인 분석 및 해결: integer를 keyword로 원인을 파악해보니 카테고리ID의 필드 타입 설정에 문제가 있었습니다. 카테고리ID 필드는 숫자입니다. integer로 색인을 했는데요. 카테고리ID는 범위 검색을 하는 필드가 아니고 정확하게 일치하는 값을 찾아내는 용도로만 쓰고 있었습니다. keyword로 타입을 변경하고 term 필드로 쿼리가 수행되게 변경했습니다. 개선 결과 카테고리 필터로 인한 슬로우 쿼리는 더 이상 발생하지 않게 되었습니다. 다음은 개선 전후 달라진 내용과 쿼리 예시입니다. categoryId 필드 타입 개선 이 예시에서 API 응답 시간이 980ms에서 104ms로 크게 감소했습니다. // 개선 전 { "term": { "categoryId": 1000 } } // 개선 후 { "term": { "categoryId.keyword": 1000 } } numeric과 keyword 타입은 색인과 term 쿼리가 어떻게 다를까? numeric, keyword 타입이 내부적으로 어떻게 색인되고 term 쿼리를 수행했을 때 어떻게 데이터를 찾아오게 되는지 조금 더 조사해보았습니다. numeric·keyword 타입은 어떻게 색인될까? • numeric(숫자) 타입은 Lucene 내부적으로는 PointValues로 색인합니다. 이는 KD-Tree* 자료구조를 사용하여 저장되어 있다고 합니다. • keyword 타입은 역인덱스** 타입으로 저장되어 있습니다. 정확하게 일치하는 값으로만 쿼리가 가능합니다. term 쿼리 프로파일링 결과 Kibana로 다음 쿼리를 프로파일링하면 내부적으로 수행되는 Lucene 쿼리가 다른 것을 확인할 수 있었습니다. 쿼리를 수행한 인덱스의 문서 수는 4천만 건입니다. { "query": { "term": { "$content.catalogPath0.catalogId": { "value": 100001 } } } } integer 타입을 term 쿼리했을 때는 PointRangeQuery가 수행됩니다. 숫자, 날짜 등의 범위 검색에 적합한 쿼리라고 할 수 있습니다. KD-trees를 기반으로 범위 검색을 수행합니다. 참고 KD-Tree : 다차원 공간의 점을 구조화하는 자료구조 참고 역인덱스 : 특정 단어가 어떤 문서에 포함되어 있는지 매핑해 둔 구조 keyword 타입을 term 쿼리했을 때: TermQuery가 수행됩니다. 말 그대로 매칭된 term이 있는지를 찾는 쿼리입니다. keyword 타입은 역색인으로 저장되어 있기 때문에 바로 접근하여 가져옵니다. 단일 값에 대한 검색은 빠르지만 범위 검색은 불가능합니다. 자주 묻는 질문 Q. Elasticsearch에서 숫자 ID를 integer로 색인하면 term 쿼리가 왜 느린가요? A. numeric 타입은 Lucene 내부에서 KD-Tree 기반 PointValues로 색인되어 term 쿼리도 범위 검색용 PointRangeQuery로 수행됩니다. 4천만 건 인덱스에서 1.076s가 걸렸습니다. Q. 범위 검색이 필요 없는 ID 필드는 어떤 타입이 좋나요? A. 정확히 일치하는 값만 찾는다면 keyword 타입이 적합합니다. 역인덱스로 저장되어 TermQuery로 바로 접근하며, 같은 조건에서 30.482ms가 걸렸습니다. 단, 범위 검색은 불가능합니다. Q. 검색 API를 바꿀 때 응답값이 같은지 어떻게 검증했나요? A. Nginx access log를 기반으로 운영 버전과 변경 버전 API를 동일한 파라미터로 호출해 diff를 검증하고, 특정 임계치 이상의 diff가 생기면 slack으로 알리는 API 응답값 비교 스크립트를 사용했습니다. 이 글은 《요즘 우아한 백엔드 개발》의 「09 검색 성능 개선을 위한 Elasticsearch 인덱스 구조와 쿼리 최적화 – 성능 개선을 돕는 도구 ~ numeric, keyword 타입 색인/쿼리 비교」 내용을 바탕으로 정리했습니다.
[F1 용어집 04] F1 엔진 매핑·엔진 브레이킹이란? 엔진·연료·연비 용어 정리
📅 2026년 11월 18일 · 👁 29
[F1 용어집 04] F1 엔진 매핑·엔진 브레이킹이란? 엔진·연료·연비 용어 정리 엔진 매핑은 드라이버 조작과 차·엔진 상태 같은 입력값에 따라 엔진 작동 변수를 조정하는 테이블(엔진 맵)을 만들어 설치하는 작업이다. 엔진 브레이킹은 브레이크 시스템과 별개로 쓰로틀을 닫아 엔진 내부의 마찰과 압축 저항으로 회전 속도를 낮춰 차를 감속하는 방법이다. F1은 2026시즌부터 100% 지속 가능 연료 사용이 의무화됐고, 파워 유닛 시대 F1 엔진의 효율은 50% 이상으로 추정된다. 엔진(Engine) 다른 에너지를 변환해 운동 에너지를 만드는 기계 장치 엔진은 연료의 화학 에너지나 전지의 전기 에너지 등 다른 에너지를 변환해 토크 또는 선형적으로 힘을 이용할 수 있는 운동 에너지를 만드는 기계 장치를 가리킨다. 화학 에너지와 열에너지를 통해 운동 에너지를 만드는 "열기관( heat engine )"은 연소실이 실린더 안에 배치된 "내연기관( ICE )"과 증기기관처럼 외부 가열이 필요한 외연기관이 대표적이다. 초창기 자동차에는 증기기관이 널리 사용됐지만, 19세기 말부터 내연기관이 점차 증기기관의 자리를 대체하며 자동차 엔진의 주류가 되었다. 모든 F1 레이스카의 엔진은 내연기관에 해당한다. 엔진 매핑(Engine mapping) 다양한 입력값에 따라 엔진 작동의 변수를 조정하는 테이블을 만드는 작업 "엔진 맵( engine map )"은 드라이버의 조작과 레이스카 및 엔진의 상태 등 다양한 입력값을 바탕으로 엔진 작동 관련 세부 변수들의 수치를 조정하는 테이블이다. 엔진 매핑은 엔진 맵을 만들어 설치하는 작업을 가리키며, 가끔 설치된 기준 데이터 자체를 엔진 매핑이라 부르기도 한다. 보통 엔진 맵이라는 큰 개념 속에 "엔진 토크 맵( engine torque map )"과 "페달 맵( pedal map )", "퓨얼 맵( fuel map )" 등을 모두 포함시키는 경우가 많은데, 사람에 따라 엔진 매핑을 "엔진 모드( engine mode )"와 비슷한 의미로 혼용하는 경우도 있다. 엔진 브레이킹(Engine braking) 브레이크 시스템과 무관하게 엔진의 회전 속도를 낮춰 차의 속도를 줄이는 방법 엔진이 작동하는 동안 쓰로틀 페달에서 발을 떼면, 쓰로틀이 닫히면서 연료 공급 중단과 함께 흡기 계통 공간이 진공에 가까워지고 엔진 회전 속도가 느려진다. 이처럼 브레이크 시스템과 별개로 엔진 내부의 마찰과 압축 저항 등을 통해 엔진 회전 속도를 낮추고 차의 속도를 줄이는 방법을 엔진 브레이킹이라 부른다. "엔진 브레이크( engine brake )"라는 표현을 혼용하기도 한다. F1 레이스카의 속도를 줄일 때 자주 엔진 브레이킹을 사용하면 브레이크의 부담을 줄일 수 있지만, 과도한 엔진 브레이킹은 엔진과 드라이브트레인 구성 부품들에 매우 큰 부담을 줄 수 있다. 엄밀하게는 다른 개념이지만 넓은 의미로 MGU-K의 충전을 엔진 브레이킹으로 보는 사람도 있다. 엔진 블로우(Engine blow) 엔진이 심각한 기계적 손상을 입는 것 엔진이 심각한 기계적 손상으로 작동 불능 상태가 될 경우, 폭탄이 터지는 것처럼 폭발이 일어나지는 않는데도 "폭발( blow up )"이라는 표현을 사용해 "엔진 블로우 업( engine blow up )"이라는 표현이 자주 사용된다. 엔진 블로우로 손상된 엔진은 "블론 엔진( blown engine )"이라 부른다. 주행 중 레이스카에 엔진 블로우가 일어나면 많은 연기를 내뿜어 다른 드라이버의 시야를 가리는 등 트랙에 위험한 상황을 불러올 수 있고, 많은 경우 레이스카에 화재가 발생하기 때문에 드라이버는 안전한 위치로 차를 이동시킨 뒤 빠르게 콕핏에서 탈출해야 한다. 엔진 커버(Engine cover) 외부 공기와 직접 접촉하지 않도록 엔진 주변을 감싸 차단하는 바디워크 엔진 커버는 엔진이 차량 외부 공기와 바로 접촉하지 않도록 주변을 감싸거나 덮어 외부와 차단하는 바디워크를 가리킨다. 포뮬러 레이스카의 엔진 커버는 "엔진 카울( engine cowl )”이라고 부르기도 하고, 간단하게 "카울( cowl )"이라고만 표현하기도 한다. 승용차의 경우 "엔진 보호 커버( engine protection cover )”라고 부르는 경우도 있다. F1 레이스카의 엔진 커버는 외부 충격이나 이물질로부터 엔진과 핵심 부품을 보호하는 것이 기본적인 역할이다. 엔진 커버는 리어 엔드로 향하는 공기 흐름에 큰 영향을 주는 공기역학적 역할을 담당하고, 빠른 공기의 흐름과 열교환을 통해 엔진과 주요 부품의 냉각에도 큰 도움을 준다. 엔진 회전수(Engine rev) 일정 시간 동안 엔진 회전축이 회전한 횟수 엔진 회전수는 엔진이 작동하는 동안 회전축이 얼마나 빠른 속도로 회전하는지 나타낼 때 사용하는 개념으로, 보통 RPM을 기준 단위로 일정 시간 동안 엔진 회전축의 회전 횟수를 나타낸다. F1 레이스카의 엔진 회전수는 2013시즌까지 18,000 RPM의 최대 회전수 제한을 가지고 있었고, 2014시즌부터 최대 회전수는 15,000 RPM으로 조정되었다. 터보차저가 포함된 하이브리드 파워 유닛이 도입된 이후 실제 주행 중 최대 회전수까지 엔진 회전수를 높이는 경우는 많지 않다. 엔트리(Entry) 챔피언십이나 이벤트에 대한 참가 신청 엔트리는 드라이버 또는 팀 단위의 챔피언십이나 레이스 이벤트에 대한 참가 신청을 가리킨다. 종종 엔트리와 참가자 명단을 뜻하는 "엔트리 리스트( entry list )"와 같은 의미로 사용하기도 한다. F1 챔피언십 엔트리는 매 시즌 시작 전 일정 시점까지 두 드라이버의 이름, 참가 회사의 이름, 팀 공식 명칭, 섀시와 엔진의 이름을 등록한 뒤 FIA의 승인을 거쳐 확정된다. FIA가 승인한 F1 엔트리는 12월경 공개되고, FIA의 공식 웹사이트 등 다양한 채널을 통해 확인할 수 있다. FIA가 발표하는 엔트리 리스트의 예 ( F1 2023시즌 엔트리 리스트 ) 연료(Fuel) 실린더에서 연소를 통해 열에너지를 만드는 물질 연료는 실린더에서 산화제인 산소와 연소 반응을 일으켜 열에너지를 만드는 물질을 가리킨다. 승용차나 레이스카의 연료 주성분이 휘발유이기 때문에 "가스( gas )"라는 표현도 자주 사용한다. 2000년대 이후 F1 연료는 오랫동안 일반 휘발유와 비슷한 성분을 쓰도록 규제되었고, 2022시즌부터 F1은 10%의 에탄올을 포함한 "바이오 퓨얼( bio fuel )"인 E10 퓨얼을 사용하기 시작했고, 2026시즌부터 100% 지속 가능 연료 사용이 의무화되었다. 연비(Fuel efficiency) 연료가 가진 화학 에너지와 변환된 운동 에너지의 비율로 나타낸 열효율 연비는 화석 연료가 가진 잠재적 화학 에너지와 엔진에서 연료의 연소로 만들어진 운동 에너지의 비율로 나타낸 열효율을 가리킨다. 파워 유닛 시대 F1 엔진의 효율은 50% 이상이 된 것으로 추정되며, 밀도 약 0.75kg/L의 연료 110kg 이하로 305km 이상 달리는 레이스 기준 2km/L 이상의 연비를 기록할 수 있다. 2026시즌 규정 변경 이후의 연비는 크게 향상될 것으로 예상된다. 연석(Kerb) 트랙 바깥쪽 경계에 배치되는 돌 "갓돌"이라고도 불리는 연석은 트랙 바깥쪽에 배치되는 경계석을 가리키며, 미국식 영어로 "curb"로 표기하기도 한다. 연석의 종류는 다양하지만 보통 트랙보다 그립 레벨이 낮고 계단처럼 층진 구조로 만들어진 연석이 많으며, 오랫동안 연석 위로 달리거나 트랙션을 충분히 확보하지 못한 상태에서 연석을 밟는 것은 위험하다. F1 등 대부분 모터스포츠에서 연석은 흰색 트랙 경계선 바깥쪽에 배치되기 때문에, 네 바퀴가 모두 흰 선 바깥쪽에 있다면 연석을 밟고 있더라도 트랙을 벗어난 것으로 판단한다. 일반적인 레이스 트랙 주변 구성과 연석의 배치 자주 묻는 질문 Q. F1 엔진의 최대 회전수는 얼마인가? A. 2013시즌까지 18,000 RPM의 최대 회전수 제한이 있었고, 2014시즌부터 15,000 RPM으로 조정되었다. 하이브리드 파워 유닛 도입 이후 실제 주행 중 최대 회전수까지 높이는 경우는 많지 않다. Q. F1 레이스카의 연비는 어느 정도인가? A. 밀도 약 0.75kg/L의 연료 110kg 이하로 305km 이상 달리는 레이스 기준 2km/L 이상의 연비를 기록할 수 있으며, 2026시즌 규정 변경 이후 크게 향상될 것으로 예상된다. Q. 연석을 밟으면 트랙을 벗어난 것인가? A. 연석은 흰색 트랙 경계선 바깥쪽에 배치되기 때문에, 네 바퀴가 모두 흰 선 바깥쪽에 있다면 연석을 밟고 있더라도 트랙을 벗어난 것으로 판단한다. 이 글은 《F1 용어집 1211》의 「II. F1 / 모터스포츠 용어 — ㅇ(엔진~연석)」 내용을 바탕으로 정리했습니다.
[나노바나나 2 미친 활용법 04] 인물 사진 한 장으로 옆모습·뒷모습·하이 앵글 만들고 아웃포커싱하기
📅 2026년 11월 18일 · 👁 28
[나노바나나 2 미친 활용법 04] 인물 사진 한 장으로 옆모습·뒷모습·하이 앵글 만들고 아웃포커싱하기 정면 인물 사진 한 장만 있으면 나노바나나·씨드림에 “비스듬한 옆모습·옆모습·완전한 뒷모습으로 바꿔줘”처럼 요청해 추가 촬영 없이 여러 각도의 사진을 얻을 수 있습니다. 하이 앵글·로우 앵글로 시점을 바꿀 때는 카메라를 보지 않는 시선을 주면 더 자연스럽고, 배경을 강하게 아웃포커싱하면 DSLR로 찍은 듯 인물이 돋보입니다. 한 장의 사진으로 옆모습·뒷모습·비스듬한 옆모습 만드는 방법 인물의 생김새가 정확히 보이는 사진이 필요하며, 조명이 일정하게 잡힌 사진일수록 변환 시 왜곡이 적습니다. 프롬프트 Extreme close-up of South Korean female idol face in her 20s, brown short wavy hair, lovely smile, subtle blush, permed hair, innocent frilly top. --ar 3:4 --exp 10 --raw 프롬프트 한국의 20대 여성 아이돌 얼굴. 익스트림 클로즈업, 갈색의 짧은 웨이브 헤어, 사랑스러운 미소, 은은한 블러셔, 펌 헤어, 청순한 프릴 상의. --ar 3:4 --exp 10 --raw 실제로 촬영하지 않은 측면, 반측면, 뒷모습 사진 등을 생성하면, 추가 촬영 없이도 여러 각도의 이미지를 확보할 수 있습니다. 프로필 컷, 캐릭터 디자인, 3D 모델링 레퍼런스 제작, 화보나 광고 시안 등에서 다양한 각도를 미리 준비해보세요. 프롬프트 ❶ Turn this woman into an oblique side view. 프롬프트 이 여성을 비스듬한 옆모습으로 바꿔줘. 프롬프트 ❷ Turn this woman into a side view. 프롬프트 이 여성을 옆모습으로 바꿔줘. 프롬프트 ❸ Turn this woman into a full back view. 프롬프트 이 여성을 완전한 뒷모습으로 바꿔줘. 하이 앵글·로우 앵글로 촬영 시점 바꾸는 방법 프롬프트 ❶ Changed to an extreme high angle looking down at the woman, changed to a top view. 프롬프트 위에서 여성을 내려다 본 익스트림 하이 앵글로 변경, 탑 뷰로 변경. 프롬프트 ❷ Changed to an extreme low angle looking up at the woman from below, gaze not meeting the camera. 프롬프트 여성을 아래에서 올려다 본 익스트림 로우 앵글로 변경, 카메라를 보지 않는 시선. NOTE 앵글을 바꿀 때에는 카메라를 보지 않도록 하면 더 자연스러운 이미지를 생성할 수 있습니다. 아웃포커싱으로 인물을 돋보이게 만드는 방법 원본 사진에서 피사체와 배경이 어느 정도 분리되어 있어야 효과가 자연스럽게 적용됩니다. 강조하고 싶은 주제와 흐려질 부분을 미리 구체적으로 지정하면 원하는 결과를 얻는 데 도움이 됩니다. 프롬프트 Innocent, feminine, 23-year-old female model, eating ice cream at an amusement park, playful, side profile shot. --ar 5:6 --raw --stylize 80 프롬프트 청순하고 여성스러운 23살 여성 모델, 놀이공원에서 아이스크림을 먹는, 장난꾸러기, 옆모습 프로필 샷. --ar 5:6 --raw --stylize 80 아웃포커싱 효과를 주면 평범한 사진도 DSLR로 촬영한 듯 깊이감과 입체감이 살아나고, 피사체가 또렷하게 강조되어 시선이 자연스럽게 집중됩니다. 배경의 불필요한 요소가 흐려지면서 사진이 더 깔끔하고 세련되어보입니다. 이는 전문적인 화보나 광고 이미지처럼 고급스러운 인상을 줄 수 있습니다. 프롬프트 Make people stand out by strongly out-focusing their backgrounds. 프롬프트 인물 뒷배경을 강하게 아웃포커싱 처리하여 인물이 돋보이게 만들기. 자주 묻는 질문 Q. 다양한 각도 이미지를 만들 때 어떤 원본 사진이 좋나요? A. 인물의 생김새가 정확히 보이는 사진이 필요하며, 조명이 일정하게 잡힌 사진일수록 변환할 때 왜곡이 적습니다. Q. 하이 앵글·로우 앵글로 바꾼 사진이 어색하지 않게 하려면? A. 앵글을 바꿀 때 카메라를 보지 않는 시선으로 지정하면 더 자연스러운 이미지를 생성할 수 있습니다. Q. AI 아웃포커싱이 자연스럽게 적용되는 사진은? A. 원본 사진에서 피사체와 배경이 어느 정도 분리되어 있어야 효과가 자연스럽고, 강조할 주제와 흐려질 부분을 구체적으로 지정하면 원하는 결과를 얻는 데 도움이 됩니다. 이 글은 《이게 되네? 나노바나나 2 AI 비포&애프터 미친 활용법 82제》의 「PART 03 포토샵 없이 인물 사진 ‘뽀샵’하기 – 미친 활용 42~44」 내용을 바탕으로 정리했습니다.
05. AI 리터러시, 운전대를 언제 놓을지 정하는 세 가지 단계
📅 2026년 11월 16일 · 👁 66
AI 리터러시, 운전대를 언제 놓을지 정하는 세 가지 단계업무 환경, 계약서, AI 행위 기록 절차를 마련하고 나면 마지막 질문이 남는다."사람은 AI의 일에 어디까지 개입해야 하는가?"모든 일을 붙잡고 있으면 AI를 들인 효과가 줄어든다. 그렇다고 전부 넘기면 위험이 커진다. 가장 안전한 답은 모든 단계를 사람이 승인하는 것이다. AI가 한 걸음 옮길 때마다 확인한다. AI가 한 바퀴 돌릴 때마다 사람을 거친다는 뜻으로 이를 ① 휴먼 인 더 루프Human In The Loop라 부른다. 안전하지만 치명적 한계가 있다. 바로 사람의 인지 부하다. 검토할 일이 하루에 수백 건씩 쏟아지면 곧 지쳐버린다. 일을 진행하려면 결국 내용을 보지 않고 승인 버튼만 누를 수밖에 없다. 모든 걸 검증하겠다는 다짐이 역설적으로 아무것도 제대로 검증하지 못하는 사태를 만든다.그래서 사람의 자리를 한 걸음 뒤로 옮긴다. 매 단계를 승인하는 대신, 일하는 과정을 지켜보다 이상할 때만 끼어든다. 순환 고리 위에서 내려다보는 감독자, ② 휴먼 온 더 루프Human On The Loop 단계다. 한 걸음 더 나아가면 위험이 낮고 경계가 분명한 일은 사람 확인 없이 끝까지 맡길 수도 있다. 고리 밖의 인간, ③ 휴먼 아웃 오브 더 루프Human Out Of The Loop이다.조직의 결재 시스템도 안건마다 결재선이 다르다. 개인의 휴가 신청과 수십억짜리 구매 계약은 같은 방식으로 처리하지 않는다. AI도 그래야 한다. 가볍게 결재할 안건과 끝까지 사람이 쥐어야 할 안건을 갈라야 한다. 자율성을 적용하는 정도의 기준은 얼마나 더 편리한가가 아니라, '잘못됐을 때 얼마나 되돌릴 수 있는가'여야 한다. 앞서 언급한 세 단계에는 저마다 약점이 있고, 모두 현실에서 벌어진 사례가 있다.① 휴먼 인 더 루프는 검증을 위임하는 순간 무너진다. 매 단계를 사람이 확인해야 하는데 시간도 전문성도 모자라면 그 검증마저 AI에게 떠넘기고 싶은 유혹에 사로잡힌다. 검증을 업으로 삼는 사람들조차 예외가 아니다. 연구자들이 논문을 작성하면 이 논문이 출판할만한지, 또는 학회에서 발표할만한 가치가 있는지 동료 연구자들이 익명으로 심사한다. 이를 동료 평가라고 하는데, 한 분석에 따르면 ICLR, NeurIPS 같은 주요 학회에 제출된 동료 심사평 가운데 6.5~16.9%에서 AI로 상당 부분 수정되거나 작성된 흔적이 보였다.② 휴먼 온 더 루프는 사람이 깨어 있다는 가정이 성립해야 믿을 수 있다. 그런데 업무 진행 속도가 사람의 반응 속도를 추월하면 감독은 허울이 된다. 2012년 미국의 증권사 나이트 캐피털은 새 거래 프로그램을 잘못 배포했다가 45분 만에 4억 6천만 달러가 넘는 손실을 냈다. 초당 수많은 주문이 쏟아지는 동안 사람이 상황을 파악하고 멈추는 것은 불가능하다. 사람들이 지켜보고 있었지만 손을 쓸 새가 없었다. 운전 보조 장치가 부착된 차량들이 종종 사고를 일으키는데, 알고 보면 운전자들이 이를 완전 자율주행으로 착각한 것이다. 감독을 해야 할 자리를 소홀히 하면 이런 사태가 발생한다.③ 휴먼 아웃 오브 더 루프는 사람이 아예 고리 밖에 있는 상태다. 그래서 사고가 나도 사람이 보고 있다가 멈추는 구조가 아니다. 애초에 멈춰 세울 자리가 없다. 안전장치가 시스템 안에 미리 들어 있어야 한다.2026년 4월, 클라우드 서비스 레일웨이Railway를 인프라로 쓰던 한 스타트업에서 벌어진 일을 잠시 살펴보자. 이 회사가 사용하던 AI 코딩 에이전트가 개발용 작업을 하고 있었다. 그런데 문제를 해결하는 과정에서 인프라를 조작할 수 있는 강력한 열쇠를 찾아냈고, 그 열쇠로 실제 서비스에 쓰이던 데이터 저장 공간을 지워버렸다. 관리자에게 "정말 지워도 되냐"고 확인한 것이 아니었다. 시스템도 한 번 더 묻지 않았다. 열쇠가 맞으니 문이 열린 것이다. 나중에 데이터를 복구했지만 중요한 건 따로 있다. AI가 특별히 나쁜 마음을 먹어서 벌어진 일이 아니었다. AI는 문제를 빨리 해결하려고 했고, 자기 손에 들어온 열쇠로 가장 빨라보이는 길을 택했다. 사람이라면 "이건 연습장인가? 실제 환경인가?"를 한 번 더 생각했을지 모른다. 그러나 AI에게 그런 망설임을 기대하면 안 된다. 그래서 사람을 고리 밖으로 빼려면, 그 빈자리에 안전장치를 먼저 넣어야 한다. 연습용 공간과 실제 서비스 공간을 분리하고, AI에게는 필요한 열쇠만 주고, 삭제처럼 위험한 작업은 바로 실행되지 않게 하고, 사람에게 한 번 더 묻게 해야 한다. 휴먼 아웃 오브 더 루프의 교훈은 단순하다. 사람을 빼도 되는 일이 있고, 빼면 안 되는 일이 있다는 것이다. 사람을 빼려면, 사람 대신 멈춰 세울 장치를 먼저 만들어야 한다.패턴은 분명하다. 각 단계의 붕괴는 그 단계가 가정한 인간 능력의 한계에서 터진다. 휴먼 인 더 루프는 사람이 다 본다는 가정에서, 휴먼 온 더 루프는 사람이 깨어 있다는 가정에서, 휴먼 아웃 오브 더 루프는 온 시스템이 완벽하다는 가정에서 무너진다. 그러니 자율성을 사람에게서 떼어낼수록 그 빈자리를 메울 안전장치를 먼저 깔아야 한다.여기서 오해를 하면 안 되는 것이 있다. 고리 밖으로 나가는 건 판단을 포기하는 게 아니다. 앞에서는 운전 보조 장치를 완전 자율주행으로 착각한 사고를 봤지만, 같은 장치가 주는 정반대의 교훈도 있다. 운전자가 잠깐 손을 덜 쓸 수 있게 된 건 차가 똑똑해져서만이 아니라, 차선 이탈 경보와 자동 제동 같은 가드레일이 함께 깔렸기 때문이다. 그래서 사고가 나도 피해가 한정되는 구간에서만 조심스럽게 손을 뗀다. 고속도로 정속 주행은 맡겨도, 좁은 골목 끼어들기는 사람이 쥔다.AI 위임도 똑같다. 전부 떠안는 것도, 전부 넘기는 것도 아니다. 일을 위험과 되돌릴 수 있는 정도에 따라 나누는 것이다. 오타를 고치고 일정을 정리하는 일을 넘겨 인지 부하를 덜고, 돈을 보내고 사람을 평가하고 계약에 서명하는 일은 끝까지 사람이 쥔다. 앞서 본 네 가지 원칙과 여기에서 본 세 단계의 교훈은 결국 이 분리를 안전하게 하기 위한 가드레일이다.일상에도 이 분리가 있다. 세탁기는 돌려놓고 다른 일을 해도 되지만, 칼질은 한순간도 한눈을 팔 수 없다. 자동이체는 맡겨도 주택 매매 대금은 직접 확인한다. 우리는 이미 무엇을 맡기고 무엇을 손에 쥘지 경험적으로 가르며 산다. AI도 다르지 않다. 다만 맡길 수 있는 일의 범위가 갑자기 넓어졌을 뿐이다.AI를 동료로 맞이한다는 건 사람의 자리를 비우는 일이 아니다. AI가 일할 자리를 새로 만들고, 사람이 쥐어야 할 자리를 더 분명히 정하는 일이다. 환경을 구축하고, 자료를 꽂아두고, 계약서를 쓰고, 열쇠를 나누고, 가드레일을 치는 일이다. 소를 들이면서 외양간을 짓고 전기를 들이면서 공장을 다시 설계한 것처럼 AI를 들이면 일터와 규칙도 새로 만들어야 한다.