2026/05 18

[기획자의 하드웨어 5분 스터디] #035. 비전 언어 모델(VLM)과 대화형 검색

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 지금까지의 비전 AI(객체 탐지)가 단순히 영상 속에서 '사람이다!', '자동차다!'라고 외치는 수준이었다면, 이제는 영상의 맥락(Context)까지 이해하는 VLM(Vision Language Model, 비전 언어 모델)의 시대로 넘어가고 있다.과거의 AI는 단순 경비원처럼 '사장님, 화면에 '사람'이 나타났습니다'(누구인지, 뭘 하는지는 모름)라고 했다면, 미래의 AI는 베테랑 탐정처럼 '사장님, 빨간 모자를 쓴 30대 남성이 뒷문 주변을 서성이며 스마트폰을 보고 있습니다.' 라고 하는 것과 비슷하다.텍스트를 이해하는 거대 언어 모델(VLM)에 '눈(Vision)'을 달아주어, 영상 속 상황을 사람처럼..

[기획자의 하드웨어 5분 스터디] #034. B2B vs B2C 기획

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 하드웨어와 비전 AI를 활용한 서비스라도 그것을 '누구에게 파느냐'에 따라 기획의 언어와 우선 순위가 180도 달라진다.B2C(기업과 소비자 간 거래)구매자 = 사용자이다. 내가 내 돈을 내고 내가 쓴다. 감성, 디자인, 직관적인 편리함이 구매를 결정하게 된다.B2B(기업 간 거래)구매자(의사결정권자, 대표) ≠ 사용자(현장 작업자, 관리자)이다. 대표는 비용 절감(ROI)를 보고 결재하고, 현장 작업자는 업무 효율성을 보게 된다.좀 더 쉬운 예를 들어보자면, B2C 기획은 가족 여행을 위한 '패밀리카'를 기획하는 것이고, B2B 기획은 쿠팡의 '배달용 화물차'를 기획하는 것이라 할 수 있다. 패밀리카는 승..

[기획자의 하드웨어 5분 스터디] #033. RMA와 EOL 기획 - 기기를 파는 것보다 '잘 없애는 것'이 실력

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 앱 서비스는 고객이 '앱이 안 켜져요'하면 버그를 고쳐서 업데이트하면 되지만, 물리적인 기기는 고장이 나면 회수하고 고쳐서 다시 보내주는 복잡한 물류 과정이 발생하게 된다. 기기의 생애 주기가 끝날 때 기획자가 알아야 할 두 가지 핵심 용어이다.RMA(Return Merchandise Authorization, 반품/수리 권한)고객이 고장 난 기기를 본사로 보내 수리하거나 새 제품으로 교환 받는 일련의 AS 물류 프로세스를 말한다.EOL(End of Life, 제품 수명 종료)'이 제품은 너무 오래되어서 더 이상 만들지도 않고, 수리용 부품도 없고, 소프트웨어 업데이트도 안 해줍니다'라고 선언하는 단종 단계..

[기획자의 하드웨어 5분 스터디] #032. OCPP와 PnC - 전기차 충전 생태계를 연결하는 두 가지 언어

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 전기차 충전 관련에서 심심치 않게 보이는 용어가 OCPP와 PnC인데, 이 두 가지는 전기차 충전 프로세스에서 '무엇과 무엇 사이의 대화'인지로 구분할 수 있다.OCPP(Open Charge Point Protocol): 충전기(HW)와 관제 서버(SW) 간의 통신 표준 규약으로, 충전기-관제서버가 대화하는 규칙이다. 과거에는 충전기 제조사마다 통신 방식이 달라서, 운영사(CPO)가 여러 제조사의 충전기를 통합해서 관리하기가 매우 어려웠다. 이를 해결하기 위해 전 세계적으로 통일한 'API 표준 가이드'라고 할 수 있다. 현재 시장의 대부분이 'OCPP 1.6' 버전을 사용 중이며 OCPP 2.0.1로 넘어..

[기획자의 하드웨어 5분 스터디] #031. 양산과 수율

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 연구실이나 책상 위에서 완벽하게 작동하는 기기(프로토타입) 1대를 만드는 것과, 공장의 컨베이어 벨트에서 동일한 품질의 기기 10,000대를 찍어내는 '양산(Mass Production)'은 완전히 다른 차원의 문제이다. 이때 가장 중요한 지표가 바로 '수율(Yield)'이다. 수율(Yield)이란, 공장에서 생산한 전체 제품 중에서 '불량이 없는 정상 제품의 비율'을 의미한다. 집에서 오븐으로 쿠키를 딱 1개 구울 때는 모양도 예쁘고 타지도 않게 완벽하게 구울 수 있다(프로토타입). 그런데 공장의 거대한 오븐에서 쿠키 10,000개를 한 번에 구워낼 때, 100개가 깨지거나 타버려서 버려야 한다면 이 공장..

[기획자의 하드웨어 5분 스터디] #030. HW/AI 도메인의 MVP 전략

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 소프트웨어의 MVP가 '핵심 기능만 있는 앱'을 빠르게 배포하는 것이라면, 하드웨어의 MVP는 '가장 싸고 빠르게 조립한 시제품'을 의미한다. 기기의 외형을 위한 금형을 파고 기판을 찍어내는 순간 엄청난 비용이 증발한다. 그래서 본격적인 양산 전에, 시중에 파는 부품들을 기괴하게 이어 붙여서라도 '고객이 이 서비스(결과물)에 돈을 지불할 것인가?'라는 핵심 가설만 저렴하게 테스트하는 단계인 것이다. 예를 들자면, 새로운 메뉴의 성공 가능성을 테스트하기 위해 수억 원을 들여 정식 레스토랑(하드웨어 양산)을 차리는 것이 아니라, 임시 푸드트럭이나 팝업 텐트(하드웨어 MVP)를 열어 사람들이 진짜 이 맛을 좋아하..

[기획자의 하드웨어 5분 스터디] #029. PoC(개념 증명)와 하드웨어 QA

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 소프트웨어는 버그가 나면 코드를 수정해서 패치하면 되지만, 하드웨어는 금형을 파고 수만 대를 찍어낸 뒤에 결함을 발견하면 회사가 엄청난 타격을 입게 된다. 그래서 본격적인 양산 전에 반드시 두 가지 관문을 거치게 된다.PoC(Proof of Concept, 개념 증명)'이 기술이 진짜 현실에서 작동하고, 비즈니스 가치가 있는가?'를 소규모로 먼저 검증하는 단계이다. 예를 들어 개발 중인 카메라 10대만 먼저 특정 환경에 설치해보는 식이다.하드웨어 QA(Quality Assurance, 품질 보증)앱의 버튼 동작을 확인하는 것을 넘어, 기기가 '물리적으로' 얼마나 튼튼하고 안정적인지 극한의 상황에서 테스트하는..

[기획자의 하드웨어 5분 스터디] #028. 원격 기기 관리(DM)와 OTA

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] 앱 서비스는 서버에 문제가 생기면 개발자가 마우스를 몇 번 클릭해서 재부팅하면 끝난다. 하지만 물리적인 하드웨어(CCTV, 센서 등)는 다르다. 제주도에 설치된 카메라가 먹통이 되었다고 매번 비행기를 타고 가서 전원 플러그를 뽑았다 꽂을 수는 없다. 그래서 중앙 서버에서 전국에 흩어진 기기들의 '건강 상태'를 실시간으로 모니터링하고 원격으로 제어하는 시스템이 필요한데, 이를 IoT 기기 관리(Device Management)라고 한다.OTA에 대해서는 얼마 전 #023. HW/SW 하이브리드 프로젝트 커뮤니케이션 편에서도 잠깐 이야기했었는데, 스마트폰이나 태블릿을 사용하다보면 새로운 소프트웨어로 업데이트하라..

[기획자의 하드웨어 5분 스터디] #027. 모델 경량화

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] AI가 수많은 정답지를 보고 학습을 마치면, 그 지식의 양이 엄청나게 방대해진다. 이 똑똑한 AI를 성능 좋은 거대한 서버에서 돌리면 문제가 없지만, 우리가 기획하는 현장의 작은 카메라나 센서 기기에 넣으려면 용량도, 연산 능력도 턱없이 부족하다. 그래서 AI의 똑똑함은 최대한 유지하면서 덩치와 무게를 확 줄이는 작업이 필요하다. 해외여행을 가기 위해 작은 기내용 캐리어에 짐을 싸는 것 같은 마음으로 부피와 무게 확 줄이기! 가지치기: 꼭 필요하지 않은 두꺼운 겨울옷이나 중복되는 티셔츠를 과감하게 빼버린다.(AI 신경망 중 덜 중요한 연결선을 끊어버린다)압축하기: 옷을 진공 압축팩에 넣어 부피를 절반으로 확..

[기획자의 하드웨어 5분 스터디] #026. 학습 데이터와 라벨링 기획

💡 하드웨어와 AI 도메인으로 시야를 넓혀가는 서비스 기획자의 5분 스터디 기록입니다. [개념] AI는 태어날 때부터 똑똑한 것이 아니라, 엄청난 양의 기출 문제를 풀면서 학습하게 된다. 이때 사진이나 영상 같은 원본 자료를 모으는 것뿐만 아니라, 그 자료에 '이 부분이 정답이야'라고 꼬리표를 달아주는 작업이 필요한데 이를 '라벨링'이라고 한다. 아이에게 '강아지'라는 개념을 처음 알려준다고 상상해 보자. 공원에서 뛰어노는 강아지의 사진만 보여주는 것이 아니라 사진 속 강아지를 정확히 가리키면서 '이게 강아지야'라고 짚어주게 된다. 여기에서 공원 사진은 '원본 데이터'이고, 강아지를 가리키면서 정답을 알려주는 행위를 '라벨링'이라고 할 수 있다. [최신 트렌드]과거에는 수백만 장의 사진에 사람이 마우스..