Techlist.io - 한국 테크 블로그 큐레이터

figma·2025년 7월 10일·3분 읽기큐레이션 요약

좋은 기업들과 함께: 소매

리테일 기업은 Figma를 활용해 고객 여정을 매끄럽게 만들고, 여러 디지털 접점에서 일관된 브랜드 경험을 구축하고 있다. Nuuly는 고객용·렌탈 운영용 디자인 시스템을 분리해 복잡한 의류 대여 과정을 단순화했으며, Figma 도입으로 협업과 개발 핸드오프를 개선했다. 글은 Ruggable과 GitHub 사례를 통해서도 디자인 시스템과 부서 간 협업이 전자상거래 경험을 강화한다고 설명한다. ## 변화하는 전자상거래 경험 - 오늘날 전자상거래는 단순한 상품 판매를 넘어 다음 요소를 함께 요구한다. - 고객 신뢰 형성 - 원활한 구매·이용 여정 - 여러 디지털 채널에서의 일관된 브랜드 경험 - 직원과 운영 조직의 업무 효율 - Nuuly, Ruggable, GitHub 등의 기업은 Figma를 중심으로 디자인·마케팅·개발·운영 조직의 협업을 강화하고 있다. - 디자인 시스템과 프로토타이핑 도구를 활용해 고객 접점뿐 아니라 내부 업무용 제품까지 체계적으로 설계한다. ## Nuuly의 의류 렌탈 경험 단순화 - 2019년 시작한 Nuuly는 특별한 날뿐 아니라 일상에서도 의류를 대여하는 문화를 확산시키려 한다. - 의류 렌탈에는 고객 경험 외에도 다음과 같은 복잡한 운영 과정이 필요하다. - 순환 재고 관리 - 의류 세탁 - 수선 및 재사용 - Nuuly는 서로 다른 목적을 가진 두 개의 디자인 시스템을 구축했다. - 고객이 사용하는 렌탈 서비스용 시스템 - 재고·세탁·수선 등을 관리하는 렌탈 운영용 시스템 - 색상과 타이포그래피를 토큰화해 계절과 브랜드 변화에 맞춰 쉽게 교체할 수 있도록 설계했다. ## 복잡한 렌탈 상태를 직관적으로 표현 - Nuuly는 복잡한 물류 기술을 고객에게 직접 노출하기보다, 렌탈 과정을 최대한 단순하고 직관적으로 보여주는 데 집중했다. - `My Nuuly` 기능은 고객의 Nuuly 가방을 중심으로 현재 상태와 다음 단계를 안내한다. - 이 기능은 26개가 넘는 렌탈 상태를 고객이 이해하기 쉬운 흐름으로 연결한다. - 물리적인 의류 배송 경험과 디지털 화면을 하나의 연속적인 고객 여정으로 통합한 사례다. ## Figma를 통한 디자인 시스템 통합 - Figma 도입 전 Nuuly의 디자인 시스템은 파일 크기와 서버 동기화 제약 때문에 여러 파일로 분산되어 있었다. - 총 16개 파일을 관리해야 했고 성능도 느렸다. - 2023년 Figma로 이전하면서 시스템을 재구축해 두 개의 단순한 Figma 라이브러리로 통합했다. - 그 결과: - 디자인 작업 속도가 빨라짐 - 네이티브 프로토타이핑으로 인터랙션 의도를 개발자에게 명확히 전달 - 디자인·개발 간 핸드오프 개선 - 조직 전체의 민첩성과 협업 수준 향상 ## 여러 부서로 확장된 협업 - Figma 도입은 UX 팀에만 국한되지 않고 콘텐츠 디자인팀과 스튜디오 사진팀으로 확산됐다. - FigJam과 Figma Slides를 통해 더 넓은 조직이 다음 업무에 참여했다. - 아이디어 발상 - 고객 여정 개선안 검토 - 신규 기능 논의 - 대표적인 사례로 구독자가 대여하지 않고 바로 구매할 수 있는 최종 판매 상품을 제공하는 `The Thrift Shop`이 소개된다. - 도구 통합으로 팀은 반복적인 파일 관리보다 협업과 창의적 탐색, 고객 중심 사고에 더 많은 시간을 쓸 수 있게 됐다. ## Ruggable과 GitHub 사례 - Ruggable은 소셜 미디어 광고, 홈페이지, 상품 상세 페이지 등 여러 디지털 표면에서 일관된 경험을 구축하는 사례로 소개된다. - GitHub는 Design Business Company와 협업해 개발자를 위한 전자상거래 스토어를 설계한 사례로 언급된다. - 두 사례 모두 전자상거래가 단일 웹페이지의 문제가 아니라 마케팅·브랜드·제품 경험을 연결하는 통합적인 디자인 과제임을 보여준다. Nuuly 사례는 복잡한 내부 운영을 고객에게는 간단한 경험으로 전달하려면, 고객용 화면과 운영 시스템을 함께 설계해야 한다는 점을 보여준다. 실무적으로는 디자인 토큰과 공유 라이브러리를 도입하고, 프로토타입과 협업 도구를 디자인·개발·마케팅 전반에 활용하는 것이 일관된 브랜드 경험과 빠른 개선에 효과적이다.

원문 읽기(새 탭에서 열림)

Figma디자인 시스템사용자 경험프로토타이핑+2

discord·2025년 7월 9일·4분 읽기큐레이션 요약

디스코드 패치 노트:

Discord의 2025년 7월 7일 패치에서는 대규모 서버 지원, 음성 통화 품질, 미디어 처리 성능과 모바일 안정성이 크게 개선됐다. 특히 서버 기본 멤버 한도가 50만 명에서 250만 명으로 늘었고, 대규모 서버의 멤버 목록 로딩과 자동 확장·모니터링 기능도 강화됐다. 이와 함께 AV1 첨부파일 지원, Push to Talk 지연 감소, 모바일 음성 끊김 문제 수정 등 성능과 안정성 개선이 폭넓게 진행됐다. ## 대규모 서버 성능과 확장성 개선 - 기본 서버 멤버 한도가 **500,000명에서 2,500,000명**으로 증가했다. - 대규모 서버에서 멤버 목록이 더 빠르게 로드되도록 개선해 탐색과 관리가 원활해졌다. - 서버별 성능 문제를 더 잘 감지하도록 모니터링 시스템을 개선했다. - 문제가 발생한 서버에 대해 자동으로 리소스를 확장하고 복구하는 기능도 강화됐다. - 사용자가 지원팀에 직접 문의하지 않아도 개별 서버의 성능 문제를 자동으로 완화하는 방향이다. ## 음성 채널과 Push to Talk 개선 - Voice Activity 모드에서 사용할 수 있는 **“Voice Activity Priority” 단축키 바인딩**이 추가됐다. - 권한이 있는 사용자가 우선 발언을 활성화하면 다른 우선순위가 낮은 사용자의 음량이 줄어들어 중요한 음성이 더 잘 들린다. - 데스크톱 앱의 Push to Talk 입력 처리가 변경돼 키를 누른 뒤 음성이 활성화되기까지의 지연 시간이 감소했다. - 일부 사용자에게 발생하던 심각한 Push to Talk 지연 문제를 집중적으로 개선했다. - 모바일에서 음성 채널 사용 중 다른 사람이 사용자의 음성을 듣지 못하던 장기적인 버그도 수정됐다. - 해당 문제는 특정 네트워크 제공업체 조건에서만 발생했으며, Discord는 원인을 확인한 뒤 수정했다고 밝혔다. ## AV1 및 이미지 처리 지원 - 모든 플랫폼에서 **AV1 비디오 파일 첨부와 임베드**를 지원한다. - 관련 작업을 통해 AVIF 처리 성능도 개선됐다. - 그 결과 미디어를 공유할 때 처리 속도와 지원 가능한 형식의 유연성이 향상됐다. ## 사용자 인터페이스와 접근성 개선 - 복합 유니코드 이모지가 채널 이름에서 올바르게 유지된다. - 예: `👩🏻‍🔬`이 `👩🏻🔬`로 분리되지 않음 - 예: `❤️`가 다른 형태의 하트 문자로 변환되지 않음 - 데스크톱과 웹에서 비어 있는 음성 채널을 선택할 때 커서와 상호작용하는 새로운 애니메이션이 추가됐다. - ESC 키로 채널을 다시 읽음 상태로 표시하는 기능이 복구됐다. - 이벤트의 “Starting on Tomorrow”와 같은 부자연스러운 문구가 수정됐다. - 긴 커스텀 상태와 Rich Presence가 함께 표시될 때 텍스트가 잘리는 문제를 해결했다. - 프로필 배너 애니메이션, 상태 확장 애니메이션, 이벤트 버튼 클릭 영역 등이 개선됐다. - 라이트 테마에서 전화번호 삭제 모달과 알림음 메뉴의 색상 문제를 수정했다. - 포럼 게시물의 우클릭 메뉴에 링크 복사 버튼을 추가했다. - 서버 탐색을 열 때 길드 목록이 맨 위로 이동하던 문제를 해결했다. - 여러 언어에서 포럼 채널 안내 문구가 잘리던 문제를 수정했다. ## 메시지 전송과 검색 관련 버그 수정 - 이미지 전송 실패 후 이후 모든 이미지 전송이 차단되던 메시지 파이프라인 문제를 수정했다. - 앱 재시작 없이는 이미지 전송이 복구되지 않던 상황을 방지했다. - 앱과 채팅을 열 때 빈 키보드가 표시되는 문제를 해결했다. - 설정 검색 중 로그 설정을 누르면 키보드가 닫히도록 변경해 안내 토스트가 가려지지 않게 했다. - 포럼 게시물 검색 중 데스크톱 앱을 새로 고침할 때 검색어가 새 주제 작성 화면에 잘못 입력되던 문제를 수정했다. - 검색 필터 제안이 탭 뒤에 가려지지 않도록 개선했다. ## 모바일 및 Android·iOS 수정 - Android에서 “Gift Nitro” 버튼을 반복해서 눌러도 여러 개의 오버레이가 생성되지 않는다. - 특정 Nitro 흐름에서 닫을 수 없는 빛나는 선물 버튼이 나타나던 문제를 수정했다. - iOS에서 알림을 밀어 닫으려 할 때 알림이 열리던 문제를 해결했다. - QR 코드 로그인 링크로 앱을 실행할 때 카메라 권한이 사전에 허용되지 않았으면 오류가 발생하던 문제를 수정했다. - iOS에서 서버 탐색 버튼이 프로필로 잘못 이동하던 문제를 해결했다. - 일시적으로 모바일 프로필 배너 애니메이션이 중단되던 문제를 수정했다. ## 서버 관리와 권한 기능 수정 - 채널을 이동하는 동안 오디오 파일이 재생 중이어도 멤버 목록이 올바르게 갱신된다. - 서버 템플릿 이름에서 문자를 삭제한 변경 사항을 데스크톱에서 저장할 수 없던 문제를 해결했다. - 채널 권한의 연락처 메뉴에서 불필요한 “Copy Role ID” 옵션을 제거했다. - 다른 사용자의 연결된 역할을 제거하려다 자신의 역할이 제거되던 버그를 수정했다. - AutoMod 규칙을 삭제한 뒤 목록에서 즉시 사라지지 않던 문제를 해결했다. - 채널 설정의 “Add Role” 인터페이스가 스크롤할 때 움직이지 않도록 수정했다. - 숨겨진 Overlay 위젯이 화면에서 보이지 않는데도 해당 영역의 상호작용을 막던 문제를 해결했다. - Mod View 제목 문구와 이벤트의 추가 옵션 버튼 등 관리 화면의 UX를 다듬었다. 이번 패치는 대규모 커뮤니티 운영에 필요한 확장성과 음성·미디어 처리 성능을 강화하는 동시에, 데스크톱·웹·Android·iOS 전반의 자잘하지만 반복적인 UI 및 안정성 문제를 폭넓게 해결한 업데이트다. 다만 수정 사항은 플랫폼별로 순차 배포될 수 있으므로, 문제가 계속되면 최신 버전 적용 여부를 확인하는 것이 좋다.

원문 읽기(새 탭에서 열림)

discordAndroidiOS성능 최적화+3

google·2025년 7월 9일원문

관계형 데이터를 위한 그래프 파운데이션 모델 (새 탭에서 열림)

구글 리서치는 관계형 데이터베이스의 테이블 간 연결 구조를 그래프로 변환하여 처리하는 '그래프 파운데이션 모델(Graph Foundation Models, GFM)'을 제안합니다. 이 모델은 기존의 테이블 기반 머신러닝이나 특정 그래프에 고착된 기존 GNN과 달리, 학습되지 않은 새로운 도메인의 테이블 구조와 기능, 작업에도 추가 학습 없이 일반화할 수 있는 성능을 보여줍니다. 데이터 간의 상호작용과 연결성을 학습함으로써 대규모 관계형 데이터를 보다 정교하게 예측하고 분석할 수 있는 것이 핵심입니다. **관계형 데이터의 그래프 구조화** * 수많은 테이블로 구성된 복잡한 관계형 데이터를 하나의 이종 그래프(Heterogeneous Graph)로 통합하여 데이터 간의 연결성을 보존합니다. * 각 테이블은 고유한 노드 유형이 되고, 테이블의 각 행(Row)은 개별 노드가 되며, 외래 키(Foreign Key) 관계는 노드 사이의 유형화된 엣지(Edge)로 변환됩니다. * 수치형이나 범주형 데이터가 포함된 나머지 열(Column)들은 노드의 특성(Feature)으로 처리되며, 시간 정보 또한 노드나 엣지의 특성으로 반영할 수 있습니다. * 이러한 변환 과정을 통해 단순한 테이블 단위 분석에서는 놓치기 쉬운 행 간의 유기적인 연결 구조를 모델이 학습할 수 있게 됩니다. **범용성을 갖춘 그래프 파운데이션 모델 설계** * 언어 모델의 트랜스포머와 유사하게, 그래프 데이터에서도 도메인에 구애받지 않고 전이 가능한 표현력을 학습하는 고용량 신경망 구조를 채택했습니다. * 그래프 데이터에는 텍스트의 토큰이나 이미지의 패치와 같은 공통된 단위가 없으므로, 임의의 데이터베이스 스키마와 노드/엣지 유형을 처리할 수 있는 전이 가능한 인코딩 방식을 도입했습니다. * 특정 데이터 분포에 고정된 임베딩 테이블을 사용하는 대신, 다양한 작업에서 기능들이 서로 상호작용하는 방식을 캡처함으로써 학습하지 않은 새로운 그래프(예: 인용 그래프에서 학습 후 제품 그래프로 추론)에서도 작동하는 일반화 성능을 확보했습니다. **구글 규모의 실전 적용 및 성능** * JAX 환경과 대규모 TPU 인프라를 활용해 수십억 개의 노드와 엣지를 포함하는 거대 그래프를 효율적으로 처리할 수 있도록 설계되었습니다. * 광고 스팸 탐지와 같이 수십 개의 테이블이 얽혀 있는 구글 내부의 실제 대규모 분류 작업에 적용하여 그 실효성을 검증했습니다. * 기존의 테이블 머신러닝 베이스라인 모델들이 행 간의 연결 관계를 고려하지 못하는 한계를 극복하고, 복잡한 관계형 데이터에서 뛰어난 예측 성능을 입증했습니다. 기업 내부에 산재한 수많은 관계형 테이블을 개별적으로 모델링하는 대신, 이를 하나의 거대한 그래프 생태계로 통합하여 바라보는 접근이 필요합니다. GFM은 데이터 스키마가 변경되거나 새로운 도메인이 추가되어도 다시 처음부터 모델을 학습시킬 필요가 없으므로, 대규모 데이터 인프라를 운영하는 환경에서 유연하고 강력한 분석 도구가 될 것입니다.

AItransformerjaxgraph-learning+5

line·2025년 7월 9일원문

코드 품질 개선 기법 16편: 불이 'null'인 굴뚝에 연기가 'null'이 아닐 수 없다 (새 탭에서 열림)

널 객체(null object) 패턴은 `null` 대신 '비어 있음'을 나타내는 객체를 사용하여 호출부의 코드를 단순화하고 예외 처리를 줄이는 유용한 디자인 패턴입니다. 그러나 일반적인 상태와 오류 상태를 명확히 구분해야 하는 상황에서 이 패턴을 무분별하게 사용하면, 컴파일러의 정적 검증을 우회하게 되어 오히려 버그를 발견하기 어렵게 만듭니다. 따라서 오류 처리가 필수적인 로직에서는 널 객체 대신 언어 차원의 `null`이나 `Optional` 타입을 사용하여 타입 안정성을 확보하는 것이 권장됩니다. ### 널 객체 패턴의 활용과 장점 널 객체 패턴은 유효하지 않은 값이나 비어 있는 상태를 특정 객체로 정의하여 프로그램의 흐름을 끊지 않도록 돕습니다. - **코드 단순화**: 컬렉션의 경우 `null` 대신 빈 리스트(`.orEmpty()`)를 반환하면 호출 측에서 별도의 널 체크 없이 즉시 순회(iteration) 로직을 수행할 수 있습니다. - **폴백 데이터 제공**: UI 표시를 위한 데이터 모델에서 '알 수 없는 사용자'와 같은 기본 객체를 정의하면, 데이터가 없는 경우에도 화면 레이아웃을 깨뜨리지 않고 기본 정보를 안전하게 보여줄 수 있습니다. - **로직 통합**: 경계 조건이나 오류 상황을 일반적인 비즈니스 로직에 자연스럽게 통합시켜 코드의 가독성을 높입니다. ### 널 객체 패턴이 유발하는 타입 안정성 문제 오류 상태를 일반 객체처럼 취급하게 되면 개발자가 의도적으로 해당 상태를 확인해야 하는 로직을 누락했을 때 이를 잡아낼 방법이 부족해집니다. - **컴파일 타임 검증 부재**: `isInvalid`와 같은 속성으로 오류를 확인해야 하는 널 객체를 사용하면, 확인 로직을 잊더라도 컴파일러는 이를 정상적인 코드로 인식합니다. - **런타임 버그 발생**: 유효하지 않은 널 객체가 시스템 내부에서 계속 전달되다가 예상치 못한 지점에서 오작동을 일으킬 수 있으며, 이는 즉시 런타임 오류가 발생하는 것보다 원인 파악이 더 어렵습니다. - **대안으로서의 정적 타입**: Kotlin의 널 가능 타입(`?`)이나 Swift의 `Optional`을 사용하면 컴파일러가 강제로 널 처리를 요구하므로, 오류 조건과 일반 조건을 명확히 분리하여 처리할 수 있습니다. ### 널 객체 패턴 사용 시 주의할 점: 동일성과 동등성 널 객체를 정의하고 비교할 때는 객체의 비교 방식에 각별히 유의해야 합니다. - **동일성(Identity) 문제**: `UserModel.INVALID`와 같은 정적 인스턴스를 `==` 연산자로 비교할 때, 해당 클래스에 `equals`가 적절히 구현되어 있지 않으면 내용이 같더라도 다른 객체로 판별될 위험이 있습니다. - **값 기반 비교의 한계**: 단순히 기본값(ID 0, 빈 문자열 등)을 채워 넣은 새 객체를 생성해 비교할 경우, 실제 '무효한 상태'를 나타내는 싱글톤 객체와 일치하지 않아 로직 오류가 발생할 수 있습니다. ### 상황에 맞는 도구 선택 제안 널 객체 패턴은 만능 해결책이 아니며, 상황에 따라 적절한 도구를 선택하는 것이 중요합니다. - **널 객체를 권장하는 경우**: 일반적인 경우와 오류/경계 상황을 굳이 구분할 필요가 없거나, '오류'를 나타내는 후보가 너무 많아 정적 검증이 오히려 복잡해질 때 사용합니다. - **정적 타입을 권장하는 경우**: 비즈니스 로직상 오류 상태를 반드시 인지하고 별도의 처리(예: 에러 다이얼로그 표시)를 수행해야 한다면 널 객체 대신 언어에서 제공하는 `null`이나 `Optional`을 활용하여 타입 시스템의 보호를 받아야 합니다.

Kotlin코드 품질type-safetydesign-patterns+2

google·2025년 7월 8일원문

MedGemma: 의료 AI 개발 (새 탭에서 열림)

구글 리서치가 발표한 MedGemma는 의료 AI 개발을 가속화하기 위해 설계된 오픈 모델 컬렉션으로, 높은 성능과 효율성, 개인정보 보호를 동시에 제공합니다. 이번 발표에서는 27B 멀티모달 모델과 경량 인코더인 MedSigLIP이 추가되어 복잡한 의료 기록 해석부터 영상 진단 지원까지 폭넓은 활용이 가능해졌습니다. MedGemma는 기존의 고성능 대형 모델에 필적하는 의학적 지식 능력을 갖추면서도 단일 GPU나 모바일 기기에서도 구동할 수 있는 최적화된 설계를 자랑합니다. **MedGemma 모델군의 주요 구성과 성능** * **MedGemma 4B 멀티모달:** 80억 파라미터 미만의 소형 모델 중 최고 수준인 MedQA 64.4%를 기록했습니다. 특히 흉부 X선 보고서 생성 실험에서 전문의로부터 81%의 보고서가 실제 환자 관리에 지장이 없을 정도로 정확하다는 평가를 받았습니다. * **MedGemma 27B 모델:** 텍스트 전용 및 멀티모달 변체가 포함되며, MedQA에서 87.7%의 높은 점수를 기록했습니다. 이는 선도적인 오픈 모델인 DeepSeek R1에 근접한 성능이지만, 추론 비용은 약 10분의 1 수준에 불과합니다. * **복합 데이터 처리:** 텍스트와 이미지는 물론, 장기적인 전자 건강 기록(EHR) 데이터까지 해석할 수 있어 복잡한 임상 상황에 대한 통찰을 제공합니다. **범용성과 전문성을 결합한 학습 방식** * **Gemma 3 기반 아키텍처:** 최신 Gemma 3 모델을 의료 데이터로 튜닝하여 의학적 전문성을 확보했습니다. 이 과정에서 일반적인 명령어 수행 능력과 다국어 성능을 유지하여 의료와 비의료 정보가 섞인 작업도 원활히 수행합니다. * **의료 최적화 인코더 결합:** 의료 영상에 특화된 MedSigLIP 인코더를 결합하여 시각적 질의응답(VQA) 및 보고서 생성 업무에서 정밀한 분석이 가능합니다. * **높은 유연성:** 개발자가 특정 의료 목적에 맞춰 미세 조정(Fine-tuning)하기 용이하며, 실제로 흉부 X선 보고서 생성 작업에서 SOTA(최고 수준) 성능인 RadGraph F1 30.3점을 달성했습니다. **경량 의료 영상 인코더 MedSigLIP** * **초경량 설계:** 4억 개(400M)의 파라미터로 구성된 효율적인 인코더로, 영상 분류, 검색, 임베딩 기반 작업에 최적화되어 있습니다. * **다양한 의료 모달리티 학습:** 흉부 X선, 조직 병리, 피부과, 안저 영상 등 광범위한 데이터를 학습하여 각 의료 분야의 미세한 특징을 정확히 포착합니다. * **범용성 보존:** 의료 영상뿐만 아니라 기존 SigLIP이 가진 자연물 이미지에 대한 성능도 유지하여 다양한 시각적 맥락을 이해할 수 있습니다. 의료 AI 연구자와 개발자는 프로젝트의 성격에 따라 모델을 전략적으로 선택할 수 있습니다. 자유로운 텍스트 생성이 필요한 보고서 작성이나 질의응답에는 MedGemma 모델군이 적합하며, 영상 분류나 데이터 검색과 같은 구조화된 작업에는 MedSigLIP이 권장됩니다. 특히 4B 모델과 MedSigLIP은 모바일 하드웨어에서도 구동이 가능하므로, 개인정보를 보호하면서 현장에서 즉시 활용 가능한 온디바이스 의료 AI 솔루션을 구축하는 데 강력한 토대가 될 것입니다.

생성형 AI멀티모달 AIfine-tuningmedgemma+4

figma·2025년 7월 2일·3분 읽기큐레이션 요약

Config 2025의 비

Figma는 Config 2025의 브랜드를 고정된 스타일이 아니라 다양한 매체와 상황에 유연하게 적용되는 시각 시스템으로 설계했다. 기본 도형에서 출발한 애니메이션 글리프와 컴포넌트 라이브러리를 활용해 컨퍼런스의 주제인 창작, 표현, 변화, 적응성을 표현했다. 그 결과 무대 화면부터 공간 장식, 소셜 콘텐츠, 배지와 굿즈까지 일관되면서도 확장 가능한 몰입형 경험을 구축했다. ## 대규모 행사를 위한 유연한 브랜드 시스템 - Config는 샌프란시스코와 런던에서 1만 명 이상이 참석하고, 온라인으로 수만 명이 시청하는 대형 사용자 컨퍼런스다. - Brand Studio 팀은 행사 시작 약 10개월 전부터 시각 아이덴티티 개발에 착수했다. - 브랜드 작업 범위는 다음과 같이 넓었다. - 메인 스테이지 화면 - 디지털 콘텐츠와 소셜 미디어 - 행사장 공간 경험 - 참석자 배지 - 굿즈와 각종 인쇄물 - 행사가 진행되며 요구사항과 제약이 달라질 수 있으므로, 처음부터 여러 환경에 대응할 수 있는 시스템을 만드는 것이 중요했다. ## 기본 도형에서 출발한 글리프 콘셉트 - Figma 브랜드의 핵심인 형태, 글리프, 프리미티브를 Config의 시각 언어로 확장했다. - 초기 단계에서는 무드보드나 구체적인 스타일보다 콘셉트 자체를 먼저 탐색했다. - 실행 방식을 지나치게 일찍 제한하면 결과물이 뻔하고 평면적으로 보일 수 있기 때문에, 콘셉트는 명확히 하되 표현 방식은 열어두었다. - 시각 콘셉트는 소셜 게시물, 대형 디지털 스크린, 실제 공간 설치물 등 서로 다른 크기와 매체에 적용될 수 있어야 했다. ## ‘늘어나고 흔들리는’ 글리프의 구조 - 각 글리프는 내부 요소와 외부 요소로 구성되며, 두 요소가 서로 반응하도록 설계됐다. - 글리프와 구성 요소의 변화는 창작 과정에서 나타나는 역동성, 변화, 적응성을 상징한다. - 정적인 그래픽에 그치지 않고 움직임을 통해 시각적 에너지를 강화했다. - 하나의 글리프가 움직이면 주변에 파동을 일으킨다. - 파동은 전체 구성을 변화시키며 연쇄적인 움직임을 만든다. - 이 구조 덕분에 같은 시각 언어를 사용하면서도 각 화면과 공간에서 서로 다른 조합과 움직임을 구현할 수 있었다. ## 컴포넌트 기반의 협업과 확장 - 팀은 Figma 안에서 글리프 라이브러리를 만들었다. - 글리프를 컴포넌트로 제작해 파트너와 외부 제작업체가 쉽게 재사용하고 수정할 수 있도록 했다. - 컴포넌트 기반 시스템의 장점은 다음과 같다. - 여러 표면과 매체에 빠르게 적용 가능 - 구성 요소를 교체하거나 커스터마이즈하기 쉬움 - 행사 전체의 시각적 일관성 유지 - 새로운 요구사항이 생겨도 기존 시스템 안에서 대응 가능 ## 제품 출시와 연결된 창작의 메시지 - Config 2025에서는 Figma Draw와 Figma Sites 등 사용자의 창의적 표현을 확장하는 제품 출시가 예정되어 있었다. - 이에 따라 시각 콘셉트도 단순한 장식보다 “더 자유롭고 예상 밖의 방식으로 자신을 표현한다”는 메시지에 초점을 맞췄다. - 글리프의 유기적인 움직임과 다양한 조합은 제품이 사용자의 창작 가능성을 넓힌다는 의미와 연결됐다. ## 새 Figma 브랜드 요소의 적용 - Config 2025는 Figma가 최근 진행한 브랜드 리프레시의 색상 체계와 새 서체인 Figma Sans를 활용할 수 있는 시점에 진행됐다. - 기존 브랜드 요소를 그대로 복사한 것이 아니라 Config의 행사 목적과 분위기에 맞게 변형해 사용했다. - 이를 통해 Config만의 표현력을 확보하면서도 Figma 전체 브랜드와의 연결성을 유지했다. Config처럼 규모가 크고 여러 채널에서 동시에 운영되는 행사는 처음부터 완성된 이미지 하나를 만드는 것보다, 재조합과 변형이 가능한 디자인 시스템을 구축하는 편이 효과적이다. 명확한 콘셉트, 컴포넌트화된 자산, 애니메이션 규칙을 함께 설계하면 행사 규모가 커져도 일관성과 창의성을 동시에 유지할 수 있다.

원문 읽기(새 탭에서 열림)

Figmatypographymotion-designfigma-draw+3

figma·2025년 7월 1일·4분 읽기큐레이션 요약

생산성 저하 없는 Santa 배

Figma는 macOS용 오픈소스 바이너리 승인 도구인 Santa를 전사 노트북에 도입해 엔드포인트 보안을 강화하면서도 업무 중단을 최소화했다. 핵심 전략은 파일 접근 제한으로 먼저 성과를 낸 뒤, 모니터링 모드에서 실제 실행 데이터를 수집하고, 단계적으로 허용 목록과 차단 정책을 적용하는 것이다. 이를 통해 보안 강화와 사용자 생산성 사이의 균형을 맞췄다. ## 바이너리 승인과 계층형 엔드포인트 보안 - 바이너리 승인은 기기에서 승인된 애플리케이션만 실행하도록 제한하는 방식이다. - 악성코드가 엔드포인트에서 실행되는 것을 막아 공격 표면을 줄일 수 있다. - 다만 허용된 바이너리가 실행하는 스크립트, 확장 프로그램, 플러그인까지 통제하지는 못하므로 여러 보안 계층 중 하나로 활용해야 한다. - Santa는 다음 두 가지 모드를 제공한다. - **모니터링 모드**: 바이너리 실행 정보를 기록하지만 차단하지 않음 - **잠금 모드**: 허용 목록에 없는 바이너리 실행을 차단함 ## 파일 접근 권한으로 먼저 성과 만들기 - Santa의 파일 접근 권한(FAA)은 특정 파일에 접근할 수 있는 애플리케이션과 프로세스를 제한한다. - Figma는 공격자가 탈취를 시도하기 쉬운 브라우저 쿠키를 보호하는 데 FAA를 활용했다. - 브라우저 애플리케이션만 쿠키에 접근하도록 제한해, 악성 스크립트가 인증 정보를 읽는 위험을 줄였다. - FAA는 사용자의 일반적인 작업 흐름에 거의 영향을 주지 않기 때문에, 바이너리 실행 차단보다 먼저 도입하기에 적합했다. ## 허용 목록 규칙의 종류 Santa는 애플리케이션의 신뢰성을 식별하는 여러 규칙 유형을 지원한다. - **Binary**: 바이너리의 SHA-256 해시를 기준으로 허용한다. - 파일이 변조되면 해시가 달라져 기존 규칙이 무효화된다. - 가장 정밀하지만 업데이트마다 규칙 관리가 필요하다. - **TeamID**: Apple 개발자 팀이 서명한 모든 바이너리를 허용한다. - 특정 공급자의 여러 애플리케이션을 폭넓게 허용할 수 있다. - **SigningID**: 특정 개발자 서명 식별자에 해당하는 바이너리만 허용한다. - TeamID보다 좁은 범위로 통제할 수 있다. - **Compiler/Transitive**: 지정된 컴파일러가 만든 바이너리를 자동 허용한다. - 개발 환경처럼 빌드 산출물이 자주 바뀌는 경우 유용하다. - **PathRegex**: 파일 경로에 따라 허용하거나 차단한다. - 우회 가능성이 있어 신중하게 사용해야 한다. ## 모니터링 모드로 실제 사용 패턴 파악 - Figma는 처음부터 잠금 모드를 적용하지 않고 전사 기기에 모니터링 모드로 Santa를 배포했다. - 이 방식으로 모든 바이너리 실행 기록을 수집하면서 사용자 작업을 방해하지 않았다. - 수집된 데이터는 다음을 파악하는 데 활용됐다. - 직원들이 실제로 사용하는 애플리케이션 - 승인된 소프트웨어가 실행되는 방식 - 허용 목록에 추가해야 할 예외와 누락된 프로그램 - 이후 데이터를 분석해 잠금 모드에서 차단될 대상을 예측하고, 업무 중단을 줄이는 맞춤형 허용 목록을 구성했다. ## TeamID와 SigningID를 활용한 초기 허용 목록 - Figma는 Apple 개발자 인증서를 활용하는 **TeamID**와 **SigningID** 규칙부터 적용했다. - Zoom, Slack, Chrome, Notion, GitHub 등 회사에서 승인한 주요 애플리케이션을 규칙에 포함했다. - 이 규칙만으로도 Figma 기기에서 발생하는 바이너리 실행의 상당 부분을 처리할 수 있었다. - 이후 허용 목록에 포함되지 않은 실행 기록을 별도로 분석해 추가 규칙과 예외를 마련했다. - TeamID는 관리가 간편하지만 해당 개발자 팀이 서명한 모든 바이너리를 허용할 수 있고, SigningID는 더 세밀하지만 규칙 관리가 복잡해질 수 있다. ## 단계적 도입으로 생산성 보호 - 바이너리 승인 도구는 잘못 구성하면 개발 도구나 업무 애플리케이션까지 차단할 수 있다. - Figma는 다음과 같은 순서로 위험을 낮췄다. - 사용자 영향이 거의 없는 FAA부터 도입 - Santa를 모니터링 모드로 배포 - 실행 데이터를 기반으로 허용 목록 작성 - 주요 애플리케이션과 공급자에 대한 규칙 적용 - 충분히 검증한 뒤 잠금 모드로 전환 - 이 접근법은 보안팀이 정책을 추측해 작성하는 대신, 실제 조직의 소프트웨어 사용 데이터를 바탕으로 정책을 설계하게 한다. 실무적으로는 바이너리 차단을 한 번에 전면 적용하기보다, 파일 접근 제어와 모니터링부터 시작하는 것이 안전하다. 이후 TeamID·SigningID 같은 서명 기반 규칙으로 기본 허용 목록을 구성하고, 실제 실행 로그와 사용자 예외 요청을 반영하면서 잠금 범위를 점진적으로 확대하는 방식을 추천할 수 있다.

원문 읽기(새 탭에서 열림)

macosendpoint-securitysantabinary-authorization+2

discord·2025년 7월 1일원문

디스코드 업데이트: (새 탭에서 열림)

디스코드는 사용자 개성을 표현하는 프로필 기능과 커뮤니티 가시성을 높이는 '서버 태그'를 도입하며 사용자 경험을 한층 강화했습니다. 이와 더불어 퀵 스위처 알고리즘 개선, 모바일 이미지 품질 향상 등 기술적 최적화를 통해 소통의 효율성을 높이는 데 집중하고 있습니다. 이번 업데이트는 단순한 기능 추가를 넘어 사용자들이 소속감을 더 직관적으로 드러내고 편리하게 대화할 수 있는 환경을 구축하는 데 결론을 두고 있습니다. ### 서버 태그를 통한 커뮤니티 정체성 강화 * 사용자 이름 옆에 자신이 소속된 서버나 좋아하는 게임 커뮤니티를 나타내는 '서버 태그(Server Tags)' 기능이 추가되었습니다. * 다른 사용자가 태그를 클릭하면 해당 서버의 상세 정보를 확인할 수 있으며, 관리자 설정에 따라 즉시 가입하거나 가입 신청을 보낼 수 있습니다. * 서버 부스트 3단계를 달성하면 커뮤니티 관리자가 서버 태그 기능을 활성화하여 구성원들이 이를 프로필 설정에서 사용할 수 있게 됩니다. ### 프로필 개인화 및 시각적 요소 업데이트 * 데스크톱 앱에서 최근에 사용한 프로필 이미지(Avatar) 6개를 저장하여, 매번 이미지를 새로 업로드할 필요 없이 이전 이미지로 빠르게 교체할 수 있습니다. * Nitro 멤버는 퀘스트를 통해 획득한 한정판 아바타 장식을 기존 2개월 제한을 넘어 훨씬 더 오랜 기간 유지할 수 있게 되었습니다. * 상점에 새로운 네임플레이트가 대거 추가되었으며, 서버 부스트를 통해 역할(Role) 이름에 화려한 그라데이션 효과를 주는 '향상된 역할 스타일' 기능을 사용할 수 있습니다. ### 메시징 편의성 및 성능 최적화 * **퀵 스위처(Quick Switcher) 개선:** 사용자가 실제로 이동하고자 하는 채널이나 DM을 더 정확하게 예측하여 보여주도록 알고리즘이 고도화되었습니다. * **이메일 마크다운 지원:** 이메일 주소를 `<example@email.com>`과 같이 괄호 안에 넣으면 클릭 시 즉시 메일 작성 화면으로 연결되는 하이퍼링크가 생성됩니다. * **모바일 이미지 품질 향상:** 모바일 앱의 이미지 압축 방식을 개선하여 저화질 이미지의 임베드 품질을 높였으며, 전반적인 이미지 업로드 및 렌더링 속도가 향상되었습니다. ### Discord 내 액티비티: Wordle 도입 * 채팅창에 `/wordle` 명령어를 입력하면 New York Times의 Wordle 게임을 Discord 내에서 바로 플레이할 수 있는 액티비티 기능이 추가되었습니다. * 게임 결과를 `/share` 명령어로 다른 채널이나 DM에 공유하여 친구들과 정답 맞히기 기록을 비교하고 경쟁할 수 있습니다. 커뮤니티를 운영 중인 관리자라면 서버 부스트를 활용해 '서버 태그'와 '역할 그라데이션'을 활성화하여 멤버들에게 소속감과 시각적 즐거움을 제공해 보시기 바랍니다. 또한, 평소 채널 이동이 잦은 사용자라면 개선된 퀵 스위처를 통해 더 빠르게 대화에 참여할 수 있습니다.

사용자 경험markdownmobile-developmentimage-compression+2

figma·2025년 7월 1일원문

피그마, 라틴 아 (새 탭에서 열림)

Figma가 중남미 디자인 및 개발자 커뮤니티와의 접점을 넓히기 위해 라틴 아메리카 스페인어 현지화 버전을 공식 출시했습니다. 이번 업데이트는 단순한 번역을 넘어 문화적으로 최적화된 UI와 전용 지원 시스템을 포함하며, 전 세계 활성 사용자의 85%가 미국 외 지역에 거주하는 Figma의 글로벌 확장 전략의 일환입니다. 이를 통해 중남미 지역 기업들은 디자인 시스템을 더 효율적으로 확장하고 제품 개발 생산성을 높일 수 있게 되었습니다. ### 라틴 아메리카 시장의 성장과 현지화 배경 * **다섯 번째 현지화 언어:** 일본어, 스페인어(본토), 한국어, 브라질 포르투갈어에 이어 라틴 아메리카 스페인어가 Figma의 다섯 번째 공식 현지화 언어로 채택되었습니다. * **폭발적인 커뮤니티 성장:** 지난 한 해 동안 라틴 아메리카 지역에서만 1,000만 개 이상의 Figma 파일이 생성되었을 정도로 해당 지역의 창의적 에너지가 높습니다. * **주요 고객사 확보:** iFood, Mercado Libre, Nubank 등 중남미를 대표하는 유니콘 기업과 대형 금융기관들이 이미 Figma를 통해 디자인과 엔지니어링 워크플로우를 통합하고 있습니다. * **문화적 최적화:** 단순 텍스트 번역에 그치지 않고, 지역 사용자의 문화적 특성을 반영한 인터페이스와 전담 고객 지원을 통해 현지 기업들이 더 원활하게 제품을 설계할 수 있도록 돕습니다. ### 글로벌 플랫폼으로서의 데이터와 지표 * **압도적인 해외 사용자 비중:** 2024년 4분기 기준, Figma 월간 활성 사용자(MAU)의 약 85%가 미국 이외의 지역에 분포하고 있습니다. * **글로벌 매출 구조:** 2024년 전체 매출의 50% 이상이 미국 이외의 글로벌 시장에서 발생하며 명실상부한 글로벌 플랫폼으로 자리 잡았습니다. * **다양해진 사용자 직군:** 전체 사용자의 약 30%가 스스로를 개발자로 정의하고 있으며, 전통적인 디자이너 역할을 넘어 협업에 참여하는 비중이 전체 MAU의 2/3에 달합니다. ### 협업 환경에 주는 시사점 * **직군 간 장벽 완화:** 현지어 지원은 디자이너뿐만 아니라 제품 매니저, 개발자 등 다양한 이해관계자들이 디자인 시스템에 더 쉽게 접근하고 소통하게 만듭니다. * **글로벌 표준화 가속:** 전 세계 어디서든 동일한 수준의 현지화된 도구를 사용할 수 있게 됨에 따라, 다국적 기업 내에서의 협업 생산성이 더욱 향상될 것으로 기대됩니다. * **디자인 경쟁력 강화:** 현지 문화를 반영한 제품 제작이 쉬워지면서, 각 지역 기업들이 차별화된 사용자 경험(UX)을 신속하게 구축하고 시장에 배포할 수 있는 토대가 마련되었습니다.

Figma디자인 시스템프로덕트 디자인사용자 인터페이스+2

google·2025년 7월 1일원문

소리 위치 파악 기술 (새 탭에서 열림)

구글 리서치와 딥마인드가 발표한 '스피치컴퍼스(SpeechCompass)'는 다중 마이크를 활용한 음원 위치 추적 기술을 통해 모바일 자막 서비스의 가독성과 접근성을 혁신적으로 개선합니다. 기존의 실시간 자막 앱들이 여러 명의 발화 내용을 구분 없이 나열하던 한계를 극복하기 위해, 이 시스템은 소리가 들려오는 방향을 실시간으로 계산하여 발화자별로 색상과 화살표 지표를 제공합니다. 이를 통해 사용자는 복잡한 설정 없이도 그룹 대화에서 '누가, 어느 방향에서' 말하고 있는지를 직관적으로 파악할 수 있습니다. ### 기존 모바일 자막 기술의 한계와 해결책 * **인지 부하 문제:** 기존의 실시간 자막(Live Transcribe) 서비스는 모든 대화 내용을 하나의 텍스트 흐름으로 합쳐서 보여주기 때문에, 여러 명의 대화자가 섞여 있을 때 누가 어떤 말을 했는지 구분하기 어렵고 사용자의 인지적 부담이 큽니다. * **기존 방식의 제약:** 시각 정보를 활용한 발화자 분리는 카메라 시야 확보가 필요하고, 음성 특징점(Voiceprint) 기반 방식은 각 화자의 목소리를 미리 등록해야 하는 번거로움과 프라이버시 문제가 존재합니다. * **위치 기반 접근:** SpeechCompass는 대화자들이 물리적으로 서로 다른 위치에 있다는 점에 착안하여, 소리의 방향 정보를 활용해 발화자를 분리(Diarization)하고 시각적 가이드를 제공합니다. ### 다중 마이크를 이용한 실시간 음원 위치 추적 * **TDOA 알고리즘:** 각 마이크에 소리가 도달하는 시간 차이(Time-Difference of Arrival)를 이용해 소리의 도달 각도를 계산합니다. * **GCC-PHAT 적용:** 위상 변환을 이용한 일반화된 상호 상관(Generalized Cross Correlation with Phase Transform) 기법을 사용하여 소음 환경에서의 내성을 높이고 연산 속도를 최적화했습니다. * **정밀도 향상:** 커널 밀도 추정(Kernel Density Estimation)과 같은 통계적 기법을 결합하여 위치 추적의 정밀도를 높였으며, 4개의 마이크를 탑재한 전용 케이스는 360도 전 방향 감지를 지원합니다. 일반 스마트폰의 마이크 2개로도 소프트웨어 구현을 통해 180도 범위 내에서 작동이 가능합니다. ### 하드웨어 및 소프트웨어 구현의 효율성 * **저사양 최적화:** 별도의 거대 머신러닝 모델이나 가중치가 필요 없는 알고리즘 기반 방식이므로, 저전력 마이크로컨트롤러와 제한된 메모리 환경에서도 원활하게 작동합니다. * **낮은 지연 시간과 프라이버시:** 음성의 고유 특성을 추출할 필요 없이 소리의 물리적 성질만 활용하므로 실시간 처리가 가능하며, 개인 식별 정보나 비디오 데이터를 요구하지 않아 사용자 프라이버시를 강력하게 보호합니다. * **범용성:** 특정 언어에 의존하지 않는 기술이므로 전 세계 모든 언어에 즉시 적용 가능하며, 대화 장소를 옮기거나 휴대폰 위치를 바꿔도 즉각적으로 환경에 재적응합니다. ### 사용자 인터페이스와 실용성 * **시각적 분리:** 안드로이드 앱 인터페이스에서 각 발화자는 고유의 색상으로 구분되며, 대화창 옆에 표시되는 화살표 아이콘을 통해 발화자의 방향을 실시간으로 알려줍니다. * **접근성 향상:** 청각 장애인이나 난청 사용자가 그룹 대화의 흐름을 놓치지 않도록 돕고, 회의록 작성이나 다국어 번역 시에도 발화 주체를 명확히 하는 데 유용합니다. SpeechCompass는 복잡한 하드웨어나 클라우드 연산 없이도 모바일 기기 자체의 마이크 배열만으로 그룹 대화의 접근성을 획기적으로 높일 수 있음을 보여줍니다. 이 기술은 향후 다양한 모바일 접근성 도구에 통합되어, 청각 장애인뿐만 아니라 복잡한 회의 환경에서 기록이 필요한 일반 사용자들에게도 실질적인 도움을 줄 것으로 기대됩니다.

접근성speech-to-textsound-localizationspeaker-diarization+3

discord·2025년 7월 1일·2분 읽기큐레이션 요약

진정성의 중요성: 디

Discord는 2025년 프라이드 먼스를 LGBTQIA+ 구성원이 자신의 정체성을 진솔하게 표현하고 소속감을 느끼는 계기로 기념했다. 프라이드가 1969년 시위에서 시작된 역사적 의미를 되새기며, 다양성과 포용은 특정 기간에만 머무는 행사가 아니라 연중 지속되는 조직 문화여야 한다고 강조한다. ## 프라이드의 역사와 진정성 - 프라이드는 1969년 LGBTQIA+ 사람들이 차별과 위험에 맞서 자신의 존재를 드러낸 저항에서 시작됐다. - 지난 56년 동안 많은 진전이 있었지만, LGBTQIA+ 사람들이 존엄성·존중·평등을 누리기 위한 과제는 여전히 남아 있다. - Discord는 이러한 역사적 맥락 속에서 “있는 그대로의 자신”으로 살아가는 일이 여전히 용기를 필요로 할 수 있다고 설명한다. ## PRIDE 직원 리소스 그룹의 역할 - Discord의 PRIDE ERG는 LGBTQIA+ 직원과 동료 지지자들이 함께하는 커뮤니티다. - 모든 직원에게 열려 있는 9개 ERG 중 하나로, 구성원들이 자신의 경험과 관점을 숨기지 않고 업무에 기여할 수 있도록 돕는다. - ERG 리더들은 가시성과 대표성이 중요하지만, 자신의 정체성을 공개적으로 표현하거나 개인적으로 간직하는 선택 모두 존중받아야 한다고 강조했다. - 포용과 소속감은 단순한 구호가 아니라 구성원들이 실제로 경험하는 조직 문화여야 한다고 밝혔다. ## 사내 프라이드 행사와 교류 - 매주 **RuPaul’s Drag Race 점심 시청 모임**을 열어 구성원들이 함께 교류했다. - 프라이드를 주제로 한 칵테일·무알코올 칵테일 해피아워를 진행했다. - Black and African-American Movement(BAAM) ERG와 함께 영화 **《The Death and Life of Marsha P. Johnson》**를 상영했다. - LGBTQIA+ 지원 단체 **Point of Pride**와 정신건강 세션을 마련했다. - Discord의 핵심 기술 부문 부사장과 함께하는 게임 시간도 진행했다. ## 창작자와 커뮤니티의 의미 - LGBTQIA+ 창작자 **Gianna Lee**가 프라이드 먼스용 이미지를 제작했다. - 작품 속 Wumpus와 아늑한 카페, 무지개 및 트랜스 프라이드 깃발은 따뜻하고 환영받는 소속감을 시각적으로 표현한다. - Discord는 LGBTQIA+ 창작자와 단체들이 목소리를 내고, 새로운 공간을 만들며, 다른 사람들이 소속감을 느낄 수 있도록 기여한다고 평가했다. ## 6월 이후에도 이어지는 약속 - Discord는 프라이드 먼스가 30일간의 캠페인으로 끝나서는 안 된다고 밝혔다. - 진정성을 존중하고 다양성을 포용하는 문화를 일상적인 조직 운영에 정착시키겠다는 입장이다. - 구성원 모두가 자신의 모습 그대로 존중받고 Discord에 소속될 수 있도록 하는 것이 장기적인 목표다. 실용적으로는 프라이드와 같은 기념일을 일회성 행사로 소비하기보다, 직원 커뮤니티·정신건강 지원·대표성 강화·안전한 자기표현을 연중 지속하는 정책과 활동으로 연결하는 것이 중요하다.

원문 읽기(새 탭에서 열림)

discordgamingdigital-communicationonline-community

figma·2025년 6월 30일·2분 읽기큐레이션 요약

피그마, IPO 추진을

Figma는 미국 증권거래위원회(SEC)에 기업공개(IPO)를 위한 S-1 등록신고서를 공개 제출했다고 발표했다. Class A 보통주는 뉴욕증권거래소에 “FIG”라는 종목代码로 상장 신청했지만, 공모 주식 수와 가격 범위는 아직 정해지지 않았다. 따라서 이번 발표는 IPO 절차의 공식적인 진전을 의미하지만, 실제 상장 여부와 시점·조건은 시장 상황과 SEC 심사에 따라 달라질 수 있다. ## S-1 등록신고서 공개와 IPO 추진 - Figma는 2025년 4월 SEC에 비공개 초안 S-1을 제출한 뒤, 이를 공개 등록신고서로 전환했다. - S-1은 미국 기업이 IPO를 추진할 때 사업 내용, 재무 정보, 위험 요소 등을 SEC에 제출하는 문서다. - Figma는 Class A 보통주를 발행하고 뉴욕증권거래소 상장을 신청했다. - 예상 종목 코드는 **FIG**다. ## 아직 정해지지 않은 공모 조건 - 공모할 주식 수는 발표 시점에 결정되지 않았다. - 주당 공모 가격 범위 역시 공개되지 않았다. - IPO의 규모와 조건은 시장 상황에 따라 변경될 수 있다. - SEC 등록신고서가 효력을 발휘하기 전에는 해당 증권을 판매하거나 매수 청약을 받을 수 없다. - 따라서 이번 발표만으로 실제 상장 일정이나 기업가치를 확정할 수는 없다. ## IPO 주관사 구성 - 공동 대표 주관사: - Morgan Stanley - Goldman Sachs & Co. LLC - Allen & Company LLC - J.P. Morgan - 공동 주관사: - BofA Securities - Wells Fargo Securities - RBC Capital Markets - 공동 관리사: - William Blair - Wolfe | Nomura Alliance 이들 금융기관은 공모 구조 설계, 투자자 수요 조사, 주식 배정과 판매 등 IPO 진행을 지원한다. ## Figma의 사업 정체성 - Figma는 2012년 설립된 협업 중심의 디자인 플랫폼이다. - 초기에는 디자인 도구로 출발했지만, 현재는 아이디어 구상부터 디자인·개발·출시까지 지원하는 제품 개발 플랫폼으로 확장했다. - 회사는 자사 플랫폼을 다음과 같이 설명한다. - 팀 단위의 실시간 협업 - 디지털 제품 및 사용자 경험 설계 - 디자인과 제품 개발 과정의 연결 - AI 기반 기능을 포함한 통합 작업 환경 - 즉, Figma는 단순한 UI 디자인 도구에서 제품 개발 전반을 지원하는 연결형 플랫폼으로의 전환을 강조하고 있다. ## 발표의 법적 의미 - 이번 발표는 주식 매도 제안이나 매수 권유가 아니다. - 실제 공모는 SEC 등록신고서가 효력을 얻은 뒤에만 진행될 수 있다. - 각 주와 관할 지역의 증권법에 따른 등록 또는 자격 요건도 충족해야 한다. - IPO가 언제 완료될지, 실제로 완료될지, 공모 규모와 조건이 어떻게 정해질지는 보장되지 않는다. Figma의 이번 발표는 IPO를 위한 공식 절차가 공개 단계로 진입했다는 의미가 있다. 다만 투자자는 이후 공개될 S-1의 재무 실적, 성장률, 수익성, 주식 보상 비용, 위험 요인과 최종 공모 가격을 확인한 뒤 상장 전망을 판단해야 한다.

원문 읽기(새 탭에서 열림)

FigmaAI프로토타이핑product-development+1

figma·2025년 6월 30일·2분 읽기큐레이션 요약

빌 맥더멋, Figma 이사회

Figma는 ServiceNow의 회장 겸 CEO인 빌 맥더모트를 이사회에 영입했다. 대기업 대상 사업 확장과 글로벌 생태계 구축 경험을 바탕으로, Figma의 지속적인 성장과 엔터프라이즈 전략을 지원할 인물로 평가했다. Figma는 디자인 도구를 넘어 아이디어부터 제품 출시까지 지원하는 협업·AI 플랫폼으로 확장하고 있다. ## 빌 맥더모트의 이사회 합류 - 2025년 7월 1일, ServiceNow의 회장 겸 CEO 빌 맥더모트가 Figma 이사회에 합류했다. - Figma 공동창업자 겸 CEO 딜런 필드는 맥더모트의 다음 역량을 높이 평가했다. - 대규모 기업 운영 경험 - 대기업 대상 영업 및 사업 확장 능력 - 글로벌 비즈니스 생태계 구축 경험 - 겸손함과 진정성, 실무적 통찰력 - 맥더모트는 17세에 델리 매장을 운영한 뒤 Xerox 영업을 거쳐 SAP와 ServiceNow의 CEO를 맡은 경력을 갖고 있다. ## SAP와 ServiceNow에서의 성장 성과 - 맥더모트는 ServiceNow를 기업 혁신을 위한 AI 플랫폼으로 성장시키는 데 기여했다. - SAP CEO 재임 기간에는 글로벌 비즈니스 생태계를 확장했다. - 그의 리더십 아래 SAP와 ServiceNow의 시가총액은 각각 재임 기간 동안 3배 이상 증가했다. - 두 회사 모두 Figma의 고객사이기도 하므로, 엔터프라이즈 고객 관점과 Figma 활용 경험을 이사회에 제공할 수 있다. ## Figma 이사회 구성 - Dylan Field — Figma 공동창업자 겸 CEO, 이사회 의장 - Mamoon Hamid — Kleiner Perkins 매니징 멤버 - Kelly Kramer — 전 Cisco 부사장 겸 CFO - John Lilly — Greylock 제너럴 파트너, 전 Mozilla CEO - Andrew Reed — Sequoia 파트너 - Danny Rimer — Index Ventures 파트너 - Lynn Vojvodich Radakovich — 전 Salesforce 부사장 겸 CMO - 빌 맥더모트의 합류로 기술 기업 운영, 투자, 마케팅, 재무 및 글로벌 엔터프라이즈 전략에 걸친 이사회 역량이 강화됐다. ## 디자인 도구에서 AI 기반 제품 개발 플랫폼으로 - Figma는 2012년 설립된 이후 단순한 디자인 도구에서 협업형 제품 개발 플랫폼으로 발전했다. - 현재는 다음과 같은 전체 과정을 지원하는 것을 목표로 한다. - 아이디어 구상 - 디자인 - 개발 - 제품 출시 - AI 기능과 협업 기능을 결합해 디자이너와 개발자 등 여러 팀이 같은 맥락과 정보를 공유하도록 돕는다. - 이번 이사회 영입은 Figma가 특히 대기업 시장과 글로벌 사업 확장을 더욱 강화하려는 방향과 맞닿아 있다. 맥더모트의 합류는 Figma가 엔터프라이즈 고객 확대와 AI 기반 플랫폼 전환을 추진하는 과정에서 대규모 기술 기업을 성장시킨 경험을 활용하려는 전략으로 볼 수 있다. 기업 고객 대상 사업을 확장하려는 조직이라면, 그의 SAP·ServiceNow 성장 사례와 Figma의 제품 개발 협업 전략을 함께 참고할 만하다.

원문 읽기(새 탭에서 열림)

FigmaAIdigital-product-designservicenow+1

google·2025년 6월 29일원문

구글 지도에 HO (새 탭에서 열림)

구글 맵은 전용 차로(HOV)를 이용하는 운전자들에게 더욱 정확한 도착 예정 시간(ETA)과 최적의 경로를 제공하기 위해 새로운 비지도 학습 기반의 분류 시스템을 도입했습니다. 이 시스템은 속도 분포와 GPS 횡방향 거리 데이터를 분석하여 익명화된 교통 흐름 속에서 HOV 사용자를 정교하게 식별해냅니다. 이를 통해 사용자는 카풀 차로 이용 시의 시간 절약 효과를 미리 확인하고 보다 지속 가능한 이동 결정을 내릴 수 있게 되었습니다. **HOV 트립 분류를 위한 비지도 학습 접근법** * HOV 차로 이용 여부에 대한 별도의 레이블이 없는 상태에서 데이터를 처리하기 위해, 레이블이 필요 없는 비지도 학습(Unsupervised Learning) 방식을 채택했습니다. * 전체 경로를 한꺼번에 분석하는 대신, HOV 차로가 존재하는 개별 도로 세그먼트(Segment) 단위로 약 15분 분량의 짧은 시간 윈도우를 설정하여 데이터를 분류합니다. * 각 세그먼트에서 수집된 익명화된 트립 포인트(속도, 관측 시간, 도로 중앙으로부터의 거리 등)를 종합하여 해당 트립이 HOV 차로를 이용했는지 여부를 판단합니다. **속도 분포와 이봉성(Bimodal) 패턴 분석** * 교통량이 많은 혼잡 시간대에는 일반 차로와 HOV 차로 간의 속도 차이가 뚜렷하게 나타나며, 이때 속도 데이터는 두 개의 정점을 가진 '이봉성 분포'를 보입니다. * 시애틀 I-5 고속도로의 사례처럼 HOV 차로가 일반 차로보다 시속 40마일 이상 빠른 경우(Scenario A)는 물론, 속도 차이가 크지 않은 경우(Scenario B)에도 데이터 패턴을 분석하여 트립을 구분합니다. * 이러한 속도 차이 분석은 과거의 교통 트렌드를 파악하고, 미래의 HOV 전용 ETA를 예측하는 모델을 학습시키는 핵심 지표가 됩니다. **GPS 횡방향 거리 측정과 소프트 클러스터링** * GPS의 내재적인 오차를 보정하기 위해 속도 정보와 함께 '도로 중앙으로부터의 횡방향 거리(Lateral Distance)' 데이터를 결합하여 사용합니다. * 차량이 도로의 왼쪽(일반적인 HOV 차로 위치)에 치우쳐 운행하는지 측정함으로써, 속도가 비슷한 상황에서도 차로 위치에 따른 분류 정확도를 높였습니다. * 데이터를 이분법적으로 나누는 대신 각 포인트가 HOV 클러스터에 속할 확률을 계산하는 '소프트 클러스터링(Soft Clustering)' 기법을 적용해 경계선에 있는 데이터를 정교하게 처리합니다. * 통계적 신뢰성을 확보하기 위해 시간적 요소를 고려한 가중 중앙값(Weighted Median) 방식을 사용하며, 최근 데이터에 더 높은 비중을 두어 실시간 교통 변화를 반영합니다. 이와 같은 기술적 개선을 통해 구글 맵 사용자는 HOV 차로 이용 시의 시간 이득을 명확히 인지하고 경로를 선택할 수 있습니다. 이는 개인의 출퇴근 시간을 단축할 뿐만 아니라, 카풀과 같은 지속 가능한 교통 수단 이용을 장려하여 전체적인 교통 혼잡과 탄소 배출을 줄이는 데 실질적인 도움을 줍니다.

AI머신러닝traffic-analysisunsupervised-learning+5

google·2025년 6월 26일원문

REGEN: 자연어를 통한 개인 (새 탭에서 열림)

Google Research는 추천 시스템이 단순히 다음 아이템을 예측하는 것을 넘어, 자연어로 사용자와 상호작용하고 추천 이유를 설명할 수 있도록 돕는 새로운 벤치마크 데이터셋 'REGEN(Reviews Enhanced with GEnerative Narratives)'을 공개했습니다. 이 데이터셋은 아마존 상품 리뷰 데이터를 기반으로 Gemini 1.5 Flash를 활용해 합성된 사용자 비평과 개인화된 내러티브를 추가하여 구축되었습니다. 연구 결과, LLM 기반의 모델은 자연어 피드백을 통해 추천의 정확도를 높이는 동시에 사용자 맞춤형 설명을 효과적으로 생성할 수 있음을 입증했습니다. ## REGEN 데이터셋의 구성과 특징 * **기존 데이터의 확장:** 널리 사용되는 아마존 상품 리뷰 데이터셋을 기반으로 하되, 대화형 추천 시스템에 필요한 요소들을 Gemini 1.5 Flash로 합성하여 보완했습니다. * **사용자 비평(Critiques):** "더 많은 저장 용량이 필요해"와 같이 사용자가 현재 추천된 아이템을 수정하거나 선호도를 구체화하는 자연어 피드백 데이터를 포함합니다. * **맥락적 내러티브(Narratives):** 단순한 아이템 노출이 아니라, 구매 이유(Purchase reasons), 제품 홍보(Product endorsements), 사용자 선호도 요약 등을 포함하여 추천의 근거를 풍부하게 제공합니다. ## 추천과 생성을 위한 모델 아키텍처 * **하이브리드 방식 (FLARE + Gemma):** 협업 필터링 기반의 순차적 추천 모델인 FLARE가 아이템을 예측하면, 경량 LLM인 Gemma 2B가 해당 아이템에 대한 설명을 생성하는 이원화된 구조를 테스트했습니다. * **통합 모델 (LUMEN):** 단일 LLM이 비평 이해, 아이템 추천, 내러티브 생성을 모두 수행하는 모델입니다. 어휘집과 임베딩 레이어를 수정하여 아이템 ID와 텍스트 토큰을 하나의 생성 과정에서 처리하도록 설계되었습니다. * **공동 작업 수행:** 모델은 사용자의 과거 이력과 자연어 비평을 동시에 입력받아 적절한 아이템을 추천함과 동시에 그에 걸맞은 자연어 설명을 출력하는 엔드 투 엔드(End-to-End) 학습을 진행합니다. ## 실험 결과 및 성능 향상 * **비평의 효과:** 입력 데이터에 사용자의 자연어 비평을 포함했을 때 추천 성능이 일관되게 향상되었습니다. Office 도메인 데이터 기준, 상위 10개 추천 결과 내에 정답이 포함될 확률(Recall@10)이 0.124에서 0.1402로 크게 개선되었습니다. * **LLM의 다재다능함:** REGEN으로 학습된 모델들은 기존의 전문화된 추천 알고리즘에 필적하는 성능을 보이면서도, 사용자의 요구사항을 반영한 고품질의 개인화된 설명을 생성할 수 있었습니다. 추천 시스템의 미래는 단순히 상품을 나열하는 것이 아니라 사용자와 소통하며 맥락을 이해하는 방향으로 나아가고 있습니다. REGEN 데이터셋은 LLM이 추천 엔진의 핵심 역할을 수행할 수 있음을 보여주며, 개발자들은 이를 활용해 더 설명 가능하고(explainable) 대화에 능숙한 차세대 커머스 AI를 구축할 수 있을 것입니다.

AI대규모 언어 모델gemini자연어 처리+4