기본 콘텐츠로 건너뛰기

FDE와 SI는 무엇이 다른가: 카페 키오스크로 쉽게 이해하기

쉽게 이해하는 AX 역할 구분

FDE와 SI는 무엇이 다른가

SI는 “요청한 시스템을 만들어 넘기는 업체”이고, FDE는 “현장에 붙어 업무가 실제로 바뀌게 만드는 엔지니어”입니다.

이 글에서 다루는 것
  • 보일러·병원 예시로 보는 SI와 FDE의 차이
  • 카페 키오스크 비유가 맞는 점, 보완할 점
  • 강의·설명에 바로 쓸 수 있는 한 줄 기억법

1. 쉬운 비유: 집에 보일러를 넣는다면

같은 집에 보일러를 넣는다고 생각하면 역할이 분명해집니다.

SIFDE
역할설계·시공 업체집 안에 들어와 사는 기술 집사
질문“스펙대로 달았나?”“이 집이 실제로 따뜻해졌나?”
끝나는 시점설치·검수 완료가족이 매일 잘 쓰고, 온도가 목표에 맞을 때
산출물보일러, 배관, 매뉴얼사용 습관, 설정, 측정, 다음 개선까지

SI는 납품이 성공입니다. FDE는 현장이 돌아가는 것이 성공입니다.

2. 병원 예시

SI 방식

  1. 병원이 “예약·접수 시스템 만들어 주세요”라고 발주합니다.
  2. SI가 요구사항을 받아 개발하고, 서버에 올리고, 교육 한 번 하고 철수합니다.
  3. 화면은 있습니다. 그런데 간호사는 여전히 수첩에 적고, 환자는 창구에서 기다립니다.
  4. “시스템은 준수 납품됐다”가 SI의 성적표입니다.

FDE 방식

  1. 접수 창구 옆에 앉아, 아침 30분 동안 누가 어디를 헤매는지 봅니다.
  2. 예약 취소·중복·노쇼가 어디서 생기는지 숫자로 잡습니다.
  3. 큰 시스템이 아니라 이번 주부터 쓰는 작은 것을 먼저 붙입니다. 예: 노쇼 문자, 당일 빈 슬롯 재배정.
  4. 간호사가 실제로 쓰는지 보고, 안 쓰면 UI가 아니라 업무 순서를 바꿉니다.
  5. “대기 시간 18분 → 9분”처럼 현장 KPI가 성적표입니다.

같은 AI/시스템을 써도, SI는 구축 프로젝트, FDE는 현장 정착 프로젝트입니다.

3. 무엇이 다른가

  • 계약의 중심 — SI는 범위·일정·기능 목록. FDE는 워크플로 변화, 사용률, 업무 시간·오류 감소.
  • 사람 위치 — SI는 개발실·회의실이 중심. FDE는 창구, 공장, 상담실, 담당자 옆이 중심.
  • 실패의 의미 — SI는 기능이 빠지거나 일정이 밀리면 실패. FDE는 기능이 있어도 안 쓰면 실패.
  • 지식의 방향 — SI는 고객 요구 → 시스템. FDE는 현장 관찰 → 작은 구현 → 피드백 → 다시 구현. 고객이 스스로 고치고 확장하게 남깁니다.
SI는 집을 지어 열쇠를 넘깁니다. FDE는 그 집에서 같이 살아 보며, 문이 실제로 잘 열리는지까지 책임집니다.

4. 카페 키오스크로 다시 보면

현장 설명을 할 때는 카페 키오스크 비유가 잘 통합니다. 큰 줄기는 맞습니다.

SI

카페에 “주문 키오스크 + 결제 + 주방 프린터”를 통째로 설치해 주고 끝납니다.

“이 기능 넣어 주세요” → 맞춰서 만들고 → 켜지게 한 뒤 넘깁니다.

다음 카페에 가면 또 비슷한 걸 새로 맞춰 짓는 느낌입니다.

FDE

이미 있는 “카페용 키오스크 제품”을 들고 가서, 그 카페 사장님 옆에서 같이 씁니다.

메뉴가 자주 바뀌면 제품 설정으로 해결하고, 안 되면 제품팀에 “이런 버튼이 필요해요” 피드백을 보냅니다.

목표는 맞춤 공사보다, 그 제품으로 사장님이 잘 쓰게 하는 것입니다.

그래서 SI는 “우리 가게용으로 지어 주세요”, FDE는 “이 제품으로 우리 가게가 돌아가게 같이 맞춰 주세요”에 가깝습니다.

5. 이 비유에서 보완할 세 가지

큰 줄기는 맞습니다. 다만 FDE를 “설정만 하고 제품팀에 말만 전하는 사람”으로 두면 조금 좁습니다.

1. FDE도 코드를 짭니다

메뉴 변경은 설정으로 끝낼 수 있습니다. 그런데 그 카페만의 스탬프 적립, 배달앱 연동, 주방 동선이면 FDE가 제품 위에 작은 연결(글루)을 만듭니다.

차이는 “처음부터 키오스크를 새로 짓느냐”와 “제품 위에서 최소로 붙이느냐”입니다.

2. SI도 제품을 깔 때가 있습니다

SAP·Salesforce 구축 업체가 전형적인 SI입니다. 그래서 구분선은 “제품 유무”가 아닙니다.

SI = 범위·납품 완료가 성공 / FDE = 사장님·직원이 매일 쓰고 주문이 빨라진 게 성공입니다.

3. 끝나는 시점

“같이 씁니다”는 좋습니다. 한 줄만 보강하면 됩니다.

FDE는 설치가 아니라 오주문 감소, 대기 시간, 사장님이 혼자 메뉴를 바꾸는지까지 보고 빠집니다.

6. 강의용으로 다듬은 한 판

SI는 카페에 주문·결제·주방 프린터를 그 가게용으로 지어 켜 주고 갑니다.

FDE는 카페용 키오스크 제품을 들고 사장님 옆에 붙어, 설정으로 될 건 설정으로, 안 되면 제품 위에 조금만 붙이고, 여러 카페에 반복될 것은 제품팀에 올립니다.

목표는 공사 완공이 아니라, 그 제품으로 가게가 실제로 돌아가게 하는 것입니다.

7. 한 줄 시험

  • “우리 가게용으로 지어 주세요” → SI
  • “이 제품으로 우리 가게가 돌아가게, 옆에서 같이 맞춰 주세요” → FDE
  • “설정만 하고 본사에 티켓만 넣어요” → FDE가 아니라 솔루션 엔지니어/CS에 더 가깝습니다.
한 줄 기억

SI는 집을 지어 열쇠를 넘깁니다. FDE는 그 집에서 같이 살아 보며, 문이 실제로 잘 열리는지까지 책임집니다.

웹과 모바일에서 읽기 쉽게 반응형 HTML로 작성했습니다.

댓글

이 블로그의 인기 게시물

GPT-6 Astra 공개 내용 쉽게 해설: AI가 “대답하는 도구”에서 “일을 수행하는 동료”로

※ 아래 내용은 OpenAI가 공개한 GPT-6 Astra 소개 페이지의 주장을 바탕으로 쉽게 풀어쓴 해설입니다. 벤치마크 수치는 제조사가 제시한 조건과 측정 방식에 따라 달라질 수 있습니다. 한 줄 요약 GPT-6 Astra는 단순히 글을 잘 쓰는 모델을 넘어, 웹 브라우저와 컴퓨터를 직접 사용하고 여러 단계의 업무를 끝까지 수행하는 것을 목표로 한 모델입니다. 1. GPT-6 Astra는 무엇이 달라졌나? OpenAI는 GPT-6 Astra를 새로운 세대의 지능 모델이라고 소개합니다. 핵심은 지식량만 늘리는 것이 아니라 컴퓨터 사용, 웹 탐색, 소프트웨어 개발, 과학 연구, 사이버보안, 전문 업무 를 실제 작업 흐름 속에서 수행하도록 설계했다는 점입니다. 기존 챗봇이 질문에 답하고 결과물을 만들어 주는 데 집중했다면, Astra는 사용자의 목표를 이해한 뒤 브라우저를 열고, 자료를 찾고, 문서를 작성하고, 결과를 점검하는 식의 다단계 업무 수행 을 강조합니다. 2. 가장 중요한 변화: AI가 컴퓨터를 사용한다 소개 페이지의 표현을 쉽게 바꾸면 다음과 같습니다. 온라인 자료를 찾아 요약하기 문서·스프레드시트·프레젠테이션 만들기 웹사이트를 만들고 실제 화면에서 품질 점검하기 과학 데이터를 분석하고 그래프 만들기 양식 입력, 예약 검색, 상품 비교 같은 반복 업무 수행하기 이 변화는 “AI에게 무엇을 물어볼까?”에서 “AI에게 어떤 업무를 맡길까?”로 사용 방식이 이동한다는 뜻입니다. 프롬프트 한 번의 답변보다 목표·권한·검토 지점·완료 조건 을 설계하는 일이 중요해집니다. 3. 업무 성능에 대한 OpenAI의 주장 영역 공개 페이지에 제시된 내용 실무적으로 읽는 법 컴퓨터 사용 화면을 이해하고 브라우저·업무 도구를 조작 사람이 하던 반복적인 클릭·입력 업무를 위임할 가능성 소프트웨어 개발 코드 작성뿐 아니라 테스트와 수정까지 수행 코딩 보조를 넘어 이슈 해결 사이클에 참여 전문 업무 문서·스프레드시트·발표자료를 템플릿에 맞춰 생성 회사 ...

초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI의 원리와 현실

CONNECTOME × AI 초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI가 실제로 하는 일과 하지 못하는 일을, Doom과 드론 사례로 구분해 봤습니다. 결론부터 말하면 완전히 거짓은 아닙니다. 다만 "살아 있는 뇌를 컴퓨터에 업로드했다"는 설명은 틀립니다. 139,255 2024년 공개된 성체 암컷 초파리 뇌의 뉴런 수 5,450만 같은 커넥톰에 기록된 화학 시냅스 수 1억 2,500만 2026년 수컷 중추신경계 지도에 포함된 시냅스 연결 먼저, 무엇이 공개된 것인가 2024년 FlyWire 연구진은 성체 암컷 초파리 한 마리의 뇌에서 139,255개 뉴런과 약 5,450만 개 화학 시냅스를 재구성했습니다. 세포 유형과 뇌 영역, 신경전달물질 예측도 함께 공개했습니다. [1] 2026년에는 수컷 초파리의 뇌와 복측신경삭까지 연결한 지도가 나왔습니다. 16만6천 개가 넘는 뉴런과 1억2,500만 개 시냅스 연결을 담아, 감각이 움직임으로 이어지는 경로까지 연구할 수 있게 됐습니다. [2] 연구진은 전자현미경 사진에서 AI로 뉴런 경계를 분리하고 3차원으로 이어 붙입니다. AI가 잘못 합치거나 끊은 부분은 사람이 검수합니다. 커넥톰은 도로 지도에 가깝습니다. 도로가 어디로 이어지는지는 보여주지만, 지금 차가 어디를 달리는지, 신호등이 어떻게 바뀌는지, 운전자가 어디로 가려는지까지 알려주지는 않습니다. 커넥톰은 죽은 조직에서 얻은 정적 구조입니다. 순간의 막전위와 발화 패턴, 정확한 시냅스 강도, 호르몬 상태, 배고픔 같은 내부 상태는 온전히 담겨 있지 않습니다. 정적인 배선도에 어떻게 행동을 넣나 1. 그래프로 바꾼다 뉴런을 노드, 시냅스를 방향이 있는 연결로 표현합니다. 시냅스 수와 신경전달물질 예측은 가중치와 흥분·억제 부호의 출발점이 됩니다. 2. 시간 규칙을 넣는다 각 뉴런에 입력이 쌓이고 임계값을 넘으면 발화하는 수학 모델을 붙입니다. 대표적인 방...

CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나

긴급 시장 분석 CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나 49 대 50으로 막힌 미국 암호화폐 시장구조 법안. 표결의 정확한 의미와 BTC·XRP 가격 충격, 앞으로 확인할 가격대를 함께 분석합니다. 작성 기준: 2026년 9월 16일 오전 7시 25분(KST) · 가격은 작성 시점 기준 상원 표결 찬성 49 · 반대 50 비트코인 24시간 -4.32% XRP 24시간 -11.36% 목차 무엇이 부결됐나 왜 60표를 얻지 못했나 비트코인·XRP 가격 반응 비트코인 기술적 구간 XRP 기술적 구간 향후 시나리오와 관찰 포인트 먼저 결론부터 미국 상원이 부결한 것은 CLARITY 법안의 최종 통과안이 아닙니다. 상원 본회의에서 법안을 다루기 위해 토론 종결 절차를 밟고 심의로 넘어갈 것인지를 묻는 클로처 표결 이었습니다. 필요한 60표를 얻지 못하면서 법안은 본격 토론 단계에 진입하지 못했습니다. 정확한 표현: “CLARITY 법안이 최종 폐기됐다”가 아니라 “법안을 본회의에서 다루기 위한 절차표결이 실패했다”가 맞습니다. 시장은 이 결과를 미국 암호화폐 규제 명확화의 지연으로 받아들였습니다. 비트코인은 약 4% 하락했지만 XRP는 11% 넘게 떨어졌습니다. 규제 기대에 민감한 알트코인이 정치적 불확실성에 더 크게 반응한 모습입니다. 1. 상원에서 실제로 무엇이 부결됐나 미국 상원 공식 기록에 따르면 2026년 9월 15일 오후 3시, H.R. 3633인 Digital Asset Market Clarity Act 에 대한 ‘motion to proceed’의 클로처 동의가 찬성 49표, 반대 50표 로 부결됐습니다. 클...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가

개인 AI 에이전트 비교 · 2026년 9월 25일 Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가 Muse가 OpenClaw 코드를 그대로 실행하는 클론이라는 증거는 없습니다. 다만 에이전트의 기본 구조와 제품 철학은 크게 닮았고, Muse의 새로움은 개념보다 배포 방식·보안 모델·대중화에 있습니다. 에이전트 개념은 OpenClaw ≈ Muse입니다. 구현은 다릅니다. OpenClaw가 사용자가 직접 운영하는 개방형 하니스라면, Muse는 Meta가 호스팅하는 소비자용 서비스입니다. 1. 왜 ‘일반인용 OpenClaw’라는 말이 나왔나 Muse 출시 뒤 초기 사용자들은 두 제품의 내부 파일 체계를 비교했습니다. SOUL.md , IDENTITY.md , USER.md , MEMORY.md , AGENTS.md , TOOLS.md 같은 이름뿐 아니라, 에이전트의 성격과 행동 경계를 정하는 문장까지 비슷하다는 지적이 나왔습니다. The Verge도 두 제품이 핵심 파일 이름과 “Be genuinely helpful, not performatively helpful” 같은 문구를 공유한다고 보도했습니다. [2] 파일 규약 OpenClaw: 성격·사용자·기억·도구를 텍스트 파일로 관리합니다. Muse: 이름과 역할이 유사한 파일 체계가 관찰됐습니다. 제품 형태 공통점: 질문에 답하는 챗봇을 넘어 브라우저와 도구를 사용해 실제 일을 수행하는 개인 에이전트를 지향합니다. 논란의 핵심은 화면이 비슷하다는 정도가 아닙니다. 에이전트 하니스, 즉 모델이 기억·도구·규칙을 활용하도록 둘러싼 실행 구조와 성격 문서까지 닮았다는 점입니다. 2. Meta의 공식 설명 Meta Superintelligence Labs 제품 책임자 Nat Friedman은 Muse를 “처음부터 새로 만들었지만, 제품으로서는...