
[AI-Native AFINIT] AI가 읽는 서비스 설계도로 조직의 업무속도를 높이는 법
AI를 개인 생산성 도구가 아니라 조직의 공통 지식 기반으로 확장하는 방법을 설명했습니다.\n서비스 설계도와 코드, 데이터, 정책을 연결해 문제정의와 유지보수 속도를 높이는 사례를 소개했습니다.
새로운 기술 블로그가 추가되었어요

AI를 개인 생산성 도구가 아니라 조직의 공통 지식 기반으로 확장하는 방법을 설명했습니다.\n서비스 설계도와 코드, 데이터, 정책을 연결해 문제정의와 유지보수 속도를 높이는 사례를 소개했습니다.

DynamoDB managed GSI의 핫 파티션을 피하기 위해 인덱스 테이블 분리와 전파 파이프라인 구현 과정을 다뤘습니다. 운영 중에는 버스트 제어와 SQS 적체를 조정해 안정적으로 변경분을 반영했습니다.

AI 데이터센터에서 발생하는 고조파의 원인과 전력 품질 문제를 정리했습니다. 상전선과 중성선 고조파를 구분해 필터, 변압기, 중성선 보강 대책을 제시했습니다.
Google for Developers의 7월 첫째 주 주요 개발자 소식을 모아 소개했습니다. AI, Android, Flutter 등 분야별 최신 업데이트와 발표 항목을 확인할 수 있습니다.

비개발자 148명에게 2주간 AI 워크샵을 운영하며 설치, 실습, 회고를 반복한 현장 회고입니다.\n자기 파일로 직접 해보는 경험이 전환점이었고, 챔피언 발굴과 후속 프로젝트로 이어졌습니다.

블랙프라이데이 성공 이후의 실패 경험을 바탕으로, 빠른 실행보다 문제 정의가 먼저라는 점을 돌아봤습니다. 뷰티 사례에서는 흩어진 증정품 정보를 가격 판단 맥락에 연결하는 방향으로 다시 접근했습니다.

AI가 코드를 더 빨리 만들수록 검증이 병목이 된다고 설명했습니다. Playwright E2E와 에이전트를 조합해 결정론적인 자가개선 테스트 루프를 구축하는 방법을 소개했습니다.

Claude Code를 Azure 인프라 구축에 적용하며 하네스 엔지니어링으로 AI 에이전트의 통제 문제를 줄인 사례를 다뤘습니다. 상태 분리, MCP, Human-in-the-loop로 안전한 워크플로우를 설계한 점이 핵심입니다.

ESLint와 Prettier로 Vue 3·TypeScript 프로젝트의 코드 스타일과 품질 규칙을 통일하는 방법을 다루었습니다. IDE와 SFC 파싱 문제까지 함께 정리해 협업 시 불필요한 diff를 줄이는 과정을 소개했습니다.

Fixture 기반으로 통합 테스트 데이터를 재사용 가능하게 정리한 경험을 공유했습니다. 공통 데이터는 `create`, 커스터마이징은 `gen`, 복수 시나리오는 `genMore`로 분리해 테스트 가독성과 유지보수성을 높였습니다.

Redis OSS 6.x 캐시를 Valkey 9.0으로 전환해 성능과 비용을 함께 개선한 사례를 정리했습니다. 업그레이드 중 client 재연결과 클러스터 대응 검증이 핵심이었습니다.
LIFF와 LINE Planet을 활용해 LINE 앱 안에서 그룹 영상 통화 서비스를 만드는 구현 흐름을 정리했습니다. 미리보기, 통화 입장, 초대, 가상 배경, CORS와 모바일 카메라 이슈까지 함께 다뤘습니다.