AI 코딩 도구 ROI를 정확히 측정하는 4가지 핵심 지표
AI 코딩 도구의 ROI를 비용과 품질 지표로 나눠 측정하는 방법을 정리했습니다. 각 지표의 의미와 한계를 함께 살펴보며 정확한 판단 기준을 제안했습니다.
#LLM#비용
9800
국내 IT 기업 기술 블로그 최신 글
필터 1
키다리스튜디오의 QA 테스트 케이스 생성 자동화 — Amazon Bedrock과 LangGraph 활용 사례
키다리스튜디오는 Amazon Bedrock과 LangGraph로 QA 테스트 케이스 생성 자동화를 구현했습니다. 수 시간 걸리던 작업을 분 단위로 줄이고, 멀티 에이전트와 Human-in-the-Loop로 품질을 보완했습니다.
#Amazon Bedrock#LangGraph
7600
![[AI활용] kt cloud AI Foundry로 AI 서비스 구축 흐름 한 번에 살펴보기](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fop5Sy%2FdJMcacQtHtr%2FAAAAAAAAAAAAAAAAAAAAABgxw8nkuR3lbpXVBODKISCYi0XSmvsggVybGjRGmNyP%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1780239599%26allow_ip%3D%26allow_referer%3D%26signature%3Dl8eDNm%252BBRs1S4ihrixnIEULLLJg%253D)
[AI활용] kt cloud AI Foundry로 AI 서비스 구축 흐름 한 번에 살펴보기
kt cloud AI Foundry로 AI 서비스 구축 과정을 5단계로 정리했습니다. RAG, 가드레일, API 통합과 운영 고도화 흐름을 사례와 함께 소개했습니다.
#LLM#RAG
7600
LLM의 환각을 잠재울 지식의 지도, ‘온톨로지(Ontology)’
온톨로지를 LLM 환각 완화용 지식 구조로 설명하고 RAG와의 차이를 정리했습니다. Graph RAG와 AWS 서비스 조합으로 하이브리드 활용 방안도 소개했습니다.
#LLM#RAG
13400
캐릭터톡 출시기 1부
포스타입이 캐릭터톡 출시를 앞두고 4일간의 TF와 PoC로 사업 가능성을 검증했습니다.\n시스템 프롬프트, 모델 선택, 비용과 품질 점검을 통해 출시 수준의 페르소나 챗을 만들었습니다.
#LLM#Claude
4900
AI 시대에 인증 과제를 해결할 차세대 표준 후보, ID-JAG
AI 에이전트의 API 접근 문제를 풀 후보로 ID-JAG를 소개했습니다. 기업 IdP 중심의 중앙 정책과 감사 추적, 운영 시 주의점까지 정리했습니다.
#LLM#MCP
5000
[클로바 시선 #50] HyperCLOVA X 8B Omni Serving DeepDive : 구조 설계부터 성능 최적화까지
텍스트뿐 아니라 이미지와 음성까지 처리하는 옴니모달 서빙 구조를 다뤘습니다. 실제 서비스 환경에서 안정성과 성능을 높이기 위한 설계와 최적화 과정을 정리했습니다.
#LLM#server
500
에이전틱 AI와 Amazon Bedrock AgentCore를 활용한 전문가 팀 시뮬레이션
AWS의 7개 전문 도메인을 본뜬 멀티 에이전트 AI 시뮬레이션을 소개했습니다. AgentCore와 Strands Agents로 초기 리서치와 초안 작성을 가속화하는 구조를 설명했습니다.
#LLM#Amazon Bedrock
4500
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
LiteRT 등 4월 넷째 주 Google for Developers 위클리 업데이트를 지금 확인하세요!
X
#LLM#Android
400
기억에 대해서
AI 세션이 많아지면서 무엇을 저장할지가 아니라 어떻게 다시 꺼낼지가 중요한 병목으로 다뤄졌습니다. 회상용 레퍼런스를 여섯 축으로 남기면 검색보다 재인식이 쉬워진다는 관점을 제시했습니다.
#LLM#RAG
1900
Slack 봇 쿼리곰: 없으면 안 되는 봇이 되기까지
Slack에서 자연어로 SQL을 실행하는 봇 쿼리곰을 전사 필수 도구로 만든 사례를 다뤘습니다. 멀티에이전트 검증, Hybrid RAG, 이중 메모리로 신뢰와 재방문을 끌어올렸습니다.
#LLM#RAG
500
The Human: 점수 너머의 판단
AI 채용 평가에서 점수만으로는 후보자의 사고를 충분히 판단할 수 없다는 점을 짚었습니다. 면접과 설계 문서, 사람의 판단이 여전히 중요한 이유를 정리했습니다.
#채용#면접
11700
상담 데이터 분석을 통해 메뉴얼 추출하기
상담 데이터를 분석해 SOP 초안을 자동으로 만들고 ALF 세팅 파일로 분리하는 파이프라인을 소개했습니다. 초기 정의 부담을 줄이고 도입 가치를 시간 절감 기준으로 설명하는 방식도 제안했습니다.
#LLM#RAG
400
상담 데이터 분석을 통해 메뉴얼 추출하기
상담 데이터를 분석해 유형 분류와 SOP 초안을 자동 생성하는 파이프라인을 소개했습니다. 세팅 초기 정의 부담을 줄이고 ALF 도입을 빠르게 시작하는 방법을 다뤘습니다.
#LLM#클러스터링
2000