Amazon Bedrock을 활용한 Omelet의 경로 최적화 AI 에이전트, TOAST
Amazon Bedrock을 활용해 경로 최적화 AI 에이전트 TOAST를 구현한 사례를 소개했습니다. 자연어 입력, 다중 에이전트 구조, 시각화와 재최적화를 통해 활용성을 높였습니다.
#Amazon Bedrock#LLM
70005분
필터 1
LY의 테크 컨퍼런스, 'Tech-Verse 2025' 후기
LY Corporation이 AI 중심 기술 컨퍼런스 Tech-Verse 2025 개최 후기를 소개했습니다. 플랫폼 통합, AI 전략, 글로벌 협업 사례와 현장 프로그램을 함께 정리했습니다.
#cloud#RAG
64005분
“AI는 처음인데요?” 점심시간에 탄생한 사내 챗봇, 라포위키 개발기
사내 노션과 슬랙 지식을 연결하는 RAG 기반 챗봇 라포위키 개발 과정을 소개했습니다. 내부 용어집, 메타데이터, 청크 임베딩으로 검색 정확도와 최신성을 높였습니다.
#RAG#Flask
16005분
Amazon OpenSearch Service의 AI Search Flow를 활용한 손쉬운 AI 기반 검색 기능 구현
OpenSearch Service의 AI Search Flow 빌더로 Semantic 검색과 멀티모달 RAG를 빠르게 구성하는 방법을 소개했습니다. Ingest/Search Pipeline과 템플릿, AI 제공업체 연동으로 미들웨어 없이 검색 기능을 확장하는 흐름을 설명했습니다.
#OpenSearch#검색
75005분
HITL, AI 성능을 완성하는 마지막 한 조각
HITL, AI 성능을 완성하는 마지막 한 조각
HITL은 AI가 1차 판단을 하고 사람이 검토·보완하는 협업 구조를 다뤘습니다. 정확도와 신뢰성을 높이기 위해 금융, 의료, 고객 응대에 우선 적용하는 방식을 소개했습니다.
#LLM#RAG
66005분
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 2: 데이터 수집과 관리, 향후 계획
당근페이는 Bedrock 기반 Text-to-SQL에서 메타데이터와 샘플 쿼리, 용어 사전을 체계적으로 수집·관리하는 방식을 소개했습니다. 또한 검색 최적화와 SFT, MCP 확장으로 정확도와 활용 범위를 넓혀갈 계획을 공유했습니다.
#Amazon Bedrock#Text-to-SQL
63005분
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 1: 브로쿼리 개요와 아키텍처
당근페이는 브로쿼리라는 내부 Text-to-SQL 봇의 배경과 아키텍처를 소개했습니다. 자연어 질문을 SQL로 바꾸고 컨텍스트를 보강해 데이터 활용 장벽을 낮추는 구조를 설명했습니다.
#Amazon Bedrock#Text-to-SQL
83005분
모두를 위한 용어집, BH-Glossary 개발기
모두를 위한 용어집, BH-Glossary 개발기
슬랙에서 사내 용어를 검색해 한글과 영어로 답변하는 BH-Glossary 봇 개발 과정을 소개했습니다. LLM과 RAG를 활용한 구현 방식과 향후 운영·확장 방향도 함께 정리했습니다.
#LLM#RAG
0005분
어려운 용어가 있으신가요? ‘금.용.사.’가 알려드립니다!
금융 용어를 AI가 쉽게 설명하고 관련 상품까지 추천하는 사전 서비스를 만들었습니다. 응답 지연은 캐싱으로 줄이고, 프롬프트 구조화를 통해 원하는 형식의 답변을 유도했습니다.
#AWS#LLM
95005분
알려지지 않은 미지를 탐험하다: Co-STORM으로 정보를 찾는 새로운 방법
Co-STORM은 여러 AI 에이전트의 협력적 담화를 통해 사용자가 미지의 정보를 발견하도록 돕는 정보 탐색 시스템을 소개했습니다. 평가에서는 기존 검색 엔진과 RAG 기반 방식보다 깊이와 참신성에서 더 좋은 결과를 보였습니다.
#검색#LLM
31005분
똑쿼리 고도화 일대기
똑쿼리 고도화 일대기
똑쿼리는 사내 데이터와 문서를 자연어로 조회하는 서비스로, 슬랙 기반 채팅 에이전트에서 LangGraph 기반 구조로 고도화했습니다. Router 패턴과 RAG 개선을 통해 응답 속도와 정확도를 높였고, OpenWebUI로 사용자 경험도 개선했습니다.
#LLM#LangGraph
14005분
In-house 데이터를 활용한 AI 검색 품질 향상 전략
In-house 데이터를 활용해 웹 검색의 한계를 보완하고, RAG 기반으로 검색 정확도와 응답 품질을 높이는 전략을 소개했습니다. 도메인별 검색 인프라와 질의 분석, 랭킹 최적화로 후속 액션까지 연결하는 구조를 설명했습니다.
#LLM#RAG
68005분