FPJR 실시간 메트릭 모니터링에 AI를 적용해 30분 내 이상 징후를 감지하는 체계를 구축했습니다. Cursor, Sidekick, Gemini로 SQL과 대시보드를 자동화해 운영 효율을 높였습니다.
삼성계정 서비스의 WAF 로그를 AI 에이전트로 분석해 보안 위협을 탐지한 사례를 소개했습니다. 단일 에이전트의 한계를 넘어 Multi-Agent로 정확도와 운영 효율을 높였습니다.
삼성계정 서비스의 장애 대응을 Multi-Agent 기반 Agentic AIOps로 자동화한 사례를 소개했습니다. 관측 데이터 수집, RCA, 조치 제안을 분리해 3분 47초 만에 분석을 완료했습니다.
LLM 가드레일의 오탐 문제를 줄이기 위해 코딩 에이전트 기반 자동화 테스트 파이프라인을 구축했습니다. 카테고리별 입력 생성과 평가를 분리해 취약점 탐색과 모델 고도화를 반복 가능하게 만들었습니다.
엣지와 클라우드를 결합해 Physical AI를 설계하는 방법을 소개했습니다. 로컬 제어와 클라우드 추론, 공유 메모리, 시뮬레이션 학습의 역할을 설명했습니다.
대규모 코드베이스를 자연어로 검색할 수 있게 만든 RAG 기반 코드 지식화 플랫폼 AskON을 소개했습니다. 정적 분석, 호출 그래프, 임베딩, 증분 인덱싱으로 코드 검색과 답변 품질을 높인 사례입니다.
LLM으로 리뷰의 진심을 점수화해 별점만으로는 보이지 않던 맛집 변별력을 높였습니다. 지식 증류와 개인화 리랭킹을 더해 추천 품질과 전환율을 함께 개선했습니다.
LLM과 MCP, SAST를 결합해 서비스 취약점 분석 자동화 구조를 구현한 과정을 소개했습니다. 토큰 비용과 지속 가능성을 줄이기 위해 오픈 모델과 에이전트 분업도 적용했습니다.
오프라인 핏 경험을 온라인까지 이어가기 위해 초기에는 외부 LLM으로 빠르게 검증했습니다. 이후 비용과 차별화 한계를 보고, 체형 데이터를 자산화하는 자체 AI 전략으로 전환했습니다.
포스타입 채용 지원자들이 자주 묻는 질문 10가지를 FAQ 형식으로 정리했습니다. 인재상, 평가, 온보딩, AI 활용, 근무 환경과 복지까지 지원자가 궁금해할 내용을 안내했습니다.
AI 업무 툴이 반복 업무를 줄이고 주업무 집중 시간을 늘리는 흐름을 소개했습니다. 직장인의 일하는 방식을 바꾸는 도구로서의 변화를 다뤘습니다.
AWS에서 NVIDIA Cosmos WFM을 활용해 Physical AI용 합성 데이터를 생성하는 방법을 소개했습니다. 실시간 EKS 배포와 배치 AWS Batch 배포의 두 가지 프로덕션 아키텍처를 비교했습니다.
