Model Context Protocol: 데이터를 넘어 행동으로
LLM의 한계를 보완하기 위해 MCP로 외부 서비스와 데이터에 표준화된 접근을 연결했습니다.여행 검색부터 예약·결제까지 이어지는 행동형 AI 에이전트 구현 사례를 소개했습니다.
#MCP#LLM
12005분
필터 1
제 2회 카카오페이 해커톤, 2025 카페톤 뜨거운 현장 이야기
카카오페이 사내 해커톤 2025 카페톤의 오프라인 진행 과정과 현장 분위기를 소개했습니다. AWS Generative AI 활용, 부스 투어 심사, 최종 수상작과 운영 회고까지 함께 다뤘습니다.
#AWS#LLM
91005분
성과 내는 조직은 AI 전략을 ‘이렇게’ 시작합니다 📈 (AI도입 체크리스트)
성과 내는 조직은 AI 전략을 ‘이렇게’ 시작합니다 📈 (AI도입 체크리스트)
AI 도입은 단순한 도입보다 조직 구조와 운영 설계가 중요하다고 정리했습니다. 멀티 에이전트, RAG, 컨트롤타워를 핵심 조건으로 제시했습니다.
#LLM#RAG
59005분
카뱅의 아이디어뱅커를 찾아서: BANKERTHON 2025 이야기
카뱅의 아이디어뱅커를 찾아서: BANKERTHON 2025 이야기
카카오뱅크 첫 사내 해커톤 BANKERTHON 2025의 기획과 운영 과정을 소개했습니다.\nFA 팀 매칭, IP 검토, AI 교육으로 참가 장벽을 낮추고 협업을 촉진했습니다.
#문화#세미나
38005분
데이터 지옥과 AI 천국을 오가는 여정
데이터가 AI의 기반이라는 점을 프로젝트 경험을 바탕으로 정리했습니다. 메타스토어, 중간지 DB, RAG와 Memory를 통한 실험과 앞으로의 방향도 소개했습니다.
#data#LLM
74005분
RAG 시대, Vector DB 비교 가이드: Vespa vs Milvus vs Qdrant
RAG 구현에 필요한 벡터 DB로 Vespa, Milvus, Qdrant를 설치·사용성·성능 기준으로 비교했습니다. 프로젝트 규모와 검색 요구사항에 따라 적합한 선택지를 정리했습니다.
#RAG#Vector DB
163005분
RAG와 리랭커(Reranker): 검색 모델과 LLM의 상호작용
RAG에서 리랭커가 필요한 이유와 역할을 설명했습니다. 기존 방식과 LLM 기반 리랭킹, 적용 시 한계와 보완 방법도 함께 정리했습니다.
#RAG#LLM
75005분
Amazon Bedrock기반에서 Contextual Retrieval 활용한 검색 성능 향상 및 실용적 구성 방안
Amazon Bedrock에서 Contextual Retrieval로 RAG 검색 정확도를 높이는 방법을 설명했습니다. 전처리 컨텍스트 생성, 하이브리드 검색, 리랭킹, 프롬프트 캐싱까지 실무 구성을 함께 다뤘습니다.
#RAG#Amazon Bedrock
77005분
Amazon Bedrock과 AWS Config를 활용한 규제 요구사항 자동 매핑 도우미 – Part 1.
Amazon Bedrock과 AWS Config로 규제 요구사항을 규칙에 자동 매핑하는 도구를 소개했습니다. 수동 관리의 한계를 줄이기 위한 프롬프트 설계와 운영 포인트도 함께 설명했습니다.
#Amazon Bedrock#AWS Config
66005분
Amazon Bedrock을 활용한 연말정산 업무 효율화: 메타넷사스의 MetaPay가 전년대비 생산성을 3.8배 향상한 사례
Amazon Bedrock과 Claude 3 Haiku로 연말정산 Q&A 챗봇을 구축해 문의 대응을 개선했습니다.\n구조화 데이터와 프롬프트 최적화를 통해 직접 문의를 약 40% 줄이고 생산성을 높였습니다.
#Amazon Bedrock#생성형 AI
76005분
기술블로그를 책으로, “요즘 우아한 AI 개발” 출간!
기술블로그를 책으로, “요즘 우아한 AI 개발” 출간!
우아한형제들 기술블로그를 엮은 두 번째 책 “요즘 우아한 AI 개발”을 소개했습니다. AI·데이터·로봇의 실무 적용 사례와 구성 내용을 함께 담았습니다.
#LLM#RAG
137005분
에이전트 내 자연어 검색 품질 향상 기법 : Entity RAG, Knowledge-aware retrieval
자연어 검색 에이전트의 품질을 높이기 위해 Entity RAG와 Knowledge-aware retrieval을 적용한 사례를 소개했습니다. 신규 개체 인식과 테마 질의 대응 성능이 개선되었고, 향후 적용 범위 확대도 제시했습니다.
#LLM#RAG
31005분