

의류 제조 현장의 AI 혁신: 약진통상의 Amazon Bedrock 기반 AI 스타일 라이브러리
약진통상이 Amazon Bedrock 기반 AI 스타일 라이브러리로 의류 검색과 샘플 개발을 고도화했습니다. 멀티 리전 처리와 설정 파일 중앙화로 성능과 운영 효율도 함께 개선했습니다.


약진통상이 Amazon Bedrock 기반 AI 스타일 라이브러리로 의류 검색과 샘플 개발을 고도화했습니다. 멀티 리전 처리와 설정 파일 중앙화로 성능과 운영 효율도 함께 개선했습니다.
환불 불가 여행 상품의 오래된 불편을 해결하기 위해 리셀마켓을 시작했습니다. 플랫폼이 검수와 정산까지 책임지는 구조로 거래 안전성과 재사용 가치를 만들었습니다.

토스인컴은 세금 환급 서비스의 복잡한 시나리오를 함수형 POM과 유틸로 재구성해 E2E 자동화를 안정화했습니다.클릭 실패와 페이지 전환 문제를 줄이고, 변경 대응 속도와 검증 효율을 함께 높였습니다.


Amazon Bedrock 기반 Tech Assistant로 롯데온 운영 지식을 통합하고 장애 대응을 자동화했습니다. Slack 연동과 RAG 분석으로 응답 속도와 운영 효율을 높였습니다.

iOS26의 Safari 주소창 변경으로 채널톡 메신저 하단에 사이트가 노출되는 문제를 대응했습니다. CSS 한계와 스크롤 이슈를 거쳐 동적 커버 방식으로 채팅 경험을 개선했습니다.

iOS26에서 Safari 주소창 변경으로 채널톡 메신저 하단에 빈 공간이 보이는 문제를 대응했습니다. CSS 우회와 커버 오버레이 방식을 거쳐 채팅 경험을 해치지 않는 방향으로 적용했습니다.


AWS ARC Region switch와 FIS를 결합해 크로스 리전 장애 조치를 자동화하는 방법을 소개했습니다. Synthetic canary와 CloudWatch로 장애를 감지하고 보조 리전 전환을 검증했습니다.

기존 시스템 지표 모니터링의 한계를 보완하기 위해 서비스 이상 탐지 시스템을 도입했습니다. 중앙값 기반 탐지와 대응 자동화로 정밀도와 탐지율을 높이고 전파 시간을 크게 줄였습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

토스와 데이콘이 함께한 첫 ML 경진대회 출제 후기를 공유했습니다. 실제 광고 클릭 예측 문제와 참가자들의 다양한 풀이 방식을 소개했습니다.

RAG 프로젝트가 왜 실패하는지, 실무 운영 관점에서 품질 문제와 원인을 짚는 패널 토크를 소개했습니다. 문서 품질, 청킹, 인덱스 구조 등 해결 포인트와 최신 RAG 트렌드도 함께 다뤘습니다.

DynamoDB 부하를 실시간으로 감지해 Kafka 컨슈머를 pause/resume하는 역압력 아키텍처를 구축했습니다. 운영 적용 후 처리량을 낮추고 실시간 API 안정성과 비용 절감을 확인했습니다.


오늘의집은 이미지 속 상품 탐색을 위해 객체 탐지와 벡터 검색 기반의 오집렌즈를 구축했습니다. 유저 인터랙션 로그를 활용해 탐지 결과와 이미지 유사도 모델을 지속 개선합니다.

AI를 단순한 보조 도구가 아니라 업무 전환의 수단으로 보는 관점을 제시했습니다. ANTI 지표로 AI-Native 전환 수준을 측정하고 Level 4 업무를 늘리는 방법을 설명했습니다.

AI 음성 변환과 합성의 전체 파이프라인을 소개했습니다. 음색 보존, 피치 제어, 평가 지표와 한계 대응 방안까지 정리했습니다.