
Amazon EKS에서 NVIDIA OSMO 기반 Physical AI 워크플로 운영하기
Amazon EKS에서 NVIDIA OSMO를 활용한 Physical AI 워크플로 운영 레퍼런스 아키텍처를 소개했습니다. GPU 스케줄링, 아티팩트 보존, 모니터링, 보안을 함께 다루는 방법을 설명했습니다.
새로운 기술 블로그가 추가되었어요

Amazon EKS에서 NVIDIA OSMO를 활용한 Physical AI 워크플로 운영 레퍼런스 아키텍처를 소개했습니다. GPU 스케줄링, 아티팩트 보존, 모니터링, 보안을 함께 다루는 방법을 설명했습니다.

디자이너 혼자 AI를 활용해 콘서트팩 아카이빙 웹페이지를 제작한 과정을 소개했습니다. 여러 AI의 코드를 비교하고 시안 이미지를 활용해 브랜드 경험을 구현한 방식이 핵심입니다.

Kubernetes Gateway API의 Policy 객체로 트래픽 제어를 세밀하게 나누는 방법을 정리했습니다. Ingress Annotation 대신 표준 CRD와 attach 방식 차이를 이해하는 것이 핵심입니다.

ArgoCD 배포를 정적 YAML 대신 HelmRelease와 FluxCD로 전환하는 방법을 정리했습니다. values 분리, 순서 보장, 에어갭 배포까지 운영 포인트를 함께 다뤘습니다.
토스팀이 AI 변화에 대응하기 위해 AI Surf Day를 운영하며 실험과 공유 문화를 만들었습니다. 사례 공유, 에반젤리스트, 외부 협업을 통해 AI 전환의 기반을 넓혔습니다.

2026년 6월 FE 뉴스에서는 AI 개발 트렌드, 최신 웹 UI 기능, npm 공급망 보안 이슈를 함께 다뤘습니다. 또한 폰트 애니메이션 라이브러리와 AI 에이전트 상태 표시 도구도 소개했습니다.

캔버스 에디터 드래그 성능 저하의 원인을 React가 아닌 Layout Thrashing으로 분석했습니다. Read와 Write를 분리한 4-Phase 배칭으로 reflow를 줄여 60fps를 회복했습니다.

비개발자가 한 달 동안 풀스택 개발을 하며 AI 협업 방법론과 환경 설계를 배웠습니다. 구체적 프롬프팅, 병렬 작업, MCP 활용, 문서화의 중요성을 정리했습니다.

AI 에이전트가 실제 업무를 수행하려면 프롬프트만이 아니라 실행 환경 설계가 중요하다고 설명했습니다. 도구, 권한, 테스트, 로그, 승인 흐름까지 포함한 하네스 엔지니어링을 강조했습니다.
200개 이상 DB를 BigQuery로 옮기던 ELT 운영 문제를 DT Platform으로 분리·표준화했습니다. UI와 DSL, 자동 마이그레이션으로 리드타임과 리뷰 병목을 줄였습니다.

Kubernetes 기반 GPU 클러스터를 안정적으로 운영하기 위한 유지 관리 방안을 정리했습니다. 자동화, 관측, 스케줄링 통합, 네트워크·보안 분리를 통해 장애 대응과 성능 안정성을 높이는 방법을 소개했습니다.

Git 평문 시크릿과 K8s Secret 오브젝트를 함께 없애기 위한 Vault 도입 전략을 정리했습니다. 운영 설계와 예외 처리, 감사 로그와 토큰 회수까지 함께 챙겨야 합니다.