

셀트리온제약의 의약품 공급망 관리 강화를 위한 멀티 에이전트 시스템 구축 여정
셀트리온제약이 S&OP 회의 질의 대응을 위해 멀티 에이전트 AI 시스템을 구축했습니다. RAG, Text-to-SQL, 웹 검색을 결합해 평균 1분 이내 응답과 약 90% 정확도를 확보했습니다.


셀트리온제약이 S&OP 회의 질의 대응을 위해 멀티 에이전트 AI 시스템을 구축했습니다. RAG, Text-to-SQL, 웹 검색을 결합해 평균 1분 이내 응답과 약 90% 정확도를 확보했습니다.


아이지에이웍스가 Amazon Bedrock 기반 클레어로 자연어를 SQL 분석과 차트로 연결했습니다. 마케터가 SQL 없이도 복잡한 데이터 분석을 수행하도록 돕고 의사결정 속도를 높였습니다.


LangGraph로 단일 노드와 멀티 노드 그래프를 구성하는 방법을 설명했습니다. 또한 답변 개선, 요약·번역, 답변 검증 패턴으로 LLM 워크플로우 설계 예시를 제시했습니다.

사내 AI Agent와 MCP 서버를 도입해 Slack, JupyterHub, 개발자 워크플로우를 자동화한 구조와 사례를 공유했습니다. LangGraph 오케스트레이션, 권한 관리, RAG 고도화 방향도 함께 정리했습니다.


RAG 논문 스터디를 바탕으로 개인용 데이터 분석 보조 AI DRA를 구현한 과정을 소개했습니다. Supervisor 패턴의 멀티 에이전트와 LangGraph, LangSmith, Streamlit 활용 경험을 정리했습니다.


사람인 내부 데이터를 활용해 LLM 챗봇을 구축하고, RAG와 Function Calling으로 답변 정확도를 높였습니다. 또한 LangGraph와 멀티테넌시, 모니터링으로 운영성과 확장성을 함께 개선했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


YouTube 댓글의 정보 과부하를 RAG로 해결하는 분석 시스템을 LangGraph와 Qdrant로 구현했습니다.댓글 수집, 의미 검색, 응답 생성을 분리하고 MVP 한계와 개선점까지 정리했습니다.


Amazon Bedrock 기반으로 FAQ Fast-Path와 Advanced RAG를 결합한 고객 응대 챗봇 구축 사례를 소개했습니다. 또한 비식별화, Guardrails, VPC·PrivateLink로 금융 서비스 수준의 보안성을 강화했습니다.


QANDA가 생성형 AI 시대에 맞춰 단일 문제풀이 앱에서 멀티 에이전트 학습 플랫폼으로 재설계되었습니다. 또한 Plan-and-Execute, Artifact, LangGraph 기반 구조로 의도 분류와 상태 관리를 안정화했습니다.


콴다는 문제 풀이 중심 앱을 멀티 에이전트 기반 학습 어시스턴트로 재설계했습니다. 채팅과 Agent를 분리하고 Plan-and-Execute, Artifact 구조로 확장성과 안정성을 높였습니다.


Ambient Agent가 챗봇 중심 에이전트의 한계를 넘어 자율 실행과 장기 워크플로우를 가능하게 한다고 설명했습니다. 다만 민감한 업무에서는 Human-in-the-loop와 보안, 데이터 품질 관리가 중요하다고 정리했습니다.


당근페이는 브로쿼리라는 내부 Text-to-SQL 봇의 배경과 아키텍처를 소개했습니다. 자연어 질문을 SQL로 바꾸고 컨텍스트를 보강해 데이터 활용 장벽을 낮추는 구조를 설명했습니다.


사내 전사 데이터를 자연어로 조회하는 똑쿼리의 고도화 과정을 정리했습니다. LangGraph, 라우터 패턴, OpenWebUI, RAG 개선으로 응답성과 정확도를 높였습니다.

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.