사내 지식으로 Agentic RAG 만들기 (1/3) : RAG 파이프라인의 바닥 다지기
사내 지식으로 Agentic RAG 만들기 (1/3) : RAG 파이프라인의 바닥 다지기
사내 지식을 활용한 Agentic RAG 구축의 첫 단계로 RAG 파이프라인의 기반을 다지는 내용을 다뤘습니다. 발췌상 사내 공통플랫폼 맥락에서 RAG 설계와 적용을 정리한 글로 보입니다.
#Agentic RAG#RAG
9700
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계
보안 업무에 AI를 적용할 때 사람의 판단을 남기고 AI는 1차 정리와 근거 수집을 맡기는 SAGE 플랫폼 설계를 소개했습니다. 3개 진입점과 멀티 에이전트, RAG, MCP, 피드백 루프로 운영하는 방식도 정리했습니다.
#LLM#RAG
3600
실리콘투의 사내 지식 MCP 게이트웨이 구축기
사내 지식이 흩어진 문제를 MCP 게이트웨이로 통합하고, 검색 전 권한 통제와 감사 체계를 먼저 설계했습니다. 초기에는 온프렘으로 시작해 이후 AWS 관리형 서비스로 단계적으로 이전했습니다.
#MCP#AWS
5000
AI Agent를 위한 OpenSearch 검색 품질 평가하기 (Part 1)
AI Agent 검색 품질을 OpenSearch와 Bedrock으로 정량 평가하는 방법을 다루었습니다. NDCG와 Recall, LLM Judge 검증, BM25·시멘틱·하이브리드 비교 결과를 함께 설명했습니다.
#OpenSearch#RAG
1700
AI가 이해하는 기업
AI가 이해하는 기업
기업 AI가 ROI로 이어지지 않는 이유를 의미 계층의 부재로 설명했습니다. 온톨로지와 Active Ontology를 통해 맥락을 기계가 읽게 만드는 방향을 제안했습니다.
#LLM#RAG
2600
AI에게 투자정보를 말하게 하기까지
투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.
#LLM#ML
7300
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
모던 백엔드 강좌 소개
2026년 기준 Java 25와 Spring Boot 4.x 중심의 백엔드 변화와 실무 전환 포인트를 소개했습니다. 단일 예제 프로젝트로 마이그레이션 판단과 AI 통합까지 다루는 커리큘럼입니다.
#Java#Spring Boot
9300
AI SDLC의 올바른 접근법과 사전 준비사항_0724
AI SDLC의 올바른 접근법과 사전 준비사항_0724
AI SDLC를 전면 자동화로 보는 접근의 위험성과 단계별 성숙도 차이를 정리했습니다. PoC 검증, 정량 KPI, Human-in-the-loop로 범위를 확정하는 전략을 제안했습니다.
#LLM#RAG
3200
2주 만에 Strands SDK와 Amazon Bedrock AgentCore로 구현한 어스얼라이언스의 CS 환불 자동응답 에이전트 시스템
Strands SDK와 Amazon Bedrock AgentCore로 환불 CS 자동응답 에이전트를 2주 만에 구축했습니다. 내부 검수 초안 방식과 멀티턴 맥락·안전성 검증을 결합해 운영 가능성을 확보했습니다.
#Amazon Bedrock#LLM
1800
십만 줄 코드베이스, AST로 길을 찾다 — Kiro Code Intelligence로 대규모 코드베이스를 이해하는 법
대규모 코드베이스에서는 텍스트 검색보다 AST 기반 구조 이해가 더 중요하다고 설명했습니다. Kiro Code Intelligence는 tree-sitter와 LSP를 함께 써서 심볼과 참조를 정밀하게 다룹니다.
#AST#tree-sitter
5300
AWS 환경에서 프로덕션-레디 확산 언어 모델(DLM) 검증하기
AWS 환경에서 프로덕션-레디 확산 언어 모델(DLM) 검증하기
DLM과 AR의 구조 차이, 지연 이점, 검증 방식과 평가 게이트 설계를 AWS 환경에서 설명했습니다. 데이터 구조화와 검색 개선으로 사실 정밀도와 환각을 함께 개선한 사례를 다뤘습니다.
#AWS#LLM
3300
AI채팅 구축 사례: 725만 건 설계 자료를 AI로 검색하다, 서영엔지니어링
방대한 설계 자료를 자연어로 찾기 위해 사내 플랫폼에 AI채팅을 연동했습니다. 실무 검증에서 정답률 96%를 확인하고 검색 시간을 크게 줄였습니다.
#RAG#검색
5300
![[도입전략] 공공 AI 전환을 위한 AX Readiness Check 활용법](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fbtauum%2FdJMcadCykYe%2FAAAAAAAAAAAAAAAAAAAAADFR9B-8OVEvL-L9KsC6CuoYMTfcjJr3wkb0_SqpEsf6%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1785509999%26allow_ip%3D%26allow_referer%3D%26signature%3DAIo9OoACGo%252B%252FrFnwEy92tDS5i00%253D)
[도입전략] 공공 AI 전환을 위한 AX Readiness Check 활용법
공공기관의 AI 전환 준비도를 진단하는 AX Readiness Check와 7대 영역을 소개했습니다.\n현황 점검 후 맞춤형 솔루션으로 단계별 전환을 돕는 방향을 제시했습니다.
#AI 거버넌스#AI 전환
3000
포스코DX의 엔지니어링 암묵지를 AI가 활용할 수 있는 지식 자산으로 전환하기
포스코DX의 엔지니어링 암묵지를 AI가 활용할 수 있는 지식 자산으로 전환하기
포스코DX는 현장 암묵지를 AI가 활용할 수 있는 지식 자산으로 전환하는 PoC를 진행했습니다.\nGraphiti와 Amazon Bedrock 기반 지식 그래프로 설계 규칙을 구조화하고, 검색과 추론까지 자동화했습니다.
#LLM#RAG
3700