![코드 생성 및 Agentic RAG 작업 중심의 도메인 특화 LLM 비교 평가 [전편]](https://jbxeeb6ybylgemuz.public.blob.vercel-storage.com/main/public/white-paper/wp-thumb-26-tx5SbqWD2PbAM7bBOrWLutxhPYEYvh.png)
코드 생성 및 Agentic RAG 작업 중심의 도메인 특화 LLM 비교 평가 [전편]
일본 급여 시스템의 실제 파이프라인을 대상으로 13개 LLM 구성을 비교 평가하는 전편이었습니다. 코드 생성과 Agentic RAG를 분리해, 품질·안정성·비용 기준의 모델 선택 필요성을 설명했습니다.
#LLM#RAG
2200
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
인간과 AI, 함께 데이터를 탐험하다 - BDA 2.0 서비스의 탄생, 현재 그리고 미래
인간과 AI, 함께 데이터를 탐험하다 - BDA 2.0 서비스의 탄생, 현재 그리고 미래
BDA 2.0 서비스와 자연어-SQL 변환 기반 LLM 에이전트의 탄생 배경을 소개했습니다. 도메인 전문가와 개발자의 협업으로 도메인 특화 에이전트를 만드는 과정을 다뤘습니다.
#LLM#SQL
800
당근은 왜 User Activation을 전사 공통 데이터 레이어로 만들었을까?
당근은 왜 User Activation을 전사 공통 데이터 레이어로 만들었을까?
당근이 User Activation을 전사 공통 데이터 레이어로 만든 배경과 구조를 설명했습니다. 상태와 전이 분석을 위해 신뢰성, 비용, 생산성을 함께 고려한 설계였습니다.
#DBT#Airflow
13200
직관이 아닌 데이터로: NOL PM의 실험 설계 이야기
직관이 아닌 데이터로: NOL PM의 실험 설계 이야기
PM이 직관이 아닌 데이터로 가설을 검증하는 실험 설계 방법을 정리했습니다. NOL 사례를 통해 작은 UI 변화도 전환과 경험 개선으로 이어질 수 있음을 보여주었습니다.
#A/B 테스트#SQL
6000
Generative UI 실전 구현 \:\ AI로 GitLab 데이터 조회, 차트 생성
Generative UI 개념과 GitLab 데이터 조회·차트 생성 구현 예시를 소개했습니다. 또한 환각, 보안, 성능 한계와 실무 적용 방안을 함께 정리했습니다.
#LLM#React
5900
'우리는 이미 만들고 있었다' - 개발조직 AI 리얼스토리(2025년판)
'우리는 이미 만들고 있었다' - 개발조직 AI 리얼스토리(2025년판)
외부 LLM을 활용해 서비스 가치와 개발 생산성을 높인 개발조직의 AI 사례를 정리했습니다. 모델 경쟁보다 데이터와 운영 피드백을 누적 자산으로 삼는 전략을 강조했습니다.
#LLM#RAG
10200
Mapping Karrot’s Data: How We Built Column-Level Lineage
Mapping Karrot’s Data: How We Built Column-Level Lineage
Karrot 데이터팀이 BigQuery SQL 로그를 파싱해 컬럼 단위 데이터 계보를 구축한 과정을 소개했습니다. 테이블 단위 한계를 보완하고 영향 분석과 PII 추적을 정교하게 만든 사례입니다.
#BigQuery#SQL
4800
당근 데이터 지도를 그리다: 컬럼 레벨 리니지 구축기
당근 데이터 지도를 그리다: 컬럼 레벨 리니지 구축기
BigQuery 쿼리 로그를 SQL 파싱해 컬럼 레벨 리니지를 구축한 사례를 소개했습니다. 테이블·컬럼 의존 관계를 빠르게 추적해 데이터 신뢰성과 운영 효율을 높였습니다.
#SQL#BigQuery
10800
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
통합 데이터 허브로 가는 길 - Part 3
통합 데이터 허브로 가는 길 - Part 3
Zeppelin의 익숙한 사용성을 유지하면서 JupyterHub에 기능과 운영 체계를 단계적으로 구현한 내용을 정리했습니다. 대용량 SQL 안정화, GitHub 자동화, 무중단 운영과 추적성 확보가 핵심이었습니다.
#JupyterHub#SQL
1400
도전이 일상이 되는 곳, 라포랩스 MD 전략팀 인턴 일기
라포랩스 MD 전략팀 인턴이 광고 업무 자동화와 매스 세일즈 캠페인 실행을 통해 성장한 경험을 소개했습니다. 데이터 공유와 심리적 안전감이 있는 문화 속에서 오너십과 실행력을 키운 사례를 담았습니다.
#BigQuery#SQL
2300
효율적인 데이터 분석을 위한 Trino와 Spark의 하이브리드 사용 방법
Trino는 빠른 실시간 분석과 멀티 소스 조인에 적합하고, Spark는 대규모 배치와 ETL에 유리하다고 설명했습니다. 두 엔진을 역할 분담하는 하이브리드 전략과 Trino의 운영 한계도 함께 정리했습니다.
#Trino#Spark
8900
라포랩스 직무인터뷰 시리즈 Colon : Marketer
라포랩스 퀸잇과 팔도감 마케팅 팀의 업무와 문화, AI 활용 방식이 소개되었습니다. 빠른 실험과 데이터 기반 의사결정, 풀 퍼널 경험을 중시하는 팀 분위기를 강조했습니다.
#자동화#BigQuery
1800
Text2SQL은 왜 자꾸 틀릴까?
LLM 기반 Text-to-SQL의 오류 유형과 빈도를 정리하고, 기존 수리 방식의 한계를 분석했습니다. 규칙 기반 감지와 LLM 보조 수정을 결합한 MapleRepair의 실무적 효과를 소개했습니다.
#LLM#SQL
12800
JQL 활용하기
Jira 이슈 검색을 더 정교하게 만들기 위한 JQL 활용법을 소개했습니다. 기본 검색을 JQL로 확장하는 방법과 자주 쓰는 예제를 정리했습니다.
#Jira#JQL
10500