

TMAP과 에이닷이 만나다 : 주행의 동반자 TMAP with A.
TMAP에 에이닷 4.0 기반 음성 AI Agent를 적용해 주행 중 맥락을 이해하는 내비게이션으로 확장했습니다.\n목적지·경유지 설정, 장소 검색, 생활 정보 조회를 멀티턴 대화로 제공하는 구조를 소개했습니다.
새로운 기술 블로그가 추가되었어요


TMAP에 에이닷 4.0 기반 음성 AI Agent를 적용해 주행 중 맥락을 이해하는 내비게이션으로 확장했습니다.\n목적지·경유지 설정, 장소 검색, 생활 정보 조회를 멀티턴 대화로 제공하는 구조를 소개했습니다.


효율적인 광고 제작을 위한 레이아웃 생성 기술을 주요 방식별로 정리했습니다. 각 모델의 장점과 한계를 비교하며 실전 선택 기준도 함께 제시했습니다.

당근이 AI 활용 경험을 정리한 책 『요즘 당근 AI 개발』을 출간했습니다. 실험적 시도부터 운영 자동화와 플랫폼 구축까지의 실무 경험을 담았습니다.


n8n의 오픈소스·자체 호스팅 강점과 코드 확장성을 바탕으로 서비스 자동화 전략을 정리했습니다. API와 MCP를 결합한 하이브리드 구조로 단순 업무와 복잡한 비정형 문제를 함께 다루는 방법을 제시했습니다.

에이전틱 코딩 가이드북과 치트시트의 표준을 실제로 활용할 수 있도록 전사 내부 교육 프로그램을 설계한 글입니다. 구성원 역량을 맞춤형으로 강화하는 방향에 초점을 두었습니다.

X


LLM 활용이 늘며 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성을 정리했습니다. 입력·출력 검증 구조와 간단한 구현 예제로 실무 적용 방향도 제시했습니다.


LLM 확산에 따라 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성과 구조를 설명했습니다. 또한 입력·출력 가드레일 구현 예시와 함께 다층 방어 전략의 중요성을 정리했습니다.


단일 LLM 중심에서 벗어나 특화 모델을 조합하는 AI 아키텍처 전환을 설명했습니다.비용, 지연 시간, 정확성, 보안 한계를 줄이기 위한 오케스트레이션 전략을 정리했습니다.

AI를 단순 검색 도구가 아닌 개인화된 파트너로 활용한 실전 사례를 공유했습니다. 명확한 설계 문서와 점진적 개선이 AI 활용의 핵심이라고 정리했습니다.


Strands Agents와 MCP로 신약 개발 연구 어시스턴트를 구성하는 방법을 소개했습니다. 다중 데이터베이스 검색과 결과 종합, PDF 생성까지 이어지는 에이전트 워크플로우를 보여주었습니다.
![[에이닷 4.0 QE 여정1] 에이닷 4.0 품질 비하인드](https://devocean.sk.com/thumnail/2025/9/2/c3158e6429d9e81ba35fff3f4ca44d69c18c332adb863e8c5ebe24928abc89bb.png)

에이닷 4.0 품질 검증에서는 LLM 응답을 실제 발화 기반으로 평가하고, 기획 초기부터 QA가 함께 참여했습니다. Sanity Test, SPeCTRA 2.0, daily report로 품질 기준과 이슈 우선순위를 선제적으로 관리했습니다.