![[AWS Summit Korea 2026] 규제 환경에서의 통제 가능한 AI 에이전트 아키텍처](https://tech.cloud.nongshim.co.kr/wp-content/uploads/tech_thumbnail.png)
[AWS Summit Korea 2026] 규제 환경에서의 통제 가능한 AI 에이전트 아키텍처
규제 환경에서 AI 에이전트를 안전하게 운영하기 위한 거버넌스와 통제 아키텍처를 정리했습니다. 모델 출력과 에이전트 행동을 분리해 제어하고, 운영 중에도 지속 검증하는 방법을 소개했습니다.
#LLM#AWS
24005분
필터 1
신한카드, 온톨로지와 소형언어모델로 고효율 AI 챗봇 구축하기
온톨로지와 분산형 에이전트 구조로 소형 언어모델 기반 AI 챗봇을 고도화했습니다. 멀티턴 대화와 주제 전환을 처리하면서 정확도, 비용, 지연 시간을 함께 개선했습니다.
#LLM#온톨로지
37005분
[AWS Summit Korea 2026] 에이전트의 진화
AI 에이전트가 소프트웨어를 도구에서 동료로 바꾸는 흐름을 정리했습니다. 코딩에서 검증된 역할 변경이 지식 근로자 업무와 AWS 기반 AX 전환으로 확장된다고 설명했습니다.
#AWS#LLM
19005분
이커머스 부정 반품 요청, AI로 차단한다: Amazon Nova Fine-tuning으로 산업 특화 가드레일 구성하기
패션 이커머스의 부정 반품 요청을 차단하기 위해 Amazon Nova 2 Lite를 Fine-tuning해 도메인 특화 가드레일을 구축했습니다. 837개 샘플 학습으로 Unsafe 탐지 정확도를 94.6%까지 높였고, 소형 모델의 비용 효율성도 확인했습니다.
#LLM#RAG
8005분
레거시 프로젝트에서 AI 드리븐 프로젝트로 전환, AX 로드맵
레거시 프로젝트를 AI 드리븐 프로젝트로 전환하기 위한 AX 4단계 로드맵을 소개했습니다. 보안 기반부터 리뷰 자동화까지 단계적으로 확장하는 방법과 KPI를 함께 정리했습니다.
#LLM#CI/CD
47005분
에이전트 옵저버빌리티 - AI 에이전트의 '조용한 실패'를 잡는 법
AI 에이전트의 조용한 실패를 잡기 위한 에이전트 옵저버빌리티 개념과 APM·LLM 옵저버빌리티와의 차이를 정리했습니다. Langfuse와 Gemini로 PR 리뷰 에이전트를 추적·평가하는 실습과 운영 시 유의사항도 다뤘습니다.
#LLM#모니터링
39005분
사내 에이전트 극한까지 사용하기
사내 AI Agent 에이봇을 조직의 업무 인프라로 만든 사례를 소개했습니다. 오케스트레이터, 서브에이전트, Eval, 권한 제어로 실제 업무 적용과 확장을 다뤘습니다.
#LLM#RAG
126005분
에이전틱 AI 생태계의 주인공들, MCP Player 10 성료와 Next!
에이전틱 AI 생태계 확산을 위한 MCP Player 10 성료 소식을 다뤘습니다. 세부 기술보다는 이벤트 결과와 다음 계획 안내가 중심입니다.
#MCP#LLM
40005분
AI국민비서: 공공 특화 에이전트 구축하기
AI국민비서: 공공 특화 에이전트 구축하기
공공 특화 에이전트인 AI국민비서 구축 경험과 노하우를 공유한 발표 글입니다. 모델 선택, 속도 최적화, Safety 대응, 평가 체계까지 다뤘습니다.
#LLM#prompt
100005분
Skill 품질 관리를 위한 Rubric 설계와 시스템 구현
Skill 품질 편차를 줄이기 위해 6섹션 30항목 Rubric과 자동 평가 시스템을 설계했습니다. 결정적 결함은 규칙 검사로, 의미 품질은 LLM 판정으로 나누어 관리했습니다.
#LLM#rubric
129005분
GloZ의 Amazon OpenSearch Service를 기반으로 한 자연어 이력서 검색 시스템 구축 사례 — Part 2: 하이브리드 검색과 자연어 쿼리 변환
OpenSearch 기반 이력서 검색에서 하이브리드 검색과 자연어→DSL 변환을 최적화한 사례를 다뤘습니다. Function Calling과 RAG를 결합해 검색 정확도와 응답 속도를 개선했습니다.
#Amazon OpenSearch Service#LLM
29005분
![[Tech Series] kt cloud AI 검색 증강 생성(RAG) #5 : 검색 고도화(Retrieval Optimization)와 리랭킹(Re-ranking) 기술](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FkWfxm%2FdJMcac4pFR8%2FAAAAAAAAAAAAAAAAAAAAAE-zw-ePxOnkWrGcRl9aspB41rnIiFaMwO9rzH6rIxVp%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1782831599%26allow_ip%3D%26allow_referer%3D%26signature%3DKSKpAFGWbQVZKwu0CiYEr3Qzvko%253D)
[Tech Series] kt cloud AI 검색 증강 생성(RAG) #5 : 검색 고도화(Retrieval Optimization)와 리랭킹(Re-ranking) 기술
RAG 검색 고도화와 리랭킹을 통해 정확한 근거 문서를 더 잘 찾는 방법을 다뤘습니다. 하이브리드 검색, 권한 인지 검색, 적응형 라우팅으로 실무형 파이프라인을 설계했습니다.
#RAG#검색
3005분