
Software 3.0 시대, Harness를 통한 조직 생산성 저점 높이기
LLM 활용 격차를 개인의 센스가 아닌 팀 시스템으로 끌어올리는 방법을 제안했습니다. Claude Code의 플러그인과 마켓플레이스를 조직용 하네스로 보는 관점을 정리했습니다.

LLM 활용 격차를 개인의 센스가 아닌 팀 시스템으로 끌어올리는 방법을 제안했습니다. Claude Code의 플러그인과 마켓플레이스를 조직용 하네스로 보는 관점을 정리했습니다.

Text2SQL 기반 InsightLens로 자연어만으로 SQL을 생성하는 서비스를 개발했습니다.\nRAG와 에이전트 설계를 통해 참조 데이터 품질과 운영 개선에 집중했습니다.

LINE DEV AI 리포터즈가 조직 내 AI 활용 경험을 모아 공유하고 전파한 과정을 소개했습니다. 개인의 실험을 실무와 조직 문화로 확장한 사례를 정리했습니다.

코드 생성과 Agentic RAG에서 최적 LLM이 다르다는 점을 비교 평가로 정리했습니다. 이기종 파이프라인과 안정성·비용을 함께 고려한 모델 선택이 중요하다고 제시했습니다.

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.

Semantic Search로는 번역 키의 용어 일관성을 충분히 살리기 어려웠습니다. 문장 유사도보다 정확한 용어 재사용에 맞춰 검색 방식을 바꾸는 것이 더 효과적이었습니다.

Semantic Search만으로는 번역 용어 일관성을 해결하기 어려웠습니다. 저자는 키워드 추출과 Tolgee 재검색 방식으로 접근을 바꿨습니다.


웅진씽크빅 북큐레이터 업무를 돕는 AI 에이전트를 AI-DLC로 2일 만에 MVP까지 구축했습니다. Kiro Steering과 AWS 서비스를 활용해 상담 준비, 회의록 정리, 코칭 지원을 자동화했습니다.

삼성전자 사내 검색 환경을 개선하기 위해 Agentic Search 구조를 선택한 배경을 다뤘습니다. 다양한 RAG 실험과 설계 고려 사항을 함께 정리했습니다.

에이전트 루프는 새로운 이론보다 기존 반복문과 상태 관리 패턴의 재조합에 가깝다고 정리했습니다. 채널톡은 질문 응답용 Loop와 액션 처리용 Task를 분리해 종료 조건과 안전성을 보강했습니다.

에이전트 루프를 Ralph Loop, OpenClaw 사례로 살펴보며 반복과 종료 설계의 중요성을 정리했습니다. 질문 응답과 작업 처리를 분리하고, maxTurns 같은 안전장치를 두는 접근을 제안했습니다.

RAG가 단순 검색을 넘어 개인 데이터와 실시간 컨텍스트를 통합하는 방향으로 진화하고 있음을 설명했습니다. Personal Context RAG를 실현하기 위한 접근의 필요성도 함께 제시했습니다.