
휴리봇 이야기 #2: AI가 사람처럼 말하게 만드는 5가지 프롬프트
휴리봇을 만들며 얻은 프롬프팅 팁을 소개했습니다. 역할 부여, 자연스러운 말투, OCR 활용, 반복 테스트가 핵심이었습니다.

휴리봇을 만들며 얻은 프롬프팅 팁을 소개했습니다. 역할 부여, 자연스러운 말투, OCR 활용, 반복 테스트가 핵심이었습니다.

토스는 디자이너가 사용성을 더 자주 점검하도록 AI 봇 휴리봇을 만들고, 프롬프팅 전후에 필요한 과정까지 정리했습니다. 초기 챗봇 검증 후 워크플로에 맞게 MVP 기능만 남겨 내재화 방향을 잡았습니다.

AWS의 생성형 AI 서비스 흐름 속에서 Amazon Q의 기능과 활용 가치를 소개했습니다. 개발 지원, 데이터 분석, 보안과 통합 측면에서 기업 도입 효과를 설명했습니다.


공개 한국어 표 데이터와 InternVL2-1B로 멀티모달 LLM을 직접 학습한 사례를 소개했습니다. 작은 모델과 적은 데이터로도 표 이해 챗봇 시나리오를 검증할 수 있었습니다.


이미지 생성 AI를 프로모션 키 비주얼 제작에 적용한 사례를 소개했습니다. 미드저니와 파이어플라이를 병행해 공수를 줄이고 퀄리티를 높였지만, 프롬프트 조정과 리터치에는 여전히 시간이 들었습니다.
카카오 if(kakaoAI)2024 콘퍼런스의 주요 기술 세션들을 정리했습니다. 카카오내비, 웹 접근성, 상태 관리, AI 로봇 배송 등 다양한 주제를 소개했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


TAG를 활용해 CSV 테이블 기반 영화 추천 서비스를 구현하고 RAG와 비교했습니다. 정형 데이터에서는 TAG가 더 정확한 질의 처리와 비용 효율성을 보였습니다.


Teleport 공식 기술 문서 700여 개를 GPT-4o-mini로 한글 번역한 서비스와 기능을 소개했습니다. 사람과 AI 협업, MDX 형식 대응, 비용 절감과 접근성 향상도 함께 정리했습니다.


RAG는 LLM의 한계를 보완하며 실무에서 빠르게 활용할 수 있는 방식으로 정리했습니다. 다만 성능은 문서 추출과 임베딩, 커스터마이징 이해도에 크게 좌우된다고 보았습니다.

LLM을 서비스에 적용할 때의 속도와 서빙 복잡도를 줄이는 방법을 소개했습니다. vllm, Triton, Kserve를 활용해 쉽게 배포하고 운영하는 흐름을 정리했습니다.

인도 중저신용자 대상 ACS에 AI와 LLM 적용을 확대했습니다. SMS 텍스트 분석 기반 부도 예측과 데이터 추출 정교화로 승인율과 리스크 관리를 개선했습니다.

인도 중저신용자 대상 대안신용평가시스템에 LLM과 AI NER2를 확대 적용했습니다. SMS 텍스트 기반 부도 예측 모델과 자동 평가 결과 생성으로 승인율과 응대 속도 개선을 노렸습니다.

인도 중저신용자 대상 대안신용평가시스템 ACS를 고도화하고 AI 적용을 확대했습니다. SMS 텍스트만으로 부도율을 예측하는 모델도 개발했습니다.

대규모 데이터에서 개인정보를 정확히 식별하기 위해 AI 분류기를 적용했습니다. 문맥 분석과 모델 최적화로 규제 준수와 운영 효율을 높였습니다.