
[AI Agent] 혜택과 제외 조건을 함께 확인하는 프로모션 검색
프로모션 검색과 상세 질의를 분리해 혜택·기간·제외 조건의 근거를 함께 확인하는 흐름을 설계했습니다. 문서 개정, 권한, 기간, 품질 지표를 검증해 상담 오안내를 줄이는 방법을 설명합니다.

프로모션 검색과 상세 질의를 분리해 혜택·기간·제외 조건의 근거를 함께 확인하는 흐름을 설계했습니다. 문서 개정, 권한, 기간, 품질 지표를 검증해 상담 오안내를 줄이는 방법을 설명합니다.

문서 저장·게시·검색 반영을 분리하고 식별자와 게시 스냅샷으로 최신성을 검증하는 흐름을 설명했습니다. Databricks Delta Sync 상태, 행 수, 대표 질의를 함께 확인해 빈 결과와 철회까지 관리합니다.

업무 질문 기반 골든셋으로 검색 근거의 충족도와 순서 품질을 분리 평가하는 방법을 설명합니다. 실패·누락·핵심 예외 문항을 함께 기록해 변경 전후를 비교합니다.


법규정의 위임·예외·준용 관계를 지식그래프로 구조화한 GraphRAG 상담서비스 설계를 설명했습니다. 질문 유형에 따라 검색 전략을 나누고 근거·관계 품질을 검증하는 방안을 제시합니다.


RAG 재순위화의 구조와 기술 발전, 운영 설정, 모델 선정 기준을 정리했습니다. 한국어 기업 문서 실험으로 정확도·속도·GPU 비용의 차이를 비교했습니다.


AI 문서의 작성 과정이 개인 계정에 남아 자산화와 인수인계가 어려운 문제를 짚었습니다. 재사용 가치가 높은 자료부터 저장·검색·권한 기준을 단계적으로 마련해야 합니다.

클레임 검색 색인을 변경 알림 방식에서 데이터베이스 변경 로그 기반 CDC로 전환했습니다. 누락·값·지연 관점에서 새 색인의 정확성을 검증하는 과정을 다룹니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

실제 AI 제품에서는 모델 성능뿐 아니라 검색 품질과 속도, 사용자 경험까지 함께 고려해야 합니다. 이번 밋업에서는 자체 모델 학습과 검색엔진 고도화 사례를 공유합니다.

개인화 추천을 위한 랭킹 모델 개발기를 소개하는 글입니다.

B2B IT 시장에서 테크블로그는 광고보다 오래 남는 검색 자산이라고 설명했습니다. 특히 AI 검색 시대에는 사실 기반 기술 콘텐츠가 신뢰와 전환을 만드는 핵심이라고 강조했습니다.


GS SHOP 검색·추천팀이 AI-DLC로 자연어 검색과 추천 실험 프로세스를 표준화했습니다. 실데이터 검증을 통해 다음 개선 지점과 공정한 비교 구조를 함께 확보했습니다.

공개 리더보드만으로는 토스 서비스에 맞는 LLM을 고르기 어려워 Toss Benchmark를 구축했습니다. 한국어 입력, 추론 설정, 도메인 지식과 정책 준수까지 함께 평가해 실제 업무 적합성을 확인했습니다.


`@TransactionalEventListener`는 커밋 이후 실행이 아니라 트랜잭션이 있을 때만 등록됩니다. 트랜잭션 밖 발행 누락은 `fallbackExecution`과 발행 지점의 트랜잭션 검사를 성격에 맞게 선택해야 합니다.


스크럼에서 반복되던 유저스토리 작성과 점수 참고 과정을 줄이기 위해 AI 기능을 도입한 과정을 공유했습니다. 생성과 검색을 분리하고, 실제 사용 중 드러난 문제를 바탕으로 구조를 계속 조정했습니다.