필터 1
프롬프팅에서 워크플로로, AI로 프런트엔드 개발 생산성 끌어올리기
라인
· 2026년 6월 26일
AI

프롬프팅에서 워크플로로, AI로 프런트엔드 개발 생산성 끌어올리기

프런트엔드 개발의 병목을 컨텍스트 통합 문제로 보고, AI를 프롬프트가 아닌 워크플로로 활용하는 방법을 설명했습니다. 계획-구현-검증-PR까지 닫힌 루프를 만들면 재작업을 줄이고 품질을 높일 수 있다고 정리했습니다.

#LLM#프런트엔드
54005분
AI 시대에 PM은 정말 대체될까? – 문과 출신 주니어 개발자가 슬랙봇으로 팀을 운영해본 3개월
밸런스히어로
· 2026년 6월 18일
AI

AI 시대에 PM은 정말 대체될까? – 문과 출신 주니어 개발자가 슬랙봇으로 팀을 운영해본 3개월

AI가 PM을 완전히 대체하기보다, 목표 정렬과 진척 추적 같은 운영 부담을 덜어주는 데 더 적합하다고 보았습니다. 슬랙봇으로 OKR·KR 관리와 데일리 스크럼을 자동화해 팀의 방향성을 더 또렷하게 만들었습니다.

#Slack#OKR
0005분
[AWS Summit Seoul 2026] 생성형 AI 시대의 새로운 개발 방법론: AI-DLC (AI-Driven Development Lifecycle)
농심NDS
· 2026년 6월 10일
AI

[AWS Summit Seoul 2026] 생성형 AI 시대의 새로운 개발 방법론: AI-DLC (AI-Driven Development Lifecycle)

생성형 AI의 한계를 넘기 위해 개발 전 과정을 AI와 함께 수행하는 AI-DLC 방법론을 소개했습니다. 기획부터 운영까지 컨텍스트와 이력을 보존하는 워크플로우를 통해 엔터프라이즈 개발 생산성을 높이는 접근을 다뤘습니다.

#AWS#LLM
31005분
LLM은 모델보다 하네스가 먼저다: 만득이 한 달 수습기
펫프렌즈
· 2026년 5월 29일
AI

LLM은 모델보다 하네스가 먼저다: 만득이 한 달 수습기

업무용 LLM 봇에서는 모델보다 하네스가 더 중요하다는 점을 정리했습니다. 범위 설정, 근거 분리, 도구 실패 구분이 실제 운영 품질을 좌우했습니다.

#LLM#Claude
124005분
도쿄에서 후쿠오카까지, 현장에서 답을 찾다 - CS InquiryChat 도입기
라인
· 2026년 5월 28일
기타

도쿄에서 후쿠오카까지, 현장에서 답을 찾다 - CS InquiryChat 도입기

데마에칸은 타사 채팅 솔루션 종료를 계기로 InquiryChat으로 전환했습니다. 후쿠오카 현장 조사와 FGT/FGI를 통해 운영 맥락을 반영하고 상담 효율과 경험을 개선했습니다.

#UI/UX#보안
73005분
개발자 없이 5분 만에 버그를 고친 QA, 우리가 설계한 것과 설계하지 않은 것
여기어때
· 2026년 5월 21일
AI

개발자 없이 5분 만에 버그를 고친 QA, 우리가 설계한 것과 설계하지 않은 것

AI 코딩 도구를 개인용에서 팀과 비개발자용으로 확장한 설계 과정을 다뤘습니다. Slack 기반 인터페이스와 품질 게이트로 QA와 기획자도 안전하게 작업하도록 만든 사례입니다.

#Claude Code#Slack
63005분
AI는 QA를 대체하지 않았다, 대신 확장했다
라인
· 2026년 5월 14일
AI

AI는 QA를 대체하지 않았다, 대신 확장했다

생성형 AI를 QA 운영 체계에 통합해 품질 이벤트 분석과 테스트 설계를 자동화했습니다. 사람과 AI가 함께 작동하는 구조로 QA의 역할과 사고 범위를 확장했습니다.

#QA#자동화 워크플로
66005분
[AI-Native AFINIT] 한 명의 PM이 더 큰 임팩트를 만드는 방식: 재현 가능한 AI 워크플로우의 힘
밸런스히어로
· 2026년 5월 8일
AI

[AI-Native AFINIT] 한 명의 PM이 더 큰 임팩트를 만드는 방식: 재현 가능한 AI 워크플로우의 힘

PM 반복 업무를 재현 가능한 AI 워크플로우로 정리한 사례를 소개했습니다. 데이터 검증, 승인, 산출물 연결까지 포함해 조직 지식으로 축적하는 방법을 설명했습니다.

#LLM#Cursor
0005분
비개발자의 AI 협업 도전기 — 생산성 측정하려다 서버까지 띄운 9일
네이버 D2
· 2026년 4월 29일
AI

비개발자의 AI 협업 도전기 — 생산성 측정하려다 서버까지 띄운 9일

비개발자가 AI와 사내 가이드를 활용해 생산성 측정 대시보드를 만든 과정을 공유했습니다. 리드타임 계산부터 서버 구축, 데이터 검증까지의 시행착오와 배운 점을 정리했습니다.

#Jira#GitHub
102005분
ODW #4: 코파일럿에서 파일럿으로, 에이전틱 코딩으로 구현부터 PR까지 자동화
라인
· 2026년 4월 24일
AI

ODW #4: 코파일럿에서 파일럿으로, 에이전틱 코딩으로 구현부터 PR까지 자동화

에이전틱 코딩으로 구현부터 PR까지 자동화한 워크숍 사례를 소개했습니다. Jira·Confluence 연계와 단계별 명령어로 실무 적용성을 높인 점이 핵심입니다.

#GitHub Copilot#Claude
80005분
ODW #3: MCP 서버를 안전하게 활용해 개발 효율 높이기
라인
· 2026년 4월 21일
AI

ODW #3: MCP 서버를 안전하게 활용해 개발 효율 높이기

MCP 서버를 AI 어시스턴트와 연결해 개발 효율을 높이는 사내 활용 사례와 워크숍 내용을 소개했습니다.티켓 발행 자동화와 멀티 에이전트 PR 리뷰를 통해 안전한 확장과 보안 관리의 중요성을 강조했습니다.

#MCP#Claude Code
69005분
ODW #2: ADK로 싱글/멀티 에이전트를 개발해 사내 시스템과 통합
라인
· 2026년 4월 15일
AI

ODW #2: ADK로 싱글/멀티 에이전트를 개발해 사내 시스템과 통합

ADK로 싱글·멀티 에이전트를 만들고 MCP로 사내 시스템과 연동한 워크숍 내용을 소개했습니다. 작은 자동화부터 시작해 팀 전체로 AI 활용을 확산하는 방법을 공유했습니다.

#LLM#MCP
58005분