채팅으로 디자인하는 AI, 실제로 쓸까? — A/B 테스트와 사용자 행동 분석기
AI 디자이너 MVP의 A/B 테스트와 발화 분석으로 이탈 원인을 기능 미지원·응답 지연으로 구분했습니다. 도구별 우선순위와 캔버스 맥락 활용 가설을 도출해 응답시간 개선과 제품 방향 논의에 반영했습니다.
#LLM#AI 에이전트#A/B 테스트
3700
채팅으로 디자인하는 AI, 실제로 쓸까? — A/B 테스트와 사용자 행동 분석기
모든 블로그
대표 인기 포스트AI Agent로 테스트 커버리지 100% 달성한 실전 전략 — Claude Code 활용기406 조회406 조회 AI AI AI AI AI AI AI AI AI AI AI AI AI
AI
AI
미리디
도메인medium.com
주요 카테고리 AI · 프론트엔드
활동 요약
- 최근 30일
- 7개
- 평균 조회
- 68
- 누적 조회
- 3,320
- 전체 글
- 49개
- 마지막 발행
- 2026. 11. 10.
미리디 기술 블로그 글 (15)
AI 잘 쓰는 사람의 노하우, 어떻게 팀 전체로 퍼질까?
개인의 AI 활용 경험을 팀 전체로 확산시키는 방법을 다뤘습니다. 전사 타운홀 Re:Sync로 각 팀의 실행과 배움을 연결했습니다.
#회의#문화
6600
AI 잘 쓰는 사람의 노하우, 어떻게 팀 전체로 퍼질까?
미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법
세 AI 에이전트의 토론과 네 플랫폼 데이터를 결합한 트렌드봇 설계를 소개했습니다. 해외 신호 탐색을 자동화하고, 최종 제작 판단은 사람이 맡도록 구성했습니다.
#AI 에이전트#LLM#할루시네이션
2900
미리캔버스가 AI 3대로 해외 트렌드에서 진짜를 가려내는 법
AI로 QA 업무를 자동화한 방법: n8n부터 E2E 테스트 자동화까지
QA 업무의 반복 검증을 AI와 자동화 도구로 줄이는 방법을 소개한 글입니다. n8n부터 E2E 테스트 자동화까지의 흐름을 중심으로 살펴봅니다.
#test#자동화#n8n
19600
AI로 QA 업무를 자동화한 방법: n8n부터 E2E 테스트 자동화까지
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
통합 검색 임베딩 모델을 개발하며 9개 태스크를 고르게 학습시키는 과정을 다룬 글입니다.
#검색#ML#LLM
3300
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
데이터 요청 응대 30분을 3분으로 줄인 n8n AI 에이전트
n8n AI 에이전트로 데이터 요청 응대 시간을 30분에서 3분으로 줄인 사례를 다뤘습니다. 미리디 데이터 분석가가 온콜 헬퍼봇을 만든 배경과 활용 방식을 소개했습니다.
#LLM#자동화#모니터링
7600
데이터 요청 응대 30분을 3분으로 줄인 n8n AI 에이전트
통합 검색 임베딩 모델 개발기: 디자인 검색을 하나의 표현 공간으로 묶기
미리캔버스의 여러 검색 과제를 하나의 임베딩 공간으로 묶기 위한 모델 개발 과정을 소개했습니다. 태스크별 운영의 한계를 줄이고 디자인 도메인 특성에 맞게 학습한 방식이 핵심이었습니다.
#LLM#ML#검색
15100
통합 검색 임베딩 모델 개발기: 디자인 검색을 하나의 표현 공간으로 묶기
AI와 코드 사이: 이미지 한 장을 편집 가능한 레이어로 되돌리기
이미지 분해에서 분석과 실행을 분리해 원본 픽셀을 보존하는 파이프라인을 설계했습니다. WebGPU와 로컬 AI를 활용해 비용과 속도를 함께 개선했습니다.
#WebGPU#LLM#gpt-5
500
AI와 코드 사이: 이미지 한 장을 편집 가능한 레이어로 되돌리기
사람도 기계도 읽는 규약: 예측 가능한 AI 제품 만들기
AI 출력은 설명만으로는 통제되지 않아 스키마와 런타임 강제가 필요했습니다. Structured Outputs와 검증 한 지점화로 예측 가능한 AI 제품을 만들었습니다.
#LLM#JSON Schema#OpenAI
4700
사람도 기계도 읽는 규약: 예측 가능한 AI 제품 만들기
AI 스타일 검색 2편 : 듀얼 벡터 검색과 OpenSearch 3.3 버전업
롱테일 검색어와 노이즈 문제를 해결하기 위해 시맨틱 벡터와 비주얼 벡터를 결합한 듀얼 벡터 검색을 도입했습니다. 또한 메모리 병목과 세그먼트 병합 문제를 줄이기 위해 OpenSearch 3.3 버전업 가능성을 검증했습니다.
#OpenSearch#검색#벡터 검색
3400
AI 스타일 검색 2편 : 듀얼 벡터 검색과 OpenSearch 3.3 버전업
서버 0대, 브라우저 SLM으로 만든 차트 추천 봇
브라우저 안에서 동작하는 차트 추천 봇을 만들고, 서버 없이 추론하는 구조를 선택했습니다. 규칙 엔진으로 차트 유형을 정하고 SLM은 설명만 맡겨 안정성을 높였습니다.
#LLM#WebGPU#WASM
7700
서버 0대, 브라우저 SLM으로 만든 차트 추천 봇
MAU 성장 레버, 데이터로 증명하기 — 연관도·코호트·퍼널·SHAP 분석 실전
MAU 성장 레버를 찾기 위해 연관도·코호트·퍼널·SHAP 분석을 순차적으로 수행했습니다. 특히 Retained 중심 전략과 SHAP 해석의 한계를 함께 점검했습니다.
#MAU#회귀분석#코호트 분석
4400
MAU 성장 레버, 데이터로 증명하기 — 연관도·코호트·퍼널·SHAP 분석 실전
AI Agent로 테스트 커버리지 100% 달성한 실전 전략 — Claude Code 활용기
AI Agent와 Claude Code를 활용해 백엔드 유닛 테스트 커버리지를 100%로 끌어올린 과정을 소개했습니다.프롬프트 고정, Hook 검증, 작업 분리로 회귀 방지와 유지 구조까지 설계했습니다.
#AI Agent#Claude Code#test
40600
“우리는 왜 지금, 프롬프트 엔지니어를 찾고 있을까요?”
미리디는 멀티모달 AI 디자인 품질을 높이기 위해 프롬프트 엔지니어의 역할을 중요하게 보고 있습니다. 프롬프트 설계뿐 아니라 실험, 평가 지표, 협업 역량까지 요구하고 있습니다.
#prompt#LLM#멀티모달
4400
AI 스타일 검색 1편 : OpenSearch Efficient KNN Filtering 도입기
OpenSearch KNN과 필터 조합에서 결과 누락이 발생한 원인을 쿼리 구조에서 찾았습니다. pre-filtering 기반 Efficient KNN Filtering으로 검색 품질과 지연 시간을 함께 개선했습니다.
#OpenSearch#KNN#벡터 검색
16400