UX 리서처와 리서치 오퍼레이터가 함께 만든 ‘리서치 자율주행 프로젝트’
리서처 수요 증가에 맞춰 팀원 스스로 리서치를 수행할 수 있는 프로세스를 만들었습니다. 구글폼 한계를 넘기 위해 GPT와 워크숍으로 질문 기준과 답변 기준을 함께 정리했습니다.

리서처 수요 증가에 맞춰 팀원 스스로 리서치를 수행할 수 있는 프로세스를 만들었습니다. 구글폼 한계를 넘기 위해 GPT와 워크숍으로 질문 기준과 답변 기준을 함께 정리했습니다.

Flowise와 LLM으로 서버 에러 원인 분석과 해결 가이드를 자동화한 사례를 소개했습니다. 요청 정보, API 스펙, 스택 트레이스를 함께 활용해 슬랙 알림과 협업 효율을 높였습니다.

토스 그래픽을 10초 만에 만드는 AI 도구 ‘토스트’를 소개하는 글입니다. 3일 걸리던 3D 그래픽 제작을 10초로 줄이면서 품질을 함께 다룰 수 있는지 질문합니다.

AI 시대에 UX 라이터의 역할 변화와 대응 과정을 다룬 글입니다. 다크패턴을 계기로 라이터에서 프롬프트 엔지니어로 성장한 이야기를 소개했습니다.

AI 아바타와 간편 촬영 방식으로 컨퍼런스 제작 부담을 줄이고 지속 가능성을 높였습니다. 또한 모바일 중심 설계와 짧은 세션 구성으로 시청 경험도 개선했습니다.

토스 광고 노출 과정과 추천 시스템의 전체 흐름을 ML 관점에서 정리했습니다. Targeting부터 Ranking까지 각 단계별 모델 활용 방식도 소개했습니다.
토스 쇼핑이 수백만 사용자와 상품을 다루기 위해 멀티 스테이지 추천 시스템을 설계한 방식을 소개했습니다. Retrieval, Ranking, Re-ranking으로 개인화와 비즈니스 목표를 함께 맞췄습니다.
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.

토스 프론트엔드 팀은 문서를 찾아가는 대신 질문하면 바로 답을 받는 환경을 만들었습니다. RAG 챗봇과 자동 문서화 봇으로 지식이 흐르는 팀 문화를 구축했습니다.

토스증권이 투자 분석용 LLM을 위해 자체 고성능 GPU 클러스터를 도입한 배경을 설명했습니다. 개인정보 보호, 비용 효율, 실시간성 제약과 GPU 운용상의 유의점을 함께 짚었습니다.
토스뱅크는 ML 모델로 신분증 사본 품질을 검사해 반려와 경고를 자동화했습니다. 임계값과 A/B 테스트로 고객 불편을 줄이면서 수기 검토 효율도 높였습니다.
