How Was the New QANDA Agent Built?
QANDA가 생성형 AI 시대에 맞춰 단일 문제풀이 앱에서 멀티 에이전트 학습 플랫폼으로 재설계되었습니다. 또한 Plan-and-Execute, Artifact, LangGraph 기반 구조로 의도 분류와 상태 관리를 안정화했습니다.


QANDA가 생성형 AI 시대에 맞춰 단일 문제풀이 앱에서 멀티 에이전트 학습 플랫폼으로 재설계되었습니다. 또한 Plan-and-Execute, Artifact, LangGraph 기반 구조로 의도 분류와 상태 관리를 안정화했습니다.

콴다는 문제 풀이 중심 앱을 멀티 에이전트 기반 학습 어시스턴트로 재설계했습니다. 채팅과 Agent를 분리하고 Plan-and-Execute, Artifact 구조로 확장성과 안정성을 높였습니다.

콴다 법무팀장의 커리어 전환과 사내변호사 역할을 인터뷰로 소개했습니다. 비즈니스 파트너로서의 법무, 지적 호기심, 협업 태도를 강조했습니다.
콴다 팀이 엔지니어링 조직문화를 개선하기 위해 진행한 레이드와 실천 사례를 소개했습니다. 웰빙, 온보딩, 코드 리뷰, 문서화, 교류를 통해 지속 가능한 성장을 지원했습니다.

AWS Aurora/RDS와 DynamoDB를 GCP Cloud SQL for MySQL로 이전한 과정을 정리했습니다. 쿼리와 스키마 점검, 병렬 복제, binlog 설정으로 다운타임과 비용을 줄인 사례입니다.

X

전국 설문으로 AI 학습 앱 QANDA의 사용과 수학 성취, 자신감 변화를 분석했습니다. 높은 사용 빈도가 학업 향상과 정서적 개선과 연결된다는 결과를 제시했습니다.

콴다는 AI 디지털 교과서를 위해 OCR, 문제 분류, 해설 생성, 성취도 분석 기술을 결합했습니다. 이를 통해 학생별 맞춤형 학습과 교육 격차 해소를 목표로 했습니다.
웹 Canvas에서 자연스러운 프리 드로잉을 구현한 과정을 소개했습니다. 브라우저와 펜 입력 특성 차이를 보정하며 필기감을 개선했습니다.

USC 학생들의 Cramify 사용 후기를 모아 시험 준비와 과제 정리에 도움이 됐다는 반응을 소개했습니다. AI 기반 요약, 문제 생성, 개인화 학습 지원 기능에 대한 기대도 함께 전했습니다.
대학생의 시험 준비 비효율을 해결하기 위해 생성형 AI 학습 도구 Cramify를 만들게 된 배경을 소개했습니다. 학생 인터뷰와 문제 데이터베이스, LLM을 바탕으로 약 2개월 만에 MVP를 완성했습니다.

생성형 AI가 교육을 개인화된 대화형 학습으로 바꾸는 흐름을 소개했습니다. QANDA의 Qutor 사례를 통해 질문 응답 보완과 학습 경험 개선 가능성을 설명했습니다.
콴다의 2023년 이용 데이터와 콴다과외 성과를 연말결산 형태로 정리했습니다. LLM 기반 AI 튜터를 통해 맞춤형 교육을 더 넓히겠다는 계획도 함께 소개했습니다.
