![[AI-Native AFINIT] 5분 안에 데이터 분석 질문을 답해주는 AI 데이터 분석가를 만든 이야기](https://image.inblog.dev/?url=https%3A%2F%2Fsource.inblog.dev%2Ffeatured_image%2F000275ea-2db6-40c9-9ccf-681abd3453c7%2F23c878d9-d8ce-4535-98f3-934e04a64d46&w=1200&q=85&format=jpg&v=2026-10-24T04%3A11%3A00.369Z)
오늘
[AI-Native AFINIT] 5분 안에 데이터 분석 질문을 답해주는 AI 데이터 분석가를 만든 이야기
검증된 분석 산출물을 repo에 축적해 Slack 기반 AI 데이터 분석가를 구축했습니다. 스레드 맥락·스키마 검증·원격 운영으로 분석 요청을 약 5분 내 처리합니다.
#AI 에이전트#Slack
000
AI 기술 블로그 최신 글
필터 0
Pennylane을 활용한 Amazon Braket에서의 maxcut 문제의 해결 (1부) – Max-Cut 개념 및 QAOA 구현
Max-Cut을 비용 해밀토니언으로 변환하고 PennyLane 기반 QAOA 회로를 구현했습니다. 고전 경사 하강법과 양자 회로 실행을 결합해 분할 확률을 최적화하는 흐름을 설명합니다.
#QAOA#Max-Cut
300
AI가 먼저 거는 전화는 어떻게 만들까?
아웃바운드 AI 전화에서 LLM 분류와 노드 기반 대화 엔진을 분리해 지연을 줄였습니다.\nSVAD와 Jev로 응답성을 높이고 실제 캠페인 운영 성과를 확인했습니다.
#LLM#SVAD
500
머릿속에 있던 로그 정의 기준을 모두의 AI 스킬로 만들기
AI 스킬과 lctl 검증을 결합해 앱로그 명세 정의를 표준화했습니다. 사람의 최종 확정과 도메인 지식 축적으로 일관성을 높이고자 했습니다.
#logging#CLI
3100
의료 AI 도입과 활용, 병원이 준비해야 할 세 가지 기반 – IHF 2026 현장 리뷰
IHF 2026 사례를 통해 의료 AI 도입의 데이터 표준화, 업무 통합, 거버넌스 기반을 정리했습니다.\nFHIR, 의료진 검토, 가동 전 검증과 지속 모니터링의 중요성을 설명합니다.
#의료 AI#FHIR
800
모델만 바꿨는데 LLM 비용이 3배가 된 이유
모델만 바꿨는데 LLM 비용이 3배가 된 이유
모델 교체 뒤 자동 프롬프트 캐시 구분점 정책 변화로 비용이 3.2배 증가한 원인을 분석했습니다. 고정부 경계에 명시 구분점을 두고 히트율과 비용을 운영 지표로 관리했습니다.
#LLM#prompt
4800
모델보다 먼저 고민한 데이터
추천 모델 선정에 앞서 모델별 데이터 요구사항과 행동 이벤트의 의미를 검토했습니다. 필수 조건은 Filtering으로 분리하고, 노출·요청·응답을 연결해 기록하는 구조를 제안했습니다.
#추천 시스템#협업 필터링
1500
쌓여 있는 영상과 이미지 속 그 장면, 바로 찾을 수 있다면?ㅣMedia Intelligence 프로모션 (~11/2)
쌓여 있는 영상과 이미지 속 그 장면, 바로 찾을 수 있다면?ㅣMedia Intelligence 프로모션 (~11/2)
영상·이미지에서 원하는 장면을 찾기 어려운 미디어 관리 문제를 제시했습니다. 네이버클라우드 Media Intelligence 프로모션의 첫 소식을 소개합니다.
#Media Intelligence#미디어 검색
900
![[인사이트] 로봇은 왜 챗봇과 GPU 수요가 다를까? 피지컬 AI 시대의 인프라 전략](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FcjoqNX%2FdJMcafBLxDL%2FAAAAAAAAAAAAAAAAAAAAAFo9FP1RKaIPrsWnCKEjHyRAUsQpPQhXs-Pfw9FQeWLe%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1793458799%26allow_ip%3D%26allow_referer%3D%26signature%3Dobliw82RJg9CMho1e22NujuFj5I%253D)
[인사이트] 로봇은 왜 챗봇과 GPU 수요가 다를까? 피지컬 AI 시대의 인프라 전략
RFM은 학습·시뮬레이션·엣지 추론을 함께 요구해 LLM과 다른 GPU 수요 구조를 보입니다. 국내에서는 제조 데이터와 보안 요건을 고려한 피지컬 AI 인프라 전략이 중요합니다.
#피지컬 AI#RFM
300
루프를 품은 그래프 엔지니어링: Claude Code와 OmO로 본 설계와 실행
다중 에이전트 작업을 그래프로 설계하는 방법과 Claude Code·OmO 구현 차이를 비교했습니다. 실습을 통해 검증 기준, 결과 처리 코드, 셸 권한 설정의 중요성을 확인했습니다.
#그래프 엔지니어링#AI 에이전트
600
글로벌 최고 수준의 자체 비전 인코더, Kanana-2-vision-encoder 개발기
카카오가 자체 개발한 Kanana-2-vision-encoder를 소개했습니다. Kanana-2 LLM 구조와 가중치를 활용해 학습·추론 효율성을 높였습니다.
#Kanana-2#비전 인코더
1800
[보안] AI 시대의 보안, 우리 회사는 얼마나 준비되어 있을까요? ✅
[보안] AI 시대의 보안, 우리 회사는 얼마나 준비되어 있을까요? ✅
생성형 AI와 AI 에이전트 확산으로 확대되는 기업 보안 관리 필요성을 다뤘습니다. 네이버클라우드의 보안 자가진단 사이트 오픈 소식을 소개합니다.
#보안#AI 에이전트
3000
AI 에이전트 시대의 기업 토큰 경제학: 비용 방정식으로 측정하고 Amazon Bedrock에서 줄이기
AI 에이전트 토큰 비용을 여섯 항목 방정식과 계층형 지표로 측정하는 방법을 정리했습니다.\nAmazon Bedrock, Claude Code, Codex 설정으로 모델·컨텍스트·요청 수를 줄이는 방안을 제시합니다.
#Amazon Bedrock#Claude Code
1000
나는 하네스 깎는 노인이 되었다 시리즈 2: 안녕, 실버불릿
AI 하네스를 채팅 기반 동료로 확장하고, 사용자별 권한 분리로 접근 위험을 통제했습니다.\n가이드·코드·로그·과거 기록을 결합해 장애 파악과 문의 답변 시간을 단축했습니다.
#하네스#접근 제어
5700