필터 0
선택된 필터 없음
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
Aurora PostgreSQL에서 한국어 하이브리드 검색 구현하기: pg_bigm + pgvector로 만드는 한국어 특화 RAG
AWS
· 2026년 5월 13일
AI

Aurora PostgreSQL에서 한국어 하이브리드 검색 구현하기: pg_bigm + pgvector로 만드는 한국어 특화 RAG

Aurora PostgreSQL에서 pg_bigm과 pgvector를 RRF로 결합해 한국어 하이브리드 검색을 구현하는 방법을 소개했습니다. 한국어 조사와 자연어 질문의 한계를 보완해 RAG 검색 품질을 높이는 구조와 예시를 제시했습니다.

#Aurora PostgreSQL#pg_bigm
56005분
비엔지니어의 Claude Code 활용 ROI 측정 - 4가지 베이스라인 지표
인포그랩
· 2026년 5월 13일
AI

비엔지니어의 Claude Code 활용 ROI 측정 - 4가지 베이스라인 지표

비엔지니어 환경에서 Claude Code ROI를 측정하는 4가지 베이스라인 지표를 소개했습니다. 로컬 로그와 ccusage 분석으로 토큰, 비용, 도구 사용, 메시지 패턴을 기준점으로 삼는 방법을 설명했습니다.

#Claude Code#LLM
34005분
분산 트레이닝 관점에서의 AWS 인터커넥트 기술 소개 – AWS 환경에서 NCCL을 이용한 GPU 간 통신
AWS
· 2026년 5월 12일
AI

분산 트레이닝 관점에서의 AWS 인터커넥트 기술 소개 – AWS 환경에서 NCCL을 이용한 GPU 간 통신

AWS EFA 환경에서 NCCL이 GPU 간 집합 통신을 어떻게 최적화하는지 소개했습니다. 기본 설정과 플러그인 구조, 알고리즘 선택 원리까지 함께 정리했습니다.

#AWS#NCCL
41005분
Product Engineer: 하루 500건 분석 요청을 받아내는 데이터 에이전트, 일을 돕는 AI에서 일을 수행하는 AI로
마이리얼트립
· 2026년 5월 8일
AI

Product Engineer: 하루 500건 분석 요청을 받아내는 데이터 에이전트, 일을 돕는 AI에서 일을 수행하는 AI로

슬랙 기반 데이터 에이전트로 반복 분석 요청을 자동 처리하는 구조를 소개했습니다.정확도와 안전성을 위해 지식 체계, 서브 에이전트, 평가 루프를 함께 설계했습니다.

#LLM#Slack
141005분
[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
[리뷰] 책상 위의 데이터센터, Dell Pro Max GB10 AI 워크스테이션 실사용기
KT 클라우드
· 2026년 5월 8일
AI

[리뷰] 책상 위의 데이터센터, Dell Pro Max GB10 AI 워크스테이션 실사용기

Dell Pro Max GB10 AI 워크스테이션의 구조와 실사용 성능을 검증한 리뷰였습니다. 로컬에서 70B급 모델을 빠르게 돌릴 수 있는 통합 메모리 기반 AI 노드로 소개했습니다.

#LLM#Docker
82005분
테크블로그 글 템플릿 1
베스핀글로벌
· 2026년 5월 8일
AI

테크블로그 글 템플릿 1

생성형 AI가 개발 생산성과 학습 속도를 크게 높이는 실무 도구로 소개되었습니다. 다만 할루시네이션과 보안 문제를 막기 위해 인간 검증과 가이드라인이 필요합니다.

#LLM#prompt
136005분
ODW #5: 벡터 DB와 에이전트 스킬로 RAG 시스템 만들기
라인
· 2026년 5월 7일
AI

ODW #5: 벡터 DB와 에이전트 스킬로 RAG 시스템 만들기

대량의 마크다운 문서를 검색하는 RAG 시스템을 ChromaDB와 MCP로 구축했습니다. 에이전트 스킬을 더해 최소한의 지시만으로 문서를 찾도록 개선했습니다.

#RAG#ChromaDB
81005분
GraphRAG Toolkit으로 지식 그래프 인덱싱하기
AWS
· 2026년 5월 7일
AI

GraphRAG Toolkit으로 지식 그래프 인덱싱하기

GraphRAG Toolkit으로 지식 그래프 기반 인덱싱 과정을 소개했습니다. 기존 RAG의 한계를 보완하는 어휘 그래프 구조와 추출·구축 흐름도 함께 설명했습니다.

#GraphRAG#지식 그래프
54005분
MAU 성장 레버, 데이터로 증명하기 — 연관도·코호트·퍼널·SHAP 분석 실전
미리디
· 2026년 5월 6일
AI

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
31005분
음성 AI 모델을 프로덕션에 올리기까지: Kanana-O 서빙 최적화 여정
카카오
· 2026년 5월 6일
AI

음성 AI 모델을 프로덕션에 올리기까지: Kanana-O 서빙 최적화 여정

음성 AI 모델 Kanana-O를 프로덕션에 올리기 위한 서빙 최적화 여정을 다루는 글입니다. 발췌에는 모델 개요만 있어 세부 내용은 확인되지 않았습니다.

#LLM#모니터링
54005분