
SRE 업무에 AI 녹여내기 — 1편: Smart RI Calc로 인프라 비용 산정 자동화
SRE 업무에 AI를 접목해 인프라 비용 산정 자동화를 다룬 글입니다. 다만 본문 접근이 제한되어 Smart RI Calc의 세부 내용은 충분히 확인되지 않았습니다.


SRE 업무에 AI를 접목해 인프라 비용 산정 자동화를 다룬 글입니다. 다만 본문 접근이 제한되어 Smart RI Calc의 세부 내용은 충분히 확인되지 않았습니다.


Amazon Bedrock을 Codex의 모델 백엔드로 연결하는 실제 경로와 설정 방법을 정리했습니다. 인증, cached web search, 관측, PrivateLink, 비용 운영까지 엔터프라이즈 적용 포인트를 설명했습니다.


AI 코딩 어시스턴트의 프롬프트 유출 문제를 막기 위한 Pre-Model DLP 프레임워크 PolicyGuard를 소개했습니다. 자연어 정책 파일과 Hook 기반 차단으로 Bedrock 환경에서 민감 정보 보호를 강화하는 방법을 다뤘습니다.


Claude Code로 만든 데이터 분석 에이전트를 Amazon Bedrock AgentCore로 프로덕션에 배포하는 과정을 설명했습니다. 로컬 구성은 유지하면서 Gateway, Runtime, Web Search로 관리형 전환하는 방법을 다뤘습니다.


Claude Code Dynamic Workflow를 여러 서브에이전트를 지휘하는 JS 기반 오케스트레이션으로 설명했습니다. 병렬 처리와 적대적 검증으로 대규모 작업의 정확도와 재현성을 높이는 방법을 다뤘습니다.

의료 현장에서 여러 신호를 함께 해석하는 의사의 역할을 바탕으로 의료 AI를 판독보다 추론 중심으로 바라보는 관점을 다뤘습니다. 제공된 본문은 일부만 보여 구체적 사례는 제한적입니다.

Amazon Bedrock 기반 Claude Code를 LLM Gateway 없이 통제하는 경량 아키텍처를 소개했습니다. 로그 집계와 IAM Deny 정책으로 사용자별 비용 관리와 차단을 구현하는 방법을 정리했습니다.


Kiro Crew를 항상 켜두는 자율 AI 에이전트로 소개하고, 세션·메모리·스케줄·앱 기능을 설명했습니다. AWS에 배포해 이슈 분류와 PR 리뷰 초안을 맡기는 온보딩과 운영 방법도 다뤘습니다.


같은 LLM이라도 결과 차이는 모델보다 하네스 설계에서 크게 갈렸습니다. 지시 문서, 외부 검증, 컨텍스트 관리로 에이전트 성능을 높이는 방법을 정리했습니다.

LLM 서빙에서는 단순히 모델을 띄우는 것보다, 지표를 잘 설계하고 원인을 빠르게 추적하는 운영이 중요했습니다. Prefix Cache, finish_reason, KV Cache 같은 신호를 활용해 타임아웃과 처리량 문제를 해결했습니다.

사내 지식을 활용한 Agentic RAG 구축의 첫 단계로 RAG 파이프라인의 기반을 다지는 내용을 다뤘습니다. 발췌상 사내 공통플랫폼 맥락에서 RAG 설계와 적용을 정리한 글로 보입니다.

에이전트재킹은 오류 모니터링 데이터에 숨긴 명령을 AI 코딩 에이전트가 실행할 수 있음을 보여줬습니다. AI 코딩 환경에서는 권한과 연동 도구, 코드 자산의 외부 유출 경로를 함께 통제해야 합니다.

응급실에서 빠른 판단을 돕기 위한 AI 예측 모델 주제를 다뤘습니다. 활력징후, 혈액 검사, 엑스레이를 함께 활용하는 멀티모달 접근이 핵심입니다.

kt cloud VM 위에 Claude 기반 PR Review Bot을 구축해 PR 리뷰를 자동화했습니다. 반복 검증을 시스템으로 전환해 리뷰 품질 표준화와 병목 완화를 노렸습니다.