

1부: 데이터도 정답도 없다: 하이퍼커넥트가 LLM을 길들이는 법
정답 데이터가 없는 설명 생성 문제에서 좋은 설명의 기준을 먼저 합의하고 정책으로 정리하는 과정을 소개했습니다. PM과 엔지니어가 pass/fail 평가와 critique를 반복하며 모델과 평가 기준을 함께 수렴시켰습니다.
새로운 기술 블로그가 추가되었어요


정답 데이터가 없는 설명 생성 문제에서 좋은 설명의 기준을 먼저 합의하고 정책으로 정리하는 과정을 소개했습니다. PM과 엔지니어가 pass/fail 평가와 critique를 반복하며 모델과 평가 기준을 함께 수렴시켰습니다.


AWS Bedrock Converse API로 멀티 모델 에이전트를 구성하는 예시를 소개했습니다. 로컬 도구와 Lambda 도구를 함께 연결해 스트리밍 대화와 도구 호출 흐름을 구현했습니다.


OpenAI Codex 플러그인이 Slack, Figma, Gmail 등 실무 도구를 자연어로 연결해 워크플로우를 자동화하는 흐름을 소개했습니다. 팀 생산성을 높이기 위한 점진적 도입 방법과 개발자의 준비 포인트도 정리했습니다.


Slurm의 내부 구조와 Job 실행 흐름을 설명하며 HPC에서의 자원 관리 방식을 정리했습니다. 또한 대화형 작업, 배치 학습, Job 배열, QOS와 Fairshare 활용법을 실무 예제로 소개했습니다.


Palantir FDE를 소프트웨어를 만드는 역할이 아니라 현실에서 작동시키는 실행 역할로 설명했습니다. PoC를 운영과 채택으로 연결해야 실제 비즈니스 임팩트가 난다고 정리했습니다.


AI Agent와 Claude Code를 활용해 백엔드 유닛 테스트 커버리지를 100%로 끌어올린 과정을 소개했습니다.프롬프트 고정, Hook 검증, 작업 분리로 회귀 방지와 유지 구조까지 설계했습니다.

MCP 서버를 AI 어시스턴트와 연결해 개발 효율을 높이는 사내 활용 사례와 워크숍 내용을 소개했습니다.티켓 발행 자동화와 멀티 에이전트 PR 리뷰를 통해 안전한 확장과 보안 관리의 중요성을 강조했습니다.

비전공자도 Claude Cowork와 Claude Code로 업무 자동화와 웹사이트 제작을 실습하는 오프라인 워크숍을 소개했습니다. FAQ 봇, 보고서 자동화, 데이터 시각화, 배포까지 실무 흐름을 단계적으로 다룹니다.
AI 확산으로 새롭게 커지는 보안 위협과 대응 방향을 다룬 글입니다. 2026년 하반기 보안 트렌드를 바탕으로 AI가 바꾸는 보안 패러다임을 살펴봅니다.
AI 코딩 에이전트를 대규모로 평가하기 위한 멀티 에이전트 하네스 설계를 다뤘습니다. 마크다운 지침과 JSON Schema로 재현성을 확보하고 기능과 깊이를 분리해 채점했습니다.


AWS Kiro를 중심으로 생성, 실행, 축적을 연결한 AX 운영 구조를 소개했습니다. 개인의 AI 활용을 조직 자산으로 전환한 사례와 적용 효과를 정리했습니다.


Amazon Bedrock Agents와 SAW를 연결해 AWS 리소스 문제 해결을 자동화하는 확장 방법을 소개했습니다. 새 런북을 통합하는 6단계와 CloudWatch Agent 진단 예시를 통해 실전 패턴을 설명했습니다.