Part 1: 삼성계정 서비스의 AI SecOps, Multi-Agent로 진화하는 보안 위협 탐지
삼성계정 서비스의 WAF 로그를 AI 에이전트로 분석해 보안 위협을 탐지한 사례를 소개했습니다. 단일 에이전트의 한계를 넘어 Multi-Agent로 정확도와 운영 효율을 높였습니다.
#AWS WAF#LLM
46005분
새로운 기술 블로그가 추가되었어요
필터 0
Part2: 삼성계정 서비스의 Agentic AIOps, 운영환경에서 Multi-Agent 시스템으로 RCA 자동화 하기
삼성계정 서비스의 장애 대응을 Multi-Agent 기반 Agentic AIOps로 자동화한 사례를 소개했습니다. 관측 데이터 수집, RCA, 조치 제안을 분리해 3분 47초 만에 분석을 완료했습니다.
#AIOps#LLM
37005분
하나의 프롬프트, 세 개의 두뇌
하나의 프롬프트, 세 개의 두뇌
하나의 프롬프트로 세 AI를 역할 분담해 인프라 운영을 자동화한 사례를 소개했습니다. 작업 난이도에 따라 모드를 바꾸고 교차 검증을 넣어 속도와 안전성을 함께 높였습니다.
#Claude#Gemini
0005분
코딩 에이전트를 활용한 취약점 수집·생성 자동화로 가드레일 모델 고도화
LLM 가드레일의 오탐 문제를 줄이기 위해 코딩 에이전트 기반 자동화 테스트 파이프라인을 구축했습니다. 카테고리별 입력 생성과 평가를 분리해 취약점 탐색과 모델 고도화를 반복 가능하게 만들었습니다.
#LLM#prompt injection
112005분
Claude Code /loop, Hooks, Auto memory로 점검 자동화 루프 만들기
Claude Code의 `/loop`, Hooks, Auto memory를 연결해 점검 자동화 루프를 구성하는 방법을 설명했습니다. 설정 검증과 커밋 차단, 세션 간 맥락 유지까지 한 흐름으로 묶는 설계와 주의점을 다뤘습니다.
#Claude Code#자동화
198005분
![[트렌드 리포트] 공공 AX가 생각보다 느린 이유 - 기술이 아니라 구조](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2FbsVknC%2FdJMcagkx00s%2FAAAAAAAAAAAAAAAAAAAAACD8Dz8_5fGM9FXnP6sV4CblmkyQ5eFzLTPDh1Q_7z54%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1774969199%26allow_ip%3D%26allow_referer%3D%26signature%3DEhXPU1xJtHAEOTvDWHXx1rXmNEE%253D)
[트렌드 리포트] 공공 AX가 생각보다 느린 이유 - 기술이 아니라 구조
공공 AX가 느린 이유를 기술보다 데이터·조직·인프라 구조에서 찾았습니다. 실제 서비스 확산을 위해 거버넌스와 DR을 포함한 인프라 전략이 필요하다고 설명했습니다.
#AX#cloud
54005분
지능형 Physical AI 구축: Strands Agents, Bedrock AgentCore, Claude 4.6, NVIDIA GR00T, Hugging Face LeRobot으로 엣지에서 클라우드까지
엣지와 클라우드를 결합해 Physical AI를 설계하는 방법을 소개했습니다. 로컬 제어와 클라우드 추론, 공유 메모리, 시뮬레이션 학습의 역할을 설명했습니다.
#AWS#LLM
32005분
9개월 걸릴 시스템 이관을 하룻밤 만에: 레거시 코드를 AI의 학습 자료로 바꾸다
9개월 걸릴 시스템 이관을 하룻밤 만에: 레거시 코드를 AI의 학습 자료로 바꾸다
레거시 코드를 AI의 학습 자료로 바꿔 9개월 걸릴 시스템 이관을 하룻밤 만에 초안까지 생성했습니다. 모호한 목표 대신 정밀한 완료 기준을 주고 사람과 AI가 역할을 나눠 협업했습니다.
#test#API
151005분
![[Tech Series] kt cloud AI 검색 증강 생성(RAG) #4 : 임베딩(Embedding)과 벡터 인덱싱 기술](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fn6a0Z%2FdJMcacWKKeh%2FAAAAAAAAAAAAAAAAAAAAAIdjQntIXbTdvMG54_-sZ7V6TbWffZFi4hNxV3nyIWrO%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1774969199%26allow_ip%3D%26allow_referer%3D%26signature%3DrVslgOQRjGesCsglq1mAxQlFuFo%253D)
[Tech Series] kt cloud AI 검색 증강 생성(RAG) #4 : 임베딩(Embedding)과 벡터 인덱싱 기술
RAG에서 임베딩과 벡터 인덱싱의 원리, 모델 선정 기준, 최적화 기법을 정리했습니다. 특히 한국어 환경에서는 다국어 적합성과 메모리 비용을 함께 검증해야 한다고 설명했습니다.
#RAG#임베딩
78005분
AskON: 코드를 검색 가능한 지식으로
AskON: 코드를 검색 가능한 지식으로
대규모 코드베이스를 자연어로 검색할 수 있게 만든 RAG 기반 코드 지식화 플랫폼 AskON을 소개했습니다. 정적 분석, 호출 그래프, 임베딩, 증분 인덱싱으로 코드 검색과 답변 품질을 높인 사례입니다.
#RAG#검색
50005분
AI Native 전환, 그리고 마이리얼트립 인사·홍보 조직이 내린 결정
AI Native 전환, 그리고 마이리얼트립 인사·홍보 조직이 내린 결정
마이리얼트립은 인사·홍보 조직이 먼저 AI Native 문화를 체화해야 한다고 판단했습니다. 개발 경험이 없는 구성원들도 2주 만에 채용, 온보딩, PR 업무를 AI로 개선했습니다.
#AI Native#GitHub
88005분
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
별점 뒤에 숨겨진 리뷰의 온도, LLM으로 한 끗 차이가 다른 추천 만들기
LLM으로 리뷰의 진심을 점수화해 별점만으로는 보이지 않던 맛집 변별력을 높였습니다. 지식 증류와 개인화 리랭킹을 더해 추천 품질과 전환율을 함께 개선했습니다.
#LLM#지식 증류
91005분