문서 청크 지식 생성을 통한 생성형 검색 시스템의 정확도 향상 방법
생성형 검색의 어휘 불일치 문제를 줄이기 위해 청크 단위로 키워드, 제목, 후보 질문을 함께 생성하는 모델을 소개했습니다. 낮은 메모리 사용률로도 검색 정확도 향상과 실시간 RAG 적용 가능성을 확인했습니다.
#검색#RAG
47005분
새로운 기술 블로그가 추가되었어요
필터 0
도로의 숨결과 표정으로 결빙을 감지하는 멀티모달 AI 솔루션, 'ARHIS Ambient'
도로의 숨결과 표정으로 결빙을 감지하는 멀티모달 AI 솔루션, 'ARHIS Ambient'
오디오, 이미지, 환경 정보를 결합한 멀티모달 AI로 블랙아이스를 감지하는 솔루션을 소개했습니다. 공공기관 평가에서 정검지율 96.7%를 기록하며 야간·악천후 상황의 한계를 보완했습니다.
#ML#멀티모달
65005분
IMS Mobility의 Amazon Connect를 활용한 AI Agent 기반 콜센터 (AICC) 구현 여정
IMS 모빌리티가 Amazon Connect와 Bedrock으로 인바운드와 아웃바운드 콜센터를 자동화한 사례를 소개했습니다. 운영 효율 향상과 AI Agent 처리 성과, 향후 확장 방향까지 함께 다뤘습니다.
#Amazon Connect#Amazon Bedrock
45005분
어피닛 AI 엔진이 고객의 EMI를 추정하는 방법
어피닛 AI 엔진이 고객의 EMI를 추정하는 방법
인도 신흥시장에서 EMI 누락 문제를 해결하기 위해 수학적 추정 프레임워크를 소개했습니다. 금융 원리에 맞는 화이트박스 방식으로 심사 지표 커버리지를 높인 사례를 다뤘습니다.
#ML#금융포용성
1005분
SLM 기반 Agentic AI: Planner–Caller–Generator 구조 설계와 성능 분석
SLM 기반 P–C–G 구조로 Agentic AI의 역할을 분리해 효율성과 안정성을 높였습니다. 한국어 도구 활용 환경에서 GPT-4o-mini 수준의 성능과 토큰 절감 효과를 확인했습니다.
#LLM#prompt
49005분
![[전문가 밋업#3] 금융 AI의 진화: 컨텍스트 설계와 에이전트 아키텍처 (은행 AI 전문가가 밝힌, 아무도 말해주지 않는 3가지 진실)](https://devocean.sk.com/thumnail/2025/11/6/7f52b92cae49a60174a8c096e489e1bae6acd7b6bbeb042f21218d3671be1a4a.png)
[전문가 밋업#3] 금융 AI의 진화: 컨텍스트 설계와 에이전트 아키텍처 (은행 AI 전문가가 밝힌, 아무도 말해주지 않는 3가지 진실)
금융 AI가 자동화 중심에서 문맥과 의미를 설계하는 방향으로 바뀌고 있다고 설명했습니다. LLM+RAG와 다중 에이전트 아키텍처, 그리고 컨텍스트 설계 역량의 중요성을 강조했습니다.
#LLM#RAG
61005분
Agent SDK로 만드는 자율적 AI Assistant
AI PR 리뷰 도구의 한계를 자율성과 확장성 관점에서 설명했습니다. Claude Agent SDK로 Multi-turn 에이전트를 구성해 이슈 생성과 PR 작업까지 확장한 사례를 공유했습니다.
#Agent SDK#LLM
75005분
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
사내 AI Agent와 MCP 서버로 시작한 업무 자동화
사내 AI Agent와 MCP 서버를 도입해 Slack, JupyterHub, 개발자 워크플로우를 자동화한 구조와 사례를 공유했습니다. LangGraph 오케스트레이션, 권한 관리, RAG 고도화 방향도 함께 정리했습니다.
#MCP#LangChain
1005분
복잡한 LLM 연동, GenAI SDK 하나로 끝내기
복잡한 LLM 연동, GenAI SDK 하나로 끝내기
여러 LLM 제공사와 키 관리를 하나의 SDK로 묶어 호출 복잡성을 줄인 사례를 소개했습니다. LiteLLM과 Langfuse를 활용해 추적, 프롬프트 관리, fallback까지 통합한 점이 핵심입니다.
#LLM#Langfuse
47005분
RAG기반 Multi-Agent를 구현해보자(feat.데보션 오픈랩)
RAG 논문 스터디를 바탕으로 개인용 데이터 분석 보조 AI DRA를 구현한 과정을 소개했습니다. Supervisor 패턴의 멀티 에이전트와 LangGraph, LangSmith, Streamlit 활용 경험을 정리했습니다.
#RAG#Multi-Agent
99005분
우리 팀 코드 스타일을 아는 AI 만들기: 테스트코드 작성, GitLab MR 리뷰 만들기
우리 팀 코드 스타일을 아는 AI 만들기: 테스트코드 작성, GitLab MR 리뷰 만들기
RAG와 Vector DB로 팀 코드 스타일을 학습한 내부 AI 도구를 만들고 테스트 코드와 MR 리뷰를 자동화했습니다. GitLab CI/CD와 Webhook을 연동해 최신 코드 맥락을 반영하도록 구성했습니다.
#RAG#VectorDB
109005분
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
우리 팀 코드 스타일을 아는 AI 만들기: RAG와 Vector DB 활용기
팀 코드 스타일을 반영하는 AI를 만들기 위해 RAG와 Vector DB를 구축한 사례를 소개했습니다. ts-morph 청킹, ChromaDB, Gemini embedding, CI/CD 자동 갱신으로 코드 리뷰와 테스트 생성에 적용했습니다.
#RAG#Vector DB
106005분