멀티 에이전트를 향해: AI가 바꾼 개발의 문법
AI 개발 패턴이 자동완성에서 멀티 에이전트 팀으로 진화하는 흐름을 소개했습니다. 사람은 코드 작성보다 작업 지시와 검증에 더 집중하는 구조로 바뀌고 있었습니다.
#Claude#Android
10000
AI 기술 블로그 최신 글
필터 0
Amazon Braket을 활용한 큐노바컴퓨팅의 양자화학 계산 혁신 사례
큐노바컴퓨팅이 Amazon Braket과 HI-VQE로 양자화학 계산을 하이브리드 방식으로 구현했습니다. 실시간 로그 모니터링과 작업 제어로 운영성을 높이고 화학적 정확도 수준의 결과를 확인했습니다.
#Amazon Braket#양자 컴퓨팅
2500
로보틱스 물리 AI 데이터 수집에서 인간 개입의 기술적 필요성
로보틱스 물리 AI 데이터 수집에서 인간 개입의 기술적 필요성
로보틱스 물리 AI 데이터 파이프라인에서 인간 개입이 필요한 기술적 이유와 역할을 정리했습니다. 멀티센서 품질 관리와 실시간 교정으로 Sim-to-Real Gap을 완화하는 방안을 소개합니다.
#physical AI#로보틱스
200
LLM 기반 내비게이션 에이전트 개발기: 에이닷과 함께 진화하는 대화형 모빌리티 AI
SK텔레콤이 에이닷과 티맵을 결합해 LLM 기반 대화형 내비게이션 에이전트를 개발했습니다. 규칙 기반 한계를 보완하기 위해 하이브리드 모델, 캐싱, 검증 로직을 적용했습니다.
#LLM#MCP
5900
어피닛에서 GenAI를 금융 심사에 활용해보기
어피닛에서 GenAI를 금융 심사에 활용해보기
GenAI 응답의 토큰 로그확률을 활용해 연체확률(PD)을 산정·보정하는 방법을 소개했습니다. 금융 심사 정책과 금리·한도 결정에 연결하는 시범 적용 사례를 설명했습니다.
#GenAI#RAG
500
Amazon Q Developer를 이용한 일신비츠온의 이기종 데이터베이스 마이그레이션 사례
일신비츠온은 MSSQL 레거시를 PostgreSQL로 옮기기 위해 DMS와 Babelfish를 먼저 활용했습니다. 복잡한 저장 프로시저와 함수는 Amazon Q Developer로 보완해 자동 변환율과 작업 속도를 크게 높였습니다.
#Amazon Q Developer#마이그레이션
4800
한국인사관리학회에서 공유한 ‘AI 네이티브 전환’
AI 네이티브 전환을 기술 도입이 아닌 일하는 방식 혁신으로 소개했습니다. 단계적 실험을 통해 생산성과 조직문화 변화 가능성을 확인했습니다.
#LLM#문화
4600
“AI로 얼마나 빨리 만드나?” Amazon Q와 ‘팀딸깍’의 해커톤 다작 도전기(1)
Amazon Q를 활용해 사내 해커톤에서 3개 프로젝트를 빠르게 완성한 경험을 공유했습니다. 첫 프로젝트로 이메일 CC 오발송을 막는 안전 가드를 만들고 AI 협업 가능성을 확인했습니다.
#AWS#Amazon Q
7700
AI 주도 개발 라이프사이클: 소프트웨어 엔지니어링의 재구상
AI를 개발 프로세스의 중심에 두는 AI-DLC를 소개했습니다. 사람의 감독과 협업을 결합해 속도와 품질을 함께 높이는 접근을 제안했습니다.
#LLM#AWS
11100
MCP 보안 위협과 실무 대응 전략 알아보기
MCP 환경에서 발생할 수 있는 주요 보안 위협 6가지를 정리했습니다. 최소 권한 원칙과 시크릿 관리, 실행 환경 격리로 대응하는 방안을 소개했습니다.
#MCP#보안
2000
MCP 보안 위협과 실무 대응 전략 알아보기
MCP 환경에서 발생할 수 있는 주요 보안 위협 6가지와 대응 방안을 정리했습니다. 최소 권한, 시크릿 관리, 실행 격리, 모니터링이 핵심이었습니다.
#MCP#prompt
5000
AI Agent 속도 최적화를 위한 Speculative Decoding
Speculative Decoding으로 AI Agent의 응답 지연을 줄이는 원리를 설명했습니다. Small Model 예측과 Large Model 검증을 결합해 속도 개선 가능성을 제시했습니다.
#LLM#Speculative Decoding
4800
Solomon AI Assistant 탄생
Heimdall 오류 로그를 Slack과 Gemini로 자동 분석해 요약 답변을 스레드에 등록하는 시스템을 구축했습니다. 추가 질문을 위한 Slack 상호작용과 세션 캐시로 대화형 오류 분석까지 확장했습니다.
#Spring Boot#Gemini
3600
AI로 E2E 테스트를 찍어내다: MAFT
AI로 E2E 테스트를 찍어내다: MAFT
LLM 멀티 에이전트로 API 문서 기반 E2E 테스트 생성 파이프라인 MAFT를 소개했습니다. Noir의 테스트 공백을 줄이기 위해 의존성 분석, 시나리오 생성, 코드 검증을 자동화했습니다.
#LLM#gRPC
11200