[AI 트렌드] 모델은 사는 것, 자산은 쌓는 것 — Domain Data와 Harness
[AI 트렌드] 모델은 사는 것, 자산은 쌓는 것 — Domain Data와 Harness
AI 시대의 진짜 자산은 모델이 아니라 현장에서 쌓이는 도메인 데이터와 하네스라고 설명했습니다. 업의 본질은 그대로지만, 프로세스를 바꾸는 힘이 경쟁력을 만든다고 정리했습니다.
#LLM#data
3100
AI 기술 블로그 최신 글
필터 0
LLM을 믿기 전에, 의심부터 했습니다
LLM이 만든 결과를 그대로 믿지 않고, JSON Schema와 Validator로 원문 근거를 검증하는 구조를 소개했습니다. 누락은 질문으로 남기고, 오류 응답과 실행 기록을 보존해 회귀 평가에 활용했습니다.
#LLM#JSON Schema
2900
Agentic Workflow 설계하기
LLM 기능을 단순 연결하는 대신 Workflow Loop와 Domain Adapter로 판단과 실행 책임을 분리했습니다. 사용자 Interaction과 스냅샷 승인까지 구조화해 Agentic Workflow의 재개와 검증을 안정화했습니다.
#LLM#workflow
5500
나는 하네스 깎는 노인이 되었다 시리즈 1: 은총알은 없다
AI가 팀 맥락을 이어받도록 지식 구조와 작업·결정·사고 기록을 하네스로 축적했습니다. 오답 자동 반영을 막고 실행 피해를 제한하기 위해 사람 검토와 다층 통제를 적용했습니다.
#AI 하네스#prompt
10900
연 300시간을 아낀 AI 상담 서비스
전세대출 문의가 많아지던 문제를 AI 상담 서비스로 풀어낸 사례를 소개했습니다. 사용자가 자주 묻는 질문을 먼저 보여줘 상담 사용률과 전화 문의를 줄였습니다.
#UI/UX#ML
7000
LLM 하나만 믿지 마세요 — 모든 LLM을 관점별로 싸우게 한 코드리뷰, Code Review War
LLM 하나만 믿지 마세요 — 모든 LLM을 관점별로 싸우게 한 코드리뷰, Code Review War
같은 PR도 LLM과 프롬프트에 따라 놓치는 결함이 달라질 수 있음을 짚었습니다. 여러 LLM을 동시에 활용해 관점별 코드리뷰를 시도하는 Code Review War를 소개했습니다.
#LLM#code review
5800
![[기술분석] AI 추론 메모리 병목과 서버 아키텍처 변화](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fc8tfwX%2FdJMcacxVUQ3%2FAAAAAAAAAAAAAAAAAAAAALTSd9GQw-ZYzh3nwWWhOuVAZGdZCBNas2i_fdjpo3vH%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1790780399%26allow_ip%3D%26allow_referer%3D%26signature%3DHm2u1JCa%252FDvSBgcpro4ptcOZqeQ%253D)
[기술분석] AI 추론 메모리 병목과 서버 아키텍처 변화
장문 컨텍스트와 RAG, AI 에이전트 확산으로 추론 병목이 메모리와 데이터 이동 경로로 옮겨가고 있습니다. GPU 중심 설계보다 HBM, DRAM, SSD를 함께 보는 계층형 아키텍처가 중요하다고 설명했습니다.
#LLM#RAG
2000
Strands Agents와 Amazon Bedrock AgentCore을 이용한 발전설비진단 구현하기
Strands Agents와 Bedrock AgentCore로 발전설비 진단 보조 에이전트를 구성한 사례를 소개했습니다. 판단 절차와 데이터 조회를 분리하고 검색·응답을 따로 평가한 점이 핵심입니다.
#Strands Agents#Amazon Bedrock
700
루프 엔지니어링 실전: Claude Code /goal 분석과 Stop 훅 재구현
루프 엔지니어링과 Claude Code /goal의 동작 원리를 분석하고, Stop 훅으로 유사 기능을 재구현한 사례를 정리했습니다. 완료 조건을 측정 가능하게 설계하고 예외 종료를 함께 준비하는 것이 핵심이라고 설명했습니다.
#Claude Code#LLM
3100
개인화 추천을 위한 랭킹 모델 개발기
개인화 추천을 위한 랭킹 모델 개발기를 소개하는 글입니다.
#ML#검색
6200
[AI 트렌드] B2B IT 시장에서 Tech Blog는 ‘채널’이 아닌 ‘자산’
[AI 트렌드] B2B IT 시장에서 Tech Blog는 ‘채널’이 아닌 ‘자산’
B2B IT 시장에서 테크블로그는 광고보다 오래 남는 검색 자산이라고 설명했습니다. 특히 AI 검색 시대에는 사실 기반 기술 콘텐츠가 신뢰와 전환을 만드는 핵심이라고 강조했습니다.
#SEO#검색
1600
쉼 없이 도는 테스트, 사람이 어디까지 돌봐야 할까요? - 토스닥터(Toss Doctor)
매주 반복되던 스모크 테스트를 자동화하고, 실패 원인 분석과 복구까지 맡기는 토스닥터 V2를 소개했습니다. 사람은 검증할 대상과 자동화 범위 설계에 더 집중할 수 있게 됐습니다.
#test#자동화
14100
Slack 대화 한 번으로 끝나는 CDC 파이프라인 온보딩
Slack 대화 한 번으로 끝나는 CDC 파이프라인 온보딩
Slack 대화만으로 CDC 파이프라인 온보딩을 처리하는 AI Agent 사례를 소개했습니다. LangChain/LangGraph와 MCP를 연결해 반복 절차를 자동화한 구성입니다.
#LangChain#LangGraph
6000
Strands Agents와 Amazon Bedrock AgentCore을 이용한 발전설비진단 구현하기
발전소 진단 지식을 Strands Agents와 Bedrock AgentCore로 연결하는 방법을 소개했습니다. 검색 계층과 응답 계층을 분리 평가해 근거 기반 진단 흐름을 설계했습니다.
#Amazon Bedrock#Strands Agents
600