AI 활용으로 90% 업무 시간 단축, PM의 혁신적인 도전기
AI 도구와 개발 지식을 결합해 연관 상품 추천 업무를 자동화한 사례를 소개했습니다.\n작업 시간을 90% 가까이 줄이고 추천 품질과 접근성도 높였습니다.
새로운 기술 블로그가 추가되었어요
AI 도구와 개발 지식을 결합해 연관 상품 추천 업무를 자동화한 사례를 소개했습니다.\n작업 시간을 90% 가까이 줄이고 추천 품질과 접근성도 높였습니다.


AWS Bedrock과 Claude 3.5 기반 챗봇으로 뷰티샵 예약과 샵 정보 상담을 자동화했습니다. 스키마, 프롬프트, 세션 관리와 메시지 묶음 처리로 응답 품질과 비용 효율을 함께 개선했습니다.


데이터 문해력이 왜 필요한지, 심슨의 역설과 기저 효과를 통해 데이터 해석의 함정을 설명했습니다.\n관찰값만으로 단정하지 말고 맥락과 비교군, 인과 구조를 함께 봐야 한다고 정리했습니다.


MCP를 AI의 USB-C에 비유하며 LLM과 외부 시스템을 표준 인터페이스로 연결하는 방법을 소개했습니다. Python으로 MCP Server, Claude 연동, Streamlit Host, REST API Wrapper 실습까지 다뤘습니다.


Amazon Q Developer CLI로 Lambda 코드를 Rust로 변환하고 성능을 개선한 사례를 정리했습니다.\n구체적인 프롬프트, 예시 코드, 최적화 반복으로 실행 시간과 비용을 줄이는 방법을 소개했습니다.


티오더가 Amazon Bedrock과 MCP로 운영 플랫폼을 구축한 사례를 소개했습니다. 자연어 기반 도구 호출과 알람 자동 요약으로 장애 대응과 운영 효율을 높였습니다.


Android XR과 Jetpack XR SDK로 Home Space와 Full Space의 차이, 주요 UI 컴포넌트 동작을 정리했습니다. 에이닷 앱에 XR을 적용한 실습과 적용 방식 비교도 함께 공유했습니다.


온디바이스 AI와 Apple Silicon 최적화 프레임워크 MLX를 소개했습니다. iOS 앱에 오프라인 추론과 메모리 관리 중심의 AI 기능을 통합하는 방법을 설명했습니다.


AWS Bedrock Agent와 Support Automation Workflows를 결합해 AWS 리소스 문제를 자연어로 진단·자동화하는 방법을 소개했습니다. EKS 워커 노드 조인 실패 사례를 중심으로 런북 실행, 결과 해석, 조치 안내 흐름을 설명했습니다.

기존 속성 기반 상품 유사도 추천의 한계를 보완하기 위해 검색 로그를 활용한 의미론적 유사도 언어 모델을 설계했습니다. 신규 상품까지 포함한 학습과 정량 검증으로 추천 성능과 커버리지를 함께 개선했습니다.


Cetus 해킹 사건을 통해 AMM, CLMM, 슬리피지, LP 토큰 같은 web3 용어를 설명했습니다. 또한 오버플로우 취약점과 검증자 자산 동결 논란까지 함께 정리했습니다.

ChatGPT, Gemini, Claude를 사업 아이디어와 글쓰기 과제로 비교한 결과를 정리했습니다.\nGemini는 실용성, Claude는 창의성, ChatGPT는 초안 작성에 강점이 있었습니다.