
AICX: Claude Code와 Antrophic Batch API를 활용하여 고객 채팅 상담 분석하기
Claude Code와 Anthropic Batch API로 고객 채팅 상담 분류·분석 파이프라인을 검증했습니다.실시간 API보다 비용을 줄이면서 배치 처리, 시각화, 후속 자동화 방향까지 정리했습니다.

Claude Code와 Anthropic Batch API로 고객 채팅 상담 분류·분석 파이프라인을 검증했습니다.실시간 API보다 비용을 줄이면서 배치 처리, 시각화, 후속 자동화 방향까지 정리했습니다.

토스가 Feature Store와 Trainkit으로 ML 학습·서빙 파이프라인을 표준화한 사례를 소개했습니다. 재사용성, 재현성, skew 해소를 통해 운영 효율을 높인 점이 핵심입니다.


자동차 소프트웨어 요구사항이 방대해지면서 테스트 케이스 생성과 검증의 부담이 커졌습니다. 생성형 AI와 VEW를 결합해 분류와 테스트 케이스 생성을 자동화하고, 인간 검토를 거쳐 정확도를 유지했습니다.

드림어스컴퍼니의 2분기 오프라인 타운홀 현장을 공유했습니다. 조직별 성과와 3분기 계획, AI 활용 사례와 구성원 Q&A가 함께 소개되었습니다.

카카오페이의 금융 AI 컨시어지 페이지니 개발 경험을 공유했습니다. AWS Bedrock 멀티 에이전트와 STT, RAG로 맞춤형 금융 추천을 구현했습니다.


LLM 품질 평가 도구 SPeCTRA를 채팅플러스 검증에 확장 적용한 사례를 소개했습니다. Postman 자동화와 Judge 프롬프트 튜닝으로 커버리지와 효율을 높였습니다.

가족 여행객에게 필요한 숙소 상세정보를 AI로 자동 생성하는 멀티 에이전트 방식을 소개했습니다. 수작업 한계를 넘어 전환율 향상과 대규모 콘텐츠 생성을 달성했습니다.

대출 시장의 정보 불균형과 사용자 불안을 줄이기 위해 AI 대출 코치 서비스를 개발했습니다. AWS Bedrock Knowledge Base와 상태별 프롬프트로 정확한 답변과 맞춤형 탐색 흐름을 설계했습니다.


RAG 파이프라인과 CoT 프롬프팅으로 최종 답변만 추출하는 예시를 설명했습니다. LangChain 체인, 프롬프트 설계, 출력 파서 구성과 복합 질의 처리 흐름을 다뤘습니다.
![[LLM 기반 대화형 Agent 기획] 거친 생각과 불완전한 발화에 대처하는 우리의 자세](https://devocean.sk.com/thumnail/2025/8/12/d94814f89a09101af8dcca6a956809ba647bf098e7d1ba8fb660dc3aa2244cd9.png)

LLM 기반 대화형 Agent에서 불완전한 사용자 발화를 어떻게 해석하고 보완할지 다뤘습니다. Clarification과 슬롯 보완을 통해 대화 흐름을 유도하는 기획 관점을 제시했습니다.

Tech-Verse 2025에서 LY의 다양한 AI 서비스 적용 사례를 살펴보았습니다. 기술 구현뿐 아니라 평가, 운영, 사용자 경험까지 함께 보는 관점이 인상적이었습니다.

대규모 비전통 데이터를 활용한 AI 대안신용평가 연구 결과를 국제학술대회에서 공개했습니다. 전통 신용점수 모델보다 예측 성능이 높아 금융포용성 확대 가능성을 보여주었습니다.

생성형 AI에서 LLM과 외부 시스템을 연결하는 기술을 소개하는 글입니다. OpenAI Function Calling과 MCP의 필요성과 활용 맥락을 간단히 다룹니다.

카카오 사내정보시스템에서 법인카드 영수증 처리와 정산 업무를 AI로 간편화한 개발 사례입니다. 반복 업무를 줄여 직원이 더 가치 있는 일에 집중하도록 하는 목표를 다뤘습니다.