

알려지지 않은 미지를 탐험하다: Co-STORM으로 정보를 찾는 새로운 방법
Co-STORM은 여러 AI 에이전트의 협력적 담화를 통해 사용자가 미지의 정보를 발견하도록 돕는 정보 탐색 시스템을 소개했습니다. 평가에서는 기존 검색 엔진과 RAG 기반 방식보다 깊이와 참신성에서 더 좋은 결과를 보였습니다.


Co-STORM은 여러 AI 에이전트의 협력적 담화를 통해 사용자가 미지의 정보를 발견하도록 돕는 정보 탐색 시스템을 소개했습니다. 평가에서는 기존 검색 엔진과 RAG 기반 방식보다 깊이와 참신성에서 더 좋은 결과를 보였습니다.


사내 전사 데이터를 자연어로 조회하는 똑쿼리의 고도화 과정을 정리했습니다. LangGraph, 라우터 패턴, OpenWebUI, RAG 개선으로 응답성과 정확도를 높였습니다.

똑쿼리는 사내 데이터와 문서를 자연어로 조회하는 서비스로, 슬랙 기반 채팅 에이전트에서 LangGraph 기반 구조로 고도화했습니다. Router 패턴과 RAG 개선을 통해 응답 속도와 정확도를 높였고, OpenWebUI로 사용자 경험도 개선했습니다.


생성형 AI 에이전트의 핵심인 ReAct 패턴과 LangChain 기반 도구 활용 방식을 정리했습니다.현업 적용을 위해 도메인 지식, 프롬프트, Tool 설계, QA까지 함께 고려해야 했습니다.


Windsurf를 독립형 IDE와 플러그인 형태로 사용하는 방식으로 소개했습니다. 특히 기존 IDE를 유지하면서 가볍게 AI 도움을 받는 사용 경험을 공유했습니다.

운영법인 MRTCX를 AICX로 바꾸며 AI 중심 운영 조직 전환을 선언했습니다. 반복 업무는 AI가 맡고 사람은 의사결정과 케어에 집중하는 방향을 소개했습니다.


LLM을 문학 번역 평가자로 쓰는 연구를 소개하며, 기존 지표보다 인간 판단에 가까운 성과를 보였다고 분석했습니다. 다만 문화적 맥락과 미묘한 뉘앙스까지 완전히 대체하지는 못해 인간 평가의 보완이 필요하다고 정리했습니다.


사내 PPT 분석기 Chat PPT를 만든 LLMops 구현 과정과 운영 팁을 공유했습니다. 보안 제약 대응, VLM·LLM 연계, 품질 개선 반복이 핵심이었습니다.

AI 시대를 모바일보다 큰 구조적 전환으로 보고, 조직과 개인의 일하는 방식을 다시 설계해야 한다고 강조했습니다. 전사적 AI 리터러시와 빠른 실험, 더 큰 목표 설정의 필요성을 제시했습니다.


Langchain과 Langgraph의 create_react_agent 차이를 프롬프트 처리와 Tool Call 방식 중심으로 비교했습니다. 상용 LLM과 MCP 환경에는 Langgraph가 유리하고, Private LLM에는 Langchain을 고려할 수 있음을 정리했습니다.

해커톤에서 AI 채용 도우미 AIVA를 만들며 이력서와 과제 분석, 코드 실행 검증까지 실험했습니다. 프롬프트 설계와 캐싱, 토큰 제한을 고민하며 AI 시대 개발자의 자세도 함께 성찰했습니다.


AI 도구와 파일시스템 MCP로 개인 맞춤형 학습 앱을 빠르게 기획하고 구현한 사례를 소개했습니다. 망각곡선 기반 복습과 데이터 생성까지 자동화해 프로토타입 완성 속도를 높였습니다.


Amazon Bedrock과 Amazon Nova를 적용해 사진 기반 AI 콘텐츠 생성 구조를 개선했습니다. 컨테이너를 경량화하고 처리 시간을 크게 줄여 빠르고 효율적인 서비스 운영을 가능하게 했습니다.


VLM의 개념과 최신 기술 동향, 주요 기업의 개발 흐름을 종합적으로 정리했습니다. 문서 AI 도입 시 특화 모델과 데이터 전략, 인프라 비용을 함께 고려할 필요가 있습니다.