네이버 D22026년 10월 27일AIAI 시대의 개발자를 꿈꾸는 학생 개발자에게AI 시대 개발자는 에이전트를 관리하며 방향 설정과 배포 책임을 맡게 된다고 설명했습니다. 소통·맥락 수집·검증 체계와 종합적 판단 역량의 중요성을 강조했습니다.#AI 에이전트#LLM#코드 리뷰12601AI 시대의 개발자를 꿈꾸는 학생 개발자에게
토스2026년 10월 27일AI손가락 튕기기로 LLM 비용 줄이기SNAP은 LLM 로그를 작업별로 분류하고 소형 모델 학습 후보를 자동 발굴했습니다. 신뢰도 기반 폴백으로 품질을 유지하며 검증된 요청부터 LLM 비용을 줄였습니다.#LLM#fine-tuning#Airflow6500
넥스트리2026년 10월 28일프론트엔드프론트엔드 시점에서 정리한 SSE 도입과 메시지 유실 해결 과정AI 챗봇 SSE에서 완료 메시지가 유실된 원인을 채널 생성·삭제 시점의 경쟁 조건으로 분석했습니다. 채널 선등록과 replay 기반 구독으로 연결 순서와 무관하게 결과를 수신하도록 개선했습니다.#SSE#React#Spring WebFlux5300
카카오2026년 10월 28일AI팀이 신뢰할 수 있는 AI 분석 환경 만들기: 추천팀의 컨텍스트 설계추천팀은 AI 에이전트가 지침 문서를 바탕으로 SQL을 작성하고 Hadoop에서 분석하도록 구성했습니다. 로그 접근 방법과 분석 기준을 컨텍스트로 설계해 신뢰 가능한 분석 환경을 만들고자 했습니다.#AI 에이전트#SQL#Hadoop5000
spoqa2026년 3월 12일프론트엔드KMP/CMP 마이그레이션, 정말 프로덕션에서 가능할까? - 키친보드 앱 마이그레이션 도전기KMP/CMP 마이그레이션에서 Compose Navigation의 WebView 상태 유실 문제를 커스텀 네비게이션으로 해결했습니다. FragmentManager와 UINavigationController로 상태 유지와 결과 전달을 구현하며 프로덕션 적용 가능성을 확보했습니다.#Kotlin#Android#iOS11200
요기요2026년 10월 29일아키텍처Product Engineer 도전: 업무 영역의 확장Product Engineer 파일럿으로 문제 정의부터 다중 플랫폼 구현·배포까지 맡으며 병목을 분석했습니다. AI 시대에는 코드 생성보다 맥락 문서화, 검증 자동화, 프로세스 개선이 중요함을 확인했습니다.#BigQuery#Android#iOS4600Product Engineer 도전: 업무 영역의 확장
무신사2026년 10월 27일AI대AI시대에 일하는 방식의 변화에 대한 고찰AI 코딩 에이전트 병렬 작업에서 병목이 코딩이 아닌 인간의 판단·책임으로 옮겨감을 돌아봤습니다. 판단 대기 작업을 제한하고 컨텍스트 외부화와 검증 자동화를 적용했습니다.#Claude Code#Git#코드 리뷰6900대AI시대에 일하는 방식의 변화에 대한 고찰
오늘의집2026년 10월 29일AI오늘의집 Self-Service Data Analytics 구축기데이터 거버넌스와 업무 맥락을 기반으로 AI 셀프서비스 분석 환경을 구축했습니다. 라우팅·역질문·평가 체계로 신뢰성을 높이고 데이터 요청 문의를 약 95% 줄였습니다.#LLM#RAG#SQL4300
당근마켓2026년 8월 12일프론트엔드웹뷰 다음의 레일을 깔다: 당근이 Lynx를 선택한 이유레퍼런스가 거의 없는 Lynx를 당근이 왜 선택했는지 다룬 글입니다. 프론트엔드 개발 환경과 배포 인프라 관점에서 도입 맥락을 살펴봅니다.#web43900웹뷰 다음의 레일을 깔다: 당근이 Lynx를 선택한 이유
네이버 D22026년 10월 30일기타모두가 함께 성장하는 기술 축제, NAVER Engineering Day 10년의 여정NAVER Engineering Day 10주년 행사의 기술 공유·실습·AI 코칭 흐름을 소개했습니다. 동료의 시행착오를 조직 지식과 다음 실험으로 연결하는 문화를 강조합니다.#Engineering Day#워크숍#기술 공유3600모두가 함께 성장하는 기술 축제, NAVER Engineering Day 10년의 여정