[AI-Native AFINIT] AI가 읽는 서비스 설계도로 조직의 업무속도를 높이는 법
AI를 개인 생산성 도구가 아니라 조직의 공통 지식 기반으로 확장하는 방법을 설명했습니다.\n서비스 설계도와 코드, 데이터, 정책을 연결해 문제정의와 유지보수 속도를 높이는 사례를 소개했습니다.
SQL 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
AI를 개인 생산성 도구가 아니라 조직의 공통 지식 기반으로 확장하는 방법을 설명했습니다.\n서비스 설계도와 코드, 데이터, 정책을 연결해 문제정의와 유지보수 속도를 높이는 사례를 소개했습니다.
생성형 AI 기반 분석 에이전트로 비즈니스 질문과 데이터 분석을 하나의 흐름으로 연결한 사례를 소개했습니다. 분석 리드타임 단축과 역할 전환, 조직 전체의 분석 역량 축적 효과를 다뤘습니다.

자연어를 SQL로 바꾸는 과정에서 LLM이 만든 쿼리를 그대로 믿지 않고 여러 단계로 검증하는 구조를 소개했습니다. 도메인 지식은 DB에 담고, 실행 전후 게이트와 회귀 평가로 안전성과 품질을 지켰습니다.
AWS Athena로 ELB/ALB 액세스 로그를 분석하는 테이블 생성 방법을 정리했습니다. 로그 활성화와 S3 설정, 파티션 프로젝션 예시까지 함께 소개했습니다.
Slack에서 자연어로 SQL을 실행하는 봇 쿼리곰을 전사 필수 도구로 만든 사례를 다뤘습니다. 멀티에이전트 검증, Hybrid RAG, 이중 메모리로 신뢰와 재방문을 끌어올렸습니다.
토스플레이스가 데이터봇 판다를 통해 팀원들이 직접 데이터를 조회하고 활용하는 환경을 만들었습니다.\nSSOT 정비, 비즈니스 용어 연결, Agentic Loop 설계로 정확도와 일관성을 높였습니다.
FPJR 실시간 메트릭 모니터링에 AI를 적용해 30분 내 이상 징후를 감지하는 체계를 구축했습니다. Cursor, Sidekick, Gemini로 SQL과 대시보드를 자동화해 운영 효율을 높였습니다.
Google for Developers의 3월 넷째 주 주요 업데이트를 제품군별로 정리해 소개했습니다. 관심 분야의 최신 발표와 문서를 링크로 바로 확인할 수 있습니다.
드림어스컴퍼니 V컬러링팀 Jane의 음악 취향과 플레이리스트를 소개한 인터뷰입니다. 아시아 아티스트 중심의 편안한 곡들과 콘텐츠 운영 이야기를 함께 담았습니다.
일본 급여 시스템의 실제 파이프라인을 대상으로 13개 LLM 구성을 비교 평가하는 전편이었습니다. 코드 생성과 Agentic RAG를 분리해, 품질·안정성·비용 기준의 모델 선택 필요성을 설명했습니다.
BDA 2.0 서비스와 자연어-SQL 변환 기반 LLM 에이전트의 탄생 배경을 소개했습니다. 도메인 전문가와 개발자의 협업으로 도메인 특화 에이전트를 만드는 과정을 다뤘습니다.
당근이 User Activation을 전사 공통 데이터 레이어로 만든 배경과 구조를 설명했습니다. 상태와 전이 분석을 위해 신뢰성, 비용, 생산성을 함께 고려한 설계였습니다.
PM이 직관이 아닌 데이터로 가설을 검증하는 실험 설계 방법을 정리했습니다. NOL 사례를 통해 작은 UI 변화도 전환과 경험 개선으로 이어질 수 있음을 보여주었습니다.
Generative UI 개념과 GitLab 데이터 조회·차트 생성 구현 예시를 소개했습니다. 또한 환각, 보안, 성능 한계와 실무 적용 방안을 함께 정리했습니다.

외부 LLM을 활용해 서비스 가치와 개발 생산성을 높인 개발조직의 AI 사례를 정리했습니다. 모델 경쟁보다 데이터와 운영 피드백을 누적 자산으로 삼는 전략을 강조했습니다.
Karrot 데이터팀이 BigQuery SQL 로그를 파싱해 컬럼 단위 데이터 계보를 구축한 과정을 소개했습니다. 테이블 단위 한계를 보완하고 영향 분석과 PII 추적을 정교하게 만든 사례입니다.
BigQuery 쿼리 로그를 SQL 파싱해 컬럼 레벨 리니지를 구축한 사례를 소개했습니다. 테이블·컬럼 의존 관계를 빠르게 추적해 데이터 신뢰성과 운영 효율을 높였습니다.
Zeppelin의 익숙한 사용성을 유지하면서 JupyterHub에 기능과 운영 체계를 단계적으로 구현한 내용을 정리했습니다. 대용량 SQL 안정화, GitHub 자동화, 무중단 운영과 추적성 확보가 핵심이었습니다.
라포랩스 MD 전략팀 인턴이 광고 업무 자동화와 매스 세일즈 캠페인 실행을 통해 성장한 경험을 소개했습니다. 데이터 공유와 심리적 안전감이 있는 문화 속에서 오너십과 실행력을 키운 사례를 담았습니다.
Trino는 빠른 실시간 분석과 멀티 소스 조인에 적합하고, Spark는 대규모 배치와 ETL에 유리하다고 설명했습니다. 두 엔진을 역할 분담하는 하이브리드 전략과 Trino의 운영 한계도 함께 정리했습니다.
