Inner Loop 엔지니어링으로 본 Deep Insight Chatbot – 대화형 분석 챗봇의 4가지 설계 결정
CSV 파일을 LLM에게 전달하고 차트를 생성하는 챗봇은 반나절이면 만듭니다. 하지만 같은 챗봇을 분석가가 매일 쓰게 만들려면 다른 질문에 답해야 합니다. 데이터가 AWS 계정 밖으로 나가지 않도록 어떻게 막을지, group by 하나에 수십 초 이상 걸리지 않게 어떻게 빠르게 답할지, 결과값을 분석가가 못 믿겠으면 어떻게 직접 열어보고 확인하게 할지, 수십 턴짜리 대화의 LLM 비용을 어떻게 줄일지. […]
AI/MLBackendDatabaseDevOps
전체 읽기 →Amazon Bedrock Vision LLM과 Amazon OpenSearch Service를 활용한 농약 제품 이미지 인식 시스템 구축기
(주)경농 파밍노트 고도화 프로젝트 — 농약 제품 사진 한 장으로 제품 정보를 자동 검색하는 AI 시스템의 설계와 구현 과정을 공유합니다. 경농 소개 ㈜경농은 1957년 설립된 농산업 토털 솔루션 기업으로, 작물보호제∙비료∙종자∙관수자재 등 다양한 농자재를 공급하며 한국 농업 기술 발전을 선도하고 있습니다. 경농 스마트팜사업부문은 복합환경제어기∙양액공급시스템 등 자체 기술과 글로벌 기업과의 협력을 기반으로 국내 최고 수준의 스마트팜 솔루션을 [
AI/MLBackendTools
전체 읽기 →디자인시스템 팀은 디자인시스템만 잘 만들면 될까
CultureToolsUX/UI
전체 읽기 →Amazon Bedrock 위에서 Codex와 Claude Code 함께 쓰기: Harness Engineering으로 구현해보기
Codex + Claude Code, 이 조합 가능할까? 2026년 상반기, 터미널에서 도는 AI 코딩 에이전트는 더 이상 신기한 도구가 아니라 매일 쓰는 작업 환경이 되었습니다. 시장은 두 축으로 빠르게 수렴했습니다. 하나는 Anthropic의 Claude Code, 다른 하나는 OpenAI의 Codex입니다. 두 도구는 모두 터미널 CLI를 중심에 두면서 IDE·웹·클라우드·SDK까지 같은 엔진을 공유하고, claude -p와 codex e
AI/MLBackendTools
전체 읽기 →NHN Toast
2026-06-11 · 5일 전
운영하지 않는 Kafka, EasyQueue를 소개합니다
 # 운영하지 않는 Kafka, EasyQueue를 소개합니다 Kafka를 직접 띄워보신 적 있으신가요. 처음에는 "이거 그냥 `docker compose up` 하면 되는 거 아냐?"로 가볍게 시작합니다. 그러다 운영 환경으로 옮기는 순간 일이 달라지죠. 브로커
BackendDevOpsTools
전체 읽기 →프롬프트 인젝션 방어: AgentCore 기반 다층 보안 설계 패턴
들어가며 LLM 기반 에이전트를 프로덕션으로 옮기는 순간, 모든 팀이 한 번쯤 마주치는 질문이 있습니다. “에이전트가 다른 사용자의 데이터를 노출하지 않는다는 걸 어떻게 보장할 수 있나요?” 주문 내역, 의료 기록, 사내 문서, 금융 거래 – 도메인이 무엇이든 질문의 본질은 같습니다. 이 문제를 해결하기 위해 많은 팀이 처음에는 시스템 프롬프트로 해결하려고 합니다. 보안 규칙: - 사용자에게 내부 […]
AI/MLBackendSecurity
전체 읽기 →[AWS Summit Seoul 2026] 책임감 없는 AI에이전트, 주인은 누구인가
AI 에이전트는 여러 시스템에 접근해 스스로 판단하고 업무를 실행할 수 있지만, 잘못된 행동에 직접 책임을 지지는 않습니다. 이번 글에서는 AWS Summit Seoul 2026 세션을 바탕으로 AI 에이전트 도입 과정에서 발생할 수 있는 보안·거버넌스 위험을 살펴보고, 하네스 엔지니어링과 Datadog Agent Builder를 활용해 권한, 실행 과정, 승인 절차를 통제하는 방법을 정리합니다. The post [AWS Summit Seoul
AI/MLDevOpsSecurity
전체 읽기 →Sim-to-Real과 Real-to-Sim: 유능한 Physical AI를 가능하게 하는 핵심 엔진
이 글은 AWS Blog의 Sim-to-Real and Real-to-Sim: The Engine Behind Capable Physical AI by Dario Macagnano, Ignacio Sánchez, and Quinn Cheong 게시글을 번역한 글 입니다. 서론 Physical AI 시스템, 즉 현실 세계를 인지하고 추론하며 행동하는 로봇은 빠르게 발전하고 있습니다. Sim-to-Real 파이프라인은 이러한 발전의 핵심에 있습니다
AI/MLBackendInfra
전체 읽기 →[AWS Summit Seoul 2026] 생성형 AI 시대의 새로운 개발 방법론: AI-DLC (AI-Driven Development Lifecycle)
생성형 AI 개발 도구가 빠르게 확산되고 있지만, 개별 개발자의 코딩 속도 향상만으로는 전체 개발 프로세스의 생산성을 높이는 데 한계가 있습니다. 이번 글에서는 AWS Summit Seoul 2026에서 소개된 AI-DLC를 중심으로, 사람과 AI가 기획부터 운영까지 컨텍스트를 공유하며 협업하는 AI 네이티브 개발 워크플로우를 살펴봅니다. The post [AWS Summit Seoul 2026] 생성형 AI 시대의 새로운 개발 방법론: AI-
AI/MLBackendDevOpsTools
전체 읽기 →[AWS Summit Korea 2026] 규제 환경에서의 통제 가능한 AI 에이전트 아키텍처
생성형 AI가 스스로 계획하고 도구를 호출하는 AI 에이전트로 발전하면서, 기업에는 성능뿐 아니라 실행 과정과 책임을 통제할 수 있는 구조가 중요해지고 있습니다. 이번 글에서는 AWS Summit 2026 세션을 바탕으로 규제 환경에서 AI 에이전트를 안전하게 구축·통제·검증하는 아키텍처와 주요 AWS 서비스를 정리합니다. The post [AWS Summit Korea 2026] 규제 환경에서의 통제 가능한 AI 에이전트 아키텍처 appear
AI/MLArchitectureDevOps
전체 읽기 →신한카드, 온톨로지와 소형언어모델로 고효율 AI 챗봇 구축하기
들어가며: 금융 고객 상담의 새로운 패러다임 신한카드는 대한민국 대표 신용카드사로, 수백만 고객에게 종합 금융 서비스를 제공하고 있습니다. 신한카드는 고객 서비스 품질 향상을 위해 AI 챗봇 레이(Ray)를 지속적으로 발전시켜 왔습니다. 이를 기반으로 보다 진화된 차세대 AI 챗봇을 기획하였고, AWS Generative AI Innovation Center (AWS GenAIIC)와의 협력을 통해 그 토대를 마련하게 되었습니다. 차세대 AI
AI/MLBackendSecurityTools
전체 읽기 →[AWS Summit Korea 2026] 에이전트의 진화
AI 에이전트는 기업의 일하는 방식을 어떻게 바꿀까요? Anthropic의 AWS Summit Seoul 2026 세션을 중심으로 AX 전환의 성공 조건과 AWS 활용 전략을 정리했습니다. The post [AWS Summit Korea 2026] 에이전트의 진화 appeared first on NDS Cloud Tech Blog.
AI/MLArchitectureDevOps
전체 읽기 →이커머스 부정 반품 요청, AI로 차단한다: Amazon Nova Fine-tuning으로 산업 특화 가드레일 구성하기
요약: 패션 이커머스에서 급증하는 부정 반품 요청을 사전에 차단하기 위해 Amazon Nova 2 Lite 모델을 미세 조정(Fine-tuning)하여 도메인 특화 Custom Guardrail을 구축한 사례를 소개합니다. Fine-tuning을 통해 부정 의도 탐지 정확도를 73.0%에서 94.6%로 21.6%p 향상시켰으며, 비용 효율적인 소형 모델로도 우수한 성능을 달성했습니다. 서론: 패션 이커머스가 직면한 반품 부정 행위 문제 패션 이
AI/MLBackendTools
전체 읽기 →레거시 프로젝트에서 AI 드리븐 프로젝트로 전환, AX 로드맵
들어가며"AI를 쓰면 생산성이 오른다는데, 우리 팀은 어디서부터 시작해야 하지?"라는 고민을 해보신 적 있나요? 기존 레거시 프로젝트를 AI 드리븐 프로젝트(AI-driven pr...
AI/MLBackendTools
전체 읽기 →AWS 공간 데이터를 활용한 건물 검사 인텔리전스 구축
이글은 AWS Blog의 “Building Inspection Intelligence with AWS Spatial Data by Michael Prevost, Frantz Lohier, Graeme McHale, Jim Kennedy” 게시글을 번역한 글 입니다. AWS 기반 검사 워크플로를 위한 공간 데이터 관리 실용 가이드 서론 산업 전반에 걸쳐 검사 팀은 자산 상태를 정확하게 문서화하고, 규정 준수 요구사항을 충족하며, 데이터 수집 후
AI/MLBackendInfra
전체 읽기 →빠르게 움직이는 조직에서, TAM은 어떻게 문제를 해결할까?
토스와 카카오페이 Technical Account Manager들의 만남, 그 후기를 들려드립니다.
CareerInfraTools
전체 읽기 →Amazon Braket으로 양자-고전 하이브리드 알고리즘 실행하기 (1편)
고전 컴퓨팅 자원과 양자 컴퓨팅 자원을 결합한 하이브리드 알고리즘은 현재 NISQ (Noisy Intermediate-Scale Quantum) 시대의 양자 컴퓨터 기술 수준에서 실질적인 문제 해결에 접근할 수 있는 효과적인 방법론으로 주목받고 있습니다. 이번 블로그에서는 Amazon Braket을 활용하여 하이브리드 환경을 구성하고 사용할 수 있는 두 가지 방법, 즉 코드 기반 방식과 콘솔 기반 방식을 소개합니다. 이를 통해 독자들은 Amaz
AI/MLBackendInfra
전체 읽기 →얼굴 인식의 역사와 페이스페이의 미래
기계가 사람의 얼굴을 기억하기까지, 60년 간의 여정을 따라가다
AI/MLCultureTools
전체 읽기 →에이전틱 AI 생태계의 주인공들, MCP Player 10 성료와 Next!
지난 2025년 12월 19일부터 2026년 1월 18일까지, 에이전틱(Agentic) AI 생태계의 저변을 넓히고 개발자분들에게 실용적인 개발 경험을 제공하고자 진행된 'PlayMCP 개발 공모전, MCP Player 10’이 뜨거운 관심과 참여로 마무리되었습니다. 150여 팀이 보여주신 열정과 창의성이 가득했던 그 여정의 마침표, 시상식 현장의 생생한 스케치를 공유합니다. < 유튜브에서 바로 보기 > 60일간의 여정: 시작과 설렘 이번 공모
AI/MLCareerTools
전체 읽기 →AWS와 NVIDIA로 Physical AI 가속화: 시뮬레이션과 실제 학습을 통한 프로덕션 레디 애플리케이션 구축
이 글은 AWS Open Source Blog의 “Accelerating physical AI with AWS and NVIDIA: building production-ready applications with simulation and real-world learning by Srinivas Nidamarthi, Alex Mevec, Ali Shahrokni, Brian Kreitzer, and Raja GT” 게시글을 번역한 글 입니다. 디
AI/MLBackendInfra
전체 읽기 →