기업 기술블로그의 AI Agent 관련 글 339개
생성형 AI는 현재 다양한 영역에서 활용되고 있습니다. 그 중 많은 조직에서 적극적으로 도입 및 활용하고 있는 것이 바로 AI 코딩 도구 또는 AI 코딩 어시스턴트라고 불리는 코드 작성을 돕는 AI 도구입니다. 이미 시장에는 다양한 제품들이 나와 있고, 더 이상 AI 코딩 도구를 사용하는 방법 자체가 어려운 시기는 아닙니다. 그러나 개인적으로 AI 코딩 도구를 사용하여 생산성을 […]
[](https://www.nhncloud.com/kr) ## 들어가며 오늘날 대규모 언어 모델 학습, 이미지 생성, 강화 학습 등 AI 워크로드가 빠르게 확산되면서 학습과 추론을 뒷받
조직의 AI 전환(AX)을 위해서는 구성원이 AI로 업무에 필요한 정보를 찾고, 그 과정에서 만든 도구와 지식을 다른 구성원도 활용할 수 있어야 합니다. 또한 조직은 누가 얼마나 썼는지 알아야 하고, 사내 시스템과 안전하게 연결되어야 하고, 한 팀이 만든 것을 다른 팀이 다시 만들지 않아야 합니다. 이 문제가 해결되지 않으면 에이전트는 개인 PC 안에 머물고, 조직의 AX는 시작되지 […]
에이전트 규칙 파일이 계속 늘어나는 문제를 GC 개념으로 풀었습니다.
똑닥의 리뷰 감성분석, 리뷰 AI 요약, 상담 태그 추천, CS 답변 추천을 담당하는 AI 서버를 AWS Bedrock AgentCore Runtime과 Strands Agents로 구축한 과정을 공유합니다. k8s를 프록시로 남긴 이유, 이미지 하나로 Runtime 여러 개를 운영하는 방법, 배포와 평가에서 겪은 문제들을 정리하였습니다.
지난 몇 년간 국내외 많은 기업이 AX(AI Transformation)를 경영 어젠다로 올렸습니다. 그럼에도 실제 현장의 온도는 선언만큼 뜨겁지 않습니다. AI 도구를 개인 업무에 도입하는 속도는 빨랐지만 ... Read More
.ktc-poster img { transition: transform .3s ease, box-shadow .3s ease; } .ktc-poster:hover img { transform: translateY(-4px); box-shadow:0 10px 22px rgba(0,154,135,0.22) !important; } .imageblock img { max-width:100% !important; height:auto !importan
AI 에이전트에게 규칙을 더해도 답은 좋아지지 않았습니다. 필요한 건 팀의 노하우입니다.
디자인 시스템을 읽는 주체가 사람에서 에이전트까지 넓어졌습니다.
LLM 에이전트는 목표를 받으면 필요한 정보를 찾고 적절한 도구를 선택해 실행하며, 그 결과를 관찰한 뒤 다음 행동을 결정합니다. Anthropic은 에이전트를 활용한 여러 실험을 공개했습니다. Claude Sonnet 4.5로 Claude.ai를 재현하는 실험 과 Claude Opus 4.6 기반 에이전트가 Rust로 Linux 6.9 커널을 빌드할 수 있는 C 컴파일러를 개발한 사례를 소개했습니다. 이처럼 모델의 성능이 높아지면서 에이전트가
클로드 데스크톱·Claude Code·제미나이·ChatGPT·VS Code·커서 등 9곳의 MCP 연동법을 공식 문서 기준으로 정리했어요. 원격 57ms, 로컬 32.5ms 실측과 자주 나는 오류까지.
AX(AI 전환) 뜻과 DX 차이, 작은 회사 시작 4단계를 정리했어요. 회의록·견적 메일·엑셀 정리를 AI 3개에 맡겨 보니 한 건 3~28원이었어요.
로그인 없이 되는 무료 AI 이미지 생성 2곳과 유료 모델 3개에 같은 부탁을 해 봤어요. 무료는 4~5초로 빨랐지만 한글 간판은 0번 맞혔고, 장당 75원 모델은 3번 다 맞혔어요.
안녕하세요, 누구나 쉽게 시작하는 클라우드 네이버클라우드 ncloud.com 입니다. 오늘은 로봇을 운영하는 현장에 도움이 될 마켓플레이스 오픈 프로모션 소식을 들고 왔습니다. 야심 차게 도입한 로봇, 생산성과 운영 효율까지 챙기기는 생각보다 쉽지 않으시죠? "실시간 생산성이 보이지 않아 생산 손실과 병목을 찾기 어렵다" "작업 중인 로봇의 상태와 가동 현황을 한눈에 확인할 수 없다" "로봇의 이상 징후와 고장 위험을 미리 알 수 없다" "갑자
AI 서비스를 안정적으로 운영하려면 어떤 인프라와 기술이 필요할까요? 이번 케클s피드에서는 kt cloud summit 2026에서 공개한 고객의 AX를 뒷받침하는 인프라 전략을 소개합니다. AI 데이터센터의 전력 인프라와 구축·운영 기술부터 AI 서비스의 성능과 비용을 함께 고려한 클라우드·AI 기술과 적용 사례까지 담았습니다. 비즈니스 현장에서 AI를 구현하고 운영하는 데 필요한 인사이트를 만나보세요.1,500여 명이 함께한 kt cloud
네이버 사내 Tech Meetup에서 발표되었던 인기 세션을 공유합니다. 에이전트를 개발하다 보면 같은 개념을 서로 다른 뜻으로 쓰고 있어서 논의가 겉도는 경험, 한 번쯤 해보셨을 것 같습니다. "이거 에이전트인가요?" "하네스를 만들어야죠" — 그런데 하네스가 정확히 무엇인가요? "Context 에 넣어두면 되죠" "그건 Memory 아닌가요?" "그건 MCP 인가요 A2A 인가요? 기존 REST API 랑 뭐가 다른가요?" 사실
AI 코딩 도구로 구현은 빨라졌는데 제품 개발은 왜 그대로일까요? 인포그랩이 Nelper를 개발하며 고객 요구사항을 Slack에서 Nelper Agent로 정리하고 구현·검증·배포·공유를 한 사이클로 연결한 방법을 사례와 함께 소개합니다.
페이지 1 / 19 (총 339개)
