교육환경 AX의 핵심, DaaS·VDI 활용 전략
지난 6월 10일부터 11일까지 양일간 가비아 시큐리티가 제주도에서 열린 2026 교육정보화 컨퍼런스에 참가했습니다. 교육 환경의 AI 전환에 대한 현장의 관심과 열기가 뜨거웠는데요, 실제로 이번 컨퍼런스에는 ... Read More
기업 기술블로그의 AI/ML 관련 글 1219개
지난 6월 10일부터 11일까지 양일간 가비아 시큐리티가 제주도에서 열린 2026 교육정보화 컨퍼런스에 참가했습니다. 교육 환경의 AI 전환에 대한 현장의 관심과 열기가 뜨거웠는데요, 실제로 이번 컨퍼런스에는 ... Read More
삼성전자 가전제품 펌웨어 개발에 ‘하네스 엔지니어링’을 적용하여, AI 에이전트가 100% 스스로 소프트웨어를 개발할 수 있는지 확인하는 프로젝트를 진행했습니다. 사람은 ‘무엇을 만들지’와 ‘어떻게 확인할지’만 설계하고, AI가 계획·구현·검증을 자율적으로 반복하도록 한 과정과 그 결과를 공유합니다.
영어로 일하는데 영어 실력은 왜 그대로일까요? 영문 이메일 초안을 ChatGPT에 붙여 넣고 "더 자연스럽게 고쳐줘"라고 요청한 뒤, 수정된 문장을 그대로 복사해서 보내는 일. 글로벌 환경에서 일하는 직장인이라면 꽤 익숙한 장면일텐데요. 이렇게 매일 영어로 문서를 읽고 메일을 쓰는데도 왜 실력은 제자리처럼 느껴질까요? 비영어권 직장인은 원어민에 비해 같은 자료를 읽더라도 더 오래 걸리고, 같은 이메일을 작성하더라도 표현 하나를 고치기 위해 더
AI 컨택센터 ‘점삼이’ 4만 6000콜 응대…이용 고객 3명 중 2명 AI 상담 해결 ‘삼쩜삼Q’ · 앱 내 에이전트 ‘삼쩜삼AI’
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 매 세션 초기화되는 AI의 한계를 넘어, 경험을 축적하고 스스로 성장하는 에이전트 프레임워크 GNOSIS의 설계 원칙과 구현 사례를 소개합니다. 발표 대상 AI Agent 프레임워크 활용에 관심 있는 개발자 목차 PROLOGUE — 당신의 AI는 어제와 똑같다 INTRODUCTION — GNOSIS 30초 요약 AR
반복되는 업무를 프로덕트처럼 정의하고, AI와 함께 해결했어요.
고객센터 챗봇을 만들면서, 좋은 사용자 경험을 먼저 만들고 필요한 것들을 역산해나간 과정을 소개할게요.
AI는 이제 정보를 제공하는 도구를 넘어 고객 경험과 기업 운영을 직접 지원하는 에이전트로 발전하고 있습니다. 이번 글에서는 Amazon AI Strategy를 바탕으로 고객 경험, Seller 운영, 공급망에 적용된 에이전틱 AI 사례와 이를 구현하기 위한 AWS의 핵심 기술을 살펴봅니다. The post [AWS Summit Seoul 2026] Amazon’s AI Strategy로 본 에이전틱 AI 전환 appeared first on
에이전틱 AI가 비즈니스를 이해하고 정확하게 행동하려면 모델보다 먼저 데이터가 준비되어야 합니다. 이번 글에서는 AI-Ready Data의 개념과 시맨틱 레이어, 지식 그래프, 온톨로지를 활용해 데이터를 AI가 이해할 수 있는 구조로 만드는 방법을 살펴봅니다. The post [AWS Summit Seoul 2026] AI-Ready Data: 에이전틱 AI 시대, 데이터가 답이다 appeared first on NDS Cloud Tech Bl
1. 들어가며 인스타그램을 보다보면 나오는 화려한 광고들은 누가 만들까요? 대 AI 시대에도 광고 소재는 여전히 많은 전문가들의 손을 거쳐 제작되고, 또 수명이 다하면 사라집니다. 그렇기 때문에 마케팅 에이전시에서도, 인하우스 마케팅 부서에서도, 주기적으로 레퍼런스를 찾기 위해 반복적으로 아까운 시간을 보내게 됩니다. LEVER Xpert AI팀은 간단한 질의로 마케터의 상황에 필요한 광고 소재 이미지를 찾을 수 있는 소재 검색을 구현함으로써
툴의 제약을 넘어, 머릿속에 있던 디자인을 AI로 그대로 구현해본 이야기를 들려드립니다.
토스가 자체 개발한 이용서비스 기반 유저 세그먼트 TUES(Toss User Engagement Segment)를 활용해 2,800만 MAU를 어떻게 분석하고 의사결정에 녹이는지 소개합니다.
AI 에이전트로 카카오톡 추천 지표 분석 자동화하기: Hadoop 기반 도입 사례 안녕하세요. 소셜추천엔진팀에서 숏폼 추천 모델을 개발하고 있는 루퍼트(rupert)입니다. 추천 시스템을 개발하다 보면 코드를 짜는 시간만큼이나 데이터를 들여다보는 시간이 길어집니다. 지표가 조금만 움직여도 “이번 주 CTR이 왜 떨어졌지?”, “실험군 반응은 어땠지?”, “배포 이후 특정 사용자군에서 달라진 점은 없을까?” 같은 질문이 이어집니다. 질문은 한 문
2편을 쓴 뒤 시간이 꽤 지났습니다. 그 사이 AI 도구들은 더 많은 일을 하게 되었고, 저도 이전보다 훨씬 자주 AI 에이전트와 함께 일하게 되었습니다. 처음에는 업무에 실제적으로 도움을 주는 도구를 직접 만드는 일이 신났습니다. 개선하고 싶은 기능을 설명하면 화면이 생기고, 입력값을 넣으면 일정하게 필요한 결과가 나왔습니다. 이렇게 만든 도구들을 실제 업무에 계속쓰다 보니, 관심사가 자연스럽게 다음 단계로 넘어갔습니다. 혼자 쓰던 도구를 다
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 AI 에이전트가 코드를 짜는 시대, 우리는 그 코드를 어떻게 믿을 수 있을까요? Playwright 기반 E2E 테스트를 구축하고, 에이전트가 직접 테스트 코드를 작성 및 검증하는 워크플로우를 만든 여정을 공유합니다. 발표 대상 특히 이런 분들에게 추천 드립니다. "에이전트로 '딸깍'할 수 있는 대규모 코드베이스를
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. […]
페이지 20 / 68 (총 1219개)