AI TOP 100이 우리에게 남긴 것들
“AI가 개발자를 대체할까요?” 불과 1년 전만 해도 이 질문은 두려움 섞인 농담처럼 개발자들 사이를 떠돌았습니다. 하지만 지금, 우리에게 그 질문은 더 이상 유효하지 않습니다. 이제 우리가 던져야 할 질문은 이것입니다. “우리는 AI와 함께 어디까지, 얼마나 빨리 갈 수 있는가?” 여기, 그 질문에 온몸으로 답한 기록들이 있습니다. 이번 'AI TOP 100 경진대회’를 준비하며 전례 없는 실험을 감행했습니다. 통상 몇 달이 걸릴 시스템 개발
토스 Next ML Challenge - 광고 클릭 예측(PCTR) ML 경진대회 출제 후기
토스의 첫 ML 경진대회, Next ML Challenge의 출제 비하인드 스토리와 참가자 분들의 문제 해결 방식을 공유합니다.
[오프라인/마감] RAG 프로젝트는 왜 실패하는가?: RAG를 잘 다루고 싶은 엔지니어를 위한 패널 토크
※ 참가 신청은 12월 8일 월요일 13:00에 마감됩니다. COMMIT 신청하기 goorm 구름은 ‘모두가 개발자가 된다’는 비전으로 ‘개발자 성장 중심’ 생태계를...
AI가 만들어주는 나만의 목소리(SK AI SUMMIT 발표사례)
본 글에서는 2025년 11월 4일(화)에 열린 SK AI SUMMIT 2025 행사 둘째날 Special Session에서 당사 김우주 매니저가 발표한 SK플래닛의 AI를 활용한 Voice Conversion 기술을 소개합니다. AI Voice? Large Language Model과 Generative Model(Diffusion, flow-based…
FSD 시대의 일하는 법: AI-Native 전환 측정하기
AI와 함께 일하는 법 시리즈 2/2
AFINIT에서 시간을 만들어 내는 방법
AI와 함께 일하는 법 시리즈 1/2
SGLang paper review
SGLang의 철학 LLM이 도입된 이후, LLM은 문제 해결, 코드 작성, 질문 답변 등 다양한 분야에서 복잡한 작업을 해결하는 데 사용되어 왔습니다. 오늘날 LLM은 에이전트 능력을 확장하여 인간의 개입 없이 사용자가 요청한 작업을 완료하고 있습니다. 이를 위해서는 skeleton of thought나 tree of thought와 같은 다양한 프롬프팅 기법이 필요합니다. 즉, 우리는 LLM이 특정 패턴을 따르도록 구조화하여 우리의 요구에
왜 막상 배포하면 효과가 없지? 타겟 지표에 맞는 ML모델 train/eval 설계하기
ML 벤치마크 태스크에서는 타겟 메트릭이 정해져 있고 모델링과 최적화에 집중하는 경우가 많습니다. 하지만 실제 서비스에 ML 모델을 적용할 때는, 무엇을 목표로 삼고 어떤 지표에 초점을 맞춰야 할지부터 정하는 과정이 매우 중요합니다. 비즈니스 목표가 아닌 잘못된 지표를 최적화 하는 경우, 모델 성능을 계속 높여도 서비스에서 아무런 효과가 발생하지 않는 상황을 겪기도 됩니다. 이번 포스트에서는 하이퍼커넥트 AI 조직이 매치그룹 내 데이팅 브랜드와
누구나 리서치 하는 시대, UX리서처의 생존법
AI가 인터뷰까지 대신하는 시대, 리서처는 어디에 집중해야 할까요? 변화 속 UX리서처의 진짜 역할을 이야기해보려 해요.
2026년 버즈빌 디자인 스택, AI 전환을 준비하며
2026년은 버즈빌 디자인 팀에게 전환점이 되는 해입니다. 이제 도구 선택은 단순한 운영상의 결정이 아니라, 차세대 AI 기반 제품 개발을 지원할 수 있는 '코드와 연결된 통합 디자인 시스템'을 향한 전략적 행보입니다. 지난 몇 년간 버즈빌 디자인 팀은 철저한 디지털 다이어트를 감행했습니다. 군더더기를 걷어내고, 중복을 제거하고, 가장 결정적으로 Adobe…
개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
팀 내에서 범용 개인화 추천 시스템을 구축하며 온라인 A/B 테스트와 CRM 캠페인 테스트에서 비교적 좋은 성과를 확인해, 그 개선 사례와 모델링 과정을 소개하고자 합니다.
개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
팀 내에서 범용 개인화 추천 시스템을 구축하며 온라인 A/B 테스트와 CRM 캠페인 테스트에서 비교적 좋은 성과를 확인해, 그 개선 사례와 모델링 과정을 소개하고자 합니다.
RAG 없이 20만 대 자동차와 실시간으로 대화하기 (2)
AI로 로그인 이상 징후 탐지하기: AWS Bedrock 기반 로그인 보안 관제 자동화
휴먼의 'AI 학습'은 이렇게 #2: DeepLearning.ai (& pro)
안녕하세요, Joe! 입니다. '휴먼의 AI학습' 시리즈 그 두번째는 여러분이 잘 아시는 DeepLearning.ai 사이트를 소개합니다. 최근에 구독형 서비스(pro)를 오픈하면서 화제가 되기도 했지요. 2025년 11월 버전 기준으로 정리해 보도록 하겠습니다. (1) https://www.deeplearning.ai…
AI와의 성공적인 첫 Co Work — 바이브 코딩으로 탄생된 맞춤형 Testcase Management System (29TMS)
[AI_TOP_100] 문제 출제 후기 – 기술이 아닌, 사람을 묻다.
들어가며 매일 아침 새로운 AI 모델이 발표되고, 그 성능을 증명하는 수많은 벤치마크가 쏟아집니다. 우리는 이제 어떤 모델이 소수점 단위로 더 똑똑한지 알 수 있는 시대에 살고 있습니다. 하지만 정작 그 도구를 손에 쥔 '사람의 능력’은 어떻게 평가해야 할까요? 물론 'AI 리터러시’라는 용어가 있습니다. 하지만 이 단어는 시대가 요구하는 역량을 통칭하는 포괄적인 개념일 뿐, 구체적으로 개인이 복잡한 문제를 어떻게 해결하고 가치를 창출하는지를
어떤 광고가 돈이 될까? AI 기반 광고 수익 최적화 (SK AI SUMMIT 발표)
안녕하세요, SK플래닛 광고개발팀과 AI서비스개발팀입니다. 이번 글에서는 저희가 협업하여 구축한 AI 기반 광고 수익 최적화 시스템의 개발 사례를 소개드리려 합니다. SK플래닛은 OK…