Amazon Bio Discovery 사용법: AI 항체 설계 실습
Amazon Bio Discovery는 40개 이상의 AI 모델로 항체 후보를 설계·평가하고, 그 결과를 Wet Lab 실험까지 연결하는 AWS의 AI 바이오 연구 플랫폼입니다. 이 글에서는 HER2를 타겟으로 항체 후보를 생성한 실습 과정과 결과 화면, EU 기반 과금 구조, AWS HealthOmics와의 차이를 정리했습니다. The post Amazon Bio Discovery 사용법: AI 항체 설계 실습 appeared first on
[데이터주권 시리즈] 네트워크 경로 통제의 중요성과 데이터센터 연관성
데이터 주권은 저장 위치뿐 아니라 데이터가 오가는 네트워크 경로까지 통제해야 완성됩니다. 저장을 역내로 묶어도 트래픽이 역외 통신망을 경유하면 이동 중 데이터가 다른 관할권에 노출됩니다. 데이터 ... Read More
[뉴스레터] Cover Story - 6호
인도 금융 포용의 다음 과제는 대출이다.
LLM이 만든 SQL을 믿고 실행하기까지: A2A 기반의 대화형 BI 애플리케이션 개발기
들어가며안녕하세요. Game Platform실의 이형중, 김민희, 정소영입니다. 저희 조직은 게임 퍼블리싱에 필요한 다양한 기능을 개발하고 운영하는 역할을 맡고 있습니다.저희는 ‘...
데이터 분석 에이전트를 만들며 배운 컨텍스트 설계
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
바이브코더 도구 9곳 비교, 무료 범위·월 요금과 같은 부탁 21번 실측
바이브코딩 플랫폼 9곳의 무료 범위·월 요금을 공식 페이지로 확인하고, 도구가 쓰는 AI 모델 7개에 같은 부탁을 21번 보내 비용(2~151원)과 동작을 쟀어요.
AX 뜻과 DX 차이, 작은 회사 AI 전환은 어디부터? 사무 일 한 건 3~28원
AX(AI 전환) 뜻과 DX 차이, 작은 회사 시작 4단계를 정리했어요. 회의록·견적 메일·엑셀 정리를 AI 3개에 맡겨 보니 한 건 3~28원이었어요.
GEO·AEO 뜻과 SEO 차이 — AI 검색에 36번 물어 인용 출처를 세어 봤어요
GEO·AEO 뜻과 SEO 차이, AI 검색에 36번 물어 센 인용 출처(74곳·첫 300자 숫자 68%)와 내 사이트 적용 체크리스트·측정법을 정리했어요.
도메인 구매 사이트 비교 2026 — .co.kr 3년 3.8만~8.6만원 차이
같은 .co.kr도 3년 값이 37,620원~85,800원이에요. 국내외 8곳 가격표와 KRNIC 15곳 표로 첫해·갱신·이전비, 사는 순서, 구매처 확인법을 정리했어요.
추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법
TopK를 감이 아닌 최적화로 정한 이야기
데이터 소재지와 데이터 주권
데이터 소재지와 데이터 주권은 다른 개념입니다. 국내 데이터센터에 저장했다는 사실만으로는 데이터 주권이 확보되지 않습니다. 데이터 주권은 저장 위치가 아니라 그 데이터를 운영하는 기업이 어느 나라 ... Read More
“세무 플랫폼, 납세자 환급 권리 실현 등 소비자 후생 개선”
성균관대 박민수 교수·서던일리노이대 이수정 교수, 세무 플랫폼의 소비자 후생 연구 미청구 환급권과 금전적 편익, 신고시
Jev로 AI 글 냄새 잡기 - 판정 모델을 교정 파이프라인 세 곳에 붙인 기록
요즘 AI와 함께 글을 쓰는 일이 부쩍 늘었습니다. 그러다 최근 DEVOCEAN에 올린 개발기(벡터DB를 걷어내고 유사글 추천을 되살린 이야기)가 "AI 느낌이 많이 난다"는 이야기를 들었고, 마침 책 원고 교정 도...
[클로바시선 #58] 속도와 비용의 열쇠: 멀티모달 AI 학습을 갉아먹는 ‘이미지 토큰 불균형’ 이야기
소버린 AI를 개발하는 일은 막대한 비용을 감당해야 하는 승부입니다. ⚔️ 2025년 Meta가 공개한 자료에 따르면, Llama 4의 사전학습에는 H100 GPU 누적 738만 시간이 투입되었는데요. 이를 2026년 현재 클라우드 H100 임대 시세(시간당 약 2.5~3달러)로 단순히 환산하면 GPU 비용만 한화로 약 250억~300억 원 규모인 셈입니다. 이렇게 GPU를 수백만 시간 가동하는 데만 수백억 원이 소요되는 시대에, 학습 속도를
AI가 과거 근거를 확인한 44일, 그리고 달라진 결론들
여러 채널에 분산되어 있던 업무 이력을 출처가 유지되는 Wiki로 연결하여, AI가 중요한 설계 및 구현 판단 전에 과거의 근거를 확인하도록 했습니다. 과거 근거가 현재 상태와 충돌할 경우, AI가 실행 전 차이점과 선택지를 제시하고 사용자 확인을 거치게 했습니다. 44일간 60개의 실무 중 47개 업무에서 Wiki를 836회 조회했으며, 이를 활용한 업무의 89.4%에서 최초 판단이 보완되거나 부정되었습니다.
SageMaker Studio에서 TIP와 S3 Access Grants를 활용한 Athena 쿼리 실행하기
개요 기업 환경에서 여러 데이터 과학자가 Amazon SageMaker Studio를 공유하여 사용할 때, 사용자별로 세밀한 데이터 접근 권한을 관리하고 감사 추적을 수행하는 것은 중요한 보안 요구사항입니다. 그러나 기존의 IAM Role 기반 접근 방식에서는 SageMaker Studio의 모든 사용자가 동일한 Execution Role을 공유하게 되어, 개별 사용자를 식별하고 차별화된 권한을 부여하는 것이 어려웠습니다. IAM Identit
AI 이미지 한 장에 얼마? 한글 간판 그려 달라 했더니 — 5개 모델 직접 비교(72원~359원)
제미나이·GPT 이미지 모델 5개에 같은 한글 칠판 그림을 세 번씩 부탁해 한 장 값·걸린 시간·한글 정확도를 비교했어요. 부가세 포함 원화 실측이에요.
제미나이 API 쓰는 법 — 생각을 낮추면 8배 싸져요(직접 해 봤어요)
제미나이 3.8 Flash API 를 무료로 시작하는 법, 무료와 유료의 차이, 2027년 1월 가격 인상, 그리고 생각(thinking) 설정 한 줄로 요약 값이 8분의 1이 된 실측 결과를 정리했어요.