if(kakao)2026 첫째 날, 기술 세션 소개
if(kakao)2026 첫째 날은 AI 방향성, 신뢰와 안전, Model & Agent, 상생과 성장에 대해 이야기합니다. 키노트를 제외한 총 23개의 기술 세션들이 아래와 같이 진행됩니다. [AI 방향성] 1. You Only Train Once: 더 효율적으로 Kanana SLM 개발하기 (류민호, 한규빈) 단 한 번의 학습으로, 4개의 Small Dense Model Family를 개발한 노하우를 공유합니다! 최근 공개한 Kanana-2
하루 N억 건의 알림 시스템 구축기 (1): 카카오뱅크는 어떻게 발송 플랫폼의 새로운 뼈대를 세웠나
플랫폼의 핵심은 개발자의 멘탈 모델을 단순하게 유지하는 데 있습니다. 카카오뱅크의 신규 발송기는 Lock-Free, Work-Stealing 같은 복잡한 성능 최적화는 내부에 숨기고, 개발자에게는 “몇 개의 메서드만 구현하면 된다"는 단순한 인터페이스를 제공합니다. 시리즈물로 연재되는 ‘대규모 알림 시스템 구축기’의 첫 번째 글인 이번 편에서는, 하루 N억 건을 처리하는 고성능 발송 플랫폼의 뼈대와 계층 분리 아키텍처를 공유합니다.
미리캔버스의 SVG 필터 활용기: 브라우저에서 이미지 보정하기
Amazon ECS 실행 구조와 선택 기준 – 1부: 컴퓨트와 실행 형태
AI 시대로 전환이 가속화되면서 Amazon ECS가 다시 주목받고 있습니다. 모델 추론 서버부터 AI 에이전트와 에이전트가 호출하는 도구까지 컨테이너로 배포되는 워크로드가 증가했고, GPU 컴퓨트와 급격한 트래픽 변화를 감당하는 일들이 컨테이너 운영의 일상이 되었기 때문입니다. 하지만 ECS로 컨테이너 워크로드를 운영하다 보면 비슷한 고민과 마주치게 됩니다. EC2에서 제공되던 서비스를 Fargate로 이전할 때 시작 유형(launch typ
Product Engineer의 가능성과 조건: 대규모 예산이 투입되는 프로젝트에서 확인하다
CX팀에서 AX로 고객센터 문의량 40%를 감소시킨 이야기
안녕하세요. CX팀 Carly입니다. CX팀은 고객을 가장 잘 이해하는 팀으로서, 고객과 마주하는 모든 접점에서 일관되고 신뢰할 수 있는 경험을 효율적으로 제공하며, 현장의 목소리를 바탕으로 고객을 위한 다양한 변화를 만들기 위해 치열하게 고민하고 있습니다. 이번 26년 상반기에는 'CX에서 AX를 활용하여 성과를 내보자!'라는 목표를 세웠고, 결론적으로 상담 문의량이 월평균 약 40% 감소하는 성과를 거두었습니다! 어떤 과정을 거쳐 이 추상적
여기어때 홈 카드 개선기 (2)
여기어때 홈 카드 개선기 (1)
AI 모델의 성능, 우리는 제대로 평가하고 있을까?
Benchmark Contamination과 Double-Blind Evaluation 새로운 AI 모델이 공개될 때마다 다양한 벤치마크 점수가 함께 발표됩니다. 추론, 수학, 코딩, 안전성 등 모델의 능력을 하나의 숫자로 비교할 수 있기 때문에 벤치마크는 AI 모델의 성능을 판단하는 대표적인 기준으로 활용되고 있습니다. 하지만 모델의 학습 데이터가 점점 방대해지면서 한 가지 질문이 중요해지고 있습니다. 모델이 평가 문제를 이미 본 적이 있다면
Claude Code 토큰 비용 최적화하기 – 2부: 캐시 경제학과 Amazon Bedrock 조직 비용 관리
Claude Code를 조직에 도입하면 개인의 습관만으로는 답할 수 없는 질문이 남습니다. 자리를 비웠다 돌아오면 첫 응답이 왜 유난히 느리고 비싼지, Amazon Bedrock으로 사용하는 조직에서는 누가 얼마나 쓰는지를 어디서 확인할 수 있는지 같은 질문입니다. 이 글은 Claude Code 토큰 비용 최적화 시리즈의 2부입니다. 1부(비용 구조와 세션 습관)에서는 비용이 컨텍스트 크기에 비례하고 실제 지불 단가는 프롬프트 캐싱(prompt
비용과 성능을 한번에 - 언어 특화 토크나이저 도입기
같은 말을, 절반의 토큰으로
서버 개발자가 헥사코드를 몰라도 되게 만들기
안녕하세요, 카카오스타일 지그재그 전시BE파트 밀리입니다. 전시 개발자로서 혹시 이런 하루를 보내고 있나요?
Swift 6 어때요? (1): 스레드, 블록, 태스크
바이너리 좀 뜯어 봤습니다
LG CNS의 Agentic AI를 활용한 APQR 시스템 설계 및 자동화 구축 사례
본 블로그는 LG CNS 와 AWS 가 공동 작성하였습니다. 품질보증 담당자가 QMS, LIMS, SAP, EDMS를 오가며 자료를 모으고 APQR 리포트 한 건을 완성하는 데는 약 12시간이 걸렸습니다. 종근당과 LG CNS는 Agentic AI로 이 시간을 약 1시간으로 줄였습니다. LG CNS는 AWS 프리미어 파트너로, 다수의 대규모 엔터프라이즈 고객을 대상으로 SM(운영 유지보수)/AM(현대화)/Migration 서비스를 제공하고 있습
k6로 n8n 부하테스트 - worker를 8배 늘려도 처리량이 그대로인 이유
n8n Queue Mode에서 worker를 늘려도 처리량이 오르지 않는 이유를 k6와 Grafana로 측정했습니다. 슬롯 점유율 100%인데 CPU는 한 자릿수였던 원인은 task runner 한도였고, 러너 한도만 바꿔 처리량이 7.2배 차이 났습니다.
@Scheduled 한 줄로 버티다, 트리거를 밖으로 꺼낸 이야기
중복 실행과 유실을 넘어, 여러 pod가 작업을 나눠 갖는 스케줄 실행 구조로 전환하기까지
채널톡이 글로벌 상담 Agent를 GPT-5.6 Luna로 갈아탄 이유
공개 벤치마크 1위 모델이 아닌 리더보드에도 없는 모델을 선택했습니다.
WebFlux 전환 부하 테스트를 다시 쓴 이야기