devBlog
본문 바로가기
devBlog.kr
포스트주간 인기글최근 본 글즐겨찾기(로그인 필요)프로필(로그인 필요)새로운 소식요청하기
devBlog.kr
포스트주간 인기글최근 본 글즐겨찾기(로그인 필요)프로필(로그인 필요)새로운 소식요청하기
devBlog

푸터 메뉴

탐색
  • 포스트
  • 태그별 보기
  • 기업별 보기
  • 주간 인기글
정보
  • 이용약관
  • 개인정보 처리방침

© 2026 devBlog.kr. All rights reserved.

·

v3.0.1

태그/Search

Search 글 모음

기업 기술블로그의 Search 관련 글 65개

AWS 로고

AWS

2026-11-20

Amazon Bedrock 및 Amazon Neptune을 이용한 미래에셋증권의 상품지식 온톨로지 및 상품AI검색 서비스구축기 ( 혁신금융서비스 )

“AI 프로젝트의 95%가 실패하는 이유는 모델이 아니라 데이터다” GenAI 프로젝트가 실패하는 원인은 대부분 모델 성능이 아니라 데이터의 준비 상태에 있습니다. MIT NANDA 보고서의 의하면 GenAI 파일럿의 95%가 AI-Ready Data 부재로 프로덕션에 도달하지 못했고, Gartner는 조직의 63%는 AI-Ready 데이터 관리 체계를 갖추지 못했다고 분석했습니다. 이러한 리서치가 보여주듯 AI-Ready Data가 준비되어

AI/MLAWSData EngineeringMLOpsSearch
베스핀글로벌 로고

베스핀글로벌

2026-11-17

[AI Ready Data] 문서 게시부터 검색 반영까지 확인하는 운영 흐름

문서 처리 ‘완료’가 곧 검색 최신 반영을 의미하지 않습니다. 저장·게시·검색 반영 확인을 분리하고, 문서 개정/게시/동기화 식별자를 연결해 최신성을 검증하는 운영 흐름(게시 스냅샷 고정, 교체 게시, 빈 결과·철회 처리, 인덱스 상태·행 수 검증, 대표 질의 확인)을 정리합니다. The post [AI Ready Data] 문서 게시부터 검색 반영까지 확인하는 운영 흐름 appeared first on BESPIN Tech Blog.

AI/MLBackendData AnalysisMonitoringSearch
베스핀글로벌 로고

베스핀글로벌

2026-11-17

[AI Ready Data] 업무 질문과 정답 근거로 확인하는 검색 품질 평가

업무 질문으로 AI 검색을 평가할 때, 답변 품질과 분리해 ‘근거를 얼마나 충족했는지(Context Recall)’와 ‘유용한 근거가 앞에 나왔는지(Context Precision)’를 같은 문항으로 비교·기록하는 구현 사례를 정리합니다. 실패·누락을 평균과 함께 보고하고, Databricks AI Search 내장 평가와의 차이도 구분합니다. The post [AI Ready Data] 업무 질문과 정답 근거로 확인하는 검색 품질 평가 app

AI/MLData AnalysisSearch
베스핀글로벌 로고

베스핀글로벌

2026-11-17

[AI Ready Data] 질문에 맞게 나누고 문맥을 보존하는 문서 분할

문서 분할(청킹)은 질문에 필요한 근거의 경계를 정하는 작업입니다. 제목·표·예외·출처를 함께 보존해야 답변이 조건을 놓치지 않고 사용자가 원문을 검증할 수 있습니다. 검색용 조각과 계층 보존용 조각을 역할별로 분리하고, 개정·위치·제목 경로를 메타데이터로 남기는 설계를 통해 Databricks AI Ready Data의 ‘검토 가능한 근거’를 구성하는 방법을 정리합니다. The post [AI Ready Data] 질문에 맞게 나누고 문맥을

AI AgentAI/MLData AnalysisData EngineeringSearch
베스핀글로벌 로고

베스핀글로벌

2026-11-17

[Databricks] 문서를 신뢰할 수 있는 검색 근거로 준비하는 과정

Databricks로 문서를 수집·등록·정리·게시하고 AI Search에 반영해 ‘근거 있는 검색’을 만드는 과정을 정리합니다. 최신 개정 구분, 문맥·표·예외 보존, 저장 완료와 검색 반영 완료의 분리, 실패 복구 기준까지 운영 관점에서 다룹니다. The post [Databricks] 문서를 신뢰할 수 있는 검색 근거로 준비하는 과정 appeared first on BESPIN Tech Blog.

AI/MLData EngineeringDevOpsMonitoringSearch
Google for Developers 로고

Google for Developers

2026-11-13

Gemini 4 Hydrogen 출시 등 11월 둘째 주 Google for Developers 위클리 업데이트를 지금 확인하세요!

개발자 여러분, 안녕하세요!11월 둘째 주 블로그에 발표된 Google의 주요 개발자 제품별 최신 소식을 살펴보세요.[주요 개발자 블로그 업데이트] AI & Machine LearningGemini 4 Hydrogen을 소개합니다 (국문)Gemini 4 Hydrogen으로 한층 더 강력해진 Google Search (Google Search gets a major upgrade with Gemini 4 Hydrogen) Gemini Decisi

AI/MLSearch
네이버 클라우드 플랫폼 로고

네이버 클라우드 플랫폼

2026-10-21

쌓여 있는 영상과 이미지 속 그 장면, 바로 찾을 수 있다면?ㅣMedia Intelligence 프로모션 (~11/2)

안녕하세요, 누구나 쉽게 시작하는 클라우드 네이버클라우드 ncloud.com입니다. 오늘은 네이버클라우드의 미디어 솔루션 8가지를 차례로 소개하는 '미디어 릴레이 프로모션', 그 첫 번째 소식을 들고 왔습니다. 조금만 지나도 쌓이는 영상과 이미지, 필요하실 때 바로 찾아지시나요? "특정 출연자가 나온 장면만 모으려 해도 결국 영상을 전부 다시 돌려 본다" "영상은 영상대로, 스틸컷·사진은 따로 관리하느라 같은 자료를 두 번 찾는다" "어떤 장면

AI/MLData AnalysisSearch
AWS 로고

AWS

2026-10-12

Amazon OpenSearch Service 고급 활용 – 자체 빌드 Nori 분석기를 통한 사용자 사전 미세 조정

검색 서비스에서는 브랜드명이나 상품명처럼 해당 분야에서 사용하는 도메인 용어를 정확하게 처리하는 것이 중요합니다. 이런 용어가 의도와 다르게 분리되면 사용자가 찾는 상품을 놓치거나 관련 없는 결과가 검색될 수 있으며 점진적으로 사용자 경험 저하라는 악순환이 반복됩니다. Amazon OpenSearch Service는 커스텀 패키지를 통해 사용자 사전과 동의어 사전을 적용할 수 있습니다. 이를 활용하면 서비스에 필요한 용어를 추가하고 서로 다른

AWSData AnalysisElasticsearchPerformanceSearch
토스 로고

토스

2026-10-12

CPU 뼛속까지 써먹고, Milvus 사이징 기준을 만들기까지

검색 품질을 유지하며 같은 서버에서 처리량을 높인 토스증권의 Milvus 최적화 이야기

Data EngineeringPerformanceSearch
토스 로고

토스

2026-10-12

CPU 뼛속까지 써먹고, Milvus 사이징 기준을 만들기까지

검색 품질을 유지하며 같은 서버에서 처리량을 높인 토스증권의 Milvus 최적화 이야기

Data EngineeringPerformanceSearch
여기어때 로고

여기어때

2026-10-10

사내 지식으로 Agentic RAG 만들기 (2/3) : 검색을 얹기, LightRAG와 Navigator

AI AgentRAGSearch
퓨쳐인프라 로고

퓨쳐인프라

2026-10-01

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.

AI/MLData AnalysisSearch
채널톡 로고

채널톡

2026-09-28

[신청 중] ​AI 제품을 만들 때, 자체 모델과 검색엔진은 언제 필요할까요?

모델 학습부터 검색엔진 고도화까지, 실제 AI 제품을 만드는 과정에서의 고민과 경험을 공유합니다.

AI AgentAI/MLSearch
AWS 로고

AWS

2026-09-16

AI-DLC 기반 GS SHOP 검색·추천 개발 프로세스 고도화 사례

본 블로그는 GS리테일과 AWS가 공동 작성하였습니다. 검색과 추천, 서로 다른 두 과제를 하나의 개발 방법론으로 풀다 온라인 커머스에서 검색과 추천은 고객 경험을 결정하는 핵심 서비스입니다. 고객이 원하는 상품을 빠르게 찾고, 적절한 상품을 제안하기 위해서는 검색 방식과 추천 모델을 지속적으로 개선해야 합니다. 하지만 실제 운영 환경에서는 새로운 기능을 개발하는 것보다 빠르게 검증하고 반복적으로 개선할 수 있는 […]

AI/MLAWSData AnalysisMLOpsSearch
뷰저블 로고

뷰저블

2026-09-16

구글이 모든 사이트에 공식 AI 가시성 리포트를 열었다. 담긴 숫자는 노출 수 하나뿐이다

8월 31일부로 Search Console의 생성 AI 성과 리포트가 전 세계 모든 사이트에 열렸습니다. 6월 3일 영국에서 시작해 석 달 만입니다. AI Overviews, AI Mode, Discover의 생성 AI 영역에서 우리 URL이 몇 번 표시됐는지가, 처음으로 구글 공식 숫자로 나옵니다. 받은 것부터 정확히 적겠습니다. 노출 수, 페이지, 국가, 기기, 날짜. 시간·일·주·월 단위까지 내려갑니다. 없는 것도 정확히 적겠습니다.… 더

AI/MLData AnalysisSearch
뷰저블 로고

뷰저블

2026-09-15

마케팅을 잘하는 브랜드는 ‘이럴 때’ GEO를 점검합니다

신기능을 출시한 A사가 있다고 가정해보겠습니다. A사의 구성원들은 새로운 기능을 소개하기 위해 공식 홈페이지를 개편하고, 블로그 글을 작성했습니다. 이를 통해 고객이 접하게 될 A사의 정보는 이전과 분명히 달라졌습니다. 그렇다면 AI가 A사를 설명하고, 추천하는 방식에는 어떤 변화가 생겼을까요? 검색을 통해 브랜드나 제품 정보를 찾던 고객들이 이제는 정보 탐색에 AI를 활용하고 있습니다. 따라서 AI가 브랜드를 어떻게 인식하고 있는지… 더 보기

AI AgentAI/MLData AnalysisRecommendationSearch
AWS 로고

AWS

2026-09-07

AI Agent를 위한 OpenSearch 검색 품질 개선하기 (Part 2)

Rerank와 Weight 튜닝, 그리고 예상과 다른 결과들 1부에서는 Amazon OpenSearch Service와 Amazon Bedrock으로 검색 품질을 측정하는 시스템을 만들었습니다. 이제 측정할 수 있게 됐으니, 고객들은 자연스럽게 “그래서 어떻게 개선하지?” 를 묻게 됩니다. 이번 글에서는 측정 결과를 바탕으로 검색 품질을 실제로 끌어올리는 방법을 다룹니다. 사실 저는 이 테스트를 시작할 때 “검색 성능은 Rerank를 붙이면 당

AI AgentAWSData AnalysisMLOpsSearch
토스 로고

토스

2026-08-26

토스증권 추천과 검색은 어떻게 진화하고 있을까?

Data AnalysisRecommendationSearch
1234

페이지 1 / 4 (총 65개)