
프론티어 모델 대신, 우리 모델이 모든 상담을 분석합니다
상담 분석 세 작업을 자체 멀티태스크 모델로 전환해 상용 LLM보다 높은 성능을 확보했습니다.\n골든셋 기반 평가와 서빙 최적화로 비용을 99.4% 절감하고 운영 체계를 구축했습니다.


상담 분석 세 작업을 자체 멀티태스크 모델로 전환해 상용 LLM보다 높은 성능을 확보했습니다.\n골든셋 기반 평가와 서빙 최적화로 비용을 99.4% 절감하고 운영 체계를 구축했습니다.


그룹웨어는 과금 방식과 포함 기능, 숨은 비용을 합친 연간 총비용으로 비교해야 합니다. 저장 용량·옵션·마이그레이션·할인 종료 후 요금까지 확인해야 합니다.

JEV의 질문·답 계약을 LLM Gateway 판정 API로 구현해 사내 소형 LLM에 적용했습니다. 출력 간소화로 지연 시간을 줄이고 라벨 오류 항목만 재판정했습니다.

인도 NBFC의 소액대출 확대와 신용모니터링 효과, AI 신용관리 플랫폼 투자 동향을 다뤘습니다.\nMoneyview IPO 변동성과 True Balance의 AI 브랜드 캠페인 성과도 정리했습니다.


Pod·JVM 반복 비용을 줄이기 위해 서비스 경계와 데이터 경계를 유지한 통합 Boot 구조를 설계했습니다.\nMultiDatasource와 package 기반 트랜잭션 라우팅을 Prologue 자동 구성으로 공통화했습니다.


모바일 앱 QA에서 실기기로 Safe Area, 키보드, 터치, 화면 전환을 검증해야 하는 이유를 설명했습니다. 출시 전후 목적에 맞춘 이슈 기록과 재검수 운영 원칙을 제안합니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

평균 지표에 가려진 Oracle 커밋 지연을 CPU별 NIC 인터럽트와 LGWR 경합으로 분석했습니다. NIC 슬롯과 본딩 방식을 바꿔 인터럽트를 분산하고 CPU·SQL 성능을 개선했습니다.

미리캔버스 템플릿 팀은 사용자 데이터로 편집하기 쉬운 레이아웃과 가이드를 설계했습니다. 디자인 품질과 사용성을 함께 높이는 과정 및 성과를 소개합니다.

미리캔버스 템플릿 디자이너는 타겟과 목적을 분석하고 디자인 가설을 실험합니다.\n북미·일본 시장별 사용자 반응을 바탕으로 사용성과 미감을 갖춘 템플릿을 설계합니다.


공유 서버 풀의 이벤트 트래픽을 전용 풀로 격리하고 증설·원복·회고를 자동화했습니다. 운영 데이터를 축적해 용량 산정을 고도화하고 고객 예약형 유료 기능으로 확장했습니다.


EKS Agent Sandbox와 gVisor를 결합한 AI 에이전트 코드 실행 격리 구조와 운영 검증 결과를 다뤘습니다. NetworkPolicy·DNS·Warm Pool·router 보안을 함께 설계해야 함을 제시했습니다.


EKS에서 Agent Sandbox와 gVisor로 AI 에이전트 코드 실행 환경을 분리하는 구성을 정리했습니다. Pod 보안 설정과 런타임 격리의 역할 차이 및 운영 시 점검점을 설명했습니다.


AWS Direct Connect 정액제의 포트페어·독립 연결별 손익분기점과 비용 절감 효과를 계산했습니다.\n필요 용량, Tier 범위, Transit Gateway 등 별도 비용과 전환 제약을 함께 점검해야 합니다.


대화형 데이터 분석 에이전트를 단일 에이전트와 결정론 도구 중심으로 재설계했습니다. 실행 레인 분리, 이벤트 알림, 표준 관측성으로 프로덕션 운영성을 높였습니다.