매장을 찾는 과정을 설계한 올영매장 고도화 여정
올영매장은 매장 탐색을 독립된 O2O 경험으로 재설계해 유입과 탐색을 늘렸습니다. 다음 단계는 픽업 설득과 개인화로 전환을 높이는 것입니다.
오늘 새로운 게시글 1개가 올라왔는데,
아직 1개를 안 보셨어요
아직 1개를 안 보셨어요
[인사이트] AI 서버 전력 한계 극복: kt cloud가 주목하는 800V DC 데이터센터
kt cloud는 AI 서버 전력 한계 대응을 위해 800V DC 데이터센터를 검토했습니다. 효율과 가용성은 개선되지만 고전압 차단·전력변환·절연 모니터링 등 기술 과제 존재합니다
여기어때 Secret 플랫폼 구축기 Part 3: 시크릿 저장소를 운영 가능한 상태로 만들기 — 컨테이너화부터 CI/CD, 로그 수집까지
Bun 번들화와 멀티스테이지 이미지로 Secrethub를 경량화했습니다. GitLab CI·CodeDeploy와 Docker 레벨 로그 수집으로 운영 표준화를 진행했습니다.
여기어때 Secret 플랫폼 구축기 Part 3: 시크릿 저장소를 운영 가능한 상태로 만들기 — 컨테이너화부터 CI/CD, 로그 수집까지
여기어때 Secret 플랫폼 구축기 Part 2: 시크릿 저장소를 전체 서비스에 적용하기까지
Secrethub와 External Secrets Operator로 EKS에서 시크릿 자동 동기화했습니다. Spring Loader와 Shadow Jar로 호환성 및 의존성 충돌 방지했습니다.
여기어때 Secret 플랫폼 구축기 Part 2: 시크릿 저장소를 전체 서비스에 적용하기까지
여기어때 Secret 플랫폼 구축기 Part 1: 왜 시크릿 저장소를 만들었는가
여기어때 DevOps팀은 중앙 비밀 관리 플랫폼 Secrethub를 구축했습니다. 플랫폼으로 민감정보 접근·권한·감사 통합하고 개발자 인지부담을 줄였습니다.
여기어때 Secret 플랫폼 구축기 Part 1: 왜 시크릿 저장소를 만들었는가
[기술리포트] 클라우드 네이티브 4편 : 상태 관리와 데이터 일관성 - 안정성·신뢰성 확보 전략
상태를 앱 서버에서 분리하고 데이터별 정합성 정책으로 가용성 확보를 제안합니다. saga·outbox와 복제·캐시·충돌 처리로 운영 가능한 일관성 유지 방법을 설명합니다.
신입 디자이너가 꼭 알아야 할 실험 설계 팁
속도와 임팩트 기준으로 우선 개선 지점을 정했습니다. 기존 실험 러닝을 분석하고 한 번에 하나의 가설을 검증해 전환율을 개선했습니다.
Physical AI: 자율 지능의 차세대 기반 구축
Physical AI는 물리적 세계 인식부터 엣지 추론까지 통합 프레임워크를 제시했습니다. 클라우드 훈련과 엣지 자율성의 이중 루프로 지속적 학습을 지원합니다.
[Deep Dive] 고도화된 AI 에이전트 아키텍처: Zero Trust와 Human-in-the-Loop의 결합
Zero Trust와 HITL 결합한 AWS 기반 AI 에이전트 보안 아키텍처를 제안했습니다. 네트워크 격리, PII 필터링, RAG ACL, 승인 워크플로우, 감사 로깅을 설명합니다.
[Deep Dive] 고도화된 AI 에이전트 아키텍처: Zero Trust와 Human-in-the-Loop의 결합
쓰기 쉬운 Toss Front SDK
퍼사드 패턴으로 SDK를 의도 기반 API로 단순화하여 사용성 및 안정성을 개선했습니다. 고수준 Facade와 저수준 API의 공존으로 편의성과 유연성의 균형을 유지합니다.
