

누구나 실험할 수 있도록 — 한국 비즈니스 실험 심포지엄 발표자료 공유
대규모 검색 서비스에서 셀프서브 실험 체계를 정착시킨 사례를 공유했습니다. 플랫폼과 교육을 함께 설계해 실험 문화를 확산한 과정도 소개했습니다.


대규모 검색 서비스에서 셀프서브 실험 체계를 정착시킨 사례를 공유했습니다. 플랫폼과 교육을 함께 설계해 실험 문화를 확산한 과정도 소개했습니다.


LLM 환각의 원인과 완화 전략을 정리하고, 최근 논문 3편의 실험 결과를 바탕으로 신뢰성 향상 방향을 소개했습니다. 불확실성 인식, 외부 지식 활용, 자체 검증을 함께 고려하는 설계가 중요하다고 설명했습니다.


AI 검색 엔진 PAAS의 구조와 도입 배경, 그리고 딥서치와 멀티모달로의 확장 방향을 정리한 글입니다. 검색 기능을 AI Agent의 기반으로 보고 MCP와 모바일 실행까지 가능성을 제시했습니다.
여행 상품의 소개글과 코스 설명에서 일정 정보를 추출해 정형화된 데이터로 만들었습니다. 이를 바탕으로 도시와 기간에 맞는 테마별 여행 플래너 서비스를 실험했습니다.


OpenSearch Service의 AI Search Flow 빌더로 Semantic 검색과 멀티모달 RAG를 빠르게 구성하는 방법을 소개했습니다. Ingest/Search Pipeline과 템플릿, AI 제공업체 연동으로 미들웨어 없이 검색 기능을 확장하는 흐름을 설명했습니다.

퀸잇이 첫 셀러 간담회를 열고 4050 시장 공략을 위한 협력 방안을 공유했습니다. 하반기 마케팅 확대와 개인화 추천, 광고 솔루션으로 셀러 성장을 지원하겠다고 밝혔습니다.


무신사는 스냅 이미지와 자연어를 활용한 AI 추천·검색 프로토타입을 AWS 기반으로 구현했습니다. 실제 데이터 평가에서 높은 정확도를 보였지만, 일부 이미지 조건에서는 한계도 확인했습니다.

Docusaurus와 Typesense로 기존 Redoc 기반 API 문서 플랫폼을 재구성한 사례를 소개했습니다. 문서 UX, 검색, 배포 흐름 개선과 그 결과를 함께 공유했습니다.

토스가 사용자의 기능 탐색 경험을 수치화하는 리서치 툴 TNS를 만든 과정을 소개했습니다. 라이브 앱 로그 분리와 커스텀 UI로 실제 내비게이션 경로를 측정하고 개선에 연결했습니다.

네이버 홈피드의 개인화 추천 구조와 랭킹 고도화 과정을 소개했습니다.\nLLM, 리트리버, 랭커를 활용해 클릭과 만족도, 다양성을 함께 개선했습니다.


조직에서 AI 코딩 솔루션을 도입할 때는 성능보다 보안, 비용, 통합성을 먼저 검토해야 했습니다. 파일럿으로 검증한 뒤 팀 환경에 맞는 도구를 단계적으로 확산하는 접근이 중요했습니다.

AI 코딩 도구의 결제 연동 정확도를 높이기 위해 토스페이먼츠가 MCP 서버를 구현한 과정을 공유했습니다. 문서 청크화와 BM25 검색으로 맥락을 제공해 Hallucination을 줄이고 연동 품질을 개선했습니다.