
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
AI 모델 성능 비교를 위해 상담 도메인에 맞는 리트리벌 벤치마크를 직접 제작했습니다. 벡터 검색과 BM25를 결합한 하이브리드 검색의 개선 효과도 정량적으로 확인했습니다.
새로운 기술 블로그가 추가되었어요

AI 모델 성능 비교를 위해 상담 도메인에 맞는 리트리벌 벤치마크를 직접 제작했습니다. 벡터 검색과 BM25를 결합한 하이브리드 검색의 개선 효과도 정량적으로 확인했습니다.
역할 기반 모놀리스를 도메인 기준 MSA로 점진 전환한 사례를 정리했습니다. AWS ECS와 ALB 라우팅, DDD, 템플릿 저장소로 비용과 복잡도를 줄였습니다.

의존성 주입은 모든 곳에 적용할수록 좋은 것이 아니라 목적이 분명할 때만 쓰는 것이 중요하다고 설명했습니다. 단순 유틸리티나 모델은 내부 생성으로 단순화하고, 주입은 라이프사이클 관리나 구현 전환에 한정할 것을 제안했습니다.
무신사는 외부 POS 의존으로 생기던 개발 지연과 비용 문제를 해결하기 위해 MPOS를 전면 내재화했습니다. Electron 기반으로 하드웨어 연동, 배포, 모니터링을 정비해 운영 통제력과 개발 속도를 높였습니다.
무신사는 외부 POS 의존을 줄이기 위해 MPOS를 전면 내재화했습니다. Electron과 운영 보완으로 개발 속도와 현장 안정성을 함께 높였습니다.


Kitchen의 빌드·패키지 구조를 실제 사용 방식에 맞게 다시 설계했습니다. ESM 전환과 단일 패키지화로 트리셰이킹과 DX를 개선했습니다.
Karrot이 GenAI 도입 확산을 위해 LLM Router, Prompt Studio, KarrotChat을 구축한 과정을 소개했습니다. 계정·비용 관리부터 실험, 에이전트 실행, 장애 대응까지 통합한 플랫폼 구조를 설명했습니다.

도쿄 데이터센터 시장이 왜 아시아 허브로 집중되는지 현황과 배경을 정리했습니다. 높은 비용과 재난·ESG 리스크 속에서도 글로벌 기업이 도쿄를 선택하는 이유를 비교했습니다.


Amazon RDS for PostgreSQL에서 시계열 테이블을 고성능으로 설계하는 방법을 설명했습니다. 데이터 타입 최적화, BRIN 인덱스, 일별 파티셔닝으로 수집 성능을 크게 높였습니다.

퀸잇이 4050세대의 다양한 삶의 방식과 취향을 이해하는 전략을 소개했습니다. 연령보다 상황과 기준선을 중심으로 고객을 공략한 사례입니다.

지도보기 API의 병목이던 표준 상품 API 호출을 동적 window 분할과 Coroutine Async로 병렬화했습니다. 그 결과 응답 시간을 8~10초에서 약 2초로 줄이고 TPS도 크게 개선했습니다.

숙박 전시 도메인의 복잡한 노출 로직을 Kotlin DSL로 표현한 적용 사례를 소개했습니다. 가독성은 좋아졌지만 내부 구현 복잡도와 팀의 러닝 커브가 커지는 트레이드오프도 있었습니다.