

생성형 AI, 일하는 방식에 어떻게 내재화될까?
생성형 AI를 업무에 내재화하는 과정을 단계별로 정리하고, 개발자 위치별 역할을 제안했습니다. 개인 활용을 넘어 조직 문화와 제도로 확산하려면 One Team 협력이 필요하다고 강조했습니다.


생성형 AI를 업무에 내재화하는 과정을 단계별로 정리하고, 개발자 위치별 역할을 제안했습니다. 개인 활용을 넘어 조직 문화와 제도로 확산하려면 One Team 협력이 필요하다고 강조했습니다.


비정형 텍스트에서 구조화된 정보를 추출하는 LangExtract를 소개했습니다. 소스 그라운딩과 스키마 강제로 신뢰성과 재현 가능성을 높였습니다.


Python으로 HWP 본문 Section을 읽고 문단, 글자 모양, 문단 모양, 제어문자를 순서대로 파싱하는 방법을 설명했습니다. 샘플 파일을 통해 실제 서식과 파싱 결과가 일치함을 확인했습니다.


HWPX 본문 구조와 section.xml·header.xml의 참조 관계를 Python으로 파싱하는 과정을 설명했습니다.문단과 run, 서식 정보를 연결해 텍스트·표·그림을 추출하는 방법을 다루었습니다.

Amazon Bedrock AgentCore로 Strands 에이전트를 배포하고 운영하는 실습 과정을 다뤘습니다. 로컬 테스트부터 클라우드 배포, 호출, 모니터링까지의 흐름을 정리했습니다.

마이리얼트립 AI Lab이 내부 바운티 ‘마리트 크몽’으로 반복 업무를 자동화한 사례를 소개했습니다. 이후 유지보수와 주도권 문제를 보완해 구성원이 직접 문제를 푸는 ‘AI 챔피언’ 제도로 발전시켰습니다.


LLM 활용이 늘며 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성을 정리했습니다. 입력·출력 검증 구조와 간단한 구현 예제로 실무 적용 방향도 제시했습니다.


LLM 확산에 따라 프롬프트 인젝션과 개인정보 유출을 막는 AI 가드레일의 필요성과 구조를 설명했습니다. 또한 입력·출력 가드레일 구현 예시와 함께 다층 방어 전략의 중요성을 정리했습니다.


Airflow Task SDK는 Dag와 내부 시스템을 분리해 업그레이드 호환성과 안정성을 높이는 방향을 소개했습니다. 또한 Supervisor와 Task Runner 구조로 보안과 확장성까지 강화하는 변화를 설명했습니다.


Strands Agents와 MCP로 신약 개발 연구 어시스턴트를 구성하는 방법을 소개했습니다. 다중 데이터베이스 검색과 결과 종합, PDF 생성까지 이어지는 에이전트 워크플로우를 보여주었습니다.

항공 해외제휴 정산 업무를 Python과 Cursor로 자동화해 1분 이내로 단축했습니다. 업무 당사자의 이해와 AI 협업이 확장성까지 확보한 핵심이었습니다.


여기어때는 파편화된 CI/CD와 Helm Chart를 표준화해 문제를 줄였습니다. 개발자 숙련도와 무관한 동일한 배포 경험을 만들기 위해 입력 방식과 재사용 구조를 개선했습니다.