
이 서비스만 고치면 되겠지? AI가 놓치는 숨은 의존성을 추적하는 법
AI 코딩 도구가 MSA 환경의 숨은 의존성을 놓치는 문제를 짚고, 그래프 RAG로 영향 범위를 추적하는 Channel Knowledge 구축 과정을 설명했습니다. 코드 분석과 도메인 지식, Neo4j, MCP를 결합해 안전한 변경을 돕는 방법을 공유했습니다.

AI 코딩 도구가 MSA 환경의 숨은 의존성을 놓치는 문제를 짚고, 그래프 RAG로 영향 범위를 추적하는 Channel Knowledge 구축 과정을 설명했습니다. 코드 분석과 도메인 지식, Neo4j, MCP를 결합해 안전한 변경을 돕는 방법을 공유했습니다.


사내 AI 슬랙봇을 RAG 기반으로 구축한 뒤 검색 품질과 응답 품질을 개선한 과정을 공유했습니다. 쿼카는 Bedrock Agents로 마이그레이션해 컨텍스트 유지와 SQL 검증을 강화했습니다.


사내 최신 스펙과 코드 불일치 문제를 해결하기 위해 RAG 기반 챗봇을 도입했습니다. 메타데이터 필터링과 하이브리드 검색으로 정확도를 높이고 배포 파이프라인과 동기화했습니다.

문서 전처리 파이프라인의 리소스 경합과 디버깅 어려움을 해결하기 위해 dagster를 도입했습니다. K8sRunLauncher와 코드 로케이션 분리로 안정성과 운영 효율을 높인 사례를 공유했습니다.

문서 전처리 파이프라인의 리소스 경합과 디버깅 어려움을 해결하기 위해 dagster를 도입했습니다. 파드 격리와 대시보드 관측성으로 안정성과 운영 효율을 높였습니다.

삼성리서치의 Agentic RAG 기반 보고서 작성 서비스 ‘DeepDive’의 아키텍처와 고도화 과정을 소개했습니다. 긴 문서에서 핵심을 빠르게 추출해 업무 생산성을 높이는 방향을 다뤘습니다.
RAG 성능을 높이기 위한 PDF-to-Markdown 전처리 가이드를 소개했습니다. 문서 구조를 정제해 LLM 친화적인 입력을 만드는 방법을 다뤘습니다.
AI가 개발자를 완전히 대체하기보다 업무의 일부를 재정의하고 위임하는 방향으로 바꾸고 있습니다. 좋은 추상화와 위임 경계를 설계하는 능력이 AI 시대 개발자의 핵심 역량이라고 설명합니다.

대규모 LLM 서비스에서 프롬프트보다 컨텍스트 설계가 더 중요하다는 점을 설명했습니다.\n필요한 도구와 정보만 단계적으로 주입해 성능 저하와 환각을 줄인 방법을 공유했습니다.

MLOps는 모델을 안정적으로 운영하기 위한 공정이며, 생성형 AI 시대에는 LLMOps와 AgentOps로 확장되고 있습니다. 조직은 도구보다 운영 루프와 책임 경계를 먼저 설계해야 했습니다.

AI 워크로드 확산에 따라 데이터센터 혁신 방향과 실증 사례를 소개했습니다. 고밀도 GPU 인프라를 위한 전력·냉각·네트워크 설계와 운영 기술을 정리했습니다.


건설현장 방역을 위한 해충 판별 AI 챗봇을 Amazon Bedrock과 LangGraph로 구현했습니다. 이미지 분석, RAG 검색, 보고서 자동화까지 연결해 설명 가능한 방역 판단을 만들었습니다.