누구나 만드는 시대, 마케터가 한 달 만에 만든 영상 자동화 시스템
누구나 만드는 시대, 마케터가 한 달 만에 만든 영상 자동화 시스템
마케터가 AI와 개발 도구를 활용해 한 달 만에 영상 자동화 시스템을 만들었습니다. 핵심은 프롬프트를 구조화해 누구나 안정적으로 소재를 생성할 수 있게 만든 점입니다.
#Streamlit#Cursor
54005분
필터 1
누구나 리서치 하는 시대, UX리서처의 생존법
AI와 합성 유저로 리서치가 보편화된 시대에 UX리서처의 역할을 다시 정의했습니다. 제품 단계별로 유저 관점과 구조화, 리더십이 핵심임을 설명했습니다.
#UX/UX리서치#prompt
47005분
NOL QA, 한계를 넘다 — 24시간 일하는 신입사원 ‘Q-pid’ 채용 스토리
NOL QA, 한계를 넘다 — 24시간 일하는 신입사원 ‘Q-pid’ 채용 스토리
QA 리소스 문의를 자동화하기 위해 Q-pid라는 AI 비서를 구축했습니다.\nJira 데이터와 프롬프트 엔지니어링으로 예측 가능한 답변과 운영 효율을 높였습니다.
#Python#Flask
69005분
왜 지금 일본 기업이 AI 트랜스포메이션에 나서야 하는가
일본 기업의 AI 활용이 세계에 비해 뒤처진 이유와 경영 통합의 필요성을 정리했습니다. 전사 추진, 인재 육성, 데이터 준비를 바탕으로 지금 AI 트랜스포메이션을 시작해야 한다고 설명했습니다.
#LLM#prompt
4005분
휴먼의 AI ＇학습＇은 이렇게! #1 - OpenAI Academy 사이트 톺아보기 : )
OpenAI Academy를 중심으로 AI 학습용 사이트의 구성과 역할별 트랙을 살펴보았습니다. 학습 콘텐츠와 실습 자료가 개발자 문서와 도구로 자연스럽게 이어지는 점이 인상적이었습니다.
#OpenAI#ChatGPT
48005분
아이지에이웍스 AI 에이전트 클레어: Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트로 이룬 데이터 분석 혁신 (Part 2)
Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트의 구현과 최적화 전략을 다뤘습니다. 멀티 에이전트 분리, 프롬프트 관리, 캐싱, 데이터 격리로 정확도와 효율성을 높였습니다.
#Amazon Bedrock#LLM
50005분
“우리는 왜 지금, 프롬프트 엔지니어를 찾고 있을까요?”
미리디는 멀티모달 AI 디자인 품질을 높이기 위해 프롬프트 엔지니어의 역할을 중요하게 보고 있습니다. 프롬프트 설계뿐 아니라 실험, 평가 지표, 협업 역량까지 요구하고 있습니다.
#prompt#LLM
36005분
AWS와 함께하는 웅진 AI Runner Challenge – 2부 : 비 개발자도 만드는 AI 실적 인사이트 자동화 솔루션
Amazon Q Business로 손익 분석 챗봇을 구축해 비개발자도 실적 인사이트를 자동화했습니다. 매월 반복되는 분석·보고 업무를 줄이고 의사결정 속도를 높이는 사례를 소개했습니다.
#AWS#Amazon Q Business
41005분
Claude Code Subagent: Context Engineering
Claude Code에서 자주 발생하는 컨텍스트 부족 문제와 Context Anxiety를 설명했습니다. 서브에이전트를 활용해 작업을 분리하고 메인 대화의 컨텍스트를 보존하는 방법을 소개했습니다.
#Claude#prompt
100005분
안녕하세요! AI UX라이터 제민희입니다. 무엇을 도와드릴까요?
안녕하세요! AI UX라이터 제민희입니다. 무엇을 도와드릴까요?
UX라이터와 개발자가 사내 AI 라이팅 툴을 만들며 겪은 실패와 방향 전환을 정리한 글입니다. 반복 검수 자동화를 위해 규칙 기반 방식 대신 RAG와 컨텍스트 설계를 적용했습니다.
#LLM#RAG
72005분
Amazon Q Developer를 활용한 Voithru의 개발 생산성 혁신 여정
Amazon Q Developer를 도입해 개발 생산성과 운영 효율을 크게 높인 Voithru 사례를 소개했습니다. AI 협업 문화 정착과 역할 확장을 통해 개발 패러다임이 바뀐 과정도 함께 다뤘습니다.
#AWS#LLM
36005분
SLM 기반 Agentic AI: Planner–Caller–Generator 구조 설계와 성능 분석
SLM 기반 P–C–G 구조로 Agentic AI의 역할을 분리해 효율성과 안정성을 높였습니다. 한국어 도구 활용 환경에서 GPT-4o-mini 수준의 성능과 토큰 절감 효과를 확인했습니다.
#LLM#prompt
48005분