새로운 기술 블로그가 추가되었어요

필터 0
선택된 필터 없음
입사 3개월, 3차원을 넘어 AI차원으로 — ‘AI로 안 되는 건 없다’는 말을 실제로 증명하다
마이리얼트립
AI

입사 3개월, 3차원을 넘어 AI차원으로 — ‘AI로 안 되는 건 없다’는 말을 실제로 증명하다

AI를 단순 도구가 아니라 업무 전제로 두고, 비개발과 개발 전반을 다시 설계한 AI-Native 워크플로우를 소개했습니다. 단계 분리, TDD, 문서 고정, 자동화 연동으로 AI를 제약 안에서 활용한 사례입니다.

#Claude#Jira
127005분
[VOD] re:COMMIT AI 시대, 무엇을 맡기고 무엇을 지켜야 하는가
구름
기타

[VOD] re:COMMIT AI 시대, 무엇을 맡기고 무엇을 지켜야 하는가

AI 활용이 자연스러워진 시대에 사고력과 문해력을 어떻게 지킬지 다룬 VOD입니다. 과도한 의존의 문제를 짚고 주체적 사고를 회복하는 훈련법을 소개합니다.

#LLM#ML
22005분
‘Rivian and Volkswagen Technology Group’은 Amazon Kinesis Video Streams를 활용해 어떻게 실시간 차량 보안을 구축했을까?
AWS
AI

‘Rivian and Volkswagen Technology Group’은 Amazon Kinesis Video Streams를 활용해 어떻게 실시간 차량 보안을 구축했을까?

Rivian은 Amazon Kinesis Video Streams와 WebRTC로 차량의 실시간 라이브 카메라 기능을 구현했습니다. 저지연 스트리밍과 강한 보안을 위해 시그널링, 인증, 리전 배치를 함께 최적화했습니다.

#AWS#Amazon Kinesis Video Streams
21005분
QA 자동화 결과를 데이터로 관리하다: Grafana Dashboard와 Weekly 분석의 힘
무신사
기타

QA 자동화 결과를 데이터로 관리하다: Grafana Dashboard와 Weekly 분석의 힘

QA 자동화 결과를 DB와 Grafana로 관리하며 Fail 원인을 주간 단위로 분석하고 개선했습니다. 협업과 일정 관리를 더해 3Q 목표였던 Fail률 0.7% 미만을 달성했습니다.

#Grafana#Jenkins
45005분
클로봇의 Amazon Bedrock 과 LangGraph 를 활용한 건설현장 해충 방역 전문 AI 챗봇 개발기
AWS
AI

클로봇의 Amazon Bedrock 과 LangGraph 를 활용한 건설현장 해충 방역 전문 AI 챗봇 개발기

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

#Amazon Bedrock#LangGraph
55005분
끊김 없는 사용 경험을 위하여 : 카카오톡 선물함 속 교환권을 배달의민족 주문으로 연결한 여정
우아한 형제들
프론트엔드

끊김 없는 사용 경험을 위하여 : 카카오톡 선물함 속 교환권을 배달의민족 주문으로 연결한 여정

카카오톡 선물 교환권을 배민 주문에 연결하는 과정과 바코드 인식 문제를 다뤘습니다. 노란 테두리 이미지로 인한 이진화 실패를 분석하고 직접 이진화로 개선했습니다.

#바코드#JavaScript
14005분
VMS Solutions의 AI Agent 기반 내부 생산성 개선기: Strands Agents를 통한 자체 에이전트 구축 여정
AWS
AI

VMS Solutions의 AI Agent 기반 내부 생산성 개선기: Strands Agents를 통한 자체 에이전트 구축 여정

VMS Solutions가 Strands SDK와 Amazon Bedrock으로 사내 AI 에이전트 AIto를 구축했습니다. RAG 한계를 넘어 실시간 조회와 멀티 에이전트 분담으로 내부 생산성을 높였습니다.

#LLM#MCP
34005분
권한마다 보안 솔루션이 다르다면? 하이브리드 환경에서 우아하게 파일 보호하기
올리브영
아키텍처

권한마다 보안 솔루션이 다르다면? 하이브리드 환경에서 우아하게 파일 보호하기

권한에 따라 다른 파일 보안 솔루션을 적용하기 위해 전략 패턴과 AOP를 조합한 설계를 소개했습니다. 로컬 개발 제약은 Mock 전략과 프로파일 분리로 해결했습니다.

#AOP#전략 패턴
79005분
한 기기에 개발·운영 앱을 동시에 설치하는 방법: 올리브영 DEV/PROD 환경 분리
올리브영
프론트엔드

한 기기에 개발·운영 앱을 동시에 설치하는 방법: 올리브영 DEV/PROD 환경 분리

개발 앱과 운영 앱을 한 기기에 동시에 설치하도록 환경을 완전히 분리했습니다. Android는 Product Flavor, iOS는 xcconfig와 CI/CD로 배포 리스크를 줄였습니다.

#Android#iOS
85005분
운영 비용을 95% 절감한 서버리스 온콜 시스템 구축기
올리브영
데브옵스

운영 비용을 95% 절감한 서버리스 온콜 시스템 구축기

외부 온콜 솔루션의 비용과 안정성 한계를 해결하기 위해 서버리스 기반 온콜 시스템을 구축했습니다. 이메일 트리거, 큐 기반 제어, SMS 이중화로 안정성과 비용 효율을 함께 높였습니다.

#AWS#server
91005분
LLM을 이용한 서비스 취약점 분석 자동화 #1
토스
AI

LLM을 이용한 서비스 취약점 분석 자동화 #1

LLM으로 서비스 취약점 분석을 자동화한 과정과, 대용량 코드·정확도·비용·지속 가능성 문제를 해결한 방법을 공유했습니다.\nMCP, SAST, Multi-Agent, Open Model을 조합해 실용적인 분석 체계를 만든 사례였습니다.

#LLM#MCP
128005분
[AWS re:Invent 2025 Keynote 요약] AI Agent 시대의 개막, 그리고 르네상스 개발자
여기어때
기타

[AWS re:Invent 2025 Keynote 요약] AI Agent 시대의 개막, 그리고 르네상스 개발자

AWS re:Invent 2025에서 AI 에이전트와 이를 지원하는 인프라·플랫폼의 방향을 정리했습니다. 개발자는 AI를 보조 도구로 활용하되, 검증과 책임, 시스템 사고를 더 강화해야 한다고 강조했습니다.

#AWS#LLM
40005분