20만원 크레딧 받기 | NAVER API HUB 출시 프로모션 (~9/30)
20만원 크레딧 받기 | NAVER API HUB 출시 프로모션 (~9/30)
X
#API#모니터링
0005분
필터 1
[상품 소개] 네이버 API를 하나의 창구에서, NAVER API HUB 출시
[상품 소개] 네이버 API를 하나의 창구에서, NAVER API HUB 출시
네이버 API를 하나의 콘솔에서 연동하고 운영할 수 있는 NAVER API HUB 출시를 소개했습니다. 하나의 키로 여러 API를 쓰고 종량제로 유연하게 사용할 수 있습니다.
#API#cloud
0005분
임베딩 안정화로 검색 리랭킹의 콜드 스타트 문제를 해결하다: LINE Part Time Jobs 적용 사례
검색 리랭킹의 콜드 스타트와 임베딩 공간 불일치 문제를 안정화 기법으로 해결했습니다. 오프라인과 A/B 테스트에서 성능과 매출 개선도 확인했습니다.
#검색#LLM
33005분
6. 도구를 넘어, 기준과 책임으로
문서화 도구와 자동화만으로는 지식 시스템이 완성되지 않는 한계를 짚었습니다. 기준, 책임, 거버넌스로 신뢰할 수 있는 지식을 만드는 방법을 정리했습니다.
#문서화#자동화
39005분
동원F&B의 Amazon Bedrock AgentCore 기반 AI 쇼핑 어시스턴트로 쇼핑 경험 혁신 여정
동원F&B가 Bedrock AgentCore와 OpenSearch 하이브리드 검색으로 AI 쇼핑 어시스턴트를 구축했습니다. 토큰 97% 절감과 TTFT 2.58초 개선, CS 문의 23% 감소 성과를 얻었습니다.
#Amazon Bedrock AgentCore#Amazon OpenSearch Service
22005분
4. 우리 팀의 문서화는 왜 실패할까? (2)
문서화 실패의 원인을 기준 부재와 지식 분산, 공유 부담에서 찾았습니다. 조직 성격과 현재 수준을 진단한 뒤 문제에 맞는 문서부터 시작하라고 제안했습니다.
#문서화#챗봇
66005분
3. 우리 팀의 문서화는 왜 실패할까? (1)
조직에서 문서화가 실패하는 이유를 두 사례로 살펴보며 문제의 구조를 정리했습니다. 흩어진 지식을 한곳에 모으고 작성·갱신을 업무 흐름에 넣는 방향을 제안했습니다.
#문서화#검색
146005분
1. 세상에 없던 직무를 만들어가기
토스 Technical Writer가 문서를 쓰는 역할을 넘어 지식 시스템을 설계하는 방향으로 확장한 이야기를 다뤘습니다. AI 시대에 조직의 맥락과 암묵지를 남기는 문서화의 중요성을 강조했습니다.
#문서화#자동화
67005분
“따뜻한 색감의 소재 찾아줘” — 자연어로 광고 소재 검색하기
자연어로 광고 소재 이미지를 검색하는 PoC의 설계와 실험 결과를 정리했습니다.이미지를 텍스트 설명으로 바꾸고, 쿼리 가중치와 프롬프트 편향을 실측으로 조정했습니다.
#LLM#검색
23005분
AI 스타일 검색 2편 : 듀얼 벡터 검색과 OpenSearch 3.3 버전업
AI 스타일 검색 2편 : 듀얼 벡터 검색과 OpenSearch 3.3 버전업
롱테일 검색어와 노이즈 문제를 해결하기 위해 시맨틱 벡터와 비주얼 벡터를 결합한 듀얼 벡터 검색을 도입했습니다. 또한 메모리 병목과 세그먼트 병합 문제를 줄이기 위해 OpenSearch 3.3 버전업 가능성을 검증했습니다.
#OpenSearch#검색
27005분
AI ENGINEER NIGHT Q&A 총정리
AI ENGINEER NIGHT Q&A 총정리
AI ENGINEER NIGHT에서 나온 RAG, 에이전트, 평가 관련 질문에 채널톡 AI팀이 답변을 정리했습니다. 문서 구조 보존 청킹과 재탐색 전략, 데이터 게이트와 pass@k 평가 방식을 소개했습니다.
#RAG#LLM
0005분
AI ENGINEER NIGHT Q&A 총정리
채널톡 AI팀의 AI ENGINEER NIGHT Q&A를 정리한 글입니다. RAG, 에이전트 설계, 데이터 평가와 운영 전략을 실무 관점에서 공유했습니다.
#RAG#LLM
98005분