오늘
개인 생산성에서 멈춘 Claude Code, 조직의 생산성으로 – 영상 10개로 완성하는 Claude Code on Amazon Bedrock 학습 플랜
Claude Code를 개인 생산성을 넘어 조직 생산성으로 확장하는 Amazon Bedrock 학습 플랜을 소개했습니다. 10개 영상으로 개인, 팀, 엔터프라이즈 운영까지 이어지는 4단계 로드맵을 제시했습니다.
LLM 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
오늘
Claude Code를 개인 생산성을 넘어 조직 생산성으로 확장하는 Amazon Bedrock 학습 플랜을 소개했습니다. 10개 영상으로 개인, 팀, 엔터프라이즈 운영까지 이어지는 4단계 로드맵을 제시했습니다.
사내 재무 업무를 AI로 자동화하되, 숫자는 거래 이력과 규칙으로 계산하고 설명과 검증에 AI를 활용했습니다. 또한 권한 경계와 감사 로그, 환경 분리 같은 운영 안전장치가 더 중요하다고 정리했습니다.
WhatsApp 채팅 안에서 대출 신청부터 진행까지 처리하는 대화형 AI 서비스를 해커톤으로 구현했습니다.\nAI 추출·검증 레이어와 제한 메커니즘으로 신뢰성과 운영 리스크를 함께 다뤘습니다.
바이탈케어를 만드는 PO와 PM의 역할 차이와 제품 기획 과정을 소개했습니다. 의료 현장 인사이트와 소통을 바탕으로 서비스 고도화를 이어가는 내용입니다.
네이버클라우드 아카데미와 가천대학교가 함께한 생성형 AI 교육 과정을 소개했습니다. 주말 40시간 동안 진행된 실습 중심 프로그램과 학생들의 성과를 공유했습니다.
Amazon Connect Customer AI Agent를 빠르게 만들기 위한 AICC Builder와 6종 에셋 생성 과정을 소개했습니다. 인터뷰부터 배포와 전화 검증까지 이어지는 PoC 절차를 설명했습니다.
LLM으로 대규모 기술 문서를 만들 때는 내용을 생성하는 것과 구조·서식을 통제하는 것을 분리해야 했습니다. BC 단위 분할, JSON 스키마, 정합성 검증으로 187쪽 초안을 43쪽 최종본으로 줄였습니다.

분산 학습용 AWS 컴퓨트 선택을 모델 규모와 통신 패턴 기준으로 정리했습니다. GPU 성능보다 인터커넥트, 메모리, 운영 방식이 병목을 좌우한다고 설명했습니다.

네이버클라우드가 NVIDIA Nemotron 연합에 합류하며 소버린 AI와 글로벌 협력의 균형을 모색했습니다. HyperCLOVA X 고도화와 국내 AI 경쟁력 강화 방향을 제시했습니다.
대규모 코드베이스에서는 텍스트 검색보다 AST 기반 구조 이해가 더 중요하다고 설명했습니다. Kiro Code Intelligence는 tree-sitter와 LSP를 함께 써서 심볼과 참조를 정밀하게 다룹니다.

X

오픈챗 이름과 설명 글로 유해성을 판단하는 모니터링 모델 개발 과정을 소개했습니다. 디코더 기반 분류와 임곗값 조정으로 자동 검수 범위를 넓혔습니다.

사내 LLM Gateway로 Claude Code와 Codex의 인증, 비용, 모델 접근을 중앙에서 통제하는 설계를 정리했습니다.\nBedrock 기반 멀티 프로바이더 환경에서 예산 차단, 자동 다운그레이드, 감사 추적을 함께 구현한 사례입니다.

클래스패스에 없는 외부 이벤트를 역직렬화 실패 없이 원시 형태로 보존하는 `LakeyEventConverter`를 소개했습니다. 대상 토픽 필터링과 중복 제거를 거쳐 `RawEvent`로 저장하는 흐름도 설명했습니다.

동적 CMS와 JSON 기반 관광 콘텐츠 관리 시스템에 LLM을 적용한 사례를 소개했습니다. 또한 할루시네이션과 보안, 비용을 고려한 AI-Native 개발의 주의점을 정리했습니다.

DLM과 AR의 구조 차이, 지연 이점, 검증 방식과 평가 게이트 설계를 AWS 환경에서 설명했습니다. 데이터 구조화와 검색 개선으로 사실 정밀도와 환각을 함께 개선한 사례를 다뤘습니다.
에이아이트릭스의 양은호 교수 인터뷰를 통해 바이탈케어의 개발 배경과 의료 AI 연구 방향을 소개했습니다. 의료 현장 적용을 위해 모델 안정화와 LLM 활용 가능성에 주목했습니다.
LLM 코드 리뷰는 같은 입력에도 판정이 달라질 수 있어 자동화에서 흔들림이 생길 수 있습니다. 이를 줄이기 위해 코드 위임, 출력 폭 좁히기, 다수결, 하네스 적용을 제안했습니다.

AITRICS 연구팀이 ICLR 2023 TML4H 워크숍에서 환자 악화 예측 모델로 최고 논문상을 수상했습니다. 멀티모달 EHR와 자기지도 학습으로 1시간 단위의 정밀 예측 성능을 높였습니다.
LLM 자동번역 대상을 엔티티 직접 필드에서 중첩 객체와 목록 구조까지 확장했습니다.사용자 API는 단순하게 유지하고, index 기반 번역은 안정성 문제로 제외했습니다.
