IT 기업 기술 블로그 모음
AI Agent를 위한 OpenSearch 검색 품질 평가하기 (Part 1)
AWSOpenSearch, Bedrock, BEIR, NDCG, Recall
AWS가 AI 에이전트 기반 검색 품질을 정량적으로 평가하는 시스템을 구축했고, OpenSearch Service와 Amazon Bedrock을 활용해 BM25, 시멘틱(k-NN), 하이브리드(RRF) 방식의 성능을 비교 분석했습니다. 주요 지표로 NDCG@10과 Recall@10를 사용하고 BEIR 벤치마크와 MIRACL 한국어 데이터를 포함한 다중 데이터셋에서의 성능 차이를 분석했으며, LLM Judge의 채점과 Gold Qrels 간 일치도와 상관관계를 통해 평가 신뢰성을 검증했습니다. 한국어 데이터에서는 BM25가 형태소 분석기 선택에 크게 좌우되고, 시멘틱(k-NN)은 전처리 의존성에서 비교적 자유로운 반면, 하이브리드(RRF)는 데이터 특성에 따라 안정적으로 상위 성과를 낸다는 것이 확인되었습니다.
2026년 08월 17일·0
![[성공 사례] "부품 식별부터 결함 검출까지", 산업 자동화 부품 제조사의 PCB 라벨링 워크플로 섬네일](https://storage.ghost.io/c/73/74/73741b5e-0bdf-4e6f-9161-743bc6f76d78/content/images/size/w1200/2026/08/lbl-thumb-case-b-v2.png)
[성공 사례] "부품 식별부터 결함 검출까지", 산업 자동화 부품 제조사의 PCB 라벨링 워크플로
슈퍼브에이아이Machine Learning, AI, Deep Learning, Computer Vision, PCB
슈퍼브에이아이가 산업 자동화 부품 제조사의 PCB 라벨링 워크플로에서 부품 식별부터 결함 검출까지의 전체 흐름을 사례로 제시합니다. AI 기반의 데이터 수집과 라벨링 자동화, 결함 검출 알고리즘의 현장 적용 및 개선 사례를 구체적으로 다룹니다. 현장 적용으로 생산 라인의 식별 정확도와 검사 속도가 향상되고, 업무 효율성과 품질 신뢰성이 실질적으로 개선되는 효과를 제시합니다.
2026년 08월 17일·0
산업 특화 비전 파운데이션 모델 제로(ZERO): 학습 없이 시작하는 산업 비전 AI
슈퍼브에이아이LLM, MLOps, VLM, Vision Foundation Model
슈퍼브에이아이의 ZERO는 산업 특화 비전 파운데이션 모델(VFM)로, 학습 없이 시작하는 산업 비전 AI를 구현합니다. 본문은 VFM의 설계 방향과 산업 현장 적용 방법, Tiny/Base/Large 크기의 모델과 NPU·GPU 실행 지원, MLOps 체계 및 AWS SageMaker 기반 배포를 구체적으로 다룹니다. 또한 CVPR 2026 발표와 벤치마크를 바탕으로 현장 개발자와 엔지니어를 위한 실무 가이드와 기대 효과를 제공합니다.
2026년 08월 15일·1
중대재해처벌법 AI 안전관리: 예방 체계와 의무 이행 증빙을 한 번에 만드는 법
슈퍼브에이아이AI Governance, CCTV, Video Surveillance, Risk Management, Compliance
슈퍼브에이아이의 중대재해처벌법 AI 안전관리 가이드는 예방 체계 구축과 의무 이행 증빙 방식을 하나의 포괄적 프레임으로 제시합니다. 본문은 위험 식별에서 관리 체계 수립, 현장 모니터링, PPE 및 CCTV 등 도구의 활용과 증빙 체계의 구체적 방법을 다룹니다. 실무 적용 시에는 컴플라이언스 요구를 충족하고 지속 가능한 안전 관리와 감사 대비를 강화하는 구체적 실행 지침을 제공합니다.
2026년 08월 15일·2
건설현장 안전 AI 영상분석: 4대 위험과 기존 CCTV로 시작하는 도입 가이드
슈퍼브에이아이AI, Computer Vision, CCTV, Video Analytics
슈퍼브에아이의 건설현장 안전 AI 영상분석은 기존 CCTV를 시작점으로 4대 위험을 자동으로 식별하는 기술 도입 가이드를 제시합니다. 제공 내용은 CCTV에서 시작해 PPE 인식, 위험 행동 탐지, 현장 관리자 알림 체계까지 연결하는 구현 흐름을 중심으로 설명합니다. 또한 24시간 운영 및 3D 공간 인식으로 정확도와 작업 안전성 향상을 기대하는 실무 적용 방안과 도입 시 고려할 사항을 제시합니다.
2026년 08월 14일·2
AI로 QA 업무를 자동화한 방법: n8n부터 E2E 테스트 자동화까지
미리디AI, Automation, End To End Testing, QA
미리디 QA팀은 n8n과 AI를 활용해 반복 업무를 자동화하고 E2E 테스트를 자동으로 실행하는 도구를 직접 구축했습니다. 슬랙 대화의 이슈를 Jira로 자동 등록하고, 크롬 확장으로 화면을 이슈로 바로 생성하며, 젠데스크 문의를 실시간으로 분류하는 워크플로우로 협업과 고객 대응의 효율을 개선했습니다. 또한 1만 8천 개의 TC를 바탕으로 미캔허브를 통해 필요한 정보를 즉시 조회하고, 미리캔버스의 협업 허브로 활용하고 있습니다.
2026년 08월 14일·2
데이터 라벨링 자동화, 어디까지 왔나: 오토라벨링 3세대와 도입 판단 가이드
슈퍼브에이아이Machine Learning, AI, Deep Learning, Data Labeling, Auto Labeling
슈퍼브에이아이의 데이터 라벨링 자동화에 대한 최근 분석을 통해 오토라벨링 3세대의 특징과 도입 판단 가이드를 제시합니다. 본문은 데이터 라벨링 파이프라인의 진화와 인간-프로세스의 협업 구조, 엣지 및 온디바이스 배포 고려사항 등 구체적 방법론과 적용 사례를 제시합니다. 독자는 도입 전 검토 포인트, 파일럿 규모 설정, 데이터 보안 및 품질 관리 지침 등을 참고해 실무에 바로 적용할 수 있습니다.
2026년 08월 14일·2
[25. 9. 23] IMDRF(International Medical Device Regulators Forum) 28th 발표 및 참관기
에이아이트릭스Event, Conference, Industry Trends, Update
에이아이트릭스 RA 팀이 IMDRF 28th 발표 및 참관기를 통해 회의의 핵심 주제와 구성, 주요 논점을 정리합니다. Day1에서 적합성 평가, 등급 분류, 시판 후 조사 등 주요 이슈를 다루었고, AI/ML SaMD 분류 논의가 현장 사례와 연결되었습니다. 또한 시판 후 감시(PMS)와 실사용 증거(RWE) 논의에서 규제 기관의 자동화 도구 활용과 글로벌 차이 해소의 필요성이 강조되었습니다.
2026년 08월 14일·1
[25. 10. 14] 구성원과 조직을 잇는 연결고리, 회사 성장을 함께하는 HR팀을 소개합니다
에이아이트릭스Growth, Company Culture, Team Building, Hiring, Onboarding
에이아이트릭스의 HR팀은 사람 중심의 자율성과 책임감을 바탕으로 직원 성장과 조직 문화의 연결 고리 역할을 다룹니다. 채용, 온보딩, 교육, 제도 기획을 통해 빠른 성장에 필요한 신뢰와 몰입을 확립하고, 데이터 기반으로 개선합니다. 과제로는 명문화된 규정으로 소통을 강화하고, 구성원 의견을 지속적으로 반영하는 지속 가능한 성장 환경을 만드는 것이 포함됩니다.
2026년 08월 14일·2
끝나지 않는 루프 에이전트를 멈추기까지
React, JavaScript, REST API
잡코리아의 Worxphere 팀은 Rails 기반 페이지를 Next.js로 이관하는 과정에서 이중 관리 비용과 루프 엔지니어링 문제를 해결하기 위해 자동화 루프 엔진과 게이트 기반 검증 체계를 도입했다. 에이전트 루프는 원본과 Next.js 간의 차이를 상태별로 비교하고, 분석 섹션(ANALYSIS_SECTIONS)과 게이트(GATES)를 활용한 계획과 검증으로 점진적 구현과 재검증을 반복한다. 이 접근은 엔지니어의 수동 확인 시간을 크게 줄이고, 검증 규칙을 재사용 가능하게 만들어 향후 마이그레이션에서 재작업 비용을 줄일 수 있다.
2026년 08월 14일·2