KREAM

·AI/ML·

Two Tower, MINER, Hubness, Centering, Bias Separation

KREAM의 기술 블로그는 MINER 기반 멀티-인터레스트 Two-Tower 모델의 hubness 문제와 실서비스 대응 과정을 다룹니다. 센터링으로 유저 무관 성분을 차감하고 Bias 분리와 카테고리 규제, 다양성 후처리를 조합해 과노출을 제거하고 노출 분포를 고르게 만들었습니다. 그 결과 hub 지표와 과노출 상품 수를 대폭 낮추고 unique 노출 상품 수를 증가시켰으며, 온라인 클릭도 안정적으로 개선되는 효과를 확인했습니다.

NAVER D2

·Architecture·

Confluence, Slack, Jira, GitHub Enterprise

NAVER D2에서 개발한 worklog-system 주간보고 자동화 구축 사례를 통해 업무 기록 자동화의 핵심 아이디어를 실무 관점에서 소개합니다. 재택과 사무실 환경에서 여러 기기와 VPN을 넘어 누락 없이 데이터를 수집하는 아키텍처와 AI 도구 및 사내 협업 도구를 연계한 구현 방법을 다룹니다. 또한 중앙 서버 없이 해결한 구현 과정과 데모의 구성 포인트를 구체적으로 설명하고, 발표 대상과 활용 사례까지 연결해 제시합니다.

NAVER D2

·Architecture·

JavaScript, WebAssembly, ECMAScript, WasmGC, WASI

NAVER D2의 글은 2020년 이후 6년을 되짚어 WebAssembly의 현재와 향후 방향을 정리하며, wasm 2.0/3.0, GC, 예외 처리, 메모리 확장 등을 다룹니다. 브라우저와 WASI 기반 외부 실행 환경, Component Model, JS string builtins, WasmGC 등 주요 기술이 실제 언어 런타임 적용으로 확장되고 있습니다. 또한 2026년 도입 현황과 Google Sheets의 WasmGC 적용 사례를 통해 실무 영향과 구현 시사점을 확인할 수 있습니다.

가비아

·Cloud·

AWS, NVIDIA, CUDA, IaaS, GPU As A Service

가비아의 GPUaaS 가이드는 GPU를 탑재한 서버 자원을 시간 단위로 빌려 쓰는 서비스형 인프라(IaaS)의 한 갈래로, 책임 범위를 가상화 계층에서 구분하는 구조를 설명합니다. 구성 요소와 책임 범위, 과금 방식, 도입 전 확인 항목을 다루며 학습/추론 용도에 맞춘 GPU 구성과 데이터 센터 설계의 차이를 제시합니다. 실무에선 GPU 메모리 규모, 네트워크 대역폭, 공동 책임 모델 등을 점검해 투자 효율을 극대화할 수 있습니다.

한글과컴퓨터

·AI/ML·

MCP, Agent, Governance, Orchestration, Fleet

한글과컴퓨터의 글은 오버나이트 에이전트 플릿의 개념과 작동 원리를 설명하고, 에이전트와 플릿의 구분 및 오케스트레이션 계층의 역할을 정리합니다. 주요 내용은 ‘사람은 판단, 기계는 반복’ 원칙으로 반복 검증 가능한 작업은 에이전트가 처리하고, 최종 판단은 사람이 내리는 운영 로드맵과 30·60·90일 도입 단계입니다. 또한 국내 보안 규제와 온프레미스 환경에 맞춘 지식 베이스 우선 구축, 격리된 검증 거버넌스, 그리고 생산성 격차 축소를 위한 실무적 도입 전략을 제시합니다.

삼성전자

·Backend·

Logging, Performance, AI, Optimization, Dynamic Analysis

삼성전자의 AX 개발팀은 TV 운영체제의 수천 개 패키지 커버리지를 로그 기반으로 동적 분석하는 로직에서 병목을 진단하고 해결합니다. 거대 패키지 두 곳에서 60시간 걸리던 분석을 AI 에이전트와 측정으로 원인 추적하고, 외부 반복은 제거해 핵심 로직은 유지했습니다. 그 결과 112만 번 비교로 검증했고, 분석 시간이 14분 30초로 단축되며 1년 차 주니어로서 AI를 활용한 측정 기반 진단의 실무 가치를 배웠습니다.

슈퍼브에이아이

·AI/ML·

AI, Deep Learning, Computer Vision, Object Detection, mAP

슈퍼브에이아이의 제조 AI 비전 검사 가이드는 검사 과제 다섯 가지와 판정 방식 선택법을 명확히 정리합니다. 본문은 5가지 검사 과제에 대한 구체적 해결 관점과 데이터 관리, 라벨링, 실시간 판단, AI 비전 모델의 적용 방법, PoC 및 SOP 도입 흐름을 제시합니다. 현장 적용에 필요한 작업 흐름과 HITL 보완책을 담아 제조 현장의 품질 관리와 생산성 향상에 바로 활용할 수 있는 실무 가이드를 제공합니다.

삼성전자

·AI/ML·

AI, Anomaly Detection, Chatbot, Encryption Detector

삼성전자 전사 개인정보 암호화 서비스 D-KMS에 AX를 적용해 운영 업무의 효율화와 보안성을 동시에 강화하는 과정을 다룹니다. MCP 기반 챗봇은 SDK 에러 원인을 자가 진단하고, AI 이상 감지는 서비스 계정 트래픽의 이상 행위를 탐지하며, 암호화 디텍터는 연동 서비스 DB의 암호화 여부를 판별합니다. 이 세 가지 사례를 통해 문제 정의와 해결책의 설계 과정을 구체적으로 제시하고, 운영 현장에서의 실무 활용 가치와 기대 효과를 설명합니다.

SSG.COM

·Architecture·

Python, REST API, API, DTO, Scenario Context

SSG.COM의 AI를 활용한 테스트 자동화 도전기 2편은 자동화 확장 중 발생한 유지보수 문제를 구조 개선으로 해결하는 내용을 다룬다. 공통 모듈화, DTO 통합, 그리고 ScenarioContext 도입 등의 방법으로 중복 코드를 줄이고 재사용성을 높였다고 설명한다. 이 구조는 다양한 시나리오를 유연하게 검증하고 테스트 유지보수를 용이하게 하여 QA 효율을 높이는 실무적 사례를 제공합니다.

AWS

·Architecture·

AWS Lambda, MCP, Amazon Bedrock, OpenAI, Codex

AWS의 Amazon Bedrock Managed Agents(BMA)는 OpenAI 에이전트를 AWS에서 실행하고 관리하는 형태의 관리형 서비스로, 실행 루프와 세션 관리 부담을 줄여준다. 세션은 Codex 하네스로 작동하며, 실행 도구는 고객 계정의 실행 환경에서 수행되어 권한 관리가 명확히 분리된다. 이 구조는 개발자가 익숙한 OpenAI SDK를 그대로 활용해 AWS IAM, CloudTrail, AgentCore Runtime 위에서 에이전트를 운영하도록 돕고, 짧은 배포 루트를 보여준다.