

Amazon Bedrock에서 프롬프트 캐싱 효과적으로 사용하기
Amazon Bedrock의 프롬프트 캐싱 동작 방식과 적합한 사용 사례, 구성 방법을 설명했습니다. 또한 usage 메트릭과 CloudWatch로 캐시 효율을 모니터링하는 방법을 안내했습니다.


Amazon Bedrock의 프롬프트 캐싱 동작 방식과 적합한 사용 사례, 구성 방법을 설명했습니다. 또한 usage 메트릭과 CloudWatch로 캐시 효율을 모니터링하는 방법을 안내했습니다.
AI 도구와 개발 지식을 결합해 연관 상품 추천 업무를 자동화한 사례를 소개했습니다.\n작업 시간을 90% 가까이 줄이고 추천 품질과 접근성도 높였습니다.

ChatGPT, Gemini, Claude를 사업 아이디어와 글쓰기 과제로 비교한 결과를 정리했습니다.\nGemini는 실용성, Claude는 창의성, ChatGPT는 초안 작성에 강점이 있었습니다.
여행 테마 카드의 수작업 한계를 AI로 자동화한 사례를 소개했습니다. 맥락을 더한 프롬프트 개선으로 1353개 테마를 하루 만에 생성했습니다.

당근이 검색어에 숨겨진 의도를 더 정확히 파악하기 위해 LLM 실험을 진행했습니다. 프롬프트 고도화와 QU/DU 구조로 검색 결과 적합도를 크게 높였습니다.

생성형 AI로 마케팅 영상을 만드는 AI Moment 개발 사례를 소개했습니다. LLM 응답 구조화, 예외 처리, 비동기 처리와 캐싱으로 서비스 품질을 높이는 방법을 다뤘습니다.

교보DTS가 AI EXPO KOREA 2025에서 생성형 AI 플랫폼과 보안 솔루션을 소개한 참가 후기를 공유했습니다. 실제 고객 환경에 적용 가능한 AI 솔루션과 협업 가능성을 확인했습니다.

AI 시대에 UX 라이터의 역할 변화와 대응 과정을 다룬 글입니다. 다크패턴을 계기로 라이터에서 프롬프트 엔지니어로 성장한 이야기를 소개했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Reasoning 모델의 개념과 학습 방법, 성능 특징을 정리하고 AI 검색 고도화 방향을 소개했습니다. 질문 특성에 따라 Reasoning과 Non-Reasoning 모델을 선택해 정확도와 속도를 함께 높이는 방안을 다뤘습니다.

ReAct를 추론과 행동을 결합한 에이전트 프레임워크로 소개했습니다. AWS와 LangChain 도구를 활용한 업무 자동화 사례와 구성 요소를 정리했습니다.


ReAct를 LLM 추론과 작업 자동화에 활용하는 개념과 구성 요소를 소개했습니다. AWS 서비스와 외부 도구를 연결해 업무를 자동화하는 예시도 함께 다뤘습니다.

서비스 운영팀이 반복 업무를 AI와 스크립트로 자동화해 시간을 크게 절감했습니다. 절감한 시간을 정책 정비와 더 중요한 업무에 재투입했습니다.