
[AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략
AI 해커톤 회고로, 같은 도구를 써도 결과를 가른 것은 사람의 전략과 선택이라고 정리했습니다. 경비 정산 자동화 사례에서 AI는 계획과 구현을 맡고 사람은 조율과 의사결정을 담당했습니다.

AI 해커톤 회고로, 같은 도구를 써도 결과를 가른 것은 사람의 전략과 선택이라고 정리했습니다. 경비 정산 자동화 사례에서 AI는 계획과 구현을 맡고 사람은 조율과 의사결정을 담당했습니다.

Amazon Bedrock 모델을 promptfoo로 비교 평가하는 방법을 소개했습니다. 프롬프트와 모델 변경 시 품질을 회귀 테스트처럼 검증할 수 있는 흐름을 설명했습니다.

딥러닝의 블랙박스 한계를 설명하며 의료 분야에서 해석가능한 인공지능의 필요성을 정리했습니다. 또한 AITRICS-VC의 해석 기능과 멀티모달 확장 방향을 소개했습니다.

Google for Developers의 7월 둘째 주 주요 업데이트를 정리한 소식입니다. Gemini, LiteRT.js, ADK Go 2.0, Android 벤치마크 등 최신 발표와 활용 사례를 소개했습니다.

미리캔버스의 여러 검색 과제를 하나의 임베딩 공간으로 묶기 위한 모델 개발 과정을 소개했습니다. 태스크별 운영의 한계를 줄이고 디자인 도메인 특성에 맞게 학습한 방식이 핵심이었습니다.


AWS Elemental Inference와 Amazon Bedrock을 결합해 라이브 방송의 문맥을 실시간 분석하고 광고를 자동 삽입하는 아키텍처를 소개했습니다. SCTE-35와 MediaTailor로 오버레이 광고를 연동해 시청자 경험과 광고 효율을 함께 높였습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

AI가 규칙을 자꾸 어기던 문제를 계기로, 프롬프트보다 컨텍스트 엔지니어링과 하네스 설계가 중요하다는 점을 정리했습니다. 최신 모델에는 절차를 늘리기보다 성공 기준과 검증 규칙을 명확히 주는 방식이 더 잘 맞았습니다.
AWS Bedrock 기반 LLM 비용이 증가하자 API별 토큰 메트릭을 먼저 구축해 원인을 파악했습니다. 이후 Prompt Caching을 적용해 캐시 히트율 98%, 전체 비용 64% 절감을 달성했습니다.

LLM을 평가자로 활용해 해커톤 제출물을 코드와 문서만으로 채점한 사례를 소개했습니다. 사람의 판단과 비교했을 때 업무 흐름을 끝까지 구현한 팀을 안정적으로 골라냈습니다.
Google for Developers의 7월 첫째 주 주요 개발자 소식을 모아 소개했습니다. AI, Android, Flutter 등 분야별 최신 업데이트와 발표 항목을 확인할 수 있습니다.

비개발자 148명에게 2주간 AI 워크샵을 운영하며 설치, 실습, 회고를 반복한 현장 회고입니다.\n자기 파일로 직접 해보는 경험이 전환점이었고, 챔피언 발굴과 후속 프로젝트로 이어졌습니다.

에이전트형 도구에서는 프롬프트보다 도구 출력과 대화 기록이 토큰을 더 많이 소모했습니다. 필요한 정보만 사전 필터링하고 작업 범위를 좁히는 방식으로 컨텍스트를 관리해야 했습니다.