
AI SDLC의 올바른 접근법과 사전 준비사항_0724
AI SDLC를 전면 자동화로 보는 접근의 위험성과 단계별 성숙도 차이를 정리했습니다. PoC 검증, 정량 KPI, Human-in-the-loop로 범위를 확정하는 전략을 제안했습니다.

AI SDLC를 전면 자동화로 보는 접근의 위험성과 단계별 성숙도 차이를 정리했습니다. PoC 검증, 정량 KPI, Human-in-the-loop로 범위를 확정하는 전략을 제안했습니다.


Strands SDK와 Amazon Bedrock AgentCore로 환불 CS 자동응답 에이전트를 2주 만에 구축했습니다. 내부 검수 초안 방식과 멀티턴 맥락·안전성 검증을 결합해 운영 가능성을 확보했습니다.


대규모 코드베이스에서는 텍스트 검색보다 AST 기반 구조 이해가 더 중요하다고 설명했습니다. Kiro Code Intelligence는 tree-sitter와 LSP를 함께 써서 심볼과 참조를 정밀하게 다룹니다.

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.


방대한 설계 자료를 자연어로 찾기 위해 사내 플랫폼에 AI채팅을 연동했습니다. 실무 검증에서 정답률 96%를 확인하고 검색 시간을 크게 줄였습니다.

공공기관의 AI 전환 준비도를 진단하는 AX Readiness Check와 7대 영역을 소개했습니다.\n현황 점검 후 맞춤형 솔루션으로 단계별 전환을 돕는 방향을 제시했습니다.

포스코DX는 현장 암묵지를 AI가 활용할 수 있는 지식 자산으로 전환하는 PoC를 진행했습니다.\nGraphiti와 Amazon Bedrock 기반 지식 그래프로 설계 규칙을 구조화하고, 검색과 추론까지 자동화했습니다.

에이전틱 AI를 프로덕션에 올리기 위한 AgentOps와 파운데이션, 게이트웨이 패턴을 소개했습니다. Amazon Bedrock AgentCore로 모델, 도구, 에이전트 접근을 통합하는 방법을 설명했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

공모전 브리핑 작성의 진입 장벽을 낮추기 위해 AWS Bedrock과 Strands Agents SDK 기반 AI 에이전트를 도입했습니다. 초안 생성과 검수, 분석을 분리해 응답 속도와 운영 효율을 높이고, 브리핑 이탈률도 줄였습니다.
![[Databricks Data + AI Summit 2026] 키노트로 본 Agentic Data 시대의 시작](https://tech.cloud.nongshim.co.kr/wp-content/uploads/IMG_0283-scaled.jpg)

Databricks Data + AI Summit 2026 키노트에서 Agentic AI 시대의 데이터 플랫폼 방향을 정리했습니다. 실시간 데이터 기반과 비즈니스 컨텍스트, 중앙 거버넌스가 핵심으로 제시됐습니다.

Flava DBaaS의 쿠버네티스 기반 아키텍처와 운영 구조를 소개했습니다. 또한 마이그레이션 도구와 서버리스, AI 기반 확장 방향까지 설명했습니다.

생성형 AI로 소프트웨어 규모가 폭발하는 메가 소프트웨어 시대의 변화와 개발자 역할 전환을 다루었습니다. 또한 암묵지 관리 시스템과 자동화된 거버넌스로 복잡성과 품질을 통제할 필요를 강조했습니다.