A1Mobilsoft의 운영 문의 자동화 여정 (2): 세 에이전트 구현과 사람 vs AI 검증
세 에이전트 구현 과정에서 겪은 검색 오판, 코드 분석 루프, DB 접근 안전장치를 정리했습니다. 사람 vs AI 비교로 속도와 한계도 함께 검증했습니다.

AWS 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
세 에이전트 구현 과정에서 겪은 검색 오판, 코드 분석 루프, DB 접근 안전장치를 정리했습니다. 사람 vs AI 비교로 속도와 한계도 함께 검증했습니다.

운영 문의 채널의 지연과 반복 작업을 줄이기 위해 3-에이전트 아키텍처를 설계했습니다. Knowledge·Code·DB로 역할을 나눠 빠른 응답과 정확한 진단을 노렸습니다.

AWS MediaTailor SSAI에서 멀티 CDN을 동적으로 전환하는 방법을 정리했습니다. 콘텐츠와 광고 세그먼트의 라우팅 위치, 트래킹, CORS와 캐시 설정 차이도 함께 설명했습니다.

Amazon Braket의 `@hybrid_job`으로 RX(θ) 회로와 Z 기댓값을 반복 실행하는 하이브리드 알고리즘을 소개했습니다. 일반 실행, 하이브리드 잡, 로컬 잡의 차이와 결과 확인 방법도 함께 정리했습니다.

당근이 대규모 JWT 서명 환경에서 키 유출 위험과 접근 제어 한계를 해결하기 위해 KMS와 CloudHSM을 비교했습니다. 비용과 성능, 장애 대응을 함께 고려해 CloudHSM 중심의 하이브리드 구조를 선택했습니다.

Physical AI는 모델보다 데이터가 성능을 좌우하며, 실제·합성·인간 영상 데이터를 조합하는 전략이 중요했습니다. AWS는 수집부터 큐레이션, 학습 연결까지의 데이터 파이프라인을 서비스 조합으로 설계하는 방식을 제시했습니다.

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

카카오뱅크가 AWS GameDay 2026에서 2년 연속 우승한 과정을 공유했습니다. Amazon Q Developer와 Kiro CLI를 활용한 장애 대응 전략과 실전 시행착오를 정리했습니다.

AWS Kiro와 Notion, Git을 조합해 다수 개발자와 AI Agent가 함께 일하는 협업 환경을 구축한 사례를 소개했습니다. 도메인 lock과 단계별 승인으로 충돌을 막고, PM Agent로 진척과 리스크를 관리했습니다.

EKS 비용 최적화를 위해 AWS Graviton 도입 방법을 정리했습니다. 멀티 아키텍처 이미지를 준비한 뒤 카나리로 점진 전환하는 흐름을 소개했습니다.
Amazon Bedrock 기반 Claude 운영을 위한 Claude Apps Gateway의 구조와 구성 요건을 정리했습니다. IdP 연동, 권한 제어, 텔레메트리 중앙화까지 AWS 환경에서의 활용 방법을 소개했습니다.

금융권 연구·개발망의 규제 변화와 AWS 기반 구현 방법을 정리했습니다. 멀티 계정, 보안 통제, 자동화 워크플로우로 혁신과 컴플라이언스를 함께 맞추는 방안을 설명했습니다.

금융회사의 클라우드 도입 절차를 전자금융감독규정 중심으로 정리했습니다. 망분리와 안전성 확보조치를 AWS 서비스에 어떻게 매핑하는지도 설명했습니다.

AWS Transform for migrations가 13개 언어 현지화를 지원하도록 확대했습니다. 팀이 선호 언어로 계획 검토와 승인, 작업 진행을 할 수 있게 됐습니다.
Bedrock API 키 노출이 대규모 비용 청구로 이어질 수 있는 위험을 설명했습니다. IAM, 로깅, 비용 알림, 사고 대응을 함께 설계해야 한다고 정리했습니다.

분산 학습용 AWS 컴퓨트 선택을 모델 규모와 통신 패턴 기준으로 정리했습니다. GPU 성능보다 인터커넥트, 메모리, 운영 방식이 병목을 좌우한다고 설명했습니다.

LGU+의 대규모 AWS 마이그레이션에서 Kiro와 Harness Engineering으로 전환 작업을 표준화했습니다. 설정 자동화와 지식 자산화를 통해 개발자 편차를 줄이고 재사용성을 높였습니다.

멀티 AWS 계정 환경에서 NACL 차단 자동화를 운영하며 정합성 불일치와 race condition을 개선한 경험을 다뤘습니다. 반환값 검증, 재시도, 실패 격리로 부분 실패가 숨지 않도록 도구를 다듬었습니다.
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.
PostgreSQL 18의 주요 성능 향상 기능을 Amazon Aurora 및 Amazon RDS 기준으로 정리했습니다. 복합 인덱스 활용, EXPLAIN 가시성, autovacuum 제어 개선을 함께 소개했습니다.