한국어 제목과 요약이 준비된 소식을 제공합니다. 해외 소식은 순차적으로 한국어 브리핑을 작성합니다.
IT · AI 소식
제목을 누르면 소식의 핵심과 출처를 담은 브리핑을 읽을 수 있습니다.
AI 에디터의 기술 브리핑 자동 처리 과정에서 원문과 뉘앙스가 다를 수 있습니다.
-
우리 팀만의 vLLM 플러그인 만들기 2편 - 모델 변환부터 배포까지 AI-native로 자동화하기
1편 에서는 검색·추천 모델을 vLLM 사용자 정의 플러그인으로 옮겨 서빙 성능을 높인 과정을 소개했습니다. 모델을 vLLM에서 실행할 수 있게 된 뒤에는 또 다른 문제가 남았습니다. 모델마다 반복해야 하는 변환 작업이 복잡하고, vLLM의 빠른 변화까지 계속 따라가야 한다는 점입니다. Hugging Face 모델 하나를 vLLM에 올리는 과정은 버튼 한 번으로 끝나지 않습니다. ‘딸깍’ 한 번으로 완성할 수는 없습니다. 하지만 자동화를 우리 문제에 맞게 계속 ‘깎아’ 나갈 수는 있습니다. 저희는 변환 절차를 Claude Code…
-
우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기
네이버 플레이스 AI MLOps는 지난 1년간 검색과 추천에 사용하는 스코어링 모델의 서빙 구조를 vLLM 기반으로 전환했습니다. 이 글에서는 사내 Engineering Day에서 발표한 내용을 바탕으로, 모델 서빙 경로를 최적화해 성능을 높인 과정을 소개합니다. 먼저 결과부터 살펴보겠습니다. 0.6B 재순위화(reranking) 모델을 Hugging Face Transformer.encode 로 서빙했을 때 처리량은 63.85 QPS였습니다. 같은 모델과 GPU, 입력을 사용하면서 vLLM의 score 태스크로 옮기자 397.2…
-
LLM은 똑똑한데, 왜 우리 회사 일은 모를까
문서 · 코드 · 사내 메신저에 흩어진 정보를, 믿고 쓸 수 있는 컨텍스트로 만드는 여정
-
[AI 해커톤 후기] AI 해커톤 1위 팀이 AI에게 맡기지 않은 것
기업의 업무에 AI를 도입하면 무엇이 달라질까요? 반복 업무를 자동화하고, 매달 작성하던 보고서를 대신 만들고, 업무 시스템과 연결해 사용자가 요청한 작업까지 처리할 수 있을까요? 네이버 사내에서 열린 ‘모두의 Engineering Day AI 해커톤’에 참여하면서 저희도 비슷한 의문을 품었습니다. 낯선 재무 업무를 이해하고 Claude Code를 활용해 실제로 동작하는 결과물을 만들어야 하는 상황에서, 처음에는 자연스럽게 ‘AI가 무엇을 해줄 수 있을까?’부터 생각했습니다. 하지만 프로젝트가 진행될수록 질문은 달라졌습니다. AI…
-
[AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략
모두가 같은 주제로, 같은 수준의 AI 도구를 들고 시작한 해커톤. 그런데 결과물은 팀마다 전혀 달랐습니다. 같은 도구를 썼는데 왜 결과는 달라졌을까요? 네이버가 전사 차원에서 처음으로 개발자와 비개발자의 구분 없이 연 모두의 Engineering Day AI 해커톤 에서 가장 흥미로웠던 질문입니다. 이 글은 그 질문에 대한 회고로, AI를 어떻게 활용했는지, 그리고 끝까지 사람의 몫으로 남은 일은 무엇이었는지 정리했습니다. 결론부터 말하면 AI는 계획(planning)에 강했고, 끝까지 사람의 몫으로 남은 일은…
-
[AI 해커톤 후기] 코드와 문서만 읽은 LLM은 어떻게 사람과 같은 팀을 1위로 골랐을까
2026년 봄, 네이버는 개발 직군 중심으로 열리던 Engineering Day를 모든 직군이 함께하는 '모두의 Engineering Day'로 넓혔습니다. 행사의 마지막 순서는 AI 해커톤이었습니다. 목표는 단순히 AI를 써보는 것이 아니라, 사람이 하던 반복 업무를 AI로 줄이고 그 과정에서 'AI native로 일해 보는 경험'을 만드는 것이었습니다. 실제 업무 문제를 겪는 현업 담당자(problem holder)가 세 가지 문제를 냈고, 문제를 푸는 사람(solver)은 직군 제한 없이 네 명씩 팀을 이뤘습니다. 모두 25…
-
AI 에이전트 회사 차리기: 설립부터 어디서든 동기화까지
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 AI 에이전트로 나만의 회사를 차리고, 어디서 접속하든 같은 구성원이 같은 목표로 일하게 만든 이야기입니다. 발표 대상 AI 에이전트 활용에 관심있는 분들 목차 PROLOGUE — Claude Code, 매일 쓰는데 왜 매번 처음인가요? PLATFORM — NaverMadCat이란 ORGANIZATION — 비서실장과 10개 부서 AUTOMATION — 라이프사이클 훅 SYNC — 어디서든 같은 회사…
-
사람과 AI Agent를 위한 통합 Context Provider 구축
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 팀 내 데이터/서빙 레이어 자산을 자동으로 수집하여 제공하는 AI 플랫폼 마련 및 이를 통한 팀 내 업무 효율화 경험을 공유합니다. 발표 대상 AI Agent 생산성 향상에 관심있는 개발자 목차 우리 팀의 AI Agent, 왜 엉뚱한 소리를 했나 Agentic Context Platform Demo - 4가지 질문이 답이 되는 순간 Context Provider 구축기 달라진 환경, 그리고 다음 스텝 …
-
도구에서 동료로 — AI 에이전트 자율 성장 프레임워크
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 매 세션 초기화되는 AI의 한계를 넘어, 경험을 축적하고 스스로 성장하는 에이전트 프레임워크 GNOSIS의 설계 원칙과 구현 사례를 소개합니다. 발표 대상 AI Agent 프레임워크 활용에 관심 있는 개발자 목차 PROLOGUE — 당신의 AI는 어제와 똑같다 INTRODUCTION — GNOSIS 30초 요약 ARCHITECTURE — 3-Loop + Constitution + 5층 기억…
-
AI 에이전트로 카카오톡 추천 지표 분석 자동화하기
AI 에이전트로 카카오톡 추천 지표 분석 자동화하기: Hadoop 기반 도입 사례 안녕하세요. 소셜추천엔진팀에서 숏폼 추천 모델을 개발하고 있는 루퍼트(rupert)입니다. 추천 시스템을 개발하다 보면 코드를 짜는 시간만큼이나 데이터를 들여다보는 시간이 길어집니다. 지표가 조금만 움직여도 “이번 주 CTR이 왜 떨어졌지?”, “실험군 반응은 어땠지?”, “배포 이후 특정 사용자군에서 달라진 점은 없을까?” 같은 질문이 이어집니다. 질문은 한 문장이지만,...
-
AI 에이전트를 위한 Playwright E2E 테스트 하네스 구축하기
네이버 사내 기술 교류 행사인 NAVER ENGINEERING DAY 2026(5월)에서 발표되었던 세션을 공개합니다. 발표 내용 AI 에이전트가 코드를 짜는 시대, 우리는 그 코드를 어떻게 믿을 수 있을까요? Playwright 기반 E2E 테스트를 구축하고, 에이전트가 직접 테스트 코드를 작성 및 검증하는 워크플로우를 만든 여정을 공유합니다. 발표 대상 특히 이런 분들에게 추천 드립니다. "에이전트로 '딸깍'할 수 있는 대규모 코드베이스를 만들고 싶어요" "E2E 테스트, 어디서부터 시작해야 할지 모르겠어요" "테스트 짜본 적…
-
에이전틱 AI 생태계의 주인공들, MCP Player 10 성료와 Next!
지난 2025년 12월 19일부터 2026년 1월 18일까지, 에이전틱(Agentic) AI 생태계의 저변을 넓히고 개발자분들에게 실용적인 개발 경험을 제공하고자 진행된 'PlayMCP 개발 공모전, MCP Player 10’이 뜨거운 관심과 참여로 마무리되었습니다. 150여 팀이 보여주신 열정과 창의성이 가득했던 그 여정의 마침표, 시상식 현장의 생생한 스케치를 공유합니다. 아울러, 2회 대회인 'AGENTIC PLAYER 10’을 진행하오니 많은 관...
-
음성 AI 모델을 프로덕션에 올리기까지: Kanana-O 서빙 최적화 여정
TL;DR kanana-o는 텍스트·이미지·오디오를 종합적으로 이해하고 자연스러운 텍스트와 음성으로 응답하는 멀티모달 모델입니다(자세히 알아보기). 모델을 학습하는 것과 사용자에게 서비스하는 것은 전혀 다른 문제입니다. 이 글에서는 Kanana-O를 실시간 음성 대화 서비스로 제공하기 위해 마주한 엔지니어링 문제들과, 이를 해결하며 만든 서빙 서버 Kanana-Omni Server의 핵심 최적화 기법들을 공유합니다. 1. 모델은 완성됐는데, 서빙은 다...
각 소식의 저작권은 해당 원문 매체에 있습니다. Devin.KR은 출처가 제공한 짧은 정보를 바탕으로 AI가 사실 중심의 브리핑을 작성합니다. 원문 전문이나 사진을 복제하지 않습니다. 전체 내용은 반드시 각 항목의 원문 링크에서 확인해 주세요. 게재 중단이나 수정이 필요하시면 문의 주시면 확인 후 조치하겠습니다.