카테고리
AI 활용·자동화
AI 도입과 업무 자동화, 에이전트 설계, 비용 최적화 등 실무에 적용하는 방법을 다룹니다.
-
비싼 장비 없이 로봇 자동화를 먼저 시험하는 법 — 100달러대 팔과 450M 모델로
로봇에 AI를 붙여보고 싶은 팀이 가장 먼저 저지르는 실수는 장비 견적부터 받는 것이다. 산업용 로봇 팔에 고성능 GPU 서버를 얹으면 시작가가 수천만 원으로 뛴다. 그런데 정작 검증하고 싶은 건 “우리 작업을 AI가 흉내 낼 수 있는가”라는 훨씬 단순한 질문…
-
고객지원 AI의 정확도, 모델이 아니라 자료가 결정한다
고객지원 챗봇이 틀린 답을 내면, 대부분 “모델이 작아서” 또는 “학습을 더 시켜야 해서”라고 생각한다. 그런데 한 실무 사례가 정반대의 그림을 보여준다. 회사 말투에 맞춰 모델을 fine-tuning했더니 말투는 약 90%까지 자연스러워졌는데, 정작 사실 정…
-
AI 도입, 모델부터 고르면 실패한다 — 비용·생산성·운영을 판단하는 지도
AI를 도입한다고 하면 다들 모델 목록부터 편다. GPT냐 Claude냐, 어느 게 더 똑똑하냐. 그런데 도입에 실패하는 조직은 대개 모델을 잘못 골라서가 아니다. “이걸 왜, 어디에 쓰는지”를 정하지 않은 채 기술부터 붙였기 때문이다. AI 도입은 모델을 하…
-
AI 에이전트 설계는 모델 고르기가 아니라 권한 긋기다
AI 에이전트를 도입할 때 다들 모델부터 고른다. 어느 모델이 더 똑똑한지, 벤치마크 점수가 몇 점인지. 그런데 실제 사고는 거의 모델이 멍청해서 나지 않는다. 멀쩡한 모델에 과한 권한을 줬을 때 난다. 프로덕션 DB를 지우고, 고객에게 잘못된 메일을 보내고,…
-
흩어진 에이전트를 한 대시보드로 — AgentCore Observability가 조용히 숨긴 조건
“우리 에이전트는 온프레미스에서도, GCP에서도, Azure에서도 돌아가면서 전부 같은 대시보드로 보고한다.” AWS가 AgentCore Observability를 소개하며 내건 문장이다. 멀티 클라우드 운영자에겐 솔깃한 약속이다. 그런데 이 문장에는 조용히 …
-
AI 청구서가 터지는 진짜 이유: 손댈 다이얼은 세 개뿐이다
AI 청구서가 예상보다 크게 나오면 대개 원인은 하나다. 분류 한 줄이면 끝날 요청까지 전부 가장 비싼 모델에, 가장 오래 생각하게 만들고, 가장 긴 답을 받고 있는 것이다. 문제는 이게 품질을 보장하지도 않는다는 데 있다. 비싼 설정이 곧 좋은 답이라는 믿음…
-
AI 비용은 사용량이 아니라 모델 선택에서 터진다 — 작업에 맞게 고르는 법
AI 요금이 감당 안 될 때 대부분은 “사용을 줄이자”로 간다. 그런데 그건 대개 틀린 처방이다. 비용이 터지는 진짜 원인은 얼마나 많이 쓰느냐가 아니라, 단순한 작업에까지 제일 비싸고 최신인 모델을 반사적으로 붙이는 습관이다. 오타 수정에도 프런티어 모델을 …
-
말을 배포 설명서로 바꾸는 순간, 사내 앱이 월 $5부터 돌아간다
사내에 필요한 작은 도구는 늘 넘친다. 배송비 계산기, 접수 양식, 스프레드시트 하나 띄우는 대시보드. 그런데 이런 건 개발팀 대기열에서 항상 뒤로 밀린다. 수익과 직접 붙은 기능이 먼저기 때문이다. PDI Technologies가 만든 PDI Brew는 이 …