RSS블로그.
기술, 패션, 미술 새 글 103개
옆자리 동료에게 AI를 알려주지 않기로 했다
저는 2025년까지 소프트 스킬 교육을 하던 교육자였습니다. 알려주는 게 본업이던 사람이 2026년부터는 AX(AI transformation, AI 전환)를 맡고 있습니다. 그런 제가 이번에는 알려주지 않기로 한 이야기를 하려고 합니다. 옆자리 동료에게 AI를 알려줘 본 적 있으신가요…
DEF CON CTF 2026 본선 참가기
들어가며 안녕하세요. LY Corporation에서 서비스 보안 점검과 취약점 분석을 담당하고 있는 김종환, 양성조, 임홍렬입니다. 저희는 올해 연합팀 ‘SuperDiceCodeLovers’의 일원으로 DEF CON CTF 2026 본선(Finals)에 참가했습니다. SuperDiceC…
QA는 어떻게 추측을 확신으로 바꾸었나
들어가며 테스트는 모두 통과되었습니다. 그런데 나중에서야 알았습니다. 테스트한 건 ‘현재’가 아니라 기획서 속의 ‘과거’였다는 사실을요. QA의 테스트 설계는 보통 추측에서 시작합니다. 기획서와 경험을 바탕으로 "지금은 이렇게 동작하겠지"라며 테스트 케이스(TC)를 작성합니다. 하지만 …
실행은 격리하고, 세션은 이어간다: 망분리 환경의 Agent Platform 설계기
초기 Agent Platform의 대화 화면. 사용자가 Agent를 선택하고 업무를 요청합니다. “지난달과 같은 기준으로 이번 달 데이터도 비교해줘.” 데이터를 분석하다 보면 자주 받는 요청입니다. 지난번에 쓴 쿼리를 찾아 기간을 바꾸고, 실행 결과를 비교해야 하죠. 빠진 데이터는 없는…
비가 오면 사장님이 먼저 압니다: SSE로 만든 실시간 기상악화 알림
배민셀프서비스 는 가게를 운영하는 파트너가 가게 정보, 메뉴, 할인, 배달지역을 직접 관리하는 서비스입니다. 이 중 배달지역은 한번 정해 두면 자주 바꿀 일이 없습니다. 그런데 기상이 나빠지면 이야기가 달라집니다. 폭우나 폭설이 오면 주문은 평소처럼 들어오는데 배달할 라이더가 부족해져,…
TASTE, 토스의 추천 파운데이션 플랫폼
금융 상품에 관심이 있는 사람을 찾는 모델, 푸시를 클릭할 사람을 찾는 모델, 좋아할 미니앱을 추천하는 모델. 풀어야 할 문제는 다르지만, 이해해야 하는 대상은 모두 같은 토스의 사용자입니다. 토스에 쌓이는 방대하고 서로 다른 데이터를 충분히 학습하여 배운 내용을 여러 추천 문제에 활용…
우아한형제들의 AI 거버넌스, 플랫폼에 담다
우아한형제들은 여러 Provider의 LLM을 같은 방식으로 호출할 수 있도록 AI Gateway를 운영해 왔습니다. 처음에는 대체 모델, Langfuse(LLM 호출의 트레이스를 기록하고 보는 도구) 연동, 비용 집계가 필요한 과제나, PoC(proof of concept, 개념 검증…
녹화 버튼 뒤에서 일어나는 일: LINE 프리미엄콜 개발기
들어가며안녕하세요. LINE 앱에서 VoIP(voice over Internet protocol, 인터넷 기반 음성 통화) Android 서비스 개발을 담당하고 있는 안덕용입니다....
AI 에이전트를 위한 멀티모달 의사결정 모델 ‘Kanana-2-v-decide’ 오픈소스 공개
안녕하세요, 카카오 Applied AI Model팀의 Shawn(정성효), Michael(이주영)입니다. 고객 문의를 분류하고, 상품 사진을 확인하고, 에이전트가 다음 작업에 사용할 도구를 고르는 일. 서비스에는 긴 답변보다 명확한 판단이 필요한 순간이 많습니다. 특히 AI 에이전트는 …
국내 최초 광고 MCP를 출시하며, 개발자의 역할은 어디까지 넓어졌을까?
안녕하세요. 당근 광고실 광고주플랫폼팀에서 백엔드 엔지니어로 일하는 제이크(Jake)예요. 얼마 전 저희 팀 엔지니어링 매니저 Iltaek이 프론트엔드와 백엔드를 한 팀으로 합친 이야기 를 글로 나눴어요. 그 글이 팀의 경계를 넘어 일하는 이야기였다면, 이번 글은 제가 당근 광고 MCP…
아이폰 카메라로 B마트 상품을 찾는다고?
2026년 8월 배민 앱에 Visual Intelligence를 연동했습니다. 이제 아이폰에서 Visual Intelligence를 실행하면, 검색 결과에서 비슷한 B마트 상품을 바로 확인하실 수 있습니다. 이 글에서는 먼저 Visual Intelligence가 어떤 기능인지 소개하고,…
옮기는 것보다 증명이 어렵다
클레임 검색 색인의 CDC 전환과 검증 기록 요약 커머스 클레임(취소·교환·반품) 검색 색인의 변경 수집 방식을 변경 알림 기반에서 데이터베이스 변경 로그 기반, 즉 CDC로 전환했습니다. 기존 구조에서는 알림이 발행되지 않은 변경이 색인에 반영되지 않았고, 건의 체류 시간을 계산하는 …
팀이 신뢰할 수 있는 AI 분석 환경 만들기: 추천팀의 컨텍스트 설계
안녕하세요. 카카오톡 숏폼 추천 모델을 개발하고 있는 루퍼트(rupert)입니다. 저희 추천팀은 추천 지표 분석에 AI 에이전트를 사용합니다. AI 에이전트에게 분석을 요청하면, 에이전트가 미리 정리해 둔 지침 문서(CLAUDE.md)를 읽고 SQL을 작성해 기존 Hadoop 환경에서 …
손가락 튕기기로 LLM 비용 줄이기
토스의 수많은 서비스와 내부 업무에도 생성형 AI가 정말 많이 사용되고 있습니다. 복잡한 정책을 읽고, 상품 정보를 비교하고, 문서를 요약하고, 정해진 형식의 값을 추출하는 등, LLM이 맡는 범위도 빠르게 넓어지고 있죠. 시간도 비용도 비싼 데이터 레이블링을 통해 모델을 학습하고 문제…
Flava MCP Hub가 걸어온 길: AI 시대를 위한 배관 공사
들어가며"우리 서비스, 지금 어떤 상태야?"AI 에이전트에게 이렇게 물어보신 적 있으신가요? 아마 겉보기에는 그럴듯하지만 실제로 활용하기는 어려운 답이 돌아왔을 겁니다. LLM(l...
머릿속에 있던 로그 정의 기준을 모두의 AI 스킬로 만들기
토스 앱에서 사용자가 어떤 화면을 보고 무엇을 눌렀는지는 앱로그로 남아요. 토스는 이렇게 쌓이는 로그를 서비스 품질을 높이는 목적으로 사용해요. 그래서 로그를 처음부터 정확하고 일관되게 정의해야 분석 결과도 믿을 수 있어요. 이를 위해 로그를 전담해 설계하고 관리하는 DataOps Ma…
카카오 AI 돛 Summit 26 다시보기 공개 — AI 인프라부터 서비스 적용, 개발과 창업까지
지난 9월 29일 부산에서 약 800명의 참가자와 함께한 ‘카카오 AI 돛 Summit 26’의 주요 세션 VOD를 공개합니다. 👉 카카오 AI 돛 Summit 26 세션 VOD 보러 가기 AI와 함께 개발하는 방식부터 실제 서비스에 AI를 적용하는 과정, 연구를 창업으로 연결하는 경…
문자를 보냈다는데 왜 안 오죠? 길 잃은 국제 MO 메시지 구출 작전
안녕하세요. 카카오 사내 SMS 전송 시스템(KIMS, Kakao Integrated Messaging Service)을 개발하고 있는 커넥티비티 플랫폼의 ravae.c(최지원) 입니다. 국내와 달리 해외 MO(Message Originated) 메시지 인증은 메시지가 어디에서 길을 잃…
모델만 바꿨는데 LLM 비용이 3배가 된 이유
안녕하세요, 당근 커뮤니티홈팀에서 백엔드를 개발하는 제이(Jay)예요. 당근 앱의 커뮤니티 탭에는 이웃이 알려 주는 동네 정보부터 소소한 일상과 취미까지 나누는 동네생활, 모임, 카페, 아파트가 모여 있어요. 커뮤니티홈팀은 이 서비스들의 글을 한데 모아 보여 주는 피드를 맡고 있어요. …
critical-script, 배달의민족 웹뷰 로딩 성능을 30% 개선한 인라인 스크립트 로딩 전략 이야기
들어가며 배달의민족 앱은 일부 지면을 웹뷰로 구성하는 하이브리드 앱입니다. 대표적인 커머스 서비스인 B마트의 가게홈 지면도 웹뷰로 구성됩니다. 웹뷰는 한 번의 개발로 iOS와 Android에 동시에 대응할 수 있어 개발 공수가 적고, 스토어 심사를 거치지 않아 필요할 때 배포할 수 있는…
글로벌 최고 수준의 자체 비전 인코더, Kanana-2-vision-encoder 개발기
안녕하세요. 카카오 Multimodal Model Training팀에서 카나나를 연구·개발하는 Polar(엄지환)입니다. 카카오가 자체 기술력만으로 밑바닥부터(from scratch) 개발한 독자 비전 인코더, Kanana-2-vision-encoder를 소개합니다. Kanana-2-v…
평균 CPU는 여유로운데, 커밋은 왜 느릴까?
안녕하세요. 토스증권 DBA Team 조규범입니다. 주문과 체결을 처리하는 API 뒤에는 Oracle DB가 있습니다. 이 DB에서 커밋이 늦어지면 커밋을 기다리던 세션이 모두 함께 멈추고, API 응답도 그만큼 늦어지는데요. 거래가 몰리는 정규장 시간에는 짧은 지연도 그냥 넘기기 어렵…
실행은 도메인별로, 문맥은 한 레포에
들어가며 안녕하세요, 토스 Data Warehouse 팀의 Data Analytics Engineer 김문수입니다. 이 글에서는 데이터 웨어하우스(DW) 마트를 만드는 중앙 DW Airflow를 멈추지 않고, 도메인별 DW Airflow와 dbt 기반의 선언적 파이프라인으로 옮겨 온 과…
AI로 E2E 회귀 테스트 자동화하기: ‘딸깍’을 파이프라인으로 바꾸기까지
들어가며안녕하세요. LINE Plus에서 대만 Giftshop 서비스 QA를 담당하고 있는 김혜영입니다.최근 AI를 테스트 자동화에 활용하려는 다양한 시도와 실제 적용 사례를 접하...
토스뱅크가 패키지를 관리하는 방식 #2: 토스뱅크 패키지의 세 가지 기준
안녕하세요. 토스뱅크에서 패키지 개발 환경을 개선하고 있는 기술그룹입니다. 패키지를 사용하는 쪽(이하 호스트)에서는 패키지 코드가 어떤 브라우저까지 지원하는지, 패키지 개발 중 사용하던 API를 실행 환경에서도 쓸 수 있는지 따로 살펴봐야 했어요. 호스트에서 패키지의 원본 소스 코드를 …
토스뱅크가 패키지를 관리하는 방식 #1: 패키지를 ESM으로만 제공하기로 했어요
안녕하세요. 토스뱅크에서 패키지 개발 환경을 개선하고 있는 기술그룹입니다. 토스뱅크에서는 여러 서비스가 함께 쓰는 코드를 패키지로 관리해요. 그동안 ECMAScript Modules(이하 ESM)와 CommonJS(이하 CJS) 두 형식으로 빌드하고, package.json 의 expo…
Spark Connect on Kubernetes #2: Operator로 만드는 Control Plane
안녕하세요. 토스증권 Data Infra팀 박지원입니다. 지난 편 에서는 Spark Connect 서버를 여러 replica로 나누고 Gateway로 요청을 분산시켰습니다. 한 Driver에 몰리던 사용자를 분산해 장애와 리소스 경합을 줄이기 위해 새 세션은 한가한 서버에 배치하고, 기…
디자이너의 아이디어가 금융상품이 되기까지
안녕하세요, 토스뱅크에서 예적금을 만들고 있는 디자이너 장서영입니다. 은행에서 디자이너로 일한다고 하면 이런 질문을 종종 받아요. "은행은 제약이 많아서 하고 싶은 걸 마음대로 만들기 어렵지 않아요?" 저도 처음에는 그렇게 생각했어요. 그런데 지금 서비스 중인 '키워봐요 31일적금'은 …
서비스 개발에 집중할 수 있는 AI 플랫폼 만들기
생성형 AI로 기능을 만들기 위해 모델을 호출하는 것은 어렵지 않습니다. 하지만 실제 서비스에 적용하려면 사용할 모델과 데이터의 처리 범위를 정하고, 예상 비용과 필요한 처리 용량도 검토해야 합니다. 서비스 팀마다 이 과정을 따로 준비하면 비슷한 작업을 반복하게 됩니다. 모델 공급자별 …
CPU 뼛속까지 써먹고, Milvus 사이징 기준을 만들기까지
안녕하세요. 토스증권 Data Infra 팀 장재영입니다. 토스증권에서는 벡터 검색 워크로드를 지원하기 위해 Milvus 기반의 검색 환경을 구성했는데요. 실제 서비스에 적용하기 전에, 요구하는 검색 품질과 응답 속도를 만족하려면 어느 정도의 물리 서버 자원이 필요한지 확인해야 했습니다…
Aurora MySQL 인덱스 DDL이 Reader 버퍼풀을 비운다?
미사용 인덱스를 정리하다 만난 Aurora 엔진 결함, 그리고 3.14 릴리즈까지 안녕하세요. 당근 DB팀에서 근무하고 있는 Eden(이든)이에요. 당근 DB팀에서는 Aurora MySQL / Aurora PostgreSQL 및 MongoDB 를 운영하고 있어요. 이번에 Aurora M…
플랫폼 행성에 떨어진 서비스 개발자
느닷없이 거센 돌풍이 불어 낯선 땅에 착륙했다든지, 망망대해에서 방향을 잃고 외딴 섬에 표류하게 되었다든지, 시공간이 뒤틀려 새로운 행성에 도착했다든지. 낯선 곳에서 홀로 남겨져 살아남아야 하는 이야기들이 참 많습니다. 그중에서도 소설을 원작으로 한 영화 마션을 참 재미있게 봤습니다. …
한 문장으로 앱을 테스트하기까지
안녕하세요! 당근 모바일실에서 Test Automation Engineer로 일하고 있는 Lily예요. 모바일실은 여러 팀이 당근 앱을 더 빠르고 안정적으로 만들 수 있게 그 바탕이 되는 플랫폼을 만드는 곳이에요. 그 안에서 저는 테스트 자동화를 맡고 있어요. 실제 기기에서 테스트를 실…
LLM이 만든 SQL을 믿고 실행하기까지: A2A 기반의 대화형 BI 애플리케이션 개발기
들어가며안녕하세요. Game Platform실의 이형중, 김민희, 정소영입니다. 저희 조직은 게임 퍼블리싱에 필요한 다양한 기능을 개발하고 운영하는 역할을 맡고 있습니다.저희는 ‘...
데이터 분석 에이전트를 만들며 배운 컨텍스트 설계
LLM 에이전트는 목표를 받으면 필요한 정보를 찾고 적절한 도구를 선택해 실행하며, 그 결과를 관찰한 뒤 다음 행동을 결정합니다. Anthropic은 에이전트를 활용한 여러 실험을 공개했습니다. Claude Sonnet 4.5로 Claude.ai를 재현하는 실험 과 Claude Opus…
추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법
안녕하세요. 토스 Commerce Personalization Team에서 토스 쇼핑의 추천 시스템을 만들고 있는 ML Engineer 구국원입니다. 추천 시스템은 흔히 더 좋은 모델을 만드는 문제로 보입니다. 하지만 실제 서비스를 운영하다 보면 모델 바깥에도 성능을 좌우하는 중요한 결…
당근 동네걷기 위에서 동시에 쏟아지는 오버레이들을 우아하게 제어하기
들어가며 안녕하세요. 당근 로컬비즈니스실 동네걷기팀에서 FE 인턴으로 일하고 있는 카멜(진나영)이에요. 당근 동네걷기 는 걸음 수를 기록하고 보상을 제공하는 서비스예요. 그런데 모달, 바텀시트, OS 권한 팝업이 각기 다른 조건에서 열리다 보니, 한 화면에 여러 UI가 겹쳐 나타나는 문…
9인조 다람쥐 아이돌을 데뷔시켰습니다
안녕하세요, 토스뱅크 Visual Designer 고명은입니다. 오늘은 키워봐요 적금의 9가지 다람쥐 캐릭터와, 다람쥐가 돋보이는 화면을 만든 과정을 이야기해 보려고 해요. 매일 찾아와야 자라는 적금 키워봐요 적금은 캐릭터를 직접 키우면서 저금하는 적금이에요. 키우고 싶은 캐릭터를 정할…
사장님 입점신청 자동승인 주기를 10분에서 10초로
사장님의 입점신청 요청들은 자동승인 처리가 시작되기까지 최소 3분에서 최대 12분 59초가 걸렸습니다. 이 대기를 10초 이내로 줄인 과정을 기록한 글입니다. 그림 출처: AI 자동생성(https://youmind.com) 세 줄 요약 큐 역할을 하는 DB에 후보를 모았다가 처리하던 2…
연 300시간을 아낀 AI 상담 서비스
안녕하세요. 토스뱅크에서 주택담보대출을 디자인하고 있는 Product Designer 김혜미입니다. 이번 글에서는 전세대출 팀에서 AI 상담 서비스를 디자인했던 과정을 얘기해 보려고 해요. 정보는 충분했지만 확신은 없었다 전세대출 팀에서 하는 고민은 대체로 이런 거예요. 플로우를 어떻게…
우아한형제들의 기술 콘퍼런스, WOOWACON 2026이 열립니다!
정보는 이미 실시간으로 움직입니다. 하지만 현실의 세계에는 여전히 많은 기다림이 남아 있습니다. 고객은 원하는 것을 찾기 위해 기다리고, 상품은 준비되기를 기다리고, 시스템은 사람의 판단을 기다립니다. 올해 우아콘은 "우리가 어떤 기술을 만들었는가"가 아니라 "배민은 기술로 어떤 세계를…
개인화 추천을 위한 랭킹 모델 개발기
안녕하세요! 카카오에서 유저 편의성을 높이는 데 관심이 많은 토리입니다. 카카오에는 정말 다양한 서비스와 그 안에 쌓이는 방대한 데이터가 있습니다. 이 많은 콘텐츠와 유저를 잘 이어주는 역할을 하는 것이 바로 추천이고, 그중에서도 "얼마나 이 유저에게 맞는 콘텐츠를 보여주는가"는 서비스…
방해하지 않고, 눈에 띌 수 있을까
안녕하세요. 토스뱅크 Visual Designer 김현지입니다. 오늘은 자산관리 리포트 기능의 클릭률을 3배로 올리기까지의 과정, 그리고 그 안에서 얻은 러닝을 이야기해 보려고 해요. 유용한 추천인데 왜 누르지 않을까 기존 입출금 영역 하단에 배치된 자산관리 리포트 자산관리 리포트는 사…
쉼 없이 도는 테스트, 사람이 어디까지 돌봐야 할까요? - 토스닥터(Toss Doctor)
토스 앱은 매주 새 버전을 내보냅니다. 그 과정에서 플랫폼별로 5~7개의 RC(Release Candidate, 배포 후보) 빌드가 쌓이고, 빌드가 나올 때마다 누군가는 회원가입부터 로그인, 자산, 송금까지 같은 화면을 손으로 눌러 봅니다. 핵심 기능이 망가지진 않았는지 빠르게 훑는 스…
도메인 지식 없는 디자이너가 팀의 기준을 바꾼 방법
안녕하세요. 해외송금을 디자인한 토스뱅크 Product Designer 서자영입니다. 은행 지식도 외화 지식도 없던 디자이너가 규제와 운영 논리가 가득한 도메인에서 어떻게 팀의 기준을 바꿨는지에 대해 이야기해 보려고 해요. 해외송금에서 가장 중요한 건 정말 수수료일까? 팀에 합류하고 6…
배달의민족 전자계약서 화면 개편기: AI에게 맡긴 것과 사람이 챙긴 것
들어가며 전자계약서는 파트너(사장님)가 배달의민족을 처음 시작할 때 작성하는 전자문서입니다. 영업 담당자가 파트너와 함께 작성하고, 계약 내용을 바꿀 때도 같은 문서를 씁니다. 이 문서를 쓰는 작성 화면은 사업자 정보, 가게 정보, 광고 정보 같은 섹션이 모여 계약서 한 장을 이루는 큰…
사용자를 위해 일부러 어렵게 만드는 경험, 어디까지 괜찮을까?
안녕하세요. 토스뱅크에서 7세부터 17세까지, 미성년자를 위한 제품을 만들고 있는 Product Designer 오주연이에요. 저는 10대가 스스로 정한 목표를 달성할 수 있도록 돈을 빼내기 어렵게 하는 저금통 잠그기 기능을 만들었어요. 이 글에서는 ‘사용자를 돕기 위해 일부러 어렵게 …
LLM에게 어디까지 맡길 것인가: AI 에이전트 기반 광고 분석 리포트 자동화
들어가며안녕하세요. LINE Ads에서 데이터 분석 플랫폼을 개발하고 있는 이종우, 이운열입니다.광고 매출은 상품, 광고주, 캠페인 집행 변화에 따라 매일 움직입니다. 광고 KPI...
if(kakao)26에서 네트워킹하는 법
흥미로운 발표를 듣다 보면, 더 자세히 묻고 싶은 점이 생길 때가 있습니다. “우리 팀에도 적용할 수 있을까?”, “저 방법 말고 다른 선택지도 고민하셨을까?” 와 같은 질문들이죠. 생각해보면, 우리가 컨퍼런스에 모이는 이유도 여기에 있는 것 같습니다. 같은 공간에서 발표를 듣고, 비슷…
리더보드 1등 LLM, 토스에서도 1등일까? - Toss Benchmark 구축기
새 모델이 나올 때마다 우리는 먼저 리더보드를 봅니다. 모델의 지능이 얼마나 높은지, 수학을 잘 푸는지, 코드를 잘 짜는지. 점수가 높으면 자연스럽게, 이 모델이면 우리 서비스도 더 좋아지겠다는 기대를 하게 되죠. 하지만 실제 서비스에 붙여 보면 꼭 그렇지만은 않습니다. 영어를 잘 이해…
집 나간 네트워크는 돌아왔는데 React.lazy는 왜 안 돌아올까
들어가며 파트너(업주)님이 영업 내내 주문을 받는 배민주문접수 웹뷰를 개발하던 중 QA 과정에서 네트워크 OFF -> ON으로 변경 후 다른 화면으로 이동 시 오류 화면이 노출된다는 티켓을 전달받았습니다. 원인을 파악해 보니 브라우저가 모듈 로드 실패를 기억하고 있었고, 이는 버그가 아…
AI 전환, 우리가 도운 건 돕는 사람이었습니다
1편 " AI로 바뀐 건 업무가 아니라 사람이었습니다 "는 옆자리 동료가 덜 힘들어졌으면 좋겠다는 마음이 계속될 것 같다는 말로 끝났습니다. 혹시 못 읽으셨어도 따라오실 수 있게 배경만 짧게 정리합니다. 저는 우아한형제들에서 개발자를 길러내는 교육의 코치로 일하며 배운 게 하나 있습니다…
AI를 전제로 다시 설계하다, Tech-Verse 2026 참관기
들어가며안녕하세요. LINE Plus의 LINE VoIP Service Dev 팀에서 서버 개발을 하고 있는 한규범, ABC Studio에서 서버를 개발하고 있는 황건구입니다.저희...
if(kakao)26 둘째 날, 기술 세션 소개
if(kakao)26 둘째 날은 안정성과 인프라, 거버넌스, AI-DLC, Model & Agent에 대해 이야기합니다. 키노트를 제외한 총 30개의 기술 세션들이 아래와 같이 진행됩니다. [안전성과 인프라] 1. 유휴 서버를 찾다가 Hybrid Cloud까지 갔습니다: 비용 가시화에서…
장애 Alert의 원인을 스스로 찾다: SRE Observer 개발기
들어가며안녕하세요. LINE Plus에서 Home 서비스의 안정성을 책임지고 있는 Home SRE(Site Reliability Engineering) 팀입니다.SRE Observ...
LLM Wiki: 코드 기준으로 자동 최신화되는 도메인 지식 SSOT 만들기
들어가며안녕하세요. LINE Plus에서 Global E-Commerce Platform 개발을 맡고 있는 윤석범입니다.AI로 개발할 때 결과물의 품질은 AI의 코드 생성 능력보다...
일본어 상품 검색 정확도 높이기: Elasticsearch + Kuromoji에서 OpenSearch + Sudachi로
들어가며안녕하세요. LINE Plus에서 통합 커머스 개발을 맡고 있는 김진성입니다.2025년 초, 통합 커머스 프로젝트가 시작되었습니다.서비스가 안정되어 가던 중, 일본 담당자로...
당근의 인증은 어떻게 달라져 왔을까요?
안녕하세요? Identity Service Team의 Software Engineer 키(Key)입니다. Identity Service Team은 당근의 회원과 인증을 책임지고 있는 팀이에요. 당근뿐 아니라 대부분의 서비스에서, 인증은 서비스를 시작하려면 꼭 한 번은 거쳐야 하는 단계예…
보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계
참고: 이 글을 최초 발행한 시점에는 보안 상담 어시스턴트가 파일럿 운영 중이었으나 2026년 9월 1일 정식 릴리스해 실 운영 중입니다. 이에 맞춰 2026년 9월 2일에 본문을...
Laying the Rails Beyond WebView: Why Karrot Chose Lynx
Hi, I’m Tony, the lead of Karrot’s Frontend Core Team. Our team builds the development environment and deployment infrastructure used by frontend engineers at K…