GPU가 병목인 LLM 서빙, Kubernetes에서 “제대로” 오토스케일링하는 법
· Infrastructure / Kubernetes
LLM inference는 CPU나 memory가 아니라 GPU(SM utilization / VRAM / batch/queue) 가 병목인 경우가 대부분인데, Kubernetes 기본 autoscaling(HPA)은 전통적으로 CPU/Memory 중심이라 “트래픽이 늘었는데도 GPU가…
Default
프레임을 “어떻게 볼지”가 성능을 갈라먹는다: Video AI(Understanding/Generation) 프레임 분석 파이프라인 심층 분석
· AI / Multimodal
2026년 현재 비디오 이해(video understanding)·생성(video generation) AI를 실제 제품에 붙일 때 가장 자주 부딪히는 문제는 모델 자체보다 “프레임을 어떤 규칙으로 뽑아 모델에 먹일지”입니다.
배치로 50% 깎고도 폭탄 청구서가 나오는 이유: LLM Batch Inference API 비용/파이프라인 심층 분석
· AI / MLOps
LLM을 “대량 처리”로 붙이는 순간, 비용 문제는 토큰 단가만으로 설명이 안 됩니다. 같은 모델/같은 프롬프트라도 (1) 요청을 어떻게 묶고 (2) 어디서 큐잉하며 (3) 실패·재시도·중복을 어떻게 다루는지에 따라 월 비용이 2~5배까지 갈립니다.
터미널에서 “코드 리뷰→수정 PR→릴리즈 노트”까지: Claude Code × Codex CLI 에이전트 자동화 워크플로 심층 가이드
· AI / Coding
2026년의 “CLI 기반 AI 코딩 에이전트”는 단순히 코드 생성기가 아니라 저장소(파일 시스템) + 실행 환경 + 규칙(Policy) + 외부 도구(MCP/GitHub/CI) 를 붙잡고 반복 업무를 end-to-end로 처리하는 자동화 엔진에 가깝습니다.
Next.js + Vercel AI SDK로 “진짜” Fullstack AI 앱 만들기: 스트리밍·툴콜·런타임 선택까지
· AI / Prototyping
Next.js로 AI 앱을 만들 때 팀이 가장 많이 막히는 지점은 “모델 호출 자체”가 아니라 제품 형태로 만들기 위한 풀스택 접점입니다. 예를 들면:
6월의 엔터프라이즈 AI 도입, “Copilot/Agent 확산” vs “ROI 회의론”이 동시에 커진 이유
· News / AI
2026년 6월 기업 AI 도입의 키워드는 “전사 배포(rollout)”와 “ROI 검증(rollback)”이 동시에 진행된다는 점입니다. Copilot·Agent가 실제로 더 넓게 깔리고 있지만, 비용/데이터/거버넌스 때문에 조용히 축소되는 사례도 같이 늘고 있습니다.
Vibe Coding으로 48시간 안에 MVP를 “작동하게” 만드는 2026년식 AI 프로토타이핑 플레이북
· AI / Coding
2026년 6월의 “Vibe Coding”은 더 이상 코드 자동완성이 아니라, 에이전트(Agent)가 파일을 읽고/수정하고/명령을 실행하며 결과를 다시 반영하는 빠른 루프로 진화했습니다.
“Agent tool use + Function Calling”을 프로덕션에 넣는 법: Agents SDK/Responses API 패턴 심층 분석
· AI / Agent
LLM을 제품에 붙이다 보면 빠르게 “텍스트 생성”을 넘어 “행동”이 필요해집니다. 예를 들어 내부 DB 조회, 권한이 필요한 사내 API 호출, 배치 실행, 파일 편집/패치, 웹 리서치, 워크스페이스에서 코드 실행 같은 것들입니다. 이때 가장 큰 문제는 두 가지입니다.
중복이 성능을 갉아먹는다: 2026년식 데이터 큐레이션 Dedup + Dataset Quality 전처리 실전 설계
· AI / Data
LLM/임베딩/검색 모델 학습 데이터에서 중복(duplicate / near-duplicate) 은 생각보다 “조용히” 비용과 품질을 동시에 망칩니다.
MCP 서버로 Claude 에이전트를 “프로젝트에 안전하게 붙이는” 방법 (2026년 6월 기준: Streamable HTTP, 보안 함정, 확장 패턴)
· AI / Agent
LLM 에이전트를 실제 서비스에 붙일 때 가장 큰 문제는 “모델이 똑똑한 것”이 아니라 모델이 접근할 컨텍스트/도구를 어떻게 표준화해서, 재사용 가능하고, 안전하게 제공하느냐입니다.