기술 블로그 (Tech) | kt cloud

[AI활용] AI Portal부터 보안관제까지, kt cloud AI 내재화 3가지 사례

[ kt cloud AI사업개발팀 정소라 님 ] 📋 요약 이 글에서는 kt cloud가 사내 업무에 AI를 적용해 업무 효율과 관제 품질을 개선한 내재화 사례를 다룹니다.실제 운영 환경에서 AI 도입 효과를 검증하고 확산하기 위한 실무 방향을 정리합니다.#ktcloud #AI내재화 #RAG #MCP #보안관제 "우리가 먼저 써봤습니다"AI 플랫폼을 만드는 회사가 정작 자기 업무에는 AI를 쓰지 않는다면, 그 플랫폼을 얼마나 신뢰할 수 있을까요? kt cloud는 고객에게 플랫폼을 제안하기 전에, 사내 업무에 먼저 AI를 적용해보는 원칙을 세웠습니다. "Dog-fooding"이라고도 부르는 이 접근법을 통해, 실제 업무 환경에서 마주치는 문제를 직접 겪고, 해결하고, 개선한 경험을 축적했..

[ kt cloud AI사업개발팀 정소라 님 ] 📋 요약 이 글에서는 kt cloud AI Foundry를 활용한 기업 맞춤형 AI 서비스 구축 흐름을 다룹니다.생성형 AI 도입을 체계화하고 보안·품질 리스크를 줄이는 실무 방향을 정리합니다.#ktcloud #AIFoundry #RAG #LLM #생성형AI 바이브코딩 열풍과 더불어 kt cloud AI사업개발팀은 기업의 AX컨설팅 및 교육을 지원해드리고 있습니다. 오늘은 기업 맞춤형 AI 서비스를 가장 빠르고 효율적으로 구축할 수 있는 kt cloud AI Foundry의 활용 가이드를 준비했습니다.복잡해 보이는 생성형 AI 개발, AI Foundry의 '5 step'을 따라가면 누구나 체계적으로 활용할 수 있습니다. 실제 kt clou..

[ kt cloud FE개발팀 강민호 님 ] 📋 요약 이 글에서는 Claude Code의 핵심 구성 요소인 Agent, Skill, Context의 개념을시스템 아키텍처 관점에서 다룹니다.프롬프트 의존 방식의 한계를 넘어 AI 활용을 조직 차원에서표준화하고 안정적으로 운영할 수 있는 구조적 기반을 정리합니다.#ClaudeCode #AI에이전트 #LLMOps #프롬프트엔지니어링 #AI아키텍처 시리즈 2를 시작하며 시리즈 1에서는 왜 코딩 AI를 개인의 생산성 도구가 아니라 팀과 조직의 개발 아키텍처로 바라봐야 하는지를 다뤘다.이제 질문은 다음 단계로 넘어간다.그렇다면Claude Code는 어떤 구조를 전제로 설계된 시스템인가? 이 글의 목적은 단순하다.Claude Code에서 반복적으로 ..

[ kt cloud AI플랫폼팀 최지우 님 ] 📋 요약 이 글에서는 AI 모델 운영의 핵심인 MLOps에서 LLMOps로의 진화 과정을 다룹니다.생성형 AI 시대에 필요한 운영 체계의 변화와 기업이 고려해야 할 실무 관점을 정리합니다.#MLOps #LLMOps #AI운영 #생성형AI #RAGAI 모델을 만들고 배포하는 일은 이제 그 자체로 특별하지 않습니다. 누구나 튜토리얼을 따라 모델을 학습시키고, 몇 번의 시도로 눈에 띄는 성능을 낼 수 있습니다.그러나 모델을 ‘운영’하기 시작하는 순간, 이야기는 완전히 달라집니다. 실제 환경에서 AI는 하나의 모델로 완성되지 않습니다. 데이터 검증, 파이프라인 자동화, 자원 스케줄링, 거버넌스 정책 등이 동시에 맞물려야 합니다. 각 단계는 서로 의..