국내 기술블로그

카카오 기술블로그카카오2026-10-21AI·ML조직·문화AI 요약

카카오는 9월 29일 부산에서 약 800명이 참가한 ‘카카오 AI 돛 Summit 26’의 주요 세션 영상을 온라인에 공개했다. 공개된 영상에는 AI와 함께 개발하는 방식, 실제 서비스에 AI를 적용하는 과정, 연구를 창업으로 연결한 경험 등 다양한 주제의 발표가 담겼다. 현장에 참석하지 못했거나 동시 진행으로 놓친 세션을 온라인에서 확인할 수 있으며, 관심사에 맞는 세션을 선택해 볼 수 있도록 안내하고 있다.

당근 테크블로그당근마켓2026-10-21AI·ML백엔드AI 요약

당근 커뮤니티홈팀은 피드 추천에 쓰이는 글 주제 분류 작업의 LLM을 Gemini에서 단가가 더 낮은 OpenAI 모델로 교체했다. 교체 직후 응답과 에러에는 문제가 없었지만, 닷새 뒤 확인해보니 단가는 낮아졌는데 요청당 비용은 오히려 3.2배로 늘어 있었다. 원인은 프롬프트 캐시였는데, 매 요청마다 반복되는 고정부(지시문과 카테고리 목록)를 재사용하는 캐시 히트율이 85.8%에서 2.3%로 떨어져 있었던 것이다. 캐시가 깨져도 에러는 발생하지 않고 비용만 늘어난다는 점을 확인한 뒤, OpenAI·Anthropic·Google Gemini의 프롬프트 캐시 동작 방식을 비교해 정리했다.

NAVER D2네이버2026-10-21백엔드인프라AI 요약

이 글은 2019년에 다루었던 브라우저 밖 JavaScript 동향을 이어, 그 사이 7년간 Node.js 생태계에서 일어난 변화를 정리하는 연재의 두 번째 편입니다. Node.js는 릴리스 일정을 연 1회로 바꾸었고, Node.js 호환을 목표로 하게 된 Deno와 Bun은 각각 Cloudflare와 Anthropic에 합류했으며, npm은 GitHub의 일부가 되어 공급망 공격에 대응하고 있다고 설명합니다. 글은 Node.js의 사용 현황과 주요 기능, Deno와 Bun, 서버 런타임 표준인 WinterTC, 패키지 관리자와 레지스트리, 데스크톱·모바일 애플리케이션 개발 도구, PWA와 XR, OpenJS Foundation을 차례로 살펴보고 마지막으로 AI 코딩 도구가 런타임과 패키지 생태계를 어떻게 바꾸었는지도 정리합니다. 아울러 Node.js가 TypeScript 파일을 직접 실행하고 테스트 러너와 SQLite, WebSocket 클라이언트를 내장하며 파일·네트워크 접근을 제어하는 권한 모델을 갖추게 된 변화도 소개합니다.

NAVER D2네이버2026-10-21백엔드인프라AI 요약

2019년에 다룬 브라우저 밖 JavaScript 동향을 되짚어본 글로, 당시 막 등장한 Deno와 npm 독주 체제의 패키지 관리자 생태계를 회고합니다. 이후 Node.js는 연 1회 릴리스 체계로 바뀌었고 TypeScript 파일 직접 실행, 테스트 러너, SQLite, WebSocket 클라이언트 내장, 권한 모델 등 기능이 추가되었습니다. Deno와 Bun은 각각 Cloudflare와 Anthropic에 합류해 Node.js 호환을 목표로 삼게 되었고, npm은 GitHub에 속해 공급망 공격에 대응하고 있습니다. 연재는 이어지는 글에서 WinterTC, 패키지 관리자와 레지스트리, 데스크톱·모바일 개발 도구, PWA와 XR, OpenJS Foundation, AI 코딩 도구의 영향 등을 다룰 예정입니다.

카카오 기술블로그카카오2026-10-20AI·MLAI 요약

카카오 Multimodal Model Training팀이 자체 기술력으로 처음부터 개발한 독자 비전 인코더 Kanana-2-vision-encoder를 소개했다. 이 비전 인코더는 카카오 언어모델 Kanana-2 LLM의 가중치와 구조를 활용해 학습과 추론 모두에서 높은 효율성을 보인다. 또한 고해상도 이미지 처리를 지원하는 것으로 설명된다.

인프랩 기술블로그인프런2026-10-20인프라백엔드AI 요약

인프런은 Jenkins를 배치 시스템으로 사용하며 서비스마다 EC2에 Jenkins를 하나씩 띄워 운영했는데, 디스크가 가득 차 모든 배치가 멈추는 문제가 분기마다 반복됐다. 빌드 이력 보존 설정이 빠진 잡의 이력이 정리되지 않고 쌓여 디스크를 가득 채웠고, 큐에는 실행을 기다리는 배치가 약 3,000건까지 쌓인 적도 있었다. 또한 플러그인 간 의존성 충돌로 Jenkins가 뜨지 않아 배치가 전혀 실행되지 않고, 복구 후 놓친 배치를 일일이 찾아 다시 실행해야 했던 사례도 있었다. 이런 문제들을 계기로 인프런은 Jenkins 배치 시스템을 Temporal로 이전하며 겪은 고민을 정리했다.

NHN Cloud MeetupNHN2026-10-20AI·ML조직·문화AI 요약

작성자는 혼자 다듬어 오던 AI 하네스에 '실버불릿'이라는 이름을 붙이고 귀와 입을 달아, 팀 채팅방에서 직접 대화에 참여할 수 있도록 만들었다. 일대일 대화와 달리 여러 사람이 두서없이 동시에 말하는 채팅방 환경에서도 실버불릿이 맥락을 알아들을 수 있을지 시험해 보았다. 실버불릿은 'KTB 수신결과 지연'이라는 대화 흐름을 스스로 골라내고 과거의 비슷한 기록까지 끌어와, 작성자가 했을 법한 방식으로 답변을 제시했다. 이 글은 하네스가 채팅방 속에서 실제로 작동하며 무엇을 얻고 무엇이 위험했는지를 다루는 시리즈의 두 번째 편이다.

NAVER D2네이버2026-10-20프론트엔드AI·MLAI 요약

네이버 D2의 'JavaScript의 동향' 연재가 6년의 공백을 깨고 다시 이어지며, 그사이 ECMAScript 명세는 여러 차례 개정되었다. 이전 글에서 초기 단계였던 Temporal 제안은 오랜 논의를 거쳐 최종 단계에 올라 주요 브라우저와 Node.js에서 플래그 없이 쓸 수 있게 되었다. AI 코딩 도구의 확산으로 코드를 작성하는 방식이 달라졌고, AI 에이전트가 브라우저 엔진의 JavaScript 엔진 코드를 다른 언어로 옮기는 데도 쓰이며, GitHub Octoverse는 TypeScript가 가장 많이 쓰인 언어로 올라선 배경으로 AI를 지목했다. 이번 연재는 ECMAScript, 브라우저 밖의 JavaScript, WebAssembly, 라이브러리와 프레임워크 등 네 편으로 구성되고, 이 글에서는 지난 6년간의 명세 변화와 제안의 결말, TC39 프로세스 변화, 브라우저·임베디드 엔진 현황, JavaScript 상표권 분쟁, TypeScript 차기 버전, AI가 JavaScript·TypeScript 사용과 표준화 과정에 미치는 영향을 다룬다.

무신사 테크무신사2026-10-19인프라모바일AI 요약

무신사 Automation QE팀은 앱과 웹 빌드가 끝날 때마다 실기기에서 BVT를 자동 실행해 왔지만, 일부 기기가 작업을 먼저 끝내도 가장 늦게 끝나는 기기를 기다려야 하는 비효율과 기기를 추가할 때마다 전용 스크립트를 새로 작성하면서 설정 오류가 발생하는 문제를 겪었다. 이를 해결하기 위해 테스트 자동화 프레임워크를 새롭게 전환하는 작업에 착수했다. 초기 구조에서는 Mac 한 대가 테스트 데이터 제공, 기기 관리, 실행 트리거, 결과 저장과 알림까지 모든 역할을 맡았는데, 연결된 기기가 늘면서 테스트 실행 부하가 서버 역할까지 느리게 만들어 전체 시스템이 불안정해졌다. 이후 역할을 분리해 데이터 제공과 결과 저장·알림 기능은 EC2로 옮기고 Mac은 실기기 연결과 테스트 실행만 담당하도록 구조를 개선했다.

토스 테크비바리퍼블리카2026-10-19인프라데이터베이스AI 요약

토스증권 DBA팀은 거래 처리용 Oracle DB에서 커밋 대기를 뜻하는 log file sync 지연이 0.1초 넘게 반복되는 현상을 발견했다. 스토리지, OS, 네트워크, 애플리케이션, Oracle을 모두 점검했으나 평균 지표와 호스트 CPU 사용률은 정상 범위였다. pidstat으로 리두 로그 기록을 담당하는 LGWR 프로세스의 실행 CPU를 추적한 결과, 지연은 LGWR가 특정 CPU(28번)에서 실행될 때만 발생했고 이는 하나의 CPU 소켓에 NIC 인터럽트가 몰려 있었기 때문으로 확인됐다. 인터럽트를 두 소켓으로 분산시키자 해당 지연이 대부분 개선됐고, 같은 조치를 적용한 다른 Oracle RAC에서도 개장 직후 CPU 사용률이 낮아지는 효과가 나타났다.

토스 테크비바리퍼블리카2026-10-16데이터인프라AI 요약

토스 Data Warehouse 팀은 광고·쇼핑·결제·금융 등 여러 도메인의 마트 파이프라인이 하나의 DW Airflow 클러스터에 모여 있던 구조를, 서비스를 멈추지 않고 도메인별 DW Airflow와 dbt 기반 선언적 파이프라인으로 옮기는 작업을 진행했습니다. 팀 내부에서는 이 새 플랫폼을 '뉴타운'이라 부르며, 기존 시스템을 고쳐 쓰지 않고 옆에 새로 짓는 방식을 택했습니다. 기존 구조에서는 한 도메인의 배치가 몰리면 다른 도메인 배치까지 밀리고, 테이블 하나를 이해하려면 DAG 파일, SQL 파일, 품질 규칙 설정, 데이터 카탈로그, 적재 메타 시스템 등 다섯 군데를 열어봐야 하는 불편이 있었습니다. 그 결과 광고 도메인의 DAG 코드 줄 수와 테이블 순서를 수동으로 잇던 코드가 크게 줄었고 파이프라인 소요 시간도 단축되었습니다.

LY Corporation TechLINE·야후재팬2026-10-16AI·ML일반AI 요약

LINE Plus에서 대만 Giftshop 서비스 QA를 담당하는 김혜영 저자가 AI를 테스트 자동화에 활용한 경험을 다루는 글입니다. 글은 AI를 테스트 자동화에 적용하려는 다양한 시도와 실제 적용 사례를 접하게 된 배경에서 시작합니다. E2E 회귀 테스트를 자동화 파이프라인으로 전환하는 과정을 소개하는 내용으로 이어집니다.

토스 테크비바리퍼블리카2026-10-16프론트엔드인프라AI 요약

토스뱅크 기술그룹은 패키지를 사용하는 호스트 서비스가 지원 브라우저와 API 호환성을 직접 확인해야 했던 문제를 해결하기 위해 패키지가 갖춰야 할 세 가지 기준을 정했다고 설명한다. 세 기준은 호스트 실행 환경에서 안정적으로 동작하는 안정성, 배포 후에도 원본 코드의 의도가 유지되는 예측 가능성, 사용처에서 쉽게 디버깅할 수 있는 디버깅 편의성이다. 안정성과 관련해 문법 변환은 호스트의 트랜스파일러가 지원해야 하고 API는 실행 환경이나 폴리필로 제공돼야 한다고 설명하며, rolldown과 oxc의 정규식 문법 변환 사례, 그리고 Proxy처럼 폴리필만으로 전체 동작을 구현할 수 없는 API의 한계를 예로 든다. 이에 따라 토스뱅크는 호스트의 API 지원 범위를 타입 검사에 반영했으며, TypeScript 설정만으로는 호환성을 모두 확인할 수 없어 실제 API 지원 여부와 문법 변환 가능 여부를 별도로 점검해야 한다고 밝힌다.

토스 테크비바리퍼블리카2026-10-15프론트엔드AI 요약

토스뱅크 기술그룹은 그동안 패키지를 ESM과 CJS 두 형식으로 함께 빌드하는 Dual package 방식을 써왔으나, 이 방식에서 발생하는 문제를 겪었습니다. import와 require()가 서로 다른 구현 파일을 연결해 같은 패키지인데도 컨텍스트나 상태 객체가 두 개로 나뉘는 Dual package hazard가 생길 수 있었고, Provider로 값을 넣어도 다른 경로의 Hook이 값을 읽지 못하는 문제가 발생했습니다. 또한 패키지의 타입이 외부 라이브러리를 참조할 때 exports 설정과 TypeScript 설정에 따라 타입을 올바르게 찾지 못하는 경우도 있었습니다. 이런 문제들로 인해 패키지를 ESM 형식으로만 제공하기로 한 배경을 설명하고 있습니다.

딜리버리히어로 코리아요기요2026-10-15프론트엔드백엔드AI 요약

비개발자인 기획자가 Product Engineer로서 주문추적화면의 지도 마커를 광고 소재로 활용하는 기능을 개발한 경험을 다룬다. 운영자가 어드민에서 광고를 등록하면 배달 상태에 따라 지도 마커가 광고 이미지로 바뀌고, 이를 누르면 배너와 랜딩 페이지로 연결되는 기능으로 서버, API, 어드민, 클라이언트 등 여러 영역을 함께 수정해야 했다. 가장 많은 시간이 든 것은 코드 검토가 아니라 개발 전 준비와 동료들과의 소통이었으며, 백엔드 개발자가 비개발자를 위해 만든 가이드 문서 덕분에 개발 환경 세팅과 구체적인 질문이 가능했다. 출시 후 첫 외부 광고에서 노출수와 클릭수 등 목표 수치 대비 200% 이상을 달성했고 이후에도 안정적으로 운영되고 있다.

뱅크샐러드 기술블로그뱅크샐러드2026-10-15백엔드AI·MLAI 요약

뱅크샐러드 금융쇼핑 PA 서버 Tech Lead가 Go로 작성된 서비스에 DDD-lite와 클린 아키텍처를 적용한 경험을 공유한다. 뱅크샐러드 서버는 대부분 Go로 구성되어 있으며, AI 코딩이 확산되는 환경에서 이러한 아키텍처 적용이 어떤 차이를 만드는지 다룬다.

토스 테크비바리퍼블리카2026-10-14인프라백엔드AI 요약

토스증권 Data Infra팀은 Spark Connect 서버들을 용도별로 묶은 테넌트 단위로 운영하며, 대화형 분석과 대용량 파이프라인처럼 용도에 따라 이미지, 자원, Spark 설정, replica 수를 다르게 지정했다. 개별 서버의 실행과 장애 복구는 Apache Spark Operator가 맡고, 여러 SparkApplication을 하나의 서비스로 관리하는 역할은 자체 개발한 Spark Tenant Operator가 담당하도록 두 계층으로 역할을 나눴다. SparkTenant에 원하는 설정과 서버 수를 선언하면 Tenant Operator가 이에 맞춰 SparkApplication들을 관리하는 방식이다. 이어서 서버 교체 과정과 장기 실행 중 겪은 Driver 메모리 문제도 다룬다.

토스 테크비바리퍼블리카2026-10-13조직·문화일반AI 요약

토스뱅크 예적금 디자이너 장서영이 '키워봐요 31일적금'이 만들어진 과정을 소개한다. 디자인 챕터의 자유 아이디어 시간인 OOTB에서 사용자가 은행에 애착을 갖고 자주 들어오게 할 방법을 고민하다, 저금할수록 캐릭터가 자라는 기존 '키워봐요 적금'을 다시 살려보기로 했다. 처음에는 마을 주민 돕기나 우주선 고치기 같은 게임 스토리를 구상했지만, 저금과 스토리 사이에 억지스러운 연결이 필요하다는 점을 깨닫고 결국 '키우기' 컨셉으로 되돌아왔다.

토스 테크비바리퍼블리카2026-10-13AI·ML인프라AI 요약

토스 AI Platform 팀은 모델 연동, 권한 확인, 사용량 집계처럼 여러 서비스에서 반복되는 작업을 플랫폼이 처리하도록 만들었습니다. GenAI Portal에서 모델 사용 신청과 설정을 관리하고, 실제 호출은 서비스와 모델 사이에서 요청을 처리하는 GenAI Gateway가 맡으며, 사내 도구 호출 시 실행 권한은 MCP Gateway가 확인합니다. Portal에서는 모델별 가격과 사양을 비교하고 리더보드로 공개 벤치마크 점수와 사내 서빙 환경의 응답 지연 시간을 구분해 볼 수 있습니다. 사용할 모델을 정하면 프로젝트 단위로 사용을 신청해 담당자, 실행 환경, 예산, 사용량 제한을 등록하고 API 키를 발급받으며, 권한과 비용, 사용량을 프로젝트 기준으로 통합 관리합니다.

토스 테크비바리퍼블리카2026-10-12인프라데이터베이스AI 요약

토스증권 Data Infra 팀은 벡터 검색 워크로드를 지원하기 위해 Milvus 기반 검색 환경을 구성하면서, 온프레미스 인프라 특성상 서비스 적용 전에 필요한 CPU와 메모리 규모를 가늠해야 했습니다. 임베딩 모델별 벡터 차원, 검색 결과 개수, 품질 목표, 데이터 갱신 빈도가 워크로드마다 달라 공개 벤치마크의 처리량만으로는 실제 장비에서의 성능을 예측할 수 없었습니다. 이에 인덱스와 검색 설정을 바꿔가며 품질과 처리량을 비교하고 검색 중 CPU·메모리 사용 양상을 분석했으며, CPU와 메모리 배치를 조정해 같은 서버에서 검색 품질을 유지하면서 처리량을 41% 높였습니다. 여기에 검색 설정, 벡터 차원, 서버 수를 바꿔가며 측정한 결과를 더해 서버 사이징 기준을 마련했습니다.

토스 테크비바리퍼블리카2026-10-12인프라데이터AI 요약

토스증권 Data Infra 팀은 벡터 검색 워크로드를 위해 Milvus 기반 검색 환경을 구성하면서, 온프레미스 인프라에 필요한 CPU와 메모리 규모를 사전에 가늠해야 했습니다. 워크로드마다 임베딩 모델의 벡터 차원, 검색 결과 개수, 품질 목표, 데이터 갱신 빈도가 달라 공개 벤치마크의 QPS만으로는 자사 장비에서의 처리량과 지연시간을 알 수 없었습니다. 이에 인덱스와 검색 설정을 바꿔가며 품질과 처리량을 비교하고 검색 중 CPU·메모리 사용 양상을 분석했으며, CPU와 메모리 배치를 조정해 같은 서버에서 검색 품질을 유지하면서 처리량을 41% 높였습니다. 이 결과와 검색 설정, 벡터 차원, 서버 수를 바꿔가며 측정한 데이터를 종합해 서버 사이징 기준을 마련했습니다.

NHN Cloud MeetupNHN2026-10-12AI·ML일반AI 요약

호메로스의 고전 오디세이아를 AI로 번역한 판본에서 고대 그리스인이 현대 비속어와 유행어를 사용한 것처럼 번역된 사례가 포착돼 논란이 됐다. 2026년 4월 2일 KBS는 NASA 아르테미스 2호 발사를 생중계하며 실시간 AI 번역을 사용했는데, 관제 교신 용어 'Roger, roll, pitch'가 여성 비하 비속어가 섞인 자막으로 송출됐고 로켓 자세 제어에 관한 문장이 변기 회전과 관련된 내용으로 오역됐다. KBS는 오류를 인지한 즉시 자막을 가리는 조치를 취하고 공식 사과했다. 글은 이 두 사례가 단순한 음성 인식 오류 때문만이 아니라 AI가 관제 교신·공영 방송·생중계라는 맥락을 고려하지 않고 번역한 데서도 비롯됐다고 분석하며, 이것이 예외적인 해프닝이 아니라는 연구도 있다고 언급한다.

카카오 기술블로그카카오2026-10-11AI·ML조직·문화AI 요약

if(kakao)26이 10월 13일과 14일 양일간 카카오 AI 캠퍼스에서 열린다. 현장 참석이 어려운 사람들을 위해 키노트를 포함한 모든 발표 세션이 온라인 라이브 스트리밍으로 제공되며 누구나 시청할 수 있다. DAY 1에는 키노트와 함께 AI 시대의 개발자 신뢰와 안전, AI 방향성과 상생·성장, Model & Agent 등을 다루는 세션이 예정되어 있다.

NAVER D2네이버2026-10-08백엔드인프라AI 요약

이 글은 Airflow가 task 실행을 위해 fork 방식으로 프로세스를 생성하면서 발생하는 두 가지 문제를 다룬다. PoC 환경에서 CeleryExecutor의 worker 프로세스 메모리가 시간이 지날수록 계속 증가하는 현상과, MySQL 환경에서 dag-processor가 간헐적으로 재시작되는 현상이 나타났다. 두 증상은 겉보기에 달랐지만 추적 결과 Python의 GC가 fork와 상호작용하면서 발생하는 공통 원인으로 귀결되었다. 글은 Memray를 활용해 worker 프로세스 메모리 증가 원인을 분석하는 과정과 문제 해결, 그리고 Airflow 프로젝트에 기여한 과정을 설명한다.

NHN Cloud MeetupNHN2026-10-08인프라AI·MLAI 요약

NHN Cloud는 AI 학습 실행과 GPU 자원 운영·관리를 하나의 콘솔에서 처리하는 설치형 멀티테넌트 솔루션 GPU Live를 소개했다. GPU 클러스터 운영 시 자원 배분, 학습 실행 자동화, 사용 이력 추적과 접근 통제가 동시에 요구되는 문제를 하나의 솔루션으로 해결하려는 시도라고 설명한다. 온프레미스와 클라우드 어디에나 설치 가능하며, 망분리가 필수인 공공·금융 환경부터 다수 팀이 GPU를 공유하는 기업·연구기관까지 사용할 수 있다고 밝혔다. 글에서는 GPU Live의 동적 할당 기술, 학습 실행 자동화, 운영·통제 도구와 솔루션 구조를 다룬다.

NAVER D2네이버2026-10-07프론트엔드일반AI 요약

네이버가 코딩 전용 글꼴 D2 Coding의 새 버전을 공개했다. 이번 업데이트에서는 기존 빗금이 들어간 숫자 0 대신 중앙에 점이 들어간 0을 선택해 사용할 수 있는 기능이 추가됐으며, OpenType의 cv01 기능이나 ss01 스타일 세트로 적용할 수 있다. 또한 일부 크기에서 글자가 기준선보다 한 픽셀 위에 표시되던 문제와 마침표 의미를 다르게 보이게 하던 리거처 네 종류가 수정·제거됐다. 이전에 공개된 개선 사항들도 포함되어 한글 주석이 포함된 줄에서 코딩 리거처가 적용되고, Keynote의 불필요한 기호 표시 문제와 터미널 내 기호 폭 불일치 문제도 함께 해결됐다.

NAVER D2네이버2026-10-07프론트엔드모바일AI 요약

VS Code 공식 채널이 취리히 팀의 Monaco Editor 개발부터 오픈 소스 전환, GitHub Copilot의 Ask·Edits·Agent Mode 등 AI 기능 도입까지를 다룬 다큐멘터리를 공개했다. Shopify는 React Native로 전면 도입했던 모바일 앱을 코딩 에이전트의 생산성 향상을 이유로 다시 Swift와 Kotlin 네이티브로 전환한다고 발표했으며, Shop 앱을 12주 만에 재구축하고 Helix라는 검증 시스템을 구축했다. 토스 Front AI 팀은 웨비나에서 E2E 테스트 자동 생성 시도의 실패 이후 디바이스 팜 조작 도구와 replay 도구 등을 만들어 AI 결과물을 검증해 온 과정을 공유했다. 이 외에 오픈소스 디자인·프로토타이핑 도구 penpot 소식도 함께 소개됐다.

당근 테크블로그당근마켓2026-10-06데이터베이스인프라AI 요약

당근 DB팀은 미사용 인덱스를 INVISIBLE로 전환하는 작업이 메타데이터만 건드려 부하가 없다고 알려져 있었지만, Aurora MySQL의 Reader 인스턴스에서는 버퍼풀이 통째로 무효화되며 CPU와 ReadIOPS가 동시에 튀는 현상을 발견했다. Writer는 영향이 없었던 반면 Reader에서만 문제가 나타났으며, Aurora는 인스턴스와 스토리지가 분리되어 Writer가 redo 로그를 전달하고 Reader가 자신의 버퍼풀을 갱신하는 구조임을 배경으로 짚었다. COPY나 rebuild를 동반하는 INPLACE 알고리즘의 DDL은 tablespace가 새로 생성되어(SPACE id 변경) Reader가 갖고 있던 기존 tablespace의 캐시 페이지가 소멸하는 원리를 설명했다. 이후 DDL 종류별로 현상을 재현해 AWS에 리포트했고, 이는 엔진 결함으로 확인되어 다음 릴리즈에 수정 사항이 반영되었다.

당근 테크블로그당근마켓2026-10-06AI·ML모바일AI 요약

당근 모바일실 Test Automation Engineer가 테스트 자동화 플랫폼 QAHub를 만든 과정을 소개한다. QAHub는 테스트를 만들고 관리하고 실행하는 전 과정을 담고 있으며, 흩어진 테스트 기록을 한곳에 모으는 것에서 시작해 QA가 아닌 팀원도 테스트를 실행할 수 있게 발전했고, 지금은 AI가 테스트를 만들고 실행하는 AI Tests로 확장되고 있다. 사용자가 한 문장을 입력하면 AI가 테스트 Flow를 만들고 실제 기기에서 앱을 조작해 테스트를 수행하며, Flow에는 정해진 동작을 수행하는 코드 스텝과 화면을 보고 판단하는 AI 스텝이 함께 들어갈 수 있다. 채팅 같은 기능은 기기 두 대로 테스트하고, 만든 Flow는 저장해 재실행하거나 정식 리그레션 테스트로 편입할 수 있다.

무신사 테크무신사2026-10-05백엔드일반AI 요약

무신사 오프라인 스토어는 입장 대기를 위해 매장 입구 태블릿에 전화번호를 입력하는 외부 웨이팅 솔루션을 써왔으며, 이 방식은 고객이 매장에 설치된 태블릿에서 직접 입력해야 해 현장 방문 여부가 자연스럽게 확인됐습니다. 무신사는 이미 잘 동작하던 이 솔루션 대신 자체 웨이팅 서비스를 만들기로 하고, 식별자를 전화번호에서 무신사 회원 계정으로 바꿨습니다. 외부 솔루션은 필요한 기능을 갖췄지만 접수 문구와 알림이 외부 채널을 거치고 대기 기록이 제3자에 남는 점이 아쉬웠고, 대기 이력을 회원 계정에서 이어서 관리하려면 자체 서비스 안에서 운영해야 했기 때문입니다. 이렇게 태블릿을 없애고 회원 계정 기반으로 바꾸면서, 고객이 실제로 매장에 와 있는지를 확인하는 새로운 과제가 생겼고 이를 해결하기 위한 접수 기준 설계와 현장 테스트 과정을 다룹니다.

LY Corporation TechLINE·야후재팬2026-10-02AI·ML데이터AI 요약

게임 퍼블리싱 기능을 개발·운영하는 Game Platform실 소속 이형중, 김민희, 정소영 님이 작성한 글이다. 이들은 A2A 구조를 기반으로 한 대화형 BI 애플리케이션을 개발한 경험을 소개한다. 글은 LLM이 생성한 SQL을 신뢰하고 실행하기까지의 과정을 다룬다.

무신사 테크무신사2026-10-01백엔드인프라AI 요약

무신사의 트래픽이 많은 한 서비스에서 장애가 발생해 분석하던 중, 커넥션 풀이 고갈되고 요청이 주기적으로 한꺼번에 실패하는 현상이 발견됐다. 스레드 덤프를 확인한 결과 다수의 스레드가 표준 출력에 로그를 쓰는 과정에서 멈춰 있었는데, OS 파이프 버퍼가 가득 차 쓰기가 막히면서 데이터베이스 커넥션을 쥔 채 대기하다 서비스 전체가 정지된 것이었다. 이 로깅 방식은 모든 사내 서비스가 로그를 JSON으로 구조화하고 OpenTelemetry를 통해 trace_id와 span_id를 자동으로 채워 분산 추적을 지원하도록 만든 전사 표준 로깅 라이브러리에서 비롯됐다. 팀은 이 문제를 간단한 커스텀 Appender로 해결했다고 밝혔다.

카카오 기술블로그카카오2026-10-01AI·ML데이터AI 요약

글쓴이는 데이터 분석 에이전트를 만들면서 얻은 컨텍스트 설계 노하우를 소개합니다. LLM 에이전트는 목표가 주어지면 필요한 정보를 찾고 적절한 도구를 선택해 실행한 뒤, 그 결과를 관찰해 다음 행동을 결정하는 방식으로 동작합니다. Anthropic이 공개한 실험 사례로, Claude Sonnet 모델로 Claude.ai를 재현한 실험과 Claude Opus 기반 에이전트가 Rust로 리눅스 커널을 빌드할 수 있는 C 컴파일러를 개발한 사례가 언급됩니다. 이러한 사례들은 모델 성능이 높아지면서 에이전트가 점점 더 자율적으로 작업을 수행할 수 있게 되는 흐름을 보여줍니다.

토스 테크비바리퍼블리카2026-10-01AI·ML백엔드AI 요약

토스 쇼핑 추천 시스템은 Retrieval 단계에서 각 모델이 다음 단계로 넘기는 상품 수인 TopK를 그동안 ML Engineer의 경험에 따라 정해왔는데, 새 리트리벌 모델이 추가될 때마다 후보 수가 계속 늘어나 랭킹 단계의 평가량과 광고 유효성 검사 비용이 함께 커지는 문제가 있었습니다. 후보가 많으면 좋은 상품을 놓칠 가능성은 줄지만 응답 시간이 늘고 점수 낮은 후보가 뒤 단계까지 살아남을 가능성도 커지며, 모델마다 만들어내는 가치가 달라 모든 모델의 후보를 같은 비율로 줄이면 가치 있는 상품을 잃을 수 있었습니다. 이에 토스 Commerce Personalization Team은 TopK 결정 문제를 조합 최적화 문제로 바꿔 풀고 온라인 실험으로 검증했습니다. 그 결과 전체 후보 수를 약 절반으로 줄이면서도 User CVR은 7.55%, 사용자당 주문 수는 10.13% 높일 수 있었습니다.

NAVER D2네이버2026-09-30AI·ML일반AI 요약

네이버 사내 Tech Meetup에서 발표된 세션으로, 에이전트 개발 과정에서 워크플로우, 하네스, Context, Memory, MCP, A2A 같은 용어가 사람마다 다르게 쓰여 논의가 겉도는 문제를 다룹니다. Anthropic, OpenAI, MCP, A2A 스펙 등 원문 자료를 다시 읽고 실제 사례를 확인하며 개념을 정리한 내용을 공유합니다. 네이버TV 서비스 종료로 관련 영상은 네이버 클립 채널로 이동되었습니다.

당근 테크블로그당근마켓2026-09-30프론트엔드모바일AI 요약

당근마켓 동네걷기팀은 걸음 수 기록 서비스 홈 화면에서 OS 권한 팝업, 모달, 바텀시트 등 다양한 오버레이가 서로의 존재를 모른 채 독립적으로 각자 조건에 따라 스스로 뜨려고 하면서 한 화면에 여러 UI가 동시에 겹치는 문제를 겪었다. 신체활동 권한 안내, 알림 설정 유도, 온보딩 가이드, 걸음 수 알림 모달, 연속 방문 모달, 프로모션 오버레이 등이 앱버전이나 네이티브 권한 상태, 서버 응답 같은 웹뷰 바깥 맥락에 따라 발화하지만, 사용자에게는 한 번에 하나씩 순서대로 보여야 한다는 요구사항이 있었다. 기존에는 각 컴포넌트가 다음에 무엇이 와야 하는지를 직접 알고 연결하는 방식으로 해결했으나 이 구조는 비용이 컸다. 글에서는 이 복잡도를 어떻게 재정의하고 풀어나갔는지의 과정을 다룬다.

딜리버리히어로 코리아요기요2026-09-30AI·ML조직·문화AI 요약

요기요 기술 블로그의 Product Engineer 시리즈 3편으로, 프론트엔드 개발자였던 필자가 처음으로 Swift 제품 코드를 다루며 겪은 경험을 다룬다. 주문상세 화면에 추가한 광고가 10초마다 새로고침되는 문제로 6월 2일 iOS 릴리즈 브랜치에 되돌리기 PR이 올라왔고, AI로 코드를 고치는 것만으로는 수정이 맞는지 확신할 수 없었다는 점을 병목으로 짚는다. 필자는 게임 서비스 요기월드(기획부터 프론트엔드·백엔드까지)와 주문상세 빅사이즈 광고(iOS·Android 네이티브 코드) 두 프로젝트를 맡았으며, 이 글은 두 프로젝트에서 결과가 맞는지 확인하는 검증 작업에 초점을 맞춘다. 요기월드에서는 코드 작성 전 기준과 범위를 정하고, 첫 주는 PRD와 사업 모델만 작성했으며, 이후 서버 없이 점수와 퀘스트를 기기에 저장해 재미 여부부터 확인하는 방식으로 개발을 진행했다.

토스 테크비바리퍼블리카2026-09-30AI·ML일반AI 요약

토스뱅크 비주얼 디자이너가 '키워봐요 적금'의 다람쥐 캐릭터 9종과 화면을 만든 과정을 소개한다. 초기 버전은 자동이체로 캐릭터가 저절로 자라 리텐션이 떨어졌고, 새 버전은 사용자가 직접 저금해야만 캐릭터와 이자가 성장하도록 구조를 바꿨다. 이를 위해 캐릭터 자체의 매력과 직접 키운다는 감각이 필요했고, 101명의 연습생 중 9명을 추리듯 AI를 활용해 다수의 시안을 만들었다. 매력·지혜·힘 스탯 조합에 따라 최종 캐릭터의 성격과 콘셉트를 먼저 정하고, 이를 바탕으로 표정·의상·소품·조명 등을 담은 프롬프트를 만들어 노드 기반 AI 이미지 툴로 반복 테스트했다.

NAVER D2네이버2026-09-29데이터인프라AI 요약

네이버는 사내 Hadoop 플랫폼 C3의 Hive Metastore를 업그레이드하면서 물리 서버 배포를 쿠버네티스 컨테이너 배포로 전환하는 작업을 함께 진행했다. 스테이징 환경에서 검증하던 중 Spark 잡이 Thrift 예외로 실패했고, 원인을 추적한 결과 Metastore의 Thrift 인터페이스에서 get_table RPC가 사라진 것이 확인됐다. 해결을 위해 IDL 두 줄과 서버 구현 일부를 수정했으며, 이 과정에서 Thrift 생성 코드를 어디까지 확인해야 변경이 끝나는지에 대한 논의도 다뤄졌다. 이 문제는 Hive와 Spark 사이의 오래된 버전 호환성 맥락과 얽혀 있었다.

NHN Cloud MeetupNHN2026-09-27AI·ML조직·문화AI 요약

작성자는 AI 세션을 새로 열 때마다 팀 정보를 처음부터 다시 설명해야 하는 상황에 문제를 느끼고, AI를 진짜 팀원처럼 만들기 위해 한 달간 '하네스'를 직접 다듬는 과정을 기록했다. 처음에는 서비스 목록, 코드 저장소, 운영 작업, 배포 프로세스를 파일 하나에 모두 적어 넣으면 될 줄 알았지만, 내용이 계속 늘어나 파일이 500줄을 넘어서면서 배포 프로세스 하나를 물어봐도 비효율이 발생하는 문제를 겪었다. 이러한 시행착오를 거치며 구조를 다듬어간 결과, AI가 실제로 팀원처럼 동작하기 시작했다는 긍정적인 경험을 전한다.

토스 테크비바리퍼블리카2026-09-23AI·ML프론트엔드AI 요약

토스뱅크 전세대출 팀은 사용자가 화면 설명을 이해하고도 확신이 없어 고객센터에 단순 문의를 반복한다는 점을 데이터로 확인했다. 서류 제출 방법 등은 이미 화면에 설명돼 있었지만, 사용자가 자신의 상황에 맞는지 판단하지 못해 상담 인력이 붙잡히고 심사까지 지연되는 문제로 이어졌다. 이에 화면이 먼저 설명하는 방식 대신 사용자가 자기 말로 묻고 제품이 상황에 맞게 답하는 방식으로 방향을 바꾸고, 머신러닝 팀과 대출 운영팀이 함께 AI 상담 기능을 설계하게 됐다.

카카오 기술블로그카카오2026-09-22AI·ML데이터AI 요약

카카오는 세그먼트 단위로 동작하던 기존 추천 로직을 유저 개인의 히스토리를 반영하는 개인화 랭킹 모델로 교체하는 프로젝트를 진행했다. 다양한 서비스에 쌓이는 방대한 콘텐츠와 유저 데이터를 효과적으로 연결하는 것이 추천의 핵심 역할이며, 특히 유저에게 얼마나 맞는 콘텐츠를 보여주는지가 서비스 체류시간과 만족도에 직결되는 문제로 다뤄졌다.

토스 테크비바리퍼블리카2026-09-22모바일프론트엔드AI 요약

토스뱅크는 홈 화면 입출금 영역 하단에 배치했던 자산관리 리포트 배너의 클릭률이 낮은 문제를 겪었다. 계좌 정보와 리포트 추천이 같은 자리에서 시선을 나누다 보니 사용자가 리포트를 함께 지나치기 쉬웠다는 점을 원인으로 파악했다. 말풍선 형태로 제안하거나 자산 상태를 먼저 보여준 뒤 상품을 제시하는 등 표현 방식을 바꿔봤지만 화면이 복잡한 문제는 그대로였다. 이에 웹사이트의 툴팁 구조에서 아이디어를 얻어, 계좌 정보 화면은 그대로 두고 자산 상태 제안을 그 위에 뜨는 플로팅 카드로 분리하는 방식을 적용했다.

토스 테크비바리퍼블리카2026-09-22모바일AI·MLAI 요약

토스 앱은 매주 새 버전을 배포하는데, 이 과정에서 플랫폼별로 여러 RC 빌드가 나올 때마다 회원가입, 로그인, 자산, 송금 등 핵심 화면을 사람이 직접 확인하는 스모크 테스트가 반복되어 왔다. 토스 QA Platform 팀은 이를 자동화하기 위해 토스닥터라는 도구를 만들어 운영해왔으며, 초기 버전은 SLASH 컨퍼런스에서 소개된 바 있다. 그러나 매주 운영하는 과정에서 테스트를 새로 짜는 데 손이 많이 가고, 화면이 조금만 바뀌어도 테스트가 쉽게 깨지며, 실패 원인을 사람이 하나하나 확인해야 하는 불편이 쌓였다. 이에 팀은 코드 생성 방식, 화면 요소 탐색, 실패 판단, 수정 방법과 실행 환경을 개편해 사람은 시나리오 형식으로 검증할 내용만 작성하고 LLM과 Appium MCP를 활용해 실제 디바이스에서 실행 코드로 변환하도록 했으며, 이 과정에서 화면과 UI 트리 전체를 AI에 전달할 때 토큰 처리 문제가 발생하기도 했다.

토스 테크비바리퍼블리카2026-09-21프론트엔드일반AI 요약

토스뱅크의 한 프로덕트 디자이너가 은행 지식 없이 해외송금 기능 출시를 맡으면서, 후발주자로서 수수료를 낮추는 것이 최선인지 의문을 품고 실제 해외송금 경험자들을 인터뷰했다. 인터뷰 결과 사용자들은 수수료보다 송금 후 며칠간 정보 입력이 맞았는지, 돈이 어디에 있는지 알 수 없는 불안감을 더 크게 느끼고 있었다. 이를 통해 팀이 원래 답으로 정해두었던 '싼 수수료'보다 '불안하지 않은 송금'이 사용자가 진짜 원하는 가치라는 결론에 이르렀고, 이 인터뷰 결과를 팀에 공유했다.

토스 테크비바리퍼블리카2026-09-18모바일일반AI 요약

토스뱅크 프로덕트 디자이너가 미성년자를 위한 저축 기능을 만들며 겪은 고민을 소개한다. 리서치 결과 10대는 저축을 결심해도 충동을 참기 어려워 돈을 써버리는 패턴을 반복했고, 이는 발달심리학의 이중 시스템 모델로 설명되는 자연스러운 현상이었다. 이에 아이들 스스로 목표금액을 채우기 전엔 돈을 꺼내기 어렵게 해달라는 피드백을 남겼고, 이를 바탕으로 잠금 저금통 기능이 기획됐다. 팀은 잠금을 얼마나 어렵게 풀리게 할지를 두고 다양한 아이디어를 모았으며, 그중 저금통을 두드려 깨는 방식이 특히 좋은 반응을 얻었다.

LY Corporation TechLINE·야후재팬2026-09-18AI·ML데이터AI 요약

LINE Ads의 데이터 분석 플랫폼 개발팀이 광고 매출 및 KPI 변화를 분석하는 리포트 작성 업무를 AI 에이전트로 자동화한 사례를 소개한다. 광고 매출은 상품, 광고주, 캠페인 집행 변화에 따라 매일 변동하는데, 이러한 분석 업무에서 LLM에게 어느 범위까지 맡길 것인지를 다룬다.

카카오 기술블로그카카오2026-09-16조직·문화일반AI 요약

글은 컨퍼런스에서 발표를 들은 뒤 더 자세히 묻고 싶어지는 순간들을 언급하며, 같은 공간에서 발표를 듣고 비슷한 고민을 가진 사람을 만나 경험을 나누는 것이 컨퍼런스에 모이는 이유라고 설명합니다. 잘 정리된 발표에서도 배움을 얻지만, 발표 이후 이어지는 대화에서 뜻밖의 실마리를 찾을 수 있다는 점을 강조합니다. if(kakao)26 컨퍼런스에서의 네트워킹 경험에 관한 내용을 다루고 있습니다.

토스 테크비바리퍼블리카2026-09-16AI·ML일반AI 요약

토스 LLM Modeling 팀은 범용 리더보드 점수가 높은 모델이라도 실제 토스 업무에서 동일하게 잘 작동한다는 보장이 없다는 문제의식에서 Toss Benchmark를 만들었습니다. 이는 한정된 GPU 자원에서 서빙할 모델을 선별하고 Toss Foundation 모델이 갖춰야 할 능력을 정하기 위한 기준입니다. 토스는 커머스 카탈로그 생성, 입점 판매자 지원 음성 에이전트, 가맹점 심사·정산 지원, 광고 검수·운영, 금융상품 이해·상담 등 금융을 넘어 커머스·광고·사내 개발까지 폭넓은 영역에서 LLM을 활용하고 있습니다. 이러한 도메인별 업무 특성을 반영해 모델을 평가하기 위해 자체 벤치마크를 구축했습니다.

토스 테크비바리퍼블리카2026-09-15인프라AI·MLAI 요약

토스증권 Data Infra 팀과 ML Platform 팀은 기존 쿠버네티스 기반 플랫폼 위에서 GPU 워크로드를 운영하기 위해 쿠버네티스가 GPU를 자원으로 인식하고 할당하는 GPU-aware 단계를 먼저 구축했습니다. 이후 노드가 준비 상태여도 개별 GPU에 오류가 있을 수 있는 문제, 점검 후 노드 재투입 시점 판단, 서비스별로 다른 자원 요구량에 맞춰 GPU를 나누고 배치하는 문제 등 운영 과정에서 드러난 과제들을 해결해 나갔습니다. 이렇게 GPU 상태를 검증하고 검증된 노드에만 워크로드를 배치하며 필요한 단위로 자원을 나눌 수 있는 상태를 GPU-native라고 정의하고, 여러 팀이 함께 쓰는 멀티테넌트 GPU 클러스터로 발전시켰습니다. 이 과정에서 필요한 경우 업스트림 쿠버네티스 프로젝트에도 기여했으며, 쿠버네티스 자체의 동적 자원 할당 기능 발전과도 맞닿아 있는 지점을 함께 소개합니다.

NHN Cloud MeetupNHN2026-09-14AI·ML일반AI 요약

AI 번역 기술이 콘텐츠 제작, 업무 등 일상생활 전반에 자리 잡고 있다는 내용이다. 넷플릭스는 2026년 초 주주 서한에서 자막 로컬라이제이션 등 콘텐츠 제작·홍보 전 과정에 AI를 도입하겠다고 밝혔고, 유튜브는 2025년 9월 화자의 억양과 톤까지 재현하는 AI 다국어 더빙 기능을 정식 출시했으며 이를 사용한 채널은 시청 시간의 25% 이상이 원어 외 언어권에서 발생했다. 2026년 3월 출시된 삼성 갤럭시 S26에는 카메라로 비춘 메뉴판이나 실시간 영상 위에 번역문을 그대로 덧씌우는 오버레이 번역 기능이 추가되었다. 글쓴이는 번역가로서 클로드나 제미나이 같은 AI를 활용해 번역 지침과 용어집을 참고한 초벌 번역을 맡기고 사람이 검수하는 방식이 늘고 있다고 전한다.

LY Corporation TechLINE·야후재팬2026-09-11백엔드일반AI 요약

LINE Plus의 LINE VoIP Service Dev 팀과 ABC Studio 서버 개발자가 참여해 정리한 Tech-Verse 2026 참관기입니다. 두 필자는 각각 LINE VoIP Service Dev 팀과 ABC Studio에서 서버 개발을 담당하고 있다고 자신을 소개합니다. 발췌에는 행사에서 다뤄진 구체적 세션 내용이나 발표 주제는 포함되어 있지 않습니다.

인프랩 기술블로그인프런2026-09-10프론트엔드AI·MLAI 요약

인프런이 자막·더빙에 이어 영상 화면에 등장하는 글자까지 번역하는 화면 번역 기능을 준비하고 있으며, DeNA × AI Day 2026 등 일부 강의에 이미 적용되었고 앞으로 새로 추가되는 강의에도 실험적으로 적용할 예정이라고 밝혔다. 구현 방식은 원본 영상은 그대로 재생하면서 글자가 있던 영역을 배경색과 같은 박스로 덮어 원문을 가리고 그 위에 번역된 글자를 같은 자리에 겹쳐 그리는 오버레이 방식이다. 이 방식은 영상 인코딩과 무관하게 언어를 추가할 수 있고 오역 발견이나 번역 파이프라인 개선 시 데이터만 수정하면 바로 반영되며, 번역 텍스트만 별도로 전송해 네트워크 부담도 적다는 장점이 있다고 설명했다. 인프런은 이 원리가 구글 렌즈와 유사하지만, 실시간 응답이 필요한 렌즈와 달리 영상을 미리 분석해두기 때문에 처리 시간 제약이 적고 품질 최적화나 사전 보정이 가능하다는 차이가 있다고 덧붙였다.

토스 테크비바리퍼블리카2026-09-09프론트엔드AI 요약

토스뱅크 프론트엔드는 Next.js Pages Router를 주로 사용해왔지만 이 라우터가 유지보수 모드에 들어가면서, 다음 기술 스택으로 App Router와 React Server Components를 검토하는 기술그룹을 2025년 가을에 꾸렸다. 이들은 실제 서비스를 옮겨보며 매주 막히는 지점을 공유했고, 컴포넌트별로 데이터를 가져와 준비된 영역부터 보여주는 방식이 토스 앱 웹뷰 환경에서도 유효한지 직접 지연 시간을 주고 렌더링 시점을 측정했다. 그 결과 Chromium과 WebKit 엔진의 첫 콘텐츠 표시 시점에 큰 차이가 나타났고, WebKit은 마지막 영역이 준비될 때까지 화면 표시를 미루는 특성이 있어 별도 우회가 필요했다. 검토 끝에 기술그룹은 얻을 수 있는 이득에 비해 전환과 유지 비용이 크다고 판단해 App Router 도입을 하지 않기로 결론지었다.

인프랩 기술블로그인프런2026-09-08인프라AI·MLAI 요약

인프랩은 자막 번역, 강의 상세 생성, 학습 에이전트 등 여러 서비스에서 LLM API를 사용하면서 모델 교체 주기가 짧아 놓치면 장애로 이어지고, 비용도 AWS 비용의 상당 부분을 차지하는 문제를 겪었다. 서비스마다 제공 업체를 직접 호출하다 보니 API 키가 흩어지고 사용량 파악도 어려워, 모델 선택과 키 관리, 사용량 관측을 한곳으로 모으는 사내 AI Gateway를 구축하기로 했다. Envoy AI Gateway, LiteLLM Proxy, Portkey AI Gateway를 셀프 호스팅 및 무료 플랜 기준으로 비교한 결과, 예산·rate limit·관측성·비용 트래킹 등에서 유료 전용 기능이 없는 곳은 Envoy AI Gateway뿐이었다. CNCF 프로젝트라는 점이 예산 정책, 사용량 추적, 인증 같은 통제 장치를 통합하는 데 결정적인 선택 기준이 되었다.

토스 테크비바리퍼블리카2026-09-08AI·ML백엔드AI 요약

토스뱅크 ML 엔지니어가 Coding Agent 도입 후 겪은 코드 스타일 문제를 다뤘습니다. 사람과 달리 에이전트는 전체 코드 맥락을 보지 못해 팀의 코딩 규칙을 잘 지키지 못했고, 리뷰마다 말로 알려주는 방식은 팀 약속을 개인의 기억에 의존하게 만들었습니다. 이에 프로젝트 루트에 AGENTS.md 같은 Global Instruction 문서를 두어 세션 시작 시 에이전트가 읽도록 했지만, 세션이 길어질수록 초반에 읽은 규칙보다 최근 작업 내용에 더 의존하는 이른바 Lost in the Middle 현상이 나타나 규칙 준수가 흐트러졌습니다. 필자는 이 문제의 해법으로 Agent Loop 안에 별도의 Feedback Loop를 추가하는 방식을 찾았다고 언급했습니다.

카카오 기술블로그카카오2026-09-07인프라AI·MLAI 요약

if(kakao)2026 행사 둘째 날에는 키노트를 제외하고 안정성과 인프라, 거버넌스, AI-DLC, Model & Agent 주제를 다루는 총 30개의 기술 세션이 진행됩니다. 안전성과 인프라 세션 중 하나로 백정태, 정원천이 발표하는 '유휴 서버를 찾다가 Hybrid Cloud까지 갔습니다'는 카카오가 비용 가시화에서 Unit Economics로 나아가는 FinOps 여정을 다룹니다. 해당 세션은 서버 사용률을 살펴 유휴 자원을 줄이려던 시도가 단순하지 않았던 과정을 소개합니다.

카카오 기술블로그카카오2026-09-07AI·ML일반AI 요약

if(kakao)2026 행사 첫째 날에는 AI 방향성, 신뢰와 안전, Model & Agent, 상생과 성장을 주제로 키노트를 제외한 총 23개의 기술 세션이 진행됩니다. AI 방향성 세션에서는 류민호, 한규빈 발표자가 단 한 번의 학습으로 4개의 Small Dense Model Family를 개발한 Kanana SLM 개발 노하우를 공유합니다. 발췌에는 세션 전체 목록 중 일부만 소개되어 있으며, 나머지 주제별 세션 내용은 언급되지 않았습니다.

토스 테크비바리퍼블리카2026-09-07조직·문화AI·MLAI 요약

이 글은 토스 테크니컬 라이터(TW)가 제품을 만드는 일이 무엇을 의미하는지 필자의 경험을 통해 설명한다. 필자는 Knowledge System Team을 이끌며 개발자, 디자이너, TW와 함께 제품 방향과 로드맵을 정하고, 사용자 인터뷰를 직접 진행하며 기능을 기획하고 AI 도구를 활용해 직접 구현하기도 한다. TW가 단순히 문서 관련 요구사항을 전달하는 역할이 아니라 제품 의사결정에 참여하고 제품 구축을 돕는 메이커로 일하는 이유는, 제품 자체가 문서와 지식을 다루기 때문이라고 설명한다. TW들은 오랫동안 좋은 문서의 조건과 AI가 활용하기 좋은 정보 구조에 대해 고민해오며 나름의 기준을 쌓아왔다.

토스 테크비바리퍼블리카2026-09-07조직·문화일반AI 요약

토스의 테크니컬 라이팅 챕터 리드 한주연이 테크니컬 라이터(TW)들이 단순 문서 작성을 넘어 조직 전반의 지식을 관리하는 시스템을 설계하는 역할로 확장해온 과정을 다루는 시리즈를 시작한다. 업무 중 '왜 이렇게 만들어졌는가'라는 질문이 반복되지만, 코드를 작성한 사람을 찾거나 오래된 스레드를 뒤져야 하고 때로는 물어볼 사람조차 없는 상황이 생긴다는 문제를 제기한다. AI 활용이 늘어날수록 AI가 조직 고유의 맥락과 역사를 알지 못한다는 한계가 더 두드러지며, 코드는 결과만 보존할 뿐 왜 그렇게 만들어졌는지는 담지 못한다는 점을 지적한다.