자연어 질의에 최적화된 고성능 검색 기술, K RAG는 어떻게 개발되었나?
한국어 검색에 특화된 임베딩·리랭커 모델을 자체 개발한 과정과 설계 선택을 정리했습니다.
베이징에서 만난 AI의 미래 : KT × MSR 공동 워크숍 이야기 (#1편)
Microsoft Research와 함께한 공동 워크숍 참관기. 최신 연구 흐름과 협업 논의를 담았습니다.
EMNLP 2025 학회 참석 및 논문 발표 후기
자연어처리 분야 주요 학회 참석기와 논문 발표 경험을 공유합니다.
CIKM 2025 : 학회 참석 및 논문 발표 후기
정보검색·지식관리 분야 학회 참석과 논문 발표 후기를 정리했습니다.
Microsoft Ignite 2025 에서 본 최신 글로벌 Agentic 기술 트렌드 후기
Microsoft Ignite 2025 에서 본 최신 글로벌 Agentic 기술 트렌드 후기를 정리했습니다.
CES 2026 참관기: 글로벌 AI 기술 트렌드와 혁신 사례 소개 후기
CES 2026 참관기: 글로벌 AI 기술 트렌드와 혁신 사례 소개 후기를 정리했습니다.
MOSAIC: 질문에 따라 탐색하는 GraphRAG
질문의 의도에 따라 지식 그래프를 탐색하며 답변을 구성하는 GraphRAG 기술을 소개합니다.
K RAG 개발자들의 Agentic AI 부트캠프 참여기
K RAG 개발자들이 Agentic AI 부트캠프에서 학습하고 실험한 내용을 정리했습니다.
성능은 유지하고 비용은 줄이는 마트로시카 임베딩 학습
R고차원 임베딩의 표현력을 유지하면서도 필요에 따라 저차원 벡터를 활용할 수 있도록 모델을 학습한다. 이를 통해 서비스별 품질 요구와 인프라 제약에 맞춰 검색 성능, 응답 속도, 저장 비용을 탄력적으로 조절할 수 있다.
AI기반 사내지식검색서비스 “K-hub” 개발기
K RAG기반 사내지식검색서비스 개발 경험을 정리했습니다.
기업의 복잡 · 파편화된 정보에서 AI를 위한 지식 인프라로 전환
복잡한 상품데이터와 사내에 흝어져 있는 사내지식, 기업의 지식 인프라를 구축하는 경험을 소개합니다.
RAG구축 다음 단계는? 성능평가 프레임워크
RAG평가를 위한 평가데이터 자동확보, 평가기준, 평가분석 과정의 프레임워크를 정리하였습니다.
KT RAG, 산업 최적화·데이터 선순환 ‘강점’
자체 구축한 K RAG의 차별점으로 산업별 최적화가 가능한 모듈형 구조와, 운영 로그·피드백을 다시 반영하는 데이터 선순환 구조가 소개됐습니다.
KT, 에이전트 AI 청사진 발표…‘K-오픈클로’ 하반기 내부 검증
초개인화 AI 에이전트 상용화 계획과 함께, 자체 개발한 K RAG로 검색·생성·학습·실행을 아우르는 신뢰형 에이전틱 AI를 만들겠다는 구상이 발표됐습니다.
AI 검색팀은 어떻게 일하는가
문제 정의부터 PoC, 배포까지 — 우리 팀의 협업 방식과 원칙을 소개합니다.
고객의 문제에서 시작하는 제품 만들기
기술이 아니라 성과를 파는 팀이 되기까지 배운 것들.
* Tech·News는 외부 원문으로 연결됩니다. Culture 항목은 준비 중인 예시 콘텐츠입니다.