Engineering Notes
음성 AI 에이전트는 어떻게 대화하면서 일까지 처리할까
음성 AI 에이전트가 대화를 이어 가면서 예약 조회·변경 같은 업무를 처리하는 구조를 OpenAI 공식 문서로 정리했습니다. 말하는 역할과 일하는 역할의 분담, 직접 답할지 맡길지 고르는 기준, 좋은 음성 에이전트의 조건을 담았습니다.
03 / Inside ideas and technology
시장과 기술 이야기78
AI 기술을 개발하는 사람들의 관점에서 전하는 산업의 변화 이야기.
Engineering Notes
프롬프트 캐싱(Prompt Caching)이란? AI 비용을 줄이는 원리
프롬프트 캐싱은 매번 같은 입력 앞부분의 계산을 저장해 재사용하는 기능입니다. OpenAI 공식 문서로 원리, implicit·explicit 차이, 캐시 쓰기·읽기 요금 손익 계산, 캐시가 깨지는 흔한 실수 4가지와 Tool search까지 정리했습니다.
Engineering Notes
컴팩션(Compaction)이란? 긴 AI 대화가 앞 내용을 잊는 이유
컴팩션의 뜻을 OpenAI 공식 문서로 정리했습니다. 긴 AI 대화가 앞 내용을 잊는 이유, 자동·직접 컴팩션의 차이, 이전 대화를 참고하고 작업 중간에 방향을 바꿀 때 지킬 습관, 요약과 별도로 원문을 남겨야 하는 이유를 담았습니다.
Engineering Notes
음성 인식 정확도 높이는 법, 실시간 받아쓰기·통역 구성 비교
음성 인식 정확도를 높이는 방법을 정리했습니다. 발화 후 받아쓰기, 실시간 받아쓰기, 통역 구성 비교표와 항공 안내 방송 사례, 키워드·상황 설명·용어집으로 고유명사와 숫자를 바로잡는 법, 긴 녹음과 누가 말했는지 구분까지 담았습니다.
더 많은 이야기
51 개의 이야기
Engineering Notes
하네스 엔지니어링(Harness Engineering)이란? 뜻과 예시 총정리
에이전트 = 모델 + 하네스. 하네스 엔지니어링의 뜻, 프롬프트·컨텍스트 엔지니어링과의 차이, 하네스를 이루는 4가지 요소와 비개발자도 바로 만드는 작은 하네스 예시를 정리했습니다.
Engineering Notes
AI가 회의를 기억하기 시작하면 무엇을 함께 설계해야 할까?
AI가 회의를 기억하면 업무는 편리해지지만 새로운 질문도 생깁니다. 누가 기록을 볼 수 있는지, 얼마나 보관할지, 언제 삭제할지 등 AI 회의 기록과 함께 설계해야 할 신뢰의 조건을 살펴봅니다.
Engineering Notes
AI를 많이 쓰는 회사가 AI를 잘 쓰는 회사일까?
AI 사용률과 생성량이 높다고 반드시 AI를 잘 활용하는 것은 아닙니다. 기업의 AI 도입에서 중요한 것은 사용량보다 실제 업무 결과가 어떻게 달라졌는지입니다.
Engineering Notes
음성 인식 정확도 95%면 정말 정확한 걸까?
음성 인식 정확도 95%라는 숫자는 무엇을 의미할까요? 단어 오류율부터 숫자·고유명사·화자 구분까지, 실제 사용자가 체감하는 음성 인식 품질이 어떻게 결정되는지 살펴봅니다.
Engineering Notes
[AI는 어떻게 조직을 배우는가] 4.회의록 다음, Voice에서 Learning Loop까지
음성 인식의 미래는 회의록에서 끝나지 않습니다. Voice가 Context가 되고, AI Agent의 Action과 사람의 Correction이 다시 학습으로 이어지는 흐름에서 STT의 역할이 어떻게 달라지는지 살펴봅니다.
Engineering Notes
[AI는 어떻게 조직을 배우는가] 3.답변하는 AI에서 스스로 일하는 AI로
AI가 질문에 답하는 도구에서 사람이 없는 동안에도 일을 이어가는 동료로 바뀌고 있습니다. Persistent AI Coworker가 등장하면 사람의 역할과 Context의 중요성은 어떻게 달라질까요?
Engineering Notes
앞으로 인터넷의 사용자는 더이상 인간이 아닐지도 모릅니다
지금까지 인터넷 서비스의 사용자는 사람이었습니다. 하지만 AI Agent가 검색하고, 서비스를 호출하고, 구매하고, 다음 업무까지 수행하기 시작하면 인터넷의 구조도 달라질 수 있습니다.
Engineering Notes
[AI는 어떻게 조직을 배우는가] 2.매번 처음 만나는 AI에서, 개인화된 AI로
같은 AI 모델을 사용해도 결과가 다른 이유는 무엇일까요? 앞으로의 개인화된 AI에서는 모델 자체보다 사용자의 업무 방식과 과거를 기억하는 Memory와 Context가 더욱 중요해질 수 있습니다.
Engineering Notes
[AI는 어떻게 조직을 배우는가] 1.회의와 대화는 어떻게 AI의 회사 지식이 될까?
AI가 우리 회사와 제대로 함께 일하려면 더 좋은 모델만으로는 충분하지 않습니다. 회의와 대화 속에 쌓이는 맥락을 AI가 활용할 수 있어야 합니다. 대화가 어떻게 조직의 Context Layer가 되는지 살펴봅니다.
Engineering Notes
AI가 점점 똑똑해지는 이유, '압축' 기술이 바꾸는 업무 효율
AI 도구가 대화나 문서가 길어질수록 느려지는 이유와, 최근 화제인 정보 압축 기술이 업무 효율을 어떻게 바꾸는지 살펴봅니다. 회의록 정리에도 통하는 같은 원리를 다글로 사례로 소개합니다.
Engineering Notes
Headroom 완전 분석, LLM 토큰 60~95% 줄이는 오픈소스 압축 도구
LLM에 전달되는 tool output, 로그, RAG 결과, 파일 내용을 압축해 토큰 사용량을 60~95% 줄여주는 오픈소스 Headroom을 정리했습니다. 핵심 기능, 사용법, 다글로 팀이 이 흐름을 주목하는 이유까지 소개합니다.
![[개발일기] MCP 제작기 : Claude와 daglo(다글로)를 연결하기](https://cdn.sanity.io/images/ia1efdbu/production/6bf8d835eea2dfb9435a2599ae4ed128d23c9faa-800x800.png?w=1200&fit=max&auto=format)
Engineering Notes
[개발일기] MCP 제작기 : Claude와 daglo(다글로)를 연결하기
MCP(Model Context Protocol)로 Claude에 daglo STT에 연결하기