최근 챗봇과 AI Agent를 함께 활용하는 구조가 빠르게 확산되고 있습니다. 하지만 서로 다른 실행 주체가 하나의 흐름으로 연결하는 데에는 여전히 한계가 존재합니다. 이 글에서는 이러한 문제를 해결하기 위해 설계한 Agent Connector 구조와 사용자 의도를 기반으로 실행 주체를 연결하는 방식을 소개합니다. OverView 최근 서비스 전반에서 챗봇
안녕하세요, Frontier AI Lab 유혜원입니다. 저희 랩은 다양한 문서를 AI가 이해하고 활용할 수 있는 형태로 변환하기 위한 AI Document Parser인 DocuSee를 개발하고 있습니다. DocuSee는 OCR, 표 검출 및 구조 인식, 레이아웃 분석, 차트 및 다이어그램 인식 등 여러 문서 AI기술을 하나의 파이프라인으로 연결해 PDF,
들어가며 안녕하세요. KT AX플랫폼본부에서 프론트엔드 개발을 담당하고 있는 유현우입니다. 이번 주제는 (사장이지 Nx Monorepo와 MicroFrontend 도입기 ) 아티클과 이어지는 내용입니다. FSD 아키텍처를 검토하고 프로젝트에 적용하기까지의 과정을 담았습니다. 아키텍처 선택 과정 FSD 아키텍처와 Atomic 패턴이 후보군이었습니다. 각각의
들어가며 안녕하세요. KT Experience Engineering 본부에서 프론트엔드 개발을 담당하고 있는 김남일입니다. 앞서 소개했다시피 “사장이지”는 슈퍼앱 형태의 대규모 프로젝트로 모바일 앱 상에서 웹 서비스가 함께 동작하는 구조로 운영되고 있습니다. (소상공인 혁신 플랫폼 ‘사장이지’ 출시 App편 ) 사장이지 프론트엔드 같은 경우 WebView
들어가며 안녕하세요. KT IT Ops본부에서 K RaaS 플랫폼을 개발하고 있는 김세진입니다. 이번달 저희 팀은 글로벌 시장을 타겟으로 새롭게 선보이는 브랜드 'K RaaS(KT Robot-as-a-Service)'와 함께 스페인 바르셀로나 MWC26의 'Physical AI Zone'을 성공적으로 운영하고 돌아왔습니다. 전 세계 관람객이 새로운 Phys
안녕하세요. KT IT Ops본부에서 K RaaS Physical AI Agent를 개발하고 있는 사봉준 선임입니다. 최근 LLM(대형언어모델)을 넘어, 물리적인 실체를 가지고 현실 세계에서 과업을 수행하는 Physical AI에 대한 관심이 어느 때보다 뜨겁습니다. 하지만 실험실이 아닌 실제 서비스 현장에 로봇을 투입하는 것은 여전히 높은 벽이 존재합니다
KT Agentic AI Lab A-Pattern부서는 Agentic Fabric[1]의 Intelligence Layer에서 핵심 구성 요소인 Model Router를 연구·개발하고 있습니다. 이전 Tech Article[2]에서는 Multi-LLM 운영 환경에서 LLM Gateway를 효율적으로 적용한 사례를 중심으로, Model Router의 서빙 관
구축된 데이터 거버넌스, 이제 AI를 위해 쓰다 안녕하세요. KT 기술혁신부문 Decision Intelligence Lab에서 D-Governance 업무를 맡고 있는 이준형, 이하연입니다. 지난 글 「1년의 여정, AI 시대를 여는 데이터 거버넌스」(2025.12.11)에서는 KT가 어떻게 데이터 거버넌스 체계를 구축했는지 공유했습니다. 표준을 세우고,
들어가며 안녕하세요, KT의 Agent 연구를 담당하는 Agentic AI Lab의 송윤성, 홍지후입니다. 저희 팀에서는 Agent를 중심으로 파생되는 다양한 기술들을 연구하고, 실제 상용화까지 적용할 수 있도록 AI Agent를 개발하고 있습니다. 이 글에서는 멀티에이전트 시스템을 프로덕션에서 운영하면서 겪는 실제 문제들과, 이를 해결하기 위해 개발한 A
1. 왜 지금 ‘Private LLM’인가? 최근 생성형 AI는 많은 기업에서 단순한 파일럿 테스트를 넘어 실제 대고객 서비스와 업무 시스템에 깊숙이 도입하고 있습니다. 그러나 도입한 대부분의 기업은 다음과 같은 공통적인 고민에 부딪힙니다. 일반적인 퍼블릭 AI 서비스(Public API)만으로는 이러한 엔터프라이즈의 요구를 모두 충족시키기 어렵습니다. 이
