네이버

[1]“네이버에 따르면 지난 8월 쇼핑 AI 에이전트의 월간 활성 이용자 수(MAU)와 일평균 대화 수는 출시 초기인 3월의 약 5배로 늘었다. 에이전트를 거친 일평균 거래액은 같은 기간 약 4배가 됐다.”

제품 반영 L3 · 기획/PM, 개발, 사업/마케팅 · 언론 기사 · 2026-10-09 · [AI돋보기] AI가 물건 고르고 결제까지…내 카드 맡겨도 될까

[2]“그 결과 서로 다른 유형의 모델 7개를 같은 절차로 변환해 운영에 적용했고, 변환 과정에서 발견한 주의 사항 45개를 재사용 가능한 지식으로 축적했습니다.”

업무 혁신 L2 · 개발, 데이터/AI · 공식 블로그 · 2026-08-10 · 우리 팀만의 vLLM 플러그인 만들기 2편 - 모델 변환부터 배포까지 AI-native로 자동화하기

[3]“변환 절차는 convert-vllm이라는 Claude Code Skill로 구현했습니다. Claude Code Skill은 Anthropic의 코딩 에이전트 CLI인 Claude Code에서 반복 작업의 절차를 SKILL.md에 정의해 두고, 에이전트가 필요할 때 읽어 실행하는 기능입니다.”

도구 지원 L2 · 개발, 데이터/AI · 공식 블로그 · 2026-08-10 · 우리 팀만의 vLLM 플러그인 만들기 2편 - 모델 변환부터 배포까지 AI-native로 자동화하기

[4]“네이버 플레이스 AI MLOps는 지난 1년간 검색과 추천에 사용하는 스코어링 모델의 서빙 구조를 vLLM 기반으로 전환했습니다.”

조직 L2 · 개발, 데이터/AI · 공식 블로그 · 2026-08-10 · 우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기

[5]“속성 기반 감성 모델(ABSA, Aspect-Based Sentiment Analysis)의 단건 p50 지연 시간은 101.22ms에서 16.43ms로 83.8% 감소했고, CLIP 기반 이미지 랭킹 모델의 처리량은 최적화를 다섯 단계 적용하자 3.76 img/s에서 62.2 img/s로 누적 16.5배 증가했습니다.”

제품 반영 L2 · 개발, 데이터/AI · 공식 블로그 · 2026-08-10 · 우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기

[6]“배포는 KServe InferenceService로 표준화했습니다. 공통 vLLM 이미지에 플러그인 패키지, 모델 아티팩트, IO Processor 설정만 바꿔 끼우면 자동 확장, 라우팅, 관측 기능이 표준 방식으로 적용됩니다.”

도구 지원 L4 · 개발, 데이터/AI · 공식 블로그 · 2026-08-10 · 우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기

[7]“네이버 사내에서 열린 ‘모두의 Engineering Day AI 해커톤’에 참여하면서 저희도 비슷한 의문을 품었습니다. 낯선 재무 업무를 이해하고 Claude Code를 활용해 실제로 동작하는 결과물을 만들어야 하는 상황에서, 처음에는 자연스럽게 ‘AI가 무엇을 해줄 수 있을까?’부터 생각했습니다.”

도구 지원 L1 · 개발 · 공식 블로그 · 2026-07-24 · [AI 해커톤 후기] AI 해커톤 1위 팀이 AI에게 맡기지 않은 것

[8]“모두의 Engineering Day AI 해커톤’은 참가자가 각자 준비한 아이디어로 경쟁하는 일반적인 해커톤과 조금 달랐습니다. 출발점은 사내 구성원이 실제 업무에서 겪고 있는 문제였습니다.”

업무 혁신 L1 · 전 직군 · 공식 블로그 · 2026-07-24 · [AI 해커톤 후기] AI 해커톤 1위 팀이 AI에게 맡기지 않은 것

[9]“저희 팀은 사내 코드 저장소, 이슈 트래커, 위키를 사내 MCP로 연결해, AI가 직접 검색하며 사내 배포 플랫폼, 로드밸런서, 분산 DB 환경에 맞게 설정하도록 했습니다.”

도구 지원 L4 · 개발 · 공식 블로그 · 2026-07-13 · [AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략

[10]“그 결과, 매월 1시간 이상 걸리던 정산 작업을 영수증 10장 기준 약 30초, 사용자 액션 2번으로 줄일 수 있었습니다.”

업무 혁신 L2 · 운영/CS, 전 직군 · 공식 블로그 · 2026-07-13 · [AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략

[11]“네이버가 전사 차원에서 처음으로 개발자와 비개발자의 구분 없이 연 모두의 Engineering Day AI 해커톤에서 가장 흥미로웠던 질문입니다.”

업무 혁신 L1 · 전 직군 · 공식 블로그 · 2026-07-13 · [AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략

[12]“사내에는 Claude Code와 Codex가 제공되었는데, 두 에이전트의 결과를 얻고 맞춰 볼 시간이 부족했습니다. 그래서 이번 LLM 평가는 Codex 하나로 진행했습니다.”

도구 지원 L2 · 개발, 데이터/AI · 공식 블로그 · 2026-07-06 · [AI 해커톤 후기] 코드와 문서만 읽은 LLM은 어떻게 사람과 같은 팀을 1위로 골랐을까

[13]“각 팀의 저장소 주소, 커밋, 제출물 경로를 고정한 매니페스트를 준비하면 에이전트가 코드와 문서를 읽고 점수와 한 줄 평을 생성했습니다. 사람이 개입한 곳은 매니페스트를 준비하는 사전 단계와 결과 공개 시점을 정하는 단계뿐이었습니다.”

업무 혁신 L2 · 개발, 운영/CS · 공식 블로그 · 2026-07-06 · [AI 해커톤 후기] 코드와 문서만 읽은 LLM은 어떻게 사람과 같은 팀을 1위로 골랐을까

[14]“내부 솔루션만으로 구현한 서비스로 별도의 비용 없이 AI report까지 제공되는 Real User Monitoring 서비스 입니다.”

업무 혁신 L1 · 개발 · 공식 블로그 · 2026-06-29 · End to End 유저 모니터링 RUM 으로 한방에 해결!!

[15]“Kelos는 코딩 에이전트와 그 환경을 API화하고 관리할 수 있도록 해주는 오픈소스 프레임워크입니다.”

외부 공유 L3 · 개발, 데이터/AI · 공식 블로그 · 2026-06-24 · Kelos - 쿠버네티스 네이티브 자율 코딩 에이전트 프레임워크

[16]“쿠버네티스 네이티브 자율 코딩 에이전트 프레임워크 Kelos를 소개합니다. Kelos는 코딩 에이전트와 그 환경을 API화하고 관리할 수 있도록 해주는 오픈소스 프레임워크입니다.”

도구 지원 L4 · 개발, 데이터/AI · 공식 블로그 · 2026-06-24 · Kelos - 쿠버네티스 네이티브 자율 코딩 에이전트 프레임워크

[17]“수천 개의 서비스가 한정된 GPU 자원을 효율적으로 공유할 수 있도록 돕는 Automatic Sharding 기술을 소개하고, 모델 로딩 오버헤드를 제거하여 더 빠르고 안정적인 AI 모델 서빙 전략을 공유합니다.”

도구 지원 L4 · 개발, 데이터/AI · 공식 블로그 · 2026-06-23 · SNOW의 Automatic Sharding 도입기