LLM 에이전트를 위한 5계층 방어: OWASP Top 10 for LLM을 실제로 구현하기
LLM 앱 보안은 "필터 하나"가 아니다. 입력·RAG·메모리·프롬프트·출력 5계층 방어와, 검색을 포기하지 않고 PII를 암호화하는 방법을 정리합니다.
AI 에이전트 플랫폼의 깊이를 공유합니다.
LLM 앱 보안은 "필터 하나"가 아니다. 입력·RAG·메모리·프롬프트·출력 5계층 방어와, 검색을 포기하지 않고 PII를 암호화하는 방법을 정리합니다.
검색은 잘 되는데 답은 여전히 어긋난다. Classic → Graph → Agentic RAG로 넘어온 이유와, AICLUDE가 실제로 구현한 방식을 정리합니다.
"LLM 호출 한 번"으로 만든 에이전트가 왜 결국 실패하는가. AICLUDE가 에이전트 실행을 8단계로 분해한 이유와, 각 단계가 어떤 실패 모드를 막는지 정리합니다.
마케팅 캠페인은 보통 "런치 → 끝"의 단발성 이벤트였습니다. 이 방식의 한계는 명확합니다. 런치 후에 배우는 내용이 다음 런치에 늦게 반영됩니다. AI 에이전트로 마케팅을 "끊이지 않는 루프"로 돌리는 방식을 소개합니다.
2025년 12월부터 2026년 3월까지 STNET과 함께 진행한 CLU Agent Station 키오스크 PoC 이야기. 단 2대의 키오스크가 642만 명 이상의 보행자를 감지하고, 먼저 말을 건 AI에게 셋 중 둘이 응답한 4개월의 기록을 제품 관점으로 정리했습니다.
매장 앞 디지털 사이니지는 그동안 "큰 TV"에 가까웠습니다. 프로그램을 올리면 재생하는 플레이어였죠. 이게 달라지고 있습니다. 광고를 스스로 기획하고, 스스로 만들고, 스스로 성과를 측정하는 "에이전틱" 사이니지를 이야기합니다.
매장 앞 키오스크가 단순 안내기를 넘어 "한 명의 직원"처럼 기능하려면 무엇이 필요할까요. 공간 속 AI 컨시어지가 진짜로 일하는 방식과, 사람 직원과의 역할 분담을 이야기합니다.
사람이 연습하고 복기하면서 실력이 느는 것처럼, AI 에이전트의 스킬도 같은 방식으로 자라게 할 수 있다면 어떨까요. 자가 진화 스킬의 아이디어를 쉽게 풀어봅니다.
AI 에이전트 도입의 큰 장벽 중 하나는 "데이터를 클라우드로 보내도 되느냐"라는 질문입니다. 우리는 이 질문에 "둘 다 됩니다. 그리고 경험은 같습니다"라고 답합니다. 그 말의 의미를 풀어 봅니다.