최예라 (NAVER, Applied AI Research, TL)
실제 임상 현장에서 쓰일 수 있는 의료 에이전트를 목표로, 그 기반이 되는 의료특화 LLM의 학습 및 평가 등 모델 개발 과정 전반을 담당하고 있습니다. 실제 임상/의료 현장의 요구사항을 모델 학습 목표로 어떻게 번역할 것인가에 관심이 많습니다.
[강연 내용] 의료특화 모델의 학습 및 평가
의료 LLM 개발에서 가장 어려운 부분은 학습 그 자체보다도, 평가가 현실을 충분히 대변하지 못한다는 점입니다. 공개 벤치마크의 점수가 오르는 것과 실제 임상 현장에서 유용한 모델이 되는 것 사이에는 생각보다 큰 간극이 있습니다. 본 강연에서는 의료특화 LLM을 만들며 학습과 평가의 각 단계에서 겪었던 문제들과, 그 간극을 좁히기 위해 고민하고 시도했던 내용을 공유합니다.
이성진 (채널코퍼레이션, Applied AI Engineer)
네이버에서 클로바 노트 회의록 요약, BHSN에서 계약/법률 문서 검토 등 다양한 업무 도메인에서 실제로 도움이 되는 AI 모델과 애플리케이션을 개발하고 운영해왔습니다. 신기술 개발에 그치지 않고 현장에서 가치를 가지기 위해서 각 현장의 목소리를 잘 담을 수 있어야 하며, 그 실마리는 항상 데이터에 있다고 믿습니다. 현재는 채널코퍼레이션에서 기업과 고객의 소통 과정에서 발생하는 문제를 AI를 활용하여 풀어내고 있습니다.
[강연 내용]도메인 특화 LLM 서비스: 무엇을 특화하고, 어디까지 만들 것인가?
도메인 특화 AI 서비스를 개발할 때는 문제마다 특화할 대상과 구현 범위를 정해야 합니다. 어떤 지식은 모델에 학습시키고, 어떤 규칙은 축적 가능한 데이터와 비즈니스 로직으로 구현하며, 그 선택은 정해진 원칙이 아니라 현장의 목소리를 기반으로 진행됩니다. 본 강연에서는 회의록 제목 생성부터 법률 문서 검토와 고객 상담 AI까지, 여러 업무 도메인의 문제를 풀며 모델과 제품을 발전시키며 겪은 경험을 공유합니다.
이승민 (Cohere, 스태프 솔루션즈 아키텍트)
Cohere가 제공하는 파운데이션 모델(Command, Embed, Rerank 등) 및 에이전트 플랫폼 North를 바탕으로, 금융, 제조, 공공 등 주로 보안환경에 모델과 플랫폼 배포가 필요한 엔터프라이즈 고객들과 AI 에이전트 구축을 위한 기술적 고민을 함께 하고 있습니다.
[강연 내용] 고객 프로젝트에서 알게 되는 에이전트 평가의 현실
우리 에이전트는 ‘얼마나 잘’ 동작하나요?
실제 고객과 에이전트를 구축하고 평가하는 과정에서 경험한 시행착오를 중심으로, 에이전트 평가에서 거의 항상 부딪히는 현실적인 어려움을 공유합니다. 또한 이 어려움들을 완화하기 위해 어떤 접근법이 좋을지 함께 살펴봅니다.
