AI(인공지능)는 현대 사회에서 중요한 기술로 자리 잡고 있습니다.그러나 이 기술이 발전함에 따라 다양한 윤리적, 사회적 문제가 대두되고 있으며, 이에 대한 해결책으로 Responsible AI 개념이 중요해지고 있습니다.이 블로그에서는 Responsible AI의 정의와 특징, 그리고 이를 다양한 기술 기업들이 어떻게 적용하고 있는지 설명합니다.또한, 시스템 설계 표준인 ISO 42001이 Responsible AI에 어떻게 기여할 수 있는지도 알아보겠습니다.Responsible AI는 AI 시스템의 개발, 배포, 사용 과정에서 윤리적이고 신뢰할 수 있으며 사회적으로 바람직한 결과를 보장하기 위한 원칙과 방법론을 의미합니다.AI가 사회와 사람들에게 긍정적인 영향을 미칠 수 있도록 설계, 훈련, 그리고 운영하는 것을 목표로 합니다.이는 AI 시스템이 안전하고 공정하며 투명하게 작동할 뿐만 아니라, 개인정보 보호 및 인간의 자율성을 존중하는 것까지 포함하는 폭넓은 개념입니다.• None 윤리성 (Ethical AI): AI 시스템이 윤리적으로 작동하고 사람들에게 해를 끼치지 않도록 보장하는 것이 핵심입니다.• None 공정성 (Fairness): AI가 편향 없이 작동해야 하며, 특정 집단이나 개인에게 불리하게 작용하지 않아야 합니다.• None 투명성 (Transparency): AI의 의사결정 과정이 이해 가능하도록 투명하게 공개되어야 하며, 결과에 대해 설명할 수 있어야 합니다.• None 책임성 (Accountability): AI 시스템의 행동과 결과에 대해 책임을 질 수 있는 구조를 마련하는 것이 중요합니다.• None 보안성 및 프라이버시 보호 (Security & Privacy): 데이터와 시스템의 보안성을 강화하고, 개인 정보 보호를 위한 조치를 취해야 합니다.• None 신뢰성 (Reliability): AI가 다양한 환경에서 일관되게 신뢰할 수 있는 결과를 도출해야 합니다.ISO 42001은 AI 관리 시스템에 대한 국제 표준으로, AI 시스템이 공정하고 투명하게 관리되도록 돕습니다.이 표준은 AI 시스템의 개발, 운영, 모니터링 전반에 걸쳐 윤리적 책임과 관리 체계를 구축하는 데 중점을 둡니다.• None AI 위험 관리: AI 시스템의 개발과 운영 과정에서 발생할 수 있는 윤리적, 기술적 위험을 관리하는 체계를 제공합니다.• None 지속적인 모니터링: AI 시스템이 일관되게 공정하고 투명하게 작동하는지 모니터링하고, 문제가 발생하면 이를 신속하게 해결할 수 있는 프로세스를 포함합니다.• None 데이터 및 개인정보 보호: AI 시스템이 처리하는 데이터의 보안과 프라이버시를 보호하는 메커니즘을 마련하여 개인정보 침해 위험을 줄입니다.ISO 42001이 Responsible AI에 기여하는 방식ISO 42001은 AI 시스템의 공정성, 투명성, 책임성을 관리하기 위한 표준화된 방법론을 제공함으로써, AI가 윤리적이고 책임감 있게 운영되도록 돕습니다.이를 통해 기업은 AI 기술을 신뢰할 수 있게 만들고, 사용자가 안심하

이 글은 Perplexity (https://www.perplexity.ai/)와 함께 작성하였습니다.SKT고객은 Perplexicy Pro를 1년간 무료로 이용할 수 있습니다.: https://perplexity.sktadotevent.com/SPDX(Software Package Data Exchange)는 소프트웨어 구성 요소, 라이선스, 저작권 및 보안 정보를 표준화된 방식으로 전달하기 위한 오픈 표준입니다.SPDX 3.0은 이 표준의 최신 버전으로, 2024년 4월에 출시되었으며 소프트웨어 공급망의 투명성과 보안을 크게 향상시키는 중요한 업데이트입니다[2].SPDX의 정의와 목적SPDX는 Linux Foundation의 프로젝트로, 소프트웨어 패키지와 관련된 중요 정보를 공유하기 위한 표준 형식을 제공합니다. 주요 목적은 다음과 같습니다:• None 라이선스 컴플라이언스 개선SPDX 3.0은 이전 버전에 비해 큰 변화를 가져왔습니다:• None 모듈화된 구조: SPDX 3.0은 코어 모델과 여러 프로필로 구성되어 있어, 다양한 사용 사례에 유연하게 대응할 수 있습니다.• None 확장성 개선: 새로운 버전은 사용자 정의 필드와 관계를 쉽게 추가할 수 있어, 미래의 요구사항에 대응할 수 있습니다.• None 다양한 프로필 지원: 소프트웨어, 보안, 라이선스, 빌드, AI/ML 등 다양한 프로필을 제공하여 특정 도메인의 요구사항을 충족시킵니다.• None 향상된 데이터 모델: 엔티티 간의 관계를 더 명확하게 표현할 수 있어, 복잡한 소프트웨어 구조를 더 정확하게 기술할 수 있습니다SPDX 3.0은 다음과 같은 이유로 기업의 오픈소스 관리에 중요합니다:• None SBOM 생성 표준화: 소프트웨어 부품 목록(SBOM) 생성을 위한 표준 형식을 제공하여, 조직 간 정보 교환을 용이하게 합니다.• None 규제 준수 지원: 미국 NTIA의 SBOM 최소 요구사항을 충족하며, 다양한 국제 표준 및 규제에 부합합니다.• None 보안 강화: CVE 정보와의 통합을 통해 취약점 관리를 개선하고, 소프트웨어 공급망 보안을 강화합니다.• None 글로벌 표준화: ISO/IEC 5962:2021로 채택되어 국제적으로 인정받는 표준이 되었습니다[2].SPDX 3.0은 소프트웨어 개발 및 배포 과정에서 투명성, 보안, 컴플라이언스를 크게 향상시키는 강력한 도구입니다.기업의 오픈소스 관리자는 이 표준을 이해하고 적용함으로써, 조직의 소프트웨어 관리 프로세스를 현대화하고 리스크를 줄일 수 있습니다.SPDX 3.0은 소프트웨어 패키지 데이터 교환의 최신 버전으로, 이전 버전에 비해 크게 개선된 기능을 제공합니다. 주요 핵심 기능은 다음과 같습니다:SPDX 3.0은 모듈화된 구조를 도입하여 유연성과 확장성을 크게 향상시켰습니다[1][5]. 이 구조는 다음과 같은 요소로 구성됩니다:• None 코어 모델: 모든 SPDX 문서의 기본이 되는 핵심 요소들을 정의합니다.• None 프로필: 특정 사용 사례에 맞춘 추가 정보와 기능을 제공합니다.이러한 모듈화된 접근

여러분, chatGPT 서비스 아시죠? 이제는 모르시는 분이 없는 유명한 LLM(Large Language Model) 서비스 중 하나지요.2022년 OpenAI가 GPT 3.5를 발표한 이후 LLM에 대한 관심이 폭발하면서 우리 일상 생활은 물론, 대부분의 산업영역에서도 혁신을 가져오고 있습니다.그 중 이번 블로그에서는 검색서비스 영역에서의 변화를 중점적으로 다루고자 합니다.1. 2022년 GPT 3.5 등장 이후 LLM 서비스까지의 흐름• None 2022년 11월 30일, OpenAI가 GPT-3.5 기반의 ChatGPT를 공개하면서 대규모 언어 모델(Large Language Model, LLM)에 대한 전 세계적인 관심이 폭발했지요.• None GPT-3.5는 GPT-3의 후속 모델로, 1750억 개의 파라미터를 가진 GPT-3에 비해 더욱 발전된 추론 능력과 포맷팅 능력을 보여주었습니다.• None ChatGPT의 등장은 LLM을 활용한 대화형 AI가 일반 대중들에게 얼마나 사람과 유사하게 상호작용할 수 있는지를 보여주는 계기가 되었고, 이는 앞으로 LLM을 활용한 대화형 AI가 튜링 테스트를 통과할 수 있을 만큼 발전할 것이라는 기대감을 불러일으켰습니다.• None GPT-3.5의 성공에 자극받은 여러 기업들이 LLM 개발 경쟁에 뛰어들었습니다. 2022년 설립된 Anthropic은 대표적인 경쟁사 중 하나로 떠올랐는데요, Anthropic은 OpenAI 출신 인재들이 설립한 회사로, 2022년 4월 5억 8천만 달러의 투자를 유치하며 순조로운 출발을 보였고 2023년 3월 Claude를 공개하며 ChatGPT의 경쟁 모델로 부상했습니다.• None 한편, Meta도 2023년 2월 학계에 LLaMA 모델을 공개하면서 오픈소스 LLM 열풍에 가세, 경쟁을 촉발시켰습니다. 이후 Google에서도 2023년 12월 Gemini를 발표했고, 그 외 다양한 오픈소스 LLM 모델들도 시장에 등장했습니다.• None LLM의 발전은 검색 서비스에도 영향을 미쳤습니다. 2023년 4월 출시된 Perplexity는 LLM을 활용한 검색 서비스로 주목받았고, 출시 후 빠르게 인기를 끌며 4월 기준 10억 달러 이상의 기업가치를 인정받았습니다.• None OpenAI 역시 2024년 7월 SearchGPT라는 AI 검색 프로토타입을 공개했습니다. SearchGPT는 웹 정보와 AI 모델을 결합해 빠르고 정확한 답변을 제공하는 것이 특징인데요, 퍼블리셔와 제휴를 통해 양질의 콘텐츠를 검색 결과에 노출시키는 한편, 추후 ChatGPT에 SearchGPT의 장점을 접목시킬 계획입니다.• None Gartner에서도, “Predicts 2024: How Gen. AI Will Reshape Tech Marketing (‘23.12)” 에서 26년까지 기존 검색의 25%가 Gen. AI(LLM) 검색으로 대체될 전망으로 리포팅했습니다.• None 이렇게 최근 화두가 되고있는 LLM 검색 서비스 시장의 주요 서비스 및 player는 누가 있을까요?• N

주요내용24년의 10월 소식에서는 다음과 같은 유용한 정보들을 만나보실 수 있습니다.Why did OpenAI move from Next.js to Remix?ChatGPT 웹사이트가 Next.js에서 Remix로 전환한 이유는 무엇일까요? 공식적인 OpenAI의 입장은 없지만, 관련된 내용을 잘 정리한 영상을 소개합니다.Flutter Web or React Native Web: Who Will Win the Battle?가장 인기 있는 크로스 플랫폼 도구인 Flutter와 React Native 대결의 승자는 누가될까요? 두 프레임워크를 비교해 봅니다.JavaScript Generators Explained, But On A Senior-LevelJavaScript Generator는 강력한 기능이지만 자주 사용되지는 않습니다. Generator를 깊이 있게 다루고 주요 사용 사례를 소개합니다.HaystackHaystack은 편집 중인 코드와 연결된 다른 코드를 별도 편집창으로 연결할 수 있습니다. 코드의 흐름을 이해하는 데 필요한 부분만 집중해서 볼 수 있습니다.>> FE News 24년 10월 소식 보러가기 ◎ FE News란? 네이버 FE 엔지니어들이 엄선한 양질의 FE 및 주요한 기술 소식들을 큐레이션해 공유하는 것을 목표로 하며, 이를 통해 국내 개발자들에게 지식 공유에 대한 가치 인식과 성장에 도움을 주고자 하는 기술소식 공유 프로젝트 입니다.매월 첫째 주 수요일, 월 1회 발행 되고 있으니 많은 관심 부탁드립니다.▷ 구독하기

이번 에이닷 개편에서도 홈 에이전트의 기획을 수많은 기획자, 개발자분들과 함께 수행했습니다!LLM 향으로 전환하면서 기존 기능을 포함하여 검색 기능을 도입하는 방향으로 프로덕트를 개선했는데요,본 게시글은 제가 집중적으로 참여했던 에이닷 홈 에이전트 내 ‘음식점, 카페 추천’을 위주로 작성하였습니다.이번 개편에서 <에이닷 홈 에이전트>는 function call이라는 방법을 채택하여 기획-개발되었습니다.그렇다면 function call이란 무엇일까요?Open AI에서 2023년 출시한, 함수 호출을 통해 내외부 API를 적극적으로 활용할 수 있는 방법론입니다.기존의 LLM은 사전 학습된 데이터를 기반으로 사용자에게 응답을 제공하기 때문에직접적인 검색 기능을 활용한 LLM이 아닌 이상 hallucination을 방지할 수 없다는 어려움에 봉착해 있습니다.논리적으로 생성된 응답을 제공하더라도 사실에 기반한 데이터가 아니라면사용자에게는 다소 유용도가 떨어질 수 있다는 단점이 존재했는데요,이런 점을 보완하기 위해 function call이라는 방법론으로 에이전트를 구현하게 된 것입니다!아래 그림의 구조처럼 <1.사용자의 발화를 분석 → 2. 발화에 해당하는 function을 호출→ 3. function과 연계된 API 호출하여 값 반환 → 4. 최종 응답 생성> 의 과정을 지나게 되는데요,이렇게 구현한다면 기존에 학습된 데이터 뿐 아니라 실제 값을 가져오는 내외부 api를 활용할 수 있습니다.즉, API를 호출해서 실존 데이터를 가져온다는 특장점이 있다는 것이죠.음식점, 카페 추천의 경우 기존에 운영하고 있는 DB를 기반으로 추천 목록을 LLM에게 주면,LLM은 사용자의 앞뒤 발화 맥락과 요청에 따라 스스로 판단하여 맛집을 추천합니다!각 Function에 대한 정의, 그리고 Function에 속하는 parameter를 정의하고,그렇게 분류 및 추출된 parameter를 기반으로 에이전트는 스스로 어떤 도구(tool)를 선택해설명을 위해 위 open ai 문서에 나와 있는 사례를 간략히 설명드리겠습니다.다음의 코드는 ‘get_delivery_date’라는 함수(function=tool)를 활용하고 있습니다.사용자의 요청에 정확도 높은 응답을 낼 수 있도록 각 함수의 이름,정의, 파라미터, 시스템 메시지까지 전부 기획과 프롬프팅의 영역이 되는 것입니다.• None 해당 함수의 설명 : 함수의 정의 - LLM은 이것을 보고 사용자 요청을 처리하기 위한 도구(함수)를 선택하게 됨.• None 필수로 추출해야 하는 parameter(properties) : 함수 object 내에 정의되어 사용자 발화 속에서 추출해야 하는 parameter• None system message : LLM이 참고해야 하는 agent의 특성• None 사용자 요청 : agent가 수행해야 하는 사용자의 발화(요청)2. 에이닷 홈 에이전트에서 음식점, 카페 추천은…기존의 에이닷은 single-turn, 즉 단건 by 단건으로 요청을 처리했기 때문에대화가 이어지면서 사용자의 의도

시작 하며 (생성형 AI라는 매기의 등장)최근 미드저니에 대해 학습하게 되었다. 대학교 동아리로 미술 동호회 활동을 했고, 최근에도 미술 작품을 동호회 전시회에 출품한 적이 있어서 관심이 많은 편이다.내가 그렸지만 프롬프트로 그려진 그림들이 신기하다.딸이 아빠의 작품을 보고 걱정하는 눈치다. 딸은 대학교에서는 동양화를 전공하고 현재 대학원에서 시각디자인을 전공하고 있다.요즘 어느 분야에 있으나 느낄만한 생각이다.누군가가 한 말인데 요즘 마음에 많이 와닿는 말을 꺼냈다.19세기 영국의 역사학자 아놀드 토인비는 강연 등에서 ‘메기 효과’라는 말을 즐겨 사용했다고 한다.영국의 수산 시장에서 과거에는 살아 있는 청어를 볼 수 없었다고 한다. 북해 연안에서 잡은 청어를 이송하는 과정에 성미 급한 청어가 죽기 때문이었다.그런데 어느 날부터 살아 있는 청어가 보이기 시작했다. 유럽 어부들이 수조에 천적인 메기를 넣어서 청어가 살아남기 위해 몸부림 쳐서 살아있는 채로 운송할 수 있게 되었다는 것이다.이 이야기에서 만들어진 용어가 ‘메기 효과’인데 새로운 강적의 출현으로 생태계의 변화가 일어날 때 기존 개체들의 생존력이 더욱 건강해진다는 뜻으로 자주 사용된다.최근 ‘생성형 AI’라는 메기가 나타났다. 이 ‘생성형 AI’를 다루는 기술을 배우고 익히지 않으면 이 새로운 생태계에서 도태될 것이고, 이를 잘 다루면 더욱 건강해 질 것이다.내친 김에 생성형 AI를 잘 다루는 기술들에 대해 학습한 내용들을 가능한 초보자들도 이해하기 쉽게 정리해 보고자 한다.LLM의 원리와 프롬프트 엔지니어링그렇다면 생성형 AI라는 메기를 다루는 기술은 어떤 것들이 있을까?프롬프트 엔지니어링, 랭체인(Langchain), 라마인덱스(LlamaIndex), 파인튜닝 등 새로운 용어와 기술들이 계속해서 등장하고 있다.일단 LLM의 원리를 이해하고 이를 잘 다루는 기술들을 살펴보자.LLM의 원리와 프롬프트에 대한 이해LLM(Large Language Model)의 원리는 한마디로 말하면 Next token prediction이다. 쉽게 설명하면 다음 단어를 잘 예측하도록 학습되어진 모델이다.'token': 컴퓨터가 이해하는 단어라고 생각하면 된다. chatGPT는 사람에게는 1개의 단어로 보이지만 컴퓨터는 3개의 단어(chat, G, PT)로 인식한다.보통은 위 문장이 나오면 아래와 같은 단어를 생각한다.그런데 The students opened their …. 라는 문장이 나오면 약간 복잡해 진다.the students opened their 다음에 오는 단에 대해 확률적으로 높은 가능성을 가진 단어 중에 선택하는 형태가 될 것이다.이런 상황에서 다음 단어를 잘 맞춘다는 것은1. 문법을 이해하고,2. 세상의 다양한 분야에 대해 이해를 하고 있으며.3. 상황(Context)에 대한 이해를 하고 있어야 한다.LLM은 일단 세상의 많은 글들이 사전에 학습 되어 있어서, 1번과 2번 조건은 충족되어 있다고 보아야 할 것 같다.3번에 대해서는 사용자가 입력하는 프롬프트로 상황을 파악해서 답변

Greetings from OP.GG! Every year, OP.GG designs personalized gift sets for our employees and stakeholders. These gifts represent more than just a gesture; they are a meaningful way to express our gratitude and respect, an opportunity to send a heartfelt message. We start by selecting a concept based on key themes or the message we […]

2024년 가을, 카카오 개발자 컨퍼런스 if(kakao) 소식을 전해드립니다.일정: 2024년 10월 22일(화)~24일(목), 3일간장소: 카카오AI캠퍼스 (지도 보기)참여: 국내 개발자, 예비 개발자, 개발 커뮤니티 멤버 등 카카오의 기술에 관심있는 모든 분들주요 특징:– AI 시대를 바라보는 카카오만의 새로운 관점 (3일간 키노트/패널톡 진행)– 다양한 기술 경험을 함께 나누는 소통의 장 (3일간 90여개 기술 발표 세션과 전시/부...

에이닷에서 파인튜닝을 통해 각 도메인별 특화 데이터를 추가 학습시켜 맞춤형 모델을 만들고 있지만실시간으로 업데이트 되는 동적인 데이터에 대한 대응 그리고 할루시네션 억제, 모델 외부 데이터의 대한 접근을 위해서는 RAG 기능 활용하는게 옳은 선택이라고 합니다.RAG 기능 구현에 있어 VectorDB는 필수 솔루션이며, 여러 VectorDB 중에서 현재 플랫폼에서 스테이징으로 이용하고 있는 Qdrant 구축 내용을 공유하고자 합니다.일반적인 Cloud 솔루션, Kubernetes , Docker 방식이 아닌 정통(?) 방식의 source tarball를 이용한 컴파일 및 Qdrant Cluster 구성방식 입니다.위 링크 내용과 같이 Qdrant 설치에 있어 추천하는 Production 방식은 Qdrant Cloud, Kubernetes Helm, Qdrant Kubernetes Operator, Docker and Docker Compose 입니다.플랫폼에서는 대부분 On-premise 환경을 이용하기 때문에 Kubernetes와 Docker 방식이 적합한걸로 판단되었습니다.현재 내부 정책상 Redis, MongoDB, MySQL, Kafka 등 플랫폼에서 사용하는 주요 stateful 솔루션은 독립된 서버 호스트를 이용 Cluster로 구성하여 이용하고 있습니다.단일 솔루션의 장애가 다른 솔루션으로 전파되는걸 방지하는 목적이며, 그렇기 때문에 Kubernetes 방식은 차선택으로 우선순위가 밀리게 되었습니다.Docker 방식으로 구성을 검토하면서, Qdrant github의 Dockerfile 내부에서 소스파일 컴파일을 진행하는걸 확인했습니다.위 내용을 보면서 추가적인 Docker 레이어 없이 프로세스를 직접 컨트롤 할 수 있는 바이너리 형태로 서비스 운영이 가능하다고 판단하여 source tarball를 이용한 소스컴파일로 서비스 구성을 결정하였습니다.소스 컴파일은 Qdrant에서 추천하는 방식은 아닙니다. 그렇기 때문인지 컴파일을 위한 설명이 매우 미비합니다.Qdratn Github의 Dockerfile을 참고하여 컴파일 과정을 이해 하였고 아래 내용부터는 해당 과정을 정리하였습니다.• None Node : Cluster 구성을 위해 Baremetal 노드 3대 (VM구성시 최소 메모리는 6GB 이상 필요)• None 서비스 운영 환경에 따라 스펙이 변경되어야 하므로 상세 스펙은 생략• None 컴파일시 실제 메모리 사용이 6GB이상 발생하는것 확인 되었습니다.• None Network : 각 노드가 Master 역할을 하며, HA 위해 L4 스위치 이용하는걸 추천합니다.라이브러리 및 소스 다운로드로 위해 모든 노드들은 임시로 Outbound Any Open 된 상태가 되어야 합니다.참고로 Qdrant Github releases 에서 x86_64 범용 바이너리를 패키지를 제공하나 RHEL 8.x , RHEL 9.x , CentOS Stream 9 에서는 gcc 및 주요 라이브러리 버전 이슈로 사용이 어렵습니다.Qdrant는 Rus

오피지지는 매년 임직원과 이해관계자를 위한 맞춤형 선물 세트를 디자인을 해왔습니다. 선물을 보내는 이유는 우리의 감사와 존경을 전할 수 있는 중요한 기회이자 단순한 선물이 아닌 진심을 담은 메시지를 전달할 수 있는 기회이기때문입니다. 오피지지는 전달하고자 하는 메시지나 주요 테마에 맞춰 컨셉을 선정하고, 패키징부터 각 개별 아이템까지 세심하게 디자인하죠.오피지지가 지난 2년 간 디자인한 선물 세트를 소개해드리겠습니다.2023년은 60간지 주기의 40번째 해인 검은 토끼의 해였습니다. 2023년도에는 이를 기념하기 위해 검은색 테마로 제작하였습니다. 2023년은 특히 코로나 팬데믹에서 벗어나는 해이기도 했기에, 갇혀 있던 좋은 에너지가 다시 순환하기를 바라는 마음으로 원형의 모티프를 사용했습니다.• 구성원을 위한 특별한 2023 설 선물 : 바로가기OP.GG와 함께 게임을 시작하세요!오피지지는 언제나 새로운 방식으로 게임을 즐길 수 있는 방법을 제공하며, 서드파티 게임 산업에 신선한 에너지를 불어넣고 있습니다. 우리의 궁극적인 목표는 게임이라는 문화를 더 풍부하고 재미있게 만드는 것입니다.선물에서는 순수하게 게임을 즐기던 어린 시절의 향수를 불러일으키고, 그 시절의 기쁨과 행복한 추억을 다시 떠올릴 수 있기를 바랐습니다.• 게임을 담은 오피지지의 추석선물 엿보기! : 바로가기2024년도 첫 선물은 겨울의 추위를 지나 따뜻한 봄을 맞이하는 전환점을 의미하는 선물로 골라봤습니다. 오피지지에게도 새로운 계절을 맞이하기 전에 몸과 마음을 재충전할 무언가가 필요한 시기였죠.2024년 새해 선물의 컨셉은 평온함를 찾고 봄의 태동을 느끼는 아이디어에서 영감을 받았으며, 꽃과 차를 통해 재생의 느낌을 담아내고자 했습니다.• 오감으로 즐기는 오피지지 2024 설 선물 : 바로가기음식은 그 자체로도 훌륭하지만, 올바른 양념이나 향신료를 더하면 요리를 완벽하게 만들 수 있습니다.2024년 긴 연휴 선물의 테마는 ‘마법의 레시피’로, 연휴 동안 가족과 함께 더 맛있는 음식을 즐길 수 있기를 바라며 다양한 향신료를 담은 세트를 제작했습니다. 오피지지 역시 게임업계에서 게임을 더 풍요롭게 하는 향신료와 같은 역할을 하고 있기에 이번 연휴에 잘 어울리는 선물세트라 생각합니다. 이번 ‘마법의 레시피’ 선물 세트를 통해 오피지지가 게임을 풍요롭게 하는 것처럼, 여러분의 연휴도 더욱 풍성하셨기를 바랍니다.지난 2년 동안 오피지지의 아이덴티티를 담아 내외부 구성원분들께 감사의 마음을 전할 수 있어 기뻤습니다. 앞으로도 이러한 감사의 기회를 더 많이 만들어 나가겠습니다. 오피지지가 앞으로도 어떻게 오피지지다움을 보여줄지 지켜봐 주시면 감사하겠습니다.