김대정 · Maker

SNS를 활발히 쓰는 고객 대상 약 2주 테스트에서 기존 이용 기준 대비 방문 횟수 3.6배, 구독 유지와 상위 요금제 결제 사례로 매출 유지·확대에 기여

여러 글을 미리 확보해 두고 쓰는 사용 패턴에 맞춰 생성 완료 대기와 결과 확인 시점을 분리

• 행동 추적 데이터에서 사용자가 글을 한 건씩 발행하기보다 여러 글을 미리 확보해 두고 쓰는 패턴을 확인. 콘텐츠 생성 요청을 백그라운드 처리로 전환해 생성 중에도 다른 작업을 이어갈 수 있게 지원
• 전환 뒤 완료 결과를 확인하지 않는 후속 문제를 발견. 전체 생성 완료 30분 뒤 미확인 시 카카오톡 1회 알림을 다음 개선안으로 제안

승인 데이터의 정합성을 확보하고, 외부 발행 실패 유형에 따라 재처리·복구 경로 설계

승인·발행 정합성과 실패 복구

자료 정리·초안·1차 검수는 시스템이 반복 처리하고, 최종 수정과 예약·발행 판단은 사람이 내리는 구조로 생성 품질을 운영 이력으로 관리

글을 만드는 과정에서 어떤 역할이 무엇을 판단하는지 분리했습니다. 생성 파이프라인을 기획·작성 역할로 나누고, 콘텐츠 유형 분기를 작성 역할에 뒀을 때 실제로 수행되지 않는 문제를 확인해 기획 역할로 옮겼습니다. 생성·검수·보정 흐름은 LangGraph로 구현했고, LLM 검수의 점수·통과 여부·판단 사유·개선안을 저장해 생성과 프롬프트의 1차 품질 근거로 사용했습니다.

평가는 자동 게이트·실측 분포 대조·사람 판정으로 나눴습니다. 형식 검사를 통과한 결과라도 사람의 콘텐츠 판단은 별도로 남겼습니다. 자체 생성 결과가 다시 프롬프트 기준값의 근거가 되는 순환을 재실측으로 발견하고, 평가 기준과 문제 축을 교정한 경험도 있습니다.

콘텐츠 기준을 확인할 데이터도 직접 구축했습니다. Threads 게시물과 성과 시계열을 수집·정규화·동기화하고 전일·작성자별 비교 보고를 구현했습니다. 2026년 8월 분석 스냅샷의 십만 건 규모 URL별 최신 상태와 수백만 건 규모 시계열 관측을 구분해, 절대 조회수뿐 아니라 작성자·분야 대비 성과를 비교하는 기준을 설계했습니다. 수만 건 규모 도입부 품질 분석은 실험용 생성 프롬프트와 LLM 평가에 연결했습니다.

사람 검수 도구에서는 본문·이어쓰기와 평가를 나눠 관리하고 점수·판단 사유·검수 진행을 기록했습니다. 로컬 전체 데이터 적재와 증분 재적재에서 기존 평가 보존과 건수 정합성을 확인했습니다. 별도의 사후 시험에서는 실제 importer로 십만 건 규모 합성 원문·이어쓰기를 갱신한 뒤 전체 식별자·내용·건수를 기대값과 대조했습니다. 이어쓰기 교체 직후 오류를 넣었을 때 기존 원문이 보존되고 신규 데이터가 rollback되는 것도 확인했습니다.

기존 YouTube 소재를 가져오는 기능은 채널 조회와 DB 반영의 경계를 나눴습니다. 외부 응답을 기다리는 동안 DB 연결을 잡아 두지 않고, 조회가 끝난 뒤 저장 트랜잭션을 열어 upsert하도록 구현했습니다. 외부 실패는 채널별로 격리하고, 내부 상태를 보존하며, 성공적으로 사용한 소재를 계정별로 제외했습니다.

2026년 9월 사후 기술 검증에서는 실제 동기화 서비스와 격리 PostgreSQL DB를 사용했습니다. 비교 대상은 외부 대기를 트랜잭션에 넣은 새 비교용 구현이며 과거 제품 코드가 아닙니다. 제한된 연결 풀과 mock 외부 지연을 동일하게 둔 짧은 로컬 합성 시험에서 현재 구조가 비교군 대비 약 2배의 완료 처리량을 보였습니다. 외부 대기 중에도 독립 DB 조회가 진행되는지, 종료 후 연결이 반환되는지, 최종 저장 내용이 기대값과 같은지를 함께 확인했습니다.

외부 I/O를 저장 경계 밖에 둔 선택이 제한된 연결 풀의 경합에 미치는 영향을 확인한 사후 비교입니다.

생성 실행은 별도 AI 애플리케이션·DB로 분리하고 STG·production에서 운영했습니다. 제품 정책과 원장은 백엔드가, 생성 lifecycle과 실행 상태는 AI 애플리케이션이 소유합니다. 원장 변경과 Outbox 기록을 같은 트랜잭션에 넣고, 외부 전달은 이후 worker가 수행합니다. lease와 attempt token은 재점유한 작업의 소유권을, 전달 버전은 오래된 응답과 역순 전달을 통제합니다.

사후 격리 시험에서는 실제 승인 repository·Outbox service·Relay facade를 실행했습니다. 승인 경합의 단일 결정, 오래된 ACK·실패 응답 무효화, 외부 실패 후 최신 원장 재전달, 재시도 소진 상태 보존을 확인했습니다. 실패한 전달 작업 뒤에도 정상 작업이 진행되는지 함께 검증했습니다.

외부 AI client를 기록용 mock으로 대체한 시험으로, 검증 범위는 승인과 AI 복제본 전달의 서비스 계약입니다. 외부 발행은 별도의 복구 경계에서 다루며 작업·콘텐츠·실패 알림의 최종 상태를 함께 저장합니다.

상담 서비스가 활용하는 공통 의료 지식베이스를 구축·운영해 상담 응답 보정에 활용, 동일 인터뷰 기준 상담사 만족도 점수 약 15.6% 개선(3.2→3.7점, 5점 만점)에 기여

전문팀이 자료를 등록·검수하고 검증된 자료만 상담 서비스에 제공하도록 지식 관리·검색 기능 구축

관계형 지식 조회·문헌 검색 기반 검색 API와 검수·발행 기능을 구현

지식 등록·검수·발행과 검색 제공 구조

반복 조회 비용을 줄이기 위한 캐시 도입 효과를 합성 실험으로 먼저 검증

한 트랜잭션은 하나의 asyncio task와 AsyncSession이 소유하도록 했습니다. ContextVar로 전파된 세션에 child task가 접근하면 owner-task guard가 즉시 차단합니다. 병렬 DB 작업을 수행하려면 task별 트랜잭션과 연결 비용, 데이터 가시성·실패 복구를 먼저 결정하도록 규칙과 문서를 남겼습니다.

정상 결과만으로는 이 경계를 확인할 수 없어 취소·예외·전파·잘못된 공유를 통합 시험에 포함했습니다. 2026년 9월에는 Thready에 적용된 실제 DB 모듈을 격리 PostgreSQL DB에서 다시 검증했습니다. 정상·예외·취소가 섞인 수백 회 규모 병렬 실행의 데이터 상태와 종료 후 연결 반환을 확인했습니다.

신규 사내 프로그램은 전체 템플릿으로 시작하고 기존 제품은 DB 세션 관리부터 점진적으로 적용했습니다. 설계 결정·컨벤션·실행 문서를 coding agent가 읽는 공통 맥락으로 구성했고 기획·QA·디자인 담당자가 기능을 구현했습니다. 저는 템플릿과 기준을 만들고 구현 결과에 피드백하며 배포를 지원했습니다.

제품 운영에서는 결정·명세·구현·QA·릴리스가 같은 변경을 가리키도록 연결했습니다. 실제 완료 시점에 릴리스 승인·버전·노트 생성을 묶고, QA 팀원의 지원을 받아 요구별 근거로 PASS·FAIL·UNKNOWN을 판정하는 규칙을 설계했습니다. AI가 결과물을 생성했다는 사실과 요구를 충족했다는 판정을 구분하고, 설계·검증 기준·릴리스 판단의 책임은 사람이 갖도록 했습니다. 회사 업무 AX로 확장하는 구조 설계에는 참여했으며 제품 운영 리드와 설계 참여의 범위를 구분했습니다.