30년 개발 경험을 AI 업무자동화와 레거시 시스템 개선으로 다시 연결하려 합니다

Share

초기 인터넷 붐이 시작되던 시기에 저는 개인 프로젝트로 포털 서비스 프로토타입을 만들었습니다. 그 프로젝트는 이후 네띠앙 서비스로 이어졌고, 저는 개발 총괄로서 서비스를 1,000만 명 규모까지 성장시키는 경험을 했습니다.

그 후 드림위즈를 공동창업하고 개발 책임자로 참여하면서 또 한 번 대규모 포털 서비스를 구축했습니다. 이 시기 저는 대규모 서비스의 코어 개발, 인프라 설계, 운영 안정성, 개발 조직 리딩을 깊이 경험했습니다.

이후 약 20년 동안 기술 기반 회사를 운영했습니다. 40명, 100명 규모의 조직으로 성장한 적도 있었지만, 외주 매출 의존 구조와 재정 악화로 결국 사업을 정리해야 했습니다. 돌아보면 기술적으로는 많은 것을 만들었지만, 지속 가능한 사업 구조를 만드는 데는 부족함이 있었습니다.

지금은 다시 제가 가장 잘할 수 있는 일로 돌아오고 있습니다.

현재는 국내 대기업 내부 업무용 AI 챗봇 시스템을 풀스택으로 단독 개발하고 있으며, 동시에 1인 기술 스튜디오를 준비하고 있습니다.

앞으로 제가 집중하려는 영역은 다음과 같습니다.

  • AI 업무자동화 진단
  • 내부 지식 챗봇/RAG 구축
  • 오래된 사내 시스템 개선
  • 엑셀·수기 업무 자동화
  • 외주 개발 결과물 품질검토
  • 기술감리와 아키텍처 리뷰

저는 이제 단순 개발 외주를 많이 받는 방식이 아니라, 기업의 실제 업무 문제를 진단하고, AI와 소프트웨어로 작고 확실하게 개선하는 일을 해보려 합니다.

AI 도입을 고민하지만 어디서부터 시작해야 할지 모르는 기업, 오래된 시스템과 반복 업무로 어려움을 겪는 기업, 외주 개발 결과물의 품질이 불안한 기업과 연결되고 싶습니다.

Read more

사내 챗봇은 지식 검색 도구가 아니라, 업무 흐름을 바꾸는 입구여야 합니다

사내 AI 챗봇을 만들 때 가장 먼저 떠오르는 그림은 보통 문서 검색입니다.규정집, 매뉴얼, FAQ, 공지사항, 업무 가이드 문서를 연결해 두고 직원이 질문하면 답을 찾아주는 방식입니다. 물론 이것만으로도 일정한 효과는 있습니다.반복 문의를 줄일 수 있고, 흩어진 문서를 찾는 시간을 줄일 수 있습니다.신입 직원이나 다른 부서의 업무를 잘 모르는

By Jokyun Jeong

kubernetes 환경에서 프론트엔드·백엔드·챗봇 에이전트 서버는 어떻게 구성하는 것이 효율적인가?

부제: 챗봇 서버를 프론트엔드에서 직접 호출할 것인가, 백엔드 프록시를 거칠 것인가 요약 Kubernetes 환경에서 프론트엔드, 백엔드, 챗봇 에이전트 서버를 함께 운영할 때 자주 나오는 고민이 있다. “프론트엔드에서 챗봇 서버를 직접 호출하는 것이 좋을까, 아니면 백엔드 서버를 프록시처럼 거쳐서 챗봇 서버를 호출하는 것이 좋을까?” 이 질문은 단순히 네트워크 경로의 문제가 아니다.

By Jokyun Jeong

RAG는 더 이상 “문서 검색 챗봇”이 아니다

RAG는 더 이상 “문서 검색 챗봇”이 아니다 AI 챗봇을 업무에 적용한다고 하면 가장 먼저 떠올리는 방식이 있습니다. 사내 문서, 매뉴얼, FAQ, 정책 문서를 넣어두고 사용자가 질문하면 관련 내용을 찾아 답변해주는 방식입니다. 보통 이것을 RAG라고 부릅니다. RAG는 Retrieval-Augmented Generation의 약자입니다. 쉽게 말하면, LLM이 혼자 기억에 의존해 답변하는 것이 아니라, 외부

By Jokyun Jeong