AI / LLM
RAG 검색 품질을 좌우하는 전처리, 청킹, 임베딩, 출처 추적 흐름을 제품 구조 안에서 설계합니다.
문제를 끝까지 좁히고, 다시 쓸 수 있게 기록합니다.
데이터 분석으로 개발을 시작해 지금은 실제 서비스되는 생성형 AI의 백엔드와 RAG 흐름을 만들고 있습니다.
데이터 분석으로 개발을 시작해, 지금은 영림원소프트랩에서 실제 서비스되는 생성형 AI(K-Bot)를 개발하고 있습니다. Python·FastAPI 기반의 백엔드와 Vector DB·임베딩을 활용한 RAG 검색, Azure 기반 데이터 파이프라인을 주로 다루며, 필요할 때는 Svelte·TypeScript로 프론트엔드까지 직접 구현합니다.
기능 하나를 맡으면 문제 재현부터 설계, 구현, 배포까지 끝까지 책임지는 방식을 선호합니다. 문제를 명확히 재현하고, 상태와 경계를 분리하며, 작업 과정을 기록으로 남겨 다시 활용 가능한 형태로 정리합니다.
특정 기술에 머무르기보다 데이터, 백엔드, AI를 연결해 실제 문제를 해결하는 개발자로 성장하고 있습니다. 기술을 단순한 구현 수단이 아니라, 동료와 비즈니스가 겪는 문제를 더 명확하게 해결하기 위한 도구로 다루고자 합니다.
Experience
-
AI 개발 · 생성형 AI(K-Bot)
영림원소프트랩 AI ERP에 탑재된 생성형 AI(K-Bot)의 백엔드를 개발하며, 문서 전처리부터 Vector DB 구조 및 메타데이터 설계, RAG 답변 출처 추적까지 RAG 파이프라인 전반을 구현했습니다. 이와 함께 AI 에이전트가 자연어만으로 Google Workspace·Microsoft 365 업무를 수행하도록 하는 MCP 서버도 개발했습니다. -
데이터 분석 인턴 · SCR 공정 데이터 진단
LS전선 SCR 단선 영향인자·공정조건 데이터 레디니스 진단 프로젝트에서 데이터 처리·분석을 담당했습니다(기여도 30%). 공정 데이터를 분석해 전선 크랙 발생 원인과 패턴을 규명하고 baseline 예측 모델로 제조 시스템 개선안을 제안했습니다.
What I work with
Backend
API, 데이터 흐름을 재현 가능하고 추적 가능한 구조로 만듭니다.
Database / Vector DB
검색, 임베딩를 고려한 저장 구조를 설계하고 마이그레이션합니다.
DevOps / Infra
임베딩 API를 Azure App Service로 배포하고 Logic Apps·Blob으로 문서 인제스트 파이프라인을 구성해, RAG 서비스를 운영 환경에 안정적으로 연결합니다.
Frontend
RAG 답변의 출처 검증처럼 백엔드 흐름을 사용자가 신뢰할 수 있는 UX로 연결합니다.