미리보기

기술 스택

기술 스택

Python

AWS

인공지능(AI)

Linux

MySQL

GitHub

경력

포트폴리오

교육

대외활동

자격증

외국어

자기소개

자기소개

[1. Why SW?: 기술 디테일은 무궁무진]

준비된 SW 전문가로서 '디테일'이라는 키워드는 저의 엔지니어링을 극대화하는 데 가장 중요한 기준입니다.

저는 앞으로의 SW 전략의 핵심은 디테일에 있다고 생각합니다. 특히, 빅데이터와 AI 기술이 보급되면서 기업이 가진 고유의 디테일은 고객의 신뢰를 지속해서 얻을 수 있는 조건이기 때문입니다.

이러한 디테일의 핵심에는 '직관성'에 있다고 생각합니다. 직관성을 현실화하거나 지향하는 기업에서 고객과의 장기적 관계를 맺을 수 있는 조건이 완성된다고 생각합니다.

2024년 시스템엔지니어 인턴쉽 때 업무 디테일을 저의 업무에 내재화한 경험이 있습니다. 스마트기기 유해 차단 서비스 IT 인프라를 운영하며 전국 교육청 전산실에서 서비스 구축 및 장애 처리를 담당했습니다. 전산실의 수많은 서버 랙 중 인상깊은 랙이 있었습니다. 랙 잠금장치, 이름표, 선 정리, 포트 잠금 확인하며 SW 뿐만 아니라 HW 디테일을 직관적으로 확인할 수 있었습니다. 그래서 제가 구축한 서버에도 이름표를 붙이고 usb 포트 잠금장치를 추가하여 HW 업무 디테일을 내재화한 과정을 통해 저만의 차별점을 만들 수 있었습니다.

[2. Why IT Planning?: 문제해결, 기술 융합, 규정 준수]

준비된 SW 전문가가 되기 위해 문제해결, 기술 융합, 규정 준수 역량을 갖추었습니다.

이러한 역량으로 기업의 경쟁력 강화, 조직문화 극대화, 리스크 관리에 기여하겠습니다.

• 역량 1. 치명적 장애를 극복한 체계적 대응 역량

  
  시스템엔지니어 인턴십 당시, 정기 점검 중 치명적인 서비스 장애를 발견했고, 신속한 분석과 대응을 통해 문제를 해결한 경험이 있습니다. 교육청 디벗 사업의 스마트기기 유해 차단 서비스 운영을 담당하던 중, 에이전트 점검 과정에서 악성 URL이 정상 URL로 잘못 판별되는 문제를 발견했습니다. 원격 접속이 불가능한 교육청 서버의 API 모니터링 결과, DB 오류가 원인임을 확인했습니다. 담당 엔지니어의 부재로 제가 직접 투입되어 문제해결을 주도했습니다. 빠른 해결을 위해 영업팀 및 개발팀과 협업하여 대응 체계를 구축했습니다. 영업팀과 협력해 교육청 전산실 방문을 위한 공문을 요청했고, 개발팀과 함께 기존 작업 로그 및 시스템 구성도를 분석하며 점검 항목을 정리했습니다. 원인 파악이 어려워 문제를 해결하지 못할 경우를 대비해 백업된 서비스 모듈과 DB로 교체하여 서비스 정상화를 목표로 교육청에 방문했습니다. 하드웨어부터 소프트웨어의 로그와 서비스 상태를 분석한 결과, 교육청의 외부망에서 발견한 네트워크 속도저하 문제로 인해 일부 DB에서 전체 업데이트 중 타임아웃이 발생한 것이 원인이었습니다. 이에 따라 백업 DB로 교체하고 증분 업데이트를 적용하여 서비스를 정상화할 수 있었습니다.
  서비스 장애를 발견하고 스스로 문제의 원인을 정의하는 과정은 저에게 큰 도전이었습니다. 시간의 압박 속에서 교차 검증을 통해 원인을 규명해야 했고, 문제 해결의 중요성을 설득하기 위한 설명과 자료도 필요했습니다. 네이버와 같은 대규모 인프라에서는 '문제 원인 정의'에 소요되는 시간을 단축하는 것이 문제 해결 능력에 필수적이라고 생각합니다.

  
  대규모 인프라에서는 '문제 원인 정의'에 소요되는 시간을 단축하는 것이 문제 해결 능력에 필수적이라고 생각합니다. 이를 위해 AIOps 플랫폼인 Dynatrace의 Causal AI와 Smartscape 기술을 활용한 실시간 장애 탐지 및 근본 원인 분석을 자동화할 계획입니다. 또한, 인프라 토폴로지 시각화를 통해 팀 협업 효율을 극대화하여 대규모 인프라에서도 신속한 회복탄력성에 기여해 안정성을 확보하는 SW 전문가가 되겠습니다.

• 역량 2. 기술 융합: AI 모델 64% -> 80%, 성능 개선과 비용 최적화
  KT AIVLE School 3기 개발자 교육과정에서 B2B 프로젝트를 수행하며, 64%의 AI 성능을 80% 이상으로 끌어올린 경험을 통해 기술의 융합으로 복잡한 문제를 해결하고 개발 시간과 비용을 줄인 경험이 있습니다. 공유 차량 업체의 차량 파손 검수 과정에서 과도한 인건비와 검수 시간 지연이 주요 이슈였습니다. 이 문제를 해결하기 위해 파손 여부를 분류하는 이미지 분석 AI 모델을 만들었습니다. 하지만 초기 약 64%의 분류 성능을 보였으며, 이를 80% 성능으로 개선하기 위해 도전했습니다. 저희 팀은 성능을 개선하기 위해 다양한 의견이 나왔습니다. 저는 한 의견으로 통일하기 위해 학습 능력이 무한대로 많아질수록 AI의 성능이 개선된다는 뉴스 기사를 통해 학습 데이터 증가의 필요성을 설득했습니다. 이를 반영하여 팀원 각자의 전공을 활용해 모듈식 아키텍처를 설계했습니다. 컴퓨터 공학 팀원의 아이디어로 직접 수집한 차량 이미지 500장을 컴퓨터과학 팀원의 데이터 증강 기법으로 학습 데이터를 10,000장으로 20배 증가시켰습니다. 또한, 산업공학 팀원의 프로세스 분석으로 이미지 압축 방식을 개선해 학습 속도 40% 향상과 컴퓨팅 자원 비용을 절감했습니다. 결과는 모델의 정확도 80%를 달성했습니다. 목표를 달성하기 위해 문제를 정의하고 팀원들의 아이디어를 적극 반영한 결과 "기술의 융합은 문제 해결의 속도와 정확성을 동시에 높인다"는 사실을 체감했으며, 부서 공통 이슈가 발생했을 때 문제 정의와 목표 설정을 명확히 하여 부서 간 협업 강화와 시너지를 극대화하는 조직 문화에 기여하겠습니다.

• 역량 3. 고객의 시간을 지키는 혁신, 체크리스트 자동화 프로젝트
  '왜 우리는 매번 동일한 문제로 고객을 기다리게 할까?'
  시스템 엔지니어 인턴십 당시, 기존의 수동 지원 방식에 대한 회의감이 들었습니다. 전화 접수 후 1:1 원격 지원으로 인해 평균 1시간의 고객 대기 시간이 발생했습니다. 3개월간의 지원 기록을 분석한 결과, 70% 이상의 문의가 인터넷 설정 오류, 방화벽 미허용 등 고객 PC 환경 문제에서 비롯됨을 확인했습니다. 이에 "고객이 스스로 1차 진단할 수 있다면?"이라는 질문을 던졌습니다. 하지만 팀 내에서는 "원격 지원이 표준 프로세스"라는 이유로 개선 논의가 없었습니다. 저는 표준을 의심하고 새로운 방식을 제안하는 것이 엔지니어의 책임이라 생각해, 체크리스트를 활용한 자동화 프로젝트를 기획했습니다.
  3주간의 기술지원 기록을 집계해 TOP 5 이슈를 시각화하고,"체크리스트 도입 시 대기 시간을 문제 해결시간으로 전환"할 수 있음을 제시 하며 팀 동의를 얻었습니다. 팀 내 누구도 시도하지 않았던 고객 참여형 프로세스를 설계하기 위해, 기술지원 문의 시 체크리스트와 문제해결 방법이 담긴 구글 드라이브 링크를 SMS로 전송해 고객 대기시간을 문제해결 시간으로 전환할 수 있었습니다.
  SW 엔지니어링 중 발생하는 장애에도, "왜 이 컴포넌트에 장애가 집중되는가?"라는 질문으로 시작해 LLM AI를 활용한 로그 패턴 분석 체계를 구축하겠습니다 특히, 인턴십에서 개발한 체크리스트의 확장성에 착안해, AI 기반 초기 진단 봇을 도입해 장애 신고 접수,자동화 진단,권장 조치 안내 프로세스를 구현하겠습니다. 이러한 프로세스를 통해 네트워크 지연 발생 시, 고객사에 진단 툴을 자동 배포해 기본 검수 후 엔지니어에게 상세 데이터 전달하여 문제의 원인을 명확히 파악할 수 있도록 하겠습니다. 또한, 체크리스트 사례처럼 "반복적 이슈,자동화 솔루션" 매핑 테이블을 만들어 팀 내 단순 업무를 자동화하여 업무에 신속히 적응하겠습니다.

[3. Future in SW전문가: 신기술 도입 중에 발생할 수 있는 리스크의 예측 가능성 향상]

준비된 SW전문가로서 '안정성과 신기술 도입의 균형'을 궁극적인 포부로 삼고자 합니다. 기업의 신기술 도입의 시작점인 IT 기획 직무에는 수많은 내,외부 위험 요소가 존재합니다. 이러한 위험이 현실화될 경우 연구, 기획, 개발, 품질, 운영 업무에도 부정적 영향을 끼치기 때문에 면밀한 검토가 필요합니다. 위험 요소는 기술, 규제, 프로젝트 관리, 인적 자원, 보안, 운영 등으로 구성된다고 생각합니다. 저는 신기술 도입 시 고객의 정보 보안 문제에 주목하고자 합니다. 고객의 정보를 지키는 것이 서비스 신뢰와 이어지는 중요한 역할이기 때문입니다. 안정성과 신기술 도입의 균형을 통해 업무환경과 고객서비스 환경을 개선하는 데 중요한 역할을 할 것이라 생각합니다. 이를 달성하기 위해서는 최근 이슈가 되고 있는 기술들에 대해 실무 측면에서의 적용 가능성을 분석/판단하는 역량이 필요하다고 생각합니다. 최근 Microsoft와 Kakao의 AI 기술 적용 사례 세미나에 참석하여 기업별 AI 기술 적용 디테일을 경험하고, 링크드인에 여러 사람과 의견을 공유하며 다각적인 기술 분석 역량을 갖추기 위해 노력하고 있습니다. 선배 사원님의 의견에 경청하고, 신입의 신선한 의견을 가진 SW 전문가 이재영이 되겠습니다.

감사합니다.