

AI 코딩 도구 ROI를 정확히 측정하는 4가지 핵심 지표
AI 코딩 도구의 ROI를 비용과 품질 지표로 나눠 측정하는 방법을 정리했습니다. 각 지표의 의미와 한계를 함께 살펴보며 정확한 판단 기준을 제안했습니다.


AI 코딩 도구의 ROI를 비용과 품질 지표로 나눠 측정하는 방법을 정리했습니다. 각 지표의 의미와 한계를 함께 살펴보며 정확한 판단 기준을 제안했습니다.

올리브영 글로벌엔지니어링센터의 첫 워크숍에서 GenAI 해커톤과 전략 아이디어톤을 진행했습니다. AI 생산성뿐 아니라 협업 구조와 검증의 중요성도 함께 확인했습니다.

Kubernetes Pod의 Request와 Limit을 실제 사용 패턴에 맞게 조정하는 Right-Sizing 기준 수립 과정을 다뤘습니다. P95, 버퍼율, 컴포넌트 특성, Throttling 지표를 함께 고려하는 방법을 정리했습니다.


LLM-as-a-Judge를 설계해 설명 생성 품질을 자동 평가하는 방법을 소개했습니다. 체크리스트와 critique 구조화로 인간 평가와의 정합성을 높이고, 디버깅과 데이터 정제에도 활용했습니다.

AI 코드 리뷰의 신뢰성을 높이기 위해 자체 벤치마크와 반영률 지표를 만들고 개선 과정을 정리했습니다. 서브에이전트와 프롬프트 튜닝의 한계를 확인한 뒤 데이터 기반으로 모델과 워크플로를 바꿨습니다.

LY Corporation의 사내 워크숍 'Orchestration Development Workshop'을 소개했습니다. 실제 실무 적용 관점에서 여러 AI를 연계해 활용하는 학습과 창작의 장을 지향합니다.

데이터센터에서 차단기가 멀쩡해도 전원이 꺼지는 원인을 순시 전압 강하로 설명했습니다. 전력 품질 모니터링과 UPS, DVR, 운영 절차로 대응하는 방법을 정리했습니다.
무신사는 오프라인 결제 대기와 직원 의존도를 줄이기 위해 Self-POS를 도입했습니다. 고객 흐름과 하드웨어 연동, 서버 검증을 함께 설계해 셀프 결제 경험을 안정화했습니다.
무신사 매장의 Self-POS를 Zero to One으로 설계한 과정입니다. 필드 리서치와 AI 시각화를 바탕으로 결제 속도, 회원 전환, 글로벌 대응을 함께 풀었습니다.

6G로 갈수록 네트워크 성능 요구와 운영 복잡도가 함께 커지는 문제를 다뤘습니다. AI-Native RAN과 Network Foundation Model로 기지국 최적화 방향을 제시했습니다.
후기가 많아질수록 원하는 정보를 찾기 어려워 AI 후기 요약 기능을 도입했습니다. 9단계 후처리와 우선순위 폴백으로 신뢰도와 커버리지를 높였습니다.
무신사 루키즈 AI 네이티브 신입 엔지니어 채용 과정과 평가 의도를 설명했습니다. 모호한 요구사항 속 문제 정의 능력과 협업 역량을 중점적으로 봤습니다.