전길원 Kilwon Jeon

사내 보안 환경에서 동작 가능한 AI 솔루션과 STAFF부서 업무 혁신 프로그램을 개발했습니다.

• SCM,구매,인재경영팀 등의 STAFF부서 업무 담당자와 미팅을 진행하며 아래의 흐름으로 업무 진행
  • 개발 전 : 기존 암묵지 업무 프로세스 정리 -> 메뉴얼화 -> 요구사항 정리 -> 유즈케이스 다이어그램 제작
  • 개발 : 기능 단위의 이터레이션 개발을 통해 피드백을 받아 이를 점진적으로 반영하며 애자일하게 진행
• 회의 AI 비서 : 그룹사 다국적 임원 회의 배포
• 실시간 다국어(한,영,일,중) 자막과 회의록 전사 음성 처리 로직을 분리하여 각 비즈니스 로직 별 요구사항을 충족 (실시간 다국어 자막 -> 실시간성, 회의록 전사 -> 완전성)
• 원자재 구매 가격 분석/예측 대시보드
• 기존 RPA 기반 데이터 수집을 Airflow 기반 Python 크롤링으로 변경
• Cloud에서 크롤링 후 Redis Stream 데이터 적재, Local 운영 서버는 주기적으로 Redis Stream에 SSH 접속하여 데이터를 추출 후 Local DB에 적재하는 방식으로 데이터 유실 방지 구현
• SAP 생산 실적 기반 실질 BOM 역산 프로그램 (관세 환급용 엑셀 파일 생성)
• 관세 환급 회계년도 소요량 계산 30 Days/Man 이상 소요되던 업무가 7Days/Man이하로 감소, Human Error 감소로 관세 환급 신청 정확성 향상
• SAP 표준 BOM 다운로드의 killpid 과정에서 시간이 개당 20초 이상 소요, (총 200개 이상) 이를 해결하기 위해 Main Thread와 Sub Thread로 나눠 메인은 Excel과 관계없이 Script를 동기적 진행, 서브는 백그라운드에서 새로운 Excel을 감지하면 즉시 종료하도록 구현. (RAM 점유율 기존 대비 99% 이상 감소, 동작 속도 또한 약 82% 절감)

연구자의 입장에서 가설을 세우고 검증하는 방식의 업무 방식으로 문제를 해결했습니다.

• 단일 이미지 기반 3D Object 생성 모델 개발
• 단일 인물 이미지를 입력하면, 움직일 수 있는 3D Object로 변환하는 파이프라인 개발
• One-2-3-45 모델의 방위각 알고리즘을 개량하여 SSIM 수치를 14% 개선 (0.65 -> 0.74)
• 전면과 후면 이미지 생성 비율이 2:1(총 12장)이기에 후면 예측 성능이 떨어지고, 전후면 이미지 생성 개수를 늘리고 1:1로 비율을 맞춰주면 예측 성능이 올라갈 것이라는 가설 세워 문제 해결
• Mediapipe Body Estimation과 bpy 모듈을 함께 사용하여 인물의 관절 좌표를 찾고, Mesh와 Bone을 연결하는 Auto Rigging Algorithm 개발
• 경도 인지 장애 환자 진단 모델 개발
• VR 게임 플레이 데이터를 기반으로 경도 인지 장애 여부를 진단하는 모델
• 환자와 정상인의 게임 플레이 영상을 직접 확인하며 환자와 정상인의 차이를 확인하고 가설 확립 -> 데이터 EDA를 통해 가설 검증
• 검증된 가설을 기반으로 데이터 정제/가공/증강, 모델 선택 진행
• 데이터 정제 : 환자가 3회 이상 반복 시행하며 디지털 치료제의 성능으로 정상인의 데이터 분포와 가까워짐을 발견 -> 반복 시행 3회 이후의 환자 데이터 삭제
• 데이터 증강 : 데이터를 정제하는 과정에서 전반적인 데이터의 양이 약 200-300건으로 부족해짐 -> 가설을 통해 검증한 게임의 반복적 패턴을 이용하여 Sliding Window 증강 적용, 약 3배 증가
• 데이터 가공 : 가설 검증 과정에서 발견한 주요 차이점(Z축 가속도 등)을 신규 피처로 만들어 도입
• 모델 선택 : 특정 구간이 아닌 시계열 전체와 모든 피처간의 관계를 고려해야 함을 파악 -> Transformer Encoder 기반의 분류 모델로 모델 선정
• sLLM 파인 튜닝 및 백엔드 개발
• 플레이어의 발표 내용과 발표 자료를 기반으로 고품질 질문 5개를 생성하여 Unity 게임으로 음성 파일을 전달해주는 LLM 백엔드 개발
• sLLM(Bllossom-8B) 성능 향상을 위해 두 가지 PEFT 기법 조합 적용(GPT를 이용하여 직접 학습용 데이터셋 구축)
• Soft Prompt : sLLM의 지시 이행도가 낮은 문제를 해결하기 위해 도입(지시 이행도 100% 달성)
• LoRA : sLLM의 답변 품질을 높이기 위해 도입(답변 품질 약 57% 향상)
• 지시 이행도와 답변 품질을 평가하기 위한 LLM 성능 평가 체계 구축

• 뉴욕 택시 리스 업체의 객단가 향상을 위한 주행 데이터 기반 차량 추천 대시보드
• Airflow 기반 데이터 파이프라인 구축하며 데이터 품질 관리를 위해 메달리온 아키텍처 기반으로 레이어별 품질 검증 역할을 분리 브론즈와 실버에서는 GX Core 기반의 품질 검증 구조를 구현했고, 골드 레이어는 두 개의 테이블을 결합하는 비즈니스 로직이 존재해 품질 검증 코드를 직접 구현
• SHA-256, Checksum, fingerprint, Airflow Assets 기반으로 멱등성 구현
• Spark 속도 최적화를 위해 Local Checkpoint 기반의 Lineage 단절과 broadcast join 힌트 명시, Partition 개수 최적화 등을 통해 속도를 기존 대비 70% 이상 단축

• 개발자 실무 개발 역량 평가 플랫폼
• 개발 AI 활용 역량을 평가하기 위해 5가지 평가 요소를 실제 실무 시나리오 1개로 묶어서 평가하도록 구현
• 컨텍스트 엔지니어링 : Context Window를 관리하고, Hallucination을 최소화하는 등의 역량 확인
• 개발 명세 작성 : 구체적인 명세로 AI로부터 일관된 구현 결과를 얻는 역량 확인
• 구현 오류 검토 : AI가 Hallucination과 같은 모종의 문제로 잘못된 구현을 했을 때 찾아내는 역량 확인
• 테스트 설계 : AI가 작성한 테스트들만으로 검사하지 못하는 실패 시나리오를 찾아내거나, 잘못된 테스트를 찾아내는 역량 확인
• 개발 프롬프팅 : 저렴한 AI를 활용하여 고도화된 결과를 구현해낼 수 있는지 역량 확인
• 개발 프롬프팅, 평가 LLM 등에서 활용할 모델을 선정하기 위해 Rubric 기반의 LLM-as-a-judge 평가 체계를 구축하여 GPT-5.4/4.0/3.5 등을 비교하여 모델 선정

• 교내 SW 전공 3-4학년을 대상으로한 알고리즘 대회에서 Python으로 알고리즘 문제를 해결하며 2등을 달성

• 초창기 창업자를 위한 창업 가이드 에이전트
• LangGraph 기반의 ReAct 에이전트를 구축해서 시장 조사, 경쟁사 분석, 아이디어 고도화를 지원하는 제품 개발
• DuckDuckGo, Google API를 tool로 사용하여 Lean Canvas의 9가지 요소를 채우도록 구현
• 각 항목을 생성한 이후 검증 노드에서 평가하는 구조를 만들어 기준 점수 미달 시 실패 사유와 함께 재생성하는 루프 구현(수행 시간은 약 10% 증가, Hallucination 95% 이상 감소, 린캔버스 종합 점수 약 40% 이상 증가)

• 개인화된 영어 회화 학습 에이전트(보이스봇)
• 개인화된 대화 경험 제공을 위해 아래 2가지 방식 적용
• Multi Hop 질문 대응
• VectorDB 기반 일반 RAG로는 실제 대화의 Multi Hop 질문에 대응 불가
• Multi Hop 문제 해결을 위해 논문 탐색, MicroSoft의 GraphRAG 논문을 읽고 프로젝트에 적용
• 25개 Multi Hop 질문 기준 성능 575% 개선 (0.16 -> 0.92)
• 개인 대화 취향 반영
• 사용자가 선호하는 말투, 대화 방식을 반영하기 위해 사용자별 System Prompt를 따로 관리, 대화 시작 시 사용자 개인 System Prompt를 기반으로 Agent 동작
• 사용자가 Agent와 대화 이후 별점(1~5, Optional)으로 대화 경험을 평가 -> 5회 이상 누적 -> 이전 버전 복구 or System Prompt 개선

• 세종대학교 백과사전 챗봇(RAG)
• 세종대학교 공식,행사 관련 페이지,취업 관련 페이지 등 교내 정보가 여러 곳으로 파편화되어 있는 문제 해결
• Airflow, Beautiful Soup 기반의 크롤러를 구현해 일 단위 적재 구조 구성
• 중복 데이터 감지를 위해 글 제목, 작성 일시, 내용을 기반의 SHA-256 해시 중복 검사를 통해 중복 적재 방지하며 변경된 글은 반영되도록 UPSERT
• 정보의 출처와 주제를 미리 범주화해두고, ChromaDB 적재 시 메타데이터로 기재하도록 하여 검색 속도 및 정확도 향상 (검색 속도 약 50% 절감, 정확도 약 41% 향상)