장근식 Keun-sik Jang
Technical Product Lead · AI Operations & Agent Infrastructure
조직 전체가 AI와 안전하게 일하는 운영 구조를 설계합니다.
10년차 백엔드 엔지니어링(WebFlux 기반 MSA·Kafka·Redis·EKS)을 토대로, 지금은 두 축으로 일합니다.
① AI Operations & Agent Infrastructure — 조직이 AI 에이전트와 안전하게 일하는 데 필요한 접근 권한, 시크릿, 승인 절차, 지식 기준, 인프라 비용을 회사 차원에서 표준화했습니다.
② AI Full-Stack Product Engineering — AI 부동산·건축 제품을 기획부터 UI/UX, 백엔드, 인프라, LLM Serving까지 직접 제품화했습니다.
문제를 곧장 기능으로 옮기기보다 현업 흐름과 운영에서 깨지는 지점을 먼저 봅니다. 설계한 뒤에는 운영에서 검증하고, 다음에 다시 쓸 수 있게 패턴으로 정리합니다.
핵심 역량 · Highlights
- 반복되는 운영 판단을 줄이려고 GitHub·Notion·Slack·대시보드를 잇는 자동화 흐름을 설계해, 사람이 꼭 개입해야 할 지점만 남겼습니다.
- 승인·취소·롤백·감사 로그(human-in-the-loop)로 AI 에이전트가 어디서 멈추고 사람이 결정할지를 설계했습니다.
- workflow가 성공해도 데이터는 실패할 수 있다는 전제로 silent fail을 막고, 데이터 신뢰성과 대시보드 관측성을 빌드·테스트 단계에서 검증되게 했습니다.
- 매물 배치 알림 처리를 순차 구조에서 병렬 비동기로 바꾸고 blocking 호출을 non-blocking으로 전환해, 이벤트 루프 블로킹을 줄이고 처리 효율을 개선했습니다.
- LLM 기반 설계 API(PlanNext.AI)를 기획부터 개발·배포까지 단독으로 주도했고, Coroutine·Kafka·Redis로 고효율·확장 구조를 확보했습니다.
- 사업성 분석에 라이트 경로를 도입해 결과 확인을 3분 이내로 줄였고, 유입률과 설계 성공률을 개선했습니다.
- 운영 전환과 폐기를 완료 공지로 끝내지 않고, 재검증 기록·인계 문서·승인 기준을 실행 게이트로 묶어 다음 사람이 근거를 따라 판단하게 했습니다.
Core Skills
Experience
백엔드 엔지니어로 입사해 팀 리딩과 Technical Product Lead로 역할을 넓혔습니다. 지금은 두 축으로 일합니다.
① AI Operations & Agent Infrastructure
- 파편화된 PEM 키 서버 접근을 Tailscale SSH 통합 구조로 바꾸고, Google Workspace 계정 기반으로 개인별 권한을 설계했습니다. 흩어진 시크릿·API 키는 1Password로 모아 그룹별 Service Account로 권한을 분리했습니다.
- AI 에이전트가 인프라 상태와 운영 문서를 참조해 스스로 진단하되, 실제 변경은 사람이 승인하도록 운영 절차를 표준화했습니다(human-in-the-loop).
- 분산된 인프라·운영 지식을 LLM이 읽기 좋은 위키(SoT)로 정리하고, 사내 공용 스킬·지식 체계를 통합해 조직 전체가 같은 기준으로 AI를 쓰도록 만들었습니다.
- 비용·서버·리포지토리를 추적하는 사내 콘솔과 LXD 온프레미스로 안정성을 지키면서 AWS 비용을 10분의 1 수준으로 줄였고, ZFS 스냅샷과 이중 백업으로 복구 가능성을 높였습니다.
② AI Full-Stack Product Engineering
- PlanReview는 건축 도면(PDF)의 규정 적합성을 업로드 한 번으로 자동 검토하는 SaaS입니다. 인프라부터 개발 전반을 맡아 web에서 server·큐·worker(Docker 엔진)로 이어지는 비동기 검토 파이프라인을 구축하고, 엔진을 단일 진실원으로 두어 프론트가 결과를 보정·재분류하지 못하게 경계와 배포 가드레일을 설계했습니다(현재 자문).
- LLM 기반 오피스 가구 배치 설계 API(PlanNext.AI)를 기획부터 개발·배포까지 주도했고, 그 자산을 AI 매장 설계 콘솔(PlanNext Retail)로 확장했습니다. 입지·전략 분석부터 2D·3D 자동 설계, 검증, DXF 익스포트까지 제품화했습니다.
- 이미 Kotlin/Spring MSA로 구성된 Landbook 백엔드(인증·결제·프리미엄·게이트웨이)에 합류해 서비스를 개발·운영했습니다. WebFlux·Coroutine 비동기로 병목을 줄이고 매물 배치 알림을 병렬처리(blocking→non-blocking)했으며, 가로주택정비(LBDeveloper, Rails·PostGIS)는 최다 기여자로 LH 공공기관 설치형 보안(프록시·방화벽·접근제어)과 온프레미스 이전을 대응했습니다.
- 백엔드 팀을 이끌며 코드 리뷰 체계와 기술 문서화, 배포·운영 프로세스를 정립하고 신규 입사자 온보딩으로 팀의 반복 업무를 줄였습니다.
Kotlin · Spring Boot · WebFlux · Coroutine · Kafka · Redis · PostgreSQL · AWS EKS · ArgoCD · Python · FastAPI · Claude Code
전시 오디오 가이드 앱 '큐피커'와 전시 연계 커머스를 기획·개발·운영하고 소규모 팀을 리딩했습니다.
- 큐피커 — 국내외 전시 오디오 가이드 앱 플랫폼 개발·유지보수(React Native 앱 + 관리자 백오피스), Firebase·PG 연동, 누적 다운로드 10만+·하리보 아시아 전시 계약 성사
- 애프터뮤지엄 쇼핑몰 — 전시 연계 커머스 기획·개발, REST API 백엔드·결제 연동, 1개월 내 MVP 완성·AWS 배포까지 단독 수행
- 개발 서버 환경 자동화 — Jenkins + Bitbucket 기반 CI/CD 구축
Spring Boot · Java · REST API · JWT · Jenkins · MariaDB · Firebase
AI Agent Ops · 운영 자동화 · 데이터 신뢰성 — 직접 설계·구현
AI 에이전트 통제·검증(Nova·Ground Control)부터 운영 누락 방지·무중단 데이터 파이프라인(MIRIVA·Realty)까지 — 운영을 내부 제품으로 직접 설계·구현(일부 오픈소스 공개)
AI가 생성한 코드를 독립된 평가자가 커밋 전에 적대적으로 검증하게 만드는 Claude Code 플러그인. ‘품질은 더 똑똑한 모델이 아니라 생성과 검증을 분리하는 구조의 문제’라는 가설로 방법론과 플러그인을 단독 설계·구현했습니다.
- 생성–평가 분리(Generator–Evaluator)로 자기검토 편향을 구조적으로 제거 — 같은 AI가 자기 코드를 승인하지 못하게 강제
- Claude Code hooks·커맨드·에이전트 레이어를 엔지니어링해 커밋 전 독립 게이트 통과를 강제(harness 엔지니어링)
- 맥락 연속성을 벡터 DB 없이 텍스트(상태 파일+로그)로 구현 — 외부 의존 0, 이식성·투명성 확보
Claude Code Plugin · MCP · TypeScript · Bash
장애 감지를 넘어 원인을 추론해 담당자에게 조용히 묻고 피드백으로 학습하는 인프라 관제 에이전트. 주기적 관찰 → 원인 추론 → 담당자 DM 확인 → 피드백 학습 루프를 단독 설계·구현했습니다.
- ‘AI는 범인을 단정하지 않고 확인 범위를 좁힌다’ — 진단을 사람이 믿고 결정할 수 있는 형태로 설계
- 신뢰도를 certain·likely·hypothesis 3단계 ‘언어’로만 표현 — 퍼센트 과신을 제거해 알림 신뢰를 지킴
- 공개 채널 오발신 방지 다중 잠금으로 기본값을 항상 ‘조용한 DM’으로 — 오탐의 심리적 비용까지 설계에 반영
Python · Claude Code CLI · FastAPI · Slack Bolt · AWS
전담 SRE/FinOps가 없는 소규모 팀이 놓치면 사고 나는 운영 항목(클라우드 비용·SSL/도메인 만료·소유자 공백)을 외부 의존 0으로 감지해, 매주 결정 3건만 들이대는 SaaS. 단독 기획·설계·구현(dogfooding)했습니다.
- 기능보다 먼저 ‘이 사업이 틀렸는지’ 검증하는 게이트 설계 — PRD를 적대적 자기검증 가설 문서로(confidence 55%·conditional-go 정직하게 명시)
- 멀티클라우드 어댑터를 의도적으로 기각하고 수동 입력 데이터모델을 1급으로 — 어댑터 0으로 전 클라우드 즉시 커버(검증 속도 우선)
- 클라우드는 read-only 수집·외부 SaaS 의존 0의 자체 호스팅으로 안전 경계 확보
Python · FastAPI · boto3(read-only) · Next.js · SQLite
전국 부동산 데이터를 매월 무중단으로 갱신하는 Blue-Green ETL 파이프라인. 저는 크롤러 안정성과 중단 지점 재개(resume) 로직을 기여했습니다.
- 크롤러 resilience — 429·403·5xx를 서킷브레이커·백오프·jitter로 처리하고, 봇 차단 신호를 누적해 임계치를 넘으면 스스로 요청을 멈추게 함
- dong 단위 체크포인트·heartbeat로 중단 지점부터 재개(resume) — 차단·중단이 나도 처음이 아니라 마지막 위치부터 무손실 재개
- 수집 상태 테이블을 무손실로 마이그레이션(기존 245행 유지)해 진행·재개 상태를 안전하게 관리
Python · PostgreSQL · requests · Slack
스페이스워크 · 제품 백엔드 (PropTech × LLM)
건축 도면(PDF)을 올리면 규정 적합성을 자동 검토해주는 SaaS. 초기 분석 엔진을 제외한 인프라부터 개발 전반에 참여했고, 현재는 자문을 맡고 있습니다.
- web → server → 큐 → worker(Docker 엔진)로 이어지는 비동기 검토 파이프라인 구축·운영
- ‘엔진을 단일 진실원(SoT)으로 두고 프론트의 재분류·보정을 금지’하는 경계 설계 — 결과 정합성 확보
TypeScript · Hono · Prisma · Redis · Next.js · Python · Docker
PlanNext.AI의 LLM 기반 설계 API 자산을 활용해, 위치 선택부터 입지·전략 분석, 2D·3D 자동 설계, 검증·익스포트까지 잇는 PlanNext Retail로 확장했습니다. 기획·UI/UX·백엔드·인프라·LLM Serving 전 과정을 주도했습니다.
- LLM 대화 레이어와 결정론적인 설계 데이터(존·집기·치수)를 분리해 2D·3D 렌더와 DXF가 같은 진실원에서 나오도록 설계
- 입지·참고사례 분석 뒤 여러 전략안을 근거와 함께 제시하고, 사람이 고른 방향을 평면·3D·포토리얼 렌더로 연결
Kotlin · Spring Boot · Coroutine · Kafka · Redis · LLM Serving · Argo Workflow · AWS EKS
토지·건축 설계와 도시정비 사업성 분석을 다루는 프롭테크 플랫폼의 백엔드 토대. 이미 MSA로 나뉜 인증·결제·구독·필지·게이트웨이 서비스에 합류해 개발·운영했고, 가로주택정비 분석(Rails·PostGIS)은 최다 기여자로 주도했습니다.
- 이미 MSA인 환경에서 장애·배포 경계를 실무로 판단 — 동기 호출을 Coroutine·WebFlux 비동기로 전환하고 매물 배치 알림을 병렬처리해 한 서비스의 지연·블로킹이 옆으로 번지지 않게 함
- LH 가로주택정비사업에 설치형으로 적용 — 공공기관 환경(프록시·방화벽·접근 제어) 보안·운영 구조 대응, PNU 한 줄로 규제·시세·수익성 자동 산출(PostGIS 공간 연산)
Kotlin · Spring Boot · WebFlux · Coroutine · Ruby on Rails · PostgreSQL · PostGIS
Education
Learning · 학습과 공유
온라인 강의로 익히고, 기술 블로그·AX Field Guide로 정리·공유합니다 — 학습을 자산으로 바꾸는 루프.
- 실무까지 한 번에 끝내는 DevOps를 위한 Docker & Kubernetes (강의)
- AWS(Amazon Web Service) 입문자를 위한 강의
- 스프링 MVC — 백엔드 웹 개발 핵심 기술 (강의)
- Spring Cloud로 개발하는 마이크로서비스 애플리케이션(MSA) (강의)
- Spring Cloud + Kafka 기반 메시징 아키텍처 (강의)
- GitOps 환경에서 ArgoCD 운영 자동화 (강의)
일하는 방식 · Working Principle
AI 도입의 핵심은 모델을 붙이는 데 있지 않습니다. 사람이 어디서 판단하고 시스템이 어디까지 실행할지를 구조로 정하는 일이라고 봅니다.
문제를 기능으로 바로 번역하지 않고, 현업 흐름·운영 실패 지점·사람의 판단 경계를 먼저 정의한 뒤 AI와 자동화를 설계합니다.
서비스는 결국 사람과 사람을 연결하는 일이라 믿습니다. 그래서 기술보다 사용자·팀·서비스의 연결을 우선 고민해 왔습니다.
앞으로도 운영 안전장치와 데이터 신뢰성을 갖춘 AI 도입을 재사용 가능한 제품·플레이북으로 만들고, 팀의 일하는 방식을 바꾸는 AX 리드 역할을 해나가겠습니다.