PlanNext Retail
위치만 고르면 입지·유동인구 분석부터 전략 제안, 2D·3D 자동 설계, AI 포토리얼 렌더, DXF 익스포트까지 대화로 잇는 AI 리테일 매장 설계 콘솔입니다.
대화는 의도와 전략만 받고, 평면은 검증 가능한 구조화 데이터로 둬 렌더와 DXF가 같은 데이터를 보고 나옵니다.
왜 · OVERVIEW
매장 평면 설계는 입지 분석부터 존 구획, 집기 배치, 시각화까지 전문 툴과 사람 손이 필요했습니다. 비전문가가 위치만 고르면 AI가 분석·전략·배치·렌더까지 이어주는 콘솔이 필요했습니다.
판단 · KEY DECISION
LLM 대화 레이어와 결정론적인 설계 데이터 모델(존·집기·치수)을 분리했습니다. 대화는 의도와 전략을 받고, 평면은 검증 가능한 구조화 데이터로 두어 2D·3D 렌더와 DXF 익스포트가 같은 데이터를 보고 나오게 했습니다. 전략도 하나로 단정하지 않고 여러 안을 근거와 함께 제시해 사람이 고르게 했습니다.
결과 · IMPACT
위치를 고르면 유동인구·참고사례 분석으로 전략 후보를 여러 안(Balanced·Focused·Exploratory) 근거와 함께 제시하고, 고른 방향을 2D 평면·3D 매장·AI 포토리얼 렌더로 자동 생성합니다. 존·집기 검증을 통과한 설계를 DXF로 내보내 실제 산출물까지 연결했습니다.
INSIGHT
AI 제품의 신뢰는 그럴듯한 출력이 아니라, 그 출력이 검증·익스포트되는 구조화 데이터인지에서 갈렸습니다.
● 입지 분석·전략·2D·3D 자동 설계● AI 포토리얼 렌더 · DXF 익스포트 PlanReview
건축 도면(PDF)을 올리면 분석 엔진이 규정 적합성을 자동 검토해주는 SaaS입니다.
엔진 결과를 원본으로 두고 화면에서 고치지 못하게 해 결과 정합성을 지켰습니다.
왜 · OVERVIEW
사람이 수작업으로 하던 도면 규정 검토를, 업로드 한 번으로 자동화해야 했습니다.
판단 · KEY DECISION
‘엔진 결과를 원본으로 두고 프론트엔드의 재분류·보정을 금지한다’는 경계를 세웠습니다. 결과를 화면에서 손대기 시작하면 어디가 진짜인지 알 수 없게 되기 때문입니다.
결과 · IMPACT
요청을 받는 웹 서버와 실제 분석을 수행하는 워커(Docker 엔진)를 큐로 분리한 비동기 검토 파이프라인을 구축·운영했습니다.
INSIGHT
사고는 대부분 환경의 경계에서 났습니다. 빌드 시점에 환경변수가 이미지에 고정되는 특성을 간과해 스테이징 이미지를 운영에 올리는 장애를 겪었고, 배포 과정에 자동 가드를 넣어 재발을 막았습니다.
● AI 분석 리포트 28개 항목● 접도·건축선 후퇴 판정 · 배치도 측정 Ground Control
장애를 감지하는 것을 넘어, 원인을 추론해 담당자에게 조용히 묻고 피드백으로 학습하는 자율 인프라 관제 에이전트입니다.
신뢰도를 퍼센트 대신 세 단계 말(확실·추정·가설)로만 — 검증 안 된 숫자를 믿게 만들지 않으려고
DESIGN PRINCIPLE 기본값은 공개 알림이 아니라 ‘조용한 확인’으로 설계
왜 · OVERVIEW
모니터링 도구는 이상을 알려줬지만, 원인 지목·담당자 확인·재발 학습은 사람이 매번 수동으로 처리했습니다.
판단 · KEY DECISION
오탐이 쌓이면 사람들이 알림을 안 보게 되고, 그러면 알림은 있으나 마나입니다. 그래서 공개 채널에 뿌리는 대신 의심 지점을 몇 건으로 좁혀 담당자에게 조용히 DM으로 보내고, 진단 신뢰도는 퍼센트 대신 세 단계 말(확실·추정·가설)로만 보여주게 했습니다.
결과 · IMPACT
사람이 알림을 믿고 바로 확인하러 갈 수 있게 됐습니다. 틀렸을 때 담당자가 치르는 비용까지 계산에 넣은 결과입니다.
INSIGHT
자동화의 핵심은 탐지가 아니라, 사람이 믿고 행동할 수 있는 표현과 경로를 설계하는 일이었습니다.
● 실시간 관측 16/16● 신뢰도 3단계 언어 · 담당자 DM Nova
AI가 짠 코드를, 그 코드를 짠 AI가 아닌 독립 평가자가 커밋 전에 검증하게 만드는 Claude Code 플러그인입니다.
생성과 검증 분리 — 같은 AI가 자기 코드를 승인하지 못한다
DESIGN PRINCIPLE 품질은 더 똑똑한 모델이 아니라 ‘생성–검증 분리’ 구조로 설계
왜 · OVERVIEW
AI 코딩은 타이핑 속도는 올려도, 자기 코드를 자기가 검토하는 함정과 1주차의 잘못된 결정이 4주차 전면 재작성으로 번지는 문제가 있었습니다.
판단 · KEY DECISION
‘품질은 더 똑똑한 모델의 문제가 아니라 생성과 검증을 분리하는 구조의 문제’라고 봤습니다. 모델을 바꾸는 대신 Claude Code의 훅·커맨드·에이전트 기능을 조합해, 독립 평가자를 통과하지 못한 코드는 커밋되지 않게 만들었습니다.
결과 · IMPACT
AI가 자기 코드를 스스로 승인하는 일이 구조적으로 불가능해졌고, 작업 맥락은 별도 DB 없이 사람이 읽을 수 있는 텍스트로 이어집니다.
INSIGHT
모델이 ‘아는 것’을 바꾸려 하기보다, ‘언제·어떻게·어떤 규칙으로 움직일지’의 하네스를 설계하는 게 훨씬 큰 레버였습니다.
● Generator–Evaluator 분리● 커밋 전 독립 평가자 Landbook MSA 백엔드
이미 마이크로서비스로 구성된 토지·부동산 플랫폼 백엔드에 합류해, 인증·결제·구독·필지정보·게이트웨이 서비스를 개발·운영했습니다.
이미 나뉜 MSA에 합류해 개발·운영 — 동기 호출을 비동기로 바꿔 지연 전파를 끊었습니다
DESIGN PRINCIPLE MSA는 잘게 쪼개는 게 아니라 ‘장애·배포 경계’를 긋는 일
왜 · OVERVIEW
단일 서비스로 출발한 부동산 플랫폼이 인증·결제·구독·필지 데이터·외부 연동으로 커지면서, 한 곳의 장애가 전체로 번지고 배포가 서로를 막기 시작했습니다.
판단 · KEY DECISION
이미 MSA로 나뉜 환경에서 제가 판단한 건, 서비스를 더 쪼개는 게 아니라 무엇을 같은 트랜잭션에 둘지·어디서 장애를 격리할지였습니다. 동기 호출을 Coroutine·WebFlux 비동기로 바꾸고, 매물 배치 알림을 순차에서 병렬 처리로 개선해 한 서비스의 지연·블로킹이 옆으로 번지지 않게 했습니다.
결과 · IMPACT
결제·구독·인증을 독립 배포·확장 가능한 단위로 운영하고, 장애가 한 서비스 안에 갇히도록 만들었습니다.
INSIGHT
마이크로서비스의 난이도는 분리 그 자체가 아니라 ‘무엇을 같은 트랜잭션에 둘 것인가’의 경계 결정에 있었습니다.
● 인증·결제·구독·필지 분리● 장애 격리 · 독립 배포 Realty Data Pipeline
전국 부동산 데이터를 매월 무중단으로 갱신하는 Blue-Green ETL 파이프라인. 저는 크롤러 안정성과 중단 지점 재개(resume) 로직을 기여했습니다.
무리한 재시도로 차단당하기 전에 스스로 멈추고, 재개는 항상 마지막 지점부터
DESIGN PRINCIPLE 수집은 실패를 전제로 설계 — 멈춰도 마지막 지점부터 이어가게
왜 · OVERVIEW
외부 원천에서 전국 부동산 데이터를 매월 수집하는데, rate-limit·봇 차단·중단으로 크롤이 자주 깨지고 처음부터 다시 돌려야 했습니다.
판단 · KEY DECISION
행정동 단위로 진행 상태(마지막 위치)를 저장해, 차단이나 중단이 나도 처음이 아니라 마지막 지점부터 재개하게 했습니다. 접속 제한·오류 응답(429·403·5xx)에는 잠시 멈췄다가 요청 간격을 늘려 재시도하고(백오프·서킷브레이커), 차단 신호가 일정 수준 이상 쌓이면 크롤러가 스스로 수집을 멈추게 했습니다.
결과 · IMPACT
크롤이 중간에 막혀도 무손실로 재개되고, rate-limit·차단에 견디는 수집 안정성을 확보했습니다.
INSIGHT
대규모 외부 수집의 난이도는 파싱이 아니라, 막히고 끊길 때 어떻게 견디고 이어가느냐에 있었습니다.
● 매월 무중단 갱신● 끊긴 지점부터 재개