Backend & AI Platform Engineer
10년차 개발자로, 그룹웨어·B2B 서비스·백오피스의 백엔드 개발과 운영을 해왔습니다. 지금은 그 경험을 바탕으로 AI가 실제 업무를 수행하는 데 필요한 Gateway, Agent Runtime, 검증과 운영 기반을 설계합니다.
PHP와 JavaScript 기반 화면·API 개발에서 시작해 Node.js, React, Docker, AWS를 활용한 서비스 구축과 운영으로 책임 범위를 넓혔습니다. 기능 구현뿐 아니라 배포 이후의 성능, 접근 제어, 장애 대응과 유지보수 비용을 함께 다룹니다.
그룹웨어, B2B 서비스, 백오피스처럼 회사 안에서 실제 업무에 계속 쓰이는 시스템을 주로 다뤘습니다. 요구사항을 듣고 개발하는 것부터 배포, 장애 대응, 성능 개선, 인증과 권한까지 한 서비스의 앞뒤를 같이 보는 편입니다.
요즘 하는 일
최근에는 오래된 시스템을 정리하거나 반복 업무를 자동화하는 일을 많이 하고 있습니다.
- PHP 기반 레거시 시스템 구조 개선과 점진적인 전환
- Docker와 CI/CD를 이용한 배포 환경 정리
- SSO, 키 관리, 접근 제어와 감사 로그 같은 운영 기반 작업
- Redis를 이용한 조회 성능 개선
- OCR과 LLM을 이용한 사내 반복 업무 자동화
AI도 비슷한 관점으로 보고 있습니다. 모델 자체보다 어디에 붙였을 때 실제로 일이 줄어드는지가 더 궁금합니다.
개인 프로젝트에서 확장한 책임
개인 환경에서는 로컬 LLM과 클라우드 모델을 연결하고, 모델 접근 정책과 업무 실행 권한을 분리하는 시스템을 개발합니다. 회사 업무와 개인 프로젝트의 코드·데이터·성과는 구분합니다.
모델을 구동하는 것만으로 서비스가 완성되지는 않습니다. timeout, context 길이, fallback, 비용과 관측 가능성을 호출 계약으로 다뤄야 애플리케이션이 실패에 대응할 수 있습니다.
GoVail Gateway는 모델 실행 정책을, ITGC ControlOps는 원천 증적 수집을, LingoAgent는 번역 배포 품질을, SliceRAG는 프로젝트별 검색 범위를 담당합니다. 각 계층이 아는 정보와 행사할 수 있는 권한을 함께 제한하는 것이 핵심 설계 기준입니다.
실험을 제품으로 이어가는 기준
짧은 실험으로 사용자의 문제와 기술적 가설을 확인합니다.
반복 사용할 이유가 없거나 운영 비용이 맞지 않으면 실험을 중단합니다. 계속 개발할 때는 기능의 수보다 누가 어떤 일을 줄일 수 있는지, 실패했을 때 복구할 수 있는지를 먼저 확인합니다.
중단한 실험도 한계와 판단 근거를 남깁니다. 공개 데모에서는 구현한 범위와 시뮬레이션을 구분하고, 관찰하지 않은 수치를 성과로 제시하지 않습니다.
주로 다뤄온 것
- Backend: PHP, Node.js, TypeScript, REST API, 외부 시스템 연동
- Frontend: React, Next.js
- Data: MySQL, MariaDB, PostgreSQL, Redis, MongoDB
- Infra: Docker, Nginx, AWS, GitHub Actions
- Auth & Security: Keycloak, SSO, 권한 관리, KMS, 감사 로그
- AI: Local LLM, LLM Gateway, MCP, Agent Runtime, 업무 자동화
기술 목록은 자격증처럼 모아둔 것이 아니라, 실제 서비스를 만들고 운영하면서 필요할 때 책임지고 써본 것들입니다.
설계 판단을 남기는 기록
개발하다 막힌 것, 서버 굴리다 알게 된 것, AI를 붙여봤는데 생각보다 별로였던 것, 사이드 프로젝트를 만들다가 방향을 바꾼 이유 같은 걸 적습니다.
잘 정리된 정답보다는 나중에 다시 봤을 때 그때 왜 그렇게 했는지 기억할 수 있는 기록이면 충분하다고 생각합니다.
경험과 판단은 직접 기록하고, 초안 작성·검토·사이트 유지보수에는 AI를 활용합니다. 결과를 그대로 맡기기보다 빌드와 링크 검증을 통과한 것만 올리는 방식입니다.