

Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까?
AI 모델만으로 세차 필요 여부를 단정할 수 없어, 판단 기준과 차량 상태 정의를 다시 설계했습니다. 그 결과 세차 요청 로직을 구조화해 운영 효율과 고객 만족도를 함께 높였습니다.
새로운 기술 블로그가 추가되었어요


AI 모델만으로 세차 필요 여부를 단정할 수 없어, 판단 기준과 차량 상태 정의를 다시 설계했습니다. 그 결과 세차 요청 로직을 구조화해 운영 효율과 고객 만족도를 함께 높였습니다.


주문완료 알림톡을 고객 여정의 일부로 보고 정보 구조를 재편한 사례였습니다. 배송정보 중심으로 세분화해 혼란을 줄이고 가독성을 높였습니다.

사내에서 여러 LLM을 한곳에서 비교해볼 수 있는 플레이그라운드를 만들고, 이를 프롬프트 엔지니어링 체험 행사로 확장한 사례를 공유했습니다. 서비스 캐릭터를 AI 페르소나로 재해석하는 프롬프톤 운영 경험도 함께 소개했습니다.

X


온스타일 상품 상세페이지를 정보 구조와 개발 프레임워크까지 함께 개편했습니다. 그 결과 고객당 조회 페이지 수가 25% 늘고 클릭과 주문 지표도 개선했습니다.
검색 서비스의 반복 요청 처리 과정을 Kotlin과 Spring Boot로 자동화한 사례를 소개했습니다. SSH 터널링과 전략 패턴으로 접근 제약과 작업 확장성을 함께 해결했습니다.


모노레포로 서비스 레포와 패키지 레포를 통합한 경험을 공유했습니다. turborepo, Changesets, GitHub Actions로 빌드와 배포를 자동화하고 불편한 점도 함께 개선했습니다.


상품 상세페이지 개편을 위해 Front-WEB과 Front-API를 분리하고 독립 배포 구조를 적용했습니다. 외부 API에는 Circuit Breaker를, 상세 API에는 필요한 데이터만 주는 Compact API를 적용했습니다.

당근이 Vertex AI Pipelines와 TFX로 서버리스 ML 훈련 인프라를 구축한 사례를 공유했습니다. 공통 컴포넌트, 모니터링, 알림, EoS 관리로 운영 효율을 높였습니다.

Oracle 주문 DB를 MySQL로 이관하면서 모델과 ID 채번 방식을 함께 재설계했습니다. 읽기·쓰기 성능을 개선하고 정합성과 동시성 문제를 단계적으로 해결했습니다.

쏘카플랜 개편 과정에서 프론트엔드 일정 추정과 QA 대응, 레거시 개선 경험을 정리했습니다. 코로케이션과 WET 원칙으로 복잡한 화면과 도메인 로직을 단계적으로 분리했습니다.

왓챠는 추천 서비스의 Monolithic 추론 구조를 분리된 TorchServe 기반 서버로 개선했습니다. CPU 최적화와 모델 경량화, Datadog 모니터링으로 성능과 안정성을 함께 높였습니다.