정답 없는 AI 시대, 당근이 새로운 경험을 만드는 방식
당근이 AI 실험을 통해 새로운 사용자 경험을 만드는 과정을 소개했습니다. 호기심을 행동으로 바꾸는 설계와 반복 개선의 중요성을 강조했습니다.

당근이 AI 실험을 통해 새로운 사용자 경험을 만드는 과정을 소개했습니다. 호기심을 행동으로 바꾸는 설계와 반복 개선의 중요성을 강조했습니다.

당근이 검색어에 숨겨진 의도를 더 정확히 파악하기 위해 LLM 실험을 진행했습니다. 프롬프트 고도화와 QU/DU 구조로 검색 결과 적합도를 크게 높였습니다.

당근 아이덴티티 서비스팀이 4일 해커톤으로 반복 업무를 AI 자동화로 바꾼 사례를 소개했습니다. 지표 정리, 온콜 인수인계, 에러 분석을 슬랙봇과 MCP로 개선했습니다.

당근 운영실이 AI를 활용해 기존 업무 방식을 다시 설계한 사례를 소개했습니다. 멀티 에이전트, CS 분석, 리뷰 라벨링 도구로 실행 속도와 업무 효율을 크게 높였습니다.

Cursor와 TDD로 Swift Macro를 구현하는 과정을 소개했습니다. 테스트 작성부터 LLM 코드 생성, 검증, 리팩토링까지의 실무 흐름을 보여주었습니다.

검색 색인 파이프라인의 생산성과 안정성을 높이기 위해 설정 기반 자동화, Offline Storage 활용, 배치 처리 구조를 도입했습니다. 이를 통해 대용량 이벤트와 풀색인 비용 문제를 줄이고 운영 효율을 개선했습니다.

당근 운영실이 AI를 도입한 수준을 넘어, 문화와 구조를 바꿔 팀 전체가 AI로 일하는 방식을 공유했습니다. 비개발자까지 LLM 도구를 활용하며 실행과 학습을 확산한 사례입니다.

의존성 그래프로 프로젝트를 시각화해 코드 파악 시간을 줄인 사례를 소개했습니다. 파일 영향 범위와 사이드 이펙트를 빠르게 확인하는 실무 활용법을 정리했습니다.

당근은 피드 콘텐츠를 Feed-Entity로 표준화해 여러 서비스의 데이터를 한 구조로 관리했습니다. 수집·변환·검증·서빙을 모듈화하고 지역별 캐시로 읽기 성능과 확장성을 높였습니다.

당근에서 비개발자 구성원들이 AI 툴을 직접 만들며 업무 문제를 해결한 사례를 소개했습니다. 작은 실험을 빠르게 실행하고 공유하며 AI 실험 문화를 확산한 내용입니다.

Karpenter 도입 과정에서 마주한 스케줄링 정합성, AMI 운영, Node Churn 문제를 정리했습니다. 적절한 budget과 리소스 보정으로 비용을 줄이고 안정성을 개선했습니다.

복잡한 권한을 RBAC 대신 ReBAC로 재구성해 선언적으로 관리하는 방법을 소개했습니다. graplix와 React Permission 컴포넌트로 권한 체크와 화면 제어를 단순화했습니다.

글로벌 웹사이트의 SEO와 사용자 경험을 함께 개선한 사례를 다뤘습니다. 필터, 지역 설정, 카테고리, 반응형 디자인으로 검색 노출과 방문 성과를 높였습니다.

LLM으로 중고 스마트폰 게시글에서 시세 산정용 정보를 추출하고 후처리하는 서비스를 구축했습니다. BigQuery, MySQL, 벡터 DB를 조합해 시세 조회와 유사 게시글 추천을 구현했습니다.

검색 형태소 분석 사전의 배포 과정을 Elasticsearch 재배포 없이 바꾸려는 개선 과정을 다뤘습니다. 메모리 증가 문제를 겪은 뒤 경량화와 버전별 사전 관리로 운영 가능성을 확보했습니다.

로컬 웹뷰의 잔존 트래픽과 하위 호환성 문제를 계측한 뒤, Cloudflare Workers로 호환 동작을 이전하며 안전하게 폐기했습니다. 분산된 정책과 AWS 리소스를 단일 스크립트로 통합해 유지보수성과 온보딩 부담도 줄였습니다.

동네생활 게시글과 댓글에서 업체 추천 정보를 찾아 RAG 기반 검색 서비스로 연결했습니다. 벡터 검색, LLM 요약, 적절성 필터링을 거쳐 신뢰도 높은 추천 결과를 제공했습니다.

알림의 품질을 위해 방치, 오픈율, 피로도를 기준으로 모니터링 체계를 마련했습니다. 기준 미충족 알림은 슬랙과 알림 센터로 전달해 담당자가 바로 조치하도록 했습니다.
