DB 업무, 어디까지 자동화할까 - DBRE의 두 가지 답
DB 변경을 Git PR과 자동 검증 파이프라인으로 관리하고, 조회·분석은 포털로 셀프서비스화했습니다. LLM 리뷰와 안전장치를 결합해 처리 시간을 줄이고 DBRE의 검토 역량을 고도화했습니다.


DB 변경을 Git PR과 자동 검증 파이프라인으로 관리하고, 조회·분석은 포털로 셀프서비스화했습니다. LLM 리뷰와 안전장치를 결합해 처리 시간을 줄이고 DBRE의 검토 역량을 고도화했습니다.

웹 프로토타입과 반복 UT로 오토태깅의 자동 추천·대기 시간·UI를 검증했습니다. 앱 캐시와 서버 규약을 조정해 반복 태깅을 줄이고 태그·클릭 증가를 확인했습니다.
오늘의집은 사내 데이터·인증·배포를 공용 블록으로 제공하는 바이브 코딩 플랫폼을 구축했습니다. AI 기반 개발 루프와 보안 계층으로 비개발자도 업무용 앱을 직접 배포하도록 지원했습니다.
일본어·한자 폴백 문제를 해결하기 위해 Pretendard JP를 TTFont로 경량화했습니다. Dynamic Feature Module로 일본 사용자에게만 폰트를 제공했습니다.

Event·Metric Config와 증분 집계로 실험 메트릭 계산을 표준화했습니다. Z-test·Delta Method와 통합 UI로 결과 해석 불일치를 줄였습니다.

복잡한 SuperRoot와 PageFilter의 디버깅 흐름을 웹 UI로 시각화했습니다. HTMX와 Kotlin HTML DSL로 서버 주도 부분 갱신을 구현했습니다.

다국어·다도메인 검색을 위해 BGE-M3를 도메인 파인튜닝하고 128차원 벡터 검색을 적용했습니다. LLM 기반 학습 루프와 임베딩 최적화로 검색 관련성과 CTR을 높였습니다.

검색·디스플레이 광고 내재화 과정에서 Two Tower와 SASRec 기반 후보 생성을 고도화했습니다. Calibration·랭킹 손실·피처 표현 개선으로 CTR과 광고 수익 지표를 높였습니다.

500장 이상의 이미지를 로고로 수렴시키는 ATF 인터랙션을 WebGL 기반으로 구현했습니다. Texture Atlas와 사전 좌표 계산으로 요청 수와 런타임 부담을 줄였습니다.

중앙 레지스트리 기반 피처 스토어로 학습·서빙 피처를 일원화했습니다. Go 조회 로직과 ScyllaDB 전환으로 지연과 비용 문제를 개선했습니다.

검색·추천 결합과 실험 자동화로 광고 내재화 초기의 낮은 CTR 문제를 개선했습니다. 실시간 지표와 서버 기반 설정으로 빠른 실험·런칭 사이클을 구축했습니다.

오늘의집은 이미지 속 상품 탐색을 위해 객체 탐지와 벡터 검색 기반의 오집렌즈를 구축했습니다. 유저 인터랙션 로그를 활용해 탐지 결과와 이미지 유사도 모델을 지속 개선합니다.
