Java 디컴파일러로 운영 서버와 형상관리 소스의 불일치를 해소하다
운영 클래스와 형상 소스 불일치를 디컴파일·AI 분류·재컴파일 검증으로 복구했습니다.\nANT를 Gradle로 전환하고 직접 수정 통제로 재발 경로를 차단했습니다.

운영 클래스와 형상 소스 불일치를 디컴파일·AI 분류·재컴파일 검증으로 복구했습니다.\nANT를 Gradle로 전환하고 직접 수정 통제로 재발 경로를 차단했습니다.
배송준비중 단계에서 막히던 주문 취소를 앱에서 직접 가능하게 바꾼 사례입니다. 배송유형별 마감 시점을 재정의하고 Kafka, Redis 락, SQS로 동시성과 장애를 처리했습니다.
레거시 문자 발송 데몬을 걷어내기 위해 CDC와 Kafka를 이용한 과도기 구조를 설계했습니다.수십 개 서비스를 한 번에 바꾸지 못하는 상황에서 안전한 전환과 관측성을 확보한 사례를 설명했습니다.
AI Pick 카드 생성 품질을 높이기 위해 SFT 이후 정렬 학습과 평가 지표를 설계한 과정을 공유했습니다. 형식 검증기와 NLL 프록시로 선호 쌍을 만들고 DPO, GRPO로 품질과 형식을 함께 개선했습니다.
글로벌 매장 재고조사 요구를 3일 만에 PDA PoC로 구현한 사례를 소개했습니다. 현장과 같은 공간에서 병렬 협업하며 실사용 가능한 핵심 기능만 빠르게 검증했습니다.
복잡한 배송 센터 결정 로직을 전략 패턴과 컴포지트로 분리해 확장성과 유지보수성을 높였습니다. DB 기반 룰 On/Off와 실행 순서 제어로 배포 없이 정책 변경과 성능 최적화도 가능하게 했습니다.
같은 조직 안의 낯선 동료를 연결하기 위해 점심 교류 프로그램 올리프 랜덤밥을 운영한 사례였습니다. 협업 문턱을 낮추고 팀 간 이해와 소속감을 높인 점이 핵심입니다.
올리브영이 MCP를 개발하며 LLM이 툴을 잘 이해하도록 설명과 구조를 다듬은 과정을 공유했습니다. 가격 해석, 툴 체이닝, 미호출 문제를 예시·규칙·네이밍 조정으로 개선했습니다.
POS·SCO 결제 구조를 카드 식별과 승인 경로 중심으로 다시 설계해 속도와 안정성을 높였습니다. 카드 혜택 자동화와 이중화 체계까지 더해 운영 부담도 줄였습니다.
React, Vue, JSP가 섞인 백오피스에서 공통 화면을 웹 컴포넌트로 통합한 사례를 소개했습니다. 부모 시스템의 인증과 자원을 공유하면서도 CDN 독립 배포와 스타일 격리를 구현했습니다.
옴니채널 재고 정합성과 확장성 문제를 해결하기 위해 인벤토리 데이터 파이프라인을 이벤트 기반으로 재설계했습니다. Spring Batch, Kafka Fan-Out, Push/Pull 분리로 리드타임과 부하를 줄였습니다.
상품 모니터링 체계를 Slack 알림 중심에서 DLQ 재처리, Workflow 자동 분석, 정합성 자동화로 진화시켰습니다. 사람이 개입할 일을 줄이고 장애 판단과 대응 속도를 높인 사례를 공유했습니다.
올리브영 글로벌엔지니어링센터의 첫 워크숍에서 GenAI 해커톤과 전략 아이디어톤을 진행했습니다. AI 생산성뿐 아니라 협업 구조와 검증의 중요성도 함께 확인했습니다.
상품·쿠폰·증정·프로모션 데이터를 Kafka 기반 준실시간 구조로 전환한 사례입니다.\nRedis Pub/Sub, Aggregation Topic, Shadow Table로 정합성과 안전한 이관을 확보했습니다.
올리브영은 AI-DLC와 Unicorn Gym으로 AI 협업 개발 프로세스를 실험했습니다. 요구사항부터 테스트까지 구조화한 워크플로우와 레거시 현대화 가능성을 확인했습니다.
올리브영 테크플랫폼센터가 디지털 마법사 세계관으로 연례 워크숍을 구성했습니다. 2026년 비전과 협업 메시지를 몰입형 경험으로 전달한 사례입니다.
올리브영 프로덕트센터가 120명의 PM과 디자이너를 모아 사일로를 넘는 워크숍을 열었습니다. 전략 공유와 체험형 프로그램으로 공통 언어와 협업의 연결을 만들었습니다.
Host Level 카오스 엔지니어링으로 인프라 장애를 직접 재현하고 QA 관점에서 고객 경험과 데이터 정합성을 검증했습니다. 이를 통해 알림 체계, 자동 복구, 정기 테스트 프로세스를 강화했습니다.
MSA 환경에서 매장 데이터 연동 방식을 데이터 특성에 따라 다르게 설계한 사례를 다뤘습니다. Redis 캐시와 Kafka 이벤트를 조합해 API 부담을 줄이고 실시간성을 확보했습니다.
멀티 센터 전환에 맞춰 배송최적화 시스템을 도입하고 주문분배·이관을 자동화했습니다. 그 결과 배송 리드타임을 평균 14시간 단축하고 운영 개입을 크게 줄였습니다.