Product Engineer 도전: 업무 영역의 확장
Product Engineer 파일럿으로 문제 정의부터 다중 플랫폼 구현·배포까지 맡으며 병목을 분석했습니다. AI 시대에는 코드 생성보다 맥락 문서화, 검증 자동화, 프로세스 개선이 중요함을 확인했습니다.
Product Engineer 파일럿으로 문제 정의부터 다중 플랫폼 구현·배포까지 맡으며 병목을 분석했습니다. AI 시대에는 코드 생성보다 맥락 문서화, 검증 자동화, 프로세스 개선이 중요함을 확인했습니다.
기획자가 Claude Code와 설계 계획서를 활용해 서버부터 앱까지 광고 기능을 출시한 경험을 공유했습니다. 도메인 지식, 담당자 리뷰, AI 결과 검증과 오류 해석 환경의 중요성을 강조합니다.
AI가 코드를 빠르게 작성하는 환경에서 핵심 병목이 검증으로 이동했음을 두 프로젝트 사례로 설명했습니다. CI, 시각 회귀, MCP 기반 실행 검증으로 배포 확신을 만드는 방식을 제시했습니다.
AI와 검증된 개발 컨벤션을 활용해 PO·BE·FE 역할을 겸하며 친구 초대 기능을 출시했습니다. Product Engineer의 지속 가능성을 위해 프로세스 템플릿, 전문가 협업, 커뮤니케이션 관리가 필요합니다.
AI 코딩 도구로 개발 속도는 빨라졌지만 조직 생산성은 그대로인 이유를 살피는 파일럿 이야기입니다. 이후 요기요에서의 변화도 함께 다룹니다.
요기요 모바일팀이 n8n과 AI로 크래시·앱 리뷰 분석을 자동화한 과정을 소개했습니다. 반복 업무는 AI에 맡기고 사람은 판단에 집중하는 구조를 만들었습니다.
AI를 리서치 설계, 분석, 리포팅, 품질 관리에 적용해 UX 리서치 파이프라인을 고도화했습니다.반복 작업을 줄이고 근거 기반 인사이트와 의사결정 지원을 강화한 사례를 소개했습니다.
ChatGPT Apps SDK와 MCP로 요기요 배달 서비스를 연결한 개발 과정을 정리했습니다. 위젯, CSP, 배포 분리, 모니터링까지 실제 운영 관점의 설계가 담겼습니다.
Next.js 환경에서 디자인 시스템 라이브러리의 번들 최적화와 구형 브라우저 대응 방법을 정리했습니다. 모듈 구조 유지, transpilePackages, 폴리필 전략을 통해 서비스 단의 호환성과 성능을 함께 개선했습니다.
Stage 환경에서 Locust 트래픽을 기반으로 카오스 실험 결과를 정리했습니다. Pod 지연과 외부 API 차단이 서비스와 사용자 경험에 미치는 영향을 확인하고 개선 포인트를 도출했습니다.
R&D Center 2025 연말 파티의 준비 과정과 현장 분위기를 소개했습니다. TF 협업으로 구성원들이 편하게 즐기는 연말 행사를 만들었습니다.
포장 지도에서 겹친 마커로 탐색이 어려운 문제를 Map Projection 기반 펼치기로 개선했습니다. 클라이언트 계산, 개수 제한, 줌 스케일링으로 가독성과 선택 흐름을 함께 높였습니다.
사내 DB 관리 규정을 바탕으로 DDL 요청을 1차 검토하는 Bedrock 기반 리뷰봇을 개발했습니다. 20% 처리 속도 개선과 함께 DBA의 반복 업무와 커뮤니케이션 비용을 줄였습니다.
Radix Primitives로 접근성과 확장성을 확보하고, Panda CSS로 상태 기반 스타일링을 선언적으로 구성했습니다. 또한 styled-components의 한계를 고려해 Zero-runtime CSS-in-TS로 전환하고 토큰 배포 전략도 정비했습니다.
Live Activities를 iOS 주문 상태 전달에 적용한 사례를 소개했습니다. 앱 종료 상태와 여러 기기에서도 일관된 상태 반영을 위해 APNs 기반 서버 관리를 선택했습니다.
요기요의 카오스 엔지니어링 도입 과정과 실험 설계 방법을 공유했습니다. Istio와 권한 설정 이슈를 해결하며 AWS FIS로 네트워크 지연 주입을 성공시켰습니다.

요기요는 디자인 시스템 아이콘을 개별 SVG 컴포넌트와 전용 라이브러리로 재구축했습니다. 자동 변환, 접근성, 토큰 연동, 변경 내역 자동화로 운영 효율을 높였습니다.
![[디자인 시스템 어떻게 만들었어요?(1)] 아이콘 라이브러리 만들기](https://miro.medium.com/v2/resize:fit:1200/1*kCf05hhyLPa7iBp2vBTJAA.png)
Datadog 모니터링 분석을 Gemini로 자동화해 주간 작업 시간을 1시간에서 5분으로 줄였습니다. 다만 이미지 분석과 비즈니스 맥락 부족으로 인한 한계는 API 데이터와 검증 과정으로 보완했습니다.