
DORA 5대 지표로 보는 AI 시대 한국 엔터프라이즈 실행 가이드
DORA가 5대 지표와 7가지 팀 유형으로 재편된 배경과 의미를 정리했습니다. AI 시대에는 속도만 보지 말고 불안정성과 품질 비용까지 함께 진단해야 합니다.

DORA가 5대 지표와 7가지 팀 유형으로 재편된 배경과 의미를 정리했습니다. AI 시대에는 속도만 보지 말고 불안정성과 품질 비용까지 함께 진단해야 합니다.


Claude Code와 Codex를 Amazon Bedrock에서 함께 쓰기 위한 단일 LLM Gateway 아키텍처를 소개했습니다.개발자 선택의 자유를 유지하면서 인증, 예산, 보안, 관측을 한곳에서 통합하는 운영 방안을 정리했습니다.
![[교육환경 AX와 데스크톱 가상화①] 데스크톱 가상화로 만드는 공정한 온라인 시험](https://static.gabia.com/www/common/gnb/gabia_logo_1200.jpg)

데스크톱 가상화로 학생 기기와 무관한 동일한 시험 환경을 제공했습니다. 잠금 브라우저와 AI 감독으로 부정행위를 줄이고 시험 안정성도 높였습니다.

모노레포를 유지하면서도 모놀리스화를 막기 위한 프론트엔드 계층 구조와 규칙을 설명했습니다. 공통 패키지 남용을 줄이고 의존성과 변경 전파를 제어하는 방법을 정리했습니다.
![[의존성의 방향을 따라 5/5] Evergreen이 가능했던 이유](https://flex.team/blog/og/main.jpg)

Evergreen 자동화가 가능했던 구조적 전제를 Convention Plugin과 구조적 일관성 관점에서 정리했습니다. 대규모 변경 전파가 왜 일관된 빌드·CI 구조 위에서만 성립하는지 설명했습니다.

DynamoDB의 설계 철학과 내부 구조, 대규모 트래픽 대응 방식을 소개했습니다. 셀 기반 아키텍처와 AZ 운영, 커넥션 재사용 같은 실무 인사이트도 함께 정리했습니다.
![[의존성의 방향을 따라 2/5] 의존 그래프를 읽는 Planner](https://flex.team/blog/og/main.jpg)

레포 간 의존성을 그래프로 복원해 변경 전파 순서를 자동 계산하는 Planner를 설명했습니다. 또한 Kotlin과 Spring Boot처럼 변경 유형에 따라 upstream-first와 downstream-first를 구분하는 방법을 정리했습니다.


AWS 공간 데이터 관리로 건물 검사 결과를 공간 참조 데이터로 구조화하는 방법을 소개했습니다. 이미지와 메타데이터, 추론 결과를 연결해 장기 보존과 재분석 가능성을 높였습니다.
![[의존성의 방향을 따라 1/5] 버전업이 고통인 이유](https://flex.team/blog/og/main.jpg)

50개 레포와 3,500개 모듈에서 Spring Boot 패치 버전업이 왜 조직 전체의 문제인지 설명했습니다. 수동 전파의 한계를 보여주고, 자동화된 recipe 기반 구조를 제안했습니다.
![[의존성의 방향을 따라 1/5] 버전업이 고통인 이유](https://cdn.sanity.io/images/v31psllp/production/6b5c6a4d92aeec8eb1400140ea58d591749ec8ee-1684x1030.png)

50개 레포와 3,500개 모듈 환경에서 Spring Boot 패치 버전업이 왜 조직 전체의 문제가 되는지 설명했습니다. 수동 전파의 병목을 줄이기 위해 자동화와 빌드 검증 중심의 Evergreen 구조를 제안했습니다.


Amazon SageMaker Unified Studio의 다계정 Redshift 공유 패턴을 검증한 글입니다. Publisher를 소스 계정에 두는 구성이 거버넌스와 컴퓨트 격리를 함께 만족했습니다.

AI 데이터센터의 전력 밀도 증가에 따라 전력 케이블이 핵심 인프라로 중요해졌습니다. 구조, 설계, 시공, 진단과 차세대 기술까지 폭넓게 정리했습니다.
![[AI가 읽을 수 있는 코드베이스 3/5] Standalone App: 도메인 슬라이스 독립 실행](https://flex.team/blog/og/main.jpg)

Issue 도메인을 독립 실행 가능한 standalone-app으로 조립해 핵심 로직만 빠르게 검증하는 구조를 소개했습니다. 프로덕션 Adapter만 교체하고 시드 데이터, Swagger, React 프론트엔드를 묶어 AI 협업 검증 환경을 만들었습니다.

Multi-AZ 기반 Active-Active 설계로 장애 시에도 서비스 연속성을 높이는 클라우드 아키텍처를 다뤘습니다. Multi-Region과 DR의 차이, RTO·RPO 한계, 보안·데이터 안정성 전략도 함께 정리했습니다.