김형준

문제

사내 반복 업무(문서 작성, 장부 정리, 정부지원 과제 기술 설명 등)의 효율화 필요. 사내 기술 문서는 존재하나, 인력 변동 시 문서만으로는 맥락 파악이 어려워 타 팀에 반복적으로 설명을 요청해야 하는 비효율 발생.

해결

성과

• •법인카드 장부 매칭 반복 업무 자동화 도구 구현 및 실 적용
• •LLM 에이전트 기반 챗봇 서비스 구축 및 운영

문제

GPU 추론 서비스의 비용 효율을 높이기 위해 사내 GPU 자원 활용 필요. 이전 인력 변동 과정에서 기존 인프라의 히스토리 파악이 어렵고 운영 지식 유실 문제 발생.

해결

성과

• •온프레미스 우선 처리 + AWS 자동 확장의 하이브리드 추론 서비스 구축
• •온프레미스 자원 내에서는 클라우드 비용 없이 운영 가능, 트래픽 초과 시에만 AWS로 탄력적 확장
• •Pulumi 기반 IaC로 AWS 인프라를, K8s 매니페스트로 온프레미스 환경을 각각 코드 수준에서 관리

문제

영상 프레임에 스타일 변환, 세그멘테이션 등 복수의 AI 처리를 조합 적용 필요. 프레임 순서 보장, 작업 간 의존성 관리, 신규 작업 추가에 대한 확장성 요구. SAM3 기본 구현이 전체 프레임을 일괄 GPU에 적재하는 구조로 대용량 영상 처리 시 GPU 메모리 부족 문제 발생.

해결

성과

• •SAM3 메모리 최적화로 RTX 4090 기준 FHD 60fps 영상 처리 한계 13초 → 4분 이상으로 개선 (VRAM 증가 거의 없음)
• •설정 파라미터만으로 AI 처리 작업을 조합/해제할 수 있는 범용 영상 처리 파이프라인 구축

문제

AI 스타일 변환을 영상에 실시간 적용하려면 낮은 레이턴시와 안정적인 GPU 자원 할당이 동시에 필요. 기존 HTTP 요청-응답 방식으로는 실시간 스트리밍 불가. 실시간 추론 자체의 기술적 가능 여부부터 검증 필요.

해결

성과

• •1920x1080 기준 프레임당 전체 처리 시간 약 50ms (이미지 로드/변환/추론/반환 포함), 유저에게 네트워크 환경에 따라 25~30fps 실시간 스타일 변환 영상 제공
• •인스턴스 수 확장 시 동시 사용자 수 선형 확장 가능한 아키텍처 확보
• •오픈소스 기여를 통해 node-webrtc 생태계의 홀수 해상도 지원 문제 해결

문제

다국어(한/영/베트남/태국어) 환경에서 아이들의 음성 질문에 적합한 위인 캐릭터 응답을 매칭해야 했으나, 키워드 기반 검색으로는 자연어 질문의 의미를 정확히 매칭하기 어려운 상황.

해결

성과

• •다국어 환경에서 의미 기반 질문-응답 매칭 파이프라인 구축
• •Bett Asia 2025 전시회 출품

문제

GPU는 한정된 자원이므로 다수의 유저 요청을 순서대로 처리하면서도 트래픽 변동에 따라 GPU 인스턴스를 탄력적으로 운영 필요. 스케일 인 시 진행 중인 추론 작업이 중단되는 문제 발생. 영상 추론의 경우 전체 영상을 메모리에 적재하면 GPU 메모리 초과 위험. 또한 스케일 아웃 시 GPU 종류가 다를 수 있어 모델 파일이 맞지 않는 문제 발생.

해결

성과

• •GPU 자원의 효율적 활용과 유저 작업의 무손실 보장을 동시에 달성
• •본 제품(devutai)으로 CES 2026 혁신상 수상 (콘텐츠 & 엔터테인먼트 부문)

문제

스타일 변환 모델의 학습과 추론을 위해 개발자가 직접 스크립트를 실행해야 하는 구조. 스타일 기획은 기획팀, 데이터셋 제작은 TA팀이 담당하나 매번 개발자를 거쳐야 하는 병목 존재.

해결

성과

• •기획팀/TA팀이 개발자 없이 스타일 변환 모델의 데이터 생성 → 학습 → 추론 전체 사이클을 독립 수행 가능
• •학습/추론 과정에서 개발자 참여 비율 약 80% 감소, 개발 리소스 확보에 기여

문제

원격지에 설치되는 키오스크 특성상 현장 인력이 기본적인 관리를 수행할 수 있어야 하고, 개발팀의 현장 방문 횟수 최소화 필요. 결제, 프린터, 카메라, AI 추론이 하나의 프로그램에서 안정적으로 동작해야 하는 요구사항.

해결

성과

• •1대 납품, 계약 기간 1개월에서 반응이 좋아 3개월로 연장
• •납품 기간 동안 프린터 하드웨어 자체 장애 2건을 제외한 모든 소프트웨어 업데이트 및 상태 관리를 원격 처리

문제

유저가 생성 AI 이미지를 직접 생성하고 공유할 수 있는 플랫폼 필요. 기존 AUTOMATIC1111 기반 추론 구조를 사내 요구사항에 맞게 커스터마이징 필요.

해결

성과

• •유저가 직접 커스텀 모델을 학습하고 추론할 수 있는 크리에이터 플랫폼 추론 환경 구축

문제

Heartbeat1에서는 데이터 전처리를 여전히 로컬에서 직접 수행해야 했고 완전 자동화가 아닌 상태. GPU도 사용자가 직접 UI에서 확인하고 수동으로 선택하여 작업해야 하는 구조.

해결

성과

• •Heartbeat1 대비 데이터 전처리~학습~추론 전 과정의 자동화 수준 향상 및 GPU 자원 관리 자동화

문제

모델 학습과 추론을 개발자가 직접 SSH로 서버에 접속하여 수동 실행해야 하는 구조. 보안이 중요한 프로젝트와 일반 프로젝트가 섞여 있어 접근 제어 필요.

해결

성과

• •개발자/연구원이 서버에 직접 접속하지 않고도 학습/추론 작업을 관리할 수 있는 환경 구축

문제

모델 품질을 객관적으로 평가할 기준이 없어 모델 업데이트의 효과를 정량적으로 비교하기 어려운 상황.

해결

성과

• •모델 업데이트마다 객관적 비교가 가능해져 의사결정 속도 향상
• •실제 납품된 Face Transformation 모델 다수 제작 (울랄라세션 故 임윤택 복원, 故 유재하 복원, 공군 故 박인철 소령 복원, 윤여정 배우 KB 광고, 버추얼 휴먼 루이, 故 스티브 잡스 복원 등)