무신사

·AI/ML·

Strategy, Innovation, Hiring, Interview

무신사의 AI 네이티브 채용 시리즈 The Human은 점수로 보이지 않는 인간의 판단을 다루며, 기능과 사고의 깊이가 다를 수 있음을 분석합니다. Functional Gate, Depth, Quality Gate 같은 평가 체계와 AI가 만든 면접 가이드가 후보자의 코드와 의도를 어떻게 분리하는지 사례로 설명합니다. 또한 사람의 해석이 필요한 부분을 강조하고 맥락 문서화의 중요성, 하네스 엔지니어링의 필요성을 통해 채용 프로세스의 미래 방향을 제시합니다.

슈퍼브에이아이

·AI/ML·

Object Detection, Physical AI, Vision Foundation Model, Data Centric AI, Instance Detection

슈퍼브에이아이의 창립 8주년을 맞아 1.3억 장의 데이터 확보와 국내 최초 Vision Foundation Model(VFM) 도입으로 피지컬 AI의 다음 장을 제시합니다. NVIDIA의 Physical AI Ecosystem Partner로 선정되었으며, CVPR 2025의 InsDet 2연과 FSOD 4연 성과를 바탕으로 ZERO VFM과 DINO-X를 통한 비전 중심 인프라 설계와 데이터 중심 AI 전략을 다룹니다. 데이터 수집-라벨링-학습 파이프라인과 Data Flywheel 개념으로 실무 적용 로드맵을 제시하고, 기업 고객이 현장에서 활용할 수 있는 구체적 방향과 기대 효과를 설명합니다.

토스

·DevOps·

Docker, StarRocks, Resource Group, CPU Weight, Exclusive CPU Cores

토스는 StarRocks를 실시간 OLAP 엔진으로 도입해 단일 클러스터의 멀티테넌트 워크로드를 관리하고자 Resource Group과 CPU 우선순위를 설계했다. 서비스 쿼리 우선의 cpu_weight와 필요 시 exclusive_cpu_cores로 물리 코어를 분리해 SLA를 보호하고, Classifier로 쿼리 매칭 규칙을 정교화했다. Docker 환경의 cpuset, bind_cpus, borrowing 의존성과 모니터링 방법—쿼리 이력과 Kafka/Grafana 대시보드를 통해 성능 안정성과 운영 가이드를 제시한다.

요기요

·AI/ML·

GitHub, Datadog, Slack, Firebase Crashlytics, n8n

요기요 모바일팀은 온콜 자동화를 위해 Slack 연동의 n8n 기반 워크플로우와 Claude Skills를 활용해 크래시 분석과 VoC 분석을 자동화하는 여정을 소개합니다. Slack에서 /crash-analytics, /app-review-comment 명령으로 Crashlytics와 VoC 데이터를 수집하고 AI가 원인 요약과 수정 제안을 Slack 스레드에 남깁니다. 또한 n8n으로 워크플로우 가시성을 높이고 방화벽·접근 이슈를 해결한 뒤 운영 정책 반영과 데이터 캐싱 등 향후 개선 방향을 제시합니다.

미리디

·Data·

MongoDB, Query Optimization, Amazon DocumentDB, Partial Index, ESR

미리디가 MongoDB Atlas에서 Amazon DocumentDB로 전환 후 미리캔버스의 쿼리 성능을 인덱스 최적화로 개선한 사례를 공유합니다. Partial 인덱스와 $exists/$in 문제, $or+sort의 한계, Regex의 범위변환, hot document의 GC 이슈를 해결한 구체적 방법과 운영 노하우를 제시합니다. 미리디 사례를 통해 DocumentDB에서도 이러한 인덱스 최적화와 운영 모니터링을 적용하면 쿼리 지연을 줄이고 안정성을 높일 수 있습니다.

미리디

·Cloud·

MongoDB, AWS DMS, MongoDB Atlas, Amazon DocumentDB, IO Optimized

미리디가 미리캔버스의 데이터베이스를 MongoDB Atlas에서 Amazon DocumentDB로 전환해 IOPS 병목을 해소하고 실시간 편집 반응 속도를 개선했습니다. 초기 POC에서 MongoDB API의 호환성 이슈를 검증하고, DMS를 통한 Full Load와 CDC로 데이터 싱크를 안정적으로 마이그레이션했습니다. 결과적으로 37ms에 달하던 레이턴시가 2.5ms까지 감소했고, 동시 편집 시 사용자 체감 속도가 정말로 크게 향상되었습니다.

SSG.COM

·AI/ML·

REST API

SSG.COM의 오타 보정 개선 사례는 오타-정타 데이터를 활용한 번역 모델과 검색어 임베딩 기반 다중 질의, 벡터 검색 등 3대 접근법을 도입하는 내용입니다. 멀티태스크 학습과 편집거리 기반 필터링으로 헛소리 방지를 강화하고, 0.3%p 검색 실패 감소와 3.4%p 벡터 검색 실패 개선을 달성했습니다. 향후에는 베스트 검색어 랭킹화, 벡터 기반 도입 확장, 생성형 검색 모델 도입 등으로 오타에 강건한 검색을 확장하고자 합니다.

토스

·Data·

Snowflake, Data Warehouse, Data Mart, SSOT, dbt

토스에서 데이터봇 판다(PANDA)를 도입해 필요 데이터를 즉시 추출하고 인사이트까지 제공하는 데이터 민주주의를 실현하고 있으며, 보안 등급 내 조회를 가능하게 합니다. 핵심은 SSOT 기반 단일 데이터마트 정비와 DW 표준화, 비즈니스 용어 연결, 유사도와 신뢰도 기반의 선택 체계, 그리고 Agentic Loop 설계입니다. 그 결과 70% 사용과 현업 속도 개선, 97% 정확도 목표 등 실용적 가치가 확인되었으며, 향후 90% 커버리지 달성과 더 높은 정확도를 목표로 하고 있습니다.

잡코리아

·Architecture·

QueryDSL, PostgreSQL, Event Driven Architecture, Spring Framework, MapStruct

잡코리아의 Server-Driven UI 도입 사례로, 화면 변경 이력을 관리하는 2-Tier 아키텍처의 설계와 목적을 상세히 소개합니다. 이력 저장은 AFTER_COMMIT 트랜잭션과 REQUIRES_NEW 분리로 수행되며, JSON 스냅샷과 DiffData를 활용해 변경된 필드를 세밀하게 기록합니다. 마지막 캐시 동기화 이후의 변경을 조회해 증분 배포 판단과 롤백 가능성 등 실무 활용 가이드를 제공합니다.

당근

·Data·

Strategy, Innovation, Event, Company Culture, Hiring

당근 데이터가치화팀은 AI 시대 데이터 플랫폼과 팀 역할의 변화를 주도하며, 데이터 파이프라인과 거버넌스의 중요성을 구체적으로 강조합니다. 또한 BigQuery MCP, Lineage MCP 등 데이터 도구를 LLM과 연동하는 아키텍처를 설계해 구성원이 자연어로 데이터를 탐색하도록 지원합니다. 또한 데이터-지표 정의의 코드 관리, 메타데이터 정리, 권한 및 리니지 관리 같은 기반 설계로 AI가 신뢰 가능한 결과를 도출하도록 합니다.