JIUK KIM, Software Engineer 백엔드 개발자로서 데이터와 AI를 활용해 실질적인 비즈니스 임팩트를 만드는 시스템을 설계하고 구현하는 데 집중하고 있습니다. 실시간 트래픽의 안정성과 성능을 함께 고려한 분산 환경 아키텍처를 고민하며, 경영학 도메인 지식을 바탕으로 데이터 품질과 신뢰성을 중시하는 AI·데이터 지향 엔지니어로 성장하고 있습니다.
보유 역량 요약 • React.js, Next.js 기반으로 간단한 Frontend 개발 직접 가능.
• Go, TypeScript 기반으로 Backend 개발 및 트래픽 환경 대응 경험.
• SQL, NoSQL, Redis 기반으로 스키마 설계 및 DB 활용 경험.
• Kafka, Docker, AWS, ArgoCD 환경에서 서비스 배포 및 모니터링 경험.
• 실시간 트래픽 환경에서 LLM 또는 벡터 검색을 활용한 기능 개발 경험.
• LangChain, LangGraph를 활용한 에이전트 기반 자동화 서비스, 내부 PoC 구현.
• 외부 API 연동을 위한 MCP 또는 RAG 시스템을 위한 MCP 서버, 내부 PoC 구현.
• MLflow 등으로 머신러닝 라이프사이클 (데이터 가공, 학습, 모니터링, 고도화) 경험.
경력
주식회사 당근마켓 2025년 01월 ~ 현재 재직 중
정규직(인턴쉽 전환) • Software Engineer, Backend
• Go 기반 환경에서 도메인 중심 설계와 gRPC 기반 분산 시스템 경험
✓ 프로젝트 1. 채팅 자동 번역 기능: 실시간 트래픽 처리 및 LLM 비동기 아키텍처 설계
✓ 프로젝트 2. 시맨틱 캐싱 도입: 벡터 검색을 활용하여 연간 LLM 호출 비용 25% 절감
✓ 프로젝트 3. SHAP 기반 설명력을 활용한, 채팅 시점별 이탈 확률 예측 모델링 PoC
프로젝트
채팅 자동 번역 기능: 실시간 트래픽 처리 및 LLM 비동기 아키텍처 설계 실시간 트래픽 처리 LLM 비동기 아키텍처
• 다양한 언어권 사용자가 늘어나며, 채팅 자동 번역 기능이 필요했습니다.
• 채팅은 지연 민감도가 높아 번역 정확도와 응답 속도·안정성을 함께 만족해야 했습니다.
• 메세징에서 LLM 호출 병목을 줄이기 위한 비동기 분리 아키텍처가 필요했습니다.
• 메세지 파이프라인과 번역 처리를 분리해 채팅 경험에 영향을 최소화하여 구현.
• 메세지 번역을 수신 시점이 아니라 발신 시점에 미리 수행하는 비동기 아키텍처 구현
• 서버에서 Structured Output을 동적으로 적용하여 LLM 응답의 형식과 유효성 검증
• 실시간 채팅 UX를 유지한 채 LLM 번역 기능을 서비스 흐름에 통합.
• 기능 배포 1개월 시점에 DAU의 약 15% 이상이 자동 번역 기능 사용.
시맨틱 캐싱 도입: 벡터 검색을 활용하여 연간 LLM 호출 비용 25% 절감 인턴 주도 제안 실시간 벡터 검색 내장 벡터 DB 사용
포스트 보기 • 사용자 경험을 위해서 LLM을 활용해 채팅 발화를 추천해주는 기능을 도입했습니다.
• 그런데, LLM의 빈번한 호출로 인해 연간 약 9억 원의 비용이 예상되는 상황이었습니다.
• 이로 인해, 유사한 사용자 경험을 유지하면서 비용을 절감할 수 있는 방법이 필요했습니다.
• 당시 다른 팀의 인턴이었지만 실시간 벡터 검색을 활용한 시맨틱 캐싱 기법을 먼저 제안.
• 실제 채팅 데이터를 임베딩 후 PCA와 HDBSCAN으로 의미 기반 대화 패턴 군집 식별.
• 메인 서버와 분리된 애드온 구조, 내장형 벡터 DB를 활용하여 트래픽 외부 전이를 방지.
• 부하 테스트로 네트워크 I/O 병목 확인, 경량 리소스 다중 레플리카 구성으로 동시성 대응.
• 채팅에서 자주 등장하는 13개의 발화 의미 군집에 시맨틱 캐싱 기법 적용.
• 연간 LLM 호출 비용 25%, 약 2.3억 원 이상의 비용 절감 효과.
SHAP 기반 설명력을 활용한, 채팅 시점별 이탈 확률 예측 모델링 PoC 언어 + 행동 신호 통합 학습 SHAP 기반 해석 가능성 이탈 확률 기반 대응 전략 발굴
• 채팅 데이터는 사용자 경험 문제를 밀도 높게 보여주는 시계열 상호작용 데이터입니다.
• 기존의 메타데이터 정보만으로는 이탈 시점과 원인을 명확히 설명하기 어려웠습니다.
• 시점별 이탈 확률 추정과 SHAP 기반 원인 해석이 가능한 PoC를 진행했습니다.
• BERT/DistilBERT 임베딩과 감정·공손도·종료 의도 신호를 핵심 피처로 구조화.
• 응답 시간·메시지 길이·반응 여부 메타데이터를 결합해 시계열 피처 파이프라인 구축.
• 추론 시간 단축과 해석 가능성을 보장하기 위해 LightGBM 기반 모델 채택.
• 이탈 확률 상승 원인의 시점별 추적 가능성 확보를 위한 SHAP 기반 피처 기여도 분석.
• 경량 피처 엔지니어링+LightGBM 조합으로 채팅 시점별 이탈 확률을 빠르게 산출하고 해석 결과를 제공.
• 해석 결과를 기반으로 위험 신호 조기 포착과 개입 액션 가설 수립 가능성을 검토.
학력
미국 조지아공과대학교 2024.08 ~ 2026 재학 중, 컴퓨터공학 석사
고려대학교 2017.03 ~ 2024.02 졸업, 경영학 학사
• 비즈니스 애널리틱스 트랙 이수
• 비즈니스 애널리틱스 학부생 학회 창립
• 소프트웨어창업학회 NEXT (멋쟁이사자처럼)
언어 • TOEIC: 915/990
• TOEIC Speaking: 150/200
• TOEFL: 92/120