ko업무에 적용한 AI

업무에 적용한 AI

자동화를 위해 가장 먼저 필요했던 것은 챗봇이 아니었습니다. 제 업무 정보가 한곳에 모여 있는 자리였습니다.

업무 중에 나오는 평범한 질문 하나, 이 결정이 왜 내려졌는지, 고객사가 실제로 요구한 것이 무엇인지, 이 기능이 지금 어떤 상태인지를 확인하려면 메일을 뒤지고 팀즈를 뒤지고 어렴풋이 기억나는 회의를 떠올린 다음 JIRA와 컨플루언스까지 봐야 했습니다. 서로 연결되지 않는 다섯 개의 시스템에 맥락이 얇게 흩어져 있었습니다.

그래서 그 위에 검색 계층을 만들었습니다. RAG 저장소에 지식 그래프를 얹은 형태입니다. 검색을 만드는 일은 절반에 불과했고, 진짜 작업은 인제스천이었습니다. 데이터를 넘겨줄 목적으로 설계되지 않은 시스템들에서 지속적으로 데이터를 끌어오는 일이고, 지금도 그렇습니다.

메일에서 JIRA로

가장 크게 기여한 부분입니다. 메일로 오간 결정은 누군가의 받은편지함에만 남고, 정작 관련된 티켓에는 아무 기록도 없었습니다.

  • 메일 스레드를 파싱해 해당하는 JIRA 이슈에 붙이므로, 티켓이 자기 결정 이력을 스스로 갖게 됨
  • 추적 가능성이 “적절한 사람이 붙여넣기를 기억하는가”에 더 이상 의존하지 않음

완벽하지는 않습니다. 다만 돌아가고 있고, 업무에 기대어 쓸 만한 수준입니다.

팀즈 대화

같은 문제가 다른 시스템에서 반복됩니다. 실제 판단 과정의 상당 부분이 팀 채팅에서 일어나고 그대로 증발합니다.

  • 팀 대화를 같은 저장소로 인제스트하므로, 채팅이 따로 고립되지 않고 메일과 티켓 옆에 놓임

회의

  • Whisper 기반 STT 파이프라인으로 녹음을 전사하고, 전사본을 개인 메모가 아니라 같은 정보 체계의 일부로 관리
  • 한국과 베트남, 고객사를 오가는 회의가 유일하게 기록을 남기지 않는 소스로 남지 않게 됨

컨플루언스와 JIRA 이력

  • 컨플루언스와 JIRA에 이미 쌓여 있는 내용을 크롤링해 같은 저장소로 가져오므로, 과거 맥락을 오늘 들어온 내용과 나란히 검색할 수 있음

JIRA 리포트

같은 접근 경로 위에 얹은 기능이고, 일상적으로 가장 눈에 띄는 부분입니다.

  • JIRA REST API와 JQL 질의로 보드를 가져와 스프린트 리포트를 Markdown과 HTML로 생성
  • 방치된 티켓을 탐지해 자동으로 코멘트를 남기므로, 회의가 아니라 티켓 위에서 바로 환기됨
  • 팀이 바로 열어보는 웹 대시보드로 게시

다시 만들어도 그대로 가져갈 두 가지가 있습니다. 하나는 DRY_RUN 모드입니다. 남의 티켓에 코멘트를 쓰는 기능의 첫 버전은 실제로 쓰지 않아야 합니다. 다른 하나는 처음부터 제대로 처리한 페이지네이션인데, 보드가 예상보다 훨씬 빨리 첫 페이지를 넘어갔기 때문입니다.

레거시 빌드 환경 복원

제품 메인 OS와 별개로 팀에서 FactoryOS를 관리합니다. 생산 라인에서 듀얼 부팅 파티션으로 올라오는 공장 전용 시스템이고, 빌드 시스템도 별도로 존재하며 저희 팀이 유지보수를 맡고 있습니다.

이 빌드 시스템이 어느 순간부터 조용히 빌드되지 않는 상태였습니다. 오랫동안 아무도 빌드하지 않았고, 원인을 겨우 추적했을 때는 동작하는 환경이 노후한 장비 한 대에만 남아 있었습니다. 그 장비가 죽으면 다시 빌드할 수단도 같이 사라지는 상황이었습니다.

문서화되지 않은 레거시 툴체인을 복원하는 일은 보통 더디고 전문성이 많이 드는 작업입니다. 이번에는 AI를 활용해 환경의 본을 떴습니다. 문서에 적힌 내용이 아니라 실제로 설치되어 있고 의존하고 있던 것을 읽어내는 방식이었고, 그 결과를 컨테이너 이미지로 재구성했습니다. 컨테이너에서 재현이 되고 난 뒤에는 다른 빌드 변형들에 대응하는 일이 대부분 복제로 해결됐습니다.

이제 빌드 환경이 디스크 하나 고장으로 사라지는 상태에서는 벗어났습니다.

AI 활용 개발

코드를 쓸 때는 사내에서 승인된 범위 안에서 작업합니다. 허용된 AI 도구(VS Code Copilot)에 자체 서버에 올린 opencode를 결합한 구성입니다. 기업 환경의 제약 안에서 에이전트 워크플로를 실제로 쓸모 있게 만드는 일은 모델 선택과는 별개인 그 자체로 하나의 엔지니어링 문제입니다.

이 사이트

업무가 아닌 개인 프로젝트이지만 결과물을 지금 보고 계시므로 따로 설명할 것은 없습니다.

한 번의 작업 세션에서 에이전트 워크플로로 재구성했습니다. 문구를 다시 쓰고 이 사이트와 LinkedIn에 일관되게 반영했으며, 랜딩 페이지와 인쇄용 이력서를 만들고, 분석 도구를 Docker로 함께 자체 호스팅해 올렸습니다.

리포트와 전사 부분을 아키텍처·데이터 플로우 다이어그램까지 자세히 다룬 사내 발표 자료: AI-Powered Work Automation.

연구실개요