AI PRODUCT BUILDER · LLM AGENT · PRODUCTIZATION

말 잘하는 AI보다,
제대로 쓰이는 AI를 만들었습니다.

ERP Agent와 RAG, AI 추천, 0→1 서비스까지
무엇을 만들었고 왜 그렇게 설계했는지 담았습니다.

황세동AI Agent Developer / Software Engineer

SELECTED PROJECTS

문제와 상황을 어떻게 나누고 설계해,
실제 결과물로 연결했는지 보여주는 사례입니다.

01

AI AGENT PRODUCTIZATION

복잡한 현업 업무를
실행 가능한 AI Agent로

ERP 화면·문서·업무 API를 연결하고, 권한과 운영까지 제품의 범위로 확장했습니다.

내 역할
Agent Runtime 설계·구현 · RAG 연동 · 업무 UX 설계 · 운영/관측 구조 구축
개발 범위
주도 개발

AI Agent · RAG · Tool Calling · Operation

자세히 보기 →
AI Assistant 업무 화면
Gifo 선물 서비스 화면

02

CONTEXTUAL AI EXPERIENCE

선물 맥락을
추천 경험으로 연결한 Gifo

선물 선택 이후의 고민을 줄이기 위해 생성형 AI 추천 기능을 서비스 흐름에 통합했습니다.

내 역할
AI 추천 API 구현 · 구조화 응답 설계 · 서비스 연동
담당 범위
선물 포장 AI 추천 기능

LLM · Recommendation · Product Integration

자세히 보기 →

03

PRODUCT BUILDING CASE

그날로

사진의 촬영 시간과 위치 정보를 묶어, 여행 기록을 복원하는 MVP를 설계하고 배포했습니다.

내 역할
MVP 기획 · 여행 탐지 로직 구현 · 배포
개발 형태
개인 개발

Metadata Analysis · Automation · MVP Delivery

자세히 보기 →사용해보기 →
그날로 서비스의 여행 사진과 지도 화면

HOW I WORK

AI 제품을 만들 때
제가 지키는 개발 원칙입니다.

01

문제 발견

업무 관찰과 개선 기회 발굴

반복·지연·오류가 발생하는 지점뿐 아니라, 더 효율적이고 유용한 경험으로 발전시킬 수 있는 업무 흐름까지 살핍니다.

02

문제 정의

핵심 문제와 목표 정의

AS-IS 흐름과 발생 원인을 분석하고, 해결해야 할 핵심 문제와 목표를 정리합니다.

03

AI 범위 설정 및 개발

해결 방식 설계와 제품 구현

TO-BE 흐름을 기준으로 AI의 해석과 서버의 검증·계산·실행 책임을 나눕니다. 권한, 로그, 비용, 관측 체계까지 고려해 구현합니다.

04

지속적 관찰 및 개선

운영 지표 관찰과 지속적 개선

목표 달성 수준과 사용 흐름, 실패·비용·품질 지표를 확인합니다. AI 거버넌스가 지켜지는지도 점검하고 다음 개선의 우선순위를 정합니다.