김병태 경력기술서

백엔드 코어 위에 AI를 제품과 개발 생산성으로 접목해 온 7년차 개발자입니다.

• 이메일: jon89071@gmail.com
• GitHub: https://github.com/jon890
• 주요 분야: Java·Kotlin 백엔드, AI 서비스, RAG, 개발 생산성 자동화

핵심 역량

백엔드 시스템 설계와 운영

• Java 17·21과 Spring Boot 2.6·3.x 기반 운영 서비스를 개발했습니다.
• 동시성 제어, 캐시 정합성, 배치 처리, 비동기 후처리와 장애 복구를 다뤘습니다.
• 기능을 한 번에 교체하기보다 테스트 안전망과 작은 변경을 통해 점진적으로 구조를 개선했습니다.

AI 서비스와 지식 기반

• 사내 RAG를 위한 다중 소스 벡터 색인 파이프라인의 배치 구조와 주요 처리 단계를 개발했습니다.
• Python·FastAPI 기반 문서 파싱 서비스의 워커 병렬화, 품질 검증과 운영 문제를 개선했습니다.
• Next.js·TypeScript·Gemini 기반 AI 제품을 프론트엔드부터 데이터베이스와 AI 파이프라인까지 완성했습니다.

AI 기반 개발 생산성

• 복잡한 도메인 지식을 20개 이상의 Cursor Rules로 구조화했습니다.
• AI 에이전트가 신규 슬롯 3종을 구현하고 사람이 검토하는 개발 흐름을 적용했습니다.
• 협업 도구와 클라우드 운영 기능을 CLI로 통합해 사람과 AI 에이전트가 같은 실행 도구를 사용하도록 만들었습니다.
• LLM 코드리뷰, 자동 테스트와 문서 검증을 개발 수명 주기에 연결했습니다.

검증 가능한 문제 해결

• RAG 배치를 11개 Step으로 분리해 실패를 격리하고 중단 지점부터 재시작할 수 있게 했습니다.
• 문서 변환 결과에 회귀 검증, golden 채점과 표 셀 F1을 적용했습니다.
• Python 워커의 RSS 증가를 메모리 단편화 문제로 진단하고 OS 메모리 반환 구조로 개선했습니다.

기술 스택

경력 요약

총 개발 경력은 SI 개발 약 3년을 포함해 약 7년입니다.

NHN AI 서비스 개발

기간: 2025.12–현재

역할: Java 백엔드, AI 서비스 파이프라인, Python 워커 운영, 풀스택 AI 제품 개발

다중 소스 RAG 벡터 색인 파이프라인

배경

사내 지식 검색 서비스가 여러 원천의 문서를 OpenSearch에 벡터로 색인해야 했습니다. 임베딩 API와 문서 파싱은 I/O 대기가 길었고, 중간 실패 시 전체 작업을 다시 실행하는 비용이 컸습니다.

기여

• Java 21·Spring Boot·Spring Batch 기반 파이프라인의 구조와 주요 처리 단계를 설계·구현했습니다.
• 수집, 변환, 임베딩, 색인, 삭제 동기화와 완료 처리를 11개 Step으로 분리했습니다.
• AsyncItemProcessor와 AsyncItemWriter로 I/O 작업을 병렬화했습니다.
• CompositeItemProcessor로 변경 감지, 데이터 보강, 본문 변환과 임베딩 단계를 조합했습니다.
• 변경되지 않은 문서는 임베딩을 건너뛰도록 version 비교 필터를 적용했습니다.
• 커서 기반 Reader와 실행 상태를 연결해 실패 지점부터 재시작할 수 있게 했습니다.
• 단일 문서 원천에서 사내 위키의 문서·댓글·첨부파일과 다중 스페이스를 포함하는 구조로 확장했습니다.
• Testcontainers, JaCoCo와 SonarQube로 회귀 검증을 자동화했습니다.

결과

• 사내 AI 서비스의 RAG 색인 기반을 여러 기여자와 함께 구축했습니다.
• Step별 실패 격리와 재시작이 가능한 운영 구조를 마련했습니다.
• 문서 원천이 늘어나도 메타데이터 Provider를 추가해 확장할 수 있게 했습니다.

기술

Java 21, Spring Boot 3.5, Spring Batch, OpenSearch, MySQL, Testcontainers

자세한 내용은 RAG 벡터 색인 배치에서 확인할 수 있습니다.

문서 파싱 서비스 운영과 품질 검증

배경

PDF, DOCX, PPTX, XLSX, HWP와 이미지 등 다양한 입력을 LLM이 사용할 수 있는 Markdown으로 변환하는 서비스입니다. OCR과 문서 변환 결과는 라이브러리나 설정 변경에 따라 쉽게 달라져 품질 회귀를 자동으로 판별할 필요가 있었습니다.

기여

• 단일 처리 구조를 한국어, 일본어와 우선순위 워커 풀로 분리했습니다.
• 인스턴스당 4개 워커와 운영 8대 환경에서 문서를 동시에 처리하도록 개선했습니다.
• 비대해진 파서를 입력, 적재, 변환과 Markdown 생성 단계로 분해했습니다.
• 지표, 로그와 조회 API에 중복된 관측 정보를 Grafana 중심으로 정리했습니다.
• pending 작업과 크기가 고정된 call queue를 구분해 실제 적체 판단 기준을 정립했습니다.
• 이전 출력과 비교하는 NED 회귀 검증에 사람이 확정한 golden 채점을 추가했습니다.
• 표는 전체 텍스트 점수와 분리해 셀 단위 F1으로 평가했습니다.
• 운영 서버를 사용하던 검증 방식을 일회성 클라우드 인스턴스로 전환했습니다.
• gc.collect() 뒤에도 남는 워커 RSS를 glibc 메모리 단편화 관점에서 진단했습니다.
• malloc_trim을 환경변수로 제어하고 인스턴스 배포 후 메모리 추이를 검증했습니다.
• 대용량 XLSX를 행 단위로 처리해 27GiB 제한을 채우던 입력의 RSS를 약 92MB로 낮췄습니다.
• 중복 CUDA 의존성을 제거해 컨테이너 이미지 압축 크기를 9.89GB에서 6.82GB로 줄였습니다.

결과

• 품질 저하를 자동으로 차단하면서 개선 실험을 반복할 수 있는 기반을 만들었습니다.
• 운영 인스턴스에 영향을 주지 않는 검증 환경을 마련했습니다.
• 메모리, 좀비 프로세스와 GPU 이미지 크기를 운영 지표와 회귀 검증으로 관리할 수 있게 했습니다.

기술

Python 3.11, FastAPI, ProcessPoolExecutor, docling, PaddleOCR, Docker, Prometheus, Grafana

자세한 내용은 Document Parser 운영과 개선에서 확인할 수 있습니다.

OCR API와 배포 경로 안정화

OCR 모델 서버의 배포·오토스케일 전환 때 기동 전 요청과 종료 중 연결 단절이 발생했습니다. 기존 API Gateway를 제거한 뒤에는 HTTPS, 경로 변환과 접근 제어를 직접 책임져야 했습니다.

• 모델 서버의 준비 신호 뒤에 Envoy가 요청을 받도록 기동 순서를 고쳤습니다.
• gRPC 종료 유예, 프로세스 신호 전달과 Envoy drain 순서를 맞췄습니다.
• OCR API의 커넥션 수명, 2초 연결 제한과 안전한 오류만 다시 보내는 재시도 정책을 적용했습니다.
• Gateway부터 모델 서버까지 X-Request-Id를 전파해 로그를 연결했습니다.
• 외부용 Ingress Controller, LoadBalancer, HTTPS와 IP 접근 제어를 구성했습니다.
• 기존 경로와 새 경로의 응답 등가성, 접근 차단과 지속 부하를 검증했습니다.

도달할 수 없는 모델 주소의 연결 실패를 약 30초에서 2.1초로 줄였습니다. 기동과 종료 양쪽의 연결 실패를 서버와 호출자 계층에서 함께 방어했습니다.

Java 21, Spring Boot 3.x, WebClient, Reactor Netty, Python, gRPC, Envoy, Kubernetes, Helm, ArgoCD

• OCR 오토스케일 연결 안정화
• OCR 공인 진입점 전환

AI 웹툰 제작 도구

배경

웹소설 분석부터 세계관, 캐릭터, 각색, 글콘티와 이미지 컷 생성까지 이어지는 AI 제품 MVP를 혼자 완성해야 했습니다.

기여

• Next.js 16, TypeScript, PostgreSQL, Prisma와 Gemini를 사용하는 단일 코드베이스를 설계했습니다.
• 프론트엔드, 백엔드, 데이터베이스와 AI 호출 파이프라인을 End-to-End로 구현했습니다.
• 모델 품질과 비용을 함께 고려해 pro, flash, lite 순서의 fallback 정책을 설계했습니다.
• 전역 rate limit 상태를 공유해 제한된 모델에 반복 요청하는 문제를 막았습니다.
• 소설 반복 입력은 Gemini Context Caching으로 공유했습니다.
• 60컷 이미지 생성은 Promise.allSettled로 부분 실패를 격리했습니다.
• continuation 호출에도 원작과 treatment를 다시 주입해 환각을 줄였습니다.
• 이미지 모델에는 텍스트 지시 대신 기준 이미지를 전달해 캐릭터 외형을 유지했습니다.
• Zod를 AI 응답과 외부 입력 검증의 단일 소스로 사용했습니다.
• Container와 Presenter를 분리하고 파일 소유권을 정해 디자이너와의 충돌을 줄였습니다.

결과

• 전반 12일 동안 199개 계획과 760개 커밋으로 MVP 범위를 완성했습니다.
• 후반 12일에는 구조, 관측성, 오류 처리와 통합 테스트를 보강해 운영 단계로 확장했습니다.
• 본인은 요구사항, 설계, 계획과 검토를 맡고 에이전트가 구현하는 개발 하네스를 정착시켰습니다.
• 운영자가 단계별 결과를 검토하고 수정·재생성할 수 있는 제품 흐름을 만들었습니다.

기술

Next.js 16, React 19, TypeScript, PostgreSQL, Prisma, Zod, Gemini API

자세한 내용은 AI 웹툰 제작 도구에서 확인할 수 있습니다.

NHN 슬롯 백엔드 개발

기간: 2024.06–2025.11

역할: Java 백엔드, 슬롯 도메인 개발, 아키텍처 개선, AI 개발 방식 도입

슬롯 도메인과 아키텍처 개선

• Spring Boot 3·Java 17 기반 신규 슬롯 5종 개발에 참여했습니다.
• 여러 슬롯 구현에서 반복되는 패턴을 확인한 뒤 BaseSlotService와 페이 조건 추상화(SlotPayConditionChecker)를 도입했습니다.
• 플레이 모드별 중복 흐름을 템플릿과 핸들러 구조로 통합했습니다.
• 슬롯별 당첨 계산 규칙은 Decorator와 Strategy 조합으로 확장했습니다.
• 정적 데이터 갱신 구간을 StampedLock으로 보호해 조회 중 NPE를 막았습니다.
• 백그라운드 결과 캐시 시스템을 여러 슬롯에 적용했습니다.
• 테스트가 어려운 레거시 코드를 1년 반 동안 작은 변경으로 통합 테스트 가능한 구조로 전환했습니다.

성능과 동시성 문제 해결

• 가중치 랜덤 선택의 O(n) 누적합 병목을 분석하고 O(1) Alias Method 적용 근거를 정리했습니다.
• 1억 건 데이터를 메모리에 누적하던 시뮬레이터를 Welford Online Algorithm으로 변경해 공간 복잡도를 O(1)로 줄였습니다.
• 캐시 생성 충돌은 DB 유니크 키와 예외 처리를 사용해 단순하게 제어했습니다.

자세한 내용은 다음 문서에서 확인할 수 있습니다.

• 슬롯 엔진 추상화
• 슬롯 스핀 성능 개선

AI 에이전트 기반 개발 방식 도입

• 코드 위치, 도메인 객체, 게임 규칙과 검토 기준을 20개 이상의 Cursor Rules로 만들었습니다.
• 에이전트가 존재하지 않는 클래스나 메서드를 사용하는 문제를 정확한 패키지와 제약 정보로 줄였습니다.
• 에이전트 구현은 by agent 커밋으로 구분해 추적했습니다.
• Slot 41, 44와 47을 에이전트가 구현하고 사람이 도메인 규칙을 검토하는 흐름을 운영했습니다.
• 에이전트용 문서가 신규 팀원의 도메인 온보딩 자료로도 재사용되도록 만들었습니다.

자세한 내용은 AI 개발 도구 도입에서 확인할 수 있습니다.

NHN 스포츠 플랫폼 개발

기간: 2023.01–2024.03

역할: Java·Kotlin 백엔드, 어드민과 일부 프론트엔드, 캐시·정산 시스템 개발

• Java 11·Spring Boot 2.6 기반 서비스와 Kotlin 기반 어드민 백엔드를 개발했습니다.
• 추천·미션 보상 프로그램을 상태 머신과 비관적 락으로 구현해 중복 지급을 방지했습니다.
• 다중 서버 정산 워커에서 SELECT FOR UPDATE로 작업을 선점하고 중복 정산을 막았습니다.
• 정적 데이터 캐시 갱신 구간을 ReentrantReadWriteLock으로 보호했습니다.
• 캐시 응답 객체를 재사용해 갱신 중 부분 상태 노출과 불필요한 객체 생성을 줄였습니다.
• 13개 로케일 다국어 시스템을 프론트엔드부터 백엔드 캐시까지 단독 설계했습니다.
• 트랜잭션 커밋 이후 이벤트 발행과 실패 기록을 분리하는 후처리 구조를 운영했습니다.

자세한 내용은 인메모리 캐시 구조에서 확인할 수 있습니다.

더퓨쳐컴퍼니

기간: 2022.02–2022.11

역할: TypeScript·NestJS 백엔드

• Redis Streams의 순서를 이용해 게임 아이템 거래소 체결 엔진을 설계했습니다.
• Redis 기반 원자적 상태 관리로 동일 주문과 아이템의 동시 진입을 차단했습니다.
• 유저별 Solana 지갑 발급, 입금 폴링과 출금 흐름을 구현했습니다.
• 게임 상태를 저장해 브라우저 이탈 후에도 마지막 지점부터 이어서 진행할 수 있게 했습니다.

자세한 내용은 거래소 체결 엔진에서 확인할 수 있습니다.

엠씨에스텍

기간: 2018.08–2020.12, 2021.07–2022.01

역할: Java·Spring 기반 SI 개발

• 공공기관 헬스케어 앱의 조직도 기반 랭킹과 Batch를 개발했습니다.
• 인사평가 시스템의 DB 프로시저 중심 로직을 애플리케이션으로 이전했습니다.
• Struts 기반 사내 홈페이지를 Spring MVC로 현대화했습니다.
• 전기차 충전 진단 Android 앱과 DDS 네트워크 모니터링 웹을 개발했습니다.

개인 프로젝트

dooray-cli

• 협업 시스템의 업무, 위키, 메일과 첨부 기능을 TypeScript CLI로 통합했습니다.
• 모든 명령에 --json과 --quiet 계약을 제공해 AI 에이전트가 결과를 파싱할 수 있게 했습니다.
• 비대화형 실행과 파일 입력을 지원해 자동화 파이프라인에서 재사용할 수 있게 했습니다.
• LLM 4개 역할을 이용한 PR 코드리뷰를 CI에 연결했습니다.
• GitHub: https://github.com/jon890/dooray-cli

nhncloud-cli

• Compute, VPC, Deploy, Container Registry와 Kubernetes 등 98개 클라우드 명령을 하나의 CLI로 통합했습니다.
• commands --json으로 에이전트가 런타임에 전체 명령 구조를 발견할 수 있게 했습니다.
• 명령별 JSON 응답과 표준 종료 코드를 정의해 자동 운영의 실패 판단을 일관되게 만들었습니다.
• GitHub: https://github.com/jon890/nhncloud-cli

협업 방식

• 주요 의사결정을 배경, 대안, 선택과 결과가 드러나는 문서로 남깁니다.
• AI 에이전트 결과물도 코드리뷰, 테스트와 도메인 검증을 통과해야 병합합니다.
• 기능 구현과 함께 팀이 반복 사용할 수 있는 테스트, 규칙, CLI와 문서를 남깁니다.
• 모호한 요구사항을 작은 검증 단위로 나누고, 실패 시 다시 시작할 수 있는 실행 구조를 선호합니다.
• 기술 구현의 완료보다 실제 사용 흐름과 운영 피드백까지 확인하는 개발자로 성장하고 있습니다.

학력과 자격

• 전남대학교 수학 전공, 소프트웨어공학 부전공
• 2019.02 졸업
• 정보처리기사

지원 역할과의 연결

• Java·Kotlin 백엔드 역량을 바탕으로 전사 프로젝트의 설계와 구현에 참여할 수 있습니다.
• RAG, 문서 파싱과 AI 제품 경험을 이용해 업무 현장의 문제를 AI 기능과 지식 기반으로 전환할 수 있습니다.
• CLI와 에이전트 컨텍스트 설계 경험을 이용해 반복 업무를 실행 가능한 도구로 만들 수 있습니다.
• End-to-End 제품 경험을 이용해 아이디어를 배포 가능한 형태까지 완결할 수 있습니다.
• 다음 단계에서는 도구 도입 전후의 시간, 사용률, 자동화 성공률과 지식 최신성을 측정해 개선 효과를 검증하고자 합니다.