로컬 AI ↔ 클라우드 AI 전환 구조
같은 기능을 환경에 따라 자체 모델로도, 클라우드 AI로도 돌릴 수 있게 했다. AI 제공자를 갈아끼워도 나머지 코드는 바뀌지 않도록 경계를 나눴다.
Devlog
무엇을 만들었고, 왜 그렇게 설계했나
기능을 나열하기보다, 각 작업에서 어떤 선택을 했고 무엇을 포기했는지를 남깁니다. 결정의 근거가 결과보다 오래 남는다고 보기 때문입니다.
핵심 설계 판단
제한된 자원에서의 모델 선택
성능 수치보다 "이 하드웨어에서 실제로 끝까지 도는가"를 우선 기준으로 두고, 후보를 직접 재본 뒤 가장 가벼운 쪽을 골랐다.
환경별 자동 작업 제어
환경마다 코드를 분기하거나 브랜치를 나누는 대신 설정 하나로 끄고 켜게 해, 두 환경을 하나의 코드로 유지하는 비용을 낮췄다.
접기로 한 기능의 기록
데이터를 실제로 확인해 목표 달성이 불가능하다고 판단한 기능은 접었다. 대신 왜 접었는지를 남겨 같은 검토를 반복하지 않게 했다.
만든 것들
영화 추천 AI 서비스
추천 결과만 던지지 않고 왜 골랐는지를 함께 보여줘, 사용자가 납득하고 방향을 조정할 수 있게 했다.
업로드 이미지 자동 검수
판정이 틀릴 수 있는 항목은 차단이 아니라 경고로 처리해, 오탐이 사용자 흐름을 막지 않도록 분리했다.
한국어 리뷰 감정 분석
범용 모델을 그대로 쓰지 않고, 실제 서비스에 들어오는 한국어 문장으로 다시 학습시켜 맞췄다.
포스터 장르 분류
텍스트 정보 없이 이미지만으로 분류해, 설명이 부실한 자료도 처리할 수 있게 했다.
문서 업로드 → 자동 요약
업로드부터 요약까지를 한 흐름으로 묶되 단계를 분리해, 추출 방식과 요약 방식을 각각 교체할 수 있게 했다.
대화형 AI 질문 라우팅
모든 질문을 같은 방식으로 처리하지 않고 성격을 먼저 판별해, 단순한 조회에 무거운 추론을 쓰지 않도록 했다.
도메인 모델 테스트 기준선
핵심 데이터 구조의 테스트를 다시 세워, 이후 기능들이 따라갈 기준 형태로 삼았다.
관리자 대시보드
사용자·앱·통계를 한 화면에 모아, 운영 중 화면을 옮겨 다니며 생기는 맥락 전환 비용을 줄였다.