AI 에이전트 · 업무 자동화 엔지니어
총 경력 10년 1개월
현장의 반복 업무를 찾아내 자동화하고, 비개발 직군이 스스로 데이터를 쓰게 만드는 백엔드·자동화 엔지니어입니다. 배정 자동화와 사내 AI 에이전트로 연 4~5억 원 비용 절감과 리드타임 80% 단축을 만들어 냈습니다.
| 항목 | 내용 |
|---|---|
| 병역 상태 | 병역필 |
| 복무 형태 | 현역 |
| 군별 | 육군 |
| 계급 | 병장 |
| 복무 기간 | 2018.03 ~ 2019.12 |
| 전역 구분 | 만기전역 |
| 비고 | 통신병 · 대대 전산 담당 |
누리딜리버리자동화 엔지니어
2023.12 – 2026.06
사내 백오피스 자동화와 AI 에이전트 개발을 담당했습니다.
브릿지랩AX 파트 · 백엔드 엔지니어
2022.03 – 2023.11
전사 AX(업무 전환) 기획과 사내 도구 개발을 맡았습니다.
한결건설 시설관리시설·안전 관리
2016.03 – 2022.02
건설·시설 현장에서 운영과 안전 관리를 담당했습니다.
AI Data Agent example.com/ai-data-agent
2025.09 – 2025.10
비개발 직군의 데이터 요청이 프로덕트 팀 병목이었습니다.
Text-to-SQL 파이프라인을 설계하고 스키마 메타데이터 사전을 정의해 환각을 억제했습니다. 슬랙에서 자연어로 물으면 검증된 쿼리와 결과 표를 돌려줍니다.
지연 주문 배정 봇
2024.05 – 2024.11
주문 급증으로 상담사 처리 캐파가 초과되어 지연 주문이 쌓였습니다.
로지스틱 회귀로 지연 위험도를 점수화하고 우선순위를 판정해 배정까지 무인 처리하도록 만들었습니다.
어뷰징 소명 메일 자동 처리
2025.12 – 2026.06
월 수천 건의 소명 메일을 사람이 일일이 읽고 분류했습니다.
룰 기반 1차 분류와 LLM 멀티 에이전트 2차 검증을 결합했습니다. 애매한 건만 사람에게 넘겨 검토 부담을 줄였습니다.
실시간 행동 감지 안전 모델 example.com/safety-model
2023.08 – 2023.11
건설 현장에서 안전관리자 한 명이 볼 수 있는 범위가 제한적이었습니다.
CCTV 스트림에서 위험 행동을 실시간 감지해 관리자에게 알리는 모델을 직접 학습시켰습니다.
언어
프레임워크·라이브러리
데이터·인프라
AI · LLM
협업·도구
한국사이버대학교 학사 · 2023.03 – 2027.03 · 재학 · 신입 · 서울
한빛전자디자인고등학교 컴퓨터보안과 · 2013.03 – 2016.02 · 졸업 · 부산
정보처리기사 한국산업인력공단 · 2022.08
SQLD (SQL 개발자) 한국데이터산업진흥원 · 2023.04
AWS Certified Solutions Architect – Associate Amazon Web Services · 2024.02
빅데이터분석기사 한국데이터산업진흥원 · 2024.07
| 수상일자 | 대회명칭 | 수상내용 | 주최처 |
|---|---|---|---|
| 2025.12.01 | 사내 어워드 프로그램 | 대상 | 누리딜리버리 |
| 2023.11.20 | 산학협력 프로젝트 경진대회 | 대상 | 한국품질재단 |
| 2023.11.05 | 빅데이터 개발 콘테스트 | 우수상 | 한국데이터산업진흥원 |
| 기간 | 교육 | 교육기관 |
|---|---|---|
| 2023.05 – 2023.11 | 빅데이터 분석가 양성과정 (960시간) | 한국품질재단 |
| 2024.03 – 2024.05 | LLM 애플리케이션 개발 심화 | 패스트러너 아카데미 |
| 2025.01 – 2025.02 | 쿠버네티스 운영 실무 | 클라우드스쿨 |
저는 개발로 사회생활을 시작한 사람은 아닙니다. 6년간 건설·시설 현장에서 일했고, 중대재해처벌법이 시행되면서 안전관리자의 부족한 캐파가 현장의 큰 문제가 됐습니다. 이를 고등학교 때 배운 코딩으로 풀 수 없을까 고민하다 AI라면 가능하다는 답을 얻어 6개월간 빅데이터 부트캠프에서 머신러닝·딥러닝을 배웠습니다.
사고 예방 실시간 행동 감지 모델을 직접 만들어 대회에서 수상하며 개발자가 됐습니다. 현장을 경험했기에 실무자 입장에서 다가가 문제를 해결하는 것이 제 장점입니다.
누리딜리버리에서는 약 3년간 각 부서의 비즈니스를 먼저 이해하고 수기 업무를 발굴해 자동화했습니다. SQL을 모르는 비개발 직군을 위해 Text-to-SQL 챗봇을 만들어 데이터 리드타임을 80% 줄였고, 배정 자동화로 연 4~5억 원을 절감했습니다.
Text-to-SQL 챗봇 초기 버전은 그럴듯하지만 틀린 쿼리를 만들어 냈습니다. 신뢰를 잃으면 아무도 쓰지 않기에, 정확도보다 "틀렸을 때 티가 나는 것"을 먼저 설계했습니다.
스키마 메타데이터 사전을 만들어 모델이 추측할 여지를 줄이고, 생성된 쿼리를 실행 전에 검증하는 단계를 넣었습니다. 확신이 낮으면 답을 지어내지 않고 담당자에게 넘기도록 했습니다. 그 결과 사용자가 결과를 그대로 신뢰할 수 있게 됐고 주간 활성 사용자가 140명까지 늘었습니다.
기술을 도입하는 사람이 아니라 문제를 없애는 사람이 되고 싶습니다. 새로운 모델이나 프레임워크는 계속 바뀌지만, 현업의 언어로 문제를 정의하고 수치로 증명하는 방식은 바뀌지 않았습니다.
앞으로는 제가 만든 것을 다른 사람이 이어서 운영할 수 있도록 문서와 교육까지 챙기는 엔지니어가 되려 합니다.
문제를 먼저 정의하고, 가장 작은 형태로 만들어 실무자에게 보여준 뒤 함께 다듬습니다. 자동화는 만든 사람만 쓸 수 있으면 실패라고 생각해서, 인수인계 문서와 교육을 항상 같이 준비합니다.
자동화·AI 에이전트로 풀 만한 문제가 있다면 편하게 연락 주세요.
© 2026 김하율