AI PM 포트폴리오 · 임훈

AI Agent를 직접 구현하는
B2B Technical PM

고객 요구를 기능 사양과 시스템 구조로 구체화하고 구축·검증·운영까지 맡아 왔습니다.
개인 AI 서비스의 실행 순서와 비용 배분, 장애 복구를 직접 설계했습니다. 실무에서는 폐쇄망 AI 적용 프로젝트를 수행했습니다.

AI 프로젝트 보기 전체 경력 (새 탭)

B2B 프로젝트 15년개인 서비스 1개 20개 에이전트의료기기 SW 38명 TF 기획·총괄

AI 설계 · 구현 · 검증

개인 R&D / 오픈소스

01 / OhMoney

멀티에이전트 서비스 설계·운영

개인 R&D · 2025.06 ~ 2026.02 · 1인 기획·구현·배포·운영

쇼츠 콘텐츠의 수집·기획·제작·게시·분석을 연결하는 서비스를 구축했습니다. 무엇을 제작하고 어떤 모델에 맡길지, 실패한 작업을 어디서 다시 실행할지까지 운영 규칙으로 만들었습니다.

제작 우선순위와 모델 비용: 토픽을 A/B/C 등급으로 나눠 모델과 처리량을 배정했습니다. 제작 우선순위에 따라 비용을 달리 쓰도록 설계했습니다.
20개 에이전트의 실행 구조: 에이전트·프롬프트·JSON Schema 도구 호출을 직접 구현하고 LangGraph로 분기와 실행 흐름을 제어했습니다.
실패 격리와 부분 재실행: 외부 API 장애에 대응하도록 공정을 5단계로 분리하고 단계별 재시도·Fallback·실패 작업 보관(DLQ)을 적용했습니다.

OhMoney 실행 구조구조 개념도

단계별 실패 기록 · 재시도 · Fallback · DLQ

20개 에이전트 · 서비스 1개Docker 9컨테이너 · PostgreSQL 30+ 테이블
실행 이력 저장 · Prometheus / Grafana 모니터링

모델 배정 기준과 실패 처리 상세

토픽을 선별하고 자원을 배정하는 기준

토픽 점수가 70점 미만이면 제외하고 93점 이상이면 상위 모델에 배정합니다. 배치당 8슬롯을 두고 동일 토픽은 최대 3개로 제한했습니다. A/B/C는 토픽 등급입니다. EV 기반 지표는 다음 제작에 자원을 배분하는 기준으로 설계했습니다.

실패한 단계부터 다시 실행하는 구조

Plan → Asset → Render → Package → Publish로 공정을 분리했습니다. 각 단계에 타임아웃·재시도·Fallback·DLQ를 적용해 실패를 격리했습니다. 실패한 단계부터 다시 실행할 수 있습니다. 배치와 텔레그램 운영 명령은 같은 ARQ 작업 큐와 파이프라인을 사용합니다.

구현·운영 범위

Python·FastAPI·Redis·PostgreSQL 기반으로 백엔드 모듈을 30개 이상 구현했습니다. 실행 상태와 이력을 저장하고 작업 완료·실패를 알리도록 했습니다. 운영 상태는 Prometheus·Grafana로 모니터링합니다.

프로젝트 자세히 보기 (새 탭)설계·코드 (새 탭)

02 / Elseday

장소와 원문 근거를
함께 검증하는 AI 검색

개인 R&D · 서비스 설계·구현 · 개발·검증 중

관광정보를 수집·저장하고 질문의 대상과 조건을 해석하는 RAG 서비스를 개발하고 있습니다. 다른 장소나 하위 시설의 정보가 답변에 섞이는 오류를 발견했습니다.

질문 해석과 사실 판정을 분리질문 항목마다 대상 장소와 출처를 고정해 해당 장소의 원문만으로 답을 판정하도록 바꿨습니다. 질문을 제대로 이해했는지와 원문이 답을 뒷받침하는지를 각각 검사합니다.

질문 해석장소 고정원문 대조

모델 비교와 테스트 적용
일부 장소 질문을 대상으로 모델 구성에 따른 답변 품질, 응답 시간, 예상 토큰 비용을 비교해 테스트 서비스에 반영했습니다.

검색 구조와 검증 방법

PostgreSQL/PostGIS에 관광정보를 저장하고 Neo4j의 벡터·전문 검색과 검토된 그래프 관계를 연결했습니다. 검색된 문서 일부와 해당 장소의 전체 원문, 출처를 함께 대조했습니다.

질문을 해석할 때 숫자·AND/OR·부정·시설 조건이 빠지지 않도록 보완했습니다. 모델별 역할과 순차·병렬 호출을 비교했습니다. 장소가 명시된 질문의 처리 흐름을 테스트 서비스에 반영한 뒤 실제 HTTP 요청을 보내 동작을 확인했습니다.

Elseday 서비스 소개 (새 탭)

03 / Legacy Spec Agent

문서 없는 레거시 코드를
개발 명세로 바꾸는 AI 도구

개인 오픈소스 · 설계·구현·공개 · 실무에 직접 활용

레거시 코드를 개발 명세로 정리하는 Claude Code·Codex 플러그인을 직접 설계·구현해 공개했습니다. 명세에는 코드 위치(path:line)를 연결했습니다. 현재 실무에서 코드를 파악하고 스펙을 대조할 때 사용합니다.

명세 생성과 코드 분석을 연결하는 구조LLM은 설명을 생성하고 TypeScript MCP 서버는 인용·심볼·코드 변경을 검사하도록 역할을 나눴습니다. 문서의 설명과 실제 코드가 어긋나는 지점을 추적합니다.

코드 분석명세 생성변경 추적

코드가 바뀌면 기존 명세의 인용을 유효·이동·변경·소실로 구분하고 갱신할 위치를 제안합니다.

플러그인 구조와 구현 범위

인용 검증·심볼 인덱싱·드리프트 탐지·manifest 추출 등 MCP 도구 14종을 구현했습니다. Python·JS/TS·Java·C#·Go 파서를 연결해 코드와 문서가 어느 위치에서 다른지 확인합니다.

명세를 작성할 때 인용된 코드 위치를 다시 확인하고 근거가 부족한 설명은 검토 대상으로 분리합니다. 기존 명세와 현재 코드를 대조해 갱신안을 제안하는 기능도 구현했습니다. 이 기능들을 설치형 플러그인으로 공개했습니다.

Legacy Spec Agent 보기 (새 탭)

COMPANY EXPERIENCE

실무 AI 적용과 프로젝트 총괄

실무에 AI를 적용하고 기술적 제약을 풀며 개발팀을 이끌어 왔습니다.

코비스테크놀로지 · 현직

폐쇄망 측정데이터의
ML 분석·로컬 LLM 판정

IT System Architect · 2026.03 ~ 현재

외부 인터넷이 차단된 환경에서 제조 측정데이터를 ML로 분석하고 분석 결과를 로컬 LLM이 해석해 최종 판정하는 실무 프로젝트를 수행했습니다.

제조 측정데이터ML 분석로컬 LLM 판정

별도 담당 업무 · IT 시스템과 레거시 리팩토링

IT 시스템 구축과 레거시 리팩토링을 맡아 전체 10명 내외의 인력을 이끌고 있습니다. 프로젝트마다 개발자 3~4명과 협업합니다.

개인 오픈소스 greplet·Legacy Spec Agent·Agent Policy Radar·CLI Account Switch를 실무에 직접 사용합니다. 코드를 파악하고 문서화하거나 스펙을 대조하는 업무에 활용합니다.

SD Biosensor · CGM 플랫폼

배터리·통신 제약을
설계와 검증 기준으로

38명 TF 기획·총괄
센서 데이터팀 팀장 겸임 · TF와 별도 조직
2022.01 ~ 2024.03

외주 규모 20억원의 연속혈당측정 플랫폼 프로젝트에서 기술 방향·일정·리스크를 총괄했습니다. HW팀의 배터리 요구와 SW팀의 동기화 요구를 패킷 데이터·전력 예산으로 비교하고 Offline-first·Dual-layer Sync 구조를 확정했습니다.

99.9%데이터 정합성 · TF 성과14일연속 구동 검증ValidationMDR/FDA 요건 기준 통과

개발은 외부 개발사가 맡았습니다. Validation을 통과해 출시 가능한 상태를 확보했으며 인허가 제출 전 단계입니다.

SD Biosensor 사례 보기 (새 탭)

함께 볼 수 있는 경험

링크제니시스현장별 연동을 공통 코어·플러그인으로 표준화 · 셋업 10일→5일

Technical Lead · PM · Engineer / 2011.05 ~ 2016.01

고객 기술 컨설팅을 시작으로 기능 사양을 정하고 MES-장비 연동, 설치·시운전·운영 안정화까지 맡았습니다. 다종·다세대 장비의 데이터를 공통 구조로 정리하고 현장별 차이를 플러그인으로 분리했습니다. 셋업 기간은 10일에서 5일로, 장애 복구 시간은 4시간에서 1.5시간으로 단축했습니다.

SECS/GEM·HSMS·MES 연동과 장비 파라미터 추적을 담당했습니다. 상위 시스템의 이상감지·공정제어에 필요한 입력 데이터를 공급했습니다.

링크제니시스 사례 보기 (새 탭)

Studio Video Pipeline광고영상 판매를 위한 AI 제작·검수·승인 공정

개인 프로젝트 · 개발·검증 중

유료 광고영상 제작·판매를 목표로 제작 공정을 설계·구현했습니다. Python·ComfyUI·FFmpeg/PyAV로 영상을 생성·편집하고 기술 검수와 승인 기록을 거쳐 로컬에서 패키징합니다.

입력이 바뀌면 이후 단계의 승인을 무효화합니다. 생성 요청의 접수·실패 이력을 관리하고 중복 제출을 막습니다. FastAPI 기반 A/B 영상 비교·시점별 검수 대시보드로 샘플 품질과 공정 반복성을 개선하고 있습니다. 기술 검사는 내용·품질·권리 검토 및 고객 승인과 구분합니다.

grepletAI 에이전트용 코드·문서 하이브리드 검색 서버

개인 오픈소스 · 실무에 직접 활용

기성 RAG 도구에서 사용하던 검색·인덱싱 기능을 자체 TypeScript·MCP 서버로 확장했습니다. Claude Code·Codex에 연결해 코드 파악·스펙 대조에 활용하며 여러 임베딩 모델과 지식그래프 활용 방식을 비교·검증하고 있습니다.

greplet 코드 보기 (새 탭)

임훈 · Hoon Lim

채용·프로젝트 문의는 이메일로 보내주세요.

hoonlim1210@gmail.com LinkedIn (새 탭)GitHub (새 탭)

AI Agent를 직접 구현하는B2B Technical PM