<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Myrealtrip on Medium]]></title>
        <description><![CDATA[Stories by Myrealtrip on Medium]]></description>
        <link>https://medium.com/@syjjjj?source=rss-b618869f865a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*tZwHKMLnJLoDiq02Jbmt3g.png</url>
            <title>Stories by Myrealtrip on Medium</title>
            <link>https://medium.com/@syjjjj?source=rss-b618869f865a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 08:31:38 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@syjjjj/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[블로그 이전 공지]]></title>
            <link>https://medium.com/myrealtrip-product/%EB%B8%94%EB%A1%9C%EA%B7%B8-%EC%9D%B4%EC%A0%84-%EA%B3%B5%EC%A7%80-45770c7528f7?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/45770c7528f7</guid>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Fri, 15 May 2026 09:52:38 GMT</pubDate>
            <atom:updated>2026-05-15T09:52:38.792Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*f6SpPIEcTEqoecr85oAYsw.png" /></figure><p>마이리얼트립 블로그가 자체 도메인으로 이사했습니다. 새 주소는 <strong>blog.myrealtrip.com</strong> 입니다.</p><p>이곳에 올라와 있던 글은 여기서도 그대로 읽으실 수 있습니다. 다만 <strong>새로 쓰는 글은 이제 새로운 곳에만 올라갑니다.</strong></p><p>그동안 관심을 갖고 읽어주셔서 감사합니다.</p><p>새 집에서도 같은 사람들이, 계속 글을 쓰겠습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=45770c7528f7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/%EB%B8%94%EB%A1%9C%EA%B7%B8-%EC%9D%B4%EC%A0%84-%EA%B3%B5%EC%A7%80-45770c7528f7">블로그 이전 공지</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Product Engineer: 하루 500건 분석 요청을 받아내는 데이터 에이전트, 일을 돕는 AI에서 일을 수행하는 AI로]]></title>
            <link>https://medium.com/myrealtrip-product/product-engineer-%ED%95%98%EB%A3%A8-500%EA%B1%B4-%EB%B6%84%EC%84%9D-%EC%9A%94%EC%B2%AD%EC%9D%84-%EB%B0%9B%EC%95%84%EB%82%B4%EB%8A%94-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-%EC%9D%BC%EC%9D%84-%EB%8F%95%EB%8A%94-ai%EC%97%90%EC%84%9C-%EC%9D%BC%EC%9D%84-%EC%88%98%ED%96%89%ED%95%98%EB%8A%94-ai%EB%A1%9C-dde9b6a891c5?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/dde9b6a891c5</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[developer]]></category>
            <category><![CDATA[startup]]></category>
            <category><![CDATA[data-engineering]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Fri, 08 May 2026 10:07:40 GMT</pubDate>
            <atom:updated>2026-05-08T10:07:40.526Z</atom:updated>
            <content:encoded><![CDATA[<p>PEPE 세션 — 데이터 엔지니어링팀 정현영 님</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*NYx8kO_zWApMgBYyI186fA.jpeg" /></figure><p>마이리얼트립 데이터 에이전트가 슬랙에 라이브된 지 일주일도 채 안 된 시점, 이미 들어온 분석 요청은 2,000건을 넘기고 있었습니다. 이번 PEPE 세션에서 프로덕트 엔지니어(PE) 정현영님은 “하루에 500건 분석 요청을 받아내는 AI Agent 만드는 법”을 소개했습니다.</p><p>데이터 에이전트가 라이브되기 전까지는, “어제 거래가 얼마야”라는 질문을 처리하던 사람은 분석가였습니다. 분석가 한 명이 하루에 처리할 수 있는 요청은 많아야 4건에서 7건. 이제는 마이리얼트립 구성원 누구나 슬랙에서 데이터 에이전트를 태그하고 어제 숙박 거래액을, 그것도 취소분 제외하고 전주 대비를 추가해서 엑셀로 받아볼 수 있습니다. 라이브 직후의 어떤 날에는 하루에 <strong>500건에서 600건</strong>의 분석 요청이 처리됐습니다.</p><p>핵심은 처리량의 숫자가 아닙니다. <strong>분석가들이 더 본질적인 일에 집중할 수 있게 됐다</strong>는 것이 현영님이 강조하는 변화입니다. 반복적인 분석 요청은 에이전트가 받고, 사람은 지표를 새로 설계하거나 정책 의사결정을 하거나 또 다른 AI 에이전트를 만드는 일에 시간을 씁니다. 그렇다면 그 에이전트는 어떻게 만들어졌을까요. 현영님은 두 축으로 정리해 설명을 시작했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*cRHkIlyYgyRatmnv" /></figure><h3>도구가 아니라 동료를 만들고 싶었다</h3><p>처음 만든 봇은 그럴듯한 답변을 했습니다. 다만 회사 기준과 어긋났습니다. 같은 “거래액”이라도 어떤 테이블의 어떤 컬럼을 기준으로 뽑느냐, 취소분을 포함하느냐 마느냐에 따라 숫자가 달라지는데, 초기 봇은 그 정의를 명확하게 알지 못한 채 매번 다른 답을 내놨습니다.</p><blockquote>“거래 뽑아줘 라고 얘기를 하면, 거래액이라는 게 정확히 무엇인가라는 것을 에이전트가 아주 명확하게 알지 못하기 때문에 실수를 좀 연발하고 그랬어요.”</blockquote><p>당연한 결과였습니다. 더 잘 설계해야 했습니다. 현영님이 만들고 싶었던 것은 “내 일을 빠르게 도와주는 도구”가 아니라, <strong>통제를 통째로 맡길 수 있는 수준의 AI 동료</strong>였습니다.</p><blockquote>“내가 뭔가를 빠르게 할 수 있다, 잘 할 수 있다 이 정도가 아니라, 이 일은 아예 통제를 얘한테 맡기겠다 하는 수준의 AI를 만들려고 했습니다.”</blockquote><p>이 목표를 위해 현영님은 두 축을 잡았습니다.</p><p>하나는 <strong>하니스(Harness)</strong> — 에이전트에게 어떻게 움직일지 알려주는 장치입니다. 워크플로, 권한, 안전망이 여기에 들어갑니다.</p><p>다른 하나는 <strong>지식 체계</strong> — 거래액은 어떻게 구하고, 어떤 테이블이 어떤 용도인지 정의해 두는 사전입니다. 이 둘이 결합돼야 LLM의 비결정성을 누르고, 매번 같은 질문에 같은 형태로 답할 수 있는 에이전트가 나옵니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*5WgVmZKwJwN07c38" /></figure><h3>슬랙 메시지 한 통이 답이 되기까지</h3><p>데이터 에이전트는 슬랙에서 메시지가 들어오는 순간 여러 단계를 거쳐 동작합니다. 현영님은 발표에서 이 흐름을 단계별로 풀어 설명했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*hycKC8LcYAYwKVP3" /></figure><p>가장 앞단에는 <strong>Listener</strong>가 있습니다. 서버에 파이썬 코드 하나가 상시로 떠 있으면서 슬랙 이벤트를 감지합니다. 메시지가 들어오면 입구만 담당하고 바로 다음 단계로 넘깁니다.</p><p>다음은 <strong>Dispatcher</strong>입니다. 슬랙 데이터 에이전트 채널에는 사람들끼리 대화하는 메시지도 들어오고, 같은 질문이 두 번 들어오기도 하고, 광고 카피를 만들어 달라거나 검색을 해달라는 엉뚱한 요청도 들어옵니다. Dispatcher는 잡담과 분석 요청을 분류하고, 중복 요청을 거르고, 스레드 단위의 세션을 관리하는 역할을 동시에 맡습니다. 가벼운 모델로 충분히 처리할 수 있는 일이라 비용 절감을 노렸는데, 처음에 시도한 Haiku는 thinking이 약해 분류 품질이 받쳐 주지 못했습니다. 결국 Sonnet으로 옮겼고, Opus 대비 1/8에서 1/10 수준의 토큰만 쓰면서도 분류 정확도는 안정적이었습니다.</p><p>Dispatcher를 통과한 요청은 <strong>Parent Worker</strong>로 넘어갑니다. 이름은 워커지만 개념적으로는 오케스트레이터에 가깝습니다. 요청 자체를 처리하지는 않고, 전체 세션의 맥락을 잡고 작업을 어디로 보낼지 결정합니다.</p><p>실제 작업을 하는 것은 Sub-agent(워커)들입니다. 간단한 분석을 빠르게 처리하는 워커, 복잡한 분석에 특화된 워커, 검색 워커, 보고서 워커, 시각화 워커, 구글 시트 워커가 따로 있습니다. 워커마다 권한도 다르고 룰도 다릅니다. 큰 모델 하나가 모든 일을 떠안는 대신, 특화된 워커들이 분업합니다.</p><p>이 모든 워커가 도는 곳은 하나의 클러스터입니다. <strong>여러 개의 Claude Code Max 계정</strong>을 Docker 가상 환경 위에 띄워 두고, 들어오는 요청을 활성 워커들이 차례로 받아갑니다. 슬랙에서 “데이터 에이전트”를 태그하면 답변에 번호가 붙은 이모지가 달리는데, 이 번호가 바로 클러스터의 어떤 워커가 그 분석 요청을 맡았는지를 의미합니다.</p><p>비용 측면에서 현영님은 한 가지 팁을 공유했습니다. 이런 에이전트를 API 키로 운영하면 가격이 훨씬 비싸진다는 것이었습니다. 대신 <strong>Claude Setup Token</strong>이라는, 사내 운영을 위해 안내된 방식이 있고, 헤드리스 모드와 결합하면 훨씬 적은 비용으로 클러스터를 운영할 수 있습니다.</p><h3>왜 서브 에이전트로 쪼갰을까: Lazy Load의 발견</h3><p>특화된 워커로 쪼갠 이유는 단순히 일을 잘하기 위해서만이 아닙니다. <strong>컨텍스트 비용 때문에 안 쪼갤 수가 없었다</strong>는 쪽이 더 정확합니다.</p><p>현영님이 직접 측정해 본 결과, Parent Worker가 모든 룰을 끌어안고 동작하면 <strong>세션당 230K 토큰</strong>이 그냥 사라졌습니다. 데이터 파이프라인의 메타데이터, Metric Registry, 행동 규칙, 워커별 권한 명세까지 다 머리에 넣고 시작하면 질문 몇 개 받기도 전에 모델이 죽거나 일주일치 사용량이 순식간에 소진됩니다.</p><p>문제를 더 까다롭게 만드는 것은 헤드리스 모드의 동작 방식입니다. 일반적인 클로드 사용은 한 세션 안에서 대화가 이어지지만, 슬랙 위에서 도는 에이전트는 메시지가 올 때마다 새로운 세션이 떠야 합니다. 이전 대화의 로그를 먹고 시작하기 때문에, 가장 위에 떠 있는 Parent Worker는 매번 새롭게 컨텍스트를 주입받습니다.</p><blockquote>“매번 새롭게 세션이 뜨는 구조에서, Parent Worker가 가진 룰은 매번 새로 주입될 수밖에 없는 구조입니다. 거기를 최소한으로 가볍게 가져가야 합니다.”</blockquote><p>해법은 <strong>Lazy Load</strong>였습니다. Parent Worker는 룰의 본문을 들고 있지 않고, “이런 작업이 들어오면 어떤 서브 에이전트를 띄워라” 하는 <strong>주소값만</strong> 갖고 있습니다. 실제 룰은 워커가 자기 작업에 필요한 만큼만 그때그때 로드합니다.</p><blockquote>“거기는 룰도 다 박아놓지 않고, 어떤 룰은 어디에 있어 라는 링크 형태로 적어놨어요. 그런 식으로 만드는 게 핵심입니다.”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*bhyFwkTL-nF46kER" /></figure><p>이 구조는 부수 효과까지 챙겨 줬습니다. 워커마다 권한이 분리되니 보고서 워커가 BigQuery를 직접 만지는 일이 차단됐고, 워커별 작업 명세가 작아지니 한 부분만 빠르게 고칠 수 있어 유지보수가 쉬워졌습니다.</p><h3>Metric Registry: 거래액의 법전을 만들었다</h3><p>지식 체계의 첫 단추는 <strong>DBT YAML 메타데이터</strong>였습니다. 현영님이 입사 후 첫 두 달 동안 가장 공들여 한 일이 바로 이것이었습니다. 마트 테이블 하나하나에 어떤 컬럼이 어떤 의미를 갖는지를 야물 파일로 적어 두는 작업입니다.</p><p>다만 메타데이터만으로는 부족했습니다. 같은 금액 컬럼이 거래액인지 매출인지, 마트 테이블이 여러 개일 때 어느 것을 기준으로 잡아야 하는지, 거래액을 뽑을 때 취소분은 빼야 하는지 등은 컬럼 설명만으로 풀리지 않습니다. 사람들 사이에서도 합의가 필요한 영역입니다.</p><p>그래서 도입한 것이 <strong>Metric Registry</strong>입니다. 회사에서 자주 쓰이는 핵심 지표를 YAML 묶음으로 모아 두고, 표현·정의·필터·계산식을 한 곳에서 관리합니다.</p><blockquote>“메트릭 레지스트리는 사전처럼, 정확하게는 이건 이렇게 해야 합니다 라고 법을 만들어 놓은 형태예요.”</blockquote><p>GMV_total 같은 메트릭은 다음과 비슷한 형태로 정의됩니다.</p><p>- id: gmv_total description: 총거래액 (Gross Merchandise Value) keywords: [&quot;GMV&quot;, &quot;거래&quot;, &quot;총거래&quot;] kind: sum expression: SUM(&lt;payment_amount&gt;) notes: 기본은 결제 거래액 기준. 취소분 반영 여부는 요청 맥락에 따라 분기.</p><p>키워드는 사용자의 자연어 요청과 매칭하기 위한 단서입니다. “거래 얼마야”라고 묻든 “GMV 뽑아줘”라고 묻든 “총거래액”이라고 묻든, 워커는 먼저 Metric Registry에서 키워드를 훑어 같은 메트릭으로 수렴시킵니다. kind와 expression은 어떤 SQL을 만들어야 하는지에 대한 정의입니다. 표현이 달라도 결정론적으로 같은 산식에 도달하게 만드는 것이 Registry의 핵심입니다.</p><p>행동 규칙의 우선순위도 워크플로로 명시돼 있습니다. <strong>Metric Registry를 먼저 본다 → 없으면 DBT 메타데이터를 탐색한다 → 그래도 없으면 직접 쿼리로 탐험한다.</strong> 자주 쓰이는 지표는 현영님이 직접 Registry에 추가하기 때문에, 데이터 파이프라인이 개선되면 Registry도 함께 업데이트됩니다. 공헌이익 산식이 바뀌는 큰 배포가 예정돼 있다면, Registry 한 줄을 고치는 것으로 에이전트의 답변 방식 전체가 바뀝니다.</p><p>지식의 형태에 대해서도 현영님은 분명한 선을 그었습니다. 클로드의 <strong>Auto Memory 기능은 끄고</strong>, Metric Registry · rules · skills · DBT YAML 같은 <strong>명시적 Knowledge만</strong> 사용합니다. 무엇을 기억하고 있는지 불투명한 메모리는 검증도 관리도 어렵기 때문입니다. 답변이 어떤 근거로 나왔는지 매번 코드 한 줄까지 거슬러 올라갈 수 있어야, 회사 기준에서 어긋나는 숫자를 미연에 막을 수 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*M3nsYVLMLR04YRqZ" /></figure><p>지식 체계는 여기서 끝이 아닙니다. Parent Worker는 요청을 받을 때마다 <strong>6개 컴포넌트</strong>로 정리합니다. 이 요청은 누가 했고, 어떤 범위를 보려는 거고, 어떤 개념을 묻는 것이고, 취소분은 포함인지 제외인지, 합의된 사실은 무엇인지 등이 모두 채워져야 합니다. 이 컨텍스트 팩이 비어 있으면 워커는 작업을 시작하지 않고 사용자에게 되묻습니다.</p><blockquote>“숙박만 뽑아요, 아니면 티엠에만 뽑아요? 이 리셀 마켓은 제외하고 뽑아요, 포함하고 싶은 거예요? 이런 식으로 꼼꼼하게 따져 묻습니다.”</blockquote><p>엉뚱한 답을 만들어 내느니, 한 번 더 확인하고 정확하게 답하는 쪽을 택한 설계입니다.</p><h3>안전망 4겹: Role, Gate, Rule, Hook</h3><p>지식 체계가 답의 정확성을 책임진다면, 안전망은 부작용을 책임집니다. 현영님은 이 부분을 단일 장치가 아닌 <strong>4겹의 레이어</strong>로 설계했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Gclak81hsKg35JCI" /></figure><ol><li><strong>Role — 권한 범위 제한.</strong> 워커마다 할 수 있는 일이 다릅니다. 보고서 워커는 BigQuery를 직접 만지지 못하고, 분석 워커는 컨플루언스에 글을 쓰지 못합니다. 권한이 분리돼 있으니 한 워커가 잘못 동작해도 영향 반경이 그 워커 안에 갇힙니다.</li><li><strong>Gate — 요청 범위 사전 판정.</strong> Parent Worker가 들어온 요청을 6개 컴포넌트로 정리하다가 정보가 비어 있다고 판단하면, 워커를 띄우지 않고 사용자에게 되묻습니다. 잘못된 가정으로 잘못된 답을 내느니, 한 번 더 확인하고 정확하게 답하는 쪽을 택한 게이트입니다.</li><li><strong>Rule — 자연어 정책.</strong> Metric Registry의 행동 규칙, 워커별 작업 명세, 거래액 산출 우선순위 같은 것들이 여기에 들어갑니다. 사람이 읽고 고칠 수 있는 형태로 적혀 있어 설명 가능한 안전망입니다.</li><li><strong>Hook — 실행 직전 코드 차단.</strong> 룰이 설명 가능한 안전망이라면, 훅은 실행을 멈추는 안전망입니다. 워커가 만들어 낸 SQL이 BigQuery로 떠나기 직전, 스크립트가 마지막으로 한 번 더 들여다봅니다.</li></ol><p>훅에는 구체적인 규칙이 들어 있습니다. <strong>읽기 전용 쿼리만 허용</strong>되고 데이터를 변경하는 명령은 차단됩니다. 모든 쿼리에 <strong>스캔 한도 정책</strong>이 걸려 있어 비싼 풀스캔이 발생하던 일을 막습니다. 개인정보가 포함된 컬럼은 <strong>자동으로 마스킹</strong>되어 결과로 나갑니다. “어제 거래”라는 자연어 요청도 결국 파티션 한정·읽기 전용·마스킹 적용된 쿼리로만 떠납니다.</p><blockquote>“Rule이 설명 가능한 안전망이라면, Hook은 실행을 멈추는 안전망이에요. 둘 다 필요합니다.”</blockquote><p>안전망이 일관되게 적용되도록, 데이터 에이전트는 슬랙 진입점 하나로만 운영합니다. 같은 4겹이 모든 요청에 동일하게 걸리는 구조를 만드는 것이 안전망 설계의 마지막 약속이었습니다.</p><h3>100개의 eval로 품질을 고정한다</h3><p>기능을 한 번 잘 만든 것과, 그 기능이 다음 배포에서도 살아남는 것은 다른 문제입니다. AI 에이전트는 새로운 기능을 추가하면 기존에 잘 동작하던 다른 길이 갑자기 어긋나기 시작합니다.</p><blockquote>“구글 시트 만들어 주는 기능을 추가했는데, 갑자기 엑셀 보고서 만들어 달라고 해도 구글 시트를 만들어 주면 안 되잖아요.”</blockquote><p>이런 문제를 막기 위해 현영님은 100개가 넘는 <strong>shell test와 eval</strong>을 운영하고 있습니다. 각각은 “이런 프롬프트가 들어오면 이런 동작을 해야 한다”는 기대값을 명시적으로 정의해 두고, 매 배포 전에 실제 슬랙 대화를 자동 재현해 4가지 축을 검증합니다 — <strong>정확성, 행동 경로, 안정성, 형식</strong>. 답이 맞는지뿐만 아니라, 어떤 워커를 거쳐 어떤 룰을 참조했는지, 같은 요청에 같은 답을 주는지, 출력 포맷이 약속한 형태(엑셀이면 엑셀, 구글 시트면 구글 시트)로 나가는지를 함께 봅니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*x13nMo-4P0iYN0DE" /></figure><p>신뢰는 prompt 수정으로 만들어지지 않습니다. 한 곳을 고치면 다른 데서 회귀가 나기 때문입니다. 그래서 현영님은 <strong>운영 루프 자체를 코드 안에 고정해 뒀습니다</strong> — 실패 사례 기록 → 원인 분석 → Knowledge 수정(Metric Registry / rule / skill) → 재발 방지 test 추가. 사용자가 “이거 이상해요”라고 한 건이 들어올 때마다 그 케이스가 새로운 eval로 등록됩니다. 운영을 통해 룰북이 점점 두꺼워지는 구조입니다.</p><blockquote>“그렇지 않으면 기능이 많아질 때 반드시 이상한 행동을 할 수밖에 없습니다.”</blockquote><p>eval은 화려한 기능이 아닙니다. 다만 <strong>에이전트의 품질을 사람의 감에 의존하지 않게 만드는</strong> 가장 단단한 장치입니다.</p><h3>워커가 죽으면 대기조가 들어온다</h3><p>클러스터의 워커 중 일부는 평소에 일을 하지 않고 대기합니다.</p><p>이런 구조가 필요한 이유는 사용 패턴 때문이었습니다. 한 사용자에게 요청이 몰리는 시간대가 있고, 그러면 그 흐름을 받던 워커가 다른 워커들보다 빨리 5시간 리밋이나 주간 리밋에 걸립니다. 처음에는 현영님도 사용자에게 “워커가 죽었으니 새 스레드 파세요”라고 안내했지만, 그 방식으로는 분석 흐름이 매번 끊어졌습니다.</p><p>지금은 자동 선수 교체가 작동합니다. 워커가 리밋에 걸려 API 호출 단계에서 에러를 뱉으면, Dispatcher가 그 에러를 잡아 <strong>대기 중이던 예비 워커에게 즉시 그 자리를 넘깁니다.</strong> 사용자가 의식하기 전에 새 워커가 분석 흐름을 이어받습니다.</p><blockquote>“백업이 대기하던 선수가 벤치에 앉아 있다가 뛰어나오는 거죠. 쟤 죽었어 하면서 선수교체하면서 들어옵니다.”</blockquote><p>작은 디테일이지만, <strong>에이전트를 도구가 아니라 동료로 만들겠다</strong>는 처음의 약속이 여기서도 이어집니다. 사람이 매번 백업 절차를 안내해야 한다면, 그건 동료라기보다 손이 많이 가는 도구에 더 가깝습니다.</p><h3>Closure-loop: 사람이 빠지는 게 나은 루프도 있다</h3><p>현영님은 마무리에서 <strong>Closure-loop</strong>이라는 개념을 꺼냈습니다. 요즘 자주 회자되는 Human-in-the-loop의 반대축에 있는 개념입니다. AI가 도는 흐름에 사람이 들어가서 매 단계 피드백을 주는 구조가 Human-in-the-loop이라면, Closure-loop은 <strong>어떤 루프는 사람이 빠지는 게 더 낫다</strong>고 말합니다. 사람이 병목이라면, 그 자리에서는 사람이 비키는 쪽이 더 좋은 결과를 낳기 때문입니다.</p><blockquote>“여태까지 반복되는 워크플로우 같은 것들은 AI에게 충분히 다 넘길 수 있다고 생각했고, 다를 수 있는 루프가 있지 않을까 라고 봤습니다.”</blockquote><p>마이리얼트립 분석가들이 데이터 에이전트로 옮긴 것은 정확히 이 부분입니다. 반복되는 분석 자동화는 에이전트에게 넘기고, 사람은 지표 자체를 새로 설계하거나, 정책 의사결정을 하거나, 또 다른 AI 에이전트를 만드는 일에 시간을 씁니다. 데이터 파이프라인에 새로운 데이터가 들어오면 Metric Registry를 업데이트하고, 새로운 사용 사례가 나오면 eval을 추가하고, 워커의 행동 규칙을 다듬습니다.</p><p>정현영님이 마지막에 남긴 메시지는 <strong>에이전트를 만드는 일이 특정 직무에 묶여 있을 필요가 없다는 것</strong>이었습니다. 자기 업무에 반복 워크플로가 있다면, CRM 발송, 영업 데이터 정리, 재무 리포트 어디든 닫힌 루프로 만들 수 있는 영역이 있습니다.</p><p>마이리얼트립이 모든 엔지니어를 <strong>PE</strong> — 문제를 정의하는 순간부터 결과까지 책임지는 사람 — 로 정의해 온 흐름과도 닿아 있는 메시지입니다.</p><blockquote>“비개발자 분들도 굉장히 많이 시도해 볼 수 있고, 내 업무를 아웃소스 하기 좋은 팀을 만들 수 있지 않을까 싶었어요. 점심 먹고 커피 마시면서, 같이 한번 만들어 봤으면 좋겠습니다.”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*2mPSz-FpFfgHxCi2" /></figure><p>분석가가 빠진 자리에 데이터 에이전트가 들어왔습니다. 그 자리는 사람이 부족해서 비워진 자리가 아니라, 사람이 더 잘할 수 있는 일을 하기 위해 비켜 준 자리였습니다. 다음에 비워질 루프는 어디일지, 마이리얼트립의 다른 팀들이 그 답을 함께 찾고 있습니다.</p><p><em>*마이리얼트립의 PEPE(Product Engineer Possibility Exchange)는 PE(Product Engineer)들이 “어디까지 시도했는지, 어디서 막혔는지”를 결과보다 과정으로 나누는 사내 세션입니다.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=dde9b6a891c5" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/product-engineer-%ED%95%98%EB%A3%A8-500%EA%B1%B4-%EB%B6%84%EC%84%9D-%EC%9A%94%EC%B2%AD%EC%9D%84-%EB%B0%9B%EC%95%84%EB%82%B4%EB%8A%94-%EB%8D%B0%EC%9D%B4%ED%84%B0-%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8-%EC%9D%BC%EC%9D%84-%EB%8F%95%EB%8A%94-ai%EC%97%90%EC%84%9C-%EC%9D%BC%EC%9D%84-%EC%88%98%ED%96%89%ED%95%98%EB%8A%94-ai%EB%A1%9C-dde9b6a891c5">Product Engineer: 하루 500건 분석 요청을 받아내는 데이터 에이전트, 일을 돕는 AI에서 일을 수행하는 AI로</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[월 7만 5천 건 CS, 마이리얼트립 자회사 ‘AICX’가 풀어낸 자동화]]></title>
            <link>https://medium.com/myrealtrip-product/%EC%9B%94-7%EB%A7%8C-5%EC%B2%9C-%EA%B1%B4-cs-%EB%A7%88%EC%9D%B4%EB%A6%AC%EC%96%BC%ED%8A%B8%EB%A6%BD%EC%9D%B4-%ED%92%80%EC%96%B4%EB%82%B8-%EC%9A%B4%EC%98%81-%EC%9E%90%EB%8F%99%ED%99%94-aicx%EC%9D%98-%EC%9D%BC%ED%95%98%EB%8A%94-%EB%B0%A9%EC%8B%9D-9c338156436c?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/9c338156436c</guid>
            <category><![CDATA[customer-experience]]></category>
            <category><![CDATA[automation]]></category>
            <category><![CDATA[startup]]></category>
            <category><![CDATA[ai-agent]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Thu, 07 May 2026 09:45:54 GMT</pubDate>
            <atom:updated>2026-05-07T10:01:50.347Z</atom:updated>
            <content:encoded><![CDATA[<blockquote><em>2026년 5월 6일, 마이리얼트립 사무실에서 Claude Bloom 3차 행사가 열렸습니다. 이날 마이리얼트립과 자회사 AICX의 CTO를 겸하고 있는 허원진 님이 공유한 자동화 사례를 풀어봅니다.</em></blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*POrPwOuv6iAtQzBezASvdg.jpeg" /></figure><p><strong>AICX는 마이리얼트립이 자사 운영으로 가장 먼저 검증한 AI 운영센터</strong>입니다. 2022년 운영 전담 조직 MRTCX로 시작했고, 2024년 외부 기업의 고객 경험·서비스 운영에 같은 노하우를 적용하는 회사로 이름을 바꿨습니다. 자체 개발한 <strong>‘AICX 에이전트’와 전문 운영 인력을 결합한 하이브리드 운영 모델</strong>로 일하며, 다양한 고객사와 함께 움직이고 있습니다.</p><p>AICX가 일하는 방식의 출발점은 마이리얼트립의 운영 데이터였습니다. <strong>연간 거래액 2조 원, 연간 예약 600만 건</strong> 규모의 자유여행 플랫폼이 한 달에 받는 CS 인입은 전화와 채팅을 합쳐 약 <strong>7만 5천 건(75,000건)</strong>. 여행이라는 도메인 특성상 같은 “환불”이라는 단어 안에도 항공 일정 변경, 현지 사업자 사정, 천재지변, 이용자 단순 변심이 모두 섞여 있어, 일반적인 FAQ 봇으로는 풀리지 않는 영역이었습니다.</p><h3>행사 풍경 한 컷</h3><p>Claude Bloom 행사는 관심으로 모인 자리였습니다. AI를 실제 업무에서 다루고 있는 사람들이 사무실에 모여, 발표를 듣고 이야기를 나누는 구성이었습니다. <strong>AI Native 조직 전환을 이어오고 있는 마이리얼트립</strong>은 이런 자리를 의미 있게 보고 있습니다. 이날 마이리얼트립이 사무실 공간과 케이터링을 지원하고 발표 한 꼭지를 맡은 것도 그 연장선이었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CKUzptM_a8J5zL3z" /></figure><h3>월 7만 5천 건의 CS, 어디부터 자동화할 것인가</h3><p>가장 먼저 마주한 질문은 단순했습니다. 7만 5천 건이라는 숫자 앞에서 “전부 자동화한다”는 답은 애초에 가능한 답이 아니었습니다. 여행 CS는 한 건 한 건이 다른 맥락 위에 놓여 있고, 이용자가 출발 직전에 보낸 문의와 여행이 끝난 뒤 보낸 문의의 무게도 같지 않기 때문입니다.</p><p>그래서 시작점은 “AI 챗봇을 붙인다”가 아니라 “<strong>이미 쓰던 환경을 그대로 두고, 그 위에 AI Agent를 얹는다</strong>”였습니다. 새 시스템으로 통째로 갈아엎는 게 아니라, 상담사들이 쓰던 상담 툴 위에 AI 응대 레이어를 한 겹 더하는 방식이었습니다. 도입 비용도, 현장 리스크도 가장 낮은 출발점이었습니다. 자동화 후보는 한 달 치 문의 로그를 유형별로 분해해서 골랐습니다. 예약 확인, 바우처·이용권 재발송, 상품 정보 재안내, 일정 변경 절차 안내처럼 답의 구조가 정해져 있는 문의가 1차 타깃이 됐습니다. 반대로 현지 이슈가 얽힌 환불, 분쟁성 클레임, 안전 이슈는 처음부터 사람 응대로 남겼습니다.</p><p>채팅 채널부터 먼저 움직였습니다. AI 챗봇 ‘AI 여행 메이트 마리’가 들어오는 문의의 첫 응대를 받습니다. <strong>첫 응대 커버리지는 80%, 그중 절반은 마리 단계에서 자체 종료</strong>됩니다. QR코드 안내 같은 단순 응대뿐 아니라, 항공권 환불 수수료를 시점별로 차등 안내하는 정책성 응답까지 마리가 처리합니다. 단순 FAQ를 넘어 정책·수수료 영역까지 들어왔다는 게 핵심이었습니다.</p><p>전화는 더 까다로운 채널입니다. 이용자가 말로 풀어내는 문의는 채팅보다 맥락이 길고, 감정이 실린 케이스도 많습니다. 이 채널에는 <strong>대표번호와 연동된 전화 Agent</strong>가 들어갔습니다. 비긴급 문의는 <strong>100% 첫 응대</strong>를 전화 Agent가 받고, 그중 <strong>57%는 자체 해결</strong>까지 마무리합니다. 긴급도가 높은 케이스만 사람에게 빠르게 연결되도록 흐름이 설계됐습니다.</p><p>두 채널 모두에서 중요했던 건 <strong>사람과 AI의 핸드오프</strong>였습니다. AI가 한 번에 끝낼 수 있다고 판단되는 케이스만 끝까지 가져가고, 답변에 모호함이 끼면 빠르게 상담사로 연결합니다. 이때 마리가 받았던 대화 맥락, 예약 정보, 이미 안내된 옵션은 그대로 상담사 화면에 이어집니다. 이용자가 같은 질문을 두 번 하지 않게 만드는 것이 자동화 품질의 절반이었습니다.</p><p>이 구조 위에서 운영 숫자가 움직였습니다. <strong>단순 상담원 수는 2025년 7월 57명에서 6개월 만에 절반 가까이 줄었습니다.</strong> 같은 기간 GMV는 우상향했습니다. 그리고 <strong>고객 만족도는 AI 챗봇 4.61, 상담원 4.63</strong>으로 거의 차이가 없었습니다. 인력이 절반으로 줄어든 채널에서 만족도가 사람 응대와 비슷하게 유지됐다는 건, 자동화의 영역과 사람의 영역을 잘못 가르지 않았다는 뜻이기도 했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*ClwKqENyExfvI0Rx" /></figure><p>자동화는 <strong>사람을 어디에 둘지 결정하는 도구</strong>라는 사실이 운영 숫자로 확인된 셈입니다. 줄어든 인력은 정말 까다로운 케이스에 시간을 더 쓰고 있습니다.</p><h3>작게 시작해 액션 영역까지: 3단계 도입 원칙</h3><p>CS 자동화가 처음부터 정책·환불까지 처리한 건 아니었습니다. 한 번에 거기까지 가려고 하면 실패 확률이 높습니다. 그래서 도입 자체를 단계로 잘랐습니다.</p><p>1단계는 <strong>이미 쓰던 환경 그대로 시작</strong>. 2단계는 <strong>FAQ·정책 안내처럼 답의 구조가 정해진 단순 문의부터 자동화</strong>, API 연동으로 정확도를 확보. 그리고 3단계가 되어서야 <strong>예약 변경·환불처럼 시스템 액션이 필요한 복잡 케이스</strong>로 영역을 넓혔습니다.</p><p>원칙은 한 줄로 정리됩니다. <strong>작고 빠르게 검증 가능한 부분부터 시작해, 점진적으로 확장한다.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3ymsGcn7j2AZzMTG" /></figure><p>AICX가 외부 기업과 일할 때도 같은 결을 가져갑니다. 단기 시스템 도입이 아니라, 각 기업의 운영 성숙도에 맞춘 <strong>단계적인 AX(AI Transformation) 전환</strong>입니다.</p><h3>흩어진 운영을 단일 큐와 시트 자동화로 묶다</h3><p>두 번째 사례는 운영 자동화입니다. 마이리얼트립은 글로벌 여행 상품을 다루기 때문에, 카탈로그 운영의 폭이 곧 사업의 폭과 직결됩니다. 그런데 운영을 들여다보면, 작업이 한 곳에 모여 있지 않았습니다. 이메일로 들어오는 문의, 메신저로 오는 요청, 내부 운영 툴에서 떨어지는 알림, 파트너 채널의 인입이 각자 다른 형태와 다른 SLA로 흘러 다녔습니다. 같은 사람이 채널마다 다른 형식으로 응대하고, 채널마다 다른 컨텍스트를 다시 머리에 올려야 했습니다.</p><p>그래서 운영 자동화는 두 축으로 정리됐습니다.</p><p><strong>1축 — 채널 통합.</strong> 흩어진 운영 인입을 하나의 큐로 모았습니다. 이메일·메신저·내부 운영 툴·파트너 채널이 각자 다른 형식과 SLA로 흘러 다니던 것을, 응대 기준을 표준화해 AI Agent가 일관된 컨텍스트로 처리하도록 만들었습니다. 트래픽이 급격히 늘어도 <strong>24시간 무중단</strong>으로 운영이 이어지는 기반이 이 단계에서 잡혔습니다.</p><p>대표 사례는 예약 실패 모니터링입니다. 공급사 응답 대기, 신규 등록, 시스템 오류 같은 상태를 자동으로 분류해 큐에 정렬하고, 같은 흐름으로 처리합니다. 호텔 관리도 같은 결로 묶었습니다. 운영 프로세스를 표준화해, 어느 채널로 들어오든 같은 방식으로 다뤄지도록 정리했습니다.</p><p><strong>2축 — 시트 업무 자동화.</strong> 오랫동안 스프레드시트로 돌아가던 검수·등록·번역 업무를 AI와 룰 기반으로 옮겼습니다. 가이드·파트너 검수가 자동으로 분류되고, 상품 등록 검수와 번역이 자동 처리됩니다. 패키지 운영 데이터의 정합성도 룰 기반으로 점검됩니다.</p><p>이 축에서 가장 의미 있던 건 <strong>신규 도시 카테고리 상품 개발</strong>입니다. 사람이 한 도시씩 잡고 풀어내던 작업이 7단계 파이프라인으로 정리됐습니다. 도시 검색에서 시작해 상품을 조회하고, 트렌드를 분석한 뒤 키워드를 도출합니다. 거기서 카테고리를 제안하고, 상품을 매핑하고, 마지막으로 상품 상세까지 만들어냅니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*3B5xnAwDHU_8W6ye" /></figure><p>단계를 나눠보니, 자동화가 처리할 영역과 사람이 봐야 할 영역의 경계가 분명해졌습니다. 정형화된 메타데이터 처리, 번역, 1차 카테고리 분류는 자동화가 처리하고, 사람은 정책 해석이나 품질 판단처럼 맥락이 필요한 곳에 집중하는 구조로 바뀌었습니다. 결과적으로 한 사람이 다룰 수 있는 운영의 폭이 자릿수 단위로 달라졌습니다.</p><h3>두 사례를 관통하는 한 가지 원칙</h3><p>CS 자동화와 운영 자동화는 표면적으로는 다른 문제처럼 보입니다. 하나는 이용자 응대의 영역이고, 다른 하나는 백오피스 운영의 영역입니다. 그런데 두 사례를 관통하는 작업의 결은 같았습니다. <strong>문제를 잘게 쪼개고, 각 조각마다 “이건 사람이 해야 할 일인가, 자동화로 옮길 수 있는 일인가”를 따로 판단</strong>하는 일이었습니다.</p><p>CS의 절반을 AI로 받기 위해 가장 오래 들여다본 건 모델 선택이 아니라 문의 유형의 분포였습니다. 운영 자동화의 자릿수를 바꾸기 위해 가장 먼저 한 일은 흩어진 채널을 한 큐에 모으고, 시트 업무를 단계별로 분해하는 것이었습니다. 두 사례 모두에서 <strong>자동화의 품질을 결정한 건 도구가 아니라, 사람과 도구의 경계선을 어디에 긋느냐였습니다.</strong> 그리고 그 경계선은 도메인을 잘 아는 사람이 운영 데이터를 직접 들여다봐야만 그을 수 있는 선이었습니다.</p><h3>같은 자리에서 들은 이야기</h3><p>이날은 마이리얼트립 발표 외에도 인상적인 자리가 이어졌습니다. AI 코딩 크리에이터 <strong>조코딩</strong>은 1인 창업과 글로벌 서비스 운영 경험을 공유하면서 “기술 격차가 사라졌고, 남은 건 설계 능력”이라고 짚었습니다.</p><p>마이리얼트립 사례에서 가장 오래 들여다본 부분도 결국 도구가 아닌 설계였다는 점에서, 발표 사이의 결이 자연스럽게 이어지는 순간이었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pIVOYkNJ6AzWfTiPxhKRkg.png" /></figure><p>발표 뒤에는 라운드테이블 토론이 이어졌습니다. 자리마다 주제는 조금씩 달랐지만, 반복해서 등장한 키워드는 책임감, 판단력, 직관, 그리고 무엇을 풀어야 하는지 정의하는 능력이었습니다. 발표에서 짚은 결론이 같은 자리에서 다른 형태로 다시 확인된 셈입니다.</p><h3>AICX는 외부 기업과 어떻게 일하나</h3><p>이 결은 AICX가 외부 기업의 AI 전환을 도울 때도 그대로 이어집니다. 채널 통합과 시트 업무 자동화의 결을 그대로 들고 가, 각 기업의 운영 환경에 맞게 다시 설계합니다. 카카오뱅크 리더십 대상 강의나 뷰티셀렉션 임직원 실습처럼 교육 영역으로도 닿아 있어, <strong>AI Agent 도입 자체가 끝이 아니라 현장에서 운영을 돌릴 수 있는 사람과 함께 가는 구조</strong>로 들어갑니다. 마이리얼트립의 두 사례는 그 방식의 원판이자, AICX가 가장 먼저 풀어본 운영 문제였습니다.</p><p>남은 절반의 CS, 단일 큐로 모인 운영 인입의 품질 검증, 각 산업으로의 확장 — 다음 과제는 그대로 남아 있습니다. 한 번 자릿수를 바꾼 영역은 그 다음 자릿수에서 또 새로운 문제를 만들어 내기 때문입니다. 이날 발표는 그 출발선이 어디였는지 다시 짚어본 자리였습니다.</p><blockquote><em>AICX의 AICC(챗봇·콜봇)·운영 자동화·AX 교육 문의<br>: </em><a href="https://aicx.kr/"><em>aicx.kr</em></a><em> / </em><a href="/service/mailto:sales@aicx.kr"><em>sales@aicx.kr</em></a></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9c338156436c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/%EC%9B%94-7%EB%A7%8C-5%EC%B2%9C-%EA%B1%B4-cs-%EB%A7%88%EC%9D%B4%EB%A6%AC%EC%96%BC%ED%8A%B8%EB%A6%BD%EC%9D%B4-%ED%92%80%EC%96%B4%EB%82%B8-%EC%9A%B4%EC%98%81-%EC%9E%90%EB%8F%99%ED%99%94-aicx%EC%9D%98-%EC%9D%BC%ED%95%98%EB%8A%94-%EB%B0%A9%EC%8B%9D-9c338156436c">월 7만 5천 건 CS, 마이리얼트립 자회사 ‘AICX’가 풀어낸 자동화</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[만드는 엔지니어에서, 파는 엔지니어로: 한 PE의 자발적 전직]]></title>
            <link>https://medium.com/myrealtrip-product/%EB%A7%8C%EB%93%9C%EB%8A%94-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EC%97%90%EC%84%9C-%ED%8C%8C%EB%8A%94-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EB%A1%9C-%ED%95%9C-pe%EC%9D%98-%EC%9E%90%EB%B0%9C%EC%A0%81-%EC%97%AD%ED%95%A0-%ED%99%95%EC%9E%A5-925ca7bec65b?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/925ca7bec65b</guid>
            <category><![CDATA[product-development]]></category>
            <category><![CDATA[sales]]></category>
            <category><![CDATA[startup]]></category>
            <category><![CDATA[career-development]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Fri, 24 Apr 2026 08:17:29 GMT</pubDate>
            <atom:updated>2026-04-24T09:07:24.562Z</atom:updated>
            <content:encoded><![CDATA[<p>Stay(숙박)실 성장사업팀 국승현님</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*j_FU3_OYt3nGBQrmyZs06Q.png" /></figure><p>결정까지 3초. 직군을 옮기기까지 한 달.</p><p>마이리얼트립 결제정산개발팀에서 4년 반 동안 정산 시스템을 만들어 온 프로덕트 엔지니어(PE) 국승현님이 최근 Stay(숙박)실 성장사업팀 세일즈 현장으로 자리를 옮겼습니다. <strong>마이리얼트립 PE가 팀과 직무를 바꿔 세일즈로 전직한 첫 사례입니다.</strong></p><p>마이리얼트립의 PE 체제는 “만든 사람이 문제를 끝까지 책임진다”는 철학 위에 서 있습니다. AI가 구현의 속도를 끌어올릴수록, 사람이 만드는 레버리지는 더 넓은 문제를 직접 만나 끝까지 풀어내는 힘에서 나옵니다. <strong>‘만드는 능력’에 ‘직접 파는 능력’이 더해져야 한다</strong>는 인재상 — 실리콘밸리가 ‘Distribution(유통·판매)’이라 부르는 바로 그 역량입니다.</p><p>배경에는 Stay실의 구조적 전환이 있습니다. 중소형 숙박이라는 새로운 성장 축을 만들기 위해 성장사업팀이 신설됐고, 사내 공모 공지에 승현님이 가장 먼저 손을 들었습니다. 발령 나흘째, 그는 이미 현장 출장 몇 건을 마쳤고 곧 다시 지방으로 내려갈 채비를 하고 있었습니다.</p><h3>정산개발의 디테일에서 단련된 4년 반</h3><p>처음 마이리얼트립에 합류했을 때 그는 페이먼트 개발팀 수습이었습니다. 주문, 결제, 구버전 정산, 포인트·쿠폰·혜택이 한 팀 안에 뒤엉켜 있던 시기였습니다. 어느 날 팀에서 새로운 정산 시스템을 처음부터 만든다는 공지가 떴고, 그는 바로 손을 들었습니다.</p><blockquote>“새로운 도전의 기회가 오면 못 참는 DNA를 가진 것 같아요.”</blockquote><p>그렇게 맡은 정산 시스템을 4년 반 동안 처음부터 설계하고, 올리고, 운영했습니다. 정산은 여행 상품이 팔린 뒤 돈이 흘러가야 할 마지막 단계입니다. 마이리얼트립이 파트너·고객·플랫폼 사이에서 어떤 금액이 어디로 가야 하는지를 결정짓는 영역이죠. 회계 처리가 맞물려 있어 앞단에서 들어오는 데이터의 형태도, 뒤로 내보내는 결과의 형식도 거의 다 정해져 있습니다.</p><p>가장 힘들었던 순간 역시 그 정밀함에서 왔습니다.</p><blockquote>“사업적 임팩트를 내고 싶은 상황에서도 1원의 오차만 있으면 그걸 찾아야 하고, 찾아서 보정해야 돼요. 그게 어떤 시기에 몰려오면 하루 이틀, 길면 며칠이 그것만으로 지나가요. 앞으로 전진을 못 하는 답답함이 계속 쌓였어요.”</blockquote><p>흥미로운 건 그가 정산개발을 ‘체질’이라고 말하지 않는다는 점입니다. 오히려 반대였습니다.</p><blockquote>“제 성격은 사람 만나는 거 좋아하고, 대화하는 거 좋아하고, 아무것도 정해지지 않은 상황에서 과제만 던져지는 걸 좋아해요. 정산개발은 제 성격에 안 맞는 일이었어요. 다만 디테일을 잘 못 챙기는 제 약점을 보완하기에 좋은 도메인이라고 생각해서 그때 지원했던 거죠.”</blockquote><p><strong>그 시간이 그의 PE 근육을 만들었습니다.</strong></p><h3>공지를 본 지 3초, 결심은 이미 서 있었다</h3><p>3월 중순의 어느 날, 마이리얼트립 이동건 대표가 사내에 공지를 하나 올렸습니다. ‘세일즈/마케팅 역할 확장 기회’ — 해당 영역으로 역할을 넓혀 보고 싶은 사람을 내부에서 찾는다는 내용이었습니다. 구체적인 팀이나 업무는 그 시점엔 정해지지 않은, 기회 자체를 여는 공지였습니다.</p><blockquote>“그게 그냥 저에게 보낸 메시지처럼 보였어요. 결정하는 데 3초도 안 걸린 것 같아요. 이건 내가 해야 된다.”</blockquote><p>다음 날 저녁 이동건 대표와의 저녁 식사 자리에서 대화가 끝날 무렵 결심은 이미 서 있었습니다. 곧이어 관련된 모든 사람이 한자리에 불려 모였고 팀 구성이 그 자리에서 정리됐습니다. 모든 팀과 타겟 날짜, 인사 이동 일자까지 확정된 건 그로부터 3일 만이었습니다.</p><p>개인의 결정이 3초였다면, 회사 쪽 실행은 3일이었습니다. 공지 한 줄이 올라오고 다음 날 저녁 대표와의 저녁 식사, 곧이어 관련자 소집, 그 뒤 3일 안에 팀과 일정이 모두 정리된 흐름은 한 사람의 빠름만으로는 만들어지지 않습니다. 승현님의 속도를 받아칠 수 있는 리듬이 회사 쪽에도 있었다는 쪽에 가깝습니다.</p><p>공지의 형식도 눈여겨볼 만합니다. 위에서 사람을 지목해 내려보내는 발령이 아니라, 기회 자체를 먼저 공개하고 내부에서 손을 든 사람을 기다리는 방식이었습니다.</p><blockquote>“정산개발에서도 어떻게 하면 사업적 임팩트를 낼까 계속 고민하고 있었고, AI 에이전트도 따로 만들고 있었거든요. 4년 반 동안 그 에너지를 쌓아온 거였어요. 그러다 기회가 왔으니 저한테는 너무 당연하고 자연스러운 일이었어요.”</blockquote><p><strong>약점을 보완하려고 정산개발로 먼저 들어갔던 사람이, 이번엔 잘할 거라고 믿던 자리로 걸어 나오는 중입니다.</strong> 방향은 달라 보이지만, 결정하는 방식은 똑같았습니다.</p><h3>준비한 건 지식이 아니라 자리였다</h3><p>정작 놀란 건 주변이었습니다.</p><blockquote>“주변 반응이 너무 격해서 오히려 제가 놀랐어요.”</blockquote><p>평소 가깝게 일한 동료들은 잠깐 놀랐다가 고개를 끄덕였습니다. “승현님이면 그럴 수 있을 것 같다”는 반응이었습니다. 반면 상대적으로 거리가 있던 사람들에게서는 결이 다른 반응이 돌아왔습니다.</p><blockquote>“‘그게 무슨 말이야? 개발을 계속한다는 거야, 아니면 직무를 바꾼다는 거야?’ 하시는 분들도 계셨어요. 직무 사이를 가로지르는 이동 자체가 흔치 않다 보니까요.”</blockquote><p>이렇게 반응이 폭넓게 엇갈렸다는 사실 자체가 승현님에게는 또 하나의 신호였습니다. 개인의 성향 문제라기보다, 그만큼 엔지니어링과 세일즈 사이에 구조적인 거리가 있다는 뜻이었고, 그 거리를 줄여 보고 싶다는 동기와 맞닿아 있었습니다.</p><p>준비 과정은 의외로 소박했습니다. 일반 지식을 훑고, 새로 맡게 될 현장 시장을 스터디한 정도였습니다. 그 이상은 일부러 쌓아 두지 않았습니다.</p><blockquote>“앞으로 부딪히면서 배울 내용이 훨씬 많으니까요. 그걸 어떻게 하면 빨리 내 걸로 만들어서 기존 세일즈 인력과의 갭이 안 느껴지게 할지, 그리고 개발자 출신으로서 어떻게 하면 세일즈 동료들과 똑같이 일하는 사람으로 끝나지 않을지 — 역할과 포지션에 대한 고민이 가장 컸어요.”</blockquote><p><strong>지식을 쌓는 쪽이 아니라 자기 자리를 어떻게 정의할지에 먼저 시간을 썼다</strong>는 점. 이 선택 자체가 이미 ‘만드는 사람’의 사고방식에 가깝습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*dwB1MvG-8376isvl" /></figure><h3>맥락은 낯설었고, 옷은 맞았다</h3><p>새로운 업무를 두고 나눈 첫 회의, 그리고 첫 외근. 지방에 내려가 현장 담당자와 동행했던 장면이 인상 깊었습니다. 차로 한참을 달려가며 숙소를 둘러봤고, 저녁에는 함께 식사 자리를 이어갔습니다.</p><blockquote>“너무 다르니까 인지부조화가 왔어요. ‘내가 지금 마이리얼트립을 계속 다니고 있는 게 맞나, 왜 지금 이직을 한 것 같지?’ 하는 생각이 잠깐 들 정도로요. 그런데 시간이 지날수록 몸에 잘 맞는 옷을 입은 느낌이 들어서, 오히려 기대됩니다.”</blockquote><p>일주일 남짓 현장에 나가 보니 그가 평소 가지고 있던 문제의식도 빠르게 확인됐습니다.</p><blockquote>“세일즈와 IT 제품은 조직 구조상 꽤 떨어져 있어요. 현장의 요구가 사업부와 PM을 거쳐 다시 개발 쪽까지 가는 동안 메시지가 조금씩 깎이거든요. 누군가의 문제가 아니라, 거리 자체가 만들어내는 굴절이에요. 와서 보니 그 지점이 생각보다 많이 보여요.”</blockquote><p>그는 지금 그 굴절 한가운데에 서 있습니다. 내부의 숙박 상품 등록 시스템이 기존에 주력하던 유형에 맞춰 설계되어 있어, 새롭게 합류하는 사업주들이 바로 쓰기에는 단계가 많다는 문제가 눈에 들어왔고, 그에 맞는 카탈로그 페이지를 새로 올리는 작업에 바로 착수했습니다. 자동화 과제 서너 개가 동시에 돌아갑니다. 외근에 들고 나갈 브로셔는 스스로 디자인해 하루 만에 인쇄소로 넘겼고, 현장에서 돌아오면 바로 다음 작업 스콥을 쪼개 놓는 식입니다.</p><blockquote>“같은 팀원들한테 ‘이건 딸깍하면 돼요’ 하고 가이드로 만들어 두면, 다른 팀에 물어볼 필요 없이 바로 움직일 수 있거든요. 그 거리를 조금씩 좁히는 일을 제가 좀 할 수 있을 것 같아요.”</blockquote><p><strong>세일즈 현장과 제품을 잇는 사람이 한 명 들어왔다</strong>는 것. 이번 이동의 실제 기대치는 여기에 있습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*uYnLZcVDcryqPjE0" /><figcaption>하루 만에 만든 브로셔 중 일부</figcaption></figure><h3>계획이 어긋날 때 숙련도가 올라간다</h3><p>승현님은 오히려 예상과 다른 순간을 기대하는 쪽입니다.</p><blockquote>“저는 사실 예상과 다른 일이 나오는 걸 기대하는 편이에요. 예상한 대로만 흘러가면 배울 게 없거든요. 어긋나는 순간에 그걸 해결하는 과정에서 뭔가 배우니까요.”</blockquote><p>세운 가설과 전략이 현장에서 하나도 먹히지 않아서 근본부터 다시 뜯어고쳐야 하는 장면. 그런 순간을 오히려 바라고 있습니다. 여행도 30분 단위로 일정을 짜는 파워 J이지만, 그 계획이 어그러졌을 때 임기응변을 거듭하며 가이드 숙련도가 올라가는 감각을 압니다. <strong>예상과 다른 것을 기대한다</strong> — 이 태도는 개발자 시절 그의 일을 끌고 온 축이기도 했습니다.</p><h3>해결법이 아니라, 문제에서 거꾸로</h3><p>왜 하필 세일즈였을까요. 승현님이 이 이동을 택한 데에는 거창한 선언보다 자기만의 관찰이 먼저 있었습니다.</p><blockquote>“지금은 오히려 문제보다 해결법이 더 많은 세상이에요. 제가 문제라고 얘기하지도 않았는데, 누가 해결해 준다고 달려드는 세상이거든요.”</blockquote><p>그래서 그는 반대 방향을 택했습니다. 해결법(AI)에서 출발해 풀 문제를 찾는 대신, <strong>현장에서 진짜 문제를 만나러 들어가는 쪽</strong>이었습니다.</p><blockquote>“제품이나 기술에서 출발하면 돈 버는 제품이 안 나와요. 거꾸로 문제에서 들어와서 이걸 AI로 풀자로 가야 해결이 확실해지니까요. 진짜 문제를 직접 만나보자 — 이게 세일즈를 선택한 가장 큰 이유였어요.”</blockquote><p>비슷한 고민을 하는 동료에게 전하고 싶은 말도 분명합니다.</p><blockquote>“한 가지 일을 너무 오래 하면 나름대로 자기만의 틀을 만들게 돼요. 그 틀에 안주하고, 다른 사람들이 만든 좋은 틀과 수렴하는 순간 그 일은 AI에 대체되기 쉬워요. 그래서 오리지널리티를 만들고, 남들이 안 하는 조합을 시도해야 돼요.”</blockquote><p>그 ‘조합’은 사람 수만큼 다를 것입니다. <strong>승현님이 고른 조합이 엔지니어 × 세일즈였을 뿐</strong>, 본인도 이 선택이 누구에게나 정답이라고 보지 않습니다.</p><blockquote>“저는 이 조합이 저한테 맞았던 거고, 각자에게 맞는 조합이 다 따로 있을 거예요. 직무를 꼭 바꾸지 않아도, 평소에 자기가 안 해본 일 쪽으로 조금씩 걸쳐 보는 것만으로도 의미가 있다고 생각해요.”</blockquote><h3>첫 발짝의 기록</h3><p>3초 만에 결정된 전환. 그 시간 쌓은 프레임워크를 뒤로하고 현장으로 먼저 걸어 들어간 사람.</p><p>승현님의 이번 이동은 코드 바깥, 현장의 마지막 한 장면까지 PE의 정의가 확장될 수 있는지를 회사가 함께 시도하는 실험입니다. 한 사람의 특별한 선택이라기보다, 엔지니어링과 세일즈·사업 사이의 거리를 좀 더 가깝게 재배치해 보려는 조직의 시도에 가깝습니다. <strong>‘만들기만 하던 사람’에서 ‘직접 팔 수 있는 사람’으로</strong> — 회사가 정의한 다음 단계에서, 이번 이동은 그 첫 발짝입니다.</p><blockquote>“새로운 도전은 결과가 어떻든 배우는 게 많아요. 성공적이면 당연히 좋고, 실패한다 하더라도 실패한 이유가 남으니까요.”</blockquote><p>이 경로가 누구에게나 정답이라는 말은 아닙니다. 다만 이런 방향도 가능하다는 사실이 회사 안에 한 번 기록됐다는 것 — 그 기록을 승현님이 자발적으로 썼다는 것이 이번 사례의 본질입니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=925ca7bec65b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/%EB%A7%8C%EB%93%9C%EB%8A%94-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EC%97%90%EC%84%9C-%ED%8C%8C%EB%8A%94-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EB%A1%9C-%ED%95%9C-pe%EC%9D%98-%EC%9E%90%EB%B0%9C%EC%A0%81-%EC%97%AD%ED%95%A0-%ED%99%95%EC%9E%A5-925ca7bec65b">만드는 엔지니어에서, 파는 엔지니어로: 한 PE의 자발적 전직</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Product Engineer: 클릭 몇 번으로 여행 상품 5,000개를 만들다]]></title>
            <link>https://medium.com/myrealtrip-product/product-engineer-%ED%81%B4%EB%A6%AD-%EB%AA%87-%EB%B2%88%EC%9C%BC%EB%A1%9C-%EC%97%AC%ED%96%89-%EC%83%81%ED%92%88-5-000%EA%B0%9C%EB%A5%BC-%EB%A7%8C%EB%93%A4%EB%8B%A4-24ce85cfe56a?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/24ce85cfe56a</guid>
            <category><![CDATA[automation]]></category>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[prompt-engineering]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[startup]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Fri, 17 Apr 2026 06:58:01 GMT</pubDate>
            <atom:updated>2026-04-21T01:45:23.602Z</atom:updated>
            <content:encoded><![CDATA[<p>PEPE 세션 6 — T&amp;A(투어&amp;액티비티) Experience팀 김제림님</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*LGxhXG4aBnClaHWLWguE3A.jpeg" /></figure><p>마이리얼트립에는 전 세계 연동사로부터 들어오는 수만 개의 여행 상품이 있습니다. 하지만 이 상품들을 실제 판매 가능한 형태로 등록하는 과정은 놀라울 만큼 수작업이었습니다. <strong>상품 하나에 수십 분, 하루에 최대 20개</strong>가 한계였고, 미등록 상품 대기열은 계속 늘어가고 있었습니다.</p><p>여섯 번째 PEPE 세션에서는 T&amp;A Experience팀의 프로덕트 엔지니어(PE) 김제림님이 이 과정을 AI로 자동화한 이야기를 공유했습니다. <strong>상품 하나를 만드는 데 30초, 하루 등록 가능한 상품 수는 5,000개 이상</strong>. 처음에는 단순한 스크립트로 시작한 프로젝트가 어떻게 여기까지 왔을까요?</p><h3>쌓여가는 대기열, 하루 20개의 한계</h3><p>기존 상품 등록 프로세스에는 명확한 병목이 있었습니다. 공급사로부터 상품 정보를 수동으로 가져와야 했고, 그 정보를 바탕으로 상세 페이지 HTML을 직접 제작해야 했습니다. 표준 카테고리와 노출 카테고리도 일일이 분류해야 했고, 이후 상품 등록과 검수까지 거쳐야 했습니다. 상품 하나당 수십 분이 소요됐고, 하루 최대 등록 가능 상품은 약 20개. 미등록 상품은 대기열에 계속 쌓여가고 있었습니다.</p><p>제림님의 목표는 명확했습니다.</p><blockquote>“여러 연동사들을 단순히 마우스 클릭 몇 번으로 상품이 원클릭 자동화되는 게 목표였습니다.”</blockquote><p>프로젝트는 크게 두 가지 과제로 나뉘었습니다. 첫 번째는 연동사의 상품 ID만 입력하면 마이리얼트립 상품으로 자동 전환하는 ‘상품 자동 등록’. 두 번째는 텍스트로만 나열되어 있던 기존 상품 정보를 여행자에게 매력적으로 보이도록 꾸미는 ‘상세 페이지 데코레이션’이었습니다.</p><h3>수동 등록 vs AI 자동 등록: 하루 20개가 5,000개가 되다</h3><p>실제 결과물을 비교하면 차이가 뚜렷합니다. 수동 등록된 상품은 텍스트가 나열되어 있고 이미지 배치도 없었습니다. 상품 소개뿐 아니라 미팅 장소, 취소·환불 규정, 포함·불포함 사항까지 고려하면 상품 하나에 들어가는 시간은 적지 않았습니다.</p><p>AI 자동 등록은 30초 만에 매거진 스타일의 상세 페이지를 생성합니다. 이미지가 자동으로 배치되고, 매력적인 문구가 들어가며, 옵션·캘린더·대표 이미지까지 갱신해 실제 온세일까지 자동으로 진행됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*xfuaR-aL48LWSMgw" /></figure><p>달라진 것은 속도만이 아닙니다. 기존에는 담당자마다 작성 스타일이 달라 <strong>상품별 품질 편차가 불가피</strong>했지만, 이제는 모든 상품이 <strong>일관된 레이아웃과 톤</strong>으로 만들어집니다. 텍스트만 나열되어 있던 상세 페이지에 <strong>이미지가 자동 배치</strong>되고, 수기로 투입되던 인력도 대폭 줄어 담당자는 등록 작업 대신 상품 기획과 품질 관리에 집중할 수 있게 됐습니다.</p><blockquote>“기존에 하루 약 20개 등록되던 상품이 5,000개 혹은 그 이상 자동 등록될 수 있게 되었고, 수십 분 걸리던 게 30초가 되었습니다. 코드로 무한히 확장 가능한 구조가 되었습니다.”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*n2wyiJQE7dfaGlHW" /></figure><h3>AI에게 맡긴 세 가지 핵심 역할</h3><p>이 시스템에서 AI는 세 가지 핵심 역할을 수행합니다.</p><p>첫 번째는 <strong>번역</strong>입니다. 연동사에서 제공하는 데이터는 영어, 중국어, 일본어 등 다양한 언어로 되어 있습니다. 이를 한국어로 바꾸되, <strong>단순 직역이 아니라 여행자의 관심을 끄는 문구로 변환</strong>합니다.</p><blockquote>“‘Interlaken’이라고 되어 있으면 단순히 직역하는 게 아니라, ‘해발 3,454미터 융프라우 정상 단일 투어’처럼 매력적인 제목을 만들어냅니다.”</blockquote><p>두 번째는 <strong>상세 페이지 HTML 자동 생성</strong>입니다. AI가 연동사의 응답 데이터를 분석해 11가지 컬러 테마 중 적절한 것을 선택하고, 두 가지 레이아웃 중 하나를 고릅니다. 이미지 수에 따라 섹션 수를 자동 조절하고, 다크 모드·라이트 모드를 지원하며, 모바일 환경에 맞춘 문장 길이 최적화도 함께 이루어집니다. 단조로운 하나의 템플릿이 아니라 <strong>상품 특성에 맞는 다양한 조합이 가능</strong>하도록 설계됐습니다.</p><blockquote>“실제 상세 페이지에 ‘파리의 심장에서 펼쳐지는 미지의 밤을 상상해 보세요’ 같은 문구가 자동으로 들어갑니다. 단조로운 색상 하나가 아니라 다양한 테마로 만들 수 있도록 했습니다.”</blockquote><p>세 번째는 <strong>카테고리 자동 분류</strong>입니다. 표준 카테고리와 노출 카테고리 두 가지를 AI가 자동으로 분류합니다. 표준 카테고리의 경우 T&amp;A API에서 허용된 카테고리 트리를 가져와 시스템 프롬프트에 주입하고, 노출 카테고리는 연동사가 제공하는 위도·경도를 기반으로 리전 매처 API와 매핑 테이블을 거쳐 후보 목록을 추린 뒤 AI가 최종 선택합니다.</p><blockquote>“상품에서 카테고리는 되게 중요한 역할을 합니다. 예를 들어 ‘인터라켄 패러글라이딩’을 넣으면 AI가 ‘액티비티 &gt; 패러글라이딩’으로 매칭합니다.”</blockquote><h3>잘 팔리는 상품 50개가 AI의 교본이 되다</h3><p>AI의 결과물 품질을 어떻게 관리하느냐는 질문에, 제림님은 퓨샷 러닝(few-shot learning)을 핵심 전략으로 꼽았습니다. <strong>실제 잘 팔리는 상품 50~60개의 상세 페이지와 제목을 JSON 데이터로 만들어 AI에게 예시로 제공</strong>하는 방식입니다.</p><p>어떤 예시를 선택하느냐도 중요했습니다. 국가, 카테고리, 대륙, 판매량 등의 기준으로 스코어를 매겨, 등록하려는 상품과 가장 유사한 맥락의 예시를 AI 프롬프트에 넣어 응답 품질을 높였습니다.</p><p>연동사별 맞춤 컨텍스트도 이 시스템의 특징입니다. 큰 틀은 동일하지만 세부 디테일이 다릅니다. GYG는 전 세계 대상 티켓·투어를 판매하기 때문에 “미코노스 슈퍼 파라다이스 해변” 같은 제목이 나오고, 재팬티켓은 일본 미식 중심이라 “야키니쿠 · 니쿠야노꼬 · 도시명” 형태에 메뉴가 포함된 상세 페이지가 생성됩니다. 같은 자동화 시스템이지만, <strong>연동사의 성격에 따라 결과물의 톤과 구성이 달라지는 구조</strong>입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Lfsf4le7lVFTDzyU" /></figure><h3>비용을 줄이고, 확장은 쉽게</h3><p>대량 등록을 앞두고 비용 최적화도 중요한 과제였습니다. 기존 프로세스에서는 상품 하나를 만드는 데 약 200원이 소요됐는데, 2만~3만 개 이상을 등록해야 하는 상황에서는 무시할 수 없는 규모였습니다.</p><p>제림님은 변하지 않는 스타일 레퍼런스와 규칙은 시스템 프롬프트에 넣어 캐시 재사용을 극대화하고, 상품별로 달라지는 정보만 개별 요청으로 전달하는 구조를 도입했습니다. 향후 아키텍처가 개선되면 비용을 더 줄일 수 있는 배치 API 도입도 고려하고 있습니다.</p><p>아키텍처 측면에서는 전략 패턴(Strategy Pattern)을 적용했습니다. <strong>연동사가 추가될 때 전략 하나만 구현하면 되는 구조</strong>입니다. 상품 자동화 API를 호출하면 Redis 큐에 저장되고, 배치가 주기적으로 컨슈밍하면서 워커가 병렬로 처리한 뒤, 결과를 수집해 Slack으로 성공·실패 및 비용 리포트를 보내는 흐름입니다.</p><h3>스크립트에서 시작해, 플랫폼이 되다</h3><p>이 프로젝트는 약 한 달 반에 걸쳐 완성됐습니다. 처음부터 이 규모를 계획한 것은 아니었습니다.</p><blockquote>“처음에는 단순하게 스크립트 같은 걸로 자동 등록을 하려 했었거든요. 점차 커지다 보니까 이렇게 기능으로 된 것 같습니다.”</blockquote><p>현재는 대량 등록이 완료된 1단계입니다. 2단계에서는 연동사 확장, 매니저 대시보드 고도화, 검색 노출 최적화, 비용 절감을 계획하고 있습니다. 3단계에서는 연동 상품뿐 아니라 입점 상품에도 적용할 수 있는, 지금보다 훨씬 고도화된 상세 페이지를 준비하고 있습니다.</p><p>수십 분이 걸리던 일이 30초가 됐고, 하루 20개가 한계이던 등록이 5,000개 이상으로 늘었습니다. 하지만 제림님에게 이 프로젝트의 의미는 효율화를 넘어섭니다. <strong>필요에 따라 시작한 스크립트가 플랫폼이 되었고, 그 플랫폼 위에서 더 나은 여행 상품 경험을 계속 쌓아갈 수 있는 구조가 만들어졌다는 것</strong>. 다음 단계 역시, 같은 방식으로 만들어갈 계획입니다.</p><p><em>*마이리얼트립의 PEPE(Product Engineer Possibility Exchange)는 PE(Product Engineer)들이 “어디까지 시도했는지, 어디서 막혔는지”를 결과보다 과정으로 나누는 사내 세션입니다.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=24ce85cfe56a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/product-engineer-%ED%81%B4%EB%A6%AD-%EB%AA%87-%EB%B2%88%EC%9C%BC%EB%A1%9C-%EC%97%AC%ED%96%89-%EC%83%81%ED%92%88-5-000%EA%B0%9C%EB%A5%BC-%EB%A7%8C%EB%93%A4%EB%8B%A4-24ce85cfe56a">Product Engineer: 클릭 몇 번으로 여행 상품 5,000개를 만들다</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[“AI를 쓰는 회사가 아니라, AI 없이는 일이 안 되는 회사”: 마이리얼트립이 AI Native 조직으로 전환한 이유]]></title>
            <link>https://medium.com/myrealtrip-product/ai%EB%A5%BC-%EC%93%B0%EB%8A%94-%ED%9A%8C%EC%82%AC%EA%B0%80-%EC%95%84%EB%8B%88%EB%9D%BC-ai-%EC%97%86%EC%9D%B4%EB%8A%94-%EC%9D%BC%EC%9D%B4-%EC%95%88-%EB%90%98%EB%8A%94-%ED%9A%8C%EC%82%AC-%EB%A7%88%EC%9D%B4%EB%A6%AC%EC%96%BC%ED%8A%B8%EB%A6%BD%EC%9D%B4-ai-native-%EC%A1%B0%EC%A7%81%EC%9C%BC%EB%A1%9C-%EC%A0%84%ED%99%98%ED%95%9C-%EC%9D%B4%EC%9C%A0-0e7d0eb21750?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/0e7d0eb21750</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[leadership]]></category>
            <category><![CDATA[digital-transformation]]></category>
            <category><![CDATA[future-of-work]]></category>
            <category><![CDATA[organizational-culture]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Tue, 07 Apr 2026 07:40:01 GMT</pubDate>
            <atom:updated>2026-04-07T07:40:01.206Z</atom:updated>
            <content:encoded><![CDATA[<p>AI 기능을 얹는 것과, AI 없이는 일이 안 되는 조직을 만드는 것은 다릅니다. 마이리얼트립이 3년에 걸쳐 후자를 택한 이유와, 그 과정에서 바꾼 것들을 공유합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*b1VRxp1-ZevIK3ZfupBttg.jpeg" /></figure><p>2026년 1분기, 마이리얼트립 이동건 대표는 전 구성원 앞에서 선언했습니다. “마이리얼트립은 AI Native 조직으로 전환합니다.” 새로운 기능 출시나 신규 서비스 론칭 소식이 아니었습니다. 회사가 일하는 방식 자체를 바꾸겠다는 선언이었습니다.</p><p>2024년, 사내에 AI Lab을 세우고 전 구성원의 AI 리터러시를 끌어올리는 작업을 먼저 시작했습니다. 2025년에는 비개발자가 자동화 시스템을 만들고 마케터가 데이터 파이프라인을 구축하는 등, 구성원들이 AI로 직접 무언가를 만들어보는 경험을 집중적으로 쌓았습니다. AI 툴도 전 구성원에게 무제한으로 열었습니다.</p><p>그 기반 위에서, 이제는 AI로 비즈니스 임팩트를 본격적으로 만들어내겠다는 것. 그것이 이 선언의 본질입니다.</p><h3>시작은 AI 여행 플래너였다</h3><p>2022년 말 ChatGPT가 등장했을 때, 마이리얼트립은 빠르게 움직였습니다. 48시간 만에 AI 여행 플래너를 출시했습니다. 당시 고도로 분업화된 조직 구조에서는 나오기 어려운 속도였지만, 이동건 대표가 직접 진두지휘하며 밀어붙인 결과였습니다.</p><p>뉴스에도 보도됐고 주요 IT 기업들의 관심도 받았지만, 초기 호기심은 빠르게 식었습니다.</p><p><strong>기능을 붙였을 뿐, 일하는 방식은 바뀌지 않았기 때문입니다.</strong> AI 기능 하나를 얹는다고 조직이 전환되지는 않는다는 것. 이 경험이 이후 마이리얼트립의 AI 전략 전체를 바꿔놓았습니다.</p><h3>AI 전환의 여정: 기능에서 구조로</h3><p>방향을 바꾼 뒤, 마이리얼트립의 AI 전환은 단계적으로 진행되었습니다.</p><p><strong>2024년</strong> — 새롭게 만든 AI Lab은 특정 기술만을 다루는 전문 부서가 아니라, 전 구성원이 AI를 실제 업무에 적용해 효율성을 높일 수 있도록 안내하고 교육하는 조직으로 설계됐습니다. 동시에 고객경험 조직의 사명을 MRTCX에서 AICX로 변경하며, AI 중심의 고객 경험 혁신을 본격적으로 시작했습니다.</p><p><strong>2025년</strong> — AI 챔피언 제도를 도입했습니다. AI를 활용해 문제를 직접 해결하는 프로그램으로, 테크 블로그에만 15편 이상의 후기가 올라갔고, 공유하지 못한 사례는 훨씬 많습니다. 같은 해, 테크 조직의 PE(Product Engineer, 프로덕트 엔지니어) 직무 전환도 완료했습니다. 개발자, PM, 디자이너, 데이터 분석가가 ‘문제 종결자’로서 기획부터 구현까지 End-to-End로 책임지는 구조로 바꿨습니다.</p><p><strong>2026년</strong> — AI Nativeness를 평가에 제도화하고, 임팩트 기반 평가로 전환합니다.</p><h3>병목은 전략이 아니라 실행 구조였다</h3><p>AI를 도입해야 한다는 데 반대하는 사람은 없습니다. 그런데 왜 실행은 이렇게 어려울까요?</p><p>이동건 대표가 내린 결론은 명확했습니다. <strong>문제는 전략이 아니라 실행 구조에 있었습니다.</strong></p><p>성장기에 속도를 내기 위해 역할을 극단적으로 쪼갠 분업 구조가 굳어져 있었습니다. 한 사람이 만들 수 있는 임팩트는 구조적으로 제한됐고, 리더는 조율에 에너지를 쏟고, 실행하는 사람은 ‘왜’를 모른 채 맡은 일만 처리하는 상황이었습니다.</p><blockquote>“이 구조를 깨지 않고서는 AI라는 엔진은 아무 힘을 발휘할 수 없습니다.”</blockquote><h3>“AI 툴이 멈추면 업무가 멈추는 회사”</h3><p>그렇다면 AI Native 조직이란 무엇일까요? “AI를 쓰는 회사”가 아닙니다. <strong>AI 없이는 업무가 안 되는 조직</strong>입니다.</p><p>이동건 대표는 직접 실례를 들었습니다. 현재 출장여행 사업 시스템을 AI로 직접 구축하고 있는데, 과거에도 같은 사업을 시도한 적이 있지만 팀 구성과 리소스 조율에만 수개월이 걸려 결국 무산된 바 있습니다. 지금은 다릅니다. 한 사람이 처음부터 끝까지 1주일 안에 새로운 사업을 출시할 수 있는 시대가 됐습니다.</p><p>사내에서도 변화가 이미 일어나고 있습니다. 과거라면 개발자, 기획자, 디자이너 등 여러 인원이 필요했을 신규 서비스들이 최소 인원으로 만들어지고 있고, 오래된 레거시 시스템도 새로운 방식으로 전환되고 있습니다.</p><blockquote>“소수정예로 더 큰 임팩트를 만드는 조직. 이게 AI Native 조직의 모습입니다.”</blockquote><h3>AI Nativeness, 성과 평가의 핵심 지표가 되다</h3><p>방향만 제시한 것이 아닙니다. 성과 평가에 AI Nativeness 항목을 신설해 상당한 비중을 부여했습니다.</p><p>특히 눈에 띄는 것은 <strong>AI Nativeness에만 0점(NE)이 존재한다</strong>는 점입니다. 업적과 핵심가치에서 모두 최고 등급을 받더라도 AI Nativeness가 0점이면 종합 평가는 ‘기대충족’에 머뭅니다. 구조적으로 탁월함이나 기대이상 등급을 받을 수 없습니다.</p><blockquote>“의도적으로 이렇게 설계했습니다. AI를 활용하지 않는 사람은 이 조직에서 탑 퍼포머가 될 수 없습니다.”</blockquote><p>단, 측정 기준은 사용량이 아닙니다. 토큰 소비량이나 접속 빈도가 아니라, <strong>AI를 통해 고객과 비즈니스에 어떤 가치를 만들어냈는가</strong>를 봅니다. AI로 풀기 쉬운 문제를 골라 실적을 쌓는 것이 아니라, 각 조직에서 가장 어렵고 중요한 문제에 AI를 투입해 핵심 지표를 실질적으로 개선하는 것이 평가의 핵심입니다.</p><h3>리더의 역할이 달라진다</h3><p>리더에게도 역할 재정의를 요구했습니다.</p><p>리더는 더 이상 답을 주거나 팀원을 보호하는 존재가 아닙니다. <strong>맥락과 방향을 설계하고, 구성원이 AI를 활용해 더 넓은 범위의 문제를 스스로 해결할 수 있도록 환경을 만드는 사람</strong>이 되어야 합니다.</p><p>그리고 무엇보다 리더가 먼저 실천해야 합니다. 실제로 작년 초에도 평가에 AI 지표를 넣자는 논의가 있었지만, 이동건 대표는 1년을 더 기다렸습니다. 리더부터 충분히 준비가 된 뒤에 제도화하겠다는 판단이었습니다.</p><blockquote>“경영진을 비롯한 상위 리더들이 평가할 자격을 갖췄는가에 대해 회의적이었습니다. 리더들이 그 누구보다 솔선수범해야 한다고 믿었고, 1년간 강하게 요구해왔습니다. 그리고 이제 때가 되었습니다.”</blockquote><h3>AI 인프라: 도구는 이미 준비되어 있다</h3><p>마이리얼트립은 전 구성원에게 AI 툴을 무제한으로 제공하고 있으며, 월 AI 구독 비용은 도입 초기 대비 10배 이상 증가했습니다. 필요한 도구가 있으면 추가 지원도 가능합니다.</p><p>제도와 인프라는 이미 갖춰져 있습니다. 이제 남은 것은 실행입니다.</p><h3>AI Native, 그 다음</h3><p>과거에는 큰 조직을 이끄는 것이 리더의 역량으로 여겨졌지만, 이제는 작은 팀으로 큰 성과를 만드는 조직이 이깁니다. 한 사람이 AI를 파트너로 삼아 기존에는 여러 명이 해야 했던 일을 해내는 시대. 마이리얼트립이 AI Native 전환을 통해 그리는 미래입니다.</p><p>AI로 고객 문제를 더 빠르게, 더 깊이 풀어내는 사람이 성과를 내는 시대. 마이리얼트립은 그 전환의 한가운데에 서 있습니다. 이 전환이 실제로 어떤 결과를 만들어냈는지, 추후 구체적인 결과와 함께 공유하겠습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=0e7d0eb21750" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/ai%EB%A5%BC-%EC%93%B0%EB%8A%94-%ED%9A%8C%EC%82%AC%EA%B0%80-%EC%95%84%EB%8B%88%EB%9D%BC-ai-%EC%97%86%EC%9D%B4%EB%8A%94-%EC%9D%BC%EC%9D%B4-%EC%95%88-%EB%90%98%EB%8A%94-%ED%9A%8C%EC%82%AC-%EB%A7%88%EC%9D%B4%EB%A6%AC%EC%96%BC%ED%8A%B8%EB%A6%BD%EC%9D%B4-ai-native-%EC%A1%B0%EC%A7%81%EC%9C%BC%EB%A1%9C-%EC%A0%84%ED%99%98%ED%95%9C-%EC%9D%B4%EC%9C%A0-0e7d0eb21750">“AI를 쓰는 회사가 아니라, AI 없이는 일이 안 되는 회사”: 마이리얼트립이 AI Native 조직으로 전환한 이유</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Product Engineer: 전직 백엔드 개발자, AI와 함께한 프론트엔드 도전기]]></title>
            <link>https://medium.com/myrealtrip-product/product-engineer-%EB%B0%B1%EC%97%94%EB%93%9C-%EA%B0%9C%EB%B0%9C%EC%9E%90%EA%B0%80-ai%EC%97%90%EA%B2%8C-%EC%9D%BC-%EC%8B%9C%ED%82%A4%EB%8A%94-%EB%B2%95%EC%9D%84-%EB%B0%94%EA%BE%BC-%EC%9D%B4%EC%95%BC%EA%B8%B0-773453e94ee7?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/773453e94ee7</guid>
            <category><![CDATA[productivity]]></category>
            <category><![CDATA[software-engineering]]></category>
            <category><![CDATA[developer-tools]]></category>
            <category><![CDATA[programming]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Mon, 30 Mar 2026 01:01:01 GMT</pubDate>
            <atom:updated>2026-03-30T02:27:23.635Z</atom:updated>
            <content:encoded><![CDATA[<p>PEPE 세션 5 — 그로스엔지니어링팀 황재선님</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*rTfiqLWMroXOFSiAvEpjlw.jpeg" /></figure><p>마이리얼트립의 다섯 번째 PEPE(Product Engineer Possibility Exchange) 세션에서는 조금 다른 도전기가 등장했습니다.</p><p>마이리얼트립에는 ‘백엔드 개발자’, ‘프론트엔드 개발자’라는 구분이 없습니다. 모두가 Product Engineer(PE)입니다. 하지만 사람마다 익숙한 기술 영역은 다릅니다. 백엔드에 익숙한 엔지니어가 프론트엔드 코드를 모르는 상태에서 관리자 페이지 화면을 직접 만든 이야기입니다.</p><p>그로스엔지니어링팀 황재선님은 버티컬 홈 개편 프로젝트에서 하단 커스텀 영역의 백엔드와 관리자 페이지 프론트엔드 개발을 함께 맡았습니다. 쿠폰 섹션, 쇼컷 스타일, 라이브 상품 카드 같은 유형의 데이터를 노출하는 백엔드 작업과, 이 데이터를 운영팀이 직접 등록하고 세팅할 수 있는 관리자 페이지를 함께 만들어야 했습니다. 백엔드 쪽은 익숙한 영역이니 문제가 없었지만, 관리자 페이지 프론트엔드는 사정이 달랐습니다. 프론트엔드 코드를 직접 다뤄본 적이 거의 없었기 때문입니다. 재선님은 이 작업을 AI 코딩 도구인 커서(Cursor)와 함께 진행하기로 했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*oSiV-Gz5mw4GOfzf" /></figure><p>결과부터 이야기하면, <strong>관리자 페이지 개발은 가능했습니다</strong>. 그리고 그 과정에서 “AI에게 코드를 짜달라고 하는 것”보다 훨씬 중요한 것을 발견했습니다. <strong>AI가 잘 일하려면 컨텍스트를 쌓을 수 있는 구조, 즉 허브가 필요하다</strong>는 점입니다.</p><h3>피그마에서 정책서로, 정책서에서 코드로</h3><p>프로젝트의 시작은 피그마였습니다. 디자이너가 피그마에 화면 구성뿐 아니라 정책과 상세 요구사항을 꼼꼼하게 정리해 두었습니다. 각 버티컬 홈의 목록 페이지에 대한 정책, 유형별 등록 화면 구성, 어떤 데이터를 입력하면 화면이 어떻게 나오는지까지 세세하게 잡혀 있었습니다.</p><p>재선님은 이 피그마 내용을 빈 페이지에 복사한 뒤 커서에게 넘겼습니다. “이 링크를 기준으로 정책서를 뽑아 달라”고 요청했고, 커서는 프로젝트 배경, 사용자 흐름, 화면별 요구사항, 프로젝트 구조 설계까지 정리된 정책서를 만들어냈습니다. 이 문서는 그대로 위키에 등록됐습니다.</p><p>여기서 핵심은 단계별 계획이었습니다. 재선님은 전체 작업을 한 번에 맡기지 않았습니다. 기반 구조를 먼저 잡고, 메인 페이지를 만들고, 이후 유형별로 나눠서 AI가 점진적으로 작업하도록 설계했습니다. 각 페이지별로도 상세 계획을 나눠서, 작업이 중간에 끊기더라도 끊긴 부분부터 다시 진행할 수 있도록 위키 문서를 구성했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*m7ztgsPEn4Uqt77g" /></figure><blockquote>“AI가 조금씩 작업을 단계별로 진행할 수 있게끔 계획을 세웠습니다. 끊겨도 이어서 진행할 수 있도록 각 단계를 문서화해 두는 게 중요했어요.”</blockquote><p>이 접근이 통한 데는 조건도 있었습니다. 관리자 페이지 프론트엔드가 다른 기능에 영향을 주지 않는 <strong>독립적 구조</strong>였고, 개발 <strong>범위가 명확</strong>했으며, 기존에 <strong>패턴이 잘 잡혀 있었다</strong>는 점입니다. 어떤 레포를 건드려야 하는지도 프로젝트 초반 설계 단계에서 이미 결정된 상태였습니다.</p><blockquote>“코드를 몰라도 개발을 할 수가 있었고요. 독립적 구조에 범위가 명확하고 기존 패턴이 잘 잡혀 있었기 때문입니다.”</blockquote><h3>겉보기에는 완벽했지만</h3><p>단계별 작업을 거쳐 관리자 페이지가 만들어졌습니다. 디자인 스타일까지 반영된 결과물이었습니다.</p><blockquote>“겉보기에는 문제 없을 정도로 거의 디자인 스타일까지 완벽하게 반영이 된 관리자 페이지가 만들어졌는데…”</blockquote><p>하지만 문제는 안쪽에 있었습니다. 실제로 백엔드 서버와 통신하는 방식을 살펴보니, 관리자 페이지에서 수정한 아이템들을 한 번에 저장해야 하는데 각각의 아이템마다 개별적으로 API를 호출하고 있었습니다. <strong>아이템이 30개면 API 통신이 30번 발생하는 구조</strong>였습니다. 겉으로는 잘 동작했지만, 실제 운영 환경에서는 성능 문제가 될 수 있는 비효율이었습니다.</p><p>재선님은 위키에 등록해 둔 설계 문서를 업데이트하고, 백엔드 서버와 프론트 서버 각각의 변경 사항을 위키로 전달해서 반영하는 방식으로 수정 작업을 진행했습니다. 여기서 또 다른 불편이 드러났습니다. 에디터를 두 개 띄워 놓고, 프론트 작업은 프론트 프로젝트를 띄운 에디터에서, 백엔드 작업은 백엔드 에디터에서 각각 요청하며 왔다 갔다 해야 했습니다. 프론트에서 API를 호출하는 코드를 수정하려면 백엔드 레포의 API 스펙을 확인해야 하고, 백엔드를 고치면 다시 프론트로 돌아가야 했습니다.</p><p>이 비효율을 해결하기 위해 재선님은 프론트엔드 에디터에서 로컬에 있는 백엔드 레포를 직접 참조할 수 있도록 구조를 바꿨습니다. 위키 문서를 매번 업데이트해서 AI에게 전달하는 대신, 로컬에 작업된 코드 자체를 AI가 파악하게 한 것입니다. 이렇게 하니 위키가 업데이트되지 않아도 바로 코드 기반으로 작업을 이어갈 수 있었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Q02sLV_wiJb3TLiS" /></figure><h3>에디터 하나로 모든 작업을: AI 전용 작업 허브</h3><p>하지만 여전히 에디터를 왔다 갔다 하는 불편은 남아 있었습니다. 여기서 한 걸음 더 나아간 것이 <strong>AI 전용 작업 허브</strong>입니다. “아예 하나의 에디터에서 모든 작업을 할 수 없을까”라는 생각에서 출발했습니다.</p><p>workspace라는 디렉토리를 만들고, 그 하위에 해야 되는 작업을 명시해 놓고, 어떤 레포들을 참조해야 하는지 가이드를 줍니다. AI는 작업 시점에 해당 레포들을 파악하고, 프론트 작업과 백엔드 작업을 동시에 수행합니다.</p><blockquote>“하나의 레포, 허브에서 멀티 프로젝트를 제어할 수 있게 됐고요. AI는 여러 레포를 컨트롤할 수 있으므로 허브 레포가 효과적입니다.”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*8LF2krsxQU-tEPKI" /></figure><p>실제로 이 허브를 활용하면 새로운 작업도 유연하게 시작할 수 있었습니다. 특정 레포 이름을 알려주고 클론 받아서 작업을 수행하라고 하면, 새로운 workspace 하위 디렉토리를 만들어서 처리하는 것까지 가능했습니다. 기존에는 매번 위키를 만들거나 채팅으로 일일이 설명해야 했던 일이, 허브 하나로 정리됐습니다.</p><h3>프로젝트를 넘어서: 나만의 개발 환경을 설계하다</h3><p>재선님은 이 경험을 바탕으로 ‘데브 워크스테이션’이라는 개인 업무 허브 개념까지 확장하고 있습니다. 프로젝트 단위의 작업 허브를 넘어서, 개발자 개인의 업무 전체를 아우르는 환경을 만들겠다는 시도입니다.</p><p>온보딩 단계에서 자신의 업무 스타일, 기술 스택, 회사 정보, 성장 목표 등을 입력하면 AI가 업무 수행 시 맞춤 가이드를 제공하는 구조입니다. 예를 들어 프로젝트를 진행할 때 성장 관점에서 어떤 부분을 중점적으로 작업하면 좋을지 가이드를 요청할 수도 있습니다. MCP(Model Context Protocol)를 통해 컨플루언스 같은 위키를 연결하고, 회사 프로젝트 레포들도 연결해서 하나의 환경에서 쓸 수 있게 설계했습니다. 현재는 클로드 기반으로 재구축을 진행하고 있다고 합니다.</p><p>회사 차원에서는 여러 가지 AI 도입을 진행하게 되지만, 개인 차원에서도 자신만의 업무 허브를 만들어 두면 업무를 진행하면서 파악한 내용들이 계속 쌓이게 됩니다. AI 시대에 개발자가 갖춰야 할 것은 특정 도구의 사용법이 아니라, 자신만의 작업 환경과 스타일을 설계하는 역량이라는 것입니다.</p><blockquote>“컨텍스트를 쌓을 곳을 만드는 게 중요합니다. 개인 차원에서 나만의 업무 허브를 만들어 가면, AI 시대에도 나만의 업무 스타일을 강점으로 내세울 수 있다고 생각합니다.”</blockquote><h3>동시에 여러 일을 시켰더니: 실패에서 배운 것</h3><p>물론 모든 시도가 성공한 것은 아닙니다. 재선님은 병렬 작업을 위해 Git 워크트리(worktree)를 활용해 봤습니다. 여러 브랜치를 동시에 열어두고 전혀 다른 개별 업무를 동시에 수행하면 효율이 올라갈 것이라는 기대였습니다.</p><p>AI 관점에서는 워크트리를 펼쳐서 병렬로 작업을 진행하는 것 자체는 가능했습니다. 하지만 문제는 사람 쪽에서 생겼습니다. 여러 브랜치에서 동시에 진행된 작업들을 어떻게 정리해서 레포에 합치고, 배포까지 관리할 것인지가 꼬이기 시작했습니다. 어떤 브랜치에서 어떤 작업을 했는지 추적이 어려워졌고, AI에게 전달하는 맥락도 흩어졌습니다.</p><blockquote>“워크트리로 병렬 작업을 시도했는데, 여러 브랜치를 관리하다 꼬여서 실패했습니다. 한 번에 하나의 작업에 집중하는 것이 낫다는 결론을 내렸습니다.”</blockquote><p>이 실패가 오히려 “허브에 컨텍스트를 집중해야 한다”는 결론을 더 단단하게 만들어줬습니다.</p><h3>AI가 잘 일하는 환경을 설계하는 것</h3><p>재선님의 발표를 관통하는 메시지는 하나입니다. <strong>AI를 잘 쓰는 것은 좋은 프롬프트를 쓰는 것이 아니라, AI가 잘 일할 수 있는 환경을 만드는 것</strong>이라는 점입니다.</p><p>독립적 구조와 명확한 범위가 있으면 코드를 몰라도 개발이 가능했고, 정책서와 단계별 계획이 있으면 작업이 끊겨도 이어갈 수 있었습니다. 여러 레포를 하나의 허브에서 관리하니 맥락이 흩어지지 않았고, 반대로 워크트리로 맥락을 분산시키면 오히려 효율이 떨어졌습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*9-7rSbPG4nGyQfHk" /></figure><p>결국 <strong>AI 협업의 핵심은 컨텍스트를 쌓을 곳을 만드는 것</strong>. 재선님은 그 답을 프로젝트 안에서 찾았고, 이제 자신만의 업무 허브로 확장해 가고 있습니다.</p><p><em>*마이리얼트립의 PEPE(Product Engineer Possibility Exchange)는 PE(Product Engineer)들이 “어디까지 시도했는지, 어디서 막혔는지”를 결과보다 과정으로 나누는 사내 세션입니다.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=773453e94ee7" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/product-engineer-%EB%B0%B1%EC%97%94%EB%93%9C-%EA%B0%9C%EB%B0%9C%EC%9E%90%EA%B0%80-ai%EC%97%90%EA%B2%8C-%EC%9D%BC-%EC%8B%9C%ED%82%A4%EB%8A%94-%EB%B2%95%EC%9D%84-%EB%B0%94%EA%BE%BC-%EC%9D%B4%EC%95%BC%EA%B8%B0-773453e94ee7">Product Engineer: 전직 백엔드 개발자, AI와 함께한 프론트엔드 도전기</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[사이드 프로젝트로 프로덕트 엔지니어가 된 사람: 불편하면 직접 만든다]]></title>
            <link>https://medium.com/myrealtrip-product/%EC%82%AC%EC%9D%B4%EB%93%9C-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8%EB%A1%9C-%ED%94%84%EB%A1%9C%EB%8D%95%ED%8A%B8-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EA%B0%80-%EB%90%9C-%EC%82%AC%EB%9E%8C-%EB%B6%88%ED%8E%B8%ED%95%98%EB%A9%B4-%EC%A7%81%EC%A0%91-%EB%A7%8C%EB%93%A0%EB%8B%A4-6ffcd65f59df?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/6ffcd65f59df</guid>
            <category><![CDATA[tech]]></category>
            <category><![CDATA[productivity]]></category>
            <category><![CDATA[programming]]></category>
            <category><![CDATA[software-engineering]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Wed, 25 Mar 2026 01:29:42 GMT</pubDate>
            <atom:updated>2026-03-27T05:54:43.649Z</atom:updated>
            <content:encoded><![CDATA[<p>PEPE 세션 4 — 코어플랫폼개발팀 김민수 팀장</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OdhXtoIJYF6sDBr0CwK8ig.jpeg" /></figure><p>프로덕트 엔지니어(PE)가 뭘까 고민하다가, 돌아보니 자기 삶 자체가 그것이었다는 사람이 있습니다.</p><p>카드사 데이터베이스 관리자에서 시작해 백엔드 개발자, 스타트업에서 클라우드·서버·모바일을 동시에, 그리고 검색 엔지니어까지… 매번 처음 하는 일을 맡아 온 마이리얼트립 코어플랫폼개발팀 김민수님은 이번 PEPE(Product Engineer Possibility Exchange) 세션에서 기술 발표 대신 자신의 사이드 프로젝트 이야기를 꺼냈습니다.</p><p>대단한 방법론이 아니라, <strong>불편함을 직접 해결해 온 삶이 곧 PE(프로덕트 엔지니어)였다는 깨달음</strong>에서 출발한 발표입니다.</p><h3>사이드 프로젝트: 게으르기 위해 부지런하게 만든 것들</h3><p>민수님은 같은 일을 두 번 하는 걸 싫어합니다. <strong>게으르기 위해 역설적으로 부지런하게</strong> 뭔가를 만들어 왔습니다.</p><p><strong>일본 맵코드 변환 사이트</strong> — 일본에서 렌트카를 빌리면 내비게이션이 일본어만 지원돼서 목적지 검색이 안 됩니다. 대신 ‘맵코드’라는 숫자를 입력하면 되는데, 이 맵코드를 구하는 서비스도 일본어뿐이었습니다. 구글 플레이스 API로 GPS 좌표를 구하고, 그 좌표를 맵코드로 변환하는 사이트를 만들었습니다. “내가 쓰려고” 만든 건데, 혼자 쓰기 아까워서 공개했더니 반응이 폭발적이었습니다. 일본 여행자 카페에서 베스트 게시물이 됐고, 운영자가 별도로 연락해 선물까지 보내왔습니다.</p><p><strong>숙소 빈방 알림</strong> — 출장 때 예산 내로 잡을 수 있는 숙소가 늘 만실이었습니다. 빈방을 체크해서 슬랙으로 알림을 보내는 시스템을 만들었고, 알림이 오면 바로 예약을 잡았습니다.</p><p>이 외에도 회사 전화 발신자 확인 앱, 배송 추적 자동화, 이체 자동화, 주식 체결 알림까지… 불편한 게 있으면 만들고, 반복되는 게 있으면 자동화했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*9Ohg-jTcTwFsrHsY" /></figure><h3>서비스를 공개하고 나서 달라진 것</h3><p>민수님은 오랫동안 자신이 만든 것을 공개하지 않았습니다. “이렇게 유치한 걸 만들어” 하는 평가가 두려웠기 때문입니다. 맵코드 사이트를 처음으로 외부에 공개했을 때, 반응은 예상과 완전히 달랐습니다.</p><blockquote>“완벽하지 않아도 일단 공개해 보는 게 중요하다는 걸 처음 깨달았습니다. 링크드인 창업자가 ‘첫 번째 제품이 부끄럽지 않다면 너무 늦게 출시한 거다’라고 했는데, 그게 무슨 의미인지 이때 처음 알았어요.”</blockquote><p>공개하고 나면 달라지는 것들이 있었습니다.</p><p><strong>배포와 테스트</strong> — 서비스를 운영하다 보면 수정할 때마다 배포가 귀찮아지고, A를 고쳤는데 B에서 에러가 나는 경험을 하게 됩니다. 자연스럽게 배포 자동화와 테스트 자동화를 고민하게 됩니다.</p><p><strong>사용자 지표</strong> — 구글 애널리틱스를 처음 달아봤더니 아무도 안 들어온다는 사실을 알게 됐습니다. SEO를 적용하니 검색봇만 들어왔고, 블로그에 올리니 스파이크가 치고 꺼졌고, 구글 광고를 태우니 그제서야 트래픽이 서서히 늘기 시작했습니다. 엔지니어로서 <strong>“왜 마케팅에 돈을 태우는지” 처음으로 이해하게 된 순간</strong>이었습니다.</p><p><strong>다른 직군에 대한 이해</strong> — 백엔드·프론트·모바일을 다 직접 하다 보니, 왜 프론트에서 API 스펙을 그렇게 복잡하게 달라고 하는지, 왜 백엔드가 데이터를 그런 형태로 줄 수밖에 없는지 이해가 됐습니다. 다른 직군이 “안 된다”고 할 때, <strong>왜 안 되는지 이해하고 대안을 함께 찾을 수 있게</strong> 됩니다.</p><p><strong>90점과 99점의 차이</strong> — 90점짜리를 만드는 건 쉽지만, 99점으로 만드는 건 정말 어렵습니다. 직접 만들어 보면 뭐가 쉽고 뭐가 어려운지 감이 생기고, 개발팀과 훨씬 효과적으로 협업할 수 있게 됩니다.</p><p><strong>요구사항은 바뀔 수밖에 없다</strong> — 예전에는 “왜 미리 기획을 안 해서 또 바꾸냐”고 불만이었는데, 직접 서비스를 운영해 보니 <strong>고객이 써보고 피드백을 받아야 요구사항이 정해진다</strong>는 걸 알게 됐습니다.</p><p><strong>보안은 경험해야 체감된다</strong> — 서비스를 공개하니 생각보다 해킹 시도가 많이 들어왔습니다. API 키 정보를 탐색하거나 이상한 요청을 보내는 공격이 꾸준히 들어오는 걸 보고, 코드에 민감한 정보를 넣는 것에 본능적으로 거부감을 갖게 됐습니다.</p><p>이런 경험이 쌓이면서 민수님에게는 <strong>“그냥 만들면 되지”라는 마인드</strong>가 생겼습니다. 여러 가지를 직접 만들다 보니 두려움이 사라지고, 작은 서비스라도 전체를 한 바퀴 돌려보면 큰 그림이 보이게 됐습니다.</p><h3>AI 시대, 소스 코드는 바이너리가 되고 있다</h3><p>비개발자 PE는 이제 겁 없이 해볼 수 있는 세상이 됐습니다. 90점짜리는 뭐든 만들 수 있고, 처음이 어렵지 하다 보면 점점 쉬워집니다.</p><p>개발자에게는 다른 메시지를 전했습니다. 그동안 만들어 온 코드의 가치가 점점 줄어들고 있다는 것. 자바 소스를 컴파일하면 .class 바이너리가 나오듯이, <strong>이제 자연어가 소스 코드고 AI가 만들어 주는 코드가 바이너리</strong>처럼 되어가고 있다고 봤습니다.</p><blockquote>“저도 언젠가부터 AI가 만들어 주는 소스 코드를 서서히 보지 않고 있는 것 같아요. 오히려 잘 모르는 분야일수록 더 안 봅니다. 시간이 지나면 지날수록 소스 코드는 안 볼 것 같고, 소스 코드가 아웃풋 바이너리인 세상이 오고 있는 것 같습니다.”</blockquote><p>그렇다면 엔지니어의 역할은 자연어로 소스 코드를 만들어 내는 “컴파일러를 설계하는 것”으로 옮겨간다는 게 민수님의 생각입니다. 컨텍스트 엔지니어링이든 하네스 엔지니어링이든 이름은 중요하지 않고, 이런 설계 역량이 핵심이 됩니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*jtC0_fanniFI3YU6" /></figure><p>민수님은 이를 “메타 엔지니어”라고 표현했습니다. 한 걸음 떨어져서 일하는 방식을 설계하는 사람. AI에게 답을 구하는 게 아니라, AI가 나에게 질문하게 만드는 질문을 설계해서 사고를 확장시키는 역량. 궁극적으로는 “<strong>AI 개발자를 만드는 개발자</strong>”가 되어야 한다는 것이 지금 품고 있는 목표입니다.</p><h3>프로덕트 엔지니어의 본질 — 100원 벌기</h3><p>민수님이 마지막으로 제안한 것은 “100원 벌기”였습니다.</p><p>내가 필요한 것을 직접 만들고, 그것을 시장에 공개하라는 뜻입니다. <strong>공개하지 않으면 사이클이 돌아가지 않고, 한 번 만들고 끝나버립니다.</strong> 공개하면 배포·테스트·마케팅·보안까지 자연스럽게 고민하게 되고, 가만히 앉아 있어도 100원이 들어오는 경험이 만들어집니다.</p><p>실제로 맵코드 사이트는 2017년에 만든 이후 손을 대지 않아도 월 3만 명이 꾸준히 방문하고 있습니다.</p><blockquote>“100원을 버는 게 중요한 게 아니라, 프로세스로 100원을 버는 게 중요합니다. 가만히 앉아 있어도 100원이 들어오는 그 경험을 만드는 게 중요해요. 이 경험을 만들다 보면 자연스럽게 AI 기술이든 자동화든, ‘내가 이걸 계속 직접 하고 있어야 할까?’를 고민하게 됩니다.”</blockquote><p>민수님이 정의하는 <strong>PE의 본질은 “내 불편함을 직접 해결하는 사람”</strong>입니다. 여행지에서 길을 못 찾아서 맵코드 사이트를 만들고, 반복 업무가 싫어서 자동화를 만들고, 빈방이 없어서 알림 시스템을 만든 것. 커리어를 설계한 것이 아니라 불편함을 해결하다 보니, 지나고 나서 보면 그게 PE의 삶이었습니다.</p><p>스티브 잡스가 말한 “커넥팅 더 닷츠(Connecting the Dots, 지나온 점들이 이어져 하나의 선이 된다)”처럼, 매번 처음이었던 경험들이 어느새 하나로 연결되어 있었다는 이야기로 발표를 마쳤습니다.</p><p><em>*마이리얼트립의 PEPE(Product Engineer Possibility Exchange)는 PE(Product Engineer)들이 “어디까지 시도했는지, 어디서 막혔는지”를 결과보다 과정으로 나누는 사내 세션입니다.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6ffcd65f59df" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/%EC%82%AC%EC%9D%B4%EB%93%9C-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8%EB%A1%9C-%ED%94%84%EB%A1%9C%EB%8D%95%ED%8A%B8-%EC%97%94%EC%A7%80%EB%8B%88%EC%96%B4%EA%B0%80-%EB%90%9C-%EC%82%AC%EB%9E%8C-%EB%B6%88%ED%8E%B8%ED%95%98%EB%A9%B4-%EC%A7%81%EC%A0%91-%EB%A7%8C%EB%93%A0%EB%8B%A4-6ffcd65f59df">사이드 프로젝트로 프로덕트 엔지니어가 된 사람: 불편하면 직접 만든다</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[9개월 걸릴 시스템 이관을 하룻밤 만에: 레거시 코드를 AI의 학습 자료로 바꾸다]]></title>
            <link>https://medium.com/myrealtrip-product/9%EA%B0%9C%EC%9B%94-%EA%B1%B8%EB%A6%B4-%EC%8B%9C%EC%8A%A4%ED%85%9C-%EC%9D%B4%EA%B4%80%EC%9D%84-%ED%95%98%EB%A3%BB%EB%B0%A4-%EB%A7%8C%EC%97%90-%EB%A0%88%EA%B1%B0%EC%8B%9C-%EC%BD%94%EB%93%9C%EB%A5%BC-ai%EC%9D%98-%ED%95%99%EC%8A%B5-%EC%9E%90%EB%A3%8C%EB%A1%9C-%EB%B0%94%EA%BE%B8%EB%8B%A4-e52854a2bfb6?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/e52854a2bfb6</guid>
            <category><![CDATA[coding]]></category>
            <category><![CDATA[automation]]></category>
            <category><![CDATA[software-engineering]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[migration]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Mon, 23 Mar 2026 10:13:20 GMT</pubDate>
            <atom:updated>2026-03-23T11:00:14.813Z</atom:updated>
            <content:encoded><![CDATA[<p>- 마이리얼트립 Experience팀 김관주 님</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wI5b38Jl8ie_JBPooUXxsA.jpeg" /></figure><p>여행 상품을 예약할 때, 마이리얼트립은 여러 외부 파트너사의 시스템과 실시간으로 연결됩니다. 파트너사마다 연결 방식이 제각각이라, 그 차이를 흡수해주는 어댑터 코드가 시스템 안에서 묵묵히 핵심 역할을 합니다. 그런데 이 코드들이 모두 곧 종료될 기존 시스템에 묶여 있었습니다. 새 시스템으로 옮겨야 하는데, 구조가 근본적으로 달라 단순 복사로는 불가능했습니다.</p><p><strong>수작업으로 하면 1명이 9개월.</strong> 마이리얼트립 Experience팀의 김관주님은 이 문제를 전혀 다른 방식으로 접근했습니다. 수년간 검증된 레거시 코드 자체를 AI의 학습 자료로 삼은 것입니다.</p><p>이 글에서는 마이리얼트립 사내 기술 공유 세션인 ‘모두의AI’에서 김관주님이 발표한 내용을 바탕으로, AI를 활용한 대규모 시스템 이관 사례를 소개합니다.</p><h3>왜 단순 포팅이 불가능했는가</h3><p>2.0 시스템은 수년간 프로덕션에서 안정적으로 운영되어 온 검증된 코드베이스였습니다. 하지만 종료(deprecated) 예정이었고, 2.0과 3.0의 매니저가 달라 사업팀에서는 이중 관리 부담이 발생하고 있었습니다. 리소스는 계속 투입되는데 시스템은 곧 사라질 예정이라는 모순적인 상황이었습니다.</p><p>단순히 코드를 복사해서 옮기면 될 일 같지만, 그렇지 않았습니다. 2.0과 3.0은 구조, 상태머신(예약·취소 등 흐름을 관리하는 체계), 에러 처리 방식이 근본적으로 달랐습니다. 김관주님은 이렇게 설명했습니다.</p><blockquote>“수작업으로 하면 한 명이 9개월 걸린다는 계산이 나왔습니다. 구조도 다르고, 상태머신도 완전히 다르고, 에러처리 체계도 완전히 달랐기 때문입니다.”</blockquote><p>9개 연동사 어댑터 각각이 고유한 API 스펙과 비즈니스 로직을 갖고 있었고, 이를 새로운 아키텍처에 맞게 재설계해야 했습니다. 이관 대상은 연동에 필요한 전 영역의 코드에 걸쳐 있었습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Ag1hxag6U9d6QT3GP44KwQ.png" /></figure><h3>레거시 코드에서 지식을 꺼내다</h3><p>김관주님이 주목한 건 역설적이게도 레거시 코드 그 자체였습니다. 수년간 운영되면서 축적된 비즈니스 로직(실제 서비스 운영 규칙), 하드코딩된 특수 규칙, 문서화되지 않은 암묵적 지식이 모두 2.0 코드베이스 안에 있었습니다.</p><blockquote>“수년간 운영에서 검증된 코드베이스라는 SOT(Source of Truth)가 있었습니다. 문서화되지 않은 하드코딩 히스토리, 암묵적 비즈니스 로직이 모두 그 안에 있었습니다.”</blockquote><p>접근법은 이랬습니다. 먼저 AI를 활용해 2.0 코드베이스에서 연동사별 API 스펙, 하드코딩된 특수 규칙, 암묵적 비즈니스 로직을 마크다운 문서로 추출했습니다. 코드 속에 흩어져 있던 지식을 체계적인 문서로 변환한 것입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nOPd_2qXxYIQHXFXMKSUVQ.png" /></figure><p>다음으로, 추출된 문서만으로 구현이 가능한지 검증할 수 있는 체크리스트를 만들었습니다. 이 체크리스트는 이후 AI가 생성한 코드의 품질을 판단하는 기준이 됩니다.</p><p>그리고 코드만으로는 파악할 수 없는 영역이 있었습니다. 운영 과정에서 쌓인 노하우, 코드에는 반영되지 않은 예외 상황 처리 같은 암묵지입니다. 이 부분은 팀 내 연동 전문가가 직접 보완했습니다.</p><p><strong>레거시 코드를 SOT로 삼고, AI로 지식을 추출하고, 사람이 빈틈을 메우는 구조.</strong> 이것이 이번 이관의 핵심 설계였습니다.</p><h3>하룻밤, 5만 라인</h3><p>마크다운 가이드 문서가 완성되자 본격적인 코드 생성에 들어갔습니다. AI가 코드를 생성하고, 테스트를 돌리고, 실패하면 다시 수정하는 반복 루프를 설계했습니다. 테스트를 통과할 때까지 자동으로 반복하는 구조입니다.</p><blockquote>“하룻밤 돌리니까 5만 라인짜리 코드 변경 제안서가 완성됐습니다. 다 AI가 짰습니다.”</blockquote><p>9개 연동사에 필요한 전 영역의 코드가 자동으로 생성되었습니다. 1명이 9개월 걸릴 작업의 초안이 하룻밤 만에 나온 것입니다.</p><p>물론 AI가 생성한 코드를 그대로 배포한 건 아닙니다. 하지만 결과는 기대 이상이었습니다.</p><blockquote>“5만 라인의 코드 변경 규모를 감안하면, QA에서 발견된 오류는 극소수였습니다.”</blockquote><p>김관주님은 이 협업 구조를 이렇게 정리했습니다.</p><blockquote>“AI가 빠른 속도로 기반을 만들고, 테스트를 통해 완료선을 친 다음, 정말 미세한 디테일의 오류는 사람이 한 번은 봐야 하는데, 그건 굉장히 작았습니다.”</blockquote><p><strong>AI가 대규모 코드의 기반을 빠르게 만들고, 사람이 미세한 디테일을 잡는 분업 구조.</strong> 김관주님은 이것이 현 시점에서 찾은 최적의 방식이라고 했습니다.</p><h3>AI에게 ‘끝’을 정의하는 법</h3><p>이 과정이 처음부터 순탄했던 건 아닙니다. 초기에 AI에게 “E2E 테스트(처음부터 끝까지 전체 흐름을 검증하는 테스트) 올패스”를 종료 조건으로 주었더니 예상치 못한 일이 벌어졌습니다.</p><blockquote>“AI에게 ‘올패스’라는 목표만 주니까, 올패스 목표 자체만을 위해 최적화를 하기 시작했습니다. 비즈니스 로직을 수정하는 게 아니라 테스트를 수정하더라고요.”</blockquote><p>비즈니스 로직에 맞게 코드를 고치는 대신, 테스트 코드 자체를 바꿔서 통과시킨 것입니다. AI 입장에서는 “올패스”라는 목표를 달성한 셈이지만, 원래 의도와는 완전히 다른 결과였습니다.</p><p>이 경험에서 얻은 교훈은 명확했습니다. AI에게는 정밀한 완료 기준이 필요하다는 것입니다.</p><blockquote>“완료 기준을 정밀하게 문서화해서 가이드를 쳐야 합니다. 모호하게 주면 AI는 내가 원한 것과 다른 결과를 냅니다.”</blockquote><p>김관주님은 완료 기준을 “E2E 테스트 올패스”에서 “API Integration 테스트”로 전환했습니다. 동시에 마크다운 가이드를 정밀하게 다시 작성했습니다. 무엇이 정상 동작해야 하는지, 무엇을 무시해도 되는지, 무엇을 절대 무시하면 안 되는지를 명확히 구분해서 문서화한 것입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-UvPnuyz5bxwBXB_fhdTiw.png" /></figure><p>모호한 목표 대신 정밀한 가이드를 주자, AI는 의도한 방향으로 코드를 생성하기 시작했습니다. <strong>AI를 잘 쓰려면 도구를 잘 다루는 것보다, ‘끝’을 잘 정의하는 것이 먼저라는 점</strong>을 보여주는 사례였습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*l5P_eL_32Ig_l498EJwZLA.png" /></figure><h3>일회성 작업에서 재사용 가능한 자산으로</h3><p>이번 이관 작업은 단순히 9개 연동사를 옮기는 것으로 끝나지 않습니다. 김관주님은 이 과정에서 축적된 지식과 가이드라인을 재사용 가능한 ‘스킬’로 분해할 계획이라고 밝혔습니다.</p><p>코드베이스에서 지식을 추출하는 방법, 검증 체크리스트를 작성하는 방법, AI에게 정밀한 가이드를 제공하는 방법. 이런 단계들을 각각 독립적인 스킬로 만들면, 향후 신규 연동사가 추가될 때 자동화 흐름에 결합해서 활용할 수 있습니다.</p><p>한 번의 이관 경험이 반복 가능한 시스템으로 진화하는 것입니다. 레거시 코드에서 지식을 뽑아내고, 정밀한 기준을 세우고, AI가 코드를 생성하고, 사람이 디테일을 잡는다. 이 루프가 하나의 작업 방식으로 자리 잡으면, 다음 이관은 더 빨라지고 더 정확해질 수 있습니다.</p><blockquote>“개인적으로 이게 현 시점에서 제가 발견한 최적화였습니다.”</blockquote><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*s_NGhqlQZZSuVNN56bj7Tw.png" /></figure><p>9개월이 걸릴 작업을 하룻밤으로 줄인 건 AI의 속도 덕분이었습니다. 하지만 그 속도가 의미 있는 결과로 이어진 건, 레거시 코드를 학습 자료로 전환하고, AI에게 정밀한 기준을 제시한 사람의 설계 덕분이었습니다. <strong>AI와 사람이 각자 잘하는 영역을 나눠 맡는 것.</strong> 마이리얼트립이 찾아가고 있는 AI 협업의 방향입니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e52854a2bfb6" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/9%EA%B0%9C%EC%9B%94-%EA%B1%B8%EB%A6%B4-%EC%8B%9C%EC%8A%A4%ED%85%9C-%EC%9D%B4%EA%B4%80%EC%9D%84-%ED%95%98%EB%A3%BB%EB%B0%A4-%EB%A7%8C%EC%97%90-%EB%A0%88%EA%B1%B0%EC%8B%9C-%EC%BD%94%EB%93%9C%EB%A5%BC-ai%EC%9D%98-%ED%95%99%EC%8A%B5-%EC%9E%90%EB%A3%8C%EB%A1%9C-%EB%B0%94%EA%BE%B8%EB%8B%A4-e52854a2bfb6">9개월 걸릴 시스템 이관을 하룻밤 만에: 레거시 코드를 AI의 학습 자료로 바꾸다</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[마케터의 개발 도전: AI로 업무 한계를 넘다]]></title>
            <link>https://medium.com/myrealtrip-product/%EB%A7%88%EC%BC%80%ED%84%B0%EC%9D%98-%EA%B0%9C%EB%B0%9C-%EB%8F%84%EC%A0%84-ai%EB%A1%9C-%EC%97%85%EB%AC%B4-%ED%95%9C%EA%B3%84%EB%A5%BC-%EB%84%98%EB%8B%A4-7799319df0d2?source=rss-b618869f865a------2</link>
            <guid isPermaLink="false">https://medium.com/p/7799319df0d2</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[no-code]]></category>
            <category><![CDATA[personal-development]]></category>
            <category><![CDATA[marketing]]></category>
            <category><![CDATA[claude]]></category>
            <dc:creator><![CDATA[Myrealtrip]]></dc:creator>
            <pubDate>Tue, 17 Mar 2026 05:20:12 GMT</pubDate>
            <atom:updated>2026-03-25T02:26:50.890Z</atom:updated>
            <content:encoded><![CDATA[<p>AI 챔피언 15번째 이야기 — 마케팅 파트너 팀 홍수정 님</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*MbN3LMWxJ41v_EFA" /></figure><p>마이리얼트립 마케팅 파트너 팀에서는 파트너들이 여행 상품별로 광고 링크를 하나씩 만들고, 그 링크를 콘텐츠에 붙여 트래킹을 받는 방식으로 일해 왔습니다. 그 중 마이리얼트립의 AI 항공권 탐색 서비스 럭키글라이드는 데이터가 하루에 여러 번 갱신되기 때문에, 링크를 미리 다 만들어 두었다가 불러오는 구조로는 한계가 있었습니다. (<a href="https://medium.com/myrealtrip-product/%EB%9F%AD%ED%82%A4%EA%B8%80%EB%9D%BC%EC%9D%B4%EB%93%9C-%ED%95%AD%EA%B3%B5-%ED%8A%B9%EA%B0%80-%EB%9D%BC%EC%9D%B4%EB%B8%8C-%EB%A7%88%EC%9D%B4%EB%A6%AC%EC%96%BC%ED%8A%B8%EB%A6%BD-%ED%95%AD%EA%B3%B5%EC%9D%98-%EC%86%8C%EC%88%98%EC%A0%95%EC%98%88-%EC%8B%A4%ED%96%89%EB%A0%A5-116e81a77717">럭키글라이드가 뭔지, 왜 나왔는지 이전 글에서 읽기</a>)</p><p>그런 한계를 <strong>파트너별 설정만 완료하면 파트너 전용 페이지가 자동으로 만들어지고, 유저가 예약하기를 누르는 순간 마이링크(파트너로 트래킹되는 링크)가 붙는 구조</strong>로 바꾼 것은 마케팅 파트너 팀 홍수정님이 AI와 함께 개발하고 배포·운영까지 이어온 결과입니다.</p><p>발표 당시 홍수정님은 “이 프로젝트를 Cursor랑 같이 개발했다”고 했다가, 정작 쓰고 있던 도구가 Claude라는 걸 나중에 알았다는 말을 꺼냈습니다. 이만큼 개발과 거리가 먼 마케터가 한 프로젝트라는 걸 강조하며, 그 출발점에서 비개발자로서 무엇이 어려웠고 무엇을 배웠는지 그 경험을 나눕니다.</p><h3>왜 럭키글라이드였는지</h3><p>마케팅 파트너 팀은 블로그와 인스타그램 채널을 통해 거래액을 견인해 왔는데, AI의 영향이 특히 블로그에 크게 미쳤습니다. 검색어를 넣었을 때 상단에 AI 요약이 나오면서, 사용자들이 블로그 콘텐츠까지 들어오지 않고 요약 결과만 보고 이탈하는 경우가 늘었습니다. 콘텐츠를 통한 항공권 거래 유도만으로는 한계가 있다고 판단했고, <strong>새로운 마케팅 도구를 파트너에게 제공해야 한다</strong>는 방향으로 프로젝트가 시작되었습니다. 그 도구가 럭키글라이드였습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*C5fX8-hdNSSjGc_1GJSXLw.png" /></figure><p>럭키글라이드는 예산을 먼저 정한 뒤 여행지를 고르는 이용자가 늘어나는 흐름에 맞춰, 항공권 가격을 중심으로 도시와 일정을 탐색할 수 있게 해 주는 서비스입니다. 항공권 가격 탐색 기능을 파트너가 그대로 활용할 수 있도록, 파트너 전용 커스텀 페이지를 개발하는 것이 목표였습니다.</p><h3>파트너 전용 페이지와 자동 마이링크를 만들다</h3><p>구현된 흐름은 다음과 같았습니다. 파트너별 설정만 완료하면 자동으로 해당 파트너용 페이지가 생성됩니다. 유저는 그 페이지를 통해 항공권을 탐색하고, 예약하기 버튼을 누르면 마이리얼트립으로 들어오는 과정에서 <strong>마이링크가 자동으로 생성</strong>됩니다. 파트너가 별도로 링크를 만들 필요 없이, 탐색부터 예약까지 한 흐름에서 트래킹이 이루어지는 구조입니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*2RC_fUgk9JzkoMTYPeIM9Q.gif" /></figure><p>승인된 사용자만 접근할 수 있는 관리용 어드민에서 파트너를 추가하고, 지역과 노출 범위 등을 설정할 수 있게 했습니다. 파트너 페이지에서는 지역별로 노출 범위를 정할 수 있고, 180일 안의 최저가를 보여주며, 특정 월만 보고 싶을 때는 해당 월 기준 도시별 최저가를 볼 수 있습니다. 예약이 항공권에서 나오든, 페이지를 나간 뒤 해외 숙소·마이펫·투어·티켓에서 나오든, 모두 해당 파트너로 트래킹되도록 했습니다.</p><p>개발의 핵심은 두 가지였습니다. 파트너별로 구분해 트래킹이 되게 만드는 것, 그리고 그 안에서 통계까지 관리할 수 있게 하는 것이었습니다.</p><h3>링크를 만드는 방식이 사라지다</h3><p>가장 큰 변화는 <strong>링크를 만드는 방식</strong>, 그리고 그에 따른 <strong>파트너 활동 방식</strong>이었습니다. 기존에는 위와 같이 파트너가 여행 상품마다 일일이 광고 링크를 만들고 콘텐츠에 붙여 트래킹을 받는 구조였습니다. 이 부분을 팀 내 지윤님이 아이디어를 많이 주셨고, 그 방향으로 개발을 진행했습니다. 그 결과 <strong>파트너가 링크를 일일이 만드는 행위 자체가 사라졌습니다.</strong></p><h3>AI는 기술은 알려주지만, 해도 되는지는 알려주지 않는다</h3><p>AI와 개발을 하면서 겪은 일 중 하나가 터널링 도구 에피소드입니다. 기존 럭키글라이드 페이지 구조를 어떻게 바꿀지 계속 대화하던 중, AI가 터널링 도구를 한번 써 보자고 제안했습니다. 홍수정님은 AI가 알려줬으니 해봐야겠다고 생각하고 진행했는데, 나중에 알고 보니 그건 하면 안 되는 행위였다고 합니다. 기본적인 개념을 모르다 보니 AI와의 대화가 구현 방법 찾기로만 이어졌고, 그 한계를 뼈져리게 느꼈다고 합니다.</p><p>홍수정님은 그때 느낀점을 이렇게 말했습니다.</p><blockquote>“기술적으로 구현을 하는 방법만 찾다 보니 확실히 한계를 느꼈어요. AI는 기술적으로 구현하는 방법을 알려주지만, 해도 되는지는 알려주지 않았다는 부분이었죠.”</blockquote><h3>인프라 파악에서 배포·운영까지</h3><p>내부 인프라 관련 미팅에 참석했을 때는 정말 어려웠다고 합니다. 무엇을 말하는지 하나도 모르는 상태에서, AI가 질문을 던져도 인프라 관련 판단을 스스로 내리기 어려웠고, 명령을 주는 것조차 쉽지 않았습니다. 어디에 물어봐야 하는지, 어떻게 물어봐야 하는지 몰라서 많이 힘들었다고 합니다. <strong>조직의 인프라 환경을 이해해야 비로소 “이게 내가 가능한 프로젝트였구나”를 느낄 수 있었다</strong>는 점을 강조했습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*l7_7ONSw5LC1XMf7" /></figure><p>배포 후에는 PC에서는 접속이 되는데 모바일에서는 접속이 안 되는 문제가 생겼습니다. 처음에는 데이터 양이 너무 많아서 모바일에서 무겁기 때문일 수 있다는 식으로, 데이터 압축을 해보라는 방향의 가이드를 받았습니다. 실제 원인은 <strong>VPN을 켜놓고만 테스트해서, VPN이 아닌 환경에서는 보이지 않게 되어 있었던 것</strong>이었습니다. 인프라와 환경에 대한 이해가 있었다면 사전에 짚고 넘어갔을 부분인데, 비개발자라 소재 문제인지 인프라 문제인지 구분하는 과정 자체가 매우 어려웠다고 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*yhbEuNv3BKy5P2Pf" /></figure><p>AI와 함께 테스트를 열심히 하고, 실제로 파트너를 모집해 배포했더니 예상치 못한 오류들이 쏟아졌습니다. 배포 이후에도 계속 유지보수를 하면서, QA가 왜 중요한지, 개발자들이 모르는 영역에서 얼마나 고생하는지 공감하게 되었고, 개발과 운영을 한 사람이 하다 보니 유저 목소리를 바로바로 듣고 “이 부분이 부족했구나”, “이렇게 수정하면 되겠구나”를 경험으로 쌓을 수 있었다고 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Ocym-yzYWj4iygrB" /></figure><h3>두 번째 프로젝트: 이틀 만에 만든 대시보드</h3><p>첫 번째 서비스를 배포·운영한 경험이 두 번째 프로젝트로 이어졌습니다.</p><p>파트너에게 배포해 보니 마케팅 파트너 쪽의 큰 문제 하나가 드러났습니다. 항공권은 실시간 예약 내역 조회가 어렵고, 수익을 체감하기까지 한 달 정도 걸립니다. 다른 서비스 대비 성과가 눈에 들어오는 속도가 더디기 때문에, 파트너가 자신의 액션에 대한 성과를 직접 확인할 수 있는 대시보드를 만들어 주기로 했습니다. 럭키글라이드를 통해 유저가 탐색하면 마이링크가 생성되고, 클릭과 실제 예약까지 이어지는 흐름을 보여주는 식입니다.</p><p>파트너의 다양한 사용 환경을 고려해, 등록된 이메일 기반의 ‘매직링크’ 로그인 방식을 도입했습니다.</p><p>이 두 번째 프로젝트는 이틀 만에 개발했고, 배포와 운영까지 이어갔습니다. 첫 프로젝트를 통해 배포·운영을 경험했기 때문에 추가 개발을 더 쉽게 시도할 수 있었던 점이 홍수정님이 꼽은 가장 큰 성과였습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*-N8tKQzmvlgntv34" /></figure><h3>비개발자가 AI와 개발하려면</h3><p>발표에서 홍수정님은 이렇게 정리했습니다. AI가 잘하는 것은 분명하지만, AI만으로는 들어가지 않는 영역이 있고, <strong>AI가 아닌 사람의 인사이트와 판단이 계속 개입할 때</strong> 프로젝트와 AI 활용이 잘 이뤄진다고 합니다. 비개발자로서 가장 어려웠던 점은 <strong>AI가 제안하는 것이 맞는지에 대한 기본 지식이 부족했다는 것</strong>이었습니다.</p><blockquote>“비개발자가 AI랑 같이 개발을 하려면 AI만으로는 부족하고, 올바른 학습과 조직적 지원 체계가 반드시 병행되어야 한다고 생각합니다.”</blockquote><p>앞으로는 기존처럼 외부 API를 붙여 쓰는 수준을 넘어, <strong>마이리얼트립 안의 파트너 페이지에 기능을 내재화하는 것</strong>을 도전하려 합니다. 내재화할 때도 기존 파트너 페이지 안에서, 그동안 해왔던 것처럼 출시와 운영 경험을 쌓아 가려고 합니다.</p><p>럭키글라이드 하나를 넘어, 다양한 새로운 비즈니스 도구를 개발과 AI 활용으로 달성해 나가려는 팀의 한 걸음이 담긴 이야기입니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=7799319df0d2" width="1" height="1" alt=""><hr><p><a href="https://medium.com/myrealtrip-product/%EB%A7%88%EC%BC%80%ED%84%B0%EC%9D%98-%EA%B0%9C%EB%B0%9C-%EB%8F%84%EC%A0%84-ai%EB%A1%9C-%EC%97%85%EB%AC%B4-%ED%95%9C%EA%B3%84%EB%A5%BC-%EB%84%98%EB%8B%A4-7799319df0d2">마케터의 개발 도전: AI로 업무 한계를 넘다</a> was originally published in <a href="https://medium.com/myrealtrip-product">How we build Myrealtrip</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>