사유하는 아키텍트 A Contemplative Architect
생성형 AI, 멀티에이전트 시스템, 머신러닝 기반의 워크플로우를 실험하고 프로토타이핑합니다. 완성보다 가능성을 먼저 만들며, 실제 문제 해결을 위한 초기 구조를 설계합니다. I explore and prototype AI workflows — focusing on GenAI, multi-agent systems, and applied ML in business settings. Rather than chasing polish, I design for potential. Most of my work centers on early-stage design: validating concepts, testing workflows, and building lean tools that solve real problems.
사유의 기록 (Articles) Articles
자연어와 데이터 사이의 간극 The Gap Between Natural Language and Data
인간의 '질문'과 기계의 '논리' 사이의 심연을 탐색합니다. Text-to-SQL은 단순한 번역 도구를 넘어, 어떻게 우리의 호기심이 데이터와 직접 소통하며 새로운 가치를 창출할 수 있는지에 대한 철학적 탐구입니다. Exploring the abyss between human 'questions' and machine 'logic'. Text-to-SQL is more than a translation tool; it's a philosophical inquiry into how our curiosity can directly communicate with data to create new value.
에이전트는 인간 사고의 대체인가, 확장인가? Are agents a replacement or an extension of human thought?
여러 AI 에이전트가 협력하는 시스템의 아키텍처을 설계하고, 핵심 비즈니스 로직에만 집중 Designing the architecture for a collaborative multi-agent system, focusing solely on core business logic.
정확하다는 말, 과연 무엇이 정확한가? When we say 'accurate,' what is actually accurate?
머신러닝 모델의 '정확도'라는 지표가 어떻게 진실을 왜곡할 수 있는지 분석하고, 더 나은 평가 방식에 대해 고찰합니다. An analysis of how the 'accuracy' metric in machine learning can distort truth, and a consideration of better evaluation methods.
기술의 증명 (Works) Works
개발자에게 '에이전트'를 만든다는 것은 어떤 의미인가? What does it mean for a developer to 'build an agent'?
Google의 Agent Development Kit(ADK)를 사용하여 로컬 환경에서 AI 에이전트를 구축하고 실행하는 과정을 안내하는 실습 가이드입니다. A hands-on guide that walks through the process of building and running an AI agent in a local environment using Google's Agent Development Kit (ADK).
일상의 대화로 데이터베이스에 질문하기 Asking a Database Questions in Everyday Language
자연어 질문을 SQL로 변환하여 데이터베이스와 상호작용하는 Slack 봇을 구축하고, 이를 외부에 안전하게 노출하는 전체 과정을 다룹니다. Covers the entire process of building a Slack bot that interacts with a database by converting natural language questions into SQL, and securely exposing it to the outside.
Redash 설치 및 BigQuery 연동 가이드 Redash Installation and BigQuery Integration Guide
Text-to-SQL 기술을 통해 비즈니스 질문과 데이터베이스 언어(SQL) 사이의 의미적 간극을 메우는 과정을 탐구합니다. LLM을 활용한 자연어 번역부터 Redash API 연동까지, 실제 구현을 위한 기술 아키텍처와 핵심 과제를 다룹니다. This explores bridging the semantic gap between business questions and the database language (SQL) through Text-to-SQL technology. It covers the technical architecture and key challenges for actual implementation, from natural language translation using LLMs to Redash API integration.
수학 (Mathematics) Mathematics
삼각함수 시각화 도구 Trigonometry Visualizer
단위원 위의 벡터에 회전 행렬을 적용하여 삼각함수의 덧셈 공식을 직관적으로 증명하는 시각화 도구입니다. 벡터의 기하학적 해석과 삼각함수의 대수적 공식을 연결합니다. A visual exploration of trigonometric identities, demonstrating how rotation matrices on a unit circle provide an intuitive proof for angle addition formulas. This tool connects the geometric interpretation of vectors with the algebraic formulation of trigonometry.
코사인 덧셈정리 증명 Proof of the Cosine Addition Formula
두 가지 기하학적 관점—데카르트 좌표계의 유클리드 거리와 일반 삼각형의 코사인 법칙—에서 코사인 덧셈정리를 단계별로 증명합니다. 이는 서로 다른 프레임워크에서 기하학적 정리의 일관성을 보여줍니다. A step-by-step proof of the cosine addition formula, approached from two distinct geometric perspectives: Euclidean distance in a Cartesian coordinate system and the Law of Cosines in a non-right triangle. This highlights the consistency of geometric theorems across different frameworks.
고객 문제 해결 사례 Customer Problem Solving Cases
이 섹션은 개별 기술 데모보다, 실제 업무 문제를 어떤 기준으로 정의하고
어떤 운영 원칙으로 풀어내는지를 보여주기 위한 공개용 브리프입니다.
This section is a public-facing brief focused less on isolated demos and more on how real operational problems are defined, governed, and solved.
속도에서 통제와 조율로 From Speed to Control and Orchestration
AI 도입의 경쟁력은 더 많이 시도하는 것만으로 생기지 않습니다. 이제 중요한 것은 비용·속도·리스크를 함께 통제하면서, 반복 운영 가능한 기준과 워크플로우를 세우는 일입니다. Competitive advantage in AI no longer comes from trying more things faster. What matters now is establishing repeatable operating standards and workflows while controlling cost, latency, and risk together.
아래 사례들은 단순한 기능 구현이 아니라, 거버넌스와 오케스트레이션을 통해 실제 조직 안에서 운영 가능한 구조를 설계한 작업들입니다. The cases below are not just feature implementations. They are design briefs for systems made operable inside real organizations through governance and orchestration.
공개용으로 재구성된 메시지입니다. 고객 식별 정보, 내부 운영 데이터, 정확한 성과 수치는 제외하거나 범주화했습니다. This message has been reconstructed for public viewing. Client-identifying details, internal operating data, and exact performance metrics have been removed or generalized.
Governance Governance
근거, 정책, 품질 기준 없이 빠르게 만드는 것만으로는 운영 안정성을 확보할 수 없습니다. Speed alone does not create operational stability without evidence, policy, and quality standards.
데이터 정합성의 통제 Control of Data Integrity
ACID & Iceberg (BigLake)
데이터 레이크의 무질서를 통제하고, 깨짐과 중복을 막아 신뢰 가능한 기반 데이터를 확보합니다. Control data lake disorder and prevent corruption or duplication to secure a reliable base for AI systems.
시점의 통제 Control of Time Context
Time-travel & Feature Store
과거 특정 시점을 복원해 데이터 누수를 방지하고, 입력과 예측 결과를 재현 가능하게 관리합니다. Restore past states to prevent leakage and make model inputs and predictions reproducible over time.
품질의 통제 Control of Quality
RAGAS & Dataplex
LLM 품질을 감이 아니라 지표로 측정하고, 품질 관리 체계 안에서 운영되도록 편입합니다. Measure LLM quality with metrics instead of intuition and bring it under an explicit quality governance framework.
Orchestration Orchestration
여러 모델과 도구를 업무 흐름에 맞게 조율해야 실제 생산성과 통제력이 함께 올라갑니다. Real productivity comes from orchestrating models and tools around workflow, not from using them in isolation.
Enterprise Outcome Enterprise Outcome
결국 승패는 빠른 실험이 아니라, 반복 운영 가능한 기업 역량으로 내재화했는지에 달려 있습니다. The outcome that matters is whether experimentation becomes a repeatable enterprise capability.
의도 분석 기반 RAG 아키텍처 Intent-driven RAG Architecture
가벼운 의도 분류기를 앞단에 두어 복합 질의를 분기하고 검색 품질과 응답 속도의 균형을 맞춘 사례입니다. A case that balances search quality and responsiveness by routing complex queries through a lightweight intent classifier.
대규모 데이터 분석 NL2SQL NL2SQL for Large-Scale Data Analysis
자가 수정 루프와 동적 패턴 캐싱을 결합해 자연어 질의를 운영 가능한 SQL 추론 엔진으로 바꾼 사례입니다. A case that turns natural-language queries into an operable SQL inference engine through self-correction and dynamic pattern caching.
초저지연 커스텀 음성 복제 Instant Custom Voice Cloning
오디오 입력 편차를 백엔드 전처리 미들웨어에서 흡수해 실패를 줄이고 응답 일관성을 높인 사례입니다. A case that absorbed audio variability in backend preprocessing middleware to reduce failures and improve response consistency.
단일 LLM 디자인 에셋 파이프라인 Unified LLM Design Asset Pipeline
다중 비전 스택을 단일 VLM과 OpenCV 조합으로 단순화해 운영 복잡도와 인프라 의존성을 줄인 사례입니다. A case that simplified a multi-vision stack into a single VLM plus OpenCV to reduce operational complexity and infrastructure dependence.
AI 마케팅 콘텐츠 팩토리 AI Marketing Content Factory
단일 소스 입력에서 다중 채널 에셋을 생성하되, Human-in-the-Loop로 품질 통제력을 확보한 사례입니다. A case that generates multi-channel assets from a single source while preserving quality control through Human-in-the-Loop.
Native Multimodal 음성 챗봇 전략 Native Multimodal Voice Strategy
STT 단계를 제거하고 Native API와 Context Caching으로 지연과 비용 구조를 다시 설계한 전략 사례입니다. A strategic case that removed STT and redesigned latency and cost through Native API plus context caching.
Self-Correcting AI Agent 체계 Self-Correcting AI Agent System
관찰 가능성 미들웨어와 조건부 자가 수정 루프를 결합해 운영 통제력을 높인 사례입니다. A case that increased operational control by combining observability middleware with a conditional self-correction loop.
프로젝트 Projects
AI Agent Observability Lab AI Agent Observability Lab
Langfuse 추적과 조건부 재시도 흐름을 확인할 수 있도록 구성한 에이전트 프로토타입입니다. An agent prototype built to inspect Langfuse tracing and conditional retry flows in action.
Brand Content Studio Brand Content Studio
멀티모달 입력에서 블로그, SNS, 영상 초안을 생성하는 콘텐츠 제작 데모입니다. A content workflow demo that generates blog, social, and video drafts from multimodal input.
NL2SQL Analyst Copilot NL2SQL Analyst Copilot
자연어 질의를 SQL과 시각화 결과로 연결하는 데이터 분석 프로토타입입니다. A data-analysis prototype that connects natural-language queries to SQL and visualization outputs.
Custom Voice Cloning Demo Custom Voice Cloning Demo
음성 업로드 전처리와 복제 결과를 하나의 흐름으로 연결한 맞춤 음성 프로토타입입니다. A custom voice prototype that connects upload preprocessing and cloning output in one flow.
Realtime Native Audio Demo Realtime Native Audio Demo
오디오 직접 입력과 컨텍스트 캐싱 전략을 시뮬레이션한 음성 챗봇 설계 데모입니다. A voice-chatbot design demo simulating direct audio input and context-caching strategy.
Visual Asset Automation Studio Visual Asset Automation Studio
단일 VLM과 OpenCV로 객체 추출과 배경 제거를 처리하는 디자인 에셋 실험입니다. A design-asset experiment that handles object extraction and background removal with a single VLM and OpenCV.
소개 (About Me) About Me
저는 기술과 인문학의 경계에서 일하는 AI 아키텍트이자 프로토타이퍼입니다. 코드를 작성하는 행위가 단지 기술적 문제 해결을 넘어, 세상을 이해하고 질문을 던지는 과정이라고 믿습니다. 생성형 AI와 멀티 에이전트 시스템이 우리의 사고와 상호작용을 어떻게 재구성하는지 탐구하며, 그 과정에서 얻은 기술적, 철학적 통찰을 공유합니다. I am an AI architect and prototyper working at the intersection of technology and the humanities. I believe that the act of writing code is not just about technical problem-solving, but a process of understanding the world and asking questions. I explore how generative AI and multi-agent systems are reshaping our thoughts and interactions, and I share the technical and philosophical insights gained in the process.