[요즘 우아한 개발] 내가 경험한 B마트 프론트엔드의 온보딩 프로세스

2023년 10월 5일조회 182

이 글은 《요즘 당근 AI 개발》에서 발췌했습니다.

요즘 당근 AI 개발

ISBN 9791194383475지은이 당근 팀₩22,000

이벤트는 성공적이었습니다. 다만 예상보다 참여자가 너무 많았어요. 이 프로젝트가 끝나고 배운 것을 하나만 꼽자면 ‘모든 상황을 전부 알고 대처할 수는 없겠지만, 프로젝트를 진행하면서 있을 파급력과 이슈들에 대해 더 깊이 고민해야 한다’입니다.

[요즘 우아한 개발] 내가 경험한 B마트 프론트엔드의 온보딩 프로세스

이 글은 《우아한 요즘 개발》에서 발췌했습니다.

골든래빗 출판사

# 온보딩 #프론트엔드 #B마트

권기석 2021.12.21

내가 경험한 B마트 프론트엔드의 온보딩 프로세스

저는 우아한형제들 B마트서비스팀의 웹 프론트엔드 개발자로 합류하게 된 권기석입니다.

B마트 프론트엔드 파트에서 진행하는 신규 입사자를 위한 온보딩 프로세스를 회고해보려고 합니다. 온보딩에 성공하려면 무엇에 집중할지 어떤 방향으로 진행할지 구체적으로 목표를 세울 필요가 있습니다. B마트 프론트엔드의 온보딩은 파일럿 프로젝트를 진행하면서 협업 문화와 개발 문화에 적응하도록 구성되어 있습니다.

먼저 팀에서 안내해준 파일럿 프로젝트를 통해 달성하고자 하는 목표는 다음과 같습니다.

위키/지라/제플린을 활용한 협업 방식 파악하기

기술 선택/설계/개발 단계에서 팀원에게 피드백받기

실제 서비스에서 활용되는 API를 활용하고, 이를 바탕으로 한 페이지 개발로 도메인 파악하기

실제로 파일럿 프로젝트의 안내도 요구사항 분석 ⇒ 설계 ⇒ 문서화 ⇒ 임무 분담 ⇒ 개발 ⇒ 배포 ⇒ 회고 과정을 모두 포함하고 있고, 작게나마 B마트 프론트엔드의 전체 개발 사이클을 직접 경험해볼 수 있는 구조입니다. 온보딩 프로세스의 의도가 명확하게 드러나 있는 덕분에 배포하기까지의 팀 개발 문화는 물론 협업 문화까지 전체적으로 체험해보는 것에 집중하자는 목표를 달성할 수 있습니다.

협업을 위한 스트레칭

B마트 프론트엔드 파트에는 개발 외적으로도 적극적인 소통과 정보를 공유할 수 있는 다양한 문화들이 정착되어 있습니다. 저는 이를 협업을 위한 스트레칭이라고 부르는데요, 대표적으로 데일리 스크럼과 회고, 문서화, 자유 주제 워크숍이 있습니다. 이제부터 하나하나 알아보겠습니다.

데일리 스크럼과 회고

업무 시작 전에 함께 모이는 데일리 스크럼 시간을 가집니다. 이 시간에 실제 업무에 참여하는 것처럼 파일럿 프로젝트의 진행 상황이나 이슈를 공유합니다. 이 외에도 한 주를 되돌아보는 주간 회고도 함께 진행하는데요. 주간 회고는 한 주를 마무리하는 금요일에 다음과 같이 진행합니다.

배포 일정을 함께 보면서 이슈 체크

일주일 간 공유한 정보 소개 및 관련한 내용에 관해서 이야기

논의가 필요한 내용에 대해서 회고 시간을 활용해서 논의 진행

한 주간 진행했던 업무에 대해서, 진행하면서 겪은 이슈를 공유하며 마무리

팀원들끼리 자주 소통할 수 있는 문화가 정착되어 있어서 파일럿 프로젝트의 진행 과정과 이슈 상황들을 공유하기 쉽고, 별 스스럼없이 궁금한 것을 쉽게 물어보고 도움을 요청할 수 있습니다.

투명하고 상세한 문서화

B마트 프론트엔드 파트에는 문서를 기반으로 투명하고 상세하게 공유하는 문화가 정착되어 있습니다. 프로젝트를 진행하면서 겪은 이슈에 대한 히스토리를 문서로 기록하고 있어서 이후에 작업할 사람이 쉽게 히스토리를 찾아볼 수 있어서 큰 도움이 됩니다. 프로젝트의 히스토리를 남기는 문서화 방식은 다음과 같습니다.

1단계 : 프로젝트/피처의 작업 시작 전에 대략적인 스케치를 진행하는 과정입니다. 프로젝트의 배경 및 무엇을 어떻게 진행할지에 대한 내용을 작성합니다.

N단계 : 이슈 및 문제 해결 과정 등 프로젝트의 히스토리를 작성하는 과정입니다. 파일럿 프로젝트를 진행하면서 설계 과정을 N단계 히스토리로 작성하며 문서화 방식에 적응하게 됩니다.

마지막 단계 : 프로젝트/피처의 작업 후 회고를 진행합니다. 1단계에서 작성했던 내용을 바탕으로 성과/비교 중점으로 작성합니다.

고도화/개선이 필요한 피처 또한 분기별로 문서화해서 기록합니다. 다음 분기에는 어떤 고도화 작업이 필요하고 개선할지 계획을 세우고, 구체적인 할 일 목록을 작성해 관리합니다. 저 역시 처음 입사해 다양한 문서를 읽고 작성하게 되었는데, 팀에서 어떤 개선 작업을 하는지 그리고 앞으로 목표는 무엇인지를 파악하는 데 도움을 받을 수 있었습니다.

그 밖에도 신규 입사자의 이해를 돕는 업무 가이드와 코드 컨벤션을 비롯한 개발 가이드부터, 팀에서 겪은 트러블 슈팅과 해결 방법 등 B마트 프론트엔드 파트에서 필요한 모든 히스토리가 문서화 되어 있을 정도입니다. 그 덕분에 기술적인 내용 외에도 면밀하게 협업할 수 있습니다.

일반적으로 문서화는 코딩 그다음인 경우가 많습니다. 하지만 B마트 프론트엔드 파트에서는 업데이트되지 않은 문서를 발견하면 즉시 최신 내용으로 업데이트하는 것이(예외도 있지만 대부분은) 우선입니다. 그 만큼 문서화가 중요한 문화로 자리 잡고 있습니다. 실제로 온보딩을 진행하면서도 문서가 잘 작성된 덕분에 많은 궁금증의 해답을 언제든지 쉽게 찾을 수 있습니다.

자유 주제 워크숍

자유 주제 워크숍은 지식 공유를 자연스럽게 할 수 있는 문화를 만드는데 일조하고 있습니다. 발표 순서를 정해놓고 돌아가며 발표하고 싶은 주제를 가져와서 금요일마다 공유합니다. 주제가 정해져 있지 않아서 개발을 효율적으로 할 수 있는 테크닉부터 아키텍처의 소개와 같이 다양한 이야기들이 주제로 선정됩니다. 무엇보다도 정보를 말로써 잘 풀어 설명할 수 있는 역량이 중요하다고 생각하는데, 한 번씩 강사가 되어봄으로써 자연스럽게 이런 역량도 길러낼 수 있는 문화입니다. 워크샵으로 진행한 내용도 공유될 수 있게 모두 기록합니다.

협업 도구 활용해보기

온보딩 첫 과제는 다양한 분야의 사람들과 앞으로 있을 협업을 대비하기 위해 팀에서 사용하는 협업 도구(위키, 지라, 제플린)에 익숙해지는 것입니다. 직접 경험해보는 것만큼 좋은 방법은 없기에, 파일럿 프로젝트의 진행도 실제로 협업하는 것처럼 협업 도구를 사용해보도록 안내받았습니다.

• 파일럿 프로젝트 진행 과정 •

실제 업무 프로세스와 동일하게 진행할 프로젝트의 제플린 디자인 시안이 주어집니다. 그 후 프로젝트의 요구사항 분석을 거쳐 기술 스택을 선정하는 것부터 어떻게 개발을 진행할지까지 직접 설계할 기회가 주어집니다.

이 과정을 문서로 정리해봄으로써 팀의 문서 작성 방식에 익숙해지도록 돕습니다. 왜 이런 선택을 했고 앞으로 어떻게 프로젝트를 진행할 계획인지를 문서에 담아 팀원들에게 투명하게 전달하면 적절한 피드백을 받을 수 있습니다.

마지막으로는 이렇게 완성된 설계 내용을 바탕으로 직접 일정을 산출해서 작업 단위를 나눠보기도 하고, 지라를 이용해서 티켓(이슈)을 생성합니다. 업무에서 사용되는 협업 도구를 미리 활용해볼 수 있습니다.

실제 서비스 중인 페이지 개발로 도메인 파악하기

파일럿 프로젝트는 실제 운영 중인 B마트의 이벤트/쿠폰 모음 페이지를 구현하는 과제였습니다. 팀에서 실제로 서비스하는 페이지를 파일럿 프로젝트로 진행해 얻을 수 있던 장점이 많았습니다.

실제 서비스 API 요청 활용

이벤트 목록 조회, 쿠폰 조회 등 서버로부터 데이터를 받는 실제 서비스 API 문서를 직접 탐방하며 B마트의 API 도메인과 응답 형태를 이해할 수 있었습니다. 또한 그 데이터를 프로젝트에 직접 적용해서 프론트엔드, 백엔드 사이에서의 협업 과정을 경험했습니다.

팀이 서비스하는 프로젝트에 대한 이해

‘나는 이런 식으로 개발했는데 팀에서는 어떻게 개발을 했을까?’ 궁금할 때면 직접 코드를 찾아다니면서 팀의 코드 스타일이나 서비스 흐름과 프로젝트 구조를 자연스럽게 파악할 수 있었습니다. 한번은 사용자가 가진 쿠폰이나 장바구니에 담긴 물품 수를 조회하려면 API 요청에 넣어줄 테스트 사용자의 정보가 필요했는데 사내 테스트 앱을 활용해서 테스트용 사용자를 생성하고 생성한 사용자의 값을 뽑아내기까지 실제 테스트 업무 프로세스도 미리 경험해볼 수 있었습니다.

아낌없이 주는 코드 리뷰

파일럿 프로젝트의 코드 리뷰도 실제 업무와 동일하게 팀 규칙에 맞추어 진행했습니다. B마트에서는 더 효과적인 코드 리뷰 문화로 거듭날 수 있게 도와주는 코드 리뷰 봇이 있는데요. 코드 리뷰 봇은 PR(Pull Request)을 요청했을 때 저 대신에 랜덤으로 선정된 리뷰어 인원들에게 새로운 PR이 요청되었음을 알리는 메시지를 슬랙으로 호출과 함께 보내줍니다. 또 PR에 새로운 코멘트와 리뷰가 달렸을 때, 그리고 승인될 때마다 슬랙으로 바로 알림을 줍니다.

• 파일럿 프로젝트 진행 과정 •

이전까지 프로젝트를 진행하면서, 매번 팀원들에게 PR 주소와 함께 리뷰를 요청하는 메시지를 전달했습니다. 반복적인 일을 수동으로 해야 해서 번거로운 데다, 다른 일을 하는 팀원들에게 직접 부탁하기가 부담스러웠습니다. 코드 리뷰 봇이 리뷰어를 랜덤으로 선정해 적절히 분산해준 덕분에 매번 PR을 요청할 때나 리뷰를 남길 때마다 메시지를 직접 보낼 필요가 없어지고, 부담감도 많이 덜어줘서 상당히 편리했습니다.

하지만 코드 리뷰 봇보다 더 리뷰에 진심인 이들이 있었으니 바로 B마트 프론트엔드 팀원들이었습니다. 평소와 같이 하나의 PR에는 2명의 리뷰어가 할당됨에도 불구하고 프론트엔드 팀원 5명 모두가 하나의 PR에 피드백을 달아줄 정도로 온보딩 파일럿 프로젝트에 아낌없이 많은 관심을 표현해줬습니다. 이렇게 적극적인 코드 리뷰 문화를 체험하다 보니 저 역시 코드의 품질을 더 중요시하는 마음가짐을 갖게 되었습니다.

팀원들이 남겨준 코드 리뷰의 내용으로는 ➊ 일관된 코드 스타일과 아30 우아한형제들키텍처를 유지하는지 확인, ➋ 더 나은 코드 방법을 제시하고, 기술적인 지식, 노하우 공유, ➌ 기존의 팀 프로젝트에서 활용되고 있는 방식을 통해 팀의 개발 히스토리를 파악하기 등이 있었습니다.

협업에 알맞은 코드에 대해서도 피드백을 자주 받았습니다. 그중 저와 같은 신입 개발자에게 유용한 피드백을 몇 가지 남겨봅니다.

확장하기 좋은 코드

다음은 프로젝트에서 사용될 색상을 한곳에 모아 저장하는 간단한 코드입니다. gray1과 gray2 사이에 추후 #333333이 들어와야 하는 상황에 대비해야 하며, 이 값을 새롭게 gray6과 같이 의미가 명확하지 않은 변숫값으로 확장하는 것에도 문제가 있다는 피드백을 받았습니다.

이러한 설계는 추후 변경에 취약하고, 협업할 때 어려움을 야기할 수 있다는 문제점을 지적해주고, 다음 코드와 같이 확장 가능한 코드의 예시를 제시해줬습니다. 이전까지는 정해놓은 색상 외에 새로운 색상이 추가되는 것 같이 언제든 변경 사항이 생길 수 있다는 걸 고려하지 못했음을 깨달았습니다.

• 피드백받기 전 코드 •

Use a different Browser

const colors = { gray1: '#222222', gray2: '#444444', gray3: '#888888', gray4: '#e6e6e6', gray5: '#f6f6f6', };

• 피드백받기 후 코드 •

Use a different Browser

const colors = { gray_100: '#222222', // 추후 사이 값이 추가된다면, gray_150으로 사용할 수 있고, 그 외에도 99가지의 사이 값이들어갈 수 있다. gray_200: '#444444', gray_300: '#888888', gray_400: '#e6e6e6', gray_500: '#f6f6f6', };

E2E 테스트의 의미

E2E 테스트 코드를 처음 작성할 때 피드백 전 코드를 보면 E2E 테스트 코드의 의미를 정확하게 녹여내지 못하고, 페이지 안에서의 거시적인 기능이 올바르게 동작하는지에 대해서만 작성했습니다. 이에 대해서 다음과 같은 피드백을 받았습니다.

E2E는 코드만으로 실제 앱에서 코드가 어떻게 동작할지를 그려볼 수 있어야 하고, 사용자가 앱을 이용할 수 있는 구체적인 플로우를 이해하는 것에 유의하기

사용자는 ‘쿠폰 탭에서 스크롤을 내려 10번째 쿠폰을 선택한다’와 같이 사용할 상황을 여러 describe 단위로 쪼개어 작성해볼 것

API 응답에 대한 테스트가 들어 있는 부분에서 UI 단의 E2E 테스트에 집중하고, API 응답에 대한 테스트를 API 코드 단으로 분리하기

피드백받은 후의 코드를 이전 코드와 비교하면 사용자 관점에서 앱이 사용하는 흐름에 맞추어 테스트 케이스가 추가되었습니다. 단위, 통합, E2E 등 각 테스트 코드를 작성할 때는 해당 테스트가 가지는 의미를 명확하게 부각할 수 있게 작성하는 것이 중요함을 경험할 수 있었습니다.

◆◆◆

입사 후 6주의 시간이 흘러 온보딩 프로세스가 마무리되었습니다. 처음에는 내가 뭘 모르는지조차 모르기 때문에 ‘무엇을 질문해야 하는 걸까?’와 같은 막막함이 있던 것 같습니다. 제가 경험한 온보딩을 한 문장으로 표현하자면 ‘질문을 던질 수 있게끔 질문 리스트를 한가득 모아놓은 보따리’입니다. 보따리에서 새로운 과제를 하나씩 꺼낼 때마다 모르는 것이 생겨났고, 그럴 때마다 자연스럽게 팀원들에게 질문을 하며 차근차근 팀 문화에 적응할 수 있습니다. 무엇보다도 온보딩 프로세스를 진행하면서 팀원들이 매번 어려움은 없는지 물어봐주고 어려움이 있다면 함께 문제 해결을 해주는 건 물론이고, 항상 아낌없이 피드백을 준 덕분이었습니다.

저자 우아한 형제들

우아한형제들은 배달이 일상을 조금 더 행복하게 하도록 오늘도 달리고 있습니다. 평범한 사람들이 모여 비범한 성과를 만들어 내는 곳이될 수 있도록 건강한 조직문화를 만드는 일에 진심을 다합니다. 2016년부터 ‘우아한형제들 기술블로그’를 운영하며 개발 조직의 성장 과정을 기록하고 있습니다.

AI AWS DevOps IDC IT IT기업 JIRA JPA Next.js 개발 개발 실무 개발자 개발팀장 경력 경력관리 관리자 기업문화 기획 데브옵스 리액트 리팩터링 리팩토링 매니저 머신러닝 문제해결 배달의민족 배민 백엔드 블로그 사내문화 성장 소프트스킬 스크럼 스타트업 스프링부트 시니어 애자일 온보딩 우아한형제들 유니콘 이력관리 이직 인공지능 자기계발 젠킨스 조직문화 주니어 지라 취업 커리어 커리어패스 코드리뷰 코딩 프런트엔드 프로그래머 프론트엔드

📚 더 읽기

[요즘 우아한 개발] 만드는 사람이 수고로운 UX 개발기
[실전 머신러닝] 결정 트리:연봉 예측하기 ❶
[개발자 원칙] 메이저를 위한 마이너 원칙들_❻ 의도한 실수를 반복하면서 작은 부분을 개선하기
▶[요즘 우아한 개발] 내가 경험한 B마트 프론트엔드의 온보딩 프로세스
[플레이어 중심주의] 〈라이엇 게임즈〉의 토론 문화, 월간 ‘쇼 앤 텔’과 ‘페일 앤 텔’
[머신러닝 경진대회] 향후 판매량 예측 ❸ – 성능 개선
[머신러닝 경진대회] 향후 판매량 예측 ❸ – 성능 개선

저자 소개

당근 팀

당근의 여러 부서에서 각자 다른 문제를 풀던 11명이 하나의 질문으로 모였습니다. “AI로 더 잘 해결할 수 없을까?” 우리는 직군의 경계를 넘어 함께 고민하고 실험하며, ‘동네를 여는 문’이라는 당근의 비전을 AI로 구현해가는 사람들입니다. 이웃과 이웃을 더 따뜻하게 연결하고, 당근에서의 삶을 더 편리하게 만드는 일. 그 중심에서 AI가 할 수 있는 역할을 찾아가고 있습니다.

📚《요즘 당근 AI 개발》 자주 묻는 질문

Q.당근에서 AI를 어떻게 활용하고 있는지 궁금합니다. 구체적인 사례를 알고 싶어요.

당근은 AI를 다양한 방식으로 활용하여 사용자 경험을 향상시키고 내부 업무 효율성을 높이고 있습니다. 외부 사용자를 위한 사례로는 AI 물품 추천, AI 게시글 작성, AI 시세 조회, CS 챗봇 등이 있습니다. AI 물품 추천은 사용자의 검색 기록, 관심 카테고리 등을 분석하여 개인에게 최적화된 물품을 추천합니다. AI 게시글 작성은 사용자가 원하는 물품 정보를 입력하면 자동으로 제목과 상세 설명을 생성해줍니다. AI 시세 조회는 과거 거래 데이터를 기반으로 현재 시세를 예측하여 사용자에게 정보를 제공합니다. CS 챗봇은 사용자의 문의에 24시간 응대하여 빠른 문제 해결을 돕습니다. 내부 구성원을 위한 사례로는 리뷰 자동 리포트 발행, 온콜 업무 단축, 임베딩 시멘틱 캐싱, 운영업무 자동화 등이 있습니다. 리뷰 자동 리포트 발행은 사용자 리뷰를 분석하여 핵심 내용을 요약하고 트렌드를 파악하여 개선점을 도출합니다. 온콜 업무 단축은 AI를 활용하여 문제 발생 시 담당자에게 자동 알림을 보내고 초기 대응을 지원합니다. 임베딩 시멘틱 캐싱은 검색 속도를 향상시켜 사용자 경험을 개선합니다. 운영업무 자동화는 반복적인 작업을 자동화하여 효율성을 높입니다. 이러한 다양한 사례를 통해 당근은 AI를 적극적으로 활용하여 사용자 만족도를 높이고 내부 효율성을 개선하고 있습니다. 더 자세한 내용은 《요즘 당근 AI 개발》에서 확인하실 수 있습니다.

Q.AI 에이전트와 MCP 개발이 무엇인지, 당근에서는 어떻게 활용하고 있는지 알고 싶습니다.

AI 에이전트와 MCP(Message Composition Platform)는 AI 기술을 활용하여 사용자 경험을 혁신하는 핵심 요소입니다. AI 에이전트는 사용자의 의도를 파악하고 작업을 자동화하는 지능형 시스템입니다. 당근에서는 AI 에이전트를 활용하여 사용자 문의에 자동 응답하거나, 개인 맞춤형 추천을 제공하거나, 특정 작업을 대신 수행하는 등 다양한 서비스를 제공합니다. MCP는 메시지 작성 및 관리를 위한 플랫폼으로, AI 기술을 활용하여 메시지 내용을 자동 생성하거나, 최적의 메시지 형식을 추천하거나, 메시지 전송 시점을 예측하는 등 다양한 기능을 제공합니다. 당근에서는 MCP를 활용하여 사용자에게 보다 효과적이고 편리한 커뮤니케이션 환경을 제공합니다. 예를 들어, 물품 판매 게시글을 작성할 때 AI가 자동으로 제목과 설명을 제안해주거나, 구매자와 판매자 간의 채팅 내용을 분석하여 사기 위험을 감지하는 데 활용될 수 있습니다. 이와 관련된 자세한 내용은 《요즘 당근 AI 개발》에서 확인하실 수 있습니다.

Q.바이브 코딩이 무엇인가요? AI 코딩 도구와 어떤 관련이 있나요?

바이브 코딩은 개발자가 코딩 과정에서 느끼는 즐거움과 몰입감을 극대화하는 것을 의미합니다. AI 코딩 도구는 이러한 바이브 코딩을 지원하기 위해 개발되었으며, 코드 자동 완성, 오류 검출, 코드 제안 등 다양한 기능을 제공하여 개발자가 보다 쉽고 효율적으로 코딩할 수 있도록 돕습니다. 당근에서도 AI 코딩 도구를 적극적으로 활용하여 개발 생산성을 향상시키고 있습니다. 예를 들어, AI가 코드를 자동으로 완성해주거나, 흔히 발생하는 오류를 미리 감지하여 수정하도록 제안함으로써 개발 시간을 단축하고 코드 품질을 향상시킬 수 있습니다. 또한, AI는 다양한 코딩 패턴을 학습하여 개발자에게 최적의 코딩 방식을 제안함으로써 개발자가 보다 창의적인 문제 해결에 집중할 수 있도록 돕습니다. 바이브 코딩과 AI 코딩 도구에 대한 더 자세한 내용은 《요즘 당근 AI 개발》에서 확인하실 수 있습니다.

Q.프롬프트 엔지니어링 기법 고도화는 무엇이며, 왜 중요한가요?

프롬프트 엔지니어링은 AI 모델, 특히 대규모 언어 모델(LLM)에 효과적인 프롬프트를 설계하고 최적화하는 기술입니다. 이는 AI 모델이 원하는 결과를 정확하고 효율적으로 생성하도록 유도하는 데 매우 중요합니다. 프롬프트 엔지니어링 기법을 고도화한다는 것은, 단순히 질문을 잘 던지는 것을 넘어, AI 모델의 작동 방식을 이해하고, 모델이 가진 강점과 약점을 파악하여, 모델이 가장 잘 수행할 수 있는 형태로 질문을 구성하는 것을 의미합니다. 당근 팀은 사용자 경험을 극대화하기 위해 프롬프트 엔지니어링 기법을 고도화하는 데 많은 노력을 기울였습니다. AI 모델을 활용하여 물품 추천, 게시글 작성, 시세 조회 등 다양한 서비스를 제공하면서, 각 서비스에 최적화된 프롬프트 엔지니어링 기법을 개발하고 적용했습니다. 이 과정에서 얻은 경험과 노하우는 《요즘 당근 AI 개발》에 자세히 담겨 있습니다. AI 모델을 활용한 서비스 개발에 관심 있는 분이라면, 이 책을 통해 프롬프트 엔지니어링 기법 고도화의 중요성과 실제 적용 사례를 배울 수 있을 것입니다.

Q.AI를 활용한 개발을 배우고 싶은데, 어디서부터 시작해야 할지 막막합니다.

AI 활용 개발을 시작하는 것은 흥미로운 여정이 될 것입니다. 먼저 AI의 기본 개념과 원리를 이해하는 것이 중요합니다. 온라인 강의, 책, 튜토리얼 등 다양한 학습 자료를 활용하여 AI의 핵심 개념을 습득하세요. 그다음, 파이썬과 같은 프로그래밍 언어를 익히는 것이 좋습니다. 파이썬은 AI 개발에 가장 널리 사용되는 언어 중 하나이며, 다양한 AI 관련 라이브러리와 프레임워크를 제공합니다. 텐서플로우, 파이토치, scikit-learn과 같은 AI 라이브러리를 사용해 간단한 AI 모델을 직접 만들어보는 것이 좋습니다. 이러한 경험을 통해 AI의 작동 방식을 더 깊이 이해할 수 있습니다. 또한, AI 관련 프로젝트에 참여하거나, 오픈소스 프로젝트에 기여하면서 실력을 향상시킬 수 있습니다. 당근 팀의 경험을 통해 배우는 것도 좋은 방법입니다. 《요즘 당근 AI 개발》에는 당근 팀이 사용자 문제를 AI로 해결해나가는 여정이 담겨 있습니다. 이 책을 통해 실제 서비스에 AI를 적용하는 방법을 배우고, AI 개발에 대한 영감을 얻을 수 있을 것입니다.

Q.AI 모델을 서비스에 적용할 때 성능 문제를 어떻게 해결할 수 있을까요?

AI 모델을 서비스에 적용할 때 성능 문제는 흔히 발생합니다. 이를 해결하기 위해서는 다양한 접근 방식이 필요합니다. 먼저, 모델의 복잡도를 줄이는 방법을 고려해볼 수 있습니다. 모델의 레이어 수를 줄이거나, 파라미터 수를 줄이는 등의 방법을 통해 모델의 연산량을 줄일 수 있습니다. 또한, 데이터 전처리 과정을 최적화하여 모델의 학습 효율성을 높일 수 있습니다. 불필요한 데이터를 제거하거나, 데이터의 형식을 통일하거나, 특성 스케일링을 적용하는 등의 방법을 통해 모델의 성능을 향상시킬 수 있습니다. 임베딩 시멘틱 캐싱과 같은 기술을 사용하여 검색 속도를 향상시킬 수도 있습니다. 또한, 모델을 경량화하거나 양자화하는 방법을 고려해볼 수 있습니다. 모델 경량화는 모델의 크기를 줄여 메모리 사용량을 줄이고, 연산 속도를 높이는 기술입니다. 모델 양자화는 모델의 파라미터를 저정밀도로 표현하여 모델의 크기를 줄이고, 연산 속도를 높이는 기술입니다. 당근 팀은 AI 모델을 서비스에 적용하면서 다양한 성능 문제를 해결해왔습니다. 이러한 경험은 《요즘 당근 AI 개발》에 자세히 소개되어 있습니다. 이 책을 통해 AI 모델 성능 문제 해결에 대한 인사이트를 얻을 수 있을 것입니다.

Q.당근 팀은 AI를 개발하고 적용하면서 어떤 어려움을 겪었으며, 어떻게 극복했는지 궁금합니다.

당근 팀도 AI를 개발하고 적용하는 과정에서 많은 어려움을 겪었습니다. 'AI로 과연 될까?'라는 의문에서 시작하여 'AI로 어떻게 하면 될까?'라는 고민을 거듭했습니다. 데이터 부족, 모델 성능 문제, 인프라 제약 등 다양한 문제에 직면했습니다. 하지만 엔지니어, 프로덕트 매니저, 운영 매니저 등 다양한 팀원들이 협력하여 문제 해결에 나섰습니다. 데이터 확보를 위해 다양한 방법을 시도하고, 모델 성능 향상을 위해 끊임없이 실험하고, 인프라 제약을 극복하기 위해 기술적인 혁신을 이루어냈습니다. 예를 들어, AI 물품 추천 시스템을 개발할 때 초기에는 데이터가 부족하여 추천 성능이 낮았습니다. 이를 해결하기 위해 사용자 행동 데이터를 수집하고 분석하는 시스템을 구축하고, 외부 데이터 소스를 활용하여 데이터 부족 문제를 해결했습니다. 또한, 모델 성능 향상을 위해 다양한 모델 구조와 학습 방법을 시도하고, A/B 테스트를 통해 최적의 모델을 선택했습니다. 이러한 노력 덕분에 AI 물품 추천 시스템은 사용자 만족도를 크게 향상시켰습니다. 이처럼 당근 팀은 AI 개발 과정에서 겪는 어려움을 창의적인 아이디어와 끊임없는 노력으로 극복해왔습니다. 자세한 내용은 《요즘 당근 AI 개발》에서 확인하실 수 있습니다.