Welcome Speech
송재하 - 카카오 CTO
거버넌스 / 데이터
- 같은 숫자인데 왜 팀마다 다르지? 이 데이터 지금 써도 될까?
- 데이터의 뜻을 코드로 맞추고 위험을 측정
- 문제가 보이면 누가 맡아서 바로잡을지까지 이어져야 함
- 팀의 약속이 실제로 지켜지도록 도구로 만드는 이야기
모델 / 에이전트
답을 어디까지 믿고 쓸 수 있는가
- 전문가 에이전트 연결, 답의 근거 제시
- 같은 GPU로 더 많은 요청 처리
- 교통 예측 모델 교체
- LLM은 실험을 돕고, 실제 예측은 9MB짜리 작은 모델이 담당
- AI를 쓴 결과가 꼭 더 큰 모델일 필요는 없음
- 모델을 바꾸며 정확도와 비용을 어떻게 확인했는지
AI-DLC
AI와 함께 일하는 방식
- 현장의 병목을 찾는 엔지니어
- AI 산출물을 검증하는 품질 게이트
- 디자인 화면 구현
작은 도구가 플랫폼이 되기까지
“쓰레기는 먼저 본 사람이 줍는다” -> 내 눈에 먼저 들어온 문제는 내가 먼저 움직인다
- 내가 불편해서 작은 것부터 만듦 -> 동료들이 써보고 좋아함 -> 고치고 붙이다 보니 함께 쓰는 도구가 됨
- 지금은 동료들이 필요한 도구를 직접 만드는 플랫폼으로 성장
- 남이 쓰기 시작하면 신경 쓸 일도 늘어남 -> 13:30 Conference room 세션
같은 기술, 다른 이유
검색 색인을 CDC로 바꾸는 두 세션
- 11:00 AI-DLC 트랙 옮기는 것보다 증명이 어렵다: 옮긴 결과가 맞는지 어디까지 검증했나
- 15:30 안정성과 인프라 트랙: 잘 돌아가던 폴링을 왜 바꿔야 했나
같은 기술도 여건에 따라 바꿀 이유와 검증 범위가 달라짐 -> 우리 팀은 뭘 확인해야 하나
세션 사이사이
- After Session에서 발표자와 대화
- “좋은 얘기인데 우리 팀은 상황이 다른데” -> 그 다음을 물어보기
- 팀이 작다, 트래픽이 다르다, 아직 바꿀 수 없는 레거시가 있다
- 네트워킹: 비슷한 고민을 가진 참가자와 교류
- 돌아갈 때 “우리 팀에서 꼭 해보자” 하나, 다음에 다시 물어볼 사람 한 명