"Building Bridge between AI Research and Real-World Value"
연구(Research)의 깊이가 실용적인 가치(Product)로 이어지도록 끊임없이 고민하고 탐구하는 AI 엔지니어입니다. 단순한 기술 구현을 넘어, 비즈니스의 복잡한 문제를 정의하고 이를 최적의 AI 아키텍처로 해결하는 전 과정에 몰입합니다.
멀티 에이전트 오케스트레이션과 RAG 파이프라인 등 고도화된 시스템을 설계하며 안정적인 서비스를 만드는 데 집중하고 있으며, 이러한 노력의 결실로 CES 2025 혁신상 및 장관상 수상 등의 성과를 거두었습니다. 화려한 기술보다 사용자에게 닿는 실질적인 가치를 최우선으로 생각합니다.
- CES 2025 AI Innovation Awards - 두 개 제품 Best of Innovation 수상 ('booxTory', 'arti')
- 과학기술정보통신부 장관상 (WIS 2025 혁신상)
- HD현대 AI Challenge - 4위
- APIC-IST 2022 Best Paper Award
- KIIT Best Paper Award (2021)
인공지능 기반 솔루션 및 플랫폼 개발
🚀 엔터프라이즈 AI 지식 관리 시스템 구축 (2025.09 - 2026.01)
산업 특화 규정·법령 도메인 대상 Knowledge Graph + Vector 하이브리드 RAG 및 상태 기반 자동화 에이전트 구축
- Advanced RAG & Knowledge Graph: 그래프 DB와 벡터 DB를 결합한 하이브리드 검색 시스템 구축. 다차원 멀티벡터 필드와 랭크 퓨전(Rank Fusion) 기법을 활용하여 도메인 맞춤형 다중 쿼리 모드 지원.
- Multi-Agent Orchestration: 도메인 특화 안전관리 에이전트 설계. 데이터 수집 파이프라인부터 다단계 LLM 추론을 통한 분석 및 대책 수립까지 전 워크플로우 자동화.
- Performance Optimization: 대규모 문서 처리 병목 해결을 위한 다계층(Multi-Layer) 비동기 처리 아키텍처 설계 및 동적 배치 처리 알고리즘 구현으로 임베딩 및 초기화 성능 획기적 개선.
- AI Observability: LLM 관찰성(Observability) 인프라 구축 및 다수 에이전트 노드에 검색 모드별 트레이싱 적용. LLM 호출 지연시간 및 검색 품질 모니터링 체계 확립.
- Data Pipeline Engineering: 모듈형 플러그인 청킹 시스템 구축 및 복잡한 계층 구조의 문서(XML 등)에 대한 정밀 파싱 로직 구현.
🚀 문서 OCR · 로직 기반 테이블 구조 복원 · Parser 통합 문서 복원 플랫폼 구축 (2026.02 - 현재, 2026.04 기준)
단순 OCR API를 넘어, 문서 레이아웃 분석, 로직 기반 테이블 구조 복원, 정량 벤치마크, parser 기반 문서 재구성, 운영형 웹 콘솔과 보안 배포 환경까지 하나의 제품/연구 플랫폼으로 확장한 프로젝트
- Logic-based Table Reconstruction: OCR bbox와 선분 정보를 결합해 row/column grouping, overlap 기반 column 추정, spanned cell·merged header 복원, fallback assignment, body-first hybrid selection, line-hint/post-fusion rescue, row-stability guard 등 규칙 기반 테이블 구조 복원 엔진을 직접 설계·고도화.
- Accuracy Measurement & Validation: 금융·법률 문서의 HTML table GT를 기준으로 행 수 일치(Row), 열 수 일치(Col), 셀 매칭 정확도(Cell F1), 셀 텍스트 오류율(CER), 표 전체 구조·텍스트 유사도(TEDS/TEDS-S)를 함께 측정하는 평가 체계를 구축. hf_korean_table 100샘플 기준 Proposed 방식이 TEDS 0.9174, Cell F1 0.9934, row_accuracy 1.00, column_accuracy 0.96을 기록했고, fixed_threshold (TEDS 0.7540), kmeans (TEDS 0.3304) 대비 유의미한 개선을 검증. 이후 hf_finance_legal_mrc 480샘플 최신 실행에서는 TEDS 0.9188, TEDS-S 0.9506, Cell F1 0.9702까지 고도화.
- Parser-driven Document Reconstruction: OCR·layout·table 결과를 문서 단위 출력으로 재조립하기 위해 parser를 메인 앱에 통합하고, digital text 추출, PDF tag 해석, reading order 정렬, table merge, document assembly, visual block payload 구성을 포함한 문서 복원 로직을 구현. 단순 텍스트 추출이 아니라 문단·표·시각 블록 단위의 구조화된 문서 결과를 생성하도록 확장.
- Research & Benchmark Platform: FastAPI benchmark router와 Next.js 실험 콘솔을 구축해 dataset stats, 다중 메서드 비교, CI95·pairwise 비교·ablation 분석, async experiment job, checkpoint/resume/cancel/stale handling, 결과 저장·재조회 흐름을 일원화.
- Product & Operations: 이미지/PDF/배치 OCR, history 저장·수정·복원, template 기반 영역 OCR, guide 기반 anchor correction, OCR 후처리 LLM enrichment, /main 작업실 UX, JWT/RBAC 기반 관리자 기능, RSA 하이브리드 암호화 secure build, unified/dev/gpu/research/monitoring Docker Compose 프로필, Prometheus/Grafana/Loki 운영 환경까지 구축.
🚀 엔터프라이즈 생성형 AI 솔루션 및 오케스트레이터 개발 (2025.07 - 2025.11)
폐쇄망 기반 대규모 문서 RAG 솔루션 코어 및 End-to-End 기업용 Market Intelligence 시스템 개발
- Global Scale Multi-Agent Architecture: 4-Layer Architecture (API-Orchestrator-Agent-Infra) 기반 25개 전문 에이전트 협업 시스템 설계. 복잡한 비즈니스 요구사항 분석부터 전문 문서 생성, 검증까지 전 공정 완전 자동화 (Phase 1~3 병렬 파이프라인).
- Advanced RAG Strategy: Internal Asset(Company Knowledge)과 실시간 Web Intelligence(Brave Search)를 결합한 Dual-Knowledge Base 전략 수립. Hybrid Search 및 Hierarchy Indexing을 통해 Context-Awareness 극대화.
- Autonomous Quality Assurance: LLM이 생성한 콘텐츠를 스스로 평가(Self-Reflection)하고, 품질 기준 미달 시 재수정하는 Iterative Generation Loop 메커니즘 개발.
- Serverless & Event-Driven: AWS Lambda, DynamoDB, EventBridge를 활용한 Full Serverless Backend 구축. 비동기/병렬 처리를 위한 Event-Driven Architecture로 대규모 생성 작업의 안정성 확보.
- Pipeline Orchestration: Python 기반의 Custom Agent Orchestrator를 개발하여 복잡한 의존성을 가진 에이전트 간의 데이터 흐름 및 상태 관리 최적화.
혁신적인 AI 제품 개발을 총괄하며 국제적으로 기술력을 인정받은 AI 전문가로 활동
🚀 혁신 제품 개발 및 기술 리더십
- 'booxTory' - CES 2025 AI 부문 Best of Innovation 수상 (AI 엔진 개발 총괄)
- 'arti' - CES 2025 AI 부문 Best of Innovation Honoree 수상 (기술 자문/개발 주도)
- 'StoryMate' - 사업 기획 및 AI 기술 개발 총괄
- 'Booxedit' - 사업 기획 및 AI 기술 개발 총괄
🏛️ 정부 R&D 사업 수행 (기술 Lead)
- 문화체육관광부 한국콘텐츠진흥원 AI 콘텐츠 제작지원 사업 (2024-2025)
- AI바우처 운영지원 사업 공급기업 선정 (2025) - 4개 프로젝트 총괄
- 중소기업 연구인력지원사업 협약 (2025)
- Large Language Models & RAG: Multi-Agent Orchestration, Advanced RAG (Vector, Graph, Hybrid Search, Hierarchy Indexing), LangSmith, Langfuse, LangGraph, Prompt Engineering
- Machine Learning Frameworks: PyTorch, Scikit-learn, Pandas, NumPy
- Computer Vision: OpenCV, ImageHash, Pillow 기반 영상처리, 객체 탐지 시스템
- Model Architecture: CNN, RNN, GCN 등 다양한 신경망 아키텍처 설계 및 최적화
- API Development: FastAPI, Uvicorn, Gunicorn 기반 고성능 API 서버 구축
- Programming Languages: Python (전문), AI/ML 도메인 특화 개발
- Serverless & Cloud Native: AWS Lambda, EventBridge, SQS, DynamoDB 기반의 Event-Driven Architecture 설계
- Web Frameworks: Next.js 14 (App Router), React, Tailwind CSS 및 Streamlit 기반의 AI Application/Dashboard 개발
- Vector & Graph Database: Milvus, Neo4j, Qdrant 활용 벡터 검색 및 지식 그래프 통합 시스템 구축
- Search & Analytics: Elasticsearch, Logstash, Kibana (ELK Stack) 구축 및 운영
- RDBMS & Cache: PostgreSQL, Redis
- Container Technology: Docker, Docker Compose (Multi-profile), Kubernetes
- Observability & Tracking: Langfuse, Prometheus, Grafana, Loki, Weights & Biases (wandb)
- Infrastructure as Code: Terraform을 활용한 인프라 자동화 및 관리
- CI/CD: GitHub Actions 기반 자동화 파이프라인 구축
경기대학교 컴퓨터공학과
- 석사 (GPA 4.25/4.5) - 산업인공지능 전문인력 양성사업 수료
- 석사 학위 논문: "추천 시스템에서 그래프 컨볼루션 네트워크 최적화 방법" (2024.02)
- 학사 (GPA 3.62/4.5) - 공학인증(ABEEK) 이수
- "Embedding Enhancement method for LightGCN in Recommendation Information Systems" - MDPI Electronics, 2024 (Citations: 10회)
- "Weighted Forwarding in Graph Convolution Networks for Recommendation Information System" - CMC, 2024
- "Deep Learning Model Ensemble for the Accuracy of Classification Degenerative Arthritis" - CMC, 2023 (Citations: 7회)
- "Graph Neural Network 기반 추천시스템 성능 향상을 위한 유저 행동 시간 기반 데이터 사용 방안 분석" - KIIT, 2023
- "의료 영상 시스템에서 다중 연쇄 U-Net 모델을 이용한 개선된 췌장 영역 분할 탐지" - KIIT, 2022
- ICONI 2023 - 3편 발표 (추천시스템 관련)
- APIC-IST 2022 - Best Paper Award 수상 (의료 영상 분류)
Email: [email protected]