AI와의 협업으로 완성된 맞춤형 TMS 개발

29CM QE팀이 상용화된 Testcase Management System(TMS)의 비효율성과 높은 비용으로 인해 AI와 협업을 통한 맞춤형 TMS인 29TMS를 개발하게 된 과정을 소개합니다. 이 프로젝트는 3개월 동안 진행되었으며, 완성된 시스템을 통해 다양한 기능을 구현하여 실제 업무에서 활용하고 있습니다. 본 글에서는 이 과정에서의 어려움과 성공적인 구현을 공유하며, AI와의 협업의 중요성을 강조하고자 합니다.

AI와의 협업으로 탄생한 TMS의 시작

버그 수정과 지원의 느림은 상용 TMS의 한계로, 우리가 겪어온 가장 큰 문제 중 하나였습니다. 이러한 문제를 해결하기 위해, AI와의 협업을 결심하게 되었습니다. 많은 사람들이 AI 기술에 열광하는 이유를 직접 체험해보고 싶었고, 이를 통해 우리가 필요로 하는 TMS를 직접 만들 수 있을 것이라는 희망이 생겼습니다. 처음에는 React 기술을 선택했으나, 이 분야에서의 경험이 부족한 제가 과연 잘 해낼 수 있을까 하는 걱정이 많이 들었습니다. 하지만 AI의 도움으로 프로그래밍을 시작하게 되었고, 처음에는 쉽고 빠른 결과에 감탄하게 되었습니다. 그러나 진행할수록 AI의 한계를 느끼며, 저 자신이 AI와 소통하는 방법에 대해 많은 것을 배울 수 있었습니다. 이 과정을 통해 AI의 공백을 메우고, 설계와 구현의 디테일을 확실히 이해해야 한다는 점도 깨닫게 되었습니다. 이 단계에서, AI는 다양한 기능 구현에 중요한 역할을 했지만, 항상 올바른 결과를 제공하는 것은 아니었습니다. 대신, 프롬프트를 세밀하게 작성하고, 제 의도를 명확히 전달하는 기술이 필수적임을 깨달았습니다. 그 덕분에 AI와의 협력이 더욱 원활해졌고, 원하는 기능들을 구현한 29TMS가 성공적으로 탄생하게 되었습니다.

문제를 해결하는 29TMS의 유용성

29TMS의 개발 과정이 끝난 후, 우리는 다양한 기능을 추가하여 실무에서 효과적으로 사용하기 시작했습니다. 기존의 상용 TMS보다 훨씬 더 빠르고 효율적으로 API의 응답을 받을 수 있게 되었으며, 이는 우리 팀의 업무를 효율적으로 개선하는 데 큰 기여를 했습니다. 특히, 'CSV Import' 기능은 매우 유용하게 작용하고 있습니다. 시스템 필드와 동일한 헤더의 CSV 파일을 업로드하면 자동으로 매핑이 가능하여 작업의 번거로움을 덜었습니다. 이는 팀원들이 테스트케이스를 신속하게 import할 수 있도록 도와주었고, 시간 효율성을 크게 향상시켰습니다. 또한, 기획 단계에서부터 MVP를 설정하고 필요한 기능들을 꼼꼼하게 목록화하여 지속적으로 개선해나갔습니다. 그 결과, 여러 버전 업그레이드를 통해 1.6.1 버전까지 도달하게 되었으며, 이를 통해 초기 구현이 모두 완료되었습니다. 이러한 유용한 기능들은 팀원들이 문제를 신속하게 해결하고 즉각적으로 요구하는 기능을 구현할 수 있도록 하였습니다.

AI와 함께한 새로운 경험의 중요성

29TMS 프로젝트는 개인적으로도 큰 도전이었습니다. 처음에는 React와 Node.js에 대한 경험이 전무했던 제가, 직접 시스템을 설계하고 구현하는 과정을 통해 큰 성장을 이뤘습니다. 이제는 AI의 도움을 바탕으로 문제를 직접 해결할 수 있다는 확신이 생겼고, 여러 도구와 시스템을 개발해볼 수 있다는 자신감을 가지게 되었습니다. 프롬프트 작성 시 필요한 세부 사항을 충실히 반영하는 방송을 통해 AI와 효율적으로 협업할 수 있었다는 점에서, 저는 QA 업무와의 연계가 큰 도움이 되었다고 생각합니다. 문제를 논리적으로 접근하여 해결할 수 있는 능력을 배양할 수 있었으며, 이는 향후 다른 프로젝트에서도 유용하게 활용될 것입니다. 결국, AI와의 협력을 통해 얻은 경험은 앞으로의 업무에서 더 많은 효율성과 창의성을 가져다줄 것이며, 이를 통해 후속 프로젝트나 새로운 도전에에서도 자신감을 잃지 않고 나아갈 수 있을 것이라는 희망이 생겼습니다.

29TMS 개발은 우리의 비효율적인 시스템을 개선하는 데 중요한 발판이 되었으며, 앞으로는 더욱 효율적이고 혁신적인 접근 방식으로 다양한 문제를 해결해 나가고자 합니다. 다음 단계로는 UI/UX 개선이나 추가 기능 개발 계획을 세우고 있습니다. 앞으로의 발전을 기대해 주시면 좋겠습니다.

이 블로그의 인기 게시물

국제협력 촉진을 위한 AI 안전 정상회의

이미지
AI 안전과 국제 협력의 필요성 인공지능(AI)의 급격한 발전은 세계 모든 국가가 공유해야 할 새로운 과제를 던지고 있습니다. 이제 AI의 안전은 기술 경쟁이 아닌 인류 생존의 문제로 확장되었습니다. 저는 이번 서울·프랑스 정상회의의 가장 큰 의미가 “경쟁에서 협력으로의 전환”에 있다고 봅니다. 첫째, AI는 국경을 넘는 기술이기에 그 부작용 또한 전 지구적입니다. 한 나라의 AI 정책이나 오류가 다른 나라의 사회·경제 시스템에 직접 영향을 미칠 수 있습니다. 따라서 AI 안전은 특정 국가의 책임이 아닌, 국제적 공동 관리의 영역이 되어야 합니다. 둘째, 이미 인공지능의 윤리 문제는 현실화되고 있습니다. 인종·성별 편향, 개인정보 침해, 자동화로 인한 고용 불안 등은 기술 발전의 그늘이 되어가고 있습니다. 저는 이러한 문제를 해결하려면 ‘기술적 규제’보다 ‘문화적 공감’이 먼저 필요하다고 생각합니다. 각국의 가치관과 사회 시스템이 다르기 때문에, 윤리적 기준 역시 일률적일 수 없습니다. 셋째, 글로벌 협력의 핵심은 신뢰 구축입니다. AI의 안전 프레임워크는 단지 기술적 장치로 해결되지 않습니다. 정부, 기업, 연구기관 간의 투명한 데이터 공유와 정보 공개가 필수입니다. 하지만 현실적으로는 국가 간 기술 경쟁이 여전히 심화되고 있습니다. 저는 이번 회의가 그런 ‘불신의 구조’를 허무는 첫 걸음이 되어야 한다고 봅니다. 정상회의의 성과와 지속 가능한 목표 서울과 프랑스에서 열린 이번 정상회의는 AI 안전을 논의하는 역사적 분기점이었습니다. 참가국들은 공통의 원칙 아래 협력 프레임워크를 구축하고, 윤리적 AI 개발을 위한 구체적 방향을 제시했습니다. 첫 번째 성과는 **국제적 합의의 기반 마련**입니다. 주요국들이 “AI 안전 헌장” 형...
자세한 내용 보기

무신사머니 결제 시스템 연동의 안정성 및 혁신

```html 29CM Purchase & Post Purchase 팀이 무신사머니 결제 시스템 연동을 통해 고객의 결제 경험을 혁신적으로 개선할 예정입니다. 무신사머니는 선불결제 방식으로, 이를 통해 결제 전환율을 높이고 고객 유치를 극대화할 수 있습니다. 본 글에서는 무신사머니 결제 시스템의 안정성과 혁신에 대해 자세히 살펴보겠습니다. 안정성을 기반으로 한 무신사머니 결제 시스템 무신사머니 결제 시스템의 구조는 여러 요소를 고려하여 설계되었습니다. 고객이 주문서를 작성할 때 필요한 정보는 여러 데이터 소스에서 수집되며, 이를 통해 무신사머니의 가입 여부, 잔액, 첫 결제 여부 등의 정보를 제공합니다. 이러한 정보를 통해 고객은 무신사머니를 hassle-free하게 사용할 수 있게 되며, 우리는 장애 발생 시에도 안정적인 결제 경험을 보장하기 위해 점진적 기능 저하(Graceful Degradation) 를 채택했습니다. 이 체계적인 접근을 통해 결제 과정에서 필수 정보가 누락되더라도 주문 처리가 가능하도록 기능을 최적화했습니다. 또한 비즈니스 연속성을 높이기 위해 필수 정보와 선택 정보를 구분하여, 필수 정보가 누락될 경우 무신사머니 결제수단 자체를 비활성화하고, 선택 정보는 최대한 지원하는 형태로 시스템을 운영합니다. 결과적으로 필요한 데이터가 완비되지 않더라도 고객의 결제가 안정적으로 진행되고, 사용자 경험이 향상되는 효과를 얻었습니다. 이런 안정성 확보는 문제 해결을 용이하게 만들어 줍니다. 예를 들어, 필요한 정보가 조회되지 않을 경우에도 적절한 폴백 전략을 통해 사용자가 헷갈리는 일이 없도록 다양한 UI 정책을 마련했습니다. 이러한 안정성이 결제 시스템의 성공에 있어 핵심 요소로 작용하고 있으며, 고객의 신뢰를 얻는 데 큰 주효하고 있습니다. 혁신적 개선으로 고객 경험 향상 무신사머니 결제 시스템의 도입은 단순히 결제 수단을 늘리는 데 그치지 않습니다. 우리는 고객을 유치하고 리텐션을 높이기 위한 전략적 기능을 통합하...
자세한 내용 보기

AI와 사람의 협업을 위한 VLMOps 어드민 구축기

AI 기술이 급속도로 발전하면서 다양한 산업 분야에 자동화가 도입되고 있습니다. 특히 무신사에서는 AI를 활용해 상품 데이터를 효율적으로 분류하고 속성을 추출하여 서비스 품질을 높이고자 노력하고 있습니다. 이 글에서는 Human-in-the-loop 방식으로 기능을 향상시키기 위해 구축한 VLMOps 어드민에 대해 자세히 소개합니다. AI와 사람의 협업으로 강화된 모델 관리 무신사의 VLMOps 어드민은 AI와 사람의 협업을 한층 더 강화하기 위한 필수 시스템으로 자리매김하고 있습니다. 이 어드민은 모델 및 프롬프트 관리 과정을 웹 UI 형태로 제공하여, 데이터 오퍼레이션팀이 엔지니어와의 특별한 커뮤니케이션 없이도 최적의 실험을 진행할 수 있도록 합니다. 이렇게 축적된 의료 데이터를 통해 AI 추론의 결과를 개선하는 과정이 자동화되어 업무 효율성과 데이터 품질이 현저히 향상되었습니다. 특히, VLMOps 어드민은 OpenAI와 Google 등 외부 API와도 원활하게 연동되어 다양한 실험이 가능하다는 장점이 있습니다. 이를 통해 데이터 오퍼레이션팀은 엔지니어의 도움 없이도 원하는 프롬프트와 모델을 자유롭게 선택하여 실험할 수 있습니다. 결과적으로, 반복적인 요청과 대기 시간 없이 빠르게 모델 실험을 수행하고, 데이터 품질을 지속적으로 개선할 수 있는 환경이 조성되었습니다. 이러한 변화는 무신사가 AI 기반의 데이터 자동화와 품질 관리에 대한 새로운 접근 방식을 도입하도록 만들어 주었으며, 결과적으로 더 나은 고객 경험을 제공하기 위한 중요한 발판이 되고 있습니다. 신속하게 이루어지는 모델 추론과 검증 VLMOps 어드민은 모델 추론 과정에서도 AI와 사람의 협업을 극대화할 수 있는 기능을 표현합니다. 자동 생성되는 초안 라벨을 통해 데이터 오퍼레이션팀은 더욱 신속하게 결과를 분석하고 검증할 수 있습니다. 이렇게 생성된 추론 결과는 여러 번의 클릭만으로 즉시 처리되며, 다양한 조합의 모델과 프롬프트를 비교할 수 있는 체계가 마련되어 있습니다. 이러한 ...
자세한 내용 보기