AI / ML·
우아한형제들·
하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기
AI 코딩 도구가 프로젝트 맥락·컨벤션을 모르기 때문에 같은 설명을 매번 반복하고, 개발자별 지시 방식이 달라 코드 스타일도 흔들린다.
AI 코딩 도구가 프로젝트 맥락·컨벤션을 모르기 때문에 같은 설명을 매번 반복하고, 개발자별 지시 방식이 달라 코드 스타일도 흔들린다.
배민 다국어화는 번역이 아니라 음식 용어 기준 부재, DB·어드민 개편, 수천만 메뉴의 지속 번역이라는 세 벽 때문에 5년 동안 막혀 있었다.
pnpm 모노레포에서 React 18 과 19 를 공존시키려다 `@types/react` 가 호이스팅으로 섞이며 children · ReactNode 추론이 깨지는 98개의 타입 에러가 발생했다.
배달앱 리뷰가 5점에 몰리는 별점 인플레이션 때문에 별점만으로는 가게 변별이 안 되고, 사용자가 리뷰 본문을 일일이 읽어야 한다.
팀마다 프롬프트·스킬·규칙이 흩어져 있어 어느 버전이 최신인지, 어떤 자산이 검증됐는지 구분하기 어렵고 IDE 마다 다시 등록해야 한다.
PM 의 회의록 정리, 마케터의 데이터 수집, 디자이너의 파일명 변경 같은 반복 업무가 주당 수 시간씩 핵심 업무를 갉아먹고 있었다.
LLM 은 학습 이후 정보를 모르고 환각이 잦으며, 사내 DB·Drive·Calendar 같은 분산 데이터를 매번 수동으로 모아 질문해야 한다.
장애 인지는 빠르지만 초동 조치가 핫픽스인지 롤백인지에 따라 고객 영향 시간이 갈리고, First Action 이 핫픽스였던 장애가 롤백 케이스보다 거의 두 배 더 오래 지속됐다.