직접 만들고
직접 설계한 프로젝트

문제

MSP 고객사 대다수가 AI 도입 필요성은 인지하나, 자체 기술력·인프라 부족으로 독자 구축이 불가했습니다.

접근법

고객사 데이터 성숙도·인프라 현황·비즈니스 임팩트 진단 프로세스 정립. 상용 LLM·오픈소스 sLLM 하이브리드 조합 설계 및 토큰 비용 최적화 계층 구조 제안. 비기술 고객사가 별도 개발 없이 RAG·LLM 기반 업무 자동화를 즉시 활용 가능한 AI-as-a-Service 아키텍처 설계.

성과

AI-as-a-Service 형태의 서비스 아키텍처 및 기술 로드맵 수립 완료. 국내외 CSP·MSP 경쟁사 분석 기반 시장 포지셔닝 전략 도출.

문제

인터넷 고장 접수 시 원격 진단 없이 현장 출동이 기본값이어서 불필요한 운영 비용이 발생했습니다.

접근법

고객 응대 시나리오 분석 기반 AI 진단 프로세스 기획. Kubernetes 환경에서 모델 서빙 파이프라인 설계·구축.

성과

AI 사전 진단을 통한 불필요 현장 출동 최소화 기여. 서비스 기획→기술 구현 통합 수행 사례 확보.

문제

선수별 최적 자세에 대한 정량적 분석 체계가 없어 코칭스태프의 경험 의존 교정이 이루어졌습니다.

접근법

ViT-Pose 기반 2D/3D Pose Estimation 모델 개발, ReID로 다수 선수 동시 추적. 시간대별 조명 변화 대응 전처리 파이프라인 설계. TensorRT 경량화 및 Triton Inference Server 기반 실시간 서빙 파이프라인 구축.

성과

선수별 자세 분석 데이터 플랫폼 납품 완료. MLflow 기반 실험 관리 체계 정립. 국가 수준 프로젝트에서 모델 학습→최적화→서빙 전주기 수행.

문제

제조 현장의 숙련공 부족·품질 비용 증가에 대응하는 통합 AI 시스템이 없었습니다. 단순 불량 검출을 넘어 보안·현장 지식·예지 보전을 아우르는 지능형 생산 환경이 필요했습니다.

접근법

Vision AI 불량 검사 + InsightFace 생체 인증 + LangChain RAG SOP 챗봇을 단일 플랫폼으로 통합 설계. Edge→AI Inference→Data→Application 4계층 아키텍처 정의. MVP→IoT 확장→SPC→Edge AI 경량화 4단계 로드맵 수립. PBL 방식으로 개발팀 구성·지도하며 전 과정 기술 리뷰 수행.

성과

MVP 단계 시스템 구축 완료 (비전 검사 mAP 85%+ 달성, RAG 챗봇·얼굴인식 보안 통합). 기획→아키텍처→구현→검증 End-to-End 리딩.