LLM-as-a-judge와 MCP 명세 최적화로 정확도 3~9%p 개선 및 사내 3개 서비스에 적용했다.
여기어때가 GraphRAG 기반 LightRAG와 문서 계층 구조를 반영하는 Navigator를 결합해 사내 문서 검색 정확도를 84%까지 개선했다.
여기어때 전시개발팀이 Grafana와 Prometheus를 활용해 쉐도잉 검증 대시보드를 구축하고, 공통 라이브러리화를 통해 API 전환 시 검증 리소스를 절감했습니다.
AI의 비결정성 문제를 해결하기 위해 설계는 AI가, 그림은 도구가 담당하는 MCP 기반 ERD 도구를 개발했다.
기존 인프라 활용과 AI 에이전트 활용으로 팀 내 관측성 개선 및 기여 확산 사례를 공유한다.
AI 도입으로 인한 결과물 폭증과 '의도 부채' 문제를 해결하기 위해 결정 과정을 가이드로 승격하고 팀 리뷰를 통해 맥락을 공유하는 방식을 제시했다.
여기어때컴퍼니가 비개발자를 위한 사내 배포 플랫폼 '바이브독'을 구축해 전사 58개 팀이 활용 중이다.
여기어때가 AI 에이전트를 활용해 해외투어 서비스 QA 티켓 280건을 처리하며, 과거 프로젝트 대비 1일 내 처리율을 56%로 높여 리드타임을 단축했다.
항공 프론트엔드 팀이 FSD 도입 대신 폴더명 접두 기호 규칙으로 파일 영향 범위를 관리하는 방식을 공개했다.
항공 프론트엔드 구축 시 전역 상태 라이브러리를 도입하지 않고 React Query와 URL 상태로 상태를 관리한 경험담이다.
웹과 앱 웹뷰의 상이한 토큰 유입 경로를 httpOnly 쿠키로 통일하고, 타이밍 이슈를 해결하는 인증 아키텍처를 구축했다.
원본 불변 원칙과 MOC 구조를 적용한 개인 LLM 위키로 AI의 맥락 연결 오류를 줄이고 업무 기억의 신뢰성을 높였다.
Grafana 커스텀 플러그인으로 10만 점 산점도를 구현하며 겪은 렌더링, 쿼리, 증분 조회 최적화 과정을 정리했다.
여기어때가 OpenTelemetry와 ClickHouse를 연동해 개별 요청 분포를 시각화하는 APM 스캐터 차트를 구축했다.
여기어때 QA팀이 전시에서 예약·정산 QA로 전환하며 겪은 검증 방식과 시야의 변화를 공유했다.
여기어때 디자인팀이 AI와 기존 SOP를 결합해 소개서 제작 과정을 자동화하는 빌더를 개발했다.
여기어때가 JTBD 기반 홈 화면 셀러카드 개선을 통해 약 100만 명 대상 A/B 테스트에서 구매 전환율 상승을 달성했다.
여기어때가 홈 화면의 낮은 클릭률을 해결하기 위해 기존 상품 카드의 형태가 아닌 모듈의 역할을 재정의하고, A/B 테스트를 통해 새로운 탐색 경험을 검증하는 프로젝트를 진행했다.
서비스웹개발팀이 ATDD와 AI 에이전트를 결합해 QA 시작 전 결함 1717건을 사전에 차단했다.
EKS 이관 후 발생한 주기적 메모리 스파이크의 원인이 로그 압축과 페이지 캐시로 확인됨.
여기어때컴퍼니 SRE팀이 Grafana 알림을 AI가 분석해 장애 원인과 영향 범위를 자동 추적하는 Alert Adviser를 구축했다.
여기어때 SRE팀이 AI와 코드를 결합해 인프라 비용 산정과 EKS 노드 증설 예측을 자동화했다.
AI Briefing