The current role is where the AI-harness practice was born. The team's first job was to fold five fragmented agency systems into one settlement-safe portal, and it was delivered AI-native — which turned into a standing way of working: a multi-repo orchestration foundation that the wider organization adopted, FE and BE specialists retrained as full-stack engineers, and diff-testing with Playwright so the pace did not cost stability. Alongside that, the team owns the technical strategy for new-vendor acquisition and introduced AWS Data Clean Room to get ahead of privacy questions.

지금 역할은 AI-harness 방식이 태어난 자리다. 팀의 첫 일은 다섯 시스템에 흩어진 에이전시 업무를 정산 안전성을 갖춘 포털 하나로 접는 것이었고, 그것을 AI-native 로 딜리버리한 경험이 그대로 일하는 방식이 됐다 — 전사로 확산된 multi-repo orchestration 기반, 풀스택으로 전환한 FE·BE 전문 엔지니어들, 속도가 안정성을 깎지 않도록 Playwright 로 자동화한 diff-testing. 그 옆에서 신규 광고주 유치 플랫폼의 기술 전략을 맡고, 프라이버시 문제를 앞서 막으려 AWS Data Clean Room 을 들여왔다.

Three years managing two systems with opposite tempers. Eats Ads grew fast, and the architecture work behind that growth also brought its serving latency down; Ads Landing had to stand still under the traffic of the biggest promotions of the year. Underneath both ran the pipelines — training data for the ML models that shipped across ad placements, an image-generation PoC on the side — and a CD pipeline with automated side-by-side testing that kept the record at zero system incidents. The other recurring duty was hiring: fifty-odd technical interviews a year.

성격이 반대인 두 시스템을 3년간 맡았다. Eats Ads 는 빠르게 컸고, 그 성장 뒤의 아키텍처 작업이 서빙 지연도 함께 끌어내렸다. Ads Landing 은 한 해 가장 큰 프로모션의 트래픽 아래서 꿈쩍하지 않아야 했다. 둘 아래로 파이프라인이 흘렀다 — 광고 지면별로 배포한 ML 모델의 학습 데이터, 옆에서 돌린 이미지 생성 PoC, 그리고 자동 side-by-side 테스트를 갖춘 CD 파이프라인이 시스템 장애 0 을 지켰다. 반복되는 다른 임무는 채용이었다. 한 해 쉰 번 남짓의 기술 면접.

Coupang began in Catalog, rebuilding the core business layer on a message queue to get past a throughput ceiling. Then Coupang Ads — five engineers, ad serving still on a third-party server. The years that followed were spent bringing serving in-house step by step rather than in one replacement, and building out the whole ad pipeline around it. Two things from that period outlived it: a server connection tool the whole company adopted, which cut connecting from a minute to five seconds, and a non-blocking GraphQL layer in Kotlin with lazy-loaded data scopes.

쿠팡은 Catalog 에서 시작했다. 처리량 한계에 걸린 핵심 비즈니스 레이어를 메시지 큐 기반으로 다시 세웠다. 그다음이 Coupang Ads — 엔지니어 다섯, 광고 서빙은 아직 서드파티 서버였다. 이어진 몇 해는 서빙을 한 번에 갈아끼우는 대신 단계적으로 자체로 옮기고 그 주위로 광고 파이프라인 전체를 세우는 데 썼다. 그 시기에서 지금까지 남은 것이 둘 있다. 전사가 쓰게 된 서버 접속 도구 — 접속을 1분에서 5초로 줄였다 — 와, Kotlin 으로 짠 non-blocking GraphQL 레이어.

When AppNexus's Seoul team left together to start a company, this is where it went. The product was a proprietary DSP tuned for the Korean market, and the work was the zero-to-one kind: a real-time cross-device analytics system on Vert.x and Hazelcast, a JavaScript SDK capturing user actions in the browser with an ELK stack behind it, an A/B optimizer that picked the best-performing landing page on its own, and an Android SDK for VAST 2.0 video ads.

AppNexus 서울 팀이 함께 나와 회사를 차렸을 때 간 곳이다. 제품은 국내 시장에 맞춘 자체 DSP 였고 일은 0 에서 1 을 만드는 종류였다 — Vert.x 와 Hazelcast 위의 실시간 크로스 디바이스 분석, 브라우저의 사용자 행동을 잡아내는 JavaScript SDK 와 그 뒤의 ELK, 성과가 가장 좋은 랜딩 페이지를 스스로 고르는 A/B 옵티마이저, VAST 2.0 비디오 광고용 Android SDK.

Four years inside a US-headquartered engineering organization, working in English day to day — design reviews, project leadership, all of it. The largest project was continuous delivery: forty-some people, a pipeline rebuilt on Puppet and Ansible with Selenium tests wired in, and a company that stopped needing SysOps for every deploy. The rest was product work — a rich-media marketplace in Groovy, campaign search on Elasticsearch, a reporting ETL on Kettle.

미국 본사의 엔지니어링 조직 안에서 보낸 4년. 설계 리뷰도 프로젝트 리드도 매일 영어로 했다. 가장 큰 프로젝트는 continuous delivery 였다 — 마흔 명 남짓이 참여했고, Puppet 과 Ansible 로 파이프라인을 다시 세우고 Selenium 테스트를 붙이자 배포마다 SysOps 를 부르던 회사가 그러지 않게 됐다. 나머지는 제품 일이었다. Groovy 리치미디어 마켓플레이스, Elasticsearch 캠페인 검색, Kettle 리포팅 ETL.