트위니를 떠나며

안녕하세요. 올해 여름은 정말 극악무도하게 더운 것 같습니다. 다들 건강 무탈하신가요?
 
더운 여름이라서 시원함을 줄 재밌는 글을 작성하면 좋았겠지만 아쉽게도 이번에 작성할 글은 저의 퇴사 회고록입니다.

---

1. 마지막 인사

사내 메신저에도 남긴 마지막 인사지만 여기에도 남겨봅니다.
 
2025년 7월을 마지막으로 2019년부터 일해온 트위니를 떠나게 되었습니다.
 
대학원 시절, 자율주행 기술에 흥미를 느껴 천홍석 대표님과 나눴던 커피챗이 모든 시작이었습니다.
파트타임 동안 자율주행 로봇을 제어한다는 설렘과 처음으로 다중 로봇을 관제했을 때의 짜릿함은 지금도 생생합니다.
 
오더피킹 솔루션이 물류센터의 작업 생산성을 2배 이상 향상시켜주는 것을 확인했을 때는 진짜 제품을 만든다는 것이 무엇인지 실감할 수 있었습니다.
 
생산성 2배 향상이라는 짧은 단어를 실현하기 위해 정말 치열하게 노력했습니다.
열띤 논의, 자료 조사, 현장 대응, 야간 운영 등 필요한 것들은 모두가 함께 발 벗고 나섰습니다.
 
이러한 모두의 노력이 있었기에 기술적 완성도와 제품적으로도 유의미한 성과를 낼 수 있었던 것 같습니다.
많은 것을 배웠고, 또 그만큼 조직에 기여할 수 있었습니다. 되돌아보면 6년 넘게 함께 한 시간은 정말 값진 여정이었습니다.
 
저는 이렇게 트위니에서의 여정을 끝내지만 앞으로 트위니가 더욱더 성장하리라는 것을 믿어 의심치 않습니다.
 

2. 마지막 6개월

트위니를 떠나기 전 마지막 6개월이라는 시간 동안 생각보다 값진 경험을 많이 했더라고요.
간단하게 정리해봤습니다.

2.1. AI 도구를 이용한 생산성 향상시키기

오더피킹솔루션 개발의 리드를 맡게 되면서부터 조직의 생산성을 향상시킬 수 있는 방법을 고민했습니다.
업무 프로세스, 개발 방법론, 운영 방식 등을 어떻게 개선해야 하나 고민하던 중 AI 도구가 눈에 들어왔습니다.
 
그런 취지에서 다양한 AI 도구들을 사용해 보면서 경험들을 공유했습니다.

• [2025년 AI 툴 추천] 업무 효율 올릴 수 있었던 3가지 AI 툴 리뷰
• [Amazon Q Developer 리뷰] 4시간 만에 AWS 서비스 모니터링 뚝딱 도구 만들기

그리고 대표님과의 퇴사 전 마지막 미팅에서 AI 도구를 활용한 생산성 향상 세미나를 진행해 달라는 요청을 받았습니다.
기획실 실장님과 팀원분과 함께 세미나를 준비해서 저의 마지막 출근을 장식할 수 있었습니다.

2.2. Business Intelligence(BI) 기획

오더피킹솔루션을 사용하시는 고객분들은 더 자세한 통계를 원하셨습니다.
 
하지만 오더피킹솔루션의 서비스들은 OLTP(OnLine Transactional Processing)와 OLAP(OnLine Analytical Processing)이 분리되어 있지 않기 때문에 통계 기능은 DB에 큰 부하를 주게 됩니다.
 
이런 상황에서 BI를 도입하자는 말은 너무 멀게만 느껴지기 마련입니다.
현실적으로 실현 가능한 수준의 전략을 계획하기 위해서 단기, 중기, 장기 전략을 기획했습니다.
 
1. 단기 전략: 스태틱 페이지를 통한 정적 통계 제공
2. 중기 전략: OpenSearch를 활용한 로그 기반 통계 제공
3. 장기 전략: AWS의 Data Lake 서비스를 이용한 BI 제공
 
아쉽게도 우선순위 높은 프로젝트가 생겨서 실행하지는 못했지만 기획 단계에서도 많은 것들을 배울 수 있었습니다.
 

2.3. MAPF 알고리즘 성능 재검토

TF를 구성해서 트위니 MAPF 알고리즘의 성능을 재검토한 결과,
파라미터를 조정할 시 최대 300대까지 관제 가능하다는 것을 알아낼 수 있었습니다.
 
기존에는 최대 100대까지 관제 가능한 것으로 알고 있었기에 괄목할만한 발견이었습니다.
TF를 통해서 가능성을 던져준 천홍석 대표님과 실제로 파라미터를 조정하면서 실험을 수행해 준 준혁님의 기여가 핵심이었다고 생각합니다.
 

2.4. RAG를 이용한 이슈 대응 개선

작년부터 제안되었던 생성형 AI를 이용한 이슈 대응 자동화 프로젝트의 첫 삽이 내려졌습니다.
 
준혁님이 1차적으로 RAG 시스템을 만들어주셨고 가능성을 확인할 수 있었습니다.
 
데이터 보안과 비용 문제를 해결하기 위해서 RAG 시스템을 사내 서버에 직접 호스팅하기로 결정했고
이 과정에서 파라미터 조정 및 vllm 프레임워크 전환 작업을 수행하여 나름 만족스러운 결과를 낼 수 있었습니다.

• 상용 서비스와 비교하면 턱없이 부족하지만...!

RAG라고 해서 생성형 AI가 중요하다고 생각하실 수도 있지만 저는 쿼리 튜닝과 문서 임베딩 쪽에 더 시선이 가더라고요.
나중에 조금 더 공부하여 정리하도록 하겠습니다.
 

2.5. 레거시 청산

다중로봇관제서버인 TARP와 비즈니스 레이어를 담당하는 TARAS는 구버전인 레거시가 존재했습니다.
 
시간이 지날수록 레거시를 유지보수 할 수 있는 인원도 줄어들고,
사용량에 비해 많은 서버 비용을 지불하는 것이 큰 부담으로 다가왔는데요.
 
이번 7월을 마지막으로 레거시를 사용하고 있는 고객분들을 이전하여, 레거시 서비스들을 모두 종료시킬 수 있었습니다.
수년 동안 기다려왔던 일이 제가 트위니를 떠나기 전에 완료되어서 정말 감개무량했습니다 ㅜㅠ
 

3. 다시 한번 인사드리며

이렇게 보니 마지막 6개월을 정말 알차게 보냈네요.
 
트위니에서의 시간은 제 경력뿐만 아니라 인간적인 면도 많은 성장이 있었습니다.
앞으로도 트위니의 성장을 응원하며, 저 또한 최선을 다하겠습니다.
 
사랑하는 J둥이 그리고 빈이와의 충만한 삶을 그려나가겠습니다.