달력

112026  이전 다음

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
반응형

전체 참여기간: 2026년 7월 20일 ~ 2026년 10월 25일 (14주)

지난 7월부터 10월까지 14주 동안 「2026 오픈소스 AI·SW 활용 인재 양성 과정」의 풀스택 B 트랙에 참여했습니다. 육아휴직 기간에 다른 시험 준비와 대외 활동을 병행하며 참여했고, 최종 결과물로 기업의 ISO 규정과 업무 기록을 관리하고 AI 에이전트가 실무를 돕는 iso-agent를 개발했습니다. 이 글은 과정에 참여한 계기와 프로젝트를 진행하며 고민했던 점들을 정리한 기록입니다.

1. 계기

1.1. 기술사 취득 이후의 고민과 컨설팅 준비

작년에 정보관리기술사를 취득한 뒤로 앞으로 어떤 일을 하며 커리어를 이어갈지 계속 고민해 왔습니다. 공무원으로 정보보호 정책 업무를 했고, 이후 개발자로 이직해 미디어 서버와 대규모 실시간 서비스를 개발·운영해 왔는데, AI 기술이 빠르게 발전하는 상황에서 그동안 쌓은 개발 경험과 제도·관리체계 지식을 어떻게 묶어낼지가 주된 관심사였습니다.

올해 육아휴직을 하면서는 그동안 미뤄두었던 일들을 하나씩 실행에 옮겼습니다. 정보관리기술사 취득 후 예고했던 대로 ISO/IEC 27001(정보보호), 27701(개인정보), 42001(인공지능) 인증심사원 과정을 수료해 자격을 갖췄고, 중소기업 컨설팅의 기본기를 배우고 싶어 기술지도사 2차 시험을 준비해 응시했습니다. 정보시스템 감리 업무를 경험해 보려고 지원서를 내어 면접도 보고, 직업훈련교사 과정도 수료했습니다.

그중에서도 가장 비중 있게 살핀 분야는 ISO 경영시스템과 기업 컨설팅이었습니다. 지난 5월에는 ISO 14001 최초 2단계 심사를 참관했고, 8월에는 ISO/IEC 27001 현장심사에 참여해 기업의 AI 사용 현황과 위험평가 체계를 점검하고 개선권고를 작성했습니다. 심사에 참여해 보니 규정을 문서로 만들어 두는 것과 실제 현업에서 그 규정에 맞춰 업무를 수행하고 기록을 남기는 것 사이에 큰 간격이 있다는 점이 눈에 들어왔습니다.

심사를 마친 뒤에는 평소처럼 녹취와 메모를 AI에 넣어 정리하면서, 같은 심사를 피심사기업 담당자, 컨설턴트, 심사원, 그리고 관련 서비스를 기획하는 사람의 관점으로 나누어 다시 분석해 보았습니다. 컨설팅을 한 번 수행하고 끝내는 방식보다, 기업이 규정을 유지하고 기록을 남기는 일상 업무를 소프트웨어와 AI로 돕는 구독형 서비스가 가능할지 확인해 보고 싶었습니다. 동료 기술사님들과 함께 기업 현장의 반복 업무를 개선하는 ‘현장OS’ 사업을 구상하기 시작한 것도 이 무렵이었습니다.

1.2. 풀스택 B 과정을 선택한 이유

6월 21일 기술사회 공지를 통해 「2026 오픈소스 AI·SW 활용 인재 양성 과정」 모집 안내를 보았습니다. 풀스택 과정 2개와 특화형 과정 6개가 있었는데, 당시 기술지도사 시험이 임박해 있었고 아내와 시간을 나눠 아이를 돌봐야 했기 때문에 여러 교육을 동시에 들을 수는 없었습니다.

요즘은 생성형 AI와 코딩 도구가 워낙 잘 되어 있어서, 새로운 라이브러리를 설치하고 기능 데모를 만들어 보는 일은 혼자서도 어렵지 않게 할 수 있습니다. 실제로 저도 평소 공부 자료를 만들거나 프로토타입을 구현할 때 여러 AI 도구를 적극적으로 쓰고 있었습니다. 다만 혼자 작업할 때 가장 아쉬운 점은 내가 설계한 구조가 이 문제에 적합한지, 다른 대안과 비교했을 때 어떤 한계가 있는지 객관적으로 이야기 나눌 상대가 마땅치 않다는 것이었습니다.

과정 목록을 살피던 중 풀스택 B 트랙의 멘토가 김정석 멘토님이라는 것을 보았습니다. 예전에 오픈소스 컨트리뷰션 아카데미에 참여했을 때 멘토님께 지도를 받았던 좋은 기억이 있었습니다. 14주 동안 기획부터 오픈소스 결합, 평가, 배포까지 전 주기를 프로젝트 중심으로 진행한다는 점도 제가 원하던 방식과 맞았습니다.

지원서를 내면서 한 가지 마음에 걸렸던 것은 모집 안내의 지원 자격에 ‘관련 직무 근무 경험 3년 미만’이 적혀 있었다는 점입니다. 이미 현업 개발 경력이 있는 제가 지원하면 선발 우선순위에서 밀릴 수도 있겠다고 생각했습니다. 다만 모집 대상에 AI 분야로 직무를 확장하거나 오픈소스 AI 프로젝트를 통해 실무 인사이트를 얻고 싶은 개발자도 포함되어 있었기 때문에, 지원서에는 기존 경력을 나열하기보다 그동안 해 온 개발 경험과 앞으로 구상 중인 현장OS·컨설팅 주제를 어떻게 연결할 것인지 적었습니다.

기술지도사 2차 시험을 마친 직후인 7월 15일에 선발 안내를 받았고, 7월 20일 오리엔테이션을 시작으로 과정에 참여하게 됐습니다.

 

 

2. 초기 실습과 방향 전환 (2026. 7. 20. ~ 8월)

2.1. 2nd-brain-template과 ISO 표준 문서 정리

과정 초반에는 멘토님이 제공한 2nd-brain-template을 바탕으로 LLM Wiki와 지식그래프를 구축하는 실습을 진행했습니다. 원본 자료를 모아 두면 AI가 이를 읽고 주제별 위키 문서로 정리해 서로 연결하고, 그 위에서 질의응답을 수행하는 구조입니다.

저는 개인 메모나 대화 기록을 AI로 정리해 다시 찾아보는 작업은 평소에도 해 오고 있었기 때문에, 이번 실습에서는 처음부터 조직 단위의 기준 문서를 다뤄 보고 싶었습니다. 그래서 제가 가지고 있던 ISO·IEC·KS 표준 문서 37종(ISO 9001, 14001, 27001, 27701, 42001 등 약 2,300페이지 분량)을 실습 저장소에 넣어 지식베이스를 구축해 보았습니다.

직접 표준 문서를 넣어 보니 일반적인 글을 요약할 때와는 다른 문제들이 바로 나타났습니다. 첫째는 원문 추출의 정확성이었습니다. PDF 파일에서 텍스트를 그대로 뽑거나 일반 OCR 도구를 쓰니 부속서의 표 열이 한 줄로 합쳐져 문장이 잘리거나, 머리말에 적힌 개정 연도를 표준 판본 번호로 잘못 읽어 문서 전체의 식별자가 틀어지는 일이 생겼습니다. 표준이나 규정에서는 조항 번호와 문구 하나가 중요하기 때문에, 결국 모든 페이지를 이미지로 변환한 뒤 시각 모델로 직접 전사하고 원본과 대조하는 방식으로 절차를 바꾸었습니다.

둘째는 표준 간의 구조 비교와 규칙 검증이었습니다. 여러 경영시스템 표준이 공유하는 상위 구조(HLS)와 최근 개정된 구조(HS) 사이의 조항 이동이나 의무 수준(‘~해야 한다’와 ‘~할 수 있다’)을 비교하려고 오픈소스 규칙 추론 도구를 연결해 보았습니다. 이때 AI가 자연어 설명을 바탕으로 추론 규칙을 자동 생성하게 했더니, ‘이거나(OR)’ 조건을 ‘이고(AND)’로 잘못 만들어 결과가 하나도 나오지 않거나 본문에 없는 권고 사항을 만들어내는 경우가 있었습니다. 결국 핵심 규칙은 직접 작성하고 작은 테스트 데이터로 먼저 확인한 뒤 전체 문서에 적용했습니다.

이 실습을 통해 기업 규정이나 표준처럼 정확성이 중요한 자료를 다룰 때는 AI가 요약한 텍스트에만 의존할 수 없고, 원문을 정확히 보존하면서 규칙을 별도로 검증하는 구조가 필요하다는 점을 확인했습니다.

2.2. 2주차 드론 지식 플랫폼 데모와 멘토링

과정 2주차인 7월 30일 온라인 미팅에서는 김명진 멘티가 드론 분야의 AI 지식 플랫폼(2nd-brain-ai-system, drone-wiki-web)을 발표하고 시연했습니다. 매일 새벽 해외 논문과 영상, 뉴스를 수집해 한국어로 요약·정리하고, 위키를 갱신한 뒤 아침에 텔레그램으로 알림을 보내고 웹 화면에서 검색과 질의응답을 제공하는 서비스였습니다.

이 데모는 제 프로젝트의 형태를 구체화하는 데 큰 참고가 됐습니다. 자료를 한 번 넣어 결과를 확인하는 실습에 그치지 않고, 새로운 외부 정보가 계속 들어오고 사용자가 웹 화면에서 이를 탐색해 활용하는 전체 흐름이 잘 갖추어져 있었기 때문입니다.

같은 날 멘토링에서는 데모에 포함된 지식그래프를 두고 좋은 논의가 오갔습니다. 제 실습에서도 문서들이 연결된 그래프는 만들어졌지만, 정작 제가 기대했던 문서 내부의 사람, 업무, 조항 사이의 구체적인 관계는 충분히 드러나지 않아 아쉬움이 있었습니다. 김정석 멘토님은 문서 간 링크를 보여주는 그래프와 개념 및 업무 관계를 정의하는 온톨로지 기반 지식그래프의 차이를 짚어 주셨습니다. 그래프를 화면에 보기 좋게 띄우는 것이 목적인지, 그 관계를 바탕으로 질문에 답하고 판단을 내리는 것이 목적인지부터 구분해야 한다는 조언이었습니다.

2.3. 코딩 에이전트 활용과 설계자의 역할

육아휴직 중이던 저는 아내와 교대로 아이를 돌보며, 낮에는 아이가 낮잠을 자는 15~30분 남짓한 시간과 밤 시간을 이용해 작업했습니다. 작업 시간이 잘게 나뉘는 환경에서 Codex나 Claude 같은 AI 코딩 도구는 큰 도움이 됐습니다. 해야 할 작업을 정리해 맡겨 두면 구현 자체는 빠르게 진행됐기 때문입니다.

하지만 2주차 멘토링에서 저는 *"별다른 고민 없이 Codex가 다 해줘서, 정작 제가 반드시 짚고 넘어가야 하는 개념이 무엇인지 잘 모르겠다"*는 질문을 남겼습니다.

코드를 직접 한 줄씩 작성할 때는 도메인 구조나 개념을 이해하지 못하면 구현이 멈춥니다. 반대로 코딩 에이전트를 사용하면 내가 아직 구체적으로 정의하지 않은 부분까지 도구가 적당히 가정해서 결과물을 만들어 줍니다. 결과가 기대와 비슷할 때는 빠르게 넘어갈 수 있지만, 지식그래프 실습처럼 내가 원하는 깊이의 결과가 나오지 않을 때는 프롬프트를 몇 줄 고치는 것만으로 해결되지 않았습니다.

결국 도구가 구현 시간을 줄여준 만큼, 저는 무엇을 개체로 삼고 어떤 관계를 정의할 것인지, 어디까지를 위키 문서로 두고 어디부터를 데이터베이스와 규칙 엔진으로 다룰 것인지 직접 판단하고 기준을 세우는 데 시간을 써야 했습니다. 멘토님도 여러 방식을 직접 시험해 보고 정량적·정성적으로 평가해 선택해 보라고 조언해 주셨습니다. 이후로는 구현을 맡기기 전에 업무 시나리오와 데이터 구조, 검증 기준을 먼저 문서로 명확히 정의하는 방식으로 작업 습관을 잡았습니다.

 

3. 현장과 업무의 관점으로 문제 정의하기

3.1. 철물점 인터뷰에서 꺼내지 못한 MVP

8월 29일에는 ‘현장OS’ 구상을 구체화하기 위해 함께 사업을 논의하던 기술사님의 부모님이 운영하시는 철물점에 방문했습니다. 방문 전에 예상되는 업무 문제를 정리하고 현장에서 보여드릴 간단한 MVP 화면도 미리 만들어 갔습니다.

그런데 막상 현장에서 인터뷰를 진행하면서는 준비해 간 MVP를 꺼내지 않았습니다. 현장에서 실제로 중요하게 돌아가는 일과 제가 책상 앞에서 예상했던 문제가 달랐기 때문입니다. 손님이 설명하는 물건을 알아듣고 찾거나 교환을 처리할 때, 사장님은 수기 노트와 기존 프로그램, 그리고 오랜 기억을 상황에 맞게 오가며 빠르게 일을 처리하고 계셨습니다. 현장의 일하는 방식을 충분히 이해하지 못한 채 전체 시스템을 새로 쓰게 만드는 방식은 현장에 맞지 않는다는 생각이 들었습니다. 인터뷰를 마친 뒤에는 전체 ERP를 새로 만드는 대신 기존 업무 흐름에서 실제 병목이 되는 단계만 짚어 개선하는 쪽으로 방향을 정리했습니다.

3.2. 문서 요약을 넘어 업무 흐름으로

철물점 인터뷰와 그달 참여했던 ISO/IEC 27001 현장심사 경험은 과정 프로젝트의 주제를 확정하는 데 직접적인 영향을 주었습니다.

처음에는 기업의 규정을 LLM Wiki로 잘 정리해 두면 직원들이 편하게 찾아볼 수 있을 것이라 생각했습니다. 하지만 실제 회사 업무와 인증심사를 떠올려 보면 문서를 찾는 것은 시작일 뿐이었습니다. 예를 들어 직원이 ‘AI 시스템 영향평가’를 수행해야 한다면 관련 절차서를 읽는 것에서 끝나지 않습니다. 어떤 양식을 써야 하는지 알아야 하고, 초안을 작성한 뒤에는 규정에 정해진 검토자와 승인자의 결재를 받아야 하며, 필요한 부서에 회람해 수령을 확인해야 합니다. 나중에 규정이 개정되거나 기록이 수정되더라도 과거 심사 시점에 어떤 버전의 규정과 기록을 근거로 승인했는지 이력이 남아 있어야 합니다.

개인 지식관리에서는 지난번에 메모한 내용을 잘 찾아주면 충분하지만, 조직의 업무 시스템에서는 현재 시행 중인 기준이 무엇인지, 누가 어떤 권한으로 승인했는지, 그 판단의 근거 조항이 무엇인지를 관리해야 했습니다.

그래서 프로젝트의 주제를 ISO/IEC 42001(인공지능경영시스템, AIMS) 운영을 지원하는 iso-agent로 정했습니다. 중심에는 규정과 기록의 상태를 관리하는 업무 시스템(ERP)을 두고, 그 위에 문서·역할·권한의 관계를 계산하는 온톨로지 엔진과 초안 작성·외부 조사를 돕는 AI 에이전트를 결합하기로 했습니다. 제가 심사원 교육과 실무에서 익힌 관리체계 지식을 실제 작동하는 서비스로 옮겨 검증해 보기에 가장 적합한 주제였습니다.

 

4. iso-agent 설계와 구현

4.1. 가상 기업 ‘에이아이듀’와 역할 구조 설계

업무 흐름을 제대로 구현하려면 장난감 예시가 아니라 구체적인 회사와 사업 맥락이 필요했습니다. 과학기술정보통신부의 「2026 인공지능 영향평가 가이드라인」에 수록된 사례를 참고해, 대학과 LMS 사업자에게 AI 기반 학생 답안 평가 서비스 ‘Edu Score’를 제공하는 15명 규모의 스타트업 **‘에이아이듀 주식회사’**를 설정했습니다. 학생 평가 서비스는 평가 편향, 결과의 설명 가능성, 학생 개인정보 보호, 모델 변경에 따른 영향평가 등 AIMS에서 다루는 주요 주제를 자연스럽게 포함하고 있었습니다.

조직을 설계하면서 특히 신경 쓴 부분은 직책과 기능상 역할의 분리였습니다. 15명 규모의 작은 회사에서는 한 사람이 여러 역할을 겸임합니다. 예를 들어 CTO가 개발 총괄이면서 AIMS 책임자와 팀장을 함께 맡고, 보안 담당 직원이 개인정보보호와 AI 시스템 영향평가 실무를 함께 맡는 식입니다. 반면 내부심사나 독립 검증처럼 업무 수행자가 스스로를 심사할 수 없는 역할도 있습니다.

직책 하나만으로 권한을 처리하면 이런 겸직과 직무분리 조건을 표현하기 어려웠습니다. 그래서 대표부터 개발자, 운영·보안 인력까지 15명의 직원 페르소나를 만들고, 20개의 기능 역할을 정의한 뒤 총 44건의 역할을 배정하는 구조로 조직을 설계했습니다.

4.2. 규정과 양식 84종을 만들며 겪은 문서 정합성 문제

조직 설정을 마친 뒤에는 ChatGPT, Claude, Gemini를 활용해 에이아이듀의 규정과 양식을 작성했습니다. 회사가 지킬 원칙을 담은 매뉴얼 8종, 업무 순서와 책임을 정한 절차서 14종, 세부 수행 방법을 적은 지침서 2종, 그리고 업무 결과를 기록하는 양식 60종으로 총 84종의 문서 체계를 구성했습니다.

생성형 AI를 활용하니 문서 초안 자체는 빠르게 만들 수 있었습니다. 하지만 그 문서들을 실제 시스템의 입력으로 넣으려 하자 여러 문제가 드러났습니다. 각 문서를 따로 읽을 때는 자연스러웠는데, 매뉴얼·절차서·지침서·양식을 하나로 연결해 보니 문서마다 같은 담당자를 다른 이름으로 부르거나, 절차서에서 작성하라고 한 기록에 대응하는 양식이 빠져 있는 경우가 적지 않았습니다.

가장 많이 손본 부분은 권한과 관련된 문구였습니다. 규정 문서에 흔히 쓰이는 ‘책임자의 승인을 받는다’는 문장은 사람이 읽을 때는 문맥에 따라 넘어갈 수 있지만, 시스템으로 구현하려면 그 책임자가 부서 팀장인지, AIMS 책임자인지, 기술책임자인지 명확해야 합니다. 사안의 중요도나 조건에 따라 승인자가 달라진다면 그 조건도 조항에 적혀 있어야 합니다.

결국 화면과 권한 기능을 구현하는 도중에 다시 규정 원문으로 돌아가 용어를 맞추고 승인 조건을 구체적으로 고쳐 쓰는 작업을 반복했습니다. 이 과정을 겪으며 기업에 AI나 업무 시스템을 도입할 때 가장 먼저 해야 할 일은 기술 적용이 아니라 회사의 규정과 업무 기준을 일관되게 정리하는 것이라는 점을 체감했습니다. 앞으로 컨설팅을 할 때도 왜 문서 표준화와 시스템 설계를 함께 봐야 하는지 잘 보여준 경험이었습니다.

 

4.3. 규칙 추론 엔진과 생성형 AI의 역할 분담

초기 버전에서는 문서와 기록을 한꺼번에 불러와 조회하는 단순한 구조를 생각했지만, 실제 업무 흐름을 반영하기 위해 시스템을 전면 재설계했습니다. 직원이 규정과 양식을 찾아 기록을 등록하면 초안 → 검토 → 승인 → 회람 및 수령 확인의 단계를 거치도록 하고, 규정을 개정할 때도 작업 중인 개정안과 현재 시행 중인 버전을 분리해 관리하도록 만들었습니다.

여기서 가장 중요하게 결정한 것은 규칙 추론 엔진과 생성형 AI의 역할 분담이었습니다.

  • 온톨로지 기반 규칙 추론 (PyreWire): 매뉴얼·절차서·지침서의 상하위 위계와 조항 근거, 그리고 직원의 역할·기록 유형·업무 범위·현재 상태에 따른 작성·검토·승인 권한 계산은 오픈소스 Datalog 추론 엔진인 PyreWire가 담당하도록 했습니다. 시스템 관리자와 업무 승인자의 권한도 엄격히 나눴습니다. 화면에서 직원을 바꿔가며 로그인해 보면 현재 직원이 누를 수 있는 버튼만 활성화되고, 왜 그 권한이 있는지 관련 규정 조항과 역할 배정 근거를 함께 보여줍니다.
  • 생성형 AI의 업무 보조 (OpenAI API): 사용자가 규정에 대해 질문했을 때 관련 조항과 기록을 찾아 설명해 주는 Q&A 기능이나, 규정과 양식에 맞춰 AI 시스템 영향평가서 초안을 작성해 주는 기능은 LLM이 맡도록 했습니다. 대신 LLM이 임의로 문서의 승인 상태를 바꾸거나 권한을 판단하지는 못하도록 경계를 나눴습니다.

이렇게 역할을 나누니 설명이나 초안 작성에서는 생성형 AI의 장점을 살리면서도, 기업 업무에서 절대 틀리면 안 되는 권한 판단과 버전·이력 관리는 일관된 규칙으로 통제할 수 있었습니다.

4.4. 외부 조사 에이전트(Dots) 연결과 업무 흐름 검증

내부 문서와 기록 관리 흐름을 만든 뒤에는, 2주차 드론 데모에서 인상 깊게 보았던 정기적인 외부 정보 수집을 ISO 업무에 맞게 연결했습니다. 경영시스템을 운영하다 보면 관련 법규나 정부 가이드라인의 개정, 새로운 기술 이슈 등을 조사해 내부 기록과 리스크 평가에 반영해야 합니다. 60종의 양식을 하나씩 분류해 보니 외부 조사가 중심이 되는 양식이 14종, 항목별로 외부 참고자료가 필요한 양식이 44종이었습니다.

이 작업을 지원하기 위해 외부 조사 에이전트인 Dots를 표준 연결 규격인 MCP(Model Context Protocol)로 ERP와 연결했습니다. 설계할 때 중요하게 본 것은 일정과 작업 상태의 주도권을 누가 갖는가였습니다. 에이전트가 자체적으로 일정을 돌리는 대신, 회사 ERP에서 조사 범위와 담당자, 대상 양식, 주기를 설정해 작업을 관리하고 회사 공통 계정으로 연결된 에이전트가 이를 수행하도록 구성했습니다. 담당자가 바뀌더라도 회사의 조사 일정과 이력이 그대로 유지되어야 했기 때문입니다.

조사 시점이 되면 에이전트는 MCP 도구를 통해 우리 회사의 소개서와 관련 규정, 작성해야 할 양식을 먼저 읽어 맥락을 파악한 뒤 외부 정보를 조사해 출처와 기록 초안을 제출합니다. 그리고 제출된 초안이 곧바로 공식 기록이 되는 것이 아니라, 담당자가 내용을 검토·보완해 등록하고 기존의 검토·승인 절차를 거치도록 연결했습니다.

구현을 마친 뒤에는 미리 작성해 둔 74건의 업무 기록을 사용해 로컬 환경과 원격 배포 환경(Cloudflare Workers·Containers·D1·R2)에서 전체 업무 흐름을 검증했습니다. 15명의 직원을 전환하며 작성자, 검토자, 승인자, 회람 대상자의 입장에서 기록이 끝까지 흘러가는지 확인했고, 시험이 끝난 뒤에는 규정과 직원의 역할 배정 근거는 그대로 보존하면서 시험 중 생성된 업무 데이터만 안전하게 초기화하는 절차까지 점검했습니다.

 

5. 성과발표와 과정을 마치며

5.1. 성과발표 (2026. 10. 25.)

10월 25일에는 14주간의 작업을 정리해 성과발표를 진행했습니다. 발표자료는 총 24장으로 구성했고, 사용한 기술 스택을 나열하기보다 왜 인공지능경영시스템(ISO/IEC 42001) 운영에 이런 구조가 필요했는지를 순서대로 설명하는 데 집중했습니다.

가상 기업 에이아이듀와 15명의 역할 설정, 84종의 규정·양식을 다듬은 전처리 과정부터 시작해, 왜 단순 위키만으로는 승인 흐름을 다루기 어려웠는지, 온톨로지 규칙 추론과 생성형 AI·외부 조사 에이전트의 역할을 어떻게 나누었는지를 원격 데모 화면과 함께 소개했습니다. 처음 템플릿 실습에서 던졌던 질문들이 14주 동안 어떻게 하나의 서비스로 이어졌는지 돌아볼 수 있는 자리였습니다.

iso-agent-fullstack-b-윤승용.pdf
2.55MB

 

5.2. 앞으로

처음 과정을 시작할 때만 해도 육아와 여러 시험 준비 속에서 14주 과정을 무사히 마칠 수 있을지 걱정이 앞섰습니다. 막상 완주하고 나니 새로운 오픈소스 AI 기술과 에이전트 연동을 익힌 것 이상으로, 제가 가진 개발 경험과 정보보호·ISO 관리체계 지식을 어떻게 하나의 서비스로 엮어낼 수 있는지 직접 확인했다는 점이 가장 큰 수확입니다.

특히 규정을 작성하고 다듬는 일이 곧 시스템의 데이터 구조와 권한 규칙을 설계하는 일과 맞닿아 있다는 점을 확인하면서, 앞으로 구상하는 컨설팅과 서비스 개발의 방향도 한결 또렷해졌습니다.

앞으로는 이번에 만든 구조를 바탕으로 실제 기업 현장에 적용할 수 있는 방향을 더 구체화해 보려고 합니다. 기업들이 기존에 쓰고 있는 Confluence나 Notion의 문서들을 어떻게 연결할지, 일정이나 코드·모델 변경 시점에 맞춰 필요한 평가 초안과 검토 요청을 어떻게 자동화할지 계속 살펴볼 생각입니다. 무엇보다 실제 기업들이 규정 작성, 일상 기록 관리, 외부 법규 조사, 심사 대응 중 어느 단계에서 가장 큰 부담을 느끼는지 현장의 목소리를 더 들어보려 합니다.

14주 동안 방향을 잡아주신 김정석 멘토님, 문형권 멘토님, 그리고 좋은 자극을 주신 풀스택 B 과정 멘티분들과 운영진분들께 감사드립니다. 긴 후기 읽어주셔서 감사합니다.

 

 

반응형
Posted by Taekhan
|