AI 요약
TOKIUM의 엔지니어링 매니저인 sk는 곧 시작될 1년간의 육아휴직 기간 동안 급격하게 변화하는 생성형 AI 기술 트렌드로부터 소외되지 않기 위해, 자율적으로 진화하는 정보 수집 및 리포팅 시스템을 개발했습니다. 이 시스템은 외부 웹 리소스(Zenn, Qiita, 기업 공식 테크 블로그 등)와 사내 멤버가 개발한 Slack CLI 도구를 통한 사내 슬랙 채널의 실시간 AI 활용 사례를 동시에 수집합니다. 수집된 정보는 일간, 주간, 월간 단위의 서로 다른 상세도를 가진 PDF 리포트로 자동 변환되어 Google Drive에 동기화됩니다. 특히 수동 튜닝 없이도 트렌드 변화에 대응하기 위해 SQLite DB를 연동하고, 리포트 생성 시 실제 LLM에 의해 채택되었는지 여부를 점수화하여 정보 소스를 '후보 발견-승격-강등'의 3단계로 관리합니다. 이를 통해 'Mastra'와 같은 신규 프레임워크는 신속하게 수집 대상에 포함하고 실효성이 떨어진 'Copilot' 같은 기존 키워드는 자동으로 제외하여 지속 가능한 지식 큐레이션 엔진을 구현했습니다.
핵심 인사이트
- 주요 도구 및 기술 스택:
Claude Code를 자율 에이전트 엔진으로 삼고, 로컬 SQLite 데이터베이스, 파일 동기화를 위한rclone, 그리고 사내 개발Slack CLI를 결합하여 시스템을 구축했습니다. - 자동 진화 실증 사례: 3주일간의 초기 운영 과정에서 사내 슬랙 분석으로 포착된 AI 에이전트 프레임워크 'Mastra'가 14일 이내에 검색 대상으로 자동 승격되었으며, 실질적 기여도가 낮았던 'Copilot'은 자동으로 강등 및 정지 처리되었습니다.
- 4대 수집 차원(Axes): 단순 '키워드' 검색의 한계를 극복하기 위해 '키워드', '웹 소스(도메인)', '사내 슬랙 채널', '추적 슬랙 사용자' 등 4가지 축을 독립적으로 자동 진화시켜 맥락 기반 정보까지 놓치지 않고 포착합니다.
- 자동 튜닝 알고리즘: 수집 소스의 승격과 강등 기준은 단순 노출 빈도가 아니라, "최종 리포트 생성 시 LLM이 해당 소스의 기사를 실제로 채택했는가(기여도)"를 DB에 기록 및 추적하여 평가합니다.
주요 디테일
- 3단계 리포트 아키텍처: 매일 무슨 일이 있었는지 요약하는 '일간', 트렌드를 짚어내는 '주간', 거시적 변화를 정리하는 '월간' PDF를 자동 생성하여 모바일 화면에서 한 손으로 쉽게 읽을 수 있도록 지원합니다.
- 키워드 검색의 한계 보완: AI 관련 직접 키워드가 없더라도 가치 있는 정보(예: AI 기반 개발 방법론에 대한 스피커덱 링크 등)를 수집하기 위해, AI 논의 빈도가 높은 사내 채널 자체를 샘플링하고 LLM이 콘텐츠 필터링을 수행하게 했습니다.
- 수집 대상 상한선 제어: 무한한 데이터 수집으로 인한 리소스 낭비를 막기 위해 각 수집 축의 대상 수에 명확한 상한선(Limit)을 설정하고, 점수가 낮은 항목부터 자동으로 밀려나는 큐(Queue) 구조를 취하고 있습니다.
- 스킬(Skill)과 셸 스크립트 분리: 자동화 파이프라인의 이중 구조화를 위해, 구체적인 작업 지침(DB 조회 SQL, rclone 타겟 등)을 마크다운 형태의
SKILL.md파일들로 작성하고claude -p를 실행하는 셸 스크립트(run_daily.sh)로 순차 및 병렬 제어를 처리합니다.
향후 전망
- 휴직자 및 현업 개발자의 지식 백업 모델: 장기 휴직이나 업무 몰입으로 인해 실시간 기술 팔로우업이 불가능한 개발자들에게 유지보수가 필요 없는 자율형 지식 백업 시스템의 표준 모델을 제시합니다.
- 에이전트 중심의 DevSecOps 대중화: Claude Code 같은 지능형 터미널 툴을 단순 코드 어시스턴트를 넘어, 로컬 인프라(DB, 파일 스토리지, 웹 검색 등)를 통합 관리하는 자율 운영 에이전트로 활용하는 사례가 대폭 늘어날 것입니다.