Applied AI Engineer — 사람이 검증할 수 있는 AI 시스템

LLM을 실제 업무에 붙이고, 틀린 출력이 실행되기 전에 잡아냅니다. 직접 만들고, 현업에 적용하고, 검증까지 설계합니다.

Search-Pro GitHub · GitHub · Email

Backend Engineer @한국리서치 · HCI Korea 2026 논문 · Text-to-SQL 실무 적용 · 에이전트 평가·회귀 테스트

</aside>

노시언 얼굴 최종5.png

황준수

안녕하세요. 백엔드에서 출발해 AI 시스템을 직접 만들어 실무에 적용해온 황준수입니다. 사내 AI 콘테스트에서 조장·단독 개발자로 실무자 팀과 함께 Text-to-SQL 시스템(Search-Pro)을 만들어 실제 업무에 적용했고, HCI Korea 2026에 Explainable AI 논문(STAR-Coach)을 게재했습니다. LLM/Agent의 출력을 사람이 검증하고 신뢰할 수 있게 만드는 시스템 설계가 제 강점입니다.

연락처

GitHub : https://github.com/dingmon1019

Email : [email protected]

Phone : private resume/PDF only

현재 포커스

LLM 기능의 현업 적용 (Text-to-SQL·Agent)

LLM·Agent 출력 평가와 회귀 테스트

Human-verifiable AI Systems

근거 있는 역량

백엔드 운영 2년 — C#/.NET · SQL Server · IIS

LLM 출력 검증 게이트 — Search-Pro (실무 적용)

에이전트 파이프라인 측정·테스트 — tuto (Python, 테스트 785개)

경력

숭실대학교 2018년 3월 입학 ~ 2024년 8월 졸업 (학사)

한국리서치 — Backend Engineer (2024.09 – 현재)

주 업무: 온라인패널조사부: ASP.NET Core / Web Forms 백엔드, IIS·Windows Server, SQL Server 운영
사내 AI 콘테스트 조장·단독 개발자 — 실무자 팀과 요구 정의, Search-Pro 개발 → 실무 적용 (우수상 수상)
LLM structured output → 서버측 SQL 렌더링 → read-only 검증 게이트 파이프라인 설계

STAR-Coach — Explainable AI Coaching 공동저자

설명 가능한 AI 기반 야구 스윙 코칭 시스템.pdf

⭐ Featured Projects

최근에 이룬 AI 활용 프로젝트 및 결과입니다.

<aside>

Search-Pro — Text-to-SQL Assistant

문제 데이터 조회마다 개발자에게 SQL 요청이 몰리는 병목 → 해결 LLM은 계획만 출력하고, SQL은 서버가 렌더링 + read-only 검증 게이트

https://youtu.be/aof-o8KrpYo?si=Ebj1ICBoPszxfPsA

결과 실무 적용 — 견적 업무 건당 40분 → 약 4분 (약 90% 절감, 연 490여 건) · 실패 유형 8종 회귀 관리 | 케이스 스터디 → · GitHub ↗ · Python Demo ↗

</aside>

<aside>

tuto — YouTube 튜토리얼 검증 문서화 플러그인

문제 중요한 값은 자막에 없고 화면에만 있다 → 해결 화면 프레임을 직접 판독해 모든 값에 프레임·타임스탬프를 붙이고, 병합·검문은 결정론 스크립트가 맡는다

결과 지식 171건 중 69건이 화면 픽셀 근거 · 근거 없는 항목 0% · 회귀 테스트 785개 · 아키텍처 6종 실측 비교로 $11.12 → $4.75(−57%), 화면 근거 설정값 12 → 40 · 같은 코드도 실행마다 $4.76–7.29 편차(원인은 README에 공개) | 케이스 스터디 → · GitHub ↗

</aside>

<aside>

STAR-Coach — Explainable AI Coaching

문제 자세 교정 AI가 결과만 주는 블랙박스 → 해결 최적화 교정을 추적해 부위·시점·강도 설명을 자동 생성

설명 가능한 AI 기반 야구 스윙 코칭 시스템.pdf

결과 HCI Korea 2026 게재(equal contribution) · 설명 레이어를 붙이고도 Penn Action [email protected] 92.4% 유지, 처리 시간 증가 없음 · 분석 파이프라인 재구현 ↗ | 케이스 스터디 →

</aside>

🛠 스킬

위 프로젝트들을 만든 기술 스택입니다. 상단 view에서 주제별 역량으로 분리해 볼 수 있고, 각 카드를 클릭하면 실무·프로젝트 근거가 나옵니다.

스킬

📁 프로젝트 아카이브

Featured 3개를 포함한 전체 프로젝트의 클릭형 케이스 스터디입니다. 상단 view에서 주제별 카드로 분리해 볼 수 있습니다.

프로젝트들