당근마켓

RSS

게시글: 210
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
모두가 데이터를 다루는 AI 시대, 지난 1년간 데이터 팀은 어떻게 달라졌을까?
본 글은 AI 시대에 데이터 팀이 어떻게 변화하고 있는지 당근 데이터가치화팀의 경험을 바탕으로 공유합니다. AI는 더 이상 데이터 조직 바깥의 일이 아니며, 팀 전체가 AI 활용 워크샵을 통해 업무 방식의 변화를 모색했습니다. AI는 SQL 초안 작성, Claude Code를 활용한 서버 개발, BigQuery API 연동 등 반복적이고 기계적인 데이터 업무를 효율화하는 데 기여하고 있습니다. 또한, 데이터 품질 이슈 발생 시 영향 범위 파악 및 파이프라인 실패 원인 분석에도 AI가 활용되어 업무 속도를 높이고 있습니다. 이러한 변화는 데이터 업무 방식뿐만 아니라 플랫폼의 형태와 조직의 역할까지 재정의하고 있음을 시사합니다.
AI데이터 팀데이터 조직
당근마켓·2026년 4월 23일
AI
2조 토큰을 카테고리 분류에 쓰면서 알게된 것들
당근 Taxonomy 팀은 서비스 내 게시글을 자동으로 분류하기 위해 LLM을 활용하는 프로덕션 파이프라인을 구축했습니다. 이 글에서는 택소노미(Taxonomy)의 개념과 중요성을 설명하고, LLM을 카테고리 분류에 적용하면서 겪었던 성능, 비용, 운영 측면에서의 고민과 해결 과정을 공유합니다. 특히 2조 토큰 규모의 데이터를 처리하며 분류 품질을 높이기 위한 다양한 시도와 노하우를 다룹니다. 이를 통해 LLM 기반의 자동 분류 시스템을 실제 서비스에 성공적으로 적용한 사례를 보여줍니다.
LLM카테고리 분류Taxonomy
당근마켓·2026년 2월 27일
AI
Karrot’s GenAI Platform
본 글은 Karrot에서 대규모 언어 모델(LLM)을 활용한 생성형 AI(GenAI) 플랫폼 구축 및 확산 과정을 공유합니다. 2024년 초 LLM 도입을 시작한 이후, Karrot은 1년 반 만에 수백 가지의 GenAI 활용 사례를 제품 및 데이터 파이프라인 전반으로 확장했습니다. 이 과정에서 겪었던 확장성 문제와 이를 해결하기 위해 구축한 세 가지 핵심 플랫폼(LLM Router, Prompt Studio, KarrotChat)을 소개합니다. 각 플랫폼은 고유한 문제를 해결하도록 발전했으며, 이를 통해 Karrot은 사용자 경험 개선과 내부 데이터 처리 효율화를 동시에 달성했습니다. 이 글은 GenAI 도입을 확장하려는 다른 조직들에게 유용한 참고 자료가 될 것입니다.
GenAILLMKarrot
당근마켓·2025년 12월 22일
AI
당근의 GenAI 플랫폼
당근은 'AI 활용에 가장 앞선 당근'이라는 비전 아래 GenAI 플랫폼을 구축하여 다양한 제품 팀의 AI 활용을 지원하고 있습니다. 초기 LLM 도입 시에는 각 팀이 개별적으로 계정을 생성하고 API 키를 관리하는 데 어려움이 있었으나, 이를 해결하기 위해 LLM Router, Prompt Studio, KarrotChat 등의 플랫폼을 개발했습니다. LLM Router는 여러 AI 모델 제공사의 계정 및 API 키 관리를 중앙 집중화하여 효율성을 높였으며, Prompt Studio는 프롬프트 엔지니어링을 지원하고, KarrotChat은 챗봇 개발을 돕는 역할을 합니다. 이러한 플랫폼들은 당근 내 GenAI 활용 사례를 수백 가지로 다양화하고, AI 모델의 발전에 발맞춰 지속적으로 발전하고 있습니다. 이 글은 당근의 GenAI 플랫폼 구축 경험을 공유하여 유사한 고민을 가진 개발자들에게 시행착오를 줄일 수 있는 인사이트를 제공하고자 합니다.
GenAILLM플랫폼
당근마켓·2025년 12월 19일
AI
The Journey to Daangn Pay’s AI-Powered FDS: From Building a Rule Engine to Applying LLMs
당근페이의 이상 거래 탐지 시스템(FDS) 구축 여정을 공유하는 기술 블로그입니다. 초기에는 규칙 기반 엔진을 사용하여 사기 거래를 탐지했지만, 점차 머신러닝 모델을 도입하며 고도화했습니다. 특히, 최근에는 LLM(거대 언어 모델)을 활용하여 FDS의 성능을 향상시키려는 시도를 하고 있습니다. 이 글은 규칙 엔진 구축부터 LLM 적용까지, 당근페이 FDS의 발전 과정을 상세히 설명하며, 금융 시스템의 안전성과 비즈니스 성장을 동시에 고려하는 팀의 노력을 보여줍니다.
FDSLLM금융
당근마켓·2025년 11월 27일
AI
당근만의 AI 경험을 나눔해요 『요즘 당근 AI 개발』 출간
이 글은 당근마켓의 AI 기술 개발 경험을 담은 『요즘 당근 AI 개발』이라는 책의 출간 소식을 알리고 있습니다. 당근은 'AI로 과연 될까?'라는 의문에서 시작하여 'AI로 어떻게 하면 될까?'라는 질문을 거치며 AI 기술을 서비스에 성공적으로 적용해왔습니다. 이 책은 당근이 AI 기술을 통해 사용자 경험을 혁신하고 비즈니스 성장을 이룬 구체적인 사례와 노하우를 공유하며, AI 기술 도입을 고민하는 개발자 및 기업들에게 실질적인 인사이트를 제공합니다. 당근의 AI 여정을 통해 얻은 경험과 지식을 나누며 AI 기술의 현재와 미래에 대한 논의를 확장하고자 합니다.
AI당근LLM
당근마켓·2025년 9월 22일
AI
연간 LLM 호출 비용 25% 절감, 인턴이 도전한 시맨틱 캐싱 도입 기록
당근 채팅팀 인턴이 LLM 호출 비용을 연간 25% 절감한 시맨틱 캐싱 도입 경험을 공유하는 글입니다. AI 메시지 추천 기능에서 발생하는 높은 LLM 비용 문제를 해결하기 위해, 기존 캐싱 방식과 달리 문장 간 의미 유사도를 활용하는 시맨틱 캐싱 기법을 프로덕션 환경에 적용했습니다. 이 과정에서 임베딩, 벡터 검색, DBSCAN 등의 기술을 활용했으며, 인턴으로서 주도적으로 문제를 발견하고 해결책을 제시하여 기술적, 개인적으로 큰 성장을 이룬 경험을 담고 있습니다.
LLM시맨틱 캐싱비용 절감
당근마켓·2025년 7월 3일
AI
정답 없는 AI 시대, 당근이 새로운 경험을 만드는 방식
당근마켓은 빠르게 진화하는 AI 시대에 예측 불가능한 사용자 반응 속에서 새로운 경험을 만들기 위해 'AI Show & Tell'을 통해 팀별 AI 실험을 공유하고, 사용자 경험 중심으로 빠르게 실험하고 개선하는 방식을 채택하고 있습니다. 특히 '물품이 보낸 편지' 프로젝트는 LLM을 활용하여 사용자의 호기심과 감성을 자극하는 편지 형태의 거래 후기 작성을 유도하는 실험을 진행했습니다. 이처럼 당근마켓은 AI 기술을 활용하여 사용자에게 자연스러운 경험을 제공하고 이웃 간의 연결을 증진시키기 위한 다양한 도전을 이어가고 있습니다.
AI생성형 AILLM
당근마켓·2025년 6월 12일
AI
검색어에 숨겨진 의도를 더 정확하게, 검색을 바꾸는 AI 실험들
당근은 검색 경험을 혁신하기 위해 AI 기술을 적극적으로 활용하고 있습니다. 기존의 키워드 기반 검색 방식을 넘어, 사용자의 숨겨진 의도를 파악하여 검색어 자체가 서비스가 되는 시스템을 구축하는 것을 목표로 합니다. 이를 위해 LLM을 검색 파이프라인에 통합하는 실험을 진행하며, 검색 결과의 정확성과 사용자 경험을 향상시키고자 합니다. 대화형 검색, 요약형 응답, 멀티모달 검색 등 다양한 AI 기반 검색 인터페이스가 실험되고 있으며, 당근은 이러한 변화의 최전선에서 작고 빠른 실행을 통해 검색의 미래를 만들어가고 있습니다. 본 글은 이러한 AI 실험의 초기 단계를 소개하며, 검색 시스템에 LLM을 적용했을 때 발생하는 변화 가능성을 탐구합니다.
LLM검색AI 실험
당근마켓·2025년 5월 29일
AI
루틴 속 익숙해진 불편함, AI로 새롭게 해결하기까지
당근의 아이덴티티 서비스팀은 AI Show & Tell 행사를 통해 일상 업무의 불편함을 AI로 해결하는 과정을 공유했습니다. 플랫폼 조직의 특성상 AI 적용 아이디어를 찾기 어려웠지만, 팀원들은 4일간의 해커톤을 통해 실제 업무 문제를 AI로 해결하는 데 집중했습니다. 그 결과, 반복적인 루틴 간소화, 인수인계 병목 현상 해소, 복잡한 기술 이슈 직관적 처리 등 다양한 성과를 거두었습니다. 특히 PM Audrey는 매일 아침 진행하던 지표 확인 루틴을 30분에서 3분으로 단축시키는 슬랙봇 '당근 지표 리포터'를 n8n과 GPT-4o를 활용하여 개발했습니다. 이 사례는 AI를 활용하여 업무 방식을 혁신하고 생산성을 높일 수 있음을 보여줍니다.
AI생성형 AILLM
당근마켓·2025년 5월 19일
AI
지금의 방식이 최선일까? AI로 임팩트를 바꾸는 당근 운영실
당근 운영실은 'AI Show & Tell'이라는 사내 세션을 통해 각 팀의 AI 실험 결과를 공유하고, AI를 업무에 적용하는 과정에서의 시행착오와 인사이트를 나누고 있습니다. 완벽한 정답보다는 빠른 실행을 통해 새로운 시대의 문제 해결 방식을 모색하며, AI를 활용하여 실행 및 학습 속도를 높이는 조직 구조와 일하는 방식을 재설계했습니다. 본 글에서는 기존 방식의 한계를 AI로 극복하려는 세 가지 구체적인 프로젝트 사례를 소개합니다. 특히, 수개월간 준비하던 프로젝트를 AI 기반 프로덕트로 전면 피봇하거나, 반복 업무를 줄이기 위해 비개발자가 직접 AI 툴을 개발하는 등 AI를 통한 혁신적인 시도와 그 과정에서의 몰입을 보여줍니다. 이는 AI 기술을 통해 업무 효율성을 극대화하고 새로운 가능성을 탐색하는 당근 운영실의 적극적인 자세를 보여주는 사례입니다.
AI당근운영실
당근마켓·2025년 4월 22일
AI
모두가 AI 로켓에 올라타도록, 당근 운영실이 AI로 일하는 법
당근 운영실은 AI를 단순한 기술 도입을 넘어, 사용자 문제 해결이라는 목표 달성을 위한 핵심 수단으로 활용하기 위해 조직 전체의 변화를 추구했습니다. 'AI Show & Tell'과 같은 전사적 공유 세션을 통해 AI 실험 결과를 공유하고, 실행과 학습 속도를 극대화하기 위해 조직 구조와 일하는 방식을 재설계했습니다. "사용자 문제를 해결해 사용자 만족으로 연결하겠다"는 기존 목표를 AI 시대에 더욱 빠르고 효과적으로 달성하기 위한 방안으로 AI를 적극 도입했으며, 완벽한 정답을 찾기보다 과감한 실행을 통해 새로운 문제 해결 방식을 모색하고 있습니다. 이 과정에서 직군 간의 경계를 허물고 팀 전체가 AI 전환에 몰입할 수 있는 문화를 조성하는 데 중점을 두었습니다.
AI생성형 AI당근
당근마켓·2025년 4월 11일
AI
AI 툴 개발은 처음이라, 당근 비개발자 구성원들의 AI 도전기
이 글은 당근마켓의 비개발 직군 구성원들이 생성형 AI를 활용하여 업무에 필요한 툴을 개발하고 실험하는 과정을 담고 있습니다. 특히, 프로덕트 디자이너가 Cursor를 활용해 피그마 플러그인 'Ratiosnap'을 직접 개발한 사례를 소개하며, 직군에 관계없이 누구나 AI에 도전할 수 있다는 가능성을 보여줍니다. 당근은 'AI Show & Tell'이라는 세션을 통해 실패하더라도 직접 실험하고 실행하는 경험의 중요성을 강조하며, 구성원들이 AI를 업무에 적용하고 변화를 만들어가는 과정을 공유하고 있습니다. 이는 AI 시대에 빠르게 적응하고 새로운 가능성을 탐색하는 당근의 노력을 보여줍니다.
생성형 AIAI 실험피그마 플러그인
당근마켓·2025년 4월 1일
AI
LLM을 활용한 스마트폰 시세조회 서비스 구축
이 글은 LLM을 활용하여 중고 스마트폰 시세 조회 서비스를 구축한 경험을 공유합니다. 기존 중고거래 플랫폼에서 사용자들이 물품의 적정 가격을 파악하기 어려워하는 문제를 해결하기 위해, LLM을 이용해 중고 스마트폰 게시글에서 모델, 용량, 상태 등 상세 정보를 자동으로 추출하고 이를 기반으로 시세를 산출하는 방법을 소개합니다. 글에서는 LLM을 활용한 게시글 분류 및 정제, BigQuery를 이용한 후처리 및 시세 집계, 그리고 벡터 DB를 활용한 유사 게시글 추천 과정까지 단계별로 설명합니다. 이를 통해 사용자 경험을 개선하고 효율적인 가격 결정을 돕는 서비스 구축 사례를 제시하며, LLM 기반 서비스 개선에 관심 있는 개발자들에게 유용한 정보를 제공합니다.
LLM스마트폰 시세조회중고거래
당근마켓·2025년 2월 26일
AI
RAG를 활용한 검색 서비스 만들기
이 글은 당근마켓의 '동네생활' 커뮤니티에서 RAG(Retrieval-Augmented Generation) 기술을 활용하여 "동네생활 기반 동네업체 추천" 서비스를 구현한 과정을 소개합니다. 기존 검색 시스템은 사용자가 원하는 업체 정보를 얻기 위해 여러 게시글을 검색하고 내용을 취합해야 하는 불편함이 있었습니다. 특히 "과잉 진료 없는 치과", "탈색 잘하는 미용실" 등 신뢰도 높은 이웃 추천 정보가 분산되어 있어 효율적인 검색이 어려웠습니다. 글에서는 이러한 문제를 해결하기 위해 RAG 기술을 적용하여 사용자의 검색 패턴을 분석하고, 동네생활 게시글 내의 업체 정보를 효과적으로 추출 및 추천하는 서비스 개발 과정을 상세히 설명합니다. 이를 통해 정보 검색의 불편함을 해소하고 사용자 경험을 개선하는 방안을 제시합니다.
RAGLLM검색 서비스
당근마켓·2025년 2월 6일
AI
당근에서 LLM 활용하기
이 글은 당근에서 LLM(거대 언어 모델)을 어떻게 활용하고 있는지 소개하며, LLM의 가능성과 앞으로의 방향성을 제시합니다. LLM은 방대한 텍스트 데이터 학습을 통해 뛰어난 언어 이해 및 추론 능력을 갖추었으며, 특히 자연어 처리 분야에서 기존 머신러닝/딥러닝 방식보다 간편하게 텍스트 분석, 추출, 분류 등의 작업을 수행할 수 있게 합니다. 과거에는 대량의 데이터 수집, 라벨링, 모델 학습 등 복잡한 머신러닝 파이프라인이 필요했지만, LLM은 간단한 프롬프트 작성만으로 유사하거나 더 나은 성능을 보여줍니다. 글에서는 LLM이 잘하는 일들을 중심으로 설명하며, 당근에서의 LLM 활용 사례와 미래 발전 방향에 대한 인사이트를 공유합니다.
LLM당근자연어 처리
당근마켓·2024년 4월 15일
AI
GCP Vertex AI Pipelines 사용기
당근마켓 ML 인프라팀은 기존 Kubeflow Pipeline(KFP)을 Google Kubernetes Engine(GKE)에서 운영하다가, 2023년부터 Vertex AI Pipelines로 마이그레이션하여 2024년 1월에 성공적으로 완료했습니다. Vertex AI Pipelines는 Google Cloud Platform(GCP)의 서버리스 ML 파이프라인 관리 및 실행 서비스로, 데이터 전처리, 모델 훈련, 평가, 배포 등 ML 워크플로우의 여러 단계를 자동화할 수 있습니다. 이 글에서는 TensorFlow Extended(TFX) SDK와 함께 Vertex AI Pipelines를 활용하는 방안을 공유하며, Managed Service 도입으로 Kubernetes 클러스터 운영 부담 없이 ML 워크플로우 개발에 집중할 수 있게 된 점을 강조합니다. TFX는 프로덕션 ML 파이프라인을 위한 end-to-end 플랫폼으로, 다양한 환경에서 실행 가능한 컴포넌트 기반 개발을 지원합니다.
Vertex AI PipelinesTFXMLOps
당근마켓·2024년 3월 7일
AI
TFX와 함께 머신러닝 파이프라인 개발하기
이 글은 당근마켓에서 머신러닝 모델을 효과적으로 적용하기 위해 TFX(TensorFlow Extended)를 활용하여 ML 파이프라인을 개발하는 경험을 공유합니다. 머신러닝 파이프라인은 주기적인 모델 배포, 빠른 실험, 지속적인 개선을 위해 필수적이며, TFX는 이러한 요구사항을 충족시키는 데 중요한 역할을 합니다. 당근마켓은 추천 모델, 중고거래 및 동네생활 신고 업무 자동화 모델 등 다양한 ML 프로젝트에 TFX를 적용하고 있습니다. 글에서는 TFX를 활용하는 이유와 더 나은 사용 방안에 대해 논의하며, ML 파이프라인 구축의 중요성을 강조합니다. 이를 통해 ML 모델의 효율적인 운영과 지속적인 개선을 목표로 합니다.
TFXTensorFlow Extended머신러닝 파이프라인
당근마켓·2022년 3월 30일
AI
머신러닝 모델로 동네생활 신고 업무 자동화하기
당근마켓 머신러닝 팀에서 동네생활 서비스의 신고 업무 자동화를 위해 새로운 머신러닝 모델을 개발하고 시스템을 적용한 경험을 공유하는 글입니다. 동네생활 서비스의 특성에 맞지 않는 글(업체 홍보, 구인구직, 단순 거래 등)을 자동으로 필터링하여 적절한 서비스로 옮겨주고, 사용자 경험을 개선하는 것을 목표로 했습니다. 또한, 증가하는 사용자 수에 맞춰 운영 업무 부담을 줄이기 위해 머신러닝 기술을 활용한 자동화 시스템을 구축했습니다. 개발 과정에서의 고민과 자동화 적용을 통해 얻은 성과를 상세히 다루고 있으며, 이를 통해 운영 효율성을 높이고 사용자들에게 더 나은 서비스를 제공하고자 했습니다.
머신러닝모델 개발동네생활
당근마켓·2022년 1월 13일
AI
당근마켓 AI의 데이터 활용 방법
당근마켓은 서비스에 딥러닝 기술을 도입한 지 5년이 되었습니다. 초기에는 수작업 데이터 라벨링을 통해 머신러닝 모델을 구축했으나, 서비스의 빠른 성장으로 인해 데이터 양이 급증하면서 수작업 라벨링만으로는 모델 성능을 유지하기 어렵다는 한계에 직면했습니다. 이에 당근마켓은 사용자의 신고 데이터와 운영자의 제재 데이터를 학습 데이터로 활용하는 방식으로 전환했습니다. 이 방식은 지속적으로 쌓이는 데이터를 기반으로 모델을 업데이트할 수 있어, 실제 세계의 변화에 맞춰 모델 성능을 유지하고 운영 자동화를 고도화하는 데 효과적입니다. 글은 실제 세계 현상을 데이터로 모델링하는 것의 중요성을 강조하며, 특히 중고거래 글 예측 모델의 사례를 통해 데이터 기반의 머신러닝 모델 구축 및 운영 전략을 설명합니다.
딥러닝머신러닝데이터 활용
당근마켓·2021년 5월 21일