안녕하세요, 인게이지 스쿼드의 백엔드 엔지니어 다나 요원입니다. 이번 글에서는 인게이지 스쿼드가 세탁특공대의 2025년 비전인 “줄 서는 세탁소”를 실현하기 위해, 서비스에 AI 기술을 도입하게 된 여정을 소개하려고 해요. 앞으로 이 시리즈는 <다 된 : 세탁 서비스 AI 도입기>라는 이름으로 연재될 예정입니다. 목표: 고객이 줄 서는 세탁소 2025년, 세탁특공대는 “고객이 줄 서서라도 맡기고 싶은 세탁소”를 목표로 삼고 있어요. 인게이지 스쿼드에서는 이 목표를 실현하기 위해 두 가지 핵심 가치에 집중했어요: 고객 맞춤 관리 – 고객이 맡긴 옷의 세탁 히스토리를 기억해서, 옷 관리 이력을 시각적으로 보여주기 차별화된 메시지 전달 – “우리는 고객의 요청을 기억하고 세심하게 관리합니다”라는 인상을 심어주기 이 두 가지를 통해 고객에게 전문성과 신뢰감을 줄 수 있다고 생각했어요. 그래서 우리는 “고객의 옷을 데이터로 기억하는 방식”에 대해 본격적으로 고민하기 시작했죠. 시작: "당신의 옷을 기억합니다" 이 프로젝트는 “우리는 당신이 아끼는 옷의 히스토리를 기억합니다”라는 한 문장에서 시작됐어요. 단순히 세탁 이력을 텍스트로만 보여주는 게 아니라, 시각적으로도 즐거운 경험을 주고 싶다는 게 핵심이었어요. 첫 번째 아이디어는 스마트팩토리(SF)에서 촬영된 고객 의류 이미지 데이터를 활용하는 거였어요. 고객의 세탁물이 입고될 때 자동으로 촬영되는 사진을, 더 의미 있게 활용할 수 없을까 고민했죠. 아이디어: 고객의 옷을 마네킹에 입혀보기

안녕하세요, 세탁특공대 DevOps 요원 웨스트입니다. 저는 "개발자가 개발에만 집중할 수 있게 만든다"는 목표로 다양한 활동을 하고 있어요. 그중에서도 오늘은 지식 관리와 정보 공유에 대해 이야기해 보려고 합니다. 스타트업이다 보니, 회사의 많은 정보나 기술적인 내용이 Slack에서 정말 빠르게 오가요. 그런데 시간이 지나다 보면 정보가 파편화되거나 문서화되지 않아 기존 크루에게는 당연한 것도, 새로 오신 크루분들에겐 큰 장벽이 되는 경우가 많았어요. 가끔은 기존 크루들도 예전에 했던 작업을 찾느라 시간을 허비하기도 하고요. 이 문제를 해결하기 위해 저는 RAG(Retrieval-Augmented Generation)을 활용해서, Slack에서 오간 정보를 효율적으로 저장하고 재활용할 수 있는 챗봇, ye-bot을 만들게 되었어요. (왜 ye-bot이냐고요? 제 코드네임이 웨스트인데, '칸예 웨스트'에서 따왔다고 하면... 😎) 이 글에서는 ye-bot을 어떻게 개발했는지, 실제로 어떻게 활용하고 있는지 공유해보려고 해요. 📖 먼저, 이 글을 읽는 데 도움이 될 개념 정리 출처 : https://techscene.tistory.com RAG (Retrieval-Augmented Generation) LLM(대형 언어 모델)이 헛소리를 하지 않도록, 검색과 생성을 결합한 방식이에요. 질문을 받으면 관련 정보를 데이터베이스에서 먼저 검색하고, 그 정보를 바탕으로 GPT가 보다 정확한 답변을 생성합니다. 환각 (Hallucination) LLM이 진짜처럼 보이지만 사실이 아닌 정보를 말할 때 쓰는 표현이에요. 예를 들면, 존재하지 않는 API 문서를 만들어서 답해주는 식이죠. 그래서 RAG 같은 검색 기반 생성 방식이 중요해요. 임베딩 (Embedding) 텍스트를 숫자로 바꿔서, 의미적으로 비슷한 문장을 찾을 수 있게 해주는 기법이에요.