Lighthouse의 AI Chapter는 단순한 모델 개발 팀이 아닙니다. 우리는 비즈니스 문제에 AI가 어디, 어떻게 작동해야 하는지를 설계하고 직접 데이터를 다루고, 모델을 구현하고, 클라이언트에게 작동하는 솔루션을 제공합니다.
🧩 우리는 이런 일을 해요
AI Chapter는 각 프로젝트의 초반부터 깊숙이 관여합니다.
📌 이 기획안에 AI가 꼭 필요한가요? 🔍 들어간다면 어떤 데이터를 써야 하죠? 🧠 머신러닝이냐, LLM이냐, 규칙기반이냐? 🛠 파일럿 수준을 넘는 PoC, 실제 운영 가능한 구조는?
우리는 기술을 먼저 고르지 않습니다. 문제를 먼저 정의합니다. 그리고, 그에 맞는 데이터, 알고리즘, 아키텍처를 고민하고 설계합니다.
🧠 챕터 미팅에서는 무엇을 하나요?
매주 정기적으로 모여 최신 AI 논문과 트렌드를 리뷰하고 직접 구현합니다. 특히 최근에는 LLM 기반의 Retrieval-Augmented Generation (RAG), Knowledge Graph, Prompt ngineering 등 생성형 AI 기술을 실제 프로젝트에 접목하기 위한 스터디와 실험을 병행하고 있어요.
논문 리뷰 → 실제 코드 구현 → 팀과 공유 → 실험 결과 회고
huggingface, LangChain, llamaIndex 등 주요 오픈소스 실험
Azure OpenAI, GPT API 등 최신 상용모델과의 비교 실험
🔧 주요 기술 스택과 경험 영역
Python 기반 ML/AI 개발: scikit-learn, XGBoost, PyTorch, Transformers 등 RAG 파이프라인 구축: LLM API + 벡터 DB (FAISS, Chroma) + 문서 전처리 텍스트 분류, 요약, 질의응답, 등 NLP 중심 AI 기반 OCR, Document 파싱 분석
실제 도메인 적용: 회계감사,세무,금융, 제약, 제조
💼 우리가 해결한 문제들
세무의견서 요약 및 인용문 자동 생성 LLM Agent 설계 OCR 기반 금융문서 자동 분석 → 회계시스템 연동
👀 이런 분을 기다려요
AI가 “되고 안 되고”를 말하는 게 아니라, “어떻게 하면 되게 만들 수 있을지” 고민하는 분
논문에서 끝나지 않고 PoC → MVP → 운영 적용까지 경험하고 싶은 분
기술과 비즈니스 사이에서 중심을 잡고 싶은 분
사람과 말이 통하는 커뮤니케이션형 AI 엔지니어
새로운 논문을 보면 일단 구현해보고 싶은 실험가형 마인드
🧭 우리는 이런 AI 팀입니다
“모델 정확도가 0.3 더 높아지는 것보다, 고객의 문제를 더 빨리 풀 수 있는 구조를 찾는 게 중요하다고 생각해요. AI Chapter는 기술 덕후가 모인 팀이 아니라, 현장 문제를 AI로 푸는 설계자와 해결사들의 집합체입니다.”
