AI 데이터 접근 플랫폼
Dataroom Service와 Query Store를 통해 자연어 데이터 요청을 LLM SQL 후보 생성, SQL 검증 Hook, 샘플 확인, 본 실행, Excel 리포트 생성 흐름으로 표준화했습니다. dataroom-service의 MCP 서버는 구현을 완료했으며, 사내 AI 클라이언트 온보딩은 별도 적용 단계로 분리했습니다.
Query Store 상세 보기┌────────────────────────────────┐ │ RESUME.TXT │ └────────────────────────────────┘
┌─ 경력사항 ─┐
AI Portfolio Summary
16년차 백엔드 개발자로서 운영 DB, Spring Boot, Kubernetes, DevOps 경험을 바탕으로 AI가 회사 데이터와 업무 시스템 안에서 안전하게 동작하도록 데이터 접근 구조와 실행 가드레일을 설계합니다.
Dataroom Service와 Query Store를 통해 자연어 데이터 요청을 LLM SQL 후보 생성, SQL 검증 Hook, 샘플 확인, 본 실행, Excel 리포트 생성 흐름으로 표준화했습니다. dataroom-service의 MCP 서버는 구현을 완료했으며, 사내 AI 클라이언트 온보딩은 별도 적용 단계로 분리했습니다.
Query Store 상세 보기운영 Aurora MySQL과 AI/분석 조회 환경을 분리하기 위해 데이터 전용 Aurora MySQL 클러스터를 구성하고, dump 기반 초기 적재와 Aurora MySQL binary log replication을 활용해 Data DB를 구축했습니다. 조회는 mart, snapshot, freeze 계층을 우선하도록 설계했습니다.
AI 전용 계정, 권한 분리, Masked View, 테이블/컬럼 allowlist, LIMIT 기반 샘플 확인, EXPLAIN 기반 실행 계획 점검, Human-in-the-loop 정책을 통해 운영 부하와 민감정보 노출 리스크를 줄였습니다.
Domain Dictionary, WHERE Rule, data source priority, SQL 작성 규칙을 컨텍스트로 구조화하고, AI 코드 리뷰에서는 LLM API 기반 리뷰 코멘트 생성과 오탐 케이스 튜닝을 통해 실무 적용 가능한 AI workflow를 구축했습니다.