박민우 당근 소프트웨어 엔지니어는 23일 서울 강남구 파르나스호텔에서 열린 ‘AWS AI 웨이브’ 행사에서 당근이 사용자 서비스와 사내 업무 환경 전반에 인공지능(AI) 에이전트를 성공적으로 정착시킨 구체적인 성과와 인프라 구현 노하우를 공유했다.
박민우 당근 소프트웨어 엔지니어는 23일 서울 강남구 파르나스호텔에서 열린 ‘AWS AI 웨이브’ 행사에서 발표하고 있다(사진=윤정훈 기자)
당근은 중고거래 및 로컬 비즈니스 서비스에 AI를 적극 도입해 이용자 경험을 혁신하고 있다. 팔고 싶은 물건의 사진만 올리면 제목과 내용을 자동으로 작성해 주는 ‘AI 글쓰기’ 기능은 당근 내 글쓰기 방식 자체를 바꿨다. 이용률 80% 초과, 재사용률 90% 초과라는 높은 호응을 얻으며 성장 정체에 빠지기 쉬운 중고거래 서비스에서 핵심 지표인 ‘거래 완료 수’를 다시 한 번 유의미하게 성장시키는 역할을 했다.
지역 상권(로컬 비즈)에서도 AI의 활약은 두드러진다. 이웃들이 남긴 후기와 장소 콘텐츠 200만 개 이상을 AI가 자동으로 연결해 실제 방문자의 진솔한 정보를 제공하도록 돕고 있으며, 이를 통해 작성 후기가 20% 증가했다.
최근에는 텍스트 작성을 어려워하는 이용자를 위해 음성 AI 기반 ‘말로 쓰는 후기’ 기능도 출시했다. AI가 고객과 대화하듯 질문을 던지면 고객은 말로 대답만 하면 자동으로 정제된 후기가 작성되는 방식이다.
박민우 당근 소프트웨어 엔지니어는 23일 서울 강남구 파르나스호텔에서 열린 ‘AWS AI 웨이브’ 행사에서 발표하고 있다(사진=윤정훈 기자)
박 엔지니어는 “사내 업무 환경에서도 직군 간 경계가 무너지는 대전환이 이뤄지고 있다”며 “코딩 에이전트 도입과 기술 문서화 플라이휠(Flywheel) 구축으로 프론트엔드와 백엔드의 경계가 사라졌으며, 부동산 팀의 경우 한 달에 160회 이상의 빠른 배포와 즉각적인 롤백 체계를 구현했다”고 소개했다.
특히 당근 사내 협업 툴인 슬랙에는 180개 이상의 AI 에이전트가 작동 중이다. 가장 먼저 활성화된 ‘데이터 분석 에이전트’는 SQL 쿼리를 모르는 직원도 자연어로 질문해 데이터를 직접 탐색하고 인사이트를 도출할 수 있도록 돕는다.
서비스 장애 대응 역시 AI 에이전트가 수많은 로그와 지표를 실시간 확인하고 도구로 연동함으로써, 원인 추적 시간을 기존 40분에서 2분으로 95% 단축했다.
그는 “장애 대응을 AI에이전트로 하면서 엔지니어는 반복적인 원인 분석 부담에서 벗어나 핵심 의사결정과 대응에만 집중할 수 있게 됐다”며 “현재 당근 사내에는 200개 이상의 MCP(Model Context Protocol) 서버와 600개 이상의 스킬이 한데 모여 있으며, 월간 활성 프로젝트는 800개를 돌파했다”고 설명했다.
박민우 당근 소프트웨어 엔지니어는 23일 서울 강남구 파르나스호텔에서 열린 ‘AWS AI 웨이브’ 행사에서 발표하고 있다(사진=윤정훈 기자)
이같은 자율적인 AI 확산 뒤에는 당근의 견고한 AI 거버넌스 및 인프라 시스템이 자리 잡고 있다. 당근은 중앙화된 LLM 라우터를 구축해 각 팀이 사전 승인 절차 없이도 AI를 빠르게 호출할 수 있도록 지원하는 동시에, 모든 요청의 팀별 용도·비용·보안·사용량을 한곳에서 실시간 관찰하고 통제한다.
또한 단일 모델 의존도를 낮추기 위해 아마존 베드락을 활용한 멀티 벤더 및 멀티 모델 전략을 취하고 있다. 앤스로픽의 클로드 등 특정 파운데이션 모델을 직접 호출하기보다 베드락이라는 단일 인터페이스를 거침으로써, 특정 벤더에 장애가 발생하더라도 트래픽을 즉시 우회해 서비스 안정성을 확보한다.
가파르게 증가하는 AI 비용 문제 해결을 위해서는 전사 비용 가시성을 확보하고, 동일한 요청에 대해 비용과 품질을 교차 검증해 최적의 모델 변경을 제안하는 시스템을 운영 중이다. 젬마(Gemma) 등 오픈 웨이트(Open-Weight) 모델의 셀프 서빙 및 GPU 효율화 기법도 지속적으로 확대 적용하고 있다.
권한과 보안 측면에서는 AI가 사용자의 허용 범위를 넘어선 데이터에 접근하거나 유실시키지 않도록 최소한의 권한만 위임받아 수행하는 ‘에이전트 게이트웨이’ 체계를 검증·발전시켜 나가고 있다.
박 엔지니어는 “당근의 AI 전환은 빠른 실행과 공유라는 사내 문화 바탕 위에서 작동하고 있다”며 “성공 사례와 코어 스킬을 전사에 가시성 있게 공유함으로써, 하나의 AI 프로젝트가 다른 팀의 비즈니스 임팩트로 지속 확장되는 선순환을 만들어내고 있다”고 말했다.
