본문으로 건너뛰기
피드

중고나라, 내부 출신 개발 리더를 기술총괄로 선임하고 전사 인공지능 전환 속도냄

ai-ml 약 4분
vote
0
댓글
북마크

중고나라가 공자윤 신임 기술총괄을 내부 선임하고, 거래 안전성과 서비스 품질 개선을 위한 기술 조직 개편에 들어갔다. 인공지능 전환 전담팀과 데이터 전담팀을 신설하고, 사기 거래 탐지 모델과 개인화 추천 시스템 고도화를 추진한다.

  • 1

    중고나라가 18년 경력의 공자윤 기술총괄을 내부 선임함

  • 2

    기술 조직 안에 인공지능 전환 전담팀과 데이터 전담팀을 새로 만듦

  • 3

    상품·결제·검색·추천·고객서비스 데이터를 구조화해 사기 탐지와 추천 품질을 높이려 함

  • 중고나라가 공자윤 신임 기술총괄을 내부에서 선임함

    • 공 기술총괄은 LG CNS, SK플래닛 등에서 18년 동안 대규모 서비스 개발과 운영을 맡아온 인물임
    • 지난해 중고나라에 합류한 뒤 웹개발팀을 이끌며 웹 아키텍처 고도화와 개발·운영 체계 안정화를 주도함
  • 이번 인사의 핵심 키워드는 “전사 인공지능 전환”임

    • 중고나라는 기술 조직 안에 인공지능 전환 전담팀과 데이터 전담팀을 각각 신설함
    • 두 팀을 따로 만든 이유는 서비스에 인공지능을 붙이는 일과, 그 인공지능이 먹을 데이터를 정리하는 일이 분리되어 있기 때문임
  • 공 기술총괄은 이미 중고나라의 주요 서비스 프로젝트를 여러 개 맡아온 상태임

    • 안심보상제, 인공지능 상품 등록 기능, 배송비 통합 결제 시스템 등이 언급됨
    • 회사는 이 경험을 두고 “기술을 사업 성과로 연결해 온 실행력”이라고 평가함
  • 중고나라가 특히 강조한 건 ‘인공지능 준비 데이터’ 체계임

    • 상품, 결제, 검색, 추천, 고객서비스 영역의 데이터를 구조화·표준화하겠다는 계획임
    • 말은 좀 거창하지만, 결국 모델부터 붙이기 전에 데이터 품질과 형식을 먼저 맞추겠다는 얘기라 실무적으로는 꽤 중요함

중요

> 중고거래 플랫폼에서 인공지능의 진짜 가치는 화려한 생성 기능보다 사기 탐지, 추천, 고객 대응처럼 매일 터지는 운영 문제를 줄이는 데 있음.

  • 앞으로의 목표는 사기 거래 탐지 모델과 개인화 추천 시스템 고도화임

    • 사기 탐지는 거래 안전성과 직결되고, 추천은 사용자가 원하는 물건을 찾는 속도와 연결됨
    • 중고나라처럼 오래된 사용자·상품 데이터가 많은 서비스라면 데이터 정리만 잘해도 모델 개선 여지가 꽤 큼
  • 사내 업무 방식도 인공지능 중심으로 바꾸려는 움직임이 있음

    • 직무 간 인공지능 활용 격차를 줄이기 위한 교육 프로그램을 운영할 예정임
    • 비개발 직군이 인공지능 에이전트를 업무에 활용할 수 있도록 돕는 프로그램도 함께 진행함

기술 맥락

  • 중고나라가 먼저 잡은 건 모델이 아니라 데이터예요. 사기 탐지든 추천이든 결국 입력 데이터가 지저분하면 모델 성능이 흔들리기 때문에, 상품·결제·검색·고객서비스 데이터를 구조화하는 작업이 먼저 필요하거든요.

  • 인공지능 전환 전담팀과 데이터 전담팀을 나눈 것도 이 맥락에서 봐야 해요. 한쪽은 실제 서비스와 업무에 인공지능을 붙이고, 다른 한쪽은 그 기능들이 공통으로 쓸 수 있는 데이터 기반을 만드는 역할에 가까워요.

  • 중고거래 서비스에서 사기 탐지는 단순 부가 기능이 아니에요. 거래 안전성이 무너지면 추천이 좋아도 사용자가 떠나기 때문에, 모델 투자의 우선순위가 자연스럽게 신뢰와 운영 안정성 쪽으로 갈 수밖에 없어요.

  • 비개발 직군의 인공지능 에이전트 활용까지 언급한 점도 꽤 현실적이에요. 전사 인공지능 전환은 개발팀만 도구를 잘 쓰는 문제가 아니라, 고객 대응·운영·기획 업무의 반복 작업을 얼마나 줄이느냐로 성과가 갈리거든요.

중고거래 서비스에서 인공지능은 멋진 챗봇보다 사기 탐지, 추천, 고객 대응 같은 운영 문제를 얼마나 줄이느냐가 더 중요하다. 중고나라가 말하는 ‘인공지능 준비 데이터’는 결국 모델보다 먼저 데이터 정리부터 해야 한다는 꽤 현실적인 선언임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

핀터레스트, AWS에 40억달러 베팅…AI 인프라 확장 본격화

핀터레스트가 2031년까지 AWS에 클라우드 비용 40억달러를 지불하는 장기 계약을 맺었다. AWS는 그래비톤과 트레이니움 같은 맞춤형 칩을 제공하고, 핀터레스트는 광고와 추천 중심의 AI 기능을 더 키우려는 흐름이다.

ai-ml

메타, 월 200달러짜리 개인용 인공지능 에이전트 ‘해치’ 준비 중

메타가 개인용 인공지능 에이전트 ‘해치’를 준비 중이며, 자연어로 앱 생성과 업무 자동화를 수행하는 범용 도구를 목표로 하고 있다. 월 199.99달러 수준의 프리미엄 요금제, 무료 대비 5~10배 사용 한도, 10여 개 기업 파일럿 뒤 7월 출시 가능성이 언급됐다.

ai-ml

ISPOR 2026, AI와 실제임상근거가 가치 기반 의료의 중심으로 들어옴

ISPOR 2026은 약가정책, 실제임상근거, 생성형 AI, 환자 중심 가치평가가 보건의료 의사결정의 핵심으로 올라왔다는 흐름을 보여준 행사였음. 개발자 관점에서는 의료 AI가 단순 자동화가 아니라 투명성, 재현 가능성, 거버넌스까지 요구받는다는 점이 포인트임.

ai-ml

메타 첫 폐쇄형 AI 모델, API 출시가 늦어지며 수익화에 빨간불

메타가 4월 공개한 폐쇄형 AI 모델 ‘뮤즈 스파크’의 개발자용 API 출시를 아직 못 하고 있다는 보도임. 라마처럼 내려받아 쓰는 개방형 모델이 아니라면 API가 곧 개발자 생태계와 과금 모델의 입구라서, 지연 자체가 메타 AI 수익화 전략의 약점으로 읽힘.

ai-ml

엔비디아 AI 클라우드, 6개 대륙으로 확장…AI 팩토리 경쟁 본격화

엔비디아가 자사 가속 컴퓨팅, 네트워킹, AI 소프트웨어를 묶은 AI 클라우드 생태계가 전 세계로 확장되고 있다고 밝혔다. 파트너들은 모델 훈련, 파인튜닝, 추론, 에이전틱 AI, 피지컬 AI, 소버린 AI를 위한 AI 팩토리 인프라를 확대 중이다. 핵심 메시지는 이제 AI 인프라 경쟁의 기준이 단순 GPU 수가 아니라 토큰당 비용, 전력 효율, 운영 자동화, 지역별 데이터 접근성으로 옮겨가고 있다는 점이다.