GENON · SW 개발팀
2025.06 – 현재경력 1년 3개월
생성형 AI 플랫폼 QA
- 모델·코드 서빙, 에이전트 워크플로우, 벡터DB, GPU, MCP 등 제품 기능 검증.- 요구사항 분석부터 TC 생성, 브라우저 검증, 버그 분석 및 등록, 테스트 결과 보고까지 QA 파이프라인 구축.
- B2C 신규 제품 초기 개발 단계부터 참여하여, 서비스 특성과 개발 프로세스에 적합한 QA 전략 및 검증 체계 수립
QA Engineering
제품의 전 과정에 함께하는 QA입니다.
Career Journey
DataBase에서 AI 플랫폼 QA까지
다양한 DB·OS 환경에서 DB 성능 관리 제품의 구조와 데이터 흐름을 검증하며 재현 가능한 근거의 중요성을 배웠습니다. 현재는 AI 플랫폼의 기능·회귀·권한·인프라 품질을 다루고, 검증 과정 자체를 AI 에이전트와 자동화 도구로 연결하고 있습니다.
EXEM · 제품기술연구1팀
2022.01 – 2024.07경력 2년 7개월
DB 성능 관리 솔루션 QA
- Oracle·PostgreSQL과 Linux·Unix·Windows 환경에서 Data·Server·Client 전반 검증.
- 정식·스몰 릴리즈와 고객 기술 지원을 하나의 품질 피드백 루프로 연결.
- 로그·데이터·SQL로 결함 원인 분석.
Core Competencies
제가 품질을 다루는 방식
기획·개발과 품질 기준을 정렬하고, UI·권한·데이터·인프라 계층을 교차 검증하며, AI 에이전트가 만든 QA 결과까지 스키마와 validator로 통제합니다.
기획·개발과 품질 기준 정립
기획·개발과 정책, 요구사항, 개발 프로세스를 논의해 검증 기준과 잠재 리스크를 사전에 구체화합니다.
권한·데이터·인프라 교차 검증
화면 동작에 그치지 않고 역할별 권한, 로그·데이터·SQL, GPU 자원과 모니터링 흐름을 추적해 결함 원인을 좁힙니다.
QA 파이프라인 설계
요구사항부터 보고까지 자동화하고, AI가 생성한 판정·근거·개선안의 일관성을 통제합니다.
Selected Projects
문제를 해결한 대표 사례
직접 검증한 제품별로 핵심 검증 범위와 기여, 성과를 간결하게 정리했습니다.
B2B · LLM Platform
GenOS
LLMOps · AI Agent 플랫폼 QA
2025.06 – Present
- 검증 범위
- 모델·코드 서빙, 에이전트 워크플로우, 벡터DB·데이터셋, GPU, MCP 등 기능 검증
- 주요 기여
- - 기업용 생성형 AI 플랫폼 GenOS의 웹·API 기능 테스트 및 품질 검증
- 다양한 프롬프트와 테스트 시나리오를 활용해 LLM 응답의 일관성, 관련성 및 예외 응답 확인
- GitHub·Figma 요구사항을 분석 후 TC를 설계하고 Playwright 자동화와 결과 보고까지 연결 - 성과
- Claude를 활용해 Playwright 기반 QA 파이프라인을 구축하고, 테스트 시나리오 보완 및 실행 결과 검증을 통해 테스트 효율화
B2C · AI Agent
GenA
AI Agent 플랫폼 QA
2025.09 - Present
- 검증 범위
- B2C 사용자 흐름, 정책·예외 조건, 에이전트 이벤트와 응답 흐름, 주요 UI 상태
- 주요 기여
- - API 요청과 네트워크 트래픽을 교차 분석하여 프론트엔드, 백엔드 및 외부 연동 구간의 오류 원인 파악 효율 개선
- 제품 초기 단계부터 QA에 참여하여 테스트 계획, 테스트 케이스 관리, 결함 처리 및 릴리스 검증으로 이어지는 QA 프로세스 구축
- RAG·LLM 응답 검증 시나리오를 정립하여 생성형 AI 결과에 대한 품질 검증의 일관성과 재현성 향상 - 성과
- 제품 특성과 개발 프로세스에 맞는 QA 전략, 결함 관리와 회귀 검증 체계를 제품 개발 과정에 정착
DB Performance Product
MaxGauge for Oracle
DB 성능 관리 솔루션 QA
2022.01 – 2024.07
- 검증 범위
- 정식 릴리즈의 신규 기능·반영 이슈와 통합 회귀를 수행하고, 각 고객사 OS·DB 환경에서 Data·Server·Client 영향과 데이터 정합성을 검증
- 주요 기여
- - TC·체크리스트·통합 문서와 담당 범위를 정렬해 릴리즈 결과를 총괄 검수
- 고객 패치는 타 본부와 스펙을 정리한 뒤 테스트 환경을 구축해 데이터 이상을 로그·SQL 수준까지 분석 - 성과
- 쿼리 수정 방향 제시와 수정 파일 검증으로 안정적인 배포와 신규 고객 유치에 기여
AI & Automation
AI 기능과 AI가 만든 QA 결과를 함께 검증
이 경험의 초점은 LLM Judge 기반 응답 품질 평가가 아니라, LLM 플랫폼의 기능·회귀·권한·인프라 품질과 에이전트 워크플로우의 동작 검증입니다. AI 에이전트가 생성한 QA 산출물에는 실제 검증 근거와 일관된 판정 기준이 있는지 별도로 확인합니다.
LLM Platform & Infrastructure QA
모델·코드 서빙, 벡터DB·데이터셋, GPU/vGPU, MCP, IAM, 가드레일과 모니터링을 기능·권한·자원 관점에서 검증합니다.
Agent Workflow & Chatbot E2E
Flowise 노드 연결, 에이전트 이벤트, 변수 전달과 응답 흐름을 구성하고 사용자 입력부터 GenOS 채팅 화면 출력까지 확인합니다.
AI Agent QA Pipeline
요구사항 분석, TC 생성, 브라우저 검증, Playwright 전환, 결과 반영과 보고를 Python·TypeScript 기반 도구와 시나리오로 연결합니다.
Validation Harness
결과 스키마와 validator로 판정·근거·개선안의 모순, BLOCKED 남용과 미검증 UI 동작의 추측 기재를 자동 차단합니다.
핵심 포지셔닝: AI를 QA에 활용하는 수준을 넘어, AI가 만든 QA 산출물의 신뢰성을 관리하는 검증 하네스를 설계·운영하는 QA Engineer입니다.
QA Process
발견에서 끝나지 않는 품질 루프
요구사항에서 보고서까지 단계를 분리하지 않습니다. 각 단계의 입력·출력·판정 근거를 연결하고, 실패 사례를 회귀 시나리오와 검증 규칙으로 환류해 다음 결함을 더 이르게 예방합니다.
요구사항 분석
GitHub 이슈에서 모호성·누락·예외·권한과 환경 조건을 식별합니다.
TC 생성·추적성
요구사항을 TC와 회귀 시나리오로 전환하고 검증 기준을 연결합니다.
브라우저 실측
Step 단위로 실제 동작·값·대기 조건과 판정 근거를 수집합니다.
자동화 전환
검증 흐름을 Playwright와 Python·TypeScript 스크립트로 재사용합니다.
판정·품질 게이트
결과 스키마와 validator로 판정·근거·개선안의 일관성을 검사합니다.
보고·규칙 환류
결과를 보고하고 실패 패턴을 TC 컨벤션과 재발 방지 규칙으로 남깁니다.
Skills & Tools
검증을 반복 가능한 시스템으로 만드는 역량
GenOS에서 실제로 수행한 업무를 QA 직무 역량으로 재구성했습니다. 도구 이름보다 테스트 설계, 실행 신뢰성, 변경 관리와 산출물 품질을 어떻게 높였는지에 초점을 맞췄습니다.
테스트 설계·추적성
- 요구사항–REQ–TC 추적성 관리
- 사전조건·절차·예상결과 1:1 구조
- Light QA 기반 위험·우선순위 결정
기능·권한·상태 검증
- 브라우저 Step 실행과 실측값 수집
- 역할별 접근 권한·인가 우회 검증
- 상태 전이·저장/표시값 정합성 확인
회귀·변경 영향 분석
- PR·이슈 기반 Change Impact Review
- 공통 정책·공유 자원 회귀 TC 매핑
- 시나리오 의존성·baseline diff
QA 자동화 신뢰성
- Playwright·pytest E2E·Allure
- Python·TypeScript 시나리오 개발
- false green 방지·서버 반영값 재확인
QA 프로세스·검증 하네스
- TC 마스터·버전·재사용 관리
- 결과 스키마·validator 품질 게이트
- BLOCKED·추측 판정 안티패턴 차단
LLM 플랫폼 QA
- 서빙·벡터DB·Flowise·MCP 검증
- GPU/vGPU·IAM·가드레일·모니터링
- AI 에이전트 QA 파이프라인 운영
데이터·인프라 진단
- Oracle·PostgreSQL·SQL 분석
- 로그·Client/Server·GPU 자원 추적
- 경계값·자원 회계·쿼리 오류 검증
결함 분석·코드 협업
- GitHub Issues·Projects v2
- 재현·원인 분석과 코드 수정 패치
- 기획·개발과 품질 기준 정렬
Closing
AI를 활용하고, AI가 만든 결과까지 검증합니다.
저는 테스트를 수행하는 데서 멈추지 않고, 요구사항부터 결과 보고까지 반복 가능하게 연결하며 QA 산출물의 신뢰성을 관리하는 QA Engineer입니다.