메이아이 공식 블로그에 소개된 신인식은 스스로를 “인생의 모든 것을 자동화하고 싶은 백엔드 개발자”라고 정의합니다. 이 한 문장에는 그의 개발 철학이 상당 부분 응축돼 있습니다. 단순히 서비스를 만드는 수준을 넘어, 반복적이고 비효율적인 인간의 활동을 최대한 코드와 시스템으로 대체하고 싶어 한다는 점에서, 그는 전형적인 시스템 지향형 AI 개발자에 가깝습니다. 문제 해결과 공학적인 아름다움 사이에서 균형을 찾으려 한다는 설명은, 기능만 돌아가면 된다는 실용주의와 알고리즘·아키텍처의 우아함을 동시에 추구하는 엔지니어의 미학을 드러냅니다.
이 프로필에서 그는 명확히 “백엔드 개발자”라고 스스로를 소개하지만, 활동 무대가 “영상 분석 엔진”과 AI 기반 리테일 솔루션을 제공하는 기업이라는 점에서, 자연스럽게 AI 프로그램 개발자로서의 역할을 수행하고 있습니다. 즉, 딥러닝 모델 자체를 연구하거나 새로운 알고리즘을 발명하는 ‘순수 연구자’라기보다는, AI 모델을 비즈니스 문제에 접목해 실제로 돌아가는 제품·서비스를 구현하는 응용·시스템 개발자 타입의 인물이라고 보는 것이 타당합니다.
메이아이와 AI 영상 분석 파이프라인
신인식 개발자가 글을 쓴 메이아이(MAY-I)는 리테일 매장 등에서 고객 행동을 분석하고 인사이트를 제공하는 영상 분석 기반 솔루션을 개발해 온 기업입니다. 이 회사의 분석 엔진 이름이 “daram”인데, 블로그 글의 제목이 바로 “메이아이의 분석 엔진, daram의 영상 분석 파이프라인은 어떻게 구성되어 있을까?”입니다. 이 글에서 그는 단일 영상 분석 파이프라인을 어떻게 설계·구현했는지를 설명하며, 실제 산업 현장에서 AI가 동작하기까지의 뒷단 구조를 풀어냅니다.
영상 분석 파이프라인이란, 간단히 말해 카메라에서 들어오는 원시 영상 데이터를 입력으로 받아, 전처리 → 객체 검출·추적 → 이벤트 인식 → 통계·지표 산출 → 외부 서비스 제공(API·대시보드 연동)까지 이어지는 일련의 데이터 흐름을 뜻합니다. 신인식 개발자의 역할은 이 흐름이 안정적으로, 그리고 확장 가능하게 동작하도록 백엔드 시스템을 설계하고 구현하는 데 있습니다. 딥러닝 모델은 GPU 상에서 추론을 수행하지만, 이를 둘러싼 큐 관리, 스트림 처리, 로그 수집, 장애 대응, 확장성 등은 상당 부분 백엔드 아키텍처의 문제입니다. 따라서 그는 AI 프로그램 개발자 중에서도 인프라와 애플리케이션 레벨을 잇는 ‘머신러닝 시스템 엔지니어’에 가까운 역할을 수행합니다.
문제 해결과 공학적 아름다움
그가 자신을 “문제 해결과 공학적인 아름다움이 조화를 이루도록 하기 위해 고군분투하는 중”이라고 표현한 대목은, 단순한 자기 소개 이상의 의미를 갖습니다. 문제 해결 관점에서 AI 프로그램 개발자는 대개 두 가지 극단 사이에서 흔들립니다. 하나는 “일단 요구사항만 맞추자”는 실용주의, 다른 하나는 “이상적인 아키텍처와 알고리즘을 구현하자”는 공학적 완결성 추구입니다. 신인식 개발자는 이 두 가지를 동시에 추구하려 한다고 명시합니다.
예를 들어, 영상 분석 파이프라인을 설계할 때, 기능적으로는 “실시간에 가깝게 매장 내 고객 수를 센다”라는 요구사항만 만족하면 최소 목표는 달성됩니다. 그러나 공학적 아름다움까지 고려한다면, 모듈 간 결합도를 낮추고, 새로운 분석 모듈을 플러그인 형태로 쉽게 붙였다 떼었다 할 수 있도록 아키텍처를 설계해야 합니다. 또한 장애가 발생했을 때 어느 지점에서 문제가 생겼는지 추적 가능해야 하고, 부하 증가에 대응해 수평 확장이 용이해야 합니다. 이런 부분은 단기적으로는 개발 비용을 높이지만, 장기적으로 서비스 유지보수와 확장성 측면에서 큰 이점을 가져옵니다.
그가 “인생의 모든 것을 자동화하고 싶다”고 표현한 점도 주목할 만합니다. 이 말은 단순한 농담이 아니라, 자신이 만나는 문제들을 하나의 ‘프로세스’로 바라보고, 이를 코드와 시스템으로 치환하려는 성향을 드러냅니다. 업무 프로세스뿐 아니라 개인 생활의 루틴까지도 자동화 대상이 될 수 있고, 이런 태도는 곧 서비스 기획과 기술 선택에 반영됩니다. 예를 들어 영상 분석 결과를 내부 대시보드에만 보여주는 데 그치지 않고, 특정 조건이 감지되면 자동으로 알림을 보내거나, 마케팅 툴과 연동해 캠페인을 자동 실행하는 구조를 설계하는 식입니다.
AI 프로그램 개발자로서의 업무 범위
신인식 개발자의 공개된 글에서 드러나는 업무 범위를 종합하면, AI 프로그램 개발자로서 수행하는 일은 크게 네 가지 축으로 나눌 수 있습니다.
첫째, 영상 분석 엔진을 둘러싼 백엔드 인프라 구축입니다. 여기에는 스트리밍 데이터 수집, 큐 관리, 마이크로서비스 간 통신, 컨테이너 오케스트레이션(Kubernetes 등), 로그·모니터링 시스템 구축 등이 포함됩니다. 딥러닝 모델이 아무리 성능이 좋아도, 이런 인프라가 뒷받침되지 않으면 실제 서비스로 제공하기 어렵습니다.
둘째, 영상 분석 파이프라인 설계입니다. 어떤 순서로 어떤 모듈을 거치면서 데이터를 가공할지, 각 단계에서 어떤 형식으로 데이터를 주고받을지, 실패 시 재시도 전략과 예외 처리 로직은 어떻게 할지 등을 정교하게 설계해야 합니다. 이는 추상적 연구가 아니라, 실제 운영 환경(네트워크 지연, 카메라 품질, 데이터 편차)을 고려한 실전형 설계입니다.
셋째, 비즈니스 요구사항을 기술로 번역하는 작업입니다. 리테일 매장의 고객 동선 분석, 체류 시간 계산, 특정 지점의 관심도 측정 등은 비즈니스 언어로 주어지는 문제입니다. 이를 AI 모델과 시스템이 이해할 수 있는 태스크(객체 검출, 영역 내 체류 시간 측정, 이벤트 카운팅 등)로 쪼개고, 다시 이를 조합해 지표·리포트로 만드는 과정이 필수입니다.
넷째, 시스템의 유지보수와 지속적인 개선입니다. 실제 매장 환경에서 조도 변화, 카메라 위치 변경, 예상치 못한 노이즈(포스터, 장애물 등) 등 다양한 변수가 등장하면, 파이프라인 튜닝과 모델 재학습, 버그 수정이 반복적으로 필요합니다. 이 과정에서 그는 자동화 도구를 적극 활용해 배포·모니터링·테스트를 효율화하려는 성향을 보입니다.