AI Org Simulation

데이터와 AI 실행을 연결한 방식

• FastAPI · PDF 업로드·텍스트 추출, 세션 생성·결과 조회와 SSE 진행 전달을 연결했습니다.
• Vertex AI · 팀의 Agent가 실제 모델 API를 호출할 인증·런타임을 구성했습니다. 모델 학습·파인튜닝은 수행하지 않았습니다.
• Cloud Run · Docker 이미지를 Artifact Registry에 올려 프론트·백엔드를 배포했습니다. IAM은 호출 권한, Secret은 실행 설정 공급, Logging은 실패·지연 관찰에 사용했습니다.
• 데이터 계층 · 직원·협업 활동의 Pydantic 스키마, SQLAlchemy 모델과 Alembic 마이그레이션을 구현했습니다. Repository를 두어 필터·페이지네이션과 직원별 활동 통합 조회를 API에서 분리했습니다.
• 시연 범위 · 최종 추천은 더미 CSV를 읽습니다. DB 조회 계층 개발과 별개로 Cloud Run smoke는 Cloud SQL 없이 실행했고, 세션은 인메모리입니다. 외부 GitHub·Slack·Jira·Calendar 데이터의 실시간 수집과 리포트 DB 저장은 구현 완료 범위가 아닙니다.

팀 발표 자료는 전체 서비스 설계를 설명합니다. 그중 프론트 주요 화면과 에이전트 내부 분석·추천·역할극·보고서 로직은 팀원 담당이고, 저는 데이터 계층·API·실행 연결과 배포를 맡았습니다.

문제를 확인하고 대응한 기록

OUTCOME

남긴 결과

PDF 입력부터 리포트까지 이어지는 팀 데모를 Cloud Run에 배포했습니다. 메모리 설정·시작 명령·동시 실행 수를 조정한 뒤 전체 흐름을 다시 완료했습니다.

확인한 방법

Cloud Logging으로 메모리 초과를 확인하고 실행 설정을 바꾼 뒤 PDF 입력→분석→팀 선택→가상 회의→리포트 전체 흐름을 다시 완료했습니다. 공개 코드·본인 커밋·배포 문서와 시연 화면을 함께 제공합니다.

남은 한계

더미 데이터로 검증한 시연용 프로토타입입니다. 외부 협업 도구의 실시간 수집은 미구현이며, 최종 추천 경로는 CSV를 사용합니다. 세션 영속화·비동기 작업·타임아웃·재시도는 후속 과제입니다. 장기 운영·모델 학습 경험으로 확대하지 않습니다.

DB 모델·마이그레이션 구현본인 커밋 · SQLAlchemy 모델과 Alembic 초기 구성

조회 API·Repository 구현본인 커밋 · 필터·페이지네이션·직원 활동 통합 조회

CSV 검증·시드 구현본인 커밋 · Pydantic 검증과 상사→직원 적재 순서

Cloud Run·Vertex 실행 기록실제 모델·stub 모드와 단계별 smoke 확인 기록

결과물 저장소 보기