우연수

LLM · ML Engineer

문제를 쉬운 언어로 차근차근 정의하고, 결과물로 성과를 입증합니다.

📊 핵심 역량

문제 (재)정의

주어진 문제를 그대로 풀지 않고
구조와 관점을 바꿔 본질에 접근합니다

절대 매출 대신에 시장 내 상대적 위치 예측
게임의 일대일 경합 결과를 Bradley-Terry 환산

LLM 실무 적용

LLM을 통해 작업 생산성을 높일 뿐만 아니라
실무 문제 해결에 방법론으로서 적용합니다

Cursor 환경에서 Plan-Act 프레임워크 활용
google ADK 활용한 멀티에이전트 시스템 개발

비즈니스 의사결정

분석과 모델의 결과가 리서치에 그치지 않고
실제 의사결정으로 이어지게 합니다

매출 예측 모델로 첫 개발사 계약 성사
사업 조직의 니즈에 맞춘 모델 평가 지표

🧗‍♀️ 커리어

넥슨컴퍼니 · 넥슨코리아 현재

분석가 (AI엔지니어)

2024.09 — 현재

LLM, 머신러닝 등 다양한 방법론을 통해 게임의 잠재 가치를 정량화여 비즈니스 의사결정에 직접적으로 기여하고 있습니다

넥슨컴퍼니 · 니트로스튜디오

분석가 (AI엔지니어)

2022.12 — 2024.08

인게임 로그 데이터를 기반으로 유저 행동을 분석하고, 강화학습 기반 자율주행 시스템을 리서치했습니다

플랫팜

AI 리서치 엔지니어

2021.07 — 2022.08

2D·3D 딥러닝 모델을 기반으로 자동 콘텐츠 제작 파이프라인을 구축하였습니다

성균관대학교

독문학·국문학 전공

2016.02 — 2021.02

언어와 텍스트에 대한 관심이 자연어처리(NLP)로 이어졌습니다

🚀 주요 프로젝트

페르소나 기반 멀티 에이전트 시스템을 활용한 게임 IP평가

2026.02 — 2026.02 · 분석가 · 넥슨코리아

문제 상황

KPI 외 인지도, 팬덤 등의 정성 요인을 반영하여 IP의 사업가치를 점수화하고자 함

접근 방법

6개 페르소나(게이머, 사업개발실 실장 등)를 서로 다른 관점의 평가 에이전트로 두고 같은 항목을 독립적으로 평가
점수화 과정의 편향을 줄이기 위해 평가 에이전트의 서술식 발언을 점수로 환산하는 별도의 에이전트 활용

결과 및 성과

성과 평가 결과를 대표 이사진 대상으로 보고하여 비즈니스 의사결정의 근거로 활용

배운 점

멀티 페르소나 프레임워크를 통해 말투만 바꾼 응답이 아닌, 실제 그 페르소나에 입각한 주장을 유도함으로써 관점의 다양성을 확보하고 실제에 가까운 평가 내용을 추출

모바일 게임 출시 후 1년 누적 매출 예측 머신러닝 모델 고도화

2025.02 — 진행 중 · 분석가 · 넥슨코리아

문제 상황

학습 데이터 구조와 모델 가정이 충분히 검증되지 않아 데이터 분포 및 평가 인원 변화에 취약한 기존 매출 예측 모델의 개선이 필요

접근 방법

평가자 단위 샘플 구조로 데이터셋을 재구성하여 구조적 안정성을 확보하고 데이터 증강 효과 확인
SHAP 분석과 평가자 인터뷰를 통해 예측 오류가 발생하는 구간의 원인을 분석하여 신규 평가 문항 설계
단순 오차 기반 평가 대신 실제 의사결정에 필요한 손익분기점 구간의 변별력을 fuzzy하게 반영한 성능 지표 개발
절대 매출 예측이 중간값으로 수렴하는 문제를 해결하기 위해 시장 내 상대적 위치(z-score) 예측 방식으로 재구성

결과 및 성과

성과 약 200여 개 게임에 대한 매출 추론 수행하여 첫 개발사 계약 성사, 학습 데이터가 2배 증가하고 평가자풀이 변화하는 분포 변화 환경에서도 RMSE 100만 달러 이상 감소, MAPE 절반 수준으로 감소

배운 점

모델 성능 개선은 알고리즘 변경보다 문제 정의, 데이터 구조, 평가 지표, 운영 프로세스를 함께 개선할 때 실질적인 효과가 발생하며, 실제 비즈니스 의사결정 환경에서는 모델 정확도뿐 아니라 조직이 활용 가능한 형태로 문제를 재정의하는 과정이 핵심임을 경험

매칭 대기 시간 및 경기 품질 지표가 유저의 이탈과 리텐션에 미치는 영향 분석

2024.03 — 2024.04 · 분석가 · 니트로스튜디오

문제 상황

매칭 시스템의 '양적 관점(대기 시간 최소화)'과 '질적 관점(실력 격차 최소화)' 사이의 트레이드오프를 규명

접근 방법

유저 행동을 즉각적인 세션 이탈과 장기적인 잔존으로 구분함으로써 특정 변수가 유저의 만족에 미치는 영향이 단기적인지 장기적인지를 구분
티어와 권역에 따라 유저 세그먼트를 나누어 숙련도(티어)와 지역적 특성에 따라 반응 양상이 다름을 확인

결과 및 성과

성과 매칭 시스템 개선을 위한 파라미터 제시 (허용할 수 있는 최대 대기 시간 및 적정 수준의 유저 기록 격차)

배운 점

유저의 경험이 행동(결과)으로 이어지는 흐름을 데이터로 확인함으로써 유입부터 정착까지 유저 생애 주기(LTV)를 고려한 인사이트 도출

3D Pose Estimation 기반 자동 콘텐츠 제작 파이프라인 구축

2021.11 — 2022.08 · AI 리서치 엔지니어 · 플랫팜

목표

트렌드 Meme 이미지를 자사 캐릭터 스타일로 변환하여 콘텐츠를 자동 생성

접근 방법

ROMP 기반 3D pose 추출 → 캐릭터 리타겟팅 → 영상 렌더링까지 전체 콘텐츠 제작 과정을 자동화 파이프라인으로 설계
Docker 및 multiprocessing 기반 병렬 처리 구조를 적용해 대량 영상 처리 시간을 단축

결과 및 성과

성과 콘텐츠 조회수 1만 이상 기록 | SIGGRAPH 2022 출품

배운 점

모델 연구 결과를 실제 서비스 제작 파이프라인에 적용하는 과정에서 데이터 흐름 설계, 병렬 처리, 자동화 구조 설계 경험

👉 경험 아카이브

LLM 엔지니어링

에이전트 및 파이프라인

Google ADK 기반 UA소재 생성을 위한 파이프라인 구축 (진행중)
LLM 기반 게임 상대 평가 결과를 Bradley–Terry 알고리즘으로 가공해 모델 피처로 활용
VLM 기반 이미지 태그 추출 및 임베딩 기반 예측 실험 수행

어플리케이션 및 활용

LLM API 비용 구조 분석 및 활용 시나리오 정립
LLM 프롬프트 및 파라미터 튜닝을 통한 결과 최적화

딥러닝 모델

생성 모델 및 컴퓨터 비전 연구·개발

GAN / StyleGAN 기반 이미지 생성 및 스타일 변환 모델 개발
Image translation 및 few-shot adaptation 기반 캐릭터 스타일 변환 실험
데이터 수집·전처리·학습·latent space 탐색 전 과정 수행
텍스처 합성 및 스타일 보정 모델 후처리 적용

모션 모방 및 3D 기반 모델 확장

Few-shot 기반 motion imitation 모델 연구 및 실험 수행
영상 모션을 캐릭터 이미지에 적용하는 파이프라인 구축
SMPL 기반 인간 모션 구조 이해 및 적용 경험 확보
2D 이미지 중심 연구에서 3D 모션 영역으로 기술 확장

강화학습 기반 주행 AI 연구

PPO 기반 아이템전 자율주행 에이전트 개선
PointNet 기반 공간 정보 처리 구조 적용
Delayed reward 문제 해결을 위한 보상 구조 설계

데이터 분석

게임 플레이 데이터 분석 및 운영 인사이트 도출

매칭 품질, 실력 격차, 대기 시간과 리텐션 관계 분석
유저 티어 및 권역별 매칭 전략 차별화 필요성 도출
세션 이탈과 장기 리텐션 영향 분리 분석

AI봇 및 게임 난이도 튜닝 분석

트랙별 AI 리타이어율 및 랩타임 분석
AI봇 주행 실패 구간 히트맵 분석
시즌별 AI 난이도 변화 모니터링 및 튜닝 대상 구간 도출

유저 세그먼트 및 행동 분석

신규 유저 행동 로그 기반 세그먼트 모델 구축
접속 빈도·플레이 방식·소비 패턴 기반 유형 분류
권역 및 플랫폼별 세그먼트 분포 및 소비 패턴 분석

게임 시스템 및 콘텐츠 밸런스 분석

카트 업그레이드 성능 및 랩타임 영향 분석
캐릭터 조합 및 승률 영향 분석
라이센스 콘텐츠 난이도 및 이탈 구간 분석
튜토리얼 및 신규 모드 참여 패턴 분석

게임 경제 및 상품 소비 구조 분석

프리미엄 패스 구매와 리텐션 관계 분석
재화 순환 구조 및 소비 병목 구간 분석
보너스권 구매 및 실제 사용 패턴 분석

플랫폼 및 환경 요인 분석

플랫폼별 플레이 패턴 및 접속 구조 분석
패치 용량 및 기기 환경과 리텐션 영향 분석
플랫폼 간 유저 이동 패턴 분석

대시보드 및 인프라

대시보드 구축

캐릭터/카트, 리텐션 Tableau 대시보드 구축 및 운영
실험 트랙킹을 위한 MLflow 대시보드 활용
Sensortower API를 활용한 해외 신규 가망 게임 대시보드 개발

데이터 인프라 및 파이프라인

로그 이벤트 구조 개선 및 분석 환경 정비
Snowflake DB 스키마 설계, Airflow DAG 자동 적재
UNIFIED_APP_ID 등 게임 단위 식별자 체계 도입 및 데이터 자산 구조화

성능 최적화 및 자동화

모델 학습 및 추론 파이프라인 병렬 처리 적용으로 연산 속도 16배 개선 (30분 → 2분)
GPT Batch 처리 및 API 기반 자동화 도입으로 기존 수동 작업 대폭 단축

활동

2024년 구글 ML부트캠프 Tips for Kaggle 발표 - 구글 머신러닝 부트캠프의 졸업생으로서 후배들을 위한 Kaggle 상위권 달성 팁을 전달하였습니다.
Where can creative AI take over - where not? - 독일 함부르크응용과학대학교 Peter Kabel 교수와 AI 와 디자인의 교차지점에 대해 인터뷰를 진행하였습니다.
[슈퍼루키 직무소개] 플랫팜의 Data Engineering 직무