임동혁 Forward Deployed Engineer
ENKO
대한민국 서울AI · Data · Enterprise Software FDE 포지션 지원 중

임동혁Forward Deployed Engineer

고객의 요청 뒤에 있는 문제를 찾아, 실제로 작동하는 시스템으로 해결합니다.

고객의 업무를 이해하고 필요한 것을 정의해, 설계부터 구현과 배포까지 책임집니다.

주요 프로젝트 보기 이력서

요청이 시스템이 되는 과정

요청이 시스템이 되는 과정 요청 실제 업무 사람들이 하는 일데이터가 지원하는 범위제약이 허용하는 범위 시스템

모든 요청이 업무를 통과하지는 않습니다. 통과한 요청만 명세가 됩니다.

엔터프라이즈 데이터MCP · LLM 연동RAG 파이프라인고객 현장 납품

요청 → 문제 → 시스템 — 세 프로젝트에서 반복된 하나의 패턴입니다. 케이스를 선택해 보세요.

고객의 최초 요청

"임직원이 SQL을 사용할 수 없습니다. 데이터에 접근하고 활용할 수 있게 해주세요."

국내 대형 물류 기업. 투입 2주 뒤 200명 대상 베타테스트.

실제 문제

쿼리 문법이 첫 번째 장애물이 아니었습니다. 현업 담당자는 어떤 데이터가 있는지, 어디에 있는지, 무엇을 검색해야 하는지 알기 어려웠습니다.

고객 현장에서 직접 확인하고, 타사 데이터 검색 서비스를 사용하며 원인을 분석했습니다.

만든 것

거버넌스가 적용된 Databricks 데이터 위의 탐색 계층. 계층 구조와 필터, 결과 맥락, Query Builder, 그리고 운영 가능한 거버넌스 업무 흐름.

200명 베타 완료. 거버넌스 업무 흐름은 개발 진행 중.

200명 베타현장 FDEDatabricks
케이스 스터디 보기
0명

현장 FDE로서 완료한 엔터프라이즈 베타테스트

Case 01

0개월

명세 없는 MCP 요청부터 납품까지, 단독 수행

Case 02

0주

기존 구조로 불가능하던 요구사항의 재설계와 배포

Case 03

15초8초

파이프라인 재설계 이후 생성 속도

Case 03

01
경력

네 개의 자리,
고객과의 거리는 같았습니다.

창업자, 엔지니어, 운영, 그리고 Forward Deployed. 자리는 바뀌었지만 하는 일은 같았습니다. 실제로 필요한 것을 정의하고, 그것을 만드는 일.

  1. 2026.03 — 현재 재직 중

    Upflow

    Forward Deployed Engineer

    원청 SI 아래 2차 납품사로 엔터프라이즈 고객 현장에 투입되어 일합니다. 고객이 가져온 요청에서 그 뒤에 있는 문제를 찾고, 최종 사용자가 실제로 만지는 업무 흐름까지 시스템을 책임집니다.

    약 3.5억 건 데이터 표현200명 파일럿 배포MCP 업무 6개 정의USD 7K AX 계약 기여
  2. 2025.03 — 2026.01

    InJob

    Founder · Product Owner

    대학생을 위한 AI 커리어 추천 스타트업. 학생 80명 이상을 직접 인터뷰해 문제를 정의하고, 진로 정보 탐색의 비효율을 해결하는 커리큘럼 기반 추천 제품으로 만들었습니다.

    정부 예비창업패키지 USD 17K 선정학생 200명 대상 MVP 검증PoC 만족도 86%OCR 파이프라인 5분 → 30초
  3. 2024.02 — 2024.12

    HyperLearning

    Engineering & Operations

    LangChain과 RAG 기반 B2B 영어 문제 생성 서비스. 기존 아키텍처가 지원할 수 없던 고객 요구사항을 중심으로 파이프라인을 재설계하고, 검색·검증·캐싱·폴백 처리를 다시 만들었습니다.

    연 USD 40K B2B 계약생성 속도 15초 → 8초실패율 5% → 1.5%
  4. 2023.08 — 2023.12

    김영성 교수 AI 연구실

    학부 연구생

    트랜스포머 기반 아키텍처를 연구하고 해당 분야의 최신 연구를 리뷰했습니다.

02
주요 프로젝트

세 명의 고객,
세 개의 시스템에서 반복된 같은 일.

각 케이스 스터디는 최초 요청, 그 뒤에 있던 문제, 제약조건, 의사결정, 아키텍처, 납품 결과, 그리고 아직 끝나지 않은 부분까지 기록합니다.

01 — 물류 · 엔터프라이즈 데이터

Enterprise Data Discovery

SQL을 모르는 현업 담당자도 필요한 데이터를 찾고 활용할 수 있도록

"SQL을 쉽게 해달라"는 요청을 데이터 탐색 문제로 재정의하고, 베타 2주 전 현장 FDE로 투입되어 200명 대상 엔터프라이즈 베타를 완료했습니다.

200명 베타현장 FDEDatabricks 베타 완료 · 거버넌스 진행 중
케이스 스터디 보기

02 — 투자 플랫폼 · 시스템 연동

Investment Workflow MCP

"투자자용 MCP"라는 요청을 6개의 실제 업무로 정의하고 구현하기까지

VC 투자자 3명을 인터뷰하고 API 115개를 실제 업무와 대조한 뒤, MCP 서버·고객 로그인·다중 회사 격리를 2개월 동안 단독으로 납품했습니다.

2개월 단독 프로젝트6개 업무 기능API 115개 납품 완료
케이스 스터디 보기

03 — 교육 · AI 시스템

AI Generation Pipeline

기존 구조로 지원할 수 없던 요구사항을 위해 운영 파이프라인을 다시 설계하다

아키텍처의 한계를 고객에게 설명하고 3주 재설계 범위로 정리한 뒤, 지문 중심 구조로 생성 흐름을 다시 만들었습니다.

3주 재설계15초 → 8초5% → 1.5% 실서비스 배포
케이스 스터디 보기
03
일하는 방식

역량 목록이 아니라,
세 프로젝트에서 반복된 네 가지 행동.

각 항목 뒤에는 그 일이 실제로 일어난 순간을 함께 적었습니다.

01

업무 흐름에서 시작한다

무엇을 만들지 정하기 전에, 사람들이 실제로 어떻게 일하는지 먼저 확인합니다.

물류 현장에서 사용자는 쿼리 화면이 아니라 그 앞 단계에서 멈춰 있었습니다. 제품은 SQL 보조 도구가 아니라 데이터 탐색 계층이 되었습니다. Case 01 — 문제 발견 →

02

요청 뒤에 있는 문제를 찾는다

최초 요청은 근거이지, 그대로 명세가 되지는 않습니다.

"MCP 서버를 만들어달라"는 기술 이름이었습니다. 투자자 3명 인터뷰와 API 115개 분석이 그것을 만들 가치가 있는 6개 업무로 바꿨고, 데이터가 지원할 수 없는 기능은 구현 전에 제외했습니다. Case 02 — 제품 범위 정의 →

03

실제 환경을 기준으로 설계한다

기존 시스템, 데이터 경계, 책임 범위, 운영 제약이 해결책의 형태를 결정합니다.

한 투자자가 여러 회사에 소속될 수 있어, 인증만이 아니라 회사 컨텍스트가 모든 도구 호출을 따라가야 했습니다. 고객의 기존 로그인은 그대로 신원의 기준으로 유지했습니다. Case 02 — 인증과 회사 전환 →

04

만들고, 테스트하고, 다시 만든다

시스템을 구현하고 사용자와 함께 검증한 뒤, 첫 번째 답이 틀렸다면 다시 만듭니다.

정확한 데이터를 반환하던 검색 결과 화면도 사용자가 읽지 못하면 실패였습니다. 정보 구조를 다시 만들었습니다. 별개로 약 800회의 GPT API 테스트를 통해 개별 사례가 아닌 반복 결과로 파이프라인을 결정했습니다. Case 01 — 구현 · Case 03 — 테스트 →

04
Why FDE

매번 다른 도메인,
그 아래에서는 같은 일.

물류 현업의 데이터 탐색 도구, 기업의 자체 인증과 연동된 투자 업무 시스템, 교육 분야의 AI 생성 파이프라인. 도메인마다 사용자도, 제약조건도, "잘 만들었다"의 기준도 달랐습니다.

그때마다 반복된 것은 일 자체였습니다. 새로운 도메인을 빠르게 이해하고, 고객에게 정말 필요한 서비스가 무엇인지 판단해, 그 환경 안에서 실제로 작동하는 형태로 만들어 내는 것. 그래서 Forward Deployed Engineer로 일하고 싶습니다.

그 외 납품 이력

  • 국어 서술형 평가 시스템동시 접속 1,500명 · 응답 4,500건

    1,500명이 동시에 응시하는 시험이라, 답안이 저장되지 않으면 시험 자체가 무효가 되는 조건이었습니다. 오류 허용치가 사실상 0이어서 트래픽과 에러 처리에 집중해 백엔드를 설계하고 실시간 로그 관제를 붙였습니다.

    채점 기준은 교수가 손으로 매긴 데이터로만 존재했습니다. 문장 길이·어휘 다양성·단어 난이도 등 9개 피처를 설계한 랜덤포레스트가 테스트셋에서 80% 이상을 기록해, 인간 채점자 70%를 넘겼습니다. 학습 데이터는 수기 채점본 6,000건을 OCR로 디지털화해 마련했습니다.

  • 발표 분석 AI1시간 영상 분석 30분 → 3분

    억양이나 전달력처럼 주관적인 것을 AI가 채점하려면 채점 기준부터 만들어야 했습니다. 억양은 음정 변화량으로, 발음 정확도는 인식한 텍스트와 원본 스크립트의 차이로 산출했습니다.

    이 지표들로 음성 행동 분석 보고서가 자동 생성됩니다. 결과물은 데모 수준까지만 만들었고 실사용자 피드백은 받지 않았습니다.

수상 · 선정

  • 대상 — 프로젝트 마라톤 해커톤53개 팀 중 1위 · 2023

    7인 팀에서 음성 AI 파트를 혼자 맡았습니다. 기본 Whisper가 발표 음성의 단어 사이 음절을 놓쳐서, 한국어 음성 데이터를 음절 인식 기준으로 정제해 발표 환경에 맞게 파인튜닝했습니다.

    1시간 영상 분석에 30분이 걸리던 것을, 신호가 0이 되는 묵음 구간으로 분절해 병렬 처리하는 방식으로 3분까지 줄였습니다. 임의로 자르면 단어가 끊기는 문제를 피하면서요.

  • 창업중심대학 지원사업 최종 선정정부지원금 USD 43K · 2026

    매출 2천만원 규모에 외부 투자가 없어 정량 조건이 불리했습니다. 수치 대신 논리로 설득해야 했습니다.

    정부 발표자료와 올해 공고를 크롤링해 심사 방향을 역산하고, 회사가 앞서 수행한 AX 프로젝트 3건이 모두 물류 기업이라는 공통점에서 “개발자 채용이 어려워 AX 도입에 실패하는 물류 중견기업을 돕는다”는 스토리를 도출했습니다. 사업계획서 10장을 단독으로 작성했습니다.

  • 우수상 — 이노씽크 메이커톤9팀 중 3위 · 2023

    기존 사업자들은 헬멧을 킥보드에 걸어두다 반복해서 잃어버리고 있었습니다. 헬멧 분실과 불법 주차를 별개 문제로 두지 않고, 전용 구역에 도킹해야만 결제가 끝나는 구조에 접이식 헬멧 보관함을 결합했습니다.

    킥보드 구조를 먼저 분석해 부착 위치를 확정하고 소프트웨어를 하드웨어에 맞추는 순서로, 1박 2일 안에 라즈베리파이 NFC 시제품을 동작 수준까지 만들었습니다.

  • 입상 — 학생 선박 설계 경진대회대한조선학회 · 15개 학교 · 2023

    20명 팀의 팀장으로 EEDI Phase 3를 만족하는 AFRAMAX급 원유운반선을 설계했습니다. 최적 제원의 기준 자체가 없어서 저항 최소화를 기준으로 먼저 정의했고, 실제 운항 선박 데이터셋을 직접 구축해 회귀분석으로 주요 제원의 범위를 좁힌 뒤 Holtrop-Mennen Method를 Python으로 구현해 최소 저항 제원을 추정했습니다.

    마감 직전 유체 파트가 지연되며 구조 파트 전체가 막혔을 때, 순차 진행을 고집하지 않고 두 파트를 병합해 병렬로 전환하면서 기한 안에 끝냈습니다.

  • 우수상 — 해양공학 CAE 경진대회한국해양공학회 · 2022

    장주기파 소파 성능을 높이는 새 횡단면의 부유식 방파제를 설계했습니다. 기존 박스형과 부피·비율을 동일하게 맞춰 비교의 공정성을 확보한 조건에서 소파 효율 33% 향상을 얻었습니다.

    평상시·태풍·극한 3가지 파랑 조건에서 Hypermesh 구조 해석과 OrcaFlex 계류 해석을 수행해, 최대 유효장력 2,600kN이 허용 내력 4,940kN 이내임을 확인했습니다.

  • 리더십 장학생인하대학교 · 2023
05
연락

고객을 이해하는 일이 제품을 만드는 과정의 일부인 엔지니어링 포지션에 관심이 있습니다.

정적 사이트라 연락처 폼은 두지 않았습니다. 메일이 가장 빠릅니다.