Agent Platform · Senior Software Engineer
문현재
Hyun Jae Moon
만들고, 검증하고, 전달하는 시스템을 만들어 온 경험,
그 경험으로 Company B의 에이전트 자동화 파이프라인에 기여하고 싶은 이유.
Experience building systems that generate, validate, and deliver —
and why I want to bring it to Company B's agent automation pipeline.
Story 01 · Roots
자동화가 필요한 사업을 하는
집에서 자랐습니다
I grew up in a family whose
businesses need automation
Father · Manufacturing
아버지는 건축용 표면재·타일을 제조·판매합니다. 견적, 카탈로그 문의, 재고 확인 — 작은 팀이 반복 업무에 하루를 소모합니다. My father manufactures and sells architectural surfaces and tiles. Quotes, catalog inquiries, stock checks — a small team loses its day to repetitive work.
Mother · Gallery
어머니는 아티스트에게 전시 공간을 임대하는 갤러리를 운영합니다. 예약, 일정 조율, 안내 — 사람 손으로 도는 운영이 사업의 성장 속도를 정합니다. My mother runs a gallery that leases exhibition space to artists. Bookings, scheduling, inquiries — operations run by hand set the ceiling on how fast it grows.
“최고의 AI 에이전트가 소수의 거대 기업만의 것이어서는 안 된다.” — Company B가 스스로를 설명하는 방향입니다. 그리고 이건 제 부모님의 사업에 대한 이야기이기도 합니다. “The best AI agents shouldn't belong only to the biggest companies.” — that is the direction Company B describes for itself. It is also a sentence about my parents' businesses.
Source · Company B website, About page
그래서 저는 moonai를 만들어 한국 중소기업에 AI를 납품합니다. Google 규모의 ML을 가질 수 없는 사업들이 제 고객입니다. 큰 플랫폼의 기술을 그렇지 않은 사업에 가져다주는 일 — Company B가 에이전트 자동화에서 하려는 일과 같은 방향이라고 생각합니다. So I built moonai, delivering AI to Korean SMBs. My customers are the businesses that will never have Google-scale ML of their own. Bringing big-platform technology to the businesses that lack it — I believe that is the same direction Company B is pointed with agent automation.
Story 02 · Berkeley
세상을 수식으로 표현하던
Engineering Physics에서
CS로 전환했습니다
From Engineering Physics,
describing the world in equations,
I switched to CS
UC Berkeley에 Engineering Physics 전공으로 입학했습니다. 세상을 수학적으로 parameterize하는 것이 좋았지만, 첫 알고리즘 수업에서 CS에 완전히 빠졌습니다. I entered UC Berkeley as an Engineering Physics major. I loved parameterizing the world mathematically, but my first algorithms class made me fall completely for CS.
소프트웨어 프로젝트와 제품 만들기가 매력적이었고, 돈 없는 대학생도 자기 제품을 설계·출시할 수 있다는 점이 특히 끌렸습니다. Software projects and product-building drew me in — especially the fact that even a broke college student could design and ship their own product.
중간에 전공을 CS로 전환. 중학교부터 코딩해 온 동기들 사이에서 대학에서 처음 시작했지만, Undergraduate Student Instructor가 되고 Google 신입 SWE 오퍼를 받았습니다. I switched my major to CS midway. Among peers who had coded since middle school, I started in college — yet became an Undergraduate Student Instructor and earned a new-grad SWE offer from Google.
낯선 도메인을 빠르게 흡수하는 것 — 그게 제가 증명해 온 근육입니다. Company B의 도메인은 제게 새롭습니다. 그리고 저는 그 전환을 이미 한 번 해봤습니다. Absorbing an unfamiliar domain fast — that is the muscle I have proven. Company B's domain is new to me. I have made that switch before.
Story 03 · Systems
Google에서 3년,
그리고 직접 만들기 시작했습니다
Three years at Google,
then I started building on my own
Google에서는 대규모 시스템을, moonai에서는 LLM으로 만들고 평가하는 파이프라인을 납품했습니다. At Google I built large-scale systems. At moonai I have been delivering pipelines that generate and evaluate with LLMs.
Google · 2022–2025
- Rust Frontend API · TypeScript Web UI — Android Emulator 네트워크 시뮬레이션 Rust frontend API · TypeScript web UI — Android Emulator network simulation
- 800,000 DAU 대상 주간 릴리스 · Soong/Bazel/CMake 빌드 통합 · CI/CD Weekly releases to 800,000 DAU · Soong/Bazel/CMake · CI/CD
- LangGraph 에이전트 프로덕션 — 월 2,000+ 리포트 자동 분석 LangGraph agents in production — 2,000+ reports analyzed monthly
- RAG · NL2SQL로 디버깅 시간 이슈당 평균 7일 단축 RAG · NL2SQL cut debugging time by 7 days per issue
- 2년 만에 Senior 승진 Promoted to Senior in two years
moonai · 2025–now
- 한국·미국 사업에 AI를 납품하는 moonai 창업·운영 Founded moonai, delivering AI to Korean and US businesses
- PlayShelf — FastAPI · PostgreSQL · React · AWS · SQS · Redis PlayShelf — FastAPI · PostgreSQL · React · AWS · SQS · Redis
- Yushin — LangGraph + GCP Agent Engine 제품 검색 에이전트 Yushin — LangGraph + GCP Agent Engine product search agent
- 헬스케어 AI 통화 평가 러너 — AI 상호작용을 대규모로 자동 평가 A healthcare AI call-evaluation runner — automated assessment of AI-driven interactions at scale
AWS in production · PlayShelf
Lambda(ECR) · API Gateway · SQS · EventBridge · S3+CloudFront · RDS · CloudWatch — 이벤트 기반 파이프라인을 혼자 설계·배포·운영합니다. Lambda(ECR) · API Gateway · SQS · EventBridge · S3+CloudFront · RDS · CloudWatch — event-driven pipelines I design, deploy, and operate solo.
GCP in production · Yushin AI
멀티 리전 Cloud Run · Vertex AI · Agent Engine · Firestore · BigQuery — 제조사 카탈로그에 검색·실시간 음성 AI를 4주 만에 납품했습니다. Multi-region Cloud Run · Vertex AI · Agent Engine · Firestore · BigQuery — search and real-time voice AI delivered in 4 weeks onto a manufacturer's catalog.
Story 04 · Agent Pipeline
자동화는 워크플로 단위가 아니라
태스크 단위의 결정입니다
Automation is a per-task decision,
not a workflow-level assessment
Company B · Agent Platform
JD 기준으로 이 팀이 만드는 것 — 에이전트의 인제스트 → 검증 → 생성·변환 → 전달 → 런타임 선택. 저는 이 회사의 도메인을 해본 적이 없습니다. 하지만 이 파이프라인의 각 단계는 제가 다른 도메인에서 이미 만들어 본 형태입니다. What this team builds, per the JD — agent ingestion → validation → generation/transformation → delivery → runtime selection. I have not worked in this company's domain. But every stage of this pipeline is a shape I have already built in another domain.
Ingest
문서·데이터·API 연결, 메타데이터, 버전 관리 Documents, data, API connections · metadata · versioning
Where I've built this shape PlayShelf · Yushin — 게임·제품 카탈로그의 자산과 메타데이터를 수집·정규화하는 파이프라인. PlayShelf · Yushin — pipelines ingesting and normalizing catalog assets and metadata for games and products.
Validate
정책·품질 검사, 콘텐츠 모더레이션, 분류 Policy and quality checks · content moderation · classification
Where I've built this shape Google — Android Emulator 네트워크 시뮬레이션 릴리스의 QA를 직접 설계·운영했습니다. 유닛·통합·E2E 테스트를 CI/CD에 넣어, 800,000 DAU에 나가기 전 모든 빌드가 통과해야 하는 자동 품질 게이트를 만들었습니다. Google — I designed and ran QA for the Android Emulator network simulation releases. Unit, integration, and end-to-end tests in CI/CD became the automated quality gate every build had to clear before reaching 800,000 DAU.
Generate
GenAI 기반 자동 생성 · 변환 · QA · 분류 GenAI for auto-generation · transformation · QA · classification
Where I've built this shape PythonTestingAgent — Gemini가 문제를 생성하고, 제출물을 자율 채점합니다. 생성과 자동 평가를 한 파이프라인 안에서. PythonTestingAgent — Gemini generates the problems and autonomously grades the submissions. Generation and automated QA in one pipeline.
Deliver
저지연 전달, 고가용성 — 실시간 에이전트 서빙 Low-latency delivery, high availability for real-time agent serving
Where I've built this shape AWS S3+CloudFront · 멀티 리전 Cloud Run — 미디어 전달과 무중단 배포를 프로덕션에서 직접 운영합니다. AWS S3+CloudFront · multi-region Cloud Run — media delivery and zero-downtime rollout, operated in production.
Select · Evaluate
런타임 선택 · 스코어링 · 평가(eval) · A/B 테스트 Runtime selection · scoring · evals · A/B testing
Where I've built this shape Google · 네트워크 엔지니어링 에이전트 — 에이전트의 평가 체계를 직접 만들었습니다. 사내 버그 리포트를 모아 eval set으로 만들고, 에이전트의 출력을 그 기준으로 측정했습니다. 무엇이 좋은 결과인지 기계가 판정하게 만드는 일. Google · network engineering agent — I built the agent's evaluation harness: gathering internal bug reports into an eval set and scoring the agent's output against it. Making a machine decide what counts as a good outcome.
JD는 “GenAI를 자동 생성·변환·QA·분류에 적용한 경험은 큰 플러스”라고 적고 있습니다. 그건 제가 지난 1년간 실제로 해 온 일입니다. 도메인은 배우겠습니다 — 저는 그 전환을 해본 사람입니다. The JD calls “applying GenAI to auto-generation, transformation, QA, or classification” a strong plus. That is what I have actually spent the past year doing. The domain I will learn — switching domains is the thing I have already proven.
Why Company B
정체성 자체가
AI 에이전트인 회사
A company whose identity
is AI agents
Company B의 에이전트는 막대한 수의 태스크를 실시간으로 판단하고 실행합니다 — 솔직히 제가 아직 겪어보지 못한 규모입니다. 제가 가진 건 Google에서 대규모 시스템을 다뤄 본 경험과, 지난 1년간 LLM으로 만들고 평가하는 파이프라인을 직접 납품해 온 시간입니다. 이 팀에서 그 경험이 쓸모가 있으면 좋겠습니다. 나머지는 배우겠습니다. Company B's agents judge and execute an enormous volume of tasks in real time — honestly, a scale I have not worked at. What I have is experience with large-scale systems at Google, and a year spent delivering pipelines that generate and evaluate with LLMs. I hope that proves useful on this team. The rest I intend to learn.
이미 Company B로 업무를 자동화하는 한국 사업들 Korean businesses already automating with Company B
국내 대표 커머스 · 패션 · 게임 · 로컬 플랫폼 다수
문현재 · Hyun Jae Moon
hyunjae@moonai.co.kr · moonai.co.kr
감사합니다. 질문 환영합니다. Thank you. Questions welcome.