복잡한 기술 이니셔티브를 관리할 때 어떤 접근 방식을 취하나요?

졸업 프로젝트에서 ML 기반 추천 시스템을 처음부터 설계하고 배포까지 진행하는 이니셔티브를 맡았습니다. 팀 4명이 함께했지만, 기술 방향을 잡는 일은 제가 주도했습니다.

초반에 가장 어려웠던 점은 범위가 너무 넓다는 것이었습니다. 데이터 수집부터 모델 학습, 서빙까지 모두 포함하다 보니 어디서부터 시작해야 할지 불분명했습니다. 저는 먼저 마일스톤을 3단계로 나눠 각 단계의 완료 기준을 명시했습니다. 1단계는 데이터 파이프라인 완성, 2단계는 오프라인 평가 지표 확인, 3단계는 배포 및 A/B 테스트였습니다.

도구로는 MLflow로 실험을 트래킹하고, 모델 버전 관리를 체계화했습니다. 덕분에 팀원들이 서로의 실험 결과를 쉽게 공유하고 비교할 수 있었습니다. 커뮤니케이션 측면에서는 주 1회 짧은 리뷰 미팅으로 진행 상황과 블로커를 공유했고, 문제가 생기면 미팅을 기다리지 않고 바로 채널에 공유하도록 했습니다.

결과적으로 8주 일정 내에 배포를 완료했고, 오프라인 NDCG 기준으로 베이스라인 대비 약 15% 개선됐습니다. 이 경험에서 복잡한 이니셔티브를 관리할 때 기준을 먼저 세우고 작게 나누는 것이 실행력을 만들어낸다는 걸 배웠습니다.