이원준 (gome) — 포트폴리오

소개

마케팅 PM으로 시작해, 지금은 팀이 쓰는 AI 자동화 도구와 LLM 프로덕트를 직접 만듭니다.

웹3 성장 스튜디오 DeSpread에서 한국 마케팅 PM으로 일하며 Solana, Aptos, Sui, Berachain 등 여러 글로벌 프로젝트를 맡았습니다. 이후 파트장으로 KOL·커뮤니티 마케팅을 이끌면서 KOL 정산, 월간 리포트, 마케팅 범위 관리처럼 사람이 반복해서 손대야 하는 업무가 많았습니다.

이런 반복을 줄이려고 직접 도구를 만들기 시작했습니다. 담당자가 코드 없이 업무를 처리하는 대시보드, 자연어로 사내 업무를 실행하는 에이전트 도구, 형식이 제각각인 리포트를 수치로 정리하는 LLM 파이프라인 등을 만들었습니다. 커뮤니티 관리 부담을 덜려고 만든 봇은 현재 250개 이상의 한국 텔레그램 커뮤니티에서 쓰이고 있습니다.

저는 현업의 반복 업무를 코드와 LLM으로 자동화하고, 비개발자도 쉽게 쓸 수 있는 형태로 만드는 일을 잘합니다. 마케팅 실무와 개발을 모두 경험했기 때문에, 문제를 겪는 사람의 관점에서 도구를 설계하고 실제 운영까지 이어가는 데 강점이 있습니다.

gomeboard

컨설팅팀 업무 전반을 자동화한 대시보드

682 / 697 commits

harness

AI 에이전트가 참고하는 사내 지식 인프라

81 / 345 commits

marketmarket

이슈를 데이터로 바꾸는 예측시장 한국 커뮤니티

863 / 3042 commits

gomebot

한국 커뮤니티 봇 + USDT 리워드 스마트 컨트랙트

1234 commits

poly-oracle

3ridge · 마켓마켓에 가격·차트를 제공하는 데이터 오라클

41 commits

storyteller

한국 크립토 KOL 마인드쉐어 캠페인

기획 · 개발

기술 스택

언어Languages

TypeScriptPythonSolidity

프론트엔드 · 런타임Frontend · Runtime

Next.jsReactTailwind CSSNode.js

데이터Data

PostgreSQLPrismaSupabase

AI · LLMAI · LLM

OpenAIAnthropicGeminiVercel AI SDKMCPZod

Web3 · 온체인Web3 · On-chain

FoundryviemwagmiethersSolana

인프라 · 도구Infra · Tooling

VercelAWSTurborepopnpmGitHub Actions

경력

DeSpread데이터 기반 웹3 성장 스튜디오

컨설팅 파트장

2023년 2월 ~ 현재 · 3년 4개월

여러 주요 블록체인 프로젝트의 한국 마케팅을 총괄하며 KOL·커뮤니티 마케팅과 KPI 관리를 담당했습니다. 캠페인 기획, 실행, 성과 측정을 직접 맡으면서 반복적인 수작업이 많다는 걸 알게 됐고, 이를 하나씩 자동화하며 역할을 개발·자동화 영역으로 넓혔습니다.

현재는 예측시장 커뮤니티 마켓마켓에서 제품 기획과 개발을 함께 맡고 있습니다. 직접 코드를 작성하는 동시에 개발팀의 작업 범위와 우선순위를 정리하고, 마케팅 논의에도 참여합니다. 마케팅과 개발을 모두 경험한 사람으로서 두 팀 사이의 요구사항을 연결하고, 필요한 도구를 직접 만들어 문제를 해결합니다.

직접 맡은 프로젝트

몬드리안AI당신의 AI 여정을 가속화합니다

AI 모델 개발 인턴

2021년 7월 ~ 2022년 1월 · 7개월

카메라 비전 기반 AI 모델 개발을 맡아, 산업 현장의 위험도와 이상 징후를 분석하는 모델을 만들었습니다. 여객기 착륙 위험도 분석 모델, 항만 구조물의 균열 패턴과 심각도를 수치화하는 모델 등을 맡았고, 데이터 수집·전처리부터 모델 학습과 평가 파이프라인 구축까지 담당했습니다.

이와 함께 LLM 개발과 실험 파이프라인 구축에도 참여해, 모델을 반복적으로 학습·평가하고 개선할 수 있는 환경을 만들었습니다.

프로젝트

프로젝트 ①

gomeboard

DeSpread 컨설팅팀 업무 자동화 대시보드 — 흩어진 운영 스크립트를 팀원이 직접 쓰는 내부 도구로 통합했습니다

01 · 문제

팀 안에는 이미 여러 자동화가 있었지만 담당자별로 흩어져 있었습니다. 비슷한 스크립트가 각자 따로 운영됐고, 비개발자가 업무를 처리하려면 여전히 개발자의 도움을 받아야 하는 경우가 많았습니다.

자동화가 있어도 팀의 공통 자산이라기보다는 개인의 노하우에 가까운 상태였습니다. 이 흐름을 하나의 운영 도구로 묶어, 담당자가 코드 없이 업무를 처리하는 구조로 바꾸고자 했습니다.

02 · 내 역할

초기 기능 설계, 개발, 운영 통합까지 대부분의 과정을 직접 맡았습니다. 따로 운영되던 자동화 흐름을 흡수해 하나의 대시보드로 합쳤고, 실제 팀 업무에 맞춰 계속 개선했습니다.

아래는 Gomeboard로 통합한 주요 업무 자동화 흐름입니다.

업무 요청 → 추적 → 정산

KOL 포워딩, 커뮤니티 PR 같은 요청 업무를 하나의 흐름으로 묶었습니다. 담당자가 요청을 등록하면 추적과 정산까지 자연스럽게 이어지도록 만들었습니다.

접수

담당자가 Slack /요청 명령어나 대시보드 모달로 요청을 등록합니다. 요청 내용은 DB에 기록되고, 계약된 마케팅 스코프가 자동 차감되며, 담당 채널로 알림이 전송됩니다.

추적

포워딩 업무가 생성되면 해당 KOL 채널을 자동으로 모니터링합니다. 포워딩 콘텐츠가 올라오면 게시물 링크와 조회수를 읽어와 성과 데이터로 기록합니다.

정산

누적된 성과 데이터를 바탕으로 채널별 정산표를 만들고, KOL 정산과 USDT 송금에 필요한 데이터를 정리합니다.

콘텐츠 성과 자동 수집

블로그, 미디어, 텔레그램 링크를 붙여넣으면 성과 지표가 자동으로 채워지도록 했습니다. 담당자가 탭을 오가며 제목, 날짜, 매체명, 조회수를 일일이 확인하던 과정을 줄였습니다.

붙여넣기

담당자가 콘텐츠 URL을 입력합니다.

파싱

블로그와 미디어 콘텐츠는 페이지에서 주요 정보를 읽어오고, 텔레그램 콘텐츠는 사내 데이터를 기반으로 제목, 날짜, 매체, 조회수를 자동으로 가져옵니다.

적재

수집된 성과 지표는 정형 데이터로 저장되어, 이후 집계와 리포트에 바로 반영됩니다.

캠페인 리포트 자동 생성

스토리텔러 텔레그램 캠페인 성과를 매일 쌓고, 캠페인이 끝나면 버튼 한 번으로 리포트를 만들 수 있게 했습니다.

수집

캠페인 리더보드 데이터를 매일 자동으로 수집해 저장합니다.

집계

KPI 달성률, 성과 추세, Top 채널, 등급 분포 등 캠페인 성과를 한 번에 계산합니다.

리포트

집계된 데이터를 바탕으로 3페이지 PDF 리포트를 자동 생성해, 담당자가 바로 내려받을 수 있게 했습니다.

한국 시장 데이터·뉴스 브리핑

한국 시장의 커뮤니티 반응과 뉴스 흐름을 매일 요약해, 대시보드에서 바로 확인할 수 있도록 만들었습니다.

수집

네이버 뉴스와 텔레그램 메시지를 매일 자동으로 수집합니다.

요약

Claude를 활용해 주요 이슈를 카테고리별로 정리하고, 커뮤니티 분위기와 자주 등장하는 키워드를 요약합니다.

제공

요약된 내용은 대시보드와 인사이트 화면에 표시되어, 담당자가 따로 리서치하지 않아도 시장 흐름을 빠르게 확인할 수 있습니다.

07 · CLI · 에이전트 연동

대시보드에서 처리하던 업무를 API와 CLI에서도 실행할 수 있게 만들었습니다. 사람뿐 아니라 CLI 기반 AI 에이전트도 같은 업무 도구를 자연어로 사용할 수 있도록 확장했습니다.

결과

Gomeboard로 비개발 팀원이 코드 없이 업무를 처리하는 셀프서비스 환경을 만들었습니다. 담당자별로 흩어져 있던 자동화는 하나의 운영 도구로 통합됐고, 반복되던 요청·추적·정산·리포트 업무를 팀 단위 자산으로 바꿨습니다.

대시보드, API, CLI를 함께 제공해 사람이 쓰면서 AI 에이전트도 실행할 수 있는 업무 도구로 확장했습니다.

직무 연결고리

→ 단순한 내부 대시보드가 아니라, 비개발 현업팀의 반복 업무를 자동화하고 AI 에이전트가 실제 운영 도구를 실행하게 만든 경험입니다.

현업의 문제를 직접 발견해 제품으로 설계하고, 코드·LLM·에이전트 연동으로 실제 팀 운영까지 이어갔습니다. 지원하는 직무와 가장 가까운 작업이라고 생각합니다.

프로젝트 ②

harness

Claude 기반 AI 에이전트 하네스 — 팀이 반복해서 쓰는 AI 작업을 스킬·플러그인으로 묶고, Gomeboard와 연결했습니다

01 · 문제

컨설팅팀에서는 리서치, 데이터 조회, 운영 자동화 같은 AI 작업이 반복되고 있었지만, 실행 방식은 담당자마다 달랐습니다. 공통으로 쓸 수 있는 실행 환경이 없다 보니, 필요한 기능이 생길 때마다 따로 구현하거나 개발자의 도움을 받아야 했습니다.

저는 이 반복 작업들을 팀 공통 흐름으로 정리하고, 자연어 요청이 실제 업무 실행으로 이어지는 환경을 만들고자 했습니다.

02 · 내 역할

Claude 기반 AI 에이전트를 컨설팅팀이 공통으로 사용할 수 있도록, 스킬과 플러그인을 모아 실행하는 하네스 구축에 참여했습니다.

그중 전사 거버넌스 도구와 PM 운영 플러그인은 직접 만들었고, 데이터 조회 플러그인과 리서치 작성 플러그인에도 핵심 기능 구현에 참여했습니다. 프롬프트 작성에 그치지 않고, 실제 팀 업무와 연결되는 실행 도구로 동작하도록 설계하고 구현했습니다.

03 · 만든 스킬 · 플러그인

거버넌스전사 공통 거버넌스 플러그인을 만들었습니다. PR 자동 리뷰, 시크릿 스캔, Git 가드레일 훅으로 구성됩니다.

PR 리뷰 에이전트는 코드 변경을 확인해 리뷰 코멘트를 남기고, 시크릿 스캔은 API 키나 접속 정보처럼 노출되면 안 되는 값을 잡아냅니다. 가드레일 훅은 메인 브랜치 직접 커밋 같은 위험한 작업을 사전에 막습니다.

데이터자연어 데이터 조회 플러그인 구축에 참여했습니다. 컨설팅팀 담당자가 한국어로 질문하면, 에이전트가 이를 읽기 전용 SQL로 변환해 데이터를 조회합니다. DB 연결은 MCP로 처리하고, 조회 결과는 다시 비즈니스 맥락에 맞는 언어로 정리해 돌려줍니다.

덕분에 담당자가 직접 SQL을 작성하지 않아도 필요한 데이터를 확인하고, 캠페인 성과나 운영 지표를 빠르게 해석할 수 있습니다.

리서치멀티소스 RAG 기반 리서치 작성 플러그인 구축에 참여했습니다. 여러 출처를 교차 확인해 내용을 정리하고, 팀 문체에 맞는 초안을 생성하도록 구성했습니다.

초안을 생성하는 데서 끝나지 않고, 저장 직전에 출력 규칙을 어긴 내용이 없는지 확인하는 가드레일을 넣었습니다. 잘못된 형식이나 부적절한 표현이 그대로 문서로 남지 않도록 했습니다.

운영PM 운영 플러그인을 직접 만들었습니다. 컨설팅팀 PM이 자연어로 업무를 요청하면, 에이전트가 이를 Gomeboard 명령으로 변환해 실행합니다.

정산 정리, 업무 요청 등록, 성과 조회처럼 기존에는 대시보드에서 직접 처리하던 업무를 자연어로 실행할 수 있게 했습니다.

Gomeboard 연동 — 자연어로 운영 업무 실행

기존에는 담당자가 Gomeboard 대시보드를 열고 필요한 메뉴를 찾아 업무를 처리해야 했습니다. Harness를 연동한 뒤에는 같은 업무를 자연어로 요청하면, 에이전트가 적절한 플러그인을 골라 Gomeboard 명령으로 변환해 실행합니다.

요청

PM이 필요한 업무를 자연어로 입력합니다. 정산 정리, 업무 요청 등록, 캠페인 성과 조회 같은 요청을 그대로 말할 수 있습니다.

실행

에이전트가 요청을 해석하고 알맞은 스킬이나 플러그인을 고릅니다. 이후 이를 Gomeboard에서 실행 가능한 명령으로 변환해 처리합니다.

반영

업무 요청, 정산, 성과 조회 결과가 기존 Gomeboard 업무 흐름 안에 그대로 기록됩니다. 사람과 에이전트가 같은 운영 도구를 공유하도록 만든 구조입니다.

결과

Harness로 컨설팅팀의 AI 활용 방식을 공통 실행 환경으로 정리했습니다. 이제 PM이 자연어로 데이터 조회, 리서치, 운영 업무를 직접 실행할 수 있습니다.

Gomeboard와 연동하면서 AI 에이전트가 답변을 생성하는 도구를 넘어, 실제 운영 시스템을 움직이는 업무 인터페이스로 확장됐습니다.

직무 연결고리

→ Harness는 개별 기능이라기보다, AI 에이전트가 현업 도구를 직접 실행하도록 만든 팀 공통 실행 인프라에 가깝습니다. 스킬·플러그인 설계부터 MCP 기반 데이터 연동, 가드레일, Gomeboard 실행 연동까지 맡았습니다.

사람이 하던 운영 흐름을 자연어 AI 도구로 옮기고, 에이전트가 그 흐름을 함께 수행하도록 만든 작업입니다.

프로젝트 ③

marketmarket

폴리마켓 기반 예측시장 한국 커뮤니티 — 한국 주식 종목 페이지와 리포트 정량화 파이프라인을 구현했습니다

01 · 제품

마켓마켓은 폴리마켓 기반 예측시장을 중심으로 한 한국 커뮤니티입니다. ‘예측’이라는 소재로 웹2·웹3 유저를 모으고, 이 유저 풀을 다른 웹3 서비스로 연결하는 것을 목표로 한 제품입니다.

저는 이 안에서 한국 종목(주식) 페이지를 맡아 구현했습니다. 예측 커뮤니티와 한국 주식 정보를 종목 단위로 연결하는 화면입니다.

02 · 종목 페이지란

종목 하나를 열면 필요한 정보가 한 화면에 모입니다. 실시간 캔들 차트, DART 재무·공시, 밸류에이션 지표, 애널리스트 컨센서스(목표주가·의견 분포), 그리고 그 종목과 연결된 마켓마켓 예측마켓과 종목 댓글까지 함께 볼 수 있습니다.

흩어진 한국 주식 정보를 한데 모으고, 예측 커뮤니티를 종목 단위로 잇는 것이 이 페이지의 역할입니다.

애널리스트 리포트 정량화

종목 페이지에는 애널리스트 컨센서스(평균 목표주가·상승 여력·의견 분포)가 들어갑니다. 한국 증권사 리서치는 API 없이 PDF로만 제공되는 경우가 많아, 이를 제품에서 쓸 수 있는 정형 수치로 바꾸는 파이프라인을 만들었습니다.

수집

증권사 리서치 PDF를 자동으로 모읍니다.

추출

LLM으로 목표주가·매출·영업이익·EPS 등 8개 수치를 구조화해 추출합니다. 스키마 검증·신뢰도 점수·단위 정규화(조원→백만원)를 거치고, 이미지로만 된 PDF는 멀티모달 OCR로 폴백합니다.

컨센서스

여러 증권사 추정치를 평균·중앙값·표준편차로 집계해 종목 페이지의 컨센서스로 제공합니다.

04 · 그 외 직접 구현

시세실시간 시세 WebSocket — 장 세션 단계(장전·정규·시간외)를 인식하고 틱을 캔들로 병합합니다. 연결이 끊기면 재연결하고, 복구 전까지는 REST로 캔들 차트를 메웁니다.

밸류에이션밸류에이션 엔진 — Piotroski F-Score(재무건전성 8지표), Altman Z, PER·PBR·EV 멀티플·PEG, 변동성·모멘텀·가치·규모 4팩터 레이더.

결과

예측시장 커뮤니티 안에서, 흩어진 한국 주식 정보를 종목 단위로 모은 페이지를 만들었습니다. 특히 PDF로만 존재하던 애널리스트 리포트를 신뢰도를 매긴 정형 수치로 바꿔, 종목 페이지에서 바로 쓸 수 있는 데이터로 연결했습니다.

직무 연결고리

→ PDF처럼 정리되지 않은 데이터를 LLM으로 구조화해 실제 제품에 녹인 경험입니다. LLM 프로덕트 엔지니어링과 핀테크 도메인이 함께 필요한 작업이었습니다.

프로젝트 ④

storyteller

Kaito Yaps에서 착안한 한국 크립토 KOL 마인드쉐어 캠페인 — 캠페인을 기획하고, KOL 티어 산정 로직과 메시지 그레이딩 프롬프트를 직접 설계했습니다

01 · 배경

한국 크립토 마케팅에서는 ‘어떤 KOL 채널이 실제로 영향력 있는가’를 대부분 구독자 수로 판단했습니다. 하지만 구독자 수는 부풀리기 쉽고, 콘텐츠가 실제로 커뮤니티에 얼마나 퍼지는지와는 차이가 컸습니다.

트위터 기반으로 영향력을 점수화하는 Kaito Yaps에서 착안해, 한국 텔레그램 KOL 생태계에 맞는 마인드쉐어 캠페인 스토리텔러를 기획했습니다. KOL 콘텐츠의 품질과 확산을 점수화해, 캠페인 보상과 KOL 선정의 객관적인 근거로 삼는 구조입니다.

02 · 내 역할

마케팅 PM으로서 캠페인 전체를 기획했고, 거기서 그치지 않고 제품개발팀과 함께 시스템을 만들며 KOL 티어 산정 로직과 메시지 그레이딩 프롬프트를 직접 설계했습니다.

KOL의 영향력을 객관적으로 측정해야 하는 현업의 문제를, 데이터와 LLM 기반 점수화 시스템으로 풀었습니다.

KOL 티어 · 평판 시스템

캠페인의 핵심은 채널의 영향력을 구독자 수가 아니라 채널 간 인용(전달) 관계로 계산하는 것입니다. 영향력 있는 채널이 자주 인용하는 채널일수록 높게 평가받도록 설계했습니다.

수집

채널 간 메시지 전달·인용 관계를 일정 기간 단위로 수집합니다. 자가 인용이나 그룹방 자동 전달처럼 의미 없는 신호는 걸러냅니다.

가중 점수

단순 인용 횟수가 아니라 누가 인용했는지에 가중치를 둡니다. 상위 티어 채널에 인용될수록 높은 점수를 받습니다.

티어 산정

점수와 누적 인용량을 함께 보고 채널을 A+부터 D까지 티어로 분류하고, 서로 자주 인용하는 채널들을 하나의 영향력 그룹으로 묶습니다.

04 · 메시지 그레이딩 프롬프트

KOL 채널의 메시지에 품질 기준으로 A/B/C/D 등급을 매기는데, 이때 쓰는 평가 프롬프트를 개선했습니다. 광고성·템플릿·AI 생성으로 의심되는 메시지를 걸러내고, 실제 근거가 있는 콘텐츠가 제대로 평가받도록 기준을 다듬었습니다.

결과

스토리텔러는 한국 크립토 KOL의 영향력을 구독자 수가 아니라 실제 콘텐츠 확산과 인용 관계로 점수화하는 캠페인으로 자리 잡았습니다. KOL 티어 시스템은 캠페인 보상과 KOL 선정의 근거가 됐고, 내부 KOL 분석 데이터로도 쓰이고 있습니다.

직무 연결고리

→ 마케팅 현업의 문제를 데이터 제품으로 기획하고, 평판 산정 로직과 LLM 그레이딩 프롬프트까지 직접 설계한 경험입니다. 기획과 LLM 시스템 설계를 따로 떼지 않고 직접 맡았고, 프롬프트 엔지니어링으로 평가 품질을 끌어올렸습니다.

프로젝트 ⑤

gomebot

한국 Web3 커뮤니티 봇과 온체인 USDT 리워드 시스템 — 봇, 컨트랙트, 정산, 대시보드까지 전 영역을 맡아 운영했습니다

01 · 배경

Berachain 커뮤니티 봇으로 시작해, 지금은 여러 한국 Web3 커뮤니티에서 쓰는 운영 봇으로 확장했습니다. 스팸 차단, 예약 메시지 같은 기본 기능에 더해, 활동 리워드를 온체인에서 USDT로 정산하는 시스템까지 직접 만들었습니다.

정산 내역이 체인에 남아 검증할 수 있고, 서버가 임의로 잔액을 바꿀 수 없는 구조로 설계했습니다.

02 · 내 역할

텔레그램 봇(Python), 리워드 스마트컨트랙트(Solidity·Foundry), 온체인 정산 로직, dApp 대시보드(Next.js)까지 전 영역을 맡아 만들고 운영했습니다.

03 · 온체인 USDT 리워드 정산

커뮤니티 이벤트 리워드를 Base·Arbitrum 메인넷에서 USDT로 정산합니다. 정산 스마트컨트랙트와 온체인 claim 흐름을 직접 설계·구현하고 운영했습니다.

유저는 확정된 보상을 직접 claim하고, 정산 내역은 체인에 남아 검증할 수 있도록 구성했습니다.

04 · 컨트랙트 보안

정산은 자산을 직접 다루는 영역이라 컨트랙트 보안을 우선으로 설계했습니다. 서명 재사용과 중복 수령을 막고, 비정상적인 배치 요청이나 예외 상황에서도 정산 흐름을 멈출 수 있도록 안전장치를 넣었습니다.

Foundry로 재진입 등 공격 시나리오를 테스트하며 컨트랙트를 점검했습니다.

05 · 커뮤니티 봇 · 자동화

안티스팸50개가 넘는 스팸 패턴으로 메시지를 거릅니다. 링크와 키워드를 함께 보는 조합 규칙, 그룹·채널명을 도용한 사칭 감지, 제재가 누적되면 자동으로 블랙리스트에 올리는 규칙을 운영합니다. 규칙은 DB에서 관리해 코드 수정 없이 바로 반영됩니다.

뉴스매일 정해진 시각에 시세·글로벌/한국 뉴스·텔레그램 메시지를 수집하고, Gemini로 핵심을 선별해 이미지 카드로 만들어 자동 발행합니다.

대시보드Next.js 웹 대시보드에서 채널·유저 활동 분석, 리워드 claim, 볼트 관리를 처리합니다. 텔레그램 미니앱 지갑(wagmi·viem·reown)을 연동해 앱 안에서 바로 claim할 수 있습니다.

결과

커뮤니티 운영 봇에서 시작해, 리워드를 온체인에서 USDT로 정산하는 시스템까지 전 영역을 맡아 만들고 운영했습니다. 봇·스마트컨트랙트·대시보드가 하나의 서비스로 맞물려 돌아가고, 정산 내역은 체인에 기록돼 검증할 수 있습니다.

직무 연결고리

→ 온체인 정산과 컨트랙트 보안을 직접 코드로 구현한 경험입니다. 자산을 다루는 서비스에 필요한 안전장치를 설계하고, 봇부터 대시보드까지 실제 유저가 쓰는 형태로 운영했습니다.