김도영 · SK hynix AI Hackathon 2026

경력 8년차 요리사 AI 전문가

안녕하세요. 저는 지주사 사내벤처팀에서 CTO로 근무하고 있습니다.

8개월 동안 웹·Android·iOS에 출시했고, AI로 만든 트레일러를 영화제에 출품, 로컬 에이전트 개발, 자동화 플로우와 QA 에이전트를 구축했습니다.

스크롤해서 지난 8개월의 여정을 확인해 주세요

01서비스 · 사내벤처 팀

JinJJa-K

자막만으로는 알 수 없는 K-드라마 대사의 속뜻, 촬영지, 한국 문화를 외국인에게 알려주는 앱입니다.

기획은 팀과 함께했고, 제가 인프라 설계, DB, UI/UX, 보안, 웹, Android 앱, iOS 앱, 어드민 페이지, R&D, QA를 담당했습니다.

1개월: 웹, 앱 개발부터 출시까지
검색 시스템, 추천 알고리즘, Decoder, K-code, K-wiki: 핵심 기능

Google Play

App Store

02AI 트레일러 · 영화제 출품작

THE ASH COVENANT

3분짜리 4K 트레일러 영상입니다.
IP 없이 AI로 만든 영상을 실제로 쓸 수 있을지 테스트했습니다.

00:00 / 03:12

Higgsfield 영화제 출품작

제가 구축한 에이전트가 스토리 설정집부터 편집까지 8단계를 작업했습니다.
저는 결과를 확인하고, 문제가 생기면 규칙을 고쳤습니다.

설정집
이미지
인물 고정
영상
나레이션
음악
편집·믹스
워터마크·팩샷

3:12: 영화제 출품본 · 4K
8단계: 설정집부터 편집·마감까지

제작 원칙

부정문 대신 긍정문으로
캐릭터 시트 기반으로 인물의 일관성 유지
직접 구축한 자동화 플로우로 제작 후 검수했습니다.

Higgsfield

03로컬 AI 에이전트 · 오프라인 작업용

ONLYONE FRONTIER

인터넷이 없는 곳에서도 제 맥 안에서 돌아가는 작업 에이전트입니다.

기내에서도 업무를 이어 가려고, 오픈 웨이트 모델로 작업 환경을 직접 구축했습니다. Claude Agent SDK로 뼈대를 세우고, M1 맥북에서 지연 없이 돌도록 경량화·최적화한 모델에 도구 33개를 붙였습니다.

33개 도구: Mac 15 · 브라우저 12 · 기록 6
q8_0: KV 캐시 양자화로 128K 컨텍스트를 M1에서 구동

StoryChat 실제 앱 화면: 온보딩(소개 · 언어 설정 · 메인 캐릭터 선택), 홈, 시작 설정, 이야기 지도, 대화. 누르면 다음 화면으로 넘어갑니다.

04JinJJa-K 스토리 · R&D

StoryChat

고르는 대로 다음 장면이 바뀌는 이야기입니다.

스토리 엔진이 장면과 결말을 지키고, AI는 사용자의 말뜻을 해석해 대화를 잇도록 만들었습니다. 초안에서 선택이 결말을 바꾸지 못하는 것을 보고, 결말부터 정하는 방식으로 바꿨습니다.

252개: 자동 테스트 통과 · 9.14
480경로: 24편 · 72엔딩 전수 검증

ODDY 9월 9일 게시 캐러셀과 ECHOMORROW 릴스의 실제 화면. 누르면 다음 화면으로 넘어갑니다.

06콘텐츠 제작·게시 자동화

ODDY · ECHOMORROW

ODDY의 패션 콘텐츠와 ECHOMORROW의 AI 음악을 만들고 게시하는 과정을 직접 자동화했습니다.

ODDY 게시물 14개에서는 도달 대비 상호작용이 정적 캐러셀 15.2%, 모션 캐러셀 11.8%로 나와 정적 캐러셀을 기본 형식으로 정했습니다. “코디” 댓글이 달리면 정해 둔 규칙에 따라 상품 안내 DM을 보내는 프로그램도 붙였습니다.

2개 계정: 패션·AI 음악을 만들고 게시까지 자동화
사람 개입0: AI가 기획·제작·게시·소통까지

07리서치 도구 · 로컬 시제품

Persona V2

이 기획이 성공할까? 실제 사람이 아닌 가상의 페르소나에게 먼저 물어봅니다.

가상 소비자 프로필 10개에 같은 질문을 주고, 답변과 토론 내용을 나란히 볼 수 있게 했습니다.

10개 프로필: 원하는 만큼 가상 소비자를 생성
4가지 질문 방식: 일반 · 역할극 · 사고 과정 · 반론

발음 평가(K·DUCK 롤플레이 연습 · 결과 화면)와 연기 평가(mvp2 녹음 준비 · SYNC RATE 결과 화면)의 실제 앱 화면. 누르면 다음 화면으로 넘어갑니다.

08음성 평가모델 구축

한국어 발음·연기 평가

발음은 Groq·Azure로, 연기는 억양 곡선을 비교해 점수를 매깁니다.

저지연·높은 정확도로 외국인 유저의 한국어 발음을 어떻게 평가할 수 있을지 고민했고, Whisper 모델과 Azure를 사용해 유저가 말하는 즉시 발음을 평가하고 피드백을 줄 수 있도록 구축했습니다. 연기는 원본 대사와 유저 녹음의 억양 곡선을 비교해, 외부 API 없이 브라우저 안에서 점수를 냈습니다.