① 어떤 상황에서 AI를 활용했나요?

업무에서 관리하는 농식품 빅데이터 플랫폼의 AIP 35종을 모니터링 해야했습니다. 오픈 전 테스트 시점에서 API 정보가 끊기는 일이 발생했었기에 모니터링은 필수적이었으나, 매번 엑셀이나 다른 방식으로 API정보를 확인하기 어려웠었습니다.
사람이 눈으로 확인하기 전까지는 API 전송에 문제가 있는지 확인하는 번거로움을 해소하기 위해, 직접 홈페이지에 데이터를 연계하고 호출·응답의 정상을 판별하는 점검 신호등을 만들었습니다.
담당자가 홈페이지만 들어가면 API연계에 문제가 있는지 없는지, 어떤 데이터가 연계가 안되고 어떤 변화가 있는지 표출하도록 구성하였습니다.

② 어떤 AI를 어떻게 활용했나요?

API키를 발급받고, 바이브 코딩으로 claude를 통하여 해당 API를 모니터링하고 예시자료를 표출할 수 있는 기능을 구현하였습니다.
하루 2번의 호출로 오전·오후에 발생하는 오류를 잡아내고자 하였으며, 오류라고 판단되는 6가지 기준을 수립하였습니다.
▶오류 판정 기준
1) 호출 실패·시간 초과
2) 응답 항목 구성이 지난번과 다름,
3) 호출된 행 수가 0건
4) 행 수가 30% 넘게 변함
5) 응답이 10초를 넘음
6) 서로 다른 데이터셋이 똑같은 응답을 줌
위 기준을 통하여 총 35건의 API 데이터를 모두 호출해 판정하고 10종 이상이 오류가 발생하면 빨간불, 1~9종이 오류가 발생하면 노란불, 오류 0종이면 초록불로 표시하며 노란불과 빨간불이면 담당자 사내 메일로 알림을 발송합니다.

③ 활용 결과 어떤 변화가 있었나요?

테스트 기간에 발생한 문제는 담당자가 인지하고 파악하기까지 4일(주말 포함)이 소요되었는데, 지금은 문제가 발생되면 바로 사내메일로 오류발생이 전달되기 때문에 길어도 반나절이면 문제파악이 가능하여 빠른 조치가 가능합니다.
점검기간 또한 매우 단축되었는데, 기존에는 35종의 API를 일일이 하나씩 점검해야 했다면 지금은 35종의 데이터 현황과 문제점, 행 및 컬럼 연계정보가 한눈에 보이니 점검 시간이 대폭 감소하였습니다. 1개의 API정보 점검하는데 1분으로만 잡아도 35분이 걸리던 업무가 페이지 한번 확인해보는 30초로 단축되었습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

단순히 ‘연결이 되는가’를 점검하려고 했지만, ‘내용이 어제와 같은가’를 점검하도록 하였습니다. 공공데이터 연계에서 생기는 문제가 연결이 끊기는게 아니라 연결은 되는데 내용이 바뀌는 것입니다. 그래서 어제의 응답 구조와 행 수를 기억해두고 바뀌는지, 행이 급격하게 늘거나 줄어들지 않는지를 점검 포인트로 잡았습니다.
또한 오류 발생기간 동안 해결되지 않으면 점검 때마다 메일을 보내도록 하였는데, 쌓이다보니 담당자가 무시하는 메일로 변질되는 것을 보며 장애의 시작과 해결 지점에 대해서만 메일을 보내도록 하였습니다. 이력관리를 위해 오류 이력에 대한 기록도 관리하도록 하였습니다.

⑤ 다른 사람도 따라 할 수 있나요

업무에 쓰이는 외부자료가 있다면 그대로 적용 할 수 있습니다. 특히 정보화 업무 담당자들은 시스템 업무가 언제 어떻게 오류가 발생하는지 실시간 파악이 어렵고, 모든 관리포인트를 점검할 수 없기 때문에 이런 오류 모니터링 체계는 필요하다고 생각합니다.
데이터를 연계하는 API키만 발급받으면 바이브 코딩으로 누구나 구축 가능합니다.