DevLog

엔지니어링 블로그를 한 곳에서 탐색하고, 최근 발행 흐름을 빠르게 파악할 수 있는 서비스 입니다.

Quick Links

  • Latest Feed
  • Engineering Directory

Support

  • 소개
  • 개인정보처리방침

Contribute

  • 원하는 블로그 추가 (준비 중)
  • Feedback

© 2026 DevLog Inc. All rights reserved.

본 사이트는 공개 RSS 피드를 통해 콘텐츠를 수집하며, 모든 콘텐츠의 저작권은 원저작자에게 있습니다.

Back to Feed
Read Original

Contents

Continue Reading

  • More from 우아한형제들
  • Related reads#LLM
#Backend

5년 동안 못 푼 배민 다국어 숙제, AI와 함께 한 달 만에 끝내기

5년 동안 못 푼 배민 다국어 숙제, AI와 함께 한 달 만에 끝내기
01

Summary

5년 동안 멈췄던 배민 다국어 프로젝트, AI로 19일 만에 '올킬'한 비결

전사적 난제였던 수천만 개 메뉴 번역, LLM과 데이터 파이프라인으로 해결한 폭풍 성장기

매년 시도했지만 실패했던 배민의 다국어 서비스가 AI 기반 구축 TF와 LLM의 만남으로 한 달 만에 현실이 되었습니다. 기술적 한계를 뛰어넘은 FDH 시스템과 Spring AI Bedrock 연동을 통해 수천만 개의 데이터를 실시간으로 번역하는 아키텍처를 구현했습니다. 단순한 기술 도입을 넘어, PoC 결과 하나로 조직 전체를 움직인 빠른 실행력과 의사결정 문화가 어떻게 혁신을 만드는지 보여줍니다.

  • 015년 묵은 백로그를 19일 만에 해결한 압도적인 실행 속도
  • 02FDH(Food Data Hub)와 LLM 비동기 파이프라인을 결합한 대용량 데이터 처리
  • 03Spring AI와 AWS Bedrock을 활용한 실무적인 LLM 연동 전략
  • 04개행 문자 처리 및 응답 필드 고정 등 LLM 프로덕션 적용 시 발생한 트러블슈팅
  • 05역번역(Back-translation)을 활용한 외국어 번역 품질 검증 자동화

+RECOMMENDATION

LLM을 단순한 챗봇이 아닌 대규모 데이터 처리 자동화 도구로 활용하고자 하는 백엔드 엔지니어들에게 강력 추천합니다. 특히 기존의 거대하고 경직된 시스템에서 AI를 통해 운영 효율을 극대화하고 싶은 기술 리더들에게 훌륭한 인사이트를 제공합니다.

The Problem

배달의민족은 5년 전부터 다국어 서비스를 시도했으나, 수천만 개의 메뉴 데이터를 번역하고 유지보수하는 운영 인력의 한계와 대규모 시스템 개편 부담으로 인해 매년 프로젝트가 중단되었습니다. 단순 번역을 넘어 DB 아키텍처 개편과 전용 어드민 구축 등 전사 수준의 리소스 투입이 필요했던 구조적 결함이 핵심 문제였습니다.

The Solution

대용량 푸드 데이터를 처리하는 FDH(Food Data Hub) 시스템을 기반으로, AWS Bedrock(LLM)을 연동한 비동기 번역 파이프라인을 구축하였습니다. 가게/메뉴 변경 이벤트 발생 시 LLM이 다국어로 자동 번역하여 메타데이터로 적재하는 구조를 채택했으며, UI 정적 문구는 i18n 표준에 맞춰 별도로 관리하고 앱 업데이트 없이 서버 배포만으로 대응할 수 있도록 설계했습니다.

The Result

1월 14일 프로젝트 킥오프 이후 단 19일 만에 영어, 일본어, 중국어 3개 국어가 적용된 다국어 서비스를 전체 고객 대상으로 오픈하였습니다. 수백 명의 번역가가 수년 동안 작업해야 할 분량을 LLM 배치 처리를 통해 단기간에 해결했으며, 밤 11시에도 20분 만에 의사결정이 이뤄지는 빠른 실행 구조를 통해 5년 된 백로그를 청산했습니다.

Trade-off

품질 검수를 위해 역번역(Back-translation) 방식을 도입했으나 원어민의 정밀한 검수를 100% 대체하기는 어려웠으며, 비용 최적화를 위해 프로젝트 도중 Claude Haiku에서 Amazon Nova 2 Lite로 모델을 교체하며 프롬프트와 인프라를 재조정하는 리스크를 감수했습니다. 또한 임직원 대상의 단계적 오픈 대신 전체 오픈을 선택하며 수십만 가게 데이터의 대규모 마이그레이션을 단기간에 완료해야 하는 운영적 압박이 있었습니다.

03

Key Concepts

Concept · 01

FDH (Food Data Hub)

배달의민족의 방대한 가게 및 메뉴 데이터를 통합 관리하고 안정적으로 처리하는 대용량 데이터 플랫폼입니다.

  • 이번 다국어 프로젝트의 물리적 토대가 된 시스템입니다.
  • 데이터 변경 이벤트를 발행하여 LLM 번역 파이프라인의 시작점 역할을 수행합니다.
Concept · 02

Spring AI & AWS Bedrock

Java 환경에서 LLM(대규모 언어 모델)을 쉽게 연동할 수 있게 돕는 프레임워크와 클라우드 AI 서비스입니다.

  • Spring 기반의 서버 개발자가 익숙한 환경에서 즉시 LLM을 연동할 수 있게 했습니다.
  • Claude Haiku, Amazon Nova 2 Lite 등 다양한 모델을 유연하게 교체하며 테스트했습니다.
Concept · 03

역번역 (Back-translation)

번역된 결과물을 다시 원문 언어로 번역하여 의미의 보존 여부를 확인하는 품질 검증 기법입니다.

  • 전문 번역가 없이도 중국어, 일본어 번역 품질을 단기간에 검증하기 위해 도입되었습니다.
  • 이 테스트 결과는 단 20분 만에 다국어 서비스 전체 오픈 승인을 끌어내는 결정적 근거가 되었습니다.
Continue reading · same source

우아한형제들More from 우아한형제들

View all posts from 우아한형제들
  • AI가 내 프롬프트를 흘려듣는 이유: 원리부터 다시 본 컨텍스트 엔지니어링

    LLMPrompt EngineeringContext Window
    6일 전
  • 한 번 성공하니 다음도 쉬울 줄 알았다: 최소주문금액바 4번의 A/B실험

    AB TestingConversion RateUX Design
    2주 전
  • 사람도 AI도 놓친 번역 누락, ESLint 플러그인을 만들어 해결하기

    ESLintASTi18n
    2주 전
  • 우아한공방의 새로운 동료, 시스템 맥락을 가진 챗봇서비스 개발기(feat. RAG)

    AWS BedrockRAGLangChain
    1개월 전
  • 하네스 엔지니어링(harness engineering)으로 팀 맞춤형 AI 환경 구축하기

    CursorLLMHarness Engineering
    2개월 전

Related reads#LLM

Explore #LLM
NAVER D2

[AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략

#LLM12시간 전
여기어때

AI 수석회의

#LLM18시간 전
우아한형제들

AI가 내 프롬프트를 흘려듣는 이유: 원리부터 다시 본 컨텍스트 엔지니어링

#LLM6일 전
포스타입·Claude Code

AI 코드 리뷰, 3번 갈아엎고 배운 것

#LLM6일 전
NAVER D2·LLM as a Judge

[AI 해커톤 후기] 코드와 문서만 읽은 LLM은 어떻게 사람과 같은 팀을 1위로 골랐을까

#LLM1주 전

Source

우아한형제들
우아한형제들
Engineering Blog

Published · April 3, 2026

Topics

LLMAWS BedrockSpring AIi18nData PipelineMigrationMicroservices