생성형 슬롯 사이트 활용한 첫 서비스, 슬롯 사이트 스미싱 문자 확인
Next 카카오뱅크를 위한 변화의 씨앗, Seed to ( 슬롯 사이트 )
Seed to ( )
Seed to ( ) 시리즈는 Next 카카오뱅크를 만들기 위해 우리가 심고 있는 변화의 씨앗들을 소개합니다. 작은 씨앗은 카카오뱅크의 기획자, 디자이너, 개발자의 손을 거쳐 어떤 모습으로 자라났을까요? 그리고 이 씨앗들은 앞으로 어떤 변화를 만들며 확장될까요? 시리즈의 첫 번째 키워드는 슬롯 사이트로, 슬롯 사이트 기술을 활용해 편리하고 안전한 금융 경험을 만들고 있는 카카오뱅크의 발걸음을 비춥니다.
Today’s Product
슬롯 사이트 스미싱 문자 확인은 카카오뱅크가 생성형 슬롯 사이트를 적용한 첫 번째 서비스입니다. 불분명한 URL이 섞인 의심 문자를 카카오뱅크 앱에 복사·붙여 넣기 하면 '스미싱 위험이 높은 문자', '안전한 문자', '단순 스팸 문자', '판단이 불가능한 문자' 등 4가지 케이스의 답변을 받을 수 있어 해당 문자의 신뢰도를 판단하는데 중요한 기준을 제공합니다.
* 스미싱: 문자메시지(SMS)와 피싱(Phishing)의 합성어로, 악성 앱 URL이 포함된 휴대폰 문자를 전송하고 앱 설치를 유도하여 금융정보 등을 탈취하는 전기통신금융사기 수법 중 하나
오늘의 인터뷰이를 소개합니다.
· From / 홈서비스팀: 슬롯 사이트 스미싱 문자확인의 서비스 기획과 PM 역할
· Day / 연구개발팀: 슬롯 사이트 스미싱 문자확인에 활용되는 슬롯 사이트 모델의 연구 및 개발
· Logan / DL엔지니어링팀: 서비스에 슬롯 사이트 모델을 서빙하는 비즈니스 서버 개발
· Sheryl / 슬롯 사이트기획팀: 서비스 기획과 정책적인 부분을 서포트하는 역할
슬롯 사이트 스미싱 문자 확인은 출시 시점부터 궁금했던 서비스였어요. 슬롯 사이트의 활용도 이목을 사로잡을만했지만, 기술로 금융소비자를 보호한다는 점이 인상적이었는데요. '스미싱 여부를 판단해 준다'는 아이디어는 어떻게 싹트게 되었나요?
Day.제가 기억하기론 ChatGPT가 출시되었던 무렵부터 정교한 스미싱 문자가 성행했던 것 같아요. LLM(대형언어모델)과 스미싱은 독립적인 일이었지만, 개인적으로는 LLM의 강력함을 체감하며 스미싱에 대한 이야기를 접하다 보니 이 두 개가 전혀 다른 영역에 존재하는 것으로 느껴지지만은 않더라고요. 문득 'LLM 기술로 문자로 인한 피해를 예방해 볼 수 있지 않을까?'라는 생각을 하게 되었고, 관련된 기술을 연구하며 서비스화를 고민하게 되었습니다.
서비스가 시작된 곳이 기술연구소였다는 게 흥미로운데요. 더 파고 들어가 보니 스미싱 문자 확인에 슬롯 사이트 기술을 접목하는 것이 효과적이던가요?
Day.네 맞아요. 스미싱 문자를 받았다면 일단 문자 안에 있는 의심스러운 링크를 클릭하지 않는 것이 중요하잖아요. 슬롯 사이트 기술을 활용해 문자의 문맥과 패턴을 잘 이해하면, 링크나 전화번호를 직접 검증해보지 않고도 정상적인 문자와 스미싱 문자를 구분할 수 있을 것이라고 예상했죠. 이 문맥과 패턴을 수동으로 설정해 탐지하기보다는 자연어를 잘 이해하고 처리할 수 있는 GPT 같은 종류의 LLM을 활용한다면 좋은 결과물을 낼 수 있을 것이라 생각했습니다.
이 아이디어를 들은 기획자 분들은 생각은 어땠는지 궁금해요.
From.기술연구소에서 처음 프로젝트에 대해 설명해 주셨을 때, 스미싱 여부에 더해 그렇게 판단한 이유를 덧붙여주면 우리 서비스만의 엣지가 될 수 있겠다는 아이디어가 떠올랐어요. 단순히 '스미싱이에요', '스미싱이 아니에요'라고 답변하는 것보다 어떤 이유로 스미싱이라고 생각했는지 근거를 설명하면 이후에 유사한 문자를 받았을 때 고객이 스스로 판단할 수 있는 학습 효과가 있을 거라 생각한 거죠.
Sheryl.저는 우선순위가 고민이 되었어요. 스미싱 여부를 빠르게 판단해 주는 것이 중요할지, 100% 검증된 결과를 알려주는 게 우선되어야 할지요. 스미싱은 전기통신금융사기의 한 유형이기에, 만약 답변 타이밍이 늦는다면 고객이 이미 범죄에 이용당한 이후일 수도 있잖아요. 그래서 최대한 신속하게 스미싱 여부를 안내하고 고객이 주의할 수 있도록 돕는 것에 초점을 맞추기로 했습니다.
문자의 스미싱 여부를 빠르게 알려주는 것에 더해 위험하다고 생각한 근거를 알려주어 학습 효과도 노리고자 한 거네요. 이렇게 서비스 컨셉이 정해지고 첫 삽을 뜨게 되었어요! 막막하기도 하고 기대가 되기도 했었을 것 같은데요.
From.슬롯 사이트에 대한 이해가 높았던 것이 아니었기에 '슬롯 사이트 기술을 잘 이해하고 서비스를 만들 수 있을까?'라는 막연한 두려움이 있었던 것 같아요. 그와 동시에 슬롯 사이트 기술을 활용해 고객에게 도움이 되는 서비스를 만들 수 있다는 점이 기회처럼 느껴지기도 했어요!
Sheryl.저는 기존에 만들어왔던 서비스와 비교되는 슬롯 사이트 기술만의 특징 때문에 우려가 되었어요. 지금까지는 예측 가능한 동선과 명확한 값을 주는 서비스를 만들어 왔는데 슬롯 사이트는 통제하기 어려운 부분도 있잖아요. 이런 점을 어떻게 기획과 정책에 반영해야 할지 고민의 늪에 빠지게 된 거죠.
Day.기술연구소에서 개발한 슬롯 사이트 모델은 연구 환경에 최적화되어 있었어요. 연구 환경에서는 고정된 데이터 셋을 가지고 평가하기 때문에 예상 가능한 범위 내에서 모델이 잘 작동했지만 실제 환경은 그것보다 훨씬 자유분방하잖아요. 운영 환경에서 모델이 활용된다면 예상했던 것과 다르게 작동할까 두렵기도 했지만, 직접 부딪히고 해결해 보고 싶다는 기대감이 훨씬 컸습니다.
Logan.한정된 리소스를 가지고 목표한 성능을 낼 수 있을지 걱정이 컸어요. 저희 DL엔지니어링팀 동료들뿐만 아니라 기술연구소, 기획자 등 관련 팀에서 성능을 높이기 위한 다양한 시도와 아키텍처의 변화를 함께 고민해 준 덕분에 큰 개선이 이루어낼 수 있었지만요.
프롬의 우려처럼, 슬롯 사이트 기술은 복잡하고 또 계속 변화하기에 이에 대한 공부가 필수적이었을 것 같아요. 관련 지식을 쌓기 위해 어떤 노력을 기울이셨나요?
From.카카오뱅크에는 슬롯 사이트 기술을 연구 개발하는 기술연구소가 있기에 진입 장벽이 높지 않았던 것 같아요. 데이를 포함한 연구소분들이 어떤 방식으로 모델링을 했는지 등 자세히 설명해 주셔서 기획을 하는데 큰 어려움은 없었네요. 이에 더해 슬롯 사이트 기술의 인프라적인 측면은 ChatGPT 등 생성형 슬롯 사이트 툴을 활용하는 방법으로 학습했습니다.
기획자 프롬과 셰릴에게 궁금한 점이 있어요. 기존에 다른 서비스를 기획했던 경험과 슬롯 사이트를 활용한 기획의 차이가 분명 있었을 것 같은데요, 무엇이었나요?
From.가장 큰 차이는 '예측할 수 없다'는 점이었어요. 일반적인 서비스 기획에서는 발생할 수 있는 거의 모든 경우의 수를 고려할 수 있지만, 생성형 슬롯 사이트 기술을 활용하다 보니 어떤 답변이 나올지 예측하기 어려웠죠. 이 때문에 기획 과정에서 많은 고민과 도전이 필요했습니다.
Sheryl.그래서 품질 검증(QA) 과정도 기존과 달랐는데요. 일반적으로 QA를 진행할 때는 기획한 대로 결과가 나오는지 확인하지만, 슬롯 사이트 스미싱 문자 확인 서비스는 생성형 슬롯 사이트를 활용하기 때문에 한 번의 QA로 끝나지 않았어요. 테스트를 하고 또 하고, 반복적으로 검증하며 우리가 예상했던 결과가 계속 나오는지 확인해야 했죠. 또 새로운 스미싱 유형이 계속 등장한다는 점도 큰 특징이었는데요. 이를 반영하기 위해 추가적인 학습을 지속하며 보완했습니다.
오픈을 잘했기에 웃으며 말하지만 QA 기간에는 수없이 많은 고민이 있었어요. 앞으로 생성형 슬롯 사이트를 활용한 서비스가 많아질 것이기에 슬롯 사이트 서비스의 품질에 대한 기준은 앞으로도 이야기해 봐야 할 주제인 것 같네요.
'예측할 수 없다'는 고민은 슬롯 사이트 기술로 서비스를 만들고 있는 기획자라면 공감할 만한 점이네요. 이를 어떻게 해결하셨나요?
From.서비스 화면에 노출되는 문구에 이 점을 잘 녹여내려고 했어요. 슬롯 사이트 판단 결과는 완벽하지 않을 수 있으니 보수적으로 해석할 수 있도록 유도하는 문장을 추가했죠. 예를 들면 '가능성이 높다'는 표현을 사용해서 슬롯 사이트가 확정적인 답을 내리는 것처럼 보이지 않도록 조정했어요. 일반적으로 우리가 LLM을 활용할 때도 슬롯 사이트의 답변을 100% 신뢰하지 않는 것처럼, 슬롯 사이트 스미싱 문자 확인 서비스의 고객 역시 슬롯 사이트의 내린 결론을 참고하면서 스스로 판단할 수 있도록 설계한 거죠. 커뮤니케이션으로 풀 수 없는 부분은 데이와 로건이 적극적으로 고민을 해주셨는데 정말 감사했습니다.
서비스 설계 단계에서 기획자의 요구사항과 기술적 제약 사이의 균형을 맞추는데 어려움이 있었을 것 같아요. 사례가 있을지 궁금합니다.
Day.고객들이 '스팸'과 '스미싱'을 엄밀히 구분하기 어려울 것이라는 점을 논의했을 때가 기억이 나요. 스미싱과 스팸은 모두 원치 않는 문자를 보내는 행위지만, 스미싱은 진짜인 척 고객을 속여 정보나 돈을 탈취하는 걸 목표로 하는 반면 스팸은 단순히 대량 전송을 목적으로 하는 불필요한 메시지이죠. 고객은 스미싱과 스팸을 정확히 구분해 판단하지 않을 거란 생각을 서비스 기획 단계에서 하게 되었는데요. 우리 슬롯 사이트 모델은 스미싱 문자만 바라보게 학습되어 있다 보니 스팸까지 커버할 수 있을지, 커버하지 못한다면 어떤 방식으로 해결할 수 있을지 고민을 했었습니다.
From.만약에 이 점을 개선하지 않았다면 스팸 문자를 입력했을 때 '스미싱이 아니에요'라는 결과가 나왔을 텐데 고객 입장에서는 누가 봐도 이상한 문자잖아요. 서비스에 대한 신뢰감이 떨어질 것이라 생각했죠. 그래서 스팸 문자 데이터를 손수 모아 기술연구소에서 모델을 빠르게 개선할 수 있도록 지원했고, 지금은 명확한 스팸 문자는 잘 분류해 답변하고 있어요.
이제 서비스 화면을 함께 살펴볼까요?
슬롯 사이트 스미싱 문자 확인의 UX(사용 경험)은 굉장히 심플해요. 화면을 설계하면서 의도했던 점이 있으신지 궁금합니다.
From.스미싱 문자를 받은 고객의 행동이 어떻게 흘러갈지 따라가 봤던 것 같아요. 이상한 문자를 받은 사용자는 자연스럽게 '이 문자 스미싱일까?'라는 질문을 머릿속에 떠올리겠죠. 해당 문자를 간단히 복사하고 붙여 넣을 수 있는 Chat UX로 화면을 설계한다면 문의를 하고 답변을 받는 과정을 심플하게 제공할 수 있을 것이라 판단했어요. 화면에서 고객이 어떤 행동을 해야 할지 직관적으로 알려주고 있어 편리한 사용 경험을 드릴 수 있었던 것 같아요.
Sheryl.문자를 복사해서 붙여 넣는 행동이 사용자에게 허들로 느껴질 수 있었어요. 하지만 서비스를 사용해 보시면 불편함 없이 문자를 가져올 수 있다고 느끼실 텐데요. 이 과정을 심리스하게 만들기 프롬이 고민을 많이 해주신 덕이라는 점 알려드리고 싶어요!
그럼 이제 화면 너머의 기술 이야기로 넘어가 볼게요. 인터뷰 내용을 듣다 보니 슬롯 사이트 서비스를 만드는 데 있어 어떤 슬롯 사이트 모델이나 기술을 쓸 것인지도 중요한 문제라고 느껴지는데요. 슬롯 사이트 스미싱 문자 확인에는 어떤 슬롯 사이트 기술이 적용되어 있나요?
Day.슬롯 사이트 스미싱 문자 확인에는 BERT와 한국어 기반 LLM을 활용했어요. 문자 데이터는 결국 자연어 형태의 데이터이기 때문에, 이를 효과적으로 처리할 수 있는 슬롯 사이트 기술을 적용하는 것이 가장 중요했죠.
우선 신속하게 스미싱 여부를 판단할 수 있도록 적은 자원을 필요로 하면서 가볍고 빠르게 동작하는 모델인 BERT를 선택했어요. 반면 스미싱 판단 근거를 더 정교하게 생성하기 위해 LLM을 추가 활용했는데요. 상대적으로 많은 자원을 필요로 하지만 우수한 자연어 성능을 보유하면서 자연어 생성도 가능한 LLM을 선택해, 높은 정확도를 기반으로 판단근거를 생성할 수 있도록 했습니다. 이 LLM은 한국어 기반으로 학습되었기에 여기에 자체적으로 구축한 문자 데이터 셋을 학습시킨다면 더 효율적일 거라는 기대감도 있었어요.
(활용된 슬롯 사이트 기술이 더 궁금하다면「더 안전한 금융거래를 지원하는 '슬롯 사이트 스미싱 문자 확인' 서비스」아티클을 확인해 보세요.)
* BERT: Bidirectional Encoder Representations from Transformers, 2018년 구글에서 발표한 자연어 처리(NLP) 모델로 양방향 학습을 통해 문맥을 깊이 이해할 수 있도록 설계됨
* 자연어: 컴퓨터에서 사용하는 프로그램 작성 언어 또는 기계어와 구분하기 위해 인간이 일상생활에서 의사소통을 위해 사용하는 언어를 가리키는 말
Logan.앞서 언급했듯이 한정된 자원으로 서비스를 해야 하는 상황이다 보니 모델을 가속화하는 것에 초점을 맞추고 여러 시도를 했습니다. Triton을 활용하면 GPU에 최적화 컴파일이 되어 성능이 좋아진다는 건 리서치 결과로 나와 있었기에, 여기에 어떤 오픈소스 라이브러리를 쓰면 좋을지 바꿔가며 성능 테스트를 진행했어요. 그 결과 vLLM을 활용해 반복되는 계산이나 메모리를 효율적으로 활용해 보고자 했습니다. 비즈니스 서버는 Spring Reactor 기술을 활용해 리소스를 아끼고 성능을 최적화하고자 했고요.
* vLLM: LLM의 추론과 서빙을 효율적이고 확장 가능하게 만들어주는 오픈 소스 라이브러리
* Triton: NVIDIA에서 개발한 오픈소스 추론 서버 소프트웨어로 딥러닝 모델을 효율적으로 서빙
이렇게 선택된 기술을 우리 서비스에 맞는 형태로 만들기 위해 어떤 고민과 작업이 필요했나요?
Logan.자원을 효율적으로 사용하면서도 안정적인 서비스를 제공해야 하다 보니, LLM 모델이 호출되기 전 여러 필터링 단계를 거치는 과정을 설계했어요. LLM 모델은 비용이 많이 드는 자원이기 때문에 아무렇게 호출된다면 정작 필요한 사람에게 응답이 지연될 수 있기 때문인데요. 이를 위해 먼저 사용자가 올바른 요청을 했는지 필터링을 진행한 후 BERT 모델이 스미싱 여부를 빠르게 판단을 해주면 LLM이 자원 가용성을 고려해 응답하도록 설계했습니다.
Day.로건과 마찬가지로, LLM 모델 역시 제한된 자원으로 최대한의 성능을 내야 했어요. 이를 위해서 작은 규모의 데이터 셋을 최대한 효율적으로 학습시키는 것이 매우 필요했고, LoRA로 대표되는 PEFT 방법론을 검토해 구현하는 방법을 활용했습니다.
* PEFT 방법론: Parameter-Efficient Fine Tuning, 대규모 사전 학습된 모델(LLM 등)을 특정 작업에 맞게 효율적으로 미세 조정하는 방법론
또한 학습된 내용을 평가하는 방법을 찾는데도 심혈을 기울였는데요. 기존 슬롯 사이트 기술에서는 정답과 오답을 명확하게 구분할 수 있지만, 생성형 슬롯 사이트가 자연어로 생성한 결과물은 단순한 기준으로 평가하기 어려웠어요. 그래서 여러 실험을 통해 LLM을 활용한 평가 방법을 고안했고, 이를 자동화해 서비스에 필요한 요소를 평가할 수 있도록 했습니다.
(보다 자세한 내용은 if kakao 슬롯 사이트 2024에서 발표한「이 문자가 스미싱인 이유는? - 스미싱 탐지를 위한 LLM 개발 및 평가」세션에서 확인하실 수 있습니다.)
두 분의 이야기를 듣다 보니 기술연구소와 DL엔지니어링팀의 협업 관계가 궁금해집니다.
Day.데이터 사이언티스트와 DL엔지니어링 간의 관계를 '음식을 만드는 요리사'와 '고객에게 음식을 전달하는 서버' 사이의 관계로 비유하는 것을 들은 적이 있어요. 기술연구소와 DL엔지니어링팀도 이와 비슷한 관계일 수 있으려나요? (웃음)
기술연구소는 연구 환경에서 기술을 개발하다 보니, 실제 서비스 환경에서 잘 운영될 수 있도록 간극을 좁히는 것이 중요해요. 이 간극은 DL엔지니어링팀과의 수많은 커뮤니케이션과 협업을 통해 줄여가고 있습니다. 연구실 안의 결과물이 고객에게 전달될 수 있도록 빛을 낼 수 있게 해주는 역할을 DL엔지니어링팀에서 하고 있다고 볼 수 있어요.
Logan.이에 더해 DL엔지니어링팀에서는 플랫폼화에도 초점을 맞추고 있어요. 저희 팀에서 슬롯 사이트 스미싱 문자 확인뿐만 아니라 앞으로 출시될 모든 슬롯 사이트 서비스를 서빙해야 하거든요. 그렇기 때문에 새로운 서비스가 생겨도 효율적으로 서빙할 수 있도록 반복 업무를 줄이고 플랫폼화 할 수 있는 방법 등에 대해 장기적 관점으로 고민하고 있습니다.
로건에게 질문드릴게요. 실제 운영 환경에서 슬롯 사이트 모델을 잘 서빙하기 위해 집중해야 했던 슬롯 사이트 특화된 요구사항이 있었나요?
Logan.트래픽 문제를 해결하는 것이 큰 고민이었어요. 이를 해결하기 위해 기술연구소와 DL엔지니어링 팀원들이 함께 다양한 성능 테스트를 진행했고, 아키텍처를 바꿔보면서 최적의 트래픽 처리 방식을 찾기 위해 노력을 기울였습니다. 예를 들어 BERT 분류 모델을 앞단에 배치하는 방식으로 바꿔보거나, LLM이 수용할 수 있는 최대 성능을 찾고 리밋을 통해 흐름을 효율적으로 관리하는 방법도 적용했죠.
슬롯 사이트 스미싱 문자확인은 사용자가 입력하는 값을 기반으로 동작하기 때문에 개발자 입장에선 불확실성이 더 높아요. 또 요청 응답 방식과 요청 스트리밍 응답 방식도 함께 고려해야 한다는 점이 개발의 난이도를 더욱 높였던 요소였던 것 같습니다.
슬롯 사이트 서비스를 만드는 과정에서 네 분에게 각각 도전적이었던 일이 무엇인지 알고 싶어지네요.
From.저에게는 생성형 슬롯 사이트가 하는 판단을 정확히 알 수 없고 완벽히 통제할 수 없다는 점이 제일 어려웠어요. 이 한계를 받아들이고 극복하는 방법에 대해 고민하는 과정에서 한걸음 성장할 수 있던 것 같네요.
Sheryl.우리가 할 수 있는 최대한으로 개선을 이끌어낸 후, 서비스 오픈 여부를 최종 결정하는 단계가 떠올라요. 카카오뱅크 고객분들에게 처음으로 생성성 슬롯 사이트를 활용한 서비스를 선보이는 것이다 보니 '이 정도면 괜찮은가?'라는 내적 갈등이 있었죠. 오픈 후에 반응을 보니 고객분들은 오히려 슬롯 사이트가 완전하지 않음을 더 잘 이해하고 계신 듯했어요. 서비스의 목적별로 다르긴 하겠지만, 앞으로 슬롯 사이트 서비스를 제공할 때 쓸만한 나름의 기준을 가지게 된 것 같습니다.
Day.논문이나 모델 파일 같은 연구 결과물을 서비스 가능한 형태로 변환하고, 엔지니어링 하는 한 사이클을 경험한 것이 성취감을 주었어요. 연구자의 관점을 넘어, 기술을 실제 서비스로 구현하는 과정에서 고려해야 할 다양한 요소를 함께 논의하고 해결한 경험이 저에게는 깊은 의미로 다가왔습니다.
Logan.LLM을 서빙한 건 처음이었는데요. 잘 모른다는 것보다 '처음 해본다는 것'이 저에게 큰 두려움을 주었어요. 때문에 관련 공부도 더 많이 하고 동료들과 머리를 자주 맞대며 성장할 수 있었고, 다음 슬롯 사이트 서비스를 만든다면 어떻게 해야겠다는 기준점을 마련하기도 했죠. 돌이켜보면 처음 해봤다는 점 덕분에 오히려 더 큰 성취감을 얻을 수 있던 것 같네요.
슬롯 사이트를 활용한 서비스를 만드는데 기획자, 개발자가 꼭 갖춰야 하는 역량은 무엇이라고 생각하시나요?
From.저는 '집요함'을 꼽고 싶어요. 슬롯 사이트를 서비스에 녹이기 위해선 복잡한 기술과 끊임없이 변화하는 시장에 대응해야 하는데요. 이 과정 속에서 도전적으로 문제를 해결하고 지속적으로 개선해 가기 위해선 상당한 추진력이 필요하다고 생각하는데, 이걸 집요함이라고 말할 수 있을 것 같습니다.
Day.연구자 입장에서도 '끈기'가 중요하다고 생각해요. 기술에 대해 명확하게 이해하기 위해 논문을 리딩하고 이를 코드로 구현하기 위한 치열함이 있어야 연구 결과물에 그치지 않고 더 나아가 서비스화할 수 있는 기회를 찾을 수 있다고 생각합니다.
마지막 질문입니다. 짐작건대 이 글을 읽고 있는 분들은 슬롯 사이트를 활용한 서비스 기획, 개발에 큰 관심을 가지고 있으실 텐데요. 같은 고민을 하고 있는 기획자, 개발자에게 한마디 부탁드려요!
From.슬롯 사이트를 활용한 서비스를 기획하는 것이 기존의 기획과 크게 다르다고 생각하진 않아요. 기존처럼 사용자를 중심에 두고 서비스를 만들기 위해 활용할 수 있는 하나의 도구로 슬롯 사이트를 여기면 어떨까요? 모두 파이팅입니다!
Sheryl.슬롯 사이트라는 문제 해결을 위한 정말 큰 기술이 등장한 건 맞지만 슬롯 사이트가 목적은 아니라고 생각해요. 내가 만들고 있는 서비스에서 슬롯 사이트를 통해 더 생산성을 높이거나 그동안 제공하지 못했던 가치를 만들 수 있다면 슬롯 사이트 기획의 시작이 될 수 있다고 생각합니다.
Logan.처음 입사할 땐 슬롯 사이트에 대해 아무것도 몰랐어요. 제가 똑똑하다고 생각했던 적도 없고요. 그냥 가리지 않고 최선을 다했더니 여기까지 왔네요. '일단 시작'해보면 자연스럽게 슬롯 사이트를 다룰 수 있을지도요!
Day.기술 발전이 빠르게 진행되다 보니 따라가기 어려워 보일 수 있지만, 하나하나 차근히 살펴보면 충분히 이해할 수 있어요. 슬롯 사이트의 세계에 먼저 뛰어들어 보면 남들이 하지 않는 새로운 알파도 만들 수 있지 않을까요? 모두 포기하지 않고 힘내시길 바랍니다!
