20

"데모에서는 됐는데 실제로는 안 돼요" 방지하기

Day 5: 제조 매뉴얼 Q&A 챗봇

학습 목표

데모 품질과 프로덕션 품질의 차이를 이해한다 제조 현장에서 요구하는 안정성 수준을 파악한다

데모 vs 프로덕션


데모에서 잘 되는 이유

[데모 환경]
- 개발자 1명이 사용
- 좋은 네트워크
- 예상된 질문만 테스트
- 에러? 그냥 다시 실행

프로덕션에서 문제 되는 이유

[실제 환경]
- 엔지니어 50명이 동시 사용
- 공장 와이파이 (불안정)
- 예상 못한 질문 (오타, 이미지 붙여넣기)
- 에러? "이 AI 쓰레기야" → 다시 안 씀

프로덕션 품질 체크리스트

항목데모 수준프로덕션 수준
에러 처리try/except만분류별 대응 + 재시도 + 폴백
입력 검증없음빈 입력, 길이 제한, 특수문자
비용 관리무시모델 라우팅 + 토큰 제한 + 캐싱
사용성기본예시 질문, 도움말, 피드백
로깅없음질문/응답/에러/비용 기록
보안API 키 노출.env + 환경변수

오늘 추가할 프로덕션 기능

1. 에러 처리 & 재시도
   └── 네트워크 끊겨도 자동 복구

2. 입력 검증
   └── 빈 입력, 너무 긴 입력 차단

3. 비용 추적
   └── 실시간 비용 표시

4. 대화 내보내기
   └── Markdown 파일로 저장

5. 피드백 수집
   └── 👍/👎 버튼으로 답변 평가

6. 예시 질문 버튼
   └── 클릭 한 번으로 질문
AI로 학습하기 — 꿀팁
데모 품질 vs 프로덕션 품질 기준 검증AI 학습 팁

제조 현장 AI 프로덕션 배포 기준이 일반 IT보다 엄격한 이유와 실제 요구 수준을 과장 없이 파악하세요.

'제조 현장 AI 프로덕션 배포는 99.9% 가용성이 필수다'라는 주장을 검증해주세요. (1) 자동차/반도체/식품 제조 현장의 실제 AI 시스템 SLA 요구사항 사례, (2) '데모에서 됐는데 프로덕션에서 안 된 사례'에서 실패 원인 상위 5가지(환경 차이, 데이터 드리프트, 동시접속 부하 등), (3) Week 1 수준의 Streamlit 챗봇이 실제 프로덕션에 투입될 때 추가로 필요한 최소 요구사항 목록을 제시해주세요.
이 팁이 도움이 됐나요?