VA KRAFTON Agent Case

01 / Executive answer

현장 AI를 운영해본 사람이 Agent Harness 연구를 더 빠르게 실험·검증할 수 있습니다.

박진배는 모델 호출자가 아니라, 관찰·도구사용·기억·검증·개선 루프를 실제 제약 안에서 설계하고 끝까지 운영해본 후보입니다.

What200+의료기관 사용 AI를 모델 개발부터 설치·검증까지 운영
How15m20개 영상 final set을 제한시간 안에 자동 풀이
Changed4,344Hermes Agent가 수집 batch를 검증·보고한 운영 로그
Evidence-grounded AI agent harness from video frames to verifier loop
v4 target operating model: video evidence, tool routing, memory, verifier loop

첫 문장은 “저는 현장 AI를 운영해본 경험을 Agent Harness 연구로 가져갈 수 있습니다”로 시작하면 됩니다.

02 / Evaluator answer map

평가자가 물을 질문은 8개이고, 모두 하나의 논리로 답할 수 있습니다.

One-line answer 박진배는 문제를 끝까지 제품·운영 상태로 보내는 AI 시스템 오너입니다.
커뮤니케이션
의료진, 규제, 설치, 모델, SW 패키징 사이를 연결
문제해결
시간·하드웨어·영상 품질·임상 검증 제약을 설계로 해결
가치창출
200+ 의료기관 사용, 논문 8편, 특허 7+3건, 해커톤 성과
매년 업데이트
방산 전자 → 실시간 영상 AI → 의료 AI 제품 → Agent 연구로 전환
에이전트
VideoAgent는 harness 연구, jiwonhae는 운영형 agent 자동화
우대사항
Harness, multi-agent, benchmark, production AI, special domain에 대응
오너십
모델 개발에서 배포, 검증, 피드백까지 끝을 보는 방식
협업
trace와 evidence를 남겨 함께 문제를 보게 만드는 스타일

질문을 받으면 이 8문장으로 곧장 답하고, 뒤 장표에서 각각의 증거를 보여주면 됩니다.

03 / KRAFTON role and culture fit

KRAFTON이 요구한 역량은 “agent를 연구 가능한 시스템으로 만드는 능력”으로 모입니다.

AI Agent Research Mission

  • Harness: Planning, Memory, Tool Use, Loop, Evaluation
  • Multi-agent orchestration / agentic workflow
  • Agent benchmark construction
  • Production AI / special-domain AI research

Public AI Direction

  • 한화에어로스페이스-KRAFTON Physical AI MOU는 현실 환경 AI 확장 신호
  • 방산 전자, 실시간 6ch 영상 AI, edge inference 경험이 이 맥락과 연결
  • 단, 이 자료는 공개 기사 맥락으로만 사용하고 참여 사실로 말하지 않음

Talent Fit

  • 넓게 보는 전문가: 의료·방산·영상·Agent 연결
  • 유저 관점: 병원 사용과 현장 피드백 경험
  • 변화 적응: 제품 AI에서 agent research로 빠르게 재구성
  • 생산적 커뮤니케이션: 실패 로그와 evidence trace 공유
  • 책임과 신뢰: 규제 제출, 설치, 검증, MIL-STD 경험

“KRAFTON 인재상에 들어가나?”라는 질문은 성격이 아니라 작동 방식의 증거로 답합니다.

04 / Operational agent proof

jiwonhae.com은 웹사이트가 아니라, 매일 바뀌는 정보를 수집·검증·보고하게 만든 운영형 Agent 사례입니다.

  1. Sense10+ 공공 포털 수집
  2. Normalize단일 DB 스키마 정리
  3. RunVercel Cron 자동 실행
  4. VerifyHermes Agent가 DB/API 검증 후 Discord 보고
2,900public API total 7,463procurement total 4,344fetched / upserted 28sources checked

VideoAgent가 연구형 agent라면, jiwonhae는 실제 서비스 운영에서 agentic loop를 만든 증거입니다.

05 / Mini benchmark

VideoAgent 문제는 final set 공개 후 15분 안에 관찰·도구선택·판단·제출을 끝내야 하는 mini agent benchmark입니다.

20 final test videos shown as a contact sheet
실제 final test 20개 영상의 첫 프레임 contact sheet
20video-prompt pairs 15mreleased before deadline 1200smax video length 1.0perfect hidden score

전체 영상을 그냥 보는 문제가 아니라, 어떤 도구로 어느 구간의 증거를 찾을지 결정하는 문제입니다.

06 / What was built

v3는 제한시간을 만족한 working system으로, 질문 분류부터 제출까지 자동화했습니다.

Classify9 question types
SampleOpenCV dual frame sets
AskGPT + Gemini + Claude
Votemajority and consensus rules
Submit20-letter answer string
Finding 무엇을 했나: 자동 풀이. 어떻게 했나: classify-sample-ask-vote-submit. 무엇이 달라져야 하나: 실패 원인을 남기는 trace.

여기서 말할 것은 “모델을 많이 썼다”가 아니라, 15분 제한 안에서 작동하는 시스템을 설계했다는 점입니다.

07 / Improvement thesis

v4의 핵심 전환은 “답을 고르는 voting”에서 “근거를 남기는 evidence contract”로 가는 것입니다.

v3 Answer selection 여러 모델이 답을 내고 voting으로 선택. 빠르지만 왜 틀렸는지 남기기 어렵다.
v4 Evidence-grounded harness 질문 routing, 도구 출력, timestamp evidence, memory, verifier 판정을 함께 저장한다.

“더 센 모델”보다 중요한 개선은 실패를 설명하고 재현 가능하게 만드는 구조입니다.

08 / Recursive improvement loop

재귀 개선은 많이 돌리는 것이 아니라, 실패 로그가 다음 수정 대상을 강제로 남기는 구조입니다.

Traceanswer + evidence + verifier reason
Diagnosemissing evidence / wrong tool / weak solver
Patchrouter, tool order, prompt, solver, budget 중 하나만 수정
Replay동일 regression set에서 비교
Promote좋아진 변경만 기본값으로 승격

정답이 없어도 “무엇을 고쳤고 왜 좋아졌는지”를 trace quality 기준으로 설명할 수 있습니다.

09 / Evaluation strategy

Hidden answer key가 없어도, 개선 주장은 proxy metric과 ablation으로 좁혀서 증명할 수 있습니다.

Known labelssample set과 문제 원문 예시로 sanity check
Evidence coverage답마다 timestamp evidence가 있는지 측정
Verifier support근거가 선택지를 지지하는지 판정
Replay stability동일 seed와 budget에서 답과 근거가 유지되는지 확인
Ablation deltaASR/OCR/scene/verifier 제거 시 변화 측정

100점을 주장하지 않고, 개선됐다는 말을 검증 가능한 하위 지표로 바꿉니다.

10 / Closing packet

작동한 솔버를 KRAFTON Agent Harness 연구 사례로 바꿔 설명할 수 있습니다.

검토자는 원문 문제, 기존 v3 리포트, v4 설계, 외부 맥락을 직접 열어볼 수 있습니다. 저는 이 자료를 기준으로 무엇을 했고, 어떻게 했고, 무엇을 개선할지 설명합니다.

문제 원문 v3 리포트 v4 설계 발표 노트 공고 Physical AI 기사

마지막 메시지는 “수상했다”가 아니라 “작동한 시스템을 연구 가능한 harness로 재구성했다”입니다.