📚 Use Cases — LLM Wiki 3가지 실제 활용 사례

목적: dashboard, DEPENDENCY-TREE, faqs-and-guides를 **실제 현장에서 어떻게 쓸까?**에 대한 3가지 구체 사례

---

📖 Use Case 1: PKM — 개인 학습·커리어 성장

상황

당신: 데이터 엔지니어, 3년 경력
목표: Agentic AI 개념을 이해하고, 자신의 DAP 업무에 적용하기
현재: YouTube, 블로그, 논문 등 흩어진 학습 자료 → 체계적 지식으로 변환하고 싶음

문제

❌ 매번 같은 개념을 새로 검색
❌ "이게 뭐였더라?" 반복
❌ 배운 것과 업무의 연결고리 불명확
❌ 학습 진도 추적 안 됨

LLM Wiki 활용 흐름

1주차: 기초 학습 (Learning Path B)

월요일 아침 — Dashboard 열기

이번 주 목표:
- DAG 멱등성 이해
- Airflow 최적화 실전 팁 획득
- DAP 거버넌스 개념 파악

월-수요일 — Learning Path 기반 학습

Day 1: [[concepts/llmops-lifecycle-and-stack]] (1.5시간)
       → LLM을 프로덕션에서 안전하게 운영하는 기초

Day 2: [[concepts/agentic-ai-patterns]] (1.5시간)
       → 자율 에이전트의 4가지 핵심 패턴 이해

Day 3: [[concepts/dag-idempotency]] (1시간)
       → 내 Airflow DAG가 안전한가? 체크리스트

목요일 — 실전 적용

1. 내 DAG 코드 열기
2. [[concepts/dag-idempotency]] 페이지의 "체크리스트" 섹션 보기
3. 현재 DAG가 멱등성을 만족하나? 확인
4. 개선 항목 3개 리스트 업 (Jira 티켓)

금요일 — 주간 정리 + 다음 주 계획

Dashboard 보며:
- "This Week" 섹션: 학습 3개 + 실전 개선 3개 완료 ✅
- 다음 주: 옵저버빌리티 + 사건대응 학습 예정

2주차: 심화 + 팀 공유

수요일 — 동료에게 배운 내용 설명

"지난주에 DAG 멱등성 배웠는데, 우리 DAG도 체크해봤어"
→ Dashboard 공유: [[meta/views/dashboard]] "Learning Path B" 링크 전달
→ 동료: 자기 페이스로 학습 시작

금요일 — 인사이트 생성

질문: "우리 DAP의 거버넌스를 어떻게 AI로 자동화할까?"

관련 개념 3개:
- [[concepts/ai-governance-and-compliance]]
- [[concepts/incident-response-automation]]
- [[concepts/observability-and-monitoring-architecture]]

→ wiki/insights/dap-ai-governance-auto-2026-04-27.md 생성
→ team-wiki 채널에 공유

효과

지표	Before	After
학습 시간	10시간 (산만한 유튜브)	6시간 (체계적 경로)
실전 적용	1-2개월 후 “막 생각남”	1주일 내 즉시 적용
팀 공유	”이거 봐” (URL)	DEPENDENCY-TREE 경로 안내
재사용성	매번 새로 학습	Obsidian 검색 → 이미 학습한 내용 재상기

---

🏭 Use Case 2: DAP 운영 — 데이터 플랫폼 장애 대응

상황

당신: DAP IT PM / 운영 담당자
목표: Airflow DAG 장애 발생 시 빠르고 정확하게 대응하기
현재: 장애 시 “어디서부터 봐야 할까?” 매번 고민

문제

❌ 장애 대응 절차 문서가 산재
❌ "이 에러는 뭐었더라?" 검색 반복
❌ 새 팀원이 왔을 때 온보딩 어려움
❌ 장애 분석 결과가 기록되지 않음 (지식 손실)

LLM Wiki 활용 흐름

평상시: 예방적 모니터링

매주 금요일 — Dashboard로 주간 점검

Wiki Health 섹션 확인:
- DAP 관련 개념 최신도 (6개월 이상 경과한 정책 없나?)
- 최근 장애 사항 기록 (insights에서 검색)
- 개선 아이템 (체크리스트 진도)

장애 발생: 응급 대응

장애 시나리오: “2026-04-27 15:00 Airflow Scheduler 다운”

1단계: 원인 파악 (5분)

Dashboard 또는 Grep 검색:
$ grep -r "scheduler error" wiki/insights/

결과:
- 
- 
- [[concepts/dag-idempotency]] "Scheduler 멈췄을 때"

→ 가장 유사한 사건 기록 발견 (2026-04-15)

2단계: 대응 절차 확인 (10분)

 열기:
- 원인: Worker 메모리 누수 (OOM)
- 대응: 1) logs 확인 2) Worker 재시작 3) DAG 최적화
- 근본 원인: 큰 DataFrame 메모리 leak
- 예방책: Worker memory limit 설정 + 주간 재시작 스케줄

→ 현재 장애와 비교, 동일 원인인지 확인

3단계: 즉시 조치

Dashboard의 "On-Call Runbook" 섹션 참고:
[[concepts/on-call-management-and-escalation]]
- Step 1: Scheduler 로그 확인 (tail -f airflow.log)
- Step 2: Worker 상태 확인 (ps aux | grep worker)
- Step 3: 재시작 (systemctl restart airflow-scheduler)
- Step 4: 헬스 체크 (curl localhost:8080)

장애 후: 학습 기록

금요일 — 사후 분석

Incident report 작성:
→ wiki/insights/airflow-scheduler-oom-2026-04-27.md

내용:
- 증상: Scheduler 다운, DAG 스케줄 미실행
- 원인: Worker 메모리 OOM (root cause 분석)
- 대응: 15분 내 복구
- 예방책: 
  1. [[concepts/observability-and-monitoring-architecture]] 기반 메모리 알림
  2. [[concepts/incident-response-automation]] 자동 재시작 에이전트 도입
- 연결: [[concepts/on-call-management-and-escalation]]

→ 다음 유사 장애 시 2분 내 원인 파악 가능

효과

지표	Before	After
원인 파악 시간	30-60분 (매번 Google)	5분 (이전 기록 검색)
대응 시간	1시간+ (시행착오)	15분 (프로세스 명확)
팀 온보딩	”그냥 경험해봐” (3개월)	dag-idempotency + faqs-and-guides (1주)
지식 축적	없음 (구두 전승)	매 장애마다 insights 추가 (누적)
예방 능력	반응적	사전 모니터링 (dashboard)

---

🎓 Use Case 3: AX 교육 — 강의 설계 및 학생 온보딩

상황

당신: IT 교육 담당자 (Agentic AI 강의)
목표:

• SKALA 학생들이 자가 학습 가능한 체계적 교재 제공
• 강의마다 “이게 뭐지?” 질문 줄이기
• 취업 후에도 참고할 수 있는 살아있는 지식 구축

현재: 강의 노트 + YouTube 링크 → 산재된 상태

문제

❌ 강의 노트와 개념이 분리됨
❌ 학생: "이게 뭐고 왜 배우나?" 매번 설명
❌ 학생 질문이 새로운 인사이트로 기록되지 않음
❌ 졸업 후 "강의 자료는 어디 있어요?" 매번 전달

LLM Wiki 활용 흐름

강의 설계 단계

강의 1: “Agentic AI 기초”

# wiki/projects/skala-agentic-ai-2026.md
강의명: "Agentic AI: LLM부터 자율 에이전트까지"
기간: 16시간 (2주)
학습 경로: [[concepts/DEPENDENCY-TREE]] Path A (4시간)
관련 개념:
  - [[concepts/llmops-lifecycle-and-stack]]
  - [[concepts/agentic-ai-patterns]]
  - [[concepts/harness-engineering]]

1주차 강의 계획:

Day 1: LLMOps Lifecycle
  교재: [[concepts/llmops-lifecycle-and-stack]] (읽기 20분)
  강의: "프로덕션 LLM 운영의 7단계" (50분)
  실습: GPT 비용 계산 엑셀 (20분)
  과제: 자신의 서비스 LLM 비용 추정

Day 2: Agentic AI 패턴
  교재: [[concepts/agentic-ai-patterns]]
  강의: "Reflection, Tool Use, Planning" (80분)
  실습: 간단한 Tool-Use 에이전트 코드 (40분)
  과제: 자신의 업무에 적용할 Tool 설계

강의 중: 학생 온보딩

강의 1주차 오리엔테이션:

"여러분이 배울 개념들은 다 Wiki에 정리되어 있어요"

→ [[meta/views/dashboard]] 소개 (2분)
   "매주 월요일 대시보드 확인, 이번 주 목표 설정"

→ [[concepts/DEPENDENCY-TREE]] 보여주기 (5분)
   "Path A를 따라가면 16시간 안에 기초부터 심화까지 갈 수 있어요"

→ [[meta/views/faqs-and-guides]] 공유 (3분)
   "모르는 개념 생기면 FAQ 보기, How-To로 학습 경로 짜기"

→ 학생용 자습 공간: `wiki/projects/skala-2026-student-notes.md` 생성
   (학생이 자신의 학습 진도 기록)

강의 중: 학생 질문 → 인사이트 변환

상황: 학생이 질문함

학생: "Agentic AI와 RAG의 차이가 뭐예요?"

기존: "음... [1분 설명하고 보드에 그림]"
문제: 설명이 휘발, 다음 강의에 또 같은 질문

LLM Wiki 방식:
1. FAQ에 이미 있나? 확인
   → [[meta/views/faqs-and-guides]] "Q2: Learning Path 선택"
   → 없으면, Insight 생성:
   
2. wiki/insights/agentic-ai-vs-rag-student-2026-04-27.md 작성
   - 학생 질문 그대로 저장
   - 강의 내용 + 개념 연결
   - 다음 학생도 같은 질문하면 바로 링크 제공

강의 후: 졸업생 지원

졸업 후 (취업 후):

졸업생: "Gemma 4 에이전트 개발하려는데 시작점은?"

기존: 강의 자료 USB 찾아서... 메일로... (휴)
LLM Wiki: [[meta/views/use-cases]] → 이 문서 공유

"여기 실제 DAP 환경에서 Gemma 4를 쓰는 사례 있어요"
→ [[entities/gemma-4]] + 
→ 졸업 후 2년이 지나도 최신 정보 유지

강의 구조 설계

강의 아키텍처:
┌─ wiki/projects/skala-agentic-ai-2026.md (강의 프로젝트)
│  ├─ [[concepts/DEPENDENCY-TREE]] (학습 경로)
│  ├─ [[meta/views/dashboard]] (주간 현황)
│  ├─ [[meta/views/faqs-and-guides]] (자습 지원)
│  └─ [[meta/views/use-cases]] (실전 사례)
│
├─ 학생별 학습 기록
│  └─ wiki/projects/skala-2026-student-notes-[이름].md (개인)
│
└─ 강의 운영 기록
   └─ wiki/insights/skala-agentic-ai-2026-[주차].md (강의 분석)

효과

지표	Before	After
강의 준비	매년 새로 제작 (80시간)	기존 wiki 업데이트 (10시간)
학생 자습	”뭐 어떻게 봐요?” 반복	Dashboard + Learning Path (자가 주도)
강의 품질	강의마다 다름	누적된 Q&A + Insights (개선)
취업 후 지원	불가 (자료 휘발)	평생 접근 + 최신 정보 유지
교재 재사용성	버려지는 USB	”살아있는 교과서” (다음 학기·다른 강사)

---

🎯 3가지 Use Case의 공통점

핵심	PKM	DAP	AX교육
학습 경로	DEPENDENCY-TREE	장애 대응 프로세스	강의 커리큘럼
추적	Dashboard	장애 기록 (insights)	학생 진도 + 강의 피드백
기록	개인 인사이트	사건 분석	강의 개선 항목
재사용	다시 배우지 않음	다음 장애 빠른 대응	졸업생 지원 + 다음 강사 자료

---

💡 이 3가지 Use Case로부터 배운 것

1. Knowledge is compound — 매번 새로 배우는 대신, 기록하고 쌓인다
2. Process becomes artifact — 대응 절차 → 기록 → 다음 학습 자료
3. Sustainability — 강의, 운영, 학습이 위키에 살아있다

---

🔗 관련 페이지

• dashboard — 일일 현황 추적
• DEPENDENCY-TREE — 학습 경로
• faqs-and-guides — 자습 지원
• phase9-pkm-improvement — 이 모든 것의 배경