diff --git "a/2\354\236\245/\352\263\265\354\230\210\354\230\201.md" "b/2\354\236\245/\352\263\265\354\230\210\354\230\201.md"
new file mode 100644
index 0000000..c209353
--- /dev/null
+++ "b/2\354\236\245/\352\263\265\354\230\210\354\230\201.md"
@@ -0,0 +1,38 @@
+# 2장. AI로 더 편리한 서비스 만들기
+실무에서, 특히 배민과 같은 대규모 서비스에서 AI 서비스를 만들고 도입한 이야기를 읽을 수 있어 재밌었다.   
+특히나 아래의 문구에 공감되었다.
+
+> GPT를 사용한다는 목적에 치우쳐서 너무 허무맹랑한 것을 만들지 않기. 현실의 문제와 동떨어진 것을 고민하지 않기
+
+AI로 해커톤부터 사업까지 많은 서비스가 쏟아져나오는데, AI로 어디까지 할 수 있는지에 대해만 매몰된 경우를 흔하게 볼 수 있다.  
+결국 중요한 목표이자 목적은 "어떤 문제를 해결할 것인가" 문제 정의라는 것을 상기해야한다고 생각한다.  
+  
+그리고 나는 지금까지 하나의 AI api만 사용해서 결과를 도출하려고 했었는데,  
+배민의 간략한 리뷰 분석 방법을 보니 먼저 mini모델로 분류/키워드추출을 하고, 더 높은 모델로 평가데이터를 고도화하고 방식으로 AI를 레이어드하고 있었다.  
+지금처럼 많은 AI모델이 쏟아져나오는 시대에 각 모델이 잘하는 것을 파악하여 적절히 task를 나눠주고 비용을 최적화하는 것도 하나의 기술이라는 생각이 들었다.  
+  
+
+이미지 검수 자동화를 직접 모델을 구축하지 않고 GPT에게 맡긴 것도 흥미로웠다.  
+간단해보이지만 사실 이러한 기술은 엣지케이스가 매우 다양해서 모델링하기 까다로운데,  
+GPT에게 맡길 경우 다음과 같은 장점이 있다.  
+- 다양한 검수 기준에 신속히 대응하고
+- 변경 사항에 유연하게 대처할 수 있다.
+- 상식 기반 판단이 가능하다
+
+단순 PoC를 넘어 실서비스 영역에서 성능을 극대화하려면
+> 기존 ML모델, 데이터 사이언스 전문성, 운영자 검수 등 하이브리드 접근이 필요하다.
+
+  
+
+실시간 추천 시스템에 대해 구체적인 모델, DB, 시스템 아키텍처를 설명해주고 있다.  
+기존 정적 데이터에 기반한 추천 시스템에서 도약해 실시간 사용자 흐름을 반영하는 추천시스템이라는 점이 흥미로워 나도 구축해보고 싶다는 생각이 들었다.  
+  
+한편으론, 꽤 많은 공수와 운영비용이 들 것 같은 서비스인데 그만한 비즈니스 가치를 창출하는지 궁금했다.  
+우선 이 실시간 추천 시스템을 2개월만에 완성했다는 것에 놀랐고,, (오직 개발기간만을 말하는 거겠지 ..? 그래도 놀랍다)  
+A/B 테스트결과 주문전환율이 40%나 상승했다는 것에 또 놀랐다.  
+    
+데이터과학 지식을 업은 AI 활용의 위력을 실감할 수 있었다. AI를 정말 잘 쓰려면 다양한 지식을 갖추고 이를 연결할 수 있는 능력이 필요한 것 같다.     
+나도 최근에 이러한 시스템을 설계하고 싶다는 목표가 생겨서 프론트를 넘어 서버, 인프라 등 다양한 영역을 공부하고 있다.    
+   
+AI가 서비스 뿐 아니라 개개인의 능력치도 극대화해주고 있다. 분명 작업 효율을 올라갔는데 해야할 일은 점점 더 많아지고 있는 것 같다.. 
+