최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. 낯선 환경에서 자발적으로 최고 수준의 성과를 만들어냈던 경험을 구체적으로 서술하고, 그 과정에서 어떤 목표와 전략을 세우고 실행했는지 서술해주세요. (700자 이내)
[Multi-chunking과 Hybrid Search를 통한 챗봇 검색 성능 향상]
아시아나IDT AI빅데이터연구소에 입사 후, 보험약관 챗봇의 검색 성능 개선을 위한 RAG(Retrieval-Augmented Generation) 모듈 개발로 약 12%의 성능 향상의 경험이 있습니다. 금융 도메인 지식이 부족하고, 사수의 퇴사로 조언을 구할 동료가 없는 낯선 환경이었기에, 처음에는 목표 달성 가능성에 대한 의구심이 들기도 했습니다.
그러나, 초기 모델의 낮은 정답률이 label 간 의미 혼재에서 비롯된다는 점을 스스로 분석하여 문제를 정의했습니다. 첫째, 동일 label 간 유사도는 높이고 이질 label 간 거리는 멀어지도록 contrastive learning 기반 retriever를 개발하였습니다. 둘째, page, paragraph, sentence 단위로 나누어 검색하는 multi-chunking 전략과 ElasticSearch를 활용한 hybrid retrieval 구조를 구현하여, 검색 성능을 향상했습니다.
이러한 구조적 개선은 챗봇 응답 정확도를 약 9% 개선하는 성과로 이어졌으며, 이를 사내 챗봇 시스템에 적용하여 개선 효과를 객관적으로 입증할 수 있었습니다. 본 경험을 통해 저는 낯선 환경에서도 문제를 스스로 정의하고, 체계적인 전략 수립과 끈기 있는 실행이 결국 실질적인 성과로 이어진다는 점을 깨달았습니다.
2. 당신이 주도적으로 진행한 일이 타인의 피드백이나 반대로 인해 방향이 바뀌거나 실패했던 경험을 구체적으로 서술하고, 그 과정에서 느낀 점과 배운 점을 설명해 주세요. (700자 이내)
[유연하게 수용함]
석사과정 중 1저자로 작성한 Multimodal Prompt Learning in Emotion Recognition using Context and Audio Information 논문에서 약 5% 성능 향상의 경험이 있습니다. 텍스트 데이터에 주로 적용되던 프롬프트 러닝 기법을, 음성 정보를 포함한 멀티모달 환경으로 확장하는 새로운 아이디어를 고안했습니다.
초기 모델 설계 시, 저는 각 발화의 감정을 독립적으로 분석하는 '단일 발화 기반' 구조를 제안했습니다. 이는 구현의 복잡도를 낮춰 초기 연구 속도를 높이려는 의도였습니다. 그러나 지도교수님께서 ""대화의 연속성을 무시하고 단일 발화만으로 감정을 판단하는 것은 실제 사람의 감정 인식 방식과 괴리가 크다""는 날카로운 피드백을 주셨습니다. 저는 이 의견에 따라 모델 구조를 '이전 문맥 기반 프롬프트 삽입 방식'으로 전면 재설계했습니다. 급작스러운 구조 개선은 이미 완성 단계였던 코드와 파이프라인을 전면 수정해야 하는 부담을 주었으나, 연구 책임자로서 책임감과 끈기를 가지고 연구를 수행했습니다.
그 결과, 모델의 정확도는 초기 82.5에서 87.49로 약 5%만큼 향상되었고, SCI급 저널에 성공적으로 게재되어 그 학술적 우수성을 객관적으로 증명했습니다. 이 경험을 통해, 주도적인 태도와 피드백을 수용하여 유연하게 반영하는 것이 연구자의 필수 역량임을 배웠습니다.
3. AI 도구를 활용하여 실제로 업무나 과제, 프로젝트의 효율을 높였던 경험이 있다면 구체적으로 서술해 주세요. (700자 이내)
아시아나IDT에서 보험약관 챗봇 개발 프로젝트를 수행하며, Google Gemini와 Cursor를 적극 활용하여 업무 효율을 약 20% 향상시킨 경험이 있습니다. 주니어 개발자로서 시간 및 공간 복잡도를 직접 계산하며 코드를 최적화하는 데 어려움이 있었습니다. Gemini는 자연어 기반 코드 작성과 수정을 제공하여, 복잡한 알고리즘 구현과 프로토타입 설계에 큰 도움이 되었습니다. 또한 Cursor는 코드 내 중복 제거, 변수명 개선, 함수 구조 변경 등 리팩토링에 대한 실시간 피드백을 제공하여, 코드 품질과 가독성을 크게 높일 수 있었습니다.
제가 담당한 업무는 보험 약관 관련 데이터 전처리와 검색 모듈 개발이었으며, 이 과정에서 AI 도구를 적극적으로 활용하여 코드 개선 작업을 신속하게 수행하였습니다. 그 결과 개발 속도가 약 20% 이상 향상되었으며, 코드 안정성과 유지보수성 또한 눈에 띄게 개선되었습니다. 이로 인해 동료 개발자들로부터 “신입 같지 않은 신입” 이라는 긍정적 평가를 받는 계기가 되었습니다. 이후에는 연구소 신규 채용 건에 대한 기술 검토를 담당하며 기술적 신뢰를 인정받을 수 있었습니다.
이러한 경험은 AI 기반 개발 도구가 개발자의 업무 효율을 극대화하는 데 매우 효과적임을 체감하게 되었고, 기술적 난관에 봉착했을 때 AI 도구를 적극적으로 활용해 문제를 해결할 수 있다는 자신감을 키우는 계기가 되었습니다.