이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
졸업 프로젝트 보고서 작성 과정에서 처음으로 AI 도구를 문서화에 활용했습니다.
팀 프로젝트 최종 보고서를 작성할 때 각자 작성한 파트의 문체와 용어가 달라서 통일하는 데 시간이 많이 걸렸습니다. 저는 초안을 AI에 입력해서 문체를 일관되게 다듬은 뒤 직접 검토하는 방식을 제안했고, 팀원들도 동의해서 적용했습니다. 처음에는 AI가 기술 용어를 다르게 바꾸는 경우가 있어서 전수 검토가 필요했고, 그 과정에서 시간이 예상보다 더 걸렸습니다.
그래도 최종 보고서의 문체 일관성은 이전 학기 보고서보다 훨씬 높아졌고, 교수님도 가독성이 개선됐다는 피드백을 주셨습니다. AI를 사용할 때는 결과물을 반드시 검토하는 단계가 필요하다는 것을 직접 배웠습니다.
직무 문서화 경험은 없지만, 학교 공부 자료 정리에 AI 도구를 활용한 경험이 있습니다.
4학년 자격증 준비를 하면서 여러 교재의 내용을 하나로 정리해야 했는데, 핵심 개념을 추출하는 과정이 오래 걸렸습니다. AI에 교재 내용을 입력해서 핵심 개념만 뽑아 달라고 요청하고, 그 결과를 직접 읽으면서 내용이 맞는지 확인하는 방식을 사용했습니다. 처음에는 AI가 핵심을 잘못 짚은 경우가 두 번 있었고, 그것을 그냥 사용했다가 나중에 틀린 내용을 공부하게 됐습니다.
그 이후로는 AI 결과를 원본과 반드시 비교하는 단계를 넣었습니다. 보조 도구로는 유용하지만 검증 없이 쓰면 오히려 역효과가 난다는 것을 배웠습니다. 업무에서도 이 방식을 이어가겠습니다.
개인 개발 프로젝트에서 코드 주석과 README 파일 작성에 AI를 활용한 경험이 있습니다.
캡스톤 프로젝트에서 팀원이 제 코드를 이해하지 못해서 같은 질문을 반복하는 상황이 생겼습니다. 제가 함수마다 주석을 달지 않았기 때문이었습니다. 이후 AI에 코드를 입력하고 각 함수의 역할을 설명하는 주석을 작성해 달라고 했더니 대략적인 초안이 나왔고, 저는 그것을 실제 동작과 맞게 수정해서 최종 주석을 달았습니다.
다만 AI가 변수 이름만 보고 역할을 추측한 경우가 있어서, 실제 로직과 맞지 않는 주석이 생겼습니다. 전수 검토 후 수정했고, 이후 팀원들이 질문하는 빈도가 줄었습니다. 문서화에 AI를 쓸 때는 항상 실제 동작과 비교하는 과정이 필요하다는 것을 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 HD현대에너지솔루션 공통직무·미지정 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.