RAG 시스템을 구축할 때 어떤 금융 데이터 소스를 활용했는지 설명해 주세요. | 넥스트증권 ML 엔지니어 면접 질문

Q: 왜 그 데이터 결을 고르셨나요?

면접관이 답변에 이어 던질 수 있는 후속 질문입니다.

Q: 막힌 검색 경로 결도 있었나요?

면접관이 답변에 이어 던질 수 있는 후속 질문입니다.

Q: 본인만의 RAG 결이 있나요?

면접관이 답변에 이어 던질 수 있는 후속 질문입니다.

넥넥스트증권ML 엔지니어직무 역량2026년 출제

답변 미리보기

졸업 프로젝트에서 금융 데이터 기반 RAG 시스템을 처음 구축했습니다. 검색 품질이 데이터 소스에 크게 영향을 받아서, 공시 데이터와 뉴스 기사를 동시에

예상 답변 시간

60~90초

예상 꼬리질문

3회

난이도

난이도 중상

출제 빈도

높음

INTERVIEWER'S INTENT · 면접관의 의도

이 질문, 네 갈래로 뜯어봅니다.

면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.

데이터 결을 분별하는가?

한 결로 답하는지, 공시·시세·뉴스·분석 리포트 결 중 어느 결에서 굴린 흔적이 답에 있는지 보는 자리입니다. 한 결로 묶는 답은 깊이가 약해지는 자리입니다.

본인 사례가 있는가?

이론 결만 답하는지, 본인이 실제 굴린 RAG 결의 흔적이 답에 묻어 있는지 살피는 자리입니다. 책에서 본 결은 실무 감각이 약해지는 자리입니다.

품질을 의식하는가?

양만 답하는지, 정확도·최신성·라이선스 결로 가른 흔적이 답에 있는지 살피는 자리입니다. 품질 없는 결은 위험합니다.

활용 결이 분명한가?

수집만 답하는지, 인덱싱·검색·평가 결로 가른 활용이 답에 있는지 보는 자리입니다. 활용 없는 결은 자리가 흐려지는 자리입니다.

말로 해봐야 는다

읽는 것과 말하는 건 다릅니다.
이 질문, 소리 내어 답해 볼까요?

넥스트증권 면접관 페르소나가 이 질문을 던지고, 당신의 답에 꼬리질문으로 되물어요.

음성으로 답해보기

공시+뉴스 인덱싱 + 전처리 + 쿼리 의도 파악 경험으로 설명약 70초 Recall@K로 검색 단계 품질을 측정하고 청킹 전략을 개선한 결약 73초 LLM이 검색 결과에 없는 내용을 답변에 포함하는 환각 문제를 발견하고 대응한 결약 70초

RAG 시스템 금융 데이터 소스

약 70초

공시+뉴스 인덱싱 + 전처리 + 쿼리 의도 파악 경험으로 설명

졸업 프로젝트에서 금융 데이터 기반 RAG 시스템을 처음 구축했습니다. 검색 품질이 데이터 소스에 크게 영향을 받아서, 공시 데이터와 뉴스 기사를 동시에 인덱싱하는 구조를 만들었습니다. 공시 데이터는 금감원 OpenAPI에서 정기적으로 수집했고, 표·각주·법적 문구를 제거해서 검색에 유용한 내용만 남기는 전처리를 했습니다. 뉴스는 날짜 편향이 생길 수 있어서, 쿼리와의 의미적 유사도만으로 순위를 매기는 방식을 채택했습니다. 금융 데이터는 동음이의어가 많아서(배당, 계좌, 상장 등), 쿼리 의도를 먼저 파악하는 전처리가 검색 품질에 직접 영향을 줬습니다. 데이터 소스마다 신뢰도가 달라서 출처를 메타데이터로 함께 저장하고, 답변에 근거 링크를 붙이는 구조를 만들었습니다.

이 결의 특징

공시 데이터와 뉴스를 동시에 인덱싱하며 표·각주 제거 전처리를 하고, 금융 용어의 동음이의어 문제를 쿼리 의도 파악 전처리로 대응한 흔적이 있습니다. 출처를 메타데이터로 저장한 결이 이어집니다.

이 결이 통하는 자리

데이터 소스마다 신뢰도가 다르다는 인식이 근거 링크 부착이라는 구체 장치로 이어질 때 통합니다. 도메인 특유의 어려움을 짚는 자리가 면접관에게 통합니다.

예시 답변 2

약 73초

Recall@K로 검색 단계 품질을 측정하고 청킹 전략을 개선한 결

RAG 시스템을 구축한 뒤 검색이 실제로 관련 문서를 잘 찾아오는지 측정해야 했습니다. Recall@K 지표를 적용했는데, 쿼리에 대한 정답 문서가 상위 K개 결과에 포함되는 비율을 측정하는 방식이었습니다. 처음에는 청킹 크기가 너무 커서 관련 없는 내용이 섞인 청크가 검색되는 경우가 많았습니다. 청킹 크기를 줄이고 겹침(overlap)을 추가했더니 Recall@5가 올랐습니다. 또한 출처 메타데이터를 검색 결과에 함께 반환해 환각(Hallucination) 방지를 위한 출처 인용 구조를 만들었습니다.

RAG에서 검색 품질은 생성 품질의 전제 조건이라는 것을 이 경험에서 배웠습니다. 평가 지표 없이는 개선이 됐는지 안 됐는지 알 수 없었습니다.

이 결의 특징

청킹 크기가 너무 커 관련 없는 내용이 섞이던 문제를 짚고, Recall@K로 검색 품질을 측정하며 청킹과 겹침을 조정한 흔적이 있습니다.

이 결이 통하는 자리

검색 품질이 생성 품질의 전제 조건이라는 결론이 지표 기반 개선 사례로 뒷받침될 때 통합니다. 평가 지표 없이는 개선을 알 수 없다는 인식이 면접관에게 신뢰로 읽힙니다.

예시 답변 3

약 70초

LLM이 검색 결과에 없는 내용을 답변에 포함하는 환각 문제를 발견하고 대응한 결

RAG 시스템을 테스트하다가 검색 결과에는 없는 내용이 LLM 답변에 포함되는 케이스를 발견했습니다. 공시 문서를 기반으로 답변을 생성하는 시스템이었는데, 모델이 학습 데이터에서 알고 있는 정보를 컨텍스트 없이 답변에 섞는 결이 있었습니다. 이 문제를 줄이기 위해 프롬프트에 주어진 문서에서만 답변하고 없으면 모른다고 답하라는 지시를 추가했습니다. 완벽하지는 않았지만 환각 발생 빈도가 줄었습니다. 또한 답변에 어떤 청크를 근거로 했는지 출처를 함께 표시하는 방식을 추가해, 사용자가 원본을 직접 확인할 수 있게 했습니다.

RAG는 검색 시스템과 생성 모델 두 가지를 함께 평가해야 완성되는 결이 있다는 것을 이 경험에서 배웠습니다.

이 결의 특징

검색 결과에 없는 내용이 답변에 섞이는 환각을 발견하고, 프롬프트에 근거 없으면 모른다고 답하라는 지시를 추가한 흔적이 있습니다. 출처 청크를 함께 표시한 결이 이어집니다.

이 결이 통하는 자리

RAG는 검색 시스템과 생성 모델을 함께 평가해야 완성된다는 결론이 실제 환각 발견 사례로 뒷받침될 때 통합니다. 완벽하지 않다는 인정 위에서의 개선이 면접관에게 통합니다.

위 답변은 여러 풀이 중 한 가지 예시입니다. 정답이 아니며, 외워서 그대로 말하면 면접관이 다음 질문을 그 자리에서 시작하는 경우가 많습니다. 본인의 프로젝트·기준·숫자로 다시 짜는 자리로만 쓰세요.

자주 빠지는 자리

같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.

떨어뜨린 옵션이 1개라도 있는가? "이게 답이었어요"만으로는 의사결정이 아니라 그냥 선택입니다.
선택 기준이 그 프로젝트에 한정되는가? "성능이 좋아서"는 일반론, "우리 트래픽이 X 패턴이라서"가 본인의 답입니다.
결과 숫자 1개를 정확히 말할 수 있는가? P95·QPS·적중률 — 무엇이든 1개. 숫자가 없으면 직감으로 한 일처럼 들리기 쉽습니다.
지금 다시 한다면 어떻게 할지 답할 수 있는가? "잘했다"보다 "이건 다르게 했을 것 같다"가 더 깊은 인상을 남깁니다.

이어질 꼬리질문

진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.

壹왜 그 데이터 결을 고르셨나요?

貳막힌 검색 경로 결도 있었나요?

參본인만의 RAG 결이 있나요?

이제, 직접 답해볼 차례예요.

눈으로 읽은 답은 면접장에서 나오지 않아요. 넥스트증권 면접관과 이 질문으로 한 번 대화해 보세요.

이 질문으로 모의면접 해보기

안내 · 이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 실제 출제·회사 공식 입장과는 무관하며, 정정 요청 시 24시간 내 반영합니다. 자세히

개인정보처리방침 이용약관 문의

넥넥스트증권ML 엔지니어직무 역량2026년 출제

답변 미리보기

예상 답변 시간

60~90초

예상 꼬리질문

3회

난이도

난이도 중상

출제 빈도

높음

INTERVIEWER'S INTENT · 면접관의 의도

이 질문, 네 갈래로 뜯어봅니다.

면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.

데이터 결을 분별하는가?

본인 사례가 있는가?

이론 결만 답하는지, 본인이 실제 굴린 RAG 결의 흔적이 답에 묻어 있는지 살피는 자리입니다. 책에서 본 결은 실무 감각이 약해지는 자리입니다.

품질을 의식하는가?

양만 답하는지, 정확도·최신성·라이선스 결로 가른 흔적이 답에 있는지 살피는 자리입니다. 품질 없는 결은 위험합니다.

활용 결이 분명한가?

수집만 답하는지, 인덱싱·검색·평가 결로 가른 활용이 답에 있는지 보는 자리입니다. 활용 없는 결은 자리가 흐려지는 자리입니다.

말로 해봐야 는다

읽는 것과 말하는 건 다릅니다.
이 질문, 소리 내어 답해 볼까요?

넥스트증권 면접관 페르소나가 이 질문을 던지고, 당신의 답에 꼬리질문으로 되물어요.

음성으로 답해보기

RAG 시스템 금융 데이터 소스

약 70초

공시+뉴스 인덱싱 + 전처리 + 쿼리 의도 파악 경험으로 설명

이 결의 특징

이 결이 통하는 자리

예시 답변 2

약 73초

Recall@K로 검색 단계 품질을 측정하고 청킹 전략을 개선한 결

RAG에서 검색 품질은 생성 품질의 전제 조건이라는 것을 이 경험에서 배웠습니다. 평가 지표 없이는 개선이 됐는지 안 됐는지 알 수 없었습니다.

이 결의 특징

청킹 크기가 너무 커 관련 없는 내용이 섞이던 문제를 짚고, Recall@K로 검색 품질을 측정하며 청킹과 겹침을 조정한 흔적이 있습니다.

이 결이 통하는 자리

예시 답변 3

약 70초

LLM이 검색 결과에 없는 내용을 답변에 포함하는 환각 문제를 발견하고 대응한 결

RAG는 검색 시스템과 생성 모델 두 가지를 함께 평가해야 완성되는 결이 있다는 것을 이 경험에서 배웠습니다.

이 결의 특징

이 결이 통하는 자리

자주 빠지는 자리

같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.

떨어뜨린 옵션이 1개라도 있는가? "이게 답이었어요"만으로는 의사결정이 아니라 그냥 선택입니다.
선택 기준이 그 프로젝트에 한정되는가? "성능이 좋아서"는 일반론, "우리 트래픽이 X 패턴이라서"가 본인의 답입니다.
결과 숫자 1개를 정확히 말할 수 있는가? P95·QPS·적중률 — 무엇이든 1개. 숫자가 없으면 직감으로 한 일처럼 들리기 쉽습니다.
지금 다시 한다면 어떻게 할지 답할 수 있는가? "잘했다"보다 "이건 다르게 했을 것 같다"가 더 깊은 인상을 남깁니다.

이어질 꼬리질문

진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.

壹왜 그 데이터 결을 고르셨나요?

貳막힌 검색 경로 결도 있었나요?

參본인만의 RAG 결이 있나요?

이제, 직접 답해볼 차례예요.

눈으로 읽은 답은 면접장에서 나오지 않아요. 넥스트증권 면접관과 이 질문으로 한 번 대화해 보세요.

이 질문으로 모의면접 해보기

개인정보처리방침 이용약관 문의