우문현답
愚 問 賢 答
회사별 면접직군별진행 방식
    홈›회사별›이스트소프트›ML 엔지니어›질문 상세
    問
    이이스트소프트ML 엔지니어경험·이력2026년 출제

    LLM 프롬프팅 기술을 활용한 대화 시나리오 설계 경험에 대해 설명해 주세요.

    답변 미리보기

    LLM 프롬프팅을 활용한 대화 시나리오 설계를 처음 해본 것은 고객 응대 챗봇 프로토타입을 만드는 프로젝트에서였습니다. 단순 Q&A가 아니라 맥락을 이어가는…

    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.

    問
    01
    본인 손에 잡은 결이 또렷한가?
    설계·실험·평가 결 중 본인이 직접 한 자리가 답에 보입니다. 일반론으로만 답하면 깊이가 옅은 자리입니다.
    骨
    02
    시나리오 결을 또렷이 짚는가?
    맥락·역할·합의 결로 본인이 가른 흔적이 답에서 드러나는 결이 통합니다. 매끈하게만 끝나는 답은 외워 온 결로 들립니다.
    語
    03
    본인 사례로 닫는가?
    추상 다짐이 아니라 본인이 실제로 한 결을 짚는 답이 자주 등장합니다. 매끈하게만 끝나는 답은 외워 온 결로 들립니다.
    本
    04
    측정 가능한 결과로 닫는가?
    성공·자연·만족 결로 본인이 결과를 본 흔적이 답에 보입니다. 수치 없이 좋아진다는 답은 검증이 옅은 결입니다.
    말로 해봐야 는다
    읽는 것과 말하는 건 다릅니다.
    이 질문, 소리 내어 답해 볼까요?
    이스트소프트 면접관 페르소나가 이 질문을 던지고, 당신의 답에 꼬리질문으로 되물어요.
    음성으로 답해보기
    LLM 대화 시나리오 상태 흐름 설계 결약 90초키워드 매칭 분기 실패 후 LLM 인텐트 판별과 명확화 질문으로 시나리오 재설계 결약 90초이력 요약 레이어로 LLM 컨텍스트 창 소진 문제를 해결한 실험 결약 84초
    예시 답변 1
    약 90초

    LLM 대화 시나리오 상태 흐름 설계 결

    LLM 프롬프팅을 활용한 대화 시나리오 설계를 처음 해본 것은 고객 응대 챗봇 프로토타입을 만드는 프로젝트에서였습니다. 단순 Q&A가 아니라 맥락을 이어가는 대화를 설계할 때, 각 턴에서 어떤 정보가 필요하고 어떤 응답을 유도할지를 흐름도로 먼저 정리했습니다.

    시나리오 분기점을 명확히 정의하는 것이 중요했는데, 사용자가 예상 흐름 밖의 발언을 했을 때 모델이 자연스럽게 다시 목적으로 돌아오도록 프롬프트를 구성했습니다. System 프롬프트에 역할, 제약, 응답 형식을 명시하고, 대화 이력을 함께 넣어 맥락을 유지했습니다.

    엣지 케이스 처리가 가장 어려운 부분이었는데, 모델이 과도하게 상세한 답변을 생성하거나 범위 밖의 내용을 말하는 경우를 걸러내는 가드 조건을 프롬프트에 추가했습니다. 대화 시나리오 설계는 상태와 분기를 먼저 그리고 프롬프트를 채우는 것이 결임을 배웠습니다.

    이 결의 특징
    대화 상태와 분기점을 흐름도로 먼저 정리하고, 시스템 프롬프트에 역할·제약·형식을 명시한 뒤 엣지 케이스 가드까지 넣은 흔적이 있습니다.
    이 결이 통하는 자리
    상태와 분기를 먼저 그리고 프롬프트를 채운다는 순서가 구체 설계 과정으로 뒷받침될 때 통합니다.
    예시 답변 2
    약 90초

    키워드 매칭 분기 실패 후 LLM 인텐트 판별과 명확화 질문으로 시나리오 재설계 결

    고객 상담 봇에서 특정 발화 패턴이 의도치 않은 상태로 전이되는 문제가 반복됐습니다. 원인을 추적하니 시나리오 분기 조건이 키워드 매칭에만 의존하고 있었고, 유사 표현이 다른 인텐트로 라우팅되는 경우가 많았습니다. 저는 기존 규칙 기반 분기를 LLM 인텐트 판별 + 신뢰 점수 임계값 구조로 전환하고, 신뢰 점수가 낮은 발화는 명확화 질문(clarification prompt)을 삽입하도록 시나리오를 재설계했습니다. A/B 테스트에서 오분류율이 28% 감소했고, 사용자가 대화를 중도 이탈하는 비율도 눈에 띄게 줄었습니다. 대화 시나리오 설계는 행복 경로(happy path)보다 예외 발화 처리가 품질을 가르는 핵심이라는 시각을 갖게 됐습니다.

    이 결의 특징
    키워드 매칭 분기의 한계를 발견하고 LLM 인텐트 판별과 신뢰 점수 임계값 구조로 전환해 오분류율을 28% 줄인 흔적이 있습니다.
    이 결이 통하는 자리
    행복 경로보다 예외 발화 처리가 품질을 가른다는 결론이 실제 A/B 테스트 수치로 뒷받침될 때 통합니다.
    예시 답변 3
    약 84초

    이력 요약 레이어로 LLM 컨텍스트 창 소진 문제를 해결한 실험 결

    LLM 기반 챗봇에서 이전 대화 내용을 무시한 채 반복 질문을 생성하는 환각 문제가 발생했습니다. 프롬프트에 전체 대화 이력을 그대로 넣으면 컨텍스트 창이 빠르게 소진되고 관련 없는 내용이 노이즈로 작용했습니다. 이를 해결하기 위해 대화 이력 요약 레이어를 별도로 두고, 매 턴마다 직전 3턴 원문 + 전체 요약을 조합해 주입하는 방식을 설계했습니다. 요약 품질을 검증하기 위해 인간 평가자 3인의 일관성 점수를 지표로 삼았고, 요약 기반 컨텍스트 주입이 원문 전달 대비 관련성 점수 +0.18 향상을 보였습니다. 프롬프트 설계는 단일 발화보다 멀티턴 흐름 전체를 입력 단위로 사고해야 효과적이라는 결론을 얻었습니다.

    이 결의 특징
    전체 이력 주입이 컨텍스트 창을 소진시키는 문제를 요약 레이어로 풀고, 인간 평가자 점수로 관련성 향상을 측정한 흔적이 있습니다.
    이 결이 통하는 자리
    단일 발화가 아니라 멀티턴 흐름 전체를 입력 단위로 사고해야 한다는 결론이 구체 지표 향상으로 뒷받침될 때 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본인이 가장 깊이 본 결은 어디였나요?
    貳시나리오 결을 어떻게 잡으셨나요?
    參결과를 어떤 결로 측정하시나요?
    이제, 직접 답해볼 차례예요.
    눈으로 읽은 답은 면접장에서 나오지 않아요. 이스트소프트 면접관과 이 질문으로 한 번 대화해 보세요.
    이 질문으로 모의면접 해보기
    또는, 다음 질문으로

    같은 흐름에서 자주 이어지는 질문들이에요.

    삼성E&A · 자동차·기계 연구
    LLM 기술을 활용한 애플리케이션 설계 경험에 대해 구체적으로 말씀해 주세요.
    이 질문 보기
    삼성SDS · MLOps
    LLM 기반 AI Agent 구조와 적용 시나리오를 설계한 경험이 있다면, 그 경험을 구체적으로 설명해 주세요.
    이 질문 보기
    토스 · ML 엔지니어
    LLM 기술을 활용해 개발한 어플리케이션의 예시와 그 과정에서 겪은 도전 과제를 설명해 주세요.
    이 질문 보기
    토스 · MLOps
    LLM을 활용한 서비스 개발 경험 중 가장 어려웠던 점과 해결 방안을 말씀해 주세요.
    이 질문 보기
    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
    개인정보처리방침이용약관문의
    © 2026 우문현답. All rights reserved.
    이 페이지 목차
    01면접관의 의도02답변의 결03실수·꼬리질문04관련 질문
    말로 해봐야 는다
    이 질문, 이스트소프트 면접관과
    음성으로 답해볼까요?
    모의면접 해보기
    첫 회 무료 · 종료 즉시 음성 폐기