AI 요약 도구와 워드 결합 사례
공모전 자료 조사 과정에서 AI 요약 도구로 논문과 보고서 10여 건의 핵심 내용을 먼저 정리한 뒤, 워드에서 인용 출처와 세부 수치를 원문과 대조해 검증했습니다. AI가 요약한 내용 중 통계 수치가 원문과 다르게 표기된 부분을 2건 발견해 직접 수정했습니다. 자료 조사에 걸리던 시간이 절반 가까이 줄었지만, AI 결과를 그대로 인용하지 않고 반드시 원문과 대조하는 것을 원칙으로 삼았습니다.
면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
공모전 자료 조사 과정에서 AI 요약 도구로 논문과 보고서 10여 건의 핵심 내용을 먼저 정리한 뒤, 워드에서 인용 출처와 세부 수치를 원문과 대조해 검증했습니다. AI가 요약한 내용 중 통계 수치가 원문과 다르게 표기된 부분을 2건 발견해 직접 수정했습니다. 자료 조사에 걸리던 시간이 절반 가까이 줄었지만, AI 결과를 그대로 인용하지 않고 반드시 원문과 대조하는 것을 원칙으로 삼았습니다.
인턴 근무 중 재고 데이터를 정리하는 업무에서는 엑셀을 주로 사용했습니다. 워드나 파워포인트는 서식 위주라 대량의 숫자 데이터를 다루기엔 한계가 있었고, 엑셀은 함수와 필터로 원하는 조건의 데이터를 즉시 추출할 수 있어 선택했습니다. 재고 부족 품목을 조건부 서식으로 자동 표시하도록 만들어 담당자가 매일 수기로 확인하던 시간을 없앴습니다. 데이터 성격에 따라 도구를 구분해 쓰는 것이 중요하다는 점을 배웠습니다.
동아리 후원 제안서를 준비할 때 AI 도구로 초안 문구를 여러 버전 생성해 방향을 빠르게 잡은 뒤, 파워포인트에서 실제 후원사 로고와 색상 톤에 맞게 디자인을 다시 정리했습니다. AI가 제안한 문구 중 과장된 표현은 걷어내고 실제 활동 수치로 바꿔 넣었습니다. 이 과정을 통해 초안 작성 시간은 크게 줄었지만, 최종 완성도는 사람의 검토와 조정에서 나온다는 것을 느꼈습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.