버그 분류 자동화 + Few-shot 비교 실험
약 60초
반복 제거로 고부가 작업에 집중
AI를 활용한 업무 자동화 경험은 반복적인 버그 리포트 분류 작업에서 시작됐습니다. 수백 건의 CS 로그를 카테고리별로 나누는 작업이 매주 반복됐는데, GPT API를 활용해 분류 자동화 스크립트를 만들었습니다. 프롬프트 설계가 결과 품질에 직결됐고, 같은 입력이라도 지시 방식에 따라 분류 정확도가 크게 달라졌습니다.
Zero-shot vs Few-shot 비교 실험을 해보면서, 예시 3개를 붙였을 때 정확도가 약 20% 올라가는 걸 확인했습니다. 자동화 이후 수작업 시간이 주당 4시간에서 30분으로 줄었고, 그 시간에 분류 결과 분석과 개선 제안에 집중할 수 있었습니다. AI 자동화는 반복 작업 제거보다 팀이 더 높은 가치 작업에 집중하게 만드는 것이 진짜 효과라는 걸 느꼈습니다.
이 결의 특징
CS 로그 수백 건 분류를 GPT API로 자동화하면서 Zero-shot 대비 Few-shot 3개에서 정확도가 20% 높아지는 것을 확인한 흔적이 있습니다. 수작업 4시간을 30분으로 줄여 분류 결과 분석과 개선 제안에 집중할 수 있게 된 결이 자주 보입니다.
이 결이 통하는 자리
반복 업무를 AI로 자동화하는 첫 경험이 있는지 확인하는 자리에서 통합니다. 자동화 효과를 측정 가능한 수치로 검증한 경험이 있는지 살피는 면접관 자리에서 꼬리질문이 줄어드는 결이 보입니다.