예시 답변 1
약 90초
AI 기반 내부 문서 검색 자동화 앱 개발
사내 내부 문서 검색 자동화 어플리케이션을 개발해 업무 효율을 크게 높인 경험이 있습니다. 팀원들이 규정·가이드라인·과거 보고서를 찾는 데 하루 1~2시간을 허비하는 것을 보고 자동화 필요성을 느꼈습니다. AI 활용으로 RAG(Retrieval-Augmented Generation) 파이프라인을 구성하고, 내부 문서를 임베딩해 벡터 DB에 인덱싱했습니다.
Streamlit으로 사용자가 자연어로 질문하면 관련 문서 발췌와 출처를 함께 반환하는 인터페이스를 구현했습니다. 프로젝트 결과로 문서 검색 시간이 평균 40분에서 2분으로 단축됐고, 팀원 전체가 일주일에 약 10시간을 절약했습니다. 사용자 반응으로 초기 '신뢰도' 우려가 있었고, 출처 링크와 신뢰도 점수 표시를 추가하자 수용률이 크게 높아졌습니다. 이 경험으로 AI 기반 사내 도구의 설계 원칙과 실제 배포 노하우를 익혔습니다.
이 결의 특징
RAG 파이프라인 구성과 Streamlit 인터페이스 구현까지 직접 했다는 흔적이 있고, 초기 '신뢰도 우려'라는 사용자 저항을 출처 링크와 신뢰도 점수 추가로 해소한 과정이 담겨 있습니다. 문서 검색 40분→2분이라는 수치와 팀 전체 주 10시간 절약이라는 조직 단위 효과가 함께 있어 개인 구현을 팀 임팩트로 연결하는 결로 자주 보입니다.
면접관이 다음에 할 행동
'임베딩 모델과 벡터 DB는 어떻게 선택했나요?'나 '문서가 업데이트될 때 인덱스는 어떻게 관리했나요?'처럼 RAG 파이프라인 운영 세부를 파고드는 꼬리질문이 이어지는 자리입니다. 신뢰도 우려 해소 경험이 있어 사용자 채택 과정 질문은 줄어들고 기술 구현 세부로 이동하는 흐름이 자주 보입니다.