A
약 75초
경험 중심 1인칭 답변
졸업 프로젝트에서 개인화된 학습 경로 추천 서비스를 만들 때 AI 도구를 두 가지 방식으로 활용했습니다. 콘텐츠 생성에는 GPT API를 호출해 사용자 수준과 관심사에 맞는 학습 설명 텍스트를 동적으로 생성했고, 추천 로직에는 사용자 행동 데이터를 기반으로 한 협업 필터링을 적용했습니다. AI 도구를 쓰면서 가장 어려웠던 것은 출력이 항상 일관되지 않다는 것이었습니다. 같은 프롬프트도 실행마다 길이와 표현이 달라져서 UI에서 표시하기 어려운 경우가 생겼고, system prompt에 형식 지정을 추가해서 안정화했습니다. 또한 개인화 추천이 실제로 사용자에게 유용한지를 검증하는 방법이 모호했는데, 클릭률과 학습 완료율을 지표로 정하고 A/B 테스트로 비교했습니다.
AI 도구는 빠른 시도를 가능하게 하지만, 출력 품질 관리와 평가 방법을 함께 설계해야 실제로 쓸 수 있다는 것을 배웠습니다. 앞으로도 AI 도구를 쓸 때 출력 품질 관리와 평가 지표를 먼저 설계하는 방식을 유지하겠습니다. 도구는 빠르게 써볼 수 있게 해주지만, 검증은 사람이 설계해야 한다고 생각합니다.
이 결의 특징
GPT API로 학습 설명 텍스트를 생성하다 출력이 일관되지 않았던 문제를 system prompt로 안정화한 구체적 대응과, 클릭률·완료율로 유용성을 검증한 A/B 테스트가 담겨 있습니다.
이 결이 통하는 자리
도구는 빠른 시도를 가능하게 하지만 검증은 사람이 설계해야 한다는 결론이 구체적 실패와 조치로 뒷받침될 때 통합니다. 평가 지표를 먼저 설계하는 습관이 이어지는 자리에서 면접관이 도구 활용력의 결을 읽습니다.