이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
AI 도구를 활용한 자동화 경험으로는 팀 보고서 초안 작성을 AI 글쓰기 도구로 처리한 것이 기억에 남습니다. 매주 비슷한 형식의 진행 상황 보고서를 작성해야 했는데, 매번 형식을 잡고 내용을 채우는 데 1~2시간이 걸렸습니다. AI 도구에 이전 보고서 형식과 이번 주 업데이트 내용을 입력해서 초안을 받는 방식을 써봤는데, 초안 작성 시간이 크게 줄었습니다. 그런데 처음에는 AI가 생성한 내용을 그대로 쓰다가 맥락이 빠지거나 수치가 틀린 부분을 나중에 발견한 적이 있었습니다.
AI 결과를 검토하는 시간이 생각보다 필요하다는 걸 그때 알게 됐습니다. 이후로는 초안은 AI에게 맡기되, 검토와 수정은 직접 하는 방식으로 역할을 나눴습니다. 자동화의 효과는 반복 작업의 시작 비용을 낮추는 것에 있다고 생각합니다.
AI 도구 활용 경험으로는 설문 응답 데이터를 요약하는 작업에 AI를 써본 것이 있습니다. 수십 개의 주관식 응답을 분류하고 공통 패턴을 찾는 작업을 매번 손으로 했는데, 응답을 붙여넣고 카테고리별로 묶어달라고 요청하니 분류 초안이 빠르게 나왔습니다. 직접 읽으면서 분류하는 것보다 훨씬 빠르게 전체 구조를 잡을 수 있었습니다. 다만 AI가 비슷해 보이는 응답을 잘못 묶는 경우가 있어서, 결과를 모두 검토하는 과정이 필요했습니다.
AI가 분류를 빠르게 해주지만 맥락 판단은 사람이 해야 한다는 걸 직접 확인했습니다. 그 이후로 AI를 '초안 작성자'로 보고, 판단과 검토는 제가 하는 방식으로 역할을 정해서 쓰고 있습니다. 반복 작업의 구조를 잡는 데는 효과적이었습니다.
AI 도구 자동화 경험으로는 개발 과제에서 코드 보조 도구를 써서 반복 코드를 줄인 것이 있습니다. 비슷한 패턴의 함수를 여러 개 작성해야 하는 상황에서, AI에게 첫 번째 함수를 보여주고 나머지를 비슷한 패턴으로 만들어달라고 요청했습니다. 수작업으로 하면 오타가 생기거나 패턴이 어긋나는 경우가 있었는데, AI가 생성한 코드는 구조가 일관됐습니다. 그런데 처음에는 AI가 생성한 코드를 검토하지 않고 붙여넣었다가 로직 오류가 있는 경우가 있었습니다.
코드가 돌아간다고 해서 맞는 게 아니라는 걸 그때 다시 배웠습니다. 이후로는 생성된 코드를 라인별로 확인하는 습관이 생겼습니다. AI 도구는 반복 타이핑을 줄이는 도구로 쓰고, 로직 검증은 직접 하는 방식이 맞다고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 당근마켓 프론트엔드 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.