면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
최근 관심 있게 본 것은 디지털트윈 기반 도시계획 수립 확대입니다. 여러 지자체가 3차원 공간정보에 AI 모델을 결합해 교통·재난 시뮬레이션을 시범 운영하는 사례를 조사했습니다.
다만 정책 문서에서 강조하는 「고도화」와 실제 지자체 담당자가 겪는 데이터 표준 불일치 문제 사이에는 간극이 있다고 느꼈습니다. 표준화되지 않은 원시 데이터를 정제하는 데 예상보다 많은 자원이 들어간다는 실무자 인터뷰를 접했습니다.
이 간극을 좁히는 연구가 앞으로 필요하다고 생각하며, 입사 후에는 정책과 현장 데이터 품질 사이의 격차를 구체적으로 짚는 연구를 하고 싶습니다.
저는 매주 국토교통부·지자체 보도자료와 관련 학회 발표 자료를 정리하는 습관을 3학기째 이어왔습니다. AI시티 관련 예산 편성이 최근 1년 사이 실증사업 중심으로 재편되고 있다는 흐름을 이 과정에서 확인했습니다.
특히 초기에는 인프라 구축 예산이 컸다면 최근에는 운영 데이터를 활용한 서비스 실증에 예산이 옮겨가는 것을 여러 사업 공고를 비교하며 파악했습니다.
이런 습관을 바탕으로 입사 후에도 정책 변화를 스스로 추적하며 연구 방향을 제안하겠습니다.
대외 보고자료를 작성할 때 가장 중요하게 보는 것은 독자가 5분 안에 결론과 근거를 파악할 수 있는가입니다. 학부 프로젝트에서 정책 제안 보고서를 작성했을 때, 초안에는 배경 설명이 전체의 절반을 차지했습니다.
지도교수님 피드백을 받고 결론을 첫 페이지로 옮기고 배경은 부록으로 넘겼습니다. 이후 발표에서 질의응답 시간이 절반으로 줄고 정책 제안 자체에 대한 질문이 늘었습니다.
이 경험 이후 보고자료는 「무엇을 담을까」보다 「무엇을 뺄까」를 먼저 고민하고 있습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.