면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
인턴 기간 중 내부 검색 기능 개선 PoC를 3주 일정으로 진행한 경험이 있습니다. 당시 기존 검색이 키워드 정확 일치만 지원해 오타나 유사어 검색 시 결과가 없는 문제가 빈번했습니다. PoC 목표는 Elasticsearch 기반 유사어 매칭을 붙였을 때 검색 성공률이 얼마나 오르는지를 측정하는 것이었습니다. 저는 테스트 케이스 30개를 직접 만들고 기존 검색과 새 검색의 결과 건수를 비교하는 스프레드시트를 작성했습니다. 결과적으로 검색 성공률이 71%에서 89%로 올랐고, 이 데이터를 가지고 정식 개발 진행 여부를 팀이 결정했습니다. PoC에서 중요한 것은 가설을 명확히 수치화한 뒤 최소한의 실험으로 증명하는 것이라는 점을 배웠습니다.
PoC에서 제가 중요하게 본 건 최소한의 실험으로 가설을 증명하는 것입니다. 풀스케일로 만들지 않고, 3주 안에 핵심 가설만 검증할 범위로 좁혔습니다. 검색 개선 PoC에서, 유사어 매칭을 붙였을 때 검색 성공률이 오르는지만 봤습니다. 그래서 테스트 케이스 30개를 직접 만들어, 기존과 새 검색의 결과를 비교하는 표를 작성했습니다. 다 만들어보지 않고도, 작은 실험으로 효과를 가늠했습니다.
PoC의 목적은 완성이 아니라, 정식 개발할 가치가 있는지 빠르게 확인하는 것이었습니다. 범위를 좁힌 게 핵심이었습니다. 다 만들어보면 PoC가 아니었습니다.
PoC에서 제가 본 결과는 데이터가 의사결정으로 이어진 것입니다. 유사어 매칭으로 검색 성공률이 71%에서 89%로 오른 것을 수치로 확인했습니다. 막연히 '좋아졌다'가 아니라, 구체적인 개선 폭을 봤습니다. 그 데이터를 가지고, 팀이 정식 개발 진행 여부를 결정했습니다. PoC는 결과 자체가 아니라, 다음 투자를 할지 판단할 근거를 만드는 것이었습니다.
만약 성공률이 안 올랐다면, 개발을 안 하는 결정도 PoC의 성과였습니다. 그래서 가설을 명확히 수치화하고, 그 숫자로 결정을 도왔습니다. 측정이 PoC를 의미 있게 만들었습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.