AI 서비스의 데이터 흐름 검토 접근
AI 서비스는 학습이나 추론 과정에서 사용자 데이터가 외부 API로 전송될 가능성이 있어, 이 흐름을 먼저 파악하는 것이 중요하다고 생각합니다. 전공 수업에서 챗봇 서비스를 가정한 프로젝트를 진행하며, 대화 로그가 어디에 저장되고 얼마나 보관되는지를 점검 항목으로 만들어본 경험이 있습니다. 이런 방식으로 AI 서비스는 일반 서비스보다 데이터 이동 경로를 더 세밀히 살펴야 한다고 생각합니다.
면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
AI 서비스는 학습이나 추론 과정에서 사용자 데이터가 외부 API로 전송될 가능성이 있어, 이 흐름을 먼저 파악하는 것이 중요하다고 생각합니다. 전공 수업에서 챗봇 서비스를 가정한 프로젝트를 진행하며, 대화 로그가 어디에 저장되고 얼마나 보관되는지를 점검 항목으로 만들어본 경험이 있습니다. 이런 방식으로 AI 서비스는 일반 서비스보다 데이터 이동 경로를 더 세밀히 살펴야 한다고 생각합니다.
새로운 기술을 도입할 때는 정식 서비스 전 PoC 단계에서부터 최소한의 권한으로 테스트하는 것이 중요하다고 배웠습니다. 스터디에서 오픈소스 AI 모델을 활용한 프로젝트를 진행할 때, 실제 개인정보 대신 가상 데이터로 먼저 테스트하는 방식을 적용해본 경험이 있습니다. 이런 습관을 실무에서도 이어가 실제 도입 전 위험을 최소화하고 싶습니다.
AI 서비스는 도입 시점에 안전하다고 판단해도 이후 모델이 업데이트되면서 새로운 위험이 생길 수 있다고 알고 있습니다. 그래서 저는 도입 검토를 한 번으로 끝내지 않고, 정기적으로 재점검하는 일정을 함께 제안하고 싶습니다. 실무 경험은 없지만, 신기술일수록 지속적인 관찰이 필요하다는 것을 이론 학습을 통해 이해하고 있습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.