예시 답변 1
약 88초
문제 정의부터 AI 도구 선택과 운영 규칙 설계까지 설명하는 결
인턴 기간에 고객 CS 티켓 분류 자동화 프로젝트를 보조했습니다. 기존에는 CS 팀이 들어오는 티켓을 하나씩 읽고 담당 팀에 배분하는 방식이었는데, 하루 평균 200건 이상을 수작업으로 처리하다 보니 배분 오류와 처리 지연이 자주 발생했습니다. 티켓 제목과 본문을 OpenAI API로 분류하는 프로토타입을 만들어 기존 수작업 결과와 비교했더니 분류 정확도 약 88%가 나왔습니다. 오분류 케이스를 분석하니 신규 카테고리가 프롬프트에 반영되지 않은 경우가 많았고, 카테고리 추가 시 프롬프트를 함께 업데이트하는 운영 규칙을 문서화해 인수인계했습니다. AI를 붙이기 전에 분류 기준 자체가 명확한지를 먼저 정리해야 한다는 것을 배웠습니다. 기준이 불명확한 상태에서 모델을 붙이면 오류도 불명확하게 됩니다.
이 결의 특징
기술 적용 결과를 단순히 수치로만 보지 않고, 그 뒤의 오류 패턴을 분석해 운영 규칙으로 체계화한 태도가 드러납니다. 인턴이라는 제약 속에서도 왜 틀렸는가를 추적하고 문서화로 남긴 점이 핵심입니다.
이 결이 통하는 자리
결과 숫자를 얻는 것에서 멈추지 않는다는 인상을 주는 자리입니다. 프로토타입의 정확도 수치 자체보다, 그 과정에서 발견한 개선점을 어떻게 정리했는지 묻는 자리에서 실무적 사고를 드러낼 수 있습니다.