이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
UX 라이팅 과제에서 를 초안 생성 도구로 활용한 경험이 있습니다. 처음에는 툴이 만들어준 문장을 그대로 가져가다가, 결과물이 브랜드 톤과 맞지 않는다는 피드백을 받았습니다. 그 이후부터 방식을 바꿨습니다. 구체적으로는 페르소나·톤·제약 조건을 먼저 프롬프트에 넣고, 생성된 문장을 직접 검토하면서 실제 UI에서 어색한 부분을 수동으로 수정하는 방식으로 전환했습니다. 그렇게 하니 초안 작성 시간이 약 40% 줄어들었고, 수정에 집중하는 시간이 늘면서 오히려 결과물의 일관성이 높아졌습니다. 어려웠던 건 툴이 생성하는 문장이 너무 설명적이어서 짧고 직관적인 UI 텍스트로 다듬는 과정이 생각보다 손이 많이 갔다는 점입니다. 결국 AI 툴은 방향과 소재를 빠르게 잡는 도구이고, 실제 사용자 맥락에 맞는 판단은 사람이 해야 한다는 것을 그 경험에서 배웠습니다.
인턴 기간에 주간 업무 보고서를 매주 작성해야 했는데, 초안을 잡는 데 예상보다 시간이 많이 걸렸습니다. 중간부터 ChatGPT를 초안 보조 도구로 활용하기 시작했는데, 처음엔 생성된 문장을 그대로 가져갔다가 사실 관계가 틀리거나 수치가 뒤바뀐 내용이 포함돼 검토 시간이 오히려 늘었습니다. 이후엔 방식을 바꿔 핵심 내용과 수치를 먼저 정리한 뒤 구조와 문장만 보완하는 용도로 좁혀 사용했습니다. 그렇게 하니 초안 시간이 줄고 수정도 더 빠르게 끝났습니다. AI 툴을 쓰면서 얻은 교훈은 입력에 구체성이 없으면 출력도 쓸 수 없다는 것이었습니다. 결국 AI가 도움이 되려면 사람이 먼저 내용을 정리해야 하고, 그 정리를 잘할수록 결과물의 활용도가 높아졌습니다. 지금은 문서 초안보다 글의 구조와 흐름을 점검하는 용도로 더 자주 씁니다.
동아리 SNS 콘텐츠를 담당할 때, 매주 게시물 아이디어를 짜는 것이 가장 시간이 걸리는 단계였습니다. Notion AI를 활용해 주제 키워드만 넣고 다양한 방향의 초안을 뽑아보는 방식을 시도했습니다. 핵심은 정답을 하나 쓰는 게 아니라 여러 방향 중 어느 결이 우리 채널 톤에 맞는지 비교하는 데 썼다는 점입니다. 초기엔 AI가 제안하는 방향이 너무 일반적이어서 실제로 쓸 수 있는 게 거의 없었습니다. 그래서 반응이 좋았던 게시물의 패턴을 프롬프트에 함께 넣었더니 맥락에 훨씬 가까운 초안이 나왔습니다. AI 툴이 효율적으로 작동하려면 단순히 써달라는 요청이 아니라 맥락과 기준을 구체적으로 줘야 한다는 걸 그 과정에서 배웠습니다. 지금은 아이디어 발산보다 처음 방향을 빠르게 좁히는 단계에 주로 활용합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 마켓컬리 UX 리서처 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.