이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
취준 중 GitHub Copilot과 Cursor를 활용해 토이 프로젝트를 진행하면서 AI 기반 개발 워크플로우를 처음 경험했습니다. 처음에는 AI가 제안하는 코드를 그대로 쓰는 방식을 시도했는데, 문맥을 모르는 코드 제안이 많아 오히려 검토 시간이 늘었습니다. 이후 작업 단위를 작게 쪼개고 한 번에 묻는 범위를 좁히는 방식으로 바꾸자 제안 품질이 눈에 띄게 올랐습니다. AI 도구가 가장 유용했던 순간은 반복 패턴이 있는 코드 생성과 에러 메시지의 원인 1차 분류 두 상황이었습니다. PM 관점에서 AI 워크플로우 경험은 개발자와 협업할 때 '이 작업이 AI로 자동화 가능한지'를 판단하는 데 도움이 됩니다.
도구를 직접 써봐야 가능성과 한계를 현실적으로 파악할 수 있다고 생각합니다.
AI 개발 워크플로우에서 제가 또 한 건 작업 단위를 작게 쪼개 묻는 것입니다. 처음엔 AI가 제안하는 코드를 그대로 쓰려다, 문맥을 모르는 제안이 많아 검토 시간이 더 늘었습니다. 그래서 한 번에 묻는 범위를 좁히고, 작업을 작게 쪼개니 제안 품질이 올랐습니다. AI가 가장 유용했던 건 반복 패턴 코드 생성과, 에러 메시지의 원인 1차 분류 두 상황이었습니다. '도구를 썼다'가 아니라, 어떻게 물어야 잘 답하는지를 직접 찾은 것이 핵심이었습니다.
AI는 범위가 좁고 명확할 때 잘 도왔습니다. 그래서 무엇을 어떻게 묻느냐가 결과를 갈랐습니다.
AI 개발 워크플로우에서 제가 인정하는 한계는 생성 결과를 그대로 믿으면 위험하다는 점입니다. AI가 만든 코드가 동작은 해도, 문맥을 몰라 잘못된 경우가 있었습니다. 그래서 로직이 맞는지, 보안 문제가 없는지 직접 검토했습니다. PM 관점에서도, 이 경험은 개발자와 협업할 때 '이 작업이 AI로 자동화 가능한지'를 판단하는 데 도움이 됐습니다.
도구를 직접 써봐야 가능성과 한계를 현실적으로 알았습니다. 막연히 'AI가 다 해준다'가 아니라, 어디까지 맡기고 어디서 사람이 검증할지를 가르는 게 핵심이었습니다. 검증 없는 자동화는 빠르지만 위험했습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 넥스트증권 프로덕트 매니저 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.