AI 모델링 분야에서 3년 이상의 경력을 쌓으셨다고 했는데, 그 중 가장 기억에 남는 프로젝트는 무엇인가요?

불량 탐지 모델의 임계값을 처음으로 현장 엔지니어와 함께 설정하는 과정을 맡게 됐어요. 모델 성능 지표만으로 임계값을 정하면 됐는데, 현장에서는 미탐(놓친 불량)과 오탐(정상을 불량으로 분류) 중 어느 오류가 더 비싼지를 먼저 결정해야 한다는 걸 처음 알았습니다.

ML 모델의 임계값은 모델 성능 곡선만이 아니라 비즈니스 비용 구조를 반영해야 하고, 그 결정은 도메인 전문가와 협업 없이는 올바르게 할 수 없다는 걸 그 경험에서 배웠어요. 정밀도와 재현율 사이 트레이드오프를 설명하고 비전공자가 비용 관점에서 선택하게 만드는 과정이 모델링보다 더 중요한 작업이었습니다.

지금은 모델 배포 전에 도메인 전문가와 함께 오류 유형별 비용을 추정하고 그에 맞는 임계값 범위를 협의하는 단계를 씁니다. 모델의 판단 기준은 기술이 아니라 비즈니스 맥락에서 결정된다는 원칙이 그 경험에서 나왔습니다.