SK 네트웍스 AI 캠프를 다니기 시작했어요. 시작한 이유는 다시 개발자로 복귀 하기 위한 환경을 갖추고 싶었고, AI를 잘 활용하고 싶어서 지원했어요.
한 달에 접어들면서 그동안 배운 것과 진행한 2일짜리 프로젝트에 대해 복기를 해보려 합니다.
Python, 데이터
캠프에서의 첫 주는 긴 시간 굳어있던 뇌와 손가락을 깨우는 기간이었습니다.
가장 먼저 마주한 것은 Python이었습니다. 전부터 '언젠가 써봐야지' 해왔기에 초면이지만 낯이 익은 녀석이었어요. 근데 막상 다뤄보려니 특유의 문법(슬라이싱, 함수 선언)과 유연성이 낯설었습니다. 그래서 단순히 책을 읽기보다는 코딩 테스트 문제들을 매일 풀며 문법을 손에 익히는 방식을 택했어요. 오랜만에 에러 메시지와 씨름하다 보니, 꽤 익숙해졌고 사용하기 편했습니다. (코틀린보다 편한 듯!)
손가락이 파이썬에 조금 적응할 즈음, 본격적으로 데이터를 다루기 시작했습니다.
뭔지 감도 안 잡히는 matplotlib와 numpy를 가지고 워드클라우드를 만들었어요.
데이터를 위한 그림판이랑 계산기라던데 나중에 자세히 배운답니다.
그래서 bts노래 가사들을 가사천재를 사용해서 수집한 후 한글 가사만 사용해서 많이 나오는 단어들을 뽑아봤어요. 영어는 복잡해서 생략했고 한글 형태소 분석은 라이브러리가 있어서 간단했습니다.
그리고 데이터를 웹으로 보여주기 위해 Streamlit을 배웠습니다. 데이터 시각화가 주 기능이지만 파이썬 웹 프레임워크가 있다는 것 자체가 신기했고 개발과 배포도 간단해서 잘 써먹고 싶더라고요.
 |  |  |
|---|
실습 예제로 간단한 페이지도 만들어 봤습니다. 수업은 Antigravity로 제미나이한테 물어보면서 진행하고 있는데 이 예제는 바이브 코딩을 해보았습니다. 질문을 대충하면 대충 만들고 정성스레 요청하면 정성을 들이는 정직한 녀석이더군요. 이 녀석과 티키타카 하며 낼 수 있는 압도적인 생산성을 체감하고 나니, '미래에 나는 대체 무슨 일을 어떻게 하고 있을까' 상상조차 되지 않아 살짝 암울해지기까지 했습니다. 😂
데이터를 다루려면 데이터를 수집하는 것이 중요합니다. 그래서 손쉽게 구할 수 있는 데이터인 공공 데이터와 오픈 API들을 둘러봤어요. 이 부분은 예전에도 많이 했던 거라 익숙했습니다. 예전엔 외부 API들 문서 뒤져보고 입출력 명세서에 맞춰서 dto랑 api 호출하는 클래스 만들었는데 요즘은 그런 반복 작업은 안 하는 것 같더라고요. 저도 에이전트의 스킬을 활용해 봤습니다.
# Skill: API 수집 전문가 클라이언트 구축
## 1. 핵심 철학 (Core Philosophy)
## 2. Pandera 스키마 표준 규격
## 3. 클라이언트 구현 가이드
## 4. 작업 절차 (Workflow)그리고 Pandas라는 라이브러리로 데이터를 다루기 시작했습니다. 데이터 분석을 위한 라이브러리 또한 나중에 배운다고 하셨습니다. 근데 수업 중에는 잘 몰라서 리스트를 다루는 라이브러리라고 생각했습니다. 정렬하고 요소를 고르고 순위를 매기는 기능을 사용하며 공공 데이터를 이해하는 방식의 수업이었는데 이것이 저에겐 화근이었습니다. 리스트를 다룰 땐 Pandas를 쓴다고 착각해 버렸죠.
그리고 곧바로 2일짜리 미니 프로젝트에 투입되었습니다.
1차 프로젝트
큰 틀은 학원에서 자동차 등록 현황과 기업 FAQ 이므로 이 안에서 주제를 정해야 했습니다.
한 분이 주제로 조기 폐차를 키워드로 잡자고 했는데 괜찮아 보여서 알아보기 시작했습니다. 폐차 지원금 대상 확인 기능을 메인으로 잡고 다른 기능은 탐색해 보기로 했죠.
그때 한 팀원 분이 '이미 존재하는 기능이어도, 우리가 어떤 데이터를 엮어서 어떻게 만드느냐에 따라 전혀 다른 결과물이 나올 수 있지 않냐' 라고 말씀하셨습니다. 그 말을 듣고 저는 '새로운 기획'에만 갇혀, 개발자가 기존의 것을 어떻게 재해석하고 구현해 내는지에 대한 가치를 놓치고 있었던 제 자신이 부끄러워졌습니다. 이 과정에서 팀원 덕분에 개발을 대하는 시야를 넓힐 수 있었습니다.
알아봐야 할 것들이 많았습니다. 생소한 도메인이어서 공부가 필요하다는 것도 부담이었어요. 2일이라는 시간에 이 내용들을 다 파악하고 기능을 도출하기엔 무리라고 생각했습니다.
2일이라는 짧은 시간 내에 산출물을 내기 위해서는 빠른 의사결정이 필요하다고 판단하여 PM 역할을 자처했습니다. 그래서 기획안을 작성하려 했으나 제가 작성하기엔 일정 상 촉박하다고 느껴져 AI에게 작성을 요청했습니다.
🚀 프로젝트 기획서: EV 충전 인프라 SOS 대시보드 (지자체 정책 지원용)
본 프로젝트는 전국 자동차 등록 현황과 모빌리티 서비스 FAQ 데이터를 결합하여,
전국 17개 시·도의 전기차 충전 인프라 부족 현황을 시각화하고
지자체의 예산 집행 우선순위 결정을 돕는 **의사결정 지원 시스템**입니다.저는 AI로 생성한 기획서와 샘플로 어서 구현하자고 밀어붙였습니다. 활용할 공공데이터도 혼자 구하고 업무 분배도 단시간에 끝냈죠.
그렇게 각자 머릿속에 명확한 산출물이 잡히지 않은 채 개발이 시작됐습니다.
20시간의 전쟁
[전체진행과정]1. 초기 기획 및 MVP 정의
2. 데이터 수집 및 필요 데이터 산출
3. DB 구축
4. 크롤링
5. 화면 구성
6. 최종 배포간단한 프로젝트였지만 느낀점이 많았습니다.
기획 부재
가장 큰 아쉬운 점은 '명확한 기획' 없이 개발부터 시작한 것입니다. 최종 산출물이 어떻게 생겼는지 팀원들 머릿속에 그려지지 않으니, 프로젝트 내내 막연한 불안감이 팀을 흔들었습니다.
뒤늦게 화면 기획을 마무리했지만, 대가는 컸습니다. 화면 요소가 확정되자 필요한 데이터의 종류와 형식이 엎어졌고, 데이터 구조의 변경을 고려하지 않고 짜둔 기존의 코드들은 우리들에게 불안 요소가 되어버렸습니다.
팀원의 성장을 돕지 못한 분업
업무 분배에 아쉬운 부분이 있었습니다. 5명의 팀원에게 '데이터 분석(2명)', '크롤링(1명)', 'DB 설계(1명)', 그리고 '프론트/백엔드 보조(본인)'라는 역할을 부여했습니다.
하지만 각자의 역량과 프로젝트 진행 단계를 고려하지 못한 채로 업무가 할당되었습니다. 그 결과 팀원들이 이 2일의 시간 동안 더 많은 것을 얻어가지 못하게 만든 것 같아 미안했습니다.
속도에 대한 욕심
업무가 비효율적으로 분배되다 보니, 업무량이 제대로 분산되지 않았습니다.. 저는 "간단하게 끝낼 수 있겠지"라는 안일한 생각으로 Streamlit을 활용한 데이터 연동, CSV 추출, DB 적재까지 하겠다고 나섰습니다.
그 결과는 좋지 않았습니다. 제가 맡은 파트의 개발이 늦어지면서, 다음 단계로 이어져야 할 팀원들의 작업까지 연쇄적으로 막히는 상황을 만들고 말았습니다. 프로젝트의 속도를 높이려던 저의 욕심이 오히려 팀 전체의 진행을 가로막는 거대한 병목이 되어버린 것입니다.
그 와중에 저도 수업에서 스쳐지나간 Pandas로 모든 리스트를 처리해서 코드 읽기가 어려웠습니다.
얻은 것
아쉬운 점도 있었지만, 모두가 수업 후에도 남아서 열심히 노력한 덕분에 첫 프로젝트를 기한에 맞춰서 끝낼 수 있었습니다.
잘한 점이 있다면
- 더 욕심 내지 않은 것
- 타임라인에 맞춰 기획의 마지노선을 설정하고 실행으로 옮긴 것
인 것 같습니다.
그와 동시에 저는 제가 보완해야 될 점을 알게 되었습니다. 다음 프로젝트에서는
- 기획과 데이터 스키마 확성 우선
- 혼자 끙끙 대는 것보다 함께 걷는 동료가 되는 것
를 지키려 합니다.
