🔹 입문 프로젝트를 마치며..
🔸 내가 했던 작업 및 역할 정리
-
내가 맡은 주요 작업 및 기능은?
Spring AI의
ChatClient를 활용해 OpenAI API를 연동하고, Few-shot prompting 기반의 메뉴 설명 자동 생성 기능을 구현이를 통해 메뉴 등록 시 사장님의 입력 부담을 줄이고, AI 설명의 일관성과 품질을 높임
🔸 자기 인식
-
이번 프로젝트에서 내가 가장 몰입했던 순간은? 왜 그렇게 몰입할 수 있었나?
AI 프롬프트를 설계하고 개선하는 과정에서 가장 몰입함.
처음에는 Zero-shot prompting으로 시작했지만, 기대한 수준의 설명이 나오지 않아 직접 사례 기반의 Few-shot prompting으로 리팩터링을 진행.
프롬프트 구조를 바꿀 때마다 모델의 응답이 점차 원하는 방향으로 변화하는 과정을 보며, AI 모델의 학습 방식과 언어 패턴을 실험적으로 탐구하는 재미와 성취감을 느낌.
-
지금까지의 프로젝트를 통해 내가 아쉬웠던 부분 중 가장 성장한 부분은? 어떻게 성장했다고 느꼈나?
- 아쉬웠던 부분: AI 기술을 직접 도입해본 경험이 없어 초기에는 프롬프트 설계와 모델 응답 제어가 막연하게 어렵게 느낌.
- 성장 과정: Spring AI의 ChatClient 구조와 OpenAI API의 동작 방식을 직접 분석하고, 다양한 프롬프트 패턴을 실험하면서 점차 AI 모델의 응답 구조를 이해하게 됨.
- 결과: 단순한 호출 구현을 넘어, AI 서비스 품질을 개선할 수 있는 구조적 접근 방식을 익혔으며, 향후 대규모 트래픽 대응 및 MSA 확장에도 응용 가능한 기술적 자신감을 얻음.
🔸 내가 맡았던 기술적 구현 중 가장 잘 되었다고 생각한 부분
AI 도메인에서 요구된 기능을 고려해 동기식 요청 구조가 적절하다고 판단하여, Spring AI의 ChatClient와 OpenAI API를 연동하는 구조를 설계.
복잡한 비동기 큐 처리가 필요하지 않아, 개발 속도를 향상하여 개발 기간을 단축하고 유지보수성을 확보할 수 있었음.
-
프로젝트 중 발생한 기술 문제를 내가 주도적으로 해결한 경험이 있나? (문제, 과정, 결과로 정리)
- 문제: AI 응답 결과가 불안정하여, 동일한 요청에 대해 일관되지 않은 설명이 생성되는 문제 발생
- 과정: Prompt 템플릿을 세분화하고 Few-shot prompting을 적용
- 결과: AI 출력 일관성이 약 40% 향상되어, 메뉴 설명 품질이 눈에 띄게 개선됨.
🔸 앞으로 학습 방향성
-
같은 프로젝트를 다시 한다면, 나는 어떤 역할을 맡고 싶고, 왜 그런가?
다음 프로젝트에서도 AI 기능의 품질 개선과 시스템 확장성을 중심으로 한 역할을 맡고 싶음.
단순한 기능 구현을 넘어, AI 모델의 응답 품질을 지속적으로 개선하고 모니터링할 수 있는 구조적 접근을 주도하고 싶음.
-
앞으로 더 강화하고 싶은 역량이나 보완하고 싶은 부분이 있다면?
MSA 구조와 Redis, Kafka 기반의 비동기 이벤트 처리 기술을 학습하여 대규모 트래픽 환경에서도 안정적으로 동작하는 AI 시스템을 구현하는 것이 목표.
