[후기] 생성형 AI 활용 과정, 그리고 남은 아쉬움

지난 2개월간의 심화_생성형 AI 활용 인재양성과정(조별멘토) 수업을 마쳤다. 일주일간의 미니프로젝트와 한 달 반 동안 진행한 최종 프로젝트까지 모든 과정을 마무리했고, 오늘 최종 프로젝트 발표까지 마쳤다. 기업 관계자들이 직접 참석한 자리에서 발표를 진행해야 했기 때문에 긴장이 많이 됐고, 무엇보다 비슷한 여행 주제를 다룬 다른 팀과 비교되면서 부담감이 컸다. 그 팀은 여행 유튜브 영상 활용, AI 챗봇, 여행 코스 추천 등 다양한 기술을 적용했기 때문에 발표를 보면서 우리 팀의 프로젝트와 차이가 크게 느껴졌다.

특히, 기업 중 한 곳은 여행 서비스 관련 기업이었고, 프로젝트에 대해 깊이 있는 질문을 던졌다. 개발 과정에서 속도 문제를 어떻게 해결했는지, 플랫폼마다 다른 장소 이름을 어떻게 통합했는지 등 여러 질문이 나왔다. 그런데 대부분의 질문이 크롤링과 리뷰 추출과 관련된 것이었고, 내가 맡은 맛집 추천 에이전트는 크롤링을 활용하지 않았기 때문에 직접 답변할 수 없는 상황이 되었다. 결국, 크롤링을 적용했던 팀원이 주로 답변을 진행했다.

 

사실 프로젝트 초반, 내가 팀에서 가장 먼저 동적 크롤링(셀레니움)을 시도했다. 처음에는 네이버 플레이스 정보를 가져오려 했지만, 1박 2일 일정이어도 하루 3끼 기준으로 넉넉하게 식당 리스트를 수집하고 싶어 최소 15개 이상의 식당을 가져오려 했고, 일정이 길어질수록 데이터량이 기하급수적으로 증가했다. 그 결과, 크롤링 속도가 너무 느려 현실적으로 적용하기 어려웠다. 그래서 크롤링을 포기하고 구글 플레이스 API를 활용해 리뷰 수와 평점 기준으로 데이터를 필터링하는 방식으로 전환했다.

 

반면, 카페 추천 에이전트를 맡은 팀원은 하루 최대 2곳 정도만 추천하면 되기 때문에 상대적으로 크롤링 데이터의 양이 적었고, 크롤링 방식이 더 유효했다. 게다가 해당 팀원은 백엔드 개발에만 집중할 수 있었던 반면, 나는 프론트엔드까지 함께 개발해야 했기 때문에 크롤링 최적화에 투자할 시간이 부족했다. 결과적으로, 카페 추천 에이전트는 가장 빠르고 정확한 데이터를 제공할 수 있었고, 발표에서도 이 부분이 강조되었다.

 

그러나 발표를 준비하는 과정에서 맛집뿐만 아니라 관광지, 숙소 에이전트를 맡은 팀원들 모두 데이터 수집과 필터링 문제를 해결하기 위해 고민했던 과정이 충분히 반영되지 못했다. 결국 발표에서 카페 추천 에이전트의 크롤링 방식이 가장 부각되었고, 숙소·맛집·관광지 에이전트가 함께 고민한 해결 과정은 상대적으로 묻혀버렸다.

 

발표 중 기업 관계자로부터 플랫폼마다 장소 이름이 다를 텐데 이를 어떻게 통합했는지에 대한 질문이 나왔다. 사실 이 문제를 해결하기 위해 ‘데이터 정제 & 검색어 변형’ 방식을 적용했고, 발표 PPT에도 이 내용을 포함했었다. 하지만 발표 자료에서 '데이터 검증'의 해결방안으로 적절하지 않다는 의견이 나오면서 최종적으로 내가 정리했던 내용이 빠지게 되었다. 그런데 아이러니하게도, 이후 발표에서 기업 관계자가 같은 내용을 질문했고, 발표 자료(PPT)에서는 카페 추천 에이전트가 더욱 부각되면서 질문도 자연스럽게 그쪽에 집중되었다.

그 결과, 내가 고민하고 개발했던 맛집 추천 에이전트의 과정과 어려움이 제대로 전달되지 못한 점이 가장 아쉬웠다. 결국 크롤링으로 개발했던 팀원이 발표에서 모든 질문에 답변하게 되었고, 그 덕분에 기업에서 채용 희망 의사를 밝히며 컨택을 받았으며, 면접을 본 뒤 바로 합격한 것으로 보인다. 이 점이 가장 아쉬웠다. 내가 구현한 방식도 충분히 고민하고 최적화를 거친 결과물이었지만, 발표에서 강조되지 못하면서 기회가 자연스럽게 팀원에게 넘어간 느낌이었다.

 

이번 프로젝트를 통해 기술적인 선택이 결과적으로 어떤 영향을 미칠 수 있는지, 그리고 발표에서 강조되는 부분이 프로젝트 진행과는 또 다른 요소로 작용할 수 있다는 점을 배웠다. 발표 준비 과정에서 내 방식대로 설명할 기회가 부족했던 점이 아쉬웠지만, 이런 경험이 앞으로의 프로젝트에서 더 효과적으로 내 작업을 전달하는 방법을 고민하는 계기가 될 것이라 생각한다.

 

긴 프로젝트였지만, 멀티 에이전트를 직접 개발하고 개선해보는 값진 경험이었다. 무엇보다 팀원들과 함께 협력하며 문제를 해결해 나간 과정이 가장 큰 배움이었다. 이번 경험을 바탕으로 앞으로 더욱 성장할 수 있도록 노력해야겠다.