[AI 비법 노트] 4. 위시켓 ‘유사사례 검색 AI’ 개발팀 인터뷰AI가 대세라는 말, 이제는 너무 흔한 말입니다. 그만큼 우리 서비스에 적용해야 한다는 생각도 누구나 하죠. 문제는 기술의 정체를 잘 모른다는 겁니다. 남들은 만능열쇠로 쓴다는데, 정작 우리 회사는 갈 길이 멀어 보입니다. 어디서, 어떻게 시작해야 할지 감도 안 잡힙니다. 그래서 준비했습니다. 잘 나가는 기업들의 AI 기능 관련 실무자들을 만나, 요즘IT 에디터가 열심히 별표 쳐 가며 받아 적었습니다. 어디에도 없는 AI 비법 노트, 요즘IT 독자들한테만 공유합니다. 위시켓 인터뷰를 앞두고 궁금한 것이 있어 오랜만에 구글을 찾았습니다. 원래라면 궁금한 키워드 ‘위시켓 창업년도’만 입력했어야 하는데, 저도 모르게 ‘위시켓이 언제 창업했는지 알려 줘’라고 검색창에 입력했습니다. 챗GPT와 퍼플렉시티에 길들여졌기 때문인가 봅니다. 여전히 구글은 키워드 검색에 더 친절했고, 검색어를 다시 수정해야 했습니다. 구글에 문장(위)과 단어(아래)로 검색한 결과 <출처: 요즘IT> 이처럼 LLM은 검색의 UX를 다시 정의하고 있습니다. 검색창 입력 형식을 ‘단어’에서 ‘문장’으로 바꾼 것이죠. 단순하지만 큰 변화입니다. 검색은 그 자체로 정보 탐색의 시작이자 플랫폼을 찾은 사용자 경험의 출발선이기 때문입니다. IT 외주 프로젝트가 필요한 고객사(클라이언트)와 개발사(파트너)를 연결하는 플랫폼, 위시켓에서 가장 먼저 AI를 접목할 포인트로 ‘검색’을 선택한 것도 그 연장선에 있을지 모릅니다. 위시켓 ‘유사사례 검색 AI’ 기능의 개발과 검증에 참여한 이들을 만났습니다. 검색에는 AI를 어떻게 접목해야 할까요? 김수민: 위시켓 세일즈팀 리더. 위시켓을 이용할 잠재 고객을 발굴하고 그들에게 필요한 정보를 제공하는 일을 합니다. 기능을 탄생 시킨 문제와 이를 검증하는 방법에 대해 소개합니다.홍수정: 위시켓 UX팀 디자이너. ‘디자이너’란 이름으로 불러달라 했지만, 상세 기획부터 UX/UI 디자인, 검증과 확장을 모두 책임지는 ‘기자이너’로 일합니다.나아름: 위시켓 백엔드 개발자. 위시켓의 AI 전문가로 통합니다. 위시켓 플랫폼과 요즘IT의 여러 AI 기능을 도맡아 구현하고 있습니다.왼쪽부터 김수민 세일즈팀 리더, 홍수정 UX팀 디자이너, 나아름 백엔드 개발자. <촬영: 요즘IT>Chapter 1. 스스로 무엇이 필요한지 잘 모를 때도 쓸모 있는 검색기“검색이 필요하다”는 것은 “그 대상을 잘 모른다”는 사실을 전제로 합니다. 완벽히 알고 있는 사실은 그대로 써먹으면 그만이니까요. 위시켓을 찾는 고객들도 마찬가지입니다. 그들은 “IT 프로젝트로 해결할 문제가 있다”는 마음만 가진 상태로 플랫폼을 찾고는 합니다. 이 프로젝트를 정말 할 수 있을지, 여기에 얼마나 들어갈지는 ‘검색’하며 알아내야 하는 거죠. Q. 유사 사례 검색 기능은 고객의 어떤 문제에서 출발했을까요?김수민: 첫 문제 제기는 세일즈 팀의 ‘헬스 체크 유닛’에서 나왔어요. 헬스 체크 유닛은 위시켓 플랫폼을 이용할 만한 잠재 고객을 발굴하고 그들이 사용 의지가 있는지, 진행 예정인 프로젝트가 있는지 확인하는 일을 해요. 또 그 연장선에서 고객에게 필요한 정보를 제공해 드리기도 하죠. 이 단계에서 만나는 고객은 스스로 무엇이 필요한지 아직 확실하지 않은, 그러니까 아직 요구 사항을 정리하지 못한 경우가 많아요. 본인들이 가진 아이디어의 실현 가능성이 궁금한 고객도 있고, 진행 여부는 확정했지만 내부 의사 결정을 위한 견적이 필요하기도 하죠. 또, 프로젝트 진행은 하고 싶은데 어떻게 의뢰해야 할지 잘 모르는 경우도 있고요. 이런 고객들이 가장 필요로 하는 것이 ‘유사한 프로젝트 사례’에요. 내 아이디어와 비슷한 프로젝트가 이 금액으로 진행하고 있구나, 실제로 10명이든 20명이든 지원자가 생기는구나, 하는 것을 눈으로 보면 진행할 가능성이 크게 늘어나요. Q. 이렇게 발견한 고객의 문제를 AI 검색으로 해결하게 된 계기가 있을까요?김수민: IT 프로젝트의 특성 때문이에요. 이 분야는 워낙 카테고리가 넓어 내 프로젝트와 유사한 프로젝트에 대한 정보를 찾기가 어렵거든요. 예를 들면, ERP* 개발을 한다 해도 요구사항에 따라 필요한 항목이 달라져요. 만약 “노인 요양 시설의 ERP를 만든다”고 하면 필요한 기능이 특화되어 있어요. 간호 진료 기록 관리, 입소자 관리, 요양사 관리 등 업계 특성에 맞는 기능이 필요하죠. 어떤 산업에서, 누가 쓰는지에 따라 요구사항과 견적이 천차만별이고요. 일반 검색으로는 찾기가 어렵죠.*ERP: 전사적 자원 관리, Enterprise Resource Planning의 약자입니다. 인력, 상품, 재무, 회계를 비롯해 기업의 자원을 운영할 때 필요한 도구나 프로세스를 지원하는 소프트웨어 시스템을 의미합니다. 홍수정: 사실 위시켓의 기존 검색 방식인 ‘프로젝트 찾기’에도 정말 다양한 키워드 필터가 있어요. 하지만 VoC를 보면, 프로젝트 찾기 기능을 쓰기보다 고객센터로 본인의 프로젝트를 할 수 있는지 직접 물어보는 경우가 많아요. 특히 헬스 체크 유닛의 영역인 ‘가입 전’ 고객들이 가장 많이 물어보는 부분이죠. 이런 VoC는 대부분 문장형 질문으로 들어와요. 프로젝트 찾기를 쓰려면 이 문장을 필터로 바꾸는 ‘뾰족함’이 필요해요. 즉, 요구사항을 명확히 알아야 한다는 거예요. 하지만 이 단계의 유저들은 요구사항이 그렇게 뾰족한 상황이 아니고요. 그래서 유저가 질문하는 맥락 그대로 검색하고, 그 프로젝트를 바로 찾아줄 수 있다면 탐색 과정의 허들을 낮출 수 있을 거라고 생각했어요. 기존 위시켓 플랫폼 내 ‘프로젝트 찾기’ 필터들 <출처: 위시켓> 그렇게 나온 해답이 ‘문장형 질문’을 가장 잘 이해하고 답할 수 있는 검색기, ‘AI 검색기’입니다. 하지만 검색 기능을 만들 때 어려운 점은 고객이 궁금한 것을 미리 유추해 결과를 어떤 구성으로 보여줄지 선택해야 한다는 점입니다. 위시켓 팀은 그에 대한 답으로 프로젝트의 ‘가능성’과 ‘비용’을 골랐다고 합니다. Q. 고객이 검색으로 원하는 정보가 ‘가능성’과 ‘비용’, 두 가지라는 것은 어떻게 유추할 수 있었을까요?김수민: 헬스 체크 유닛에서 유저랑 매번 통화하며 필요한 것을 많이 들었어요. 의뢰를 망설이는 고객들은 ‘견적을 픽스하지 못했다’거나 ‘의뢰 내용을 잘 모르겠다’고 말하죠. 이런 분들에게 유사한 프로젝트를 전달하면 프로젝트를 등록하는 경우가 많았고요. 저희도 똑같이 해주세요, 라고 하기도 하죠. 그래서 고객에게 필요한 것이 무엇인지는 어느 정도 확신하고 다가갈 수 있었어요. 홍수정: 기존 검색 기능의 유저 사용 행태도 살펴봤어요. 프로젝트를 찾아본 사람들은 특히 ‘견적’과 ‘상세 의뢰 내용’을 중심으로 봤어요. 비슷한 니즈를 가질 거라고 판단했죠. 그에 따라 검색의 답변도 최대한 유저가 알고 싶어하는 것을 많이 보여주려고 노력했어요. 무엇보다 유저가 원하는 가장 큰 정보는 유사한 프로젝트의 ‘금액’이에요. 하지만, 아웃소싱 프로젝트 특성상 정확한 금액을 그대로 노출할 수는 없어요. 그래서 일정 범위를 보여 주고 ‘더 자세한 금액은 프로젝트를 등록하면 알 수 있다’는 유도 장치를 많이 마련했죠. 그렇게 프로젝트 과정의 시작인 ‘프로젝트 등록’ 자체를 핵심 목적으로 잡고 요소들을 채워 넣었어요. Tip. AI 검색에서 고객의 경험을 개선하는 법검색은 플랫폼을 이용하는 사용자의 첫 번째 경험으로 작용하기도 합니다. 그래서 좋은 검색 결과를 내는 것만큼 양질의 검색을 유도하는 것, 검색 과정을 보여주는 것 또한 신경 써야 하는 요소죠. 특히 AI 검색처럼 새로운 사용자 경험일수록요. 홍수정: 검색을 시작할 때는 최대한 채팅처럼 느껴지게 만들려고 노력했어요. 어떻게 검색할지 모르겠는 사람을 위해 예시 질문도 만들어 넣고, 적당한 결과가 나오지 않을 때 참고할 가이드도 많이 붙였어요. 고객이 쓰는 언어로 자연스럽게 검색할 수 있도록 유도하려고 노력했죠. 또, AI 검색은 대기 시간이 일반 검색보다 긴 편인데요. 이 체감 시간을 줄이기 위해 애니메이션을 만들어 넣었어요. 실제 검색에서 키워드를 뽑아내 안내 문구에도 적용했죠.‘유사사례 검색 AI’ 베타의 애니메이션 <출처: 위시켓> Chapter 1 요약① 아이디어와 유사한 프로젝트를 확인하면 고객이 프로젝트 등록을 결심하는 모습에서 출발② 기존 키워드와 필터 기반 검색의 한계를 넘어, 문장으로 물어봐도 찾아주는 것이 목표③ 검색 결과에는 고객이 가장 궁금해하는 ‘비용’과 ‘가능성’을 확인하도록 구성Chapter 2. 팀원에게 좋은 AI 모델은 고객에게도 좋다사실 유사 사례 검색기는 내부 어드민에 그 기능이 먼저 들어왔습니다. 팀 내에서는 이러한 AI 기반 사례 검색을 비롯해 포트폴리오, 경력 검색을 합쳐 ‘유사 검색 3종’이라 불렀다고 합니다. 그중 가장 비즈니스 임팩트가 큰 기능을 고객에게 공개한 것이죠. 그 덕분에 모델은 내부 활용을 기반으로 여러 차례 검증을 거쳤고, 그렇게 사용 데이터 또한 쌓였습니다. 실제 구현 과정에도 이러한 내부 데이터가 쓰였죠. Q. 기능은 어떤 모델을 활용해 만들었나요? 구현 과정에서는 무엇을 중점적으로 신경 썼나요?나아름: 기능 구현에는 외부 API를 활용했어요. 오픈AI의 GPT 4o-mini와 4o 모델 두 개를 활용했죠. 모델은 정확도와 시간, 비용 사이에서 줄타기를 하며 결정했어요. 구현을 할 때는 빠르게 기능을 만들어서 선보이고 이를 바탕으로 개선하는 방향을 선택했어요. 내부 어드민을 위해 만들어 시스템을 이번 기능 구축에도 활용해 시간 단축에 도움을 많이 받았어요. 성능은 위시켓에 쌓인 데이터를 최대한 잘 쓰며 보장하려고 했는데요. 다른 조건 상관없이 ‘유저의 검색 내용과 가장 비슷한 프로젝트를 찾아주는 것’에 최대한 집중했어요. 그래서 데이터도 프로젝트의 정보를 가장 잘 파악할 수 있는 것을 찾았고, 제목과 상세 내용 데이터 중심으로 탐색하게 만들었죠. Tip. 자체 구축과 외부 모델, 어떻게 선택할까?AI 기능 구현은 ‘모델’ 구축 방식을 선택하는 것에서 시작하고는 합니다. 요즘은 자체 구축과 외부 API 활용이란 선택지 안에서 고민하는 경우가 많은데요. 이때는 무엇을 고민해야 할까요? 나아름: 외부 API의 가장 큰 장점은 ‘시간 단축’이죠. 빠르게 만들고 개선하고 싶을 때는 가장 좋은 선택지에요. 구축 초기에 들어가는 비용 부담도 적고요. 문제는 ‘비용’과 ‘보안’인데요. 다행히 최근 API 비용이 많이 저렴해지고 있어요. 위시켓 방문객 수 추이를 참고해 보니 큰 문제를 만들 수준은 아니었고요. 또, 검색 결과를 뽑을 때는 이미 사이트에 공개된 ‘제목’, ‘상세 내용’ 데이터만 쓰도록 만들어 보안 문제도 걸리지 않았어요. Q. 아무래도 고객이 쓰는 기능은 내부 어드민보다 정교한 성능이 필요해요. 무엇을 개선했나요?나아름: 기본 구조는 비슷하지만, 단계별로 필요한 작업을 추가해 성능을 높이려고 했어요. 무엇보다 팀원들이 내부 어드민의 검색기를 활용하는 방식을 확인하며 얻은 인사이트를 녹여내려고 노력했죠. 검색 로그를 보니 개발자가 원하지 않은 방향으로 검색할 때가 더 많았어요. 그래서 검색어를 한 번 더 전처리하는 과정을 추가했죠. 또, 기존에는 결과를 벡터 검색만 거쳐 냈는데요. 순위가 안 맞는 경우가 있어 리랭킹 과정을 추가했어요. 즉, 검색어에서 필요한 키워드를 추출하고, 여기서 나온 키워드를 모두 충족할 때 우선순위를 높게 가져가도록 개선한 거죠. 이를테면 ‘요양 병원에서 쓸 ERP 프로젝트를 찾아 줘’라고 검색했을 때, ‘ERP’와 ‘요양 병원’이란 키워드를 추출하고, 이 두 가지를 모두 포함한 프로젝트의 우선순위를 높이는 방식입니다. 내부 어드민에 먼저 적용한 ‘유사사례 검색 AI’ <출처: 위시켓> 더 알아보기. AI는 어떻게 ‘유사도’를 판단할까? 벡터 검색과 리랭킹AI는 어떻게 사람의 검색어를 알아듣고 그 많은 정보에서 필요한 결과값을 돌려줄까요? ① 벡터 검색(Vector Search): AI는 정보를 사전에 훈련한 벡터 공간에 저장해 둡니다. 이를 임베딩(embedding)이라고 하죠. 사용자가 검색어를 던지면, AI는 검색어를 마찬가지로 임베드해 벡터 공간에 넣고 이와 가장 가까운 기존 정보, 즉 ‘유사도’가 높은 정보를 가져옵니다.② 리랭킹(Re-ranking): 벡터 검색으로 가져온 결과는 다양합니다. 때로는 적합하지 않은 결과가 우선 노출되기도 하죠. 그래서 벡터 검색으로 뽑아낸 후보를 한 번 더 검색어와 비교해 평가하는 과정을 거치면, 그 정확도가 높아져요. 이를 ‘리랭킹’이라고 합니다. 벡터 검색은 빠르게 많은 정보를 모으고, 리랭킹은 조금 느리지만 정교하죠. 그런 만큼 최근 AI 검색은 이렇게 두 가지 결과 추출 과정을 순서대로 조합해 활용하는 것이 일반적입니다. 아무리 개선을 하고 손을 대도 고객에게 새로운 기능을 선보이는 것은 긴장의 연속입니다. 그래서 더욱 ‘만족할 만한 성능’의 선을 잡기가 어렵습니다. AI는, 그리고 검색은 사용 방식이 다양하고 새로운 만큼 그 선을 잡기가 더욱 어려웠다고 합니다. 위시켓 팀은 이 문제를 어떻게 넘어섰을까요? Q. 구현 과정에서 가장 어려운 작업은 무엇이었나요?홍수정: 가장 어려운 일은 결국 검증이었어요. “이 정도면 됐나? 이 정도면 됐나?” 하는 궁금증이 끝없이 생겼죠. 아무래도 제품팀은 운영팀보다 도메인 지식이 떨어지기에 검색 결과가 정말 적합한지 확신하기가 힘들었어요. 그래서 1차 검증 단계에는 ‘최악’을 막는 쪽으로 봤어요. 예를 들면 건설 홈페이지 구축을 묻는데 ‘건설’ 쪽으로 핀트를 잡아서 프로젝트를 추천하는 일을 피하도록 한 거죠. 나아름: 1차 검증이 끝나고 최종 컨펌은 운영팀에 부탁했어요. 검색어를 데이터로 두고 평가를 돌리는 것도 물론 중요하지만, 도메인 지식이 풍부한 운영팀의 의견도 중요하니까요. 테스트 단계에서 나온 유사도 점수를 함께 제공하고, 그 기준이 적합한지 판단할 것을 요청했죠. 운영팀 매니저 한 분마다 기준이 다를 수도 있겠다 생각도 들었고요. Q. 그렇다면 기능을 선보이기 전, 어떤 기준으로 검색 결과를 최종 검증했나요?김수민: 검증 단계에서 가장 중요하게 생각한 건 ‘키워드’였어요. ‘부동산 중개 경매 플랫폼’을 만들고자 하는 고객이 있다고 해볼게요. 이를 검색하면 ‘부동산’, ‘경공매’, ‘플랫폼’ 세 가지 키워드를 모두 만족해야만 정말 유사한 프로젝트라고 할 수 있어요. 세 가지 모두 각자 필요한 기능이 있으니까요. 그래서 키워드를 뽑은 다음, 나온 프로젝트들이 키워드에 적합한지 체크했어요. 검증 결과 역시 이 기준을 바탕으로 점수를 매겨 전달했죠. 홍수정: 이렇게 검증을 하니 제품팀의 판단과 다른 결과도 나왔어요. 프롬프트를 조정해 둘의 차이를 좁혔죠. 사실 하다 보니 검증도 끝이 없겠다고 느꼈어요. 그래서 일단 내보는 방향으로 의사결정했죠. Chapter 2 요약① 빠른 기능 구축과 개선을 목표로 외부 API 모델을 활용해 기능을 구현② 정식 출시에 앞서 내부 어드민에 기능을 추가하고 이때 쌓인 데이터를 개선에 활용③ 검증의 어려움을 해소하기 위해 운영팀과 협력하며 ‘키워드’ 중심 검증 체계를 적용Chapter 3. AI 기능 검증은 ‘고객의 반응’으로 완성된다결국 유사사례 검색 기능은 개발에 착수한 지 1개월 만인 지난 1월, 론칭했습니다. 현장 인터뷰는 그로부터 2주가 지난 시점이었죠. 그나마도 설 연휴로 고객 데이터는 이제 막 쌓이고 있는 상태였습니다. 안정적인 서비스 위에 올라선 새로운 기능들이 그렇듯, 처음부터 열광적인 반응은 없습니다. 어차피 ‘고객의 반응’까지 검증 계획의 일환이니까요. Q. 유사 사례 검색 베타 서비스를 열고 현재까지 반응은 어떤가요?홍수정: 초기 검증 단계에는 유저 이용률, 프로젝트 등록까지 탐색 시간, 프로젝트 등록 수, 이렇게 세 가지를 핵심 지표로 볼 예정이에요. 우선 지금까지 쌓인 데이터를 보면 유저 이용률 자체는 괜찮은 편이에요. 검색 과정의 어려움은 크게 없었고, 사용 자체는 잘하고 있다는 데이터를 확인했어요. 특히 ‘유사사례 검색’ 페이지 방문자의 프로젝트 등록 전환율이 기존 검색인 ‘프로젝트 찾기’ 페이지 방문자의 등록 전환율보다 280% 상승한 것을 확인했어요. AI 기반 검색이 전환에 확실히 영향을 준다는 뜻이죠. 이제 프로젝트를 등록하는 고객, 즉, 클라이언트의 유입을 강화해 전체 양을 늘리는 쪽으로 UX를 개선해 나갈 예정이에요. Tip. 어떤 분야에 가장 먼저 AI를 적용하는 것이 좋을까?제품에는 시간이 지날수록 많은 기능이 올라갑니다. 운영한 지 10년이 넘어가는 플랫폼에는 그만큼 많은 기능이 존재하죠. AI는 이 모든 기능에 유용한 효율을 제공할 수 있습니다. 자연스레 팀 입장에서는 이 다양한 기능 중 어디에 가장 먼저 AI를 접목할 수 있을지 고민하기 마련입니다. 위시켓은 왜 검색을 가장 먼저 선택했을까요? 나아름: 이유는 단순해요. 제일 간단하고 빠르게 붙일 수 있는 것부터 시작한 거죠. 유사 프로젝트를 찾을 때는 복합적인 정보가 아닌, ‘프로젝트의 정보’만 써도 충분했어요. 또, 내부에서 프로세스 효율화가 많이 이뤄지지 않은 영역에 우선 적용하자는 방향성도 있었죠. 그래서 내부에 먼저 기능을 열어 검증하고 효과를 본 기능을 고객에게 제공한 것 같아요.위시켓 플랫폼의 ‘유사사례 검색 AI’ <촬영: 요즘IT> 위시켓은 ‘아웃소싱 매칭’이라는 시장을 연 기업입니다. 업력이 쌓이며 프로젝트 케이스가 다양해진 만큼, 운영 매니저들이 직접 고객과 만나며 쌓은 경험치가 커졌습니다. 소위 말하는 ‘짬바’가 생긴 거죠. 이런 경험에 기반한 직관은 위시켓에 쌓인 데이터를 기반으로 작용합니다. 다양한 데이터를 처리해 새로운 케이스에 대응하는 것. AI가 가장 잘하는 일이죠. 그래서 플랫폼의 다음 단계는 이 ‘짬바’를 AI에 이식하는 일입니다. Q. 유사 사례 검색 기능의 다음 단계는 무엇인가요?홍수정: 우선은 유저 행동 바탕으로 검색 기능의 UX/UI를 개선할 예정이에요. 또, 전반적인 검색의 영역을 확장하는 것도 생각하고 있어요. 지금의 검색은 프로젝트 단위로 유사한 사례를 찾는 것에 특화되어 있어요. 하지만 위시켓 플랫폼에는 기간제로 인력을 채용하는 프로젝트도 많이 올라오죠. 이 프로젝트는 상세 내용을 가볍게 쓰는 대신, 연차, 기술 스택, 지역 등을 주요하게 봐요. 이런 기간제 프로젝트도 알아서 구분해 적용하도록 고도화하는 것이 목표예요. 나아름: 플랫폼의 다른 기능도 청사진을 그리고 있어요. 특히 프로젝트에 적합한 파트너를 연결해 주는 쪽으로 고민하고 있어요. 프로젝트에 적합한 지원자 목록을 추천하거나 파트너 포트폴리오 중심으로 매칭해 줄 수도 있죠. 김수민: 이 과정에서 매니저들이 경험적으로 쌓아 올린 복합적인 요소가 많은데요. 파트너의 데이터 외에도 모집과 미팅, 계약 단계의 특징을 잘 고려해야 해요. 웹에 쌓이는 기록뿐만 아니라 오프라인 미팅에서 갑자기 계약 결정에 중요한 요소가 나오기도 하죠. 이렇게 매칭에 필요한 요소를 잘 정리하며 AI를 적용해 나가지 않을까요? 더 알아보기. 위시켓 AI 실무자는 무슨 AI 툴을 쓸까?김수민: 가장 많이 쓰는 건 역시 챗GPT에요. IT 프로젝트 분야가 다양한 만큼 학습해야 할 최신 기술 정보를 얻고는 하죠. 아름 님이 만들어 준 유사 사례 검색기도 정말 많이 써요. 이것 역시 툴이니까요.홍수정: 저는 피그마 AI를 잘 쓰고 있어요. 디자인 과정에서 아이콘을 그리거나 기본 형태, 레이아웃을 잡는 용도로요.나아름: 커서가 유용해요. 코드를 로컬에서 가져오니까 맥락을 공유하기가 쉬워요. 대신 가끔 커서로 모두 해결이 안 되면 성능 좋은 o1으로 넘어가죠. 코드를 넘기지 않는 선에서 문제 해결에 도움을 받아요. Chapter 3 요약① 초기 검증으로는 사용 방식과 목적 달성을 함께 보며, UX/UI를 중심으로 개선할 계획② 외주 도급 프로젝트 중심 검색이 안정되면, 기간제 프로젝트 검색으로 영역을 조금씩 확장③ 플랫폼 운영 과정에서 쌓인 경험과 노하우의 포인트를 찾아 AI에 이식하는 것이 장기 방향AI가 검색의 행태를 바꾸고 있다고들 합니다. 단어에서 문장으로요. 하지만 ‘검색’이란 행위의 근본은 같습니다. 몰랐던 것을 찾는 일이죠. 어쩌면 AI가 바꾸는 일의 형태도, 제품과 고객을 만나는 일도, 모양이 달라질 뿐 근본은 같을지 모릅니다. 여러분이 만드는 제품의 근본은 무엇인가요? ©️요즘IT의 모든 콘텐츠는 저작권법의 보호를 받는 바, 무단 전재와 복사, 배포 등을 금합니다.
