AI 학습을 시작할 때 모델 이름과 프롬프트만 외우면 실제 문제에 적용하기 어렵습니다. 먼저 해결할 작업을 한 문장으로 정의하고, 기존 규칙 기반 방법과 비교할 수 있는 평가 기준을 만드세요.
문제 정의
입력, 기대 출력, 실패했을 때의 비용을 적습니다. 자동화를 적용하지 않아도 해결되는 문제인지 검토하세요. Google의 ML 문제 정의 안내는 목표와 측정 기준을 정하는 과정을 설명합니다.
데이터와 평가
학습 자료의 출처, 권한, 대표성을 확인하고 훈련 자료와 평가 자료를 구분합니다. 정답이 하나가 아닌 생성형 작업은 사실성, 누락, 안전성 같은 오류 유형을 수작업으로도 점검해야 합니다. 소수의 좋은 예시보다 다양한 실패 사례가 중요합니다.
작은 실험
기존 방식과 AI 방식의 결과를 같은 입력으로 비교하고 비용과 검토 시간을 기록하세요. 민감한 데이터를 외부 서비스에 보내기 전 조직의 정책을 확인합니다. 결과물을 취업 포트폴리오로 정리하려면 프로젝트 작성 기준을 참고하세요.