AI 서비스 기획 포트폴리오에서 모델 이름을 먼저 나열하면 무엇을 해결하려는지 보이지 않을 수 있습니다. 사용자의 문제와 기존 해결 방식부터 설명한 뒤 AI가 필요한 이유를 제시하세요. 데모가 잘 동작한 한 장면만으로 제품의 품질을 주장하지 않습니다.
문제와 사용자 정의
누가 언제 어떤 일을 하다 어려움을 겪는지 구체적으로 씁니다. AI 없이 검색, 규칙, 사람의 검토로 해결할 수 있는지도 비교합니다. Google의 ML 문제 정의 안내는 ML이 적절한 접근인지 먼저 판단하도록 설명합니다.
입력과 출력 명시
서비스가 받는 자료, 모델이 만드는 결과, 사용자가 그 결과로 무엇을 할지를 한 화면 흐름으로 그립니다. 개인정보나 저작권이 있는 입력을 어떻게 다룰지, 잘못된 결과가 나왔을 때 사용자에게 어떤 선택지를 줄지도 적습니다.
평가 기준 설계
‘답변이 좋다’ 대신 정확성, 출처 확인 가능성, 처리 시간, 실패 유형처럼 측정 가능한 항목을 정합니다. 데모용 예제만 골라 테스트하지 말고 실패한 예도 기록하세요. 사업 성과 지표와 모델 자체의 평가 지표는 구분해야 합니다. Google의 ML 문제 프레이밍 자료가 이를 설명합니다.
포트폴리오에 담을 것
문제 정의, 비AI 대안, 사용자 흐름, 평가표, 실패 대응, 개인정보 고려, 다음 실험을 순서대로 제시합니다. 실제 사용자 테스트를 하지 않았다면 ‘사용자 만족도 향상’ 같은 수치를 만들지 마세요. 데이터 결과물 설명 방식은 데이터 포트폴리오 작성법을 참고하세요.