AI: 능동적으로 비선형 상황을 처리하는 똑똑한 SW
기계학습(머신러닝)
- 지도학습(규칙기반)
기술자의 의도대로 규칙대로, 정답 데이터를 알려줘 해당 로직을 수행하도록 학습시키는 방법
특정 상황을 빠르고 정확하게 처리
유연성이 떨어짐, 정답을 정해줘야 함
- 비지도학습(패턴기반)
많은 정보 속에서 특정 공통점과 차이점 인식
정답 데이터가 필요없음
명확한 정답이 없음
- 강화학습(보상기반)
AI 리터러시란?
인공지능의 작동 원리를 이해하고, AI 도구를 효과적·윤리적으로 활용할 수 있는 능력.
LLM
Large Language Model(거대 언어 모델)
언어를 인식하고 이해해서 대답하는 모델, 보통 생성형 AI
사실 LLM은 언어를 이해하지 못한다.
문장을 들으면 모델이 알 수 있는 백터/스칼라 값과 가장 유사한 값을 대조해 답변해야 하는 가장 적합한 값으로 답변.
문장을 수치화(벡터화)하는 방법을 '임베딩'이라고 한다. 임베딩 정보를 바탕으로 트랜스포머 연산을 통해 이해(의미 조합 로직)
Fine-tuning(미세조정): 매개변수 조정
LLM의 특정 매개변수를 수정하는 작업을 의미
새로운 데이터 셋을 학습시키거나, 답변 자유도 값을 수정·답변 최대 길이 수정 등
작업 속도↑
결과 확인 시간↑ 결과가 마음에 들지 않으면 새로 수정해야 함
RAG(검색증강생성): 또 다른 정보의 풀
LLM이 참고해서 답변을 만들 수 있는 새로운 정보의 장을 활용하는 방법
기존 학습 내용+추가 정보(웹, 서버, 첨부파일 참고 등)
☆그저 자료를 수집해서 보여주는 것은 RAG가 아님. 수집해서 가공을 거쳤느냐 여부가 중요.
별도의 학습 필요X
설계, 구축, 적용, 유지보수 작업 필요. 많은 비용↑
LLM을 활용해 직무 관련 업무 문서 만들기.
🧩 기능 기획서 (Mini PRD 템플릿)
1. 📌 기능 개요 (Overview)
- 기능 이름:
- 한 줄 설명: (이 기능을 한 문장으로 설명)
- 배경 / 문제 상황:
(왜 이 기능이 필요한지, 현재 어떤 문제가 있는지)
2. 🎯 목표 (Goal)
- 이 기능을 통해 달성하고 싶은 것
- ex) 클릭률 증가 / 이탈률 감소 / 특정 행동 유도
- 성공 지표 (KPI)
- ex) 전환율 +10%, 사용 시간 증가 등
3. 👤 대상 사용자 (Target User)
- 주요 타겟:
- 이 기능을 사용할 상황 (User Context):
- 언제 / 어디서 / 왜 사용하는지
4. 🔍 문제 정의 (Problem)
- 사용자가 겪고 있는 불편 / 니즈
- 현재 방식의 한계
👉 한 줄로 요약:
“사용자는 ___ 때문에 ___을(를) 하지 못하고 있다.”
5. 💡 해결 방안 (Solution)
- 기능 설명 (무엇을 제공하는지)
- 핵심 아이디어
- 기존과 어떻게 다른지
6. 🔄 유저 플로우 (User Flow)
(간단하게 단계별로)
- 사용자가 ___ 한다
- ___ 버튼을 클릭한다
- ___ 화면으로 이동한다
- ___ 행동을 한다
👉 필요하면 나중에 플로우차트로 확장
7. 🧱 기능 상세 (Feature Detail)
- 주요 기능 1:
- 설명:
- 조건:
- 예외 상황:
- 주요 기능 2:
- 설명:
- 조건:
- 예외 상황:
8. 🖥️ 화면 구성 (UI/UX)
- 어떤 화면에서 등장하는지
- 주요 요소 (버튼, 텍스트, 인터랙션 등)
- 간단한 스케치 설명도 OK
9. ⚠️ 고려 사항 (Edge Cases)
- 로그인 안 한 경우
- 데이터 없을 때
- 오류 발생 시 처리
10. 📊 측정 및 실험 (Metrics & Experiment)
- 어떤 데이터를 볼 것인지
- A/B 테스트 여부
- 성공 판단 기준
11. 🚀 우선순위 & 범위 (Scope)
- 이번에 포함되는 것 (In Scope)
- 제외되는 것 (Out of Scope)
👍 쓰는 팁 (중요)
- 처음부터 완벽하게 쓰려고 하지 말고
👉 “문제 → 해결 → 흐름” 이 3개만 먼저 채우는 게 핵심 - 기획서는 “설명문”이 아니라
👉 다른 사람이 보고 이해할 수 있는 문서라고 생각하면 좋아