https://www.wanted.co.kr/events/pre_challenge_ai_6
AI로 나의 업무 스킬 업그레이드하기 | 프리온보딩 AI 챌린지 11월 | 원티드
AI 시대에 나의 역량을 배로 높여줄 방법들을 소개하는 강의입니다. AI를 업무에 활용하는 방법을 미리 살펴보고, 문제 해결 과정에서 AI와 협력하는 이유와 방법을 깊이 있게 탐구해봅니다.
www.wanted.co.kr
내년에 AI로 커리어 전환을 목표를 하고 있기에 학위 취득과 더불어 다양한 경험을 쌓고 싶었습니다.
그동안 몇 차례 프론트 엔드 직무로 프리온보딩을 참여했는데, 이번 기회에 AI 챌린지도 모집을 하기에 참여했습니다.
챌린지 목표가 현직자들이 AI를 활용하여 업무 효율을 높이는 것에 있습니다.
지금도 현재 상황에 맞는 라이브러리를 추천해 주거나, 로직을 더 간단하게 도와주는 등 여러 방면으로 도움을 많이 받고 있기에 다른 사람들은 어떻게 활용하고 있는지 궁금했습니다.
[Week 1-1] AI와 함께 갖고 싶은 서비스 기획, 설계하기
결국 AI를 사용하고 활용하는 것은 사람의 몫이기 때문에 무엇에 어떻게 적용하고 싶은지 그리고 실제로 가능한 부분인지 파악하는 것이 중요합니다.
챌린지에서 소개한 3가지 요소가 있습니다.
AI 를 잘 사용한다는 것
1. 인공지능 기술을 이용해 고도화된 기능 function을 지닌 제품 및 서비스를 구현하고
2. 이를 통해 새로운 가치 value를 창출하여,
3. 사용자경험 UX, user experience을 향상하는 과정
풀스택 개발자인 나에게 적용을 해본다면, AI를 활용해 사용자 기반 추천 알고리즘 혹은 NLP 챗봇 서비스를 추가하는 것을 기대해 볼 수 있었다.
그 과정에서 코드 리뷰, 테스트 자동화를 적용할 수 있고, 서비스 단계에선 사용자들이 어떤 탭을 선호하는지 어떤 기능을 어느 시간대에 많이 사용하는지 파악할 수 있다면 UX 향상을 이뤄낼 수 있을 것이다.
[Week 1-2] AI와 함께 빠르고 효율적인 코드 작성하기
2차 챌린지는 이 한 문장으로 시작했고 끝났다.
AI를 활용해 개발을 해 본 사람이라면 충분히 공감할 만한 말이라고 생각합니다.
그동안에는 어떤 언어를 배워야 한다 앞으로는 어느 언어가 각광받을 것이다 등 의견이 많았지만 지금은 누가 무엇을 어떻게 더 잘 물어보나 가 중요해졌다고 생각합니다.
그렇다고 해서 프로그래밍 언어 자체가 무의미하거나 기초가 없는 사람도 잘 물어보기만 한다면 잘하는 개발자가 된 다는 말은 아닙니다.
앞서 말했듯이 어떻게 질문하는지가 중요한데, 원하는 기능이 뭔지 로직이 어떻게 흘러가는지 먼저 알아야 질문도 잘할 수 있습니다.
그렇기 위해선 도움 없이 일정 수준까진 도달할 수 있도록 본인만의 노력이 필요하다고 생각합니다.
프롬프트
1. 컨텍스트
2. 지시
3. 입력데이터
4. 출력형식
오류 코드 달랑 하나만 복붙 해서 질문한다고 해결되지 않기에 말 그대로 잘 물어보는 것(프롬프팅)이 어쩌면 새로 갖춰야 할 역량인 것 같다.
AI 서비스를 이용하면서 그 속도와 정확도 그리고 학습된 방대한 빅데이터를 보며 AI에 관심이 생겼습니다.
아무리 복잡한 코드 거나 한국어로 물어보거나 오타를 잔뜩 내며 물어보더라도 정말 빠른 시간 안에 비교적 정확한 답변을 해준다.
사람이라면 다른 사람이 짠 코드를 처음 보고 해석하기에 시간이 정말 오래 걸리는데, 누가 쓴 코드일지라도 귀신같이 문제가 되는 부분을 잘 찾아주는 것이 참 놀랍다.
위 사진은 git에서 서비스 중인 Copilot인데 count라는 state만 적었을 뿐인데 내가 어떤 기능을 원하는지 또 어떻게 보여주고 싶은지 친절하게 알려줍니다.
github의 오픈 소스들을 기반으로 학습하기 때문에 내가 생각한 로직보다 좋은 방식을 추천해주기도 하고 재사용성을 위해 컴포넌트/함수 분리 등을 추천하기도 합니다.
게다가 변수명, 함수명을 추천해 주니 쓸모가 많다.
코드만 작성하고 끝이라면 배우는 게 없습니다.
AI가 작성한 코드로, AI와 대화하면서 성장해 보세요.
AI가 훌륭한 도구임에는 틀림없지만, 단순히 코드 쪄주는 기계로 사용한다면 그때부턴 내가 복붙만 하는 기계가 될 수 있습니다.
그래서 최대한 단순 반복 작업에 도움을 받거나 리펙터링 시 최적화 할 수 있는 방법, 추상화하거나 개선할 점을 주로 물어보고 있습니다.
비즈니스 로직이 들어있는 함수를 만들어 달라고 요청을 했다면, 로직이 어떻게 흘러가는지 스스로 이해하려고 노력해야 하고, 자신의 입맛에 맞게 조금씩 수정하면서 사용하는 편이 스스로에게 도움이 많이 되리라 생각합니다.
+ 교수님 챗봇
챌린지에서 소개해준 재미있는 글이 있기에 가져왔습니다.
@벨루가를 활용해서 질문에 맞는(유사한) 답변을 하는 챗봇을 만들었다고 합니다.
1. 임베딩
수업 자료(텍스트)를 AI 모델이 이해하기 쉽게 벡터(숫자) 형식으로 변환
2. 청크
임베딩된 자료는 청크라는 단위로 쪼개져 벡터 DB에 저장
3. 답변
질문을 하면 질문과 가장 적합한 청크를 가져와 답변
위 과정에서 핵심이 되는 부분은 임베딩 방식/효율/속도와 질문에 적합한 청크를 찾는 과정이라고 생각됩니다.
예쁘게 분류해 놓지 않으면 찾기 어려울 것이고, 분류가 잘 되어있더라도 어디에 있는지 찾기 힘들다면 원하는 답변은 나오지 않을 것입니다.
추가로 수업 녹화 자료 중 음성을 추출해 텍스트로 변환한 뒤 추가로 임베딩 할 계획이라고 합니다.
https://inblog.ai/aiheroes/대학원생이-교수님을-ai-챗봇으로-만든-방법-16770
대학원생이 교수님을 AI 챗봇으로 만든 방법 - AI히어로즈 - 팀블로그
최근 저는 RAG 기반의 ‘교수님 챗봇’을 만들었습니다. 이 글에서 RAG에 대한 아주 간략한 설명과 함께, AI 챗봇을 만드는 과정을 살펴보세요. | AI 트렌드
inblog.ai