미래내일일경험사업 로컬 AI 메이커스랩 참여 후기 — AI를 사용하는 것과 만드는 것은 달랐다
대학생 프로그래머
2026. 8. 13. 12:41
반응형
안녕하세요. 이번에 로컬 AI 메이커스랩에 참여하면서 약 4주 동안 팀원들과 하나의 결과물을 기획하고 직접 만들어보는 경험을 했습니다.
이번 활동을 한 문장으로 정리한다면 저는 "AI를 사용하는 것과 AI를 활용해 실제 결과물을 만드는 것은 생각보다 많이 다르다"라고 말하고 싶습니다.
평소에도 AI를 사용해 본 경험은 있었지만, 팀원들과 하나의 문제를 정의하고 AI를 실제 서비스에 연결해 결과물로 완성하는 과정은 전혀 다른 경험이었습니다.
※ 프로젝트와 기업의 구체적인 내부 내용, 데이터, 멘토링 내용 등은 보안을 위해 일부 생략하거나 일반적인 표현으로 작성했습니다.
로컬 AI 메이커스랩에서 시작한 새로운 경험
로컬 AI 메이커스랩에서는 단순히 AI에 대해 교육을 듣는 것에서 끝나는 것이 아니라 실제 현업에서 발생할 수 있는 문제를 바탕으로 팀원들과 해결책을 고민하고 결과물을 만드는 프로젝트를 진행했습니다.
저희 팀은 현대해상 현업 환경에서 발생하는 문제를 해결하기 위한 서비스를 기획했습니다.
처음에는 AI를 활용하면 비교적 쉽게 결과물을 만들 수 있을 것이라고 생각했습니다.
하지만 실제 프로젝트에 들어가 보니 생각보다 고려해야 할 것이 많았습니다.
어떤 정보를 가져와야 하는지, 그 정보를 어떤 기준으로 분석해야 하는지, 사용자에게는 어떤 방식으로 보여줘야 하는지, 그리고 AI는 그 과정에서 정확히 어떤 역할을 해야 하는지를 하나씩 결정해야 했습니다.
단순히 "AI를 넣어보자"에서 끝나는 것이 아니라 "왜 여기에서 AI가 필요한가?"를 고민해야 했습니다.
로컬 AI 메이커스랩 사전교육 및 프로젝트 시작
사전교육 진행
사전교육이 한 6일정도 했는데 이해하기 쉬운 예시나 간단한 토론 + 간단한 문제 해결로 이해가 잘된거 같이 실제 프로젝트에 바로 사용 할수있었어요
본격적인 프로젝트 시작 ㅎㅎ
1주 차 — 생각보다 쉽지 않았던 시작
프로젝트 첫 주에는 현업 멘토링을 위한 질문을 정리하고 팀원들과 역할을 나누면서 본격적인 업무를 시작했습니다.
저의 팀은 프로젝트를 진행할 때 Git에서 프로젝트를 수행하는 것이 처음에는 어려워도 새로운 거에 도전한다는 마음으로 준비하며 문제를 해결하기 위한 문제 정의 하는 과정을 했던 거 같아요.
Git 환경을 세팅하고 프로젝트 기획을 구체화하면서 프로젝트에 필요한 구성 요소와 전체적인 서비스 흐름을 팀원들과 논의했습니다.
그 과정에서 여러 API와 기술적인 방법도 찾아봤습니다.
그런데 막상 구현하려고 하니 사용할 수 없는 API도 있었고, 처음 생각했던 방식으로는 구현하기 어려운 부분도 있었습니다.
Git을 이용한 협업 역시 처음부터 쉬웠던 것은 아닙니다.
업무보고에도 당시의 느낌을 짧게 이렇게 적어두었습니다.
"Git 세팅 어려웠음."
지금 보면 굉장히 짧은 한 문장이지만 당시에는 프로젝트를 시작하기 위한 환경을 맞추는 것부터 하나의 일이었습니다.
그렇다고 각자 따로 개발할 수는 없었습니다.
결국 팀원들과 브랜치를 나누고 각자가 담당할 부분을 정하면서 하나의 결과물로 합칠 방법을 찾아갔습니다.
이때부터 프로젝트는 단순히 내가 맡은 부분을 잘 만드는 것만으로 끝나는 것이 아니라는 생각이 들었습니다.
가상공간에서 팀원들과 프로젝트를 진행하는 모습
업무는 주로 가상공간에 모여서 하는 것이 조금 새로운 경험이었던 거 같습니다. 그렇지만 서로 공유도 하고 대화도 하고 모르는 거 물어보기도 하면서 서로에게 정이 생긴 거 같기도 합니다. 물론 전부 손코딩이 아닌 ai의 도움도 많이 받아서 덜 힘들었던 거 같아요. ai의 힘이 무척 센 거 같았어요.... 1주 차까지는....
2주 차 — AI는 어렵다기보다 '까다로웠다'
2주 차에는 사업화·현업 멘토링을 바탕으로 기획을 조금 더 구체화했습니다. ai를 통한 바이브코딩과 손코딩을 교차해서 만들어보
며 각자 담당한 사이트의 페이지 기능을 정리해 공유하고 별도의 Git 브랜치를 생성해 LLM 테스트도 진행했습니다.
그리고 이 과정에서 제가 AI를 바라보는 생각도 조금씩 달라졌습니다.
당시 업무보고에 이렇게 적었습니다.
"AI 역시 어렵다기보다 까다롭다. 질문을 하면 다 축약하고 생략시킨다."
AI에게 질문하면 답변 자체는 빠르게 나왔습니다.
문제는 답변이 나온다는 것과 우리가 원하는 답변이 나온다는 것은 전혀 다른 문제였다는 것입니다.
필요한 정보가 생략되기도 하고 예상한 형태와 다른 결과가 나오기도 했습니다.
결국 AI API를 연결했다고 해서 기능이 완성되는 것이 아니었습니다.
어떤 정보를 제공할 것인지, 어떤 답변을 요구할 것인지, 결과를 어떤 형태로 출력하도록 만들 것인지 등을 계속 수정해야 했습니다.
이 경험을 통해 AI를 활용하는 과정에서도 결국 사람이 원하는 결과를 명확하게 정의하는 것이 중요하다는 점을 체감했습니다.
기능을 기획하고 프로토타입을 제작하는 과정
3주 차 — 오류를 해결하고 다시 수정하고
3주 차에는 웹의 전체적인 흐름과 상세 페이지를 검토하면서 본격적으로 결과물을 다듬기 시작했습니다.
특히 기억에 남는 것은 AI 연결 오류를 해결하는 과정이었습니다.
AI를 서비스에 연결하고 분석에 필요한 데이터를 정리했지만 원하는 결과가 한 번에 나오지는 않았습니다.
그래서 시스템 프롬프트와 기능을 다시 수정하고 프롬프트 엔지니어링을 진행했습니다.
결과를 확인하고,
문제가 있으면 다시 수정하고,
다시 실행해 보고,
또 원하는 결과와 다르면 원인을 찾아보는 과정을 반복했습니다.
처음에는 AI에게 좋은 질문을 하는 정도로 생각했던 프롬프트가 실제 서비스를 만들 때는 결과물의 품질에 영향을 주는 중요한 요소 중 하나라는 것도 경험했습니다.
동시에 팀원들과 웹의 전체 흐름과 각 페이지의 역할을 검토하고 멘토링 피드백을 정리하면서 처음 기획했던 내용을 계속 수정했습니다.
처음 정한 아이디어를 끝까지 그대로 가져가는 것보다 실제로 구현해 보고 문제가 있다면 다시 고치는 것이 더 중요하다는 것을 알게 된 시간이었습니다.
github에 오류나 수정사항들을 팀원들과 의논하며 다시 고치는 작업
4주 차 — 기능을 완성하고 발표까지
마지막 주에는 그동안 만들었던 결과물을 최종적으로 보강했습니다.
자료와 데이터를 다시 점검하고 싸이트의 기능을 제작한 뒤 기능과 디자인을 추가로 수정했습니다.
사실 마지막까지 모든 것이 마음에 들었던 것은 아닙니다.
당시 업무보고에는 이런 기록도 남아 있습니다.
"디자인이 마음에 안 든다."
그래서 마지막까지 디자인과 기술적인 부분을 수정했습니다.
완벽한 결과물을 만들었다고 말하기보다는 제한된 프로젝트 기간 안에서 어떤 부분을 먼저 해결해야 하는지 판단하고, 실제로 작동하는 결과물을 만드는 것에 집중했습니다.
그리고 마지막에는 지금까지 진행했던 프로젝트와 결과물을 정리해 최종 발표까지 진행했습니다.
처음에는 기획과 Git 세팅부터 시작했던 프로젝트가 AI 연결, 오류 수정, 프롬프트 엔지니어링, UI 수정 등을 거쳐 하나의 결과물과 발표로 이어졌다는 점이 가장 기억에 남습니다.
로컬 AI 메이커스랩 최종 발표
결과물보다 더 크게 남은 것은 '문제를 해결하는 과정'
이번 로컬 AI 메이커스랩에서 가장 크게 배운 것은 특정 AI 도구의 사용법 하나가 아니었습니다.
오히려 문제를 발견하고 → 해결 방법을 기획하고 → 구현하고 → 문제가 발생하면 수정하고 → 다시 결과를 확인하는 과정을 직접 반복해 본 경험이 더 크게 남았습니다.
특히 AI를 바라보는 생각이 달라졌습니다.
이전에는 AI에게 질문해서 원하는 답을 얻는 것이 AI 활용이라고 생각했다면, 프로젝트를 진행한 뒤에는 AI가 어떤 역할을 해야 하는지 먼저 정의하고 원하는 결과가 나오도록 데이터와 프롬프트, 기능을 함께 설계하는 과정 역시 중요하다고 생각하게 되었습니다.
팀 프로젝트에 대한 생각도 달라졌습니다.
Git 브랜치와 PR, Merge를 활용하고 각자가 담당한 기능을 하나의 결과물로 합치는 과정에서 협업은 단순히 역할을 나누는 것으로 끝나지 않는다는 것을 경험했습니다.
각자가 만든 것이 결국 하나의 서비스에서 함께 작동해야 하기 때문입니다.
앞으로의 취업 준비에서 가져가고 싶은 경험
이번 경험을 통해 모든 문제를 완벽하게 해결할 수 있게 되었다고 말하기는 어렵습니다.
Git도 어려웠고, API를 찾는 과정에서도 막혔으며, AI 연결 오류도 있었습니다. 원하는 AI 답변을 얻기 위해 프롬프트를 계속 수정해야 했고 마지막에는 디자인도 다시 손봐야 했습니다.
하지만 오히려 그런 과정 때문에 이번 경험이 더 기억에 남았습니다.
모르는 것을 만났을 때 조사하고, 팀원들과 이야기하고, 직접 만들어보고, 실패하면 다시 수정해 보는 과정을 경험했기 때문입니다.
앞으로 취업을 준비하면서도 단순히 "AI를 사용할 수 있습니다"라고 말하는 것보다,
"AI를 활용한 결과물을 팀원들과 기획하고, 실제 기능으로 구현하고, 오류와 결과를 확인하면서 개선해 최종 발표까지 진행해 봤습니다."
라고 이야기할 수 있는 하나의 경험이 생겼다고 생각합니다.
이번 로컬 AI 메이커스랩은 저에게 완성된 결과물 하나만 남긴 활동이라기보다 하나의 결과물을 끝까지 만들어보면서 내가 부족한 부분을 직접 확인하고, 그것을 해결해 나가는 방법을 경험한 프로젝트였습니다.
앞으로 다른 프로젝트를 하게 되었을 때도 이번에 경험했던 시행착오를 기억하면서 조금 더 나은 결과물을 만들어보고 싶습니다.
