목록으로
지역사회 문제해결을 위한 AI 활용
국비지원 부트캠프의 사각지대를 채우는 AI 취업 코칭 서비스
진도 빼기에 급급한 IT 부트캠프가 채우지 못한 실전 취업 준비를, 수료생의 GitHub 코드를 AI가 직접 분석해 맞춤형 모의면접과 코딩테스트로 완성하는 서비스
🤖 활용 AI 도구
claude
1. 문제 인식
코로나 이후 개발자 붐이 일면서 국비지원을 받기 위한 IT 부트캠프가 우후죽순 생겨났습니다. 문제는 학원들이 국비지원금을 받기 위해 비전공자 학생들도 정해진 기간 내 수료·취업시켜야 한다는 압박에 시달리면서, 커리큘럼이 이해보다 진도에 집중되었다는 점입니다. 학생들은 개념을 제대로 이해하지 못한 채 강사의 코드를 따라 치는 데 하루를 다 쓰고, 포트폴리오는 형식적으로 완성되지만 실제 실력은 검증되지 않습니다. 학원에서 말하는 취업 지원은 사람인, 잡코리아 등 채용 플랫폼 URL을 전달해주는 수준에 그치고, 취업이 안 되는 이유를 물으면 면접 코칭이나 이력서 검토 같은 실질적인 지원 대신 취업시장이 얼어서라는 답변만 돌아옵니다. 한편, 기업 입장에서도 이렇게 쏟아지는 부트캠프 수료생들의 실제 실력을 옥석처럼 가려내기 어려운 상황이 반복되고 있습니다.
2. 해결 방안 (AI 활용)
이 문제를 해결하기 위해, 수료생 본인의 GitHub 링크를 기반으로 AI가 실제 작성한 코드를 분석하고 두 가지 기능을 제공하는 서비스를 개발했습니다. 첫째는 AI 모의면접으로, GitHub 코드를 분석해 해당 프로젝트에서 발생 가능한 기술 면접 질문을 자동으로 생성하고, 지원자의 답변을 AI가 평가하여 부족한 개념에 대한 피드백을 제공하며, 실제 면접처럼 꼬리질문을 이어가며 실전 감각을 훈련시킵니다. 둘째는 AI 코딩테스트 준비로, 지원자의 코드 스타일과 실력 수준을 분석해 맞춤형 코딩테스트 문제를 추천하고, 풀이 과정에서 막히는 부분에 대해 힌트와 개념 설명을 제공하며, 부트캠프에서 다루지 않은 알고리즘과 자료구조 영역까지 보완 학습할 수 있도록 돕습니다.
3. 기대 효과
취업준비생 입장에서는 부트캠프가 놓친 실전 면접과 코딩테스트 준비를 AI로 보완하여 실제 실력을 향상시킬 수 있습니다. 기업 입장에서는 GitHub 기반 실력 검증 데이터를 활용해 옥석을 가리는 시간을 단축할 수 있습니다. 나아가 사회적으로는 국비지원 부트캠프의 형식적 수료가 아닌 실질적인 취업 역량 강화를 통해 청년 실업 문제 완화에 기여할 수 있을 것으로 기대합니다.
4. 어떤 상황에서 AI를 활용했는가
부트캠프 수료 직전, 실제로 겪었던 상황이었습니다. 커리큘럼상 마지막 2주는 오직 포트폴리오 완성에만 집중되어 있었고, 강사님들도 일단 취업 시장에 내보내는 게 우선이라는 입장이라 면접 준비나 코딩테스트 대비는 학생 개인의 몫으로 남겨졌습니다. 문제는 정작 면접장에서 나오는 질문들이 이 코드에서 왜 이 방식을 선택했는지, 시간복잡도를 개선할 수 있는지와 같은 본인 프로젝트에 대한 심층 질문이었는데, 진도 빼기에 급급했던 학생들은 자기 코드조차 제대로 설명하지 못하는 경우가 많았습니다. 이런 상황에서 내가 짠 코드를 AI가 대신 뜯어보고 나올 수 있는 질문을 미리 뽑아준다면 어떨까 하는 생각으로 AI를 활용하기 시작했습니다.
5. 어떤 AI를 활용했는가
코드 분석과 질문 생성, 답변 평가, 코딩테스트 추천까지 전 과정에 claude을 활용했습니다. GitHub API를 통해 지원자의 저장소에 접근해 코드를 불러온 뒤, 이를 LLM에 입력하여 코드 구조와 로직을 파악하고 잠재적인 취약점을 도출했습니다. 이 분석 결과를 바탕으로 프로젝트에 특화된 맞춤형 면접 질문을 자동으로 생성했으며, 지원자가 답변을 입력하면 AI가 답변의 기술적 정합성을 평가하고 피드백을 제공했습니다. 또한 지원자의 코드 스타일과 실력 수준을 진단해 난이도별로 적합한 코딩테스트 문제를 매칭하는 데에도 동일한 AI를 활용했습니다. 실제 활용한 프롬프트는 다음과 같은 구조였습니다. 다음은 지원자의 GitHub 프로젝트 코드입니다. 이 코드를 기반으로 기술 면접에서 나올 수 있는 질문 다섯 개를 난이도별로 생성하고, 각 질문의 의도, 즉 무엇을 검증하려는 질문인지를 함께 설명해달라고 요청하는 방식이었습니다.
6. 활용 결과 — 어떤 변화가 있었는가
AI를 활용하기 전에는 면접에서 이 부분은 왜 이렇게 짜셨느냐는 질문에 제대로 답하지 못했고, 코딩테스트는 백지 상태로 임하는 경우가 많았으며, 학원의 취업 지원은 채용 공고 URL을 전달하는 것이 전부였습니다. AI를 활용한 이후에는 내 코드를 기반으로 나올 수 있는 질문을 사전에 다수 시뮬레이션하고 답변을 미리 준비할 수 있게 되었고, AI가 지적한 코드의 논리적 허점을 실제 면접 전에 미리 보완할 수 있었습니다. 코딩테스트 역시 내 실력 수준에 맞는 문제로 단계적으로 훈련하면서 자신감을 확보할 수 있었습니다.
7. 나만의 방식 또는 개선 포인트
기존에도 챗지피티로 면접 질문을 뽑아달라고 요청하는 사람들은 있었지만, 대부분 일반적인 CS 지식 질문에 그쳤습니다. 이 사례의 차별점은 크게 세 가지입니다. 첫째, GitHub 코드를 직접 입력값으로 사용했다는 점입니다. 일반적으로 자바스크립트 면접 질문을 알려달라고 요청하는 것이 아니라, 본인이 실제로 작성한 코드를 AI가 읽고 그 코드에 특화된 질문을 생성하도록 하여 실제 면접과 거의 동일한 시나리오를 구성했습니다. 둘째, 꼬리질문을 설계했다는 점입니다. 단발성 질문이 아니라 AI가 답변을 받은 후 그럼 이 방식의 단점은 무엇인지와 같이 연속적인 꼬리질문을 이어가도록 프롬프트를 설계하여 실전 압박 면접을 훈련할 수 있도록 했습니다. 셋째, 부트캠프 커리큘럼을 역산하여 활용했다는 점입니다. AI에게 이 학생은 몇 개월 부트캠프 과정을 수료했고 다루지 않은 개념은 자료구조 심화나 시스템 디자인 등이라고 컨텍스트를 제공함으로써, 부트캠프가 놓친 영역만 집중적으로 보완할 수 있도록 설계했습니다. 앞으로 개선하고 싶은 부분도 있습니다. 현재는 텍스트 기반 피드백에 그치고 있는데, 추후 음성 기반 모의면접으로 확장하면 실제 인터뷰와 같은 톤과 압박감을 느낄 수 있어 실전감이 더 올라갈 것으로 보입니다. 또한 여러 사용자의 데이터를 모아 부트캠프별 취업률이나 약점에 대한 데이터베이스를 구축하면, 지원자가 학원을 선택할 때도 참고 자료로 활용할 수 있을 것입니다.
8. 다른 사람도 따라할 수 있는가
이 방식은 특별한 개발 지식이 없는 누구나 따라할 수 있습니다. 먼저 본인의 GitHub 저장소에서 대표 프로젝트 코드를 복사한 뒤, 챗지피티나 클로드 같은 LLM에 이 코드를 기반으로 기술 면접 질문 다섯 개와 각 질문의 의도를 알려주고, 내가 답변하면 그 답변에 대한 꼬리질문도 이어서 해달라고 요청하면 됩니다. 이후 AI가 생성한 질문에 실제로 답변을 작성하고 AI에게 평가를 요청하며, 부족한 개념이 있다면 이 개념을 초등학생도 이해할 수 있게 설명해달라고 추가로 요청하면 됩니다. 코딩테스트 역시 같은 방식으로 내 실력에 맞는 자료구조나 알고리즘 문제를 추천하고 힌트를 단계별로 달라고 요청하면 동일한 효과를 얻을 수 있습니다. 이 방식은 부트캠프 수료생뿐 아니라 비전공자, 취업 재도전자, 국비지원 훈련생 누구에게도 적용 가능하며, 소정의 비용(5달러) 으로 AI 서비스만으로 즉시 실행할 수 있다는 점에서 확장성이 높습니다.
코로나 이후 개발자 붐이 일면서 국비지원을 받기 위한 IT 부트캠프가 우후죽순 생겨났습니다. 문제는 학원들이 국비지원금을 받기 위해 비전공자 학생들도 정해진 기간 내 수료·취업시켜야 한다는 압박에 시달리면서, 커리큘럼이 이해보다 진도에 집중되었다는 점입니다. 학생들은 개념을 제대로 이해하지 못한 채 강사의 코드를 따라 치는 데 하루를 다 쓰고, 포트폴리오는 형식적으로 완성되지만 실제 실력은 검증되지 않습니다. 학원에서 말하는 취업 지원은 사람인, 잡코리아 등 채용 플랫폼 URL을 전달해주는 수준에 그치고, 취업이 안 되는 이유를 물으면 면접 코칭이나 이력서 검토 같은 실질적인 지원 대신 취업시장이 얼어서라는 답변만 돌아옵니다. 한편, 기업 입장에서도 이렇게 쏟아지는 부트캠프 수료생들의 실제 실력을 옥석처럼 가려내기 어려운 상황이 반복되고 있습니다.
2. 해결 방안 (AI 활용)
이 문제를 해결하기 위해, 수료생 본인의 GitHub 링크를 기반으로 AI가 실제 작성한 코드를 분석하고 두 가지 기능을 제공하는 서비스를 개발했습니다. 첫째는 AI 모의면접으로, GitHub 코드를 분석해 해당 프로젝트에서 발생 가능한 기술 면접 질문을 자동으로 생성하고, 지원자의 답변을 AI가 평가하여 부족한 개념에 대한 피드백을 제공하며, 실제 면접처럼 꼬리질문을 이어가며 실전 감각을 훈련시킵니다. 둘째는 AI 코딩테스트 준비로, 지원자의 코드 스타일과 실력 수준을 분석해 맞춤형 코딩테스트 문제를 추천하고, 풀이 과정에서 막히는 부분에 대해 힌트와 개념 설명을 제공하며, 부트캠프에서 다루지 않은 알고리즘과 자료구조 영역까지 보완 학습할 수 있도록 돕습니다.
3. 기대 효과
취업준비생 입장에서는 부트캠프가 놓친 실전 면접과 코딩테스트 준비를 AI로 보완하여 실제 실력을 향상시킬 수 있습니다. 기업 입장에서는 GitHub 기반 실력 검증 데이터를 활용해 옥석을 가리는 시간을 단축할 수 있습니다. 나아가 사회적으로는 국비지원 부트캠프의 형식적 수료가 아닌 실질적인 취업 역량 강화를 통해 청년 실업 문제 완화에 기여할 수 있을 것으로 기대합니다.
4. 어떤 상황에서 AI를 활용했는가
부트캠프 수료 직전, 실제로 겪었던 상황이었습니다. 커리큘럼상 마지막 2주는 오직 포트폴리오 완성에만 집중되어 있었고, 강사님들도 일단 취업 시장에 내보내는 게 우선이라는 입장이라 면접 준비나 코딩테스트 대비는 학생 개인의 몫으로 남겨졌습니다. 문제는 정작 면접장에서 나오는 질문들이 이 코드에서 왜 이 방식을 선택했는지, 시간복잡도를 개선할 수 있는지와 같은 본인 프로젝트에 대한 심층 질문이었는데, 진도 빼기에 급급했던 학생들은 자기 코드조차 제대로 설명하지 못하는 경우가 많았습니다. 이런 상황에서 내가 짠 코드를 AI가 대신 뜯어보고 나올 수 있는 질문을 미리 뽑아준다면 어떨까 하는 생각으로 AI를 활용하기 시작했습니다.
5. 어떤 AI를 활용했는가
코드 분석과 질문 생성, 답변 평가, 코딩테스트 추천까지 전 과정에 claude을 활용했습니다. GitHub API를 통해 지원자의 저장소에 접근해 코드를 불러온 뒤, 이를 LLM에 입력하여 코드 구조와 로직을 파악하고 잠재적인 취약점을 도출했습니다. 이 분석 결과를 바탕으로 프로젝트에 특화된 맞춤형 면접 질문을 자동으로 생성했으며, 지원자가 답변을 입력하면 AI가 답변의 기술적 정합성을 평가하고 피드백을 제공했습니다. 또한 지원자의 코드 스타일과 실력 수준을 진단해 난이도별로 적합한 코딩테스트 문제를 매칭하는 데에도 동일한 AI를 활용했습니다. 실제 활용한 프롬프트는 다음과 같은 구조였습니다. 다음은 지원자의 GitHub 프로젝트 코드입니다. 이 코드를 기반으로 기술 면접에서 나올 수 있는 질문 다섯 개를 난이도별로 생성하고, 각 질문의 의도, 즉 무엇을 검증하려는 질문인지를 함께 설명해달라고 요청하는 방식이었습니다.
6. 활용 결과 — 어떤 변화가 있었는가
AI를 활용하기 전에는 면접에서 이 부분은 왜 이렇게 짜셨느냐는 질문에 제대로 답하지 못했고, 코딩테스트는 백지 상태로 임하는 경우가 많았으며, 학원의 취업 지원은 채용 공고 URL을 전달하는 것이 전부였습니다. AI를 활용한 이후에는 내 코드를 기반으로 나올 수 있는 질문을 사전에 다수 시뮬레이션하고 답변을 미리 준비할 수 있게 되었고, AI가 지적한 코드의 논리적 허점을 실제 면접 전에 미리 보완할 수 있었습니다. 코딩테스트 역시 내 실력 수준에 맞는 문제로 단계적으로 훈련하면서 자신감을 확보할 수 있었습니다.
7. 나만의 방식 또는 개선 포인트
기존에도 챗지피티로 면접 질문을 뽑아달라고 요청하는 사람들은 있었지만, 대부분 일반적인 CS 지식 질문에 그쳤습니다. 이 사례의 차별점은 크게 세 가지입니다. 첫째, GitHub 코드를 직접 입력값으로 사용했다는 점입니다. 일반적으로 자바스크립트 면접 질문을 알려달라고 요청하는 것이 아니라, 본인이 실제로 작성한 코드를 AI가 읽고 그 코드에 특화된 질문을 생성하도록 하여 실제 면접과 거의 동일한 시나리오를 구성했습니다. 둘째, 꼬리질문을 설계했다는 점입니다. 단발성 질문이 아니라 AI가 답변을 받은 후 그럼 이 방식의 단점은 무엇인지와 같이 연속적인 꼬리질문을 이어가도록 프롬프트를 설계하여 실전 압박 면접을 훈련할 수 있도록 했습니다. 셋째, 부트캠프 커리큘럼을 역산하여 활용했다는 점입니다. AI에게 이 학생은 몇 개월 부트캠프 과정을 수료했고 다루지 않은 개념은 자료구조 심화나 시스템 디자인 등이라고 컨텍스트를 제공함으로써, 부트캠프가 놓친 영역만 집중적으로 보완할 수 있도록 설계했습니다. 앞으로 개선하고 싶은 부분도 있습니다. 현재는 텍스트 기반 피드백에 그치고 있는데, 추후 음성 기반 모의면접으로 확장하면 실제 인터뷰와 같은 톤과 압박감을 느낄 수 있어 실전감이 더 올라갈 것으로 보입니다. 또한 여러 사용자의 데이터를 모아 부트캠프별 취업률이나 약점에 대한 데이터베이스를 구축하면, 지원자가 학원을 선택할 때도 참고 자료로 활용할 수 있을 것입니다.
8. 다른 사람도 따라할 수 있는가
이 방식은 특별한 개발 지식이 없는 누구나 따라할 수 있습니다. 먼저 본인의 GitHub 저장소에서 대표 프로젝트 코드를 복사한 뒤, 챗지피티나 클로드 같은 LLM에 이 코드를 기반으로 기술 면접 질문 다섯 개와 각 질문의 의도를 알려주고, 내가 답변하면 그 답변에 대한 꼬리질문도 이어서 해달라고 요청하면 됩니다. 이후 AI가 생성한 질문에 실제로 답변을 작성하고 AI에게 평가를 요청하며, 부족한 개념이 있다면 이 개념을 초등학생도 이해할 수 있게 설명해달라고 추가로 요청하면 됩니다. 코딩테스트 역시 같은 방식으로 내 실력에 맞는 자료구조나 알고리즘 문제를 추천하고 힌트를 단계별로 달라고 요청하면 동일한 효과를 얻을 수 있습니다. 이 방식은 부트캠프 수료생뿐 아니라 비전공자, 취업 재도전자, 국비지원 훈련생 누구에게도 적용 가능하며, 소정의 비용(5달러) 으로 AI 서비스만으로 즉시 실행할 수 있다는 점에서 확장성이 높습니다.
