① 어떤 상황에서 AI를 활용했나요?



저는 컴퓨터공학을 전공한 뒤 건설환경공학에서 토목공학을 공부하게 되었습니다. 프로젝트 중심의 공부에 익숙했던 저에게 수식을 전개하고 계산 과정을 필기하는 방식은 낯설었습니다. 응용역학과 토질역학처럼 어려운 과목에 적응하면서 번아웃을 겪기도 했습니다.



삼성노트와 원노트로 기록하고 강의를 녹음했지만, 학기가 지나면 필요한 개념을 어디에서 배웠는지 찾기 어려웠습니다. 교수님이 설명하신 이유와 풀이 과정도 잊혔습니다. 그래서 학부 때 공부한 내용을 나중에 필요할 때 다시 꺼내 배울 수 있도록, 자료와 설명을 함께 남기는 방법을 만들기 시작했습니다.



② 어떤 AI를 어떻게 활용했나요?



직접 만든 CLI 프로그램으로 녹음, 전사, 자료 읽기, 노트 작성과 검토, 저장을 연결했습니다. GPT 기반 음성 전사 API로 강의 녹음을 텍스트로 바꾸고, Codex가 수업자료와 전사를 함께 읽어 설명과 풀이를 정리하도록 했습니다.



저는 과목과 자료를 지정하고, 교수님의 설명과 AI가 보충한 계산을 구분하도록 작성 지침을 설계했습니다. 노트에는 원본 문제와 그림, 설명, 중간 계산을 연결하고 Obsidian에 과목과 날짜별로 저장했습니다. 복습할 때에는 현재 노트를 참고하는 AI에게 모르는 부분을 질문하고, 추가 설명과 그림도 같은 기록에 남기고 있습니다.



③ 활용 결과 어떤 변화가 있었나요?



이제는 수업 날짜나 문제 제목으로 기록을 열어 원본 조건과 당시의 설명, 계산 과정을 함께 읽습니다. 압력용기 문제를 복습할 때에는 절단면과 힘의 방향을 그림으로 확인한 뒤 평형식으로 돌아가 공부했습니다. 이해되지 않는 부분은 노트를 참고하는 AI와 다시 살펴보고, 그 과정까지 저장했습니다.



발표자료를 받지 못한 토목학회에서도 활용했습니다. 녹음으로 다섯 발표의 연구 목적과 분석 절차, 질의응답을 정리해 현장에서 들었던 내용을 다시 공부할 수 있었습니다. 노트에 남은 과제 공지는 Dot을 통해 할 일 카드와 Google 캘린더로도 연결했습니다.



④ 나만의 방식 또는 개선 포인트는 무엇인가요?



공부하면서 겪은 불편을 프로그램에 하나씩 반영했습니다. 초기 Whisper 전사에서 전공 용어와 설명이 제대로 옮겨지지 않아 GPT 기반 전사 API로 전환했고, 교수님의 목소리가 작게 녹음되는 문제를 겪어 녹음 배율을 추가했습니다.



자료와 강의에서 조건이 달라지는 경우에는 두 내용을 대조하고, 생략된 중간 계산도 남기도록 했습니다. 노트를 수정할 때에는 기존 수식과 사진, 그림이 유지되는지 전후 내용을 비교하도록 구성했습니다. 제가 나중에 다시 읽으며 공부할 수 있는 설명 수준과 기록 방식을 직접 정하고 개선해 왔습니다.