1. 어떤 상황에서 AI를 활용했나요?
제조 스케줄링과 최적화 주제의 학생 프로젝트를 혼자 진행하면서 아이디어 정리, 실험 설계, 코드 구현, 결과 비교, 문서화, 제출 준비를 동시에 해야 했습니다. 혼자 진행하다 보니 어디서부터 손대야 할지 막히는 구간이 많았고, 반복 정리 작업에 시간이 많이 들었습니다.

2. 어떤 AI를 어떻게 활용했나요?
Codex와 ChatGPT를 활용해 문제를 구조화하고, Python 프로토타입 흐름을 정리하고, benchmark 비교 실험과 결과 정리 구조를 다듬었습니다. 또한 README, 제안서, 발표 아웃라인, 심사 대응 메모, 공모전별 제출 패킷 초안을 빠르게 정리하는 데 활용했습니다. 다만 실행, 검증, 수치 해석, 최종 판단은 직접 수행했습니다.

3. 활용 결과 어떤 변화가 있었나요?
로컬에서 다시 실행 가능한 Python 프로토타입을 만들었고, baseline과 quantum-inspired 방식을 비교한 CSV/Markdown/SVG 산출물을 자동 생성할 수 있게 됐습니다. 그 결과 단순 아이디어 수준이 아니라 실제 실행 결과와 보고서를 갖춘 제출 구조를 만들 수 있었고, 현재 지원 가능한 여러 공모전에 맞춰 제출용 답안과 체크리스트까지 정리했습니다.

4. 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 답을 대신 내는 방식이 아니라, 사람은 문제 정의와 검증 책임을 맡고 AI는 구조화와 반복 작업을 돕는 방식으로 역할을 분리했습니다. 또 하나의 로컬 프로젝트를 여러 대회 형식에 맞게 다시 포장할 수 있도록 공통 자산과 제출 문장을 분리해 관리한 점이 차별점입니다.

5. 다른 사람도 따라 할 수 있나요?
가능합니다. 학생 개인 프로젝트라도 주제 정의 -> 실행 코드 -> 결과 비교 -> 보고서 정리 -> 제출 패킷 생성 순서로 나누면 비슷하게 적용할 수 있습니다. 중요한 점은 AI가 도와준 부분과 사람이 최종 검증한 부분을 분리해 기록하는 것입니다.