1. 어떤 상황에서 AI를 활용했나요?
- 품질 업무에서는 도면의 부품 정보를 모아 부품표를 작성하고, 상위 조립체와 하위 부품의 관계, 개정 정보와 누락 여부를 확인해야 합니다. 도면마다 표의 위치와 문자 표현이 달라 반복해서 읽고 정리하는 일이 생겼습니다. 제가 사용하는 업무 기준을 반복해서 적용할 수 있는 도구로 만들고자 ChatGPT와 프로그램 개발을 시작했습니다.

2. 어떤 AI를 어떻게 활용했나요?
- 읽어야 할 항목, 도면 번호와 개정 처리, 부품 관계, 분류 기준과 예외를 ChatGPT에 설명했습니다. AI가 Python 코드와 수정안을 제안하면 저는 기대 결과와 실행 결과를 대조하고, 오류의 입력 조건과 판단 기준을 다시 전달했습니다.
- 원문과 공란은 보존하고, 불확실한 결과에는 사람이 확인할 검토 사유를 남기도록 구현했습니다. AI는 개발 과정에 활용했으며, 프로그램은 구현된 규칙에 따라 DXF 도면을 처리합니다.

3. 활용 결과 어떤 변화가 있었나요?
- 부품 정보 추출부터 계층 정리, 분류와 검토 대상 표시를 하나의 흐름으로 연결했습니다. 결과는 BOM·검토필요·도면목록·미사용도면·누락도면의 다섯 시트로 출력하고, 기준 결과와 새 결과의 행·값·순서를 비교할 수 있도록 했습니다.
- 제출 증빙에는 공개용 가상 DXF 7개를 수정하지 않은 v9.3 원본으로 처리한 결과를 실었습니다. 도면 번호 6개와 RA·RB 개정을 포함한 예제에서 BOM 8행을 생성했습니다. 실행 전에 예제 설계 명세로 기준값을 별도로 정하고, 8행의 13개 항목(공란 포함), 총 104개 값을 대조해 모두 일치함을 확인했습니다. 최신 RB 선택과 상위 조립체가 다른 동일 부품 행의 개별 유지도 확인했습니다.
- 이번 공개 예제의 검증 범위는 OCR을 사용하지 않은 DXF 문자·표선 판독과 해당 BOM 값의 기준 대조입니다.

4. 나만의 방식 또는 개선 포인트는 무엇인가요?
- 개발 초기에는 부품 목록에 들어가면 안 되는 회로도 문자가 부품처럼 추출되는 오류가 있었습니다. 오류 상황과 기대 결과를 ChatGPT에 설명하며, 표선과 셀 구조뿐 아니라 신호명·핀 번호·배선 주석과 부품표 문맥을 함께 살피도록 판단 기준을 구체화했습니다.
- 정상 부품표를 과하게 제외하지 않도록 확인 기준을 두고, 후보를 제외한 이유도 로그에 남기도록 했습니다. 오류 발견과 업무 기준 설명은 제가 맡고, 구현과 수정에는 AI의 도움을 받았습니다. 이 규칙의 구현 근거는 첨부 문서의 코드 발췌로 제시했습니다.

5. 다른 사람도 따라 할 수 있나요?
- 반복해서 읽고 정리하는 항목을 정의하고, 공개 가능한 작은 예제와 기준 결과를 먼저 준비합니다. AI에 한 기능씩 구현하도록 요청한 뒤 직접 실행해 결과를 대조합니다. 오류가 나오면 입력 조건·기대 결과·실제 결과를 나누어 설명하고, 정상 사례와 예외 사례를 함께 확인합니다. 불확실한 결과는 사람이 검토하도록 표시하고, 공유할 때에는 검증 범위와 기준을 함께 적으면 됩니다.