시켜보다

집 사야 할까, 전세로 버틸까? 숫자로 따져본 전세 vs 매매

퇴근러 — Sun, 28 Jun 2026 21:33:27 +0900

"전세를 살까? 아니면 집을 사야 하나?"

전세와 매매 사이에서 고민하는 무주택 직장인을 표현한 갈림길 이미지 (AI 이미지)

저도 아직 무주택이라, 이런 생각을 합니다.

주변에선 "집은 무조건 사야지", "전세는 돈 버리는 거야"라고 쉽게 말하는데... 막상 숫자를 들여다보면 그렇게 단순하지가 않더라고요.

그래서 이번에 여러 내용들을 조사해 보면서 전세와 매매를 '감정'이 아니라 '숫자'로 비교해 봤습니다.

결론부터 말하면.. 정답은 없습니다.

대신 내 상황에 맞게 따져볼 수 있는 기준들이 있어서 정리해 봤는데, 그저 도움이 됐으면 합니다.

"집은 무조건 사야 한다?"

이 말이 틀렸다는 게 아닙니다. 다만 '항상' 유리한 건 아니다라는 거예요.

특히 요즘처럼

금리가 높고
대출 규제가 강하고
집값이 예전처럼 단순하게 우상향하지 않는

상황에서는, 매매와 전세를 비용 · 기회비용 · 유동성까지 포함해서 비교해야 하는거죠. "남들이 사니까"가 기준이 되면 안 되는 거죠.

집을 사면 '진짜로' 드는 돈

집은 사는 순간 끝이 아닙니다. 눈에 잘 안 보이지만 계속 나가는 돈이 있습니다.

대출이자: 원금이 아니라 은행으로 나가는 비용. 초반일수록 이자 비중이 큼.
세금: 보유하는 동안 재산세, 비싼 집일수록 부담이 커짐.
관리비·유지비: 관리비, 수선충당금, 보일러·도배·싱크대 수리... 생각보다 자주, 크게 나감.
보험료: 화재보험 등.
거래 비용: 살 때 취득세·중개수수료, 팔 때 양도세·중개수수료.

이 비용들을 빼놓고 "집값이 올랐다/내렸다"만 보면 계산이 안 맞더라고요. 매매를 고민한다면 이 돈까지 합쳐서 봐야 해요.

전세가 '버리는 돈'만은 아닌 이유

반대로 전세도 그냥 손해는 아니에요. 매달 이자를 내는 구조가 아니라, 목돈을 맡기고 비교적 자유롭게 사는 방식이니까요.

매달 큰 대출 원리금 부담이 없음
유지보수 책임이 상대적으로 적음
이사·이동이 비교적 자유로움
남는 자금을 투자에 쓸 수 있음

매매 시 발생하는 대출이자·세금·유지비·거래비용을 정리한 비용 체크리스트 (AI 이미지)

그러니까 전세는 단순히 "집을 안 사는 것"이 아니라, 주거 안정과 자산 운용을 분리하는 선택이라고 볼 수 있습니다. (물론 전세도 보증금 리스크가 있으니 안전한 매물인지는 따로 확인해야 합니다.)

그래서, 어떻게 숫자로 따지나?

제일 도움이 됐던 방법이 이거입니다.

집값이 '연 임대료의 몇 배'인지 보는 것입니다.

매매가를 연 임대료로 나눈 배수와 매매·임차 유리 구간을 보여주는 계산 예시 (AI 이미지)

매매가 ÷ (월세 × 12)

예를 들어,

매매가 6억 원
월세 150만 원 → 연 1,800만 원

이라면, 6억 ÷ 1,800만 = 약 33. 즉 이 집을 사는 값이 연 임대료의 33배라는 뜻입니다. (어디까지나 참고용입니다.)

15 이하면 → 사는 게(매매) 상대적으로 유리
20 이상이면 → 빌리는 게(전세·월세) 상대적으로 유리

이 기준대로면 33은 '빌리는 게 유리한 편'에 가깝습니다. 서울·수도권 인기 지역은 이 배수가 높게 나오는 경우가 많아서, 무조건 매매가 정답이라고 보기 어려운 이유이기도 합니다.

※ 헷갈리기 쉬운 점: 흔히 말하는 '전세가율'은 이것과 다릅니다. 전세가율은 전세금 ÷ 매매가(%)로, 갭이 얼마나 작은지를 보는 지표입니다. 여기서 쓴 건 집값이 임대료의 몇 배냐를 보는 다른 계산입니다. 둘을 섞어 쓰면 헷갈리니 구분해두면 좋습니다.

전세로 아낀 돈을 굴리는 전략

전세의 큰 장점 하나가 남는 자금을 투자에 쓸 수 있다는 것입니다.

전세로 살며 큰 대출을 피하고
매매와의 차액을 투자하고
매달 나가는 비용을 효율적으로 관리하면

장기적으로는 집 한 채보다 유동성 있는 자산을 만들 수도 있습니다.

예를들어, S&P500 ETF나 국내 우량주 같은 데 굴릴 수도 있지 않을까요??

다만 여기엔 전제가 있습니다. "차액을 진짜로 꾸준히 투자할 수 있느냐?"입니다. 투자엔 손실 위험도 있고, 안 굴리고 그냥 써버리면 이 전략은 의미가 없어지니까요. (그래서 이 부분은 본인 성향을 솔직하게 봐야한다고 생각합니다)

매매 자금과 전세 보증금+투자 차액의 흐름을 비교한 도식 (AI 이미지)

그래도 매매가 나은 경우

전세 쪽 얘기를 많이 한 것 같지만, 매매가 더 합리적인 경우도 분명히 있습니다.

10년 이상 한 지역에 정착할 계획이 확실할 때
위에서 본 '매매가 ÷ 연 임대료' 배수가 낮을 때
대출 부담이 소득 대비 크지 않을 때
원하는 생활 방식·거주 가치가 분명할 때

집은 투자 상품이기 전에 사는(살아가는) 공간입니다.

교육, 출퇴근, 생활 편의, "내 집이라는 안정감" 같은 건 숫자로 안 잡히지만 분명히 중요한 가치라고 생각이 듭니다. 이걸 무시하고 숫자만 보는 것도 답은 아니더라고요.

가장 조심해야 할 것! 무리한 대출

요즘은 규제도 강해서 대출을 원하는 만큼 받기 어려운 경우가 많습니다. 그런데 무리해서 영끌하면 이런 함정이 있습니다.

예를 들어,

대출 6억 원
금리 5.5~6%
월 원리금 약 320만 원대

이 경우 매달 큰돈이 나가는데도, 초반엔 이자 비중이 높아 원금이 잘 안 줄어듭니다. 집값이 충분히 오르지 않으면, 체감상 "월세처럼 계속 비용만 나가는 구조"가 될 수 있습니다.

대출 초기에 이자 비중이 높고 원금 상환이 더딘 구조를 보여주는 그래프 (AI 이미지)

그래서 대출을 많이 받는 게 곧 좋은 선택은 아닙니다. 내 소득·지출에 맞는 적정 수준이 훨씬 중요하다고 생각이 듭니다.

전세든 매매든, 결국 '저축·지출 관리'

여기서 좀 현실적인 얘기를 하면요. 전세를 택한다고 돈을 안 모아도 되는 게 아닙니다. 오히려 전세로 살면서 미래를 위한 저축·투자를 꾸준히 해야 합니다.

저축 비율을 일정하게 유지하기
미래 투자 자금을 따로 떼어두기
줄일 수 있는 소비부터 압축하기

집을 사든 안 사든, 결국 현재 지출을 관리하는 힘이 자산을 만듭니다. 이건 양쪽 모두에게 똑같이 적용되는 것 같아요.

정리하면

	전세	매매
장점	큰 대출 부담 적음 · 이동 유연 · 차액 투자 가능 · 유지보수 스트레스 적음	장기 거주 안정 · 공간을 원하는 대로 · 심리적 만족감
기억할 점	결국 저축·투자 병행 필요 · 보증금 리스크 확인	이자·세금·유지비·거래비용이 계속 듦

저도 아직 답을 못 정했습니다. 다만 이번에 따져보면서 제 나름의 체크리스트는 생겼습니다.

저는 이 네 가지로 저울질해 보려고 합니다.

이 동네에서 10년 이상 살 확신이 있나? (없으면 매매의 거래비용이 아까워져요)
매매가 ÷ 연 임대료 배수가 낮은 편인가? (높으면 빌리는 게 유리한 신호)
대출 원리금이 내 소득에서 감당 가능한 비중인가? (무리하면 영끌 함정)
차액을 진짜 꾸준히 투자할 자신이 있나? (없으면 전세+투자 전략은 빛 좋은 개살구)

이 네 개에 "예"가 많으면 매매 쪽으로, "글쎄"가 많으면 전세를 유지하며 자산을 키우는 쪽으로... 저는 그렇게 보고 있습니다.

여러분은 이 기준 중에 어디에 걸리시나요?

이 글은 이리저리 찾아보며 정리한 공부 기록이며, 투자·부동산 조언이 아닙니다. 최종 판단은 각자의 상황에 맞게 하세요.

AI가 매긴 점수를 제가 못 믿겠더라고요. 그래서 다시 손봤습니다.

퇴근러 — Tue, 23 Jun 2026 19:16:41 +0900

지난 글에서 글씨앗에 문지기를 하나 세웠다고 말씀드렸습니다.

초안을 쓰기 전에 "이 주제, 애초에 쓸 가치가 있나?"를 먼저 따져서 GO/HOLD/STOP을 말해주는 단계였죠.

수요, 추세, 수익성, 경쟁우위, 경험적합.

이렇게 다섯 항목으로 점수를 매기고, 종합해서 통과 여부를 정하는 구조였습니다.

만들고 나서 쓰다보니 이번엔 좀 다른 불편함이 생겼습니다.

그런데 이 점수... 내가 믿어도 되는 점수가 맞을까??

점수는 나오는데, 그 점수를 못 믿겠던 이유

두 가지가 마음에 걸렸습니다.

점수의 절반이 사실은 AI의 '느낌'이었습니다.
같은 주제인데 돌릴 때마다 점수가 달라졌습니다.

수요나 추세는 그래도 뉴스 건수, 검색 관심도 같은 실제 데이터에서 나왔는데, 수익성이나 경쟁 점수는 AI가 그냥 "음... 이정도면 80점?" 하고 매긴 결과였습니다. 근거라기 보다는... 분위기 였던거죠.

같은 주제를 두고 여러 번 돌릴 때, 방금 72점이던 주제가, 다음엔 65점이 되는 등 돌릴 때마다 답이 바뀌는 문지기라면, 사실 동전 던지기랑 크게 다른게 없다라고 생각이 들었습니다.

그래서 이번엔 새 기능을 붙이기 보다, 결과 자체를 더 객관적이고, 더 믿을 수 있게 만드는 데에만 집중했습니다.

신뢰도와 실측 검색량이 표시된 글씨앗 트렌드 분석 리포트

크게 세 가지를 손봤습니다.

1. 'AI의 추측'을 '진짜 데이터'로 바꿔봤습니다

가장 먼저, AI가 느낌으로 매기던 점수들을 실제 숫자로 끌어내렸습니다.

수요는 네이버 검색광고 데이터에서 그 키워드의 월간 실제 검색량을 가져왔습니다. "한 달에 몇 번이나 검색되는가"라는, 더 이상 추측이 아닌 진짜 수요입니다.
경쟁은 네이버 검색에서 그 키워드로 이미 올라온 블로그 글이 몇 개나 있는지를 셌습니다. 글이 많을수록 레드오션이라는, 객관적인 신호죠.

그리고 이 둘을 묶어서 하나의 지표를 만들었습니다.

바로 검색량 ÷ 문서수, 제가 '골든비율'이라고 부르는 값입니다.

찾는 사람은 많은데(검색량↑) 아직 쓴 사람은 적은(문서수↓) 주제. 블로그 하는 사람들이 흔히 말하는 그 '황금 키워드' 를 숫자 하나로 잡아내려는 것입니다.

이제 경쟁우위 점수는 AI의 "빡셀 것 같아요"가 아니라, 계산된 비율에서 나옵니다.

월간 검색량과 블로그 문서수, 골든비율을 보여주는 실측 데이터 화면

2. 흔들리던 점수를 '흔들리지 않게' 만들었습니다

물론 모든 걸 데이터로 바꿀 순 없었습니다.

수익성이나 경험적합처럼, 결국 판단이 필요한 항목은 여전히 AI의 몫이었습니다. 대신 그 판단이 매번 비슷하게 나오도록 세 가지 장치를 걸었습니다.

채점 기준표를 줬습니다.
- "80점은 이런 경우, 50점은 이런 경우" 하고 기준을 미리 정해서 프롬프트에 박아뒀습니다. 기준이 없으니 그때그때 흔들렸던 거라, 기준을 주니 비슷한 값으로 모였습니다.
근거를 적게 했습니다.
- 점수를 줄 때 "어떤 신호를 보고 이 점수를 줬는지" 한 줄을 같이 쓰게 했습니다. 그러면 느낌만으로 후하게 주는 일이 줄어듭니다.
여러 번 물어보고 가운데 값을 썼습니다.
- 한 번만 묻지 않고 세 번 물어서, 튀는 답 하나에 휘둘리지 않게 중앙값을 택했습니다. (사람도 한 명보다 여러 명한테 물어보는 게 안전하다고 생각했습니다.)

여기에 채점할 때만 AI의 '창의성 온도'를 낮춰뒀습니다. 글을 쓸 땐 자유분방한 게 좋지만, 점수를 매길 땐 차분한 게 나았습니다.

5개 축으로 나뉜 트렌드 점수 막대 그래프

3. 모르면 '모른다'라고 말하게 했습니다.

마지막이 제일 마음에 들었습니다.

예전 문지기는 데이터가 뉴스 한 줄밖에 없어도 똑같이 단호하게 "GO!"를 외쳤습니다. 근거가 빈약한데 자신감만 넘쳤던 거죠. 그게 제일 위험합니다.

그래서 이번엔 신뢰도를 같이 보여주도록 했습니다. 두 가지를 봤습니다.

실측 데이터가 몇 개나 잡혔는가 (검색량·문서수·검색 관심도)
여러 번 물었을 때 답이 일치했는가 (아까 그 투표가 얼마나 갈렸는지)

데이터도 빈약하고 답도 들쭉날쭉하면 신뢰도 '낮음' 이 뜹니다. 그리고 이때는, 점수가 높게 나와도 단호한 GO를 막고 '보류(HOLD)'로 내립니다. "이 주제는 확신이 안 서니, 사람이 한 번 더 보세요"라고 정직하게 말하는 것입니다.

솔직한 후기

이번에도 몇 가지 한계는 있었습니다.

수익성·경험적합은 아직 AI 판단입니다.
- 기준표와 투표로 안정시켰을 뿐, 실측은 아닙니다. 그래서 리포트에 '추정'이라고 그대로 표시합니다.
실측은 키가 있어야 켜집니다.
- 검색광고 API 키가 없으면 예전처럼 뉴스·데이터랩만으로 돌아가고, 그만큼 신뢰도가 낮게 잡힙니다. (대신 키가 없어도 멈추지는 않습니다.)
골든비율의 기준선은 제가 정한 값입니다.
- 절대적인 정답이 아니라, 계속 굴려보며 조정해야 할 숫자입니다.
마지막 판단은 여전히 사람입니다.
- 신뢰도가 '보통'쯤으로 애매하게 나오는 주제는, 결국 제가 보고 정해야 합니다.

그래도 확실히 달라진 게 하나 있습니다.

예전엔 점수만 덜렁 나와서 얼마나 믿어야 할지 제가 알 수 없었는데, 이제는 문지기가 "이만큼 믿으셔도 됩니다" 까지 같이 말해줍니다.

점수를 신뢰하게 됐다기보다, 점수를 언제 신뢰하면 안 되는지를 알게 된 것입니다.

전체 분석 내용

AI한테 "이 주제, 돈이 되긴 해?"부터 묻기로 했습니다 (P1)

지난 글에서 글씨앗이라는 걸 만들기 시작했다고 말했습니다. 주제를 넣으면 자료를 모으고, 분석하고, 후기 톤 초안까지 만들어주는 자동화 도구인데, 여기에 [내 경험: ___ ] 빈칸을 남겨서, 그

noahyun1222.tistory.com

AI한테 "이 주제, 돈이 되긴 해?"부터 묻기로 했습니다 (P1)

퇴근러 — Fri, 19 Jun 2026 15:08:14 +0900

지난 글에서 글씨앗이라는 걸 만들기 시작했다고 말했습니다.

주제를 넣으면 자료를 모으고, 분석하고, 후기 톤 초안까지 만들어주는 자동화 도구인데, 여기에 [내 경험: ___ ] 빈칸을 남겨서, 그 자리를 직접 채우는 구조의 프로그램입니다.

하지만 몇 번 사용하다보니 허전한 느낌이 강했습니다.

분명 잘 돌아가기는 하는데, 뭔가 중요한 걸 건너뛴 느낌이 자꾸 들었습니다.

고민을 좀 해보니 답이 나왔습니다.

"그 주제, 애초에 쓸 가치가 있는 주제인지는 아무도 안 물어봤네?"

[새로 업데이트한 글씨앗 - 트렌드 분석기 결과 화면]

새로 개선한 글씨앗 결과 화면 : AI 트렌드 분석기

초안은 잘 나오는데, 그게 함정이었다.

글씨앗은 제가 아무 주제나 넣어도 그럴듯한 초안을 만들어줬습니다.

"무선 이어폰 추천"을 넣든, 갑자기 떠오른 이상한 주제를 넣든, 똑같이 멀끔한 초안이 나왔습니다.

제가 이 프로그램을 만든 이유는 그냥 글 연습을 하려는게 아니라, 블로그랑 제휴로 조금이라도 수익을 내보자라는 취지였습니다.

그렇게 놓고 보니 질문이 완전히 달라졌습니다.

이 주제, 사람들이 지금 찾기는 하는걸까?
이 주제, 돈이 될 구석이 있을까?
이 주제, 내가 비집고 들어갈 틈이 있을까?

여기서 제일 큰 실수였던점은,

이 프로그램을 사용하는데 있어서 가장 중요한 무기인 '나의 1차 경험'인데, 이 비싼 경험을, 아무도 안 찾고 돈도 안 되는 주제에 쏟고 있었다는 점입니다.

낭비를 하고 있었습니다. "어떻게 잘 쓰지?"를 풀기 전에 "뭘 쓸 가치가 있지?"를 먼저 풀어야 했습니다.

초안 작성 전 '문지기'를 세우다.

흐름을 아래와 같이 바꿨습니다.

(이전) 주제 → [수집 → 분석 → 초안] : 아무 주제나 다 초안으로 만듬
(지금) 주제 → [트렌트·수익성 분석 → GO?] → [수집 → 분석 → 초안]
→ STOP?] → [초안을 작성하지 않음]

초안을 작성하는 프로그램 앞단에 "이 주제가 쓸만한가?"를 먼저 따져보는 문지기를 하나 세웠습니다.

통과(GO)한 주제만 초안 단계로 넘기고, 별로면(STOP) 거기에서 멈추는 것입니다.

글씨앗 트렌드·수익성 분석 리포트 화면 (GO/HOLD/STOP 판정)

두루뭉술한 대답은 피한다.

그냥 "이 주제 요즘 핫해요!" 같은 말은 의사결정에 아무 도움이 되지 않는다고 생각합니다.

그래서 주제를 5개 항목으로 쪼개서 각각 점수를 매기도록 설정했습니다.

수요 : 지금 사람들이 찾는가? (뉴스에 얼마나 나오나 + 검색 관심도)
추세 : 오르는 중인가? 내려오는가?
수익성 : 살 마음이 있는 주제인가? 붙일 제휴가 있을가?
경쟁우위 : 신생 블로그가 비집고 들어갈 틈이 있을까?
경험적합 : 나의 진짜 경험을 얹을 수 있는 주제일까?

그리고 이 다섯 개의 지표를 합쳐서 종합점수와 GO / HOLD / STOP 판정을 내리도록 했습니다.

"왜 이런 판정이 났는지" 근거와 "그럼 어떤 각도로 써야 먹힐지" 공략 포인트까지 작성되도록 했습니다.

여기서 가장 신경 쓴 부분이 하나 있습니다.

숫자는 AI에게 맡기지 않는다.

이 부분이 중요한데, AI한테 "이 키워드 검색량 얼마야?"라고 물으면, AI는 모르면서도 그럴듯한 숫자를 지어냅니다.

이게 제일 위험하고, 가짜 데이터로 GO/STOP을 정하면 아무 의미가 없다고 생각했습니다.

그래서 셀 수 있는 건 코드가 실제 데이터에서 직접 세게 했습니다.

뉴스가 며칠 사이 몇 건이나 나왔는지?
검색 관심도가 오르는지 내리는지?

AI는 그저 데이터를 '해석'하는 일만 시켰습니다. "이 정도 신호면 구매의도가 있어 보인다, 경쟁은 힘들 것 같다" 같은 판단입니다.

5개 축(수요·추세·수익성·경쟁우위·경험적합) 점수 막대 그래프

데이터는 어디서 가져왔나?

처음에는 거창하게 해보려다가, 또 욕심을 부리면 안 되겠다 싶어서 접근하기 쉬운 API를 사용했습니다.

뉴스 buzz: 구글 뉴스에서 그 주제가 최근에 얼마나, 얼마나 자주 언급되는지.
네이버 데이터랩: 그 키워드의 검색 관심도가 시간에 따라 어떻게 변하는지.

솔직한 후기

수익성·경쟁 점수는 AI '추정치' 입니다.
- 실제 검색 순위 경쟁을 재는건 아직 아닙니다. 그래서 리포트에도 '이건 추정입니다'라고 대놓고 적었습니다. (나중에 진짜 키워드 도구를 붙여볼 생각입니다.)
경험적합은 사실 AI가 모른다.
- 제가 그 주제를 진짜 써봤는지는 저만 아는 부분입니다. 그래서 이 점수만큼은 결국 제가 한 번 더 봐야합니다. (이 부분도 추후 직접 조절하게 만들어 볼 생각입니다)
점수는 참고용이다.
- 애매한 점수는 결국 사람이 판단해야합니다.

그래도 이 문지기의 진짜 가치는 "정확한 예언"이 아니라, "딱 봐도 꽝인 주제에 시간을 낭비하지 않게 걸러주는 것" 입니다. 느슨한 필터라도 없는 것보단 훨씬 나았습니다.

GPT 양산글은 죽는다. 내 경험을 '증폭'하는 AI 블로그 시스템 구축기 (P0)

그동안 지기소개서 첨삭, 뉴스 브리핑, 모의면접 같은 작은 도구들을 만들어 올리다니 보니 문득 이런 생각이 들었습니다. "블로그에 쓸 도구를 하나씩 만들 게 아니라, 블로그 쓰는 일 자체를

noahyun1222.tistory.com

GPT 양산글은 죽는다. 내 경험을 '증폭'하는 AI 블로그 시스템 구축기 (P0)

퇴근러 — Tue, 16 Jun 2026 18:57:56 +0900

그동안 지기소개서 첨삭, 뉴스 브리핑, 모의면접 같은 작은 도구들을 만들어 올리다니 보니 문득 이런 생각이 들었습니다.

"블로그에 쓸 도구를 하나씩 만들 게 아니라, 블로그 쓰는 일 자체를 시스템으로 만들어보면 어떨까?

주제를 정하고, 자료를 모으고, 초안을 쓰고, 내 경험을 얹어서 다듬고, 발행하고 ...

매번 이 과정을 반복했습니다.

이 모든 과정을 AI에게 싹 다 맡기자는게 아니라, 귀찮은 부분만 AI가 하고 진짜 중요한 판단은 내가 하게 묶어보고 싶었습니다.

그래서 만들어 보기로 한게 이번 프로젝트 '글씨앗'이라는 작은 프로그램입니다.

이름 그대로, 'AI가 초안의 씨앗을 심으면 내가 경험으로 키운다' 는 느낌입니다.

이번 글은 그 첫 단계, Phase 0에 대한 내용입니다.

"그냥 GPT한테 글 써달라고 하면 되잖아?"

물론 됩니다. 근데 그렇게 뽑은 글은 정말 잘 쓴거 같은데 뭔가.. 와닿지가 않았습니다.

요즘 네이버도 구글도 "사람 손을 타지 않은 AI 양산글"을 꽤나 매섭게 필터링 하는 것 같습니다. 게다가 그렇게 나온 글은 말투가 비슷해서, 읽다 보면 뭔가 티가나는? 그런 느낌이라 정이 잘 가지 않았습니다.

그래서 처음부터 마음을 이렇게 먹었습니다.

자동화는 '양산'이 아니라 '증폭'이다. → 모으고 정리하고 초안을 잡는 건 AI가 도와주고, 경험을 넣고 검수하고 발행을 하는건 내가!
속이려 들지 말자. → 내가 진짜 써본 경험과 솔직한 단점을 적자.
작게 시작하자. → 욕심내서 '자동 발행'부터 만들면 저품질이든 약관이든 사고부터 터질 수도...

그래서 이번 Phase 0는 주제를 넣으면 '자료 수집 → 분석 → 초안' 까지 만들어주는 것까지만 만들어보고자 합니다.

그래서 뭘 만들었나?

크게 세 덩어리를 만들어봤습니다.

내부(백엔드): 주제를 받으면 → 관련 뉴스 모으고 → 사람들이 뭘 궁금해하는지 뽑아 개요 잡고 → 후기 톤으로 초안 작성
외부(프론트엔드): 웹에서도 폰에서도 쓸 수 있게 입력 화면

글씨앗 Phase 0 전체 구조

흐름을 나타내면 아래와 같습니다.

[주제 입력]
→ 수집 : 관련 최신 뉴스 헤드라인 모으기
→ 분석 : 독자가 궁금해할 점 + 글 개요 뽑기
→ 작성 : 후기 톤 초안 + 내 경험
[초안 완성]

여기서 가장 신경쓴 부분은 작성 단계입니다.

초안에 일부러 내 경험을 적을 수 있는 빈칸을 남기게 했습니다.

경험 빈칸과 대가성 고지문이 포함된 초안을 편집하는 화면

그래서 내 경험을 바탕으로 AI가 안 해본 경험을 그럴듯하게 지어내지 못하게 막고, 그 자리는 나중에 직접 채우게 했습니다.

사실 그냥 파이썬 스크립트 하나로 후딱 만들 수도 있었습니다. 그런데 이건 앞으로 계속 키울 시스템이라서 좀 귀찮아도 처음부터 구조를 잡고 갔습니다.

직접 확인을 해보기 위해서 "무선 이어폰 추천"이라고 넣어봤습니다.

그랬더니 최신 뉴스를 쓱 모으고 → 사람들이 궁금해할 포인트랑 개요를 잡고 → 후기 톤 초안을 뚝딱 만들어줬습니다. 군데군데 [내 경험: ___] 빈칸이랑, 위아래에 대가성 문구까지 딱 박혀서 출력되는 걸 확인했습니다.

여기에 내 경험을 넣고 다시 반영해서 내용을 작성하니 확실히 내 경험이 글에 녹아들어서 내 글이 된 걸 확인할 수 있었습니다.

솔직한 생각과 한계

아직은 그냥 "이 구조가 쓸 만한가" 보는 단계라 뭘 할 수 있지는 않았습니다. 또, 자료 수집이 아직 뉴스 하나라 좀 얕았습니다. 이 부분은 계속 넓혀나가면 될 것 같습니다.

결국 글의 퀄리티는 '내가 채우는 진짜 경험'에서 나오는 것 같습니다. AI는 그저 틀을 빨리 잡아줄 뿐입니다.

다음에는 사람이 중간에 개입할 수 있는 단계를 붙여볼 생각입니다.

AI가 초안을 쓰다가 잠깐 멈춰서 "이건 어떤지? 경험을 채워주세요"하고 요청을 보내고 사람의 작성을 기다리는 구조로 만들고자 합니다. 개인적으로는 여기부터가 재밌어질 것 같습니다.

"AI로 글을 많이 뽑는 것" 말고, "내 경험을 AI가 빠르게 정돈해주고, 그걸 시스템으로 만드는 것". 저는 이게 오래 갈 수 있는 블로그 자동화라고 생각합니다.

[AI 모의면접 코치] AI 면접관에게 STAR로 콕 집어 피드백하게 만들었더니?

퇴근러 — Sun, 14 Jun 2026 12:49:57 +0900

지난 버전에서 채용공고와 자기소개서를 넣어 맞춤 질문을 받았습니다.

질문은 날카로워졌는데, 정작 피드백이 생각보다 두루뭉술했습니다.

"좋은 답변이네요, 다만 더 구체적으로 ..." → 그래서 어쩌라는거지..?

면접 연습의 진짜 목적은 "내 답변을 어떻게 고칠지" 인데, 막연한 칭찬은 도움이 되지 않았습니다.

그래서 음성기능을 붙이기 전에, 피드백을 더 똑똑하게, 그리고 쓰기 편하게 갈아엎었습니다.

피드백을 'STAR 체크리스트'로

좋은 면접 답변은 보통 상황, 과제, 행동, 결과를 나타내는 STAR로 이루어집니다.

그래서 단순히 AI한테 "좋다/아쉽다" 대신, STAR 항목별로 채웠는지 체크하도록 지시했습니다.

피드백 (STAR) - 예시 결과

상황/과제: 배경은 분명함
행동(본인이 한 일): "팀이 했다"만 있고 본인의 역할은 빠짐
결과(수치): 숫자가 없음
개선 힌트: "내가 직접 한 일 + 결과를 숫자로" 한 문장 추가

위와 같이 결과를 받게 된다면 내가 뭘 고쳐야 하는지 분명해질것이고, 막연함은 사라질 것입니다.

상황·행동·결과를 체크리스트로 짚어준 STAR 피드백 화면

질문이 '왜' 나왔는지 보여주기

질문마다 "이 질문이 뭘 보는지"를 같이 보여주었습니다.

AI 모의면접 에이전트가 질문을 할 때, 뭘 보는지 같이 보여주는 화면

내가 받는 질문이 어떤 역량을 겨냥하는지 보이니, 면접의 의도를 읽는 연습도 되었습니다.

사용성 개선

추가적으로 AI와 모의면접을 진행하기 전, 사용할 수 있는 사용성을 개선했습니다.

(첨부된 이미지의 내용은 임의로 작성된 내용입니다.)

직무, 채용공고, 자소서 입력을 본문에 적는게 아닌 사이드바로 옮겼습니다. 본문은 대화에 집중.

면접 유형

- '인성/직무/혼합'으로 구분지어 유형은 선택할 수 있게 활용

난이도

- '편하게/표준/압박'으로 구분지어 원하는 난이도의 모의 면접을 진행하도록 함

그외에, 이전버전 처럼 채용공고(JD)와 자기소개서/경험, 질문수를 작성 및 조절 할 수 있게 정리

리포트를 '점수판'으로, 그리고 모범답안 생성

항목별 점수판과 모범답안 예시가 담긴 면접 리포트

마지막으로 결과 리포트도 텍스트 덩어리 대신, 항목별 점수를 점수판으로 보여주고, 핵심 답변은 "이렇게 답했으면" 모범답안 예시를 붙였습니다.

<실제 AI가 작성한 면접 결과 리포트>

JD 역량별 — 잘 보여준 것 / 부족한 것

1) 대용량 트래픽 API 개발/운영 역량

잘 보여준 것: “사용자가 몰리면 느려졌다”, “아이디 조회에서 병목이 발생했다”는 점에서 트래픽 상황에서의 문제 인식은 보입니다.
부족한 것: 어떤 서비스의 어떤 API인지, 실제로 얼마나 몰렸는지, 운영 중 어떤 문제가 발생했는지 전혀 없습니다.

2) 응답 속도·성능 개선 역량

잘 보여준 것: 성능 문제를 개선한 경험 자체는 언급했습니다.
부족한 것: 병목을 찾는 과정, 개선 방법, 개선 전후 수치가 답변 흐름상 충분히 연결되지 않았습니다. 마지막에 “아이디 조회에서 병목”만 던져져서 원인 설명이 멈춘 상태입니다.

3) 자료구조/알고리즘 기본기

잘 보여준 것: 거의 드러나지 않았습니다.
부족한 것: 시간복잡도, 자료구조 선택, 조회 방식 최적화 같은 관점이 보이지 않습니다.

4) DB 기본기 및 성능/쿼리 이해

잘 보여준 것: 느린 쿼리, 불필요한 DB 조회, 실행 로그 확인 등 DB 성능 이슈를 다뤘다는 흔적은 있습니다.
부족한 것: 실행 로그 외에 어떤 분석을 했는지, 인덱스/조인/N+1/실행계획 등 DB 관점의 근거가 없습니다.

5) 원인 추적과 주도적 개선 태도

잘 보여준 것: 스스로 병목을 찾으려 했다는 방향은 있습니다.
부족한 것: “어떻게 찾았는지”가 너무 추상적이고, 본인이 주도해서 끝까지 파고들었다는 설득력이 약합니다.

자소서 vs 면접 일관성 (자소서 주장이 답변으로 뒷받침됐나)

자소서에서 주장한 핵심인 주문 API 응답 속도 개선, 병목 원인 파악, 본인 기여, 전후 수치가 면접 답변에서 충분히 뒷받침되지 않았습니다.
오히려 답변은 “느렸다 → 로그 봤다 → 아이디 조회 병목” 수준이라, 자소서의 성과를 면접에서 검증하기엔 정보가 부족합니다.
특히 면접관이 계속 묻는 포인트인
1. 어떤 지표가 느렸는지
2. 무엇이 병목이었는지
3. 본인이 무엇을 바꿨는지
4. 수치가 어떻게 좋아졌는지
  가 답변에 거의 채워지지 않았습니다.
따라서 자소서 주장과 면접 답변 사이의 연결고리가 약한 편입니다.

답변별 모범답안 예시 (핵심 2개) — 내가 말한 사실만 STAR로 재구성, 없는 경험 지어내기 금지

예시 1: 성능 문제와 병목을 설명하는 답변

S/T: “주문 API에서 사용자가 몰릴 때 응답이 느려지는 문제가 있었고, 특히 특정 조회 구간에서 체감이 컸습니다.”
A: “우선 실행 로그를 확인해서 어떤 요청이 오래 걸리는지 봤고, 그중 아이디 조회 구간이 병목이라는 걸 확인했습니다. 이후 불필요한 DB 조회를 줄이도록 수정했습니다.”
R: “그 결과 응답 시간이 3초에서 0.8초로 줄었습니다.”

예시 2: 본인 역할을 좀 더 드러내는 답변

S/T: “팀 프로젝트에서 주문 API의 응답 속도가 느려서 사용자 경험에 문제가 있었습니다.”
A: “제가 실행 로그를 보고 느린 구간을 먼저 찾았고, 아이디 조회 단계에서 병목이 발생하는 걸 확인했습니다. 그 지점을 기준으로 불필요한 DB 조회를 줄이는 방향으로 개선했습니다.”
R: “개선 후에는 응답 시간이 3초에서 0.8초로 개선됐습니다.”

개선할 점 (2가지) / 한 줄 팁

1) “무엇이 느렸는지”를 지표로 말하기

평균 응답시간, p95, DB 쿼리 시간, 에러율 중 최소 1~2개는 구체적으로 말할 수 있어야 합니다.
지금은 “느렸다”는 체감만 있고, 면접관이 검증할 숫자가 없습니다.

2) “어떻게 찾았고 무엇을 바꿨는지”를 한 단계씩 말하기

실행 로그를 봤다면, 그 로그에서 무엇을 보고 병목을 판단했는지까지 이어져야 합니다.
그리고 “아이디 조회 병목” 이후에 무슨 수정을 했는지가 반드시 나와야 합니다.

한 줄 팁:
“문제 현상 → 측정 지표 → 병목 분석 방법 → 내가 한 수정 → 전후 수치” 순서로 30초 안에 말할 수 있게 정리하세요.

어떻게 만들었나?

구조는 지난 버전과 같습니다.

바뀐 건 AI가 내놓은 출력의 '형식'을 더 깐깐하게 정한 것입니다.

피드백은 반드시 'STAR + 개선 힌트' 형식으로
질문 앞엔 검증 포인트 한 줄
리포트 첫 줄엔 점수를 기계가 읽을 수 있는 형식으로 → 화면에는 점수판으로 렌더링

모의 면접 진행과정과 완료 후 화면 일부

솔직한 후기

좋았던 점은 "뭘 고칠지"가 명확해졌다는 점입니다. STAR 체크 + 모범답안이 실제로 답변을 다듬게 했습니다.

(포스트에 첨부된 이미지에서 사용한 임의의 내용과 답변은 잘 동작하는지 여부를 위해 임의로 작성했습니다.)

앞서 말한대로 모범답안을 작성하도록 코드를 개선했지만, 이는 어디까지나 '내가 말한 사실' 안에서의 답변입니다.

지금 순간의 내용으로만 답변을 하니 아쉬운점은 보였습니다.

다른 합격 자기소개서 내용이나 나의 다른 경험들을 저장하는 공간을 만들고 AI가 모범답안을 작성할 때, 이를 활용하게 한다면 더 좋은 피드백이 되지 않을까 생각이 들었습니다.

음성으로 가기 전에, 있는 기능을 더 쓸 만하게 다듬는데 집중하는게 좋다고 생각했습니다.

다음엔 답변 다시하기(재시도), 그리고 연습 기록이 쌓여 "내가 자주 막히는 지점"을 짚어주는 버전으로 키워보면 어떨가 생가합니다.

채용공고와 자기소개서를 AI 면접관에게 줬더니?

지난 글에서 AI 면접관에게 압박 면접을 받아봤습니다. 꼬리질문은 좋았는데 한 가지 아쉬운 점이 있었습니다. 질문이 너무 일반적이었습니다. 누구에게나 일반적으로 들어올 수 있는 질문들.

noahyun1222.tistory.com

채용공고와 자기소개서를 AI 면접관에게 줬더니?

퇴근러 — Sat, 13 Jun 2026 09:00:13 +0900

지난 글에서 AI 면접관에게 압박 면접을 받아봤습니다.

꼬리질문은 좋았는데 한 가지 아쉬운 점이 있었습니다.

질문이 너무 일반적이었습니다.

누구에게나 일반적으로 들어올 수 있는 질문들. 정작 지원하는 그 회사, 그 직무, 그리고 내 자기소개서에 적은 내용과는 따로 놀았습니다.

실제 면접관은 자기소개서를 보면서 "여기 이 경험, 구체적으로..."와 같은 질문을 하는데 말입니다.

그래서 이번에는 면접관에게 채용공고와 자기소개서를 먼저 쥐여주기로 했습니다.

질문하기 전 '채용공고 x 자기소개서'를 먼저 분석

실제 면접관은 즉흥적으로 물어보지 않습니다. 채용공고에서 원하는 역량을 보고, 지원자의 자기소개서에서 검증할 부분을 미리 체크해둡니다. 이 과정을 AI에게 시켰습니다.

지원 직무, 회사, 채용공고, 자기소개서 입력 (임의로 작성)

면접 시작 전, AI가 채용공고와 자기소개서를 읽고, '설계 메모'를 만듭니다.
- 이 공고가 원하는 핵심 역량 3~5개
- 자기소개서에서 더 캐물어야 할 포인트(모호하거나 과장된 부분)
- 채용공고에서 원하는 역량과 자기소개서 경험을 교차한 질문 영역
이후 모든 질문과 꼬리질문, 평가가 이 메모를 기준으로 만들어집니다.

채용공고와 자소서를 분석해 만든 면접 설계 메모 화면

<실제 AI가 작성한 면접 설계 메모>

이 공고가 원하는 핵심 역량 (3~5개)

대용량 트래픽을 안정적으로 처리하는 API 설계·운영 역량
응답 속도/성능을 개선하는 문제 해결 역량
자료구조/알고리즘, 데이터베이스 기본기
원인을 끝까지 파고드는 집요함과 분석 태도
주도적으로 개선점을 찾고 실행하는 자세

자소서에서 더 캐물어야 할 포인트 (모호/과장/검증 필요)

“응답 속도를 개선”
- 어떤 지표가 얼마나 개선됐는지
- 본인 기여가 정확히 무엇인지
- 병목 원인을 어떻게 찾았는지
“주문 API 백엔드를 맡음”
- 맡은 범위가 설계/구현/운영 중 어디까지였는지
- 팀 내 역할 분담과 본인 책임 범위
“구글시트 자동화로 시간 절감”
- 어떤 작업을 어떤 방식으로 자동화했는지
- 실제로 얼마나 시간/오류를 줄였는지
- 수작업 대비 개선 효과를 어떻게 확인했는지
“새로운 기술을 빠르게 배움”
- 어떤 기술을 얼마나 빠르게 익혔는지
- 학습 후 실제 문제 해결이나 성과로 연결됐는지
“주도적으로 개선”
- 누가 시키지 않았는데 발견한 문제였는지
- 개선안을 어떻게 제안·실행했는지

1) 항목별 점수 (각 5점 만점)

논리성: 1.5 / 5

문제 발견 → 원인 분석 → 개선 → 결과 확인의 흐름이 거의 드러나지 않았습니다.
“느려졌다”, “불필요한 DB 조회를 줄였다”는 결과는 있지만, 왜 그런 결론에 도달했는지 논리적 연결이 부족합니다.

구체성: 1 / 5

응답시간 수치가 처음엔 없었고, 이후 3초 → 0.8초라는 수치가 나왔지만,
- 어떤 요청에서
- 어떤 테이블에서
- 어떤 쿼리가
- 왜 중복 실행됐는지 가 빠져 있습니다.
본인이 실제로 무엇을 했는지 검증 가능한 수준의 디테일이 부족합니다.

직무적합성(JD 부합도): 2 / 5

“응답 속도 개선”, “DB 조회 최적화”는 JD와 맞는 주제입니다.
하지만 대용량 트래픽, 병목 진단, 안정적 API 운영 관점이 거의 드러나지 않아 직무 적합성을 충분히 보여주진 못했습니다.

전달력: 2 / 5

짧게 답하는 태도는 나쁘지 않지만, 면접에서는 너무 압축되어 핵심이 빠졌습니다.
질문 의도에 맞춰 수치/원인/검증 순서로 말하는 구조가 필요합니다.

2) JD 핵심 역량별 — 잘 보여준 것 / 부족한 것

1. 대용량 트래픽을 안정적으로 처리하는 API 설계·운영 역량

잘 보여준 것

사용자가 몰리면 느려졌다는 문제 인식은 있음.

부족한 것

트래픽 증가 시 어떤 위험이 생겼는지 설명 없음
API 안정성을 위해 어떤 구조적 대응을 했는지 없음
장애 대응, 타임아웃, 재시도, 캐시, 큐 같은 운영 관점이 전혀 안 보임

2. 응답 속도/성능을 개선하는 문제 해결 역량

잘 보여준 것

3초에서 0.8초로 줄였다는 성과 수치는 좋음

부족한 것

병목 원인을 어떻게 찾았는지 빠짐
DB/쿼리/캐시/로직 중 어디가 문제였는지 불명확
APM, SQL 실행 횟수, 실행 계획 등 어떤 근거를 봤는지 설명이 없음

3. 자료구조/알고리즘, 데이터베이스 기본기

잘 보여준 것

SQL 실행 횟수로 중복 조회를 확인했다는 언급은 있음

부족한 것

인덱스, 실행 계획, N+1, 조인 구조, 트랜잭션, 동시성 같은 DB 기본기가 드러나지 않음
어떤 쿼리가 왜 비효율적이었는지 설명이 없음

4. 원인을 끝까지 파고드는 집요함과 분석 태도

잘 보여준 것

“중복 조회를 찾았다”는 점은 원인 탐색의 흔적일 수 있음

부족한 것

어떤 순서로 원인을 좁혔는지 없음
여러 가능성 중 왜 그 원인으로 결론냈는지 없음
끝까지 파고든 흔적보다 “대충 고쳤다”는 인상에 가깝습니다

5. 주도적으로 개선점을 찾고 실행하는 자세

잘 보여준 것

성능 개선 자체는 개선형 경험으로 보임

부족한 것

누가 문제를 제기했는지, 본인이 먼저 발견했는지 불명확
개선안을 어떻게 제안했고 설득했는지 없음
개선 후 모니터링이나 재발 방지까지 했는지 안 보임

3) 자소서 vs 면접 일관성

일관성 평가: 부분적으로만 뒷받침됨

자소서의 “주문 API 백엔드”, “응답 속도 개선” 주장은 면접에서도 방향성은 맞습니다.
하지만 면접 답변이 너무 추상적이어서 자소서의 강한 표현을 실제 경험으로 충분히 증명하지 못했습니다.

보강이 필요한 부분

“내가 맡은 범위”
“내가 직접 찾은 병목”
“어떤 지표를 보고 개선을 검증했는지”
“개선 전후의 숫자”
“왜 그런 원인이 생겼는지”

즉, 자소서 주장은 있었지만 면접 답변이 그 주장을 증명하는 수준에는 아직 못 미쳤습니다.

4) 개선할 점 2가지

1. 답변 구조를 고정하세요

솔직한 후기

좋았던 점은 "내 자기소개서로" 캐물으니 긴장감이 더 높아졌습니다.

자기소개서 쓸 때 대충 넘긴 문장이 면접에서 약점이 된다는 걸 체감했습니다.

그럼에도 한계는 있었습니다.

한계 1: 자소서가 부실하면 설계 메모도 빈약합니다(좋은 재료가 좋은 질문을 만듭니다).
한계 2: 아직 텍스트입니다. 다음엔 음성으로...

자기소개서 다듬기 → 채용공고 맞춤 첨삭 → 이제 그 자소서·공고로 면접 연습까지. 한 흐름이 됐습니다.

다음엔 음성 면접, 그리고 연습 기록이 쌓여 내 약점을 짚어주는 버전으로 키워볼 생각입니다.

AI한테 '압박 면접'을 시켰더니?

퇴근러 — Fri, 12 Jun 2026 19:34:18 +0900

자기소개서를 첨삭해주는 도구를 만들고 나니, 자연스럽게 다음 관문이 떠올랐습니다.

'면접'

자기소개서는 고쳐 써도, 면접은 실전에서 입으로 답해야 합니다. 그런데 혼자 연습하기 막막하다는 점이 문제였습니다.

거울을 보고 떠드는 것도 한두번이고 누군가에게 모의면접을 부탁하기에 부담스럽습니다.

그래서 AI를 면접관으로 앉혀놓고, 압박 면접을 받아보기로 했습니다.

한 번에 끝내지 않고 '물고 늘어지게'

그냥 질문을 여러개 던지는 건 의미 없습니다. 진짜 면접의 무서움은 꼬리질문이기 때문입니다.

"그래서 구체적으로 뭘 하셨죠?"
"그때 결과가 어땠나요?"

그래서 이렇게 만들었습니다.

AI 면접관이 질문 하나를 만듭니다.
내가 답변을 하면, 짧은 피드백 + 다음 질문을 줍니다.
답이 두루뭉실하면 꼬리질문으로 더 캐묻습니다.
정해진 질문 수가 끝나면 종합 리포트를 줍니다.

AI 면접관이 첫 질문을 던진 모의면접 채팅 화면 (내용은 임의로 작성)

어떻게 만들었나?

사실 구조는 이전에 만들었던 자기소개서 첨삭 도구와 거의 같습니다.

거기에선 '경험을 캐물어 초안'을 만들었다면, 여기에서는 '면접관처럼 캐물어 평가'했습니다.

매 답변마다 AI가 판단했습니다. 지금이 몇 번째 질문인지에 따라서 아래와 같이 진행됩니다.

첫 번째 턴이라면 첫 번째 질문
진행 중이라면 피드백 + 다음 질문
질문이 다 끝났다면 종합 리포트 작성

두루뭉술한 답변에 AI가 꼬리질문으로 압박하는 화면

대화는 위와 같이 채팅으로 주고받고, 끝나면 항목별 점수와 강점 및 개선점을 정리해주도록 했습니다.

(아래) AI 종합 피드백 리포트 내용

종합 피드백 리포트

항목별 점수 (각 5점, 연습 참고용)

논리성: 2.5 / 5
구체성(경험·수치): 1.5 / 5
직무적합성: 3 / 5
전달력: 2.5 / 5

잘한 점 (2가지)

병목의 방향을 DB 조회로 좁힌 점은 좋았습니다.
처음엔 “사용자가 몰릴 때 느려졌다”는 넓은 설명이었지만, 이후 “불필요한 DB 조회”라고 원인 범위를 줄인 건 문제 분석 방향이 있다는 인상을 줍니다.
확인 수단으로 로그를 봤다고 한 점은 적절했습니다.
감으로 추측한 것이 아니라, 실제 기록을 통해 확인하려고 했다는 점은 백엔드 문제 해결 방식과 잘 맞습니다.

개선할 점 (2가지, 구체적으로)

‘무엇이 병목이었는지’와 ‘왜 그렇게 판단했는지’를 한 번에 연결해 주세요.
지금 답변은
- 느렸다
- DB 조회였다
- 로그를 봤다
- 요청 전체 처리 시간을 확인했다
  처럼 단계가 따로 놀고 있습니다.
  면접에서는 아래처럼 이어져야 합니다:
- “주문 요청 평균 응답 시간이 3초였고, 애플리케이션 로그를 보니 요청 처리 시간 중 DB 조회 구간이 대부분을 차지했습니다.”
- “특히 특정 조회가 요청 1건당 반복적으로 실행되어 총 처리 시간을 늘렸습니다.” 이런 식으로 원인 → 근거 → 판단이 연결되면 훨씬 설득력 있습니다.
수치가 없으면 ‘개선했다’는 말의 신뢰도가 떨어집니다.
지금은 “실행 시간을 확인했다”, “요청 전체 처리 시간을 확인했다”까지만 있어서, 실제로 어느 정도 느렸는지 알기 어렵습니다.
가능하면 다음 요소를 넣어 보세요:
- 요청 전체 처리 시간: 3초 → 0.8초
- 문제 쿼리 실행 시간: 예) 1건당 300ms, 여러 번 반복
- 로그 확인 방식: 예) 요청별 타임스탬프, 쿼리 시작/종료 로그 이렇게 전후 비교 수치가 있으면 답변이 훨씬 강해집니다.

예상 추가 질문 (2개)

그 DB 조회가 왜 불필요했나요?
- 중복 조회였는지
- 한번 가져온 데이터를 다시 조회했는지
- N+1 문제였는지
  구체적인 원인을 물을 가능성이 큽니다.
그 문제를 어떻게 개선했고, 개선 효과는 어떻게 검증했나요?
- 쿼리 제거 / 캐싱 / 조인 변경 / 조회 시점 변경 등
- 개선 전후 응답 시간 비교
- 트래픽 증가 시에도 유지되는지 확인 여부
  를 물을 수 있습니다.

한 줄 팁

“무엇이 느렸는지”보다 “어떤 로그로 얼마나 느린 걸 확인했고, 왜 그게 병목인지 판단했는지”를 수치와 함께 말하면 답변의 설득력이 크게 올라갑니다.

두루뭉술하게 대답을 하거나, 근거 없이 답변을 진행했을때, AI가 바로 명확한 답변을 얻기 위해 꼬리질문을 진행했습니다.

답변을 적기 힘들었고, 이게 실제 면접에서 자주 무너지는 바로 그 지점이었습니다.

논리성·구체성 등 항목별 점수가 담긴 모의면접 종합 리포트(일부)

끝나고 받은 리포트는 냉정했습니다.

논리성: 2.5 / 5
구체성(경험·수치): 1.5 / 5
직무적합성: 3 / 5
전달력: 2.5 / 5

혼자 연습할 땐 파악하기 힘들었던 약점을, 꼬리질문과 점수를 통해 짚어주었습니다.

"그냥 ChatGPT한테 면접관 시키면 되잖아?"

여기까지 진행하면서 이런 생각이 드는 게 당연했습니다. 저도 만들면서 똑같이 생각했습니다.

솔직하게 답하면 지금 이 버전만 놓고 봤을 때, ChatGPT한테 "넌 면접관이야"라고 페르소나를 주는 것과 큰 차이는 없습니다. 대화 자체는 오히려 더 큰 좋은 모델이 매끄러울 수도 있습니다.

그래도 굳이 이걸 만든 이유는 있습니다. 지금도 약간 체감되는 부분이 있습니다.

매번 같은 흐름이 알아서 굴러간다.
- ChatGPT로 하게 되면, "이제 꼬리질문해줘", "그만하고 평가해줘", "점수로 정리해줘" 하고 직접 계속 명령을 해야했습니다.
- 종종 모델이 착하게 넘어가 압박이 약해질수도 있습니다.
- 이 도구는 '질문 → 피드백 → 꼬리질문 → 점수 리포트', 이 구조가 매번 똑같이 동작합니다.
프롬프트를 몰라도 된다.
- "압박 면접관처럼, 끝까지 캐묻고, 마지막에 ..." 같은 지시를 지속적으로 전달할 필요없이, 직무만 넣으면 시작합니다.
- 코치를 위한 노하우가 도구 안에 박혀있습니다.

결국 지금 버전에서는 "구조와 편함"이 차별점이 될 수 있고, 앞으로의 차별점은 "기록하고 키워간다"는 데서 생긴다고 생각합니다.

지금은 그 출발점입니다.

솔직한 후기

압박 꼬리질문이 괜찮았습니다. 실전 감각을 키우는데 좋을 것이라 생각이 들었습니다.

아직 텍스트이기 때문에 완전히 실전과 같다고 느껴지지 않겠지만, 추후 음성으로 꼬리질문을 받아보도록 개선하면 더 효과적일 것이라 생각합니다. 그리고 아직은 회사·직무 맞춤은 거칠기 때문에 채용공고를 더 반영할 수 있도록 개선할 예정입니다.

한가지 명심할점은 결과로 나온 점수는 연습 참고용이므로, 합격을 보장하지 않는다는 것입니다. 어디까지나 연습 상대입니다.

[관련 글]

AI 자기소개서, '다듬기' 말고 '소재 캐기'부터 시켰더니!

자기소개서 첨삭 도구를 만들면서, 계속 마음에 걸리던 게 있었습니다. 내 도구는 전부 "이미 쓴 자기소개서를 더 낫게 다듬는" 일만 했다는 점입니다. 그런데 정작 사람들이 자기소개서 앞에서

noahyun1222.tistory.com

2026.06.07 - [AI 에이전트/AI 자기소개서 첨삭] - AI 자기소개서, '의미 검색(RAG)'으로 '딱 맞는 경험'만 꺼내게 했더니!

AI 자기소개서, '의미 검색(RAG)'으로 '딱 맞는 경험'만 꺼내게 했더니!

지난 글에서 내 경험을 저장해 두는 '경험 은행'을 만들었습니다. 그런데 사용하다보니 새로운 문제가 생겼습니다.경험이 많아질수록, AI가 헷갈려했습니다. 처음 경험이 적을 땐 괜찮았습니다.

noahyun1222.tistory.com

AI 주식점검 봇, 국내·해외를 나눠 오늘자만, 한글로 정리하게 했더니

퇴근러 — Wed, 10 Jun 2026 20:00:58 +0900

지난 글에서 "내 논리와 관련된 뉴스만" 골라 쓰게 만들었더니 판단의 근거가 깔끔해졌습니다. 그런데 며칠 더 사용해보니 두 가지의 문제점이 있었습니다.

국내 뉴스에 며칠 지난 기사가 섞였습니다.
해외 종목은 한국어 뉴스가 빈약했습니다.

검색으로 긁어서 가져오다 보니 어제·그제 기사들이 오늘 일처럼 끼어들곤 했습니다. 오늘 판단이 필요한 것인데 어제 뉴스로 흔들리는건 곤란했습니다. 그리고 엔비디아 즉, NVDA를 한글로 검색하면 중요한 소식이 잘 안잡혔습니다.

그래서 이번 버전에서는 국내와 해외를 아예 다르게 다루기로 했습니다.

국내·해외는 '취급법'이 달라야 한다.

국내 종목: 한국 뉴스(구글뉴스)에서 가져오되, '오늘자' 또는 '최근'의 기사만 가져온다.
해외 종목: 야후 파이낸스의 영문 뉴스를 가져와, 한글로 번역해 정리한다.

특히 국내 뉴스의 날짜 보정이 중요했습니다.

검색 결과엔 날짜가 제각각이라, 발행 시각을 확인해 오래된 기사는 잘라냈습니다.

국내와 해외 종목을 분리해 각각 다른 뉴스 소스로 수집하는 흐름도

어떻게 만들었나?

티커 모양으로 국내·해외를 구분했습니다. (국내는 .KS/.KQ로 끝나는 것을 이용)

구분한 뒤, 각자 길을 가도록 했습니다.

국내: 한국 뉴스를 모은 뒤, 발행 시각을 보고 오늘자 또는 최근 기사만 남긴다.
해외: 야후 파이낸스의 영문 뉴스를 모으고, 정리 단계에서 AI가 한글로 번역한다.

해외 종목 영문 뉴스를 한글로 번역해 오늘 핵심으로 정리한 화면

여기서도 규칙은 그대로였습니다.

없는 사실은 지어내지 말 것, 예측·추천 금지, AI는 오늘 뉴스를 번역하고 정리할 뿐, 판단은 내가 한다.

결과적으로, '오늘'과 '한글'로 정돈되었습니다.

국내 종목: 며칠 지난 기사가 빠지니, "오늘 왜 이런가?"에 대한 근거가 진짜 오늘 것이 됐습니다.
해외 종목: 영문 헤드라인이 한글 한 줄 요약으로 들어오니, 굳이 번역기를 돌릴 필요가 없었습니다.

국내와 해외 종목이 오늘자 뉴스 기반으로 정리되고 논리 대조된 결과 1

국내와 해외 종목이 오늘자 뉴스 기반으로 정리되고 논리 대조된 결과 2

종목마다 국내/해외 뱃지와 오늘자 N건이 같이 출력되서, 무엇을 근거로 본 판정인지가 명확해졌습니다.

솔직한 후기

좋았던 점은 '오늘'과 '한글', 이 둘이 정리가 되니 쓱 훑어보기 좋아졌습니다. 신뢰도도 올라갔습니다.

간단하게 구현했기 때문에 몇 가지 보완점은 필요했습니다.

해외 영문 뉴스를 한글 논리와 의미로 매칭하는 건 아직 100%가 아니였습니다.
'오늘자' 기준을 너무 빡빡하게 잡으면 이른 아침엔 뉴스가 빌 수도 있어 기준의 조절이 필요했습니다.

이번엔 "정보를 더 정확하게 모으는" 쪽으로 개선을 해보았습니다.

다음엔 이 정리된 브리핑을 매일 아침 알아서 받아보는 자동화 도구로 만들어 보고자 합니다.

AI 주식점검 봇, '내 논리'에 맞는 뉴스만 고르게 했더니

지난 글에서, 내 매수 이유를 기억해두고 그날의 가격과 뉴스를 거기에 대조해주는 도구를 만들었습니다. 그런데 쓰다 보니 한계점이 많이 보였습니다. 일단, 대조하는데 쓰이는 '뉴스'가 너무

noahyun1222.tistory.com

AI 주식점검 봇, '내 논리'에 맞는 뉴스만 고르게 했더니

퇴근러 — Tue, 9 Jun 2026 20:00:55 +0900

지난 글에서, 내 매수 이유를 기억해두고 그날의 가격과 뉴스를 거기에 대조해주는 도구를 만들었습니다.

그런데 쓰다 보니 한계점이 많이 보였습니다. 일단, 대조하는데 쓰이는 '뉴스'가 너무 거칠었습니다.

종목명으로만 뉴스를 검색하다 보니, 내 투자 논리와 아무 상관 없는 기사가 자꾸 섞였습니다.

단순 시세표, 다른 사업부 가십, 광고성 글까지. 이러한 잡음이 섞이면, 아무리 "내 논리에 대조"해도 결론이 흐려졌습니다.

즉, 재료가 좋지 않으니 요리도 별로였습니다.

"종목명이 같다 ≠ 내 논리와 관련 있다"

삼성전자를 산 이유가 "AI 서버용 메모리(HBM) 수요"라면, 정작 봐야 할 건 그 주제의 뉴스입니다.

그런데 "삼성전자"로 검색하면 스마트폰 신제품, 배당, 단순 시세까지 전부 딸려옵니다. 종목명이 같다고 내가 적은 논리와 관련 있는 건 아니였습니다.

그래서 이번 버전의 목표는 단순했습니다.

수집한 뉴스 중, 내 논리와 '의미가 가까운' 것만 골라내보자.

뉴스를 수집한 뒤 내 논리와 관련된 것만 의미 필터로 거르는 흐름도

어떻게 골라냈나?

키워드 매칭으로는 부족했습니다.

"성능 개선"과 "응답 속도"처럼 단어는 다른데 뜻이 같은 경우를 못 잡아서, 의미(임베딩)로 비교했습니다. (전에 자기소개서 봇을 만들때 사용했던 방식)

뉴스를 종목명으로 넉넉히 모은다.
'내 종목 + 매수 논리 + 우려'를 하나의 질문으로 만들어 의미 벡터로 변환한다.
각 뉴스 제목도 의미 벡터로 바꿔, 얼마나 가까운지 점수를 매긴다.
점수 높은 상위 몇 개만 남기고 나머지는 버린다.

이렇게 하니 "종목명만 같고 내 논리와 무관한" 기사들이 점수가 낮아 자동으로 탈락했습니다. 그리고 각 기사에 관련도 점수를 같이 보여줘서, 왜 골라졌는지도 투명했습니다.

수집한 뉴스가 관련도 점수로 필터링되어 관련 기사만 남은 화면 (삼성전자, 카카오)

수집한 뉴스가 관련도 점수로 필터링되어 관련 기사만 남은 화면 (애플, 애코프로비엠)

솔직한 후기

같은 종목을 이전 버전과 비교해보면 차이가 분명했습니다.

이전 버전: 무관한 기사가 섞여들어가, "이게 내 논리랑 무슨 상관이지?" 싶은 근거가 끼었습니다.
지금 버전: 내가 걱정한 '메모리 업황', '경쟁' 관련 기사만 남으니, 판정의 이유가 논리와 딱 붙었습니다.

결과적으로 판정의 근거가 깔끔해졌습니다. "왜 이렇게 판단했는지"가 내 논리와 바로 연결되었습니다.

그럼에도 몇 가지 한계점은 존재했습니다.

몇 개를 남길지에 대한 기준점 조절이 필요했습니다. 기준이 빡빡하면 관련 뉴스도 빠지게 되고, 느슨하면 잡음이 남습니다.
지금은 제목만 비교한다는 점입니다. 본문까지 보면 더 정확해지겠지만 비용이 늘어, 다음에 저울질해 붙일 생각입니다.

"내 논리에 대조한다"라는 방향은 이전 버전에서 잡았고, 지금 버전에서는 그 대조의 재료를 정제했습니다. 다음엔 종목 하나가 아니라 포트폴리오 전체의 공통 리스크를 잡아볼 생각입니다.

개선하면서 느낀점은 역시 좋은 판단은 좋은 재료에서 나오고, AI한테 무엇을 '보여줄지'를 고르는 게, 사실 절반이었다는 점입니다.

주가 조금 빠지면 덜컥 팔던 내가, AI에게 '내가 산 이유'를 기억 시켰더니

주식을 하면서 제일 약한 순간이 언제일까? 저같은 경우에는 "왜 샀는지 까먹고, 하루 등락에 흔들릴 때" 였습니다. 몇 퍼센트 빠졌다고 덜컥 팔았더니 그날 시장 전체가 빠진 거였고, 제가 산 이

noahyun1222.tistory.com

주가 조금 빠지면 덜컥 팔던 내가, AI에게 '내가 산 이유'를 기억 시켰더니

퇴근러 — Mon, 8 Jun 2026 18:00:09 +0900

주식을 하면서 제일 약한 순간이 언제일까?

저같은 경우에는 "왜 샀는지 까먹고, 하루 등락에 흔들릴 때" 였습니다.

몇 퍼센트 빠졌다고 덜컥 팔았더니 그날 시장 전체가 빠진 거였고, 제가 산 이유랑은 아무 상관 없었던 적이 많았습니다.

토스 같은 앱은 "오늘 이 종목 이슈"를 잘 정리해줍니다. 그런데 그건 모두에게 똑같은 요약이었습니다.

앱은 내가 왜 그 종목을 샀는지, 뭘 걱정하는지를 몰랐습니다. (제가 토스앱의 좋은 기능을 찾지 못했을 수 있습니다.)

그래서 "이 하락이 나한테 의미가 있는 건지"는 결국 제가 판단해야 했습니다.

그래서 만들어보기로 했습니다.

'내 매수 논리를 기억해두고, 오늘의 가격·뉴스가 그 논리를 흔드는지 점검'해주는 도구입니다.

이건 '예측'도 '추천'도 아니다!

분명히 말을 하고 시작하겠습니다.

이 도구는 주가를 예측하지 않고, 사라/팔라고 하지도 않습니다. 그런 건 맞히지도 못할뿐더러, 한 번 틀리면 신뢰가 무너집니다.

대신 하는 일은 딱 하나.

"내가 적어둔 매수 이유가 아직 유효한지 스스로 점검하게 돕는 것"

판단과 책임은 본인의 몫입니다. 이 선을 지키는 게 오히려 이 도구의 핵심입니다.

가격이 아니라 '내 논리'에 대조한다.

구조는 단순합니다.

1. 종목을 등록할 때, 왜 샀는지(투자 논리)와 걱정되는 점(우려)을 같이 적어둡니다.
2. 점검을 누르면, 그 종목의 최근 가격 변동 + 관련 뉴스를 모읍니다.
3. AI가 그걸 내가 적어둔 논리·우려와 대조해서 판정합니다.

종목별로 매수 논리와 우려를 기록하는 화면 (임의로 작성)

어떻게 만들었나?

데이터는 다행히 키 없이 구할 수 있었습니다. (종목 데이터는 야후 파이낸스 API를 활용했습니다)

주가: 야후 파이낸스 API로 최근 등락 가져오기 (국내·해외)
뉴스: 종목명으로 뉴스 헤드라인 수집 (뉴스봇 때 쓰던 방식)
판정: 가격·뉴스를 내가 적은 논리·우려와 함께 AI에게 주고 "유효/점검/노이즈"로 대조

여기에서도 규칙을 정했습니다.

없는 사실은 지어내지 말고, 근거가 부족하면 "정보 부족"이라고 말할 것. 예측이나 추천은 금지.

내 논리와 대조해 유효/점검으로 판정한 결과 화면

결과적으로 임의로 적은 논리에 대해 점검이 필요하다는 결과를 확인할 수 있었습니다.

어느정도 논리에 맞다아 있다고는 하지만, 이를 판별할 근거가 부족하다는 것을 확인했습니다.

아무래도 기사의 본문까지 읽어오는 단계는 아니고 제목만 읽어왔기 때문에 이러한 결과가 나왔다고 생각합니다.

솔직한 후기

조금 덜 흔들릴 수 있었습니다. "왜 샀더라"를 기억해주니, 보다 구체적인 논리와 관련 정보를 얻어올 수 있으면 노이즈에 파는 충동이 줄어들 것이라 생각이 들었습니다.

현재 단계에서 한계점은 아래와 같습니다.

주가 데이터를 무료 소스로 가져오다 보니 가끔 지연이나 실패가 발생할 수 있습니다.
뉴스가 종목명만으로 검색돼 무관한 기사가 섞일 때가 있습니다. (다음 단계에 개선 예정)

다음에는 보다 정확하게 관련 정보를 수집해와 논리와 비교하는 기능을 더 개선하는 방향으로 진행해보고자 합니다.

제가 생각하는 좋은 투자 도구는 "잘 맞히는 것"이 아니라 "덜 흔들리게 돕는 것"이라고 생각합니다. (주관적인 생각입니다)

시켜보다

집 사야 할까, 전세로 버틸까? 숫자로 따져본 전세 vs 매매

"집은 무조건 사야 한다?"

집을 사면 '진짜로' 드는 돈

전세가 '버리는 돈'만은 아닌 이유

그래서, 어떻게 숫자로 따지나?

전세로 아낀 돈을 굴리는 전략

그래도 매매가 나은 경우

가장 조심해야 할 것! 무리한 대출

전세든 매매든, 결국 '저축·지출 관리'

정리하면

AI가 매긴 점수를 제가 못 믿겠더라고요. 그래서 다시 손봤습니다.

점수는 나오는데, 그 점수를 못 믿겠던 이유

1. 'AI의 추측'을 '진짜 데이터'로 바꿔봤습니다

2. 흔들리던 점수를 '흔들리지 않게' 만들었습니다

3. 모르면 '모른다'라고 말하게 했습니다.

솔직한 후기

AI한테 "이 주제, 돈이 되긴 해?"부터 묻기로 했습니다 (P1)

초안은 잘 나오는데, 그게 함정이었다.

초안 작성 전 '문지기'를 세우다.

두루뭉술한 대답은 피한다.

데이터는 어디서 가져왔나?

솔직한 후기

GPT 양산글은 죽는다. 내 경험을 '증폭'하는 AI 블로그 시스템 구축기 (P0)

"그냥 GPT한테 글 써달라고 하면 되잖아?"

그래서 뭘 만들었나?

솔직한 생각과 한계

[AI 모의면접 코치] AI 면접관에게 STAR로 콕 집어 피드백하게 만들었더니?

피드백을 'STAR 체크리스트'로

질문이 '왜' 나왔는지 보여주기

사용성 개선

리포트를 '점수판'으로, 그리고 모범답안 생성

JD 역량별 — 잘 보여준 것 / 부족한 것

1) 대용량 트래픽 API 개발/운영 역량

2) 응답 속도·성능 개선 역량

3) 자료구조/알고리즘 기본기

4) DB 기본기 및 성능/쿼리 이해

5) 원인 추적과 주도적 개선 태도

자소서 vs 면접 일관성 (자소서 주장이 답변으로 뒷받침됐나)

답변별 모범답안 예시 (핵심 2개) — 내가 말한 사실만 STAR로 재구성, 없는 경험 지어내기 금지

예시 1: 성능 문제와 병목을 설명하는 답변

예시 2: 본인 역할을 좀 더 드러내는 답변

개선할 점 (2가지) / 한 줄 팁

1) “무엇이 느렸는지”를 지표로 말하기

2) “어떻게 찾았고 무엇을 바꿨는지”를 한 단계씩 말하기

어떻게 만들었나?

솔직한 후기

채용공고와 자기소개서를 AI 면접관에게 줬더니?

질문하기 전 '채용공고 x 자기소개서'를 먼저 분석

이 공고가 원하는 핵심 역량 (3~5개)

자소서에서 더 캐물어야 할 포인트 (모호/과장/검증 필요)

추천 질문 영역 (JD 역량 × 자소서 경험 교차)

어떻게 만들었나?

1) 항목별 점수 (각 5점 만점)

논리성: 1.5 / 5

구체성: 1 / 5

직무적합성(JD 부합도): 2 / 5

전달력: 2 / 5

2) JD 핵심 역량별 — 잘 보여준 것 / 부족한 것

1. 대용량 트래픽을 안정적으로 처리하는 API 설계·운영 역량

2. 응답 속도/성능을 개선하는 문제 해결 역량

3. 자료구조/알고리즘, 데이터베이스 기본기

4. 원인을 끝까지 파고드는 집요함과 분석 태도

5. 주도적으로 개선점을 찾고 실행하는 자세

3) 자소서 vs 면접 일관성

일관성 평가: 부분적으로만 뒷받침됨

보강이 필요한 부분

4) 개선할 점 2가지

1. 답변 구조를 고정하세요

솔직한 후기

AI한테 '압박 면접'을 시켰더니?

한 번에 끝내지 않고 '물고 늘어지게'

어떻게 만들었나?

종합 피드백 리포트

항목별 점수 (각 5점, 연습 참고용)

잘한 점 (2가지)

개선할 점 (2가지, 구체적으로)

예상 추가 질문 (2개)

한 줄 팁

"그냥 ChatGPT한테 면접관 시키면 되잖아?"