학습 목표
•
팀 프로토타입을 기능적으로 완성하고, 간이 사용성 평가를 수행한다.
•
AI 생성 결과물의 검증·문서화 방법을 익힌다.
•
프로토타입을 서비스 기획 문서와 연결하여 기말 발표를 준비한다.
1. 구현 워크숍 진행
1.1 이번 주 목표: v0.1 → v0.9
•
8주 기획안·12주 v0.1에 대한 피드백 반영
•
핵심 기능 3개의 동작 완성(완벽한 코드보다 검증 가능한 동작이 목표)
•
실데이터(공개 메타데이터) 연결 또는 현실적인 샘플 데이터 구성
1.2 반복 개선의 기술
•
작게 요청하기: 기능 하나씩. 한 번에 전체 재생성 요청은 회귀(regression)를 부른다.
•
오류는 그대로 전달: 오류 메시지·화면을 그대로 붙여 넣고 원인 분석부터 요청한다.
•
상태 고정: 잘 되는 버전을 저장(버전 관리)한 뒤 다음 기능으로 진행한다.
•
모델에 검증 요청: "이 코드가 개인정보를 로그에 남기는 부분이 있는지 점검하라"처럼 AI에게 자기 점검을 시키되, 최종 판단은 사람이 한다.
2. 검증 체크리스트 (제출 필수)
항목 | 점검 내용 |
기능 | 핵심 시나리오 3개가 처음부터 끝까지 동작하는가 |
정확성 | AI 응답·표시 정보에 출처가 연결되는가, 표본 검사 결과 오류율은 |
개인정보 | 입력·로그·화면에 개인정보가 노출되지 않는가(7주 기준) |
저작권 | 사용한 데이터·이미지의 이용조건(KOGL/CC)을 표시했는가 |
접근성 | 키보드 탐색, 대체텍스트, 쉬운 언어를 적용했는가 |
사용성 | 팀 외부인 2인 이상 과업 테스트(4주 방법) 결과와 개선 사항 |
3. AI 사용 문서화
강의 방침에 따라 최종 산출물에는 AI 사용 명세서를 첨부한다: 사용 도구와 버전, 주요 프롬프트(대표 5개 내외), AI가 생성한 부분과 사람이 수정한 부분의 구분, 검증 방법과 발견된 오류. 이는 학술 윤리 훈련인 동시에, 기관 실무에서 요구될 AI 투명성 문서화(미국 NARA의 AI 사용 사례 공개와 같은 취지)의 연습이다[1].
4. 기말 발표 준비 안내 (16주)
발표 구성(15분): ① 문제 정의와 이용자 근거(3~4주), ② 서비스 설계와 정책 검토(6~7·10주), ③ 프로토타입 데모, ④ 평가 계획(15주 방법론 적용), ⑤ 한계와 로드맵. 보고서에는 사용성 테스트 결과와 AI 사용 명세서를 포함한다.
토론 질문
•
프로토타입을 실제 서비스로 전환하려면 무엇이 더 필요한가(보안, 인프라, 거버넌스)? '데모의 완성도'와 '운영 가능성'의 간극을 나열해 보자.
•
AI가 코드 대부분을 작성했다면, 이 산출물의 저작권과 책임은 어떻게 정리되는가?
수업 운영 (3시간, 전체 워크숍)
시간 | 내용 |
19:00–19:15 | 스탠드업: 팀별 1분씩 현재 상태·오늘 목표·막힌 지점 공유 |
19:15–20:20 | 스프린트 1: 기능 구현 (강사 순회 코칭) |
20:20–20:40 | 중간 데모: 팀 간 교차 시연 5분씩, 막힌 문제 공론 |
20:40–21:30 | 스프린트 2: 피드백 반영 + 사용성 테스트 세션(타 팀원이 과업 수행, 4주 방법 적용) |
21:30–21:50 | 마무리: 검증 체크리스트 점검, AI 사용 명세서 초안 작성, 기말까지 남은 작업 분담 |
(이번 주는 문헌 발표 없이 구현에 집중한다. 노트북·데이터·계정을 반드시 준비할 것.)
각주
[1] NARA, "Inventory of NARA Artificial Intelligence (AI) Use Cases," https://www.archives.gov/ai — 기관 차원의 AI 사용 공개는 책임 있는 AI 활용(Responsible AI)의 기본 관행으로 자리 잡고 있다. 영국 정부의 Generative AI Framework 등 공공부문 지침도 참조.