저에게 %는 단순한 표시가 아닌, 업무에 임하는 핵심 철학인 ‘가능성’을 의미합니다.
프로젝트의 성공, 함께하는 팀원의 역량 발현, 회사의 성장, 그리고 고객 비즈니스의 가치 실현
가능성을 현실의 결과로 만들어냅니다.
서비스·시스템 기획부터 UI/UX, 프로젝트 관리, 품질 검증까지 경험했습니다.
최근에는 AI/LLM 서비스의 품질을 평가하고 검증하는 영역으로 역량을 확장하고 있습니다.
최근에는 이 IT 기획·PM 경험을 기반으로 AI/LLM 서비스의 품질 검증과 테스트 자동화 영역으로 역량을 확장하고 있습니다.
고객의 요청을 사업 목표와 사용자 문제로 다시 정의합니다.
IA, User Flow, 기능정의와 화면으로 구현 가능한 형태를 만듭니다.
고객사·개발·디자인·운영의 언어를 문서와 기준으로 정렬합니다.
일정·리스크를 관리하고, 결함을 측정·개선한 뒤 같은 조건으로 재검증합니다.
AI QA 관점에서는 같은 일하는 방식이 다음 흐름으로 확장됩니다. 요구사항을 이해하고 위험을 분석한 뒤 테스트 전략과 케이스를 설계하고, 실행 결과를 결함 분석과 개선, 재검증으로 연결합니다.
요구사항과 Acceptance Criteria를 분석합니다.
기능 및 AI 응답의 주요 Risk를 식별합니다.
테스트 범위와 우선순위를 정의합니다.
정상 / 예외 / Edge Case를 설계합니다.
API / E2E / AI 응답 테스트를 실행합니다.
Bug를 재현하고 원인을 분석합니다.
개선사항을 도출합니다.
수정사항을 검증하고 Regression Test를 수행합니다.
산업·도메인별로 정리한 전체 프로젝트 목록입니다. 이 중 대표 사례는 아래 핵심 프로젝트에서 자세히 다룹니다.
페루·콜롬비아·에콰도르 현지 요구를 스스로 분석해 시스템 구조와 UI/UX로 전환.
짧은 납기와 복잡한 채널·사용자 흐름을 하나의 서비스로 통합.
복잡한 센서·업무·정산 데이터를 사용자별 View로 구조화.
기술을 시장 가치와 실행계획으로 전환해 높은 경쟁률의 사업을 수주.
다양한 산업과 사용자 환경에서 축적한 화면·서비스 설계 경험.
위 목록 중 6건을 맡은 역할과 결과 중심으로 자세히 정리했습니다.
남이 만든 툴을 실행하는 데서 그치지 않고, AI/LLM 응답의 품질 기준을 직접 정의합니다.
테스트 설계·결함 관리부터 LLM-as-a-Judge 평가 파이프라인까지, 측정 가능한 품질 지표로 검증합니다.
기획·PM 경험을 바탕으로 요구사항과 시스템을 함께 이해하는 QA 역량으로 확장하고 있습니다.
20년+ 경력을 기반으로 Risk를 정의하고, AI 응답의 품질을 검증합니다.
프로젝트 개발 과정에서 AI 도구를 코드 작성·문서 초안의 보조 수단으로 활용했습니다. 요구사항 정의·테스트 설계·검증 기준 수립·오류 분석과 최종 판단은 직접 수행했습니다.
QA 포트폴리오 →IT 기획·PM 경험과 AI QA 역량을 함께 활용할 수 있는 포지션을 찾고 있습니다.