예상 질문 대비 - Q&A에서 빛나는 법 | 발표 & 포트폴리오

Q&A = 실력 검증의 시간

발표는 대본이 있다. 준비하면 된다. Q&A는 대본이 없다. 진짜 실력이 드러난다.

하지만 질문의 80%는 예측 가능하다.

제조 AI 프로젝트 예상 질문 TOP 10

카테고리 1: 기술 선택

#	질문	핵심 답변 전략
1	"왜 Neo4j를 선택했나요?"	대안 비교표 (ArangoDB, TigerGraph)
2	"왜 ChromaDB인가요? Pinecone은?"	비용, 로컬 실행, MVP 적합성
3	"GPT-4o 대신 오픈소스 모델은?"	비용-성능 트레이드오프 + sLLM 언급

카테고리 2: 성능/한계

#	질문	핵심 답변 전략
4	"87% 정확도, 나머지 13%는?"	실패 사례 분석 + 개선 방향
5	"응답이 틀리면 어떻게 하나요?"	출처 표시 + 피드백 루프
6	"대규모로 확장 가능한가요?"	현재 한계 인정 + 확장 계획

카테고리 3: 비즈니스

#	질문	핵심 답변 전략
7	"실제 공장에서 쓸 수 있나요?"	MVP 단계 인정 + 파일럿 계획
8	"비용은 얼마나 드나요?"	API 비용 + 인프라 비용 산정

카테고리 4: 과정

#	질문	핵심 답변 전략
9	"가장 어려웠던 점은?"	구체적 사례 + 해결 과정
10	"다시 한다면 다르게 할 점?"	솔직하게 + 개선 방향

답변의 PREP 프레임워크

P - Point   (결론 먼저)
R - Reason  (이유)
E - Example (예시/근거)
P - Point   (결론 반복)

예시: "왜 Neo4j를 선택했나요?"

P: Neo4j를 선택한 핵심 이유는 Cypher 쿼리의 직관성입니다.

R: 제조 도메인에서 설비-부품-에러의 관계를 탐색하는 쿼리가 빈번한데, Cypher는 패턴 매칭이 직관적이어서 개발 생산성이 높았습니다.

E: 예를 들어 "이 에러코드가 영향을 미치는 모든 설비"를 찾는 쿼리가 Cypher로는 3줄이지만, SQL로는 복잡한 재귀 쿼리가 필요합니다. 또한 GDS 라이브러리로 커뮤니티 탐지 같은 고급 분석도 바로 가능했습니다.

P: 그래서 제조 도메인의 관계 분석에는 Neo4j가 최적이라고 판단했습니다.

모르는 질문에 대응하는 법

절대 하지 말 것:
━━━━━━━━━━━━━━
"잘 모르겠습니다."                     (성의 없음)
"그건 제 범위 밖입니다."               (방어적)
"아, 그건요..." + 아는 척 장황하게      (신뢰 하락)

이렇게 답하라:
━━━━━━━━━━━━
"좋은 질문입니다.
 정확한 수치는 지금 말씀드리기 어렵지만,
 [관련 지식/경험]으로 미루어 볼 때 [추정/방향]이라고 생각합니다.
 확인 후 공유드리겠습니다."

모르는 것을 솔직히 인정하되, 관련 지식을 함께 공유하면 신뢰를 유지할 수 있다.

공격적 질문에 대응하는 법

간혹 날카로운 질문이 나온다.

질문: "이거 그냥 GPT에 물어보는 거랑 뭐가 다른 건가요?"

나쁜 답변: "완전히 다릅니다!" (방어적)

좋은 답변:
"좋은 지적입니다. GPT만으로도 일반적인 답변은 가능합니다.
 하지만 두 가지 핵심 차이가 있습니다.
 첫째, 저희 시스템은 이 공장의 실제 설비 데이터를 기반으로 합니다.
 GPT는 CNC-M01이 어떤 부품으로 구성되어 있는지 모릅니다.
 둘째, 출처가 명확합니다. 'KOSHA 기준서 제3장 2절'이라는
 근거를 제시하기 때문에 현장에서 신뢰할 수 있습니다.
 환각(Hallucination)을 줄이는 것이 RAG의 핵심 가치입니다."

핵심 정리

Q&A 질문의 80%는 예측 가능 - 미리 준비
PREP 프레임워크: 결론 먼저, 이유, 예시, 결론 반복
모르면 솔직히 인정 + 관련 지식 공유
공격적 질문은 인정 + 차별점 강조로 대응