AI 연구와 학습 과정에서 배우는 개념, 실험, 시행착오를 차분하게 기록하는 개인 블로그입니다.
Research Entry
Kakao Impact AI TOP 100 Campus 본선 경험을 바탕으로 AI 도구 활용 방식, 문제 해결에서의 아쉬움과 잘한 점, 그리고 실전에서 얻은 인사이트를 정리한 회고입니다. 대회 준비와 본선 운영에서 배운 점을 중심으로 담았습니다.
이 글은 개인 실험, 공식 문서 읽기, 구현 메모를 바탕으로 정리했습니다. 변할 수 있는 정보는 작성 시점 기준으로 기록합니다.
개인적으로는 작년 AI TOP 100 예선에서 시간 초과로 3문제를 제출하지 못했던 뼈아픈 기억이 있었다.
그래서 이번 AI TOP 100 Campus에서는 무엇보다도 반드시 본선에 진출하고 싶다는 목표가 분명했다.
마침 진로에 대해서도 변화가 있었다.
기존에는 AI 대학원 진학을 우선적으로 생각했지만, 최근에는 취업 쪽으로 방향을 틀고 있다. 특히 요즘 중견기업을 포함해 많은 기업들이 단순한 스펙보다도 실제 AI를 얼마나 잘 활용할 수 있는지를 중요하게 보는 분위기다. 그런 점에서 나에게는 “AI 툴을 실전에서 다룰 수 있다”는 것을 보여줄 수 있는 정량적 성과가 꼭 필요했다.
운 좋게도 이번 대회에서는 약 3,000명 중 100등 안에 들며 본선에 진출할 수 있었다.
목표로 했던 본선 진출을 실제로 이뤄냈다는 점에서, 그 자체로도 꽤 의미 있는 결과였다.
AI TOP 100 Campus 본선은 용인 카카오 AI 캠퍼스에서 진행됐고, 3시간 동안 5문제를 해결하는 방식으로 운영되었다.
짧은 시간 안에 다양한 유형의 문제를 풀어야 했기 때문에, 단순히 모델 성능만으로는 부족했고 문제를 어떻게 해석하고, 어떤 도구 조합으로 빠르게 해결할 것인지가 훨씬 중요하게 작용했다.
결과적으로는 아쉽게도 수상에는 실패했다.
하지만 이번 경험은 단순히 “아쉽다”로 끝나는 경험이 아니었다. 오히려 내가 무엇을 준비해왔고, 또 무엇이 부족한지를 아주 선명하게 확인할 수 있었던 시간이었다.
이번 본선을 통해 가장 크게 느낀 것은, 이제는 단순히 모델 하나를 잘 쓰는 수준을 넘어 여러 도구와 API, 워크플로우를 어떻게 연결하느냐가 실전 경쟁력이라는 점이다.
처음으로 GPT Pro를 제대로 활용해봤는데, 성능이 기대 이상이었다. 특히 복잡한 문제를 길게 추론하거나 연구 맥락에서 활용할 때 상당히 강력하겠다는 생각이 들었다. 앞으로 연구를 진행할 때도 매우 유용한 무기가 될 것 같다.
동시에 클로드 환경에 다양한 API와 스킬을 연결해두는 방식이 정말 강력하다는 것도 체감했다. 실제로 인상 깊었던 서울대 형님은 오직 클로드 코드만을 가지고 문제를 풀어냈는데 동상을 수상하셨다. 결국 핵심은 “어떤 모델이 더 좋다”의 문제가 아니라, 어떤 구조로 문제 해결 시스템을 설계하느냐가 훨씬 중요하다는 걸 다시 느꼈다.
(요즘 하네스 엔지니어링이 뜨는 이유)
스스로 아쉬운 점도 분명했다.
영상 문제가 나올 가능성을 어느 정도 예측하고 있었음에도, 충분히 대비하지 못했다. 특히 본선에서는 텍스트나 이미지뿐 아니라 영상까지 다뤄야 하는 상황이 발생할 수 있는데, 이 부분에 대해 실전형 준비가 부족했다.
다른 참가자의 접근을 보며, 영상 생성이나 편집 API를 미리 연결해두고 바로 활용 가능한 상태로 만들어두는 것이 큰 차이를 만든다는 점도 배웠다. 결국 문제를 “푸는 능력”만이 아니라, 바로 실행 가능한 도구 체계로 만들어두는 준비성이 중요했다.
또 하나 아쉬웠던 것은 문제의 본질을 더 빠르게 꿰뚫지 못한 순간들이 있었다는 점이다. 예를 들어 현실 지도에서 위치를 찾는 문제에서도, 단순히 코드 에이전트에게 해결을 요구하는 것이 아니라 “이 문제를 해결하는 가장 적합한 방식이 무엇인가”, "왜 이런 문제를 출제하였는가?"를 먼저 떠올렸어야 했다.
사진 한 장만으로도 정확한 좌표를 추정하는 오픈소스 모델이나 방법론이 존재한다는 것을 알고 있었는데, 실제 문제 상황에서는 그 지식을 제대로 연결하지 못했다. 결국 아는 것과 실전에서 바로 꺼내 쓰는 것 사이에는 큰 차이가 있다는 걸 절실히 느꼈다.
반면, 잘한 점도 분명히 있었다.
가장 만족스러운 부분 중 하나는 오디오 모듈을 사전에 만들어두었던 것이다. LLM이 오디오를 인식하고 활용할 수 있도록 미리 준비해둔 모듈이 있었기 때문에, 해당 유형의 문제에서는 분명한 강점이 있었다.
이런 사전 준비는 단순한 아이디어보다 훨씬 값졌고, 앞으로도 내가 계속 가져가야 할 무기라고 느꼈다.
또한 병렬 처리 방식으로 여러 문제를 동시에 굴린 점도 꽤 잘했다고 생각한다. 한 번에 3~5개 정도의 문제를 병렬로 돌렸는데, 예상보다 운영이 안정적이었다. 예선 때처럼 정신없이 흔들리기보다는, 요즘 모델들이 긴 호흡의 작업을 꽤 안정적으로 수행해준 덕분에 훨씬 체계적으로 접근할 수 있었다.
마지막 순간, 시간이 부족한 상황에서도 완성도가 낮더라도 일단 제출 가능한 형태로 마무리한 것 역시 의미 있었다. 완벽하지 않아도 제출하는 것과, 끝내 제출하지 못하는 것은 전혀 다르다. 결과적으로 아쉬움은 남았지만, 제한된 시간 안에서라도 끝까지 답을 만들어낸 태도 자체는 분명 값진 경험이었다.
개인적으로 가장 뿌듯했던 해결 장면은 HTML 지도 문제였다.
이 문제를 단순히 화면상 정보로만 보지 않고, HTML 자체를 직접 다운로드해서 구조적으로 접근한 방식은 꽤 만족스러웠다. 문제를 정면으로 푸는 것뿐 아니라, 문제의 기반 데이터를 어떻게 가져올지 역으로 생각한 접근이었다는 점에서 스스로도 꽤 괜찮은 해결 방식이었다고 느꼈다.
네트워크 파티에서 특히 인상 깊었던 배움도 하나 있었다.
평소 AI를 활용해 슬라이드(PPT)를 종종 만드는 편인데, 이번에 HTML로 장표를 먼저 구성한 뒤 이를 이미지로 변환하는 방식이 훨씬 효과적일 수 있다는 점을 깨달았다.
슬라이드 제작을 단순히 PPT 툴 안에서 해결하려고 보기보다, 웹처럼 더 유연한 방식으로 설계한 뒤 결과물로 변환하는 접근이 훨씬 실전적이라는 생각이 들었다. 이 인사이트를 알려주신 서울대 형님께 감사드린다.
이번 본선은 아쉬움이 많은 경험이기도 했지만, 동시에 내 가능성을 확인한 경험이기도 했다.
무엇이 부족한지 명확히 알게 되었고, 무엇을 무기로 삼아 더 성장해야 하는지도 보였다.
단순히 “본선까지 갔다”로 끝낼 생각은 없다. 이 경험과 본선 진출이라는 성과를 잘 레버리지해서, 다음에는 더 높은 곳을 목표로 하고 싶다.
+ 부록
밥이 미쳤다.
AI TOP 100 본선 점심 도시락
AI TOP 100 Campus 본선 저녁 정찬
데스크 세팅
M4 mac mini + 외장 모니터
M1 Mac Pro + iPad
