[문제점]
1. 전문가 인터뷰 데이터가 비정형 텍스트로 산재되어 있어 분석 및 활용이 어려움
2. 키워드 중심 정제 및 주제 분류가 수작업에 의존, 효율성과 일관성 부족
3. 데이터 기반 인사이트 도출 및 학습 자료화에 한계

[목표]
1. 자연어처리 기반 인터뷰 텍스트 자동 정제 및 핵심 키워드 추출
2. 주제별 자동 태깅 및 범주화로 검색성과 학습 편의성 향상
3. 분석 결과를 CSV/JSON 포맷으로 구조화하여 데이터셋으로 재활용 가능

[주안점]
1. 자동화된 데이터 파이프라인: 인터뷰 업로드 → 정제 → 키워드 추출 → 구조화까지 자동 처리
2. 주제/태그 대시보드 제공: 관리자 화면에서 인터뷰별 주요 키워드, 주제 태그, 정제 상태 확인 가능
3. 데이터 품질 관리 기능: 키워드 및 태깅 결과에 대한 수정·승인 기능 제공
4. 내보내기 기능 지원: 학습용, 보고서용으로 CSV/JSON 형식의 데이터 즉시 다운로드 가능
5. 접근 권한 제어: 데이터 수정/승인/삭제 등 역할별 권한 관리 기능 포함
6. 활용 로그 분석: 어떤 키워드·주제가 가장 많이 등장했는지에 대한 통계 리포트 기능

1) 포트폴리오 소개
- AI 기반 인터뷰 데이터 분석 및 구조화 서비스 개발

2) 작업 범위
1. 솔루션 기획 및 아키텍처 설계: 데이터 처리 파이프라인 및 AI 연동 구조 설계
2. 웹 기반 GUI 개발: Streamlit을 활용한 직관적인 사용자 인터페이스 구현
3. 핵심 분석 로직 개발: Gen AI 기반의 키워드 추출, 2-Track 요약, 관계망 분석 로직 개발
4. 데이터 시각화: 분석 결과(키워드 빈도, 온톨로지)의 동적 시각화 기능 구현
5. 데이터 Export 시스템 구축: CSV, JSON, AI 학습용 데이터셋(JSONL), 지식 그래프(OWL) 등 다양한 형식의 데이터셋 생성 및 다운로드 기능 개발
6. 지원 환경: 반응형 웹 (데스크톱, 태블릿, 모바일 등 다양한 기기에서 최적화된 화면 제공)

3) 주요 업무
1. Gen AI 기반 텍스트 자동 분석 시스템:
- 맥락 기반 키워드 추출: 단순 빈도수를 넘어, 질문의 의도를 파악하여 핵심 개념어를 명사구 형태로 추출합니다.
- 2-Track 자동 요약 생성: 간결한 '핵심 문장(Key Points)' 요약과 부드러운 '서술형(Summary)' 요약을 동시에 제공합니다.
2. 주제-키워드 간 온톨로지(Ontology) 관계망 자동 생성 및 시각화:
- '주제'와 '키워드' 간의 연결 관계를 자동으로 분석하여 네트워크 그래프로 시각화합니다.
- 여러 주제에 공통으로 등장하는 '허브 키워드'를 식별하여 핵심 인사이트를 제공합니다.
3. AI 기반 종합 분석 보고서 자동 생성:
- 정량적 통계(키워드 빈도, 주제 분포)와 온톨로지 분석 결과를 종합하여, 논문에 인용 가능한 수준의 학술적 보고서를 Markdown 형식으로 자동 생성합니다.
4. 다양한 형식의 데이터셋 Export 기능:
- 기본적인 CSV, JSON 형식은 물론, 대규모 AI 모델 학습에 최적화된 JSONL, 그리고 지식 그래프 표준 언어인 OWL 형식의 데이터셋 생성을 지원합니다.

4) 주안점
1. 분석 결과물의 품질 확보: 최신 LLM모델을 도입하여 분석 결과의 정확성과 품질을 극대화했습니다. 특히, 정교한 프롬프트 엔지니어링을 통해 AI가 사용자의 의도에 맞는 결과물을 생성하도록 유도했습니다.
2. 데이터의 확장성 및 재활용성 설계: 분석 결과를 단순히 보여주는 것을 넘어, 향후 맞춤형 AI 모델 개발과 지식 그래프 구축의 기반이 될 수 있도록 JSONL, OWL과 같은 표준 데이터 형식의 Export 기능을 구현하는 데 집중했습니다.
3. 사용자 경험(UX) 중심의 직관적인 UI/UX 설계: 멀티페이지 앱 구조, API 키 외부 파일 관리, 사용자 제어 슬라이더 등을 도입하여, 비개발자도 복잡한 AI 분석 기능을 쉽고 안정적으로 사용할 수 있도록 사용 편의성을 높였습니다.
4. 효율적인 API 관리: 여러 분석 작업을 단일 API 호출로 처리하는 통합 프롬프트 기법과, 작업의 성격에 맞는 최적의 모델을 전략적으로 사용하여 API 할당량 문제를 해결했습니다.