[커널 아카데미 취업 리부트캠프] 5주차 후기 : RAG 시험과 DB 모델링, AI에 의존하지 않는 사고력 훈련

벌써 커널 아카데미 취업 리부트캠프의 5주차가 마무리되었습니다. 한 달을 넘어서니 이제 강의장의 공기도, 동료들과의 호흡도 제법 익숙해진 듯합니다. 이번 주는 RAG 시험으로 긴장감 있게 시작해서, 지난주 제출했던 개인 AI 프로젝트 발표를 거쳐, DB 모델링이라는 새로운 영역으로 넘어가는 다채로운 한 주였습니다. N년 차 개발자로서 "역시 기본기가 가장 어렵다"는 사실을 다시 한번 체감했던 5주차의 기록을 남겨봅니다.

1. 월요일의 첫 관문, RAG 시험

이번 주 커널 아카데미의 시작은 RAG 시험이었습니다. 지난주 머신러닝과 LLM 시험을 무사히 넘긴 직후라 잠깐 한숨 돌릴 틈도 없이 또 한 번의 평가가 기다리고 있었는데요. RAG는 단순히 "검색 결과를 LLM에 붙이는 기술" 정도로 가볍게 생각하기 쉽지만, 막상 시험 문항을 마주하니 임베딩 전략, 청킹(chunking) 단위, 벡터 DB 선택의 트레이드오프, 리트리버 평가 지표 등 실무에서 마주칠 법한 디테일들이 가득했습니다.

특히 면접에서 충분히 나올 법한 "왜 그 방법을 선택했는지", "다른 방식과 비교했을 때 장단점은 무엇인지"를 묻는 문항들이 인상적이었습니다. 취업 리부트캠프라는 이름답게 시험 자체가 단순 암기가 아니라 채용 면접 대비 훈련이 되어 준다는 점이 정말 만족스러웠습니다. 다행히 주말 동안 정리해 둔 노트가 빛을 발해 무사히 통과할 수 있었습니다.

2. 지난 금요일 제출한 개인 AI 프로젝트, 발표로 마무리하다

월요일 오후부터는 지난 금요일에 제출했던 개인 AI 프로젝트 과제 발표가 이어졌습니다. 이번 과제는 팀 단위가 아니라 각자 처음부터 끝까지 혼자 책임지고 만들어내는 방식이었기 때문에, 발표 자리는 동시에 "나의 한 주"를 압축해서 보여주는 자리이기도 했습니다.

제가 만든 것은 RAG 기반 학습 플랫폼이었습니다. 사용자가 PDF나 TXT 문서를 업로드하면 LangChain과 FAISS로 벡터 인덱스를 만들어 챗봇처럼 질의응답을 할 수 있고, 동일한 문서로부터 LLM이 객관식 문제를 자동 생성해 사용자가 풀고 오답을 복습할 수 있는 풀스택 서비스입니다. 백엔드는 FastAPI + PostgreSQL, 프론트는 Vue 3로 구성했고, OpenAI·Groq·Mistral 등 7개 LLM을 런타임에 자유롭게 전환하면서 모델별 응답 시간과 토큰 비용, RAG 평가 지표를 비교할 수 있도록 만들었습니다.

발표를 준비하면서 가장 신경 쓴 부분은 "왜 이렇게 설계했는가"를 설명할 수 있게 정리하는 것이었습니다. 예를 들어 임베딩 모델로 OpenAI 대신 HuggingFace의 다국어 MiniLM을 선택한 이유(매 청크마다 API 호출이 필요해 비용이 누적됨), 한국어 RAG 평가에서 단순 set 교집합이 0%만 산출되던 문제를 600여 개 한국어 불용어 사전과 어근 매칭으로 해결한 과정, 다중 문서 선택 시 JSONB unnest로 집계 오류를 잡았던 트러블슈팅까지 — 단순히 "동작합니다"가 아니라 "이런 문제가 있어서 이렇게 풀었습니다"를 말할 수 있어야 한다는 점을 다시금 느꼈습니다.

거기에 더해 Prometheus·Loki·Tempo·Grafana로 관측성 스택을 붙여서 메트릭·로그·트레이스를 한 화면에서 drill-down할 수 있게 만든 부분이 가장 만족스러웠습니다. 강사님과 동료들의 질문을 받으며 "내가 짠 코드인데도 막상 설명하려니 논리가 엉성한 부분이 보인다"는 점을 다시 한 번 체감했고, 발표라는 형식이 결국 AI 프로젝트를 진짜 내 것으로 만드는 마지막 관문이라는 사실도 깨달았습니다.

3. DB 모델링 수업, 그리고 "AI에 묻지 말고 직접 해보라"는 미션

이번 주 후반부부터는 분위기가 완전히 바뀌어 DB 모델링 수업이 시작되었습니다. AI 프로젝트를 한다고 해서 ML/LLM만 다루는 게 아니라, 결국 데이터를 어디에, 어떻게 저장할 것인가라는 가장 근본적인 질문으로 돌아온 셈입니다. 강사님께서는 "AI 서비스도 결국 백엔드 시스템 위에서 돌아가고, 그 백엔드의 뼈대는 DB 설계가 결정한다"는 점을 누차 강조하셨습니다. 직전 발표였던 RAG 학습 플랫폼만 봐도 users, documents, document_chunks, rag_queries, rag_evaluations 등 10개 이상의 테이블이 얽혀 있다는 걸 떠올려 보면, 그 말씀이 더욱 절실하게 와닿았습니다.

이번 주 가장 인상 깊었던 미션은 영화 예매 시스템의 DB 모델링이었습니다. 그런데 조건이 하나 붙었습니다. "이번엔 AI에게 물어보지 말고 직접 설계해서 월요일에 리뷰합시다."

요즘 챗GPT나 Claude에게 ERD를 그려달라고 하면 그럴듯한 결과를 5초 만에 받아볼 수 있는 시대인데, 굳이 손으로 그려보라는 강사님의 의도가 처음에는 의아했습니다. 하지만 막상 백지 위에 영화관, 상영관, 좌석, 영화, 상영 회차, 예매 정보를 어떻게 분리하고 연결할지 고민하기 시작하니, 평소에 AI가 대신 해주던 사고 과정의 빈틈이 보이기 시작했습니다.

특히 좌석을 어떻게 모델링할 것인지가 가장 큰 고민이었습니다. "A1, A2, B1…" 같은 문자열 코드로 처리할지, 아니면 좌석 하나하나를 실체화된 레코드로 만들 것인지. 조회 속도, 좌석별 등급 관리, 향후 확장성 등을 따져보다 결국 좌석 레코드를 미리 생성해 두는 방식으로 결론을 내렸습니다. AI에게 물었으면 5초 만에 답이 나왔겠지만, 직접 고민하며 트레이드오프를 따져본 30분이 그 어떤 정답보다 값진 학습이었습니다. 취업 리부트캠프가 단순한 강의 수강이 아니라 "사고하는 엔지니어"를 만드는 과정이라는 것을 다시 느꼈습니다.

4. 마무리하며

5주차를 돌아보면, 시험으로 시작해서 개인 AI 프로젝트 발표, 그리고 새로운 영역(DB 모델링)으로의 전환까지 정말 알찬 한 주였습니다. 커널 아카데미 취업 리부트캠프의 커리큘럼이 단순히 "AI 모델 잘 다루는 사람"이 아니라 "서비스 전체를 설계하고 운영할 수 있는 AI 엔지니어"를 키우는 데 초점을 맞추고 있다는 점이 정말 마음에 듭니다.

다음 주 월요일에는 직접 설계한 ERD를 강사님께 리뷰받게 되는데, 어떤 피드백이 돌아올지 기대 반 걱정 반입니다. 한 주가 지날수록 커널 아카데미에서 배우는 것이 단순한 기술 스택 이상의, 개발자로서의 사고방식 그 자체라는 확신이 더욱 단단해지고 있습니다.

그럼 6주차 후기로 다시 찾아오겠습니다. 끝까지 완주를 향해, 오늘도 한 걸음 더!

---

본 포스팅은 커널 아카데미 취업 리부트캠프를 수강하고 작성한 콘텐츠 입니다. https://kernel.fastcampus.co.kr/b2g_reboot