[UNIKER] AI 서비스를 직접 시연하다, 팀 핏줄 CampusLog 중간 데모데이 후기 (“가장 안전했던 선택이 나를 위험하게 만들었고, 위험한 선택이 나를 안전하게 만들었다.”)

문서와 코드 안에서만 보던 서비스를 다른 사람들 앞에서 직접 시연하는 순간, 프로젝트는 전혀 다르게 보이기 시작한다.

역삼 센터필드 7층 UNIKER 중간 데모데이 현장

 
2026년 8월 2일, 서울 역삼역 인근 센터필드 7층에서 커널아카데미 대학생 AI 크루 UNIKER 1기 중간 데모데이가 진행됐다. 오후 2시부터 5시 30분까지 레크리에이션과 팀별 발표, 멘토 피드백이 이어졌고, 공식 일정이 끝난 뒤에도 오후 7시 30분까지 식사와 네트워킹이 계속됐다.
이번 데모데이는 지난 몇 주 동안 각 팀이 기획하고 개발한 AI 서비스를 처음으로 한자리에서 공유하는 시간이었다.
우리 팀 ‘핏줄’ 역시 대학생의 경험을 기록하고 활용하도록 돕는 서비스 CampusLog를 직접 시연했다. 

처음 만난 크루들과 팀을 이루다

조 구성과 레크레이션 진행

행사는 기존 프로젝트 팀이 아닌 새로운 조로 자리를 섞어 앉는 것부터 시작됐다.
각자 이름과 학교, 전공 등을 간단하게 소개한 뒤 레크리에이션에서 사용할 팀명과 구호를 정했다.
우리 조의 팀명은 ‘소녀시대’, 구호는 노래 ‘Gee’를 연상시키는 “지!”로 정했다. (레크레이션 동안 빠르게 구호를 외치기 위하여..)
처음 만난 사람들과 짧은 시간 안에 이름을 정해야 해서 조금 어색하기도 했지만 이 과정 덕분에 자연스럽게 대화를 시작할 수 있었다.
 
본격적인 발표 전에 진행된 레크리에이션은 크게 세 가지였다.
첫 번째는 여러 상품이나 메뉴를 보고 가격이 비싼 순서를 추론하는 영수증 프로파일러, 두 번째는 여러 음료가 섞인 음료를 직접 마시고 어떤 재료가 들어갔는지 맞히는 게임이었다.
마지막은 사진 속 단서를 찾아 설명과 실제 상황이 맞지 않는 부분을 발견하는 게임이었다. 휴대전화 화면의 시간, 위치 정보, 사진 속 물건처럼 무심코 지나칠 수 있는 부분을 찾아야 해서 생각보다 집중력이 필요했다. 준비된 게임이 예상보다 빠르게 끝난 뒤에는 노래 맞히기 게임도 추가로 진행됐다.
 
평소에 할 수 없는 게임들을 진행하면서 생각보다 재미있었고 팀원들이랑 서로 조금씩 친해질 수 있는 계기였다. 게임 중간 중간에 5초간 친목도모 시간이 기억에 남는다.

대학생의 문제를 AI 서비스로 풀어낸 팀들

 
레크리에이션이 끝난 뒤에는 각 팀이 개발 중인 서비스를 약 5~10분 동안 발표하고, 이어서 두 분의 멘토님으로부터 공개 피드백을 받았다.
웹캠을 활용한 자세 및 집중 관리 서비스, 대학생을 위한 AI 대화 친구, 대학원 연구 주제와 교수 매칭 서비스, 번아웃 예방 스케줄러, AI와 인플루언서를 결합한 패션 스타일링, 대학생활 정보를 연결하는 AI 비서 등 다양한 주제가 등장했다.
 
같은 UNIKER 프로그램에 참여하고 있지만, 팀마다 문제를 바라보는 방식은 상당히 달랐다. 어떤 팀은 게임 요소와 커뮤니티를 활용했고, 어떤 팀은 개인화된 추천이나 데이터 분석에 집중했다. 발표를 들으며 AI라는 같은 도구도 사용자의 문제와 팀의 관점에 따라 전혀 다른 서비스로 구현될 수 있다는 점이 인상적이었다.
 
멘토님들은 단순히 화면이 예쁜지, 기능이 많은지만 평가하지 않았다. 해결하려는 문제가 무엇인지 사용자가 계속 서비스를 이용할 이유가 있는지, AI를 사용하지 않았을 때와 비교해 어떤 차별점이 있는지, 실제로 검증할 수 있는 지표가 무엇인지까지 질문했다.
특히 베타테스트를 진행할 때는 단순히 “사용해 보고 의견을 받는다”에서 끝나는 것이 아니라, 누구를 대상으로 어떤 가설을 검증할 것인지를 먼저 정의해야 한다는 조언이 여러 팀의 피드백에서 공통적으로 드러났다.

팀 핏줄의 CampusLog 중간 데모

 
 

팀 핏줄 발표 (나)

우리 팀 ‘핏줄’은 대학생의 경험을 기록하고 필요할 때 다시 활용하도록 돕는 AI 경험 관리 서비스, CampusLog를 발표했다.
CampusLog는 우리 팀이 실제로 겪었던 불편함에서 출발했다.
대외활동이나 학교 프로그램, 인턴과 채용에 지원하려면 자기소개서와 면접을 준비해야 한다. 그러나 막상 질문을 받으면 어떤 경험을 활용해야 할지 바로 떠올리기 어렵다.
평소 블로그, 노션, GitHub, 갤러리, AI 대화 기록 등에 경험을 남겨두더라도 실제 지원 시점에는 여러 공간을 다시 뒤져야 한다. 기록은 존재하지만 필요한 순간에 적절한 경험을 찾고 활용하기 어렵다는 것이 우리가 발견한 문제였다.
CampusLog는 이 과정을 다음과 같이 연결한다.

경험 기록 → AI 경험 분석 → 목적에 맞는 경험 추천 → 자기소개서·면접·지원에 활용

 

대학생이 프로젝트, 공모전, 인턴, 대외활동 등의 경험을 기록하면 AI가 그 경험의 역량과 성과를 정리하고, 자기소개서나 포트폴리오, 면접 준비 상황에 적합한 경험을 다시 추천하는 것이 서비스의 핵심이다.

직접 시연한 CampusLog의 핵심 기능

발표에서는 설명에만 머무르지 않고 실제 배포된 서비스를 직접 조작하며 전체 흐름을 보여드렸다.
먼저 이메일 인증과 구글 로그인을 통해 서비스에 접속한 뒤 새로운 경험을 기록했다. 사용자는 활동 제목과 기간, 역할, 활동 내용, 성과, 관련 링크와 이미지 등을 저장할 수 있다.
저장된 경험에 AI 분석을 요청하면 경험의 핵심 내용과 성과를 요약하고, 면접과 자기소개서에 활용하기 쉽도록 STAR 구조에 맞게 정리한다.
여기서 우리가 중요하게 생각한 부분은 AI가 사용자의 경험을 마음대로 과장하지 않도록 하는 것이었다.
기록된 내용만으로 정확한 분석이 어려운 경우 AI가 역할 범위, 수치화된 성과, 문제 해결 과정 등 부족한 정보를 다시 질문한다. 사용자는 답변할 수 있는 내용만 보완하고, 그 결과까지 저장해 이후 경험 추천에 활용할 수 있다.

메인 기능인 AI 경험 추천에서는 자기소개서, 면접, JD 분석, 대외활동 지원 등 활용 목적과 질문을 입력한다. 이미지로 캡처한 채용공고나 PDF 자료도 함께 첨부할 수 있도록 구성했다.
AI는 저장된 경험과 기존 분석 결과를 함께 살펴본 뒤 가장 적합한 경험 세 가지를 추천한다. 단순히 경험 제목만 보여주는 것이 아니라 다음 내용도 함께 제공한다.

• 해당 경험을 추천한 이유와 판단 근거
• 질문과 연결되는 역량 및 성과
• 현재 기록에서 부족한 부분
• 자기소개서나 면접에서 강조할 방향

자기소개서 문항이라면 요구되는 글자 수에 맞춰 초안을 생성할 수 있고, JD 분석에서는 채용공고의 요구사항과 사용자의 경험을 비교해 충족, 부분 충족, 미충족 여부를 보여준다. 이를 통해 사용자는 단순히 “지원할 수 있다”는 답변을 받는 것이 아니라, 어떤 경험을 강조하고 어떤 역량을 보완해야 하는지 확인할 수 있다.

시연 중 AI 분석 요청에서 일시적인 오류가 발생하기도 했다. 다행히 준비해둔 분석 결과 화면으로 전환해 발표를 이어갈 수 있었다. 실제 데모에서는 기능 구현뿐 아니라 오류가 발생했을 때 어떻게 다음 흐름으로 넘어갈지도 준비해야 한다는 점을 체감했다.

(이후에 발표 끝나자 마자 시연 중 왜 오류가 발생했는지 오류 코드 찾고 바로 수정해서 발표 쉬는 시간에 배포를 다시 했다.. 최종 발표때는 이런 일이 일어나지 않도록 꼼꼼하게 테스트하고 시뮬레이션 하고 준비해서 와야겠다.)

“기다리는 시간을 또 다른 경험으로 연결해보세요”

발표가 끝난 뒤 멘토님들께서는 이전 멘토링 때보다 서비스가 많이 발전했고 실제로 겪은 불편함에서 출발한 문제 정의가 좋았다고 평가해주셨다.
특히 경험을 한 번 분석하고 끝내는 것이 아니라 AI가 부족한 정보를 질문하고 사용자가 보완한 뒤 다시 분석할 수 있도록 만든 세부적인 UX를 긍정적으로 봐주셨다.

가장 구체적인 피드백은 AI 응답을 기다리는 시간에 관한 것이었다.
현재는 분석이나 추천을 요청하면 사용자가 해당 화면에서 결과가 나올 때까지 기다려야 한다. 멘토님께서는 작업을 백그라운드에서 계속 진행하고, 화면에는 프로그레스 바나 진행 상태를 보여주는 방식을 제안해주셨다.
사용자가 기다리는 동안 다음과 같이 다른 행동을 유도할 수도 있다.

“분석이 진행되는 동안 다른 경험을 기록해보시겠어요?”
“오늘의 기록을 먼저 작성해보세요.”

 

분석이 끝나면 별도의 알림을 제공하면 사용자는 멈춰 있는 화면을 바라보지 않고 서비스를 계속 이용할 수 있다. 기술적으로 응답 시간을 완전히 줄이는 것뿐 아니라, 사용자가 체감하는 대기 시간을 어떻게 설계할 것인지도 중요하다는 피드백이었다.

경험 입력 화면 역시 정해진 폼만 제공하기보다 기존 문서나 이미지, 활동 기록을 올리면 AI가 CampusLog 형식에 맞게 자동으로 정리해주는 멀티모달 입력 방식을 고려해볼 수 있다는 의견을 받았다.

AI가 대신 작성하는 서비스에서 끝나지 않으려면

또 하나 기억에 남았던 피드백은 생성형 AI와 취업 준비에 관한 것이었다.
최근에는 많은 지원자가 AI를 활용해 자기소개서를 작성한다. 하지만 잘 작성된 서류로 합격하더라도, 면접에서 자신이 수행한 경험을 제대로 설명하지 못하는 경우가 생길 수 있다.
멘토님께서는 CampusLog가 단순히 보기 좋은 자기소개서를 대신 작성해주는 서비스에서 끝나지 않고 사용자가 자신의 경험을 다시 이해하고 말할 수 있도록 면접과 이후 과정까지 연결되면 좋겠다는 의견을 주셨다.

우리 역시 처음부터 사용자의 실제 경험을 기반으로 분석하고, 부족한 정보를 다시 질문하도록 설계했다. 이번 피드백을 통해 이 방향을 더욱 발전시켜야겠다고 생각했다.

AI가 사용자의 경험을 새롭게 만들어주는 것이 아니라,

사용자가 이미 가진 경험을 더 정확히 기억하고, 자신의 언어로 설명하도록 돕는 것

 

이 CampusLog가 지향해야 할 중요한 가치라고 느꼈다.

과거 경험을 한 번에 적는 부담, ‘오늘의 기록’으로 줄이기

발표 마지막에는 앞으로 개발하고 싶은 ‘오늘의 기록’ 기능도 소개했다.
CampusLog를 직접 사용해보면서 과거의 활동을 한 번에 정리하는 것 역시 적지 않은 일이라는 사실을 확인했다. 아무리 좋은 서비스라도 처음부터 긴 경험 기록을 요구하면 사용자가 부담을 느낄 수 있다.
따라서 매일 짧게 한 일을 남기면 AI가 비슷한 기록을 하나의 활동으로 묶어주는 방식을 구상하고 있다.

 

예를 들어 며칠 동안 다음 기록을 남겼다고 가정해볼 수 있다.

• 사용자 흐름 수정
• AI 추천 프롬프트 개선
• 팀 회의에서 기능 우선순위 결정
• 배포 오류 해결

AI가 이 기록을 하나의 프로젝트 경험으로 묶고, 역할과 문제 해결 과정, 성과를 정리해준다면 사용자는 기억이 흐려지기 전에 경험을 자연스럽게 축적할 수 있다.

이는 기록의 부담을 줄이는 기능인 동시에, 사용자가 CampusLog를 한 번만 쓰고 떠나는 것이 아니라 꾸준히 방문하도록 만드는 핵심 기능이 될 수 있다.

발표가 끝난 뒤 시작된 진짜 네트워킹

피자·치킨·떡볶이와 함께한 식사 및 네트워킹

 

오후 5시 30분경 공식 발표가 마무리된 뒤에는 피자와 치킨, 떡볶이, 튀김 등을 함께 먹으며 네트워킹을 이어갔다.
발표 시간에는 각 팀의 서비스와 기능을 중심으로 이야기했다면, 식사 시간에는 AI 시대의 개발자, 취업과 포트폴리오, 창업, 해외 커리어 등 더 넓은 주제로 대화가 이어졌다.

다른 크루들과는 학교와 전공, 진행 중인 대외활동과 프로젝트를 공유했다. CampusLog도 다시 소개하며 이후 베타테스트에 참여해달라고 요청했고, 실제 사용 과정에서 발생하는 오류와 불편함을 편하게 알려달라고 부탁했다.

단순히 연락처만 교환하는 네트워킹이 아니라, 앞으로 우리의 서비스를 사용해보고 피드백을 줄 수 있는 잠재 사용자들을 만났다는 점에서 의미가 컸다.

AI 시대에는 ‘무엇을 만들었는지 설명하는 능력’이 더 중요하다

식사 자리에서 가장 인상 깊었던 주제는 AI를 활용한 개발을 현업에서는 어떻게 바라보는가였다.
AI가 보편화되면서 많은 사람이 이전보다 빠르게 코드와 서비스를 만들 수 있게 됐다. 동시에 충분히 검증하지 않은 코드와 Pull Request가 늘어날 수 있다는 우려도 존재한다.
멘토님께서는 이러한 흐름 자체를 막을 수는 없으며, 조직에서는 AI가 만든 결과물을 검토할 수 있는 시스템을 갖춰야 한다고 말씀하셨다. 그러나 도구가 발전하더라도 개발자는 자신이 어떤 코드를 만들었는지 이해해야 한다는 점은 변하지 않는다.

면접에서 문제가 발생했을 때,

“AI가 그렇게 만들어줬습니다.”

라고 답하는 것과,

“이 문제를 이렇게 판단했고, 해당 분석과 구현 과정에서 AI를 활용했습니다.”

 

라고 답하는 것은 전혀 다르다.

AI가 결과물을 만들었는지가 아니라, 그 과정에서 사람이 어떤 기준으로 판단하고 검증했는지가 중요하다는 이야기였다. 오류가 발생했을 때 원인을 생각하지 않고 AI에 해결을 맡기기만 한다면 그 결과는 온전히 자신의 경험이 되기 어렵다. 반대로 기술을 선택한 이유와 트러블슈팅 과정을 직접 설명할 수 있다면 AI 활용 역시 충분히 강점이 될 수 있다.

이 이야기를 들으며 CampusLog 개발 과정도 단순히 “Codex를 활용해 서비스를 만들었다”로 정리해서는 안 된다고 생각했다.
우리가 어떤 문제를 발견했고, 왜 이 기능을 선택했으며, AI 결과의 과장을 어떻게 막았고, 응답 지연과 사용자 경험을 어떻게 개선했는지를 설명할 수 있어야 한다. 그것이 AI 시대에 프로젝트를 자신의 것으로 만드는 방법이라고 느꼈다.

서비스의 개수보다 실제 사용자가 남긴 지표

포트폴리오에 관한 대화에서는 여러 서비스를 빠르게 만드는 것보다 하나의 서비스를 실제로 운영하며 의미 있는 지표를 만드는 것이 중요하다는 조언도 들을 수 있었다.

AI를 이용하면 짧은 시간 안에 많은 결과물을 생성할 수 있다. 그러나 서비스의 개수가 많다는 사실만으로는 사용자의 문제를 해결했다는 것을 증명하기 어렵다.

한 개의 서비스를 만들더라도 실제 사용자에게 배포하고,

• 몇 명이 사용했는지
• 어떤 기능을 반복해서 이용했는지
• 어느 지점에서 이탈했는지
• 어떤 피드백이 개선으로 이어졌는지

를 설명할 수 있다면 훨씬 강한 프로젝트가 된다.

공모전이나 지원사업에서 좋은 결과를 얻지 못했다고 해서 서비스 자체가 실패한 것도 아니다. 심사에는 발표 방식과 평가 기준 등 여러 요소가 작용한다. 결국 서비스를 계속할지 중단할지는 실제 사용자에게 공개하고 피드백을 받은 뒤 판단해야 한다는 이야기가 인상 깊었다.
이번 대화를 통해 남은 기간 CampusLog에 필요한 것은 기능의 개수를 늘리는 것만이 아니라는 점을 다시 확인했다.

데모데이 이후 CampusLog가 나아갈 방향

이번 피드백을 바탕으로 최종 발표 전까지 다음 과제를 중점적으로 진행할 예정이다.

첫째, AI 분석과 추천 과정에 스트리밍 또는 명확한 진행 상태를 적용하고, 백그라운드 작업과 완료 알림을 통해 사용자가 기다리는 시간을 줄인다.
둘째, 이미지와 문서 등 다양한 형식의 기존 기록을 경험 데이터로 변환할 수 있도록 입력 방식을 확장한다.
셋째, 매일 짧은 기록을 활동 단위로 묶어주는 ‘오늘의 기록’을 구현해 경험을 작성하는 부담을 줄인다.
넷째, 개발 전공자뿐 아니라 기획, 마케팅, 경영 등 다양한 전공의 대학생을 대상으로 사용자 테스트를 진행한다. 우리가 익숙해서 지나친 부분을 실제 사용자의 관점에서 다시 확인할 계획이다.
마지막으로 자기소개서 초안 생성에서 끝나지 않고, 추천된 경험을 사용자가 직접 이해하고 설명할 수 있도록 면접 준비까지 연결되는 방향을 고민하려 한다.

중간 점검, 방향을 다시 잡는 시간

이번 데모데이는 현재까지 구현한 기능을 보여주는 중간 점검이었지만, 우리에게는 그 이상의 의미가 있었다.
다른 팀의 서비스를 보며 우리가 놓친 관점을 발견했고, 멘토 피드백을 통해 기술적인 개선점과 서비스가 지향해야 할 가치를 다시 생각할 수 있었다. 식사 자리에서는 발표 시간에 다루지 못했던 AI와 개발, 커리어, 창업에 대한 현실적인 이야기도 들을 수 있었다.

 

그중에서도 멘토님께서 소개해주신 문장이 오래 기억에 남았다.

“가장 안전했던 선택이 나를 위험하게 만들었고, 위험한 선택이 나를 안전하게 만들었다.”

 

물론 무작정 위험한 선택을 해야 한다는 의미는 아니다. 자신이 감당할 수 있는 범위에서 시도하고, 결과를 통해 다음 판단의 근거를 만드는 태도에 가까웠다.

CampusLog 역시 아직 완성된 서비스가 아니다. 응답 속도와 사용자 경험, 입력 부담, 실제 사용자 검증 등 해결해야 할 문제가 남아 있다.
그러나 아이디어를 문서로 정리하는 데서 멈추지 않고, 직접 작동하는 서비스를 만들어 사람들 앞에서 시연하고, 피드백을 받아 다시 개선하고 있다는 점에서 분명히 앞으로 나아가고 있다.

남은 기간에는 기능을 더 많이 만드는 것보다, CampusLog가 실제 대학생의 경험 관리 문제를 얼마나 잘 해결할 수 있는지 증명하는 데 집중하려 한다.

좋은 자리를 준비해주신 커널아카데미 운영진분들과 긴 시간 동안 각 팀의 발표를 듣고 구체적인 피드백을 전해주신 멘토님들, 그리고 서로의 프로젝트와 고민을 나눠준 UNIKER 1기 크루분들께 감사드린다.

이제 중간 데모를 넘어, 실제 사용자가 계속 사용하고 싶은 CampusLog를 만들어보려 한다.