위버스브레인 면접 답변 요약본
면접: 2026-04-28 (화) 17:00 | 핵심: calling-language · 같은 방향의 문제 정의 · 즉시 기여
A. 고정 질문
A1. 1분 자기소개 부탁드립니다.
저는 ‘배움’과 ’성장’ 이라는 키워드로 커리어를 만들어왔습니다.
오뚜기에서 데이터 분석가로 일한 경험이, 통계대학원에서 분석 역량을 더 깊이 다지는 시간으로 이어졌고, 악사손해보험에서 PMO로 70억 원 규모 시스템 사업을 관리한 경험으로 확장되었습니다. 데이터를 다루는 일에서 시작해, 시스템이 만들어지는 전 과정을 관리하는 일까지 폭이 넓어진 흐름이었습니다.
이후 생성형 AI라는 큰 변화에 맞춰 다양한 실험을 이어가다, 직접 ’calling-language’라는 AI 영어 튜터를 기획하고 구현했습니다. 제가 학습자로서 겪은 페인을 직접 정의하고 솔루션으로 만드는 과정에서, 저 자신이 프로덕트 기획이라는 일에 깊이 몰입할 수 있고 즐긴다는 것을 분명히 알게 되었습니다.
A2. 악사손해보험 퇴사 이유와 퇴사 후 기간 동안 어떻게 보내셨나요?
[1] 퇴사 이유 (약 20초)
악사손해보험 퇴사에는 두 가지 이유가 있었습니다. 평소 교육 영역에 관심이 있었고, 동시에 부모님이 계신 지역 가까이에서 일할 수 있는 조건도 맞았습니다. 그래서 지방 대학교에서 행정 직원으로 일하게 되었습니다. 실제로 일해보니 교육 현장 자체는 좋았지만, 행정 업무의 특성상 새로운 기술을 빠르게 적용하고 결과물을 직접 만들어보고 싶은 제 성향과는 맞지 않았습니다. 짧은 기간이었기에 이력서에는 별도로 기재하지 않았고, 빠르게 판단해 서울로 돌아와 제 강점을 살릴 방향으로 다시 설계하기로 했습니다.
[2] 퇴사 후 기간 (약 35초)
A3. 마지막으로 하고 싶은 말씀이 있으신가요?
AI 없는 어학 교육 프로덕트도, 어학 교육이 없는 AI도 그 효과가 적다고 생각합니다. 저는 AI 기술을 빠르게 테스트하고 구현하는 능력과, 오래 영어 공부를 해오며 쌓은 어학 교육에 대한 관심을 모두 가지고 있습니다. 위버스브레인에서 저부터 만족할 수 있는, 그리고 학습자들이 실제 영어 향상을 체감할 수 있는 프로덕트를 기획하고 만드는 데 빠르게 기여하는 모습으로 보여드리겠습니다.
B. 본질 질문
B1. 프로덕트 기획자란 무엇이라 정의하시나요?
프로덕트 기획자는 사용자 이전에 스스로 사용자가 되어, 사용자가 느낄 만한 페인 포인트를 선별하고, 이를 요구사항으로 변환하여 개발자와 디자이너가 함께 해결할 수 있는 기능을 만드는 데 주도적인 역할을 수행하는 사람이라고 생각합니다.
좋은 프로덕트 기획자는 자신의 프로덕트에 진심으로 관심을 가진 사용자여야 한다고 생각합니다. 실제 사용자로서 접근하면, 업무적으로만 대했을 때는 보지 못하는 영역까지 들여다볼 수 있기 때문입니다. 제가 calling-language를 매일 직접 사용하면서 평가 객관성 문제를 발견하고 OPIc 루브릭으로 재설계했던 경험이, 이런 사고가 실제로 프로덕트를 어떻게 바꾸는지 확인한 사례였습니다.
B2. 왜 에듀테크인가요? 다른 산업과 비교해 어떤 점이 매력적이라 느끼셨나요?
에듀테크는 생성형 AI 이후 가장 흥미로운 분야 중 하나라고 생각합니다.
이전에는 양질의 교육이 1:1 과외라는 형태에서 비용 장벽으로 가로막혀 있었습니다. AI는 그 자체로 1:1 과외를 스케일업해, 받고자 하는 모든 사람이 받을 수 있도록 만들었습니다. 이 변곡점이 지금 에듀테크에서 일어나고 있다고 생각합니다.
개인적으로도 통계대학원에서 새로운 분야를 배우고, 영어 학습을 오래 이어오며, 최근에는 calling-language를 매일 사용하는 학습자로 살아왔습니다. 그 과정에서 앞으로 일할 도메인은 ’배우는 사람들이 있는 곳’이면 좋겠다는 생각이 분명해졌습니다.
B3. 왜 위버스브레인인가요? 타 에듀테크 대비 어떤 차별점 때문에 지원하셨나요?
위버스브레인의 장점은 확장성이라고 생각합니다. 영어에만 국한된 것이 아니라 중국어나 일본어 같은 다른 언어로도 확장이 가능하다는 점, 그리고 B2C뿐만 아니라 B2B에서 기업이 원하는 기준에 맞춰 프롬프트를 빠르게 조정하여 기업에 맞게 제공할 수 있다는 점, 또한 필요한 경우 도메인에 특화된 언어로 확장할 수도 있다는 점, 이러한 확장성이 위버스브레인이 가진 장점이라고 생각합니다.
B4. 영어 학습자에게 AI가 줄 수 있는 가장 큰 가치가 무엇이라 생각하시나요?
AI를 활용했을 때 가장 큰 가치는, 개인 맞춤형 교육을 범용적으로 가능하게 만든다는 점입니다. 학습자 개개인의 속도, 말하기 습관, 선호 시간대 등을 인간 튜터와 만족스럽게 맞추기는 어렵습니다. AI는 이 모든 변수를 지속적으로 학습자에게 맞출 수 있어, 언어 학습에서 가장 중요한 지속성을 확보할 수 있다는 점이 가장 큰 가치라고 생각합니다.
저 또한 calling-language를 매일 사용하면서, 시간과 페이스가 저에게 맞춰지는 환경에서야 비로소 영어 학습이 일상이 되는 경험을 했습니다.
B5. 좋은 AI 영어 학습 프로덕트의 조건은 무엇이라 생각하시나요?
저는 좋은 학습 프로덕트는 좋은 선생님과 같다고 생각합니다.
좋은 선생님은 학생이 더 잘하도록 돕는 사람이고, 그 핵심은 개선 가능한 피드백을 정확하게 주는 일입니다. 위버스브레인의 맥스AI 메아리 학습법 같은 것이, 좋은 선생님이 학생의 발화를 듣고 따라하게 하는 역할을 AI로 구현한 좋은 사례라고 생각합니다.
다만 거기서 한 단계 더 나아가, 한국어 사용자가 자주 부딪히는 디테일까지 짚어주는 프로덕트가 좋은 학습 프로덕트라고 봅니다. R과 L 발음의 차이, 관사 사용, 한국어식 영어 표현 같은 한국인 특유의 패턴을 구분해서 짚어줄 수 있을 때, 학습자는 비로소 “내가 정말 늘었다”는 신뢰를 가질 수 있습니다.
C. 경험 검증
C1. PMO 경험이 프로덕트 기획 직무와 어떻게 연결된다고 보시나요?
시스템 개발 프로젝트의 PMO 업무에서 가장 큰 비중을 차지한 것은 이해관계자 커뮤니케이션이었습니다.
첫째, 보안 파트의 주니어 PM으로서 분석·설계 단계에서 누락될 수 있는 보안 요건들을 체크리스트로 구조화하고, 보안팀과 수행사 LG CNS 사이에서 교차검증 프로세스를 설계했습니다. 분석·설계 단계에서 빠질 수 있는 요건을 사전에 점검할 수 있는 도구와 흐름을 만든 것이 핵심 기여였습니다.
둘째, CEO가 참여하는 월간 위원회 보고서를 직접 작성하면서, 시스템 전환율 지표를 직접 추출하고 전환이 더딘 센터를 식별해 보고했습니다. 이 보고가 본사 영업지원 담당의 파견으로 이어지는 등, 데이터가 후속 액션으로 연결되도록 하는 역할을 했습니다.
C4. 센터별 전환율을 트래킹한 경험을, 프로덕트 지표 추적에 어떻게 옮겨올 수 있을까요?
센터별 전환율을 트래킹한 것은, 오픈 후 서비스가 실제로 운영되는지를 데이터로 확인하는 일이었습니다. 지표를 정의하고, 이상이 있는 지점을 식별하고, 액션으로 연결하는 사고 흐름 — 이것이 프로덕트 지표 추적에 그대로 옮겨올 수 있는 부분이라고 생각합니다.
맥스AI에서는 앱 내 단계별 이탈 데이터를 얻을 수 있습니다. 어느 단계에서 학습자가 빠져나가는지 보고, 그 단계에 개선을 가했을 때 이탈률이 줄어드는지를 A/B 테스트로 검증하는 것 — 센터별 전환율을 보며 했던 사고와 구조가 같습니다. 도메인이 바뀌었을 뿐, 데이터로 현황을 보고 가설을 만들고 검증하는 흐름은 동일합니다.
D. 역량 증거 ★
D1. 최근 AI 기술을 직접 다뤄본 경험을 말씀해 주세요.
가장 최근에는 calling-language라는 AI 영어 튜터 프로젝트를 직접 설계하고 구현했습니다. ‘원하는 시간에 AI 튜터가 전화를 걸어 10~15분 영어 회화를 진행하고 피드백을 주는’ 서비스인데, Claude Code와 협업해 MVP 수준까지 배포했고 저 스스로도 매일 사용하고 있습니다.
D2. calling-language 프로젝트를 만든 계기와 접근 방식을 설명해 주세요.
EF 잉글리시라는 글로벌 영어 서비스를 6개월 정도 구독하면서 두 가지 어려움을 실제로 겪었던 게 시작이었습니다.
첫째, 1:1 프라이빗 클래스가 있었는데 원하는 선생님과 대화하려면 그 선생님의 시간에 제 일정을 맞춰야 했습니다. 학습하고 싶은 타이밍에 학습하기가 쉽지 않았습니다. 둘째, 월 비용의 부담이 있었습니다.
또한 평소 ‘AI를 활용해 제가 실제로 이점을 얻을 수 있는 서비스를 직접 만들어보고 싶다’는 생각을 갖고 있었습니다. 영어 학습에서 겪은 이 두 가지 페인 포인트가 바로 그 대상이 될 수 있겠다고 판단했고, ’원하는 시간에 AI 튜터가 전화를 걸어주는’ 서비스를 직접 만들어보기로 했습니다.
핵심 가치 제안은 ‘원하는 시간에 스케줄을 걸면 실제 번호로 전화가 온다’는 것이었습니다. 사용자가 가입해서 온보딩을 마친 뒤 학습 시간을 스케줄링해 두면, 그 시간에 AI 튜터가 전화를 걸어 10~15분 회화를 진행하고 레벨별 피드백을 제공합니다.
구현은 Claude Code와 협업해 Vapi, Twilio 등 스택으로 MVP 수준까지 배포했습니다. 학부 때 데이터베이스 수업과, 오뚜기에서 클라우드 기반 데이터 수집 스케줄을 구축하고 Docker를 다뤄봤던 경험이 구현의 기반이 되었습니다.
MVP를 만든 뒤, 위버스브레인의 맥스AI 밀착케어콜이 제가 정의한 문제와 정확히 같은 방향의 솔루션임을 확인했습니다. 회사가 시장에서 해결하려는 문제를 저도 같은 방향으로 정의해 본 경험이 있다는 것은, 입사 후 제품 로드맵을 빠르게 이해하고 기여할 수 있는 출발점이 될 것이라고 생각합니다.
D3. MVP를 만들면서 기술적·사용자 관점에서 가장 어려웠던 점은?
MVP를 만들면서 가장 크게 부딪힌 한계는 “AI의 피드백을 어떻게 객관적으로 평가할 것인가” 였습니다.
두 가지 층위의 문제가 있었습니다. 첫째, 기술적으로는 음성 인식이 부정확하면 트랜스크립트 오류가 AI 피드백 품질에 그대로 전파됩니다. 둘째, 더 본질적으로는 “좋은 피드백”의 기준 자체를 제가 자의적으로 정할 수 없다는 문제였습니다.
이 문제를 해결하기 위해 OPIc를 기준 프레임으로 채택했습니다. OPIc는 평가 루브릭이 공개된 표준화된 시험이고, 동시에 실제 학습자가 가장 많이 준비하는 시험이라 ’학습자에게 실질적으로 도움이 되는 방향’과도 일치했습니다. 그래서 사용자 응답의 충실도, 발화 속도 등을 OPIc 루브릭 기반으로 재구성해 평가 지표를 새로 설계했습니다.
D4. 맥스AI 밀착케어콜과 calling-language의 유사점·차이점은?
우선 솔직하게 말씀드리면, 맥스AI 밀착케어콜은 월 구독료와 약정 기간이 있어 직접 써보지는 못했습니다. 그래서 공개된 정보와 사용자 후기를 종합해 제 MVP와 비교 분석한 내용을 말씀드리겠습니다.
유사점은 세 가지입니다. 첫째, 예약된 시간에 전화가 걸려오는 방식. 둘째, AI와 실시간 음성 대화를 나누는 구조. 셋째, 개인별 학습 관리와 피드백 제공.
차이점은 맥스AI가 훨씬 체계화되어 있다는 점입니다. AI 아바타를 활용해 단순 음성을 넘어선 학습 경험을 제공하고, 특히 개인의 영어 수준에 맞춘 정규 커리큘럼으로 학습하는 PT 모드를 갖추고 있습니다. 이는 단순한 대화 제공을 넘어 학습자별 레벨 진단과 개인화된 커리큘럼 설계까지 프로덕트에 녹여냈다는 뜻입니다.
다만 이 차이보다 중요한 건 공통점입니다. “사용자를 온보딩하고 → AI와 대화하고 → 대화에서 피드백을 생성해 → 학습자가 더 나은 실력을 갖추도록 돕는다”는 핵심 플로우 자체가 동일합니다. 제가 MVP를 만들면서 정의한 문제가, 위버스브레인이 이미 프로덕트로 구현하며 풀어가고 있는 문제와 같은 방향임을 확인할 수 있었습니다.
D5. 신규 AI 영어 교육 서비스를 기획한다면, 지금 당장 한 가지 제안해 주시겠어요?
현재 AI 영어 학습 서비스들이 가진 두 가지 구조적 제약을 먼저 짚고 싶습니다.
첫째, LLM은 학습된 시점까지의 지식만 가지고 있어 최신 사회 이슈를 알지 못합니다. 둘째, 고정된 커리큘럼은 학습자가 실제로 사용하고 싶은 주제 — OPIc 시사 섹션, 직장에서 다루는 뉴스 — 와 괴리가 있습니다.
제가 제안드리고 싶은 기능은 “실시간 시사 콘텐츠 + 개인 레벨 자동 조정이 결합된 학습 모드” 입니다.
작동 방식은 이렇습니다. 매일 주요 뉴스를 외부에서 가져와 요약하고, 이를 사용자 대화 컨텍스트에 주입합니다. 이렇게 하면 LLM의 지식 컷오프 한계를 우회해 오늘 아침의 이슈로 대화를 나눌 수 있습니다. 구현 관점에서는 초기 MVP는 직접 API 호출과 크론 스케줄러로 가볍게 시작하고, 추후 여러 AI 에이전트가 같은 뉴스 소스를 공유해야 하는 단계에서는 MCP 같은 표준 프로토콜로 확장할 수 있을 것입니다. 동시에 이전 대화에서 파악된 사용자 레벨 데이터를 기반으로, 통화 중 어휘와 발화 속도를 실시간으로 조정합니다.
E. 갭·압박
E1. 어학 교육 서비스 기획/PM 경험이 없으신데, 어떻게 빠르게 따라가실 계획인가요?
어학 교육 서비스의 기획·PM 경험은 없다는 점을 먼저 솔직히 말씀드립니다. 다만 이 갭을 빠르게 좁힐 수 있는 세 가지 근거가 있다고 생각합니다.
첫째, 학습자로서의 깊은 경험입니다. 영어를 OPIc IH 수준까지 꾸준히 학습해 왔고, 통계대학원에서도 새로운 분야를 익히는 학습자로 살아왔으며, 최근에는 calling-language를 매일 사용하는 학습자입니다. 어학 학습자가 어디서 막히고 무엇이 동기를 떨어뜨리는지를 본인의 경험으로 알고 있습니다.
둘째, 기획자로서 이미 어학 도메인에 진입해 본 경험입니다. calling-language를 직접 기획하고 구현하면서 학습 설계, 평가 루브릭, 음성 모델 선택 같은 어학 프로덕트의 핵심 의사결정을 한 번씩 다 거쳐봤습니다. 그 결과물이 맥스AI 밀착케어콜과 같은 방향이었다는 점은, 입사 후 제품 로드맵을 빠르게 이해할 수 있는 출발점이 될 것입니다.
E2. 보험·IT에서 에듀테크로 또 한 번의 산업 전환인데, 이 선택이 장기적일 수 있나요?
지금까지의 커리어는 제가 일하고 싶은 방향을 찾기 위해 지속적으로 범위를 좁혀온 과정이었습니다.
어떤 직무를 할 것인가, 어떤 산업에서 일할 것인가를 차례로 좁혀왔고, 그 끝에서 내린 결론이 “AI로 학습의 접근성을 높이는 일” 이었습니다. 그 확신을 calling-language를 직접 만들면서 검증했고, 위버스브레인이 같은 방향의 문제를 가장 앞에서 풀고 있는 회사라고 판단했습니다.
탐색이 끝난 자리에서 시작하는 것이기 때문에, 여기서는 오래 일할 수 있다고 생각합니다.
역질문
A4. 궁금하신 점이 있으신가요? (역질문)
Q1. 이 역할에서 가장 중요하게 보시는 역량이 무엇인지 여쭤봐도 될까요? 입사 후 빠르게 기여하기 위해 어떤 부분에 집중하면 좋을지 알고 싶습니다.
Q2. 프로덕트 기획자의 업무 범위가 궁금합니다. 프로덕트 기획에 집중하는지, 아니면 콘텐츠 기획까지 함께 담당하는지 알 수 있을까요?
Q3. 프로덕트 기획자가 데이터를 직접 보는 일이 많은가요? 지표를 직접 산출하고 분석하는 역할까지 포함되는지, 아니면 별도 분석팀에 요청하는 구조인지 궁금합니다.