하이Product Engineer
0.0하이퍼노바
경력근거: AI 전화영어 서비스 '헤이링'을 만들고 있습니다
54일 전 확인채용 공고 보기
※ 실제 산출물이 아닌 AI 예측 시안입니다.
하이퍼노바 헤이링은 AI 전화영어 발화 데이터를 가진 서비스라, 발화를 평가하고 교정 피드백을 만드는 이 도구는 헤이링의 실제 학습자 발화 데이터가 있어야 평가를 검증합니다.
'AI 전화영어 서비스 헤이링'. 발화 평가·교정이 영어교육 제품의 핵심.
'대중적으로 사랑받는 AI 엔터테인먼트'. 즉각 교정 피드백이 사용자 가치.
'작은 팀에서 큰 임팩트'. 평가+피드백이 혼자 E2E 로 만들 만한 문제.
AI 전화영어 대화 로그를 받아 발화의 정확성·유창성을 평가하고, 교정 피드백을 근거(발화 인용)와 함께 생성하는 1주 포트폴리오입니다.
하이퍼노바 PE. 발화 평가·교정을 사람이 일일이 하던 일을, 자동 평가 + 교정 피드백 도구로 옮기고 싶은 사람입니다.
대화에 발화·기준을 붙이면, LLM 이 (a) 발화 정확성·유창성을 평가하고 (b) 교정 피드백을 발화 근거와 함께 생성합니다.
전화영어 대화를 받아 발화 정확성·유창성을 평가하고 교정 피드백을 발화 근거와 함께 내는 동작하는 도구입니다.
강사 2명 라벨과 평가 일치도(κ)를 재고, 교정 타당도를 보여주는 대시보드입니다.
발화 평가를 누적해 학습자 진행을 추적하고 다음 학습을 추천하는 단계입니다.
전화영어 대화를 넣으면 발화 평가와 교정 피드백이 발화 근거와 함께 나오는 걸 시연합니다.
교정 근거로 인용한 발화가 실제 대화에 존재하는 비율 100%. 없으면 환각 차단
측정: 인용 일치 규칙, 표본: 평가 200건
일부러 만든 결측·잡음·미등록 대화 30종을 넣어도 평가가 멈추지 않고 처리되는 걸 시연합니다.
위 수치는 더미데이터 자가채점이며, 실제 발화 평가 정확도는 하이퍼노바 실데이터 + 실 검수자가 있어야 측정 가능합니다. 이 포트폴리오는 그 검증을 바로 돌릴 수 있는 상태까지 만듭니다.
수치는 합성 데이터 자가채점이라 성능 증명이 아닙니다. 면접에서는 데모 동작과 실검증 준비 상태로 솔직히 설명합니다.
정답을 작성자가 만들었으니 잘 맞는 것이 당연합니다. 결측·경계·미등록·표기 흔들림 케이스를 더미에 일부러 섞어 쉬운 문제만 푸는 게 아님을 보여줍니다.
평가 일관성: 같은 발화에 평가가 흔들리지 않도록 기준을 고정하고 사람 spot-check 로 보정합니다.
실제 도입 시 달라지는 것: 실 발화·억양·잡음이 더미와 다르므로 평가 기준을 실데이터+강사 검수로 맞춰야 한다(도입 단계 과제)
① 인라인 샘플 · ② seed.json 다운로드 · ③ 증강 프롬프트. 세 층 모두 동일한 schema 에서 파생.
전화영어 대화 발화를 평가 입력으로 쓴다
| turn_id | learner_raw | learner_id | prompt | utterance | fluency | accuracy |
|---|---|---|---|---|---|---|
| T900 | 홍OO(영문) | — | Describe | (녹음 누락) | — | — |
| T901 | 학습자0 | l0 | Greet | ... | 0 | 0 |
| T902 | 유창 | l2 | Story | I had a wonderful weekend with my family | 1 | 1 |
| T903 | 미등록학습자 | — | Q | eee umm | 0.1 | — |
| T000 | 학습자0 | l0 | Describe your weekend | I go to park yesterday (0) | 0.5 | 0.5 |
{"type":"object","properties":{"turn_id":{"type":"string"},"learner_raw":{"type":"string"},"learner_id":{"type":["string","null"]},"prompt":{"type":"string"},"utterance":{"type":"string"},"fluency":{"type":["number","null"]},"accuracy":{"type":["number","null"]}},"required":["turn_id","learner_raw","learner_id","prompt","utterance","fluency","accuracy"]}. 쉬운 데이터만 만들지 말 것. 다음 하드 케이스를 의도적으로 섞어라: fluency/accuracy null(미평가), 0/1 극단, 녹음 누락·잡음('eee umm'), learner_id null 미등록, learner_raw 국문/영문 병기. 형식 깨뜨리기 시도 3건도 별도로.{"type":"object","properties":{"turn_id":{"type":"string"},"learner_raw":{"type":"string"},"learner_id":{"type":["string","null"]},"prompt":{"type":"string"},"utterance":{"type":"string"},"fluency":{"type":["number","null"]},"accuracy":{"type":["number","null"]}},"required":["turn_id","learner_raw","learner_id","prompt","utterance","fluency","accuracy"]}| Claude | 발화 평가 + 교정 피드백 생성 + 단정 가드 |
✓ pass → 그대로 멈춰도 완성품입니다. 더 키우려면 2주차(평가-사람 일치도 검증)로 갑니다.
✓ pass → 여기서 멈춰도 완결입니다. 더 키우려면 3주차(학습 진행 추적)로 갑니다.
발화 평가 + 교정
{"type":"object","properties":{"turn_id":{"type":"string"},"fluency":{"type":"number"},"accuracy":{"type":"number"},"corrections":{"type":"array","items":{"type":"object","properties":{"quote":{"type":"string"},"fix":{"type":"string"}},"required":["quote","fix"]}},"note":{"type":"string"}},"required":["turn_id","fluency","accuracy","corrections","note"]}[
{
"turn_id": "T000",
"fluency": 0.7,
"accuracy": 0.6,
"corrections": [
{
"quote": "I go to park yesterday",
"fix": "I went to the park yesterday"
}
],
"note": "시제·관사 교정"
},
{
"turn_id": "T900",
"fluency": 0,
"accuracy": 0,
"corrections": [],
"note": "녹음 결측. 확인 필요"
}
]corrections 의 quote 가 실제 발화에 존재하는지는 자동 검증, fluency/accuracy 는 강사 일치도로 검증.