1. [포스코DX 자기소개서] Agentic Intell.hwp
2. [포스코DX 자기소개서] Agentic Intell.pdf

제가 포스코DX에 지원하게 된 가장 큰 이유는 AI를 단순한 편의 도구가 아니라 산업 현장에서 실제로 작동하는 실행체계로 만들고 있는 회사라고 판단했기 때문입니다.
포스코DX가 AgenticIntelligence를 철강도메인 지식기반에 이전트로 설명하고 있다는 점은, 단순한 범용 AI가 아니라 산업 맥락을 이해하는 실행형 AI를 지향하고 있다는 의미라고 생각합니다.
포스코DX에서는 생성형 AI를 사용해 본 사람을 넘어, 생성형 AI가 실제 업무 단위 안에서 생산성 향상으로 이어지도록 설계하는 사람으로 성장하겠습니다.
제가 포스코DXAgenticIntelligence직무에 지원한 이유는 AI를 단순한 대화형 도구가 아니라 산업 현장에서 실제로 작동하는 실행형 시스템으로 만들고 싶기 때문입니다.
저는 이 설명을 보며 포스코DX가 범용 AI를 보여주는데 그치지 않고, 산업현장에서 반복적으로 쓰이는 AI를 만들고 있다고 판단했습니다.
포스코DX에서 저는 AI가 현장에 맞게 작동하도록 만드는 실무자가 되고 싶습니다.
가장 대표적인 경험은 팀과제에서 생성형 AI를 회의 정리, 자료조사 구조화, 보고서 초안 통일, 예상질문 대응까지 하나의 흐름으로 연결해 활용했던 일입니다.
결국 저는 포스코DX에서 "AI가 실제로 잘 쓰이게 만드는 사람"으로 기억되고 싶습니다.

포스코DX가 AgenticIntelligence를 철강도메인 지식기반에 이전트로 설명하고 있다는 점은, 단순한 범용 AI가 아니라 산업 맥락을 이해하는 실행형 AI를 지향하고 있다는 의미라고 생각합니다.
이 과정에서 저는 AgenticIntelligence가 단순히 답을 잘 만드는 기술이 아니라, 사람의 업무 문맥을 이해하고 행동단위를 설계하는 기술이라는 점에 더욱 매력을 느끼게 되었 습니다.
또 하나 포스코DX에끌린 이유는 이 회사가 AI를 소프트웨어 기능 하나로 분리하지 않고, HW와 OT를 결합한 시스템적 접근으로 산업 현장의 문제를 풀고 있다는 점입니다.
현장의 질문을 제대로 해석하고, 필요한 지식을 구조화하고, 반복 업무를 줄이며, 에이전트의 응답이 실제 행동과 연결되도록 설계하는 실무자가 되고 싶습니다.
그리고 그 위에서 프롬프트 설계, 지식구조화, 워크플로 자 동화, 응답 품질 검증, 사 용자피드백 반영을 반복하며 포스코DX의 AgenticIntelligence가 "보여주기 좋은 AI "가 아니라"다시 찾게 되는 AI "가되도록 기여하겠습니다.
AgenticIntelligence는 단순한 모델 활용이 아니라"어떤 맥락에서 어떤 정보를 꺼내 어떤 행동으로 이어지게 만들 것인가"의 문제이기 때문에, 이 네 가지가 함께 작동해야 한다고 생각합니다.
두 번째 역량은 지식구조화 능력입니다.
세 번째 역량은 질문 설계와 출력 검증 능력입니다.
생성형 AI도구를 활용해 생산성을 높이고 결과물의 완성도를 끌어올린 경험은 여러 차례 있지만, 가장 의미 있었던 경험은 팀 기반과제에서 자료 조사, 회의 정리, 초안 작성, 품질점검까지 하나의 흐름으로 연결해 본 사례입니다.
문제는 팀원마다 작성 스타일이 달랐고, 조사 자료의 깊이도 제각각이었으며, 회의에서 정해진 사항이 문서에 일관 되게 반영되지 않는다는 점이었습니다.
먼저 팀 회의 내용을 정리할 때는 AI를 이용해 회의록 초안을 만들되, 단순 요약이 아니라 "결정사항", "검토 필요사항", "담당자별 액션 아이템", "다음 회의 전 준비자료"의 네 가 지 섹션으로 재정리하도록 했습니다.
이 과정을 통해 저는 생성형 AI를 "내 대신 생각하는 도구"가 아니라 "검토 가능한 초안을 빠르게 만들어주는 도구"로 활용해야 한다는 점을 분명히 배웠습니다.
그래서 저는 AI에게 발표 자료를 바탕으로 예상질문을 생성하게 하고, 각 질문에 대해 답변 초안을 만들어보게 했습니다.
또 다른 경험으로는 개인적으로 장문의 문서 작업과 일정 관리에 생성형 AI를 결합해 본 사례가 있습니다.
포스코DX의 AgenticIntelligence가 제조 현장의 장애 조치 지원, 업무지원, 문서 분석, 사규·제도질의응답, PM·PMO 지원 등 실제 업무 흐름을 돕는 방향으로 제시되고 있다는 점을 보면, 제가 경험한 이러한 활용 방식과도 분명한 연결점이 있다고 생각합니다.
생성형 AI는 혼자 멋진 답을 할 때보다, 사람의 반복 작업을 줄이고 다음 행동을 더 빠르게 시작하게 만들 때 가치가 커집니다.
포스코DX에서는 생성형 AI를 사용해 본 사람을 넘어, 생성형 AI가 실제 업무 단위 안에서 생산성 향상으로 이어지도록 설계하는 사람으로 성장하겠습니다.
포스코DX는 공식적으로 AgenticIntelli gence를 제철소 및 포스코그룹사의 산업도 메인 지식을 수집하고 학습한 철강특화 AI에이전트라고 설명하고 있으며, 제조현장 장애 조치 지원, 현장 업무 지원, 안전관리지원, PM·PMO 지원, 사규·제도질의응답, 문서분석 등 실제 업무와 직결된 영역을 제시하고 있습니다.
이 문제를 생성형 AI로 일부 개선하면서, 앞으로의 AI는 단순한 답변 생성보다 업무 흐름을 따라 움직이는 에이전트가 되어야 한다고 생각하게 되었습니다.
예를 들어 현장장애 조치 지원을 생각해보면, 일반 생성형 AI는 관련 개념을 설명하거나 추정 답변을 줄 수는 있습니다.
일반 생성형 AI는 그럴 듯하게 답을 내놓는 것만으로도 어느 정도 사용가치가 있을 수 있지만, AgenticIntelligence는 잘못된 답변이 실제 업무 오판으로 이어질 수 있기 때문에 훨씬 더 보수적이고 검증 가능한 구조가 필요합니다.
산업현장에 적용되는 AI에이전트에서 가장 중요한 요소는 신뢰 가능한 맥락이 해라고 생각합니다.
포스코DX가 AgenticIntelligence를 제조 현장 장애 조치 지원과 현장 업무 지원에 연결해 설명하는 것도, 결국 이런 맥락 기반 실행 가능성을 중 시하기 때문이라고 생각합니다.
두 번째는 지식구조화 능력입니다.
산업 현장형 AI에서는 이러한 품질관리 태도가 특히 중요하다고 생각합니다.
가장 대표적인 경험은 팀과제에서 생성형 AI를 회의 정리, 자료조사 구조화, 보고서 초안 통일, 예상질문 대응까지 하나의 흐름으로 연결해 활용했던 일입니다.
AI가 잘못된 답을 내놓거나 현장과 맞지 않는 결과를 줄 때 가장 중요한 것은, 그 문제를 단순한 오답하나로 보지 않고 시스템 설계 문제로 바라보는 태도라고 생각합니다.
포스코DX의 AgenticIntelligence 업무에서도 저는 성능 수치만 보는 사람이 아니라, 실패 방식까지 관리하며 현장 신뢰를 쌓는 사람으로 일하겠습니다.
포스코DX에서는 "모델을 잘 아는 사람"을 넘어 "현장에 맞는 AI를 끝까지 완성하는 사람"으로 성장하고 싶습니다.
실제 경쟁력은 현장 문제를 정확히 이해하고, 필요한 지식을 구조화하고, 사용자 흐름에 맞는 에이전트를 설계하며, 실패 사례를 개선으로 연결해 끝내 현장에서 반복 사용되는 수준까지 끌어올리는 데 있다고 생각합니다.

ai, 현장, 포스코, 가다, 업무, dx, 만들다, 생, 지원, 구조, 생각, 화, 늘다, 사람, 정리, agenticintelligence, 어떻다, 성형, 문서, 질문