1. 컴투스 AI_AGENT(2026 채용연계형 인턴.hwp
2. 컴투스 AI_AGENT(2026 채용연계형 인턴.pdf

예를 들어 게임 운영 문서, 유저 문의, 패치노트, 아이템 데이터, 이벤트 규칙 등을 기반으로 답변하는 AI를 만들려면 단순 프롬프트 작성만으로는 부족합니다.
컴투스 AI-AGENT 직무에 지원한 이유는 LLM과 AIAgent 기술이 게임 서비스의 운영방식과 유저 경험을 실질적으로 바꿀 수 있다고 생각했기 때문입니다.
LLM 기술을 잘 알아도 게임 데이터 구조와 유저 경험을 이해하지 못하면 실제 서비스에 맞는 기능을 만들기 어렵습니다.
입사 후에는 AI 기술을 게임 서비스의 실제 문제 해결로 연결하는 AI-AGENT 인재로 성장하고 싶습니다.
그래서 저는 게임도메인을 빠르게 학습하는 것을 AI-AGENT 직무의 중요한 과제로 보겠습니다.
AI-AGENT 직무는 새로운 기술을 빠르게 배우는 능력도 중요하지만, 그보다 더 중요한 것은 컴투스의 게임 서비스와 내부 업무에서 어떤 문제가 AI로 해결될 수 있는지 찾고, 안전하게 작동하는 구조로 만드는 능력이라고 생각합니다.
저는 RAG 챗봇과 LLM 기반 기능에서 중요한 것이 단순한 API 호출이 아니라 데이터 구조, 검색 품질, 답변 근거, 최신성 관리, 실패처리라고 생각합니다.
인턴으로 입사한다면 먼저 컴투스의 게임 서비스와 운영 문서를 이해하고, 내부 업무나 유저가이드에 도움이 되는 작은 Agent부터 구현해 실질적인 성과를 만들겠습니다.

입 사후 어떤 AI-AGENT 인재로 성장하고 싶습니까?
컴투스 AI-AGENT 직무면접에서 가장 중요한 핵심은 "AI를 좋아하는 지원자"가 아니라"LLM 기반 기능을 실제 서비스 문제 해결에 연결할 수 있는 지원자"라는 점을 보여주는 것입니다.
컴투스 AI-AGENT 직무에 지원한 이유는 LLM과 AIAgent 기술이 게임 서비스의 운영방식과 유저 경험을 실질적으로 바꿀 수 있다고 생각했기 때문입니다.
AI-AGENT 직무는 LLM을 기반으로 사용자의 목적을 이해하고, 필요한 정보를 찾고, 도구를 호출하며, 결과를 서비스에 맞게 제공하는 기능을 설계하고 구현하는 역할이라고 이해하고 있습니다.
LLM 기술을 잘 알아도 게임 데이터 구조와 유저 경험을 이해하지 못하면 실제 서비스에 맞는 기능을 만들기 어렵습니다.
반면 AIAgent는 사용자의 목표를 해석하고, 필요한 정보를 검색하고, 외부도구를 호출하고, 여러 단계를 거쳐 결과를 만들어낼 수 있습니다.
특히 서비스에 적용하려면 Agent가 잘못된 도구를 호출하거나 부정확한 정보를 제공하지 않도록 제한 조건과 검증 단계가 필요합니다.
RAG는 외부 문서를 검색해 LLM 답변에 반영하는 구조이기 때문에, 검색된 문서가 부정확하거나 관련성이 낮으면 답변 품질도 떨어집니다.
문 서버전과 날짜를 기준으로 최신 문서를 우선 검색하거나, 오래된 문서를 제외하는 구조가 필요합니다.
LLM 기반 코딩도구를 활용하면 반복적인 코드 작성, 라이브러리 사용 예시 확인, 오류 원인 추정, 간단한 API 연동, 테스트코드 작성 속도를 높일 수 있습니다.
예를 들어 초안 코드를 빠르게 만들고, 문서 기반으로 사용법을 확인하고, 테스트 케이스를 생성하는 데는 적극 활용할 수 있습니다.
따라서 저는 바이브 코딩을 빠른 실험과 학습에 활용하되, 코드 품질과 책임은 개발자가 가져야 한다고 봅니다.
RAG를 활용해 최신 문서 기반 답변을 하도록 해야 합니다.
게임 데이터나 콘텐츠 데이터를 AIAgent와 연결하려면 데이터의 종류, 권한, 최신성, 검색 방식, 응답 목적을 먼저 구분하는 구조가 필요하다고 생각합니다.
유저에게 제공 가능한 공식 공지와 게임 가이드는 외부용 Agent에 연결할 수 있지만, 내부 기획문서나 미공개 업데이트 정보는 권한 관리가 필요합니다.
최신 AI 트렌드는 빠르게 변하기 때문에 단순히 새로운 모델 이름을 아는 것보다 실무 적용 가능성과 한계를 함께 보는 방식으로 학습하겠습니다.
모델 제공사의 공식 문서, 오픈소스 프레임워크 문서, 주요 AI기업의 기술 블로그를 확인해 실제 구현 방식과 제한사항을 보겠습니다.
개발자는 구현구조를 만들 수 있지만, 어떤 질문에 답해야 하는지, 어떤 데이터가 정확한지, 어떤 답변이 운영 정책에 맞는지는 기획, 운영, 사업, 데이터, 보안담당자와 함께 확인해야 합니다.
좋은 챗봇을 만들자 "가 아니라"이 Agent가 어떤 사용자에게, 어떤 질문 범위에서, 어떤 데이터를 근거로, 어떤 형식의 답변을 제공해야 하는지"를 정리해야 합니다.
포트폴리오에서 가장 강조하고 싶은 AI 프로젝트는 단순히 모델을 호출해 답변을 생성한 프로젝트가 아니라, 실제 문제를 정의하고 데이터를 연결해 개선한 프로젝트입니다.면접에서 이 질문을 받는다면 저는 프로젝트의 기술 스택보다 먼저 어떤 문제를 해결하려 했는지 설명하겠습니다.
AIAgent 프로젝트라면 어떤 도구를 호출하도록 했는지, 실패 상황을 어떻게 처리했는지, 사용자가 의도하지 않은 동작을 하지 않도록 어떤 제한을 두었는지 설명하겠습니다 .
검색 결과가 부정확했던 사례, 문서 최신성 문제, 응답 속도 문제, 비용 문제, 프롬프트 변경에 따른 답변 흔들림을 어떻게 발견하고 개선했는지를 말하면 실무감각을 보여줄 수 있습니다.면접관은 완벽한 결과물보다 지원자가 문제를 어떻게 해석하고 개선했는지를 보고 싶어 할 가능성이 높습니다.
컴투스의 게임 서비스와 AIAgent를 연결한다면 먼저 신규·복귀 유저를 위한 개인화 게임 가이드 Agent를 제안하고 싶습니다.
입사 후에는 AI 기술을 게임 서비스의 실제 문제 해결로 연결하는 AI-AGENT 인재로 성장하고 싶습니다.
저는 컴투스에서 게임도메인과 AIAgent 기술을 함께 이해하는 사람이 되고 싶습니다.
API 호출은 시작점일 뿐이고, 실제 역량은 어떤 문제를 해결하기 위해 모델을 어떻게 연결하고, 데이터를 어떻게 준비하며, 답변 품질을 어떻게 평가하고, 서비스 리스크를 어떻게 줄이는지에서 드러난다고 봅니다.
저는 바이브 코딩을 코드 품질을 대체하는 방식이 아니라 개발 생산성을 높이는 방식으로 활용해야 한다고 생각합니다.
이해하지 못한 코드는 제코드가 아니라고 생각합니다.
AI-AGENT 직무는 새로운 기술을 빠르게 배우는 능력도 중요하지만, 그보다 더 중요한 것은 컴투스의 게임 서비스와 내부 업무에서 어떤 문제가 AI로 해결될 수 있는지 찾고, 안전하게 작동하는 구조로 만드는 능력이라고 생각합니다.
컴투스에서 게임도메인과 AIAgent 기술을 결합해 유저 경험과 업무 효율을 모두 개선하는 인재로 성장하겠습니다.

문서, 게임, 어떻다, 검색, 답변, agent, 유저, ai, aiagent, 데이터, 서비스, 문제, 만들다, 질문, 빠르다, 사용자, 구조, 생각, 운영, 실제