하나금융티아이 AI Vision 자소서 작성법 및 합격 자기소개서 예시 (26년 하반기, 11/9 23시 59분 마감)
■ 이 글이 다루는 것 — Executive Summary
하나금융티아이는 그룹의 인프라와 보안, 클라우드 서비스를 맡으면서 연구 성과를 관계사 업무에 적용하고 있습니다. 하나금융융합기술원의 AI-OCR 리딧이 하나은행 수출입 문서 처리에 쓰이고, 비전 기술이 다른 관계사 업무에도 적용된 점을 살펴보세요. AI-OCR에 언어모델을 결합하는 연구 방향까지 고려하면, 지원자는 기술 성능과 함께 검수 부담, 처리 시간, 내부 자원 같은 운영 조건을 이해해야 합니다.
AI Vision 연구원은 문서의 글자와 필요한 값을 찾고, 얼굴과 신분증을 인식하며, 영상을 생성하는 기술을 연구합니다. 좋은 결과를 판단하는 기준은 과제마다 다릅니다. 문서 이해라면 항목 추출 정확도와 사람의 검수 비율을, 신원 확인이라면 오수락률과 오거부률을 함께 봐야 합니다. 자신의 연구 경험에서도 데이터 구성, 비교 실험, 오류 분석, 본인 기여를 준비하고 실제 업무 입력에서 무엇을 더 확인해야 할지 연결해 보세요.
1번 문항에서는 기술원의 특징 가운데 실제 지원 이유가 된 근거를 먼저 고르세요. 리딧의 현업 적용이나 비전언어모델 연구 방향을 자신의 연구 관심과 연결한 뒤, 입사 후 다룰 과제 1개로 이어가야 합니다. 목표는 현업의 입력과 오류를 파악하고, 비교 실험을 거쳐 검수 기준과 처리 시간을 확인하는 순서로 쓰면 구체적입니다. 1,500자 안에서 회사 소개가 계획보다 길어지지 않았는지도 점검하세요.
2번 문항에서는 자신을 설명할 연구자의 특징 1개를 정하고, 그 특징이 드러난 경험을 고르세요. 문제를 만났을 때 무엇을 근거로 판단을 바꿨는지, 본인이 어떤 행동을 맡았고 무엇을 확인했는지 순서대로 보여 주는 것이 좋습니다. 연구의 기술 절차와 성과를 길게 반복하기보다 함께 일하는 사람의 요구를 이해하거나 오류를 다루는 자신의 방식을 드러내세요. 마지막에는 그 방식이 AI Vision 업무에서 어떻게 쓰일지 짧게 연결하면 됩니다.
3번 문항에서는 직무와 가까운 연구 1개를 깊게 설명하거나 서로 다른 역량을 보여 주는 연구 2개를 선택하세요. 문제와 본인 역할을 밝힌 다음, 데이터 구성과 방법 선택의 이유, 비교 조건, 오류 분석, 확인된 결과를 차례로 적어야 합니다. 논문이나 공동 과제라면 팀의 성과와 본인 기여를 구분하고, 수치에는 평가 조건을 붙이세요. 끝에는 금융 문서 또는 모바일 촬영 환경에서 추가로 검증할 조건을 제시하되, 앞으로 할 검증을 이미 이룬 성과처럼 쓰지 않아야 합니다.
3문항은 각각 지원 이유와 목표, 연구하는 사람으로서의 특징, 검증된 기술 역량을 보여 줍니다. 초안을 쓴 뒤 선택한 경험의 근거와 본인 역할이 빠진 곳을 보완하고, 같은 설명이 문항마다 반복되는지도 살펴보세요. 아래 본문의 출제 의도와 풀이 방법, 예시 답안을 참고해 자신의 실제 경험을 각 문항에 맞게 정리해 보시기 바랍니다.
■ 산업/기업/직무 분석
① 산업 분석
58%. 2025년 딥페이크 셀피 증가율입니다. 비대면 계좌 개설에서 얼굴을 확인하는 기술이 왜 중요한지 보여 주는 수치죠. 금융 IT는 은행의 거래 장부부터 모바일 앱, 데이터 분석 시스템까지 다룹니다. 여기에 문서를 읽고 신원을 확인하는 AI가 더해지고 있어요. 다만 금융 서비스에서는 빠른 처리만큼 잘못된 판단을 막는 일이 중요합니다. 가짜 얼굴을 통과시키면 금융사고로 이어질 수 있고, 진짜 손님을 막으면 계좌 개설이 지연되기 때문입니다.
제도도 바뀌고 있습니다. 2024년 망분리 개선 로드맵에 이어 2026년 6월 금융분야 인공지능 가이드라인이 시행됐습니다. AI를 업무에 적용할 길이 넓어지는 동시에, 최종 판단은 사람이 맡고 보안 위험을 점검해야 한다는 기준도 분명해졌죠. 문서 인식 모델이라면 추출한 값과 함께 원본의 해당 위치를 보여 주고, 판단이 불확실한 항목은 검수자에게 넘기는 설계가 필요합니다. 좋은 모델을 만드는 연구와 현장에서 쓸 수 있게 만드는 연구가 함께 요구되는 셈입니다.
금융 비전의 과제는 크게 문서 이해, 신원 확인, 영상 생성으로 이어집니다. 거래처마다 서식이 다른 수출입 서류를 읽거나, 촬영된 신분증이 사본인지 가려내는 일이 익숙한 예입니다. 최근에는 이미지와 글을 함께 이해하는 비전언어모델도 주목받고 있어요. 연구 성과를 설명할 때는 정확도만큼 처리 시간, 사람의 검수 비율, 가짜를 통과시킨 비율을 살펴야 합니다. 이 산업에서는 기술의 성능과 손님이 겪는 결과가 함께 평가됩니다. 따라서 오류가 어느 입력에서 생겼고 검수자가 어떻게 바로잡았는지도 살펴야 합니다.
② 기업 분석
하나금융티아이는 하나금융지주가 지분 100%를 보유한 IT 자회사입니다. 인천 청라 그룹통합데이터센터를 기반으로 관계사에 인프라와 보안, 클라우드 서비스를 제공하죠. 2026년 상반기 매출은 1,659억 원으로 전년 동기보다 15.7% 늘었지만, 영업이익은 21억 원으로 29.1% 줄었습니다. 업무가 늘어나는 만큼 비용도 살펴야 하는 환경입니다. 연구 성과를 말할 때 처리 건수와 운영 부담을 함께 따져야 하는 이유도 여기에 있습니다.
지원 대상인 하나금융융합기술원은 2018년 출범한 사내독립기업입니다. 출범 당시 10여 명이던 인력은 73명 규모로 늘었고, 누적 262건의 과제를 수행했습니다. 연구가 현업으로 이어진 사례는 자체 개발한 AI-OCR 리딧입니다. 2024년 6월 하나은행 수출입 업무에 적용돼 연간 8만여 건의 문서를 처리하고 있어요. 하나증권의 퇴직연금 정보 등록과 하나손해보험의 주행거리 인식에도 비전 기술이 쓰입니다. 서로 다른 업무에 연구 결과를 적용해 온 조직이라는 점을 읽을 수 있죠.
기술원은 AI-OCR에 언어모델을 결합하는 비전언어모델과 실시간 말하는 얼굴 생성도 연구 방향으로 제시했습니다. 금융 특화 AI 모델을 적은 인프라 자원으로 운영하려는 흐름까지 고려하면, 연구 주제는 현장의 문서와 영상 데이터, 내부 장비의 제약을 함께 만나게 됩니다. 지원 이유를 쓸 때는 연구 조직이 오래 유지됐다는 사실이나 제품 적용 사례 가운데 자신에게 중요한 근거를 고르세요. 이어 그 환경에서 어떤 문제를 연구하고 싶은지 설명하면 기업 소개와 개인의 선택 이유가 연결됩니다.
③ 직무 분석
AI Vision 연구원은 이미지와 영상을 이해하고 생성하는 기술을 연구하며 서비스 적용까지 검토합니다. 문서 속 글자와 항목을 찾는 일, 얼굴과 신분증을 인식하는 일, 말하는 얼굴을 만드는 일이 범위에 들어갑니다. 수출입 서류를 예로 들면 먼저 문서의 종류와 글자 영역을 파악하고, 금액이나 거래처처럼 업무에 필요한 값을 찾아야 하죠. 서식이 바뀌거나 촬영 품질이 나빠져도 어느 항목을 사람이 다시 확인할지 알려 주는 설계가 중요합니다.
연구는 계열사의 업무 문제를 파악하는 데서 시작할 수 있습니다. 이어 사용할 수 있는 데이터를 정하고, 모델을 설계해 실제 업무 입력으로 시험한 뒤 운영 조직과 적용 범위를 협의합니다. 금융 문서에는 개인정보와 거래 정보가 들어 있으므로 데이터 준비 방식도 연구의 일부예요. 망분리 환경에서는 모델 반입 절차와 내부 GPU 자원도 고려해야 합니다. 성능이 높은 모델이라도 처리 속도가 느리거나 운영 비용이 크면 현장 적용이 어려울 수 있습니다.
평가 지표는 과제마다 다릅니다. 문서 이해에는 항목 추출 정확도와 사람의 검수 비율이, 신원 확인에는 가짜를 통과시키는 오수락률과 진짜를 막는 오거부률이 중요하죠. 영상 생성에는 품질과 함께 대화가 끊기지 않을 응답 속도가 필요합니다. 박사 연구 경험을 소개할 때는 사용한 방법의 이름에서 멈추지 말고 데이터 구성, 비교 실험, 오류 분석, 본인의 기여를 밝혀 보세요. 그 결과가 금융 업무의 어떤 조건에서 활용될 수 있는지까지 설명하면 직무와의 연결이 선명해집니다.
■ 1번 항목 : [지원동기] 하나금융융합기술원에 지원하게 된 구체적인 이유는 무엇이며, 입사 후 목표는 무엇인지 기술해주십시오. (최소 1,000자, 최대 1,500자 입력가능) [분량: 1500자]
■ 출제 의도
이 문항에는 별개의 질문이 함께 들어 있습니다. 왜 하나금융융합기술원을 골랐는지, 들어간 뒤 무엇을 이루려는지입니다. 평가자는 회사의 연구 분야를 알고 있다는 설명만으로 지원 이유를 판단하기 어렵습니다. 지원자가 중요하게 여기는 연구 환경이나 과제를 먼저 알아야, 기술원의 활동이 왜 선택 근거가 됐는지 이해할 수 있죠. 예를 들어 연구 결과가 논문에서 끝나지 않고 금융 업무에 적용되는 환경을 중시한다면, 리딧이 수출입 문서 처리에 쓰이는 사실과 그 기준을 연결할 수 있습니다.
입사 후 목표에서는 희망하는 연구 주제가 실제 업무와 이어지는지 봅니다. 기술원은 문서 인식에서 비전언어모델로 연구를 넓히고 있고, 비전 기술을 여러 관계사 업무에 적용해 왔습니다. 따라서 “금융 AI를 발전시키겠다”는 포부보다 어떤 입력이나 오류를 다루고 싶은지 설명하는 편이 낫습니다. 서식이 다른 문서에서 값의 근거를 찾는 문제를 고를 수도 있고, 비대면 인증에서 위변조 입력을 걸러 내는 문제를 고를 수도 있어요. 선택한 과제가 자신의 연구와 어떤 관계인지가 핵심입니다.
평가자는 목표에 이르는 순서도 살핍니다. 박사 연구에서 익힌 방법이 있더라도 금융 문서의 양식, 개인정보 처리, 내부 장비 환경은 새로 배워야 할 수 있죠. 처음에는 현업 담당자가 어떤 항목을 확인하는지 듣고, 다음에는 오류 사례와 성능 기준을 정한 뒤, 적용 범위를 검토한다는 식의 계획이 설득력 있습니다. 사람의 검수가 필요한 지점과 처리 시간 같은 운영 조건을 함께 생각했다면 서비스 연구에 대한 이해도 드러납니다.
두 요구는 하나의 답안으로 이어져야 합니다. 지원 이유에서 고른 회사의 특징이 입사 후 목표의 출발점이 되고, 목표를 실행할 근거는 확인된 본인 경험에서 가져오세요. 같은 연구 경험의 배경과 성과를 앞뒤에서 반복할 필요는 없습니다. 특히 1,500자 상한 안에서는 회사 설명에 분량을 많이 쓰면 계획이 짧아지기 쉽습니다. 평가자가 답안을 읽고 “왜 이 조직인가”와 “입사하면 어떤 일을 어떻게 시작할 것인가”에 각각 답할 수 있으면 됩니다.
■ 풀이 방법
먼저 지원 이유를 한 문장으로 정리해 보세요. 기술원의 여러 특징 가운데 실제 선택에 영향을 준 사실을 고르는 방식입니다. 리딧의 현업 적용, 장기간 이어진 연구 조직, 비전언어모델 연구 방향 중 자신의 연구 관심과 연결되는 근거를 택할 수 있죠. 이어 그 사실이 왜 중요한지 본인의 경험이나 연구 기준으로 설명하세요. 조직을 칭찬하는 문장만 늘리기보다 “이런 문제를 연구해 왔기에, 이곳의 이 과제에 관심을 가졌다”는 흐름이 읽히도록 구성합니다.
그다음에는 입사 후 다룰 과제를 1개 정해 구체화하세요. 문서 이해를 택했다면 새로운 서식에서 어떤 항목의 추출이 어려운지, 신원 확인을 택했다면 어떤 위변조 입력을 구별해야 하는지 적어 볼 수 있습니다. 연구 관심을 여러 개 나열하면 목표가 흐려지므로, 중심 과제를 정한 뒤 관련 기술을 연결하는 편이 좋습니다. 자신의 논문이나 프로젝트에서 검증한 방법이 있다면 적용 가능한 부분을 짧게 밝히세요. 수행하지 않은 연구나 사용하지 않은 도구를 경험처럼 서술하지 않는 것이 중요합니다.
실행 계획은 과업의 순서로 쓰면 읽기 쉽습니다. 초기에는 현업 담당자와 입력 데이터, 오류 비용, 사람의 검수 절차를 파악합니다. 이어 기준 모델과 비교할 실험을 설계하고, 양식이나 촬영 조건에 따른 오류를 나눠 살펴보세요. 이후에는 보안과 운영 담당자와 함께 내부 장비에서의 처리 시간, 검수 기준, 재학습 방식을 검토하는 방향을 제시할 수 있습니다. 이 순서는 입사 뒤의 계획이므로 이미 수행한 성과처럼 쓰지 말고, 무엇을 확인하며 판단할지에 초점을 맞추세요.
마지막에는 성과를 확인할 기준을 과제에 맞춰 붙입니다. 문서 과제라면 항목 추출 결과와 사람의 재확인 비율을, 인증 과제라면 오수락률과 오거부률을 함께 볼 수 있어요. 회사 전체의 성과를 개인 목표로 내세우기보다 맡은 연구가 업무 흐름에 기여하는 범위를 말하세요. 소제목을 쓴다면 본문을 완성한 뒤 핵심 목표를 짧게 옮겨 “서식 변화에 견디는 문서 이해”처럼 명사구로 맺으면 됩니다. 마지막으로 1,500자 안에서 지원 이유와 이후 계획이 모두 충분히 설명됐는지 확인하세요.
■ 상위 1% 예시
[ 검수 근거를 보여 주는 문서 AI ]
하나금융융합기술원은 영상 연구를 계열사의 업무 판단으로 연결해 온 조직입니다. 자체 개발한 AI-OCR 리딧이 하나은행의 수출입 업무에 적용돼 연간 8만여 건의 문서를 처리한다는 점에 주목했습니다. 저는 박사과정에서 문서의 값을 맞히는 것만큼 그 값이 이미지의 어디에서 나왔는지 설명하는 문제에 관심을 두었습니다. 연구 결과가 실제 업무에 쓰일 때 어떤 근거를 남겨야 하는지 고민할 수 있는 곳이라 판단해 지원했습니다.