세탁 라벨을 읽는 AI 서비스 ‘런드리더’ 개발 여정과, Ncloud 기반 AI 적용 경험을 돌아보며...
비사이드 X Ncloud AI 포텐데이 해커톤에 참가해서 ‘런드리더(Laundreader)’라는 세탁라벨 인식 서비스를 만들었다.
아이디어는 일상 속에서 자주 겪는 세탁 실수에서 출발했다. 복잡한 세탁 기호를 쉽게 해석해주는 AI 서비스라면 많은 사람들이 편하게 사용할 수 있겠다고 생각했다.
행사는 비사이드와 네이버클라우드가 함께 진행한 해커톤으로, 네이버클라우드의 CLOVA Studio 를 활용해 아이디어를 실제 서비스로 구현해보는 자리였다. 짧은 기간이었지만, 다양한 팀들이 각자의 방식으로 AI를 녹여내는 걸 보면서 정말 자극을 많이 받았다.
우리 팀은 AI가 세탁라벨을 분석해 세탁 솔루션을 알려주는 서비스를 구현했고, 최종 1위를 차지했다.
👉 관련 보도자료 보기
이 글은 그 과정을 기록해 두기 위한 회고록이다.
서비스가 만들어지는 과정, CLOVA Studio를 활용해 다양한 AI 기능을 구현한 경험, 그리고 해커톤에서 배운 점들을 정리해 보려고 한다.
✨ 프로젝트 소개
‘런드리더(Laundreader)’는 세탁 지식이 부족하거나 매번 케어 라벨을 확인하기 번거로운 사용자를 위해, AI가 의류 라벨을 분석해 세탁 방법을 쉽게 안내해주는 서비스다.
사용자는 라벨 사진만 업로드하면, 세탁 가능 여부와 주의사항을 직관적으로 확인할 수 있어 보다 안전하고 편리하게 세탁할 수 있다.
또한, 빨래 바구니 기능을 통해 사용자가 등록한 의류를 함께 세탁 가능한 그룹으로 자동 분류하고, 각 그룹별 최적 세탁 방법을 안내받을 수 있다.
 |  |
|---|
🫧 런드리더 제작 과정
런드리더 프로젝트는 총 5명의 팀원이 참가했다.
- 백엔드/AI(나): CLOVA Studio 모델 연동, 세탁 라벨 분석, 빨래 바구니 솔루션, 챗봇 기능 구현
- 프론트엔드(1명): 사용자 인터페이스 구현
- 기획(2명)/UX(1명): 서비스 기획, 사용자 플로우 설계, 테스트 케이스 정리
포텐데이는 8월 1일부터 10일까지 진행되었고, 이후 10일간 고도화데이가 이어졌다. 최종 결선(데모데이)은 8월 26일이었다.
- 포텐데이 기간: 아이디어 확정 후 프로토타입 개발 진행. 세탁 라벨 분석과 기본 빨래 바구니 기능 구현, 기본 UI/UX 완성
- 고도화데이: AI 모델 응답 개선, 디자인 개선, 챗봇 기능 추가, 홈 탭 날씨 기반 세탁 솔루션 추가 등 서비스 완성도 향상
포텐데이와 고도화데이 일정을 활용해 빠르게 프로토타입에서 완성본까지 도달할 수 있었다.
포텐데이부터 최종 데모데이까지 매일 밤을 새며 개발한 것 같다. 짧은 시간 안에 아이디어를 구체화하고, AI 기능을 구현하며, UI/UX까지 다듬는 과정은 쉽지 않았지만, 팀원들과 함께 문제를 해결해 나가는 재미가 있었다. 특히 각자의 자리에서 묵묵히 최선을 다해준 팀원들이 있어 가능했던 경험이었다.
🧩 런드리더 AI 개발기
런드리더의 핵심 AI 기능들을 위해 CLOVA OCR과 CLOVA Studio Chat Completions V3(HCX-005, HCX-007, HCX-DASH-002) 모델을 적극 활용했다.
나는 백엔드/AI 담당으로서 프롬트프 작성, 모델 호출, 결과 처리, 프론트엔드 서버 간 데이터 통신을 맡았다.
1. 런드리더 핵심 기능
🔖 라벨 분석 (세탁물 분석)
사용 모델: CLOVA OCR, HCX-005
사용자가 업로드한 라벨/의류 사진을 먼저 HCX-005 모델로 검증한 뒤, CLOVA OCR로 세탁 정보를 텍스트로 추출했다.
그 후 HCX-005 비전 모델을 통해:
- 라벨 사진에서 세탁 기호 인식 (한국·국제 표준)
- 의류 사진에서 소재, 색상, 종류, 장식물 여부 확인
- OCR 텍스트를 활용해 부족하거나 충돌하는 심볼 정보를 보완
고도화 과정에서는 라벨과 의류 사진을 동시 분석하고, 응답 시간을 단축하며 프롬프트를 개선했다.
💡 회고:
처음에는 세탁 기호가 작고 나라별로 달라 판독 오류가 많았다.
정확도를 높이는 데 집중했지만, 완벽하게 맞추는 것은 한계가 있었다.
그래서 오히려 사용자가 안심할 수 있는 보수적인 가이드를 주는 방향으로 전략을 바꿨다.
실제 유저 피드백에서도 ‘정답률’보다는 ‘오답으로 인한 불안감’이 더 크게 지적되었다.
이 과정을 통해 AI 적용 시 정확도뿐 아니라 신뢰성과 사용자 경험이 중요하다는 걸 깨달았다.
👕 단일 세탁 솔루션
사용 모델: HCX-005
HCX-005 모델을 활용해 라벨 분석 결과를 기반으로 현실적으로 가능한 세탁 가이드를 생성했다.
가이드는 섹션별 3~5줄로 구성되어, 사용자가 바로 이해할 수 있도록 설계했다.
💡 회고:
구현 과정에서 가장 고민한 부분은 모델이 자신의 역할을 명확히 모르고, 출력 형식을 지키지 않는 것이었다.
예를 들면, 정보가 부족할 때 세탁 라벨을 확인하라나 주관적 표현(예: 예쁜 옷, 고급스러운 소재 등)을 응답했다.
프롬프트 최적화를 통해 입력을 구체적으로 정의하고, 작업 과정을 단계별로 지시하며, 중요한 규칙은 반복적으로 강조하도록 구조를 만들었다. 프롬프트의 마지막에 최종 점검 항목을 두는 것도 큰 도움이 되었다.
🧺 빨래 바구니 세탁 솔루션
사용 모델: HCX-007
HCX-007 모델을 이용해 일괄 세탁 가능 여부를 분석하고, 불가능한 경우 AI가 함께 세탁 가능한 의류 그룹을 자동으로 생성한다.
각 그룹별 최적 세탁 방법을 제공하며, 미리 지정한 규칙이 아닌 AI 추론 기반 분류가 핵심이다.
🤖 세탁 챗봇
사용 모델: HCX-DASH-002
실시간 세탁 Q&A와 기존 세탁 리포트 기반 추가 질문 처리를 제공한다.
실시간 스트리밍 응답 제공을 위해 경량화 모델 HCX-DASH-002를 사용했다.
대화 맥락 유지 및 토큰 제한은 누적 토큰을 계산하고 초과 시 이전 대화를 요약하여 대화를 지속하는 방식으로 처리했다.
🌤️ 날씨 기반 빨래 솔루션
사용 모델: HCX-005
HCX-005 모델을 활용해 사용자 위치 지역의 12시간 예보 전체를 종합하여, 빨래 건조 가능성과 최적 방법을 추천했다.
- 실외/실내 건조 가능 여부 판단 (기온, 습도, 강수, 바람, 미세먼지 기준)
- 예시 출력: "오늘 낮 시간 동안은 실외에서 건조 가능하며, 오후에는 습도가 높아 실내에서 제습기와 함께 건조하시길 권장해요"
2. CLOVA Studio 사용 후기
CLOVA Studio의 장점은 프롬프트만으로 HyperCLOVA X를 바로 활용할 수 있다는 점이었다.
모델 호출 구현 전에도 Studio 안에서 테스트가 가능해 개발 속도가 크게 단축됐다. 특히, 프롬프트 버전별로 테스트 하기에도 용이했다.
짧은 기간에도 부담 없이 여러 기능을 구현할 수 있었던 건 이 덕분이었다.
수많은 버전...
3. HyperCLOVA X 사용 후기
CLOVA Studio에서 HyperCLOVA X를 활용하며 가장 좋았던 점은 AI 모델의 자연스러운 문장 이해력과 응답 품질이었다.
세탁 라벨의 의미를 분석해 “이 옷은 물세탁 가능/불가”처럼 사람이 이해할 수 있는 문장으로 변환하는 과정에서,
복잡한 조건을 명확히 구분하고 의도에 맞는 답변을 만들어내는 성능이 특히 인상적이었다.
아쉬운 점은, 모델의 일관성 유지가 쉽지 않았던 부분이다.
같은 프롬프트임에도 맥락에 따라 미묘하게 다른 답변이 나올 때가 있었고,
이를 보완하기 위해 프롬프트를 구체화하거나, 응답 후처리 로직을 추가해야 했다.
그럼에도 불구하고, HyperCLOVA X는 한국어 서비스 개발에 최적화된 강력한 AI 도구라는 점을 체감했다.
이번 경험을 통해 단순히 AI를 “활용”하는 단계를 넘어,
“AI와 함께 설계하는 서비스”의 가능성을 직접 느낄 수 있었다.
🎬 데모데이 후기
최종 결선(데모데이)은 8월 26일에 진행되었다.
포텐데이와 고도화데이를 거쳐 완성한 런드리더를 심사위원과 참가자들에게 선보이는 날이었다.
팀원들과 함께 마지막까지 버그를 잡고, 발표를 준비하며 서로의 역할과 팀워크를 확인할 수 있었다.
포텐데이 성적도 좋았던지라(1Pick) 기대하면서도, 너무 기대하지 않으려 마음을 다잡았다.
결과적으로 우리 팀은 최우수상🏆을 수상하며, 아이디어와 기술력을 인정받았다.
심사 결과를 보는 순간, 지난 20일간의 밤샘 개발과 고민이 떠오르며 큰 뿌듯함을 느꼈다.
🏆 해커톤 경험과 배운 점
이번 포텐데이 해커톤은 비사이드 X Ncloud에서 진행됐다.
짧은 기간 동안 아이디어를 정하고, AI 모델과 서비스를 연동해 실제로 동작하는 MVP를 완성하는 과정은 쉽지 않았지만, 팀원들과 협업하며 문제를 하나씩 해결해 나가는 경험이 매우 값졌다.
특히 AI 기능을 구현하면서, 실제 서비스 환경에서 AI를 활용할 때 고려해야 할 한계와 속도 문제를 직접 체감할 수 있었다.
런드리더 프로젝트를 통해 느낀 점은 다음과 같다.
-
짧은 기간에도 협업과 집중으로 큰 결과를 만들 수 있다
포텐데이와 고도화데이 동안 매일 밤을 새며 개발했지만, 팀원들과 역할을 명확히 나누고 소통하면서 프로토타입에서 완성본까지 빠르게 도달할 수 있었다. -
AI 적용에서 중요한 것은 정확도뿐 아니라 신뢰성과 사용자 경험
세탁 라벨 분석 기능을 구현하며, 단순히 정답률을 높이는 것보다 사용자에게 안전하고 안심할 수 있는 가이드를 제공하는 것이 더 중요하다는 것을 깨달았다. -
CLOVA Studio를 활용한 AI 개발 경험
Studio 안에서 모델을 바로 테스트하고, 프롬프트를 최적화하며, 다양한 모델(HCX-005, HCX-007, HCX-DASH-002)을 상황에 맞게 적용할 수 있었던 경험은 향후 AI 프로젝트에도 큰 도움이 될 것 같다.
런드리더 프로젝트를 통해 AI와 클라우드를 실제 서비스에 적용하는 경험을 쌓을 수 있었고, 앞으로도 다양한 AI 기능을 서비스에 접목해 보는 실험을 계속하고 싶다는 동기부여가 되었다.
끝으로
수상 상금, 기사 보도, 인터뷰까지… 정말 행복하고 뿌듯한 날들이었다. 🥹
런드리더 팀은 현재 앱 출시를 준비 중이며, 앞으로 실제 사용자에게 선보일 날이 기대된다!
👉 서비스 바로가기(Web)
관련 공식 포스팅
AI 포텐데이 데모데이 - “일상을 바꾸는 AI 기반 서비스 5가지를 소개합니다”
[인터뷰 발행 예정]
