메인프로젝트(심화과정) 기획

Dovahkiin·2026년 5월 29일

심화과정 메인프로젝트

목록 보기
3/3

1. 프로젝트 설명 (Project Overview)

Persona.100은 100개의 초개인화된 AI 에이전트를 활용해 광고 소재(이미지, 영상)의 성과를 사전 예측하고, 타깃 고객의 니즈를 가상으로 리서치하는 B2B SaaS 마케팅 시뮬레이션 플랫폼입니다. 실제 예산을 집행하기 전, 타깃 오디언스와 동일한 페르소나를 가진 AI 그룹에게 가상 FGI(포커스 그룹 인터뷰)와 A/B 테스트를 진행하여 마케팅 실패 확률을 제로에 가깝게 줄여줍니다.

  1. 기획 배경 및 시장의 문제점 (Background & Problem)

현재 퍼포먼스 마케팅과 브랜드 캠페인 시장은 다음과 같은 심각한 비효율을 겪고 있습니다.

비용을 태우며 정답을 찾는 구조: A/B 테스트를 위해 실제 광고 매체(메타, 구글 등)에 라이브를 진행해야만 데이터를 얻을 수 있습니다. 이는 필연적으로 '실패한 시안에 소진되는 매몰 비용'을 발생시킵니다.

물리적 한계에 부딪힌 고객 리서치: 타깃 고객의 진짜 속마음을 알기 위한 FGI나 대규모 설문조사는 수천만 원의 비용과 수주의 시간이 소요되어, 중소규모 캠페인에서는 엄두조차 내지 못합니다.

데이터 없는 감각 의존적 의사결정: 사전 데이터가 없기 때문에 최종 광고 시안을 결정할 때 실무자의 직감이나 내부 의사결정권자의 개인적 취향(HiPPO 현상)에 의존하는 경우가 빈번합니다.

  1. 기획 의도 및 솔루션 (Intent & Solution)

본 프로젝트의 기획 의도는 마케팅의 패러다임을 '사후 분석(Post-mortem)'에서 '사전 검증(Pre-simulation)'으로 전환하는 데 있습니다.

Solution: 사람과 구별할 수 없는 수준의 정교한 페르소나를 부여받은 100개의 LLM 에이전트 그룹을 생성합니다. 사용자는 이 가상 타깃 그룹에게 제품 기획 단계에서는 '설문조사'를, 배포 직전 단계에서는 '광고 시안 평가'를 진행하여 단 몇 분 만에 비용 소진 없이 정량/정성적 결괏값을 얻어낼 수 있습니다.

  1. 핵심 기능 (Core Features)

① 초개인화 가상 타깃 설문조사 (Synthetic Survey)

기능: 나이, 직업, 소득수준, 관심사 등 세밀한 페르소나 지표를 슬라이더 형태로 조절하여 100명의 타깃 풀을 구성하고 주관식/객관식 질문을 발송합니다.

활용: "여름용 쿨링 셔츠를 살 때 가장 고민되는 점은?" 같은 질문을 던져 타깃 고객의 결핍과 페인포인트를 사전에 파악하여 광고 카피의 핵심 소구점(USP)을 발굴합니다.

② 멀티모달 광고 성과 시뮬레이터 (Ad Performance Simulator)

기능: 배너 이미지나 짧은 영상을 업로드하면 100명의 에이전트가 디자인, 카피 가독성, 매력도를 종합적으로 평가합니다.

출력 데이터: 예상 클릭 확률(%), 구매 전환 의향 점수(1~100점), 타깃 연령층별 호감도 편차 등.

③ 실시간 다차원 분석 대시보드 (Analytics Dashboard)

기능: 에이전트들의 반응을 단순 텍스트가 아닌, 시각화된 차트와 인스타그램 댓글창 형태의 피드백 UI로 제공합니다.

개선 제안: "30대 여성 그룹의 클릭률이 낮습니다. 배경을 더 밝은 톤으로 수정하고 카피의 위치를 중앙으로 배치해 보세요"와 같은 AI 액션 아이템을 자동 도출합니다.

  1. 서비스 도입 시 해결되는 문제 및 이점 (Benefits)

구분도입 전 (AS-IS)도입 후 (TO-BE)기업 측면의 이점 (ROI)시간리서치 및 테스트 결과 확인까지 2~3주 소요단 5~10분 만에 100명 규모의 검증 완료캠페인 론칭 속도 압도적 단축비용라이브 A/B 테스트 매몰 비용 및 리서치 외주비용 발생매체비 소진 0원. 구독료만으로 무제한 사전 검증ROAS(광고비 대비 매출액) 극대화의사결정주관적 판단에 의한 시안 선택, 팀 내 의견 충돌시뮬레이션 데이터에 기반한 객관적 근거 확보상사/클라이언트 설득을 위한 강력한 무기(리포트) 획득

  1. 비즈니스 모델 (Pricing Strategy)

B2B SaaS의 표준인 티어제 구독 모델(Tiered Subscription)을 적용하여 진입 장벽을 낮추고 LTV(고객 생애 가치)를 극대화합니다.

Starter (월 49,000원): 1인 기업 및 소상공인 타깃. 기본 제공 페르소나 50명, 월 30회 이미지 시뮬레이션 지원.

Professional (월 199,000원): 마케팅 대행사 및 중소기업 타깃. 페르소나 100명 세밀 조정 가능, 영상 소재 시뮬레이션 지원, 상세 분석 리포트 PDF 다운로드.

Enterprise (월 990,000원~): 대기업 인하우스 타깃. 자사 기존 고객 데이터를 반영한 커스텀 페르소나 구축 지원, 무제한 시뮬레이션 및 API 연동 제공.

  1. 기술적 구현 가능성 (Technical Feasibility)

본 서비스는 최신 웹 프레임워크와 AI 오케스트레이션 기술을 결합하여, 대규모 에이전트의 동시 추론 환경에서도 빠르고 안정적인 구동이 가능하도록 설계됩니다.

상태 관리 및 오케스트레이션: LangGraph를 활용해 100개 개별 에이전트의 워크플로우를 독립적으로 제어합니다. 할루시네이션(환각) 및 에이전트 간 동질화를 방지하기 위해 정교한 프롬프트 엔지니어링이 적용됩니다.

페르소나 데이터 파이프라인: 다량의 페르소나 컨텍스트는 pgvector를 활용한 Vector DB에 임베딩하여 RAG(검색 증강 생성) 방식으로 빠르고 정확하게 에이전트에게 주입합니다.

고성능 비동기 백엔드: 대규모 LLM API 호출로 인한 병목 현상을 방지하기 위해 Python FastAPI 기반의 비동기 아키텍처를 구축하여 응답 속도를 최적화합니다.

실시간 프론트엔드 렌더링: Next.js(TypeScript) 환경에서 Server-Sent Events(SSE) 기술을 적용하여, 100명의 에이전트 반응이 대시보드에 실시간(Streaming)으로 시각화되는 역동적인 사용자 경험을 제공합니다. 멀티모달 분석은 Vision API 기반으로 처리하여 이미지와 배너를 정확하게 인식합니다.

다른 추가 아이디어들

실시간 광고 효율 감시 및 자산 재배치 AI비서 (Ad-Pilot)

"마케터가 잠든 사이에도 새는 광고비를 막고, 매출을 실시간으로 극대화하는 멀티 에이전트 시스템”

  • 프로젝트 개요
    • 타겟 도메인: 종합 광고 대행사 퍼포먼스 마케팅팀 & 이커머스 기업 인하우스 마케팅 부서
    • 핵심 한 줄 정의: 사람이 물리적으로 대응할 수 없는 24시간 디지털 광고 시장의 변동성을 AI 멀티 에이전트 시스템으로 해결하여, 기업의 광고비 누수를 막고 수익(ROAS)을 최적화하는 B2B SaaS 솔루션
    • 예시

      • 설정 상황: 가상의 패션 이커머스 기업 '무드클로젯'은 주말을 맞아 구글, 메타, 틱톡에 각각 일일 예산 100만 원씩, 총 300만 원의 광고를 집행 중입니다. 목표 ROAS(광고비 대비 매출액 기준치)는 250%로 설정되어 있습니다.

        [1단계] 평화로운 모니터링과 갑작스러운 지표 붕괴 (일요일 새벽 02:00)

      • 상황 연출: 마케터가 잠든 시간, Ad-Pilot은 10분 주기로 매체 API 데이터를 파싱하며 실시간 대시보드를 업데이트 중.

      • 에이전트의 움직임:

        • 구글/틱톡 에이전트: "현재 ROAS 260%로 안정적 유지 중."
        • 메타 에이전트 (위험 감지): "이상 징후 발생! 경쟁 입찰 단가 급등으로 인해 최근 30분간 메타 광고 ROAS가 270%에서 80%로 폭락. 이대로 두면 아침까지 약 40만 원의 광고비 공중분해 위험!"

      • React UI 연출: 대시보드의 메타 실시간 ROAS 그래프가 빨간색으로 꺾이며 '위험(Danger)' 경고등 점멸.

        [2단계] 멀티 에이전트의 긴급 회의 및 세이프가드 발동 (새벽 02:05 ~ 02:35)

      • 에이전트의 긴급 회의 (02:05):

        • 메타 ➡️ 총괄: "메타 효율 완전히 붕괴했습니다. 즉시 예산 차감해야 합니다!"
        • 총괄 ➡️ 구글/틱톡: "메타에서 회수할 예산을 흡수할 가장 효율 좋은 매체는 어디인가?"
        • 구글 ➡️ 총괄: "구글 키워드 광고 ROAS가 현재 310%로 상승세입니다. 이쪽으로 재배치하면 매출 극대화 가능합니다."

      • AI 긴급 제안 및 타이머 가동:

        • 시스템은 슬랙(Slack)과 대시보드로 [메타 예산 50만 원 차감 ➡️ 구글 재배치] 제안을 발송.
        • React UI 연출: 제안 팝업 창에 "⏳ 30분 후 자동 안전 모드(감액) 전환" 카운트다운 타이머 작동.

      • AI 선제 조치 (새벽 02:35 / 타임아웃 발생):
        - 마케터가 미응답 상태(잠든 시간)이므로, RAG 가이드라인에 따라 '손실 최소화 자동 방어(Safe-Guard)' 발동.
        - Function Calling 실행: 메타 광고 일일 예산을 100만 원 ➡️ 50만 원으로 즉시 선제 감액하여 돈이 새는 구멍을 틀어막음.
        - 단, 구글로의 증액은 공격적 자산 이동이므로 마케터의 확답이 필요하여 [증액 대기(Pending)] 상태로 유지.

        [3단계] Human-in-the-Loop: 마케터의 최종 컨펌과 자산 최적화 (일요일 오전 09:00)

      • 상황 연출: 아침에 잠에서 깬 마케터가 스마트폰으로 Ad-Pilot 대시보드 접속.

      • 인간과 AI의 인터랙션:

        • 마케터는 "새벽 02:35 마케터 미응답으로 인해 메타 예산 50만 원 선제 감액 완료(안전 조치)"라는 로그를 확인.
        • 그 아래 활성화되어 있는 [구글 광고로 잔여 예산 50만 원 재배치 승인] 버튼을 클릭.

      • 결과 반영 (오후 데이터):

        • Function Calling 실행: 구글 광고 예산이 100만 원 ➡️ 150만 원으로 증액 처리됨.
        • React UI 연출: 예산 변경 히스토리에 최종 로그가 찍히고, 오후 데이터에서 구글의 매출 그래프가 우상향하며 전체 ROAS가 다시 250% 이상으로 복구

가장 직관적이고 확실하게 돈을 아껴주는 단계입니다. 초기 서비스의 핵심(Core) 범위로 설정하기 가장 좋습니다.

주요 액션:

효율(ROAS 등)이 떨어지는 캠페인의 예산을 축소하거나 일시 중지(Stop-Loss).

갑자기 효율이 폭발하는 매체나 캠페인으로 남은 예산을 몰아주기(Scaling).

기술적/비즈니스적 이점: 외부 광고 플랫폼 API(구글, 메타 등)만 연동하면 되므로 시스템 구성이 비교적 직관적입니다. 또한 "당장 새는 돈을 막아준다"는 메시지가 명확해 초기 고객 설득과 사업계획서(예비창업패키지 등) 작성 시 설득력이 매우 높습니다.

1. 광고 소재 피로도(Ad Fatigue) 감지 및 교체 자동화

예산과 타겟팅만큼 퍼포먼스 마케팅에서 중요한 것이 '이미지/영상 소재'의 수명 관리입니다. 아무리 좋은 광고도 시간이 지나면 노출 대비 효율이 떨어집니다.

  • 기능: 특정 광고 소재의 노출량 증가에 따른 클릭률(CTR)이나 전환율(CVR)의 하락 곡선(Decay)을 AI가 실시간으로 추적합니다.
  • 액션: "A 영상 소재의 피로도가 임계치에 도달해 단가가 급등 중입니다. 해당 소재를 일시 중지하고, 대기 중인 B 소재로 자동 교체(Swap)했습니다."
  • 비즈니스 가치: 마케터가 매일 소재별 효율을 들여다보고 수동으로 ON/OFF 하는 최악의 단순 반복 업무를 제거합니다.

2. A/B 테스트 통계적 검증 및 '위너(Winner)' 몰아주기

마케터들은 보통 여러 개의 광고 그룹을 동시에 띄워두고 시장의 반응을 테스트합니다.

  • 기능: 세팅된 A/B/C 테스트 그룹의 데이터를 수집하여, 단순 단가 비교가 아니라 통계적 유의미성(p-value 등)이 판가름 나는 시점을 AI가 계산합니다.
  • 액션: 마케터가 설정한 테스트 기간이 끝나기 전이라도 승자가 확정되면, 즉시 루저(Loser) 캠페인을 종료하고 위너(Winner) 캠페인으로 전체 예산을 자동 재배치합니다.
  • 비즈니스 가치: 마케터의 '감'이나 '경험'에 의존하던 의사결정을 데이터 기반으로 앞당겨 기회비용과 테스트 비용을 극적으로 줄여줍니다.

3. Human-in-the-loop 기반의 인터랙티브 알림 제어

AI가 알아서 예산을 크게 움직이면 고객사는 블랙박스 시스템에 대한 불안감을 느낍니다.

  • 기능: 예산의 큰 변동이 필요하거나 이상치(Anomaly - 클릭은 폭발하는데 결제는 0건인 가짜 트래픽 상황 등)가 감지되었을 때 시스템이 즉시 슬랙(Slack)이나 잔디 등 사내 메신저로 알림을 발송합니다.
  • 액션: 단순 텍스트 알림이 아니라, 메시지 내에 [승인], [거절], [예산 10%만 이동] 같은 인터랙티브 버튼을 포함하여 마케터가 메신저에서 클릭 한 번으로 매체 API를 제어하게 만듭니다.
  • 구현 포인트: LangGraph 기반의 상태 관리(Stateful) 워크플로우를 활용하면, 에이전트가 실행 대기 상태에 있다가 사용자의 메신저 응답을 받아 후속 작업을 처리하는 구조를 2개월 내에 충분히 세팅할 수 있습니다.

타겟 및 입찰가 조정 (Bidding & Targeting)]

예산만 건드리는 것을 넘어, 광고의 '디테일'을 사후관리하는 단계입니다.

  • 주요 액션:
    • "20대 여성의 클릭률이 떨어지니, 타겟을 30대 여성으로 실시간 변경"
    • "야간 시간대에는 입찰가(CPC)를 10% 낮춰서 지출 효율 방어"
  • 기술적/비즈니스적 이점: 단순히 매체를 껐다 켜는 것을 넘어, 하나의 광고를 더 정교하게 다듬어 생명력을 연장해 줍니다.

AI 기반 고객 문의 처리 & 서비스 운영 Agent 시스템

1. 프로젝트 개요

프로젝트명

ServiceFlow AI:

생성형 AI Agent 기반 고객 문의 처리 및 서비스 운영 자동화 시스템

2. 프로젝트 배경

기업의 고객센터 및 서비스 운영 조직은 다음과 같은 문제를 겪고 있다.

  • 고객 문의가 이메일/채팅/전화/이미지 등 다양한 형태로 유입됨
  • 문의 유형 분류와 담당 부서 배정이 수작업
  • 동일 고객의 재문의 추적이 어려움
  • 상담사가 반복적으로 유사 답변 작성
  • 환불/해지/AS/클레임 등의 처리 과정이 복잡
  • 여러 시스템(Jira/CRM/ERP/메일)을 동시에 사용해야 함

특히 고객 문의는 대부분 비정형 데이터 기반이다.

예:

  • “결제가 두 번 된 것 같아요”
  • “제품이 깨져서 도착했어요”
  • “해지하고 싶은데 방법을 모르겠어요”
  • “앱이 계속 로그인 오류가 나요”

현재 고객센터는 이를 사람이 직접 읽고:

  • 문의 유형 판단
  • 고객 정보 조회
  • 정책 확인
  • 티켓 생성
  • 답변 작성
  • 담당자 전달 을 수행한다.

본 프로젝트는 생성형 AI Agent 기반 Workflow를 통해 고객 문의 처리 전 과정을 자동화하는 것을 목표로 한다.

3. 프로젝트 목표

핵심 목표

1) AI-Native 고객센터 구축

고객이:

  • 채팅
  • 이메일
  • 음성
  • 이미지

등 비정형 입력만 제공하면,

AI Agent가 문의 Workflow를 자동 수행한다.

즉:

복잡한 고객센터 입력 절차 없이

자연어 기반 서비스 처리를 제공한다.

2) 문의 처리 Workflow 자동화

다음 과정을 자동 수행한다.

문의 접수

→ 문의 분석

→ 고객 정보 조회

→ 정책 확인

→ 티켓 생성

→ 담당 부서 분배

→ 답변 초안 생성

→ 승인

→ 고객 응답

3) 서비스 운영 효율화

반복적인 고객 응대 업무를 줄이고:

  • 처리 속도
  • 응답 품질
  • 운영 효율 을 개선한다.

4. 핵심 시나리오

시나리오 1 — 구독 해지 요청

고객 입력

채팅:

“자동결제 해지하고 싶어요”

AI 수행

  • 고객 계정 조회
  • 구독 상태 확인
  • 해지 정책 확인
  • 환불 가능 여부 판단
  • 해지 티켓 생성
  • 고객 응답 초안 생성

Human-in-the-Loop

상담사 승인 후:

  • 실제 해지 처리
  • 이메일 발송

시나리오 2 — 제품 파손 클레임

고객 입력

“택배가 파손되어 왔어요”

사진 첨부

AI 수행

  • OCR/VLM 기반 이미지 분석
  • 주문 조회
  • 배송 상태 확인
  • 환불/교환 정책 검색
  • 클레임 티켓 생성
  • 교환 추천
  • 고객 응답 생성

시나리오 3 — 앱 오류 문의

고객 입력

“로그인이 계속 실패합니다”

스크린샷 첨부

AI 수행

  • 오류 메시지 OCR
  • 유사 장애 검색
  • 장애 여부 판단
  • 기술지원 티켓 생성
  • 고객 안내 생성

5. 왜 Agent 구조가 필요한가

본 시스템은 단순 챗봇이 아니다.

1) 다단계 Workflow 필요

문의 분석만으로 끝나지 않는다.

문의 분석

→ 고객 조회

→ 정책 판단

→ 티켓 생성

→ 승인

→ 상태 변경

→ 고객 응답

의 흐름이 필요하다.

2) 상태 기반 처리 필요

문의는 상태를 가진다.

예:

NEW

→ ANALYZING

→ WAITING_APPROVAL

→ CUSTOMER_WAITING

→ RESOLVED

단순 LLM 응답으로 처리 불가능하다.

3) 외부 시스템 연동 필요

다음 시스템들과 연동 필요:

  • CRM
  • ERP
  • 이메일
  • Jira
  • Slack
  • 배송 시스템

4) 실제 Action 수행 필요

AI가 실제로:

  • 티켓 생성

  • 환불 요청

  • 담당자 배정

  • 이메일 발송

    을 수행해야 한다.

    기대 효과

본 프로젝트는 단순 챗봇이 아니라:

  • 상태 기반 Workflow
  • Multi-Agent 협업
  • 실제 Action 수행
  • 비정형 입력 처리
  • Human-in-the-Loop 승인
  • 티켓 중심 업무 관리

를 포함한 실제 서비스 운영형 AI Agent 시스템이다.

특히:

“고객이 자연어로 문의하면 AI가 실제 서비스 처리 Workflow를 수행한다”

는 점에서 AI-Native 고객센터 플랫폼이라는 차별성을 가진다.

AI 담임 행정 Agent

“교사가 학생과 대화하는 데 집중하도록”

  • 타겟 조직/부서:
    • 초·중·고등학교 담임교사 / 학생생활지도부
  • 핵심 문제:
    • 담임교사는 하루에도 수십 건의:
      • 학부모 문의
      • 출결 처리
      • 상담 기록
      • 생활지도 기록
      • 가정통신문 안내
      • 학생 특이사항 정리
        를 반복적으로 처리함
    • 업무 대부분이:
      • 카톡
      • 전화
      • 음성
      • 메모
      • 종이 문서
        같은 비정형 입력으로 들어옴
    • 실제 문제는 “정보 입력”이 아니라:
      • 누락 방지
      • 기록 정리
      • 상태 추적
      • 후속 조치 orchestration

AI-Native UX 방식

  • 음성 기반
  • 채팅 기반
  • 비정형 입력 기반

예시:

“김민지 오늘 조퇴 처리하고 학부모한테 안내 보내줘”

“3반 체험학습 신청서 사진 올릴게. 결석 처리 필요한 학생 정리해줘”

“지난주 상담했던 학생들 위험도 높은 순으로 정리해줘”

즉:

교사가 행정 시스템 입력창을 직접 조작하는 것이 아니라,

자연어와 파일만으로 업무 수행.

전체 Workflow

시나리오 예시 — “학생 조퇴 처리”

1단계 — 비정형 입력

교사 음성 입력:

“김민지 오늘 병원 때문에 3교시 끝나고 조퇴야. 어머니께 확인 문자 보내고 출결 반영해줘”

2단계 — Agent Orchestration

Agent가:

  • 학생 식별
  • 출결 정책 확인
  • 조퇴 가능 시간 계산
  • 보호자 연락처 조회
  • 문자 초안 생성
  • 출결 상태 변경 준비

실행

3단계 — Human-in-the-Loop

교사 승인:

“출결 처리 + 문자 발송 승인하시겠습니까?”

4단계 — 실제 Action 수행

  • 출결 DB 변경
  • 학부모 문자 발송
  • 상담/생활기록 로그 저장
  • 교무행정 알림 전송

5단계 — 결과 생성

최종 결과:

  • 출결 처리 완료
  • 보호자 확인 완료
  • 상담 기록 자동 저장
  • 일일 학생 이슈 리포트 반영

왜 Agent 구조가 필

최종 결과물

  • 출결 처리 로그

  • 상담일지

  • 생활지도 기록

  • 학부모 발송 내역

  • 학생 위험도 리포트

  • 일일 학급 운영 대시보드

    AI 시공 작업관리 및 작업계획서 자동화 Agent

    현장 사진과 대화만으로 작업일보와 시공계획서가 완성된다”

  • 타겟 조직/부서:

    • 건설사 시공관리팀
    • 현장 공사팀
    • 플랜트/설비 시공 운영팀

핵심 문제

현장 관리자·공사 담당자는 매일:

  • 작업일보 작성
  • 공정 진행 보고
  • 작업계획서 작성
  • 자재/인력 현황 정리
  • 사진 정리
  • 협력업체 작업 요청
  • 발주/공정 일정 공유

를 반복 수행함.

하지만 실제 현장에서는:

  • 작업 내용이 음성/메신저/사진 중심으로 발생
  • 작업 후 사무실에서 다시 문서화
  • 작업사진과 보고서가 분리
  • 공정 누락/오기입 발생
  • 시공계획서 양식 작성이 매우 반복적

이라는 문제가 있음.

즉:

“현장 정보 수집”보다

“문서화와 보고 orchestration” 비용이 큼.

AI-Native UX 방식

  • 음성 기반
  • 사진 기반
  • 채팅 기반
  • 비정형 입력 기반

예시:

“A동 5층 천장 배관 설치 오늘 완료됐고 내일은 전선 포설 들어갈 예정이야. 사진 첨부할게. 작업일보랑 내일 작업계획서 초안 만들어줘.”

작업자는:

  • ERP 입력 없이
  • 현장에서 말하고 사진 찍기만 함.

전체 Workflow

시나리오 — “일일 작업관리”

1단계 — 현장 입력

현장 관리자가:

  • 작업 사진 업로드
  • 음성 설명 입력

2단계 — Agent 분석

Agent가:

  • 작업 위치 식별
  • 공정 분류
  • 작업 진척률 추론
  • 사용 자재/장비 추출
  • 작업 인원 정리
  • 일정 지연 여부 분석

수행.

3단계 — 문서 Workflow 생성

자동으로:

  • 작업일보 초안 생성
  • 시공계획서 생성
  • 내일 작업 일정 정리
  • 자재 부족 여부 분석
  • 협력업체 요청 초안 생성

실행.

4단계 — Human-in-the-Loop

현장소장 승인:

“내일 작업계획 등록 및 협력업체 전달하시겠습니까?”

5단계 — 실제 Action 수행

  • 작업일보 저장
  • PDF/Excel Export
  • 협력업체 메일 발송
  • 공정 Dashboard 업데이트
  • 작업 일정 상태 변경

실제 Action

  • 작업일보 생성
  • 시공계획서 PDF Export
  • 공정 상태 DB 반영
  • 협력업체 이메일 발송
  • 작업 일정 등록
  • Slack/Jira 알림
  • 자재 요청 생성

Human-in-the-Loop

반드시 관리자 승인 필요:

  • 시공계획 등록
  • 일정 변경
  • 협력업체 발송
  • 자재 발주 요청

실제 현장 운영 프로세스 반영.

처리 데이터

  • 현장 사진
  • 음성 메모(STT)
  • 기존 작업일보
  • 시공계획서 양식
  • 공정표 Excel
  • 자재 목록
  • 협력업체 작업내역
  • PDF 도면

최종 결과물

  • 일일 작업일보
  • 시공계획서
  • 공정 현황 Dashboard
  • 협력업체 요청서
  • 작업 일정표
  • 공정 지연 리포트
profile
Dovahkiin
rag_developer
이전 포스트

메인프로젝트(심화과정)기능 정의 및 역할분배

0개의 댓글