목록으로
지역사회 문제해결을 위한 AI 활용
퇴근길에 아이를 맡길 곳, AI에게 찾아달라고 했습니다
AAI에게 집·학교·직장과 시간을 함께 입력해, 초등학생 자녀의 돌봄시설을 ‘집 중심’이 아닌 실제 생활동선 중심으로 다시 찾아봤습니다.
🤖 활용 AI 도구
ChatGPT, 제미나이
퇴근길에 아이를 맡길 곳, AI에게 찾아달라고 했습니다
1. 어떤 상황에서 AI를 활용했나요?
초등학교 1학년 자녀를 둔 맞벌이 부모로 돌봄 공백 문제를 해결해 보고자 했습니다.
아이의 학교는 서울 양천구 신정동 생활권의 신서초등학교, 부모의 직장은 여의도 국회의사당역 인근입니다. 아이는 13시 30분에 하교하지만 부모는 18시에 퇴근하기 때문에 약 5시간의 돌봄 공백이 발생합니다.
보통 돌봄시설을 찾을 때는 아이의 학교나 집을 중심으로 검색합니다. 하지만 이 경우 부모의 하루는 집과 학교뿐 아니라 직장과 출퇴근 동선까지 포함하고 있습니다.
그래서 다음과 같은 질문에서 시작했습니다.
“집 근처에 돌봄시설이 어디 있는가?”가 아니라
“아이의 학교, 부모의 직장, 집, 시간과 이동동선을 모두 고려하면 어떤 돌봄 방법이 가능한가?”
퇴근길에 아이를 맡길 곳, AI에게 찾아달라고 했습니다
1. 어떤 상황에서 AI를 활용했나요?
초등학교 1학년 자녀를 둔 맞벌이 부모로서 돌봄 공백 문제를 해결해 보고자 했습니다.
아이의 학교는 서울 양천구 신정동 생활권의 신서초등학교, 부모의 직장은 여의도 국회의사당역 인근입니다. 아이는 13시에 하교하지만 부모는 18시에 퇴근하기 때문에 약 5시간의 돌봄 공백이 발생합니다.
보통 돌봄시설을 찾을 때는 아이의 학교나 집을 중심으로 검색합니다. 하지만 이 경우 부모의 하루는 집과 학교 뿐만 아니라 직장과 출퇴근 동선까지 포함하고 있습니다.
그래서 다음과 같은 질문에서 시작했습니다.
“집 근처에 돌봄시설이 어디 있는가?”가 아니라,
“아이의 학교, 부모의 직장, 집, 시간과 이동 동선을 모두 고려하면 어떤 돌봄 방법이 가능한가?”
2. 어떤 AI를 어떻게 활용했나요?
ChatGPT를 단순한 검색창으로 사용하지 않고 돌봄 문제를 분석하고 해결방법을 설계하는 도구로 활용했습니다.
처음에는 아이의 거주지와 학교 주변 돌봄시설을 찾도록 질문했습니다.
하지만 첫 번째 결과를 확인하면서 단순히 가까운 시설을 찾는 것만으로는 실제 생활에 맞는 돌봄방법을 찾기 어렵다는 점을 발견했습니다.
그래서 프롬프트를 단계적으로 개선했습니다.
① 문제 정의
아이의 하교시간과 부모의 퇴근시간을 입력해 돌봄 공백을 구조화했습니다.
② 검색조건 설계
AI에게 단순한 시설 위치뿐 아니라
초등학교 1학년 이용 가능 여부
운영시간
학교에서 시설까지의 이동
부모 직장과 시설의 거리
부모 퇴근시간
시설에서 집까지의 이동
보호자 동행 또는 픽업 필요 여부
등 실제 이용에 필요한 조건을 스스로 설계하도록 했습니다.
③ 돌봄시설 탐색
우리동네키움센터, 다함께돌봄센터, 지역아동센터 등 공공 돌봄시설을 폭넓게 탐색하고 후보를 비교하도록 했습니다.
④ 생활동선 비교
돌봄시설을 단순히 가까운 순서로 찾는 대신
학교 중심 / 집 중심 / 직장 중심
세 가지 생활동선을 비교하도록 했습니다.
⑤ 결과 검증
AI가 제시한 운영시간·이용조건·시설정보 등을 서울시와 자치구 등 공식 자료와 대조했습니다.
확인되지 않은 정보는 AI가 임의로 채우지 않고 ‘확인 필요’ 로 구분하도록 했습니다.
⑥ 프롬프트 개선
1차 결과에서 발견된 문제를 다시 AI에게 질문했습니다.
처음에는 ‘직장 중심 돌봄’을 찾는 데 초점을 두었지만, 실제로는 초등학교 1학년 아이가 학교에서 직장 인근까지 이동하는 것이 현실적인지도 함께 판단해야 했습니다.
따라서 최종적으로는
“직장 중심이 반드시 정답이라고 가정하지 말고 학교·집·직장을 모두 연결한 생활 동선을 비교하라.” 로 프롬프트를 수정했습니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 돌봄시설을 찾는 방법 자체가 달라진 것입니다.
기존에는
학교 → 집 근처 돌봄시설 → 집
이라는 방식으로 생각했습니다.
AI를 활용한 후에는
학교 → 돌봄시설 → 부모 직장/퇴근동선 → 집
이라는 새로운 관점으로 돌봄을 살펴보게 됐습니다.
그 결과 단순히 “가까운 돌봄시설 하나를 추천받는 것”에서 벗어나,
① 아이가 이동하기 편한가
② 부모가 퇴근 후 아이를 만날 수 있는가
③ 시설 운영시간과 부모 퇴근시간이 맞는가
④ 집으로 돌아가는 동선은 어떠한가
를 함께 확인하게 됐습니다.
또한 처음에는 ‘직장 가까운 돌봄시설’이 새로운 해결책이라고 생각했지만, AI를 실제로 활용해 보면서 직장 중심이 항상 정답은 아니라는 것도 확인했습니다.
초등학교 1학년에게는 학교에서 가까운 돌봄시설이 더 현실적일 수 있고, 부모에게는 직장과 가까운 시설이 편리할 수 있습니다.
따라서 중요한 것은 특정 장소를 정답으로 정하는 것이 아니라 아이와 부모의 생활동선을 함께 놓고 비교하는 것이라는 관점의 변화가 생겼습니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 돌봄시설을 찾는 방법 자체가 달라진 것입니다.
기존에는
학교 → 집 근처 돌봄시설 → 집
이라는 방식으로 생각했습니다.
AI를 활용한 후에는
학교 → 돌봄시설 → 부모 직장/퇴근동선 → 집
이라는 새로운 관점으로 돌봄을 살펴보게 됐습니다.
그 결과 단순히 “가까운 돌봄시설 하나를 추천받는 것”에서 벗어나,
① 아이가 이동하기 편한가
② 부모가 퇴근 후 아이를 만날 수 있는가
③ 시설 운영시간과 부모 퇴근시간이 맞는가
④ 집으로 돌아가는 동선은 어떠한가
를 함께 확인하게 됐습니다.
또한 처음에는 ‘직장 가까운 돌봄시설’이 새로운 해결책이라고 생각했지만, AI를 실제로 활용해 보면서 직장 중심이 항상 정답은 아니라는 것도 확인했습니다.
초등학교 1학년에게는 학교에서 가까운 돌봄시설이 더 현실적일 수 있고, 부모에게는 직장과 가까운 시설이 편리할 수 있습니다.
따라서 중요한 것은 특정 장소를 정답으로 정하는 것이 아니라,
아이와 부모의 생활 동선을 함께 놓고 비교하는 것이라는 관점의 변화가 생겼습니다.
4. 나만의 방식 또는 개선 포인트는 무엇인가요?
이번 활용의 핵심은 AI에게 답을 한 번 받아 사용하는 것이 아니라, AI를 이용해 ‘질문하는 방식’을 계속 개선한 것입니다.
처음 질문은 단순했습니다.
“신정동과 신서초등학교 주변의 돌봄시설을 찾아줘.”
하지만 이것만으로는 실제 맞벌이 부모의 생활을 설명하기 어려웠습니다.
그래서
“부모는 국회의사당역 인근에서 18시에 퇴근하고, 아이는 13시에 하교한다.”
라는 시간과 공간 조건을 추가했습니다.
다시
“아이의 이동 가능성과 시설 운영시간까지 함께 고려해 달라.”
고 조건을 추가했습니다.
마지막에는
“학교 중심·집 중심·직장 중심의 세 가지 동선을 비교하고, 아이의 이동 부담과 부모의 이동 부담, 돌봄시간, 시설 운영시간을 함께 분석하라.”
고 질문을 바꿨습니다.
즉, AI가 시설을 찾아준 것이 아니라 AI를 활용하면서 돌봄 문제를 바라보는 질문 자체를 발전시킨 것입니다.
또한 AI가 제시한 정보를 그대로 믿지 않고 공식자료를 통해 다시 확인하도록 했습니다. 이를 통해 AI의 편리함뿐 아니라 AI가 틀릴 수 있다는 점까지 활용 과정에 포함했습니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 돌봄시설을 찾는 방법 자체가 달라진 것입니다.
기존에는
학교 → 집 근처 돌봄시설 → 집
이라는 방식으로 생각했습니다.
AI를 활용한 후에는
학교 → 돌봄시설 → 부모 직장/퇴근동선 → 집
이라는 새로운 관점으로 돌봄을 살펴보게 됐습니다.
그 결과 단순히 “가까운 돌봄시설 하나를 추천받는 것”에서 벗어나,
① 아이가 이동하기 편한가
② 부모가 퇴근 후 아이를 만날 수 있는가
③ 시설 운영시간과 부모 퇴근시간이 맞는가
④ 집으로 돌아가는 동선은 어떠한가
를 함께 확인하게 됐습니다.
또한 처음에는 ‘직장 가까운 돌봄시설’이 새로운 해결책이라고 생각했지만, AI를 실제로 활용해 보면서 직장 중심이 항상 정답은 아니라는 것도 확인했습니다.
초등학교 1학년에게는 학교에서 가까운 돌봄시설이 더 현실적일 수 있고, 부모에게는 직장과 가까운 시설이 편리할 수 있습니다.
따라서 중요한 것은 특정 장소를 정답으로 정하는 것이 아니라 아이와 부모의 생활동선을 함께 놓고 비교하는 것이라는 관점의 변화가 생겼습니다.
4. 나만의 방식 또는 개선 포인트는 무엇인가요?
이번 활용의 핵심은 AI에게 답을 한 번 받아 사용하는 것이 아니라, AI를 이용해 ‘질문하는 방식’을 계속 개선한 것입니다.
처음 질문은 단순했습니다.
“신정동과 신서초등학교 주변의 돌봄시설을 찾아줘.”
하지만 이것만으로는 실제 맞벌이 부모의 생활을 설명하기 어려웠습니다.
그래서
“부모는 국회의사당역 인근에서 18시에 퇴근하고, 아이는 13시 30분에 하교한다.”
라는 시간과 공간 조건을 추가했습니다.
다시
“아이의 이동 가능성과 시설 운영시간까지 함께 고려해 달라.”
고 조건을 추가했습니다.
마지막에는
“학교 중심·집 중심·직장 중심의 세 가지 동선을 비교하고, 아이의 이동 부담과 부모의 이동 부담, 돌봄시간, 시설 운영시간을 함께 분석하라.”
고 질문을 바꿨습니다.
즉, AI가 시설을 찾아준 것이 아니라 AI를 활용하면서 돌봄 문제를 바라보는 질문 자체를 발전시킨 것입니다.
또한 AI가 제시한 정보를 그대로 믿지 않고 공식자료를 통해 다시 확인하도록 했습니다. 이를 통해 AI의 편리함뿐 아니라 AI가 틀릴 수 있다는 점까지 활용 과정에 포함했습니다.
5. 다른 사람도 따라 할 수 있나요?
가능합니다.
이번 사례에서 실제로 필요한 정보는 복잡하지 않습니다.
우리 집 위치
아이의 학교
아이의 학년
하교시간
부모의 직장
부모의 퇴근시간
이동수단
아이와 만날 수 있는 시간
이 정보만 자신의 상황에 맞게 바꾸면 동일한 방식으로 활용할 수 있습니다.
예를 들어 다른 부모가
“우리 집은 ○○구, 아이 학교는 ○○초등학교, 하교는 ○시, 나는 ○○역에서 ○시에 퇴근한다.”
라고 입력하면 AI가 같은 방식으로 돌봄시설을 탐색하고 학교·직장·집을 연결한 생활동선을 비교할 수 있습니다.
따라서 특정 지역이나 특정 가족에게만 필요한 방법이 아니라 맞벌이 부모라면 누구나 자신의 생활권에 적용할 수 있는 AI 활용방법입니다.
6. 이 사례를 통해 달라진 생각
이번 실험을 통해 돌봄시설을 찾는 문제는 단순한 ‘시설 검색’의 문제가 아니라 ‘생활동선 설계’의 문제가 될 수 있다는 것을 알게 됐습니다.
AI를 활용하기 전에는
“아이를 어디에 맡길까?”
라고 생각했습니다.
AI를 활용한 후에는
“아이의 하루와 부모의 하루를 함께 놓고 보면, 어디에서 어떤 방식으로 돌봄을 연결할 수 있을까?”
라는 질문으로 바뀌었습니다.
결국 AI가 찾아준 것은 단순한 돌봄시설 목록이 아니라 돌봄을 바라보는 새로운 검색 기준이었습니다.
돌봄시설을 더 많이 찾은 것이 아니라, 돌봄시설을 찾는 질문을 바꾸게 되었습니다.
AI는 돌봄시설의 답을 대신 정해주지 않았습니다.
대신 학교, 집, 직장, 시간이라는 흩어져 있던 조건을 한눈에 연결하고, 우리가 미처 생각하지 못했던 질문을 다시 만들어 주었습니다.
“어디에 돌봄시설이 있는가?”에서
“우리 가족의 하루에 어떤 돌봄이 연결될 수 있는가?”로.
이번 사례에서 AI 활용의 핵심은 더 많은 정보를 찾는 것이 아니라,
생활 속 문제를 새로운 질문으로 바꾸고 그 질문을 다시 AI와 함께 구체화하게 된 것입니다.
돌봄시설을 더 많이 찾은 것이 아니라, 돌봄시설을 찾는 질문을 바꿨습니다.
1. 어떤 상황에서 AI를 활용했나요?
초등학교 1학년 자녀를 둔 맞벌이 부모로 돌봄 공백 문제를 해결해 보고자 했습니다.
아이의 학교는 서울 양천구 신정동 생활권의 신서초등학교, 부모의 직장은 여의도 국회의사당역 인근입니다. 아이는 13시 30분에 하교하지만 부모는 18시에 퇴근하기 때문에 약 5시간의 돌봄 공백이 발생합니다.
보통 돌봄시설을 찾을 때는 아이의 학교나 집을 중심으로 검색합니다. 하지만 이 경우 부모의 하루는 집과 학교뿐 아니라 직장과 출퇴근 동선까지 포함하고 있습니다.
그래서 다음과 같은 질문에서 시작했습니다.
“집 근처에 돌봄시설이 어디 있는가?”가 아니라
“아이의 학교, 부모의 직장, 집, 시간과 이동동선을 모두 고려하면 어떤 돌봄 방법이 가능한가?”
퇴근길에 아이를 맡길 곳, AI에게 찾아달라고 했습니다
1. 어떤 상황에서 AI를 활용했나요?
초등학교 1학년 자녀를 둔 맞벌이 부모로서 돌봄 공백 문제를 해결해 보고자 했습니다.
아이의 학교는 서울 양천구 신정동 생활권의 신서초등학교, 부모의 직장은 여의도 국회의사당역 인근입니다. 아이는 13시에 하교하지만 부모는 18시에 퇴근하기 때문에 약 5시간의 돌봄 공백이 발생합니다.
보통 돌봄시설을 찾을 때는 아이의 학교나 집을 중심으로 검색합니다. 하지만 이 경우 부모의 하루는 집과 학교 뿐만 아니라 직장과 출퇴근 동선까지 포함하고 있습니다.
그래서 다음과 같은 질문에서 시작했습니다.
“집 근처에 돌봄시설이 어디 있는가?”가 아니라,
“아이의 학교, 부모의 직장, 집, 시간과 이동 동선을 모두 고려하면 어떤 돌봄 방법이 가능한가?”
2. 어떤 AI를 어떻게 활용했나요?
ChatGPT를 단순한 검색창으로 사용하지 않고 돌봄 문제를 분석하고 해결방법을 설계하는 도구로 활용했습니다.
처음에는 아이의 거주지와 학교 주변 돌봄시설을 찾도록 질문했습니다.
하지만 첫 번째 결과를 확인하면서 단순히 가까운 시설을 찾는 것만으로는 실제 생활에 맞는 돌봄방법을 찾기 어렵다는 점을 발견했습니다.
그래서 프롬프트를 단계적으로 개선했습니다.
① 문제 정의
아이의 하교시간과 부모의 퇴근시간을 입력해 돌봄 공백을 구조화했습니다.
② 검색조건 설계
AI에게 단순한 시설 위치뿐 아니라
초등학교 1학년 이용 가능 여부
운영시간
학교에서 시설까지의 이동
부모 직장과 시설의 거리
부모 퇴근시간
시설에서 집까지의 이동
보호자 동행 또는 픽업 필요 여부
등 실제 이용에 필요한 조건을 스스로 설계하도록 했습니다.
③ 돌봄시설 탐색
우리동네키움센터, 다함께돌봄센터, 지역아동센터 등 공공 돌봄시설을 폭넓게 탐색하고 후보를 비교하도록 했습니다.
④ 생활동선 비교
돌봄시설을 단순히 가까운 순서로 찾는 대신
학교 중심 / 집 중심 / 직장 중심
세 가지 생활동선을 비교하도록 했습니다.
⑤ 결과 검증
AI가 제시한 운영시간·이용조건·시설정보 등을 서울시와 자치구 등 공식 자료와 대조했습니다.
확인되지 않은 정보는 AI가 임의로 채우지 않고 ‘확인 필요’ 로 구분하도록 했습니다.
⑥ 프롬프트 개선
1차 결과에서 발견된 문제를 다시 AI에게 질문했습니다.
처음에는 ‘직장 중심 돌봄’을 찾는 데 초점을 두었지만, 실제로는 초등학교 1학년 아이가 학교에서 직장 인근까지 이동하는 것이 현실적인지도 함께 판단해야 했습니다.
따라서 최종적으로는
“직장 중심이 반드시 정답이라고 가정하지 말고 학교·집·직장을 모두 연결한 생활 동선을 비교하라.” 로 프롬프트를 수정했습니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 돌봄시설을 찾는 방법 자체가 달라진 것입니다.
기존에는
학교 → 집 근처 돌봄시설 → 집
이라는 방식으로 생각했습니다.
AI를 활용한 후에는
학교 → 돌봄시설 → 부모 직장/퇴근동선 → 집
이라는 새로운 관점으로 돌봄을 살펴보게 됐습니다.
그 결과 단순히 “가까운 돌봄시설 하나를 추천받는 것”에서 벗어나,
① 아이가 이동하기 편한가
② 부모가 퇴근 후 아이를 만날 수 있는가
③ 시설 운영시간과 부모 퇴근시간이 맞는가
④ 집으로 돌아가는 동선은 어떠한가
를 함께 확인하게 됐습니다.
또한 처음에는 ‘직장 가까운 돌봄시설’이 새로운 해결책이라고 생각했지만, AI를 실제로 활용해 보면서 직장 중심이 항상 정답은 아니라는 것도 확인했습니다.
초등학교 1학년에게는 학교에서 가까운 돌봄시설이 더 현실적일 수 있고, 부모에게는 직장과 가까운 시설이 편리할 수 있습니다.
따라서 중요한 것은 특정 장소를 정답으로 정하는 것이 아니라 아이와 부모의 생활동선을 함께 놓고 비교하는 것이라는 관점의 변화가 생겼습니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 돌봄시설을 찾는 방법 자체가 달라진 것입니다.
기존에는
학교 → 집 근처 돌봄시설 → 집
이라는 방식으로 생각했습니다.
AI를 활용한 후에는
학교 → 돌봄시설 → 부모 직장/퇴근동선 → 집
이라는 새로운 관점으로 돌봄을 살펴보게 됐습니다.
그 결과 단순히 “가까운 돌봄시설 하나를 추천받는 것”에서 벗어나,
① 아이가 이동하기 편한가
② 부모가 퇴근 후 아이를 만날 수 있는가
③ 시설 운영시간과 부모 퇴근시간이 맞는가
④ 집으로 돌아가는 동선은 어떠한가
를 함께 확인하게 됐습니다.
또한 처음에는 ‘직장 가까운 돌봄시설’이 새로운 해결책이라고 생각했지만, AI를 실제로 활용해 보면서 직장 중심이 항상 정답은 아니라는 것도 확인했습니다.
초등학교 1학년에게는 학교에서 가까운 돌봄시설이 더 현실적일 수 있고, 부모에게는 직장과 가까운 시설이 편리할 수 있습니다.
따라서 중요한 것은 특정 장소를 정답으로 정하는 것이 아니라,
아이와 부모의 생활 동선을 함께 놓고 비교하는 것이라는 관점의 변화가 생겼습니다.
4. 나만의 방식 또는 개선 포인트는 무엇인가요?
이번 활용의 핵심은 AI에게 답을 한 번 받아 사용하는 것이 아니라, AI를 이용해 ‘질문하는 방식’을 계속 개선한 것입니다.
처음 질문은 단순했습니다.
“신정동과 신서초등학교 주변의 돌봄시설을 찾아줘.”
하지만 이것만으로는 실제 맞벌이 부모의 생활을 설명하기 어려웠습니다.
그래서
“부모는 국회의사당역 인근에서 18시에 퇴근하고, 아이는 13시에 하교한다.”
라는 시간과 공간 조건을 추가했습니다.
다시
“아이의 이동 가능성과 시설 운영시간까지 함께 고려해 달라.”
고 조건을 추가했습니다.
마지막에는
“학교 중심·집 중심·직장 중심의 세 가지 동선을 비교하고, 아이의 이동 부담과 부모의 이동 부담, 돌봄시간, 시설 운영시간을 함께 분석하라.”
고 질문을 바꿨습니다.
즉, AI가 시설을 찾아준 것이 아니라 AI를 활용하면서 돌봄 문제를 바라보는 질문 자체를 발전시킨 것입니다.
또한 AI가 제시한 정보를 그대로 믿지 않고 공식자료를 통해 다시 확인하도록 했습니다. 이를 통해 AI의 편리함뿐 아니라 AI가 틀릴 수 있다는 점까지 활용 과정에 포함했습니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 돌봄시설을 찾는 방법 자체가 달라진 것입니다.
기존에는
학교 → 집 근처 돌봄시설 → 집
이라는 방식으로 생각했습니다.
AI를 활용한 후에는
학교 → 돌봄시설 → 부모 직장/퇴근동선 → 집
이라는 새로운 관점으로 돌봄을 살펴보게 됐습니다.
그 결과 단순히 “가까운 돌봄시설 하나를 추천받는 것”에서 벗어나,
① 아이가 이동하기 편한가
② 부모가 퇴근 후 아이를 만날 수 있는가
③ 시설 운영시간과 부모 퇴근시간이 맞는가
④ 집으로 돌아가는 동선은 어떠한가
를 함께 확인하게 됐습니다.
또한 처음에는 ‘직장 가까운 돌봄시설’이 새로운 해결책이라고 생각했지만, AI를 실제로 활용해 보면서 직장 중심이 항상 정답은 아니라는 것도 확인했습니다.
초등학교 1학년에게는 학교에서 가까운 돌봄시설이 더 현실적일 수 있고, 부모에게는 직장과 가까운 시설이 편리할 수 있습니다.
따라서 중요한 것은 특정 장소를 정답으로 정하는 것이 아니라 아이와 부모의 생활동선을 함께 놓고 비교하는 것이라는 관점의 변화가 생겼습니다.
4. 나만의 방식 또는 개선 포인트는 무엇인가요?
이번 활용의 핵심은 AI에게 답을 한 번 받아 사용하는 것이 아니라, AI를 이용해 ‘질문하는 방식’을 계속 개선한 것입니다.
처음 질문은 단순했습니다.
“신정동과 신서초등학교 주변의 돌봄시설을 찾아줘.”
하지만 이것만으로는 실제 맞벌이 부모의 생활을 설명하기 어려웠습니다.
그래서
“부모는 국회의사당역 인근에서 18시에 퇴근하고, 아이는 13시 30분에 하교한다.”
라는 시간과 공간 조건을 추가했습니다.
다시
“아이의 이동 가능성과 시설 운영시간까지 함께 고려해 달라.”
고 조건을 추가했습니다.
마지막에는
“학교 중심·집 중심·직장 중심의 세 가지 동선을 비교하고, 아이의 이동 부담과 부모의 이동 부담, 돌봄시간, 시설 운영시간을 함께 분석하라.”
고 질문을 바꿨습니다.
즉, AI가 시설을 찾아준 것이 아니라 AI를 활용하면서 돌봄 문제를 바라보는 질문 자체를 발전시킨 것입니다.
또한 AI가 제시한 정보를 그대로 믿지 않고 공식자료를 통해 다시 확인하도록 했습니다. 이를 통해 AI의 편리함뿐 아니라 AI가 틀릴 수 있다는 점까지 활용 과정에 포함했습니다.
5. 다른 사람도 따라 할 수 있나요?
가능합니다.
이번 사례에서 실제로 필요한 정보는 복잡하지 않습니다.
우리 집 위치
아이의 학교
아이의 학년
하교시간
부모의 직장
부모의 퇴근시간
이동수단
아이와 만날 수 있는 시간
이 정보만 자신의 상황에 맞게 바꾸면 동일한 방식으로 활용할 수 있습니다.
예를 들어 다른 부모가
“우리 집은 ○○구, 아이 학교는 ○○초등학교, 하교는 ○시, 나는 ○○역에서 ○시에 퇴근한다.”
라고 입력하면 AI가 같은 방식으로 돌봄시설을 탐색하고 학교·직장·집을 연결한 생활동선을 비교할 수 있습니다.
따라서 특정 지역이나 특정 가족에게만 필요한 방법이 아니라 맞벌이 부모라면 누구나 자신의 생활권에 적용할 수 있는 AI 활용방법입니다.
6. 이 사례를 통해 달라진 생각
이번 실험을 통해 돌봄시설을 찾는 문제는 단순한 ‘시설 검색’의 문제가 아니라 ‘생활동선 설계’의 문제가 될 수 있다는 것을 알게 됐습니다.
AI를 활용하기 전에는
“아이를 어디에 맡길까?”
라고 생각했습니다.
AI를 활용한 후에는
“아이의 하루와 부모의 하루를 함께 놓고 보면, 어디에서 어떤 방식으로 돌봄을 연결할 수 있을까?”
라는 질문으로 바뀌었습니다.
결국 AI가 찾아준 것은 단순한 돌봄시설 목록이 아니라 돌봄을 바라보는 새로운 검색 기준이었습니다.
돌봄시설을 더 많이 찾은 것이 아니라, 돌봄시설을 찾는 질문을 바꾸게 되었습니다.
AI는 돌봄시설의 답을 대신 정해주지 않았습니다.
대신 학교, 집, 직장, 시간이라는 흩어져 있던 조건을 한눈에 연결하고, 우리가 미처 생각하지 못했던 질문을 다시 만들어 주었습니다.
“어디에 돌봄시설이 있는가?”에서
“우리 가족의 하루에 어떤 돌봄이 연결될 수 있는가?”로.
이번 사례에서 AI 활용의 핵심은 더 많은 정보를 찾는 것이 아니라,
생활 속 문제를 새로운 질문으로 바꾸고 그 질문을 다시 AI와 함께 구체화하게 된 것입니다.
돌봄시설을 더 많이 찾은 것이 아니라, 돌봄시설을 찾는 질문을 바꿨습니다.
📎 첨부파일 (1)
📄 AI활용사례_돌봄.jpeg
