목록으로
지역사회 문제해결을 위한 AI 활용
AI를 활용해 유가·우회비용·지역결제 가능 여부를 함께 비교하는 ‘가는길주유’ 웹 프로토타입 개발한 사례
유가뿐 아니라 우회 연료비와 온누리·지역화폐 사용 가능 여부까지 함께 비교해, 가는 길에서 예상비용이 낮은 주유소를 찾도록 돕는 웹 프로토타입입니다.
🤖 활용 AI 도구
Chatgpt, Codex
① 어떤 상황에서 AI를 활용했나요?
주유소를 고를 때 리터당 가격이 가장 싼 곳이 실제로도 가장 경제적인지는 알기 어려웠습니다. 가격이 조금 저렴해도 원래 가던 길에서 멀리 벗어나면 추가 연료와 시간이 들고, 온누리상품권이나 지역화폐 사용 가능 여부도 따로 찾아봐야 했습니다. 이는 일상에서 반복되는 생활 분야의 금융·소비 문제라고 생각했습니다.
그래서 광주송정역에서 국립아시아문화전당으로 이동하는 실제 공공장소 경로를 시험 대상으로 삼아, 유가뿐 아니라 주유소를 들르기 위해 추가되는 거리와 지역 결제 가능 상태까지 한 화면에서 비교하는 ‘가는길주유’를 만들었습니다. 막연한 아이디어를 데이터 항목, 계산식, 화면 기능과 시험 절차로 구체화하고 서로 다른 공공·공개 데이터를 연결하기 위해 생성형 AI를 활용했습니다.
② 어떤 AI를 어떻게 활용했나요?
ChatGPT는 문제와 비교 기준을 구조화하는 데 활용했습니다. “리터당 가격이 싼 주유소가 실제로는 더 비싸지는 조건은 무엇인가?”, “주유량과 차량 연비를 계산에 어떻게 반영해야 하는가?”, “확인되지 않은 결제정보를 어떻게 표시해야 과장하지 않을 수 있는가?” 등을 질문해 필요한 데이터와 계산 기준, 예외 상황, 화면 흐름을 정리했습니다.
Codex는 실제 프로젝트 파일과 오류 로그를 분석하고 서버·화면 코드를 수정하는 개발 보조로 활용했습니다. VWorld의 장소·주소·좌표 검색, 오피넷의 주유소·유가 조회, 온누리 공개 CSV와 한국조폐공사 지역화폐 API처럼 형식이 다른 데이터를 정리하고 후보 정렬식, 상태 표시, 외부 지도 경유 링크를 반복해서 수정했습니다. 중앙 데이터 동기화에서 UPSTREAM_ERROR가 발생했을 때는 오피넷 인근조회와 상세조회를 나눠 시험하여 반경 4km 인근조회 후보 49개와 별도 상세조회 예시의 주소·유종별 가격 응답을 확인했습니다. AI가 제안한 내용을 그대로 사용하지 않고 ‘문제 정의 → AI 제안 → 코드 실행 → 실제 결과 확인 → 수정·재검증’ 순서로 검증했으며, 추천 순위는 AI가 임의로 정하는 것이 아니라 사람이 정한 계산식과 사용자 조건으로 산출했습니다.
③ 활용 결과 어떤 변화가 있었나요?
아이디어에 머물지 않고 실제로 작동하는 시험 버전(MVP)을 구현했습니다. VWorld 지도에서 출발지·도착지와 주변 주유소를 확인하고, 선택한 주유소를 경유지로 넣어 네이버지도와 카카오맵에서 열 수 있게 했습니다. 화면에는 유가, 추가 거리·시간, 비교용 예상비용, 디지털 온누리와 광주상생카드의 확인 상태가 함께 표시됩니다.
광주송정역에서 국립아시아문화전당까지 13.8km·약 16분으로 표시된 경로를 40L 주유·연비 10km/L 조건으로 시험했습니다. 추천 1위인 서양새마을금고주유소는 1,809원/L, 실제 도로 346m 추가, 비교용 예상비용 72,423원이었습니다. 반면 리터당 최저가인 오일필드 광산지점은 1,799원/L로 10원 저렴했지만 약 4.4km를 추가로 이동해야 해 예상비용이 72,745원으로 계산됐습니다. 단가는 더 저렴해도 우회 연료비를 포함하면 예상비용이 오히려 322원 높아지는 결과를 실제 화면으로 확인했습니다.
이 금액은 실제 결제 후 확정된 절약액이 아니라 동일한 조건에서 후보를 비교하기 위한 예상값입니다. 화면 거리는 읽기 쉽게 반올림하고 비용 계산에는 내부 상세 거리값을 사용했습니다. 데이터 측면에서는 오피넷 인근조회 후보 49개와 별도 상세조회 예시를 확인했고, 2025년 7월 31일 기준 온누리 공개 CSV 150,541행을 개발용으로 동기화했으며 한국조폐공사 지역화폐 API의 지역별 가맹정보 응답도 확인했습니다. 온누리·지역화폐와 개별 주유소의 자동 매칭 정확도는 계속 검증하고 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
일반적인 주유소 검색처럼 리터당 최저가순으로만 나열하지 않고 다음 계산식으로 후보를 비교했습니다.
비교용 예상비용 = 주유단가 × 예상 주유량 + (주유소 경유 경로거리 - 원래 경로거리) ÷ 차량 연비 × 주유단가
실제 도로 경로가 계산된 상위 후보는 추가 거리와 시간을 표시하고, 아직 도로 경로를 계산하지 못한 후보는 정확한 값처럼 보이지 않도록 ‘직선거리 추정’으로 구분했습니다. 온누리·지역화폐는 할인액을 예상비용에서 임의로 차감하지 않고 ‘사용 가능/확인 전’ 상태와 추천 우선조건으로만 표시했습니다. 화면의 ‘사용 가능’은 개발 데이터의 자동 매칭 결과이므로 실제 결제 전 공식 가맹점 검색에서 다시 확인해야 합니다.
외부 데이터 조회가 지연되면 임의값을 표시하지 않고 ‘이전 정상 데이터 사용 중’이라는 사실과 마지막 성공 시각을 함께 보여주도록 했습니다. 첨부 화면은 2026년 8월 25일 02시 40분에 성공한 이전 정상 스냅샷을 사용한 시연으로, 현재 유가와 가맹 상태를 보장하지 않습니다. 또한 추천 순위는 공공·공개 데이터와 명시적인 계산식의 결과이고, AI는 문제 정리·코드 작성·오류 분석·반복 검증을 지원한 개발 도구라는 점을 분명히 구분했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
같은 방법은 주유소뿐 아니라 배달비, 주차비, 장보기처럼 표시 가격과 이동비용을 함께 살펴야 하는 생활 속 소비 문제에도 적용할 수 있습니다. 먼저 실제로 겪은 불편과 비교 조건을 정하고, AI로 필요한 데이터와 계산 기준, 화면 흐름을 기능 단위로 나눕니다. 이후 공식 API나 공개자료를 한 종류씩 연결해 실제 응답을 확인하고, 모든 후보에 같은 계산식을 적용한 뒤 공식 문서·실행 로그·작동 화면으로 AI의 제안과 결과를 다시 검증합니다. 마지막으로 데이터 출처와 기준일, 갱신상태, 확인되지 않은 항목을 함께 표시하면 됩니다.
현재 가는길주유는 로그인이나 사용자 계정을 사용하지 않으며, 제출 화면에는 개인 주소 대신 공공장소를 사용했습니다. API 키와 계정정보는 제출 이미지와 공개 코드에서 제외했고 지도와 데이터 출처도 표시했습니다. 온누리·지역화폐 자동 매칭 결과는 실제 결제 전 공식 가맹점 검색에서 다시 확인하도록 안내합니다. 완성된 앱이 아니더라도 같은 절차를 이용해 표나 간단한 웹 화면부터 만들고 결과를 검증할 수 있습니다.
주유소를 고를 때 리터당 가격이 가장 싼 곳이 실제로도 가장 경제적인지는 알기 어려웠습니다. 가격이 조금 저렴해도 원래 가던 길에서 멀리 벗어나면 추가 연료와 시간이 들고, 온누리상품권이나 지역화폐 사용 가능 여부도 따로 찾아봐야 했습니다. 이는 일상에서 반복되는 생활 분야의 금융·소비 문제라고 생각했습니다.
그래서 광주송정역에서 국립아시아문화전당으로 이동하는 실제 공공장소 경로를 시험 대상으로 삼아, 유가뿐 아니라 주유소를 들르기 위해 추가되는 거리와 지역 결제 가능 상태까지 한 화면에서 비교하는 ‘가는길주유’를 만들었습니다. 막연한 아이디어를 데이터 항목, 계산식, 화면 기능과 시험 절차로 구체화하고 서로 다른 공공·공개 데이터를 연결하기 위해 생성형 AI를 활용했습니다.
② 어떤 AI를 어떻게 활용했나요?
ChatGPT는 문제와 비교 기준을 구조화하는 데 활용했습니다. “리터당 가격이 싼 주유소가 실제로는 더 비싸지는 조건은 무엇인가?”, “주유량과 차량 연비를 계산에 어떻게 반영해야 하는가?”, “확인되지 않은 결제정보를 어떻게 표시해야 과장하지 않을 수 있는가?” 등을 질문해 필요한 데이터와 계산 기준, 예외 상황, 화면 흐름을 정리했습니다.
Codex는 실제 프로젝트 파일과 오류 로그를 분석하고 서버·화면 코드를 수정하는 개발 보조로 활용했습니다. VWorld의 장소·주소·좌표 검색, 오피넷의 주유소·유가 조회, 온누리 공개 CSV와 한국조폐공사 지역화폐 API처럼 형식이 다른 데이터를 정리하고 후보 정렬식, 상태 표시, 외부 지도 경유 링크를 반복해서 수정했습니다. 중앙 데이터 동기화에서 UPSTREAM_ERROR가 발생했을 때는 오피넷 인근조회와 상세조회를 나눠 시험하여 반경 4km 인근조회 후보 49개와 별도 상세조회 예시의 주소·유종별 가격 응답을 확인했습니다. AI가 제안한 내용을 그대로 사용하지 않고 ‘문제 정의 → AI 제안 → 코드 실행 → 실제 결과 확인 → 수정·재검증’ 순서로 검증했으며, 추천 순위는 AI가 임의로 정하는 것이 아니라 사람이 정한 계산식과 사용자 조건으로 산출했습니다.
③ 활용 결과 어떤 변화가 있었나요?
아이디어에 머물지 않고 실제로 작동하는 시험 버전(MVP)을 구현했습니다. VWorld 지도에서 출발지·도착지와 주변 주유소를 확인하고, 선택한 주유소를 경유지로 넣어 네이버지도와 카카오맵에서 열 수 있게 했습니다. 화면에는 유가, 추가 거리·시간, 비교용 예상비용, 디지털 온누리와 광주상생카드의 확인 상태가 함께 표시됩니다.
광주송정역에서 국립아시아문화전당까지 13.8km·약 16분으로 표시된 경로를 40L 주유·연비 10km/L 조건으로 시험했습니다. 추천 1위인 서양새마을금고주유소는 1,809원/L, 실제 도로 346m 추가, 비교용 예상비용 72,423원이었습니다. 반면 리터당 최저가인 오일필드 광산지점은 1,799원/L로 10원 저렴했지만 약 4.4km를 추가로 이동해야 해 예상비용이 72,745원으로 계산됐습니다. 단가는 더 저렴해도 우회 연료비를 포함하면 예상비용이 오히려 322원 높아지는 결과를 실제 화면으로 확인했습니다.
이 금액은 실제 결제 후 확정된 절약액이 아니라 동일한 조건에서 후보를 비교하기 위한 예상값입니다. 화면 거리는 읽기 쉽게 반올림하고 비용 계산에는 내부 상세 거리값을 사용했습니다. 데이터 측면에서는 오피넷 인근조회 후보 49개와 별도 상세조회 예시를 확인했고, 2025년 7월 31일 기준 온누리 공개 CSV 150,541행을 개발용으로 동기화했으며 한국조폐공사 지역화폐 API의 지역별 가맹정보 응답도 확인했습니다. 온누리·지역화폐와 개별 주유소의 자동 매칭 정확도는 계속 검증하고 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
일반적인 주유소 검색처럼 리터당 최저가순으로만 나열하지 않고 다음 계산식으로 후보를 비교했습니다.
비교용 예상비용 = 주유단가 × 예상 주유량 + (주유소 경유 경로거리 - 원래 경로거리) ÷ 차량 연비 × 주유단가
실제 도로 경로가 계산된 상위 후보는 추가 거리와 시간을 표시하고, 아직 도로 경로를 계산하지 못한 후보는 정확한 값처럼 보이지 않도록 ‘직선거리 추정’으로 구분했습니다. 온누리·지역화폐는 할인액을 예상비용에서 임의로 차감하지 않고 ‘사용 가능/확인 전’ 상태와 추천 우선조건으로만 표시했습니다. 화면의 ‘사용 가능’은 개발 데이터의 자동 매칭 결과이므로 실제 결제 전 공식 가맹점 검색에서 다시 확인해야 합니다.
외부 데이터 조회가 지연되면 임의값을 표시하지 않고 ‘이전 정상 데이터 사용 중’이라는 사실과 마지막 성공 시각을 함께 보여주도록 했습니다. 첨부 화면은 2026년 8월 25일 02시 40분에 성공한 이전 정상 스냅샷을 사용한 시연으로, 현재 유가와 가맹 상태를 보장하지 않습니다. 또한 추천 순위는 공공·공개 데이터와 명시적인 계산식의 결과이고, AI는 문제 정리·코드 작성·오류 분석·반복 검증을 지원한 개발 도구라는 점을 분명히 구분했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
같은 방법은 주유소뿐 아니라 배달비, 주차비, 장보기처럼 표시 가격과 이동비용을 함께 살펴야 하는 생활 속 소비 문제에도 적용할 수 있습니다. 먼저 실제로 겪은 불편과 비교 조건을 정하고, AI로 필요한 데이터와 계산 기준, 화면 흐름을 기능 단위로 나눕니다. 이후 공식 API나 공개자료를 한 종류씩 연결해 실제 응답을 확인하고, 모든 후보에 같은 계산식을 적용한 뒤 공식 문서·실행 로그·작동 화면으로 AI의 제안과 결과를 다시 검증합니다. 마지막으로 데이터 출처와 기준일, 갱신상태, 확인되지 않은 항목을 함께 표시하면 됩니다.
현재 가는길주유는 로그인이나 사용자 계정을 사용하지 않으며, 제출 화면에는 개인 주소 대신 공공장소를 사용했습니다. API 키와 계정정보는 제출 이미지와 공개 코드에서 제외했고 지도와 데이터 출처도 표시했습니다. 온누리·지역화폐 자동 매칭 결과는 실제 결제 전 공식 가맹점 검색에서 다시 확인하도록 안내합니다. 완성된 앱이 아니더라도 같은 절차를 이용해 표나 간단한 웹 화면부터 만들고 결과를 검증할 수 있습니다.
