① 어떤 상황에서 AI를 활용했나요?

2026년 여름, 버스를 기다리는 몇 분조차 버거운 폭염이 이어졌습니다. 에어컨이 설치된 스마트쉘터와 지하철 동행쉼터는 분명 있는데, "지금 내 위치에서 가장 가까운 곳이 어디인가"를 알려주는 서비스가 없었습니다. 정보는 지자체 홈페이지와 공공데이터포털에 흩어져 있었고, 파일 형식도 인코딩도 제각각이었습니다.

저는 회사에 다니는 평범한 직장인이라 쓸 수 있는 건 퇴근 후 시간뿐이었습니다. 그 시간에 지도 웹서비스, 알림 서버, Android·iOS 앱까지 혼자 만들어야 했기에 AI를 검색 도구가 아니라 같이 일하는 동료로 쓰기로 했습니다.

② 어떤 AI를 어떻게 활용했나요?

터미널에서 코드를 직접 읽고 고치는 Claude Code를 주력으로, 세 영역에 나눠 활용했습니다.

첫째, 데이터 정제입니다. 재난안전데이터 공유플랫폼 API에는 무더위쉼터 6만 2천여 건이 섞여 있었습니다. 여기서 냉방 정류장만 골라내는 필터를 AI와 단계별로 설계했습니다. 시설명 조건 295곳 → 건물 오탐 제외 294곳 → 공공시설만 292곳 → 에어컨 1대 이상 259곳 → 기존 데이터와 80m 중복 제외 241곳 → 자체 15m 중복 제외 240곳. 이렇게 498곳이던 데이터를 738곳으로 늘렸습니다. EUC-KR CSV 변환과, 좌표가 없는 지자체 발표 자료의 카카오 지도 API 일괄 지오코딩도 AI가 쓴 스크립트로 처리했습니다.

둘째, 기능 개발입니다. 기상청 특보 API를 5분마다 확인해 폭염·한파 특보가 새로 발효되거나 격상·해제될 때만 시·도별로 푸시를 보내는 알림 서버, 홈 화면 위젯, 이용자 제보와 관리자 승인 기능, iOS 스토어 심사 대응까지 AI와 함께 만들었습니다.

셋째, 작업 기억입니다. 조사 절차, 막혔던 지점, 이미 검증이 끝난 제보를 AI가 읽는 메모리 파일에 남기게 해서 다음 작업 때 같은 조사를 되풀이하지 않았습니다.

③ 활용 결과 어떤 변화가 있었나요?

2026년 7월 28일 첫 코드를 쓴 날 지도 시제품이 나왔고, 9일 뒤인 8월 6일 연합뉴스TV 'DM왔어요'에 "폭염에 직접 나선 시민 개발자들" 사례로 소개됐습니다. 방송에서는 "세금으로 만든 데이터를 시민들이 더 가치 있게 활용하는 긍정적 사례"라는 누리꾼 반응도 함께 전해졌습니다. 다음 날에는 SBS 모닝와이드에도 보도됐습니다.

현재 전국 폭염 대응 장소 738곳(2026년 여름 무료 생수 배부처 166곳 포함)을 수록해 웹과 App Store·Google Play에서 서비스하고 있고, 폭염·한파 특보 자동 알림도 운영 중입니다. 운영기간이 끝난 곳은 지도에서 자동으로 숨깁니다.

· 웹: https://mapmap-9ko.pages.dev
· App Store: https://apps.apple.com/kr/app/id6799407438
· Google Play: https://play.google.com/store/apps/details?id=kr.mapmap.aircon_station

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

AI를 빨리 쓰는 것보다 'AI를 그대로 믿지 않는 장치'를 먼저 만들었습니다.

숫자를 테스트로 고정했습니다. 장소 총개수와 유형별 개수를 테스트에 박아두어, 데이터 갱신 중 수치가 조용히 어긋나면 바로 실패하게 했습니다.
자동화 결과는 사람 눈으로 걸렀습니다. 지오코딩이 엉뚱한 축제 장소를 집어오는 일이 잦아 후보를 3개씩 남겨 직접 검수했습니다.
출처 등급을 섞지 않았습니다. 현장 방문 확인, 지자체 발표, 로드뷰 대조를 다른 등급으로 저장하고 앱 화면에도 출처를 그대로 보여줬습니다. 하나로 합치면 데이터는 깔끔해 보여도 이용자가 헛걸음할 수 있기 때문입니다.
AI가 못 하는 일의 경계를 기록했습니다. 부천의 냉난방 정류장은 실제로 있지만 어떤 공개 데이터에도 없습니다. 검색으로는 끝내 안 나오는 정보라 지자체에 직접 확인해야 한다고 남겨두었습니다.
⑤ 다른 사람도 따라 할 수 있나요?

네, 순서만 지키면 됩니다.

해결하고 싶은 생활 불편을 하나 정합니다.
공공데이터포털이나 재난안전데이터 공유플랫폼에서 관련 데이터를 받습니다.
AI에게 "이 원본에서 이런 조건의 항목만 남기는 스크립트"를 요청하되, 단계마다 몇 건이 남는지 출력하게 합니다.
최종 개수를 테스트로 고정하고, 표본 몇 개는 직접 지도에서 확인합니다.
무료로 시작할 수 있는 정적 호스팅에 올립니다.
이 과정에서 필요한 건 코딩 실력보다 "무엇을 의심할지" 정하는 일이었습니다. 코드는 AI가 쓰고, 틀렸을 때 누가 헛걸음하는지는 사람이 생각합니다. 이 역할 분담만 지키면 누구나 자기 동네의 문제를 데이터로 풀 수 있습니다.