목록으로
생활 속 AI 활용
<수정버전>비싼 서울 물가 속, AI로 내 예산에 맞는 식사와 문화생활을 찾아 직접 이용한 ‘만원의 행복’<수정버전>
<수정버전!>비싼 서울 물가 속, 청년·사회초년생이 자신의 예산에 맞는 식사와 문화생활을 찾고 지역의 작은 가게를 이용하도록 돕는 AI 기반 지역상생 서비스 ‘만원의 행복’입니다.<수정버전!>
🤖 활용 AI 도구
OpenAI GPT API(자연어 요청 해석), ChatGPT·Cursor·Claude Code(서비스 기획 및 개발 보조)
<죄송합니다. 수정하려고 했는데 수정 비번을 까먹어서... 이렇게 다시 수정본을 올립니다>
① 어떤 상황에서 AI를 활용했나요?
서울에서 식사하고 커피를 마신 뒤 문화생활까지 즐기려면 생각보다 많은 비용이 필요하다고 느꼈습니다. 경제적 여유가 부족한 청년과 사회초년생에게는 오늘 무엇을 할지보다 얼마까지 쓸 수 있는지가 먼저 고민되는 문제입니다.
예산을 정해도 그 안에서 할 수 있는 활동을 찾기는 번거로웠습니다. 저렴한 식당과 카페를 찾고, 주변 전시나 문화시설의 이용 요금과 운영일을 확인하고, 장소 사이의 거리까지 각각 비교해야 했습니다. 함께 방문하는 사람이 늘어나면 비용도 다시 계산해야 했습니다.
제가 일반적인 대화형 AI(LLM)에 홍대에서 1만 원으로 식사·커피·공연 등 어떤 활동을 할 수 있는지 물어봤을 때에는 프랜차이즈 중심의 추천을 받았습니다. 이 경험을 통해 잘 알려진 브랜드뿐 아니라 지역의 착한가격업소도 쉽게 발견할 수 있어야 한다고 생각했습니다.
저는 이 과정을 “내가 가진 예산으로 오늘 무엇을 할 수 있을까?”라는 질문에서 시작할 수 있도록 만들고 싶었습니다. 그렇게 개발한 서비스가 ‘만원의 행복’입니다.
‘만원의 행복’은 서울의 착한가격업소 식사·커피 정보와 공공데이터의 공연·전시·공원·문화공간 정보를 연결해, 사용자의 지역·인원·예산·방문일·희망 활동에 맞는 장소와 참고 코스를 찾아주는 서비스입니다. 착한가격업소에서의 식사에 문화활동과 산책을 함께 연결해, 제한된 예산으로 가능한 하루의 구성을 살펴볼 수 있도록 했습니다.
서비스 이름에는 적은 돈으로도 일상의 즐거움을 찾자는 뜻을 담았습니다. 실제 예산은 1만 원에 고정하지 않고 사용자가 자신의 상황에 맞게 설정하도록 했습니다.
② 어떤 AI를 어떻게 활용했나요?
AI는 개발 과정과 서비스의 자연어 검색·코스 추천에 활용했습니다.
개발 과정에서는 원하는 기능과 화면의 동작을 AI에게 설명하며 구현을 진행했습니다. 직접 사용하면서 발견한 문제를 전달하고, 원인을 분석해 수정한 뒤 검사하는 과정을 반복했습니다. 선택한 조합이 새로고침 후 달라지는 문제, 휴관일인 장소가 코스에 포함되는 문제, 비슷한 코스들이 중복처럼 보이는 문제 등을 이 방식으로 보완했습니다.
서비스에서는 GPT 기반 AI가 사용자의 자연어 요청을 검색 조건으로 정리하도록 했습니다. 예를 들어 “홍대입구역 근처에서 두 명이 총 3만 원으로 식사하고 커피를 마시고 싶어. 공연은 빼고 산책할 곳도 찾아줘”라고 입력하면 지역·인원·전체 예산·희망 활동과 제외할 활동을 구분합니다. 이후 “총예산을 2만 원으로 바꿔줘”처럼 조건을 수정할 수도 있습니다.
추천에 사용하는 장소·메뉴·가격과 문화·여가 정보는 다음과 같은 공개 자료와 API를 연결해 구성했습니다.
식사·커피 정보는 공공데이터포털의 ‘행정안전부 착한가격업소 현황’을 기본 자료로 사용했습니다. 업소명·주소·등록 메뉴·가격 정보를 활용하고, 서울 열린데이터광장의 ‘서울시 착한가격업소 현황’도 함께 연결했습니다.
공연·전시 정보는 문화포털의 공연·전시 공공데이터, 예술경영지원센터의 공연예술통합전산망(KOPIS), 서울 열린데이터광장의 ‘서울시 문화행사 정보’, 공공데이터포털의 ‘전국공연행사정보표준데이터’ 등을 활용했습니다.
공원 정보는 공공데이터포털의 ‘전국도시공원정보표준데이터’를 활용했습니다.
박물관·미술관·도서관 등 문화공간 정보는 공공데이터포털의 ‘전국박물관미술관정보표준데이터’와 ‘전국도서관표준데이터’, 한국문화정보원의 ‘전국문화기반시설총람’, 한국관광공사의 ‘국문 관광정보 서비스’ 중 문화시설 정보를 활용했습니다.
장소 위치와 지도·이동 경로는 카카오의 장소 검색 및 지도·경로 정보를 연결했습니다.
AI는 요청을 해석하고, 프로그램이 이러한 자료와 조건을 확인해 만든 코스 후보의 추천 순서를 정합니다. 비용 합산과 예산 초과 여부, 거리 조건, 행사 기간과 자료에 명시된 휴관일 검증은 프로그램이 담당합니다. 가격·거리 비교 설명도 계산 결과에 따라 구성하도록 했습니다.
사용자는 자연어 대신 화면의 선택 항목으로 조건을 입력할 수도 있습니다. 결과에서는 식당·카페 조합을 바꾸고, 카카오 지도에서 장소와 방문 순서를 확인하며, 조회한 이동 방법을 코스에 적용할 수 있습니다.
자료마다 갱신 시점이 다르고 등록된 정보가 실제 방문 시점의 상황과 다를 수 있으므로, 출처와 자료 시점, 이용 조건, 방문 전 확인 사항도 함께 안내했습니다.
③ 활용 결과 어떤 변화가 있었나요?
아이디어를 실제로 이용할 수 있는 웹서비스로 구현하고 공개했습니다. 이용자는 여러 곳에 흩어져 있던 착한가격업소와 문화·여가 정보를 예산과 활동 조건에 맞춰 한곳에서 살펴보고, 여러 장소를 연결한 참고 코스를 비교할 수 있게 됐습니다.
실생활에서 활용할 수 있는지 확인하기 위해 제작자인 저도 직접 서비스를 사용했습니다. 2026년 10월 16일, 홍대입구역을 기준으로 1명·예산 2만 원·탐색 반경 1km·공연 제외 조건으로 검색한 뒤 이한열기념관, 두남커피, 미소국수, 경의선숲길을 방문했습니다.
카페에서는 취향에 맞는 메뉴를 선택하고 식사는 포장하는 등 제 상황에 맞춰 이용했습니다. 확인된 식음료 지출은 10,500원이었으며, 추천 화면과 현장 사진, 결제 기록을 바탕으로 실제 사용 후기도 작성했습니다.
이 경험을 통해 서비스에서 찾은 정보가 실제 방문과 구매, 문화활동으로 이어지는 과정을 확인했습니다. 또한 추천을 그대로 따르기보다 취향과 당시 상황에 맞게 계획을 조정할 수 있어야 한다는 점을 알게 됐습니다. 이후 식당·카페 조합 변경과 선택 유지 기능 등을 보완하고, 자동 검사와 실제 브라우저 조작으로 동작을 확인했습니다.
현재 확인한 성과는 웹서비스 구현·공개, 제작자 본인의 실사용, 그 경험을 반영한 개선입니다. 비용 절감률이나 검색시간 단축률, 다수 이용자의 만족도는 아직 측정하지 않았습니다. 앞으로 외부 이용자의 사용 사례를 통해 실제 효과를 확인하고자 합니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
첫째, 예산을 기준으로 서로 다른 활동을 연결했습니다.
착한가격업소의 식사·커피 정보에 공공데이터의 공연·전시·공원·문화공간 정보를 더해, 식사 이후의 활동까지 함께 찾아볼 수 있도록 했습니다. 전체 예산과 1인당 예산을 구분하고 비용을 인원수에 맞춰 합산해, 이용자가 자신에게 가능한 조합을 판단하도록 했습니다.
착한가격업소 자료를 실제 검색 대상에 연결했다는 점도 차별점입니다. 이를 통해 이용자는 프랜차이즈 외에도 지역의 저렴한 개인 식당과 카페를 찾아볼 수 있고, 지역 소상공인은 자신의 가게가 알려지고 방문·구매로 이어질 기회를 얻을 수 있습니다.
이러한 연결은 이용자에게 예산에 맞는 선택지를 제공하면서 지역 소상공인과 골목상권에도 도움이 될 수 있습니다. 이번 실사용에서도 추천된 지역 카페와 식당을 방문해 실제 구매로 이어지는 사례를 확인했습니다.
둘째, 코스의 차이를 이해하고 직접 바꾸기 쉽게 구성했습니다.
식당과 카페만 다른 조합을 각각 나열하면 모두 비슷한 코스로 보일 수 있습니다. 이를 관람 구성별로 묶고, 그 안에서 식당·카페를 바꿔볼 수 있도록 개선했습니다. 선택한 코스와 적용한 이동 방법은 새로고침 후에도 복원되도록 했으며, 이동 시간과 요금은 다시 조회하도록 구성했습니다.
셋째, 비용과 추천의 근거를 이용자가 이해할 수 있도록 했습니다.
계산에 사용한 메뉴와 이용 요금, 무료 이용의 근거, 교통비의 포함 범위를 함께 안내했습니다. 실제 점검에서는 대중교통 요금이 1,500~1,650원처럼 범위로 제공됐는데 앱이 이를 읽지 못하는 문제를 발견했습니다. 범위를 그대로 표시하고 예산에는 상한을 반영하도록 수정했으며, 그 기준도 화면에 명시했습니다.
또한 생성형 AI가 존재하지 않는 장소나 부정확한 가격을 만들어낼 수 있다는 점을 고려했습니다. 이를 줄이기 위해 AI는 사용자의 요청 해석과 추천 판단에 활용하고, 자료에 등록된 장소·가격 확인 및 비용 계산은 별도의 프로그램이 담당하도록 했습니다. 확인되지 않은 정보는 확정된 사실처럼 제시하지 않고, 출처와 자료 시점 및 방문 전 확인 사항을 안내하도록 했습니다.
이처럼 AI의 편리함을 활용하면서도 부정확한 정보로 인한 예산 초과나 방문 불편을 줄이고, 이용자가 추천의 근거와 한계를 이해한 뒤 스스로 판단할 수 있도록 하는 것을 중요하게 생각했습니다.
넷째, 직접 사용한 경험을 개선의 출발점으로 삼았습니다.
실제 외출에서는 좋아하는 음료를 고르거나 식사를 포장하는 등 처음 계획과 다른 선택을 하게 됐습니다. 이 경험을 통해 추천 결과를 이용자의 생활 방식에 맞게 조정할 수 있어야 한다는 점을 확인했습니다. 직접 서비스를 사용하고, 추천 내용과 실제 방문 경험을 비교하며, 발견한 불편을 개선하는 과정을 중요하게 생각했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
네. 공개된 공공데이터와 API, AI 개발 도구를 활용하면 다른 사람도 자신의 지역과 관심사에 맞는 서비스를 만들어 볼 수 있습니다.
처음에는 “우리 동네에서 1만 원으로 식사와 커피를 즐길 수 있는 곳 찾기”처럼 작은 문제부터 시작하면 됩니다. 공공데이터포털의 착한가격업소 자료에서 해당 지역의 업소와 메뉴 정보를 연결하고, 가격을 인원수에 맞춰 계산하는 기능을 만든 뒤 지도와 문화활동 데이터를 차례로 더하는 방식입니다.
공공데이터는 파일로 내려받거나 API 인증키를 발급받아 연결할 수 있습니다. AI에게 원하는 기능을 구체적으로 설명하며 구현하고, 실제로 사용해 보면서 오류와 불편을 찾아 수정하면 됩니다. 이때 자료의 이용 조건과 기준일, 가격과 무료 이용의 조건도 함께 확인해야 합니다.
무료 개발 도구와 데이터·API의 무료 제공 범위를 활용하면 비용 부담을 줄여 시작할 수 있습니다. 다만 AI 모델, API, 배포 서비스의 종류와 사용량에 따라 비용이 발생할 수 있으므로 이용 조건을 확인해야 합니다.
제가 경험한 제작 방식은 생활 속 문제를 정하고, 필요한 자료를 연결하고, AI와 함께 구현한 뒤 직접 사용하며 개선하는 과정이었습니다. 다른 사람도 자신이 해결하고 싶은 작은 문제에서 출발해 이 방식을 따라 해볼 수 있습니다.
⑥ 앞으로의 발전 방향은 무엇인가요?
현재 ‘만원의 행복’은 서울 지역을 대상으로 만든 서비스입니다. 앞으로는 가격과 운영 정보의 최신성을 꾸준히 점검하고, 실제 이용자의 사용 경험을 반영해 추천의 정확성과 사용 편의성을 높이고자 합니다. 메뉴 선택, 식사 시점, 포장 여부처럼 실제 외출에서 필요한 조건도 더 유용하게 반영하고 싶습니다.
또한 다른 지역의 착한가격업소와 문화·여가 정보를 제공하는 API와 데이터를 추가로 찾아 연결할 수 있다면, 전국 버전으로 확장하고 싶습니다. 지역마다 확보할 수 있는 자료와 갱신 시점이 다른 만큼, 정보의 정확성과 실제 이용 가능성을 확인하며 서비스 범위를 넓혀가고자 합니다.
서울에서 시작한 이 경험을 바탕으로 더 많은 사람이 자신의 예산에 맞는 일상의 즐거움을 찾고, 각 지역의 저렴한 개인 식당과 카페, 문화공간을 발견할 수 있도록 돕고 싶습니다. 이러한 발견이 실제 방문과 구매로 이어져 지역 소상공인과 골목상권에도 도움이 되는 서비스로 발전시키고자 합니다.
서비스: https://manwon-happiness.vercel.app/
실제 사용 후기: https://blog.naver.com/anycallkjs/224444049354
이전 공모전 게시글: https://ai.software.kr/board/daily/1470
① 어떤 상황에서 AI를 활용했나요?
서울에서 식사하고 커피를 마신 뒤 문화생활까지 즐기려면 생각보다 많은 비용이 필요하다고 느꼈습니다. 경제적 여유가 부족한 청년과 사회초년생에게는 오늘 무엇을 할지보다 얼마까지 쓸 수 있는지가 먼저 고민되는 문제입니다.
예산을 정해도 그 안에서 할 수 있는 활동을 찾기는 번거로웠습니다. 저렴한 식당과 카페를 찾고, 주변 전시나 문화시설의 이용 요금과 운영일을 확인하고, 장소 사이의 거리까지 각각 비교해야 했습니다. 함께 방문하는 사람이 늘어나면 비용도 다시 계산해야 했습니다.
제가 일반적인 대화형 AI(LLM)에 홍대에서 1만 원으로 식사·커피·공연 등 어떤 활동을 할 수 있는지 물어봤을 때에는 프랜차이즈 중심의 추천을 받았습니다. 이 경험을 통해 잘 알려진 브랜드뿐 아니라 지역의 착한가격업소도 쉽게 발견할 수 있어야 한다고 생각했습니다.
저는 이 과정을 “내가 가진 예산으로 오늘 무엇을 할 수 있을까?”라는 질문에서 시작할 수 있도록 만들고 싶었습니다. 그렇게 개발한 서비스가 ‘만원의 행복’입니다.
‘만원의 행복’은 서울의 착한가격업소 식사·커피 정보와 공공데이터의 공연·전시·공원·문화공간 정보를 연결해, 사용자의 지역·인원·예산·방문일·희망 활동에 맞는 장소와 참고 코스를 찾아주는 서비스입니다. 착한가격업소에서의 식사에 문화활동과 산책을 함께 연결해, 제한된 예산으로 가능한 하루의 구성을 살펴볼 수 있도록 했습니다.
서비스 이름에는 적은 돈으로도 일상의 즐거움을 찾자는 뜻을 담았습니다. 실제 예산은 1만 원에 고정하지 않고 사용자가 자신의 상황에 맞게 설정하도록 했습니다.
② 어떤 AI를 어떻게 활용했나요?
AI는 개발 과정과 서비스의 자연어 검색·코스 추천에 활용했습니다.
개발 과정에서는 원하는 기능과 화면의 동작을 AI에게 설명하며 구현을 진행했습니다. 직접 사용하면서 발견한 문제를 전달하고, 원인을 분석해 수정한 뒤 검사하는 과정을 반복했습니다. 선택한 조합이 새로고침 후 달라지는 문제, 휴관일인 장소가 코스에 포함되는 문제, 비슷한 코스들이 중복처럼 보이는 문제 등을 이 방식으로 보완했습니다.
서비스에서는 GPT 기반 AI가 사용자의 자연어 요청을 검색 조건으로 정리하도록 했습니다. 예를 들어 “홍대입구역 근처에서 두 명이 총 3만 원으로 식사하고 커피를 마시고 싶어. 공연은 빼고 산책할 곳도 찾아줘”라고 입력하면 지역·인원·전체 예산·희망 활동과 제외할 활동을 구분합니다. 이후 “총예산을 2만 원으로 바꿔줘”처럼 조건을 수정할 수도 있습니다.
추천에 사용하는 장소·메뉴·가격과 문화·여가 정보는 다음과 같은 공개 자료와 API를 연결해 구성했습니다.
식사·커피 정보는 공공데이터포털의 ‘행정안전부 착한가격업소 현황’을 기본 자료로 사용했습니다. 업소명·주소·등록 메뉴·가격 정보를 활용하고, 서울 열린데이터광장의 ‘서울시 착한가격업소 현황’도 함께 연결했습니다.
공연·전시 정보는 문화포털의 공연·전시 공공데이터, 예술경영지원센터의 공연예술통합전산망(KOPIS), 서울 열린데이터광장의 ‘서울시 문화행사 정보’, 공공데이터포털의 ‘전국공연행사정보표준데이터’ 등을 활용했습니다.
공원 정보는 공공데이터포털의 ‘전국도시공원정보표준데이터’를 활용했습니다.
박물관·미술관·도서관 등 문화공간 정보는 공공데이터포털의 ‘전국박물관미술관정보표준데이터’와 ‘전국도서관표준데이터’, 한국문화정보원의 ‘전국문화기반시설총람’, 한국관광공사의 ‘국문 관광정보 서비스’ 중 문화시설 정보를 활용했습니다.
장소 위치와 지도·이동 경로는 카카오의 장소 검색 및 지도·경로 정보를 연결했습니다.
AI는 요청을 해석하고, 프로그램이 이러한 자료와 조건을 확인해 만든 코스 후보의 추천 순서를 정합니다. 비용 합산과 예산 초과 여부, 거리 조건, 행사 기간과 자료에 명시된 휴관일 검증은 프로그램이 담당합니다. 가격·거리 비교 설명도 계산 결과에 따라 구성하도록 했습니다.
사용자는 자연어 대신 화면의 선택 항목으로 조건을 입력할 수도 있습니다. 결과에서는 식당·카페 조합을 바꾸고, 카카오 지도에서 장소와 방문 순서를 확인하며, 조회한 이동 방법을 코스에 적용할 수 있습니다.
자료마다 갱신 시점이 다르고 등록된 정보가 실제 방문 시점의 상황과 다를 수 있으므로, 출처와 자료 시점, 이용 조건, 방문 전 확인 사항도 함께 안내했습니다.
③ 활용 결과 어떤 변화가 있었나요?
아이디어를 실제로 이용할 수 있는 웹서비스로 구현하고 공개했습니다. 이용자는 여러 곳에 흩어져 있던 착한가격업소와 문화·여가 정보를 예산과 활동 조건에 맞춰 한곳에서 살펴보고, 여러 장소를 연결한 참고 코스를 비교할 수 있게 됐습니다.
실생활에서 활용할 수 있는지 확인하기 위해 제작자인 저도 직접 서비스를 사용했습니다. 2026년 10월 16일, 홍대입구역을 기준으로 1명·예산 2만 원·탐색 반경 1km·공연 제외 조건으로 검색한 뒤 이한열기념관, 두남커피, 미소국수, 경의선숲길을 방문했습니다.
카페에서는 취향에 맞는 메뉴를 선택하고 식사는 포장하는 등 제 상황에 맞춰 이용했습니다. 확인된 식음료 지출은 10,500원이었으며, 추천 화면과 현장 사진, 결제 기록을 바탕으로 실제 사용 후기도 작성했습니다.
이 경험을 통해 서비스에서 찾은 정보가 실제 방문과 구매, 문화활동으로 이어지는 과정을 확인했습니다. 또한 추천을 그대로 따르기보다 취향과 당시 상황에 맞게 계획을 조정할 수 있어야 한다는 점을 알게 됐습니다. 이후 식당·카페 조합 변경과 선택 유지 기능 등을 보완하고, 자동 검사와 실제 브라우저 조작으로 동작을 확인했습니다.
현재 확인한 성과는 웹서비스 구현·공개, 제작자 본인의 실사용, 그 경험을 반영한 개선입니다. 비용 절감률이나 검색시간 단축률, 다수 이용자의 만족도는 아직 측정하지 않았습니다. 앞으로 외부 이용자의 사용 사례를 통해 실제 효과를 확인하고자 합니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
첫째, 예산을 기준으로 서로 다른 활동을 연결했습니다.
착한가격업소의 식사·커피 정보에 공공데이터의 공연·전시·공원·문화공간 정보를 더해, 식사 이후의 활동까지 함께 찾아볼 수 있도록 했습니다. 전체 예산과 1인당 예산을 구분하고 비용을 인원수에 맞춰 합산해, 이용자가 자신에게 가능한 조합을 판단하도록 했습니다.
착한가격업소 자료를 실제 검색 대상에 연결했다는 점도 차별점입니다. 이를 통해 이용자는 프랜차이즈 외에도 지역의 저렴한 개인 식당과 카페를 찾아볼 수 있고, 지역 소상공인은 자신의 가게가 알려지고 방문·구매로 이어질 기회를 얻을 수 있습니다.
이러한 연결은 이용자에게 예산에 맞는 선택지를 제공하면서 지역 소상공인과 골목상권에도 도움이 될 수 있습니다. 이번 실사용에서도 추천된 지역 카페와 식당을 방문해 실제 구매로 이어지는 사례를 확인했습니다.
둘째, 코스의 차이를 이해하고 직접 바꾸기 쉽게 구성했습니다.
식당과 카페만 다른 조합을 각각 나열하면 모두 비슷한 코스로 보일 수 있습니다. 이를 관람 구성별로 묶고, 그 안에서 식당·카페를 바꿔볼 수 있도록 개선했습니다. 선택한 코스와 적용한 이동 방법은 새로고침 후에도 복원되도록 했으며, 이동 시간과 요금은 다시 조회하도록 구성했습니다.
셋째, 비용과 추천의 근거를 이용자가 이해할 수 있도록 했습니다.
계산에 사용한 메뉴와 이용 요금, 무료 이용의 근거, 교통비의 포함 범위를 함께 안내했습니다. 실제 점검에서는 대중교통 요금이 1,500~1,650원처럼 범위로 제공됐는데 앱이 이를 읽지 못하는 문제를 발견했습니다. 범위를 그대로 표시하고 예산에는 상한을 반영하도록 수정했으며, 그 기준도 화면에 명시했습니다.
또한 생성형 AI가 존재하지 않는 장소나 부정확한 가격을 만들어낼 수 있다는 점을 고려했습니다. 이를 줄이기 위해 AI는 사용자의 요청 해석과 추천 판단에 활용하고, 자료에 등록된 장소·가격 확인 및 비용 계산은 별도의 프로그램이 담당하도록 했습니다. 확인되지 않은 정보는 확정된 사실처럼 제시하지 않고, 출처와 자료 시점 및 방문 전 확인 사항을 안내하도록 했습니다.
이처럼 AI의 편리함을 활용하면서도 부정확한 정보로 인한 예산 초과나 방문 불편을 줄이고, 이용자가 추천의 근거와 한계를 이해한 뒤 스스로 판단할 수 있도록 하는 것을 중요하게 생각했습니다.
넷째, 직접 사용한 경험을 개선의 출발점으로 삼았습니다.
실제 외출에서는 좋아하는 음료를 고르거나 식사를 포장하는 등 처음 계획과 다른 선택을 하게 됐습니다. 이 경험을 통해 추천 결과를 이용자의 생활 방식에 맞게 조정할 수 있어야 한다는 점을 확인했습니다. 직접 서비스를 사용하고, 추천 내용과 실제 방문 경험을 비교하며, 발견한 불편을 개선하는 과정을 중요하게 생각했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
네. 공개된 공공데이터와 API, AI 개발 도구를 활용하면 다른 사람도 자신의 지역과 관심사에 맞는 서비스를 만들어 볼 수 있습니다.
처음에는 “우리 동네에서 1만 원으로 식사와 커피를 즐길 수 있는 곳 찾기”처럼 작은 문제부터 시작하면 됩니다. 공공데이터포털의 착한가격업소 자료에서 해당 지역의 업소와 메뉴 정보를 연결하고, 가격을 인원수에 맞춰 계산하는 기능을 만든 뒤 지도와 문화활동 데이터를 차례로 더하는 방식입니다.
공공데이터는 파일로 내려받거나 API 인증키를 발급받아 연결할 수 있습니다. AI에게 원하는 기능을 구체적으로 설명하며 구현하고, 실제로 사용해 보면서 오류와 불편을 찾아 수정하면 됩니다. 이때 자료의 이용 조건과 기준일, 가격과 무료 이용의 조건도 함께 확인해야 합니다.
무료 개발 도구와 데이터·API의 무료 제공 범위를 활용하면 비용 부담을 줄여 시작할 수 있습니다. 다만 AI 모델, API, 배포 서비스의 종류와 사용량에 따라 비용이 발생할 수 있으므로 이용 조건을 확인해야 합니다.
제가 경험한 제작 방식은 생활 속 문제를 정하고, 필요한 자료를 연결하고, AI와 함께 구현한 뒤 직접 사용하며 개선하는 과정이었습니다. 다른 사람도 자신이 해결하고 싶은 작은 문제에서 출발해 이 방식을 따라 해볼 수 있습니다.
⑥ 앞으로의 발전 방향은 무엇인가요?
현재 ‘만원의 행복’은 서울 지역을 대상으로 만든 서비스입니다. 앞으로는 가격과 운영 정보의 최신성을 꾸준히 점검하고, 실제 이용자의 사용 경험을 반영해 추천의 정확성과 사용 편의성을 높이고자 합니다. 메뉴 선택, 식사 시점, 포장 여부처럼 실제 외출에서 필요한 조건도 더 유용하게 반영하고 싶습니다.
또한 다른 지역의 착한가격업소와 문화·여가 정보를 제공하는 API와 데이터를 추가로 찾아 연결할 수 있다면, 전국 버전으로 확장하고 싶습니다. 지역마다 확보할 수 있는 자료와 갱신 시점이 다른 만큼, 정보의 정확성과 실제 이용 가능성을 확인하며 서비스 범위를 넓혀가고자 합니다.
서울에서 시작한 이 경험을 바탕으로 더 많은 사람이 자신의 예산에 맞는 일상의 즐거움을 찾고, 각 지역의 저렴한 개인 식당과 카페, 문화공간을 발견할 수 있도록 돕고 싶습니다. 이러한 발견이 실제 방문과 구매로 이어져 지역 소상공인과 골목상권에도 도움이 되는 서비스로 발전시키고자 합니다.
서비스: https://manwon-happiness.vercel.app/
실제 사용 후기: https://blog.naver.com/anycallkjs/224444049354
이전 공모전 게시글: https://ai.software.kr/board/daily/1470
