목록으로
생활 속 AI 활용
우리 집 냉장고를 부탁해: 나만의 AI 셰프 '어슷'
집 냉장고의 재료와 유통기한을 AI가 기억하고, 지금 가진 재료로 만들 수 있는 한 끼를 추천해 음식물 낭비와 메뉴 결정 피로를 줄였습니다.
🤖 활용 AI 도구
Gemini Vision, 로컬 LLM, Codex/Claude 기반 개발 보조
1. 어떤 상황에서 AI를 활용했나요?
혼자 살거나 바쁘게 지내다 보면 냉장고에 무엇이 있는지 자주 잊습니다. 두부, 계란, 대파처럼 흔한 재료도 사 둔 사실을 잊고 다시 사거나 유통기한이 지난 뒤에 발견하는 일이 생깁니다. 막상 밥을 먹으려 할 때는 "오늘 뭐 먹지?"라는 질문에서 멈추고 결국 배달을 시키는 경우도 많습니다.
이 문제를 해결하기 위해 '어슷'이라는 프로젝트를 기획했고, 식재료 관리·요리 추천 앱을 만들어 사용했습니다. 처음에는 텔레그램 봇으로 시작했지만 지금은 Flutter 기반 모바일 어플이 되었습니다. 목표는 값비싼 스마트 냉장고를 새로 사지 않아도 스마트폰 앱만으로 "내 냉장고에 뭐가 있고, 오늘 무엇을 먹으면 좋은지"를 바로 알 수 있게 만드는 것이었습니다.
2. 어떤 AI를 어떻게 활용했나요?
어슷은 Android에서 동작하는 Flutter 앱과 Flask API로 구성되어 있습니다. 사용자는 앱에서 재료 이름을 직접 입력할 수도 있지만, 귀찮은 입력 과정을 최대한 줄이려고 했습니다. 따라서 영수증 사진, 바코드, 냉장고 사진, 쿠팡·컬리·SSG 주문서 스크린샷처럼 생활 속에 이미 있는 정보로부터 AI가 데이터를 추출하여 저장하도록 만들었습니다.
예를 들어 영수증이나 냉장고 사진은 Gemini Vision으로 읽고, 상품명·브랜드명·가격 정보에서 실제 식재료를 추출합니다. 바코드는 Open Food Facts와 식품 데이터 API를 활용해 재료명을 찾습니다. 이렇게 저장된 재고는 유통기한, 보관 위치, 수량과 함께 앱의 재고 화면에서 관리됩니다.
활용한 AI 방식은 크게 네 가지입니다.
첫째, 사진·영수증·주문서에서 식재료를 추출해 재고로 구조화합니다.
둘째, 현재 가진 재료와 유통기한을 기준으로 만들 수 있는 요리를 먼저 찾습니다.
셋째, 945개 레시피를 우선 매칭하고, 부족할 때만 Gemini 2.5 Flash 등 LLM이 설명과 대체안을 제시합니다.
넷째, 추천 이후에도 "덜 맵게", "1인분으로", "다른 메뉴" 같은 후속 요청을 대화형으로 반영합니다.
중요하게 생각한 점은 AI에게 매번 새 레시피를 지어내게 하지 않는 것이었습니다. 먼저 검증된 레시피 코퍼스에서 후보를 찾고 AI는 현재 재고와 사용자의 요청에 맞게 추천 이유, 부족 재료, 조리 방향을 다듬도록 했습니다. 이 방식은 속도와 비용을 줄이고, AI가 그럴듯하지만 실제로 만들기 어려운 요리를 추천하는 문제도 줄여줍니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 메뉴 결정 시간이 줄었다는 점입니다. 앱 홈 화면의 중심 버튼은 "오늘 뭐 먹지?"입니다. 예전에는 냉장고를 열어보고도 뭘 만들어 먹을지 떠오르지 않아 배달앱을 켰다면 지금은 버튼 한 번으로 현재 재고 기준의 추천 후보를 볼 수 있습니다.
추천 결과는 단순한 레시피 목록이 아니라 내가 가진 재료로 가능한 요리와 어떤 재료가 부족한지를 함께 보여줍니다. 부족한 재료는 장보기 목록으로 넘기고, 쿠팡·마켓컬리·SSG 같은 커머스 앱으로 이어질 수 있게 했습니다. 유통기한이 가까운 재료도 먼저 확인할 수 있어 버리는 재료를 줄이는 데 도움이 됩니다. 개발 과정에서도 AI를 활용해 사용자 동선 설계, 코드 작성, 테스트, 문서화를 반복했고, 그 결과 아이디어가 실제로 실행되는 앱으로 발전하게 되었습니다.
4. 나만의 방식 또는 개선 포인트는 무엇인가요?
일반적인 레시피 서비스는 사용자가 먹고 싶은 요리를 검색한 뒤 재료를 확인합니다. 하지만 실제 생활에서는 반대 상황이 많습니다. 이미 냉장고에 있는 재료를 기준으로 오늘 먹을 수 있는 메뉴를 정해야 합니다. 어슷은 이 반대 상황을 캐치했습니다.
그래서 어슷은 "요리명 검색"보다 "현재 재고 기반 추천"을 중심에 두었습니다. 사용자가 재고를 완벽히 입력하지 않아도 기본 추천이 가능하고, 재고가 쌓일수록 추천 품질이 좋아지도록 설계했습니다. 앱의 첫 화면도 관리 화면이 아니라 "오늘 뭐 먹지?"라는 행동 버튼에서 시작합니다.
또 하나의 개선점은 추천 이후의 대화입니다. 한 번 추천받고 끝나는 것이 아니라, "덜 짜게", "더 간단하게", "손님 왔을 때처럼" 같은 요청을 이어서 반영할 수 있게 했습니다. AI를 검색창이 아니라 요리 결정을 같이 줄여주는 조력자로 쓴 것입니다.
처음 텔레그램 봇으로 만들었다가 앱으로 전환한 것도 중요한 학습이었습니다. 채팅으로 명령어를 치는 방식은 빠르게 만들기에는 좋았지만 바코드 스캔·사진 입력·재고 편집·장보기 연결 같은 기능은 앱 화면에서 훨씬 자연스럽게 동작했습니다. 그래서 지금은 앱을 중심으로, 텔레그램은 에러 알림이나 보조 채널로만 활용하고 있습니다.
5. 다른 사람도 따라 할 수 있나요?
가장 간편한 방법은 제가 만든 앱을 다운로드해 사용하는 것입니다. 어슷은 Google 계정 기반으로 로그인하고, 사용자별 식재료 데이터가 분리되도록 설계했습니다. 안드로이드 스마트폰을 쓰는 사람이라면 같은 방식으로 재고를 등록하고 가진 재료 기반의 요리 추천을 받을 수 있습니다. 현재는 가까운 지인들에게 앱을 배포해 실제 사용 경험과 불편한 점을 듣고 있습니다.
혹은 앱을 직접 개발하지 않아도 아이디어를 구체화하는 방식은 누구나 따라 할 수 있습니다.
첫째, 냉장고 재료를 메모앱이나 스프레드시트에 적습니다.
둘째, 유통기한이 가까운 재료를 표시합니다.
셋째, AI에게 "이 재료들로 오늘 만들 수 있는 메뉴 3개를 추천해줘"라고 묻습니다.
넷째, 부족한 재료와 조리 시간을 함께 요청합니다.
다섯째, 먹고 난 뒤 실제로 좋았던 조합을 다시 기록합니다.
어슷은 이 과정을 실제 앱으로 자동화한 사례입니다. 생활 속 작은 불편을 AI와 연결하면, 음식물 낭비를 줄이고 식비를 아끼며 매일 반복되는 의사결정 피로도 줄일 수 있습니다. AI를 특별한 연구나 업무 자동화에만 쓰는 것이 아니라 매일 반복되는 "오늘 뭐 먹지?"라는 생활 문제를 해결하는 데 쓸 수 있다는 점을 보여주고 싶었습니다.
혼자 살거나 바쁘게 지내다 보면 냉장고에 무엇이 있는지 자주 잊습니다. 두부, 계란, 대파처럼 흔한 재료도 사 둔 사실을 잊고 다시 사거나 유통기한이 지난 뒤에 발견하는 일이 생깁니다. 막상 밥을 먹으려 할 때는 "오늘 뭐 먹지?"라는 질문에서 멈추고 결국 배달을 시키는 경우도 많습니다.
이 문제를 해결하기 위해 '어슷'이라는 프로젝트를 기획했고, 식재료 관리·요리 추천 앱을 만들어 사용했습니다. 처음에는 텔레그램 봇으로 시작했지만 지금은 Flutter 기반 모바일 어플이 되었습니다. 목표는 값비싼 스마트 냉장고를 새로 사지 않아도 스마트폰 앱만으로 "내 냉장고에 뭐가 있고, 오늘 무엇을 먹으면 좋은지"를 바로 알 수 있게 만드는 것이었습니다.
2. 어떤 AI를 어떻게 활용했나요?
어슷은 Android에서 동작하는 Flutter 앱과 Flask API로 구성되어 있습니다. 사용자는 앱에서 재료 이름을 직접 입력할 수도 있지만, 귀찮은 입력 과정을 최대한 줄이려고 했습니다. 따라서 영수증 사진, 바코드, 냉장고 사진, 쿠팡·컬리·SSG 주문서 스크린샷처럼 생활 속에 이미 있는 정보로부터 AI가 데이터를 추출하여 저장하도록 만들었습니다.
예를 들어 영수증이나 냉장고 사진은 Gemini Vision으로 읽고, 상품명·브랜드명·가격 정보에서 실제 식재료를 추출합니다. 바코드는 Open Food Facts와 식품 데이터 API를 활용해 재료명을 찾습니다. 이렇게 저장된 재고는 유통기한, 보관 위치, 수량과 함께 앱의 재고 화면에서 관리됩니다.
활용한 AI 방식은 크게 네 가지입니다.
첫째, 사진·영수증·주문서에서 식재료를 추출해 재고로 구조화합니다.
둘째, 현재 가진 재료와 유통기한을 기준으로 만들 수 있는 요리를 먼저 찾습니다.
셋째, 945개 레시피를 우선 매칭하고, 부족할 때만 Gemini 2.5 Flash 등 LLM이 설명과 대체안을 제시합니다.
넷째, 추천 이후에도 "덜 맵게", "1인분으로", "다른 메뉴" 같은 후속 요청을 대화형으로 반영합니다.
중요하게 생각한 점은 AI에게 매번 새 레시피를 지어내게 하지 않는 것이었습니다. 먼저 검증된 레시피 코퍼스에서 후보를 찾고 AI는 현재 재고와 사용자의 요청에 맞게 추천 이유, 부족 재료, 조리 방향을 다듬도록 했습니다. 이 방식은 속도와 비용을 줄이고, AI가 그럴듯하지만 실제로 만들기 어려운 요리를 추천하는 문제도 줄여줍니다.
3. 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 메뉴 결정 시간이 줄었다는 점입니다. 앱 홈 화면의 중심 버튼은 "오늘 뭐 먹지?"입니다. 예전에는 냉장고를 열어보고도 뭘 만들어 먹을지 떠오르지 않아 배달앱을 켰다면 지금은 버튼 한 번으로 현재 재고 기준의 추천 후보를 볼 수 있습니다.
추천 결과는 단순한 레시피 목록이 아니라 내가 가진 재료로 가능한 요리와 어떤 재료가 부족한지를 함께 보여줍니다. 부족한 재료는 장보기 목록으로 넘기고, 쿠팡·마켓컬리·SSG 같은 커머스 앱으로 이어질 수 있게 했습니다. 유통기한이 가까운 재료도 먼저 확인할 수 있어 버리는 재료를 줄이는 데 도움이 됩니다. 개발 과정에서도 AI를 활용해 사용자 동선 설계, 코드 작성, 테스트, 문서화를 반복했고, 그 결과 아이디어가 실제로 실행되는 앱으로 발전하게 되었습니다.
4. 나만의 방식 또는 개선 포인트는 무엇인가요?
일반적인 레시피 서비스는 사용자가 먹고 싶은 요리를 검색한 뒤 재료를 확인합니다. 하지만 실제 생활에서는 반대 상황이 많습니다. 이미 냉장고에 있는 재료를 기준으로 오늘 먹을 수 있는 메뉴를 정해야 합니다. 어슷은 이 반대 상황을 캐치했습니다.
그래서 어슷은 "요리명 검색"보다 "현재 재고 기반 추천"을 중심에 두었습니다. 사용자가 재고를 완벽히 입력하지 않아도 기본 추천이 가능하고, 재고가 쌓일수록 추천 품질이 좋아지도록 설계했습니다. 앱의 첫 화면도 관리 화면이 아니라 "오늘 뭐 먹지?"라는 행동 버튼에서 시작합니다.
또 하나의 개선점은 추천 이후의 대화입니다. 한 번 추천받고 끝나는 것이 아니라, "덜 짜게", "더 간단하게", "손님 왔을 때처럼" 같은 요청을 이어서 반영할 수 있게 했습니다. AI를 검색창이 아니라 요리 결정을 같이 줄여주는 조력자로 쓴 것입니다.
처음 텔레그램 봇으로 만들었다가 앱으로 전환한 것도 중요한 학습이었습니다. 채팅으로 명령어를 치는 방식은 빠르게 만들기에는 좋았지만 바코드 스캔·사진 입력·재고 편집·장보기 연결 같은 기능은 앱 화면에서 훨씬 자연스럽게 동작했습니다. 그래서 지금은 앱을 중심으로, 텔레그램은 에러 알림이나 보조 채널로만 활용하고 있습니다.
5. 다른 사람도 따라 할 수 있나요?
가장 간편한 방법은 제가 만든 앱을 다운로드해 사용하는 것입니다. 어슷은 Google 계정 기반으로 로그인하고, 사용자별 식재료 데이터가 분리되도록 설계했습니다. 안드로이드 스마트폰을 쓰는 사람이라면 같은 방식으로 재고를 등록하고 가진 재료 기반의 요리 추천을 받을 수 있습니다. 현재는 가까운 지인들에게 앱을 배포해 실제 사용 경험과 불편한 점을 듣고 있습니다.
혹은 앱을 직접 개발하지 않아도 아이디어를 구체화하는 방식은 누구나 따라 할 수 있습니다.
첫째, 냉장고 재료를 메모앱이나 스프레드시트에 적습니다.
둘째, 유통기한이 가까운 재료를 표시합니다.
셋째, AI에게 "이 재료들로 오늘 만들 수 있는 메뉴 3개를 추천해줘"라고 묻습니다.
넷째, 부족한 재료와 조리 시간을 함께 요청합니다.
다섯째, 먹고 난 뒤 실제로 좋았던 조합을 다시 기록합니다.
어슷은 이 과정을 실제 앱으로 자동화한 사례입니다. 생활 속 작은 불편을 AI와 연결하면, 음식물 낭비를 줄이고 식비를 아끼며 매일 반복되는 의사결정 피로도 줄일 수 있습니다. AI를 특별한 연구나 업무 자동화에만 쓰는 것이 아니라 매일 반복되는 "오늘 뭐 먹지?"라는 생활 문제를 해결하는 데 쓸 수 있다는 점을 보여주고 싶었습니다.
