목록으로
생활 속 AI 활용
수영 그룹 레슨이 못 잡아준 자세 오류 내가 만든 AI 코치가 잡아냈다.
그룹 레슨에서 받지 못한 개인 피드백, 직접 만든 AI 수영 코치로 채웠습니다
🤖 활용 AI 도구
Google Gemini(구간판별, 자세분석), NotebookLM(코칭이론 수집), Google Antigravity (웹앱 '수영코치 AI' 개발), Google MediaPipe (자세 인식 전처리), Claude (프롬프트 다듬기)
① 어떤 상황에서 AI를 활용했나요?
수영 그룹 레슨은 인원이 많아 개인별 피드백을 받기 어렵고, 개인 레슨은 시간·비용 부담이 컸습니다. 직접 영상을 찍어봐도 정확히 어디가 잘못됐는지는 스스로 짚어내기 쉽지 않았습니다.
② 어떤 AI를 어떻게 활용했나요?
Gemini API를 백엔드로 연동한 웹앱 '수영코치 AI'를 Google Antigravity로 직접 만들어, 영상을 업로드하면 2단계 분석이 자동으로 이어지도록 구성했습니다. 1단계에서는 Gemini Flash가 영상에서 실제 수영 구간과 영법, 타임스탬프를 판별하고, 2단계에서는 그 구간의 키프레임만 상위 모델에 입력해 자세를 분석합니다.
판단 기준은 감으로 정하지 않았습니다. 4개 영법의 코칭 이론을 NotebookLM으로 정리한 뒤, 실제 교정에 의미 있는 항목만 추려 36개 세부 결함으로 만들었습니다. 원본 전체를 매번 고성능 모델에 넣으면 비용과 판단 정확도 모두 떨어지기 때문에, 필요한 구간만 정밀 분석으로 넘기는 구조를 웹앱으로 자동화했습니다.
키프레임 추출도 처음엔 일정 간격으로 잘라내다 보니, 팔이 입수하는 결정적 순간이 프레임 사이로 비는 경우가 있었습니다. 최근엔 구글 MediaPipe로 손목 궤적을 먼저 스캔해 스트로크 사이클의 정점을 자동으로 찾고, 그 시점 프레임만 뽑도록 개선했습니다. 접영·평영이나 수중 촬영처럼 인식률이 낮은 경우엔 자동으로 기존 균일 간격 방식으로 되돌아갑니다.
③ 활용 결과 어떤 변화가 있었나요?
배영 크로스오버 입수는 강사님께 자주 지적받던 습관인데, 배영만의 문제인지 궁금했습니다. 여자친구가 찍어준 자유형 영상을 분석해보니, 전혀 다른 영법인 자유형에서도 크로스오버 입수가 3회 중 3회 모두 확인됐고, 이로 인한 좌우 몸통 요동(스네이킹)과 무릎 주도 킥까지 연쇄적으로 짚어냈습니다. 배영에 국한된 습관이 아니라 입수 동작 자체의 오래된 버릇이었던 겁니다.
이를 배영 훈련에도 적용(입수 지점을 어깨 연장선으로 고정)하자 최근 배영 자세가 확실히 나아졌다는 평가를 받았습니다. 다만 후면 각도라 팔꿈치 처짐 여부는 AI가 스스로 "판정 불가"로 표시했고, 추가 촬영으로 검증할 계획입니다. AI가 정리한 결함별 리포트는 첨부 이미지에서 확인하실 수 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
한두 프레임만 보고 판단하지 않도록, 여러 프레임에서 반복 관찰된 경우에만 결함으로 인정하게 설계했습니다. 판단 기준(스키마)을 비워두면 AI가 근거 없는 결함을 지어내는 문제가 있어, 기준을 완전히 채운 뒤 전달하도록 프롬프트를 여러 차례 수정하고 앱에 고정해, 누가 써도 같은 기준으로 판정되게 했습니다. 제 영상만으론 샘플이 부족해, 동의를 받은 여자친구의 다양한 영법 영상도 함께 활용해 여러 사람·영법에서 기준이 일관되게 작동하는지 검증했습니다.
판정 엔진을 국산 AI인 네이버 하이퍼클로바X(HCX-005)로 교체하는 실험도 해봤습니다. 옷 색깔은 수중 왜곡 속에서도 정확히 맞혔지만, 명백한 크로스오버 결함이 있는 프레임을 보고도 "중앙선을 넘지 않은 올바른 자세"라고 자신 있게 오판했습니다. 색상 인식과 동작의 기하학적 판단은 완전히 다른 능력이라는 걸 확인했고, 결과가 명확한 만큼 무리하게 바꾸지 않고 기존 Gemini 구조를 유지하기로 했습니다. 테스트 기록은 코드에 그대로 남겨뒀습니다.
⑤ 다른 사람도 따라 할 수 있나요?
간단하게는 스마트폰으로 영상을 찍어 Gemini에 올리고 "이 영상에서 자세 문제를 찾아줘"라고 물어보는 것만으로도 시도해볼 수 있습니다. 정확도를 높이려면 판단 기준을 구체적으로 알려주고 여러 프레임을 반복 확인하게 요청하는 게 중요합니다.
저는 이 과정을 매번 반복 설명하지 않도록 웹앱으로 자동화했습니다(구간 판별 → 키프레임 추출 → 결함 분석). 개발 경험이 있다면 이렇게 확장해볼 수 있고, 없어도 위 방법만으로 충분합니다. 골프·테니스처럼 자세가 중요한 다른 운동에도 비슷하게 적용해볼 수 있을 것 같습니다.
프롬프트는 열린 질문 → 판단 조건 좁히기 → 기준을 먼저 제시하고 그 틀 안에서만 답하게 하기, 이 세 단계로 다듬었습니다. (Claude와 대화하며 정교화했습니다.)
⑥ 활용 과정에서 특별히 신경 쓴 점이 있나요?
촬영이 허용된 곳에서만, 안전요원과 촬영 대상자(여자친구 포함) 모두의 동의를 구하고 진행했습니다. 구도는 본인만 나오도록 잡아 다른 이용객이 찍히지 않게 했습니다. AI가 제안한 결함은 그대로 믿지 않고 강사님 피드백으로 교차 검증한 뒤에만 훈련에 반영했고, 앱에도 이용약관·개인정보 처리방침과 함께 생성형 AI 기반이라 오류가 있을 수 있다는 점을 명시했습니다.
수영 그룹 레슨은 인원이 많아 개인별 피드백을 받기 어렵고, 개인 레슨은 시간·비용 부담이 컸습니다. 직접 영상을 찍어봐도 정확히 어디가 잘못됐는지는 스스로 짚어내기 쉽지 않았습니다.
② 어떤 AI를 어떻게 활용했나요?
Gemini API를 백엔드로 연동한 웹앱 '수영코치 AI'를 Google Antigravity로 직접 만들어, 영상을 업로드하면 2단계 분석이 자동으로 이어지도록 구성했습니다. 1단계에서는 Gemini Flash가 영상에서 실제 수영 구간과 영법, 타임스탬프를 판별하고, 2단계에서는 그 구간의 키프레임만 상위 모델에 입력해 자세를 분석합니다.
판단 기준은 감으로 정하지 않았습니다. 4개 영법의 코칭 이론을 NotebookLM으로 정리한 뒤, 실제 교정에 의미 있는 항목만 추려 36개 세부 결함으로 만들었습니다. 원본 전체를 매번 고성능 모델에 넣으면 비용과 판단 정확도 모두 떨어지기 때문에, 필요한 구간만 정밀 분석으로 넘기는 구조를 웹앱으로 자동화했습니다.
키프레임 추출도 처음엔 일정 간격으로 잘라내다 보니, 팔이 입수하는 결정적 순간이 프레임 사이로 비는 경우가 있었습니다. 최근엔 구글 MediaPipe로 손목 궤적을 먼저 스캔해 스트로크 사이클의 정점을 자동으로 찾고, 그 시점 프레임만 뽑도록 개선했습니다. 접영·평영이나 수중 촬영처럼 인식률이 낮은 경우엔 자동으로 기존 균일 간격 방식으로 되돌아갑니다.
③ 활용 결과 어떤 변화가 있었나요?
배영 크로스오버 입수는 강사님께 자주 지적받던 습관인데, 배영만의 문제인지 궁금했습니다. 여자친구가 찍어준 자유형 영상을 분석해보니, 전혀 다른 영법인 자유형에서도 크로스오버 입수가 3회 중 3회 모두 확인됐고, 이로 인한 좌우 몸통 요동(스네이킹)과 무릎 주도 킥까지 연쇄적으로 짚어냈습니다. 배영에 국한된 습관이 아니라 입수 동작 자체의 오래된 버릇이었던 겁니다.
이를 배영 훈련에도 적용(입수 지점을 어깨 연장선으로 고정)하자 최근 배영 자세가 확실히 나아졌다는 평가를 받았습니다. 다만 후면 각도라 팔꿈치 처짐 여부는 AI가 스스로 "판정 불가"로 표시했고, 추가 촬영으로 검증할 계획입니다. AI가 정리한 결함별 리포트는 첨부 이미지에서 확인하실 수 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
한두 프레임만 보고 판단하지 않도록, 여러 프레임에서 반복 관찰된 경우에만 결함으로 인정하게 설계했습니다. 판단 기준(스키마)을 비워두면 AI가 근거 없는 결함을 지어내는 문제가 있어, 기준을 완전히 채운 뒤 전달하도록 프롬프트를 여러 차례 수정하고 앱에 고정해, 누가 써도 같은 기준으로 판정되게 했습니다. 제 영상만으론 샘플이 부족해, 동의를 받은 여자친구의 다양한 영법 영상도 함께 활용해 여러 사람·영법에서 기준이 일관되게 작동하는지 검증했습니다.
판정 엔진을 국산 AI인 네이버 하이퍼클로바X(HCX-005)로 교체하는 실험도 해봤습니다. 옷 색깔은 수중 왜곡 속에서도 정확히 맞혔지만, 명백한 크로스오버 결함이 있는 프레임을 보고도 "중앙선을 넘지 않은 올바른 자세"라고 자신 있게 오판했습니다. 색상 인식과 동작의 기하학적 판단은 완전히 다른 능력이라는 걸 확인했고, 결과가 명확한 만큼 무리하게 바꾸지 않고 기존 Gemini 구조를 유지하기로 했습니다. 테스트 기록은 코드에 그대로 남겨뒀습니다.
⑤ 다른 사람도 따라 할 수 있나요?
간단하게는 스마트폰으로 영상을 찍어 Gemini에 올리고 "이 영상에서 자세 문제를 찾아줘"라고 물어보는 것만으로도 시도해볼 수 있습니다. 정확도를 높이려면 판단 기준을 구체적으로 알려주고 여러 프레임을 반복 확인하게 요청하는 게 중요합니다.
저는 이 과정을 매번 반복 설명하지 않도록 웹앱으로 자동화했습니다(구간 판별 → 키프레임 추출 → 결함 분석). 개발 경험이 있다면 이렇게 확장해볼 수 있고, 없어도 위 방법만으로 충분합니다. 골프·테니스처럼 자세가 중요한 다른 운동에도 비슷하게 적용해볼 수 있을 것 같습니다.
프롬프트는 열린 질문 → 판단 조건 좁히기 → 기준을 먼저 제시하고 그 틀 안에서만 답하게 하기, 이 세 단계로 다듬었습니다. (Claude와 대화하며 정교화했습니다.)
⑥ 활용 과정에서 특별히 신경 쓴 점이 있나요?
촬영이 허용된 곳에서만, 안전요원과 촬영 대상자(여자친구 포함) 모두의 동의를 구하고 진행했습니다. 구도는 본인만 나오도록 잡아 다른 이용객이 찍히지 않게 했습니다. AI가 제안한 결함은 그대로 믿지 않고 강사님 피드백으로 교차 검증한 뒤에만 훈련에 반영했고, 앱에도 이용약관·개인정보 처리방침과 함께 생성형 AI 기반이라 오류가 있을 수 있다는 점을 명시했습니다.
