① 어떤 상황에서 AI를 활용했나요?
강남대학교 학생들은 졸업요건, 학사 안내, 강의계획서, 교수 연락처와 시설 정보를 찾기 위해 여러 홈페이지와 PDF, 공지를 오가야 합니다. 특히 입학년도와 학과에 따라 다른 정보를 확인하는 데 반복적인 검색이 필요하고, 행정실이나 조교에게 문의하면 답변을 기다려야 합니다. 이처럼 분산된 정보를 자연어 질문 하나로 탐색할 수 있도록, 학생을 위한 웹 우선 AI 챗봇 ‘강냉봇’을 개발했습니다. 핵심 가치는 “찾지 말고 물어보면 끝난다”입니다.

② 어떤 AI를 어떻게 활용했나요?
Google Gemini와 Google ADK를 활용해 질문의 성격에 맞는 전문 에이전트가 협력하는 구조를 구성했습니다. 학생은 하나의 챗봇과 대화하지만, 내부에서는 졸업요건·과목정보·교수정보·캠퍼스 안내 등 필요한 영역으로 질문을 연결합니다. 학교 자료를 검색하고 그 결과를 바탕으로 답변하는 RAG(검색 증강 생성) 방식과 Vertex AI Search를 활용해, 모델의 일반 지식만으로 학교 정보를 추측하는 방식을 줄이고자 했습니다.
예를 들어 “내 입학년도와 학과의 졸업요건을 알려줘”라고 묻고, 이어 “관련 과목은 어떤 것이 있어?”라고 질문하는 흐름을 지원하도록 설계했습니다. React 기반 웹 화면, FastAPI 백엔드, Google Cloud의 에이전트 실행 환경을 연결했으며, 모바일에서도 접근하기 쉬운 웹 서비스를 지향했습니다.

③ 활용 결과 어떤 변화가 있었나요?
학교 정보를 분야별로 찾아다니던 탐색 과정을 하나의 대화형 인터페이스로 통합한 프로토타입을 구현했습니다. 프로젝트 공개 저장소에는 프런트엔드·백엔드·에이전트 코드와 배포 안내가 있어, 아이디어에 그치지 않고 구현 결과를 확인할 수 있습니다. 다만 탐색 시간 단축률이나 실제 이용자 만족도 등 정량적 효과는 아직 검증 결과로 제시하지 않습니다. 도움 평가 비율 80% 이상, 평균 응답 시간 2초 이하, 첫 사용 후 7일 내 재방문율 30% 이상은 향후 검증할 목표 지표이며 달성 실적이 아닙니다. 현재 공개 배포 환경은 접속 및 채팅 세션 오류에 대한 점검이 필요한 상태입니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
일반적인 범용 챗봇이 아니라 ‘우리 학교 학생이 실제로 묻는 질문’에 범위를 맞추고, 입학년도·학과처럼 답변에 영향을 주는 맥락을 중요하게 다뤘습니다. 여러 전문 에이전트의 기능을 하나의 대화 경험으로 연결하는 것이 특징입니다. 앞으로는 답변의 출처와 최신성을 더 명확하게 표시하고, 근거가 부족하면 단정하지 않도록 개선할 계획입니다. 검색 실패 기록과 사용자 피드백을 수집해 자료와 프롬프트를 보완하고, 학교 규정 변경에 맞춘 데이터 갱신, 호출량 제한을 통한 비용 관리도 지속 과제로 두고 있습니다. 개인 배경과 학년에 따른 맞춤형 학업·진로 안내는 향후 확장 목표입니다.

⑤ 다른 사람도 따라 할 수 있나요?
다른 대학이나 교육기관에서도 같은 접근을 적용할 수 있습니다. 먼저 공개 가능한 공식 자료를 모아 적용 대상과 갱신 기준을 정하고, 문서를 검색 가능한 형태로 정리한 다음, 검색 결과를 근거로 답하는 AI와 웹 대화 화면을 연결합니다. 이후 실제 질문으로 답변의 정확성과 출처를 점검하고 피드백을 반영하면 됩니다. 처음부터 모든 업무를 다루기보다 졸업요건 등 반복 질문이 많은 한 영역에서 시작하는 것을 권합니다. 개인정보와 인증정보는 검색 자료 및 공개 코드에서 제외해야 합니다.

프로젝트 공개 저장소: https://github.com/CodeBBakGoSu/GangNangBot
웹 화면 주소(배포 환경 점검 필요): https://kangnam-unv-chatbot.vercel.app/