www.jojaljodal.xyz/

1. 어떤 상황에서 AI를 활용했나요?

두 개의 막막함이 동시에 있었습니다.

① 풀어야 할 문제 : 공공조달(나라장터) 시장은 연 수백조 규모지만, 중소·스타트업 입장에선 "내 제품이 여기 들어갈 수 있나?"조차 알기 어렵습니다. 어떤 품목분류에 속하는지, 관련 공고·낙찰 사례·경쟁강도·가격대·법령 요건이 나라장터·법제처·식약처 등 여러 부처에 흩어져 있어서, 제대로 파악하려면 조달 컨설턴트나 전담 인력이 필요했죠. 이 정보 격차를 없애고 싶었습니다.
② 만드는 상황 : 그런데 이 서비스를 만들려면 기획·디자인·프론트엔드·백엔드·공공데이터 18종 연동·DB·인증·배포까지 전부 필요합니다. 원래는 팀이 붙어야 하는 일을 소규모로 혼자 해내야 하는 상황이었습니다.

그래서 AI를 두 층위로 활용하기로 했습니다. 개발 파트너로서의 AI, 그리고 서비스 안에서 분석을 수행하는 엔진으로서의 AI.

2. 어떤 AI를 어떻게 활용했나요?
A. 서비스를 "만드는" 데 쓴 AI
- Claude Code(Claude Opus) 를 페어 개발자처럼 썼습니다. 요구사항을 한국어로 설명하면 코드·테스트·리팩터링까지 수행 → 온보딩 플로우, 운영자 대시보드(`/admin`), 공고 모아보기(`/notices`), 사이트맵 등을 기능 단위로 구현.
- 여러 에이전트에 역할을 분담시켰습니다(예: 한쪽은 조달 가이드·카피, 한쪽은 기능 개발). 사람인 저는 오케스트레이터 역할.
- 파일 기반 프로젝트 메모리에 정책과 함정을 계속 기록해, AI가 매번 같은 실수를 반복하지 않게 했습니다(뒤 4번에서 상세).

B. 서비스 "안에서" 동작하는 AI : 생성형 LLM(`AI 추론`)
세 지점에 넣었습니다.
1. 키워드 추출 : 사용자가 쓴 제품 설명 한 줄 → 조달 검색에 쓸 핵심 명사 추출
2. 전략 리포트 생성 : 수집한 공공데이터(분류·공고·낙찰·계약·가격·법령)를 근거로 *추천 진입 경로 · 제안서 초안 · 영업 이메일 · 30일 실행계획 을 구조화 리포트로 생성
3. Q&A 자동답변 : 질문 게시판에 글이 올라오면 관련 조달 OpenAPI·법령을 조회해 근거 기반 답변을 약 1분 내 자동 등록

핵심 설계 두 가지: ① 사실 앵커링 : 결과는 항상 실제 공공데이터로만 만들고, 매칭이 없으면 가짜로 채우지 않고 정직하게 빈 상태를 표시(환각 차단). ② 폴백 : LLM이 실패·레이트리밋일 때 규칙기반으로 대체해 결과가 항상 나오게 함.

3. 활용 결과 어떤 변화가 있었나요?
- 소규모로 약 2주간 만에, 실제 배포된 풀스택 서비스(jojaljodal.xyz)가 나왔습니다. 조달청 나라장터 18종 API + 법제처·식약처·HACCP·행안부까지 다부처 데이터 연계, 로그인, 관리자 대시보드, Q&A 게시판까지 포함해서요.
- 원래 컨설턴트가 며칠씩 붙어 하던 "이 제품, 공공조달에 맞나?" 분석을 제품 설명 한 줄 → 진입 가능성 100점 점수 + 전략 리포트로 바꿨습니다.
- 개인적으로는 "기획자·1인 개발자도 실서비스를 끝까지 낼 수 있다"는 걸 체감했습니다.
- 조달청 창업경진대회에서는 아쉽게 떨어졌지만, 실제 돌아가는 서비스와 재사용 가능한 개발 방식이 자산으로 남았습니다.

4. 나만의 방식 또는 개선 포인트는 무엇인가요?

① AI 이중 활용 : 만드는 데도 AI, 그 안에서도 AI. 이 조합이 저만의 방식입니다.

② 파일 기반 "프로젝트 메모리"로 AI 길들이기 : AI 에이전트가 반복해서 틀리던 지점들을 규칙 파일로 남겨 매번 참조시켰습니다. 실제 예:
- 조달청 PPS 입찰공고 검색은 조회기간 1개월 제한 → 검색 윈도우를 30일 이하로 고정
- 반복 호출 화면은 캐시 키를 일 단위로 고정 → 실측 4.3초 → 0.5초
- "더미/예시 결과 데이터 금지" 를 하드 정책으로 못박아 AI가 그럴듯한 가짜 기관명을 지어내지 못하게 함

③ 환각 통제 : 생성형 AI를 쓰되 반드시 사실(공공데이터)에 묶고, 실패 시 폴백·빈 상태로 신뢰성을 확보. "AI가 지어내지 않게 만드는 것"을 최우선으로 뒀습니다.

개선 포인트: 무료 티어 LLM의 레이트리밋(연속 호출 시 두 번째가 종종 지연) 대응, 그리고 단일 한글 명사일 때 검색 매칭률이 가장 높은 특성에 맞춘 키워드 추출 튜닝이 남은 과제입니다.

5. 다른 사람도 따라 할 수 있나요?

네, 재현 가능한 방식으로 정리해 뒀습니다. 코딩 비전공자·소규모 팀도 따라 할 수 있습니다.

1. 문제를 잘게 쪼개 기능 단위로 자연어로 AI에게 지시하기
2. 프로젝트 규칙·함정을 메모리 파일로 남겨 AI가 계속 참조하게 하기 (일관성의 핵심)
3. 생성형 AI는 반드시 사실 데이터에 앵커링 + 실패 폴백 설계
4. 무료·저비용 조합으로 시작 (공공데이터 OpenAPI)

단, 검증(테스트·타입체크)과 사실 확인은 사람의 몫 입니다. AI가 90%를 빠르게 만들어 주지만, 나머지 10%의 "이게 진짜 맞나"를 사람이 책임지는 구조여야 신뢰할 수 있는 서비스가 됩니다.