|
|
| 30번째 줄: |
30번째 줄: |
| | ===개발 과제의 개요=== | | ===개발 과제의 개요=== |
| | ====개발 과제 요약==== | | ====개발 과제 요약==== |
| − | ◇ 본 과제는 RAG(Retrieval-Augmented Generation) 구조를 기반으로 한 요리 레시피 챗봇 시스템을 개발하는 것을 목표로 하였다.
| + | 내용 |
| − | | |
| − | ◇ 한국어 SBERT 임베딩 모델을 활용하여 레시피 데이터를 벡터화하고, 의미 기반 유사도 검색이 가능한 지능형 정보 검색 기능을 구현하였다.
| |
| − | | |
| − | ◇ FAISS 벡터 검색 엔진과 레시피 데이터베이스를 연동하여 대규모 레시피 데이터에 대한 고속 검색이 가능한 시스템 구조를 설계하였다.
| |
| − | | |
| − | ◇ 프론트엔드 사용자 인터페이스(UI)와 백엔드 RAG 파이프라인을 연동하여, 사용자가 자연어로 질의하면 실시간으로 응답을 제공하는 대화형 챗봇 서비스를 구축하였다.
| |
| − | | |
| | ====개발 과제의 배경==== | | ====개발 과제의 배경==== |
| − | ◇ 기존의 레시피 검색 서비스는 키워드 기반 검색에 의존하여 사용자의 다양한 표현이나 복합적인 요구를 충분히 반영하지 못하는 한계가 존재하였다.
| + | 내용 |
| − | | |
| − | ◇ 최근 대규모 언어모델(LLM)의 발전과 함께, 검색과 생성 기능을 결합한 RAG 구조가 지능형 정보 제공 시스템의 새로운 대안으로 주목받고 있다.
| |
| − | | |
| − | ◇ 본 과제는 이러한 기술적 흐름을 반영하여, 의미 기반 검색과 자연어 응답 생성을 결합한 요리 레시피 챗봇을 구현함으로써 사용자 경험을 향상시키고자 하였다.
| |
| − | | |
| − | ◇ 이를 통해 사용자는 재료, 조리 시간, 난이도 등 다양한 조건을 자연어로 입력하여 보다 직관적이고 정확한 레시피 추천을 받을 수 있는 효과를 기대할 수 있다.
| |
| − | | |
| | ====개발 과제의 목표 및 내용==== | | ====개발 과제의 목표 및 내용==== |
| − | ◇ 한국어 자연어 질의를 효과적으로 처리하기 위해 한국어 SBERT 임베딩 모델을 적용하고, 레시피 데이터의 의미 정보를 벡터 형태로 표현하는 것을 목표로 하였다.
| + | 내용 |
| − | | |
| − | ◇ 벡터화된 레시피 데이터를 FAISS 기반 벡터 검색 엔진에 저장하여, 빠르고 정확한 유사도 검색이 가능한 RAG 파이프라인을 구축하였다.
| |
| − | | |
| − | ◇ 사용자의 입력 질의(재료, 시간, 난이도, 알레르기 정보 등)를 분석하여 조건 기반 필터링과 맞춤형 응답 생성이 가능하도록 시스템을 설계하였다.
| |
| − | | |
| − | ◇ 프론트엔드와 백엔드를 연동한 대화형 인터페이스를 구현하여, 실제 서비스 환경에서도 활용 가능한 요리 레시피 챗봇을 완성하는 것을 목표로 하였다.
| |
| | | | |
| | ===관련 기술의 현황=== | | ===관련 기술의 현황=== |
| | ====관련 기술의 현황 및 분석(State of art)==== | | ====관련 기술의 현황 및 분석(State of art)==== |
| | *전 세계적인 기술현황 | | *전 세계적인 기술현황 |
| − | | + | 내용 |
| − | ◇ LLM 기반 대화형 AI
| |
| − | | |
| − | • OpenAI GPT, Anthropic Claude, Google Gemini, Meta LLaMA 등 다양한 대규모 언어 모델이 오픈/상용화되어 있음. 최근 트렌드는 RAG(Retrieval-Augmented Generation) 기법을 통한 신뢰성 강화, 멀티모달 모델(텍스트·이미지·음성 결합), 경량화 모델(온디바이스 실행)으로 발전.
| |
| − | | |
| − | ◇ 레시피 AI
| |
| − | | |
| − | • Cookpad(일본), Tasty 등 글로벌 서비스에서 AI 기반 레시피 검색·추천 기능을 제공.
| |
| − | | |
| − | ◇ IoT/스마트 키친 연계
| |
| − | | |
| − | • LG ThinQ, Samsung SmartThings 등 가전사들이 AI 비서를 주방 환경에 접목 중. 레시피 안내 + IoT 조리기기 제어까지 통합하는 사례는 초기 단계.
| |
| − | | |
| − | | |
| | *특허조사 및 특허 전략 분석 | | *특허조사 및 특허 전략 분석 |
| − | | + | 내용 |
| − | ◇ 인터넷 식재료 주문정보를 이용한 추천 요리와 그 레시피 제공 장치 (Apparatus for providing recommended food and recipe thereof using internet food material ordering information)
| |
| − | | |
| − | | |
| | *기술 로드맵 | | *기술 로드맵 |
| − | | + | 내용 |
| − | ◇ 1. 데이터 수집 및 DB 구축: 레시피 데이터를 수집하고 필요한 정보를 추출하고 틀에 맞춰 정제하여 DB 구축
| |
| − | | |
| − | ◇ 2. 챗봇 생성: RAG과 LLM을 결합하여 구축된 DB를 사용하는 챗봇 구현
| |
| − | | |
| − | ◇ 3. 개인 맞춤형 서비스 개발: 사용자 피드백을 반영하여 사용자 속성 필터를 RAG 검색에 반영 (ex. 갑각류 알레르기 제외, 500kcal 이하 레시피 선호 등)
| |
| | | | |
| | ====시장상황에 대한 분석==== | | ====시장상황에 대한 분석==== |
| | *경쟁제품 조사 비교 | | *경쟁제품 조사 비교 |
| − | | + | 내용 |
| − | ◇ Samsung Food
| |
| − | | |
| − | • 사용자의 신체, 나이, 운동 정보 등 개인정보를 바탕으로 섭취 목표량 설정, 일주일 식단, 맞춤형 레시피, 영양 섭취 진척도 관리 등을 제공
| |
| − | | |
| − | • 추가로 비전 AI 기술 (CLIP/Open AI) 을 활용하여 식재료 사진을 찍고 앱에서 바로 식재료 등록이 가능한 서비스도 제공
| |
| − | | |
| − | ◇ SKT-누구(NUGU) 레시피 서비스
| |
| − | | |
| − | • 인공지능 AI 스피커 NUGU에 레시피 추천을 음성으로 요청하면 발화 시각에 어울리는 요리 레시피를 랜덤으로 추천하고, 특정 레시피를 요청하면 필요한 재료부터 단계별로 레시피를 알려주는 서비스 (실제 가전제품과 연계)
| |
| − | | |
| − | • 온라인 서점 잡지 판매 순위 1위 ‘㈜이밥차’와 제휴하여 레시피 제공
| |
| − | | |
| − | | |
| | *마케팅 전략 제시 | | *마케팅 전략 제시 |
| − | | + | 내용 |
| − | ◇ 타겟 소비자 세분화
| |
| − | | |
| − | • 1차 타겟: 20~30대 1인 가구, 자취하는 학생 혹은 직장인 (일상생활에서 gpt 등 챗봇과 유사한 서비스를 이미 잘 이용하고 있어서 거부감이 덜 하고 직접 해먹는 요리의 경제성을 어필하기 좋음)
| |
| − | | |
| − | • 2차 타겟: 요리 초보자, 헬스케어 관심층 (1차 타겟보다 좀 더 넓은 타겟으로, 요리에 관심은 있지만 실력이 부족하거나 헬스케어에 관심이 있어 영양성분과 칼로리를 신경쓰는 사람들에게 해당 제품을 어필하기 좋음)
| |
| − | | |
| − | ◇ 핵심 메시지
| |
| − | | |
| − | • “내 냉장고 속 재료만으로 누구나 만들 수 있는 요리 레시피” : 추가 식자재를 대량으로 구매하지 않고도 누구나 쉽게 보고 따라할 수 있는 레시피를 제공한다고 소비자에게 전달하여 직접 요리를 해먹지 않는 커다란 이유 중 식자재 부족, 레시피 모름을 해소시켜 줌
| |
| − | | |
| − | ◇ 실행 전략
| |
| − | | |
| − | • 요리 크리에이터와 협업
| |
| − | | |
| − | • 온라인 식자재 쇼핑몰, 레시피 제공 사이트 (마켓컬리, 쿠팡프레시, 만개의 레시피 등)과 연계
| |
| − | | |
| − | • 사용자 참여 유도 (나만의 레시피 등록, 커뮤니티 활성화)
| |
| − | | |
| − | • 과금 모델 : 유료 구독한 사용자에게는 식단 계획, 칼로리 자동 계산, 광고 제거 등의 추가 서비스 제공.
| |
| | | | |
| | ===개발과제의 기대효과=== | | ===개발과제의 기대효과=== |
| | ====기술적 기대효과==== | | ====기술적 기대효과==== |
| − | ◇ RAG 구조를 적용함으로써 단순 키워드 검색을 넘어, 의미 기반 정보 검색과 자연어 응답 생성이 결합된 고도화된 검색 시스템 구현이 가능하다.
| + | 내용 |
| − | | |
| − | ◇ FAISS를 활용한 벡터 검색 구조는 대규모 데이터 환경에서도 높은 검색 성능과 확장성을 제공할 수 있다.
| |
| − | | |
| − | ◇ 사용자 조건(알레르기, 선호 재료 등)을 반영한 필터링 로직과 LLM 기반 응답 생성 알고리즘을 통해 개인화된 정보 제공 기술을 확보할 수 있다.
| |
| − | | |
| − | ◇ 사용자 피드백을 반영하는 Feedback RAG 구조를 통해, 시스템 성능을 지속적으로 개선할 수 있는 지능형 학습 기반 서비스로 확장 가능하다.
| |
| − | | |
| | ====경제적, 사회적 기대 및 파급효과==== | | ====경제적, 사회적 기대 및 파급효과==== |
| − | ◇ 본 시스템은 요리, 식생활, 헬스케어 등 다양한 분야로 확장 가능한 범용 RAG 기반 챗봇 서비스로 활용될 수 있다.
| + | 내용 |
| − | | |
| − | ◇ 개인 맞춤형 레시피 추천을 통해 식재료 낭비를 줄이고, 건강한 식습관 형성에 기여할 수 있다.
| |
| − | | |
| − | ◇ 외식업, 밀키트 산업, 식품 유통 서비스 등과 연계하여 새로운 부가가치 창출이 가능하다.
| |
| − | | |
| − | ◇ AI 기반 생활 밀착형 서비스 제공을 통해 디지털 기술의 사회적 활용도를 높이고, 사용자 친화적인 AI 서비스 확산에 기여할 수 있다.
| |
| | | | |
| | ===기술개발 일정 및 추진체계=== | | ===기술개발 일정 및 추진체계=== |
| | ====개발 일정==== | | ====개발 일정==== |
| − | | + | 내용 |
| | ====구성원 및 추진체계==== | | ====구성원 및 추진체계==== |
| − | ◇ 팀 역할과 책임
| + | 내용 |
| − | | |
| − | • 기획(전체): 범위, 일정, 예산 요구사항
| |
| − | | |
| − | • 백엔드(유현승): 레시피/영양/기록 API, 데이터 모델, 테스트
| |
| − | | |
| − | • AI·Data(조현진/이문호/고준서): 레시피 RAG, 프롬프트 가드, 영양계산 및 알러지 필터링 로직/검증
| |
| − | | |
| − | • 프론트(이승민): 검색/레시피뷰/타이머/대시보드, 접근성, 성능 최적화
| |
| − | | |
| − | • Infra(유현승/이승민): CI/CD, 모니터링, 비용/보안, 배포·롤백
| |
| − | | |
| − | ◇ 추진체계
| |
| − | | |
| − | • 요청/변경 제안 등록: 노션 티켓(목표/완료기준/마감 포함) 생성
| |
| − | | |
| − | • 개발 & PR: 기능 브랜치 → PR 2인 승인 + 테스트 코드 통과
| |
| − | | |
| − | • 배포 & 롤백: 태그 배포, 문제 시 즉시 롤백
| |
| | | | |
| | ==설계== | | ==설계== |
