2026년 8월 10일 예선 서류로 제출하여 본선 진출이 확정된 최종 기획서입니다. 본선 개발은 이 문서를 기반으로 진행합니다.

2026년 제8회 K-디지털 트레이닝 해커톤 아이디어 개발 기획서

항목 내용
참가팀명 BeyondFacade
참가과제 (택 1) ☑ 지정과제 — AI 전환 시대, 인간의 역량을 확장하는 디지털 서비스 개발
☐ 자유과제 — 첨단·디지털 기술을 활용한 창의적 서비스 개발
아이디어 명칭 법령 원문 RAG와 LLM 대화 시뮬레이션 기술을 활용한 고3~사회초년생 실전 생활법률 ‘행동 훈련’ 및 근로계약서 AI 진단 서비스 — 라이프 튜토리얼(Life Tutorial)
관련분야 (직접 기재) 인공지능(LLM·RAG·OCR), 빅데이터(공공데이터·학습 로그 분석), 일반S/W

1. 추진 배경 ▶ 아이디어 개요를 간략히 기술

1) 문제의식: “성인이 되는 법”을 배우지 못한 채 성인이 되는 구조

그림 1. 근로계약 실태조사 (출처: 알바천국, ‘26.5, https://www.etnews.com/20260526000034)

  • 지역별 미작성률: 경상권 23.5%, 전라권 23.1%, 충청권 20.0%, 수도권 16.8%
  • 소속별 미작성률: 학교 밖 청소년 24.4%, 고등학교 16.9%
  • 전체 미작성률: 19.5%

  • 미작성 사유: 1위 몰라서 40.4%, 2위 고용주가 거부해서 22.8%, 3위 번거로워서 19.3%, 4위 필요성을 느끼지 못해서 14%

  • 고등학교를 졸업하는 순간부터 아르바이트 근로계약, 급여 관리, 원룸 계약, 학자금 대출처럼 법적 책임이 따르는 일들이 시작되나, 정규 교육과정에는 이를 다루는 실전 금융·노동법·생활법률 교육이 사실상 전무함. 매년 수능 지원자 34만 777명이 아무 훈련 없이 법적 책임의 세계에 진입함(출처: 한국교육과정평가원, ‘25.9, https://news.unn.net/news/articleView.html?idxno=583560). 그 결과, 사회초년생은 보이스피싱 같은 금융사기, 임금체불이나 주휴수당 미지급 같은 노동권 침해에 무방비로 노출됨. 대부분은 몰라서 당하는 정보 비대칭 피해자임.
  • 정부·교육청의 수능 직후 고3 특강이 있으나, 일회성 강의라 반복 학습과 성과 측정이 어려움.

2) 기존 대안의 한계

  • 도달 방식이 강사·선발에 묶인 공급 제약형이고, 도달은 넓어도 학습 깊이가 시청·퀴즈 수준으로 한정적이며, 교육의 대상이 알바생이 아닌 점주 또는 미래의 고객임.

표 1. 기존 대안과 『라이프 튜토리얼』 비교 (¹수능 세대 연 34만명)

주체 방식 연간도달(분모¹ 대비 %) 교육 목적 및 방식
두나무 “업클래스 주니어” 학교선발 전국 약 5,600개교
약 9,100명, 약 2%		 퀴즈, 금융사기 중심 (노동법 없음)
고용노동교육원 강사 파견 약 48,533명, 약 14.2% 1회성, 반복학습
토스 “머니스터디카페” 앱 내 콘텐츠 약 20만명, 약 58.8% 시청형, 소비, 투자, 저축
은행권(금감원 등) 결연학교 결연학교 한정 투자, 저축, 금융사기 등
알바천국 노무사 방문 약 1,400명, 약 0.4% 강의 한정
『라이프 튜토리얼』 웹/앱 게임 학생 누구나 접근 가능 행동훈련, 시뮬레이션

(출처: 경향게임스 ‘26.6, 고용노동부 ‘25, 한국금융신문 ‘24.1 등)

  • 민간이 이 자리를 채우지 않는 이유: 점주가 고객이므로. 토스의 교육은 자영업자 점주 대상으로, 수습기간에 최저임금을 어디까지 조정할 수 있는지 안내함. 알바천국 또한 구인광고 점주가 대상임.
  • 강의로 ‘인식’은 가능하지만, ‘행동’은 채워지지 않음: 매년 여러 방면으로 교육은 지원되고, 유튜브 컨텐츠들은 즐비하지만, 교육을 체화하지 못하기에 문제가 발생.

그림 2. 기존 교육과 라이프 튜토리얼 교육 방식의 차이 (좌: 기존 교육 방식(출처: 토스 공식홈페이지) / 우: 라이프 튜토리얼 방식)

2. 개발 내용 ▶ 아이디어 소개, 계획 등 간략히 기술 (필요 시 사진 등 첨부 가능)

1) 서비스 모델: 메인게임, 미니게임, 실전 가드, 상담 준비 리포트

  • 메인게임 “알바 연대기”: 악덕 점주 NPC를 자유 텍스트로 설득하여, 회피·지연·회유의 방어선 3단계를 뚫는 대화 방어전.
  • 미니게임 2종: “주휴수당 계산 던전”(직접 계산해 입력)과 “부당해고 대처”(분기형 시뮬레이션, 선택별 해설). 민감 주제는 롤플레이 없이 선택지 방식으로만 설계.
  • 실전 가드: 실제 알바 계약서를 촬영하면 OCR과 전문가 검증 룰셋으로 위험 신호를 진단하는 실사용 유틸리티.
  • 상담 준비 리포트(브릿지): 가드가 중대 위반을 발견하면 구조화 인터뷰로 사실관계·쟁점·증거 체크 리스트를 정리한 1~2장 리포트를 생성, 공공 무료 상담기관(청소년근로권익센터·법률구조공단 등)에 그대로 들고 갈 수 있는 형태.

그림 3. 라이프 튜토리얼 1차 구현(React+CSS) (좌: 사용자 여정 지도 / 우: 대화 방어전 구현 화면 (1차 테스트 버전))

2) 시스템 구성 및 아키텍처

그림 4. 시스템 구성도 (사용자 플로우)

  • 전체 구조: 반응형 웹 클라이언트 ↔ FastAPI 모듈러 모놀리식
  • 백엔드: 기능 모듈(BC) 6개(ontology, quest, npc, player, guard, insight)가 공통 코어를 중심으로 붙는 스타형 구조(헥사고날 아키텍처+DDD) ↔ Vector DB·LLM API·OCR 엔진
    • DB: 법제처·고용노동부·금감원 공공데이터(KOGL 유형1)를 청킹·임베딩 배치로 적재.
    • 대화 방어전 데이터 흐름: ① 유저 대화 시작 → ② 법령 조문 RAG 검색 → ③ 컨텍스트 조립(조문 + 페르소나 + 방어선 단계 + 대화 이력) → ④ LLM 클리어 판정(ONGOING / CLEAR / HINT_NEEDED) → ⑤ 3턴 미클리어 또는 판정 불확실 시 힌트 폴백.
  • 프론트엔드: React (Next.js) 및 Phaser 3.
  • 배포 및 장애 대응
    • 온프레미스(기본): 로컬 추론·임베딩·Vector DB·OCR로 폐쇄망 완결 구동 → 공공데이터 보안 요건 충족.
    • 클라우드 페일오버(자동): 온프레미스 장애·과부하 발생 시 어댑터 교체만으로 클라우드로 즉시 전환, 무중단 서비스 지속.

3) 활용 공공데이터

표 2. 활용 공공데이터 목록

데이터명 제공기관 청크수 중요성
근로기준법 (법, 시행령, 시행규칙) 법제처 (open.law.go.kr) 451 방어전 근거 조문
퇴직급여 보장법 (법, 시행령, 시행규칙) 법제처 399 향후 퀘스트 확장 및 퀴즈 조문
최저임금법 (법, 시행령, 시행규칙) 법제처 128 시급 관련 판정 근거
기간제법, 시행령 법제처 73 단시간 아르바이트 근로자 보호 조항
근로기준법 질의회시집(399건) 고용노동부 488 실전 함정과 1:1 대응 행정해석
통상임금 노사지도 지침 고용노동부 34 임금 계산 관련 판정 및 해석
근로기준법 시행령 별표 7종 고용노동부 18 5인 미만 사업장 적용 규정
최저임금, 단순노무직 고시 고용노동부 2 2026년 시급 원문

문서 16종 1,593개 청크 수집 및 임베딩 완료 — 추가 데이터 지속 수집 중

3. 주요 특징 및 핵심 기술 ▶ 아이디어 컨셉, 핵심 내용, 활용성, 특징 등 구체적으로 기술

1) 아이디어 컨셉: LLM과 RAG의 역할을 명확히 나눈 구조

  • 법률 교육 서비스에서 가장 걱정한 것은 AI가 틀린 법 조문을 지어내는 것, 그리고 법이 개정됐는데 옛날 내용으로 답하는 것이었음. 그래서 처음부터 역할을 나눔.
  • LLM은 NPC 연기와 유저 대사입력 이해만 담당하고, 법령 조문·수치·절차는 법제처 공공데이터 원문을 검색(RAG)해서 가져옴.
  • 화면과 리포트에 표시되는 법령 내용은 모두 DB에 저장된 원문을 조문 ID로 불러와 그대로 보여주는 것임. LLM이 법 조문을 생성하는 경로 자체가 없기에 할루시네이션 걱정 없이 운영할 수 있고, 법 개정 시에도 모델 재학습 없이 원문 데이터만 교체하면 됨.

그림 5. 대화 방어전 판정 과정 – 자유 입력부터 화면 반영까지 (2차 테스트 버전)

  • ① 자유입력: 정해진 보기없이 ‘나사장’에게 반박
  • ② 법 조문 검색(RAG): 법제처 원문에서 관련 조문을 찾아옴 — 임베딩모델(Qwen3)
  • ③ 판정 재료 준비: 조문+캐릭터 설정+대화내용을 묶음 — FastAPI
  • ④ AI 판정(LLM): {"defense_level": 2, "quest_status": "CLEAR"} — 모델(EXAONE 7.8B)
  • ⑤ 화면 즉시 반영: 게이지 감소 + 실제 법 조문 원문 표시
  • ⑥ 안전장치: 3번 막히면 힌트 제공, 인터넷 없이도 시연가능한 오프라인 모드 대비

흐름: 내가 입력 → 조문 검색 → 재료 준비 → AI 판정 → 화면 반영

2) 기술 정리

2-1) 핵심기술 ①: 법령 RAG 파이프라인

그림 6. 법령 데이터 파이프라인(핵심기술 ①)

  • 데이터 수집·적재 완료: 근로기준법·최저임금법 등 11개 법령 503개 조문에 최저임금 고시, 시행령 별표 7종, 고용노동부 질의회시집(행정해석 399건), 통상임금 지침까지 총 16종 문서를 1,593개 검색 단위로 나눠 임베딩·DB 적재를 마침.
  • 법률만이 아니라 시행령·시행규칙까지 수집, 직접 검증해 보니 주휴수당의 실제 요건(개근 조건)은 법률이 아니라 시행령 제30조에 있었음. 법률만 넣으면 판정 근거가 비게 됨.
  • 검색 단위 설계: 법제처 API가 제공하는 조→항→호 구조를 그대로 검색 단위로 사용함(항 단위, 조문 제목 유지). 법 자체가 이미 의미 단위로 쪼개져 있어서, 복잡한 청킹 알고리즘 없이도 정확한 검색이 가능했음.

2-2) 핵심기술 ②: 자유 텍스트 판정 (애매하면 절대 정답 처리하지 않는 원칙)

  • 판정 API 동작: 유저 자유 입력 → 관련 조문 RAG 검색 → 페르소나·대화 이력과 함께 조립 → 판정 결과(진행중/클리어/힌트 필요) 반환까지 1턴 왕복 응답 1~1.3초.
  • 교육 서비스에서 최악은 틀린 발화를 정답 처리해서 잘못된 법 지식을 심어주는 것임. 그래서 “애매하면 클리어시키지 않는다”는 원칙을 프롬프트가 아닌 코드로 박아둠.

그림 7. 방어전 판정 흐름도(핵심기술 ②)

  • 자유 입력(자유 텍스트) → 컨텍스트 조립(방어선 조건 + 이력 4턴 + RAG 근거 조문) → Call 1·판정(temp 0 · JSON 스키마 강제, Flash-Lite / EXAONE) → 안전장치(코드 강제: LOW+CLEAR → 강등, 파싱 실패 → HINT_NEEDED, 미정의 verdict → HINT_NEEDED)

  • 결과 분기: CLEAR(Call 2 대사: 후퇴 연기, 다음 방어선 전환) / ONGOING(Call 2 대사: 버티기, 게이지 유지) / HINT_NEEDED(대사 뱅크 재사용(호출 절약), 3턴 누적 시 힌트 노출)

  • 실제 검증 사례: “안 쓰면 저한테 벌금 나오는 거 아니에요?”라는 입력은 방향은 맞지만 벌금을 내는 쪽(사업주)을 잘못 알고 있는 함정 케이스인데, 판정 모델이 이를 정답 처리하지 않고 정확히 힌트로 걸러냄. 본선 전까지 방어선별 평가셋을 만들어 정확도를 수치로 확인할 계획임.

2-3) 핵심기술 ③: 시연 안정성

그림 8. 시연 안전성 이원화 흐름도(핵심기술 ③)

교체 지점 외부 API (기본 구동) .env 스위치 로컬 모델 (네트워크 장애 시·실구동 검증 완료)
EmbeddingPort (검색·임베딩) Gemini embedding-001 EMBEDDING_PROVIDER Qwen3-Embedding-4B, 로컬 GPU · 7.6GB 실측 ✓ 실구동
LlmJudgePort (클리어 판정) Gemini Flash-Lite JUDGE_PROVIDER EXAONE 3.5 7.8B, 로컬 GPU · 4.8GB 실측 (함정 발화 판별 검증) ✓ 실구동
NPC 연기 (대사 생성) Gemini Flash/Pro (몰입을 좌우하는 연출 — 외부 API 품질로 유지) 판정 결과로 선택 사전 작성 대사 뱅크: 판정 결과에 맞춰 선택 (LLM 불요)
  • 헥사고날 아키텍처로 시연 안정성 확보: 모든 AI 호출을 Port/Adapter로 격리함으로써 온라인(외부 API)·오프라인(로컬 GPU 모델)을 간단히 전환 가능. 현실적으로 가능한 범위에 맞춰 로컬, 외부API 모두 구현 가능.
  • 해커톤 준비에 앞서 장비의 한계를 미리 파악. 여러 모델을 사용해서 멀티 에이전트를 구성하면 좋겠지만, 현실적인 한계에 따라 모델의 구현 범위를 미리 테스트 완료. 『라이프 튜토리얼』에서 가장 중요한 부분은 NPC와의 유기적인 소통으로 이 부분만 외부 API사용, 나머지 임베딩과 판정부분은 로컬 모델과 외부 API 모두 가능함.
  • 검색(임베딩)과 판정은 외부 API(Gemini)와 로컬 GPU 모델(임베딩 Qwen3, 판정 EXAONE) 어느 쪽으로도 동작하며, 전환은 코드 수정 없이 설정 파일 한 줄 변경으로 가능. 두 구성 모두 실제로 구동해 검증을 마침. 앞의 함정 판별 사례(“벌금 나오는 거 아니에요?” → 힌트 처리)는 로컬 모델 구성에서 나온 결과로, 로컬 전환이 판정 품질의 타협이 아님을 확인함.
  • 전환이 빠른 이유: 임베딩 모델이 다르면 벡터를 새로 만들어야 하는데, 1,593개 청크 전부에 외부 API용·로컬용 벡터를 미리 둘 다 만들어 뒀음.

3) 보조기술: AI가 보조의 역할이지 실제 판단을 하지 않음!

3-1) 보조기술 ① 실전 가드 & 개인정보 보호 설계

  • OCR 기술을 활용하여 실제 계약서의 잘못된 부분을 확인하여 보조하는 역할

3-2) 보조기술 ② 상담 준비 리포트

  • 실제 피해를 입은 학생이 자기가 정확히 뭘 당했는지 모를 수도 있기에, LLM이 인터뷰 방식으로 대화를 유도하며 리포트로 작성
  • 인터뷰 내용은 노무사나 변호사가 보기 편한 방식으로 정리된 문서로 보조해주는 역할로 사용

4) 개발방식: AI의 시대에 맞춰 하네스 엔지니어링

  • 라이프 튜토리얼의 아키텍처는 헥사고날+클린+DDD를 기반으로 작성하였는데, 레이어드 아키텍처에 비해 과다한 아키텍처로 보일 수 있으나, 현 시대의 코드는 사람이 짜는게 아니라 AI가 코드를 짜고 사람은 컨텍스트(AI에게 무엇을 보여줄 것인가), 검증(AI의 출력을 어떻게 믿을 것인가)을 하는 역할로서 알맞음

4. 기대효과 및 활용방안 ▶ 경제적·기술적·사회적 파급효과, 고용 창출 가능성 등을 자유롭게 기술

1) 활용방안

  • 적용 분야: 에듀테크(생활법률·금융 행동훈련), 리걸테크(계약서 AI 진단), B2G 공공 교육 조달의 세 갈래를 겨냥함.
  • 비즈니스 모델은 3단 확장으로 설계: ① B2C 청소년 월 990원 구독(진입점) → ② B2G 교육청·지자체 바우처 라이선스 + 기관용 자동 집계 리포트(교사 관여 제로) → ③ B2B 성인판·기업 신입 온보딩.
  • 월 990원은 PC방 1시간 요금(통상 1,500원 안팎)보다 낮은, 학생이 고민 없이 결제하는 가격임. 청소년판에서 수익을 내려는 것이 아니라 “무료가 아니어서 끝까지 하게 되는” 최소 커밋 장치이자, 서버·유지개발비를 자체 충당하는 수준의 운영비임. 이 단계에서 수집하는 데이터도 매출용이 아니라 세 방향임.
    • ① 품질·안전성 (판정 오류·힌트 폴백 사례를 모아 방어선별 평가셋 고도화)
    • ② 게임성 (퀘스트별 완주·이탈 지점을 측정해 재미와 난이도 개선)
    • ③ 사회 기여 검증 (유저가 지켜낸 돈, 계약서 작성률 변화 등 문제의식이 실제로 해결되는지 측정)
  • 이렇게 검증된 품질과 성과 지표가 성인판(사회초년생)·B2G·B2B로 가는 발판. 수익화는 그 단계에서.
  • 운영 시나리오: 수능 직후~겨울방학이 이 서비스의 골든타임이므로 “8주 어른 수업” 시즌제(하루 1퀘스트 × 6~8주)로 묶어 운영함. 단, 본 기획서의 개발 범위는 핵심 가설 검증을 위한 MVP까지로 한정하며, 정식 출시 이후는 추진 일정의 향후 마일스톤으로 추진함.

2) B2G 시장의 실재성

  • 이미 정부는 매년 예산을 집행하고 있음. 그렇기에 B2G진입은 검증된 시장으로 즉시 진입 가능

그림 9. 예산집행 흐름도

  • ① 법적 근거: 노동인권교육 활성화 조례 — 서울(‘18)·인천(‘20) 등 시·도교육청 제정·시행 중
  • ② 집행 중인 예산: 찾아가는 노동교육 연 48,533명 — 서울노동권익센터 “예산 소진 시까지” 접수
  • ③ 정책 모멘텀: 임금체불 근절 대책(‘25.9) — 사업주 감독 강화 ↔ 근로자 예방 교육은 공백
  • 현재 예산의 종착지: 일회성 강의(반복 학습 불가·성과 측정 불가) → 라이프 튜토리얼(성과가 숫자로 집계되는 디지털 상품: 완주율·판정 정확도·유저가 지켜낸 돈)
  • ④ 조달 경로: 학교장터(S2B) 수의계약 — 추정가격 2,000만원 이하, 전국 21,000여 기관, 경쟁입찰 없이 결제만으로 구매

3) 사회적 파급효과 (ESG 중 Social)

  • 당한 뒤 구제가 아니라 당하기 전 훈련: 임금체불·보이스피싱은 당한 뒤의 구제 비용이 매우 큰 피해 유형임. 임금체불액은 ‘25년 2조 679억원으로 3년 연속 사상 최대(고용노동부, ‘26.1)이고, 피싱범죄 피해액은 ‘25년 7월 누적 약 8,000억원으로 역대 최고 수준(경찰청, ‘25.8). 본 서비스는 당하기 전 계약 단계의 훈련·진단으로 개입하며, 매년 갱신되는 수능 세대 34만 777명(한국교육과정평가원, ‘25.9)이 잠재 수혜자임.
  • 풀어야 할 곳은 40.4%가 아니라 7.0%임: 청소년 알바생의 19.5%가 근로계약서 없이 일하고, 미작성 이유 1위는 ‘작성해야 하는지 몰라서’(40.4%), 알면서도 시정을 요청해 본 경험은 7.0%에 그침(알바천국, n=292, ‘26.5). 즉 지식 전달만으로는 40.4%의 간극만 건드릴 뿐, 7.0%가 보여주는 “면전에서 요구하지 못하는” 간극은 남음
  • 가장 못 닿은 곳에 가장 잘 닿음: 근로계약서 미작성률은 학교 밖 청소년에서 24.4%로 가장 높고, 경상권 23.5%·전라권 23.1%로 수도권(16.8%)과 뚜렷한 격차가 있음(알바천국, ‘26.5). 강사 파견형 오프라인 교육이 구조적으로 닿기 어려운 집단·지역에서 피해가 가장 크다는 뜻이며, 소득·지역과 무관하게 도달하는 디지털 서비스(월 990원 예정)의 효과가 가장 큰 곳도 바로 이 곳임.
  • 세금으로 만든 무료 인프라가 실제로 쓰이게 함: 국가는 이미 청소년에게 무료 노무사·변호사를 붙여 주는 제도(청소년근로권익센터·법률구조공단 등)를 운영 중임. 부족한 것은 제도가 아니라 피해를 발견한 순간과 제도를 잇는 다리임. 진단(발견) → 기관 안내(라우팅) → 상담 준비 리포트(정리)로 그 다리를 놓아, 세금으로 만든 무료 인프라가 실제로 쓰이게 함.

4) 경제적 파급효과

  • 진단 1건이 지켜낸 돈의 크기: 주 15시간 근무 알바생이 주휴수당을 못 받으면 주당 30,960원(‘26년 최저시급 10,320원 기준, (15÷40)×8시간×시급), 6개월이면 약 80만원임. 위약금 조항·최저임금 미달까지 겹치는 계약이라면 1인당 피해는 수십만~수백만원 단위로 커짐. 가드의 진단 1건이 지켜내는 돈의 현실적 크기임.
  • 추정치 대신 실측 지표: 첫 시즌 이용자 1,000명·진단 완료율 30%·위반 발견 20%·시정 성공 50%라는 보수적 가정만으로도 연 수억원 규모가 계산됨. 다만 추정치를 앞세우지 않고, “유저가 지켜낸 돈”(진단으로 바로잡은 주휴수당·임금 금액)을 서비스 지표로 직접 집계해 경제 효과를 숫자로 증명할 계획임.
  • 행정 비용이 가장 싼 개입 지점: 체불 진정 처리·수사·소송은 건당 행정 비용이 큰 사후 구제임. 계약 단계의 사전 진단은 이 비용 구조에서 가장 저렴한 개입 지점이며, 상담 준비 리포트 지참으로 무료 상담 1건의 소요 시간까지 줄임.
  • 고용 창출: 챕터·퀘스트가 늘수록 법령 시나리오의 전문가 검수(노무사·변호사)와 콘텐츠 제작 협업이 필수인 구조로, 서비스 확장이 전문 검수·콘텐츠 제작 일자리로 이어짐.

5) 기술적 파급효과 및 학습 기술 활용

  • KDT 과정에서 배운 LLM 프롬프트, RAG, OCR, FastAPI, 웹 프론트, 이벤트 기반 데이터 분석을 따로가 아니라 한 서비스에 통합해 실전 적용함. 대화·이해는 모델에 맡기고 판정은 룰과 원문으로 하는 구성은, LLM의 강점(자연어 이해)과 한계(판정 신뢰성)를 구분해 쓰는 설계임.

5. 추진 일정 ▶ 개발 목표 및 기간 등 전체 개발 추진 체계 기술

1) 개발 목표 및 추진 원칙: “3분 데모 시나리오에 나오는 것만 만든다”

  • 개발 목표: 본선까지 대화 방어전 1퀘스트를 심사위원이 직접 타이핑해도 무너지지 않는 수준으로 완성하는 것. 범위를 P0(방어전 E2E·결과 화면·허브맵·오프라인 폴백) → P1(미니게임 2종·오입력 내성·판정 평가셋) 순으로 좁게 정의하고, P0만으로도 데모가 성립하도록 설계해 일정 리스크를 구조적으로 차단함.

2) 본선 MVP 마일스톤 및 향후 마일스톤

표 3. MVP 계획

주차 핵심과업 완료기준
W1(~8/3) 퀘스트 상세 설계·방어선 3단 확정, RAG 코어(법제처 API 청킹·임베딩) “주휴수당” 검색 시 제55조 top-1 검증
W2(8/4~8/10) 판정 API 1차(컨텍스트 조립 → LLM 판정 JSON), 가드 UI 목업·상담 준비 리포트 샘플 제작(보조 트랙) 판정 1턴 왕복 + Fake 어댑터 병행 구축
W3(8/11~8/17) 방어전 E2E: 방어선 상태머신·클리어 판정·3턴 힌트 폴백·오프라인 폴백 웹에서 1퀘스트 완주, 네트워크 차단 리허설 통과
W4(8/18~8/24) 판정 평가셋 실측·오입력 내성·계산 미니게임(주휴수당), 예선 결과 발표(8/21) 확인 후 본선 준비 본격화 방어선별 라벨 발화 20~30개로 판정 정확도 수치화
W5(8/25~8/31) 선택지 시뮬레이션(부당해고)·연출 폴리싱·통합 QA·발표자료·완주 리허설 완주 리허설 3회 무사고 + 오프라인 전체 데모 1회 통과

표 4. MVP 이후 계획

단계 시기 내용 진입조건
M2 학생판 정식출시 26.10~11 3대 카테고리 37~42퀘스트 확장, 연령인증·월 990원 구독, “8주 어른 수업” 시즌제, 노무사 검증 가드 베타, Flutter 앱 병행 M1 시연 완주 + MVP 퀘스트 완료율 ≥70% · 챕터 완주율 ≥40%
M3 B2G 무료파일럿 26.12~27상반기 교육청·권익센터 1~2곳 무료 배포, 완주율·진단 건수 자동 집계 리포트로 조달용 실적 확보, 또래 확산 기능 M2 4주 잔존율·구독 전환 지표
M4 B2G 조달진입 27하반기 학교장터 공급업체 등록, 2,000만원 이하 수의계약 패키지(예: 1인 5,000원 × 2,000명) M3 파일럿 자동 집계 리포트 실적
M5 확장 28~ 나라장터 경쟁입찰·교육청 단위 라이선스, 성인판(연봉계약·전세대출)·기업 신입 온보딩 B2B, 개발 직군 채용 M4 조달 실적 + 학생판 내 성인 유저 비율 15~20%

3) 팀 소개

표 5. 팀 소개

이름 역할 역량
김충식 (팀장) PM 및 전체 설계: 아키텍처, RAG 파이프라인, 퀘스트 커리큘럼 설계와 기획, 발표, 일정 관리 공공데이터 기반 AI 서비스(API 19종 실호출 검증, 할루시네이션 방지 구조)를 13차례 버전 진화로 완성한 설계 이력. 초기창업패키지 선정(1억원 집행) 등 정부 공모사업 실전 경험.
이은상 풀스택 개발: 대화 방어전 API, 클리어 판정 로직, Fake 어댑터 TDD, 폴백 전환 검증 게임회사 QA 8년. ERD 오류, 수치 할루시네이션, 호출 불가 API를 실측으로 잡아낸 이력이 있어 가드 룰셋 오판정 검증과 OCR 테스트셋 구축에 그대로 적용함.
신채연 풀스택 개발: 웹 화면(허브맵·배틀·미니게임), 응답 스트리밍 UX, 시연 빌드 완성도 선행 서비스에서 지도 폴리곤 153개 복원, ML 시각화, 공문서급 PDF 리포트를 구현한 풀스택 이력. 영어·중국어 능통

팀 BeyondFacade — 2026 제8회 K-디지털 트레이닝 해커톤. 본 사이트는 발표 심사 참고용 자료입니다.

This site uses Just the Docs, a documentation theme for Jekyll.