2026 AI·SW중심대학 디지털 경진대회 : SW부문

안녕하세요, TrueNorth입니다 :)

이렇게 꼼꼼하게 읽고 따뜻한 피드백까지 남겨주셔서 정말 감사합니다. 댓글을 읽으면서 저희가 신경 썼던 부분들을 이렇게 정확하게 짚어주셨구나 하고 느껴서 팀원들 모두 많이 뿌듯했어요

말씀해주신 것처럼, 저희가 가장 고민했던 지점이 바로 '단순히 공고를 보여주는 것에서 그치지 않는 것'이었어요. 공고를 찾아주는 서비스는 이미 많지만, 담당자가 그 공고를 실제로 놓치지 않고 지원까지 연결하게 만드는 경험 설계가 더 중요하다고 생각했거든요. 그래서 매칭·분석·검색·마감 임박 탭·캘린더·Discord 알림까지 하나의 흐름 안에서 해결되도록 구성한 건데, 그 맥락을 정확히 읽어주셔서 감사합니다.

AI Agent의 신뢰성과 안전성 부분은 저희 팀이 가장 많은 시간을 들인 파트예요. 자연어로 편리하게 공고를 찾고 저장할 수 있는 건 좋지만, AI가 사용자 모르게 저장하거나 알림을 보내버리면 신뢰가 깨진다고 생각해서 Human-in-the-Loop 구조를 도입했습니다. 아무리 AI가 똑똑해도 '사용자가 통제할 수 있어야 한다'는 원칙을 끝까지 지키고 싶었고, 그 부분을 알아봐 주셔서 정말 기뻤습니다! :)

AllDayHappyDay팀도 AI Agent를 활용해 사용자의 상태와 필요를 분석하는 서비스를 기획 중이시군요! 방향이 정말 흥미롭네요. 저희도 Agent가 사용자의 맥락을 이해하고 능동적으로 움직이게 만드는 게 핵심 과제였는데, 비슷한 고민을 하고 계신다니 같은 결을 가진 팀이라는 느낌이 들어요. 꼭 좋은 결과 내시길 진심으로 응원합니다! :D

안녕하세요, 준준티비팀! TrueNorth 트루노스팀입니다:)
기획서를 꼼꼼히 읽고 기술적인 부분까지 깊이 있는 질문을 남겨주셔서 정말 감사합니다. 

질문 주신 생성-검증 구조의 오버헤드 문제에 대해 정확히 말씀드리면, 일반 사용자가 보는 기본 매칭 화면(탭1·2)에는 사실 이 오버헤드가 거의 없습니다. Phase 1(LLM 정밀 채점)과 Phase 2(무결성 감사관 검증)는 배치 수집 단계에서 미리 계산되어 DB에 저장되고, 사용자가 접속했을 때는 이미 계산된 결과를 규칙 기반으로 필터링·정렬만 하는 구조라 응답이 1~2초 내로 나옵니다.
실제로 Phase 1·2가 실시간으로 도는 지점은 AI Agent 채팅(탭6)에서 사용자가 직접 "공고 찾아줘" 같은 요청을 할 때입니다. 이 경우 LLM 호출이 여러 턴 걸리다 보니 지연이 생기는 건 사실이고, 저희가 이를 완화하기 위해 적용한 방식은 크게 두 가지입니다.

첫째로, Phase 0에서 파이썬 규칙 산식으로 수천 건의 공고를 상위 15건 이내로 먼저 압축합니다. LLM에 투입되는 후보 자체를 줄여서 호출 비용과 지연을 최소화하는 구조입니다. 둘째로, Phase 1의 채점과 Phase 2의 검증 모두 ThreadPoolExecutor를 활용한 병렬 Fan-out 방식으로 처리해 후보 3~5건을 동시에 처리합니다. 덕분에 순차 처리 대비 응답 시간을 크게 단축할 수 있었습니다.
다만 채점 결과를 받아 검증을 요청하는 과정에서 LLM 왕복이 한 번 더 생기는 구조적인 지연은 남아있는데, 향후에는 이 부분을 하나의 호출로 합치거나, 채점 신뢰도가 높은 결과(점수 편차가 작은 경우)는 검증을 생략하는 조건부 실행 방식을 도입해 오버헤드를 줄이는 방안을 고려하고 있습니다. 날카로운 질문 덕분에 저희도 다시 한번 점검하는 계기가 됐습니다!

저희도 꼭 준준티비팀 프로젝트에 들러 피드백 남기겠습니다. 좋은 결과 있으시길 진심으로 응원합니다!

안녕하세요, GAON팀! TrueNorth 트루노스팀입니다 :)
생성-검증 구조를 이렇게 정확히 짚어주셔서 감사합니다. 말씀하신 것처럼 저희도 "한 번 잘못 판단하면 사용자가 실제 행동(지원 여부, 서류 준비)을 그르치게 된다"는 지점이 제일 무거웠어요. 그래서 채점한 AI를 그대로 믿지 않고, 별도의 AI가 원문을 다시 열어서 대조하고 모순이 있으면 점수를 강제로 재작성하게 만들었습니다.
알림장 파싱해서 번역·행동 카드까지 만드신다니, 저희랑 검증이 무거운 이유가 정확히 같네요. "잘못 짚으면 실제 행동으로 이어진다"는 부담을 안고 있는 서비스라, 검증 단계를 대충 넘길 수 없다는 게 뭔지 저희도 정말 공감됩니다.
정부 지원사업이 요즘 선발되기 어렵다는 말씀도 맞아요. 그래서 더더욱 놓치는 공고 없이, 자격 안 되는 공고에 시간 낭비 안 하는 게 중요하다고 생각해서 만든 서비스입니다.
GAON도 방문해서 살펴보겠습니다. 다문화가정 학부모님들께 실질적으로 도움이 될 것 같은 주제네요. 예선 마무리까지 화이팅입니다!

안녕하세요, TrueNorth 트루노스팀입니다 :)
우선 Agent Loop와 감독자(Supervisor) 게이트까지 짚어주셔서 정말 감사합니다. 저희가 가장 신경 쓴 부분이 정확히 그 지점이었거든요. 8개 도구의 실행 순서를 감독자 에이전트가 스스로 계획하되, 저장·알림처럼 되돌리기 어려운 행동은 도구 호출이 감지되는 즉시 실행을 멈추고 사용자 승인을 기다리게 만들었습니다. AI가 똑똑한 것과, AI를 믿고 맡길 수 있는 건 다른 문제라고 생각해서요.
또한, K-Startup을 직접 찾아보신 경험이 있으시다니 반갑네요. 공고는 쏟아지는데 정작 우리 회사가 대상인지는 한 줄 한 줄 다 읽어봐야 알 수 있다는 게, 저희가 이 서비스를 만들게 된 진짜 이유였거든요.
저희도 모찌 프로젝트 방문해서 살펴보겠습니다. 좋은 결과 있으시길 응원합니다 :D

안녕하세요, RoomFit팀! TrueNorth 트루노스팀입니다 :)
꼼꼼히 봐주시고 좋은 말씀 남겨주셔서 감사합니다. 규칙 필터→채점→검증→승인 실행까지 하나의 흐름으로 봐주셨다니, 저희가 전달하고 싶었던 구조가 정확히 읽힌 것 같아 뿌듯하네요.
말씀하신 것처럼 "부작용 있는 행동은 승인 이후에만"이 저희가 제일 신경 쓴 원칙이었어요. AI가 편의성을 주는 것과, 사용자 모르게 뭔가를 실행해버리는 건 완전히 다른 문제라고 생각했거든요.
RoomFit도 맥락을 이해하고 실제 실행까지 이어지는 Agent를 준비하신다니, 저희와 같은 고민을 하고 계신 것 같아 반갑습니다. 실제 공간을 다루는 AI Agent는 저장·알림보다 되돌리기 어려운 결정이 많을 것 같은데, 그 부분을 어떻게 풀어가실지도 궁금하네요.
RoomFit도 방문해서 살펴보겠습니다. 마지막까지 좋은 결과 있으시길 진심으로 응원합니다!