🎉 축하합니다, 파라파라팀! 수상의 영광을 함께 나누게 되어 기쁩니다.

2026 AI·SW중심대학 디지털 경진대회 SW부문에서 우수상과 인기상을 수상했습니다.

🎙 수상의 기쁨을 맛본 소감을 한마디로 표현해 주세요.

처음에는 아이디어를 실제로 구현해 본다는 것 자체에 의미를 두고 시작했는데, 최종적으로 우수상과 인기상을 함께 수상하게 되어 정말 기뻤습니다.

특히 RoomFit이 단순히 기술적인 완성도뿐 아니라, 실제 사용자가 공감할 수 있는 문제와 서비스로도 받아들여졌다는 점에서 더 의미 있는 결과라고 생각합니다. 짧은 기간 동안 많은 시행착오가 있었지만, 팀원들과 끝까지 하나의 결과물을 완성한 경험 자체가 큰 배움이었습니다.

🎙 팀의 이야기를 들려주세요.

저희는 경희대학교 파라파라팀으로, AI Agent를 활용해 일상에서 실제로 겪는 문제를 해결해 보고자 대회에 참가했습니다.

라이프스타일  혁신에 대해 생각해보던 중 저희 팀원 모두 자취를 하고 있어 작은 공간에서의 가구 배치 문제에 주목하게 되었습니다. 특히 1인 가구나 원룸에서는 가구 하나의 크기와 위치만 달라져도 동선과 공간 활용도가 크게 달라지지만, 사용자가 직접 방을 측정하고 가구를 비교하며 배치까지 결정하는 과정은 생각보다 어렵습니다.

그래서 단순히 예쁜 인테리어 이미지를 추천하는 것이 아니라, 실제 사용자의 방과 라이프스타일을 이해하고, 실제로 배치 가능한 결과를 함께 만들어가는 서비스를 만들고자 RoomFit을 기획했습니다.

🎙 여러분을 돋보이게 한 특별한 점은 무엇인가요?

RoomFit의 가장 큰 특징은 사용자, 가구, 공간을 함께 고려한다는 점이라고 생각합니다.

기존의 3D 인테리어 서비스에서는 사용자가 직접 가구를 선택하고 배치해야 하는 경우가 많습니다. RoomFit은 RoomPlan으로 얻은 실제 공간 구조와 사용자의 라이프스타일·취향을 Context로 구성하고, 이를 기반으로 가구 배치를 제안합니다.

또 하나 중요하게 생각한 부분은 LLM과 Rule Engine의 역할을 분리한 것입니다. 사용자의 “책상을 조금 더 크게 바꿔줘”와 같은 자연어 피드백은 LLM이 이해하고 구조화하지만, 실제 좌표 계산과 충돌·경계·문·창문·이동 동선 검증은 결정론적인 Rule Engine이 담당하도록 설계했습니다.

생성형 AI에게 모든 판단을 맡기기보다는, AI가 잘하는 ‘의도 이해’와 정확한 계산이 필요한 ‘공간 검증’을 분리한 것이 RoomFit의 기술적인 특징입니다.

🎙 이번 성과의 비결은 무엇이라고 생각하시나요?

완벽한 기능 하나를 만드는 것보다 전체 사용자 경험을 끝까지 연결하는 데 집중한 것이 좋은 결과로 이어졌다고 생각합니다.

실제 공간을 스캔하는 단계부터 라이프스타일 Context 입력, 가구 추천과 3D 배치, 공간 검증, 자연어 피드백을 통한 수정까지 하나의 흐름으로 보여줄 수 있도록 계속 통합했습니다.

개발 과정에서는 각 기능을 따로 완성하는 것보다 “사용자가 실제로 이 서비스를 사용한다면 다음 단계에서 무엇을 기대할까?”를 반복해서 생각했습니다. 또한 제한된 시간 안에서 구현 가능한 범위와 보여주고 싶은 방향을 계속 조정한 것도 중요했습니다.

🎙 대회 기간 중 특별히 기억에 남는 순간이 있다면 공유해 주세요.

가장 기억에 남는 순간은 본선을 준비하면서 처음 기획했던 아이디어가 실제 3D 공간에서 동작하는 하나의 서비스 흐름으로 연결됐을 때입니다.

RoomPlan으로 가져온 공간을 웹에서 확인하고, 사용자의 Context에 따라 가구가 배치되고, 자연어 피드백을 통해 다시 결과가 바뀌는 흐름이 연결되면서 “처음 생각했던 RoomFit의 모습이 실제로 만들어지고 있구나”라는 느낌을 받았습니다.

그리고 최종 수상 결과에서 우수상과 인기상을 함께 받은 순간도 기억에 남을 것 같습니다. 예상보다 늦게 준비를 시작하며 준비기간이 짧아 시간적으로 아쉬웠던 부분도 많았지만, 팀이 만든 서비스를 좋은 결과로 인정받았다는 점에서 뿌듯했습니다.

🎙 데이터 분석이나 학습 과정에서의 나만의 비법이 있다면요?

RoomFit은 특정 모델을 새롭게 학습시키는 프로젝트라기보다는 LLM과 공간 계산 로직을 어떻게 역할에 맞게 결합할 것인지가 중요한 프로젝트였습니다.

개발하면서 가장 중요하게 생각한 원칙은 AI가 잘할 수 있는 일과 그렇지 않은 일을 구분하는 것이었습니다.

자연어 의도나 사용자의 Context처럼 정답이 하나로 정해져 있지 않은 정보는 LLM을 활용하되, 가구 좌표·충돌·경계·동선처럼 정확성과 재현성이 필요한 부분은 Rule 기반으로 처리했습니다. 그리고 AI의 출력도 바로 적용하지 않고 실제 공간 제약을 다시 검증하는 구조를 만들었습니다.

이번 프로젝트를 통해 생성형 AI를 많이 사용하는 것보다 필요한 위치에 적절하게 사용하고, 결과를 검증할 수 있는 구조를 함께 만드는 것이 중요하다는 점을 배웠습니다.

🎙 수상을 기념하여 빌 수 있는 한 가지 소원이 있다면?

신정안: 대회 기간에는 시간이 부족해 구현하지 못한 부분들이 있었기 때문에, RoomFit을 여기서 끝내지 않고 실제로 더 완성도 높은 서비스로 발전시켜 보고 싶습니다.

현재의 mock 가구 데이터를 실제 판매 가구 Catalog로 확장하고, 상품 데이터를 지속적으로 업데이트할 수 있는 파이프라인을 구축하고 싶습니다. 또한 서랍을 실제로 열 수 있는 공간이나 옷장 문 개폐 영역처럼 가구 종류별 실제 사용 공간까지 고려하는 세부 배치 규칙도 고도화하고 싶습니다.

이번 수상이 프로젝트의 끝이 아니라 RoomFit을 한 단계 더 발전시키는 시작점이 되었으면 좋겠습니다.

최진영:

김병규:

박찬종:

🎙 앞으로의 목표와 꿈을 말씀해 주세요.

신정안: 단기적으로는 대회 기간 동안 구현하지 못했던 기능들을 보완해 RoomFit을 시연용 MVP가 아니라 기술적으로도 설명할 수 있는 완성도 높은 프로젝트로 만드는 것이 목표입니다. 실제 가구 Catalog 구축, 가구별 세부 공간 규칙, Placement Engine과 배치 평가의 고도화, 자연어 Feedback Agent의 안정화 등을 차근차근 진행해 보고 싶습니다.

장기적으로는 AI가 단순히 답변을 생성하는 것을 넘어 실제 서비스의 상태를 이해하고 도구를 활용해 문제를 해결하는 AI Agent 시스템을 만드는 AI Engineer로 성장하고 싶습니다. RoomFit에서 경험한 LLM, 공간 데이터, Rule 기반 검증, 사용자 피드백의 결합을 앞으로 더 다양한 실제 문제에 적용해 보고 싶습니다.

최진영:

김병규:

박찬종:

🎙 데이콘 커뮤니티에 바라는 점이 있다면 무엇인가요?

이번 대회를 통해 아이디어를 실제 서비스로 구현하고 다른 팀들의 결과물과 비교해 볼 수 있는 좋은 경험을 얻었습니다.

앞으로도 모델 성능을 겨루는 AI 경진대회뿐만 아니라, AI Agent나 생성형 AI를 실제 서비스 형태로 구현하고 평가받을 수 있는 대회가 꾸준히 열린다면 좋겠습니다.

또한 대회 종료 후에도 참가자들이 구현 과정이나 기술적인 시행착오를 공유하고 서로 배울 수 있는 기회가 더 많아진다면 데이콘 커뮤니티를 통해 얻을 수 있는 경험이 더욱 커질 것 같습니다. 좋은 대회를 운영해 주셔서 감사합니다.