Problem · Discovery
01문제와 발견
- 무엇이 문제였나
- 지역 유적을 퍼즐로 엮은 야외 방탈출과 B2C 전환을 위한 콘텐츠 생산 체계를 만들고 싶었지만, 기획·현장 방문에 드는 리소스가 컸다.
- 어떻게 발견했나
- 1회차 전략 논의 후 고객사를 방문해 요구사항을 정의하고, 지역 관광순환버스 브로셔를 분석해 AI 코딩용 PRD(요구사항 정의서)를 도출했다.

기업명과 개인 정보는 공개하지 않으며, 기록에 없는 수치나 성과는 넣지 않았습니다.
비용 0원의 시나리오형 6개 언어 챗봇으로 학부모 반복 문의와 언어 장벽을 동시에 풀다
수강신청·로그인·출결 확인 등 학부모 반복 문의를 담당자가 일일이 응대했고, 외국인 학부모와는 언어 장벽이 있었다. 생성형 AI처럼 비용을 예측할 수 없는 방식은 원치 않았다.
사례 자세히 보기 → 비용 0원의 시나리오형 6개 언어 챗봇으로 학부모 반복 문의와 언어 장벽을 동시에 풀다월 구독형 전자문서 서비스를 자체 결과보고서 웹앱으로 대체하다
정리수납 서비스 결과보고서를 유료 전자문서 서비스로 처리해 구독 비용이 계속 나가고, 고객 사진·서명이 제3자 서버에 저장되며, 양식 변경도 서비스 규격에 묶여 있었다. 사진은 한 번에 한 장만 올릴 수 있었다.
사례 자세히 보기 → 월 구독형 전자문서 서비스를 자체 결과보고서 웹앱으로 대체하다홈페이지 빌더에 갇힌 고객 데이터를 별도 DB로 빼내 AI 교정·분류·승인 흐름을 만들다
홈페이지 빌더(아임웹)로 운영 중인 서비스를 통째로 커스텀 개발·앱 출시까지 옮기고 싶었지만 외부 개발 비용 부담이 컸고, 제출되는 고객 데이터를 검토·분류할 체계가 없었다.
사례 자세히 보기 → 홈페이지 빌더에 갇힌 고객 데이터를 별도 DB로 빼내 AI 교정·분류·승인 흐름을 만들다