처음 문제
초기 기획된 '실시간 채용 플랫폼 API 전수 연동'과 '다차원 역량 분석 엔진'은 정부지원금 규모를 상회하는 고가의 데이터 연동 비용과 최소 6개월 이상의 개발 기간을 요구하는 과잉 설계였습니다. 이는 사업 기간 내 런칭을 불가능하게 만들고, 차기 지원금 확보를 위한 지표 산출을 방해하는 예산 폭주의 주요 원인이었습니다.
기술 스택 최적화와 AI 자동화 설계를 통해 초기 예상 예산의 약 57%를 성공적으로 절감
AI 기반 커리어 관리 플랫폼 'My Line (마이라인)'
제한된 정부지원금 내에서 무리한 외부 데이터 연동(API) 대신 '사용자 마이데이터' 중심의 AI 시각화 구조를 선택함으로써, 개발 예산의 57%를 절감하는 동시에 사업 기간 내 실제 구동되는 앱을 마켓에 런칭했습니다. 이는 단순한 비용 아낌이 아니라, 사업 종료 시 보고해야 할 '실제 사용자 지표'와 '기술 구현 성과'를 확정 짓는 전략적 판단이었습니다.
구조 설계우선순위 정리실행 구조
왜 기존 방식으로 안 되는가
기존의 커리어 관리 방식은 개인이 여러 플랫폼에 흩어진 경력 이력을 수동으로 정리해야 하며, 이를 체계화하기 위해 컨설팅 인력에 의존하는 구조입니다. 정부지원사업 기간 내에 이러한 인적 관리 시스템을 고도화하려 할 경우, 데이터 정제 인건비가 폭증하고 사업 종료 시점까지 결과물을 도출하지 못하는 '일정 미달성' 리스크가 매우 컸습니다.
DevCraft 구조 판단
물리적인 컨설팅 인력을 투입하는 대신, 아이오닉(Ionic)의 단일 코드 베이스와 AI 자동 추출 로직을 결합하여 '사용자가 데이터를 입력하는 순간 커리어 타임라인이 즉시 시각화되는 자동 확장형 구조'로 설계 하였습니다.
구조 판단 기준: 정부지원사업의 성공적인 최종 보고와 차기 투자 유치를 위해 '실제 구동되는 AI 핵심 기능'에 리소스를 집중했습니다. 범용적인 데이터 연동 대신 사용자가 직접 관리하는 '마이 데이터' 기반의 커리어 시각화에 기술력을 우선 배분하여 개발 공수를 50% 이상 낮췄습니다.
무엇을 남기고 무엇을 뺐는가
남긴 것
- AI 커리어 타임라인 생성
- 입력된 경력을 바탕으로 AI가 핵심 역량을 추출하고 시각화하는 핵심 로직
- 커리어 라인 인터랙티브 시각화
- 사용자의 전체 경력을 연도별/직무별 타임라인으로 생성 및 수정 UI 최적화
- 하이브리드 앱 환경 구축
- 하나의 소스로 iOS와 안드로이드를 동시 대응하는 아이오닉 엔진 적용
뺀 것
- 외부 채용 사이트 실시간 크롤링
- 막대한 유지보수 비용과 일정 지연을 방지하기 위해 사용자 직접 입력 방식으로 대체
- 복합 유료 결제 모듈
- 정부지원사업 기간 내 사용자 지표 확보에 집중하기 위해 초기 결제 로직 제외
- 고비용 자연어 처리(NLP) 서버
- 별도의 서버 구축 대신 경량화된 AI 모델을 활용하여 인프라 비용 절감
실행 결과
- 정부지원사업 종료 전 기술 검증 완료
- 한정된 예산 내 AI 핵심 기능 구현 성공
- 2024년 생애 최초 청년 창업 지원사업 선정
제한된 정부지원금 내에서 무리한 외부 데이터 연동(API) 대신 '사용자 마이데이터' 중심의 AI 시각화 구조를 선택함으로써, 개발 예산의 57%를 절감하는 동시에 사업 기간 내 실제 구동되는 앱을 마켓에 런칭했습니다. 이는 단순한 비용 아낌이 아니라, 사업 종료 시 보고해야 할 '실제 사용자 지표'와 '기술 구현 성과'를 확정 짓는 전략적 판단이었습니다.
다음 단계
구조가 정리되면 그 다음은 훨씬 명확해집니다.
- 데브크래프트만의 MVP 구조 설계를 기반으로 일체형 프로세스 (기획-디자인-개발) 진행
- 정해진 예산과 일정 내에 안정적인 시스템을 구축하고 시장에 성공적으로 런칭
- 런칭 후 확보된 유저 데이터를 분석하여 AI 역량 진단 모델 정교화
- 민간 투자(TIPS 등) 유치를 위한 고도화된 직무 추천 알고리즘을 도입
지금도 비슷한 상태라면
개발 전에 구조부터 점검해보셔야 합니다
현재 상황을 먼저 정리하고
무엇을 만들지 함께 판단해보세요
무료 구조 상담으로 지금 개발을 시작해도 되는지,
먼저 줄여야 할 범위가 있는지부터 확인해드립니다.