‘밤 새지 않는 10일간의 해커톤,’ AI 포텐데이가 올해 8월 4회를 맞았습니다. AI 포텐데이는 네이버클라우드가 함께하는 온라인 해커톤으로, AI 기술 활용을 확대하고 예비 개발자들을 지원하기 위해 작년부터 이어오고 있는데요.
지난 8월에 열린 AI 포텐데이에서는 ‘런드리더’ 팀이 AI 기반 세탁 가이드 서비스를 선보이며 최종 우승을 차지했습니다. ‘아끼던 바지를 잘못 세탁해 곤란했던 경험’에서 출발한 아이디어는 HyperCLOVA X와 CLOVA OCR 등 네이버클라우드의 AI 기술을 결합해 일상 속 불편을 해결하는 ‘런드리더‘ 서비스로 발전했습니다.
네이버 1784에서 만난 기획자 안은수 님, 디자이너 김재이 님, 백엔드 개발자 엄채원 님, 프론트엔드 개발자 이춘구 님과 함께 CLOVA Studio로 완성한 런드리더의 탄생 스토리를 들어보았습니다.
세탁 실수 없는 생활을 위한 AI 세탁 도우미의 탄생
김재이(디자인): 런드리더는 사용자가 옷의 케어 라벨을 촬영하거나 의류 이미지를 업로드하면, AI가 원단의 특성에 맞는 세탁법을 안내해 주는 서비스입니다. 특히 자취생이나 1인 가구라면 한 번쯤 겪어봤을 거예요. 작은 글씨와 복잡한 기호로 가득한 주의 라벨은 읽기도 어렵고, 잘못 세탁하면 옷이 손상되기 쉽죠. 런드리더는 이런 불편을 해결하고 ‘세탁 실수 없는 생활’을 돕기 위해 탄생한 맞춤형 AI 세탁 어시스턴트입니다.
안은수(기획): 기존 세탁 관련 서비스는 ‘세탁을 대신해 주는 것’에 가까웠다면, 런드리더는 사용자가 세탁하는 과정에서 겪는 불편을 스스로 해결할 수 있도록 ‘맞춤형 솔루션‘을 제공한다는 점에서 차이가 있어요. 단순히 세탁법을 알려주는 데 그치지 않고, 건조와 보관까지 단계별로 가이드를 제공합니다. 여러 옷을 함께 세탁할 때는 ‘빨래 바구니’ 기능을 통해 혼합 가능 여부와 관리 방법을 확인할 수도 있죠. 아울러 소재별 관리법이 궁금할 땐 ‘실시간 챗봇’과 ‘세탁 백과’ 기능을 통해 언제든 물어볼 수 있습니다.
HyperCLOVA X로 구현한 라벨 분석의 핵심
이춘구(프론트엔드 개발): 런드리더의 핵심은 세탁 라벨 분석입니다. 이를 위해 CLOVA OCR로 라벨의 텍스트를 인식하고, HyperCLOVA X Vision을 활용해 아이콘 정보를 구조적으로 추출했습니다.
CLOVA OCR은 이미지 속 텍스트를 높은 정확도로 인식해 구조화된 데이터로 변환하는 네이버의 AI 문자 인식 기술인데요. 작은 글씨나 굴곡진 표면, 복잡한 배경에서도 안정적인 인식률을 유지해 세탁 라벨처럼 다양한 재질과 환경에서 촬영된 이미지에서도 뛰어난 성능을 발휘합니다.
HyperCLOVA X Vision은 시각 정보의 의미를 이해하고 이미지 내 객체 간의 관계를 파악하는 멀티모달 모델입니다. 이미지를 ‘보는’ 수준을 넘어 각 기호나 문양이 어떤 의미를 가지는지를 언어 정보와 함께 해석할 수 있어 세탁 라벨처럼 텍스트와 아이콘이 혼재된 이미지 분석에 최적화되어 있죠. 이렇게 얻은 정보를 HyperCLOVA X가 종합적으로 분석해, 원단 특성에 맞는 세탁 방법과 주의 사항을 정리한 맞춤형 가이드를 제공합니다.
또한 HyperCLOVA X는 다양한 목적에 맞게 선택할 수 있는 여러 모델을 제공하는데요.
- HCX-005 모델을 활용하여 라벨 이미지를 정밀하게 분석해 기호와 문구를 정확히 이해하고,
- HCX-007 추론 모델로 복잡한 데이터를 분류하고 세탁 솔루션을 도출하며,
- HCX-DASH 경량화 모델을 적용하여 빠른 응답이 필요한 실시간 챗봇 기능을 구현했습니다.
각 모델의 특성을 단계별로 조합한 덕분에 런드리더는 정확도와 속도를 모두 갖춘 AI 세탁 어시스턴트로 완성될 수 있었습니다.
AI 응답 안정성 높인 프롬프트 설계 비결
엄채원(백엔드 개발): 런드리더는 OCRㆍ비전 분석 모델ㆍ추론형 모델을 통합적으로 활용하여, GPT와 같은 기존의 생성형 AI 모델의 답변보다 훨씬 정교한 세탁 가이드를 제공합니다. 이를 위해 가장 많은 시간을 들인 부분은 AI 모델을 실제 서비스에 녹여내는 과정에서의 프롬프트 설계였는데요. 저희는 역할 및 목표 정의, 입력 데이터 명확화, 단계별 지시 구조화, 중요 규칙 반복 강조 라는 이 4가지 원칙에 따라 프롬프트를 설계했습니다.
[역할 및 목표 정의, 입력 데이터 명확화, 단계별 지시 구조화, 중요 규칙 반복 강조 원칙에 따른 프롬프트 설계 화면]
구체적으로는 각 프롬프트를 독립적인 모듈 단위로 분리한 뒤 사람이 읽고 쓰기 쉬운 텍스트 기반의 데이터 교환 형식인 JSON(JavaScript Object Notation) 형식으로 표준화해 단계적으로 연결했습니다. 입력 데이터는 가능한 한 구체적으로 정의해 AI가 혼동하지 않도록 했고, 작업 단계를 순차적으로 지시해 정확성을 높였어요. 마지막으로 중요한 규칙은 반복적으로 강조해 오류 발생 가능성을 최소화했죠. 이러한 구조적 접근 덕분에 AI 모델은 각 단계의 역할을 명확히 이해하며 보다 안정적이고 일관된 결과를 생성할 수 있었습니다.
이미지 처리 최적화로 빠른 응답 확보
이춘구: 서비스를 구현하면서 가장 많이 부딪힌 문제는 AI의 분석 속도를 높이는 일이었습니다. 세탁 라벨 이미지를 인식하고 세탁법을 제시하기까지의 응답이 지연되면 사용자 경험에 직접적인 불편으로 이어지기 때문에 분석 속도 개선에 집중했어요. 우선 이미지 용량과 응답 시간의 상관관계를 여러 차례 테스트하여 최적의 이미지 크기를 도출했습니다. 또한 세탁 라벨과 의류 사진을 각각 따로 분석하던 기존의 과정을 하나의 통합 플로우로 개선해, 전체 처리 시간을 절반 가까이 줄일 수 있었습니다.
사용자 친화적인 UX/UI로 완성한 사용자 경험
이춘구: 사용자들이 AI 기능을 자연스럽게 받아들일 수 있도록 UI/UX에도 많은 공을 들였습니다. AI가 제안하는 세탁 가이드를 ‘세탁 전문가가 직접 알려주는 듯한 경험’으로 느낄 수 있도록 문체는 친근하고 대화체에 가깝게 다듬었어요. 또한 사용자에게 긍정적인 인상을 주기 위해 ‘버블리’라는 귀여운 캐릭터를 도입하여 사용자 친화적인 UI를 구성하기 위해 노력했습니다.
AI의 분석이 진행되는 대기 시간에는 세탁 상식 퀴즈 등 게이미피케이션 요소를 추가해 사용자의 이탈을 최소화했죠. 그 결과 “기다리는 시간이 덜 지루했다”라는 피드백을 받으며 사용자 경험의 완성도를 높일 수 있었습니다.
빠른 검증과 서비스 구현이 필요하다면
[텍스트 기반의 CLOVA Studio 프롬프트 화면]
엄채원: 사실 이번 프로젝트가 AI 기반 서비스를 처음으로 개발한 경험이었어요. 그런데 CLOVA Studio의 직관적인 인터페이스와 쉬운 사용성 덕분에, AI 모델 경험이 많지 않아도 어렵지 않게 서비스를 구현할 수 있었습니다. CLOVA Studio의 가장 큰 장점은 별도의 프로그래밍 언어나 환경을 배우지 않아도 텍스트 기반으로 모델을 직접 다룰 수 있다는 점이에요. 웹 환경에서 바로 프롬프트를 작성하고 테스트할 수 있었기 때문에, 10일이라는 짧은 해커톤 기간 안에도 여러 기능을 빠르게 검증하고 서비스로 완성할 수 있었습니다.
CLOVA Studio와 함께, AI가 생활 속으로 스며들다
‘세탁 실수 없는 생활’이라는 구체적인 문제를 기술로 풀어낸 런드리더 팀의 이야기는 AI가 일상 속 불편함을 어떻게 실질적으로 해결할 수 있는지를 보여준 사례였습니다. CLOVA Studio의 손쉬운 개발 환경과 빠른 검증 프로세스 그리고 HyperCLOVA X의 다양한 모델 조합 덕분에 세탁 라벨 인식부터 챗봇 응답까지 정확성, 속도, 사용자 친화성을 모두 갖춘 서비스를 완성할 수 있었죠. 세탁이라는 평범한 일상 속 문제를 기술로 해결하려 했던 런드리더 팀의 시도가 AI로 생활 속 불편을 해소하고자 하는 많은 분들께 새로운 인사이트가 되길 바랍니다.