[러닝랩] 과학기술 혁신 리빙랩(생활실험실) 방법론 3.0 연구회

(정기 4차) AI/알고리즘 전문가 초청 자문 회의 및 로직 타당성 자문

▣ 일시 : 2026. 06. 28. 15:00 ~ 20:00

▣ 장소 : 금산산림문화타운 

▣ 주제 : AI/알고리즘 전문가 초청 자문회의 및 로직 타당성 자문

▣ 참석자 : 연구회 참석자 총 9명 (강성일, 정종백, 김인수, 김승수, 심형훈, 이철주, 유태우, 안진용, 이종현)

▣ 주요 내용

1. 학습개요

⚪ 주제: AI/알고리즘 전문가 초청 자문 회의 및 로직 타당성 자문

⚪ 핵심 키워드: 리빙랩 3.0, 파라미터 구조화, 기술사업화, 프롬프트 엔지니어링, 개념 검증(PoC) 

⚪ 활동 개요: AI/알고리즘 전문가 초청하여 리빙랩 단계별 최적 활동 추천 결과의 타당성 자문

2. 학습 모임 내용

2.1 학습 목표

⚪ AI/ 알고리즘 전문가 초청 자문 회의 및 로직 타당성 자문 검토

2.2 학습 내용

2.2.1 기존 리빙랩 2.0 워크북 데이터의 AI 학습용 파라미터 구조화 방안

⚪ 내용: 사용자 입력 데이터 분석을 통한 AI 추천 로직 기반 구축

⚪ 활동: 플랫폼의 입력 화면에 적용될 비전, 목표, 팀 상황 등의 세부 데이터 항목 정의

⚪ 학습 포인트: 기존 워크북 데이터를 바탕으로 AI가 인식할 수 있는 파라미터를 구조화하고, 리빙랩 전과정 프로세스별로 최적의 행동 지침 및 도구를 추천하는 로직 설계 연계

2.2.2 [전문가 자문] 외부 AI 전문가 윤재민님 초청, 전문가 관점의 자문 요청

⚪ 내용: AI 추천 결과의 정확도 향상 및 알고리즘 최적화를 위한 변수 도출 및 검토

⚪ 활동: 기존 리빙랩의 다양한 비정형 데이터를 AI(거대언어모델)가 오차 없이 이해하고 처리할 수 있도록, 데이터의 입력 구조를 체계화하는 파라미터 설계 자문 진행

⚪ 학습 포인트: 추천 프로세스의 신뢰성을 높이기 위해, 현장 실무자가 입력하는 초기 데이터가 최종 출력물의 품질을 결정

2.2.3 LLM 입력용 최적 프롬프트 엔지니어링 연계

⚪ 내용: 단계별 추천 결과의 정확도를 높이기 위한 프롬프트 설계

⚪ 활동: 전문가 자문으로 도출된 기술사업화 파라미터를 활용하여 LLM 입력용 최적 프롬프트 도출 방안 논의

⚪ 학습 포인트: 리빙랩 수행 기대효과 및 성과 예측 로직의 타당성을 검토하고, 플랫폼 핵심 기능별 세부 개념 정의서 구체화

2.2.4 향후 플랫폼 설계 및 검증(PoC) 적용 계획

⚪ 내용: AI 플랫폼 와이어프레임 설계 및 사용자 시나리오 구체화

⚪ 활동: 리빙랩 플랫폼 서비스별 시각적 화면 설계에 필요한 데이터 요소 확정

⚪ 학습 포인트: 설계된 프레임워크를 바탕으로 향후 실제 리빙랩 수행자를 대상으로 한 개념 검증(PoC) 실시 및 피드백 수집 일정 점검

3. 학습 성과

⚪ AI 인식 및 학습을 위한 기존 리빙랩 데이터 파라미터(목표, 팀 구성, 자원 등) 항목 정의 완료

⚪ TLO 기술이전, 사업화 등 전문가 자문을 통해 기술사업화 관점의 핵심 입력 변수 탐색 및 설계 방향 구체화

⚪ 최적 프롬프트 도출 방안 마련 및 실제 사용자 대상 플랫폼 개념 검증(PoC) 도입 일정 수립

ㅡ 학습활동사진