[러닝랩] 과학기술 혁신 리빙랩(생활실험실) 방법론 3.0 연구회

(정기 2차) AI 학습용 파라미터 구조화 실무 검토

▣ 일시 : 2026. 05. 06 17:30 ~ 21:00

▣ 장소 : 한국특허기술진흥원 대회의실 

▣ 주제 : AI 학습용 파라미터 구조화 실무 검토

▣ 참석자 : 연구회 참석자 총 7명 (강성일, 정종백, 이철주, 김승수, 김인수, 안진용, 이종현)

▣ 주요 내용

1. 학습개요

⚪ 주제: AI 학습용 파라미터 구조화 실무 검토

⚪ 핵심 키워드: 워크북 데이터, AI 파라미터 구조화, 리빙랩 프로세스 매핑, 플랫폼 데이터 명세화, LLM 프롬프트

⚪ 활동 개요: 기존 워크북 데이터를 AI가 인식 가능한 목표, 팀 구성, 자원 등으로 구조화하는 세부 작업을 수행함.

2. 학습 모임 내용

2.1 학습 목표

⚪ 리빙랩 현장의 비정형 텍스트 데이터를 AI 파라미터로 변환하고 규격을 통일함.

⚪ 리빙랩 프로세스별 파라미터를 매핑하여 로직의 타당성과 연관성을 검토함.

⚪ 플랫폼 프레임워크 연동을 위한 데이터 명세화 및 LLM 프롬프트 설계를 위한 기반을 마련함.

2.2 학습 내용

2.2.1 AI 학습용 워크북 데이터의 정형화 및 규격화 세부 작업

⚪ 내용: 리빙랩 현장에서 축적된 워크북의 비정형 텍스트 데이터를 목표, 팀 구성, 자원 등의 세부 항목으로 쪼개어 정형화함.

⚪ 활동: AI 추천 알고리즘이 즉각적으로 데이터를 처리할 수 있도록 각 파라미터 항목의 규격을 통일함.

⚪ 학습 포인트: 머신러닝 입력에 적합한 데이터 구조 기준을 확립함.

2.2.2 리빙랩 프로세스별 파라미터 매핑 및 로직 타당성 검토

⚪ 내용: 구조화된 팀 구성 및 가용 자원 파라미터가 리빙랩 4대 프로세스(문제 탐색, 공동 창조, 현장 실증, 평가)의 각 단계에 정확히 매칭되어 작동하는지 실무 관점에서 검토함.

⚪ 활동: 사용자 입력 변수와 최적 활동 추천 간의 연관성 및 오류를 검증함.

⚪ 학습 포인트: 특정 파라미터 값이 알고리즘에 입력되었을 때 맞춤형 행동 지침과 최적의 도구가 오류 없이 결과값으로 도출될 수 있도록 세부 데이터 흐름을 점검함.

2.2.3 플랫폼 프레임워크 연동을 위한 입력 데이터 명세화

⚪ 내용: 규격화가 완료된 파라미터 구조를 향후 개발될 AI 지원 플랫폼의 입력 화면 필수항목으로 상세히 명세화함.

⚪ 활동: AI 지원 플랫폼 적용을 위한 파라미터 설계 구조를 확립함.

⚪ 학습 포인트: 사용자가 구조화된 폼에 맞춰 데이터를 입력하면 대시보드 화면에서 분석률 표출 등 AI 분석이 원활하게 진행될 수 있도록 시스템적 데이터 연동 체계를 구체화함.

2.2.4 LLM 프롬프트 설계 및 전문가 자문 검증을 위한 기반 마련

⚪ 내용: AI가 리빙랩 수행자에게 최적화된 가이드를 제공할 수 있도록 데이터 구조를 최종 확정함.

⚪ 활동: 3~4개월 차 목표인 '최적 프롬프트 도출 및 성과 예측 로직 설계'에 투입될 데이터 구조를 마감함.

⚪ 학습 포인트: 실무 작업을 통해 완성된 AI 학습용 파라미터 구조화 자료를 종합하여, 향후 추진될 AI/알고리즘 전문가 초청 자문 회의 및 로직 타당성 검토를 위한 세부 문서를 준비함.

3. 학습 성과

⚪ 워크북의 비정형 데이터를 AI가 인식할 수 있도록 파라미터 항목 규격을 통일하고 데이터 구조 기준을 확립함.

⚪ 구조화된 파라미터를 기반으로 AI 지원 플랫폼의 입력 화면 필수항목을 명세화하고 시스템 연동 체계를 구체화함.

⚪ 지능형 가이드 및 프롬프트 도출에 투입될 데이터 구조를 확정하고, 향후 전문가 자문 회의를 위한 세부 문서 준비를 완료함.

ㅡ 학습활동사진