인공지능과 추천시스템 기말 프로젝트
AI Recipe Studio
KAIST DFMBA 7기 김보경
AI 기반 맞춤형 요리 의사결정 플랫폼
AI Personal Chef that solves real cooking decisions
Executive Summary
문제 → 솔루션 → 차별점 → Thesis
1
문제: 결정 피로
2
솔루션: 3-Step 자동화
3
차별점
재료 비교·대체재·인분 스케일링·영양 추정·장보기 리스트 생성까지 자동화
4
Thesis
“AI가 요리에 대한 의사결정을 대신 해준다”
여기저기 레시피는 넘치지만 ‘나에게 맞는 한 가지’를 결정하기 어렵다.
재료 입력 → 3가지 버전(Basic·Plus·Premium)의 레시피 추천 시스템
Why Now? — 푸드시장·트렌드
FoodTech 성장 · MZ 행동 변화 · GenAI 확산 · White Space
MZ 행동 변화
집밥↑, 결정 피로↑, 영양 데이터 기반 식단 니즈↑
GenAI 확산
검색→자연어 의도 이해→상황 기반 생성 UX 전환
레시피 앱 정체
정적 콘텐츠·낮은 유료화 → 개인화·자동화에 공백
White Space
재료 기반 커스터마이징 + 자동화 + 즉시 실행 UX (AI Recipe Studio)
문제정의 (Painpoint Framing)
레시피 선택 과부하 · 재료 기반 의사결정 불가 · 초보자 이해 부족 · 영양 기반 식단 어려움
결론: 모든 문제의 본질은 ‘의사결정이 어렵다’
레시피 선택 과부하
수천 개 중 ‘나에게 맞는 1개’ 선택이 어렵다 → 결정 피로.
재료 기반 의사결정 불가
보유/부족/대체재/조합 판단이 어려워 요리를 포기.
초보자의 조리 이해 부족
난이도·시간·단계 설명이 부족해 실패 경험이 반복.
영양 기반 식단 어려움
칼로리·PFC 계산 부담, 목표 반영 불가로 지속성 저하.
사용자 페르소나
Painpoint → Needs → 해결 가치 연결
냉장고털이형
조건 기반 문제 해결 사용자
Pain
재료 조합 어려움, 하나 부족하면 포기, 30분 제약
내 재료로 1~3개 추천, 부족·대체 안내, 장보기 리스트
가치
Basic 레시피 · 대체재 추천 · 장보기 자동화
헬스·다이어트형
영양 목표 중심 사용자
Pain
매번 PFC 계산 피로, 메뉴 단조로움
니즈
단백질·칼로리 즉시 계산, 저당·고단백 변형 레시피
가치
영양 추정 엔진 · 목표 기반 레시피 · 고단백 추천
초보 요리자
쉬운 단계·짧은 시간 선호
Pain
단계·용어 난해, 실패 경험, 시간 부담
니즈
10–15분, 쉬움 난이도, 단계별 요약·도구 가이드
가치
초보자 모드 · 시간/난이도 필터 · 즉시 실행 UX
니즈
AI Recipe Studio 솔루션 소개 & 기존 비교
정의 · 핵심 UX · 기능 비교
정의: “입력 → 추천 → 상세” 구조로 요리 의사결정을 자동화하는 AI Personal Chef
핵심 UX: 난이도별(Basic · Plus · Premium) 추천 레시피로 선택 피로를 줄이고 즉시 실행
핵심 기능
기존 레시피 어플 (만개의 레시피, 우리의 식탁 등)
AI Recipe Studio
자연어 입력(의도/제약 파싱)
재료 기반 추천(보유 재료 중심)
3단계 생성(Basic · Plus · Premium)
대체재 추천(맛/영양 변화 안내)
자동화(재료 비교·스케일링·영양·장보기)
△
핵심 가치 1 — Personalized
상황·취향·재료 기반 100% 개인화 | Basic · Plus · Premium 레시피 생성 구조
Basic
보유 재료만으로 즉시 가능
정의
내가 가진 재료 100% 활용, 난이도·시간 제약 준수
특징
검색 없이 바로 조리 · 실패 위험 낮음
가치
“지금 당장” 가능한 현실적 선택
적합: 냉장고털이형 · 초보자
Plus
1~2개만 추가하면 완성
정의
핵심 재료는 유지, 부족분 1–2개 제안
특징
대체재·장보기 리스트 자동 제공
가치
현실성·경제성 높은 베스트 초이스
적합: 냉장고털이형 · 실용 사용자
Premium
맛 중심 셰프 스타일
정의
풍미·식감·조리법 다양성 최우선
특징
도구·테크닉 고려 · 미각 확장
가치
새로운 경험·기대 초과의 맛
적합: 트렌디 · 미식 지향 · 요식업 종사자
핵심 가치 2 — Automated
의사결정의 전 과정을 자동화하여 “바로 요리”가 가능해지도록 설계
재료 비교
보유·부족·대체 가능 재료 자동 분류
내 재료와 레시피 재료를 즉시 매칭
대체재 추천
맛·식감·영양 변화까지 안내
부족 재료가 있어도 요리를 포기하지 않음
인분 스케일링
분수·g·ml·큰술 등 정밀 환산
1–6인분까지 정확한 양/단계 조정
영양 추정
칼로리·탄단지·나트륨 자동 계산
식단 목표 반영 가능한 영양 데이터
장보기 리스트
부족 재료만 자동 추출
멀티선택 → 복사 · 커머스 연동 준비
UI 자동 플로우
입력→추천→상세 전환 자동
비교·계산 없이 선택 즉시 실행 가능
전체 UX Flow
Home → Ingredients Input → 3 Recipe Cards → Detail(재료/대체재/영양/스케일링)
사용자 행동
AI 역할
제공 가치
Home
빠른 진입: 두 가지 CTA
사용자
“내 재료로 찾기”/“요리명 검색” 선택
AI
개입 없음(네비게이션)
가치
시작 지연 0, 행동 유도
Ingredients Input
재료·인분·시간·난이도 입력
사용자
재료·조건 입력 후 “추천받기”
AI
자연어 → JSON 구조화 · 3레시피 생성
가치
상황 반영 개인화 시작
3 Recipe Cards
Basic · Plus · Premium
사용자
3개 중 1개를 선택
AI
생성 결과 표시(추가 생성 없음)
가치
결정 피로↓ · 선택률↑
Detail
재료/대체재/영양/스케일링
사용자
조리 시작 또는 장보기 실행
AI
재료 비교 · 대체재 · 영양 · 인분 스케일링
가치
즉시 실행 · 실패 감소
MVP 아키텍처 + DEMO
6개 엔진(LLM 연동) → UI 레이어(Streamlit) · 입력→JSON→생성→렌더
User Input
자연어(재료·시간·난이도…)
Input Structuring
자연어 → JSON 파싱
Recipe Generator
Basic · Plus · Premium
Recommendation UI
3개의 카드(B/P/P)
Recipe Detail UI
재료/대체재/영양/스케일링
Detail 단계에서 호출되는 엔진(온디맨드)
Ingredient Comparison
보유/부족/대체
Serving Scaling
정밀 인분 변환
Nutrition
칼로리·PFC 추정
Shopping List
부족 재료 추출
Engine Layer (Python + OpenAI API)
UI Layer (Flutterflow)
DEMO 실행 흐름
라이브 시연 단계
사용자 입력
재료·시간·난이도·인분
JSON 파싱
call_openai_json()
GPT 생성
generate_recipes_from_ingredients()
UI 렌더
3카드 → 상세(버튼 액션)
주요 함수
analyze_recipe_vs_user_ingredients()
calculate_nutrition()
scale_ingredients() / scale_nutrition()
search_recipes_by_name()
Note · 실패 시 폴백: JSON 재요청/스키마 검증
경쟁사 분석 및 기능 비교
만개의레시피 · 우리의 식탁· YouTube·Instagram · ChatGPT· AI Recipe Studio
O 지원
X 미지원
△부분/제한
AI Recipe Studio 하이라이트
핵심 기능
만개의레시피
YouTube·Instagram
Chat GPT
AI Recipe Studio
자연어 기반 입력
X
X
보유 재료 기반 추천
X
3단계 생성(B/P/P)
X
X
X
대체재 추천
X
X
정밀 인분 스케일링
X
X
영양 성분 분석
X
X
X
장보기 리스트 자동화
X
X
White Space 공략
상황 기반 생성 개인화 + 자동화 + 즉시 실행 UX를 동시에 제공하는 서비스는 부재. AI Recipe Studio는 재료 기반 생성과 3개 추천 구조, 재료·영양·대체재 통합 UI로 경쟁 우위를 확보한다.
X
X
X
X
X
X
우리의 식탁
△
X
Business Model (3-Tracks)
광고 · 구독 · 커머스 — 커머스가 가장 강력한 매출 엔진
1
단기
광고 (Native/Sponsor)
레시피 카드/상세에 자연스러운 인앱 광고
식재료·조리도구·헬스 브랜드 타깃
콘텐츠 스폰서십(셰프/Premium)
타겟 · 초기 트래픽 기반 수익화
2
중기
구독 (Subscription)
AI 식단관리 · Premium Chef Mode · Family Plan
주간 식단 자동 생성 · 영양 통계
프리미엄 레시피 · 단계별 TTS(확장)
타겟 · 헬스/다이어트/Meal-prep 사용자
3
가장 강력
커머스 연동 (CPS)
쿠팡/컬리 장바구니 자동화 · 부족 재료 즉시 구매
장보기 리스트 → 결제로 직결 전환
CPS 기반 수익 · 밀키트 제휴(B2B2C)
타겟 · 요리 의사결정 → 구매까지 One-tap
확장 로드맵 (Phase 1 → 2 → 3)
MVP → App 런칭 → AI 생태계로 확장
1
Phase 1 · MVP
Streamlit MVP
핵심 엔진 고도화 · 프롬프트/JSON 안정화
입력·레시피·재료·영양·스케일링 엔진
품질 지표/데모 시연 준비
2
Phase 2 · App 런칭
FlutterFlow + FastAPI
개인화 & 커머스 1.0
Vector DB · Taste/History 기반 개인화
커머스 1.0 · 장바구니 연동(CPS)
3
Phase 3 · AI 생태계
Vision · TTS · IoT · 글로벌
EN/JP 확장 · Taste Embedding
냉장고 스캔(Vision) · 음성 요리 모드(TTS)
스마트 키친(IoT) · 글로벌 서비스
요약 · MVP(검증) → App(개인화/커머스) → 생태계(Vision·TTS·IoT·글로벌)
Quality & 테스트 프레임워크
정량 · 정성 · A/B · RLHF-lite
평가 프레임워크 (4 Layers)
정량 평가 (Quantitative)
Ingredient Precision · Constraint 준수 · JSON 스키마
정성 평가 (Qualitative)
SATI 인터뷰 · 조리 완성률 · 리뷰 감성
A/B Test
프롬프트/카드 수/UI 노출 실험 → CTR/선택률/재방문
RLHF-lite 개선 루프
👍/👎 + 행동 로그 기반 Reward → 프롬프트 튜닝
품질은 모델 성능 + UX 실행성의 곱. 계층형 검증으로 안정성 확보
Latency 목표: P95 ≤ 4s
핵심 평가지표 (Key Metrics)
Ingredient Precision
사용자 재료 반영 정확도
JSON 성공 · 제약 위반
스키마 준수 · 시간/난이도/제외 재료
SATI · 완성률
정성 만족도와 실제 조리 행동
A/B: CTR · 선택률 · 재사용률
카드 수/미리보기/프롬프트 버전 비교
RLHF-lite Reward
선택률 0.4 · 완성률 0.3 · 긍정 0.2 · 시간 0.1
품질 확인 플로우 —
재료 입력 → 추천 3카드 → 상세(재료 비교/영양) → 👍/👎 피드백 기록
AI Recipe Studio는 요리의 본질—
‘무엇을 만들지 결정하는 과정’을 AI로 해결하는 새로운 플랫폼