1. YABOAZ MVP와 바이브코딩의 정의
YABOAZ의 MVP는 단순한 데모 화면이 아닙니다. 실제 사용자가 입력하고, AI가 판단을 보조하고, 사람이 승인하고, 시스템이 실행 결과를 기록하며, KPI로 효과를 검증할 수 있는 최소 실행 해법입니다.
문제해결할 현장 문제 하나
사용자실제로 사용할 핵심 사용자 한 그룹
데이터판단과 실행에 필요한 핵심 데이터
실행사용자가 실제로 수행할 행동
AI작고 명확한 판단·요약·추천
Human Gate고위험 행동의 승인·반려·보류
로그판단·승인·실행·오류 기록
KPI개선 여부를 판단할 성과 기준
문제 하나 → 사용자 한 그룹 → 핵심 데이터 하나 → 실행 기능 하나 → KPI 하나
바이브코딩은 “말만 하면 자동으로 완성되는 개발”이 아니라, FDE가 문제와 업무 구조를 명확히 정의하고 AI 코딩 도구로 빠르게 구현·검증하는 실행 방식입니다.
문제 → 구조 → 화면 → 데이터 → AI 판단 → 사람 승인 → 실행 기록 → KPI 검증
2. 11단계의 위치와 입력·산출물
01 온보딩 → 02 Evidence → 03 2A4 → 04 Discovery → 05 인터뷰 → 06 온톨로지 → 07 AI 판단 → 08 Agent → 09 워크플로 → 10 화면·데이터 → 11 MVP → 12 Bootcamp → 13 자산화
11단계는 앞선 설계가 실제로 작동하는지 확인하는 첫 실행 단계입니다. 완성품을 만드는 것이 아니라, 핵심 문제를 검증할 수 있는 작동 가능한 첫 버전을 만듭니다.
입력 자료
| 입력 | 활용 |
|---|---|
| 2A4 문제정의·Evidence·Discovery | MVP가 해결할 문제와 기능의 필요 근거를 확인합니다. |
| 인터뷰·온톨로지 7요소 | 사용자 업무와 데이터·상태·이벤트 구조를 반영합니다. |
| AI 판단·Agent 사양서 | AI 역할·권한·금지 행동·출력 기준을 구현합니다. |
| 워크플로·화면·데이터·API | 승인·예외·로그·화면과 연결되는 개발 기준으로 사용합니다. |
| KPI 정의 | Bootcamp에서 검증할 성과 측정 기준을 구현합니다. |
핵심 산출물
MVP 범위서포함·제외 기능과 성공 기준
사용자 시나리오실제 사용 순서와 행동
화면·데이터 초안핵심 UI와 최소 저장 구조
AI 기능 명세판단·요약·추천·근거 출력
Human Gate승인·반려·수정·보류
실행 로그·KPI판단·승인·실행과 성과 기록
테스트 시나리오Bootcamp 검증 흐름
개선 백로그오류·피드백·다음 기능
3. MVP 개발 전체 흐름 10단계
01
MVP 문제 범위 확정
Evidence로 확인된 핵심 문제 하나와 KPI, 제외 범위를 정합니다.
02
핵심 사용자 정의
문제를 직접 겪고 실행·승인·피드백을 담당하는 사용자 그룹을 선정합니다.
03
핵심 업무 흐름 선정
이벤트 발생부터 AI 추천·승인·실행·기록·KPI까지 최소 흐름을 정합니다.
04
필수 화면 선정
대시보드·목록·상세·AI 추천·승인·로그·KPI 중 필요한 화면만 고릅니다.
05
데이터 모델 최소화
판단·화면·승인·로그·KPI에 꼭 필요한 객체와 필드만 구현합니다.
06
AI 기능 범위 설정
질문·입력·출력·근거·신뢰도·오류 통제가 명확한 AI 기능을 선정합니다.
07
Human Gate 구현
승인·반려·보류·수정과 근거·신뢰도·승인자·사유 기록을 포함합니다.
08
로그와 KPI 구현
판단·근거·승인·실행·오류와 처리시간·승인률·오류율을 저장합니다.
09
테스트 시나리오 작성
정상·예외·낮은 신뢰도·데이터 누락·API 오류 흐름을 테스트합니다.
10
Bootcamp 검증 준비
실제 사용자·실제 데이터·실제 업무에서 검증할 일정과 측정방식을 확정합니다.
4. 범위·사용자·업무 흐름 설계
MVP 범위 질문
| 질문 | 확인 기준 |
|---|---|
| 가장 먼저 해결할 문제는 무엇인가? | 2A4 문제정의·Evidence와 연결 |
| 어떤 KPI가 좋아져야 하는가? | 현재 기준선·목표·측정방법 존재 |
| 2~4주 안에 구현 가능한가? | 데이터·화면·Agent·API 준비도 |
| 무엇을 제외할 것인가? | 전사 통합·완전 자동화·고위험 실행 제외 |
| 현장 사용자가 테스트할 수 있는가? | 사용자·데이터·검증 일정 확정 |
핵심 사용자 선정
| 기준 | 확인 질문 | FireNavi 예시 |
|---|---|---|
| 문제 경험성 | 문제를 직접 겪는가? | 안전관리자 |
| 실행 책임 | 행동을 수행하는가? | 시설 담당자 |
| 승인 권한 | Human Gate 담당자인가? | 안전관리 책임자 |
| 피드백 가치 | 개선에 중요한 사용자인가? | 현장 담당자·입주자 |
FireNavi MVP 업무 흐름
센서 알림 발생 → 이벤트 표시 → AI 위험도 추천 → 근거 확인 → 관리자 승인·반려·보류 → 안내 초안 생성 → 실행 기록 저장 → KPI 반영
5. 화면·데이터·AI 기능 구현
FireNavi 권장 화면
| 화면 | 핵심 기능 | 완료 기준 |
|---|---|---|
| 이벤트 대시보드 | 센서 알림·위험도·처리 상태 | 신규 이벤트와 상태 표시 |
| 이벤트 상세 | 위치·센서값·Evidence | 판단에 필요한 근거 조회 |
| AI 위험도 추천 | 정상·주의·위험·신뢰도 | 추천·근거·불확실성 표시 |
| 관리자 승인 | 승인·반려·보류·수정 | 사유·승인자·시각 저장 |
| 실행 로그 | 판단·승인·실행·오류 | 감사 추적 가능 |
| KPI 요약 | 처리·승인·오류·채택률 | 기간별 측정 가능 |
최소 데이터 모델
| 객체 | 필수 필드 | 용도 |
|---|---|---|
| Event | event_id, sensor_id, occurred_at, status | 시작 사건과 상태 |
| Sensor·Location | sensor_id, location_id, zone, risk_level | 판단 입력 |
| AIJudgment | judgment_id, result, confidence, reason | AI 추천과 근거 |
| Approval | approval_id, approver, status, comment | Human Gate |
| ActionLog | log_id, action_type, actor, timestamp, result | 실행 기록 |
| KPIRecord | metric_name, value, measured_at | 성과 측정 |
AI 기능 범위
위험도 추천센서·위치·주변 상태 기반
근거 요약Evidence·규칙·데이터 설명
승인 메시지 초안승인자가 확인할 요약
대피 안내 초안승인 후 사용할 문구
KPI 요약테스트 결과 자동 요약
금지대피 명령 최종 결정·자동 방송
Human Gate위험 이상 승인 필수
근거 요구출처 없는 추천 금지
6. 바이브코딩 프롬프트·Human Gate·로그
좋은 바이브코딩 프롬프트 구성
목적·사용자무엇을 해결하고 누가 사용하는가
화면·업무어떤 순서로 어떤 행동을 하는가
데이터객체·필드·상태·API
AI판단 질문·입력·출력·근거
승인Human Gate·금지 행동
로그판단·승인·실행·오류
KPI측정 항목·기준선·목표
제외이번 버전에서 만들지 않을 것
FireNavi MVP를 만든다.
목적: 화재 센서 알림 발생 시 안전관리자가 AI 위험도 추천을 확인하고 승인 여부를 결정한다.
사용자: 안전관리자, 시설담당자, 시스템관리자.
화면: 이벤트 대시보드, 이벤트 상세, AI 위험도 추천, 관리자 승인, 실행 로그, KPI 요약.
데이터: Event, Sensor, Location, AIJudgment, Approval, ActionLog, KPIRecord.
흐름: 센서 알림 → 이벤트 생성 → 위험도 추천 → 근거 확인 → 승인·반려·보류 → 실행 기록 → KPI.
AI: 위험도를 정상·주의·위험으로 추천하고 Evidence와 규칙, 신뢰도를 표시한다.
통제: AI는 대피 명령을 최종 결정하지 않으며 위험 이상은 관리자 승인 후 실행한다.
기록: 판단·근거·승인·실행·오류를 모두 저장한다.
제외: 전체 건물 디지털트윈, 실시간 인원 추적, 자동 대피 방송, 소방 장비 제어.
Human Gate 최소 기능
| 기능 | 필수 표시·행동 |
|---|---|
| 추천 결과 | AI가 무엇을 제안했는가 |
| 판단 근거 | Evidence ID·규칙·입력 데이터 |
| 신뢰도·리스크 | 확신도·불확실성·잘못된 실행 위험 |
| 결정 | 승인·반려·보류·수정 |
| 기록 | 승인자·시각·사유·실행 결과 |
필수 로그
이벤트 로그어떤 사건이 발생했는가
AI 판단 로그무엇을 판단했는가
근거 로그어떤 데이터와 Evidence를 썼는가
승인 로그누가 어떻게 결정했는가
실행 로그어떤 행동이 실행되었는가
오류 로그어떤 실패가 있었는가
보안 로그접근·권한 변경 기록
KPI 로그성과 계산의 원천 기록
7. 테스트·KPI·MVP 완료 기준
테스트 시나리오 표준
| 항목 | 내용 |
|---|---|
| 테스트 이름 | 어떤 상황을 검증하는가 |
| 시작 조건 | 이벤트·데이터·사용자 조건 |
| 사용자 행동 | 사용자가 무엇을 하는가 |
| AI 행동 | 무엇을 추천하고 근거를 표시하는가 |
| 승인 행동 | 승인·반려·보류 중 무엇을 하는가 |
| 예상 결과·KPI | 실행 결과와 측정값 |
| 실패 기준 | 누락·오류·로그 미저장·근거 미표시 |
FireNavi 테스트 예시
| 항목 | 내용 |
|---|---|
| 시작 조건 | 7층 복도 센서 2개가 60초 이내 감지 |
| AI 행동 | 위험도 높음과 판단 근거 추천 |
| 사용자 행동 | 안전관리자가 근거 확인 |
| 승인 행동 | 승인 후 대피 안내 초안 생성 |
| 예상 결과 | 승인·실행·로그 저장 |
| 실패 기준 | 위치 누락·근거 미표시·승인 로그 미저장 |
MVP KPI
| KPI | 의미 | 측정 예시 |
|---|---|---|
| 판단 소요시간 | 이벤트부터 AI 판단까지 | 평균 시간 |
| 승인 소요시간 | 승인 요청부터 완료까지 | 3분 이내 |
| 추천 채택률 | AI 추천이 승인·활용된 비율 | 70% 이상 |
| 사람 수정률 | 사람이 추천을 수정한 비율 | 지속 감소 |
| 오류율 | 판단·승인·실행 오류 | 1% 이하 |
| 사용자 만족도 | Bootcamp 참여자 평가 | 설문·인터뷰 |
MVP 완료 기준
2A4 핵심 문제와 연결됨
Evidence와 온톨로지 객체가 반영됨
최소 1개 AI 판단 기능이 작동함
고위험 행동에 Human Gate가 있음
승인·반려·보류가 가능함
판단·승인·실행·오류 로그가 저장됨
KPI를 Bootcamp에서 측정할 수 있음
실제 사용자가 조작할 수 있음
정상·예외 테스트가 준비됨
제외 기능과 범위가 명확함
개선 백로그가 생성됨
자산화 후보로 정리 가능함
8. FireNavi MVP·실습·다음 단계
MVP 이름과 목적
MVP 이름FireNavi 위험도 판단·승인 MVP
목적센서 알림과 구역 정보를 연결하고 AI 위험도를 추천
핵심 사용자안전관리자
핵심 행동근거 확인 → 승인·반려·보류 → 실행 기록
핵심 KPI판단시간·승인시간·채택률·오류율
자산화위험도 판단·승인 워크플로 템플릿
포함·제외 범위
| 포함 | 제외 |
|---|---|
| 이벤트 목록·상세, AI 위험도 추천, 근거 요약, 관리자 승인, 실행 로그, KPI 요약 | 전체 건물 디지털트윈, 실시간 인원 추적, 자동 대피 방송, 소방 장비 제어, 모바일 앱 전체 기능 |
교육 실습 구성
| 시간 | 내용 |
|---|---|
| 40분 | 문제 범위·사용자·업무 흐름 확정 |
| 60분 | 필수 화면·최소 데이터 모델 설계 |
| 60분 | AI 기능·Human Gate·로그·KPI 정의 |
| 120분 | 바이브코딩 MVP 1차 구현 |
| 60분 | 정상·예외 테스트와 오류 수정 |
| 50분 | KPI 확인·발표·자산화 후보 정리 |
11\uB2E8\uACC4의 최종 목적
설계된 실행 구조를 실제 사용자가 조작하고 검증할 수 있는 최소 실행 플랫폼으로 만들고, Bootcamp의 피드백을 개선 백로그와 재사용 가능한 플랫폼 자산으로 전환하는 것입니다.
