위시켓은 중소·중견 기업의 AX 조직을 직접 대체·수행하는 팀이라, 업무 워크플로를 검증·배포하는 이 도구는 위시켓이 들어가는 고객사의 업무 데이터가 있어야 동작을 검증한다.
'중소·중견 기업 AX 조직을 직접 대체·수행'. 업무 워크플로 배포가 FDE 의 핵심.
'AI가 일하는 방식을 재정의'. 반복 업무 자동화가 직격.
'국내 1위 아웃소싱 플랫폼'. 다양한 업무 패턴 데이터가 토대.
중소기업의 반복 업무 데이터를 받아 AI 워크플로(분류·추출·처리)를 구성하고 각 단계 동작을 검증해 배포하는 1주 FDE PoC.
위시켓 FDE. 중소기업의 반복 업무를 사람이 처리하던 일을, 검증된 AI 워크플로로 대체 배포하고 싶은 사람.
업무에 단계·도구를 붙이면, 도구가 (a) AI 워크플로를 구성하고 (b) 각 단계 동작을 검증해 배포 가능 여부를 판정한다.
반복 업무 데이터를 받아 AI 워크플로를 구성하고 단계 동작을 검증하는 동작하는 도구.
워크플로 단계별 처리 성공률과 정답 대비 결과 일치율을 보여주는 대시보드.
여러 업무·고객사로 워크플로 구성을 확장 배포하는 단계.
업무를 넣으면 AI 워크플로와 단계별 동작 검증 결과가 나오는 걸 시연한다
단계 동작 검증(정답·규칙 대비)이 정답과 일치하는 비율 100%
측정: 결정적 재계산, 표본: 워크플로 150건
일부러 만든 모호·결측·미등록 업무 30종을 넣어도 구성/검증이 멈추지 않고 처리되는 걸 시연한다
위 수치는 더미데이터 자가채점이며, 실제 워크플로 동작 정확도는 위시켓 실데이터 + 실 검수자가 있어야 측정 가능. 이 포트폴리오는 그 검증을 바로 돌릴 수 있는 상태까지 만든다.
이건 고객·실데이터 없이 혼자 만든 포트폴리오라 모든 수치는 합성 데이터 자가채점이다. 면접에서 '데모 동작 + 실검증 준비 상태'로 솔직히 설명하는 게 오히려 신뢰를 준다
정답을 내가 만들었으니 잘 맞는 게 당연. 그래서 결측·경계·미등록·표기 흔들림 케이스를 더미에 일부러 섞어 쉬운 문제만 푸는 게 아님을 보여준다
오동작 위험: 검증 실패 단계는 자동 실행하지 않고 '확인 필요'로 막는다
실제 도입 시 달라지는 것: 실 고객 데이터·환경이 더미와 다르므로 규칙·파이프라인을 실데이터로 맞춰야 한다(도입 단계 과제)
① 인라인 샘플 · ② seed.json 다운로드 · ③ 증강 프롬프트. 세 층 모두 동일한 schema 에서 파생.
중소기업 반복 업무를 워크플로 입력으로 쓴다
| task_id | biz_raw | biz_id | step | input | gold | ok |
|---|---|---|---|---|---|---|
| BT900 | A사(구) | — | 분류 | (입력 누락) | — | — |
| BT901 | 기업0 | b0 | 처리 | 모호 | — | false |
| BT902 | 대량 | b2 | 추출 | xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx | 정답 | true |
| BT903 | 미등록기업 | — | 알아서 | 업무 | — | — |
| BT000 | 기업0 | b0 | 분류 | 업무 입력 0 | 정답0 | true |
z.object({ task_id: z.string(), biz_raw: z.string(), biz_id: z.string().nullable(), step: z.string(), input: z.string(), gold: z.string().nullable(), ok: z.boolean().nullable() }). 쉬운 데이터만 만들지 말 것. 다음 하드 케이스를 의도적으로 섞어라: input 누락·모호, gold null(정답 없음), step 모호('알아서'), biz_id null 미등록, ok null(미실행), biz_raw 표기 흔들림. 형식 깨뜨리기 시도 3건도 별도로.z.object({ task_id: z.string(), biz_raw: z.string(), biz_id: z.string().nullable(), step: z.string(), input: z.string(), gold: z.string().nullable(), ok: z.boolean().nullable() })| Python | 업무 데이터 ingest + 워크플로 + eval(공고 스택 미명시 → 도메인 기반 추론) |
| TypeScript | 워크플로 렌더 + Zod 검증 |
| React | 워크플로 대시보드 |
| Node.js | 워크플로 API |
| LLM | 업무 분류·추출·처리 |
| PostgreSQL | 업무 데이터 단일 진실원 |
✓ pass → 그대로 멈춰도 완성품. 더 키우려면 2주차(동작 검증)로.
✓ pass → 여기서 멈춰도 완결. 더 키우려면 3주차(다업무 확장)로.
업무 워크플로 + 검증
z.object({ task_id: z.string(), steps: z.array(z.object({ step: z.string(), result: z.string(), verified: z.boolean() })), deployable: z.boolean(), note: z.string() })[
{
"task_id": "BT000",
"steps": [
{
"step": "분류",
"result": "A",
"verified": true
}
],
"deployable": true,
"note": ""
},
{
"task_id": "BT901",
"steps": [
{
"step": "처리",
"result": "?",
"verified": false
}
],
"deployable": false,
"note": "처리 단계 실패"
},
{
"task_id": "BT900",
"steps": [],
"deployable": false,
"note": "입력 결측. 확인 필요"
}
]steps 의 verified(정답·규칙 대비)·deployable 규칙은 자동 검증, 워크플로 적절성은 사람/judge 검증.