JUNCTION ASIA 2025 후기

1. JUNCTION ASIA 2025란?

JUNCTION ASIA는 약 200명의 참가자가 48시간 동안 3개의 트랙 중 1개를 선택해, 기업이 제시한 문제를 해결하기 위한 아이디어 기획 및 개발을 진행하는 글로벌 해커톤입니다.

저는 정보보안 전공자로, 평소 보안 공부를 하다 보면 개발 지식이 필수적으로 필요하다는 걸 느끼곤 했습니다. 그래서 개발 공부를 병행하던 도중, 우연히 JUNCTION ASIA 2025 참가 모집 공고를 보게 되었고 큰 도전을 해보고 싶다는 마음으로 참가 신청을 하게 되었습니다.

2. 혼자 도전한 첫 글로벌 해커톤

JUNCTION ASIA는 4인 1팀으로 진행되며, 대부분 팀을 구성해 참가합니다.
하지만 제 주변에는 함께할 사람이 없어 혼자 신청하게 되었습니다.

개인 참가자는 대회 전날 디스코드(Discord)에서 팀 빌딩을 진행합니다.

💡 실제로 대회 현장에 가보니, 혼자서 참여하는 사람들도 꽤 있었습니다. 저는 팀을 구성하기 위해 영문 이력서를 작성했는데,

어떤 프로젝트 경험이 있는지
내가 개발할 수 있는 영역은 어디인지

등을 최대한 자세히 적었습니다.

⚠️ 기본 언어는 영어

팀에 외국인이 있으면 대회 기간 동안 영어로 소통해야 합니다.

팀원이 모두 한국인이라면 한국어로 진행 가능하지만, 최종 발표는 영어로 진행해야 합니다.

3. 팀 빌딩 과정

팀 빌딩 당일, 제가 올린 이력서를 보고 DM으로 연락을 준 참가자가 있어 합류하게 되었습니다.
최종적으로 팀 인원은 3명(모두 개발자)이 되었고, 아쉽게도 디자이너는 없었습니다.

해커톤에서는 보통 디자이너의 역할이 매우 중요한데,

UI/UX, 시각 자료, 발표 디자인 등이 프로젝트의 완성도를 크게 좌우하기 때문입니다.
하지만 디자이너가 적었기 때문에, 저희 팀은 AI 도구를 활용해 디자인을 대신하기로 결정했습니다.

결과적으로 디자인 퀄리티 차이가 확실히 느껴졌습니다.

저희 팀: UI/UX 중심의 단순 디자인
다른 팀: 캐릭터 제작, 시각화 자료 등 높은 비주얼 완성도

이 부분이 가장 아쉬웠던 점이었습니다.

4. 대회 일정과 현장 분위기

대회는 2025년 8월 22일 ~ 8월 24일, 총 3일 동안 진행되었습니다.
장소: 포항 동빈고 문화창고

현장에 도착하니 참가자가 생각보다 많아 긴장되었지만, 동시에 설렘도 컸습니다.
처음엔 외국인이 매우 많을 거라고 생각했는데, 실제로는 외국인 참가자가 생각보다 많지 않아 조금은 편하게 느껴졌습니다.

Day 1 – 자기소개 및 오프닝

📅 8월 22일 (금)

시간	일정
17:00 ~ 19:00	리셉션 (Reception)
19:00 ~ 20:00	오프닝 (Opening)
20:00 ~ 21:00	트랙 파트너 워크숍 (Workshop)
21:00 ~ 22:00	Kick Off Mission 제출 마감
24:00	리셉션 (Reception)

대회 장소에 가장 먼저 도착해 등록을 마쳤습니다.
리셉션에서 받은 웰컴 키트가 생각보다 상당히 많아서 처음부터 분위기가 뜨거웠습니다.
기다리면서 처음 만난 팀원분들과 자연스럽게 자기소개와 사용 언어에 대한 이야기를 나눴습니다.

다행히도 모두 한국인이라 의사소통이 수월했고,
오프닝 역시 영어와 한국어가 함께 사용되었지만 크게 어렵지 않았습니다.

💡 기본 진행 언어는 영어이지만, 팀원이 모두 한국인일 경우 대회 중에는 한국어 사용 가능하며 발표는 영어로 진행해야 합니다.

트랙 공개와 첫 번째 미션

오프닝이 끝나고 드디어 트랙 공개가 진행되었습니다.
저희 팀은 사전에 예상했던 주제들이 대부분 맞아 떨어져 놀라웠습니다.

사전에 팀 빌딩이 끝나고 트랙 공개 하기 전, 팀원들과 함께 카톡방을 만들어 기업 문제를 분석하며 전략을 세웠습니다.

당시 참여한 기업들이 어떤 문제를 겪고 있는지
해결 가능한 영역은 무엇인지
실제 뉴스나 자료에서 사전 조사를 진행하며 아이디어를 정리

하지만 막상 문제를 깊이 파고들다 보니, 쉽게 해결할 수 있는 주제는 아니었다는 걸 깨달았습니다.

첫 번째 트랙 [ 경상북도 × Microsoft ]

첫 번째로 공개된 트랙은 경상북도 × Microsoft 트랙으로,
AI를 활용한 산불 조기 감지 및 확산 방지 시스템을 주제로 하고 있습니다.

이 트랙은 단순히 산불 진화가 아니라, 재난을 더 빠르고 정확하게 탐지하고 확산을 막는 시스템을 만드는 것을 목표로 합니다.

왜 이 문제가 중요한가

올해 3월 22일, 경상북도의 한 산간 지역에서 작은 불씨가 강풍에 휩쓸리며 순식간에 통제 불능의 대형 산불로 번졌습니다.
그 결과 피해는 매우 컸습니다.

사망자: 51명
주택 파괴: 3,890채
산림 손실: 약 10만 헥타르
문화유산 피해: 천년의 역사를 가진 곤자사를 포함한 31곳
이재민 발생: 3,470명

이처럼 예측과 초기 대응이 늦어질 경우 재난은 걷잡을 수 없이 커지고,
지역사회와 생태계에 막대한 피해를 남기게 됩니다.

경상북도의 대응

사고 이후 경상북도는 다음과 같은 복구 활동을 진행했습니다.

주택 재건
산림 복구
이재민 지원

하지만 복구 활동만으로는 다음 재난을 막기에 충분하지 않다는 사실을 인식하고 있었습니다.
따라서 경상북도와 Microsoft는 AI 기반 산불 방지 시스템을 통해 사전 예방 체계를 구축하려는 목표를 세우게 되었습니다.

해결해야 할 핵심 과제 – 3가지 기능

산불 피해를 최소화하기 위해서는 탐지(Detection), 예측(Prediction), 조치(Action)
세 가지 기능이 유기적으로 연결되어야 합니다.

핵심 기능	설명
1. 조기 감지 (Early Detection)	첫 몇 분 안에 연기, 열, 비정상적인 움직임 등 이상 징후를 감지
2. 실시간 확산 예측 (Real-time Prediction)	바람, 습도, 지형 등을 종합하여 30분~수 시간 후의 위험 구역을 정확하게 예측
3. 대피 안내 (Evacuation Guidance)	적절한 대피 장소와 정보를 신속하게 주민에게 전달

현실적인 한계

하지만 이러한 시스템을 구축하는 데에는 여러 현실적인 장벽이 존재합니다.

예측 정확도의 한계
복잡하고 광범위한 지리적 조건
행정적 경계 및 조직 간 협업 문제

따라서 단순히 감지와 예측에 그치는 것이 아니라,
감지 → 예측 → 조치까지 모든 단계가 통합된 하나의 완전한 시스템을 설계하고 데모를 만드는 이 이번 트랙의 핵심 목표입니다.

두 번째 트랙 [ 업스테이지 (Upstage) ]

최근 수많은 LLM(대규모 언어 모델)이 빠르게 등장하고 있습니다.
하지만 모델이 아무리 많아도, 어떤 모델이 실제로 우수한지를 판단하고
업무 현장에 바로 적용하기는 쉽지 않습니다.

GPT-3.5가 처음 등장했을 때, 많은 사람들이

“이제 내 업무가 GPT로 대체되는 거 아니야?” 라며 큰 충격을 받았습니다.

하지만 실제로는 모델의 한계가 명확했고,
현실 세계의 복잡한 업무를 완전히 대체하기에는 부족했습니다.
이후 LLM은 계속 발전하고 있으며, 지금도 성능은 점점 향상되고 있습니다.
그러나 아무리 뛰어난 LLM이 나오더라도 인간의 역할은 여전히 중요하며, LLM과 에이전트(Agent)의 협업이 핵심 과제가 되고 있습니다.

LLM과 에이전트의 관계

LLM은 두뇌(Brain) 역할을 합니다.
→ 뛰어난 지능을 가지고 있어도 실제 실행 능력은 부족합니다.
에이전트는 LLM을 기반으로 외부 서비스 및 개인 지식을 연결해 현실에서 활용 가능한 워크플로우를 완성합니다.
최근 많은 사람들이 LLM 자체보다 에이전트 기술에 주목하는 이유가 바로 여기에 있습니다.

즉, LLM만으로는 한계가 있고, LLM + 에이전트의 조합이 진짜 문제 해결 능력을 제공합니다.

트랙 주제: Solar Pro 2를 활용한 실용적 AI 에이전트 구축

이번 업스테이지 트랙의 목표는 Solar Pro 2 모델을 활용하여 실제로 사용할 수 있는 AI 에이전트를 구축하는 것입니다.

대회에서 제공되는 Upstage API를 활용하여,

실제 문제를 정의하고
LLM 기반 에이전트 워크플로우를 설계 및 구현하며
현실에서 적용 가능한 프로토타입을 만드는 것이 핵심입니다.

프로젝트 제출물

최종 제출 시 다음 자료들이 필요합니다.

GitHub 저장소
작동하는 프로토타입
Demo 영상
프레젠테이션 파일

💡 Tip: Demo 영상과 발표 자료는 단순히 기술 설명이 아니라, 문제가 얼마나 효과적으로 해결되었는지를 보여주도록 구성해야 합니다.

평가 기준

이 트랙의 프로젝트는 다음 네 가지 기준으로 평가됩니다.

평가	항목 설명
1. 프로젝트의 영향력	실제 문제 해결에 얼마나 의미 있는 결과를 도출했는가
2. 기술적 구현력	AI 모델 및 워크플로우가 얼마나 완성도 있게 설계되었는가
3. API 활용성	Upstage가 제공한 API를 얼마나 효과적으로 활용했는가
4. 창의성	독창적이고 새로운 아이디어가 적용되었는가

정리

이 트랙은 단순히 AI 모델을 사용하는 것이 아니라, 현실에서 작동 가능한 AI 에이전트를 직접 설계하고 구현해야 한다는 점에서 난이도가 높지만 도전 가치가 매우 큽니다.

LLM을 "두뇌", 에이전트를 "손발"로 삼아 실제 업무를 자동화할 수 있는 강력한 솔루션을 만들어내는 것이 이번 트랙의 목표입니다.

세 번째 트랙 [ Sanun ]

Sanun 트랙은 3가지 챌린지 옵션 중 하나를 선택해 참가자가 스스로 솔루션을 설계하고 구현하는 방식으로 진행됩니다.
모든 과제는 공공 데이터를 활용하여 실제 건설 산업의 문제를 해결하는 것을 목표로 합니다.

💡 핵심 미션:
창의성, 기술력, 열정을 활용하여 데이터를 건설 산업의 혁신적인 도구로 만드는 것

옵션 1: 건설 안전 (Construction Safety)

목표: 건설 현장에서 발생하는 안전 사고를 예방하는 솔루션 개발

산업재해의 50% 이상이 건설 현장에서 발생
예방 및 대응 시스템의 시급한 필요성
생명을 보호하고, 현장을 모든 사람에게 안전한 공간으로 만드는 것이 핵심 목표

아이디어 예시:

시계열 모델링을 통한 사고 예측
위험 점수 시스템 및 시뮬레이션 기반 경고 시스템
실시간 근로자 지원 챗봇 서비스
이상 감지 및 즉각 알림 트리거 시스템

데이터와 창의성을 결합해 효과적인 안전 솔루션을 설계하는 것이 핵심입니다.

옵션 2: ESG 자동화 및 가시화 (ESG for Builders)

목표: 공공 데이터를 활용해 건설 회사의 ESG 점수를 자동 분석 및 시각화

ESG는 지속 가능한 비즈니스의 핵심 요소
건설 산업은 안전 사고, 환경 영향 등 높은 ESG 리스크를 포함
ESG 데이터를 누구나 이해할 수 있는 방식으로 표현하는 것이 중요

아이디어 예시:

뉴스, PDF 등 다양한 문서에서 데이터를 추출해 자동 점수화 (NLP 활용)
ESG 데이터를 직관적으로 이해할 수 있는 대시보드 설계
실시간 알림 기능이 포함된 간단한 모바일/웹 앱

의사결정자에게 명확성과 책임감을 부여할 수 있는 도구를 설계하는 것이 핵심입니다.

옵션 3: 오픈 챌린지 (Open Challenge)

목표: 참가자가 직접 건설 관련 문제를 정의하고, 공공 데이터를 기반으로 창의적으로 해결

건설 산업은 아직 디지털화가 미흡
활용되지 않은 데이터가 매우 많음
참가자가 가장 중요한 문제를 직접 선정하여 솔루션 설계

활용 가능 기술 예시:

매핑, 예측 모델
웹 크롤링 및 데이터 파이프라인 구축
챗봇, API 연동
AI 기반 의사결정 보조 시스템 등

이 옵션은 가장 개방적인 트랙으로, 참가자의 창의성과 실제 세계에서의 통찰력을 보여줄 수 있는 기회입니다.

평가 기준 (Judging Criteria)

순서	평가	항목 설명
1	Problem Understanding	문제 정의가 명확하고 실제와 밀접하게 연관되어 있는가
2	Data Relevance	공공 데이터를 적절히 선택하고 활용했는가
3	Technical Validity	모델과 로직이 신뢰성과 완성도를 갖추었는가
4	UX & UI	사용자 경험이 직관적이고 결과물이 명확하게 표현되는가
5	Creativity & Practicality	창의적이면서도 실제로 구현 가능하고 현실적인가

추가 가이드라인 – Build the Future with Data

현실의 문제를, 현실의 데이터로 해결하라
(Tackle real-world problems with real-world data)
대담하되, 실현 가능성을 기반으로 설계하라
(Be bold, but stay grounded in feasibility)
오늘 바로 작동 가능한 솔루션을 제시하라
(Show us a solution that could work – today)

정리

Sanun 트랙은 건설 산업의 디지털 혁신을 목표로 하며, 참가자의 창의력, 데이터 활용 능력, 문제 해결 능력을 종합적으로 평가합니다. 세 가지 옵션 중 어떤 것을 선택하든,

"실제 문제를 해결하고, 실질적인 변화를 만드는 것" 이 핵심 목표라는 점을 기억해야 합니다.

네 번째 트랙 [ YBM ]

트랙 소개

YBM 트랙은 영어 학습 서비스 혁신을 주제로 진행됩니다. 참가자들은 YBM에서 제공하는 데이터를 활용하여, 학습자의 참여도(Engagement)와 지속 가능성(Sustainability)을 높일 수 있는 영어 학습 앱을 디자인하고 프로토타입을 제작하는 것이 목표입니다.

배경

영어는 한국에서 학생뿐만 아니라 직업 개발, 해외 진출, 글로벌 소통 등 다양한 분야에서 중요한 핵심 기술입니다.

하지만 많은 학습자들은 다음과 같은 어려움을 겪고 있습니다.

불규칙한 일정과 제한된 자유 시간으로 인한 일관된 학습 습관 유지 어려움
암기 위주의 전통적 학습 방식으로 인한 학습 흥미 저하
중도 탈락률 증가, 장기 학습 동기 부족

YBM은 AI와 최신 기술을 활용하여, 영어 학습이 일상생활의 자연스러운 일부가 되도록 돕고자 합니다.

도전 과제

YBM이 제공하는 데이터를 기반으로, 영어 학습자들이 더 효과적으로 공부할 수 있는 앱을 개발하고, 지속 가능한 학습 경험을 설계하라.

YBM은 해커톤 기간 동안 사용할 수 있는 세 가지 데이터셋을 제공합니다.
1. 어휘(Vocabulary) 데이터
2. 문법(Grammar) 데이터
3. 대화(Conversation) 데이터
  (단, 반드시 활용할 필요는 없으며, 다른 데이터와의 조합도 가능)

해결해야 할 4가지 조건

앱을 개발할 때 반드시 아래 4가지 조건을 충족해야 합니다.

번호	조건	설명
1	학습 효율성 향상 (Enhancing Learning Effectiveness)	학습자가 배운 내용을 시각화하거나 개인 맞춤형 기능을 통해 효율적인 학습 경험을 제공해야 함.
2	앱 참여도 증가 (Increasing App Engagement)	게임화(Gamification) 요소, 캐릭터, 퀘스트, 랭킹 시스템 등 지속적인 앱 사용을 유도하는 장치를 포함해야 함.
3	성인 사용자 타겟 (Targeting Adults 20+)	TOEIC, 회화 등 성인 학습자를 위한 콘텐츠 설계. 단기 목표뿐 아니라 장기 사용성도 고려해야 함.
4	차별화된 경험 제공 (Differentiation)	기존 영어 학습 앱과 명확하게 차별화되는 포인트가 있어야 함. (콘텐츠, 기능, UX 등)

평가 기준 (Evaluation Criteria)

번호	항목	설명
1	Problem-Solving Effectiveness	제안된 솔루션이 영어 학습자의 핵심 문제를 얼마나 효과적으로 해결하는가
2	Learning Flow Design	학습 경험이 직관적이며, 기존 앱과 명확히 구분되는 차별성을 가지고 있는가
3	Problem Definition	솔루션이 성인 학습자의 문제와 목표를 깊이 이해하고 있는가
4	Originality of the Idea	창의적이고 신선한 아이디어가 기능, 디자인, UX 전반에 반영되어 있는가
5	Use of Technology	AI, 음성 인식 등 적절한 최신 기술을 얼마나 효과적으로 활용했는가

정리

YBM 트랙은 단순한 학습 앱 제작을 넘어,

"영어 학습자의 장기 학습 동기를 유지시키고, 학습을 일상화하는 것" 이라는 근본적인 목표를 해결하고자 합니다.

데이터 기반 학습 최적화
AI와 최신 기술을 활용한 혁신적 UX
기존 앱과 확실히 다른 차별화 포인트

이 세 가지를 균형 있게 담아내는 것이 우승을 위한 핵심 전략입니다.

트랙 선택 과정

트랙 공개가 끝난 후, 저희 팀은 어떤 트랙을 선택할지에 대해 신중하게 논의했습니다.
아이디어를 얼마나 쉽게 도출할 수 있는지,
그리고 개발 시간, 디자인 리소스, 팀원의 역량을 종합적으로 고려하여
각 트랙을 하나씩 분석해 나갔습니다.

1. 경상북도 × Microsoft (산불 조기 감지 트랙)

문제점:
- 범위가 너무 넓고, 완벽히 구현하기 위해서는 예산 문제와 대규모 인프라가 필요.
- 기술적으로도 추상적이고 미래지향적인 부분이 많아 구체적인 아이디어를 떠올리기 어려웠음.
- 이미 존재하는 유사 앱과 아이디어가 많아 차별화 포인트 부족.

결론: 현실적으로 구현하기 어렵고, 제한된 해커톤 시간 내에 완성도 있는 결과물을 내기 힘들다고 판단.

2. 업스테이지 (LLM 기반 AI 에이전트)

문제점:
- LLM과 에이전트 분야에 대한 사전 지식 부족.
- 특히 업스테이지라는 기업과 그들의 기술을 처음 접하다 보니 API 사용 및 구조 이해에 시간이 많이 필요.
- 범위가 너무 넓어 해커톤 48시간 내에 결과물을 내기 어려움.

결론: 팀의 현재 역량과 시간 제약을 고려했을 때 리스크가 크다고 판단하여 제외.

3. Sanun (건설 데이터 활용 트랙)

문제점:
- 팀원 전원이 건축/건설 분야에 대한 이해도 부족.
- 어떤 문제를 어떻게 해결해야 할지 아이디어의 실마리조차 잡기 어려움.
- 건설 관련 용어나 프로세스에 대한 배경지식이 없어 개발 방향 설정이 불가능.

결론: 도메인 지식의 부족으로 인해 도전하기에 적합하지 않다고 판단.

4. YBM (영어 학습 앱 트랙)

선택 이유:
- 아이디어 도출이 상대적으로 쉬움
- 영어 학습 서비스라는 친숙한 주제 → 빠르게 기획 가능
- 팀 내에 iOS 앱 개발자가 있어 기술적으로도 수월하게 진행 가능
- YBM에서 제공하는 데이터셋을 활용해 구체적인 기능 설계가 가능

결론: 현실적인 범위, 친숙한 주제, 팀 역량과의 적합성 덕분에 최종적으로 YBM 트랙을 선택.

아이디어 도출 과정

트랙을 선택한 후에도 최종 아이디어를 확정하는 과정은 쉽지 않았습니다.

사전에 조사해 온 자료와 현장에서 새롭게 얻은 정보를 합쳐 약 2일 동안 집중 회의를 진행.
그 결과, 차별화된 영어 학습 앱 아이디어를 구체화할 수 있었습니다.

아이디어 확정 이후에는 개발에 본격 착수했으며,
아이디어 도출에 많은 시간을 소모한 만큼,
개발 자체는 상대적으로 빠르게 진행할 수 있었습니다.

본격적인 아이디어 도출 및 개발 과정

1. 아이디어 도출 과정

저희 팀은 단순히 아이디어를 떠올리는 것이 아니라 체계적인 과정을 통해 아이디어를 발전시켰습니다.

① Miro를 활용한 아이디어 확산

Miro라는 협업 툴을 사용하여
아이디어를 발산 → 병합 → 분해 → 제거하는 브레인스토밍 방식을 진행했습니다.
각자 떠오른 생각을 Miro 보드에 자유롭게 기록하고,
팀 전체가 함께 토론하며 아이디어의 가능성과 필요성을 판단했습니다.

② 노션(Notion)으로 정리

Miro에서 나온 수많은 아이디어를 노션(Notion)에 옮겨 체계적으로 분류 및 정리했습니다.
노션에 정리된 자료를 바탕으로
- 아이디어 우선순위 선정
- 개발 난이도 평가
- 현실성 검토
  등을 진행하며 최종 후보를 좁혀 나갔습니다.

💡 포인트: 혼란스러운 브레인스토밍 내용을 정리할 수 있는 Miro + 노션의 조합이 매우 효과적이었습니다.

2. 앱 분석 및 MVP 설계

아이디어가 확정된 후, 본격적인 앱 설계에 들어갔습니다.

① YBM 기존 앱 분석

현재 YBM 앱을 직접 사용하며 구성 요소와 기능을 철저히 분석했습니다.
- 어떤 카테고리가 있는지
- 핵심 기능은 무엇인지
- 불필요하거나 개선해야 할 부분은 무엇인지
또한, 경쟁 앱과 비교하며 차별화 포인트를 명확히 정의했습니다.

② GPT를 활용한 분석 정리

무작위로 나온 분석 결과를 GPT에게 전달해 정리 및 구조화를 요청했습니다.
GPT가 정리한 결과를 기반으로 MVP(Minimum Viable Product)를 설계했습니다.

3. 개발 과정

MVP를 확정한 뒤에는 팀원들이 각자의 전문성을 살려 빠르게 프로토타입 개발에 착수했습니다.

① AI 기반 개발 협업

각자 가장 잘 다룰 수 있는 AI 툴을 활용하여 코드를 개발했습니다.
3명이 각각 프로토타입을 만든 뒤, 비교와 검토를 진행했습니다.
최종적으로 제가 만든 프로토타입을 선택했고,
여기에서 불필요한 기능을 제거하고 필요한 기능을 추가하며 완성도를 높였습니다.

4. 가장 큰 문제 – 디자이너의 부재

개발 과정에서 가장 큰 난관은 디자이너의 부재였습니다.

해커톤 현장에서 디자이너가 있는 팀과 없는 팀의 퀄리티 차이가 극명하게 드러났습니다.
저희 팀은 디자이너가 없었기 때문에, UI/UX 디자인은 AI가 어느정도 만들어 주었지만 캐릭터, 배경, PPT 디자인 등 개발자가 직접 담당해야 했습니다.
결과적으로 기능은 완성도 있게 구현했지만, 시각적 완성도에서 아쉬움이 남았습니다.

⚠️ 교훈: 해커톤에서는 기술 구현력 + 디자인 완성도가 모두 중요합니다. 특히 발표와 심사에서는 시각적 전달력이 프로젝트의 평가에 큰 영향을 미칩니다.

느낀 점

이번 해커톤에서 가장 크게 느낀 점은 아이디어 발산의 어려움이었습니다.

아이디어를 만들어내는 과정은 단순히 떠오르는 생각을 말하는 것이 아니라, 수많은 변수와 고려해야 할 요소들을 하나하나 검토하며 현실적으로 구현 가능한 방향으로 다듬어야 했습니다. 이 과정에서 팀원들과의 끊임없는 토론과 분석이 필요했고, 결과적으로 아이디어 확정에만 2일이라는 시간을 소모하게 되었습니다. 아이디어 발산 과정에서 가장 인상 깊었던 점은,

최종 우승 팀의 아이디어가 저희 팀이 초기에 논의했던 아이디어 중 하나였다는 것입니다.

우리도 같은 생각을 했지만,
당시에는 여러 이유로 그 아이디어를 깊이 발전시키지 못했습니다.
최종 결과를 보니 “조금만 더 밀어붙였으면 우리가 할 수도 있었겠다”라는
아쉬움이 크게 남았습니다.

하지만 이 경험을 통해,

디자이너를 무조건 구해서 참여할 것
팀 내부에서 나온 다양한 가능성을 끝까지 검토할 것
짧은 시간 안에 결정을 내리더라도 깊이 있는 논의가 필요하다는 것

이라는 중요한 교훈을 얻었습니다.

이번 해커톤은 단순히 결과물이 아니라 아이디어 발산과 선택 과정이 프로젝트의 성패를 좌우한다는 사실을 몸소 깨닫게 해준 소중한 경험이었습니다.

'【 대외 활동 및 대회 참여 후기 】' 카테고리의 다른 글

[ 비댁스 1DAY 아이디어톤 본선 후기 ] (0)	2025.11.07
첨단AI 디지털 의료제품 레드팀 챌린지 후기 + 1위(대상) (0)	2025.09.29