📅 2025.10 ~ 2025.11 (3주) | 👥 3명→ 2명 🧑‍💻 역할: 도메인 전문가와 소통하며 전체 시스템 아키텍처 설계, 도메인 자문, 입지에이전트/주변시장에이전트/정책에이전트/최종 보고서 작성 에이전트 설계·구현, 각종 툴 구현, DeepEval 평가 설계 및 구축, langfuse 추적 구축, 팀장 🏢 부동산산업의날 부스전시/보도자료 게재 [ ▶ 상세 보기 (클릭) ]

LangGraph LangChain GPT-5 GPT-5 Mini Docker PostgreSQL DeepEval LangFuse Streamlit

🔗 GitHub | 🔗 [보도자료] 한국경제:"황화인·이진섭 팀이 개발한 AI 보고서 자동화 시스템"

</aside>

2. 기획 의도(WHY THIS PROJECT)

<aside>

🔍 왜 이 프로젝트를 만들었는가

현업에서 십수년간 일하고 있는 도메인 전문가의 자문을 구해 지역적인 특성, 공급과 수요, 정책적 변화, 경제적 변화, 경쟁매물 등 여러가지 변수를 고려하여 단순히 데이터 나열에 그치는 것이 아닌 이 사업지가 분양 가능한지 , 얼마에 분양할 수 있는지 근거있는 인사이트를 주는 분양성 검토보고서를 자동으로 작성해서 분양대행사의 업무 생산성을 향상시키고자 했다.

문제 정의

분양성 검토 보고서 작성에 일반적으로 1~2주 정도 소요됨 → 7개 에이전트가 병렬로 자동 수집하여 ****30분만에 보고서를 작성하고 정확한 출처가 담긴 검색 원본을 제공함
당시 자동화 보고서 서비스의 문제점
- 도메인(부동산 마케팅 실무)에 대한 이해 없이 데이터만 나열함 → 분양성 검토를 위해 어떤 데이터가 필요한지 이 데이터를 어떻게 활용할 것인지에 대한 도메인지식을 바탕으로 제작됨
- 분양성 판단, 수요공급 해석 등의 맥락과 인사이트 부재 → 도메인지식을 바탕으로 제작된 프롬프트로 인사이트를 도출함
- 해당 사업지와 시점에 맞는 핵심 데이터를 선별해 해석하고 연결짓는 능력이 부족함 → 해당 사업지와 관련된 정책, 청약정보, 입지, 금리, GDP, GRDP, 공급과 수요, 인구이동 및 분포 등의 정보와 도메인지식을 바탕으로 만들어진 프롬프트로 해석함

타겟 유저

사업지 검토를 위해 분양성 검토 보고서가 필요한 부동산 대행사

사용자 시나리오

사업지 주소, 타입, 세대수, 메일을 받을 이메일 주소를 입력 → 이메일로 최종보고서와 함께 19개의 자료를 받음

사용자가 이메일로 받는 파일 목록

PDF 파일 (2개) - LLM 작성 보고서

파일명	내용	데이터 유형
`{제목}_최종보고서.pdf`	9개의 AI Agent가 병렬 분석·보고서 작성한 최종 분양성 검토 보고서	LLM 분석
`{제목}__데이터출처모음.pdf`	보고서에 사용된 데이터의 출처 및 원본 링크 모음	LLM 요약

CSV 파일 (17개) - 원본 데이터

청약 FAQ (2개)

파일명	데이터 유형	출처
`주택청약FAQ_temp.csv`	RAG 원본	pgvector 벡터 검색
`주택공급규칙_temp.csv`	RAG 원본 + LLM 요약	pgvector + GPT 요약

입지 분석 (1개)

파일명	데이터 유형	출처
`{주소}_입지분석_카카오_temp.csv`	API 원본	Kakao Maps API

주변 시장 (1개)

파일명	데이터 유형	출처
`{주소}_주변단지_정보_temp.csv`	API + AI 원본	Kakao API + Gemini

정책 (2개)

파일명	데이터 유형	출처
`국가적_정책_모음_temp.csv`	RAG 원본	pgvector 벡터 검색
`지역별_정책_모음_temp.csv`	크롤링 원본	웹 크롤링

미분양 (1개)

| --- | --- | --- |

인구 분석 (2개)

| --- | --- | --- |

공급/수요 (8개)

| --- | --- | --- |

</aside>

3. 아키텍처 + 기술 선택 근거 (WHY THIS STACK - 시스템 레벨)

<aside>

</aside>

<aside>

</aside>

📹 전체 시연 영상

INPUT_FRONT

OUTPUT_EMAIL 전송

목차(CONTENTS)

1. 프로젝트 소개(WHAT)