B
AI 시대 자녀 직업 상담 통역기
3.85
Derivation Chain
Step 1
OpenAI 110조 펀딩·AI 산업 급변
→
Step 2
50대 부모가 20대 자녀의 AI 시대 커리어 조언을 해주고 싶지만 지식이 부족
→
Step 3
부모-자녀 간 AI 직업 인식 격차로 인한 갈등
Problem
50-60대 부모가 20대 초중반 자녀에게 '취업 준비 어떻게 하고 있어?'라고 물을 때, 자녀가 'AI 엔지니어 준비 중이야', 'LLM 파인튜닝 공부해'라고 답하면 무슨 말인지 이해할 수 없어 대화가 단절된다. 반대로 부모가 '은행이나 공기업 넣어봐'라고 조언하면 자녀는 '시대에 뒤떨어졌다'고 느끼며 갈등이 생긴다. 부모는 자녀의 커리어를 응원하고 싶지만 AI 시대 직업 지형을 이해할 통로가 없어 소통 단절이 장기화된다.
Solution
웹에서 (1) 자녀의 관심 직무(예: 'AI 엔지니어', '프롬프트 디자이너', '데이터 분석가')를 입력하면, (2) 해당 직무가 하는 일·필요한 역량·예상 연봉·성장 전망을 50대 부모가 이해할 수 있는 비유와 언어로 번역하여 설명하고, (3) '자녀에게 이렇게 말해보세요' 대화 가이드를 제공한다. 예: 'AI 엔지니어 = 옛날 공장 자동화 라인 설계하던 사람의 디지털 버전'.
NUMR-V Scores
NUMR-V Scoring System
| N Novelty | 1-5 | How uncommon the service is in market context. |
| U Urgency | 1-5 | How urgently users need this problem solved now. |
| M Market | 1-5 | Market size and growth potential from proxy indicators. |
| R Realizability | 1-5 | Buildability for a small team with realistic constraints. |
| V Validation | 1-5 | Validation signal quality from competition and demand data. |
SaaS N=.15 U=.20 M=.15 R=.30 V=.20
Senior N=.25 U=.25 M=.05 R=.30 V=.15
Feasibility (72%)
Data Availability
20.4/25
Feasibility Breakdown
| Tech Complexity | / 40 | Difficulty of core implementation stack. |
| Data Availability | / 25 | Practical availability and cost of required data. |
| MVP Timeline | / 20 | Expected time to ship a usable MVP. |
| API Bonus | / 15 | Bonus for viable public API leverage. |
Market Validation (51/100)
Validation Breakdown
| Competition | / 20 | Signal quality from competitor landscape. |
| Market Demand | / 20 | Demand proxies from search and mention patterns. |
| Timing | / 20 | Fit with current shifts in tech, behavior, and regulation. |
| Revenue Signals | / 15 | Reference evidence for monetization viability. |
| Pick-Axe Fit | / 15 | How well the concept serves participants in a trend. |
| Solo Buildability | / 10 | Practicality for lean-team implementation. |
Technical Requirements
프론트엔드 [low]
백엔드 [medium]