B
AI 인사평가 대비 업무일지 정리기
3.85
Derivation Chain
Step 1
구글 비엔지니어 AI 사용 의무화
→
Step 2
50대 직장인 AI 도입 압박
→
Step 3
AI 활용 레벨 진단 후 실제 업무 적용 시작
→
Step 4
AI 활용 실적을 인사평가용으로 정리하기 어려움
Problem
AI 활용이 인사평가에 반영되기 시작하면서, 50대 직장인이 'AI를 업무에 써봤지만 이걸 어떻게 성과로 기록하지?'라는 문제에 부딪힌다. 챗GPT로 보고서 초안을 만들거나, AI로 데이터 분석을 시도해봤지만, 이 활동을 인사평가 자기기술서에 어떻게 쓸지 모른다. 'AI 활용으로 보고서 작성 시간 3시간→1시간 단축'같은 정량적 서술이 필요한데, 매번 기록을 안 해놔서 평가 시즌에 기억에 의존한다.
Solution
웹에서 AI 활용 업무를 간단히 기록(날짜, 업무명, 사용한 AI 도구, 소요시간 절감 추정)하면, 분기/반기별로 인사평가 자기기술서용 요약 문장을 자동 생성한다. '이번 분기 AI 활용 15건, 평균 업무시간 40% 절감, 주요 활용 분야: 보고서 작성(8건), 데이터 분석(5건)' 형태의 정량적 서술을 제공.
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 (68%)
Data Availability
24.4/25
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 (61/100)
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 [medium]
백엔드 [medium]