B
EV 정비사 ADAS 교육봇
3.15
파생 체인
단계 1
BYD/중국 EV 급제동 이슈
→
단계 2
EV ADAS 정비 수요 급증
→
단계 3
정비사 대상 ADAS 교육 서비스
→
단계 4
ADAS 고장코드 해석 학습 챗봇
문제
중국산 EV 포함 다양한 전기차의 ADAS(긴급제동·차선유지 등) 관련 고장이 증가하지만, 국내 자동차 정비사의 90% 이상이 내연기관 중심 교육만 받았다. ADAS 고장코드(DTC)는 제조사별로 상이하고, 중국차 매뉴얼은 영어/중국어만 제공된다. 오프라인 교육은 1회 50-100만원, 2-3일 소요로 영세 정비소가 감당하기 어렵다.
솔루션
(1) OBD-II 고장코드 입력 시 해당 ADAS 모듈의 원인·수리 절차를 한글로 즉시 해설, (2) 제조사별(현대·기아·BYD·테슬라 등) ADAS 시스템 구조를 대화형으로 학습할 수 있는 챗봇, (3) 실제 수리 사례 기반 퀴즈·시뮬레이션으로 역량 인증. 차별화: 중국차 DTC 한글 해설 최초 제공.
NUMR-V Scores
NUMR-V Scoring System
| N Novelty | 1-5 | 시장 내 유사 서비스 부재 정도. 경쟁사 0개 = 5, 10+개 = 1 |
| U Urgency | 1-5 | 사용자가 지금 당장 필요로 하는 긴급성. 트렌드 부합 + 시급성 |
| M Market | 1-5 | 타겟 시장의 크기와 성장 가능성. 프록시 지표 기반 (LLM 추정 X) |
| R Realizability | 1-5 | 1-2인이 실현 가능한 정도. 기술 난이도 + 데이터 확보 용이성 |
| V Validation | 1-5 | 시장 검증 통과 여부. 경쟁사 분석 + 수요 프록시 + 타이밍 |
SaaS N=.15 U=.20 M=.15 R=.30 V=.20
Senior N=.25 U=.25 M=.05 R=.30 V=.15
실현성 (78%)
실현성 분석
| 기술 복잡도 | / 40 | 핵심 기술 스택의 난이도. low=40, medium=24, high=10 |
| 데이터 접근성 | / 25 | 필요 데이터의 확보 용이성. user_generated=25 → proprietary=4 |
| MVP 일정 | / 20 | 최소 기능 제품 구축 소요 기간. 2주=20, 1개월=12, 3개월=8 |
| API 보너스 | / 15 | 공공 API 활용 가능 시 보너스. 매칭 API가 있으면 가산 |
시장 검증 (53/100)
검증 분석
| 경쟁 분석 | / 20 | 경쟁사 검색 결과 기반. 적절한 경쟁 존재 = 시장 검증 |
| 시장 수요 | / 20 | 검색량, 뉴스 언급 등 프록시 지표. 실제 수요의 간접 증거 |
| 타이밍 | / 20 | 현재 트렌드와의 부합도. 규제/기술 변화 시점 적합성 |
| 수익 참조 | / 15 | 유사 비즈니스 모델의 수익 사례. 실제 과금 레퍼런스 존재 여부 |
| 곡괭이 적합 | / 15 | 곡괭이 전략 부합도. 도구/인프라 제공 관점 적합성 |
| 1인 구축 | / 10 | 혼자서 MVP 구축 가능 여부. 외부 의존성 최소화 정도 |
기술 요구사항
AI/ML [medium]
백엔드 [low]
프론트엔드 [low]