Insicon

인사이콘이란?

인사이콘은 세션에서 학습한 내용을 체화하고, 실제 프로젝트에 적용해보며 교류하는 학회 내 데이터 경진대회입니다.

1차 인사이콘에선, 비즈니스 시나리오를 구상하고 주제를 설정합니다. 메타 데이터를 분석하고 교육세션에서 학습한 내용을 활용하여 유의미한 인사이트 및 경영 전략을 도출해내는 것이 주요 과제입니다. 교육세션을 마치고 학회원들의 데이터 분석역량, 문제해결력 함양을 목표로 공통된 문제상황에 대하여 1차 인사이콘이 개최되었다면, 이후에 심화세션과 함께 진행되는 2차 인사이콘에선 학습한 기술을 활용하여 공모전에 도전하거나 주제를 발제하여 프로젝트를 구성합니다.

2026년 상반기 1차 인사이콘

카드사 결제 및 고객 데이터를 활용한 고객 생애 가치 높이기 프로젝트

26년 2학기에는  <INSIGHT FINANCIAL>이라는 가상의 카드사 결제 및 고객 데이터를 활용하여 프로젝트를 수행하였습니다.

(클릭!) 카드사 결제 및 고객 데이터를 활용한 고객 생애 가치 높이기 프로젝트

2026년 상반기 2차 인사이콘

외국인을 위한 다국어 금융 서식 자동 완성 및 일상 금융 문제 해결 챗봇 프로젝트

국내 장기체류 외국인 약 215만 명을 대상으로, 언어 장벽으로 인한 금융 서비스 접근성 문제를 해결하는 AI 챗봇을 개발했습니다. 

•

상담 데이터 약 8만 건, 번역 말뭉치 약 62만 건, 금융 서식 데이터를 직접 수집해 Qwen2.5 모델 파인튜닝 및 규칙 기반 RAG를 결합했습니다.

•

모국어로 개좌 개설을 안내하고, 대화 내용을 바탕으로 외화 송금 등 금융 서식을 자동으로 채워주는 기능을 구현했습니다.

•

금융 환경의 보안과 망 분리 요건을 고려한 Docker 기반 격리 구동 환경까지 구현했습니다.

경험이 커리큘럼이 되는 AI 지식 그래프 프로젝트

커뮤니티의 학습 경험 글을 연결해 사용자의 현재 수준과 학습 맥락에 맞는 다음 학습 노드를 찾아주는 AI 플랫폼을 개발했습니다. 

•

크롤러로 수집한 학습 경험 글을 요약, 태깅, 임베딩해 지식그래프에 자동으로 편입하고, 2-Pass 방식으로 고립 노드를 875개에서 24개로 감소했습니다.

•

GraphRAG 기반 추천 엔진에 난이도 적합·관련성·선행 충족·다양성 네 가지 지표를 가중 결합했습니다.

•

Next.js·FastAPI·Postgres(pgvector) 기반 3레이어 아키텍처로 실제 동작하는 웹 서비스 구현했습니다.

유튜브 댓글 분석을 통한 인플루언서 시딩 가이드라인 프로젝트

인플루언서 마케팅에서 채널 특성을 반영하지 않은 획일적 시딩 가이드라인 문제를 해결하기 위해, 팬덤의 몰입 방식을 분석해 크리에이터 맞춤형 가이드라인을 자동으로 생성하는 AI를 개발했습니다.

•

유튜브 API로 댓글 약 26.8만 건 수집, 7단계 전처리 후 자체 설계한 용어 체계(trigger-target-processing-expression) 적용했습니다.

•

LLM 프롬프트 엔지니어링과 9개 모델 병렬로 라벨 생성, ELECTRA-RoBERTa 파인튜닝으로 검증 F1 약 0.81의 분류기를 완성했습니다.

•

5개 AI 에이전트가 협업해 페르소나 분석부터 가이드라인 작성까지 자동화했습니다.

Digital Twin 기반 AMR AI 제어 시스템 프로젝트

반도체 공장의 AMR(자율 이동 로봇) 전환 과정에서 발생하는 배차·충전·교착 문제를 강화학습으로 해결하는 AI 제어 시스템을 개발했습니다.

•

실공정 데이터(SMT2020-SMT2022)를 기반으로 실제 공장과 양방향 네트워크를 주고받는 디지털 트윈 시뮬레이터 직접 구축했습니다.

•

MaskablePPO 강화학습으로 배차·충전 정책을 통합 학습, 방전 50% 감소·처리량 +4%·교착 상황 20배 감소를 달성했습니다.

•

RL의 결정을 LLM이 자연어로 설명해 주는 관제 대시보드 구현, 차량 30~40% 절감(약 21~35억 원) 효과가 추정됩니다.

스킬 데이터를 기반으로 배치 구성을 자동으로 추천하는 팀 구성 최적화 서비스 프로젝트

스킬 데이터를 기반으로 최적의 팀을 배치하는 HR 의사결정 지원 서비스를 개발했습니다.

•

구성원의 역량을 스킬 택소노미로 정형화하고 다차원 가중치를 결합한 Fit Matrix로 개인-과제 적합도를 산출합니다.

•

ILP(정수계획법) 기반 2단계 최적화로 신규 배치·재배치·TF 차출 시나리오를 하나의 통합 로직으로 설계했습니다.

•

배치 근거와 SPOF(특정 스킬 보유자가 한 명뿐인 위험) 알림을 함께 제공하는 대시보드 구현했습니다.

개인 투자 실패 원인을 진단하는 멀티에이전트 프로젝트

개인투자자가 시장 손실과 자신의 매매 실수로 인한 손실을 구분하지 못하는 문제를 해결하기 위해, 행동재무학 기반의 투자 실패 원인 진단 시스템을 개발했습니다.

•

코스피 798종목 1분봉 1년치(5,467만 행, 3.56GB) 실거래 데이터를 직접 구축했습니다.

•

시장 영향을 제거한 초과수익 기준으로 본인 책임 손실을 산출, 행동재무학 이론을 토대로 수준의 판정 기준으로 구현했습니다.

•

진단된 실패 원인에 따라 가장 적합한 에이전트로 연결하는 멀티에이전트 구조로 행동 교정 피드백 및 실시간 경고 제공했습니다. 

PF 대출 상환 능력이 부족한 건설사를 찾아내는 프로젝트

고금리, 미분양 장기화로 확대된 건설사 PF 리스크를 사전에 탐지하기 위해 재무 데이터와 외부 변수를 결합한 조기 경보 시스템을 개발했습니다.

•

DART 재무제표에 HUG 주택보증통계, 기준금리, 지역별 미분양 뉴스 부정률 등 외부 변수를 결합해 학습 데이터셋 구축했습니다.

•

TimeSeriesSplit 교차검증으로 다수 모델 비교 후 로지스틱 회귀 채택하고, AUC 0.9061, Recall 0.8738을 달성했습니다.

•

Power BI 대시보드로 지역별 위험도와 재무 추이, 예측값을 실무자가 직접 조회 가능하도록 구현했습니다. 