AI 자동 통화를 통해 케어 대상자의 상태를 수집하고 위험 신호를 분석·감지하는 지능형 케어 모니터링 플랫폼
고령 인구 및 케어 대상자 급증: 인구 구조 변화로 인해 돌봄이 필요한 대상자가 지속적으로 증가하고 있습니다.
관리 방식의 한계: 기존의 인력 중심 수동 관리 방식으로는 늘어나는 수요를 감당하기에 물리적 한계에 봉착했습니다.
운영 효율 저하: 현재 의료기관의 케어 운영은 여전히 전화 통화에 의존하고 있어 업무 부하가 높습니다.
확장성 제한: 모니터링 인원 증가 시 비례하여 운영 리소스가 급증하므로 대규모 대상자 관리가 어렵습니다.
데이터 활용 부재: 중요한 케어 정보가 포함된 통화 내용이 단순 음성 데이터(비정형) 상태로 방치되고 있습니다.
위험 감지 지연: 누적된 데이터를 정량적으로 분석하기 어려워, 케어 대상자의 위험 신호(Risk Sign)를 사전에 포착하거나 체계적으로 대응하는 데 제약이 있습니다.
2026.01.21(수) — 2026.02.23(월) (총 34일)
 조준환 팀장 |
 김지원 팀원 |
 전하성 팀원 |
 이건호 팀원 |
|---|
[Front-end]
- Redux Toolkit 기반 전역 상태 관리 및 사용자 인증(Auth) 흐름 구축
- Tailwind CSS를 활용한 전체 스타일링 및 다크/라이트 모드 테마 시스템 구현
- 채팅 인터페이스 기반의 SMS 위젯(UI) 개발
- 알림 설정 프론트 연동
[Back-end]
- Spring Security + JWT 기반 보안 인증 체계 구축
- Redis 기반 토큰 관리 및 보안 강화
- 조직 기반 데이터 필터링 및 접근 제어
- 카카오 OAuth2 소셜 로그인 및 회원가입 로직
- SMTP 기반 메일 인증 및 승인 알림
- Twilio API 연동 SMS/MMS 수발신 로직 구현
- 폴링(Polling) + 워커(Worker) 기반 통화 스케줄러
- 시그널 기반 위험도 점수 산정 로직
[Server AI (Spring AI)]
- LLM Vision을 활용한 처방전 AI OCR
- 통화 기록 자동 요약 시스템
[Front-end]
- React Router v6 기반 SPA 구조 설계 및 모듈화
- React.lazy/Suspense 활용 라우트 단위 코드 스플리팅
- react-virtualized 기반 대용량 리스트 무한스크롤
- Chart.js 활용 통화 통계 및 위험도 추이 시각화
- Toast 공용 알림 컴포넌트 제작 및 전역 상태 연동
- 시나리오/의료진/위험도 관리 등 설정 UI 구현
- 통화 이력 및 스케줄 등록/관리 페이지 구현
[Back-end]
- Twilio API 기반 자동 전화 발신 인프라 구축
- STOMP 프로토콜 기반 WebSocket 실시간 알림 시스템
- Spring Data JPA 기반 통화 이력/스케줄 CRUD 및 조직별 데이터 필터링/접근 제어 로직 구현
- 실시간 긴급 상황 감지 및 의료진 SMS 발송 로직
- 대화 중 감지된 요청사항 시스템 자동 반영 로직
- 통화 녹음 파일 저장 및 스트리밍 데이터 처리
- 통화 상태(성공/실패/무응답) 실시간 동기화
[Server AI (Spring AI)]
- OpenAI GPT-4o 활용 실시간 지능형 질문 생성
- Redis VectorStore 연동 RAG 기반 맥락 검색
- 비동기 벡터 인덱싱 처리를 통한 대화 지연 최적화
- 통화 내용 자동 요약 및 핵심 요청사항 추출 파이프라인
- 페르소나 기반 개인화 프롬프트 엔지니어링 수행
- 실시간 대화 데이터 임베딩 및 벡터화 자동화
[Front-end]
- Multipart(FormData) 기반 게시글 데이터 및 파일 통합 전송 구현
- 재귀 렌더링 아키텍처를 활용한 계층형 대댓글 트리 UI 구축
- 답글 시 부모 댓글 작성자 자동 태깅(@) 및 삭제 댓글 필터링 UX 구현
- 다중 API 병렬 호출(Parallel Fetching)을 통한 대시보드 로딩 처리
- 독립 위젯 기반 컴포넌트 설계 및 상세 페이지 이동을 위한 허브 UI 구현
[Back-end]
- 게시물 상단 고정(isPinned) 및 생성일 역순 기반의 복합 정렬 조회 구현
- HashMap 자료구조를 활용한 부모-자식 관계의 댓글 트리 변환 로직 구축
- 이기종 엔티티(통화·작업·알림) 데이터 병합 및 조직별 동적 집계 API 개발
- 게시글 수정/삭제 시나리오에 따른 업로드 파일 생애주기 관리 시스템 구축
- validateWriter 기반 작성자 본인 검증 및 Soft Delete 적용으로 데이터 관리
[Front-end]
- Redux Toolkit을 활용한 전역 상태 관리
- Chart.js 기반 케어 대상자 위험추이 트렌드 차트 구현
- React-Draggable/Resizable 기반의 자유로운 드래그 및 크기 조절이 가능한 플로팅 채팅창 구현
- 사용자 선택에 따른 Cloud(OpenAI) & On-device(Ollama) 모델 실시간 스위칭 UI 로직 구축
- FormData 기반 이미지 업로드 및 미리보기 인터페이스 구현
- 케어 그룹 및 대상자 목록의 조직별 권한에 따른 조건부 렌더링 시스템 구축
- Tailwind CSS 기반 반응형 UI 구현 (모바일/태블릿/데스크톱 대응)
[Back-end]
- Spring Data JPA 기반 케어 대상자/그룹 CRUD 및 조직별 데이터 필터링/접근 제어 로직 구현
- MultipartFile 기반 파일 처리 시스템 및 대용량 데이터 관리를 위한 스토리지 연동
- Apache POI를 활용한 CSV/Excel 파싱 및 벌크 인서트(Bulk Insert)를 통한 대량 등록 성능 최적화
- Querydsl을 활용한 동적 쿼리 처리로 케어 대상자 상세 검색 및 필터링 기능 강화
[Server AI (Spring AI)]
- @Qualifier & @Bean을 활용한 다중 LLM(GPT-4o-mini 등) 공급 체계 구축
- Redis Vector Store를 활용한 고성능 벡터 검색 인프라 구축
- 목적별(챗봇용/전화용) Vector Store 분리 운영 전략 수립 및 데이터 격리 구현
- VectorIndexingService를 통한 배치 기반 문서 파싱 및 벡터화(Vectorization) 파이프라인 구축
- ChatMemory 기반 컨텍스트 관리 시스템 구현으로 매끄러운 멀티턴 대화(Multi-turn) 지원
- Spring AI Tools (Function Calling)를 활용하여 DB 데이터를 직접 조회/수정하는 실행형 에이전트 구현
- Prompt Template 구조화 및 동적 프롬프트 생성을 통한 RAG 답변 정확도 최적화
[On-device AI]
- Ollama를 활용한 로컬 LLM 환경별 동적 주입 구현
- BGE-M3 임베딩 모델을 결합한 로컬 벡터화 엔진 구축
- 임베딩 모델 직접 연동을 통한 온디바이스 벡터 파이프라인 구축
- 로그인 및 회원가입 - JWT 인증 및 카카오 소셜 로그인
- 직원 관리 - 가입 승인 및 권한 관리
- 대시보드 - 오늘의 일정, 즉시 조치 필요한 알림, 미처리 업무 현황
- 케어 대상자 관리 - 모니터링할 케어 대상자 CRUD + CSV/EXCEL 대량 등록
- 케어 그룹 관리 - 유사성이 같은 대상자들을 그룹별로 관리하여 모니터링
- 통화 - (그룹/개인) 통화 스케줄 예약 및 자동화
- Call(STT 음성인식 + Twilio) - 음성인식을 통해 대상자의 상태 확인
- AI 분석(LLM) - 실시간 긴급상태 감지, 위험도 산정, 통화 요약
- SMS 서비스 - 양방향 문자 수발신, 인공지능 기반 예약 변경 감지, 처방전 AI OCR
- 통계 및 리포트 - 위험도 추이 및 통화 성공률 분석, PDF 리포트 다운로드
- 작업 - 효율적인 업무 처리를 위한 할일 목록 및 이력 관리
- 실시간 알림 - WebSocket 기반 긴급 상황 실시간 푸시 알림
- AI 챗봇 - RAG 기반 정보 검색 및 Function Calling 기반 데이터 관리
- 커뮤니티 - 계층형 댓글 구조의 공지사항 및 파일 첨부
- UX/UI - 반응형 레이아웃(PC/태블릿/모바일), 다크/라이트 모드 지원
🖥️ Front-end
🗄️ Back-end
🤖 AI/ML
🗺️ API
- IAM - 엄격한 권한 관리 및 보안 정책 적용
- EC2 - 확장 가능한 서버 환경 구축
- 애플리케이션 환경 관리 및 배포 프로세스 표준화
- 자동 스케일링 및 환경 구성 관리
- RDS(MySQL) - 데이터 독립성 확보 및 고가용성 제공
- Security Group - 네트워크 레벨 접근 제어를 통한 보안 강화
- 리버스 프록시 설정을 통한 로드 밸런싱
- 서비스 중단 없는 무중단 배포 환경 구현
- Jenkins - 코드 통합 및 빌드 자동화
- Elastic Beanstalk 연동 - 코드 통합부터 실행까지 전 과정 자동화
JWT 보안 인증 및 카카오 소셜 로그인을 통해 간편하고 안전한 접속 환경을 제공합니다.
- JWT를 이용한 보안 처리 및 Spring Security 활용
- 카카오 소셜 로그인
- httpOnly 쿠키 기반 토큰 관리
// 카카오 소셜 로그인 처리
public OAuth2LoginResponseDTO processKakaoLogin(String email, String name) {
User user = userRepository.findByEmail(email).orElse(null);
if (user != null) return authService.generateTokens(user); // 기존 회원 로그인
return OAuth2LoginResponseDTO.requiresAdditionalInfo(email, name); // 신규 회원 가입 필요
}
조직 내 구성원의 가입 승인 및 권한 등급(Admin, Manager, User)을 체계적으로 관리합니다.
- 가입 승인 및 권한 관리
- 역할 기반 접근 제어 (ADMIN, MANAGER, USER)
- 조직별 사용자 관리
- 승인 대기 사용자 관리 및 이메일 알림
실시간 알림, 통화 스케줄, 업무 현황을 한눈에 파악할 수 있는 통합 관제 센터를 제공합니다.
- 오늘의 일정 - 오늘 날짜의 통화 스케줄 조회 및 상태 표시
- 즉시 조치 필요한 알림 - 긴급 알림(CRITICAL, HIGH) 및 위험도 높은 대상자 표시
- 미처리 업무 현황 - 대기 중인 작업 및 진행 중인 작업 통계
- 통화 통계 - 통화 완료율, 실패율 등 시각화
- 위험도 통계 - 조직 내 대상자 위험도 분포
- 최근 활동 - 최근 알림 및 작업 내역
// 대시보드 통계 API
@GetMapping("/{orgId}/stats")
public ResponseEntity<Map<String, Object>> getDashboardStats(@PathVariable Long orgId) {
return ResponseEntity.ok(Map.of(
"callStats", dashboardService.getCallStats(orgId),
"riskStats", dashboardService.getRiskStats(orgId),
"taskStats", dashboardService.getTaskStats(orgId)
));
}
축적된 케어 데이터를 바탕으로 위험도 추이 및 자동화 성과를 시각적으로 분석한 리포트를 제공합니다.
- 대상자 및 그룹별 상세 리포트 제공
- 위험도 분석 - 전체/그룹별 위험도 분포 및 추이 시각화
- 통화 분석 - 통화 성공률, 응답 시간 등 통화 품질 지표 확인
- AI 자동화 - AI가 수행한 자동 조치 비율 및 성과 분석
- PDF 내보내기 - 보고서 PDF 다운로드 기능
// 통계 데이터 조회 (기간, 그룹, 질환 필터링)
public Map<String, Object> getStatistics(String start, String end, Long groupId, String disease) {
return Map.of(
"summary", reportService.getSummary(start, end, groupId, disease),
"riskAnalysis", reportService.getRiskAnalysis(start, end, groupId, disease),
"callAnalysis", reportService.getCallAnalysis(start, end, groupId, disease),
"aiAutomation", reportService.getAiAutomationStats(start, end, groupId, disease)
);
}
AI 자동화 설정이 꺼져 있을 때, 시스템이 감지한 중요 요청들을 '할일 목록'으로 자동 분류하여 실무자가 하나도 놓치지 않고 수동으로 처리할 수 있는 대기 보드 역할을 합니다.
- 유연한 업무 처리 (Automation-to-Manual)
- 수동 승인 대기열 - 자동화 모드가 꺼진 경우, AI가 감지한 예약 변경이나 챗봇 요청이 할일 목록에 쌓이며 '시작' 버튼 클릭 시 즉시 시스템에 반영됩니다.
- 업무 가시성 확보 - 현재 대기 중인 작업과 처리 중인 업무를 실시간으로 구분하여 팀 내 업무 분담과 진행 상황을 명확히 알 수 있습니다.
- 통합 이력 관리 - AI가 조치한 자동 기록과 사용자가 직접 완료한 수동 처리 건을 모두 기록하여 작업의 투명성을 보장합니다.
// AI 챗봇 자동화 작업 분류 및 처리
private void processChatbotAutomation(Long taskId) {
Task task = taskRepository.findById(taskId).orElseThrow();
if (task.getType() == TaskType.SCHEDULE_CHANGE) {
scheduleService.updateReservation(task.getData()); // 예약 변경 자동 처리
} else if (task.getType() == TaskType.NOTICE_CREATE) {
noticeService.createNotice(task.getData()); // 공지사항 등록
}
}
긴급 상황이나 주요 이벤트 발생 시 웹소켓을 통해 즉각적인 실시간 푸시 알림을 제공합니다.
- 실시간 WebSocket 알림 - STOMP 프로토콜 기반의 WebSocket을 통해 서버에서 발생한 긴급 상황 및 이벤트를 프론트엔드로 즉시 Push합니다.
- 조직별 브로드캐스트 - 보안과 효율성을 위해 조직(Organization) 단위의 전용 토픽(/topic/org/{orgId})으로 실시간 알림을 격리 송출합니다.
- 알림 심각도 및 상태 관리 - CRITICAL, HIGH, MEDIUM, LOW 심각도 분류와 읽음/미읽음 상태를 관리합니다.
// WebSocket 실시간 알림 전송 로직
public void sendRealTimeNotification(Long orgId, Map<String, Object> message) {
String topic = "/topic/org/" + orgId;
messagingTemplate.convertAndSend(topic, message);
log.info("WebSocket 실시간 알림 전송 완료: topic={}", topic);
}
자연어 대화를 통해 대상자 정보를 조회하거나 예약을 등록하는 등 지능형 가상 비서 기능을 제공합니다.
- 대상자 정보 조회 및 관리 (Function Calling) - Spring AI의 Function Calling 기능을 통해 LLM이 직접 DB를 조회하거나 수정하여 대상자 정보 조회 및 예약 등록을 수행합니다.
- RAG 기반 지식 검색 - RedisStack 벡터 데이터베이스와 BGE-M3 임베딩 모델을 활용한 RAG(Retrieval-Augmented Generation) 시스템으로 정확한 맥락 파악 및 답변을 제공합니다.
- 하이브리드 LLM 지원 - 성능 중심의 OpenAI GPT-4o와 데이터 보안 중심의 Local LLM(Ollama Qwen2.5)을 실시간으로 스위칭하여 사용 가능합니다.
- 멀티턴 대화 (Chat Memory) - ChatMemory 시스템을 통해 이전 대화 맥락을 유지하며 매끄러운 소통을 지원합니다.
// RAG 기반 AI 챗봇 응답 생성
public String generateAiResponse(String userMessage) {
List<Document> context = vectorSearchService.search(userMessage); // RAG 검색
return chatClient.prompt()
.system(systemPrompt)
.user(userMessage)
.call().content(); // LLM 응답 생성
}
조직별 맞춤형 케어 대상자 관리와 CSV 기반 일괄 데이터 처리 기능을 제공
- CSV/EXCEL 업로드로 대상자 대량 등록
// CSV 대량 등록 처리
public void uploadCareTargets(MultipartFile file) {
List<CareTargetDTO> targets = csvParser.parse(file, CareTargetDTO.class);
careTargetRepository.saveAll(targets.stream().map(DTO::toEntity).toList());
}
- 대상자 프로필 등록(대상자 수정)
- 위험도 추이 - 통화 후 LLM이 대상자의 위험도 스코어를 제공하며, 해당 데이터를 기반으로 주별로 시각화하여 제공
- 통화 이력
- 처방 이력
// 프로필 이미지 업로드
public void updateProfileImage(Long targetId, MultipartFile file) {
String imageUrl = s3Service.upload(file);
careTargetRepository.findById(targetId).ifPresent(t -> t.updateImage(imageUrl));
}
유사성이 같은 대상자들을 그룹별로 관리하여 모니터링할 수 있는 기능을 제공합니다.
- 그룹 생성 및 관리
- 그룹별 통화 스케줄 관리
// 케어 그룹 생성
public void createGroup(GroupDTO dto) {
careGroupRepository.save(CareGroup.builder()
.name(dto.getName())
.description(dto.getDescription())
.build());
}
조직 내 원활한 소통을 위해 파일 첨부 및 계층형 댓글 기능을 지원하는 게시판을 제공합니다.
- 공지 등록 및 댓글 작성
- 대댓글 기능
- 이미지 업로드 및 파일 관리
// 공지사항 등록 및 파일 첨부
public void createNotice(NoticeDTO dto, List<MultipartFile> files) {
Notice notice = noticeRepository.save(dto.toEntity());
if (files != null) fileService.uploadFiles(notice.getId(), files);
}
통화 시나리오 설계, 위험 임계값 및 AI 자동화 여부 등 시스템 운영 전반을 관리할 수 있는 환경을 제공합니다.
- 시나리오 관리(CRUD) - 통화 연결 시 대상자에게 전달될 질문지 관리
- 위험 설정 - LLM이 산출한 위험 점수가 미리 설정한 임계값(Threshold)을 초과할 경우, 해당 등급(긴급, 위험, 보통, 낮음)으로 자동 분류
- 알림 설정 ON/OFF
- SMS 알림 - 긴급 상황 시 SMS(문자)로 알림
- 이메일 알림 - 직원 회원가입 요청 시 승인 이메일 발송
- 위험 감지 - 케어 대상자 위험 감지 알림
- 통화 실패 - 정기 통화 실패 시 알림
- 긴급 상황 - 긴급 상황 시 즉시 알림 (통화 중 긴급 상황인 경우 실시간 긴급 알림)
- AI 설정 - 챗봇 자동화, SMS/통화 자동화 설정
- 의료진 관리
// 시나리오 질문지 생성
public void createScenario(ScenarioDTO dto) {
scenarioRepository.save(dto.toEntity());
}
// 위험도 임계값 설정
public void updateRiskConfig(RiskConfigDTO dto) {
riskConfigService.updateThresholds(dto);
}
개인 및 그룹별 통화 스케줄을 예약·관리하고, Twilio와 AI를 연동하여 예약된 시간에 자동으로 전화를 걸어 대상자의 건강 상태를 확인하며 모든 통화 이력을 체계적으로 관리합니다.
- 통화 스케줄 - 개인/그룹 스케줄 등록 (일회성/반복 예약 지원)
- 통화 이력 - 통화 전문, AI 요약, 녹취 파일
- 자동 통화 실행 (Twilio + STT) - Twilio Programmable Voice와 STT(Speech-to-Text)를 연동하여 대상자의 음성 응답을 실시간 텍스트로 변환합니다.
- 실시간 긴급 상태 감지 (GPT-4o) - 통화 중 "살려달라", "너무 아프다"와 같은 위급 키워드 및 맥락을 GPT-4o가 실시간 분석하여 의료진에게 긴급 알림을 즉시 전송합니다.
- 위험도 스코어링 및 요약 - 통화 종료 후 전체 대화 내용을 요약하고, 대상자의 현재 위험도를 점수화하여 주별 추이 그래프로 시각화합니다.
- 페르소나 기반 대화 - 각 대상자의 특성에 맞춘 개인화 프롬프트 엔지니어링을 통해 자연스러운 상호작용을 제공합니다.
자동화 프로세스
- 스케줄 기반 자동 통화 실행 → 시나리오 질문 자동 진행 → STT 음성 인식으로 응답 수집
- 실시간 긴급 상태 감지 (LLM 기반) → 위험도 산정 및 알림 생성
// 통화 스케줄 등록
public void createSchedule(ScheduleDTO dto) {
scheduleRepository.save(dto.toEntity());
}
// 통화 중 실시간 긴급상황 감지
public boolean detectEmergency(String response) {
return aiClient.analyzeRisk(response).isEmergency();
}
Twilio API와 AI를 결합하여 예약 안내부터 변경 요청 처리, 처방전 사진 수신까지 대상자와의 소통 창구를 하나로 통합하여 관리 효율을 높입니다.
- 자동 예약 알림 및 안내 - 예정된 통화 일정을 대상자에게 문자로 자동 안내하여 참여율을 높이고, 신뢰할 수 있는 소통 채널을 유지합니다.
- 간편한 예약 변경 - 대상자가 보낸 문자의 의도를 분석하여 복잡한 조작 없이도 통화 스케줄을 손쉽게 변경하거나 할일 목록에 등록할 수 있습니다.
- 디지털 처방전 수집 - 대상자가 MMS로 보낸 처방전 이미지를 AI Vision이 분석하여 약물 정보와 진단명을 자동으로 기록하므로 수기 입력의 번거로움이 사라집니다.
- 실시간 양방향 채팅 - 대시보드 내 대화창에서 실시간으로 문자를 주고받으며, 번호 매칭을 통해 누구와 대화하는지 즉시 확인하고 대응할 수 있습니다.
// SMS 발송 처리
@PostMapping("/send-sms")
public ResponseEntity<SendSmsResponseDTO> sendSms(@RequestBody SendSmsRequestDTO request) {
String parsedPhoneNumber = PhoneNumberUtil.parsePhoneNumber(request.getTo());
String messageSid = twilioService.sendSms(parsedPhoneNumber, request.getMessage());
OutboundSms outbound = OutboundSms.builder()
.messageSid(messageSid)
.fromNumber(twilioService.getFromNumber())
.toNumber(parsedPhoneNumber)
.body(request.getMessage())
.sentBy(SentBy.USER)
.build();
outboundSmsRepository.save(outbound);
return ResponseEntity.ok(SendSmsResponseDTO.builder()
.message("문자 발송이 완료되었습니다.")
.messageSid(messageSid)
.build());
}
다양한 디바이스(PC, 태블릿, 모바일) 환경에서 최적화된 사용자 경험을 제공하기 위한 반응형 레이아웃을 지원합니다.
- PC / 태블릿 / 모바일 지원
- 브레이크포인트별 레이아웃 최적화
사용자의 시력 보호와 가독성 향상을 위해 다크 모드와 라이트 모드 테마를 모두 지원합니다.
- 다크모드 / 라이트모드 지원
