🏢 AI 시스템 PT (백엔드)

Status: Draft 관련 결정: 4C AI 역할 · 4A 세션 종류 📡 API: AI 🗄️ Data: 6. AI · 5. Records

1. 핵심 컴포넌트

회원 운동 이력 + 본사 프로그램 + 강사 인계 메모
                  ↓
            AI 운동 설계 엔진
                  ↓
        다음 세션 추천 (자율 30분 + 멘토 30분)

2. 입력 (Sources)

A. 회원 운동 이력

• 최근 N세션 (default N=10)의 수행 운동·세트·중량·rep
• Phase·진행률
• 신체 변화 (인바디 입력 시)

B. 본사 표준 프로그램

• Phase별 운동 라이브러리 (근비대 / 다이어트 / 컨디셔닝 / 재활)
• 각 Phase = 4-8주 단계
• 운동 종목·세트·중량 진행 룰

C. 강사 인계 메모

• 직전 세션 멘토가 남긴 텍스트 (3-5줄)
• 운동 시 폼·반응·다음 방향
• AI가 자연어 처리해 다음 추천에 반영 (암묵지 명시화)

D. 회원 컨디션 (선택)

• 회원이 세션 전 입력 (피로도·통증·수면 등)

3. 출력 (Recommendation)

{
  "for_session_at": "2026-05-15T19:00",
  "member_id": 123,
  "phase": "근비대 Phase 2/4",
  "week_in_phase": 4,
  "plan": {
    "cardio": { "type": "런닝", "duration_min": 25, "intensity": "심박 130-150" },
    "room_autonomous_30min": [
      { "name": "워밍업 (가벼운 데드리프트)", "sets": 1, "weight": 40, "reps": 10 },
      { "name": "데드리프트 본세트", "sets": 4, "weight": 65, "reps": 6 }
    ],
    "mentor_30min": [
      { "name": "스쿼트 — 멘토 폼 체크", "sets": 4, "weight": 55, "reps": 8 },
      { "name": "런지 (보조 운동)", "sets": 3, "weight": 30, "reps": 10 }
    ]
  },
  "rationale": "지난 세션 60kg 데드 5×5 성공. 5% 증량 시도. 멘토 인계: '하체 폼 안정, 무게 조금 더 올려도 좋음'.",
  "source_session_ids": [101, 105, 109]
}

4. 모델 선택

• Phase 1: LLM (Claude·GPT) 활용 + 본사 프로그램 룰 기반 하이브리드
  • LLM: 자연어 인계 메모 해석·추천 문구 생성
  • 룰 기반: Phase 진행·중량 증감 (안전성 보장)
• Phase 2+: 회원 데이터 누적되면 ML 모델 학습 검토

5. 데이터 모델

ExerciseLibrary (본사 표준)
  ├─ id, name, category (상체/하체/유산소/코어)
  ├─ default_sets, default_reps_range, intensity_curve
  ├─ form_video_url, safety_notes

ProgramTemplate (Phase별 프로그램)
  ├─ id, phase_name, stage, week
  ├─ exercises (jsonb): library references + intensity rules

AIRecommendation
  ├─ id, member_id, for_session_at, plan (jsonb)
  ├─ rationale, source_session_ids
  ├─ generated_at, model_version

LLMCallLog (비용 추적)
  ├─ id, model, tokens_in/out, cost, member_id, session_id

6. 트리거

• 세션 예약 확정 시 → 즉시 AI 추천 생성
• 멘토 세션 기록 입력 직후 → 다음 추천 갱신
• 회원이 컨디션 입력 시 → 추천 보정

7. 비용 관리

• LLM 호출당 비용 추적 (회원당 월 평균)
• 회원 1세션당 AI 추천 생성 = 약 0.5~1회 LLM 호출
• 회원당 월 AI 비용 ≤ 5,000원 목표

8. 다른 레이어 영향

• 👤 유저: AI 가이드 화면·세션 요약 → 회원 PRD
• 💪 멘토: 세션 전 AI 추천 노출·인계 메모 입력 UX

9. 엣지 케이스

• 신규 회원 이력 없음: 본사 표준 프로그램 N=0 단계로 시작
• LLM 응답 실패 (timeout): 룰 기반 fallback
• 부상·일시정지 후 복귀: AI가 강도 자동 하향 (직전 N세션 가중치 ↓)

10. 측정 지표

• AI 추천 채택률 ≥ 70% (회원·멘토 모두)
• 추천 생성 p95 < 3초
• 회원당 월 AI 비용 ≤ 5,000원
• 시스템 PT 만족도 (회원 인터뷰) ≥ 4.0 / 5

---

2026-05-13

초안