"막막한 서울 내 집 마련, 감이 아닌 데이터로 확신을 드립니다." 안녕하세요, 인서울 프로젝트의 PM입니다. 우리 서비스는 복잡한 부동산 시장에서 사용자가 길을 잃지 않도록, 개인의 재무 상태와 시장 변수를 결합하여 정교한 '내 집 마련 시뮬레이션'을 제공하는 SaaS 플랫폼입니다.
많은 이들이 서울 입성을 꿈꾸지만, 대출 규제(LTV/DSR)와 시시각각 변하는 금리 앞에 좌절합니다. **인서울(InSeoul)**은 마이데이터 연동 없이도 사용자가 직접 입력한 데이터를 기반으로 **'골든 크로스(자산 성장 곡선과 매수 가능 가격이 만나는 지점)'**를 예측하고, 현실적인 **'징검다리 전략'**을 제시합니다.
사용자의 재무 상태를 3단계로 정밀하게 진단합니다.
- 현재 자산: 예적금, 주식, 기존 부동산 등 가용 자산 파악.
- 현금 흐름: 월 수입과 지출 분석. (30대 직장인 평균 생활비 등 스마트 가이드 제공)
- 목표 설정: 희망하는 서울 자치구 및 아파트 평형 선택.
금융 공학 알고리즘을 통해 D-Day를 산출합니다.
- FV(Future Value) 공식: 현재 저축액과 예상 수익률을 바탕으로 미래 자산 가치 계산.
- 현실적 한도 계산: LTV, DSR 규제를 반영하고 취득세 등 거래 비용(약 3.5%)을 미리 산입하여 '실제 매수 가능 금액' 제시.
다양한 시나리오에 따른 스트레스 테스트를 수행합니다.
- 금리 인상 시 대출 상환액 변동 시뮬레이션.
- 부동산 가격 급등/하락에 따른 D-Day 변화 추적.
목표 지역 진입이 당장 어려울 경우, 자산 형성의 중간 거점이 될 수 있는 **경기도 주요 요충지(성남, 광명, 과천 등)**의 대안 단지를 추천합니다.
내 집 마련 가능 시점은 '목표 주택의 미래 가격'이 '미래 가용 자산(자기자본 + 대출 한도)'보다 작아지거나 같아지는 지점을 추적합니다.
- Target Price: 목표 지역의 현재 시세에 예상 상승률을 반영한 미래 가치.
- Available Capital: (현재 자산 * 복리 수익률) + (월 저축액 * 기간) + (LTV/DSR 기반 최대 대출액).
- Action Guide: 사용자가 저축액을 10% 증액하거나 수익률을 1% 높일 때 단축되는 D-Day를 실시간으로 시각화하여 동기를 부여합니다.
우측 사이드바의 인서울 AI 어드바이저는 단순 LLM 챗봇이 아닌, 서비스 전용 지식 베이스를 활용한 RAG(Retrieval-Augmented Generation) 기반 어드바이저입니다. 사용자가 현재 보고 있는 페이지와 입력한 재무 데이터를 컨텍스트로 함께 전달하여, 개인화된 부동산 금융 조언을 제공합니다.
사용자 질문
│
▼
[Retriever] SentenceTransformer 임베딩 → ChromaDB 코사인 유사도 검색 (top-4 청크)
│
▼
[Prompt Builder] 시스템 역할 + 검색 문서 + 사용자 컨텍스트(페이지·자산·시뮬설정) + 대화 히스토리(최대 10턴)
│
▼
[OpenAI API] gpt-5-nano 스트리밍 호출
│
▼
[SSE 스트리밍] data: {"type": "delta", "content": "..."} → 프론트엔드 실시간 렌더링
backend/knowledge/ 디렉터리의 Markdown 파일 5종이 RAG의 근거 문서입니다.
| 파일 | 내용 |
|---|---|
calculation_logic.md |
D-Day 산출 공식, FV 계산, LTV·DSR 로직 |
financial_concepts.md |
LTV, DSR, 취득세 등 금융 개념 설명 |
loan_products.md |
보금자리론, 디딤돌대출 등 대출 상품 정보 |
seoul_districts.md |
서울 자치구별 아파트 시세 및 특성 |
strategies.md |
징검다리 전략, 경기도 요충지 투자 전략 |
문서는 ## 헤딩 기준으로 청킹(최대 500토큰, 50토큰 오버랩)된 뒤 paraphrase-multilingual-MiniLM-L12-v2 모델로 임베딩되어 ChromaDB에 저장됩니다.
AI 어드바이저는 현재 상태를 시스템 프롬프트에 자동으로 포함합니다.
- 현재 페이지: 어느 화면에서 질문하는지 (대시보드, 리포트, 지도 등)
- 사용자 프로필: 보유 현금, 월 저축액, 연 소득, 목표 아파트 가격 등
- 시뮬레이션 설정: LTV 비율, 아파트 연간 상승률, 투자 수익률 등
덕분에 같은 "LTV가 뭔가요?" 질문이라도 사용자의 실제 수치를 바탕으로 구체적인 답변이 제공됩니다. 각 페이지에는 힌트 칩도 표시되어 처음 사용자도 쉽게 질문을 시작할 수 있습니다.
cd backend
# 1. 의존성 설치
pip install -r requirements.txt
# 2. 환경변수 설정
cp .env.example .env
# .env 파일에서 OPENAI_API_KEY 입력
# 3. 지식 베이스 인제스트 (최초 1회 또는 knowledge/ 변경 시)
python scripts/ingest.py
# 4. FastAPI 서버 실행
uvicorn main:app --reload --port 8000.env.example에서 설정 가능한 항목:
| 환경변수 | 기본값 | 설명 |
|---|---|---|
OPENAI_API_KEY |
— | OpenAI API 키 (필수) |
CHROMA_PERSIST_DIR |
./vectorstore |
ChromaDB 저장 경로 |
ALLOWED_ORIGINS |
http://localhost:5173 등 |
CORS 허용 출처 |
프론트엔드에서 백엔드 주소를 변경하려면 .env 파일에 VITE_CHATBOT_API_URL=http://... 를 추가하세요.
- Local-First Data: 사용자가 입력한 모든 민감한 재무 데이터는 서버에 저장되지 않고 브라우저의 로컬 스토리지에만 보관되어 개인정보 유출 우려가 없습니다.
- Transparent Logic: 모든 계산 근거와 공식을 투명하게 안내하여 사용자가 시뮬레이션 결과를 신뢰할 수 있도록 돕습니다.
- Welcome: PM의 안내에 따라 현재 재무 상태를 입력하세요.
- Simulation: 실시간으로 변하는 차트를 통해 당신의 '골든 크로스' 지점을 확인하세요.
- Action: 제시된 'Action Guide'를 통해 오늘부터 당장 실행할 수 있는 변화를 확인하세요.
인서울 프로젝트는 더 정교한 알고리즘 고도화를 위해 열려 있습니다.
- Issues: 버그 리포트나 기능 제안은 Issue 탭을 이용해 주세요.
"당신의 서울 입성, 인서울 프로젝트가 데이터로 끝까지 함께하겠습니다."