R&E 연구노트 ⑮ (2026) 연령·성별 기반 메뉴 추천

연구노트 시리즈. 2026년 초의 초기 탐색 기록이다. 다음 글(⑯)부터는 그해 경기도과학전람회 출품작을 다룬다.

무엇을 주문할지도 거들기

1년 차에는 음성 명령을 해석하는 데 OpenRouter LLM을 썼다. 2년 차에는 한 걸음 더 나아가 무엇을 주문할지 추천하는 데에도 LLM을 활용했다. 적응형 키오스크가 화면, 높이, 음성에 이어 메뉴 선택까지 사용자에 맞춰 거드는 셈이다.

흐름

1. 메뉴 추천 인터페이스를 누르면 성별·연령 입력란이 뜬다. 얼굴 인식으로 얻은 값을 채우거나 직접 입력한다.
2. 입력받은 데이터를 OpenRouter의 LLM에 전달한다.
3. LLM이 전체 메뉴(커피, 티, 디저트)에서 각 분류마다 하나씩 추천한다.
4. 정해진 형식에 맞춰 화면에 띄운다.

프롬프트 설계

프롬프트에는 전체 메뉴와 가격을 넣고, 입력받은 성별·연령을 토대로 커피, 티, 디저트에서 각각 하나씩 추천해 지정한 필드(recommend1, recommend2, recommend3)에 담으라고 지시했다. 출력 형식을 고정해 두면 UI가 그 값을 그대로 받아 표시할 수 있다.

20대 여성에게는 이것처럼 규칙을 사람이 일일이 짜는 대신, LLM에 맥락(메뉴, 사용자 특성)을 주고 형식만 고정하는 방식이다. 메뉴가 바뀌어도 프롬프트의 메뉴 목록만 갱신하면 된다. 1년 차 음성 명령 파이프라인에서 검증한 패턴을 추천에도 그대로 적용했다.

남은 부분

추천 품질을 어떻게 평가할지, 실제 사용자 반응이 어땠는지는 아직 정리되지 않았다. 추천이 오히려 선택을 강요하지 않는가 같은 UX 측면의 검토도 필요하다.

초기 탐색을 정리하며

키 추정(⑬), 실시간 AVSR 재도전(⑭), 메뉴 추천(⑮)은 2026년 초에 여러 방향을 두드려 본 기록이다. 셋 다 흥미로웠지만, 그해 경기도과학전람회 출품작에는 들어가지 않았다. 대신 1년 차에 만든 적응형 키오스크를 이론과 표준, 정량 평가까지 갖춰 제대로 완성하는 쪽에 집중하기로 했다. 다음 글(⑯)부터는 그 출품작 이야기를 다룬다.