말의 의도·맥락을 읽어 4축으로 진단하고, 사람이 말하듯 다시 써 줍니다. 하나의 판정 엔진에 루브릭만 바꿔 세대소통·면접·사과문 3개 도메인을 커버합니다.
같은 단어도 세대·관계·상황에 따라 뜻이 갈리는데, 화자는 상대가 어떻게 받을지 알 수 없습니다.
면접·사과·피드백의 ‘좋은 말’은 감(感)으로만 평가돼 교육 효과를 숫자로 증명하기 어렵습니다.
모든 발화를 LLM으로 판정하면 비용·지연이 폭증합니다. 대부분은 규칙으로 충분합니다.
금융 불완전판매 판정 엔진(DRG)의 4축 결합 구조를 그대로 두고, 도메인별 위반 패턴·신호· 축 라벨만 갈아 끼웁니다. 약 90% 코드 재사용으로 새 도메인을 며칠 만에 붙입니다.
부장님의 ‘괜찮아’와 친구의 ‘괜찮아’. 같은 말의 다른 의도를 통역하고, 내 말이 상대 세대에 몇 점인지 진단합니다.
NCS·STAR 기준으로 답변을 진단하고, 실전 면접관처럼 꼬리질문을 던져 압박 면접까지 훈련합니다.
‘불 끄나 기름 붓나?’ 조건부 사과·책임 전가·물타기를 잡아내고 진짜 사과로 다시 씁니다.
맥락 라벨이 붙은 상황 제시
엣지에서 0원·즉시 — 위반 패턴 규칙 판정
AI Gateway → Claude Haiku로 우회·완곡 화법 정밀 판정
4축 점수 + 빨간펜 교정(전/후 쌍)
동의 입력만 마스킹 수집해 루브릭 자동 개선
* 앞 두 수치는 데모를 쓸수록 실시간으로 올라가는 D1 학습 DB 실측값입니다. 미동의 입력은 판정 즉시 폐기됩니다.
Whisper STT로 말하듯 연습
내 말의 ‘수정 전 → 후’를 즉시 교정
면접관이 압박하듯 후속 질문 생성
도메인별 점수 추이·상위 % 리포트
매주 시나리오 + 익명 리더보드
도메인별 OG 카드로 바이럴 유입
Cloudflare Workers 엣지 런타임에 풀스택 배포
캐싱·레이트리밋·관측을 거친 LLM 판정
음성(STT) 답변 입력 — 말로 연습
학습 DB · 공유 카드 저장 · 판정 캐시
무료·비침습 봇 방지로 데이터 품질 보호
의심 건만 LLM 호출 — 비용·지연 최소화
전부 Cloudflare 엣지 한 곳에서 돌아갑니다 — 서버 관리 없이 전 세계 저지연, 데이터는 D1에 쌓여 루브릭을 스스로 개선합니다.
쓸수록 똑똑해지는 구조입니다. ‘수정 전/후 쌍’은 사람이 어떻게 더 나은 말로 바꾸는지를 담은 가장 가치 높은 학습 데이터로, 조직 맞춤 루브릭과 코칭 모델의 토대가 됩니다.