이진법 체크박스를 넘어 AI 에이전트용 Accessibility 데이터 레이어 구축

Context

기존 접근성 데이터는 Yes/No 형태의 이진법 구조로 설계된 한계 존재. 실제 물리적 환경의 복잡성을 반영하지 못하는 데이터 단순화 문제 발생. AI 에이전트가 신뢰하고 소비할 수 있는 구조화된 데이터 레이어 부재.

Technical Solution

• 단순 체크박스 방식에서 탈피하여 물리적 요소를 가중치 기반으로 수치화한 0~100점 척도 점수 체계 도입
• 신뢰 가중치 기반의 커뮤니티 검증 시스템과 단계적 신뢰도(Confidence System)를 적용한 시그널 처리 엔진 구축
• Apple Vision 기반의 On-device Photo AI를 활용하여 클라우드 전송 없이 로컬에서 경사로, 문 너비, 조명 등 물리적 특징 분석
• Model Context Protocol(MCP) 서버를 통해 Claude, Cursor 등 AI 에이전트가 구조화된 JSON 데이터를 직접 쿼리하는 인터페이스 제공
• Stainless를 통한 Python SDK 자동 생성 및 REST API 기반의 개발자 생태계 확장 구조 설계
• 단일 진실 공급원(Single Source of Truth) 원칙을 적용하여 컨슈머 앱, API, 비즈니스 위젯이 동일한 데이터 레이어를 공유하는 아키텍처 구현

Impact

• 15개 주 전역 105,000개 이상의 레스토랑 데이터 수치화 완료

Key Takeaway

데이터의 단순 수집보다 중요한 것은 데이터의 신뢰도를 정량화하는 검증 레이어의 설계이며, AI 시대의 데이터는 특정 앱의 기능이 아닌 인프라 성격의 데이터 레이어로 존재해야 함.