Dishire를 만들게 된 이유

1-1. 레시피 소비 플랫폼의 진화는 자연스럽게 AI 단계로 이어진다고 보았습니다.

레시피는 책, TV, 블로그, 유튜브, 숏폼 등 플랫폼의 변화에 따라 전달 방식이 계속 진화해왔습니다. 저는 생성형 AI의 등장 역시 이러한 흐름의 연장선에 있다고 보았고, 앞으로 레시피 또한 AI 기반의 플랫폼으로 자연스럽게 이동할 것이라 판단했습니다.

처음 Dishire를 기획할 때의 출발점은 매우 직관적이었습니다. 사용자가 상황이나 제약 조건, 혹은 가지고 있는 재료만 입력하면 “그에 맞는 한 끼가 자동으로 만들어지는 서비스”를 상상했습니다.

이 아이디어는 기존 레시피 서비스의 검색 기반 구조와 달리, 문제를 먼저 정의하고 그에 맞는 요리를 생성해 주는 방식이라는 점에서 차별적이라고 느꼈습니다.

1-2. 많은 사람들은 레시피보다 ‘결정 과정’에서 어려움을 겪습니다.

프로젝트를 진행하며 알게 된 점은, 사람들이 실제로 어려워하는 것은 “요리법” 자체가 아니라 “오늘 뭐 먹지?”라는 결정 과정이었습니다. 기존 레시피 서비스가 검색을 전제로 하는 구조이기 때문에, 이 결정 단계를 도와주지 못하고 있다는 점을 문제로 보았습니다.

그래서 Dishire는 단순 레시피 검색기가 아니라, 사용자의 맥락을 기반으로 선택을 도와주는 Food Decision Maker로 확장되었습니다.

1-3. 제약 조건이 있는 사람들은 더 복잡한 결정을 해야 합니다.

알레르기, 비건, 저탄수, 혹은 다이어트를 하고 있는 사용자들은 일반 레시피를 그대로 따라 하기 어렵습니다. 대체 재료를 스스로 찾거나 조리법을 수정해야 하고, 그 과정은 번거롭고 맛의 만족도가 떨어질 수 있습니다.

Dishire는 이들이 제약을 지키면서도 맛있게 먹을 수 있는 선택지를 제공하는 것을 중요한 목표 중 하나로 삼았습니다.

2. 생성형 AI는 ‘상황과 맥락’을 기반으로 레시피를 생성하는 데 적합합니다.

GPT 같은 LLM은 기존 레시피를 그대로 보여주는 도구라기보다, 상황 설명, 제약 조건, 취향 등을 텍스트로 전달하면 그 맥락에 맞춰 새로운 요리를 조합해 주는 유연성이 있습니다.

주목한 포인트

• “냉장고에 있는 재료”, “지금 기분”, “요리에 쓸 수 있는 시간” 같은 맥락 정보를 다룰 수 있다.
• 조리 난이도, 식단 목표(예: 다이어트, 단백질 위주) 같은 조건을 동시에 고려할 수 있다.
• 정해진 레시피가 아니라 상황에 맞춰 조합된 “한 끼 제안”을 만들어낼 수 있다.

Dishire에서는 사용자가 입력한 상황·상태 정보뿐 아니라 식단 제한, 알레르기, 종교적 식습관 등의 프로필 정보를 정적 프롬프트 구조에 반영하여 LLM에 전달했습니다. LLM이 생성한 레시피는 이러한 제약 조건을 고려해 제안되며, 결과는 UI에서 직관적으로 확인할 수 있도록 구성했습니다.