User Flow Document

GachiWork 서비스 사용자 흐름

E-9 외국인 근로자가 GachiWork를 처음 접하는 순간부터 커뮤니티에 정착하고, 권리를 보호받기까지의 전체 사용자 여정을 4단계로 구성했습니다.

Flow 01

온보딩 — 앱 설치부터 커뮤니티 진입까지

외국인 근로자의 디지털 접근성과 언어 환경을 고려하여, 최소한의 단계로 서비스에 진입할 수 있도록 설계합니다.

해결하려는 문제 E-9 근로자는 지정된 사업장에서만 근무하며, 같은 업종 동료가 전국에 흩어져 있어 접점이 존재하지 않습니다. 또한 17개국 출신이라는 언어적 조건이 정보 접근을 더욱 어렵게 합니다. 온보딩에서 모국어 설정업종 선택을 최우선으로 배치하여, 첫 화면부터 고립을 해소하는 구조를 만듭니다.

앱 설치

동료 추천, QR 코드 포스터(사업장 게시), 또는 취업교육 시 안내를 통해 앱을 설치합니다.

모국어 선택

앱 실행 시 가장 먼저 모국어를 선택합니다. 이후 모든 UI, 알림, AI 답변이 선택한 언어로 표시됩니다.

17개국 언어 장벽 해소의 출발점

간편 가입 — 전화번호 인증

이메일이 아닌 전화번호 인증만으로 가입을 완료합니다. 복잡한 개인정보 입력 없이 진입 장벽을 최소화합니다.

업종 선택

제조업 · 농축산업 · 어업 · 서비스업 중 자신의 업종을 선택합니다. 이 선택이 곧 커뮤니티 매칭의 기준이 됩니다.

같은 업종 동료와 자동 연결

업종별 커뮤니티 진입

선택한 업종의 커뮤니티 피드가 표시됩니다. 동료의 질문과 답변, AI 추천 답변이 모국어로 보입니다.

고립 상태에서 동료 네트워크로 전환
Flow 02

핵심 사용 — 모국어 질문에서 동료 + AI 답변까지

근로자가 현장에서 부딪히는 질문을 모국어로 올리면, AI 번역을 통해 국적이 다른 동료와 소통하고, AI가 동료 경험과 공식 정보를 동시에 제시하는 과정입니다.

해결하려는 문제 숙식비 공제 적정성, 야근 거부 가능 여부 등 현장 질문은 공식 채널에서 답을 얻을 수 없는 비공식적 성격입니다. 같은 업종 동료만이 줄 수 있는 경험 정보이지만, 17개국 언어 장벽과 지리적 분산으로 그 동료에게 도달할 경로가 없었습니다.

모국어로 질문 작성

업종 커뮤니티에 모국어로 질문을 작성합니다.
예: 🇲🇲 "숙식비 30만 원 공제가 정상이야?"

AI 자동 번역 — 17개국 주요 사용 언어로 변환

작성된 글이 AI에 의해 베트남어, 네팔어, 인도네시아어 등 17개국 주요 사용 언어로 실시간 번역되어, 같은 업종 커뮤니티의 모든 근로자에게 각자의 모국어로 표시됩니다.

기술 구현 — 다국어 실시간 번역 LLM 기반 번역 API를 활용합니다. 초기에는 범용 번역 모델을 사용하되, 커뮤니티에 축적되는 업종별 전문 용어(예: 사출기, 프레스, 숙식비 공제)와 현장 표현을 학습 데이터로 활용하여 점진적으로 번역 품질을 개선합니다. 이를 통해 범용 번역기가 처리하기 어려운 맥락 번역 정확도를 높입니다.
17개국 언어 장벽을 구조적으로 해소

업종 커뮤니티 전체에 노출

모국어별이 아닌 업종별로 통합된 커뮤니티이기 때문에, 국적에 관계없이 같은 업종 근로자 전원에게 질문이 도달합니다. 부정확한 정보의 확산을 방지하기 위해 신고 기능과 AI 기반 필터링이 작동하며, 초기에는 운영팀 모니터링을 병행하고 커뮤니티 가이드라인을 모국어로 제공합니다.

동료 답변 + AI 답변 동시 제시

질문에 대해 두 가지 소스의 답변이 함께 표시됩니다.

👥 동료의 실제 경험

다른 국적의 동료가 모국어로 답변하면, AI가 질문자의 언어로 역번역하여 전달합니다.
예: 🇻🇳 "우리는 20만 원인데"

🤖 AI 생성 답변

RAG: 축적된 동료 경험 검색·요약
SOP: 관련 노동법·안전규정 공식 정보 제시
법률·계약 용어의 번역 오역 가능성을 고려하여, "참고용 번역"임을 상시 고지하고 SOP 공식 출처를 병기합니다.

기술 구현 — RAG 기반 경험 검색 커뮤니티에 축적된 비정형 텍스트 데이터와 SOP·노동법 등 공식 문서를 벡터 데이터베이스에 저장합니다. 사용자 질문이 입력되면 가장 관련성 높은 동료 경험과 공식 답변을 검색·요약하여 모국어로 제시합니다. 동료가 AI 답변에 반응(추가 경험 공유)하면, 이 데이터가 다시 축적되어 다음 답변의 정확도를 높이는 선순환 구조를 형성합니다.

모든 답변이 질문자 모국어로 역번역

다양한 국적의 동료가 각자 모국어로 작성한 답변이 질문자의 언어로 자동 변환되어, 마치 같은 언어를 쓰는 동료와 대화하는 것처럼 경험됩니다.

근로자가 상황을 판단

동료의 실제 경험(비교 기준점)과 법적 근거(공식 기준)를 함께 확인하고, 자신의 상황이 정상 범위인지 판단합니다. 고립 상태에서는 불가능했던 "비교와 판단"이 가능해집니다.

정보의 성격 불일치 문제 해결
Flow 03

권리구제 — 위험 감지에서 전문가 연결까지

일상적인 커뮤니티 활동 중 임금체불·부당대우 등의 위험 신호가 감지되면, 별도의 신고 채널을 찾아가지 않아도 플랫폼 안에서 권리구제까지 이어지는 구조입니다.

해결하려는 문제 임금체불이나 부당대우를 당하더라도 신고 절차를 모국어로 안내받을 채널이 없으며, 공식 채널 신고 시 고용주 보복을 우려하여 접근 자체를 포기하는 경우가 보고되고 있습니다. "나도 유사한 일을 겪었지만 이런 방식으로 해결했다"와 같은 동료의 경험은 매뉴얼 번역보다 훨씬 실효성 있는 행동의 근거이지만, 고립된 상태에서는 이 경로에 접근할 수 없었습니다.

커뮤니티에 일상적 글 작성

질문이나 경험을 공유합니다. 고용주 보복 우려를 고려하여 익명 작성이 가능하며, 근로자는 별도의 신고를 의도하지 않은 상태입니다.
예: "월급이 3개월째 안 들어오는데 원래 이런 건가요?"

AI 위험 신호 자동 감지

AI가 게시글의 텍스트를 분석하여 임금체불, 안전사고, 부당대우와 관련된 키워드 및 문맥 패턴을 감지합니다.

기술 구현 — 위험 신호 감지 에이전트 번역·검색과 별도로 운영되는 감지 에이전트가 게시글 텍스트를 실시간 분석합니다. 키워드 매칭뿐 아니라 문맥 패턴(예: 기간 + 미지급 조합)을 인식하며, 축적된 위험 사례 이력을 참조하여 감지 정밀도를 지속적으로 향상합니다. 자체 학습이 아닌, 참조 데이터의 진화를 통한 개선 구조입니다.

모국어 권리구제 절차 안내

감지 결과를 바탕으로, 해당 근로자에게 모국어로 권리구제 절차와 연결 기관 정보(고용노동부, 외국인력지원센터, 국가인권위원회 등)를 자동 안내합니다. 이 안내는 커뮤니티에 공개되지 않고 개인 알림으로만 전달됩니다.

별도 채널 탐색 없이 플랫폼 내 안내

AI 1차 상담

AI가 상황을 정리하고, 관련 법 조항을 모국어로 설명합니다.
예: "근로기준법 제36조에 따라 퇴직 시 14일 이내 미지급 임금을 청구할 수 있습니다."

추가 상담이 필요한 경우

AI 상담만으로 충분하지 않을 때, 근로자가 선택할 수 있는 두 가지 경로가 제공됩니다.

전문가 연결

노무사 등 전문가와의 상담 경로를 제공합니다. 플랫폼 내에서 직접 연결됩니다.

동료 경험 참고

커뮤니티에서 유사한 상황을 해결한 동료의 글을 AI가 검색하여 함께 제시합니다.

"나만 겪는 게 아니다"라는 인식 → 행동의 출발점
Flow 04

진입과 정착 — 공식 정보에서 커뮤니티로

공식 정보 기능(계약서 해석, SOP 모국어 가이드)이 즉각적 필요를 해결하며 사용자를 유입하고, 커뮤니티에서의 동료 연결이 사용자를 머무르게 하는 성장 루프입니다.

해결하려는 문제 커뮤니티는 사용자가 있어야 가치가 생깁니다. 근로자는 한국어 시험을 통과하고 입국하지만, 이는 일상 소통 수준이지 근로계약서의 공제 조항이나 SOP 용어를 이해하는 수준이 아닙니다. 현장 배치 직후의 즉각적 필요를 진입점으로 활용합니다.

현장 배치 직후 — 즉각적 필요 발생

새로운 사업장에 도착한 근로자는 근로계약서 내용 확인, SOP(작업 표준) 이해 등 즉각적인 정보 필요가 발생합니다.

GachiWork 진입 — 공식 정보 기능으로 유입

근로계약서를 촬영하면 모국어로 조항별 해석을 제공하고, SOP 매뉴얼을 인터랙티브 모국어 가이드로 변환합니다. 이 기능이 근로자가 GachiWork를 처음 찾게 만드는 진입점입니다.

기술 구현 — 문서 해석 AI OCR(광학문자인식)로 계약서 텍스트를 추출한 뒤, LLM이 법률 용어를 근로자의 모국어로 맥락에 맞게 풀어서 설명합니다. SOP의 경우, 텍스트 기반 매뉴얼을 단계별 인터랙티브 가이드로 재구성하여 현장에서 즉시 참조할 수 있도록 합니다.

커뮤니티 노출 — 동료의 글 발견

공식 정보 기능을 사용하는 과정에서, 같은 업종 동료의 질문과 경험이 자연스럽게 노출됩니다. "나와 비슷한 상황의 사람이 여기 있다"는 발견이 일어납니다.

첫 질문 작성

동료의 글을 보고, 자신도 궁금했던 질문을 모국어로 작성합니다. 이 순간이 "정보 소비자"에서 "커뮤니티 참여자"로 전환되는 지점입니다.

답변 수신 → 활성 사용자로 정착

동료와 AI로부터 답변을 받으며, 커뮤니티의 가치를 체감합니다. 이후 새로운 질문이 생기거나 동료의 질문에 답하며 활성 사용자로 정착합니다.

선순환 구조 형성
사용자 ↑ → 경험 데이터 ↑ → 번역 품질·검색 정확도·감지 정밀도 ↑ → 서비스 가치 ↑ → 사용자 ↑
후발 주자가 동일한 플랫폼을 만들더라도, 축적된 경험 데이터는 복제할 수 없습니다.

색상 범례

각 색상은 서비스의 역할과 성격을 구분하기 위해 사용되었습니다. 동일한 색상은 플로우 전반에서 같은 의미를 유지합니다.

보라 — 사용자 행동

근로자가 직접 수행하는 행동 단계입니다. 질문 작성, 모국어 선택, 가입 등 사용자의 능동적 참여가 일어나는 지점을 표시합니다.

청록 — AI·시스템 처리

AI 번역, RAG 검색, 커뮤니티 노출 등 시스템이 자동으로 처리하는 단계입니다. 사용자가 별도 조작 없이 서비스가 작동하는 지점을 표시합니다.

코랄 — 핵심 전환점

문제 해결의 결정적 순간입니다. 근로자가 상황을 판단하거나, 위험 신호가 감지되는 등 사용자 여정에서 가장 중요한 전환이 일어나는 지점입니다.

회색 — 맥락·시작점

서비스 외부의 상황이나 배경을 나타냅니다. 현장 배치, 문제 인식 등 서비스 진입 이전의 상태를 표시합니다.

앰버 — 분기점

사용자의 상황에 따라 경로가 나뉘는 지점입니다. 추가 상담 필요 여부 등 조건에 의한 분기를 표시합니다.

블루 박스 — 기술 구현 상세

해당 단계에서 작동하는 기술적 구현을 설명합니다. 다국어 번역, RAG 검색, 위험 감지 등 AI 에이전트의 작동 방식을 보충 설명합니다.

Overview

전체 사용자 여정 — 4개 플로우의 연결 구조

4가지 플로우는 독립된 경로가 아니라 하나의 연속된 사용자 여정입니다. 온보딩으로 진입한 근로자가 공식 정보를 통해 커뮤니티를 발견하고, 핵심 활동을 반복하며, 필요 시 권리구제로 분기한 뒤 다시 커뮤니티에 정착하는 순환 구조입니다.

현장 배치 · 즉각적 필요 발생 FLOW 01 온보딩 모국어 선택 → 업종 선택 → 간편 가입 → 커뮤니티 진입 FLOW 04 진입점 — 공식 정보 계약서 모국어 해석 · SOP 인터랙티브 가이드 → 커뮤니티 노출 FLOW 02 커뮤니티 핵심 활동 모국어 질문 AI 번역 동료 + AI 답변 동료 경험(비교 기준) + 법적 근거(공식 기준) → 상황 판단 위험 감지 시 FLOW 03 권리구제 AI 위험 감지 → 모국어 안내 · 1차 상담 → 전문가 연결 해결 후 커뮤니티 복귀 FLOW 04 정착 · 데이터 축적 활성 사용자 전환 → 경험 데이터 누적 → 서비스 품질 향상 선순환 구조 — 번역↑ 검색↑ 감지↑ 사용자↑ → 경험 데이터↑ → AI 품질↑ → 서비스 가치↑ → 사용자↑ 축적된 데이터는 복제할 수 없어, 시간이 지날수록 경쟁 우위 확대

회색 화살표는 순차적 진행, 코랄 화살표는 조건부 분기, 청록 점선은 데이터 축적에 의한 순환을 나타냅니다.
각 플로우의 상세 단계는 위 개별 섹션(Flow 01–04)에서 확인할 수 있습니다.