HealthMate AI: 회원·트레이너 연동 식단·운동 관리 서비스 “On-Care”
On-Care turns scattered trainer–member messaging into data-driven coaching — a member's meals and workouts are auto-organized into daily reports for their trainer, and the trainer's routines flow straight back into the member's app. Built for personal training, where results are decided between sessions.
On-Care는 헬스 트레이너와 회원 사이의 식단·운동 관리 소통을 자동화하는 플랫폼입니다. 회원이 음식 사진 한 장·간단한 입력만 하면 앱이 식단과 운동을 회원별·날짜별로 정리해 트레이너에게 전달하고, 트레이너는 흩어진 메시지를 뒤지는 대신 정리된 리포트 위에서 코칭합니다.
타깃 유저는 PT를 이용하는 회원과 이들을 관리하는 트레이너입니다. PT의 성과는 주 1~2회 대면 세션이 아니라 세션과 세션 사이의 식단·운동 관리에서 갈리지만, 정작 그 구간은 개인 메신저에 맡겨져 있습니다. On-Care는 트레이너의 관리를 세션 밖으로 확장하는 것을 목표로 합니다.
| 구성 | 내용 |
|---|---|
| 회원 앱 | Flutter · 모바일 — 식단·운동 기록, AI 건강 코치, 일정·PT 예약, 헬스장·트레이너 찾기 |
| 트레이너 웹 | Flutter Web · 브라우저 — 담당 회원 대시보드, 주간 리포트, 루틴 배정, 1:1 코칭 채팅 |
| 백엔드 | FastAPI 단일 서버 — 두 클라이언트가 같은 API·같은 DB를 공유하고 권한으로 갈립니다 |
트레이너와 회원 모두 "기록은 하는데, 그 기록이 관리로 이어지지 않는" 같은 벽에 부딪힙니다.
| 대상 | 현재 겪는 어려움 |
|---|---|
| 🏋️ 트레이너 | 메신저에 흩어진 대화를 뒤지느라, 회원이 늘수록 관리가 확장되지 않습니다. |
| 🧍 회원 | 매 끼 입력이 번거로워 기록을 포기하고, 남긴 기록도 행동으로 이어지지 않습니다. |
이 문제를 겨냥한 서비스는 이미 많았지만 정착하지 못했습니다. 회원용 기록 앱과 트레이너용 도구가 서로 분리되어, 회원의 데이터가 트레이너에게 정리된 형태로 닿지 않기 때문입니다. 결국 관리는 다시 메신저로 돌아옵니다. On-Care는 바로 이 끊어진 연결을 잇습니다.
문제가 실제로 존재하는지 직접 물어 확인한 뒤, 그 결과를 공식 통계·선행 연구와 대조했습니다.
| 결과 | 응답 기준 | |
|---|---|---|
| 86% | 트레이너와의 수업 외 소통을 개인 메신저로 한다 | PT 경험자 37명 · 트레이너·헬스장 전용 앱은 8% |
| 78% | 수업이 없는 날의 식단·운동 관리가 충분하지 않다 | PT 경험자 · 5점 척도 3점 이하 (평균 2.6점) |
| 79% | 기록을 트레이너와 공유하고 피드백받는 서비스라면 쓰겠다 | 전체 57명 · 5점 척도 4점 이상 |
기록할 곳이 없어서 관리가 끊기는 것이 아닙니다. 사진과 대화는 매일 오가지만 기록이 대화 속에 흩어져 관리로 이어지지 않습니다. 문제(86% · 78%)와 그 해법에 대한 수요(79%)가 같은 응답자 집단에서 함께 확인되었습니다.
| 확인된 사실 | 수치 | |
|---|---|---|
| ① | 헬스는 이미 대중적인 운동이다 — 규칙적 체육활동 참여자의 주 참여 종목 2위 | 17.5% (1위 걷기 40.5%) |
| ② | 하지만 지속이 어렵다 — 헬스장 신규 회원 5,240명을 최대 12개월 추적 | 63%가 3개월 이전 중단 · 12개월 이상 4% 미만 |
| ③ | 감독은 순응도와 성과를 가른다 — 저항운동 10주 RCT · 메타분석 | 순응도 대면 88.2% · 앱 81.2% · 자율 52.2% |
| ④ | 기록은 줄지만 피드백이 보완한다 — 자기기록 124명 · 24개월 RCT | 10주 이후 지속 절반 미만 · 피드백군만 유의한 감소 |
운동은 시작해도 지속하기 어렵고, 그 과정에서 감독은 순응도와 성과에 영향을 주며, 기록은 시간이 지나며 감소하지만 피드백은 행동 지속을 보조할 수 있습니다. 그리고 자체 설문에서 확인했듯 그 감독과 피드백은 지금 기록이 남지 않는 개인 메신저 위에서, 그것도 드문드문 이루어지고 있습니다. On-Care는 이 근거들 위에 다음 흐름을 설계했습니다.
회원의 식단·운동 기록 → 자동 정리 → 트레이너 확인 및 코칭 → 회원에게 피드백·프로그램 반영
트레이너를 AI로 대체하는 것이 아니라, 대면 세션에서 끝나던 트레이너의 관리를 회원의 일상 기록과 연결해 세션 사이까지 이어지게 하는 것이 On-Care의 핵심입니다.
Sources — 자체 온라인 설문(2026년, 응답 57명 / PT 경험자 37명) · 2025년 국민생활체육조사, 문화체육관광부 · Sperandei et al., Journal of Science and Medicine in Sport, 2016 · Gavanda et al., Journal of Strength and Conditioning Research, 2025 · Fisher et al., International Journal of Strength and Conditioning, 2022 · Turner-McGrievy et al., Journal of the Academy of Nutrition and Dietetics, 2019 · Burke et al., American Journal of Preventive Medicine, 2012회원의 기록은 앱 안에서 자동으로 정리되어 트레이너에게 넘어가고, 트레이너의 코칭은 다시 회원에게 돌아옵니다. 회원은 최소한의 노력으로 관리받고, 트레이너는 더 많은 회원을 더 높은 품질로 관리하며, 그 사이의 모든 판단은 감이 아닌 데이터를 근거로 이루어집니다.
| 기능 | 설명 |
|---|---|
| 📷 간편 식단 기록 | 음식 사진을 찍으면 AI(VLM)가 음식과 양을 추정하고, 식약처 공공 DB의 영양성분 참고값을 조회해 나트륨·칼로리·당 추정치를 제공합니다. 완벽한 자동 계산이 아니라 기록 부담을 없애는 것이 목적이며, 최종 값은 회원·트레이너가 확인·보정해 신뢰도를 높입니다. |
| 🏋️ 운동 기록 자동 연동 | 트레이너가 배정한 루틴이 회원 앱에 그대로 뜨고, 수행·완료가 다시 트레이너에게 돌아갑니다. 회원이 일일이 적지 않아도 데이터가 쌓입니다. |
| 📊 자동 요약 리포트 | 식단·운동·활동을 회원별·날짜별로 묶어 트레이너에게 전달하고 주간 리포트로 내려받게 합니다. "이 회원, 이번 주 나트륨 과다 · 유산소 부족" 을 한눈에 파악합니다. |
| 💬 1:1 코칭 채팅 | 회원과 담당 트레이너가 같은 기록을 보며 사진까지 주고받습니다. 코칭이 개인 메신저를 떠나 기록 옆에 남습니다. |
| 🤖 AI 건강 코치 | 공개 가이드라인 원문(신체활동 지침서 · 영양소 섭취기준)과 회원 본인의 기록을 근거로 답하는 RAG 코치. 근거 없는 일반론 대신 "내 데이터에 비춘" 답을 돌려주고, 의료 판단은 하지 않습니다. |
| 🔗 데이터 기반 매칭 | 회원의 목표와 조건(지역·시간·성향)에 맞춰 트레이너·헬스장을 추천하고, 상담부터 연결까지 앱 안에서 끝냅니다. |
| 🎯 목표·미션 관리 | 회원의 목표에 맞춘 영양·활동량 목표와 일일 미션. 많이 먹은 날은 활동량을, 적게 먹은 날은 식단을 조정하는 식단↔운동 연동 코칭을 제공합니다. |
| 🍱 분석용 식판 리워드 | 최근 28일 중 20일 식단 사진을 남긴 PT 회원에게 분석에 맞춘 규격 식판을 무료로 드립니다(1인 1회, 담당 트레이너의 헬스장에서 기한 없이 수령). 그릇이 제각각이면 양 추정이 흔들리므로, 기록을 가장 자주 남기는 회원의 분석 정확도와 편의를 함께 높입니다. |
사진에서 시작해 Vision AI가 음식과 양을 추정하고, 식약처 공공 영양성분 참고값으로 추정치를 보정한 뒤, 구조화된 기록과 트레이너 리포트로 이어집니다. 마지막 값을 확정하는 것은 AI가 아니라 회원과 트레이너입니다.
회원 앱과 트레이너 웹은 하나의 FastAPI 백엔드를 공유하고, 권한으로 갈라집니다. 회원의 기록이 트레이너에게 정리되어 닿는 흐름 자체가 이 구조 위에서 성립합니다.
| 영역 | 사용 기술 |
|---|---|
| Frontend | Flutter · Dart · Riverpod · GoRouter (회원 앱(모바일) · 트레이너 웹 — 분리된 코드베이스, 아키텍처 패턴 미러링) |
| Backend | FastAPI · SQLAlchemy · Alembic · JWT · Docker |
| Database | PostgreSQL (Neon) · pgvector · 서버 파일 저장소(식단·채팅 이미지, 주간 리포트 PDF) |
| AI | Vision AI(VLM) 식단 인식 · LLM 코칭 · 임베딩 모델(768차원) + pgvector 벡터 검색 기반 RAG · 식약처 공공 영양성분 DB 매칭 |
| Infra | 백엔드 AWS ECR + App Runner · 프론트 GitHub Pages(커스텀 도메인) · GitHub Actions (CI/CD) |
| External API | 카카오 (지도 JS SDK · 로컬 장소 검색) · 소셜 로그인 (카카오 · 네이버 · 구글 · 애플) · 공공데이터포털 (식약처 영양성분 · 한국건강증진개발원 운동 MET — KOGL 제4유형) |
AI 제공자 API 키가 없어도 개발·CI가 멈추지 않습니다. 키가 비어 있으면 식단 인식은 오프라인 스텁으로, 임베딩·코치는 해시·규칙 폴백으로 자동 전환됩니다.
| 경로 | 내용 |
|---|---|
backend/ | FastAPI · SQLAlchemy · Alembic · PostgreSQL(pgvector) — 두 클라이언트가 공유하는 단일 API |
frontend/flutter/ | 회원 앱 (모바일) |
frontend/flutter_trainer/ | 트레이너 웹 (Flutter Web) |
infra/ | 배포용 CloudFormation 템플릿 |
docs/ | 현행 문서 |
docs/archive/ | 캡스톤 스타트 단계 보존용 기록 — 현재 기준이 아님 |
index.html | 소개 페이지 (GitHub Pages) |
| 항목 | 필라이즈 | 밀리그램·인아웃 | On-Care |
|---|---|---|---|
| 식단 기록 | 사진 AI 인식 | 사진·빠른 입력 | 사진 → 공공 영양 DB 매칭 |
| 트레이너 연동 | 앱 내 AI 코치만 | 없음 | 회원 데이터 자동 정리 → 트레이너 전달 |
| 회원 관리 확장성 | 없음 | 없음 | 1인이 다수 회원을 데이터로 관리 |
| 세션 밖 코칭 | AI 응답만 | 없음 | 담당 트레이너의 실제 코칭이 앱으로 연장 |
| 데이터 흐름 | 개인 앱 내 완결 | 개인 앱 내 완결 | 회원 ↔ 트레이너 양방향 |
기존 서비스는 회원 개인의 기록에서 끝납니다. On-Care는 그 기록을 트레이너의 코칭 자원으로 연결하는 흐름 자체가 차별점입니다.
On-Care의 핵심 타깃은 PT를 이용하는 회원과 이들을 관리하는 트레이너입니다. 회원은 이미 PT에 비용을 지불하고 있는 층이라 관리 품질에 대한 지불 의사가 높고, 트레이너는 담당 회원 수가 곧 수익인 만큼 관리 효율을 높이는 도구에 직접적인 구매 동기를 가집니다.
| 구분 | 모델 |
|---|---|
| 메인 | 트레이너·헬스장 중개 수수료 / 구매 전환 커미션 · 트레이너용 고도화 기능 구독 |
| 프리미엄 | 기본 기능은 무료로 진입장벽을 낮추고, 가치를 체감한 사용자가 고도화 기능을 결제 |
| 부수 | 광고(상위 노출 등)는 보조 수입으로만 |
확장 방향 — PT에서 자리 잡은 뒤에는 같은 구조(전문가가 개인의 생활 관리를 지속적으로 지도하는 관계)를 필라테스·요가 스튜디오, 기업 임직원 건강관리, 재활·시니어 운동 지도로 넓힐 수 있습니다.
| 최지수 | 박서연 | 신수빈 |
|---|---|---|
 |
 |
 |
| @aJISUa | @seoyeon0516 | @subin21cc |
지도교수: 황의원 교수님 (이화여자대학교 · 컴퓨터공학전공)
본 프로젝트는 MIT License 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참고하세요.
Copyright © 2026 On-Care Team (CSE-Sudo: 최지수 · 박서연 · 신수빈)
2026 이화여자대학교 캡스톤디자인
Team 02 Sudo — Jisu Choi · Seoyeon Park · Subin Shin