Grant-Clash Logic Engine
복잡한 지원금 체계를 투명하게 판독하는 지원금 충돌 판독 엔진의 작동 원리를 공개합니다.
1. 분석의 필요성: 지원금의 상호 배타성
현대 사회의 복지 시스템은 매우 정교하지만, 동시에 극도로 복잡한 구조를 가지고 있습니다. 수백 가지가 넘는 정부 및 지자체 지원 사업들은 각자의 예산과 목적을 가지고 운영되지만, 동일한 성격의 사업에 예산이 중복 투입되는 것을 방지하기 위해 '상호 배타적 수급 금지(Mutually Exclusive)' 원칙을 고수합니다.
사용자가 A라는 지원금을 선택하는 순간, B와 C라는 더 큰 혜택을 영구적으로 포기해야 할 수도 있습니다. 하지만 대부분의 안내 서비스는 '받을 수 있는 것'만 나열할 뿐, '무엇을 잃게 되는지'는 알려주지 않습니다. Grant-Clash는 바로 이 지점에서 시작되었습니다. 단순히 정보를 나열하는 것이 아니라, 지원금 간의 논리적 충돌을 위상수학적 그래프 구조로 재구성하여 최적의 선택안을 도출합니다.
2. 충돌 감지 매트릭스 (Conflict Detection Matrix)
데이터 노드 구조
모든 지원금 데이터는 고유 ID를 가진 노드(Node)로 관리됩니다. 각 노드 내에는 conflicts라는 배열 속성이 존재하며, 이는 해당 지원금과 동시에 수급할 수 없는 대상들의 ID 리스트를 포함합니다. 이를 통해 수만 개의 조합 중에서도 0.1초 내외의 빠른 연산으로 충돌을 감지합니다.
양방향 검증 프로토콜
A가 B를 제한한다면, B를 조회할 때도 A가 제한됨을 확인하는 양방향 검증을 수행합니다. 이러한 상호 참조 모델을 통해 데이터의 누락이나 오류를 최소화하고, 다층적으로 얽힌 지원금 관계망을 완벽하게 재현합니다.
3. 기회비용 및 최적화 연산
Algorithm Formula
Cost = Potential_Total - Optimized_Total
사용자가 선택한 모든 항목의 단순 합산액(Potential_Total)에서, 충돌을 고려하여 시스템이 도출한 최적의 수급 조합 합산액(Optimized_Total)을 뺀 차액입니다. 이 값이 클수록 사용자는 현재 잘못된 선택으로 인해 더 큰 혜택을 놓치고 있음을 의미합니다.
Grant-Clash의 최적화 엔진은 '그리디(Greedy) 알고리즘'을 기반으로 변형된 동적 계획법 모델을 사용합니다. 충돌이 발생한 지원금 그룹 내에서 연간 혜택이 가장 높은 항목을 우선순위로 두고, 나머지 경쟁 항목들을 배제합니다. 이 과정은 사용자가 항목을 하나 선택할 때마다 실시간으로 반복되어, UI상에서 딜레이 없는 실시간 피드백을 가능하게 합니다.
단순히 금액만 비교하는 것이 아니라, 지원 기간과 수급 방식(현금, 포인트, 바우처 등)에 따른 가중치를 적용할 수 있도록 설계되어 있어 향후에는 더욱 정교한 '체감 혜택 지수' 산출이 가능해질 것입니다.
4. 데이터의 신뢰성 및 데이터셋 확장
알고리즘의 성능만큼 중요한 것은 기초 데이터의 정확성입니다. Grant-Clash는 '보조금24', '복지로' 등 대한민국 공공데이터 포털의 Open API와 최신 배포 지침서를 수동으로 대조하여 검증된 데이터셋만을 사용합니다.
- 실시간 정책 업데이트: 정기적인 데이터 크롤링을 통해 변경된 사업 지침을 신속하게 반영합니다.
- 에지 케이스(Edge Case) 처리: 동시 수급은 가능하지만 감액되는 경우 등 특수 조건에 대한 데이터 모델을 확장 중입니다.
- 사용자 기반 피드백 루프: 실제 수급 사례를 바탕으로 데이터의 간극을 좁히는 검증 시스템을 운영합니다.
결론적으로 Grant-Clash는 복잡한 복지 사각지대를 기술로 해소하고자 하는 시도입니다. 사용자의 데이터권(Right to Data)을 옹호하고, 누구나 기술적 장벽 없이 자신에게 가장 유리한 선택을 할 수 있도록 지원하는 것이 본 알고리즘의 최종 지향점입니다.