Operator

I judged that the cost burden and the way heating and cooling are managed could differ by environment.
So I compared households, large buildings and small business stores by cost impact and whether a management system was already in place. 문제가 발생하는 환경마다 비용 부담과 관리 방식이 다를 수 있다고 판단했습니다.
이에 비용 영향과 기존 관리 체계의 유무를 기준으로 가정, 대형 건물, 자영업 매장을 비교했습니다.

• 

  Households 가정

  • Low consumption 낮은 사용량
  • Low cost impact 비용 영향 낮음
  • No dedicated management system 별도 관리 시스템 없음
• 

  Large buildings 대형 건물

  • High consumption 높은 사용량
  • High cost impact 비용 영향 큼
  • EMS in place EMS 관리시스템 존재
  • Already managed and optimized 이미 관리 및 최적화가 이뤄지는 영역
• Selected 선택

  Small business stores 자영업 매장

  • High consumption 높은 사용량
  • High cost impact 비용 영향 큼
  • No dedicated energy
    management system 별도 에너지관리 시스템 없음
  • Reliant on individual judgment 개별 판단에 의존

I set small business stores as the target. 자영업 매장을 타깃으로 설정했습니다.

For households, the business impact of cutting costs is relatively limited, and large buildings often already have an energy management system.
Small business stores, by contrast, feel HVAC costs heavily yet lack a way to manage them around day-to-day operations. 가정은 비용 절감의 사업적 영향이 상대적으로 제한적이고, 대형 건물은 기존 에너지 관리 시스템을 갖춘 경우가 많았습니다.
반면 자영업 매장은 냉난방 비용의 영향이 크면서도, 운영 상황에 맞춰 관리할 수 있는 체계가 부족하다고 판단했습니다.

So I set small business stores as the main target, and confirmed the real problem through community research and interviews. 이에 자영업 매장을 주요 타깃으로 설정하고, 커뮤니티 리서치와 인터뷰를 통해 실제 문제를 확인했습니다.

Without clear criteria, HVAC adjustments
became a matter of trial and error. 명확한 기준이 없어,
냉난방 조절은 시행착오의 반복이 되었습니다.

I collected and categorized data from small business owner communities to explore the problems that keep recurring in HVAC management.

The analysis showed a pattern: owners weighed cost against comfort, yet changed settings without clear criteria,
and each responded in their own way depending on the store's situation.

This suggested that the difficulty of managing HVAC may not be a simple control problem, but one tied to the absence of decision criteria. 자영업자 커뮤니티 데이터를 수집하고 분류해, 냉난방 관리 과정에서 반복적으로 나타나는 문제를 탐색했습니다.

분석 결과, 비용과 쾌적함 사이에서 고민하면서도 명확한 기준 없이 설정을 바꾸고,
매장 상황에 따라 각자 다른 방식으로 대응하는 패턴이 나타났습니다.

이를 통해 냉난방 관리의 어려움이 단순한 조작 문제가 아니라, 판단 기준의 부재와 관련 있을 수 있다고 보았습니다.

01 Data collection 데이터 수집

02 Patterns 패턴

Analyzing community data revealed recurring patterns. 자영업자 커뮤니티 데이터를 분석한 결과 다음과 같은 패턴이 반복적으로 나타났습니다.

• 1. Repeated adjustments from missing criteria 1. 기준 부재로 인한 반복 조정

  Without criteria, anxiety drives constant HVAC tweaking 기준이 없어 불안할 때마다 냉난방을 계속 바꾸게 된다

• 2. Caught between comfort and cost 2. 쾌적함 vs 비용 사이의 고민

  Wanting comfort but worried about cost, the deliberation never stops 쾌적하게 유지하고 싶지만, 비용이 걱정돼 계속 고민하게 된다

• 3. Hard to adjust across store situations 3. 매장별 상황에 따른 조절의 어려움

  Every store's situation differs, so it's hard to apply a consistent adjustment criterion 매장마다 상황이 달라 일관된 조절 기준을 적용하기 어렵다

• 4. Acting first, judging never 4. 판단보다 조작에 의존하는 행동

  Rather than weighing the decision, they jump straight to manipulating the controls 어떻게 판단할지보다, 일단 조작으로 해결하려고 한다

03 Observation 관찰

HVAC settings couldn't be decided on cost alone. 냉난방 설정은 비용만으로 결정할 수 없었습니다.

01 Interview 인터뷰

To see in what context the lack of decision criteria found in the community analysis shows up in real store operations, we interviewed 5 small business owners.

We explored when they adjust settings, what influences their decisions,
and how they assess the outcome. 커뮤니티 분석에서 발견한 판단 기준의 부재가 실제 매장 운영에서 어떤 맥락으로 나타나는지 확인하기 위해 자영업자 5명을 인터뷰했습니다.

언제 설정을 바꾸는지, 어떤 요인이 결정에 영향을 주는지,
조절 결과를 어떻게 판단하는지 살펴봤습니다.

02 Data Analysis 데이터 분석

Organizing the interviews through affinity mapping and thematic analysis showed that owners struggled to tell how much a settings change affected cost,
and that while they responded differently to each store situation, they lacked clear criteria for deciding.

In short, users were adjusting their HVAC, but had little basis for judging whether those choices worked. 인터뷰 내용을 어피니티 맵핑과 주제별 분석으로 정리한 결과, 설정을 바꿔도 비용이 얼마나 달라지는지 알기 어렵고,
매장 상황에 따라 다르게 대응하면서도 명확한 판단 기준이 부족하다는 점을 확인했습니다.

즉, 사용자는 냉난방을 조절하고 있었지만 그 선택이 효과적이었는지 판단할 근거는 부족했습니다.

03 Findings 발견

• 1. Hard to predict the outcome 1. 결과를 예측하기 어렵다

  It's hard to know how much the electricity bill changes after a settings change, so they can't be sure of the result. 설정을 바꿔도 전기요금이 얼마나 달라지는지 알기 어려워, 조절 결과를 확신하기 어렵다.

• 2. Torn between cost and comfort 2. 비용과 쾌적도 사이의 고민

  They want to cut HVAC costs, but turning settings down can make customers uncomfortable, so adjusting isn't easy. 냉난방 비용을 줄이고 싶지만, 설정을 낮추면 고객이 불편해질 수 있어 쉽게 조절하기 어렵다.

• 3. They adjust by intuition 3. 직관에 의존해 조절한다

  Without clear criteria, they adjust settings based on how the store feels or on past experience. 명확한 판단 기준이 없어, 매장에서 느껴지는 체감이나 과거 경험을
  바탕으로 설정을 조정한다.

04 Insight! 인사이트!

To weigh cost and comfort together,
we first had to understand how HVAC costs are determined. 비용과 쾌적도를 함께 고려하려면,
냉난방 비용이 결정되는 구조부터 이해해야 했습니다.

01 Energy Pricing Structure 에너지 요금 구조

Energy costs are determined by multiple variables, including peak, mid-peak, and off-peak time slots,
as well as progressive billing based on usage. 에너지 비용은 피크·중간·경부하 시간대와
사용량에 따른 누진 과금 등 여러 변수로 결정됩니다.

For busy small business owners, understanding how these variables affect the final bill
is difficult during daily operations. 운영에 바쁜 자영업자가 이 변수들이 최종 요금에
어떤 영향을 주는지 매일 따져보기는 어렵습니다.

Building on the cost-management difficulties found in the interviews, we examined whether the pricing structure could serve as a basis for cost-saving decisions in a real store. 인터뷰에서 확인한 비용 관리의 어려움을 바탕으로, 요금 구조가 실제 매장에서 비용 절감의 판단 기준이 될 수 있는지 검토했습니다.

02 Scenario Test 시나리오 테스트

We built store-operation scenarios that account for time-of-use rates and usage, and compared the results of adjusting settings to minimize cost. 시간대별 요금과 사용량을 고려한 매장 운영 시나리오를 구성하고,
비용을 최소화하는 방식으로 설정을 조정했을 때의 결과를 비교했습니다.

Cost savings came with trade-offs 비용 절감에는 대가가 따랐습니다

Some scenarios showed potential savings of around 5–10% a month, but these assumed a specific pricing structure and usage conditions. In a real store, applicability could vary with operating hours, weather and usage patterns. Cutting costs could also conflict with keeping the space comfortable.

So rather than aiming HVAC management at cost savings alone, we broadened the goal to managing cost efficiently while accounting for comfort. 일부 시나리오에서는 월 5~10% 수준의 절감 가능성을 확인했지만, 이는 특정 요금 구조와 사용 조건을 가정한 결과였습니다. 실제 매장에서는 운영시간과 날씨, 사용 패턴 등에 따라 적용 가능성이 달라질 수 있었습니다. 또한 비용을 줄이는 방식이 쾌적한 환경 유지와 충돌할 가능성도 있었습니다.

따라서 냉난방 관리의 목표를 비용 절감에만 두기보다,
쾌적도를 고려하면서 비용을 효율적으로 관리하는 것으로 확장했습니다.

03 Insight! 인사이트!

Existing HVAC systems supported checking status and making adjustments, but didn't help with decisions that weigh cost and comfort. 기존 냉난방 시스템은 상태 확인과 조작은 지원했지만, 비용과 쾌적도를 고려한 의사결정은 돕지 못했습니다.

We looked at how existing systems show the current state, such as temperature and humidity, and how they help users change settings. 기존 시스템이 온도와 습도 등 현재 상태를 어떻게 보여주고, 사용자가 설정을 어떻게 변경하도록 돕는지 살펴봤습니다.

This led us to note that checking status and making adjustments alone make it hard for users to judge which setting to choose.

Operator aimed to go beyond showing status, setting itself apart by offering adjustment options and the expected effect of each. 이를 통해 상태를 확인하고 조작하는 기능만으로는 사용자가 어떤 설정을 선택해야 할지 판단하기 어렵다는 점에 주목했습니다.

Operator는 상태를 보여주는 데서 나아가, 선택 가능한 조정안과 그에 따른 예상 효과를 제공하는 방향으로 차별화하고자 했습니다.

The problem with HVAC management wasn't simple control —
it was how hard it is to keep making decisions that fit operations. 냉난방 관리의 문제는 단순한 조작이 아니라,
운영 상황에 맞는 판단을 지속하기 어렵다는 것이었습니다.

Store owners want to manage HVAC costs efficiently, but during busy operations it's hard to keep checking the store environment and adjusting settings.
Yet putting cost savings first can lose the comfort customers need. 매장 운영자는 냉난방 비용을 효율적으로 관리하고 싶지만, 바쁜 운영 중에는 매장 환경을 지속적으로 확인하고 설정을 조정하기 어렵습니다.
그렇다고 비용 절감만을 우선하면 고객에게 필요한 쾌적도를 놓칠 수 있습니다.

We shifted from operating HVAC directly
to supporting better decisions. 냉난방을 직접 조작하는 방식에서,
더 나은 판단을 지원하는 방식으로 전환했습니다.

Competitor analysis showed that existing systems focused on checking HVAC status and controlling devices. What they lacked, relatively, was helping users see how an adjustment affects cost and the store environment, and decide their next action on that basis. 경쟁 서비스 분석 결과, 기존 시스템은 냉난방 상태를 확인하고 기기를 제어하는 기능에 집중하고 있었습니다.
반면, 조정이 비용과 매장 환경에 어떤 영향을 미치는지 파악하고, 이를 바탕으로 다음 행동을 결정하도록 돕는 기능은 상대적으로 부족했습니다.

Going beyond status checks and control, Operator was designed so that AI presents adjustments and their expected effects to fit the store's situation, and users review them and decide. This lets owners weigh cost and comfort together while easing the burden of checking information and making a judgment every time. Operator는 단순한 상태 확인과 제어를 넘어, AI가 매장 상황에 맞는 조정안과 예상 효과를 제시하고 사용자가 이를 검토해 직접 결정하는 방식을 설계했습니다.
이를 통해 운영자가 매번 정보를 확인하고 판단해야 하는 부담을 줄이면서, 비용과 쾌적도를 함께 고려할 수 있도록 했습니다.

Before - Existing systems Before - 기존 시스템

After - Our approach After - 우리의 접근

AI recommends HVAC adjustments,
and users decide whether to approve them. AI가 냉난방 조정안을 추천하고,
사용자가 승인 여부를 결정합니다.

We envisioned an experience that proposes adjustments based on the current store state and the user's cost and comfort priorities, and shows the expected change alongside. 현재 매장 상태와 비용·쾌적도에 대한 우선순위를 바탕으로 조정안을 제안하고, 예상되는 변화를 함께 보여주는 경험을 구상했습니다.

1. 01 Input 입력

   • Store temperature & humidity 매장의 온도·습도
   • Outdoor temperature 외부 기온
   • Time of day 시간대
   • User adjustment history 사용자 조작 이력
   • Time-of-use electricity pricing 시간대별 전기요금 구조

2. 02 Criteria 판단 기준

   • Priority between cost and comfort 비용과 쾌적도 간 우선순위
   • Expected cost 예상 비용
   • Comfort change 쾌적도 변화
   • Using records from similar past situations 과거 유사 상황의 기록 활용

3. 03 Output 출력

   • Candidate adjustments and expected results 후보 조정안과 예상 결과
   • Recommendation and its rationale 추천안과 추천 근거

*Rather than implementing a real AI model's prediction performance or HVAC device control, this project focused on designing and exploring a product experience that reduces owners' judgment and operating burden through AI's adjustment suggestions and expected effects. *본 프로젝트는 실제 AI 모델의 예측 성능이나 냉난방 기기 제어를 구현하는 대신, AI의 조정 제안과 예상 효과를 통해 운영자의 판단과 조작 부담을 줄이는 제품 경험을 설계하고 탐색하는 데 집중했습니다.

We turned users' key decision points into features and set MVP priorities. 사용자의 주요 판단 지점을 기능으로 구체화하고,
MVP의 우선순위를 정했습니다.

Building on the HVAC management difficulties found in research, we laid out what information users need to check and what decisions they need to make.

We turned these into features, separating what AI would suggest from what users would choose themselves.
We then selected the MVP features by importance and implementation priority. 리서치에서 발견한 냉난방 관리의 어려움을 바탕으로, 사용자가 어떤 정보를 확인하고 어떤 결정을 내려야 하는지 정리했습니다.

이를 기능으로 구체화하고, AI가 제안할 부분과 사용자가 직접 선택할 부분을 구분했습니다.
이후 중요도와 구현 우선순위를 기준으로 MVP에 포함할 기능을 선정했습니다.

01 Feature Definition 기능 정의

We identified the key decision points users face during daily operations and translated them into features,
separating what AI handles automatically from what remains under user control. 사용자가 매일 운영 중에 마주하는 주요 판단 지점을 식별해 기능으로 옮기고,
AI가 자동으로 처리할 부분과 사용자가 통제할 부분을 나눴습니다.

02 Feature Prioritization 기능 우선순위

We evaluated the feature set by importance and implementation priority,
narrowing it down to the features essential for the MVP. 기능을 중요도와 구현 우선순위로 평가해, MVP에 꼭 필요한 기능으로 좁혔습니다.

03 MVP feature set MVP 기능

The prioritization process narrowed the product down to a focused MVP. 우선순위 정리를 거쳐 제품을 핵심에 집중한 MVP로 좁혔습니다.

• Real-time comfort status 실시간 쾌적도 상태
• AI recommendation AI 추천
• Cost & comfort comparison 비용 · 쾌적도 비교
• Predicted outcome 예상 결과
• Open / Peak / Close guidance 오픈 / 피크 / 마감 가이드
• Daily summary 일일 요약
• Mode Setting 모드 설정

Users decide quickly in the pop-up, and check the reasoning and expected effects on the main screen. 팝업에서는 빠르게 판단하고, 메인 화면에서는
추천의 근거와 기대 효과를 확인하도록 설계했습니다.

01 User flow 유저 플로우

Pop-up Notification 팝업 알림

Alert - Recommended action 알림 - 추천 행동

Review the suggestion 제안 확인

Can the user decide with the information provided? 주어진 정보만으로 결정할 수 있는가?

Convince 납득

Quick decision 빠른 결정

Act and return to work 실행 후 업무로 복귀

Need more detail 더 알고 싶음

Main Screen 메인 화면

Compare costs,
comfort and recommendations 비용, 쾌적도,
추천을 비교

Pop-up first, details when needed 팝업 먼저, 필요할 때 자세히

In busy moments, users can check the current state and the recommended action at a glance in the pop-up and approve it. When they need more detail, the main screen lets them compare the expected cost, comfort change and recommended solution together. 매장이 바쁜 순간에는 팝업에서 현재 상태와 추천 행동을 간결하게 확인하고 승인할 수 있도록 했습니다. 더 자세한 정보가 필요한 경우에는 메인 화면에서 예상 비용, 쾌적도 변화, 추천 솔루션을 함께 비교하도록 구성했습니다.

02 Information Architecture 정보 구조

Four key data points, one screen 핵심 정보 네 가지, 한 화면에

We gathered the key information on one screen, so users can review a recommendation without moving between screens. 핵심 정보를 한 화면에 모아 여러 화면을 오가지 않고도
추천을 검토할 수 있도록 했습니다.

• Predicted cost 예상 비용
• Cumulative cost 누적 비용
• Comfort change 쾌적도 변화
• Recommended solution 추천 솔루션

03 Crazy 8 · Wireframes · Design System Crazy 8 · 와이어프레임 · 디자인 시스템

We explored layout ideas, refined the screen structure, and established visual consistency. 레이아웃 아이디어를 탐색하고, 화면 구조를 다듬고, 시각적 일관성을 확립했습니다.

01 INSTANT DECISIONS VIA POP-UPS 팝업으로 즉시 결정

02 DATA LOG & LEARNING 데이터 로그 & 학습

03 MODE SETTING 모드 설정

We tested the decision-making flow
with 5 participants across 4 tasks. 참가자 5명, 4개 과제로
판단 흐름을 테스트했습니다.

01 UT Process UT 과정

We simulated real store operations to evaluate whether users could: 실제 매장 운영 상황을 가정해, 사용자가 다음을 할 수 있는지 평가했습니다.

1. Understand the current store state 현재 매장 상태 이해하기
2. Understand how the reason for a recommendation relates to the store's situation 추천 이유와 매장 상황의 연관성 이해하기
3. Decide whether to approve the recommendation 추천을 승인할지 결정하기
4. Interpret the expected cost and comfort changes 예상 비용·쾌적도 변화 해석하기

02 SUS Score SUS 점수

03 Problems 문제

We improved onboarding and how information is presented,
so users can understand what store-specific recommendations mean. 사용자가 매장별 추천의 의미를 이해할 수 있도록
온보딩과 정보 제공 방식을 개선했습니다.

01 The Problem 문제

02 The Solution 해결

01 Experience Is a Starting Point, Not Evidence 경험은 근거가 아니라 출발점입니다

02 Complex Information Must Become an Understandable Decision Structure 복잡한 정보는 이해할 수 있는 판단 구조로 바뀌어야 합니다

03 What Remains to Be Validated 아직 검증이 남은 것