핵심 아이디어
- 타깃
- 의대·법대·최상위권 목표 재수생 및 고3. 학원비 월 50-100만원 집행하는 가정의 자녀.
- 문제
- 하루 14시간 공부해도 실제 효율은 40-50%. 이미 아는 문제 반복, 집중도 낮은 시간대 억지 공부, 과목 간 불균형 등 비효율을 본인이 모름. 현재는 '감'으로 공부하거나 학원 커리큘럼을 그대로 따름.
- 해결
- IMF가 기업에 구조조정 조건을 다는 것처럼, AI가 학생의 학습 패턴을 '감사(audit)'하여 비효율 항목을 찾아내고 '학습 ROI 구조조정 보고서'를 발행. 더 가르치는 게 아니라 헛된 시간을 잘라냄.
- 차별화
- 기존 학습 앱은 '더 많이' 가르침. Cutline은 '덜 하게' 만듦. 학습 시간 30% 감축하면서 동일 성과 → 절약된 시간을 약점 과목에 재투자. '학습 맥킨지'.
핵심 기능
- 01
AI 학습 패턴 감사 — 일일 학습 로그 분석으로 비효율 시간(이미 아는 유형 반복, 저집중 구간) 자동 탐지
- 02
주간 구조조정 보고서 — 잘라낼 항목·투자할 항목·긴급 경보(방치 과목) 포함 액션 리포트
- 03
100인 코호트 벤치마크 — 동기 100명 내 과목별 학습 ROI 순위 + 상위 10% 패턴과 나의 차이 분석
시장과 비즈니스
수익 구조
| 핵심 모델 | 월 ₩150,000 × 100명(한정) = ₩15,000,000. |
|---|---|
| 근거 01 | 학원비 월 50-100만원 집행하는 가정에게 15만원은 '싸다'. |
| 근거 02 | 합격률 데이터 쌓이면 기수당 가격 인상 가능. |
- 개발 기간
- 약 10주
- 시장 규모
- 전체 시장 한국 사교육 시장 연 약 26조원유효 시장 상위권 수험생 대상 프리미엄 학습관리 시장 연 약 3,000억원초기 목표 시장 100명 × ₩150,000/월 × 12개월 = 연 ₩1.8억원 (단일 코호트 기준)
- 시장 흐름
- stable
발견 근거
- 시장 신호
- IMF 구제금융(극한 자원 배분·구조조정) × 수험생(한정된 시간 자원 최적화) 충돌에서 '학습 구조조정 감사'라는 컨셉 도출
- 분석 방식
- 방법 1: 역사 패턴 추출 — IMF의 '긴축 조건부 구제' 메커니즘을 학습 시간 관리에 이식. 100명 제약 조건을 희소성 브랜드로 전환.
- 포착 일자
- 2026.03.11