Decision — CGM-free 혈당 반응 추론

결론: Refine (Go 조건부)

판단 근거

Go 요소

1. 시장 공백 존재: Apple Watch 비침습 혈당은 2027+ 이후. 그 사이 소프트웨어 기반 추론이 2-3년의 시간 창을 가진다.
2. 과학적 근거 축적 중: HRV-혈당 상관관계(r ≈ −0.45), 스마트워치 기반 예측(84-87% 정확도), Google Research의 HOMA-IR 예측 등.
3. 기술 자산 보유: Tab0 Inference 패키지가 이미 7종 생체신호 통합 추론을 구현. 경쟁사 대비 생체신호 다양성에서 우위.
4. 비용 우위: 소프트웨어 기반($60/년) vs OTC CGM($900+/년) = 15배 차이.
5. 직접 경쟁사 1곳만 존재: January AI가 유일한 CGM-free 경쟁자이나, 음식 스캔 중심으로 Tab0와 차별화 가능.

Refine 이유 (Go로 전환하려면)

1. rule-based 모델의 근본적 한계: 현재 구현은 7개 피처의 단순 가중합(탄수화물 38%, HR 24%, HRV 20%, 수면 12%, 단식 6%)으로, ML/AI 모델이 아님. 개인화가 없고, 가중치가 문헌 기반 추정값에 불과. 이 수준은 당뇨/전당뇨 환자의 의료 목적에는 절대 사용 불가하며, 건강한 성인의 참고 지표로만 유효. 경쟁사 January AI(개인화 ML + Nature 논문 검증)와의 기술 격차가 매우 큼.
2. 정확도 미검증: CGM 실측값 대비 정확도 측정 이력이 전혀 없음. "혈당 예측"이라는 표현 자체가 현재 기술 수준에 과대.
3. 소비자 UX 부재: 현재 InferenceView는 개발자용 디버그 뷰. 소비자 대상 UI/UX 설계 필요.
4. 규제 포지셔닝 미확립: "혈당 추론/예측"이 FDA에서 어떤 분류에 해당하는지 법률 검토 필요. 현재 기술 수준에서는 "웰니스 참고 지표" 이상의 주장은 부적절.
5. 포지셔닝 재검토 필요: "혈당 예측 앱"으로 January AI와 직접 경쟁하기보다, "단식 × 대사 건강 피드백" 또는 "수면/HRV 기반 대사 건강 점수"라는 차별화된 축이 현재 기술 수준에 더 적합.
6. glucorexia 리스크: 상대 점수(Low/Moderate/High) 디자인이 불안을 완화하는지 사용자 테스트 필요.

Kill 요소 (주의 사항)

1. 과학적 회의론: 비당뇨인의 혈당 모니터링 가치에 대한 근거 부족 (Peter Attia, Harvard Health, ACSH 비판)
2. 빅테크 리스크: Apple(Project Mulberry), Google(연구 발표), Oura(Veri 인수)가 모두 이 방향으로 이동 중. 2-3년 후 경쟁 격화 가능성.
3. 비당뇨인 세그먼트 불확실성: "Only 6.8% of Americans have optimal metabolic health"라는 수치가 수요를 의미하는지, 관심을 의미하는지 불확실.

다음 단계 (Refine → Go 경로)

즉시 실행 (1-2주)

1. 실험 1 실행: SleepTest InferenceView를 소비자용으로 단순화 → TestFlight 배포 → 7일 리텐션/사용 빈도 측정
2. 법률 검토: "혈당 반응 추론" 기능의 FDA 분류 확인 (wellness vs medical device)

단기 (1-3개월)

1. CGM 대조 파일럿: 최소 25명 × 14일, Inference 점수 vs Libre/Stelo 실측값 비교
2. 실험 2 실행: FastingWorks 사용자에게 단식 × 혈당 반응 연계 기능 제공
3. ML 모델 탐색: Rule-based → 경량 ML 모델 전환 검토 (on-device inference)

중기 (3-6개월)

1. Go/Kill 재판단: 파일럿 결과 기반으로 정확도 충족 여부, 사용자 리텐션, WTP 재평가
2. 제품 통합 결정: SleepTest 내 유지 vs FastingWorks 통합 vs 독립 앱

관련 코드 참조