업무 계획서나 아이디어를 넣으면 PC의 로컬 LLM이 필요한 데이터를 읽어 내고, 공공데이터포털 9만여 건 가운데 후보를 고른 뒤 실제 응답 필드와 대조해 맞는 API를 추천한다. 호출 코드와 개발 가이드도 만들어 주며, 문서가 외부로 나가지 않게 온프레미스로 동작한다.
사례 대상 바로가기 · 공유 링크 · 아카이브에서 보기
상세 정보
- 사례 성격
- 개인 개발
- 출처 채널
- 오픈채팅
- 수집일
- 2026-10-12
- 태그
- #공공데이터 #로컬LLM #Ollama #API추천
- 실행 환경
- 설치 필요
- 망 요건
- 로컬 완결
- AI 모델
- 해외 오픈웨이트(로컬) — Gemma(gemma4:e2b, Ollama 로컬), bge-m3
- 라이선스
- 명시 없음 (확인 2026-10-12)
- 저장소
- ★ 1 · 유지보수 활발
- 링크 점검
- 정상 (2026-11-02)
개발자
GitHub·공공 GitLab 공개 프로필 기준 — 공공AX 챔피언 디렉토리와 같은 자료입니다.
4축 평가
| AX 단계 | AI-Enabled |
|---|---|
| 업무 범위 | S2 Workflow |
| 업무 완결성 | C1 결과 제공 |
| 권한(P축) | P1 산출물 생성(잠정) |
| 위험도 | R1 낮음(로컬 추론, 추천 결과는 실무자 판단) |
| 인간 통제 | 검토 후 사용 |
| 증거 등급 | E1 코드·도구 확인 |
| 신뢰도 | 중간 |
기획서 분석→후보 검색→응답 필드 대조→연동 코드 생성까지 이어지는 파이프라인으로 API 추천 결과를 제공하는 S2/C1이다. 로컬 LLM으로 내부 문서를 밖에 보내지 않는 설계가 특징이며 AI-Enabled다. 실제 업무 적용 사례와 추천 정확도는 미확인이다.
디자인 패턴 분석
『모두의 공공AX 디자인 패턴』 카탈로그 v0.7.1 기준 — 사례를 기관이 함께 쓰는 AI 부품과 그 조립으로 읽은 결과입니다. · 패턴 성좌에서 전체 보기 ↗
업무 패턴 B3 지식 접지 상담 보조 B1 코파일럿 변형: 폐쇄망 로컬 RAG(공공데이터 API 카탈로그 추천·연동 코드 생성)
환경 축 배포:로컬 PC 네트워크:로컬 완결 모델:해외 오픈웨이트(로컬) 런타임:설치 필요 권한:P1 산출물 생성
- 제어 흐름(B′)
- B′1 순차 파이프라인 B′9 결정론 판정 게이트
- 공통 서비스(A)
- A1 데이터 자산 서비스 A2.2 모델 서빙 · 주권형 온프레미스 A3 공공 API 제공자
- 보안(S)
- S12 데이터 비도달 설계 S12 데이터 비도달 설계 구조적
- 신뢰할 수 없는 입력
- 공공데이터포털 API 응답(외부 기관)
- 상호작용(F)
- F5 참고자료 첨부
- 서비스 블록(D)
- D8.1 탐색·조회 D8.3 초안·기안
- 부품 배선
- F5 → B3 · A1 → B3 · A2.2 → B3 · B3 → B′9 · A3 → B′9 · B′9 → B1 · B1 → D8.1 · B1 → D8.3
판정 근거
업무 계획서를 넣으면(F5) 로컬 Gemma(Ollama, A2.2)가 필요한 데이터를 추출하고, 공공데이터포털 9만여 건 카탈로그 색인(A1, bge-m3 임베딩)에서 후보를 검색(B3)한 뒤 실제 API 응답 필드와 대조해(A3) 맞는 API를 추천하고 호출 코드·개발 가이드를 생성(B1)한다. 이용자의 핵심 산출물은 카탈로그에 접지된 API 추천이라 R1에 따라 주 부품 B3, 코드 생성은 secondary B1. 고정 순서 단계라 B′1, 후보를 실제 응답 필드로 대조해 걸러내는 단계는 판정-확정 분리로 B′9. 유형 11 추천·매칭. 문서를 밖으로 보내지 않는 온프레미스 구조라 S12 데이터 비도달을 structural로 present. 원장 network_req '로컬 완결'을 옮겼으나 응답 필드 대조에는 API 호출이 필요할 수 있어 ambiguous에 남김. URL 없음(요약만으로 판정).
구현 가이드
주 패턴 B3 지식 접지 상담을 구현할 때
구현 단계
- 대표 질문·정답·채점 기준으로 C9 평가 세트를 먼저 만든다.
- A1로 코퍼스를 정리하고 데이터 등급(E5)과 공개 범위를 메타로 붙인다. 등급 문서가 섞이면 S2 권한 인식 검색을 둔다.
- E1에 맞게 임베딩·벡터DB·모델 위치를 정한다(폐쇄망이면 전부 로컬, A2.2·A2.4).
- 근거 밖 답변 금지·출처 상시 표시·근거 없으면 이관하는 규칙을 C5·F1·B′2로 구현한다.
- 검색 품질 3패턴을 하나씩 붙이며 C9로 재고, 문서 갱신 주기를 C6으로 운영한다.
점검표
- 답마다 출처가 표시되는가
- 근거가 없을 때 답하지 않고 이관하는가
- 평가 세트로 검색·답변 품질을 재고 있는가
- 코퍼스 갱신 주기와 책임자가 정해져 있는가
환경 조건
E1 폐쇄망·행정망이면 임베딩·벡터DB·모델 전부 로컬(A2.2 주권형 또는 A2.4 내부망 프록시 + 로컬 임베딩). E2 해외 상용 API면 C5 비식별 전처리와 C7 폴백이 필수다. E4는 P0~P1이 기본이다. 신뢰 불가 입력(민원 입력·공개 웹)을 읽고 P2 이상이면 S6 문서별 격리와 S2가 필요하다. 대민형은 S4·S7이 권장된다(§7.4).
주의할 점
- 평가 없이 붙이면 품질을 알 수 없음(X10)
- 코퍼스 갱신이 멈추면 오답이 됨
- 부서마다 따로 만들면 중복(X3)
- 대민형은 인젝션·유출 위협에 노출
기본 배선 예
A1 → A2.2 → B3 (B′7 · B′2) → F1 · B3 → C2 → 담당자 이관
보완이 필요한 필수 부품
이 조합에서 카탈로그가 함께 갖추라고 권하는 부품 가운데 아직 확인되지 않은 것이다.
- C1 검토 큐 AI 산출물이 다음 단계로 넘어가기 전에 사람이 맞고 틀림을 확인·수정·확정하는 대기열을 두어, 오류가 업무 결과로 흘러가지 않게 한다.
- C5 가드레일 필터 개인정보·환각·편향·형식 오류가 프롬프트나 산출물에 들어가지 못하게 시스템이 경계에서 걸러낸다. 비식별 전처리, 출처 검증, 구조적 출력 제약이 대표 변형이다.
- C6 환류 파이프라인 사용 결과(수정·이의·오탐 기록)가 정해진 주기와 트리거로 재학습·기준 개정에 되돌아오게 해, 배포 후에도 성능과 기준이 개선되게 한다.
- F9 판정 근거·기여도 표시 SHAP 요인 문장, 의심 부위 BBox, 판정 사유 코드, 자연어 판독 이유, 예측-실제 잔차로 모델이 왜 그렇게 판정했는지 보인다. B2·B4·B5의 필수 면이다.
- F3 결과 대안·부분 재생성 한 요청에 여러 안을 주고 일부만 다시 만들게 해, 첫 결과가 마음에 들지 않을 때 전체를 다시 요청하지 않아도 되게 한다. B′6 반복 개선의 이용자 면이다.
피해야 할 안티패턴
- X3 부서마다 챗봇 같은 기관의 과제들이 각자 모델·벡터DB·프롬프트를 따로 만들어, 공유할 수 있는 기반 부품을 부서 수만큼 중복 구축하는 함정이다. 대처: §7.1의 두 번째 단계대로 기반 부품은 새로 만들지 말고 Provider에서 먼저 가져온다. 모델 호출은 A2 모델 서빙 계층(범정부 AI 공통기반 또는 기관 게이트웨이) 뒤로 모으고, S1 단일 진입점에서 인증·요청 상한·비용 상한·감사 기록을 일괄 적용한다. 공공 API·공공 클라우드·공공 깃랩은 A3 공공 API 제공자로 쓴다. 부서별 차이는 모델을 따로 두지 말고 A9 업무 규범 스킬과 부서 코퍼스(A1)로 표현하며, 부서·등급별 코퍼스 분리가 필요하면 S2 권한 인식 검색으로 푼다. 없어서 새로 만든 부품은 §13 참조 구현 레지스트리에 올린다.
- X10 평가 없는 RAG, RAG 없는 튜닝 평가 세트 없이 검색을 붙여 '좋아진 것 같다'로 배포하고, 검색으로 풀릴 문제를 파인튜닝으로 푸는, 진행 경로를 건너뛰는 함정이다. 대처: §7.2 진행 경로를 순서대로 밟는다. B1 직접 프롬프트에서 시작해 두 번째 단계에서 C9 평가 세트(업무 질문·정답·채점 기준)를 먼저 만들고, 이후 A9 규범 스킬·F4, B3 지식 접지(A1 데이터 자산), B3 검색 품질(Hybrid·Rewriting·Reranker), C5 가드레일·F1 순으로 붙이며 매 단계를 C9로 잰다. A2.3 튜닝은 진행 경로의 마지막 단계로, 검색·규범 스킬로 풀리지 않는다는 것이 C9 점수로 확인됐을 때만 한다. 모델·프롬프트·설정 조합은 릴리스처럼 버전 관리한다.
관련 가이드라인
이 사례가 쓰는 부품과 이어지는 공공 AX 안내서·지침이다 (부록 E 공공 AX 가이드라인 문서 해설 기준, 겹치는 부품이 많은 순).
- 공공부문 AI 도입·활용 가이드 쓰는 작업: 사업 담당자가 사업계획서와 예산 요구서를 쓸 때 처음 펴는 문서다. 기획 단계에서는 사업 범위와 성과 지표를, 계약 단계에서는 과업지시서 구조를, 운영 단계에서는 유지관리 항목을 이 문서의 단계 구분에 맞춘다. 자체 모델을 들일지 공통기반을 쓸지 결정할 때도 이 문서가 기준이다.주의: 2024년 1.0과 2025년 2.0 초거대 AI 가이드라인을 잇는 문서다. 신규 사업은 이 판을 근거로 쓰고, 구판의 체크리스트는 이 판에 없는 항목을 확인할 때만 꺼낸다.
- 공공데이터의 인공지능 친화적 관리 가이드라인 쓰는 작업: 데이터 담당 부서가 공공데이터나 내부 문서를 RAG 지식베이스와 API로 내놓기 전에 편다. 데이터 개방 계획서의 메타데이터 항목, 지식베이스에 넣을 문서의 형식 변환 기준, 데이터 품질 점검표를 이 문서로 쓴다. 공공 API를 MCP 서버로 감싸려는 담당자에게도 기본 문서다.주의: NIA가 v1.1 개정을 공지했으므로 내려받은 파일의 판을 확인한다.
- 공공부문 데이터 분석 업무 운영 가이드 이 사례와 겹치는 부품 A1 데이터 자산 서비스 F9 판정 근거·기여도 표시쓰는 작업: AI가 예측이나 추천을 내는 사업, 또는 분석 결과가 정책 결정으로 들어가는 사업에서 분석 담당자는 이 절차를 작업 절차서의 뼈대로 삼는다. 분석 결과를 정책 보고서로 옮기는 해석 단계의 점검은 AI 산출물 검토에도 그대로 들어맞는다.주의: AI 전용 문서가 아니다. 모델 보안이나 개인정보 처리는 아래 KISA·개보위 문서로 따로 채운다.
- 금융분야 인공지능 가이드라인 이 사례와 겹치는 부품 C1 검토 큐 F9 판정 근거·기여도 표시쓰는 작업: 금융 업무에 AI를 쓰는 기관의 내부 AI 규정과 위원회 구성을 정할 때 기본 문서다. 여신, 심사, 상담 업무의 AI 도입 계획서에 원칙별 이행 방안을 적는 근거가 된다.주의: 2021년 금융분야 인공지능(AI) 가이드라인(PAX 목록 표기는 AI 운영 가이드라인), 2022년 AI 개발·활용 안내서, 2023년 AI 보안 가이드라인을 통합·개정한 문서다. 구판 세 건은 신규 사업의 근거로 쓰지 않는다.
- 공공 AX 프라이버시 보호 안내서 이 사례와 겹치는 부품 S12 데이터 비도달 설계 C5 가드레일 필터쓰는 작업: 공공 AX 사업 기획 단계에서 개인정보 담당자와 사업 담당자가 함께 편다. 먼저 사업이 세 활용 유형 가운데 어디에 드는지 정한다. 문서 요약이나 챗봇 상담 같은 기초업무 보조라면 허용·금지 활용 사례를 정해 사용자 교육 자료에 넣고 입출력 데이터의 관리체계를 세운다. 여러 DB를 이어 분석·추천하는 사업이면 연계하는 DB마다 처리 근거와 접근권한을 적은 표를 만든다. 그다음 RAG 연계와 결과 출력 지점의 안전조치를 과업지시서의 보안 요구사항으로 옮긴다. 선별·판단 유형이면 아래 자동화된 결정 안내서와 AI기본법 고영향 판단 가이드라인이 함께 걸린다.주의: 10대 점검사항의 개별 항목은 보도자료 본문에서 확인하지 못했다. 안내서 원문을 기준으로 옮긴다.
- 자동화된 결정에 대한 정보주체 권리 안내서 이 사례와 겹치는 부품 F9 판정 근거·기여도 표시 C1 검토 큐쓰는 작업: 자격 심사, 선정, 평가, 위험등급 부여처럼 국민의 권리·의무에 영향을 주는 결정에 AI를 쓰는 사업에서 쓴다. 기획 단계에서 자가진단표로 해당 여부를 판단하고, 해당하면 설명 요구와 검토 요구를 처리하는 절차를 설계에 넣는다.주의: AI기본법의 고영향 AI 판단과는 근거 법이 다르다. 두 판단을 각각 기록한다.
- 고영향 인공지능 사업자 책무 가이드라인 이 사례와 겹치는 부품 C1 검토 큐 F9 판정 근거·기여도 표시쓰는 작업: 고영향으로 판단된 사업은 설계 단계에서 책무 이행 계획을 세우며, 그 항목을 이 문서에서 가져온다. 사람의 감독 지점, 설명 제공 방식, 기록 보존을 설계서에 반영한다.주의: 구체 책무 항목은 첨부 원문으로 확인한다.
- 인공지능 개발과 활용에 관한 인권 가이드라인 이 사례와 겹치는 부품 C1 검토 큐 F9 판정 근거·기여도 표시쓰는 작업: 심사·선정·단속처럼 국민에게 불이익이 갈 수 있는 AI 사업에서 차별 검증과 구제 절차를 설계할 때 원칙의 근거로 쓴다.주의: 보도에는 문서명이 "인공지능 개발과 활용을 위한 인권 가이드라인"으로도 나온다. 인용 전에 인권위 원문으로 명칭을 확인한다.
같은 주 패턴(B3)을 쓰는 다른 사례
같은 업무 패턴으로 조립된 사례를 서비스 유형이 같은 것부터 모았다 외 22건. 구현할 때 비교해 볼 수 있다.
이 사례에 쓰인 패턴
B1 코파일럿 업무 컴포넌트
사람이 하던 문서·판단 작업 옆에 AI가 초안·요약·검토안을 놓고, 사람이 고쳐서 확정한다.
PAX 사례 111건이 이 부품을 쓴다
맥락
문서·기안·검토의견처럼 산출물 형식이 정해져 있고 최종 확정자가 사람인 업무에 쓴다. BYO 코딩 에이전트와 A9 스킬을 쓰는 스킬 코파일럿이 PAX 자생 도구에 많다.
맞서는 힘(긴장)
- 초안 속도 vs 전건 검토에 드는 사람 시간
- 상용 모델 품질 vs 행정망·민감정보 제약(E1·E5)
- 양식 일관성(A9 규범) vs 사안별 유연성
해법
업무 서식과 참고 자료를 입력으로 받아 모델(A2 또는 BYO 구독)이 초안·근거·신뢰도를 내고, 사람이 편집 가능한 형태(F2)로 받아 고쳐서 확정한다. 보고서 구조·문체·검증 절차는 A9 규범 스킬로 코드 밖에 두고, 공공 문서 형식은 A10 어댑터로 입출력한다. 확정 전 검토는 C1 검토 큐로 운영하고 수정 내역을 C4·C6의 입력으로 남긴다. First로 가려면 저위험 건을 C2로 자동 확정하는 분기를 더한다.
이럴 때 쓴다
- 산출물 형식이 정해진 문서를 반복 작성할 때
- 최종 판단과 책임이 사람에게 남아야 할 때(P1 산출물 생성)
- 유형 ④ 내부 문서·기안, 유형 ⑫ 개발 코파일럿의 기본 조립일 때
이럴 때는 쓰지 않는다
- 답이 기관 규정·선례 속에 있어 접지와 출처가 핵심일 때(B3)
- 추출 결과가 사람 확정 없이 다음 판정 단계로 흐를 때(B4)
- 런타임에 모델이 필요 없는 정형 취합일 때(B0)
얻는 것
- 문서 작성 시간 단축
- 책임 소재가 사람에게 명확히 남음
- 도입이 쉬워 Enabled의 전형 경로
점검표
- 담당자가 최종 확정한다는 절차가 운영되는가
- 서식·문체 규범이 A9 스킬로 분리되어 있는가
- 초안을 이용자가 직접 고칠 수 있는가(F2)
- 수정 내역이 기록되어 품질 개선에 쓰이는가
구조 — 참여 부품
- A2 모델 서빙 계층 — 초안 생성 모델 호출(행정망이면 내부망 프록시)
- A9 업무 규범 스킬 — 서식·문체·검증 절차를 프롬프트 템플릿으로 고정
- A10 문서 형식 어댑터 — HWPX·엑셀 입출력
- C1 검토 큐 — 담당자가 초안을 확인·수정·확정
- 담당자 — 최종 확정자이자 책임자
변형
- 시스템 내장형: 기관 업무 시스템 안에 초안 기능을 넣은 형태
- 스킬 코파일럿: BYO 코딩 에이전트 + A9 스킬로 배포되는 형태(PAX Enabled 사례에서 가장 흔한 형태)
참조 구현 예
- PAX gov-report-skill — 기획보고서 7대 항목 스킬 코파일럿(카드 참조 구현)
관련 부품
C1 짝 — 사람 확정 절차 · F2 이용자 쪽 대응 — 편집 가능 출력은 B1의 필수 면 · A9 끼울 자리 — 서식·규범 스킬 · B′5 기본 배선 — 유형 ④·⑫ 조립 템플릿의 생성자-비평가 · C2 다음 단계 — 저위험 자동 확정으로 First · B3 승급 경로 — §7.2 진행 경로 1 → 4
참고 자료
Fowler Direct Prompting · InfoQ Editable Output · GoF Decorator
이 부품과 이어지는 가이드라인
B3 지식 접지 상담 업무 컴포넌트
기관 규정·매뉴얼·사례 문서에 접지(RAG)해 질문에 답하고, 답마다 출처를 붙이며, 근거가 없으면 답하지 않고 담당자에게 넘긴다.
PAX 사례 48건이 이 부품을 쓴다
맥락
규정·매뉴얼·FAQ·사례가 문서로 쌓인 기관에서 내부 검색·검수, 대민 자동응답, 폐쇄망 로컬 검색에 쓴다. PAX 557건에서 주 부품이 B3인 사례는 31건으로 B0·B1 다음이다. 유형 ① 대민 상담·안내의 기본 조립이기도 하다.
맞서는 힘(긴장)
- 답변 범위 vs 환각 위험(근거 밖 답변 금지)
- 대민 자동응답의 효율 vs 예외 건 이관 필요
- 검색 품질 개선 vs 평가 세트 없이는 개선을 잴 수 없음
- 폐쇄망 요구 vs 로컬 임베딩·모델 품질
해법
기관 문서를 A1 자산으로 정리해 임베딩·색인하고, 질문이 오면 검색한 근거 범위 안에서만 모델이 답하게 한다. 답에는 출처(F1)를 상시 붙이고, 근거가 없으면 '확인 불가'로 답하거나 담당자·소관기관으로 이관한다(B′2). 검색 품질은 Hybrid Retriever·Query Rewriting·Reranker로 높이되, 변경마다 C9 평가 세트로 잰다. 대민형은 한계 안내(F7)와 폴백(C7)을 두고, 문서 갱신 주기를 C6으로 정한다.
이럴 때 쓴다
- 같은 질문이 반복되고 답의 근거가 기관 문서에 있을 때
- 답변에 조문·문서 출처를 반드시 붙여야 할 때
- 유형 ① 대민 상담·안내, 유형 ⑦ 법령 접지 점검
이럴 때는 쓰지 않는다
- 평가 세트가 없어 검색 품질을 잴 수 없을 때(먼저 C9, X10)
- 질문 유형이 몇 개로 정해져 행동 선택기(S4)나 규칙 조회로 충분할 때
- 문서를 요약해 초안을 쓰는 것이 핵심이면(B1)
얻는 것
- 답변에 근거를 댈 수 있음
- 반복 질의 처리 시간 단축
- 범정부 엔진 + 기관별 코퍼스로 공유 가능
점검표
- 답마다 출처가 표시되는가
- 근거가 없을 때 답하지 않고 이관하는가
- 평가 세트로 검색·답변 품질을 재고 있는가
- 코퍼스 갱신 주기와 책임자가 정해져 있는가
구조 — 참여 부품
- A1 데이터 자산 서비스 — 코퍼스 정제·등급 메타
- A2 모델 서빙 계층 — 임베딩·생성 모델(폐쇄망이면 로컬)
- 검색기 — 벡터·키워드 검색, 재작성·재순위
- C5 가드레일 필터 — 출처 검증·근거 밖 답변 차단
- F1 출처 표시 — 근거 문서·조문을 답에 표시
- 담당자 — 내부형 검수, 대민형 예외 건 처리
변형
- 내부 검수형: 직원이 쓰고 답을 검수(Enabled)
- 대민 자동응답형: 국민에게 직접 답하고 예외만 이관(이관 분기가 있으면 First)
- 폐쇄망 로컬 RAG: 내부망 LLM + 로컬 임베딩·벡터DB
- 검색 품질 하위 항목: Hybrid Retriever(벡터+키워드)·Query Rewriting·Reranker. 태깅 시 variant에 기재(Fowler)
- 그래프 RAG: A6 지식그래프를 검색에 결합(rag_type = Graph)
참조 구현 예
- PAX 전북AI — 자체 구축, 이용 10만 건(카드 참조 구현)
- PAX 소방기술민원 답변생성기 — 관리자 승인·적재, '유권해석 아님' 고지(카드 참조 구현)
- PAX bfcd190155ae69f7 — 코레일유통 그래프RAG 사내검색, 개인 시범 구축 → 기관 공식 플랫폼(§13)
관련 부품
C9 선행 — 평가 세트 없이 검색 품질을 개선할 수 없음 · F1 이용자 쪽 대응 — 출처 표시 · B′2 배선 — 근거 없거나 예외인 질문을 담당자로 이관 · A6 선택 부품 — 그래프 RAG · S2 보안 짝 — 등급 문서가 섞인 코퍼스의 권한 인식 검색 · C7 대민 상시 서비스의 폴백
참고 자료
Fowler RAG·Hybrid Retriever·Query Rewriting·Reranker · Gulli ch.14 RAG · computer.org RAG · GoF Proxy·Facade, Microservice Aggregator
이 부품과 이어지는 가이드라인
B′1 순차 파이프라인 제어 흐름
한 단계의 출력을 다음 단계의 입력으로 넘기는 고정 순서 배선이다. 한 프롬프트에 많은 일을 몰아 시켜 품질이 떨어지는 문제를 막는다.
PAX 사례 109건이 이 부품을 쓴다
맥락
B4 인식 파이프라인의 기본 배선이며, B1·B0·B5 안에서도 흔하다. 단계 순서가 업무 절차로 미리 정해져 있고 AI가 순서를 고를 필요가 없을 때 쓴다.
맞서는 힘(긴장)
- 디버깅·출처 추적의 쉬움 vs 병렬화 불가로 인한 지연
- 단계 분리의 품질 이점 vs 단계가 늘수록 오류 누적
- 고정 순서의 예측 가능성 vs 예외 경로 처리의 경직성
해법
업무 절차를 단계로 나누고 각 단계의 입력·출력 형식을 정해 앞 단계 출력을 다음 단계에 넘긴다. 단계 사이에 형식 검증(스키마)을 두어 오류가 번지기 전에 멈추고, 멈춘 건은 C1 검토 큐나 C3 재처리로 보낸다. 판정·산수 단계는 가능한 한 규칙(B′9)으로 두고 모델은 추출·서술 단계만 맡긴다. 단계 순서를 AI가 바꿔야 한다면 B′8이나 B′7로 옮긴다.
이럴 때 쓴다
- 업무 절차가 고정 순서로 정해져 있을 때
- 각 단계를 따로 검증·추적해야 할 때(유형 ② 접수·심사, ⑧ 취합·변환)
- 단일 에이전트에서 시작하는 첫 배선일 때
이럴 때는 쓰지 않는다
- 하위 작업이 서로 독립이라 동시에 돌려야 지연이 줄 때(B′3)
- 입력에 따라 AI가 다음 도구를 골라야 할 때(B′7)
- 긴 업무를 계획부터 세워야 할 때(B′8)
얻는 것
- 디버깅과 출처 추적이 쉬움
- 단계별 품질 검증 가능
- 구현이 가장 단순
점검표
- 단계마다 입력·출력 형식이 정의되어 있는가
- 단계 사이 검증에서 실패하면 멈추는가
- 단계별 중간 결과를 추적할 수 있는가
구조 — 참여 부품
- 단계 처리기 — 각 단계에서 추출·변환·작성 수행
- 단계 간 형식 검증 — 다음 단계로 넘기기 전 스키마 확인
- C3 상태 머신·롤백 — 실패 단계 재처리
관련 부품
B4 기본 배선 — 인식 파이프라인 · B′8 대안 — 순서를 계획으로 정할 때 · B′9 짝 — 판정 단계를 규칙으로 · C3 기록처·되돌림 — 실패 단계 재처리
참고 자료
Google ADK #1 Sequential · Gulli ch.1 Prompt Chaining · Heiland Multi-layer · adaptive.live 프롬프트 체이닝
B′9 결정론 판정 게이트 제어 흐름
판정 모델(LLM·VLM·비전 분류기·통계 모델)은 정형 출력만 내고, 규칙 엔진이 최종 판정·산수·분기를 하며, 사람 또는 시스템이 확정한다.
PAX 사례 17건이 이 부품을 쓴다
맥락
법정 기준·지침 임계값이 있는 심사·점검·감시 업무에 쓴다. B4 인식 파이프라인, B5 감지·경보(유형 ③), B2 위험 예측(유형 ⑩)에서 판정 단계를 맡는다. v0.6에서 LLM·VLM 한정으로 신설하고 R11에서 판정 모델 일반으로 확장했다.
맞서는 힘(긴장)
- 모델의 추출 유연성 vs 판정의 재현성·설명 가능성
- 기준 변경 시 설정만 바꾸는 편의 vs 규칙 유지보수 부담
- 강등·기각의 보수성 vs 자동 처리율
해법
판정 모델은 JSON 스키마로 제약된 정형 출력(추출값·근거 문장·신뢰도·확률)만 낸다. 규칙 엔진이 기준 임계값·산식·대조로 판정과 산수를 수행하고, 기준이 바뀌면 재학습 없이 설정만 고친다. 서버가 근거 문장을 원문과 재대조해 '문서확인/AI추정/문서에없음'으로 강등하는 비루프 검증을 둘 수 있다. 불합격·저신뢰 건은 재생성하지 않고 기각·강등해 사람 확정(C1)으로 보낸다.
이럴 때 쓴다
- 판정 기준이 법령·지침·임계값으로 정해져 있을 때
- 판정 재현성과 근거 설명이 필요할 때
- 기준 변경 시 재학습 없이 설정만 바꾸고 싶을 때
이럴 때는 쓰지 않는다
- 판정 기준을 규칙으로 적을 수 없는 서술형 평가일 때
- 불통과 시 다시 생성해 품질을 올려야 할 때(B′5)
- 추출 없이 규칙만으로 판정할 수 있을 때(B0)
얻는 것
- 임의 확정·환각 수치 방지
- 기준 변경 시 재학습 불필요
- 판정 근거를 조항 단위로 설명 가능
- C2 자동 분기의 신뢰 근거
점검표
- 모델이 판정·산수를 하지 않는가
- 기준 변경이 재학습 없이 설정 변경으로 가능한가
- 저신뢰·근거 불일치 건이 강등되어 사람에게 가는가
- 같은 입력에 같은 판정이 나오는가
구조 — 참여 부품
- 판정 모델 — 정형 출력(추출값·근거·신뢰도·확률)만 생성
- 규칙 엔진 — 임계값·산식·대조로 판정과 산수
- C5 가드레일 필터 — 구조적 출력 제약·스키마 검증, 근거 재대조
- C1 검토 큐 — 강등·저신뢰 건의 사람 확정
변형
- LLM·VLM 추출형: LLM·VLM은 추출·서술만 하고 규칙이 판정한다(v0.6 원정의)
- 비전·통계 판정 모델형: 비전 분류기·통계 모델 확률을 규칙이 판정한다(R11 확장)
- 근거 재대조 강등형: 근거 문장을 원문과 재대조해 문서확인/AI추정/문서에없음으로 강등한다(비루프 검증)
- 병렬 교차 검증형: LLM 추출과 규칙 파서를 병렬로 돌려 불일치를 규칙으로 잡는다
- 정형 IR → 결정론 컴파일: 에이전트가 정형 중간표현을 내고 결정론적으로 변환한다(§13 해외 참고)
참조 구현 예
- PAX 90f8afce65c6f327 — VLM 추출 + 차량 대장 규칙 대조 + 담당자 확정, 소형 실물(§13)
관련 부품
S4 동형 — 보안 목적이면 행동 선택기 · S6 동시 태깅 가능(R27) · C5 짝 — 구조적 출력 제약 · B′10 역방향 — 선게이트·후보축소 · B′5 대안 — 재생성 루프 · F9 이용자 쪽 대응 — 판정 사유 코드 표시
참고 자료
Beurer-Kellner 외 Action-Selector(동형) · InfoQ Output Guardrails
A1 데이터 자산 서비스 공통 서비스
흩어진 업무 기록을 정제·라벨링해 AI 부품이 붙여 쓸 수 있는 데이터셋·라벨·데이터 사전 형태의 기준선으로 제공한다.
PAX 사례 110건이 이 부품을 쓴다
맥락
학습 모델(A2.5·B2), 지식 접지(B3)의 코퍼스, 평가 세트(C9)의 정답 출처가 필요한 과제라면 모두 이 부품을 쓴다. 서비스 유형 5a·9·10·11에서는 필수 기반이다. 비LLM 규칙 기반 대민 안내에서는 A2를 거치지 않고 결정론 조회의 대상이 된다(R21).
맞서는 힘(긴장)
- 정제 품질 vs 구축 기간·라벨링 인력 비용
- 과제 전용 가공(빠름) vs 기관 공통 기준선(재사용)
- 데이터 활용 범위 vs 데이터 등급(E5) 보호
- 기준선 고정(재현성) vs 원천 갱신 반영
해법
원천 기록을 수집→정제(중복·결측 처리)→라벨링→정의 문서화 순으로 가공하고, 결과를 정제 데이터셋·라벨·데이터 사전의 세 산출물로 고정해 제공한다. 'N건→M건 정제'처럼 정제 전후 규모와 기준을 기록하고, 변수·테이블·인터페이스 정의서로 소비 부품이 같은 정의를 쓰게 한다. 기준선은 버전으로 관리해 C9 평가 세트의 정답 출처와 C6 재학습의 입력으로 재사용한다. 데이터 경계는 부품별로 두고(DB per Service), 타 기관 데이터와의 결합은 A4로 분리한다.
이럴 때 쓴다
- 예측·추천기(B2)나 비전 모델(A2.5)을 학습·재학습할 때
- 지식 접지(B3)의 코퍼스를 구축할 때
- 평가 세트(C9)의 정답 출처가 필요할 때
- 서비스 유형 5a-agg·9·10·11처럼 A1이 필수인 조립
이럴 때는 쓰지 않는다
- 공공 API 응답을 가공 없이 조회만 할 때(A3)
- 정제·정의 없이 파일을 올려 바로 검색하는 경우(태그 대상 아님)
- 타 기관 데이터 결합이 핵심일 때는 A4를 함께 태그해 계약·키 매핑을 따로 드러낸다
얻는 것
- 모델 교체와 무관하게 남는 기관 자산
- C9·C6·B3가 같은 기준선을 재사용
- 데이터 사전이 기관 간 표준 확산의 단위가 됨
점검표
- 정제 전후 규모와 정제 기준이 기록되어 있는가
- 데이터 사전(정의·단위·출처)이 있는가
- 기준선에 버전이 있고 평가용 분할이 학습용과 분리되어 있는가
- 데이터 등급(E5)에 맞는 가명·비식별 처리가 적용되었는가
구조 — 참여 부품
- 원천 시스템·기록 — 가공 전 업무 기록을 내주는 출처
- 정제·라벨링 파이프라인 — 중복 제거·결측 처리·라벨 부여·품질관리를 수행
- 데이터 사전 — 정의·단위·출처를 문서로 고정해 소비 부품이 같은 뜻으로 쓰게 함
- C9 평가 세트·회귀시험 — 기준선을 정답 출처로 사용
- A2.5 비LLM 학습 모델 — 기준선으로 학습·재학습하는 소비 부품
변형
- 학습데이터 구축형: 영상·이미지 등을 수집해 품질관리 단계(중복 제거·재라벨링·학습/검증/평가 분리)를 거쳐 학습 기준선으로 만든다.
- RAG 코퍼스 정본화형: 법령·규정 원문을 현행 시행본 기준으로 정본화하고 조문 구조·메타데이터를 부여해 색인한다.
- 지표 표준화형: 여러 자료원의 지표를 도메인별로 표준화하고 정의·단위·분모·결측·원본 링크를 메타데이터로 관리한다.
- 자동 피처 파이프라인형: 수집→정제→파생 변수 생성→자동 검증→담당자 승인을 주기 실행하고 승인만 사람에게 남긴다.
관련 부품
C9 소비처 — 기준선이 평가 세트의 정답 출처 · A4 짝 — 자기 기관 정제(A1)와 타 기관 결합(A4) · B3 소비처 — 지식 접지의 코퍼스 · C6 선행 — 재학습 입력이 되는 기준선 · A2.5 소비처 — 자체 학습 모델의 학습 데이터
참고 자료
computer.org 데이터 증강 · Heiland 데이터 계층 · Microservice 패턴 DB per Service · GoF Builder
이 부품과 이어지는 가이드라인
A2.2 모델 서빙 · 주권형 온프레미스 공통 서비스
오픈웨이트 모델을 기관 서버·폐쇄망·로컬 PC 안에서 Ollama·vLLM 등으로 구동해 데이터를 기관 밖으로 내보내지 않고 추론한다.
PAX 사례 54건이 이 부품을 쓴다
맥락
E1은 폐쇄망·행정망·로컬 PC, E2는 해외 오픈웨이트(로컬) 또는 국산 오픈웨이트, E5는 S 이상이다. 폐쇄망 B3·B6·B8, 유형 3(현장 폐쇄망 서버 추론), 유형 12 개발 코파일럿은 이 변형을 기본으로 쓴다.
맞서는 힘(긴장)
- 데이터 주권 vs 상용 최신 모델 대비 성능
- GPU·서버 고정비 vs 종량 과금
- 모델 운영·갱신 역량 vs 외부 의존 제거
- 저사양 장비 구동 vs 모델 크기
해법
오픈웨이트 모델을 기관 안에 설치하고 서빙 계층(Ollama·vLLM·LM Studio 등)으로 업무 부품에 노출한다. 임베딩 모델도 로컬로 두어 B3 검색까지 망 안에서 끝낸다(§5 E1 폐쇄망 행 '로컬 임베딩'). 모델 선정은 C9 평가 세트로 상용·온프레미스 후보를 같은 조건에서 비교해 정한다. 폐쇄망에서 C7 경로는 수동 전환·다른 로컬 모델로 제한되므로 둘 이상의 로컬 모델이나 수동 절차를 미리 둔다. 모델·패키지 반입은 S11 인제스천 검증을 거친다.
이럴 때 쓴다
- E1이 폐쇄망·행정망이거나 문서가 PC 밖으로 나가면 안 될 때
- E5가 S 이상인데 내부망 프록시(A2.4)를 쓸 수 없을 때
- 현장 폐쇄망 서버에서 추론해야 하는 유형 3
- C7의 대체 경로로 로컬 모델을 둘 때
이럴 때는 쓰지 않는다
- 추론 인프라·운영 인력을 확보할 수 없을 때
- 현장 기기 자체에서 돌아야 하면 A5(엣지 런타임)
- 모델을 재학습했으면 A2.3
얻는 것
- 데이터가 기관 밖으로 나가지 않음
- 호출 비용이 고정비로 바뀜
- 폐쇄망에서도 LLM 사용 가능
- C7의 대체 경로 후보
점검표
- 추론·임베딩 어디에서도 데이터가 망 밖으로 나가지 않는가
- 모델 선정 근거(평가 세트 비교)가 남아 있는가
- 반입한 모델·패키지의 무결성 검사 기록이 있는가
- 대체 로컬 모델 또는 수동 전환 절차가 있는가
구조 — 참여 부품
- A2 서빙 계층 — 로컬 모델을 업무 부품에 노출
- 오픈웨이트 모델·로컬 임베딩 — 기관 안에서 추론·색인
- GPU 서버 또는 워크스테이션 — 추론 인프라
- S11 인제스천·공급망 검증 — 폐쇄망 반입 모델·패키지 검사
변형
- 기관 서버형: vLLM 등으로 기관 GPU 서버에서 다수 이용자에게 서빙한다.
- 로컬 PC·워크스테이션형: Ollama·LM Studio로 개인 PC나 단일 워크스테이션에서 돌린다(온나라 sAIde).
- 범정부 공통기반 내부망 설치형: 국산 독자모델·오픈웨이트를 공통기반 내부망에 직접 설치해 여러 부처에 제공한다(PAX 행정안전부 사례).
참조 구현 예
- PAX 58420e002644542c — 행정안전부, 엑사원·Gemma4를 범정부 공통기반 내부망에 설치해 약 8천 명에 롤아웃(§13 A2.2)
- PAX 01963ce2b093182c — 양산시, 저사양 온프레미스 로컬 LLM으로 보고서 작성 전 과정을 폐쇄망 안에서 처리(§13 A2.2)
- PAX 온나라 sAIde — 온나라 사이드패널 + 로컬 Ollama 요약(§9)
관련 부품
C7 대체 경로 — 상용 API 장애 시 전환 대상 · A8 짝 — 폐쇄망 로컬 MCP 호스트 · S11 선행 — 폐쇄망 반입 검증 · A5 대안 — 현장 기기 추론 · C9 선행 — 모델 선정 근거
참고 자료
Heiland '업무 로직과 ML 모델 분리' · GoF Strategy
이 부품과 이어지는 가이드라인
A3 공공 API 제공자 공통 서비스
정부·공공이 운영하는 모델·데이터·개발 도구(범정부 AI 공통기반, 모두의 AI 실험실, 공공데이터포털, 공공 깃랩)를 범정부 Provider로 소비한다.
PAX 사례 154건이 이 부품을 쓴다
맥락
모델·공공데이터·법령 원문·개발 환경을 공공 플랫폼에서 가져올 수 있다면 어느 과제든 해당한다. §7.1 2단계 '기반 부품은 새로 만들지 말고 Provider에서 먼저 찾는다'가 바로 이 부품을 가리킨다. 유형 7(대조·점검)에서는 법령·기준 출처를 대는 필수 기반이다.
맞서는 힘(긴장)
- 공통 Provider 재사용 vs 기관 고유 요구 반영
- 공공 API 가용성·갱신 주기 vs 서비스 신뢰성
- 인가·검증 절차의 통제 vs 에이전트 루프의 병목(PAX 공공API 진단)
해법
기반을 새로 만들기 전에 범정부 AI 공통기반(모델), 공공데이터포털·법령 API(데이터), 모두의 AI 실험실·공공 깃랩(개발·실험 환경)에서 먼저 찾아 소비한다. 인증은 GPKI·디지털원패스 같은 연합 신원(Federated Identity)으로 위임하고, 공공 API 응답은 출처·조회 시각과 함께 업무 부품에 넘긴다. 에이전트가 부를 수 있게 하려면 A8 MCP 서버로 감싸고, 결과를 재가공해 기준선으로 고정하면 A1을 더한다. 기관이 만든 도구는 공공 깃랩에 등재해 다음 기관의 Provider가 되게 한다.
이럴 때 쓴다
- 모델·데이터·개발 환경을 기관이 새로 만들려 할 때 — 먼저 Provider 확인
- 법령·기준 원문을 최신으로 대조해야 하는 유형 7
- 여러 부서가 같은 기반을 따로 만들고 있을 때(X3 교정)
이럴 때는 쓰지 않는다
- 필요한 모델·데이터가 공공 Provider에 없을 때(만들고 레지스트리에 올림)
- 타 기관 데이터를 계약·키 매핑으로 결합하는 경우는 A4
얻는 것
- 기관별 중복 구축 방지(X3 교정)
- 공인된 원천 데이터·모델 사용
- 등재를 통해 전이 경로 확보
점검표
- 같은 기반을 기관 안에서 따로 만들지 않았는가
- 공공 API 응답의 출처·조회 시각이 결과에 남는가
- API 장애·변경 시 어떻게 되는지 답할 수 있는가
- 만든 도구가 공공 깃랩 등에 등재되었는가
구조 — 참여 부품
- 공공 Provider — 범정부 AI 공통기반·공공데이터포털·모두의 AI 실험실·공공 깃랩
- 연합 신원 인증 — GPKI·디지털원패스 등으로 호출 주체를 확인
- 소비 부품(B·A2·A8) — Provider를 직접 만들지 않고 가져다 씀
- S1 AI 게이트웨이·단일 진입점 — 공공 인증을 위임받아 호출을 통제
변형
- 공공 모델 Provider: 범정부 AI 공통기반(HCX-GOV-THINK) 위에서 모델을 소비한다. 온나라 AI 문서 분배기가 공통기반 RAG 위에서 돈다.
- 공공 데이터·법령 Provider: 공공데이터포털 OpenAPI·법제처 API 등을 실서비스 파이프라인에 상시 연동한다.
- 개발·실험 환경 Provider: 모두의 AI 실험실·공공 깃랩에서 개발하고 결과물을 등재한다.
참조 구현 예
- PAX 온나라 AI 문서 분배기 — 범정부 공통기반 RAG 위에서 접수 문서 배분(§6 A3 카드)
- PAX ef389de4efadc258 — 법제처 API로 매일 최신성 검증(§13 A3)
- PAX 3d07b6da99f5e1ed — 직제·시행규칙을 법령 API로 파싱·결합, 시행일 스냅샷 비교(§13 A3)
관련 부품
A2.4 짝 — 공통기반 모델을 내부망에서 경유 · A8 감싸는 층 — 공공 API를 MCP 도구로 · S1 인증 위임 — 공공 인증을 단일 진입점에 · A7 등재처 — 자체 제작 도구를 공공 깃랩에 · A4 경계 — 계약 기반 결합
참고 자료
patterns.dev Provider 패턴 · Microservice 패턴 Federated Identity·Access Token · PAX 공공API 진단 보고서
이 부품과 이어지는 가이드라인
S12 데이터 비도달 설계 보안 패턴
개인정보·원문을 단말(브라우저·PC·기기)에서 처리해 서버나 외부로 아예 보내지 않는다. v0.6 후보 부품으로, 카드 없이 R4 한 줄 정의와 §13 레지스트리로만 등재되어 있다.
PAX 사례 36건이 이 부품을 쓴다
맥락
PAX 자생 도구처럼 브라우저 단독 HTML·데스크톱 앱·로컬 모델로 업무 PC 안에서 완결되는 도구(E1 로컬 PC 완결). PAX 557건 태깅에서 S 부품 중 최다(36건)로 관측되었다. 카탈로그상 후보이며 위협 매트릭스·조립 템플릿에는 아직 들어가 있지 않다.
맞서는 힘(긴장)
- 유출 경로 제거 vs 중앙 로그·감사 기록 부재(C4 소실)
- 로컬 처리의 단순함 vs 단말 성능·로컬 모델 품질 한계
- 개인 도구의 자율성 vs 기관 전이 시 운영 통제 재장착
해법
개인정보·원문을 다루는 처리를 브라우저 내 로컬 처리·데스크톱 앱·로컬 모델(A2.2·A5)로 단말 안에서 끝낸다. 외부 호출이 꼭 필요하면 호출 범위를 한 기능(예: 음성 인식)으로 좁히고 키·원문·결과는 호스트 밖으로 내보내지 않는다. 무통신 여부를 이용자가 직접 확인할 수 있게(인터넷 차단 후 동작, 개발자 도구로 네트워크 확인) 안내한다. 기관으로 전이할 때는 사라진 C4 로그를 다시 붙인다. ^[inferred]
이럴 때 쓴다
- 개인정보가 담긴 문서를 마스킹·취합하는 개인·부서 도구
- 외부 전송이 허용되지 않는 데이터(E5 S 이상)를 다루는 소규모 도구
- 인터넷 차단 환경에서 쓰는 문서 도구
이럴 때는 쓰지 않는다
- 여러 사용자의 데이터를 모아야 하는 기관 서비스(중앙 저장이 과업 자체)
- 감사 로그(C4·S10)가 필수인 처분 관여(P3) 과제에서 기록 없이 로컬 완결만 주장할 때
- 단말 성능으로 필요한 모델 품질을 낼 수 없을 때
얻는 것
- 서버 쪽 유출 경로 제거
- 비식별 전처리(C5)가 불필요해짐
- 1인 개발 도구도 개인정보를 다룰 수 있음
점검표
- 원문·개인정보가 단말 밖으로 전송되는 경로가 없는가
- 외부 호출이 있다면 무엇이 나가는지 문서화되어 있는가
- 이용자가 무통신을 검증할 수 있는가
- 기관 전이 시 기록 재장착 계획이 있는가
구조 — 참여 부품
- 단말 처리기 — 브라우저·데스크톱 앱에서 파싱·마스킹·취합 수행
- A2.2 주권형 온프레미스 — 로컬 Ollama 등으로 추론을 단말에서 수행
- A5 엣지 추론 런타임 — 현장 기기에서 추론
- 이용자 검증 안내 — 무통신을 이용자가 직접 확인하도록 안내
변형
- 브라우저 단독형: 단독 HTML 한 파일 또는 브라우저 내 로컬 처리로 파일이 서버에 도달하지 않음
- 로컬 모델 오프라인형: 데스크톱 앱과 로컬 모델로 완전 오프라인 동작
- 부분 외부 호출형: 키·원문·결과는 호스트에 두고 특정 기능 호출만 범정부 공통기반으로 내보냄
참조 구현 예
- PAX 2f27c87e6f7c7614 — 단독 HTML 한 파일로 업무망에서 돌고 인터넷 차단·F12로 무통신을 이용자가 검증하게 한 로컬 완결 설계(§13)
- PAX b0808306ddb06317 — 키·관리자 토큰·음성·회의록은 호스트에 두고 음성 인식 호출만 범정부 공통기반으로(§13)
- PAX 73bb12bf461ceb4c — 브라우저 내 로컬 처리로 파일이 서버에 도달하지 않음을 도구 포털 단위로 명시(§13)
- PAX 9d115930495a1e65 — Tauri 데스크톱 앱과 로컬 Ollama·Gemma-4 E2B로 완전 오프라인 동작(§13)
- PAX 918bddd1b60d8a74 — 서버 전송 없이 PC 안에서만 개인정보를 마스킹·취합(§13)
- PAX 8d17b8feee1af705 — 브라우저 로컬 처리 문서 도구, 교육청 공식 배포로 전이 완료(§13)
관련 부품
S13 대안 — 전송이 필요하면 단말 비식별 후 전송 · C5 대체 — 데이터가 도달하지 않으면 비식별 필터가 불필요 · C4 트레이드오프 — 로컬 완결 시 사라지는 기록, 전이 시 재장착 · E1 환경 조건 — 로컬 PC 완결 · A2.2 끼울 자리 — 로컬 모델
참고 자료
카탈로그 §0 v0.6 개정표(S 부품 판정 전제) · 분류기준 R4
이 부품과 이어지는 가이드라인
F5 참고자료 첨부 상호작용 패턴
이용자가 파일을 붙여 답의 범위를 좁힌다. A10 어댑터(HWPX·PDF)가 뒤에서 받치고, C5 비식별이 첨부 직후에 걸린다.
PAX 사례 15건이 이 부품을 쓴다
맥락
B1 코파일럿, B3 상담에서 이용자 문서를 범위로 쓰는 경우. 유형 ④ 기안 코파일럿의 필수 상호작용. 기관 밖에서 작성된 첨부물은 신뢰 불가 입력이다.
맞서는 힘(긴장)
- 범위 지정의 정확성 vs 첨부 내 개인정보 유출
- 첨부 형식 다양성 vs 파싱 품질
- 첨부 편의 vs 간접 인젝션 표면
해법
파일 업로드로 답의 범위를 지정하게 하고, A10 어댑터로 HWPX·PDF·엑셀을 구조를 보존해 읽는다. 첨부 직후 C5 비식별을 거친 뒤 모델에 넘긴다. 외부에서 작성된 첨부는 신뢰 불가 입력으로 표시하고, 도구 호출이 있으면 S3·S6로 격리한다.
이럴 때 쓴다
- 기관 코퍼스에 없는 이용자 문서를 근거로 해야 할 때
- 유형 ④ 기안 코파일럿(F5 필수)
이럴 때는 쓰지 않는다
- 기관 코퍼스 접지만으로 충분한 대민 상담(B3)
- C5 비식별·A10 어댑터 없이 개인정보 문서를 외부 API로 보내게 되는 경우(먼저 C5)
얻는 것
- 답의 범위가 이용자 의도에 맞음
- 복사·붙여넣기로 인한 형식 손상 감소
점검표
- HWPX·PDF가 형식을 유지해 파싱되는가
- 첨부 직후 비식별이 걸리는가
- 외부 첨부를 신뢰 불가 입력으로 취급하는가
구조 — 참여 부품
- A10 문서 형식 어댑터 — HWPX·PDF·엑셀 파싱
- C5 가드레일 필터 — 첨부 직후 비식별
- S3 컨텍스트 방화벽 — 첨부 내용을 신뢰 구역과 분리
변형
- 단일 문서 범위 지정: 첨부한 문서만 근거로 답
- 서식 첨부: 기관 서식을 붙여 출력 형식을 지정
관련 부품
A10 의존 — 문서 형식 파싱 · C5 의존 — 첨부 직후 비식별 · S3 보안 쪽 대응 — 첨부 내용 격리 표기 · F4 구분 — 구조화 입력
참고 자료
aiuxpatterns Authoring · Reference Material
D8.1 탐색·조회 서비스 블록
데이터·법령·공고·선례·타 지역 사례를 찾아 담당자 화면에 놓는 내부 운영 블록이다. B0 탐색·시각화, MCP 도구 제공, B3가 전형 부품이다.
PAX 사례 176건이 이 부품을 쓴다
맥락
기관 내부 담당자가 자료를 찾아 보는 업무. §7.3 유형 ⑤b 데이터 에이전트(D8.1, P0)와 ⑤a 분석 대시보드·브리핑(D8.1, P0~P1)의 무대. PAX 176건(주 부품 B0 80%, B3 10%).
맞서는 힘(긴장)
- 검색 편의 vs 출처·기준 시점 확인
- 자연어 질의 vs 질의 조작·도구 출력 인젝션
- 대시보드 고정 화면 vs 에이전트의 유연한 질의
- MCP 서버 수 vs 실제 업무 호출(X8)
해법
답이 원천 데이터에서 나오게 한다. 공공데이터·통계는 A8 MCP 서버나 A3 공공 API로 도구화하고, 호스트 쪽 에이전트는 B′7 ReAct 도구 루프로 조회하되 C8로 읽기 전용에 묶는다. 결과에는 F1 출처(통계표 ID)와 조회 시점을 붙이고, 도구 호출은 C4로 추적한다. 도구 출력이 새 지시가 되지 않도록 S5 계획 후 실행과 S1 비용 상한을 둔다. 에이전트가 필요 없으면 B0 대시보드·검색기로 끝내고(5a-agg), LLM이 해설을 붙이면 5a-brief로 C9·F9를 더한다(R19). MCP 서버만 만드는 사례는 5b-server로 A8·S11만 필수다(R18).
이럴 때 쓴다
- 담당자가 흩어진 데이터·법령·공고·선례를 찾느라 시간을 쓸 때
- 공공데이터·통계를 자연어로 조회해야 할 때
- 다른 지역·기관 사례를 모아 봐야 할 때
이럴 때는 쓰지 않는다
- 찾은 문서에서 할 일·핵심을 뽑으면 D8.2
- 규정·기준과 대조해 확인 대상을 고르면 D8.4
- 국민이 서비스를 찾으면 D1
얻는 것
- 자료 찾는 시간 절감
- 출처·시점이 붙은 근거 확보
- 공공데이터 MCP의 재사용
점검표
- 결과마다 원천 출처와 기준 시점이 보이는가
- 도구 권한이 읽기 전용으로 묶여 있는가
- 도구 호출 순서를 나중에 볼 수 있는가
- MCP 서버가 실제 업무에서 호출되는지 재는가
구조 — 참여 부품
- 담당자 — 자료를 찾고 결과를 업무에 씀
- A8 MCP 서버·호스트 — 공공데이터·통계를 도구로 노출
- B0 결정적 도구(탐색·시각화) — 검색기·대시보드
- B6 도구 호출 에이전트 — 로컬 MCP 호스트로 조회·차트 생성
- C8 권한 경계 — 읽기 전용 제한
- F1 출처 표시 — 통계표 ID·출처·시점 표시
변형
- 검색·대시보드형(비LLM): B0 탐색·시각화. 유형 5a-agg(필수 A1·F2·C4, R19).
- 브리핑형: LLM이 조회 결과를 요약·해설. 유형 5a-brief(필수 A2.1|A2.2|A2.6·F9·C9, R19).
- MCP 서버 제공형: 공공데이터·법령을 MCP로 노출하는 서버 자체. 5b-server(필수 A8·S11, R18).
- 데이터 에이전트형: 로컬 MCP 호스트가 도구를 불러 조회·차트 생성. 5b-host(필수 C4·F1·S5|S6, R18).
참조 구현 예
- 망분리 환경용 로컬 AI 에이전트 + KOSIS 공식 MCP — 카탈로그 D8.1 카드·§9 조립 예시, 유형 ⑤b 참조 구현
- Korean Stats MCP — 카탈로그 D8.1 카드 예: KOSIS 통계를 자연어로, 출처 자동 인용
관련 부품
A8 끼울 자리 — 공공데이터 MCP · C8 필수 통제 — 읽기 전용 · D8.2 이웃 블록 — 찾은 문서의 요약·추출 · S5 5b-host 필수 보안 · X8 이 블록에서 흔한 함정
참고 자료
카탈로그 §7.3 유형 ⑤a·⑤b · 카탈로그 §7.4 유형 ⑤ 위협 모델 · MCP 6축 검증(§8)
D8.3 초안·기안 서비스 블록
보고서·공문·답변·직무기술서·제안서의 첫 판을 서식에 맞춰 만드는 내부 운영 블록이다. B1 스킬 코파일럿에 A9 규범 스킬과 A10 HWPX 어댑터가 붙는다.
PAX 사례 64건이 이 부품을 쓴다
맥락
기관 내부 문서의 첫 판을 만드는 업무. §7.3 유형 ④ 내부 문서·기안 코파일럿(D8.3 · D8.2, P1)과 유형 ⑫ 개발 코파일럿(D8.3, P1)의 무대. PAX 64건(주 부품 B1 64%, B0 20%), 문서·기안 영역 31건.
맞서는 힘(긴장)
- 초안 속도 vs 규범·서식 적합성
- 편집 가능 출력 vs 완성본처럼 보이는 초안의 과신
- 기관 문서 반출 제약 vs 상용 모델 품질
- 생성자-비평가 반복 품질 vs 비용(반복 상한)
해법
B1 코파일럿이 초안을 만들되, 보고서 구조·문체·서식·검증 절차를 A9 규범 스킬로 코드 밖에 패키징해 재사용하고, 출력은 A10 어댑터로 HWPX 등 기관 서식에 맞춘다. 품질은 B′5 생성자-비평가로 올리되 반복 상한(2~3회)을 둔다. 출력은 F2 편집 가능 형태로 내고, F5 참고자료 첨부로 범위를 좁히고, F3로 대안을 준다. 담당자가 C1로 확정하고, C5 비식별로 첨부 속 개인정보를 거르며, C9 평가 세트로 스킬 변경을 잰다. 개발 코파일럿이면 S9 샌드박스를 더한다.
이럴 때 쓴다
- 서식이 정해진 문서의 첫 판을 반복해 쓸 때
- AI 초안을 다시 기관 서식에 옮기느라 시간이 들 때
- 문서 규범을 여러 사람이 같은 방식으로 적용해야 할 때
이럴 때는 쓰지 않는다
- 기존 문서를 요약·추출만 하면 D8.2
- 초안을 규정·인용과 대조해 점검하는 것이 목적이면 D8.4(우선순위 높음)
- 보도자료·카드뉴스처럼 발행물이면 D8.10(우선순위 높음)
얻는 것
- 첫 판 작성 시간 단축
- 기관 규범의 일관 적용
- 스킬 단위 재사용
점검표
- 초안이 기관 서식 그대로 열리고 고쳐지는가
- 규범이 프롬프트가 아니라 재사용 스킬로 분리되어 있는가
- 스킬 변경을 평가 세트로 재는가
- 담당자 확정 없이 기안으로 나가지 않는가
구조 — 참여 부품
- 담당자 — 요청·참고자료를 주고 초안을 고쳐 확정
- B1 직접 프롬프트 코파일럿 — 초안 생성
- A9 업무 규범 스킬 — 구조·문체·서식·검증 절차 패키지
- A10 문서 형식 어댑터 — HWPX 등 기관 서식 출력
- B′5 생성자-비평가 — 초안을 규범 기준으로 검토·수정
- C1 검토 큐 — 담당자 확정
변형
- 보고서·공문 스킬형: A9 규범 스킬 + A10 HWPX 출력(gov-report-skill, public-doc-to-hwpx).
- 민원 답변 초안형: 규정에 접지한 답변 초안을 담당자가 검수(B3 내부 검수형과 겹침).
- 개발 코파일럿형: 공직자 코드 작성 보조. 유형 ⑫(필수 A9, A2.1|A2.2, C1, C9, S9, F2; R22).
참조 구현 예
- HRMCP — 카탈로그 D8.3 카드 예: NCS 온톨로지 기반 HR 실무 MCP 서버
- public-doc-to-hwpx — 카탈로그 D8.3 카드 예: AI 초안을 공공기관 보고서 서식 HWPX로
- gov-report-skill — §7.3 유형 ④ 참조 구현
관련 부품
A9 필수 기반 — 규범 스킬 · A10 필수 기반 — HWPX 어댑터 · D8.2 이웃 블록 — 같은 유형 ④ · D8.4 후속 블록 — 초안 점검 · B′5 제어 흐름 원형 — 생성자-비평가
참고 자료
카탈로그 §7.3 유형 ④·⑫ · 카탈로그 §7.2 진행 경로 · 카탈로그 §6 A9·A10 카드
C1 검토 큐 운영 컴포넌트
AI 산출물이 다음 단계로 넘어가기 전에 사람이 맞고 틀림을 확인·수정·확정하는 대기열을 두어, 오류가 업무 결과로 흘러가지 않게 한다.
PAX 사례 46건이 이 부품을 쓴다
맥락
AI 산출물이 공문·처분·대민 안내·기록으로 이어지는 모든 B 부품(B1 코파일럿, B4 인식 파이프라인, B2 예측기, B7 콘텐츠 생성기 등). 이용자 본인이 최종 확정자인 자기서비스형 도구도 포함한다(R16).
맞서는 힘(긴장)
- 정확성·책임성 vs 처리 속도(전건 검토는 자동화 이득을 깎는다)
- 검토자의 숙련 vs 자동화 편향(AI 결과를 그대로 승인하는 경향)
- 전건 검토의 안전 vs 위험도별 분기(C2)로 가야 하는 효율 압력
해법
AI 산출물에 신뢰도·근거를 붙여 검토 대기열에 올리고, 검토자가 승인·수정·반려 중 하나를 고르게 한다. 수정·반려 내역은 C4 감사 로그에 남겨 수정률을 집계하고 C6 환류의 입력으로 쓴다. 검토 화면은 원문 위치·근거를 함께 보여 줘 확인 비용을 줄인다. 전건 검토로 시작하되, 수정률 실측이 쌓이면 C2 위험도 라우터로 저위험 건을 자동 종결하는 단계로 옮긴다.
이럴 때 쓴다
- AI 산출물이 공문·처분·대민 안내로 그대로 이어질 때
- E4가 P1 이상이고 되돌리는 데 사람 시간이 많이 드는 조치가 있을 때
- 서비스 유형 ② 접수·심사, ④ 기안 코파일럿, ⑥ 콘텐츠 제작, ⑦ 대조·점검, ⑩ 위험 예측, ⑪ 추천·매칭, ⑫ 개발 코파일럿처럼 C1이 필수인 유형
이럴 때는 쓰지 않는다
- B0 결정적 도구처럼 런타임 AI 산출물이 없을 때
- 쉽게 되돌릴 수 있고 저위험인 조치를 이미 C2로 자동 종결하도록 실측 근거를 갖춘 구간(전건 검토를 영원히 남기지 않는다)
얻는 것
- 오류가 업무 결과로 나가기 전에 차단
- 책임 소재가 명확해짐
- 수정 내역이 C4 지표와 C6 환류의 원천 데이터가 됨
점검표
- AI 산출물이 확정 전 상태로 머무는 지점이 명시되어 있는가
- 검토자와 승인·수정·반려 선택지가 정해져 있는가
- 검토 결정과 수정 내역이 로그로 남는가
- 실증 기간의 검토·수정 건수가 기록되어 있는가
- 전건 검토에서 분기로 옮길 조건이 정해져 있는가
구조 — 참여 부품
- 검토 대기열 — AI 산출물을 확정 전 상태로 보관하고 검토자에게 배정
- 검토자(담당자 또는 이용자 본인) — 승인·수정·반려를 결정하는 최종 책임자
- F2 편집 가능한 출력 — 검토자가 산출물을 직접 고치는 화면
- C4 감사 로그·지표 — 검토 결정과 수정 내역을 적재해 수정률로 집계
변형
- 전건 검토형: 모든 AI 산출물을 담당자가 확인·확정
- 예외 검수형: 정상 건은 일괄 승인하고 저신뢰 항목만 개별 검수하는 검수 UI
- 파이프라인 내장 관문형: 멀티에이전트·다단계 파이프라인의 각 관문에 승인·보완·재작성 선택지를 둠
- 자기서비스형: 이용자 본인이 최종 확정자인 HITL. 실제 운영 중이면 C1 present(R16)
- 심의 게이트: 팩트체크·법무·윤리처럼 제3자 전문가가 수행하는 승인 게이트
참조 구현 예
- PAX 9dc1a7081bc869b1 — 광진구 — 담당자·팀장 최종 판단 책임 등 4대 관리 원칙 명문화
관련 부품
C2 다음 단계 — 전건 검토에서 위험도 분기로 승급 · C1.2 변형 — 제3자 전문가 심의 게이트 · F2 이용자 쪽 대응 — 검토자가 직접 고치는 화면 · F6 이용자 쪽 대응 — 에이전트 행동 실행 전 확인 · C4 기록처 — 검토 결정·수정 내역 · C6 후속 — 수정 내역이 환류의 입력
참고 자료
Google ADK HITL · Gulli ch.13 Human-in-the-Loop · Towards AI 동기·비동기 HITL · Chain of Responsibility
이 부품과 이어지는 가이드라인
C5 가드레일 필터 운영 컴포넌트
개인정보·환각·편향·형식 오류가 프롬프트나 산출물에 들어가지 못하게 시스템이 경계에서 걸러낸다. 비식별 전처리, 출처 검증, 구조적 출력 제약이 대표 변형이다.
PAX 사례 44건이 이 부품을 쓴다
맥락
외부 모델을 부르거나 대민에 답하는 모든 B 부품. 특히 E2 해외 상용 API, E5 S 이상 데이터, B3 지식 접지 상담, 유형 ① 대민 상담, ④ 기안, ⑥ 콘텐츠, ⑦ 대조·점검, ⑨ 인수인계, ⑬ 비식별·정제 도구.
맞서는 힘(긴장)
- 차단의 엄격함 vs 과잉 차단으로 인한 유용성 저하
- 비식별 강도 vs 문맥 보존
- 결정적 검증의 신뢰성 vs 구현 범위
해법
프롬프트가 기관 밖으로 나가기 전 PII를 마스킹하고 원복 키를 보관하는 비식별 전처리기를 둔다. 응답에는 인용을 원본(법령정보센터·통계표 등)과 대조하는 출처 검증기와, JSON 스키마·허용 목록 같은 구조적 출력 제약을 건다. 근거가 없으면 답하지 않거나 '확인 필요'로 표시한다. 차단 사유는 C4에 남기고, 이용자에게는 F1 출처와 F7 한계 안내로 보인다. 사람이 하는 팩트체크·법무 심의는 C5가 아니라 C1.2에 둔다.
이럴 때 쓴다
- E2 해외 상용 API로 행정망 본문이 외부로 나갈 때(필수)
- E5 S 이상 개인정보·민감정보를 다룰 때
- B3 대민 응답처럼 인용·수치의 정확성이 신뢰의 핵심일 때
- C5가 필수인 유형 ①④⑥⑦⑨⑪⑬
이럴 때는 쓰지 않는다
- E1 로컬 PC 완결로 데이터가 밖으로 나가지 않을 때 비식별은 불필요해질 수 있다(§5 매트릭스, 단 출처 검증은 별개)
- 사람이 수행하는 심의만 있을 때(C1.2로 태그)
- 적대적 입력 탐지가 목적일 때(S8)
얻는 것
- 개인정보 외부 유출 차단
- 환각 인용 감소
- 상용 API 사용 조건 충족
점검표
- 외부 전송 전 무엇이 걸러지는지 답할 수 있는가
- 인용이 원본과 대조되는가
- 근거 없을 때의 동작이 정해져 있는가
- 차단 사유가 기록되는가
구조 — 참여 부품
- 비식별 전처리기 — 외부 전송 전 PII 마스킹과 원복
- 출처 검증기 — 인용을 원본과 대조해 환각을 걸러냄
- 출력 제약 — 스키마·허용 목록·금칙어로 출력 형식 제한
- F1 출처 표시 — 검증된 출처를 이용자에게 보임
변형
- 로컬 비식별 전처리기: 외부 전송 전 PII 마스킹·원복(PAX에서 독립 부품으로 확인)
- 출처 검증기: 인용을 법령정보센터·KCI·CrossRef 원본과 대조
- 구조적 출력 제약·스키마 검증: JSON 스키마·허용 목록으로 출력 범위를 고정(v0.6 식별 신호 추가)
- 근거 재대조형 환각 검증: 추출값의 근거 문장을 원문에서 재대조해 '문서확인/AI추정/문서에없음'으로 재분류
참조 구현 예
- PAX Korean Stats MCP — KOSIS 통계 출처 자동 인용
관련 부품
F1 이용자 쪽 대응 — 검증된 출처 표시 · F7 이용자 쪽 대응 — 근거 없을 때 한계 안내 · A2.4 짝 — 민감정보 외부 유출 대응 · C1.2 구분 — 사람이 하는 심의 · S8 구분 — 적대적 입력 탐지 · S13 변형 후보 — 로컬 비식별 게이트
참고 자료
Fowler Guardrails · InfoQ Output Guardrails·Model Critic · Gulli ch.18 Guardrails · Heiland 규칙 기반 안전장치 · Proxy · Decorator
이 부품과 이어지는 가이드라인
C6 환류 파이프라인 운영 컴포넌트
사용 결과(수정·이의·오탐 기록)가 정해진 주기와 트리거로 재학습·기준 개정에 되돌아오게 해, 배포 후에도 성능과 기준이 개선되게 한다.
PAX 사례 3건이 이 부품을 쓴다
맥락
C4가 수정·이의·오탐을 기록하고 있는 B2 예측기, B4 인식 파이프라인, B5 감지·경보, 추천형 B1. 유형 ③ 현장 감시, ⑤a 분석, ⑩ 위험 예측, ⑪ 추천·매칭.
맞서는 힘(긴장)
- 개선 속도 vs 검증 비용(재학습마다 C9 재검증)
- 현장 피드백 반영 vs 피드백 오염·편향
- 자동 반영 vs 반영 범위 상한
해법
C4의 수정·이의·오탐 기록을 입력으로, 재학습 또는 기준 개정의 주기(예: 6개월)와 트리거(예: 일치율 임계 미만)를 수치로 정한다. 개정 전에는 C9 평가 세트로 재검증해 기준을 넘는 경우에만 배포하고, 개정 이력을 남긴다. 반영 범위에 상한을 두고 평가 기간에는 루프를 동결하는 조건도 정한다. 이용자 쪽에서는 F10 피드백이 입력이 된다.
이럴 때 쓴다
- C4에 수정·오탐 기록이 쌓이는 학습 모델 기반 부품
- 데이터 분포가 시간에 따라 바뀌는 감지·예측 업무
- 유형 ③⑤a⑩⑪처럼 C6가 필수인 유형
이럴 때는 쓰지 않는다
- B0 결정적 도구처럼 학습·개정할 모델·기준이 없을 때
- C4 기록과 C9 평가 세트가 없어 반영 결과를 검증할 수 없을 때(먼저 C4·C9)
얻는 것
- 배포 후 성능 개선
- 현장 기준 변화 반영
- Native 단계 진입 근거
점검표
- 주기·트리거가 수치로 정해져 있는가
- 환류 입력 데이터가 C4에서 나오는가
- 개정 전 재검증 절차가 있는가
- 실증 기간에 완결된 사이클이 1회 이상 기록되었는가
구조 — 참여 부품
- C4 감사 로그·지표 — 수정·이의·오탐 기록 제공
- 환류 규칙 — 주기·트리거·표본·임계값·반영 상한
- C9 평가 세트·회귀시험 — 재학습·개정 결과의 재검증
- F10 이용자 자기확인·피드백 — 이용자 쪽 피드백 입력
변형
- 주기 재학습: 정해진 주기로 수정 데이터를 모아 모델 재학습
- 전문가 판정 적재 플라이휠: 전문가 검수 결과를 Ground Truth DB로 적재해 재학습에 환류
- 프롬프트·기준 개정: 재학습 없이 피드백을 프롬프트·기준에 상한을 두고 반영
- 표본 대조 재조정: 주기적으로 표본을 전문가 판단과 대조해 일치율 미달 시 재조정
관련 부품
C4 입력 — 수정·이의·오탐 기록 · C9 재검증 단계 — C6의 재검증이 곧 C9 · F10 이용자 쪽 입력 — 자기확인·피드백 · C1 원천 — 검토 수정 내역 · A1 기록처 — 재학습 데이터셋
참고 자료
computer.org 지속 학습 · Gulli ch.9 Learning & Adaptation · Observer · State · PAX AIM06
이 부품과 이어지는 가이드라인
F9 판정 근거·기여도 표시 상호작용 패턴
SHAP 요인 문장, 의심 부위 BBox, 판정 사유 코드, 자연어 판독 이유, 예측-실제 잔차로 모델이 왜 그렇게 판정했는지 보인다. B2·B4·B5의 필수 면이다.
PAX 사례 23건이 이 부품을 쓴다
맥락
B2 예측·추천기, B4 인식 파이프라인, B5 감지·경보. 유형 ③ 현장 감시, 5a 분석, ⑩ 위험 예측, ⑪ 추천·매칭(추천 사유). v0.6에서 추가.
맞서는 힘(긴장)
- 설명의 충실성 vs 이해 가능성
- 근거 공개 vs 적대적 이용자에게 탐지 기준 노출(X16)
해법
판정마다 기여 요인(SHAP)·의심 부위(BBox)·사유 코드·자연어 근거를 결과와 함께 보인다. 담당자가 근거를 열어 확인하고 최종 판단하게 한다. 위조 탐지처럼 적대적 이용자가 있는 D3 접점에서는 이용자에게 '정상/위조의심'만 보이고 세부 근거는 관리자 화면에만 둔다(근거 은닉).
이럴 때 쓴다
- B2·B4·B5의 판정 결과를 사람이 검토할 때
- 유형 ③⑤a⑩⑪처럼 F9가 필수인 유형
이럴 때는 쓰지 않는다
- 위조 탐지 등 적대적 이용자에게 근거를 그대로 보이는 경우(X16 — 관리자 전용으로)
- 문서 출처만 보이면 되는 지식 접지 응답(F1)
얻는 것
- 담당자가 판정을 검토할 근거
- 오판 원인 파악
- 추천·선별 결과의 설명 책임
점검표
- 판정마다 근거가 보이는가
- 적대적 접점에서 근거가 관리자에게만 노출되는가
- 최종 판단 주체가 명시되는가
구조 — 참여 부품
- A2.5 비LLM 학습 모델 서빙 — 판정과 기여도 산출
- 근거 표시 화면 — 요인·BBox·사유 코드 제시
- 담당자 — 근거를 보고 최종 판단
변형
- 요인 기여도: SHAP 등 요인 문장
- 위치 표시: 의심 부위 BBox
- 사유 코드·자연어 근거: 판정 사유 코드와 판독 이유 문장
- 관리자 전용 근거(근거 은닉): 적대적 접점에서 세부 근거를 관리자에게만 노출
참조 구현 예
- PAX 3b195a5faf820769 — 정비 대상 판정의 근거를 따로 열어 확인하게 하고 오류 가능성을 화면에 명시한 F9+F7 표준형
- PAX 8c461c4901e30775 — 실험마다 의도·판정 근거·실제 프롬프트를 함께 공개
관련 부품
F1 구분 — 문서 출처 · F7 짝 — F9+F7 표준형 · B2 끼울 자리 — 예측·추천기의 필수 면 · B′9 짝 — 판정 게이트의 근거 출력 · X16 안티패턴 — 적대적 접점의 근거 노출
참고 자료
카탈로그 v0.6 개정 F9 · aiuxpatterns Results
이 부품과 이어지는 가이드라인
F3 결과 대안·부분 재생성 상호작용 패턴
한 요청에 여러 안을 주고 일부만 다시 만들게 해, 첫 결과가 마음에 들지 않을 때 전체를 다시 요청하지 않아도 되게 한다. B′6 반복 개선의 이용자 면이다.
PAX 사례 7건이 이 부품을 쓴다
맥락
B7 콘텐츠 생성기, B1 코파일럿, B2 추천(대안 제시). 유형 ④ 기안 코파일럿(대안), ⑥ 정책·홍보 콘텐츠, ⑪ 추천·매칭(대안).
맞서는 힘(긴장)
- 대안 수 vs 이용자 판단 부담
- 부분 재생성의 편의 vs 전체 일관성
- 선택의 폭 vs 생성 비용 증가
해법
한 요청에 복수의 안을 제시하고, 이용자가 고른 안의 일부(문단·장면·항목)만 선택해 다시 생성하게 한다. 재생성은 나머지 부분의 맥락을 유지한 채 수행한다. 반복 횟수에는 상한을 두어 비용 폭주를 막는다.
이럴 때 쓴다
- 콘텐츠·문안처럼 정답이 하나가 아닌 산출물
- 유형 ⑥ 콘텐츠 제작, ⑪ 추천·매칭(F3 필수), ④ 기안
이럴 때는 쓰지 않는다
- 판정·조회처럼 답이 하나여야 하는 업무
- 재생성이 결과를 흔들어 일관성을 해치는 공식 판단
얻는 것
- 첫 결과 불만족 흡수
- 맞은 부분을 보존한 채 수정
점검표
- 복수 안 또는 부분 재생성이 가능한가
- 재생성 시 나머지 맥락이 유지되는가
- 반복 상한이 있는가
구조 — 참여 부품
- B′6 반복 개선 — 재생성을 수행하는 제어 흐름
- 이용자 — 안을 고르고 다시 만들 부분을 지정
변형
- 결과 대안: 한 요청에 여러 안 제시
- 부분 재생성: 선택한 일부만 다시 생성
관련 부품
B′6 시스템 쪽 대응 — 반복 개선 · F2 짝 — 대안 선택 후 직접 편집 · B7 끼울 자리 — 콘텐츠 생성기 · F8 짝 — 이전 결과로 되돌리기
참고 자료
aiuxpatterns Results · Result Variations · InfoQ Iterative Exploration
X3 부서마다 챗봇 안티패턴
같은 기관의 과제들이 각자 모델·벡터DB·프롬프트를 따로 만들어, 공유할 수 있는 기반 부품을 부서 수만큼 중복 구축하는 함정이다.
맥락
한 기관 안에서 여러 부서가 동시에 대민·내부 챗봇, 문서 검색, 요약 도구를 추진하는 경우. 특히 각 과제가 상용 API를 직접 호출하는 경우.
맞서는 힘(긴장)
- 부서의 빠른 자율 구축 vs 기관 전체의 중복 비용
- 부서별 맞춤(코퍼스·문체) vs 공통 모델·게이트웨이
- 과제 단위 예산·성과 vs 공통 기반 등재·유지 책임
해법
§7.1의 두 번째 단계대로 기반 부품은 새로 만들지 말고 Provider에서 먼저 가져온다. 모델 호출은 A2 모델 서빙 계층(범정부 AI 공통기반 또는 기관 게이트웨이) 뒤로 모으고, S1 단일 진입점에서 인증·요청 상한·비용 상한·감사 기록을 일괄 적용한다. 공공 API·공공 클라우드·공공 깃랩은 A3 공공 API 제공자로 쓴다. 부서별 차이는 모델을 따로 두지 말고 A9 업무 규범 스킬과 부서 코퍼스(A1)로 표현하며, 부서·등급별 코퍼스 분리가 필요하면 S2 권한 인식 검색으로 푼다. 없어서 새로 만든 부품은 §13 참조 구현 레지스트리에 올린다.
이럴 때 쓴다
- 같은 기관의 두 과제 이상이 각자 모델 계약·API 키·벡터DB를 갖는다
- 범정부 AI 공통기반·공공 API를 쓰지 않은 이유가 서술되지 않는다
- 공통 규정·매뉴얼 코퍼스를 과제마다 따로 임베딩한다
- 모델 호출 비용을 기관 단위로 집계할 수 없다
이럴 때는 쓰지 않는다
- 데이터 등급(E5)이나 망 조건(E1) 때문에 공통 기반을 쓸 수 없고 그 사유가 서술된 경우
- A2 게이트웨이를 공유하면서 부서별 코퍼스·스킬만 따로 둔 경우(정상 조립)
- 개인이 만든 단일 도구로 기관 내 중복 과제가 없는 경우
얻는 것
- 부서가 협의 없이 빠르게 만든다
- 부서 요구에 딱 맞는 맞춤 구성을 갖는다
점검표
- 기관의 모든 모델 호출이 하나의 게이트웨이를 지나는가
- 부서별 API 키 직접 호출이 남아 있지 않은가
- 공통 기반을 쓰지 않은 과제는 그 사유(E1·E5)가 적혀 있는가
- 부서별 차이가 모델이 아니라 스킬·코퍼스로 표현되어 있는가
구조 — 참여 부품
- A2 모델 서빙 계층 — 교정 후 모든 부서 호출이 모이는 공통 자리
- A3 공공 API 제공자 — 범정부 AI 공통기반·공공 깃랩 등 Provider
- S1 AI 게이트웨이·단일 진입점 — 부서별 API 키 직접 호출을 대체하는 인증·상한·기록 지점
- A9 업무 규범 스킬 — 부서별 차이를 모델이 아니라 스킬로 표현
변형
- 부서별 API 키 직접 호출: 각 과제가 상용 API 키를 따로 받아 직접 호출. S1 부재의 전형
- 벡터DB 중복: 같은 규정·매뉴얼을 부서마다 따로 임베딩해 따로 검색
- 프롬프트 사일로: 같은 공문 규범을 부서마다 다른 프롬프트로 재작성
관련 부품
A2 대체 — 모델 호출을 모을 공통 서빙 계층 · A3 대체 — 범정부 AI 공통기반 등 Provider · S1 끼울 자리 — 부서별 API 키 직접 호출을 대체하는 단일 진입점 · A9 짝 — 부서별 차이를 스킬로 표현 · X4 이웃 안티패턴 — 중복 구축과 단일 모델 종속이 함께 나타남
참고 자료
Microservice API Gateway · 카탈로그 §13 참조 구현 레지스트리
이 부품과 이어지는 가이드라인
X10 평가 없는 RAG, RAG 없는 튜닝 안티패턴
평가 세트 없이 검색을 붙여 '좋아진 것 같다'로 배포하고, 검색으로 풀릴 문제를 파인튜닝으로 푸는, 진행 경로를 건너뛰는 함정이다.
맥락
B3 지식 접지·B1 코파일럿에 RAG를 붙이거나 A2.3 튜닝형 모델을 만드는 과제, 특히 규정·매뉴얼 기반 질의응답.
맞서는 힘(긴장)
- 눈에 보이는 기술 성과 vs 지루한 평가 세트 구축
- 빠른 배포 vs 변경마다 재는 자
- 자체 모델 보유 인상 vs 검색으로 충분한 문제
해법
§7.2 진행 경로를 순서대로 밟는다. B1 직접 프롬프트에서 시작해 두 번째 단계에서 C9 평가 세트(업무 질문·정답·채점 기준)를 먼저 만들고, 이후 A9 규범 스킬·F4, B3 지식 접지(A1 데이터 자산), B3 검색 품질(Hybrid·Rewriting·Reranker), C5 가드레일·F1 순으로 붙이며 매 단계를 C9로 잰다. A2.3 튜닝은 진행 경로의 마지막 단계로, 검색·규범 스킬로 풀리지 않는다는 것이 C9 점수로 확인됐을 때만 한다. 모델·프롬프트·설정 조합은 릴리스처럼 버전 관리한다.
이럴 때 쓴다
- RAG·튜닝을 도입했는데 업무 질문·정답·채점 기준 세트가 없다
- '답변 품질 향상'을 수치 없이 서술하거나 단발 정확도만 보고한다
- 자주 바뀌는 규정·매뉴얼 질의를 파인튜닝으로 풀었다
- 검색 품질(재현율·리랭킹)을 재지 않고 튜닝으로 넘어갔다
이럴 때는 쓰지 않는다
- C9 세트로 RAG 전후를 비교한 뒤 배포한 경우
- 검색·스킬로 풀리지 않음을 C9 점수로 확인한 뒤 튜닝한 경우
- B2·B4처럼 비LLM 학습 모델로 원래 학습이 해법인 경우(RAG가 대안이 아님)
얻는 것
- RAG·튜닝이라는 눈에 보이는 기술 성과를 빨리 낸다
- 평가 세트 구축에 현업 시간을 쓰지 않는다
점검표
- 업무 질문·정답·채점 기준 세트가 있는가
- RAG 전후 점수 비교가 있는가
- 튜닝을 선택한 근거가 C9 점수로 설명되는가
- 모델·프롬프트·설정 조합이 버전 관리되는가
구조 — 참여 부품
- C9 평가 세트·회귀시험 — 빠진 부품. 모든 변경을 같은 자로 잼
- B3 지식 접지 — 튜닝 전에 먼저 시도할 검색 기반 접지
- A2.3 튜닝형 모델 — 진행 경로의 마지막 단계
- A1 데이터 자산 서비스 — 정답 출처와 검색 코퍼스
변형
- 평가 없는 RAG: 검색을 붙이고 몇 개 질문을 눈으로 보고 배포
- RAG 없는 튜닝: 문서 검색으로 풀릴 최신 규정 질의를 파인튜닝으로 해결하려 함
- 평가 없는 튜닝: 튜닝 전후를 같은 세트로 비교하지 않음
관련 부품
C9 대체 — RAG·튜닝보다 먼저 만들 평가 세트 · B3 선행 — 튜닝 전에 시도할 지식 접지 · A2.3 순서 — 진행 경로의 마지막 단계 · A9 대안 — 튜닝 대신 규범 스킬로 푸는 경로 · X11 이웃 안티패턴 — 같은 진행 경로 위반
참고 자료
Fowler GenAI 진행 경로(Direct Prompting → Evals → RAG → Hybrid Retriever·Query Rewriting·Reranker → Guardrails → Fine Tuning) · InfoQ Prompt-Model-Config Versioning
이 부품과 이어지는 가이드라인
실무 도입 카드
필요한 것
실행환경: 설치 필요 · 망 요건: 로컬 완결 · 라이선스: 명시 없음
첫 3단계
① 설치 파일·요구 사양 확인 → ② 개인 환경에서 기능 검증 → ③ 부서 공유 전 관리자 권한 확인
주의사항
실사용 피드백이 미확인입니다 — 도입 전 소규모 검증을 권합니다 · 성과 수치는 출처가 확인된 것만 신뢰하세요
전이 절차(보안검토→품의→배포)는 전이 플레이북을 참고하세요.