삼호동행정복지센터가 시범 운영하는 동 단위 생활상황판으로, 버스 도착·날씨와 하천 수위·도로 CCTV, 문 연 약국과 진료 중인 병의원·응급실 병상, 남구 복지자원 안내, 쓰레기 배출·전기차 충전·동 소식을 공공데이터로 한 화면에 모았다. 구 단위 생활상황판을 본떠 동 단위로 옮긴 시험 단계 서비스다.
사례 대상 바로가기 · 공유 링크 · 아카이브에서 보기
상세 정보
- 사례 성격
- 개인 개발
- 출처 채널
- 오픈채팅
- 수집일
- 2026-10-12
- 태그
- #생활정보 #공공데이터 #상황판 #행정복지센터
- 실행 환경
- 브라우저만
- AI 모델
- 없음(비LLM)
- 링크 점검
- 정상 (2026-11-02)
4축 평가
| AX 단계 | AI-Ready |
|---|---|
| 업무 범위 | S2 Workflow |
| 업무 완결성 | C1 결과 제공 |
| 권한(P축) | P1 산출물 생성(잠정) |
| 위험도 | R1 낮음(기관 입력값과 실제 차이 고지, 개인정보 미수집) |
| 인간 통제 | 해당 없음 |
| 증거 등급 | E2 화면·서비스 확인 |
| 신뢰도 | 중간 |
교통·기상·의료·복지·생활 공공데이터 여러 갈래를 동 단위 화면 하나로 묶어 주민에게 결과를 제공하는 S2/C1 상황판이다. LLM은 쓰지 않아 AI-Ready이며, 구 단위 생활상황판을 다른 지자체의 동 행정복지센터가 본떠 만든 타 기관 재사용 흐름의 사례다. 현재는 예시 데이터로 보여 주는 시험 단계라 실제 운영 전환은 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 B0 결정적 도구 변형: 실시간 현황판(동 단위 생활상황판)
환경 축 배포:인터넷망 네트워크:인터넷 필수 모델:없음(비LLM) 런타임:브라우저만 권한:P0 읽기 전용
- 공통 서비스(A)
- A3 공공 API 제공자
- 신뢰할 수 없는 입력
- 공공데이터 API 응답(타 기관 입력값)
- 상호작용(F)
- F7 한계·신뢰도 안내
- 서비스 블록(D)
- D1 안내·탐색
- 부품 배선
- A3 → B0 · B0 → F7 · F7 → D1
판정 근거
버스 도착·날씨·하천 수위·도로 CCTV·문 연 약국·응급실 병상·복지자원·쓰레기 배출·전기차 충전·동 소식을 공공데이터(A3)로 한 화면에 모은 동 단위 생활상황판이다. LLM 없이 API를 모아 보여 주는 B0 실시간 현황판. 기관 입력값과 실제 차이가 있을 수 있다는 고지는 F7. 화면 표시뿐이라 PAX p축 P1(잠정)을 P0으로 보정. 구 단위 상황판을 다른 지자체 행정복지센터가 본뜬 확산 흐름이지만 현재 예시 데이터로 보여 주는 시험 단계이고 인증키 활성화·정식 전환이 미확인이라 transition은 구현·미배포로 두었다. 5a 필수 A1·A2.5·C9·C6·F9는 비LLM 집계형에 맞지 않아 비어 있다. case_url이 없어 README·소개 페이지를 읽지 못했다(URL 미확인, 원장 요약·PAX 평가만으로 판정).
구현 가이드
주 패턴 B0 결정적 도구을 구현할 때
구현 단계
- 반복 업무의 입력 파일·서식과 원하는 산출물을 나열하고, 처리 규칙을 사람이 읽을 수 있는 조건→결과 표로 먼저 적는다.
- HWP·HWPX·엑셀 입출력은 A10 어댑터로 분리하고, 공공 깃랩(A3) 등에 있는 기존 어댑터를 먼저 찾는다.
- AI 코딩 도구(A7)로 규칙 코드와 화면을 만들고, 런타임에 모델·외부 API를 부르지 않는지 네트워크 의존을 점검한다.
- 대표 입력 세트로 같은 입력에 같은 결과가 나오는지 확인하고 규칙 표와 코드의 대응을 문서로 남긴다.
- 부서 공유 이상으로 옮길 때 라이선스·저장소 위치·처리 로그(C4)·원복 경로(C3)를 갖춰 담당자 이동에 대비한다.
점검표
- 런타임에 LLM·ML 호출이 전혀 없는가
- 규칙 표가 코드와 별도로 문서화되어 있는가
- 같은 입력에 같은 결과가 나오는지 확인했는가
- 라이선스와 저장소 위치가 명시되어 인수인계가 가능한가
환경 조건
E2 = 없음(비LLM). E1 로컬 완결이 다수이며 폐쇄망 이식이 가장 쉬운 부품이다. E4는 대개 P0~P1이다. 로컬 PC 완결이면 C5 비식별 부담은 줄지만 C4 로그가 사라지므로 기관으로 전이할 때 다시 장착한다(§5 매트릭스).
주의할 점
- 비정형 입력에 취약
- 규칙 유지보수가 사람에게 남음
- 개인 제작 도구가 담당자 이동과 함께 멈출 위험(X9)
- AX 단계는 Ready에 머묾
기본 배선 예
A7 → B0 → A10 (HWPX 출력) · B0 → C4 (처리 로그, 기관 전이 시)
보완이 필요한 필수 부품
이 조합에서 카탈로그가 함께 갖추라고 권하는 부품 가운데 아직 확인되지 않은 것이다.
- A1 데이터 자산 서비스 흩어진 업무 기록을 정제·라벨링해 AI 부품이 붙여 쓸 수 있는 데이터셋·라벨·데이터 사전 형태의 기준선으로 제공한다.
- A2.5 모델 서빙 · 비LLM 학습 모델 XGBoost·LightGBM·YOLO·U-Net처럼 기관이 직접 학습한 비LLM 예측·비전 모델을 서빙하고 재학습·버전 롤백이 붙을 자리를 제공한다.
- C9 평가 세트·회귀시험 배포 전에 업무 맥락의 질문·정답·채점 기준을 세트로 만들어, 프롬프트·모델·설정의 모든 변경을 같은 자로 재고 회귀를 잡는다.
- 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.
피해야 할 안티패턴
- X9 담당자와 함께 사라지는 도구 개인이 만든 도구가 부서에 퍼졌지만 라이선스·저장소·인수인계가 없어, 만든 사람의 인사이동과 함께 멈추는 함정이다. 대처: 도구가 부서에 퍼지기 시작하면 A7 산출물에 MIT·Apache 등 라이선스를 명시하고, 코드를 개인 PC가 아니라 A3 공공 깃랩 같은 공용 저장소에 등재한다. 업무 규범·프롬프트는 A9 업무 규범 스킬로 패키징해 다른 담당자가 그대로 쓸 수 있게 하고, 설치·설정·데이터 경로를 담은 인수인계 문서를 둔다. 도구를 참조 구현 레지스트리(§13)에 올려 소유를 개인에서 조직으로 옮긴다. transition.blocker에 '담당자 이동'이 적힌 과제는 이 조치를 먼저 한다.
- X1 AI 스티커 기존 화면에 요약·챗봇 버튼만 붙이고 업무 순서와 사람·AI의 역할 분담은 그대로 두어, AI가 있어도 업무 산출물이 바뀌지 않는 함정이다. 대처: 먼저 가치 흐름 규칙(R1)으로 사람 또는 국민이 최종으로 받는 핵심 산출물을 정하고, 그 산출물을 AI가 어떤 모양으로 분담할지 B 업무 컴포넌트를 하나 고른다(초안→사람 확정이면 B1, 근거 접지 답변이면 B3, 서류 추출이면 B4). 사람이 확정하는 지점은 C1 검토 큐로, 이용자가 고쳐 확정하는 면은 F2 편집 가능한 출력으로 명시한다. 흐름이 바뀌었는지는 C4 감사 로그·지표의 처리시간·수정률로 잰다. AI 런타임이 전혀 없는 행정정보시스템이라면 AI로 포장하지 말고 R24대로 B0·service_type 0·platform 공란·X1(AI 무관)으로 정직하게 분류한다.
관련 가이드라인
이 사례가 쓰는 부품과 이어지는 공공 AX 안내서·지침이다 (부록 E 공공 AX 가이드라인 문서 해설 기준, 겹치는 부품이 많은 순).
- 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.
- 공공데이터의 인공지능 친화적 관리 가이드라인 이 사례와 겹치는 부품 A1 데이터 자산 서비스 A3 공공 API 제공자쓰는 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.
- AI 기반 신용평가모형 검증체계 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 F9 판정 근거·기여도 표시쓰는 작업: 점수나 등급을 매기는 예측 모델을 검증할 때, 금융이 아닌 공공 분야에서도 검증 항목의 틀로 빌려 쓸 만하다. 인수 시험 계획서의 검증 영역을 이 네 칸으로 나누면 빠지는 항목이 줄어든다.주의: 같은 날 발표된 2023년 금융분야 AI 보안 가이드라인은 2026년 문서로 대체되었으나, 이 검증체계는 PAX 목록에 현행으로 남아 있다.
- 합성데이터 생성·활용 안내서 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 A1 데이터 자산 서비스쓰는 작업: 실제 민원 데이터를 개발사에 넘기기 어려우면 합성데이터로 개발·시험 환경을 꾸린다. 그 생성 계획과 안전성 검증 절차를 이 문서로 세운다. 평가 세트를 합성데이터로 만들면 재식별 위험 검증을 함께 한다.주의: 합성데이터로 만든 평가 세트가 실제 데이터 분포를 대표하는지는 따로 확인한다.
- 신뢰할 수 있는 인공지능 개발 안내서 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 F7 한계·신뢰도 안내쓰는 작업: 개발사가 신뢰성 요구사항을 개발 산출물에 대응시킬 때, 발주 기관이 검증항목 일부를 인수 조건으로 고를 때 쓴다. 공공 서비스는 공공·사회 분야판을, 챗봇과 문서 생성은 생성 AI 분야판을 먼저 본다.주의: 배포 페이지에는 TTA 표기가 따로 보이지 않는다. 발행 기관은 PAX 목록의 표기를 따랐다. 67개 항목 전부를 인수 조건으로 넣으면 검수가 불가능해지므로, 사업 성격에 맞는 항목을 골라 넣는다.
- 제조AI 2030 전략 이 사례와 겹치는 부품 A1 데이터 자산 서비스 C6 환류 파이프라인쓰는 작업: 산업단지, 지역 제조 지원, 산업 데이터 플랫폼을 맡은 지자체·공공기관이 사업계획서의 정책 근거와 연계 사업을 적을 때 편다. 기관이 가진 제조·설비 데이터를 외부와 나누는 사업이라면 데이터 수집 계획서에서 라이브러리 체계와의 연계를 검토한다.주의: 정책 전략이며 사업 수행 지침이 아니다. 라이브러리와 인증 제도의 세부 기준은 후속 사업 공고와 법 개정(「산업디지털전환 및 인공지능 활용 촉진법」)을 확인한다.
- KS X ISO/IEC 42001 인공지능 경영시스템 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 X9 담당자와 함께 사라지는 도구쓰는 작업: 기관이 AI 서비스를 여러 개 운영하면서 책임자, 위험 평가 주기, 변경 관리, 기록 보존을 기관 차원의 규정으로 묶으려 할 때 뼈대로 쓴다. 외부 AI 사업자를 고를 때 42001 인증이나 그에 준하는 관리체계를 평가 항목에 넣을 수도 있다. 이미 정보보호 관리체계(27001 계열, ISMS-P)를 운영하는 기관이면 같은 구조에 AI 항목을 덧붙이는 방식이 수월하다.주의: 요구사항 표준이라 개별 서비스의 설계를 정해 주지 않는다. 사업 단위의 통제는 국정원·KISA·개보위 문서로 내려가서 정한다.
- KS X ISO/IEC TS 4213 기계 학습 분류 성능에 대한 평가 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 F7 한계·신뢰도 안내쓰는 작업: 민원 분류, 문서 유형 판별, 이상 탐지처럼 분류 모델을 납품받는 사업에서 인수 시험 계획서의 성능 지표와 측정 방법을 정할 때 쓴다. 과업지시서에 "정확도 90% 이상"만 적으면 측정 방법을 두고 다툼이 생긴다. 이 표준을 인용해 지표 정의와 평가 데이터 구성을 함께 적는다.주의: 분류 성능에 한정된다. 생성형 AI의 답변 품질 평가는 이 표준의 범위가 아니다.
같은 주 패턴(B0)을 쓰는 다른 사례
같은 업무 패턴으로 조립된 사례를 서비스 유형이 같은 것부터 모았다 외 381건. 구현할 때 비교해 볼 수 있다.
이 사례에 쓰인 패턴
B0 결정적 도구 업무 컴포넌트
AI 코딩으로 만들었지만 런타임에는 AI를 부르지 않고 규칙과 원문 발췌만으로 같은 입력에 같은 결과를 내는 취합·변환·검색·시각화 도구다.
PAX 사례 413건이 이 부품을 쓴다
맥락
AI 코딩 도구(A7)로 기관 인력이 직접 만든 자생 도구가 대부분이다(PAX 557건 가운데 주 부품이 B0인 사례 390건, 70%). 로컬 PC 완결이나 폐쇄망 이식이 필요한 업무, 판정 재현성이 감사에서 중요한 업무에도 맞는다. model_dependency가 '없음(비LLM)'으로 확인될 때만 해당한다.
맞서는 힘(긴장)
- 재현성·설명 가능성 vs 비정형 입력을 다루는 유연성
- 로컬 완결의 보안 이점 vs 기관 전이 시 처리 로그(C4)와 인수인계가 사라지는 문제
- 규칙을 코드에 넣는 단순함 vs 규정이 바뀔 때마다 사람이 규칙을 고쳐야 하는 유지 부담
해법
업무 절차를 입력 형식(A10 어댑터)과 처리 규칙으로 나누고, AI 코딩 도구(A7)는 개발 시점에만 써서 규칙 코드와 화면을 만든다. 런타임에는 모델을 호출하지 않으므로 같은 입력에 같은 결과가 나오고 인터넷 없이 로컬에서 돈다. 판정이 필요한 경우에도 결정적 규칙 엔진이 낸다. 비정형 입력을 다뤄야 하는 단계가 생기면 그 단계만 B1·B3로 승격하고 결정적 부분은 전처리로 남긴다. 부서 밖으로 옮길 때는 라이선스·저장소·처리 로그를 함께 갖춘다.
이럴 때 쓴다
- 입력이 정형(엑셀·서식)이고 처리 결과를 규칙으로 정의할 수 있을 때
- 파일이 PC 밖으로 나가면 안 되거나 폐쇄망·로컬 완결이 필요할 때
- 판정 재현성이 필요해 같은 입력에 늘 같은 결과가 나와야 할 때(규칙 점검기, 결정론 점수 엔진)
- LLM 도입 전에 데이터·기준선을 정비하는 단계일 때
이럴 때는 쓰지 않는다
- 비정형 문서의 요약·초안처럼 규칙으로 산출물을 정의할 수 없을 때(B1)
- 질문이 다양해 규정·선례 접지가 필요한 상담일 때(B3)
- 학습 모델의 수치·등급 예측이 핵심 산출물일 때(B2)
얻는 것
- 재현성과 감사 가능성
- 폐쇄망·로컬 이식이 가장 쉬움
- 모델 호출 비용과 모델 장애 위험이 없음
- B1·B3의 전처리 부품으로 승격할 자산
점검표
- 런타임에 LLM·ML 호출이 전혀 없는가
- 규칙 표가 코드와 별도로 문서화되어 있는가
- 같은 입력에 같은 결과가 나오는지 확인했는가
- 라이선스와 저장소 위치가 명시되어 인수인계가 가능한가
구조 — 참여 부품
- A7 자체 제작 환경 — 개발 시점에 AI 코딩으로 규칙 코드와 화면을 만드는 곳
- A10 문서 형식 어댑터 — HWP·HWPX·엑셀 입출력
- 규칙 엔진 — 조건→결과 표에 따라 결정적으로 취합·판정·정렬
- 담당자 — 결과를 받아 쓰고 규칙 변경을 요청
변형
- 문서·엑셀 자동화: 부서별 제출 파일 취합·병합·서식 변환(카드 기본 변형)
- 데이터 탐색·시각화: 공공데이터·내부 데이터를 지도·차트·대시보드로 보여 준다(카드 기본 변형)
- 전문 검색: 키워드·색인 기반 원문 검색(카드 기본 변형)
- MCP 도구 제공: MCP 서버만 있는 사례다. 서버 자체는 결정적 도구이고 AI는 호스트 쪽에 있다(§10.3, A8 동시 태깅)
- 도구 허브·링크 큐레이션: 흩어진 업무 도구·링크를 한 화면에 모은다(R15)
- 데스크톱 유틸리티·RPA·매크로: PC 반복 조작 자동화(R15)
- 규칙 편성·최적화: TSP·스케줄링 등 비학습 알고리즘으로 배정·동선을 편성한다(R15)
- 알림·컨텍스트 복귀 도구: 마감·할 일 알림, 작업 맥락 복귀(R15)
- 실시간 현황판: 다중 역할별 화면 분리 현황판(R15)
- 업무 절차·법적 근거 흐름도 정리: 절차와 근거 조문을 흐름도로 정리(R15)
- 결정적 재식별·엔티티 매칭: 규칙 기반 동일 개체 판별·병합(R15)
- 결정론 점수 엔진: 규칙 점수화로 순위·등급을 낸다. 유형 5a·11에서 A2.5의 대안으로 인정된다(R10, §7.3 ⑪)
- AI 무관 행정정보시스템(취급 기준): AI 런타임이 전혀 없는 순수 행정시스템도 B0으로 태깅하고 X1을 명시하며, 통계에서는 각주로 처리한다(R24)
참조 구현 예
- PAX 내편이음 — 인수인계 정리본(카드 참조 구현)
- PAX VHLookup — 엑셀 마스킹·병합(카드 참조 구현)
- PAX 북적북적 제주 인파 지도 — 데이터 탐색·시각화(카드 참조 구현)
- PAX GatherFlow — 엑셀·한셀 취합, 폐쇄망(§7.3 유형 ⑧)
관련 부품
A7 선행 — 개발 시점의 제작 환경 · A10 짝 — 공공 문서 형식 입출력 · B1 승급 경로 — 비정형 초안 단계가 생기면 · B3 승급 경로 — 유형 ⑨ 'B0 문서 정리 → B3 접지' · B′9 규칙 엔진 공유 — LLM 추출 뒤 판정을 맡는 결정적 부분 · A8 MCP 도구 제공 변형이 A8 공통 서비스의 공급원
참고 자료
GoF Command · Microservice Client-side UI Composition · PAX 원칙 '바이브 코딩 사실만으로 Enabled 아님'
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
F7 한계·신뢰도 안내 상호작용 패턴
AI가 무엇을 못 하는지, 얼마나 확신하는지, 공식 판단이 아님을 이용자가 볼 수 있는 곳에 적어 과신을 막는다.
PAX 사례 63건이 이 부품을 쓴다
맥락
대민 상담·안내(유형 ①), 대조·점검(⑦), 분석·예측(5a·⑩), 비식별 도구(⑬). 대체 경로로 운영 중인 C7 상황.
맞서는 힘(긴장)
- 정직한 한계 고지 vs 서비스 신뢰도 하락 우려
- 신뢰도 수치 표시의 정확성 vs 이용자 이해
해법
화면에 사용 한계(대상 범위·미검증 항목·처리 시간), 신뢰도, '공식 판단 아님' 고지를 결과 옆에 배치한다. 저신뢰 결과는 표시를 달리하고, C7 대체 경로로 운영 중이면 품질 저하를 알린다. 고지 문구는 법률 자문·유권해석을 대체하지 않는다는 점을 분명히 적는다.
이럴 때 쓴다
- 대민 서비스 D1~D7(F1·F2·F7 최소 요건)
- 유형 ①⑦5a⑩⑬처럼 F7이 필수인 유형
- C7 대체 경로 운영 중
이럴 때는 쓰지 않는다
- 유형 ①·⑦에서 model_dependency가 없음(비LLM)이면 필수에서 면제(R7). 단 비LLM 도구도 한계 고지는 권장된다
얻는 것
- 과신·오인 방지
- 기관 책임 범위 명확화
점검표
- 이용자가 '공식 판단이 아님'을 결과 화면에서 읽을 수 있는가
- 사용 한계가 명시되어 있는가
- 저신뢰 결과가 구분 표시되는가
구조 — 참여 부품
- 고지 문구 — 사용 한계·공식 판단 아님
- 신뢰도 표시 — 결과별 확신 수준
- C7 폴백 스위치 — 대체 경로 운영 여부 제공
변형
- 공식 판단 아님 고지: '유권해석 아님'·'참고용' 고지
- 신뢰도 표시: 결과별 신뢰도·등급 표시
- 미검증 항목 열거: 검증되지 않은 조건·처리 시간을 명시
참조 구현 예
- 소방기술민원 답변생성기 — '유권해석 아님' 고지
- PAX 9998aba2d1f55c24 — 비공식 참고 도구·공식 판단 아님 고지와 원문 연계를 함께 갖춘 자가점검 UI
- PAX 759835514b4b7ca4 — README가 미검증 항목을 열거하고 '최종 판단은 항상 사람' 고지
- PAX 6c0fa4c0c3508ff0 — 처리 시간과 라이선스 동의 절차를 정직하게 고지한 온디바이스 비전 도구
- PAX aef95509b7611c96 — 비LLM 스크리닝 도구가 실제 검토를 대체하지 않음을 화면에 명시
- PAX 0a2535cadf2d621a — 법률 자문·안전 인증을 대체하지 않는다는 한계 고지
관련 부품
C7 시스템 쪽 대응 — 대체 경로 운영 중 안내 · F1 짝 — 이용자 신뢰의 실체 · F9 짝 — 판정 근거와 함께 표시(F9+F7 표준형) · C5 짝 — 근거 없을 때의 동작
참고 자료
InfoQ Contextual Guidance · aiuxpatterns Inline Help
이 부품과 이어지는 가이드라인
D1 안내·탐색 서비스 블록
국민이 어떤 서비스를 받을 수 있고 어디로 가야 하는지 알려 주는 대민 접점 블록이다. B3 지식 접지나 B0 탐색기가 이 자리에 들어간다.
PAX 사례 99건이 이 부품을 쓴다
맥락
국민·기업이 직접 쓰는 대민 접점. §7.3 유형 ① 대민 상담·안내(D1·D7, P0~P1)의 입구다. 규칙 기반 공공데이터 조회로 안내하는 비LLM 도구도 이 블록에 속한다(R21).
맞서는 힘(긴장)
- 안내 범위의 폭 vs 답의 정확성
- 자유 질의의 편의 vs 규정 밖 답을 끌어내려는 입력(S4가 막는 위협)
- 상시 운영 요구 vs 상용 API 장애(C7)
- 쉬운 말 vs 법령·공고 원문 충실성
해법
블록은 렌즈이고, 해법은 이 자리에 끼우는 부품 조합이다. 주 부품은 공개(O) 문서에 접지한 B3 대민 자동응답형이나 조건으로 대상 서비스를 좁히는 B0 탐색기다. 답은 F1 출처와 F7 "공식 판단 아님" 고지와 함께 내고, 입력은 F4 구조화 입력으로 받아 조건 누락을 줄인다. 민원인 입력은 신뢰 불가 입력이므로 S4 행동 선택기와 S7 컨텍스트 최소화로 규정 밖 답을 막고, 상시 서비스이므로 C7 폴백을 둔다. 판단이 필요한 질문은 B′2 라우터로 D4 분류·이관이나 담당자에게 넘기고 F11로 이관을 알린다.
이럴 때 쓴다
- 국민이 받을 수 있는 서비스나 담당 창구를 몰라 헤매는 문제가 있을 때
- 같은 안내 질문이 반복되고 답이 공개 규정·공고에 있을 때
- 뒤따르는 신청(D2)의 입구를 정리해 잘못된 접수를 줄이고 싶을 때
이럴 때는 쓰지 않는다
- 개인별 요건 충족 판정이 필요하면 D3 자격·심사
- 개인 상황에 맞춘 정보·처방·법령 해석을 주면 D7 상담·처방
- 이용자가 기관 내부 담당자면 D8.1 탐색·조회
얻는 것
- 창구를 찾아 헤매는 시간 감소
- 반복 안내 업무 경감
- 후속 신청(D2)의 입구 정리
점검표
- 안내마다 근거 출처가 보이는가
- "공식 판단 아님" 고지가 화면에 있는가
- 규정 밖 질문을 사람에게 넘기는 경로가 있는가
- 평가 세트로 안내 정확도를 재는가
- 모델 장애 시에도 안내가 멈추지 않는가
구조 — 참여 부품
- 국민·기업 — 자기 상황을 말하고 받을 서비스와 창구를 찾는 주체
- B3 지식 접지 상담 — 공개 문서에 접지해 안내 답변을 생성
- B0 결정적 도구(탐색기) — 조건 선택으로 해당 서비스 목록을 좁힘
- F1 출처 표시 — 안내의 근거 문서·데이터를 보여 줌
- F7 한계·신뢰도 안내 — 공식 판단이 아님과 안내 범위를 고지
- 담당자 — 라우터가 넘긴 판단 필요 질문을 처리
변형
- 조건 탐색형: B0 탐색기. 나이·가구·지역 같은 조건을 넣으면 받을 수 있는 서비스 목록을 준다(생애주기 혜택 내비게이터).
- 접지 질의응답형: B3 대민 자동응답형. 자유 질의에 공개 규정·공고로 답하고 예외만 이관한다.
- 비LLM 공공데이터 안내형: 모델 없이 A1 결정론 조회로 안내한다. 유형 1의 A2 요건을 A1로 대체한다(R21).
참조 구현 예
- 생애주기 혜택 내비게이터 — 카탈로그 D1 카드의 B3·B0 탐색기 예
관련 부품
D4 다음 단계 — 판단이 필요한 질문의 이관처 · D7 이웃 블록 — 개인 맞춤 정보·처방 · D2 후속 블록 — 안내 뒤 신청 · S4 필수 보안 — 대민 챗봇의 기본형 · C7 상시 서비스 필수 통제
참고 자료
Davis Levine, Service Design Patterns: An alpha list of patterns (2017) · 카탈로그 §7.3 유형 ① 대민 상담·안내 · 카탈로그 §7.4 유형 ① 위협 모델
이 부품과 이어지는 가이드라인
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
A2.5 모델 서빙 · 비LLM 학습 모델 공통 서비스
XGBoost·LightGBM·YOLO·U-Net처럼 기관이 직접 학습한 비LLM 예측·비전 모델을 서빙하고 재학습·버전 롤백이 붙을 자리를 제공한다.
PAX 사례 15건이 이 부품을 쓴다
맥락
B2 예측·추천기, B5 현장 감지·경보, B4 비전 판독의 추론 엔진이 된다. 서비스 유형 5a·10에서는 필수이고(R7, R10 'A2.5 또는 결정론 점수 엔진'), 유형 3에서는 A5·A2.2와 함께 셋 중 하나를 고른다. 학습 기준선(A1)이 먼저 있어야 한다.
맞서는 힘(긴장)
- 모델 성능 vs 설명 가능성(F9)
- 배포 후 데이터 드리프트 vs 재학습 비용
- 모델 교체 속도 vs 이전 안정판으로의 복귀 보장
해법
학습한 모델을 서빙 계층에 버전과 함께 올려 업무 부품이 점수·등급·탐지 결과만 받게 한다. 서빙 계층은 모델 버전과 드리프트 지표를 함께 내보내 C4에 기록하고, 재학습 파이프라인(C6)이 새 버전을 올리는 자리와 이전 안정판으로 되돌리는 자리(모델 버전 롤백, C7 변형)를 둔다. 재학습 버전은 C9 독립 시험세트에서 이전 버전을 넘을 때만 배포한다. 판정 근거는 F9로 이용자에게 보인다.
이럴 때 쓴다
- 기관이 자체 데이터로 비LLM 모델을 학습해 운영할 때
- 유형 5a-brief가 아닌 분석·위험 예측(유형 10)·현장 감시(유형 3) 조립
- 재학습과 버전 롤백이 필요한 예측·탐지 서비스
이럴 때는 쓰지 않는다
- LLM을 튜닝했으면 A2.3
- 벤더 장비·솔루션에 내장돼 기관이 모델을 못 바꾸면 A2.6
- 학습 없는 규칙 점수 엔진이면 B0(R10 대안)
얻는 것
- 비LLM 과제가 A2 계층에 정식 자리를 가짐
- 재학습·버전 롤백으로 운영 개선
- C6·C7을 끼울 자리 확보
점검표
- 모델 버전과 학습 데이터 버전이 짝지어 기록되는가
- 독립 시험세트가 학습 데이터와 분리되어 있는가
- 이전 안정판으로 되돌릴 수 있는가
- 재학습 버전 배포 기준이 수치로 있는가
구조 — 참여 부품
- A1 데이터 자산 서비스 — 학습·재학습 기준선
- A2 서빙 계층 — 모델 버전별 노출과 롤백
- C6 환류 파이프라인 — 재학습 주기·트리거
- C9 평가 세트 — 재학습 버전 배포 게이트
- F9 판정 근거·기여도 표시 — SHAP·BBox 등 근거를 이용자에게 표시
변형
- 정형 예측기: XGBoost·LightGBM 등으로 위험 순위·등급·수요를 예측한다(B2와 짝).
- 비전 탐지·분할: YOLO·U-Net 등으로 영상·이미지를 탐지·분할한다(B5·B4와 짝).
- 경량 온디바이스 모델: 소형 자체 학습 모델을 전처리 앞단에 붙인다(A2.5+S13 조합, 40M 파라미터 PII 검출 모델).
참조 구현 예
- PAX dcba0f654467bdc9 — 40M 파라미터 소형 자체 학습 PII 모델(§13 A2.5+S13 조합)
관련 부품
B2 소비처 — 예측·추천기의 추론 엔진 · C6 짝 — 재학습 파이프라인이 붙는 자리 · C7 짝 — 이전 안정판 복귀(모델 버전 롤백) · F9 이용자 쪽 대응 — 판정 근거 표시 · B5 소비처 — 현장 감지의 탐지 모델
참고 자료
GoF Strategy · Microservice 패턴 Blue-Green
C9 평가 세트·회귀시험 운영 컴포넌트
배포 전에 업무 맥락의 질문·정답·채점 기준을 세트로 만들어, 프롬프트·모델·설정의 모든 변경을 같은 자로 재고 회귀를 잡는다.
PAX 사례 15건이 이 부품을 쓴다
맥락
모델·프롬프트·검색 설정이 바뀌는 모든 AI 부품. 특히 B3 지식 접지(검색 품질은 평가 없이 개선 불가), E2 상용 API(예고 없는 모델 업데이트), 유형 ①④⑤a⑦⑩⑫.
맞서는 힘(긴장)
- 평가 세트 구축 비용 vs 변경의 안전
- 사람 라벨의 정확성 vs LLM 심판의 규모
- 세트 고정(비교 가능성) vs 업무 변화 반영(세트 갱신)
해법
RAG를 붙이거나 모델을 고르기 전에 업무 질문·정답·채점 기준(사람 라벨 + LLM 심판)을 세트로 만든다. 프롬프트·모델·설정 조합을 릴리스처럼 버전 관리하고, 모든 변경마다 같은 세트로 재평가해 점수표와 회귀 실패 목록을 남긴다. 기준을 넘지 못하면 배포하지 않는 게이트를 둔다. 학습 데이터와 평가 세트는 누수 없이 분리한다.
이럴 때 쓴다
- RAG·튜닝을 붙이기 전(§7.1 4단계, §7.2 진행 경로 2단계)
- E2 상용 API로 모델 업데이트가 예고 없이 올 때(필수)
- 폐쇄망 로컬 모델의 교체 시점
- C6 환류·C7 모델 교체를 하려 할 때(선행 조건)
이럴 때는 쓰지 않는다
- B0 결정적 도구처럼 비결정적 출력이 없을 때
- 유형 5a 중 순수 시각화(R10: 면제)
얻는 것
- 변경의 효과와 회귀를 숫자로 확인
- 모델 교체·재학습의 안전
- 모델 선정 근거 확보
점검표
- 업무 질문·정답·채점 기준 세트가 있는가
- 프롬프트·모델·설정이 버전 관리되는가
- 변경마다 재평가한 기록이 있는가
- 기준 미달 시 배포를 막는 절차가 있는가
구조 — 참여 부품
- A1 데이터 자산 서비스 — 정답의 출처
- A2 모델 서빙 계층 — 평가 대상 모델의 버전 고정
- 채점기 — 사람 라벨과 LLM 심판으로 점수 산출
- 배포 게이트 — 기준 미달 변경의 배포 차단
- C4 감사 로그·지표 — 운영 지표와 평가 점수 대조
변형
- 모델 선정 블라인드 비교: 여러 모델을 동일 조건·평가 의도 은닉으로 채점해 운영 모델 선별
- 배포 전 회귀검증 게이트: 응답 로직 변경 시 기준 질의의 기대응답 대조를 통과해야 배포
- 재학습 모델 비교 게이트: 재학습 시 이전 버전 대비 성능을 비교해 기준 상회 모델만 배포
- 공인시험 기반 검증 세트: 검출 기준을 명시한 검증 세트와 공인시험
참조 구현 예
- PAX MOPAN — 기각한 시도 15건의 실패 기전을 기술 보고서로 남김
관련 부품
C6 후속 — 환류의 재검증 단계 · C7 후속 — 모델 교체(Blue-Green) 전 회귀시험 · B3 끼울 자리 — 검색 품질 개선의 전제 · A1 의존 — 정답 출처 · A2 의존 — 모델 버전 고정
참고 자료
Fowler Evals · InfoQ AI-Ops · Prompt-Model-Config Versioning · Gulli ch.19 Evaluation & Monitoring
이 부품과 이어지는 가이드라인
- 공공부문 AI 도입·활용 가이드
- 인공지능 위험 사례집
- 금융분야 AI 위험관리프레임워크
- AI 기반 신용평가모형 검증체계
- 합성데이터 생성·활용 안내서
- 인공지능 영향평가 가이드라인
- 신뢰할 수 있는 인공지능 개발 안내서
- 인공지능(AI) 표준화 전략 로드맵
- KS X ISO/IEC 42001 인공지능 경영시스템
- KS X ISO/IEC 23894 인공지능 리스크관리 지침
- KS X ISO/IEC TS 4213 기계 학습 분류 성능에 대한 평가
- KS X ISO/IEC 22989 인공지능 개념 및 용어, KS X ISO/IEC TR 24028 인공지능의 신뢰성 개요
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
X9 담당자와 함께 사라지는 도구 안티패턴
개인이 만든 도구가 부서에 퍼졌지만 라이선스·저장소·인수인계가 없어, 만든 사람의 인사이동과 함께 멈추는 함정이다.
맥락
A7 자체 제작 환경으로 태깅된 도구(PAX 557건 중 317건, 57%), 특히 개인 사용에서 부서 공유로 막 퍼지기 시작한 바이브코딩 도구.
맞서는 힘(긴장)
- 개인의 빠른 제작 vs 조직의 유지보수 책임
- 비공식 공유의 편의 vs 라이선스·저장소 절차
- 현장 맞춤 vs 다른 담당자가 이해할 수 있는 구조
해법
도구가 부서에 퍼지기 시작하면 A7 산출물에 MIT·Apache 등 라이선스를 명시하고, 코드를 개인 PC가 아니라 A3 공공 깃랩 같은 공용 저장소에 등재한다. 업무 규범·프롬프트는 A9 업무 규범 스킬로 패키징해 다른 담당자가 그대로 쓸 수 있게 하고, 설치·설정·데이터 경로를 담은 인수인계 문서를 둔다. 도구를 참조 구현 레지스트리(§13)에 올려 소유를 개인에서 조직으로 옮긴다. transition.blocker에 '담당자 이동'이 적힌 과제는 이 조치를 먼저 한다.
이럴 때 쓴다
- 개인이 만든 도구를 부서원 여러 명이 쓰는데 라이선스 표기가 없다
- 원본 코드가 개인 PC·개인 계정에만 있다
- 인수인계 문서·설치 절차가 없다
- transition.blocker가 '담당자 이동'이다
이럴 때는 쓰지 않는다
- 개인만 쓰는 도구로 부서에 퍼지지 않은 경우(개인 사용 단계는 정상)
- A7로 만들었지만 라이선스 명시·공용 저장소 등재·인수인계가 갖춰진 경우
- 기관 정보화 부서가 넘겨받아 운영 중인 경우
얻는 것
- 현장 담당자가 필요한 도구를 빠르게 만든다
- 공식 절차 없이 바로 퍼진다
점검표
- 라이선스가 명시되어 있는가
- 원본이 공용 저장소에 있는가
- 만든 사람 없이 후임이 설치·실행할 수 있는 문서가 있는가
- 개인 구독·개인 키에 의존하지 않는가
구조 — 참여 부품
- A7 자체 제작 환경 — 도구가 태어난 곳. 라이선스 명시가 전이 조건
- A3 공공 API 제공자(공공 깃랩) — 개인 저장소를 대체하는 공용 등재처
- A9 업무 규범 스킬 — 암묵적 업무 규범을 패키지로 남김
- 후임 담당자 — 인수인계 문서로 도구를 이어받는 사람
변형
- 라이선스 미명시: 코드는 공개했지만 라이선스가 없어 타 기관이 가져다 쓸 수 없음
- 개인 저장소형: 개인 PC·개인 계정에만 원본이 있음
- 개인 구독 의존형: 개인 AI 구독·API 키로 돌아가 담당자가 떠나면 호출이 끊김
관련 부품
A7 발생 자리 — 라이선스 명시가 전이 조건 · A3 대체 — 공공 깃랩 등재 · A9 짝 — 암묵적 규범을 스킬로 패키징 · X3 이웃 안티패턴 — 중복과 사람 의존은 공유 부재의 두 얼굴
참고 자료
PAX 전이 차단 요인 '담당자 이동' · 카탈로그 §5 환경 매트릭스 E2 모델 중립 행(라이선스 명시가 전이 조건)
이 부품과 이어지는 가이드라인
X1 AI 스티커 안티패턴
기존 화면에 요약·챗봇 버튼만 붙이고 업무 순서와 사람·AI의 역할 분담은 그대로 두어, AI가 있어도 업무 산출물이 바뀌지 않는 함정이다.
맥락
기존 행정정보시스템·업무 포털에 AI 기능을 추가하는 과제, 특히 성과 지표가 'AI 기능 탑재 여부'나 호출 수로 잡힌 과제. R24에 따라 AI 런타임이 전혀 없는 순수 행정정보시스템도 이 태그(AI 무관)로 표기한다.
맞서는 힘(긴장)
- 빠른 도입 실적 vs 업무 흐름 재설계 비용
- 기존 시스템 무변경(안정성) vs 산출물 단위의 역할 분담
- 'AI 탑재' 홍보 효과 vs 실제 처리시간·수정률 개선
해법
먼저 가치 흐름 규칙(R1)으로 사람 또는 국민이 최종으로 받는 핵심 산출물을 정하고, 그 산출물을 AI가 어떤 모양으로 분담할지 B 업무 컴포넌트를 하나 고른다(초안→사람 확정이면 B1, 근거 접지 답변이면 B3, 서류 추출이면 B4). 사람이 확정하는 지점은 C1 검토 큐로, 이용자가 고쳐 확정하는 면은 F2 편집 가능한 출력으로 명시한다. 흐름이 바뀌었는지는 C4 감사 로그·지표의 처리시간·수정률로 잰다. AI 런타임이 전혀 없는 행정정보시스템이라면 AI로 포장하지 말고 R24대로 B0·service_type 0·platform 공란·X1(AI 무관)으로 정직하게 분류한다.
이럴 때 쓴다
- AI 기능이 추가됐다는 서술은 있으나 처리 단계 수·결재선·담당자 역할이 바뀌었다는 서술이 없다
- 성과 지표가 AI 호출 수·이용 만족도뿐이고 처리시간·수정률 같은 산출물 지표가 없다
- 챗봇이 기관 업무 데이터·시스템과 연결되지 않은 범용 대화에 머문다
- AI 런타임이 전혀 없는 행정정보시스템이 AX 과제로 분류되어 있다(R24)
이럴 때는 쓰지 않는다
- B1 코파일럿처럼 AI가 초안을 만들고 사람이 확정하는 역할 분담이 실제로 서술된 경우
- B8 레거시 오버레이처럼 표준 시스템 위에 얹었지만 업무 산출물을 AI가 만들어 내는 경우
- B0 결정적 도구가 반복 취합 업무를 실제로 줄이고 AI로 포장하지 않은 경우(Ready 부품으로 정직하게 분류된 경우)
얻는 것
- 기존 시스템을 건드리지 않아 도입이 빠르고 장애 위험이 낮다
- 'AI 탑재' 실적을 즉시 보고할 수 있다
점검표
- AI 도입 전후 처리 단계·담당자 역할의 차이를 한 장으로 보여 줄 수 있는가
- AI가 만드는 산출물과 사람이 확정하는 지점이 명시되어 있는가
- 처리시간·수정률 같은 산출물 지표가 도입 전 기준선과 함께 있는가
- AI 런타임이 없는데 AI 과제로 보고하고 있지 않은가
구조 — 참여 부품
- 덧붙인 AI 기능 — 요약·대화 버튼. 업무 산출물 생산에 역할이 없음
- B1 코파일럿 — 교정 후 초안→사람 확정으로 산출물 역할을 나누는 대체 부품
- C1 검토 큐 — 교정 후 사람이 확정하는 지점을 명시
- C4 감사 로그·지표 — 흐름이 실제로 바뀌었는지 처리시간·수정률로 측정
변형
- 요약 버튼형: 기존 화면에 '요약' 버튼만 추가하고 결재·처리 단계는 그대로
- 범용 챗봇 부착형: 업무 데이터와 연결되지 않은 범용 대화창을 포털에 부착
- AI 무관 행정시스템(R24): AI 런타임이 전혀 없는 순수 행정정보시스템(예: 교육·인증 학습관리시스템). B0·service_type 0·platform 공란과 함께 X1(AI 무관)로 표기
관련 부품
B1 대체 — 초안→사람 확정으로 산출물 역할을 나누는 교정 목표 · C1 교정에 끼울 자리 — 사람이 확정하는 지점 · B0 정직한 분류 — AI 런타임이 없으면 B0 Ready 부품으로(R24) · C4 기록처 — 흐름 변화의 증거(처리시간·수정률) · X8 이웃 안티패턴 — 개수·탑재를 성과로 세는 같은 뿌리
참고 자료
PAX 기준서 '기능 탑재가 아니라 실제 업무 산출물이 관건' · PAX 원칙 '도구를 호출해도 기존 흐름이 그대로면 Enabled'
실무 도입 카드
필요한 것
실행환경: 브라우저만
첫 3단계
① 링크 접속 → ② 내 업무 데이터로 시험 → ③ 동료와 결과 검증
주의사항
실사용 피드백이 미확인입니다 — 도입 전 소규모 검증을 권합니다 · 성과 수치는 출처가 확인된 것만 신뢰하세요
전이 절차(보안검토→품의→배포)는 전이 플레이북을 참고하세요.