공무원이 Codex·Claude Code 등으로 업무 도구를 만들 때 기획→화면 설계→구현→테스트→보안 점검을 같은 순서로 진행하게 하는 실행형 개발 하네스. '빨리 만들기'가 아니라 나중에 검증·보완·운영으로 갈 수 있도록 공통 개발 약속과 증적을 처음부터 남기는 것이 목표이며, vibecode-checker 보안 점검을 통합했다. 바이브코딩 산출물의 지속가능성 공백(검증·증적 부재)을 개발 단계에서 막는 접근이다.
사례 대상 바로가기 · 공유 링크 · 아카이브에서 보기
상세 정보
- 사례 성격
- 개인 개발
- 출처 채널
- 오픈채팅
- 수집일
- 2026-08-28
- 태그
- #개발하네스 #바이브코딩 #증적 #보안점검
- 실행 환경
- 설치 필요
- AI 모델
- 해외 상용 API — Claude Code/Codex 등 상용 코딩 에이전트(BYO 구독)
- 라이선스
- 명시 없음 (확인 2026-08-28)
- 저장소
- ★ 3 · 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-Ready |
|---|---|
| 업무 범위 | S2 Tool bundle |
| 업무 완결성 | C2 부분 완결 |
| 권한(P축) | P1 산출물 생성(잠정) |
| 위험도 | R0 최소 |
| 인간 통제 | 해당 없음 |
| 증거 등급 | E1 코드·도구 확인 |
| 신뢰도 | 중간 |
기획→설계→구현→테스트→보안 점검의 공통 순서와 증적 축적을 강제하는 실행형 하네스 — 바이브코딩 산출물이 검증·운영으로 넘어가지 못하는 지속가능성 공백을 개발 시점에 막는 구조적 접근(C2). checker 통합으로 점검이 워크플로에 내장된다.
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 B1 코파일럿 변형: 스킬 코파일럿
환경 축 배포:로컬 PC 네트워크:인터넷 필수 모델:해외 상용 API 런타임:설치 필요 권한:P1 산출물 생성
- 제어 흐름(B′)
- B′8 계획-실행
- 공통 서비스(A)
- A9 업무 규범 스킬 A2.1 모델 서빙 · 상용 API 호출
- 운영(C)
- C1 검토 큐 구현 확인 C5 가드레일 필터 구현 확인 C7 폴백 스위치 계획
- 상호작용(F)
- F2 편집 가능한 출력
- 서비스 블록(D)
- D8.3 초안·기안
- 부품 배선
- A9 → B1 · A2.1 → B1 · B1 → D8.3 · B1 → C5
- 참조 구현 후보
- A9 업무 규범 스킬 기획→설계→구현→테스트→보안점검을 스킬로 고정해 바이브코딩 증적 공백을 메우는 참고 사례
판정 근거
공무원이 Codex·Claude Code로 업무 도구를 만들 때 기획→화면 설계→구현→테스트→보안 점검을 같은 순서로 강제하는 실행형 개발 하네스로, PAX 지침이 명시한 '스킬·프롬프트 팩은 B1 스킬 코파일럿+A9' 규칙에 정확히 해당한다. 계획을 먼저 고정하고 순서대로 실행하는 구조라 B′8을 태그했다. vibecode-checker 보안 점검을 통합해 C5를 implemented로, 해외 상용 코딩 에이전트 의존이라 C7을 planned로 남긴다.
구현 가이드
주 패턴 B1 코파일럿을 구현할 때
구현 단계
- 대상 문서의 서식·필수 항목·문체 규범을 정리해 A9 스킬(프롬프트 템플릿)로 만든다.
- 업무 질문·모범 답안·채점 기준으로 C9 평가 세트를 먼저 만들어 모델·프롬프트 선택을 잰다.
- E1·E5에 맞는 모델 경로를 정한다. 행정망이면 BYO 대신 A2 내부망 프록시, 민감 자료면 C5 비식별을 앞단에 둔다.
- 산출물을 F2 편집 가능 출력과 A10 서식으로 내고, C1 검토 큐에서 담당자가 확정하게 한다.
- 수정률·처리시간을 C4로 집계하고, 저위험 유형이 확인되면 C2 자동 확정 분기를 검토한다.
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
환경 조건
E1 행정망이면 BYO 코딩 에이전트를 쓸 수 없어 A2 내부망 프록시가 필요하다. E1 로컬 PC 완결이면 A9 스킬 + A10 어댑터 조합이 된다. E2 해외 상용 API면 직접 호출 대신 A2 게이트웨이를 거친다. E2 모델 중립(BYO)이면 A9 스킬 형태로 배포하고 모델 교체 가능성이 곧 C7이다. E4는 P1이 기본이고, P2로 올라가면 C1 전건 검토 → C2 분기로 바꾼다.
주의할 점
- 전건 검토가 영원히 남으면 업무 순서는 그대로(First 불가)
- 상용 API 직접 호출 시 X4 위험
- 행정망에서는 BYO 불가로 A2 내부망 프록시가 선행되어야 함
기본 배선 예
A9 → B1 (B′5) → C1 → D8.3 · A2.4 → B1 (행정망)
보완이 필요한 필수 부품
이 조합에서 카탈로그가 함께 갖추라고 권하는 부품 가운데 아직 확인되지 않은 것이다.
- A2.2 모델 서빙 · 주권형 온프레미스 오픈웨이트 모델을 기관 서버·폐쇄망·로컬 PC 안에서 Ollama·vLLM 등으로 구동해 데이터를 기관 밖으로 내보내지 않고 추론한다.
- C9 평가 세트·회귀시험 배포 전에 업무 맥락의 질문·정답·채점 기준을 세트로 만들어, 프롬프트·모델·설정의 모든 변경을 같은 자로 재고 회귀를 잡는다.
- S9 임시 샌드박스 에이전트가 만든 코드·명령을 일회용 격리 환경(컨테이너·microVM·제한 런타임)에서 실행하고 끝나면 파기해, 호스트·행정망은 결과값만 받게 한다.
피해야 할 안티패턴
- 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.
- X4 단일 모델 인질 상용 API 하나에 전 기능이 묶여 있어, 그 API가 멈추거나 바뀌면 무슨 일이 생기는지 아무도 답하지 못하는 함정이다. 대처: 모델 호출을 A2 모델 서빙 계층 뒤로 숨겨 B 부품이 특정 벤더 API를 직접 부르지 않게 한다. 그 위에 C7 폴백 스위치로 재시도 → 기존 API → 대체 MCP → 대체 모델(A2.2 주권형 로컬 등) → 규칙 기반 축소 → 수동 전환의 경로를 정하고 전환 이력을 C4에 남긴다. 모델 교체가 실제로 안전한지는 C9 평가 세트로 재어 버전을 고정한다. 모델 중립(BYO) 배포라면 A9 스킬 형태로 배포해 모델 교체 가능성 자체를 폴백으로 삼는다.
- 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 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 X10 평가 없는 RAG, RAG 없는 튜닝쓰는 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.
- 금융분야 AI 위험관리프레임워크 이 사례와 겹치는 부품 C1 검토 큐 C9 평가 세트·회귀시험쓰는 작업: 금융회사의 리스크관리 부서가 업무별 AI에 위험등급을 매기고, 등급마다 독립 검증을 누가 언제 하는지와 사람이 어느 단계에서 결과를 확인하는지를 내규 초안에 적을 때 편다. 등급이 높을수록 사람이 개입하는 지점이 앞당겨진다.주의: 문서 원문은 금융감독원 배포본으로 확인한다.
- 생성형 AI 개발·활용을 위한 개인정보 처리 안내서 이 사례와 겹치는 부품 A2.1 모델 서빙 · 상용 API 호출 A2.2 모델 서빙 · 주권형 온프레미스쓰는 작업: 개인정보 담당자와 개발사는 개발 단계에서 이 문서를 펴 놓고, 학습 데이터와 프롬프트에 개인정보가 들어가는지, 들어간다면 어떤 근거로 처리하는지를 정리한다. 상용 API를 쓸지, 공개 모델을 내부에 둘지, 직접 튜닝할지에 따라 검토 항목이 달라진다.주의: 공공기관 사업은 공공 AX 프라이버시 보호 안내서(2026.7)를 먼저 보고, 이 문서로 생성형 AI 고유 항목을 채운다.
- 신뢰할 수 있는 인공지능 개발 안내서 이 사례와 겹치는 부품 C9 평가 세트·회귀시험 C1 검토 큐쓰는 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.
- KS X ISO/IEC 22989 인공지능 개념 및 용어, KS X ISO/IEC TR 24028 인공지능의 신뢰성 개요 이 사례와 겹치는 부품 C1 검토 큐 C9 평가 세트·회귀시험쓰는 작업: 과업지시서와 제안요청서의 용어 정의 절에 22989를 인용하면 "학습", "추론", "AI 시스템" 같은 말의 범위를 두고 다투는 일이 준다. TR 24028은 신뢰성 요구사항을 처음 정리하는 기획 단계에서 점검 항목의 출처로 쓴다.주의: TR은 기술보고서라 요구사항이 아니다. 신뢰성 검증 항목은 TTA 신뢰할 수 있는 AI 개발 안내서처럼 구체 문서로 내려간다.
- 공공부문 초거대 AI 도입·활용 가이드라인 1.0 이 사례와 겹치는 부품 A2.2 모델 서빙 · 주권형 온프레미스쓰는 작업: 신규 사업에는 2026년 판을 쓴다. 이 판은 SLO와 유지관리 조항의 초기 문구를 찾거나, 2024년 사업의 계약 근거를 거슬러 확인할 때 편다.주의: PAX 목록이 "신규 사업에는 2026판 우선"이라고 못 박은 문서다.
- 공공기관 신뢰가능 AI 구현 실용가이드 이 사례와 겹치는 부품 C1 검토 큐쓰는 작업: 기관 AI 윤리 지침이나 내부 거버넌스 규정을 처음 만드는 기획 부서가 원칙의 뼈대를 잡을 때 참고한다. 인간개입과 고객소통 항목은 검토 절차와 이용자 안내 문구를 설계하는 데 아직 쓸 만하다.주의: 생성형 AI 이전 문서다. PAX 목록은 원칙 참고용이며 구축 절차는 최신 문서를 우선하라고 적었다.
- 챗GPT 활용방법 및 주의사항 안내 이 사례와 겹치는 부품 B1 코파일럿쓰는 작업: 지금은 단독으로 쓰지 않는다. 직원용 생성형 AI 이용 지침을 개정하는 부서가 2023년 이후 무엇이 바뀌었는지 비교할 때 편다.주의: PAX 목록은 국정원 보안 가이드라인, KISA 문서, 2026년 행안부 가이드와 함께 적용하라고 적었다. 직원 이용 지침의 현행 근거는 개보위의 생성형 AI 서비스 이용자 가이드(2026.5)다.
같은 주 패턴(B1)을 쓰는 다른 사례
같은 업무 패턴으로 조립된 사례를 서비스 유형이 같은 것부터 모았다 외 68건. 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
B′8 계획-실행 제어 흐름
계획자가 전체 단계를 먼저 쓰고 실행자가 그 순서대로 수행하는 배선이다. 중간 이탈이 비싼 긴 업무에서 단계 누락과 실행 무질서를 막는다.
PAX 사례 5건이 이 부품을 쓴다
맥락
B7 콘텐츠 생성(유형 ⑥ 기획 → 제작)과 B6 오케스트레이터의 긴 업무에 쓴다. C3 상태 머신과 짝을 이루고, 보안 목적으로 계획을 고정해 정책으로 검증하면 S5가 된다.
맞서는 힘(긴장)
- 실행 질서·추적 가능성 vs 중간 계획 변경의 어려움
- 계획 품질 의존 vs 계획 오류가 전체에 번지는 위험
- 계획 고정의 보안 이점(S5) vs 탐색 과제 부적합
해법
계획자가 목표를 받아 단계 목록(도구·입력·완료 조건)을 먼저 쓰고, 필요하면 사람이 계획을 확인한다(F6). 실행자는 계획 순서대로 수행하며 단계 상태를 C3 상태 머신에 기록해 어디서 멈췄는지 알 수 있게 한다. 실패 단계는 재시도하거나 재계획하되 재계획 횟수를 제한한다. 신뢰 불가 데이터를 읽기 전에 계획을 고정하고 허용 도구·권한 정책으로 검증하면 S5 보안 부품이 된다.
이럴 때 쓴다
- 중간 이탈 비용이 큰 긴 업무일 때
- 단계가 빠지거나 순서가 꼬이는 실패가 관측될 때(§7.5)
- 실행 전에 사람이 계획을 확인해야 할 때
이럴 때는 쓰지 않는다
- 탐색적 질의로 관찰마다 방향이 바뀔 때(B′7)
- 순서가 코드로 고정된 파이프라인일 때(B′1)
얻는 것
- 단계 누락·실행 무질서 방지
- 진행 상태 추적
- 실행 전 사람 확인 가능
점검표
- 이 건이 어느 단계에서 멈췄는지 시스템이 아는가
- 실행 전에 계획을 확인할 수 있는가
- 재계획 횟수에 상한이 있는가
구조 — 참여 부품
- 계획자 — 단계 목록을 먼저 작성
- 실행자 — 계획 순서대로 수행
- C3 상태 머신·롤백 — 단계 상태 추적과 되돌림
- F6 에이전트 행동 검토·확인 — 실행 전 계획 확인
관련 부품
C3 짝 — 상태 머신 · S5 제약형 — 계획 후 실행 · B′7 대안 — 탐색적 과제 · B7 배선 자리 — 유형 ⑥ · F6 이용자 쪽 대응 — 실행 전 확인
참고 자료
Towards AI #3 · Gulli ch.6 Planning · Springer Planning
A9 업무 규범 스킬 공통 서비스
보고서 구조·문체·서식·검증 절차 같은 업무 규범을 모델 중립 스킬(지침 + 검증기 + 출력 서식)로 패키징해 어떤 모델·에이전트에서든 재사용한다.
PAX 사례 54건이 이 부품을 쓴다
맥락
기안·보고서·콘텐츠처럼 서식과 문체가 정해진 산출물을 만드는 B1·B7, BYO 코딩 에이전트 환경(E2 모델 중립), 개발 코파일럿에서 쓴다. 유형 4·6·12에서는 필수 기반이고, §7.2 진행 경로에서는 3단계에 놓인다.
맞서는 힘(긴장)
- 규범 고정(일관성) vs 담당자 재량
- 모델 중립(이식성) vs 특정 모델 최적화
- 규범 공개·재사용 vs 프롬프트·규범 유출
- 가중치에 넣기(튜닝) vs 문서로 주입하기
해법
규정집·매뉴얼·서식 예시에서 업무 규범을 뽑아 지침(구조·문체·금지 사항), 검증기(형식·인용·수치 검사), 출력 서식(HWPX·DOCX 등)으로 묶은 스킬 패키지로 만든다. 모델 호출 코드와 분리된 파일로 두어 어떤 코딩 에이전트·모델에서도 같은 절차가 돌게 한다(External Configuration). 산출·검증된 수치와 출처만 주입하고 미제공 수치·순위 생성을 금지하는 식으로 생성 범위를 규범으로 좁힌다. 스킬은 버전으로 관리해 규범 유출·변경을 추적하고, C9로 스킬 변경 전후 품질을 잰다.
이럴 때 쓴다
- 산출물 서식·문체·구조가 정해져 있을 때
- 출력 품질이 들쭉날쭉할 때(§7.5)
- BYO 환경에서 모델과 무관하게 같은 절차를 돌려야 할 때
- 갱신이 잦은 규범을 튜닝 없이 반영해야 할 때
이럴 때는 쓰지 않는다
- 규범이 문서로 정리되지 않았고 정리할 담당도 없을 때
- 지식 검색이 필요한 문제(B3 접지가 먼저)
- 스킬 내용 자체가 민감해 배포할 수 없는데 버전 관리·접근 통제를 둘 수 없을 때
얻는 것
- 출력 일관성
- 모델 교체 가능(BYO에서는 교체 가능성이 곧 C7)
- 타 기관 재사용
- 튜닝 없이 규범 갱신
점검표
- 규범이 모델 호출 코드와 분리된 파일로 있는가
- 검증기가 출력 형식·인용·수치를 실제로 검사하는가
- 스킬에 버전이 있는가
- 다른 모델로 바꿔도 같은 서식이 나오는지 확인했는가
구조 — 참여 부품
- 규범 원천(규정집·매뉴얼·서식) — 스킬로 옮길 업무 규범의 출처
- 스킬 패키지 — 지침·검증기·출력 서식을 모델 밖 파일로 묶음
- 코딩 에이전트·모델(BYO) — 스킬을 불러 규범대로 산출
- A10 문서 형식 어댑터 — 출력 서식을 HWPX·DOCX로 내보냄
- C9 평가 세트 — 스킬 변경 전후 품질 비교
변형
- 보고서·문서 규범 스킬: gov-report-skill(기획보고서 7대 항목), 원페이퍼 스킬(A4 한 쪽·DOCX 검증).
- 스타일·콘텐츠 스킬: Public Cardnews(6개 스타일), 제작 가이드·검수 체크리스트를 묶은 제작 스킬 패키지.
- 검증 스킬: paper-verify(인용 검증)처럼 검증 절차 자체를 패키징한다.
- 규정집→스킬 변환: book-to-skill은 PDF 규정집을 에이전트 스킬로 자동 변환한다(A9+A10 조합).
- 지식 가이드 In-Context 주입: 파인튜닝 대신 추출·판정 기준을 문서형 가이드로 증류해 주입한다.
참조 구현 예
- PAX gov-report-skill — 기획보고서 7대 항목 스킬(§6 A9 카드)
- PAX paper-verify — 인용 검증 스킬(§6 A9 카드)
관련 부품
A10 짝 — 스킬 출력 서식을 공공 문서 형식으로 · B1 소비처 — 스킬 코파일럿 · C9 짝 — 스킬 변경 회귀시험 · A2.0 짝 — BYO 환경의 모델 중립 · A2.3 대안 — 가중치에 넣는 방식
참고 자료
GoF Template Method · Microservice 패턴 External Configuration · InfoQ Few-shot·Role·CoT · aiuxpatterns Prompt Templates
A2.1 모델 서빙 · 상용 API 호출 공통 서비스
GPT·Gemini·Claude·HyperCLOVA X·Upstage 등 상용 모델 API를 서빙 계층을 거쳐 호출해 자체 인프라 없이 최신 모델 성능을 쓴다.
PAX 사례 88건이 이 부품을 쓴다
맥락
E2는 해외 상용 API(또는 국산 상용 모델 API), E1은 인터넷망·클라우드다. E5 등급이 O이거나 비식별 후 전송해도 되는 업무에 맞는다. 대민 상담(B3)·코파일럿(B1)·콘텐츠 생성(B7)에서 흔하다.
맞서는 힘(긴장)
- 모델 성능·도입 속도 vs 데이터 반출·주권
- 종량 과금의 초기 저비용 vs 호출량 증가 시 비용 예측 어려움
- 벤더의 모델 개선 vs 예고 없는 품질 회귀
- 단일 API의 단순함 vs 장애 시 서비스 중단
해법
업무 코드는 서빙 계층만 부르고, 서빙 계층이 상용 API를 호출한다. 행정망 본문이 나가는 경로 앞에는 C5 비식별 전처리를 두고, 대체 모델을 등록해 C7 폴백을 건다(§5 매트릭스 E2 해외 상용 API 행). 모델 버전을 고정하고 모델·프롬프트·설정 조합을 릴리스처럼 관리해 업데이트 전후를 C9로 비교한다. 비용이 문제면 라우팅·캐싱으로 큰 모델 호출을 줄인다. E5가 S 이상이면 이 변형 단독으로는 안 되고 A2.4 내부망 프록시를 거친다.
이럴 때 쓴다
- 인터넷망·클라우드 환경이고 데이터 등급이 O이거나 비식별 후 전송 가능할 때
- PoC 초기에 모델 성능을 빠르게 확인해야 할 때
- 자체 GPU·운영 인력이 없을 때
이럴 때는 쓰지 않는다
- E1이 폐쇄망이면 조립 오류(A2.2·A2.4로)
- E5가 S 이상인데 내부망 프록시가 없을 때(A2.4 필수)
- 상시 서비스인데 대체 경로를 둘 수 없을 때
얻는 것
- 인프라 없이 최신 모델 성능
- 빠른 PoC
- 벤더의 지속적 개선
점검표
- 업무 코드가 상용 API를 직접 부르지 않는가
- 외부로 나가는 프롬프트에서 무엇이 걸러지는지 답할 수 있는가
- API 장애 시 대체 경로가 있는가
- 모델 버전과 호출당 비용·지연이 기록되는가
구조 — 참여 부품
- A2 서빙 계층 — 업무 코드 대신 상용 API를 호출하고 버전·사용량을 기록
- C5 가드레일(비식별 전처리) — 외부 전송 전 민감정보 제거
- 상용 모델 API — 기관 밖에서 추론을 수행
- C7 폴백 스위치 — API 장애·품질 저하 시 대체 모델·수동 처리로 전환
변형
- 해외 상용 API: GPT·Gemini·Claude 등이다. E2 값은 해외 상용 API.
- 국산 상용 API: HyperCLOVA X·Upstage 등 국내 사업자 API. 망·등급 조건은 해외와 같이 따진다.
- 구조화 호출: function calling·JSON Schema로 출력 형식을 고정해 부른다. 판정은 규칙 엔진에 남긴다.
관련 부품
C7 필수 짝 — 상용 API 의존이면 폴백 필수 · C5 선행 — 외부 전송 전 비식별 · A2.4 대안 — 행정망·민감 등급일 때 중계 경유 · C9 짝 — 모델 업데이트 회귀시험
참고 자료
Fowler Direct Prompting · InfoQ 모델 라우팅·캐싱 · Microservice 패턴 Circuit Breaker
이 부품과 이어지는 가이드라인
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
C7 폴백 스위치 운영 컴포넌트
모델·API·도구가 멈추거나 품질이 떨어질 때 대체 모델·규칙 기반 축소·수동 처리로 경로를 바꿔 서비스가 끊기지 않게 한다.
PAX 사례 12건이 이 부품을 쓴다
맥락
상용 API 또는 단일 모델에 의존하는 모든 B 부품. 특히 E2가 해외 상용 API이거나 B5처럼 상시 가동해야 하는 서비스.
맞서는 힘(긴장)
- 가용성 vs 비용(대체 경로를 상시 유지하는 비용)
- 품질 일관성 vs 대체 경로의 품질 저하
- 자동 전환의 신속성 vs 전환 판단의 오작동 위험
해법
오류율·지연·단가 신호를 감시하다가 임계를 넘으면 재시도 → 기존 API → 대체 MCP → 대체 모델 → 규칙 기반 축소 → 수동 전환 순으로 경로를 바꾼다. 장애 범위는 격리(Bulkhead)로 한 부품에 가두고, 모델 교체는 무중단(Blue-Green)으로 한다. 전환은 C4 감사 로그에 남기고, 복구 후에는 원래 경로로 되돌리는 조건도 함께 정한다. 대체 경로의 품질 저하는 이용자에게 F7 한계 안내로 알린다.
이럴 때 쓴다
- E2가 해외 상용 API이거나 혼합일 때
- B5 현장 감지·경보처럼 상시 서비스일 때 필수
- 대민 자동응답(B3 대민형)처럼 중단 비용이 큰 경우
- 유형 ① 대민 상담(상시), ③ 현장 감시
이럴 때는 쓰지 않는다
- B0 결정적 도구처럼 런타임 AI가 없을 때
- 로컬 완결 도구로 외부 의존이 없을 때
- 유형 ①·⑦에서 model_dependency가 없음(비LLM)일 때는 필수에서 면제(R7)
얻는 것
- 핵심 서비스 연속성
- 벤더 종속 완화(X4 예방)
점검표
- 대체 경로가 최소 하나 구현되어 있는가
- 전환 임계와 복귀 조건이 수치로 정의되어 있는가
- 전환 이력이 로그로 남는가
- 실증 기간에 전환을 1회 이상 실행한 기록이 있는가
구조 — 참여 부품
- A2 모델 서빙 계층 — 주 경로와 대체 모델을 함께 노출하는 끼울 자리
- 상태 감시기 — 오류율·지연을 임계와 비교해 전환을 결정
- C4 감사 로그·지표 — 전환 시점·사유·복구를 기록
- 수동 처리 담당자 — 모든 자동 경로가 실패했을 때의 최종 경로
변형
- 대체 모델 전환: 상용 API 장애 시 다른 상용 모델 또는 로컬 오픈웨이트 모델(A2.2)로 전환
- 규칙 기반 축소: AI 판정 대신 결정적 규칙·공식 템플릿으로 기능을 줄여 계속 운영(Fail-safe)
- 수동 전환: 담당자 처리로 되돌리고 접수만 유지
- 격리(Bulkhead): 장애가 난 부품의 영향 범위를 가둠
- 무중단 교체(Blue-Green): 모델 업데이트를 병행 운영 후 전환하고 급락 시 이전 안정 모델로 복귀
참조 구현 예
- PAX MiroFish-Ko — Codex CLI → Claude CLI → 로컬 LLM 폴백 (증거 E1)
관련 부품
C8 짝 — 권한 경계는 막는 통제, 폴백은 이어 가는 통제 · A2 끼울 자리 — 대체 모델은 모델 서빙 계층에 등록 · C4 기록처 — 헬스체크가 전환 신호, 전환 이력 기록 · C9 선행 — 모델 교체(Blue-Green) 전 회귀시험 · F7 이용자 쪽 대응 — 대체 경로 운영 중 한계 안내
참고 자료
Gulli ch.12 Exception Handling · Microservice 패턴 #15 Circuit Breaker · Bulkhead · Blue-Green · PAX Native 관문 4
이 부품과 이어지는 가이드라인
F2 편집 가능한 출력 상호작용 패턴
생성물을 이용자가 직접 고쳐 확정하게 한다. 통제감의 실체이며, 수정 내역은 C4 지표와 C6 환류의 입력이 된다.
PAX 사례 50건이 이 부품을 쓴다
맥락
B1 코파일럿(필수 면), B7 콘텐츠 생성기, B4 인식 결과 확정. 유형 ② 접수·심사, ④ 기안 코파일럿, ⑫ 개발 코파일럿, 5a-agg(R19), 2b 시민 제출 준비(R20).
맞서는 힘(긴장)
- 편집 자유도 vs 원본 추적(무엇을 고쳤는지)
- 편집 가능한 공공 서식(HWPX 등) 출력 vs 구현 비용
해법
생성물을 이용자가 바로 고칠 수 있는 형식(편집 화면, HWPX·PPTX 등 네이티브 파일)으로 내고, 이용자가 고친 뒤 확정하게 한다. AI 원안과 수정본의 차이를 기록해 C4 수정률과 C6 환류 입력으로 쓴다. 문서 형식 출력은 A10 어댑터가 받친다.
이럴 때 쓴다
- B1 코파일럿 전반(필수 면)
- 대민 서비스 D1~D7(F1·F2·F7이 최소 요건)
- 유형 ②④⑫, 5a-agg, 2b처럼 F2가 필수인 유형
이럴 때는 쓰지 않는다
- 이용자가 결과를 수정하면 안 되는 판정 결과(판정은 C1 확정 절차로 다룸)
- 조회 결과만 보여 주는 P0 도구
얻는 것
- 이용자 통제감
- 수정 내역이 품질 지표·환류 데이터가 됨
- 공공 서식 재작업 감소
점검표
- 산출물을 이용자가 직접 고칠 수 있는가
- 원안과 수정본 차이가 기록되는가
- 공공 서식 형식으로 편집 가능한가
구조 — 참여 부품
- 편집 화면·네이티브 파일 — 이용자가 직접 고치는 면
- A10 문서 형식 어댑터 — HWPX·PPTX 등 편집 가능한 형식 출력
- C4 감사 로그·지표 — 수정 내역 기록
변형
- 화면 내 편집: 생성 결과를 화면에서 바로 수정·확정
- 네이티브 파일 출력: PPTX·HWPX·피그마 등 이어서 고칠 수 있는 형식으로 산출
참조 구현 예
- PAX cb0abc29707cc710 — PPTX 네이티브·피그마(로컬 MCP)·HTML 세 형식으로 수정 가능한 산출물 출력
관련 부품
C1 짝 — 확정 절차 · B1 끼울 자리 — 코파일럿의 필수 면 · A10 의존 — 편집 가능한 문서 형식 출력 · C6 후속 — 수정 내역이 환류 입력
참고 자료
InfoQ UX Editable Output
이 부품과 이어지는 가이드라인
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
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
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
S9 임시 샌드박스 보안 패턴
에이전트가 만든 코드·명령을 일회용 격리 환경(컨테이너·microVM·제한 런타임)에서 실행하고 끝나면 파기해, 호스트·행정망은 결과값만 받게 한다.
PAX 사례 1건이 이 부품을 쓴다
맥락
개발 코파일럿(유형 ⑫), 코드 후 실행(S5), 도구 루프(B′7), AI 코딩 도구로 기관 인력이 직접 만든 스크립트(A7), 제출 파일의 OCR·파싱 실행, 매크로가 있을 수 있는 부서별 제출 파일 취합(유형 ⑧). 카탈로그 등재 상태는 후보(PAX 557건 중 1건).
맞서는 힘(긴장)
- 격리 강도 vs 실행 환경 구축·유지 비용
- 일회용 파기의 안전성 vs 상태 유지가 필요한 작업
- 행정망 반입 제약 vs 컨테이너·microVM 런타임 도입
해법
코드·명령을 실행할 때마다 컨테이너·microVM·제한 런타임 중 하나로 일회용 격리 환경을 띄우고, 네트워크·파일 접근을 최소로 연다. 실행이 끝나면 결과값과 로그만 호스트로 넘기고 환경을 파기한다. 실행 전 정적 검사(AI 생성 코드 보안 린터)를 붙이면 샌드박스의 절반을 앞단에서 채운다. 격리 강도에 비례해 보호 수준이 정해지므로 행정망 자격 증명은 샌드박스 안에 두지 않는다.
이럴 때 쓴다
- 개발 코파일럿(유형 ⑫)의 필수 부품(R7)
- 취합·변환 자동화(유형 ⑧)의 필수(S11과 함께)
- S5 코드 후 실행을 쓸 때
- 신뢰 불가 입력 + P2 이상에서 B6 오케스트레이터(§5 매트릭스)
- 제출 서류 OCR 실행(유형 ② 권장)·엣지 모델 격리(유형 ③ 권장)·코드 점검(유형 ⑦ 권장)
이럴 때는 쓰지 않는다
- 코드·명령 실행이 없는 조회·생성 도구
- 실행 대상이 기관이 검수·고정한 결정적 코드뿐일 때
- 상태를 장시간 유지해야 하는 작업에 일회용 파기를 그대로 적용할 때 — 상태 저장 경로를 따로 설계
얻는 것
- 원격 코드 실행 피해를 격리 환경 안으로 제한
- 권한 상승·횡적 이동 축소
- AI 코딩 산출물을 행정망에서 안전하게 시험
점검표
- AI 생성 코드가 호스트에서 직접 실행되는 경로가 없는가
- 실행 후 환경이 파기되는가
- 샌드박스 안에 행정망 자격 증명이 없는가
- 네트워크·파일 접근이 기본 차단인가
구조 — 참여 부품
- 정적 검사기 — 실행 전 AI 생성 코드의 위험 패턴 점검
- 격리 런타임 — 컨테이너·microVM·제한 런타임에서 일회 실행
- S5 계획 후 실행·코드 후 실행 — 실행할 코드를 사전에 고정
- S10 결정적 재생 — 실행 흔적 기록
변형
- 컨테이너형: 실행마다 컨테이너를 띄우고 파기(Service per Container)
- microVM·서버리스형: 경량 가상머신·서버리스 함수로 강한 격리
- 제한 런타임형: GraalVM 같은 언어 런타임 샌드박스로 생성 코드·도구 실행 격리
- 정적 검사 결합형: AI 생성 코드 보안 린터(vibecode-checker 유형)를 실행 전에 둠
참조 구현 예
- PAX edf9a8632ff74a99 — GraalVM 샌드박스 기반 방어 심층 구조로 생성 코드·도구 실행 격리(§13)
- PAX vibecode-checker — AI 생성 코드 보안 린터. 카드가 이 부품의 정적 검사 절반으로 지목했다
관련 부품
S5 짝 — 코드 후 실행의 실행 자리 · S11 짝 — 유형 ⑧ 필수 조합 S11 + S9 · A7 끼울 자리 — AI 코딩 도구가 만든 스크립트 · B′7 끼울 자리 — 도구 루프의 실행 · S10 기록처 — 실행 흔적
참고 자료
Vinodhkumar M AI 보안 패턴: Ephemeral Sandbox · Beurer-Kellner 외(2025) 부록: 샌드박스 실행 · Service per Container · Serverless
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'
X4 단일 모델 인질 안티패턴
상용 API 하나에 전 기능이 묶여 있어, 그 API가 멈추거나 바뀌면 무슨 일이 생기는지 아무도 답하지 못하는 함정이다.
맥락
E2가 해외 상용 API이고 B 부품이 그 API를 게이트웨이 없이 직접 호출하는 과제. 특히 대민 자동응답·상시 감지처럼 중단 비용이 큰 서비스.
맞서는 힘(긴장)
- 최고 성능 단일 모델 vs 대체 경로 유지 비용
- 빠른 시범 구축 vs 게이트웨이·폴백 설계
- 모델 업데이트의 성능 향상 vs 예고 없는 동작 변화
해법
모델 호출을 A2 모델 서빙 계층 뒤로 숨겨 B 부품이 특정 벤더 API를 직접 부르지 않게 한다. 그 위에 C7 폴백 스위치로 재시도 → 기존 API → 대체 MCP → 대체 모델(A2.2 주권형 로컬 등) → 규칙 기반 축소 → 수동 전환의 경로를 정하고 전환 이력을 C4에 남긴다. 모델 교체가 실제로 안전한지는 C9 평가 세트로 재어 버전을 고정한다. 모델 중립(BYO) 배포라면 A9 스킬 형태로 배포해 모델 교체 가능성 자체를 폴백으로 삼는다.
이럴 때 쓴다
- E2가 해외 상용 API인데 C7 폴백이 없다(분류기준 검증 경고 조건)
- 'API가 멈추면 어떻게 되는가'에 대한 서술이 없다
- 모델 버전 고정·교체 시험 기록이 없다
- A2 게이트웨이 없이 B 부품이 벤더 API를 직접 호출한다
이럴 때는 쓰지 않는다
- B0 결정적 도구처럼 런타임 AI가 없는 경우
- 로컬 완결 도구로 외부 의존이 없는 경우
- 모델 중립(BYO) 배포로 A9 스킬 형태라 이용자가 모델을 바꿀 수 있는 경우
- 상용 API를 쓰되 A2 게이트웨이와 C7 대체 경로가 구현된 경우
얻는 것
- 가장 성능 좋은 모델을 가장 빨리 쓴다
- 게이트웨이·대체 모델 유지 비용이 없다
점검표
- 모든 모델 호출이 A2 한 곳을 지나는가
- 대체 경로가 하나 이상 구현되어 있는가
- 대체 모델의 품질이 C9로 측정되어 있는가
- 모델 버전이 고정되어 있고 교체가 릴리스처럼 관리되는가
구조 — 참여 부품
- A2 모델 서빙 계층 — 벤더 API를 숨기는 끼울 자리
- C7 폴백 스위치 — 장애 시 대체 경로로 전환
- C9 평가 세트·회귀시험 — 대체 모델의 품질을 같은 자로 확인
- 단일 상용 API — 모든 기능이 묶인 의존 대상
변형
- 직접 호출형: 게이트웨이 없이 코드 곳곳에서 벤더 SDK를 직접 호출
- 벤더 내장형: 벤더 제품 안에 모델이 박혀 교체 자체가 불가능(A2.6 블랙박스와 결합)
- 버전 미고정형: 모델 버전을 고정하지 않아 업데이트가 예고 없이 동작을 바꿈
관련 부품
C7 대체 — 장애 시 이어 가는 폴백 경로 · A2 끼울 자리 — 벤더 API를 숨기는 모델 서빙 계층 · A2.2 대체 모델 후보 — 주권형 로컬 · C9 선행 — 대체 모델 품질 확인과 버전 고정 · A9 BYO 배포에서의 대응 — 스킬 형태면 모델 교체 가능
참고 자료
Gulli ch.12 Exception Handling · Microservice Circuit Breaker · PAX Native 관문 4
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 · 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.