공무원이 직접 개발한 'AI 법령 비서'가 범정부 시범 서비스를 시작했다. 독자 AI 파운데이션 모델과 RAG 기반으로 대법원 판례 6만 건, 법령·행정규칙 24만 건, 5개 시도 자치법규 5만여 건을 탑재해 정책 기획·입안·집행 과정의 법적 질문에 근거와 함께 응답한다. 중앙·지방 모든 공무원이 행정내부망의 '온 AI 실험실'에서 즉시 활용할 수 있으며, 답변은 최종 법적 판단이 아닌 중간 검토 자료로 쓰인다.
사례 대상 바로가기 · 공유 링크 · 아카이브에서 보기
상세 정보
- 사례 성격
- 기관 공식
- 출처 채널
- 오픈채팅
- 수집일
- 2026-08-11
- 태그
- #법령 #RAG #독자AI모델 #범정부
- 망 요건
- 폐쇄망 가능
- 배포 환경
- 행정망
- 링크 점검
- 정상 (2026-11-02)
4축 평가
| AX 단계 | AI-Enabled |
|---|---|
| 업무 범위 | S2 Tool bundle |
| 업무 완결성 | C1 결과 제공 |
| 권한(P축) | P1 산출물 생성(잠정) |
| 위험도 | R1 낮음 |
| 인간 통제 | H2 Human-in-the-loop |
| 증거 등급 | E3 운영·공식 URL 확인 |
| 신뢰도 | 높음 |
판례 6만·법령 24만·자치법규 5만여 건의 RAG 기반으로 법적 질문에 근거를 포함한 답변이라는 검증 가능한 업무 결과를 생산하고, 답변을 중간 검토 자료로 한정해 사람이 최종 판단 — Enabled로 판정. 범정부 공통기반(온 AI 실험실)에서 전 공무원이 쓰는 공식 시범 서비스로 증거 등급 높음. 역할·흐름 재설계와 예외·평가 폐쇄루프의 운영 증거는 없어 First 관문 미충족.
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 변형: 내부 검수형
환경 축 배포:행정망 네트워크:폐쇄망 가능 모델:국산 독자모델 런타임:AI 도구 설정 권한:P0 읽기 전용
- 제어 흐름(B′)
- B′1 순차 파이프라인
- 공통 서비스(A)
- A1 데이터 자산 서비스 A2.3 모델 서빙 · 튜닝형
- 상호작용(F)
- F1 출처 표시 F7 한계·신뢰도 안내
- 서비스 블록(D)
- D8.3 초안·기안 D8.1 탐색·조회
- 부품 배선
- A1 → B3 · A2.3 → B3 · B3 → D8.3 · B3 → D8.1
- 참조 구현 후보
- A2.3 모델 서빙 · 튜닝형 국산 독자 파운데이션 모델 + RAG로 판례·법령·자치법규 30만여 건을 접지한 범정부 시범 사례로 A2.3/A1 조합의 참조 구현
판정 근거
공무원이 직접 개발한 'AI 법령 비서'가 범정부 시범 서비스를 시작했다. 독자 AI 파운데이션 모델(A2.3)과 RAG로 대법원 판례 6만 건, 법령·행정규칙 24만 건, 5개 시도 자치법규 5만여 건(A1로 정제·구축)을 접지해 정책 기획·입안·집행 과정의 법적 질문에 근거와 함께 응답하는 지식접지 상담(B3)이다. 중앙·지방 모든 공무원이 행정내부망 '온 AI 실험실'에서 즉시 쓸 수 있어 범정부 탑재로 판정하며, 답변은 최종 법적 판단이 아닌 중간 검토 자료로만 쓰인다는 한계 고지(F7)가 명시된다.
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.
- A9 업무 규범 스킬 보고서 구조·문체·서식·검증 절차 같은 업무 규범을 모델 중립 스킬(지침 + 검증기 + 출력 서식)로 패키징해 어떤 모델·에이전트에서든 재사용한다.
- A10 문서 형식 어댑터 HWP·HWPX·엑셀·한셀·PDF 같은 한국 공공 문서 형식을 AI 부품이 읽고(구조화) 쓰게(서식 생성) 하는 변환 계층이다.
- 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.
- F2 편집 가능한 출력 생성물을 이용자가 직접 고쳐 확정하게 한다. 통제감의 실체이며, 수정 내역은 C4 지표와 C6 환류의 입력이 된다.
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.
- 생성형 인공지능의 저작물 학습에 대한 저작권법상 공정이용 안내서 쓰는 작업: 모델을 튜닝하거나 외부 문서를 지식베이스에 넣는 사업이라면 데이터 수집 계획서의 저작권 검토 칸을 이 문서로 채운다. 학습과 검색·인용을 구분하라는 PAX 목록의 메모는 이 문서와 RAG 운영 기준을 나눠 적으라는 뜻이다.주의: 공정이용 판단은 사안별이다. 공공누리 유형이나 이용허락이 확인되는 자료를 먼저 쓰고, 공정이용은 그 다음 근거로 둔다.
- 공공기관 신뢰가능 AI 구현 실용가이드 이 사례와 겹치는 부품 C1 검토 큐 F7 한계·신뢰도 안내쓰는 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.
- 인공지능 투명성 확보 가이드라인 이 사례와 겹치는 부품 F7 한계·신뢰도 안내 F1 출처 표시쓰는 작업: 국민이 쓰는 챗봇이나 AI가 만든 안내문·이미지를 내보내는 서비스에서, 화면 문구와 생성물 표시 방식을 정할 때 쓴다. 화면 설계서의 고지 문구 칸이 이 문서에서 나온다.주의: 문서 원문의 구체 의무 범위는 게시물 첨부로 확인한다.
- 신뢰할 수 있는 인공지능 개발 안내서 이 사례와 겹치는 부품 F7 한계·신뢰도 안내 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.
- 생성형 인공지능 결과물에 의한 저작권 분쟁 예방 안내서 쓰는 작업: 운영 단계에서 AI 결과물을 외부로 배포하는 부서가 배포 전 확인 절차를 만들 때 쓴다. PAX 목록이 꼽은 결과물 유사성과 AI 이용 사실 기록이 이 절차의 항목이다.주의: 지식베이스 문서를 그대로 옮겨 답하는 RAG 서비스도 결과물 유사성 문제를 안는다.
- KS X ISO/IEC 22989 인공지능 개념 및 용어, KS X ISO/IEC TR 24028 인공지능의 신뢰성 개요 이 사례와 겹치는 부품 F7 한계·신뢰도 안내 C1 검토 큐쓰는 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.
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
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
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
A2.3 모델 서빙 · 튜닝형 공통 서비스
파인튜닝·LoRA·재학습으로 기관 업무에 맞춘 자체 모델을 서빙한다. 평가·접지·스킬로 풀리지 않을 때 가는 진행 경로의 마지막 단계다.
PAX 사례 1건이 이 부품을 쓴다
맥락
C9 평가 세트, B3 지식 접지, A9 규범 스킬을 거친 뒤에도 목표에 못 미친다는 기록이 있는 과제에 쓴다. 학습 데이터 기준선(A1)과 학습 인프라가 있어야 한다.
맞서는 힘(긴장)
- 업무 적합도 향상 vs 학습 데이터·GPU 비용
- 가중치에 지식 고정 vs 규정 개정 시 재학습 부담
- 자체 모델 소유 vs 모델 버전·재학습 운영 책임
해법
§7.2 진행 경로의 마지막(11단계)에 둔다. 먼저 C9로 기준 성능을 재고, B3 접지와 A9 스킬로 개선한 뒤에도 남는 격차를 튜닝 목표로 정한다. A1 기준선에서 학습 데이터를 만들고 학습/검증/평가를 분리한다. 튜닝한 모델은 버전으로 관리해 이전 안정판으로 되돌릴 수 있게 하고(C7 변형), 재학습 주기는 C6로 연결한다. 갱신이 잦은 규정·기준은 가중치가 아니라 A9·B3로 주입한다.
이럴 때 쓴다
- C9로 잰 격차가 B3·A9 개선 뒤에도 남을 때
- 문체·용어·출력 형식이 기관 고유해 프롬프트로 고정되지 않을 때
- 폐쇄망에서 소형 모델로 특정 업무 성능을 끌어올려야 할 때
이럴 때는 쓰지 않는다
- 평가 세트가 없을 때(X10)
- 검색·접지로 풀릴 지식 문제일 때 — 이때는 파인튜닝 대신 지식 가이드를 In-Context로 주입(A9)
- 규정이 자주 개정돼 재학습 주기를 감당할 수 없을 때
얻는 것
- 기관 고유 업무에 맞춘 성능
- 소형 모델로 폐쇄망 성능 확보
- 자체 모델 소유
점검표
- 튜닝 전 B3·A9로 시도한 기록이 있는가
- 튜닝 전후를 같은 평가 세트로 비교했는가
- 이전 모델 버전으로 되돌릴 수 있는가
- 재학습 주기와 트리거가 정해져 있는가
구조 — 참여 부품
- A1 데이터 자산 서비스 — 튜닝 학습 데이터 기준선
- C9 평가 세트 — 튜닝 필요성과 효과를 재는 기준
- A2 서빙 계층 — 튜닝 모델을 버전별로 노출하고 이전 판으로 복귀
- C6 환류 파이프라인 — 재학습 주기와 트리거
변형
- LoRA·경량 튜닝: 기반 모델 가중치는 그대로 두고 어댑터만 학습한다.
- 전체 파인튜닝·재학습: 기관 데이터로 모델 가중치를 다시 학습한다.
- 국산 파운데이션 + 접지: 국산 독자 파운데이션 모델에 RAG를 결합해 쓴다(PAX 법제처 사례, A2.3/A1 조합).
참조 구현 예
- PAX e2f85975979aa487 — 법제처, 국산 독자 파운데이션 모델 + RAG로 판례·법령·자치법규 30만여 건 접지(§13 A2.3/A1)
관련 부품
C9 선행 — 평가 없이 튜닝하지 않음 · B3 선행 — 접지로 풀리는지 먼저 확인 · A9 대안 — 지식을 가중치 대신 컨텍스트로 · C6 짝 — 재학습 주기 · A2.5 경계 — 비LLM 자체 학습 모델
참고 자료
Fowler Fine Tuning(진행 경로 마지막) · Heiland 배포 범주
이 부품과 이어지는 가이드라인
F1 출처 표시 상호작용 패턴
답변에 근거 문서·조문·통계표 ID를 붙여 이용자가 원문을 직접 확인할 수 있게 한다. C5 출처 검증의 이용자 면이다.
PAX 사례 87건이 이 부품을 쓴다
맥락
B3 지식 접지 상담, A8 공공데이터 MCP, 법령·통계·규정을 인용하는 모든 응답. 유형 ① 대민 상담, ⑤b 데이터 에이전트, ⑦ 대조·점검, ⑨ 인수인계(원문 위치).
맞서는 힘(긴장)
- 출처 상세도 vs 화면 복잡도
- 출처 표시 vs 실제 검증(표시만 하고 검증하지 않으면 잘못된 신뢰)
- 원문 링크의 신선도 vs 유지 비용
해법
답변의 각 주장에 근거 문서·조문 번호·통계표 ID·원문 위치를 붙이고, 원문으로 바로 이동하는 링크를 제공한다. 출처의 갱신 시각과 이용 조건을 함께 보여 오래된 자료를 현재로 오인하지 않게 한다. 표시되는 출처는 C5 출처 검증을 통과한 것이어야 한다.
이럴 때 쓴다
- B3 지식 접지 응답 전반
- 대민 서비스 D1~D7(F1·F2·F7이 최소 요건)
- 유형 ①⑤b⑦⑨처럼 F1이 필수인 유형
이럴 때는 쓰지 않는다
- 모델의 판정 근거(요인·BBox·사유 코드)를 보여 주려는 경우(F9)
- B0 결정적 도구로 원천 데이터를 그대로 보여 주는 경우(출처가 곧 화면)
얻는 것
- 이용자 신뢰 확보
- 원문 대조로 오류 발견
- 공식 판단 여부를 이용자가 스스로 확인
점검표
- 모든 답변에 출처가 붙는가
- 출처가 원본과 대조되는가
- 갱신 시각이 보이는가
- 이용자가 원문을 바로 열 수 있는가
구조 — 참여 부품
- C5 가드레일 필터 — 출처 검증
- 이용자 — 원문을 열어 대조
변형
- 문서·조문 인용: 근거 문서명과 조문 번호를 답변에 붙임
- 통계표 ID 인용: 통계 답변에 통계표 ID를 자동 인용(KOSIS MCP 방식)
- 출처·신선도 표시: 출처에 갱신 시각과 이용 조건을 함께 표시
참조 구현 예
- PAX Korean Stats MCP — KOSIS 통계를 자연어로, 출처 자동 인용
- PAX 224e2d82d9369735 — 모든 출처에 갱신 시각과 이용 조건을 함께 저장한 출처·신선도 표시
- PAX 9998aba2d1f55c24 — 항목별 법령·처분사례 원문 연계(F1)
관련 부품
C5 시스템 쪽 대응 — 출처 검증 · F7 짝 — 한계 안내와 함께 신뢰의 실체 · F9 구분 — 판정 근거 표시 · B3 끼울 자리 — 지식 접지 응답 · A3 출처 제공 — 공공 API 원문
참고 자료
aiuxpatterns Results · Show Citations
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
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
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)
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
A10 문서 형식 어댑터 공통 서비스
HWP·HWPX·엑셀·한셀·PDF 같은 한국 공공 문서 형식을 AI 부품이 읽고(구조화) 쓰게(서식 생성) 하는 변환 계층이다.
PAX 사례 136건이 이 부품을 쓴다
맥락
문서를 입력으로 받거나 기안·보고서·취합본을 산출하는 과제라면 거의 다 쓴다. 유형 2·4·8에서는 필수 기반이고 유형 6·7에서도 쓰인다. E1 로컬 PC 조건에서 도는 경우가 많다.
맞서는 힘(긴장)
- 형식 충실도(표·각주·조항 구조 보존) vs 파서 구현 비용
- 로컬 처리(무반출) vs 클라우드 변환 도구의 편의
- 기관별 서식 다양성 vs 공통 어댑터 재사용
해법
입력 쪽에서는 HWPX 압축 구조·PDF에서 조·항·호·별표 계층과 표를 보존해 구조화 텍스트·표로 바꾸고, 머리말·각주 같은 잡음을 걷어 조항 단위로 정규화한다. 출력 쪽에서는 스킬(A9)의 출력 서식을 받아 HWPX·XLSX 기안 서식을 역방향으로 생성한다. 민감 문서는 PC 밖으로 보내지 않도록 로컬에서 변환하고, 파서를 라이브러리·CLI·MCP로 함께 제공하면 다른 부품과 기관이 그대로 쓴다. 형식 변환 정확도는 C9 판정 체계로 잰다.
이럴 때 쓴다
- 입력이 HWP·HWPX·엑셀·PDF 공공 문서일 때
- 산출물을 기안·보고 서식으로 내보내야 할 때
- 유형 2·4·8 조립
이럴 때는 쓰지 않는다
- 스캔 이미지·음성처럼 인식이 필요한 입력은 B4 인식 파이프라인(OCR·STT)
- 입출력이 이미 정형 데이터·API인 경우
얻는 것
- 공공 문서를 AI 입력·출력으로 연결
- 기관 간 재사용 가능한 공통 부품
- 로컬 처리로 무반출
점검표
- 표·조항 계층이 변환 후에도 보존되는가
- 출력이 기관 기안 서식 그대로 열리는가
- 민감 문서가 변환 과정에서 PC 밖으로 나가지 않는가
- 변환 정확도 판정 기록이 있는가
구조 — 참여 부품
- 입력 파서 — 조·항·호·표 구조를 보존해 구조화
- 서식 생성기 — 구조화 결과를 HWPX·엑셀 서식으로 출력
- A9 업무 규범 스킬 — 출력 서식 규범 제공
- B3 지식 접지 상담 — 구조화된 규정을 색인해 검색
변형
- 규정 구조 파서: HWP/HWPX·PDF 규정을 조항 단위로 정규화한다.
- 엑셀·한셀 취합: 폐쇄망에서 엑셀·한셀 파일을 취합한다(GatherFlow).
- 서식 출력: HWPX 직무기술서·보도자료 등 공공 서식으로 역방향 생성한다(NCS JD, ReleasePick 입력).
- 완결형 문서 엔진: HWP/HWPX 파싱·조판·렌더링·편집·PDF 출력을 자체 구현하고 MCP·CLI로 제공한다(PAX e18d5e018e0cd10d).
- AI 친화 병행 등록: 기관이 발간자료를 마크다운으로 함께 등록하도록 표준화한다(PAX 17329009668eb397).
참조 구현 예
- PAX GatherFlow — 엑셀·한셀 취합(폐쇄망)(§6 A10 카드)
- PAX 7ad16f34cfb6cca7 — HWP·HWPX·PDF에서 신구대비표 초안을 로컬 생성(§13 A10)
- PAX e18d5e018e0cd10d — HWP/HWPX 파싱·조판·렌더링·편집·PDF 출력 + MCP·CLI(§13 A10)
관련 부품
A9 짝 — 스킬 출력 서식 · B4 경계 — 인식이 필요한 입력 · A12 대칭 — 사람 쪽 모달리티 어댑터 · A7 짝 — 유형 8 필수 · B0 소비처 — 문서·엑셀 자동화
참고 자료
GoF Adapter
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
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
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
망 요건: 폐쇄망 가능
첫 3단계
① 원문·저장소에서 실체 확인 → ② 소규모 업무로 시험 → ③ 결과를 동료와 교차 검증
주의사항
성과 수치는 출처가 확인된 것만 신뢰하세요
전이 절차(보안검토→품의→배포)는 전이 플레이북을 참고하세요.