무엇을 만드는가: 데이터와 규칙

품앗이가 조직 AI를 만들며 남긴 기록을 다른 조직이 다시 쓸 수 있게 옮긴 글입니다. 묶음 전체는 조직 AI 만들기에서 볼 수 있습니다.

요지

조직 AI를 만든다고 하면 먼저 모델과 GPU가 떠오릅니다. 그런데 우리 기록에서 조직의 판단이 들어 있던 곳은 모델이 아니라, 그 조직 자료에서 뽑은 규칙과 참고 데이터였습니다. 그것이 조직의 기계와 조직의 위키에 있으면 모델은 어떤 것이든 얹을 수 있습니다. 이 노드는 그래서 무엇을 산출물로 내는지, 어떤 데이터를 넣고 어떤 데이터는 넣지 않는지, AI가 맡을 몫이 어디인지를 적습니다.

1. 산출물은 세 묶음이고, 모델은 넣지 않는다

한 의료사협 원장의 소견서 작성 노하우를 「원장을 대신하는 AI」로 만들자는 이야기가 나온 적이 있습니다. 기록에 따르면 그때 AI 쪽은 생각을 엔진, GPU, 모델로 넓혀 갔고, 곧 축이 바로잡혔습니다. 그 원장의 판단은 그동안 쓴 소견서에서 뽑아낸 규칙과 사례에 있었고, 모델은 그것을 읽을 뿐이었습니다. 파인튜닝은 나중 일이고, 조직이 자기 기계에서 로컬 AI를 돌리는 것을 궁극 목표로 둘 때 꺼낼 일입니다.

그래서 새 도메인 AI 과제는 세 묶음으로 냅니다.

1. 참고 데이터: 말뭉치, 유형집, 용어 사전.
2. 사고 연산규칙: 입력을 받아 무엇과 맞대고, 어떻게 판정하고, 무엇을 고르고, 무엇을 써내고, 어떻게 확인하는지를 문서로 적은 것.
3. 도구: 양식 채우기처럼 늘 같은 방식으로 하는 일을 맡는 표준 함수.

규칙의 정본은 그 조직 위키의 노드에 마크다운 표로 둡니다. 사람과 AI가 같은 글을 읽고, 깃 이력이 그대로 변경 일지가 됩니다. 엑셀이나 JSON은 이 노드에서 뽑아낸 산출본이고, 고칠 때는 노드만 고칩니다.

온톨로지는 개념표 한 장이면 시작할 수 있습니다. 개념, 뜻, 개수, 관계를 적은 표를 노드 맨 앞에 둡니다. 이 표를 채우는 주인은 IT 개발자가 아니라 그 분야를 아는 사람입니다. 그래프 DB는 행이 수백 개를 넘고, 조건이 셋 이상 겹치고, 여러 단계를 건너는 사례 검색이 실제로 필요해질 때 검토합니다. 온톨로지를 데이터가 있는 것부터 시작해야 하는 이유는 쌓은 데이터를 잇고 쓸 때 3절에 있습니다.

규칙이 스스로 자라게 하는 절차도 규칙 안에 적어 둡니다.

• 오류는 네 갈래로 나누는데, 입력이 잘못됐는지, 판정이 틀렸는지, 문장이 어색한지, 처음 보는 유형인지입니다.
• 고친 내용은 규칙 파일에 넣고, 변경 일지를 남기고, 옛 판과 회귀 시험 짝을 다시 돌려 봅니다.
• 몇 건 연속으로 고칠 것이 없으면 그 규칙을 확정으로 올리고, 한 달에 한 번 고침 비율을 봅니다.
• 사용자의 가르침은 「그대로」 또는 「고침: …」 한 줄입니다. 그 한 줄이 규칙 파일에 들어가야 학습이 됩니다.

사례와 규칙을 위키에 계속 쌓는 틀은 암묵지를 위키에 쌓는 법에 있습니다.

모델이 바뀌어도 남는 것이 자산입니다. 데이터, 평가 기준, 도메인 지식, 자연어로 쓴 규칙이 그렇습니다. 모델별 프롬프트 요령, 호출 코드, 파라미터 조정처럼 모델에 묶인 것은 모델을 바꾸면 사라집니다. 이 구분은 모델은 부품, 데이터가 본체에서 더 다룹니다. 우리 기록은 이것을 「의존과 종속은 다르다」로 정리했습니다. 외부 모델에 의존하되 종속되지는 않는다는 뜻입니다.

2. RAG에 넣을 것은 세상 어디에도 없는 우리 데이터뿐이다

작업 기록에 따르면, 한 생협 매장의 AI를 키운다며 위키백과 6만 청크와 시험 문제 데이터 8천 건을 벡터 DB에 넣다가 멈춘 일이 있습니다. 모델이 이미 아는 일반 지식을 다시 넣는 중복이었고, 임베딩 검색은 한글 이름과 영어 이름을 잇지도 못했습니다. 진짜 데이터는 이미 매장 안에 있었습니다. 수년 치 판매 기록에 누가 무엇을 언제 샀는지가 있었고, 조합원 정보, 농가별 입고 흐름, 현장 사람들의 말이 있었습니다. 외부의 일반 지식은 모델에게 직접 물으면 됩니다.

그래서 RAG에는 세상 어디에도 없는 우리 데이터만 넣습니다. 그리고 AI의 모양도 「물어보면 답하는 AI」에서 「먼저 알려 주는 AI」로 바꿉니다. 작년 데이터로 제철 상품이 들어올 때를 알리고, 단골의 구매 흐름을 정리하고, 한정된 예산에서 무엇부터 발주할지 순서를 내놓는 식입니다. 자기 데이터를 먼저 정리해서 쓰는 방법은 쌓은 데이터를 잇고 쓸 때 5절에 있습니다.

다만 데이터가 있다고 현장을 아는 것은 아닙니다. 상품 표의 분류 연결률이 100%라는 것을 근거로 AI의 「현장 이해 점수」를 100점으로 자동 계산한 일도 기록에 있습니다. 현장 책임자의 평가는 「내가 말해 주지 않은 현장 정보가 얼마나 많은데, 10점도 안 된다」였습니다. 어떤 상품이 왜 잘 팔리는지, 계절과 날씨에 따라 무엇이 달라지는지, 조합원의 성향, 생산자의 사정, 진열과 폐기의 감각은 DB 조회로 잴 수 없습니다. 자동으로 잴 수 있는 축과 그럴 수 없는 축을 가르고, 그럴 수 없는 축은 사람이 매기는 점수로 둡니다.

3. AI의 몫은 결정에 쓸 데이터, 그리고 자동화가 끝난 다음 자리

운동과 협동조합 분야의 AI를 「시민이 스스로 합의하도록 매개하는 AI」로 정의했다가 바로잡힌 일이 있습니다. 조사와 기준과 충분한 정보 없이 합의를 시키면 갈등만 커집니다. 협동조합은 모두를 설득하는 조직이 아니라, 분명한 비전에 동의하는 사람들이 스스로 모이는 결사체입니다. 비전은 리더십이 세우고, 그 결정에 쓸 데이터를 만드는 것이 AI의 무게중심입니다.

그렇다고 「AI는 중재를 하지 않는다」고 못 박지는 않습니다. 이것은 강조점이지 금지가 아니어서, 필요하면 할 수 있습니다. 같은 분야에서도 단계마다 가장 중요한 데이터가 다릅니다. 기록은 창업 단계에서는 비전 합의를 돕는 시나리오, 운영 단계에서는 실측 비교, 확산 단계에서는 진단과 평가를 꼽습니다.

AI를 「자동화 프로그램을 만드는 도구」로 좁히지도 않습니다. 자동화가 일을 끝낸 자리에서 AI가 시작합니다.

자동화	AI
조건이 맞으면 정해진 결과를 낸다	흐름이 바뀌거나 벗어나는 조짐을 먼저 알아챈다
시스템마다 따로 돌고 따로 보고한다	한 사람, 한 번의 결제를 중심으로 흩어진 기록을 잇는다
「활성화율 36%」처럼 집계한다	「봄철 출하 흐름이 바뀌었다」처럼 해석한다

「사람이 병목이다」를 결론으로 쓰지 않는 이유는 사람은 병목이 아니다에 있습니다. 짧게 말하면, AI는 사람이 기계의 문법을 배우지 않아도 되게 하는 쪽에 서고, 사람의 일은 입력에서 승인으로 옮겨 갑니다.

4. 운동을 위한 시스템은 같은 기록이 네 가지 일을 하게 한다

운동을 위한 디지털 시스템은 한 가지 목적으로만 만들면 오래가지 못합니다. 같은 기록 원천, 예를 들어 위키의 마크다운 문서가 네 가지 일을 함께 채워야 선순환이 돕니다.

1. 놀이: 쓰는 사람에게 성취감을 주고 성장을 눈에 보이게 합니다.
2. 운영체제: 조직의 회의, 의결, 집행, 거래를 기록합니다.
3. AI의 먹이: 같은 기록이 RAG와 학습 자원이 됩니다.
4. 사람과 AI의 짝: 혼자가 아니라 AI 짝과 함께 쓰는 구조입니다.

놀이만 있으면 현실과 떨어지고, 운영만 있으면 의무감만 남고, AI 먹이만 있으면 사람이 왜 써야 하는지 설명이 안 됩니다. 기능마다 저장소, 고객 관리 프로그램, 학습 파이프라인을 따로 만들면 셋 다 관리가 안 됩니다.

AI를 키우는 가장 빠른 길도 따로 수업하는 시간이 아니라 일하는 옆자리였습니다. 실제 업무의 각 단계에서 AI에게 같은 과제를 시키고, 전문가의 결과와 비교하고, 그 차이를 학습 데이터로 쌓습니다. 사람이 신입을 옆에 두고 일하며 키우는 것과 같은 구조입니다. 따로 하는 양육 시간은 약한 분야를 보강할 때만 씁니다.

한 엔진을 여러 조직이 나눠 쓸 때는 열람 경계를 데이터 범위로 정하고 DB가 강제하게 합니다. 기록에 남은 구조는 조직 아래 매장을 두는 두 단계였고, 각 매장은 자기 데이터만 보고 조직 관리자는 자기 조직의 매장 전체를 봅니다. 새 분야라는 이유만으로 엔진을 복제하지 않습니다. 엔진을 언제 따로 세우는지는 연대지능 도메인 AI 개발 개념의 분가 기준 셋을 봅니다.

일곱 줄로 줄이면

1. 산출물은 참고 데이터, 사고 연산규칙, 도구 세 묶음이다.
2. 규칙의 정본은 조직 위키의 노드이고, 고침도 거기에만 한다.
3. 사용자의 「그대로/고침」 한 줄이 규칙 파일에 들어가야 학습이다.
4. RAG에는 모델이 모르는 우리 데이터만 넣는다.
5. 자동으로 못 재는 현장 감각은 사람이 점수를 매긴다.
6. AI의 무게중심은 결정에 쓸 데이터를 만드는 것이다.
7. 같은 기록이 놀이, 운영, AI 먹이, 짝 협업을 함께 채우게 짓는다.

관련 노드

• 조직 AI 만들기
• 가중치에 넣을 것과 넣지 말 것
• 한국어 RAG 실전
• 작은 로컬 모델 다루기
• 모델은 부품, 데이터가 본체
• 연대지능 도메인 AI 개발 개념
• 쌓은 데이터를 잇고 쓸 때
• 사람은 병목이 아니다
• 암묵지를 위키에 쌓는 법

---

작성: 품앗이 · 2026-10-22 · 생협 매장·의료사협·에너지 협동조합의 AI 기록 기준