ai자동화 썸네일형 리스트형 사람 검수(Human-in-the-loop)가 왜 필요한가? AI 자동화 속 사람의 역할 사람 검수(Human-in-the-loop)란?사람 검수(Human-in-the-loop)는 AI가 만든 결과를 사람이 되돌리기 어려운 실행 단계 직전에 최종 확인하는 구조입니다. 쉽게 말하면 AI가 초안을 쓰고 스스로 판정까지 내려도, 실제로 '발행' 버튼을 누르거나 '돈을 집행'하는 마지막 순간에는 사람이 한 번 확인하고 넘기는 방식입니다.여기서 'loop(루프)'는 AI가 일하는 자동화 흐름을 뜻합니다. 그 흐름 안에(in the loop) 사람이 한 자리를 차지하고 있다는 의미라서 '사람이 개입하는 자동화'라고 이해하면 됩니다. 완전히 사람이 다 하는 것도 아니고, 완전히 AI에게 맡기는 것도 아닌 중간 형태입니다.초보자가 가장 자주 하는 오해는 '자동화면 사람은 필요 없는 것 아닌가?'입니다. .. 더보기 AI 자동화 자동으로 이어지는 작업 흐름이란? 생성→검사→발행을 나누는 이유 AI 자동화 자동으로 이어지는 작업 흐름이란?AI 자동화 자동으로 이어지는 작업 흐름은 하나의 작업을 여러 개의 단계로 나눠 순서대로 처리하는 흐름을 뜻합니다. 예를 들어 글 한 편을 자동으로 만든다면 'AI가 초안 생성 → 규칙 검사 → 문제 수정 → 발행'처럼 단계를 쪼개서 진행합니다. 자동으로 이어지는 작업 흐름(pipeline)은 원래 '송유관'이라는 뜻으로, 앞 단계의 결과물이 다음 단계로 흘러 들어가는 모습을 비유한 말입니다. 정확히 말하면 여러 처리 단계를 정해진 순서로 연결한 자동화 구조를 가리킵니다.여기서 자주 헷갈리는 용어부터 정리하겠습니다. AI 모델은 글이나 이미지를 만들어 내는 두뇌 역할의 알고리즘입니다. AI 서비스는 그 모델을 웹이나 앱에서 쓸 수 있게 만든 제품입니다. API.. 더보기 AI 자동화 비용은 어떤 항목으로 나뉠까? 초보자용 운영비 구조 정리 한 줄 결론AI 자동화 비용은 '구독료 하나'로 끝나지 않습니다. 매달 내는 구독료, 사용한 만큼 내는 API 사용료, 이미지·영상 생성비, 결과물을 저장·운영하는 서버·저장 비용, 그리고 사람이 결과를 확인하는 검수 시간까지 여러 항목이 합쳐진 총합이 실제 운영비입니다. 이 글은 먼저 '어떤 항목으로 나뉘는지'를 이해하는 데 목적이 있습니다. 각 항목의 실제 금액은 서비스마다 다르고 자주 바뀌므로, 발행일 기준으로 공식 요금 자료를 확인해 기록하는 것이 원칙입니다. 항목을 하나씩 나눠서 보는 것은 예산을 검토할 때 참고가 될 수 있습니다.먼저 알아야 할 핵심 개념비용을 이야기하기 전에, 자주 헷갈리는 네 가지 용어부터 구분하겠습니다. 이걸 섞어서 생각하면 요금 구조도 헷갈립니다.AI 모델: 글·이미지·.. 더보기 인프라를 계약으로 만들면 기능 추가가 10파일로 끝난다 — 재사용 가능한 코어 설계법 문제: 비슷한 기능을 세 번 만들 때마다 처음부터 다시 짠다같은 성격의 기능을 여러 번 추가해 본 사람은 안다. 두 번째, 세 번째를 만들 때도 매번 저장 로직·리포트·초기화 코드를 다시 짜게 된다. 겉보기엔 '조금 다른' 기능처럼 보이지만, 실제로 다른 부분은 극히 일부이고 나머지는 매번 복사·수정하는 반복 작업이다.실제 개발 기록에서 이 문제를 정면으로 마주친 사례가 있다. 스캘핑 가상매매(섀도우) 기능을 세 시장 — KR(분봉 돌파), US(시세샘플 돌파), Coin(눌림목 반등) — 에 동시에 추가해야 했다. 각각 2,000만원 가상 장부와 장마감 리뷰가 필요했다.결과적으로 설계(SCALPING_SHADOW_DESIGN.md)부터 3레포 병렬 구현, 리뷰·테스트(총 151건 신규, KR 전체 95.. 더보기 AI에게 규칙을 지시서로 맡길 때와 훅으로 강제해야 할 때 문제: AI가 규칙을 '읽었다'고 지킨 게 아니다AI 코딩 에이전트에게 "push 전에는 반드시 검토해"라고 문서로 적어두면, 대부분의 경우 잘 지킨다. 그런데 '대부분'이 문제다. 컨텍스트가 길어지거나, 급한 작업이 끼거나, 프롬프트가 살짝 달라지면 같은 규칙도 건너뛴다. 문서는 부탁이지 강제가 아니기 때문이다.필자는 여러 레포를 한 AI 에이전트로 관리하면서 이 경계를 마주했다. 전 시스템 공통 규칙 체계를 만들고, 그 첫 규칙 RULE-001(push 전 필수 검토)을 '문서로 부탁할지, 훅으로 막을지' 판단해야 했다. 결론부터 말하면 두 방식은 서로 다른 층위이며, 섞어 쓰되 역할을 나눠야 한다.왜 문서만으로는 위험한가문서 기반 규칙의 약점은 두 가지다. 첫째, 확률적이다. LLM은 지시를 따를 .. 더보기 예측 기능을 만들었다면 연결보다 적중률 집계가 먼저다 예측을 만들면 곧장 연결하고 싶어진다규칙이든 모델이든 예측 기능을 만들면 가장 먼저 하고 싶은 일은 그 신호를 실제 동작에 연결하는 것이다. 방향을 맞히는 로직을 짰으니, 그 방향대로 진입하는 매매에 바로 붙이면 성과가 날 것 같다. 하지만 이 순서를 뒤집으면 나중에 두 가지 질문을 구분할 수 없게 된다. '예측이 맞았는가'와 '연결한 전략이 돈을 벌었는가'는 다른 질문인데, 처음부터 붙여 버리면 둘이 하나의 결과로 뭉쳐 버린다.실제 개발에서도 이 순서를 지켰다. 장초반 5분봉으로 단기 방향을 예측하는 관찰 도구를 먼저 만들었고(EP.12), 그 뒤 누적 적중률을 집계하고 나서야 삼성전자·SK하이닉스 방향 신호를 가상단타 진입에 연결했다(EP.16). 연결이 마지막에 온 것은 우연이 아니라 검증 순서 때.. 더보기 AI 자동화에 사람 검수 단계를 반드시 넣어야 하는 이유 문제 제기: '만드는 것'은 쉽고 '믿는 것'은 어렵다AI에게 자동화 시스템을 맡기면 결과물 자체는 만들어진다. 실제로 자동매매 시스템을 AI로만 개발했을 때도 시스템을 구축하는 것 자체는 어렵지 않았다. 정작 오래 걸린 것은 그다음이었다. 어떤 기준으로 동작할지 정하고, 그게 실제로 통하는지 검증하고 다듬는 과정 말이다.즉, AI 자동화의 진짜 난관은 '만들기'가 아니라 '이게 제대로 도는지 확인하기'다. 그리고 이 확인은 자동화 밖에 있는 사람이 해야 한다.왜 위험한가: 지시대로 됐다고 믿기 어렵다AI에게 그냥 '이렇게 해줘', '이렇게 만들어줘'라고만 지시했더니, 내가 생각했던 방향과 다르게 작업되는 경우가 많았다. 이게 핵심이다. 결과물이 나왔다고 해서 내가 의도한 대로 동작한다는 보장은 없다.의.. 더보기 EP.18 AI 규칙, 문서로만 두면 안 지켜진다: 훅으로 강제하기 들어가며: 왜 문서만으로는 부족했나여러 레포에서 AI 에이전트와 협업하다 보면 "이렇게 하자"는 규칙이 쌓인다. 문제는 이 규칙이 문서에만 존재할 때다. 에이전트가 규칙을 읽고 따르길 기대하는 것과, 어겨도 실행 자체가 되지 않게 막는 것은 완전히 다른 층위의 문제였다.이번 작업의 목표는 두 가지였다. 첫째, 전 시스템 공통 규칙을 하나의 정본으로 관리해 드리프트(사본 간 불일치)를 막는 것. 둘째, 진짜 무조건 지켜야 하는 규칙 하나(RULE-001, push 전 필수 검토)를 결정적(deterministic) 훅으로 강제하는 것이다.규칙 정본은 한 곳에서만: 임포트 한 줄 전략규칙 정본은 ai-automation-control 레포의 rules/GLOBAL-RULES.md에서만 관리하기로 했다. 관리.. 더보기 이전 1 2 다음
