D2 Automation · AI-assisted Workflows
AI는 해석을 도울 수 있지만 중요한 business action은 검증 가능한 control을 통과해야 합니다.
LLM을 parsing, classification, drafting 등 불확실한 단계에 제한적으로 사용하고 deterministic rule, validation과 human approval로 실행을 통제하는 D2의 자동화 범위.
핵심 요약 (Direct Answer)
D2는 문서·이메일·비정형 text의 extraction/classification 같은 단계에 AI model을 사용할 수 있고, structured schema validation, confidence/exception rule, human approval과 deterministic API action을 연결할 수 있습니다. 특정 model을 항상 사용하거나 hallucination을 제거한다고 보장하지 않으며 AI output은 task risk에 맞게 검증합니다.
Use AI selectively
fuzzy task와 deterministic action을 분리합니다.
AI가 필요한 이유가 없는 단계는 일반 rule/code로 유지하는 것이 더 단순하고 감사 가능할 수 있습니다.
- document/email extraction과 classification
- structured output schema validation
- confidence / exception gate
- human-in-the-loop for high-impact decision
- deterministic downstream action과 audit log
Privacy & model boundary
provider와 data handling은 실제 security requirement에 맞춰 선택합니다.
어떤 model/provider가 적합��지는 data sensitivity, availability, latency, cost와 enterprise policy를 확인한 뒤 결정합니다.
Acceptance
invalid, ambiguous, adversarial, missing input과 model failure를 테스트합니다.
happy-path accuracy만으로 production readiness를 판단하지 않습니다.
Limitations
AI output은 probabilistic하며 완전한 정확성이나 무오류를 보장하지 않습니다.
critical decision은 validation, deterministic rules 또는 human approval로 보호합니다.
Scope & deliverables
실행 범위와 산출물을 시작 전에 명확히 정의합니다.
D2는 서비스 이름만으로 책임을 넓히��� 않습니다. 실제 proposal에서 in-scope 업무, 산출물, 운영 cadence와 out-of-scope 항목을 확인합니다.
- 비정형 문서·이메일·텍스트의 extraction/classification을 제한된 AI task로 설계
- structured schema validation과 deterministic business rule을 downstream에 적용
- low-confidence, policy-sensitive 또는 irreversible action에 human review 경로 구성
- prompt/model/version과 output evidence를 필요한 범위에서 추적
Prerequisites & ownership
필요한 입력, 권한과 책임 owner가 확인되어야 실행할 수 있습니다.
계정·데이터·승인·외부 dependency가 준비되지 않은 상태에서는 결과를 가정하지 않고 blocker 또는 dependency로 기록합니다.
- 허용되는 data class, privacy/security policy와 model-hosting constraint 확인
- 정답 또는 acceptance example을 사용해 quality evaluation set 정의
- failure cost와 human escalation threshold 합의
- API/action 권한은 AI 판단과 분리해 최소 권한으로 구성
Evidence & limitations
검증 가능한 근거와 claim boundary를 함께 유지합니다.
운영 결과는 실제 source, 기간, 단위와 attribution 범위에서만 해석합니다. 플랫폼·third-party·시장 조건이 D2 통제 밖에 있으면 그 한계를 명확히 표시합니다.
- LLM output은 오류·hallucination 가능성이 있으므로 무검증 business truth로 사용하지 않음
- 특정 vendor/model이 모든 프로젝트에 적합하다고 가정하지 않음
- 정확도, 처리율, 비용 절감 또는 완전 자동화를 사전 보장하지 않음
- high-risk/irreversible action은 필요한 approval·validation 없이 실행하지 않음
관련 리소스
비즈니스 목적에 맞는 다음 단계를 확인하십시오.
자주 묻는 질문
프로젝트 착수 전 자주 묻는 질문과 답변입니다.
어떤 AI 모델을 사용하나요?
고정 모델을 모든 프로젝트에 약속하지 않습니다. data/security/cost/latency와 task requirement를 기준으로 적합한 provider 또는 model을 선택합니다.
AI hallucination을 완전히 없앨 수 있나요?
아닙니다. schema validation, retrieval, rule, confidence gate와 human review로 risk를 줄일 수 있지만 probabilistic output의 오류 가능성을 0으로 만들었다고 주장하지 않습니다.
다음 단계 안내