KODE 프로토타입의 지식화 엔진을 계승하면서, 그 위에 법이 요구하는 연구데이터 거버넌스 계층을 올리는 아키텍처입니다.
참고자료의 전략 방향과 같습니다. DMP가 계획을 세우고, KODE가 지식자산으로 바꾸고, AI가 활용한다. 이 세 층이 각각 독립 기능단위 묶음이 됩니다.
연구데이터 관리계획을 문서가 아닌 시스템 상태로 관리. 등록 실적으로 이행률이 자동 계산됩니다.
수집 → 저장 → 표준화 → 관리 → 보존. 온톨로지·지식그래프로 기관 지식자산화합니다.
검색 · 분석 · 비교 · 추론 · 재사용. RAG·GraphRAG로 근거 있는 답변을 제공합니다.
법은 두 층위를 만들었습니다. 이 선택이 아키텍처의 상한을 결정합니다.
근거 법 제17조 "연계된 저장소"
범위 우리 기관 데이터만. 단일 테넌트.
비용 기본
근거 법 제11조 전문센터 · 제16조 전문플랫폼
범위 타 기관 데이터까지 수용. 멀티테넌시, OAI-PMH 양방향 필요.
비용 초기 설계에 반영하면 거의 0 / 나중에 개조하면 재구축 수준
나중에 바꿀 수 없는 것들입니다. 전체 설계 원칙 11개 중 핵심만 추렸습니다.
기존 DMP는 한글·PDF 서식으로 과제 신청 시 1회 작성하고 사문화됩니다. 참고자료의 실제 DMP 사례를 봐도 "50건, 3GB, 보관: NAS"라는 선언이 실제 데이터와 연결되지 않습니다.
DMP를 DB 레코드로 관리하고 법정 서식은 렌더링 출력물로 둡니다. 데이터셋이 등록될 때마다 이행 실적이 자동 갱신됩니다.
문서를 어느 분류로 볼지 AI가 여러 축에서 자율적으로 판단해 근거와 함께 제안하되, 담당부서 승인 없이는 기관 지식이 되지 않습니다.
분류는 사실 판정이 아니라 기관의 의사결정입니다. "이 문헌을 공정으로 볼지 제품유형으로 볼지"는 정답이 있는 문제가 아니라 분류 정책 문제입니다.
"어떻게 분류할 것인가"(담당부서)와 "누구에게 공개할 것인가"(승인권자)는 판단 주체·근거·실패 결과가 전부 다릅니다.
되돌릴 수 있는 결정과 되돌릴 수 없는 결정을 같은 게이트에 두면 서로를 막습니다.
연구자가 올리는 순간 승인 없이 기관 자산으로 확보되고, 승인권자는 공개 여부만 판단합니다.
법령이 강제하는 사항은 아닙니다 — 설계 판단이며 기관이 다르게 정할 수 있습니다. 다만 법 제17조(보유·관리)와 제18조(등록·연계)가 별개 조문인 구조와 대응합니다.
공개등급·엠바고 라벨이 파싱본 → 청크 → 벡터 → 지식그래프 노드까지 상속되고, 모든 검색·RAG 응답이 요청자 권한으로 사전 필터링됩니다.
없으면 미공개 논문 데이터가 연구지원 AI 답변으로 유출됩니다. 그리고 이 문제는 나중에 붙일 수 없습니다 — 인덱스를 처음부터 라벨과 함께 만들어야 합니다.
메타데이터/데이터 평면 분리 · Ingest Once, Project Many(KODE 계승) · 모듈러 모놀리스 + 비동기 GPU 워커 · 사용자 경로에 GPU 두지 않기 · 표준 우선 + 부패방지 계층 · 분류체계 이중 태깅 · 저장 계층 용도별 분리
법 조항을 그대로 기능으로 번역하면 아키텍처가 나옵니다. 이 표가 설계의 근거입니다.
| 조항 | 요구 사항 | 아키텍처에 미치는 결정 |
|---|---|---|
| 제5조 | 기관이 권리 승계, 단 연구자를 생산자로 표시 | 생산자 크레딧 필수 → 업적평가 연계 → 연구자 참여 동기의 근원 |
| 제9조 | 실태조사, 개선 권고 | 사후 집계가 아닌 상시 집계 구조. 리포트 자동 생산 |
| 제17조 | DMP 작성·제출, 그 계획에 따라 생산·보유·관리 | DMP가 선언에 그치면 안 됨 → DMP ↔ 실제 데이터셋 이행률이 핵심 기능 |
| 제18조 | 공개 대상 등록·연계 / 비공개도 최소한의 식별정보는 등록·연계 | 메타데이터 평면과 데이터 평면 분리. 비공개 데이터셋도 카탈로그 레코드는 존재하고 노출 프로파일만 별도 |
| 제19~21조 | 표준·표준화·품질관리·보안대책 | 품질 게이트를 승인 앞단에. 스키마는 하드코딩 대신 레지스트리로 관리 |
| 제22조 | 공개 원칙 | 기본값이 공개. 비공개는 사유 코드 + 기간을 입력해야 성립하는 예외 |
| 제23조 | 비공개 사유 열거 + 비공개 기간 설정·연장 | 엠바고 상태머신 + 만료 시 자동 공개 전환 스케줄러 + 연장 신청·승인 |
| 제24조 | 제공 실비, 활용자 출처표시 의무 | 인용 문구 자동 생성, DOI, 이용 신청·정산 이력 |
| 제25조 | 가공·결합 결과물 활용, 표준계약서, 이용내역 공개 | 이용 로그를 부산물이 아니라 산출물로 설계 |
| 제26~32조 | 분쟁조정, 비밀유지, 벌칙·과징금·면책 | 불변 감사로그(append-only + 해시 체인). "누가 언제 무엇을 승인했는가"가 면책의 근거 |
| 요구사항 | 아키텍처의 답 |
|---|---|
| 쉽고 편하게 넣기 | ① 다중 입수 경로(감시폴더·웹·API·CLI) ② 파싱 엔진이 메타데이터 초안 자동 작성 → 연구자는 확인만 ③ 선입고 후공개로 승인 대기 없음 ④ DOI 크레딧으로 등록이 업적이 됨 |
| 쉽고 다양하게 이용 | 카탈로그 · 전문 · 시맨틱 · 그래프 4계층 검색. 다운로드 · API · 분석환경 · 연구지원 AI 4경로 제공 |
| 승인권자의 공개 판단 | T2 의사결정 지원: 개인정보 자동 탐지 + 위험도 점수 + 유사 과거 판정 사례 + 저위험 자동승인 + 고위험 필수 수동 |
| AI가 다양하게 분류하되 담당자가 최종 승인 |
T1 다축·다후보 제안 + 사람 확정: 9개 축에서 축별 top-k·신뢰도·근거 원문 위치 제시 → 연구자 내용 확인 → 담당부서 승인. 승인·거부 이력은 학습 신호로 축적 |
각 평면은 하나의 책임만 집니다. 아래 기능단위 칩을 누르면 상세로 이동합니다. 왼쪽 색 띠는 기존 KODE 자산의 재사용 정도입니다.
kode5) 자산 재사용 정도
| 평면 | 한 문장 책임 | 실패 시 결과 |
|---|---|---|
| 거버넌스 | 누가 무엇을 어디까지 할 수 있는가 | 법적 책임 증명 불가 |
| 메타데이터 | 데이터의 존재와 소재를 알 수 있게 | 있어도 못 찾음 = 없는 것 |
| 데이터 | 원본을 무결하게 보관 | 복구 불가능한 손실 |
| 지식·활용 | 보관된 것을 쓸 수 있게 | 창고만 남고 활용 0 |
| 연계 | 외부와 표준으로 대화 | 법 제18조 등록·연계 의무 위반 |
각 기능단위는 독립 모듈 경계입니다. 배지는 재사용 정도와 착수 단계(Phase)입니다.
모든 데이터의 앵커. DMP도 데이터셋도 권한도 과제에 매달립니다. 과제는 연차별 버전을 가지므로 (과제, 연차) 복합키가 필요합니다. 기관 그룹웨어·PMS 동기화, NTIS 과제번호 연계.
DMP 레코드의 작성·버전·제출·이행 관리. 자동 초안(과제정보 + 과거 DMP로 초안 생성 — 백지에서 시작하지 않게 하는 것이 참여율의 핵심), 이행률 산출(계획 vs 실제 등록 데이터셋), 법정 서식 렌더링(PDF·HWP). 착수 → 연차 → 최종 버전을 불변 스냅샷으로 보존.
"쉽고 편하게"의 물리적 구현 — UI 개선이 아니라 경로를 여러 개 만드는 것이 핵심입니다. 웹 드래그앤드롭 · NAS 감시폴더(습관을 안 바꿔도 됨 → 채택률에 가장 큰 영향) · 대량 배치 · API/CLI · 장비 연동. 격리 영역 → 무결성 검증 → 중복 판정 → 악성코드·개인정보 스캔 → 보존소.
중요한 개념 결정 — 관리·공개·인용의 단위는 파일이 아니라 데이터셋입니다 (데이터셋 = 파일 그룹 + 메타데이터). 파일명 패턴·디렉터리·생성시각·내용 유사도로 묶음을 제안하고 연구자가 확인합니다. 데이터셋 버전과 관계(과제·논문·파생) 관리.
내부 스키마(데이터셋·파일 2계층)를 스키마 레지스트리로 버전 관리하고 DataCite·DataON XML·Dublin Core·DCAT에 무손실 매핑. 자동 메타데이터 추출이 핵심 — 파싱본에서 제목·저자·측정항목·지역·미생물·원재료를 뽑아 초안을 만듭니다. 영구 ID + DOI + ORCID, 인용 문구 자동 생성.
원본 불변 보관(WORM 지향), 계층 저장(핫/콜드), 3-2-1 백업, 주기적 고정성 검사로 비트 부패 탐지, 보존기간 정책과 폐기 심의(자동 삭제 금지).
⚠ 동작 변경 필수 — 현재 프로토타입은 입수 후 원본을 삭제하고 파싱본만 보존합니다. DMP에서는 원본 보존이 법적 필수입니다.
승인권자의 판단이 시스템 동작으로 바뀌는 지점. 공개등급 5단계
(PUBLIC · INSTITUTION · PROJECT ·
RESTRICTED · CLOSED),
비공개 사유 코드(정보공개법·제3자 권리·영업비밀·국가안보·출판 전·특허 전·민감정보),
엠바고 만료 자동 전환과 연장 승인, 라이선스, 제한공개 이용 신청 처리.
★ 정책 전파 — 등급 변경 시 파생물 라벨 재계산 이벤트를 발행합니다.
두 트랙으로 분리됩니다 — T1 지식·분류 승인(담당부서)과 T2 공개 승인(승인권자). 판단 주체·근거·실패 결과·되돌리기 가능성이 전부 다릅니다. 공통 워크플로 엔진(상태머신·위임·SLA·일괄처리·감사로그)을 두 트랙이 공유합니다.
승인 앞단의 게이트 — 여기서 걸러야 승인권자가 판단할 것만 남습니다. 메타데이터 완결성 · 파일 무결성 · 포맷 위험 · 개인정보 탐지(위치까지) · 민감·보안 표현 · 라이선스 충돌 · 중복 · FAIR 지표 점수화 · 파싱 품질 경고.
기존 KODE의 본체이며 가장 많이 재사용됩니다. 파싱 → 개념추출 → 그라운딩(NCBI·ChEBI·FoodOn) → 분류배정 → 다축 분류 제안 → 온톨로지 T-Box/A-Box → 청킹·임베딩 → GraphRAG. 비동기·재실행 가능·멱등.
★ 제안까지만 합니다 — 산출물은 전부 proposed 상태이며 T1 승인을 거쳐야 반영됩니다.
축마다 top-k + 신뢰도 + 근거 원문 위치를 산출합니다.
질문 유형마다 맞는 경로를 주는 4계층: 카탈로그 검색(구조화 필터) · 전문 검색(청크 키워드) · 시맨틱 검색(벡터) · 그래프 탐색(SPARQL). 데이터셋 랜딩페이지(DOI·인용·파일 목록).
★ 권한 인식 검색 필수 — 색인 단계에서 사전 필터링합니다. 후처리 필터링은 건수·존재를 노출하므로 금지.
다운로드(서명 URL) · 개방 API · 분석 환경("데이터를 옮기지 말고 분석을 데이터로 보낸다" — 대용량·민감 데이터용) · 연구지원 AI(RAG/GraphRAG 근거 검색 + 출처 명시 답변). 이용 신청·승인, 실비 정산, 이용내역 공개, 인용 집계.
OAI-PMH v2.0 제공자(oai_datacite·oai_dc) — DataON의 주 연계 프로토콜.
DOI 등록(DataCite), NTIS·ORCID, 기관 그룹웨어·업적평가 연계.
★ 비공개 데이터 연계 — 식별자·제목·보유기관·비공개 사유·기간만 노출하는 최소 식별정보 프로파일. 법 제18조 후단의 직접 구현입니다.
불변 감사로그 — 전 기능단위의 모든 상태 변경을 append-only + 해시 체인으로 기록. 행위자·시각·이전값·이후값·근거. 권한 모델은 RBAC + ABAC 결합이며 판정은 단일 지점에서 수행. 법정 리포트(제9조 실태조사·이행률·공개 사유 분포·이용내역)와 대시보드.
인증(기관 SSO·LDAP) · 권한 판정 · 잡 오케스트레이션 · LLM 게이트웨이(다중 제공자 + 온프레미스 라우터, 이미 구현됨) · 알림 · 설정 · 관측성.
⚠ 인증은 전무합니다 — 현재 프로토타입의 모든 API가 무인증입니다. 최우선 보완 대상이며 모든 기능단위의 전제입니다.
승인을 하나로 뭉치면 서로를 막습니다. 되돌릴 수 있는 결정과 되돌릴 수 없는 결정은 같은 게이트에 둘 수 없습니다.
"이 데이터를 어떻게 분류·연결할 것인가"
"이 데이터를 누구에게 공개할 것인가"
하나의 문서가 여러 축에서 동시에 라벨링됩니다. 축마다 top-k 후보와 신뢰도, 근거를 제시하며 다중 라벨(주/부 분류)을 허용합니다.
| # | 분류 축 | AI 제안 내용 | 주 승인자 | 기존 자산 |
|---|---|---|---|---|
| 1 | KIM 도메인 분류 | 대분류(10) → 중분류(100) 배정 후보 | 데이터큐레이터 | 구현됨 |
| 2 | 대표개념 정합성 | 적합(유지) / 대체(보정) / 추가(신규) 판정 + 근거 | 큐레이터 · 위원회 | 구현됨 |
| 3 | 국가과학기술표준분류 | 법정 분류 후보 | 데이터큐레이터 | 신규 |
| 4 | 데이터 유형 | 수치+텍스트 / 이미지 / 음향 / 동영상 / 소스코드 / 3D / DB | 연구자 확인 | 신규 |
| 5 | 생산방법 | 실험 원(RAW) / 계산(가공) / 임상 / 관찰·현장조사 / 설문 | 연구자 확인 | 신규 |
| 6 | 온톨로지 개념 | NCBI taxid · ChEBI · FoodOn 그라운딩 | 도메인 전문가 | 구현됨 |
| 7 | 개념 간 관계 | 관계 후보 제안(LLM) | 도메인 전문가 | 구현됨 |
| 8 | 데이터셋 귀속 | 어느 과제·데이터셋에 속하는가 | 연구자 확인 | 신규 |
| 9 | 민감도 신호 | 개인정보·영업비밀·보안 위험 → T2로 전달 | 보안 담당(T2) | 신규 |
후보 좁히기, 근거 수집, 중복·모순 탐지
왜 AI만? 수천 건을 사람이 처음부터 볼 수 없음
"내 데이터가 맞게 해석됐나" — 측정 대상·방법·맥락
왜 연구자만? 데이터 생산자만 아는 사실
"기관 분류체계에 정합한가" — 분류 정책·용어 통일
왜 담당부서만? 기관 전체를 보는 큐레이터만 판단 가능
문서 수천 건 × 축 9개 × 개념 수십 개면 승인 항목이 폭발합니다. 그대로 두면 담당자가 처리할 수 없고 T1이 사문화됩니다.
| 수단 | 내용 | 기존 자산 |
|---|---|---|
| 변경단위 단위 승인 | 문서 낱개가 아니라 "분류체계 변경 제안"(new/revise/merge/move/deprecate) 단위로 승인. 여러 문서가 같은 신규 개념을 지지하면 하나로 병합해 승인 1회 | 구현됨 |
| 중복 제안 억제 | 이미 승인·거부된 개념은 재제안하지 않고 이력 유지 | 구현됨 |
| 신뢰도 구간별 차등 | 고신뢰·기존개념 적합은 자동승인 후보로, 신규개념은 항상 수동 | 구현됨 |
| 묶음 승인 | 같은 중분류·같은 판정 유형 일괄 처리 | 신규 |
| 에스컬레이션 | 분류체계 자체를 바꾸는 제안은 데이터관리위원회 | 신규 |
| ★ 학습 루프 | 거부 사유를 코드화해 임계값·프롬프트·few-shot을 갱신. 승인된 (문서, 분류) 쌍을 학습 데이터로 축적. 반복 오분류는 분류체계 자체의 결함 신호로 취급 | 신규 |
page_idx·bbox·section_path를 보존하므로 이 요건을 충족할 기반이 이미 있습니다.
핵심은 승인권자를 자동화로 대체하지 않고 판단을 지원하는 것입니다.
개인정보·민감어 자동 탐지 결과와 해당 위치(문서 페이지·행)
점수와 산출 근거를 함께 제시
논문·특허 상태로 "출판 전 / 특허 전" 판단 보조
같은 유형을 과거에 어떻게 결정했는가
유사 기존 데이터셋 존재 여부
민감도 분류 결과를 근거로 전달
데이터셋은 보존 상태와 공개 상태를 독립적으로 가집니다. 이 직교성이 "선입고 후공개"의 구현체입니다.
UNDER_REVIEW(심의중)여도 보존 축은 이미 PRESERVED이고
지식화 파이프라인이 돌아갑니다. 다만 그 파생물은 PROJECT 등급 라벨을 달고 있어
과제 참여자만 검색됩니다. 승인이 나면 라벨이 승격되고, 반송되면 등급이 유지됩니다.
| 입고 (Deposit) | 공개 (Publish) | |
|---|---|---|
| 뜻 | 기관 보존소에 안전하게 보관 | 열람·이용 가능하게 노출 |
| 열람 가능자 | 등록자 + 과제 참여자 + 데이터관리부서 | 공개등급에 따름 |
| 승인 | 불필요 | 필요 |
| 외부 노출 | 없음 | 등급에 따라 |
즉 승인 없이 공개되는 것이 아닙니다. 승인권자가 통제하는 대상은 그대로 유지되고, 달라지는 것은 승인 이전 기간에 데이터가 기관 금고 안에 있는지 연구자 개인 PC에 있는지뿐입니다.
연구자의 작업은 두 단계뿐입니다 — 익숙한 폴더에 파일 넣기, 자동 작성된 내용 확인하기.
웹 업로드·API·CLI도 가능하지만, 감시폴더가 습관을 바꾸지 않아도 되는 경로입니다.
통과한 파일만 보존소로 이동합니다. 개인정보 위험 항목은 위치까지 기록됩니다.
파일명 패턴·디렉터리·생성 시각·내용 유사도를 근거로 묶습니다.
사용자를 기다리게 하지 않습니다. 산출물은 전부 proposed 상태입니다.
백지 양식이 아니라 채워진 초안이 옵니다. 연구자는 필드 몇 개만 손봅니다.
승인 대기 없이 등록 완료. 데이터는 이미 안전하게 보존되어 있습니다.
대기 목록에 변경단위 기준으로 올라옵니다. 각 항목에 축별 top-k 후보, 신뢰도, 근거 원문 하이라이트가 붙습니다.
고신뢰·기존개념은 일괄 확인, 신규개념 추가는 필수 검토, 분류체계 자체 변경은 위원회로 올립니다. 거부 사유는 코드화되어 학습 신호가 됩니다.
위험도 순으로 정렬된 목록에서 판단합니다 — 공개 / 엠바고 12개월 / 비공개(사유코드).
결정이 확정되면 정책 변경 이벤트가 발행되어 보존 라벨 · 파생물 라벨 · 검색 인덱스 · 외부 연계 프로파일이 모두 갱신됩니다. 판단 전량이 감사로그에 남습니다.
| 이용자 | 질문 / 필요 | 경로 |
|---|---|---|
| 내부 연구자 | "젓갈이 발효와 맛에 주는 영향은?" | 연구지원 AI → GraphRAG(개념 사슬 + 문서 근거) → 출처 명시 답변 |
| 내부 연구자 | "함경북도 김치 구술기록 있나?" | 시맨틱 검색 → 청크 → 원문 위치 |
| 내부 연구자 | "배추김치의 상위 개념과 관련 미생물" | 그래프 탐색(SPARQL) |
| 외부 연구자 | 공개된 이화학 분석 데이터 | 카탈로그 검색 → 랜딩페이지 → DOI 인용 → 다운로드 |
| 외부 연구자 | 제한공개 데이터 필요 | 이용 신청 → 심사 → 기간 한정 접근권 |
| 통합플랫폼 | 메타데이터 수집 | OAI-PMH harvest (비공개는 최소 식별정보만) |
| 기업 | AI 학습용 대량 데이터 | 개방 API + 표준계약서 + 이용내역 기록 |
프로토타입(kode-prototype:kode5) 소스를 실제 조사한 결과입니다.
| 대상 | 판단 | 근거 |
|---|---|---|
| F10 지식화 | 최대 재사용 | parsing/(MinerU·원격워커·폴백·배치·실패격리), canonical/,
cdm_recon/(0~3단계 전체), onto/(4~6단계),
projection/chunker.py, datamodel_apply/ — 핵심 엔진이 동작 상태 |
| F3 입수 | 높은 재사용 | 잡 큐·진행률·디스크 영속화·해시 중복제거·실패 격리·대량 배치(211건 실증) 구현됨 |
| F5 추출·그라운딩 | 높은 재사용 | 그라운딩(NCBI/ChEBI/FoodOn), 분류배정, 개념추출 구현됨 |
| F8 T1 승인 엔진 | 부분 재사용 | 변경단위 승인·자동승인 정책·버전 롤백·감사로그가 원형이며 상당 부분 동작.
보완: 실사용자 식별(actor가 "user" 고정),
reviewed/approved 중간 상태 전환 미구현, 연구자 확인 단계 부재, 학습 루프 부재 |
| F6 보존 | 부분 재사용 + 동작 변경 | 저장소 구조는 유효하나 입수 후 원본을 삭제하고 파싱본만 보존. DMP에서는 원본 보존이 법적 필수 |
| F11 검색 | 부분 재사용 | 청크 키워드 검색·그래프 뷰 존재. 벡터 검색은 로드맵 상태(미구현), 권한 인식 검색 전무 |
| F15 LLM 게이트웨이 | 재사용 | 다중 제공자 + 온프레미스 라우터 구현 완료 |
| F15 인증·권한 | 신규 · 최우선 | API에 인증 미들웨어·세션·JWT 전무. 현재 모든 엔드포인트 무인증 |
| F1·F2·F4·F7·F9·F13 | 신규 구축 | 과제·DMP·데이터셋 개념·공개정책·품질검증·외부연계 모두 없음 |
| 저장 계층 | 교체 필요 | 전부 JSON 파일 기반, RDBMS 미사용, 단일 워커(uvicorn --workers 1).
다중 사용자·동시 승인·권한 검색에 부적합 |
참고자료의 구성(중앙저장소 · DGX Spark · H100)을 그대로 반영합니다.
현재 2026년 8월, 시행까지 약 9개월입니다. 시행 시점에 반드시 있어야 하는 것부터 배치했습니다.
.docx · HWP)| 리스크 | 영향 | 대응 |
|---|---|---|
| 하위법령 미확정 | 메타데이터 스키마·서식 변경 | 스키마 레지스트리 + 매핑 계층으로 코어를 표준에서 격리 |
| 연구자 참여 저조 | 시스템은 있고 데이터는 없음 | 감시폴더 + 자동 메타데이터 + 선입고 후공개 + DOI 업적 연계. 아키텍처로 해결하는 문제 |
| 승인 병목 | 대기 적체 → 등록 포기 | 선입고 후공개 + 의사결정 지원 + 정책 자동승인 + 일괄 처리 |
| 분류 승인 항목 폭발 | 담당자 처리 불가 → T1 사문화 | 변경단위 단위 승인 + 중복 제안 억제 + 신뢰도 차등 + 묶음 승인. 학습 루프가 유일한 근본 대책 |
| AI 오분류 축적 | 검색·추론 품질 저하, 되돌리기 어려움 | 사람 확정 없이 반영 금지 + 버전 롤백 + 반복 오분류를 분류체계 결함 신호로 취급 |
| ★ 비공개 데이터 AI 유출 | 법 위반·신뢰 상실. 사후 복구 불가 | 정책 라벨 전파를 인덱스 설계 시점에 반영. Phase 4 이전 확정 필수 |
| 원본 유실 | 재처리 불가, 보관 의무 위반 | Phase 1에서 원본 보존으로 전환 |
| 저장 계층 한계 | 동시 승인 시 정합성 붕괴 | Phase 1에서 RDBMS 전환. 미루면 전환 비용 급증 |
| 온톨로지 품질 | 자동 생성은 초안 수준 | CQ(Competency Question) 기반 전문가 검토를 상시 프로세스로 편성 |
| GPU 자원 경쟁 | 배치가 AI 응답을 막음 | DGX Spark(배치) / H100(추론) 물리 분리 |
| HWP 미지원 | 국내 연구문서 상당 비중 | Phase 4에서 파서 확보. 그 전까지 PDF 변환 안내 |
아키텍처를 확정하기 전에 정해야 할 항목입니다. 빨간 번호는 아키텍처에 미치는 영향이 가장 큰 것입니다.