Loop (검증 Loop·개선 Loop)
검증 Loop는 결과물을 정해진 기준과 대조하고 필요한 부분을 수정해 다시 확인하는 반복입니다. 개선 Loop는 실행에서 얻은 피드백으로 지식·Skill·도구·기준을 고칩니다. 두 과정 모두 통과뿐 아니라 중단·보류 조건이 필요합니다.
BOAZ · 최종 업데이트 2026-09-12
두 Loop가 고치는 대상
| 구분 | 검증 Loop | 개선 Loop |
|---|---|---|
| 질문 | 이번 결과가 기준에 맞는가? | 다음에 같은 문제가 덜 생기려면 무엇을 바꿀까? |
| 수정 대상 | 결과물 | 지식·Skill·도구·검증 기준 |
| 근거 | 원문, 기대 결과, 실행 결과 | 반복 실패, 사용자 수정, 업무 변화 |
| 끝나는 조건 | 통과 또는 중단·보류 | 변경 후 재실행으로 효과와 부작용 확인 |
‘검사에 통과할 때까지’만 목표로 두면 결과를 바로잡는 대신 기준을 느슨하게 만들 수 있습니다. 결과 수정과 기준 변경을 구분해야 합니다.
코드·AI·사람의 확인을 나눈다
BOAZ의 위키 운영에서는 원문 파일과 인용 위치가 존재하는지 코드로 검사합니다. AI는 기존 설명과 새 원문의 충돌 후보를 찾습니다. 사람은 사실·표기·관계·해석·확정성·적용 범위를 판단합니다.
| 검사 | 확인 가능한 것 | 남는 한계 |
|---|---|---|
| 코드 | 형식, 링크, 계산, 실행 결과 | 검사가 다루지 않은 의미·상황 |
| AI 검토 | 누락·모순·해석 오류 후보 | 같은 오해나 잘못된 전제 반복 가능 |
| 사람 판단 | 업무 맥락, 기준 채택, 예외 | 정보 부족과 검토 부담 |
모든 업무에 세 방식을 같은 강도로 적용할 필요는 없습니다. 어떤 오류를 잡고 무엇은 확인하지 못하는지 명시하는 것이 중요합니다.
실패를 구체적인 수정으로 잇는다
예를 들어 회의록에서 ‘검토하자’를 ‘확정했다’로 바꿨다면 문장만 수정하고 끝내지 않습니다. 원문에는 결정 상태가 있었는지, Skill에 구분 기준이 있는지, 검증 단계에서 그 항목을 대조했는지 확인합니다.
반대로 실제 결정이 바뀐 경우라면 기존 Skill보다 지식 갱신이 먼저 필요할 수 있습니다. 원인에 따라 수정 위치가 달라집니다.
근거가 없으면 반복보다 보류가 맞다
답을 확인할 원문이 없는데 ‘더 검토하라’고 반복해도 사실이 생기지는 않습니다. 빠진 근거와 확인할 질문을 남기고 멈출 수 있어야 합니다. 같은 실패가 반복되거나 한도에 도달했을 때도 마찬가지입니다.
하네스는 횟수와 상태, 중단 조건을 관리할 수 있습니다. 중단된 작업은 미완료로 보고하고, 다시 시작하려면 어떤 입력이나 판단이 필요한지 남깁니다.
개선 후에는 두 종류의 입력으로 확인한다
실패했던 사례에서 수정 효과를 확인하고, 이전에 통과했던 다른 사례에서도 결과를 확인합니다. 하나의 실패만 고쳤다가 다른 업무를 망가뜨리지 않았는지 보기 위해서입니다.
원문·입력·지침 버전과 검사 결과를 남기면 변화의 이유를 비교하기 쉽습니다. 사람의 채택 판단은 휴먼 인 더 루프에서 다루고, 기술적으로 검사를 통과한 사실과 구분합니다.
자주 묻는 질문
검증 Loop와 개선 Loop는 무엇이 다른가요?+
검증 Loop는 이번 결과물이 기준을 충족하는지 확인하고 수정합니다. 개선 Loop는 실패와 피드백을 분석해 지식·절차·도구·기준 자체를 바꾸고 다시 실행해 봅니다.
통과할 때까지 계속 반복하나요?+
아닙니다. 반복 한도, 시간·비용 한도, 필요한 근거의 부재, 같은 실패의 반복 등 중단 조건을 둡니다. 미완료와 보류를 성공으로 보고하지 않는 것도 중요합니다.
AI에게 자기 검토를 시켜도 되나요?+
도움이 될 수 있습니다. 다만 같은 잘못된 전제에 머물 수 있으므로 원문 대조와 외부 검사 결과를 함께 사용합니다. 별도 에이전트도 정확성을 자동 보장하지 않습니다.
기준을 수정하면 개선이 끝난 건가요?+
수정만으로는 부족합니다. 실패했던 입력에서 문제가 줄었는지, 이전에 잘되던 입력은 유지되는지 다시 실행해 확인해야 합니다.
LINE 엔지니어 출신이, 실효성 있는 AX 프로그램을 진행합니다. 대기업 임원 및 실무자 대상 AX 프로그램 진행 경험을 바탕으로, 기업의 실제 업무를 분석하고 작동하는 AI 활용 결과물까지 함께 만듭니다.
관련 용어
가드레일 (Guardrail)
가드레일은 AI 시스템의 입력·출력·실행이 정해진 범위를 따르도록 안내·탐지·제한하는 장치입니다. 지침, 필터, 검증, 접근 권한, 사람 확인 등으로 구성할 수 있으며 각 방식의 강제력과 한계는 다릅니다.
로컬 LLM (Local LLM)
로컬 LLM은 원격 모델 서비스에 추론을 맡기는 대신 자신의 컴퓨터나 서버에서 실행하는 대규모 언어 모델입니다. 모델의 실행 위치와 이를 사용하는 앱·도구의 외부 연결 여부는 따로 확인해야 합니다.
서브에이전트 (Subagent)
서브에이전트는 메인 에이전트가 일부 작업을 맡기는 별도의 실행 단위입니다. 자체 Context에서 작업하지만 어떤 이전 맥락과 자료를 받는지는 도구와 설정에 따라 다릅니다. 분리의 가치는 병렬 처리와 맥락 관리에 있으며, 정확성이 자동으로 보장되지는 않습니다.
지식 갱신 (Knowledge Update)
지식 갱신은 새 원문이나 결정을 기존 지식과 대조해, 설명·관계·적용 범위를 수정하고 그 이유와 이력을 남기는 과정입니다. 문서를 추가하는 일뿐 아니라 오래된 답을 바꾸거나 판단을 보류하는 일도 포함합니다.
휴먼 인 더 루프 (Human-in-the-Loop)
휴먼 인 더 루프(HITL)는 AI를 학습·평가하거나 업무에 사용하는 과정에 사람의 피드백과 판단을 넣는 방식입니다. 업무에서는 무엇을 검토하고 어떤 근거로 수정·채택·보류할지 정해야 개입이 실제 품질 개선으로 이어집니다.
AI 거버넌스
AI 거버넌스는 조직이 AI를 쓸 때 무엇을 성과로 볼지, 어디까지 허용할지, 누가 승인할지를 정하는 기준과 절차입니다. 규제 준수만이 아니라 AI 결과물을 신뢰 가능한 상태로 만드는 뼈대이며, 이것이 없으면 성공한 PoC도 전사 표준으로 이어지지 못합니다.
AI Agent (AI 에이전트)
AI 에이전트는 모델이 목표와 현재 상태를 바탕으로 필요한 도구와 다음 행동을 선택하며 작업을 이어가는 시스템입니다. 계획·실행·확인을 반복할 수 있지만, 자율적으로 동작한다는 사실이 작업의 성공이나 정확성을 보장하지는 않습니다.
Context (컨텍스트) 관리
Context는 모델이 이번 응답이나 행동을 만들 때 입력으로 받는 정보입니다. Context 관리는 지시·대화·자료·도구 결과 중 필요한 내용을 선택하고, 작업이 길어져도 중요한 결정과 근거를 이어주는 일입니다.
FDE Loop (FDE 배치 루프)
FDE Loop는 현장의 문제 발견부터 구현·정착·측정·일반화까지 반복하는 업무 흐름입니다. 이 글은 BOAZ가 이를 설명하기 위해 여덟 단계로 정리한 것이며, 모든 조직이 따르는 공식 표준 절차는 아닙니다.
Harness (하네스)
AI 하네스(Harness)는 모델이 작업을 수행하도록 도구, 실행 상태, Context, 권한, 검증과 종료 조건을 연결하는 주변 시스템입니다. 모델의 응답을 실제 업무 실행으로 이어주며, 어떤 조건에서 계속하거나 멈출지를 관리합니다.
PRD (제품 요구사항 문서)
PRD(Product Requirements Document)는 제품이나 기능의 목적, 대상 사용자, 범위와 요구사항을 정리한 문서입니다. AI와 개발할 때는 무엇을 만들고 무엇으로 완료를 확인할지 합의하는 기준으로 사용할 수 있습니다.
Skill (Claude Code Skill)
Skill은 에이전트가 필요할 때 참고하는 지침·자료·스크립트 등을 묶은 재사용 단위입니다. BOAZ는 반복 업무를 Skill로 남길 때 절차와 함께 입력·출력·판단 기준·예외 처리를 정리하는 데 초점을 둡니다.
우리 조직에 맞는 AX가 궁금하다면
조직 상황과 대상(임원·실무자·전사)을 알려주시면, 어떤 프로그램이 맞는지 — 혹은 아직 워크숍이 필요 없는 단계인지 — 솔직하게 답해드립니다.